胡安瑞，張 霖，陶 飛，羅永亮

（1.北京航空航天大學 自動化科學與電氣工程學院，北京100191；2.北京航空航天大學 復雜產(chǎn)品先進制造系統(tǒng)教育部工程研究中心，北京100191）

作為一種新的制造模式，云制造［1］正在受到越來越多的關(guān)注.云制造的重要目的之一是實現(xiàn)制造資源與制造能力的共享與按需使用，提高資源利用率.云制造將云端接入的各類資源及能力封裝成云服務，以服務的方式提供給用戶.將云服務按照一定規(guī)則聚合形成制造云，建立資源服務管理中心，對制造云里的資源服務進行合理的管理，管理中心根據(jù)用戶需求以合適的方式為用戶提供制造全生命周期應用［2－3］.現(xiàn)有的服務管理技術(shù)本身存在很多不足，如：服務描述語言大都處于語法級，存在語義異構(gòu)問題；對于復雜問題的求解缺乏相應的推理能力；對于制造活動中的隱性知識缺乏發(fā)現(xiàn)和利用等［4－6］.云制造的制造全生命周期中多個過程也無法用現(xiàn)有的服務管理技術(shù)解決，如復雜制造任務的供需建模非常復雜，沒有人工智能技術(shù)的支持將無法實現(xiàn)；僅靠流程管理方式進行任務分解遠不能滿足需求；由于云制造資源服務數(shù)量龐大，單純添加語義的方法無法保證匹配到最佳服務，等等.從20世紀60年代以來知識工程［7］得到了極大的發(fā)展，其智能性應用于諸多模糊、非精確及專家系統(tǒng)等人工智能領域取得良好的應用效果.云制造中的各類資源虛擬化接入與封裝、云服務描述及制造云構(gòu)建、云服務搜索、匹配與組合、高效智能云服務的調(diào)度與優(yōu)化配置、容錯管理與任務遷移、云制造企業(yè)業(yè)務流程管理等都需要相應的專家知識提供技術(shù)支持.本文從服務與知識管理的角度出發(fā)，研究了云制造資源服務管理對知識的需求，設計了一套基于知識的云制造資源服務管理系統(tǒng)框架，以實現(xiàn)云制造資源服務的高效管理.

1 云制造資源服務管理

1.1 資源服務及特點

文中云制造模式下的資源分為制造資源和制造能力.制造資源是指物理存在且具有靜態(tài)傳輸?shù)馁Y源形式.制造資源又分為硬資源和軟資源.硬資源指產(chǎn)品全生命周期中的制造設備、計算設備、物料等；軟資源指軟件、數(shù)據(jù)和知識等.制造能力是完成某一目標需要的無形動態(tài)的主觀條件，如設計能力、仿真能力、管理能力等［8］.借助虛擬化和物聯(lián)網(wǎng)技術(shù)將云端制造資源和制造能力進行統(tǒng)一描述，進而進行服務化封裝，形成云服務，又稱之為云制造資源服務.云制造資源服務的主要特點包括：

（1）多樣性.云制造是一種涉及多領域、跨學科的先進制造模式.突出地表現(xiàn)在復雜產(chǎn)品的設計、仿真、生產(chǎn)、加工等方面.此時，單一的某一個或者某一類資源服務無法滿足用戶需求，往往需要多個領域的多類制造資源協(xié)同合作.與此同時，由于形態(tài)、功能、實現(xiàn)方式等的不同，同一領域內(nèi)的資源服務也千差萬別，各不相同.這些服務不但包括了硬件設備、計算資源、軟件、人力等的制造資源服務，還包括了設計能力、仿真能力、生產(chǎn)能力、管理能力等的制造能力服務.所以，云制造資源服務具有多樣性特點.

（2）海量服務.云制造資源服務的多樣性決定了其資源服務的數(shù)量非常巨大.眾多的服務提供者不但提供了多領域的多種服務，還可能提供多個同類型或同樣功能的服務.對于海量服務的高效管理是云制造平臺必須解決的問題.

（3）分布性.云制造中的資源服務的實際部署呈現(xiàn)分布性.部分資源部署以映像部署的方式部署在平臺虛擬機上.很大一部分資源特別是硬資源、服務提供者自建服務器的軟資源和制造能力資源可能存放于世界的任何位置.資源提供者可能把硬資源存放于任何一個廠房、機房、倉庫中.軟資源部署在全世界任何一臺計算機或者存儲設備中，一個服務也可能是部署在多個計算機上多個程序協(xié)同實現(xiàn).具備某種制造能力的人或企業(yè)也可以是在任何地方.云制造資源管理中心通過網(wǎng)絡與這些分布的資源進行通信.

