周 冰,王美清,甘 佳
(北京航空航天大學 機械工程及自動化學院,北京 100191)
云制造是一種利用網(wǎng)絡和云服務平臺,按用戶需求組織網(wǎng)上制造資源為用戶提供各類按需制造服務的一種網(wǎng)絡化制造新模式,其“分散資源集中使用”和“集中資源分散服務”的思想為解決企業(yè)、社會中閑散資源低利用率的現(xiàn)狀提供了一個突破口,因而引起了國內(nèi)外專家學者的廣泛研究。在云制造系統(tǒng)中,對云服務的具體操作,包括云服務搜索與匹配、云服務組合、云服務資源調(diào)度、交易過程管理等都離不開云服務的評估。因此,云服務的評估技術成為云制造系統(tǒng)中一項重要的關鍵技術。
QoS(Quality o f Service, 服務質(zhì)量)的概念起源于Internet,指的是網(wǎng)絡的一種安全機制,是用來解決網(wǎng)絡延遲和阻塞等問題的一種技術。文獻[1]研究了制造技術的特征后發(fā)現(xiàn)制造領域同樣存在著因特網(wǎng)中的四種典型約束:1)資源有限;2)多個任務可能會爭用同一個公共資源;3)任務的多個目標之間往往存在沖突;4)需要大量的投入來監(jiān)控資源的性能、動態(tài)資源定位和管理、實時任務控制、以及容錯和自我修復。因此QoS的概念同樣適用于制造領域。Qo S的概念對于云服務的描述以及云制造平臺匹配用戶服務需求等方面都具有重要意義,因此如何評價云服務QoS也成為了學者們廣泛研究的課題。
在云制造服務QoS評估研究方面,國內(nèi)外學者的研究多集中在制造資源QoS評估建模和網(wǎng)絡交易的信任評價方面。文獻[2]從Qo S生命周期管理、制造網(wǎng)絡架構(gòu)和QoS屬性參數(shù)三個方面對制造網(wǎng)格Qo S的建模和分類進行了研究,并給出了基于時間、成本、功能相似度等六個參數(shù)的QoS評估參數(shù)模型。文獻[3]指出Qo S評價需要綜合考慮資源服務管理QoS和網(wǎng)絡性能QoS兩個方面,并提出一個基于服務時間、服務成本等11個指標的QoS評估模型。文獻[4]提出了基于Qo S的制造網(wǎng)格資源調(diào)度策略,構(gòu)建了基于時間、質(zhì)量、成本、服務的多目標決策模型。文獻[5]考慮了資源服務的信任評估問題,構(gòu)建了制造網(wǎng)格資源服務Trust-Qo S評估模型,并給出了量化的評估算法。文獻[6]對云制造服務信任評估技術展開研究,提出了一種基于主體間信任評估相似性和主體間直接信任關系的推薦信任度權(quán)值的確定方法。
隨著云制造服務交易量的增加,如何依據(jù)歷史交易數(shù)據(jù)對云制造服務進行綜合評價與優(yōu)選就變得尤為重要。然而,云制造服務QoS評價指標眾多,評價指標又有定量和定性、正指標(效益型指標)和逆指標(成本型指標)之分,且各指標之間存在著相關關系,交易的評價值還存在時效性,這些都為云制造服務Qo S評估帶來挑戰(zhàn)。主成份分析法(Principal Com ponent Analysis, PCA)是一種常用的多元統(tǒng)計分析方法,其降維的思想與多指標評價序列化的要求非常接近,且考慮評價指標間的相關關系和評價客觀,因此被用于社會學、經(jīng)濟學、管理學的評價中,逐漸成為一種獨具特色的多指標評價技術[7]。本文對云制造服務Qo S綜合評估問題展開研究,在構(gòu)建云制造服務Qo S評價指標體系的基礎上,針對云制造服務交易數(shù)據(jù)的特點,提出了一種基于主成份分析的云制造服務QoS評估方法,保證了評估結(jié)果的有效性,為云制造服務優(yōu)選提供了有效的決策依據(jù)。
表1 云服務QoS評價指標集