（4）動態(tài)性.云制造平臺下管理的海量資源服務的狀態(tài)隨時都在變化中.有的服務可能臨時不能調(diào)用，如部署服務器故障等；有的服務可能調(diào)用方式發(fā)生了改變，如更換了服務器地址等；有的服務可能進行了更新，如更換了更先進的機床等硬件設備等；一些新的服務隨時可能加入平臺，如具備某種能力的人的加入，舊的服務永久退出平臺等.云制造平臺需要對這些資源服務進行監(jiān)控，不斷更新其狀態(tài)，才能在合適的時間把合適的服務提供給用戶.

綜上所述，在復雜的制造云中選取合適的資源服務來完成任務單靠傳統(tǒng)的服務管理技術(shù)無法滿足用戶需求，必須有相應的各領域?qū)＜疫M行協(xié)同配合來實現(xiàn)資源服務的智能優(yōu)化選取和調(diào)用.從人工智能的角度出發(fā)，制造全過程實現(xiàn)對知識有著巨大的依賴性.所以，云制造也是一種基于知識的制造.云制造體系需要相應的知識管理系統(tǒng)，資源服務管理中心必須在其支持下進行資源的合理調(diào)用.

1.2 基于知識的資源服務管理需求分析

云制造資源服務的全生命周期如圖1所示.

圖1 云制造資源服務全生命周期示意Fig.1 Whole life cycle of resource service in cloud manufacturing

云制造資源服務全生命周期過程包括：服務分類組織、服務供需能力建模、服務描述、服務組織發(fā)布和虛擬展示、服務供需智能匹配與交易、服務組合、服務運行監(jiān)控、服務維護.用戶的需求往往包含多項功能和性能要求，其實現(xiàn)過程涉及多個學科.依靠單一的資源服務難以完成，需要多學科資源服務的協(xié)同工作［9］.對于同一個任務不同學科領域的解決視角、問題關(guān)注點、專業(yè)規(guī)范以及解決思路都不同，每個過程需要多領域?qū)＜业膮f(xié)同參與才能實現(xiàn)，更準確地說是需要這些領域?qū)＜业闹R來解決服務全生命周期中的問題.云制造中資源服務管理的策略是將專家知識表示成計算機可以識別的形式并建立專門的知識庫存儲，由云制造平臺直接使用這些知識解決服務全生命周期中每個階段遇到的問題.這樣將大幅提高云制造平臺服務的效率.資源服務的特點決定了構(gòu)建知識庫的知識有多種類型，服務全生命周期各個階段用到的知識也不盡相同.

服務分類組織的優(yōu)勢在于可以根據(jù)需求迅速匹配到合適的服務，極大提高平臺工作效率.云制造平臺需要一個合理的服務分類框架，該框架建立在服務描述及多種分類策略的基礎上.服務描述性知識是對資源服務的實現(xiàn)功能、涉及領域、適用條件、QoS等的描述.分類策略是指該框架還具有幾套合理的分類方法.這些分類方法是在充分分析各個領域的專業(yè)知識、結(jié)合任務的實際需求后確立的科學的分類方法.同一個服務在不同的分類方法下可能屬于不同的類別.系統(tǒng)任務提出后，平臺對具體任務進行屬性抽取來確定任務完成策略，根據(jù)該策略在某種合理的服務分類方法指導下選取合適的服務完成任務需求.服務描述是一種描述該服務的知識，這些知識詳細描述了該服務的各種屬性，包括服務的名字、涉及領域、部署方式、使用方式等.分類方法是一種描述如何對服務進行分類的任務知識，包括適用于該分類方法的情景、分類的依據(jù)、分類的具體步驟等.

服務供需能力建模是將用戶任務需求進行分析并與服務庫中的服務進行對比，由實際任務確立服務的具體描述形式，即由一定的規(guī)則建立供需能力模型.建立準確、合理的模型對任務的完成起重要作用.該過程需要對實際任務進行大量的分析論證，借助數(shù)據(jù)挖掘等技術(shù)獲取對應的隱性知識，再利用領域?qū)＜抑R實現(xiàn)服務供需能力建模.

服務描述是云制造實現(xiàn)智能化服務管理的基本環(huán)節(jié).服務描述過程將云制造服務庫中的每一條服務描述成計算機可以識別的形式使得計算機在相應的策略下自主完成服務的管理.該過程的實現(xiàn)作用于云制造服務全生命周期的每一步.合理的服務描述形式極大提高云制造服務平臺的效率和解決問題的能力.該過程與服務的分類和供需能力建模過程相互影響.為確保系統(tǒng)運行的高效性和準確性，需要對云制造的應用場景和資源服務進行全面分析，建立合理的描述方法，如類型相同或相似的服務應有完全一致的描述方式，類型差別較大的服務則根據(jù)具體情況使用不同描述方式.服務描述方法直接影響服務描述知識建立.

服務組織發(fā)布和虛擬展示過程指服務提供者發(fā)布和展示其服務的過程.服務提供者向平臺提供其服務的功能等屬性，系統(tǒng)自動建立該服務的描述文件進行存儲，形成該服務的初步描述知識.平臺在運行過程中搜集有關(guān)該服務的信息并完善其描述，逐步形成完整的服務描述知識.

服務供需智能匹配與交易是在知識的支持下依據(jù)用戶需求對服務進行篩選、調(diào)用與交易的過程.系統(tǒng)平臺在語義基礎上依據(jù)知識做出判斷，挑選一系列合適的服務形成任務的解決方案.用戶可根據(jù)自身特點定制適合自己的特殊需求，系統(tǒng)依據(jù)任務目的、服務描述和用戶要求3方面提供相應的服務.

服務組合將挑選的服務按照一定規(guī)則進行組合最終完成制定的任務.該過程中服務的組合策略需要知識作為支撐.系統(tǒng)需要根據(jù)領域知識和服務描述知識等判斷所選的服務是否可以組合，并剔除不合適組合的服務，然后根據(jù)任務知識設定合適的組合方案，并對方案進行評估，實現(xiàn)服務組合的優(yōu)化.

服務運行監(jiān)控包含2層含義：一是指在任務提出后到最終解決該任務的過程中系統(tǒng)對每一步都進行監(jiān)控，記錄產(chǎn)生的數(shù)據(jù)；二是指在服務運行過程中發(fā)生意外問題后系統(tǒng)采取一系列措施確保任務順利完成.監(jiān)視的數(shù)據(jù)最重要的包括具體方案實施效果、單個服務效果、服務組合效果及用戶評價等.系統(tǒng)對這些數(shù)據(jù)進行分析推理，形成對應的案例，對該案例進行描述就形成了案例知識.另外系統(tǒng)將與單個服務有聯(lián)系的推理結(jié)果添加到服務描述文件中，以完善服務的描述知識.當再次遇到類似任務時系統(tǒng)根據(jù)案例知識提出更好的解決方案.該過程是機器學習過程也是知識自動獲取過程.而在意外情況發(fā)生后，系統(tǒng)對具體情況進行推理得到具體的解決方案并實施，在實施過程中同樣進行監(jiān)控，對實施方案進行評估并修改相應的推理知識.在運行監(jiān)控過程中領域知識、推理知識、案例知識和服務描述知識都發(fā)揮重要作用.

服務維護是在任務完成后分析服務全生命周期中產(chǎn)生的各項數(shù)據(jù)、完善服務的描述信息的過程.這些數(shù)據(jù)包括單個服務的運行狀況、服務組合的整體效果、任務完成后的評價等.云制造平臺將相應的分析結(jié)果寫入服務的描述信息，這是一種自動獲取知識的方式.當云制造服務開始新的全生命周期時平臺可以更準確高效地匹配和調(diào)用相應的服務.