由于云制造平臺是基于網(wǎng)絡的服務平臺,其Qo S評價需要從制造資源和網(wǎng)絡性能兩方面來入手。因此,其評價指標應包括制造資源服務Qo S和網(wǎng)絡性能QoS兩部分。制造資源服務QoS主要描述云服務的功能特點,如交易時間、產(chǎn)品質(zhì)量、技術質(zhì)量、基本成本、任務調(diào)度成本、直接信任度、推薦信任度等;而網(wǎng)絡性能QoS主要用于描述云服務的網(wǎng)絡性能特點,如處理器能力、服務訪問成功率、交易執(zhí)行成功率、網(wǎng)絡吞吐量、網(wǎng)絡傳輸延遲等。由于云服務QoS指標繁多,并且某些云服務QoS指標對于云服務QoS綜合評價意義不大,因此,本文綜合云服務Qo S評價指標類型,考慮各個QoS指標對于云服務QoS評價值的影響,提出如表1所示的云服務Qo S評價指標集合。
基于上述的云服務QoS評價指標集合,構(gòu)建面向候選云服務的QoS綜合評價三層決策模型如圖1所示。其中方案層為能夠滿足用戶功能需求的候選云服務方案。準則層為候選云服務的Qo S評價指標層,根據(jù)準則層中的指標的評價值對候選云服務QoS進行綜合評價得到綜合評價值。通過對候選云服務QoS綜合評價值進行比較,得到最優(yōu)的云服務。
圖1 云服務Qo S綜合評估三層評價指標決策模型
云制造服務QoS綜合評估基于各評價指標的歷史記錄,因此要想得到科學有效的云服務QoS綜合評價值,首先要采集云服務QoS各評價指標值,然后根據(jù)各評價指標值的屬性和類別的不同進行數(shù)據(jù)預處理,即對各評價指標記錄值進行規(guī)范化處理,然后,再進行云服務Qo S綜合評估求解與方案優(yōu)選。
根據(jù)云制造服務平臺特點,云服務QoS評價指標值的來源有兩類:對于網(wǎng)絡性能QoS指標,其評價值一般由服務平臺提供,如服務執(zhí)行時間、網(wǎng)絡吞吐量、網(wǎng)絡傳輸延遲、服務訪問成功率;它們的評價記錄是從云制造服務平臺的數(shù)據(jù)庫中抽取出來的;對于制造資源服務QoS的指標,其評價值一般由云制造平臺用戶(包括平臺運營方、服務需求方和服務提供方)提供,如服務質(zhì)量、服務成本、服務信譽度等,它們的評價記錄是根據(jù)不同指標由平臺不同的用戶提供的。
上述QoS評價指標按其評價方式的不同可分為定量評價和定性評價兩類,同時,根據(jù)評價指標的取值取向,又可分為正指標和逆指標;另外,對QoS服務評價值的時效性也要予以充分考慮才能確保評估結(jié)果的有效性。
1)定性評價的量化處理
在Qo S評價指標中,如“服務信譽度”等指標一般是服務需求方在交易完成后對服務提供方所提供服務情況的綜合評價。本文將評價等級分為:“非常滿意”、“比較滿意”、“一般滿意”、“不滿意”和“非常不滿意”的五個等級。各等級的量化描述如表2所示。
表2 定性評價等級量化關系
2)評價值時效加權(quán)
云服務QoS評估是基于歷史評價記錄得到的,而歷史評價記錄發(fā)生的時間不同、相鄰兩個評價間時間間隔的不同對評價結(jié)果的影響也是不同的。因此,必須考慮時間對歷史評價記錄貢獻率的影響??紤]了評價記錄時效性的云服務QoS評價指標值的計算方法如公式(1)所示。
其中,VX為評價指標QX的最終評價值,VXi為評價指標QX的第i條歷史評價記錄,n為所取的歷史評價記錄個數(shù), 為加權(quán)函數(shù),它的值由歷史評價記錄的評價時間決定,函數(shù)表達式如公式(2)所示:
通過公式(1)和(2),可以基于每個候選云服務Qo S評價指標的歷史評價記錄得到指標評價值。
3)評價指標的規(guī)范化處理