由服務全生命周期的每一步的分析可以看出，云制造是一種基于知識的制造模式.有些步驟必須有知識作為支撐才能實現(xiàn)，有些步驟在添加了知識后會極大提高其效率和解決問題的能力.依據(jù)CommoKCADS［10－11］分類法和云制造實際需求可將這些知識分為領域知識、推理知識、任務知識、案例知識和服務描述知識等.領域知識是某個領域內(nèi)的知識對象和涉及的靜態(tài)信息的描述，主要包括該領域內(nèi)的應用知識和概念描述.領域知識是其他知識存在的基礎，其他知識都是依托于特定的領域知識而發(fā)揮具體作用.推理知識是應用靜態(tài)知識完成具體任務推理的知識.主要包括推理步驟方法以及領域知識在其中所起到的作用.任務知識用于描述任務目標并提供解決任務的策略.一般依據(jù)任務知識將問題分解成子任務并確定每個子任務目標并逐一完成.案例知識是在任務完成后生成的對該任務主要描述信息的知識.多個案例知識集中形成案例知識庫，為后續(xù)類似任務的解決方案提供參考.服務描述知識是服務管理的基本要素，詳細表示了對應服務的所有重要屬性，如涉及領域、輸入輸出、服務地址、資費標準、QoS以及與其他服務的關(guān)聯(lián)關(guān)系等信息.不同類型的服務描述的屬性也不盡相同.平臺依據(jù)這些描述知識調(diào)用服務解決實際任務.綜上所述，在云制造平臺中構(gòu)建知識庫并提供相應的管理系統(tǒng)是必不可少的.

2 基于知識的云資源服務管理系統(tǒng)

2.1 系統(tǒng)框架組成

構(gòu)建云制造知識管理系統(tǒng)，對云制造任務實現(xiàn)過程中用到的知識進行組織管理，為制造資源服務全生命周期提供知識支持，其系統(tǒng)框架如圖2所示.

圖2 云制造模式下基于知識的資源服務管理框架Fig.2 RSM framework based on knowledge management in CMfg

2.2 云制造資源服務知識庫管理系統(tǒng)構(gòu)建

知識庫［12－13］是知識工程中結(jié)構(gòu)化、易操作、全面有組織的知識集群，是針對某一或某些領域問題求解的需要采用某種或若干種知識表示方式在計算機存儲器中存儲、組織、管理和使用的互相聯(lián)系的知識片集合.這些知識片包括與領域相關(guān)的領域知識、事實數(shù)據(jù)、由專家經(jīng)驗得到的啟發(fā)式知識，如某領域內(nèi)有關(guān)的定義、運算法則以及常識性知識.構(gòu)建知識庫首先要確定使用的知識表示方法.知識表示［14］常用的方法有邏輯表示法、產(chǎn)生式表示法、框架表示法、面向?qū)ο蟊硎痉ê捅倔w表示法.通過對各種表示法的比較并結(jié)合云制造知識需求本文采用本體表示法對云制造知識庫中的知識進行表示.本體［15－18］是客觀存在的一個系統(tǒng)的解釋或說明，在信息領域本體統(tǒng)一了領域內(nèi)的術(shù)語和概念，增加了知識共享、知識重用的程度.

在云制造平臺的資源服務管理系統(tǒng)中構(gòu)建知識庫管理系統(tǒng)，對資源服務化和制造云構(gòu)建、用戶需求建模和面向服務求解以及為云制造中的服務中間件提供知識支持.知識庫管理系統(tǒng)由知識庫、邏輯推理層和應用接口層3層框架組成（如圖2）.

2.3 知識庫層

基于云制造知識的分類和本體表示法分別構(gòu)成領域本體庫、推理本體庫、任務本體庫、案例庫和資源服務本體庫.需要對每一類知識進行分析確定其具體的存儲方案.相對其他類型知識，領域知識內(nèi)容較穩(wěn)定，較容易進行結(jié)構(gòu)化.在多領域?qū)W科中，有些推理知識和任務知識通用性較強，容易分類并形式化成相應統(tǒng)一的描述模版.而有些推理知識和任務知識應用領域較少、規(guī)范特殊、不易分類，將其進行形式化過于繁瑣且應用較少.案例知識主要描述了完成用戶某個任務的具體情況，其主要的元素集中在用到的服務和具體每一步的評估，是一種容易形式化的知識.資源服務描述知識主要是對資源服務的屬性進行描述，絕大多數(shù)資源服務都可在云制造平臺中找到相應的描述方法，也是一種易形式化的知識.

根據(jù)以上情況，知識以文件存儲與關(guān)系數(shù)據(jù)庫并存的方式進行存儲.對于知識庫中全部知識都采用文件存儲方式存儲，如常見的owl本體描述文檔.但在知識查詢匹配等過程中，如果每次都需要對文件進行解析則效率太低，所以對于領域知識、容易形式化的推理知識和任務知識、案例知識和資源服務描述知識將采用數(shù)據(jù)庫方式進行存儲，如Oracle，SQL Server數(shù)據(jù)庫等，以提高工作效率.

2.4 邏輯推理層

邏輯推理層包含語義推理引擎和智能推理算法庫2個模塊.

（1）語義推理引擎.推理就是依據(jù)一定的原則從已有的事實推出結(jié)論的過程.知識推理是指在計算機或智能機器中利用形式化的知識進行機器思維和求解問題的過程.跨領域多學科問題求解中知識推理的全面性和正確性受到語義異構(gòu)問題的制約.語義推理引擎通過對知識表示添加語義支持實現(xiàn)語義層次的知識推理，實現(xiàn)云制造的資源服務的合理調(diào)配.

（2）智能推理算法庫.知識推理過程中，有些推理是精確推理的，推理條件和結(jié)果都是精確的，這類推理形式較為單一且實現(xiàn)比較簡單.而更多的是非精確推理，其條件或結(jié)果都存在不確定性.在這類知識推理中，精確性的推理已經(jīng)無法滿足要求，這就要求引入智能推理算法.智能推理算法即引入人工智能、模糊邏輯等技術(shù)模擬人的思維，對知識進行合理的推理，得到比較滿意的答案.常見的智能推理算法包括確定性推理算法［19］、模糊聚類推理算法［20］以及粗糙集推理算法［21］等.將這些算法封裝成對應的算法類庫，供語義推理引擎調(diào)用，為其提供非精確推理的算法支持.

2.5 應用接口層

應用接口層包括知識開發(fā)、知識應用和知識管理3個接口模塊.

（1）知識開發(fā)接口.知識開發(fā)接口主要功能包括知識獲取、知識編輯、知識瀏覽和知識集成等.構(gòu)建知識庫必須有知識，知識獲取是必不可少的功能.知識獲取依據(jù)其獲取方式可以分為人工獲取、半自動獲取和自動獲取3種.由于自動獲取更多的是理論研究，目前實踐過程中很難實現(xiàn).結(jié)合云制造平臺自身特點，獲取方式主要為人工獲取和半自動獲取，輔以部分知識自動獲取.人工獲取是指知識工程師與相關(guān)領域?qū)＜疫M行溝通，將專家知識以人工方式形式化成計算機能夠識別的知識.該方法效率比較低，一般用于領域知識構(gòu)建和特殊性較強、難以分類提供形式化模版的知識.半自動獲取是指知識工程師對知識進行分類并形成相應的知識獲取模版，領域?qū)＜彝ㄟ^其開發(fā)的專業(yè)程序?qū)υ捴苯訉⑵渲R轉(zhuǎn)化成計算機能夠識別的知識并存入數(shù)據(jù)庫，這是目前最可行且應用最廣的知識獲取方式.該方法適用于領域內(nèi)容易分類并形式化的知識獲取，但對于特殊性較強的知識則無能為力.云制造平臺中運用的知識涉及多個領域，種類繁多且千差萬別，所以需要人工獲取和半自動獲取2種方式同時進行.另外案例知識的獲取是系統(tǒng)自動收集任務完成過程中的各種數(shù)據(jù)自動形成，所以案例知識構(gòu)建以知識自動獲取方式實現(xiàn).獲取后的知識不是一成不變的，系統(tǒng)需要提供對知識編輯功能，包括基本的增、刪、改、查等操作.云制造知識庫中的知識擬以本體方式進行存儲.對知識編輯即為對本體的編輯.該模塊提供本體編輯工具實現(xiàn)知識編輯；知識瀏覽即對知識庫中的知識進行瀏覽，該模塊通過本體解析工具對知識表示本體文檔解析并發(fā)布到對應頁面供用戶、專家或管理員查看；知識集成指將分散的、片面的但有一定關(guān)聯(lián)度的知識通過集成的方式合成連貫的能夠解決某一具體問題的知識的過程.該模塊主要對云制造中分散的知識片進行集成，形成可用的、具體的知識并進行存儲和調(diào)用.

（2）知識管理接口.知識管理接口主要功能包括存儲管理、安全管理等.存儲管理指對獲取的知識進行存儲的統(tǒng)一管理.云制造知識庫的存儲首先將知識進行分類建立相應的本體庫，再根據(jù)知識的不同以文件存儲和數(shù)據(jù)庫存儲2種方式進行存儲；安全管理模塊主要對知識庫中用戶的角色進行分類和管理.根據(jù)云制造系統(tǒng)平臺的用戶可以按照其所處的角色特點進行相應的角色分配，如知識工程師可以進行相應領域的知識提交、維護等操作，具體用戶可以根據(jù)需求查看或直接調(diào)用所需要的服務以完成相應任務等.