評價指標按其性質(zhì)和取值傾向可分為正指標和逆指標兩種。所謂正指標,就是指標評價值越大,在綜合評價中所起的正面效應也越大的指標;所謂逆指標,就是指標評價值越小,在綜合評價中所起的正面效應越大的指標[8]。在云制造平臺服務QoS評價指標體系中,既存在正指標也存在逆指標,如服務信用度,服務可靠性等指標屬于正指標,而服務執(zhí)行時間、服務執(zhí)行成本等指標則屬于逆指標。下文基于主成分分析法的云服務Qo S綜合評價求解要求各評價指標均為正指標,因此需要對其中的逆指標的評價值進行轉(zhuǎn)化。
正逆指標之間的逆變換一般有“差式”和“商式”兩種[9]。差式逆變換是通過正逆指標之間的互補關系而確定的一種變換方式,差式變換的公式為,其中為常數(shù),分別為變換前后的評價值;商式逆變換是通過正逆指標取倒數(shù)關系而確定的一種變換方式,公式為其中 為常數(shù),分別為變換前后的評價值。考慮到云服務平臺指標評價值數(shù)量級以及逆變換后保持樣本方差不變,我們采用差式變換作為云服務QoS評價指標的逆變換方式。假設我們已經(jīng)通過公式(1),(2)得到了候選云服務Qo S評價指標服務執(zhí)行時間 的評價值集合,其中是第i個候選云服務的 的評價值。取,則變換公式可寫成:
主成份分析是多元統(tǒng)計分析中常用的方法之一。該方法具有消除指標之間的相關性而降維,以及指標權(quán)重確定的客觀性等特點,因而適用于評價指標多,且指標間存在隱含相關關系的云制造服務Qo S評估中,可降低云服務Qo S綜合評估的復雜性,提高有效性?;谥鞒煞莘治龇ǖ脑浦圃旆誕oS評估過程如圖2所示。
圖2 云服務QoS綜合評估求解過程
步驟一,數(shù)據(jù)標準化。假設候選云服務集合為,候選云服務評價指標體系中評價指標集合經(jīng)過上一節(jié)的數(shù)據(jù)采集及預處理后,得到的候選云服務評價指標值矩陣如下:
表3 候選云服務評價指標值矩陣
由于候選云服務的各個QoS指標所描述的QoS性能和功能各不相同,因此它們?nèi)≈档臄?shù)量級可能存在很大差異,在數(shù)量級差異較大情況下,使用原始數(shù)據(jù)進行Qo S綜合評價值求解是不科學的,因此需要對上述矩陣的每一列進行標準化處理。標準化處理公式如下:
步驟三,求指標變量相關系數(shù)矩陣的特征根及其對應的特征向量。令特征根,對應的特征向量為
步驟五,確定主成分權(quán)重,計算云服務QoS綜合評價指標。通過上面的步驟,得到主成分及其相應的特征根主成分的權(quán)重為。則候選云服務Qo S的綜合評價值
現(xiàn)有某用戶要加工一批零件,通過在云服務制造平臺上進行數(shù)控銑床銑削加工服務檢索,得到能夠滿足需求的候選云服務集合基于第1節(jié)中構(gòu)建的評價指標體系,運用主成份分析對8個候選云服務進行綜合評價。采集各候選云服務的QoS評價指標值并進行定量化處理和時效加權(quán)處理得到結(jié)果如表4所示。本文利用SPSS軟件對Qo S指標體系進行主成份分析,具體步驟如下。
表4 候選云服務及其評價指標值
步驟一:數(shù)據(jù)預處理及標準化。
在第1節(jié)構(gòu)建的評價指標體系中,服務響應時間、服務成本、網(wǎng)絡傳輸延遲三個指標為逆指標需要對其數(shù)據(jù)進行逆變換處理,得到的結(jié)果如下:
通過SPSS對其進行數(shù)據(jù)標準化得到如下結(jié)果。
步驟二:建立云服務QoS指標之間的相關系數(shù)矩陣R。
表5 逆變換處理結(jié)果
表6 數(shù)據(jù)標準化處理結(jié)果
表7 相關系數(shù)矩陣
步驟三:計算相關矩陣R的特征值和特征向量及方差貢獻率,如表8所示。
表8 相關矩陣特征值及其方差貢獻率
步驟四:確定主成份個數(shù)。由表8知前4個主成份的累積貢獻率已達到85%,它們的特征根分別為,說明前4個主成份基本包含了全部指標具有的信息,其因子載荷矩陣如表9所示。