（3）知識應用接口.知識應用接口主要功能包括知識查詢、知識訪問、語義應用與語義推理等.該模塊主要在語義的支持下提供對所需知識的查詢并調(diào)用查詢到的知識解決具體問題.這里涉及了知識訪問方式、語義匹配及推理等多種關(guān)鍵技術(shù).應用接口層通過對外提供上述功能對應的調(diào)用接口方式實現(xiàn)具體任務的知識支持.在整個過程中云制造服務平臺通過調(diào)用這些接口實現(xiàn)知識對資源服務的管理.

3 基于知識的云制造資源服務管理流程分析

依據(jù)云制造系統(tǒng)工作流程可以把資源服務管理流程分為資源服務的部署和發(fā)布流程與使用流程.

3.1 資源服務部署和發(fā)布流程

資源服務的部署和發(fā)布是服務提供者將其服務部署到通過互聯(lián)網(wǎng)可以遠程調(diào)用的狀態(tài)，并將其服務的屬性（如所屬領域、功能、接口、調(diào)用方法、QoS及資費標準等）通過系統(tǒng)提供的服務發(fā)布界面向資源服務中心注冊，然后生成相應的本體描述文檔存入資源服務本體庫中，其具體流程如圖3.

圖3 資源服務部署發(fā)布示意Fig.3 Resource service deploy and release

資源服務構(gòu)建部署包括制造資源部署和制造能力部署.制造資源部署又分為軟資源部署和硬資源部署.對于軟資源，服務發(fā)布者將相應的程序封裝成服務，然后將封裝后的服務部署到網(wǎng)絡服務器上，用戶即可對網(wǎng)絡服務器上的服務進行調(diào)用.對于硬資源，服務提供者需要將相應的硬件控制接口、數(shù)據(jù)監(jiān)控接口等接口通過總線技術(shù)連接到網(wǎng)絡，用戶通過網(wǎng)絡即可實現(xiàn)對硬資源的狀態(tài)監(jiān)測或在一定條件下的遠程使用.制造能力的部署需要將對相應制造能力的描述信息以特定的方式注冊到平臺上，平臺可以與其進行通訊，實現(xiàn)能力的調(diào)用.

資源服務發(fā)布過程中，服務提供者通過系統(tǒng)提供的發(fā)布界面，選擇所處領域并通過填表的方式對服務的屬性進行錄入.資源服務信息錄入后，系統(tǒng)首先對描述信息進行語義標注，然后在領域知識的支撐下進行語義擴充，形成服務資源本體并將其存入知識庫，以便云制造系統(tǒng)平臺調(diào)用.

3.2 資源服務使用流程

資源服務使用流程包括資源服務的匹配、調(diào)用、評估及案例存儲等過程.其具體流程如圖4所示.

圖4 資源服務使用流程示意Fig.4 The process of using resource services

用戶向平臺發(fā)布任務，系統(tǒng)通過語義推理對任務進行分析，進入案例庫進行案例匹配.在語義的支持下對以往案例進行匹配.如果匹配成功，則直接調(diào)用所有匹配的案例.案例庫中匹配出的案例一般都是解決當時問題較好的方案，但這并不能代表一定是最好的方案.而且不同用戶不同時期提出的任務要求不會完全相同，匹配出的案例不可能每個環(huán)節(jié)都是最佳配置，所以對匹配的案例進行重新分割、對個別環(huán)節(jié)進行服務替換以實現(xiàn)資源服務的優(yōu)化配置非常重要.所以在領域本體、推理本體及案例本體的支持下對任務進行分割分解，形成可以由單個資源服務解決的子任務.在任務本體、案例本體及資源服務本體的協(xié)同支持下分配解決每個子任務的資源服務，然后進行服務組合形成總?cè)蝿战鉀Q方案.

如果案例匹配失敗，系統(tǒng)在領域本體、推理本體和任務本體的支持下對任務進行分解，將任務分解成單個資源服務可以完成的子任務.在任務本體和資源服務本體支持下通過語義匹配技術(shù)對資源服務進行匹配進而實現(xiàn)服務分配.解析資源服務本體中對應服務的屬性的描述參數(shù)，通過服務組合算法實現(xiàn)服務組合優(yōu)化，最后形成總?cè)蝿战鉀Q方案.

形成的總?cè)蝿战鉀Q方案一般不止1條，系統(tǒng)以適當?shù)姆绞较蛴脩麸@示解決方案供用戶選擇.用戶選擇解決方案后進入方案實施階段，該過程在知識庫的支撐下進行制造資源服務和制造能力服務的協(xié)同調(diào)用最終完成任務.

在服務運行全過程中，云制造系統(tǒng)平臺對運行過程中的每個資源服務的關(guān)鍵參數(shù)（如運行速度、運營成本、能力是否達標等）進行監(jiān)控，系統(tǒng)根據(jù)監(jiān)控數(shù)據(jù)生成系統(tǒng)評價.任務完成后用戶根據(jù)其任務解決實際情況對本次任務及任務過程中用到的資源服務進行評價，生成用戶評價.系統(tǒng)將本次任務的系統(tǒng)評價和用戶評價以及任務解決全過程數(shù)據(jù)整合生成案例存入知識庫中的案例庫，豐富案例庫案例儲備，為下次類似任務提供案例參考.系統(tǒng)評價和用戶評價中單個資源服務的評價信息被云制造系統(tǒng)抽取出來，寫入對應的資源服務描述本體文件從而實現(xiàn)資源服務本體庫更新.

4 原型系統(tǒng)驗證

為驗證所提出的云制造資源服務管理框架，結(jié)合現(xiàn)有的云計算、物聯(lián)網(wǎng)等信息技術(shù)開發(fā)了云制造資源服務管理知識庫雛形，其部分界面如圖5.

圖5 知識庫管理系統(tǒng)界面Fig.5 Interface of the knowledge base management system

（1）人工知識獲取界面.知識獲取分為人工獲取和半自動獲取2種方式.其中，領域知識每一領域都可以應用同一描述文檔，但該文檔數(shù)據(jù)量龐大，模版不好定制，所以適合以人工獲取方式獲得.領域知識一般由知識工程師與領域?qū)＜医涣鬟M行知識抽取，再依靠相應的本體開發(fā)工具開發(fā)本體文檔并上傳加入知識庫.測試本系統(tǒng)利用protégé本體開發(fā)，形成owl語言描述的領域本體文檔，最后上傳入知識庫.對于已有的本體文檔，系統(tǒng)提供工具可以實現(xiàn)本體的在線編輯修改功能.

（2）半自動知識獲取界面.容易形式化的推理知識、任務知識和資源服務種類眾多，通過人工獲取方式獲取并不現(xiàn)實.以資源服務獲取為例開發(fā)了半自動資源服務分類獲取系統(tǒng).系統(tǒng)提供獲取模版，資源發(fā)布者通過填寫表單的形式完成其資源的服務化封裝，形成資源服務，其本體描述文檔存入資源服務本體庫中，供系統(tǒng)進行匹配、查詢、調(diào)用等操作.

（3）案例庫界面.案例的獲取由任務完成的全過程中系統(tǒng)監(jiān)控與用戶評價2部分組成.首先對任務進行案例匹配，提供解決方案，用戶選擇解決方案并執(zhí)行服務.任務完成后用戶進行評價.系統(tǒng)自動將任務運行過程中的監(jiān)控數(shù)據(jù)與任務完成后的用戶評價數(shù)據(jù)添加到案例中形成新的案例.

5 結(jié)語

分析了知識在云制造資源服務管理中的作用，從知識管理角度出發(fā)設計了一個基于知識的云制造資源服務管理框架，對框架中各個模塊進行了分析并開發(fā)了相應原型系統(tǒng)進行驗證.現(xiàn)今的知識管理技術(shù)還無法滿足云制造資源服務管理的需求，需要結(jié)合其特點對知識的獲取、表示、存儲、檢索、推理等各方面進行深入的研究.

致謝：感謝清華大學黃必清教授，北京航空航天大學程穎、胡曉航，Portland State University叢凱，中國航天科技集團王保錄、張啟程等對本文相關(guān)內(nèi)容的貢獻.

［1］李伯虎，張霖，王時龍，等.云制造——面向服務的網(wǎng)絡化制造新模式［J］.計算機集成制造系統(tǒng)，2010，16（1）：1.LI Bohu，ZHANG Lin，WANG Shilong，et al.Cloud manufacturing：a new service－oriented manufacturing model ［J］.Computer Integrated Manufacturing，2010，16（1）：1.