表9 主成分因子載荷矩陣
步驟五:確定主成分權(quán)重,計算云服務QoS綜合評價指標。
從表9中可以抽取出四個因子載荷向量分別為:
根據(jù) ,計算主成分分別為:
其中X為表6所示原始數(shù)據(jù)標準化處理之后的指標評價值。計算主成分權(quán)重得
表10 候選云服務QoS集合評價值計算結(jié)果
從表10輸出的結(jié)果可以看出,候選云服務S10Qo S綜合評價值最高,S6的Qo S綜合評價值最低。
在云制造服務平臺中,云服務QoS綜合評價對云服務方案優(yōu)選以及云服務調(diào)度等問題都具有重要意義。本文通過研究云制造服務平臺特性,提出基于制造資源特性和網(wǎng)絡服務特性的云服務QoS綜合評價指標體系。然后針對云制造平臺的實際情況以及云服務QoS評價指標體系的特點,提出了基于多元統(tǒng)計主成分分析法的候選云服務Qo S綜合評價算法。在評價方法中充分考慮了評價指標的正、逆特性,以及云服務評價歷史數(shù)據(jù)的時效性對評價結(jié)果的影響等因素,使得綜合評價結(jié)果更有效。
當然,本文也存在很多有待完善之處,在以后的研究中會考慮候選云服務較少時的評價方法;以及對候選云服務Qo S評價指標的差異化評價方法。
[1] J.B Zhang, B.T.J.Ng, M.M. Wong etc. Manufactu ring Service Negotiation and Resource Management: A QoS Approach[J]. IEEE, International Conference on Control and Automation.2005.
[2] Fei Tao,Ye fa Hu,Dongming Zhaoetc. Stud y on manufacturing grid resource service QoSmodeling and evaluation[J].Int J Adv ManufTechnol.2009,41: 1034-1042.
[3] Zude Zhou, WenjunXu, D.T.Pham etc. QoS Modeling and Analysis for Manufacturing Networks:A Service Framework.7th IEEE International Conference on Industrial In form atics.2009.
[4] 劉麗蘭,俞濤,施戰(zhàn)備.制造網(wǎng)格中服務質(zhì)量管理系統(tǒng)的研究[J]. 計算機集成制造系統(tǒng).2005,11(2): 284-288.
[5] 胡業(yè)發(fā),陶飛,周祖德.制造網(wǎng)絡資源服務Trust-Qo S評估及其應用[J].機械工程學報,2007,43(12): 203-211.
[6] 甘佳,段桂江-云制造服務信任評估技術-計算機集成制造系統(tǒng),2012,18(7):1527-1535.
[7] 李靖華,郭耀煌,主成份分析用于多指標評價的方法研究—主成份評價[J]. 管理工程學報,2002,16(1):39-43.
[8] Danilo Ardagna, Barbara Pernici. Global and Local QoS Guaran tee in Web Service Selection[J]. Multichannel Adaptive Information System.2006,pp.32-46.
[9] 朱峰.綜合評價中如何正確運用主成分分析[J].統(tǒng)計教育. 2005(10): 45-48.