［2］Tao Fei， Zhang Lin， Venkatesh V C， et al.Cloud manufacturing： a computing and service－oriented manufacturing model［J］.Proceedings of the Institution of Mechanical Engineers，Part B，Journal of Engineering Manufacture，2011，225（10）：1969.

［3］陶飛，張霖，郭華，等.云制造特征及云服務組合關(guān)鍵問題研究［J］.計算機集成制造系統(tǒng)，2011，17（3）：477.TAO Fei， ZHANG Lin， GUO Hua， et al.Typical characteristics of cloud manufacturing and several key issues of cloud service composition ［J］.Computer Integrated Manufacturing Systems，2011，17（3）：477.

［4］陶飛，胡業(yè)發(fā)，張霖.制造網(wǎng)格資源服務優(yōu)化配置理論與方法［M］.北京：機械工業(yè)出版社，2010.TAO Fei，HU Yefa，ZHANG Lin.Theory and practice：optimal resource service allocation in manufacturing grid［M］.Beijing：China Machine Press，2010.

［5］TAO Fei，HU Yefa，ZHOU Zude.Study on manufacturing grid and its resource service optimal－selection system ［J］.International Journal of Advanced Manufacturing Technology，2008，37（9／10）：1022.

［6］Smith A D，Rupp W T.Application service providers（ASP）：moving downstream to enhance competitive advantage［J］.Information Management and Computer Security，2002，10（2／3）：64.

［7］陸汝鈴.世紀之交的知識工程與知識科學［M］.北京：清華大學出版社，2001.LU Ruling.Knowledge engineering and scientific knowledge at the turn of the century［M］.Beijing：Tsinghua University Press，2001.

［8］張霖，羅永亮，陶飛，等.制造云構(gòu)建關(guān)鍵技術(shù)研究［J］.計算機集成制造系統(tǒng)，2010，16（11）：2510.ZHANG Lin， LUO Yongliang， TAO Fei， et al.Key technologies for the construction of manufacturing cloud［J］.Computer Integrated Manufacturing Systems，2010，16（11）：2510.

［9］陳亮.網(wǎng)絡環(huán)境下多學科協(xié)同設計的若干關(guān)鍵問題研究［D］.武漢：華中科技大學，2005.CHEN Liang.Research on some key problems of multidisciplinary collaborative design in network environment［D］.Wuhan：Huazhong University of Science ＆Technology，2005.

［10］Schreiber G，Wielinga B，de Hoog R，et al.Common KADS：a comprehensive methodology for KBS development［J］.IEEE Expert，1994，9（6）：28.

［11］GUUS Schreiber，Hans Akkermans，Anjo Anjewierden，et al.Knowledge engineering and management［M］.Boston：MIT Press，2003.

［12］Adam Pease，Raymond A Liuzzi，David Gunning.Knowledge bases［M］.2nd ed.Encyclopedia of Software Engineering，2001.

［13］Wikipedia.Ontology（information science）［EB／OL］.［2009－12－16 ］http：／／en.wikipedia.org／wiki／Ontology＿（i－nfomation＿science）.

［14］劉建煒，燕路峰.知識表示方法比較［J］.計算機系統(tǒng)應用，2011，20（3）：242.LIU JianWei，YAN Lufeng.Comparative study of knowledge representation［J］.Computer Systems ＆Applications，2011，20（3）：242.

［15］Neches， Fikes， Finin， et al.Enabling technology for knowledge sharing［J］.A I Magazine，1991，12（3）：51.

［16］Gruber T R.A translation approach to portable ontology specifications［J］.Knowledge Acquisition，1993，5（2）：199.

［17］Borst W N.Construction of engineering ontologies for knowledge sharing and reuse［D］.Enschede：University of Twente，1997.

［18］Studer R，Benjamins V R，F(xiàn)ensel D.Knowledge engineering，principles and methods［J］.Data and Engineering，1998，25（1－2）：161.

［19］Geotge F Luger.Artificial intelligence structures and strategies for complex problem solving［M］.Beijing：China Machine Press，2010.

［20］Xie X L，Beni G.A validity measure for fuzzy clustering［J］.IEEE Transaction on Pattern Analysis and Machine Intelligence，1991（13）：841.

［21］邱兆雷.基于粗糙集的增量式知識獲取算法研究與實現(xiàn)［D］.濟南：山東師范大學，2008.QIU Zhaolei.Research and implementation about an incremental knowledge acquisition algorithms based on rough set［D］.Ji’nan：Shandong Normal University，2008.