劉建勝 劉中生 涂海寧 熊君星

(南昌大學(xué)機(jī)電工程學(xué)院 南昌 330031)

?

基于混合型模糊指標(biāo)的云制造資源選擇決策方法研究①

劉建勝②劉中生③涂海寧 熊君星

(南昌大學(xué)機(jī)電工程學(xué)院 南昌 330031)

針對云資源優(yōu)選決策過程中存在定性指標(biāo)模糊性，以及定量指標(biāo)以區(qū)間性度量為代表的決策難點(diǎn)問題，提出了一種不確定性環(huán)境下基于OWA算子的混合型多指標(biāo)云制造資源優(yōu)勢度決策方法。該方法首先運(yùn)用標(biāo)度法將不可量化的模糊性定性指標(biāo)轉(zhuǎn)化為區(qū)間數(shù)定量指標(biāo)；其次利用基于相對優(yōu)勢度的區(qū)間數(shù)排序，結(jié)合OWA算子對云服務(wù)的優(yōu)勢度進(jìn)行集結(jié)，得到云制造資源的綜合優(yōu)勢度，給出云制造資源集合的優(yōu)先排序，從而為用戶選擇出最需要的制造服務(wù)資源。通過在數(shù)控機(jī)床設(shè)備優(yōu)選過程中的應(yīng)用，驗(yàn)證了該方法的可行性和實(shí)用性。

云制造資源， 混合型指標(biāo)， 區(qū)間數(shù)， OWA算子， 相對優(yōu)勢度

0 引 言

云制造是一種運(yùn)用網(wǎng)絡(luò)將制造企業(yè)可擴(kuò)展的制造資源、制造能力以及IT資源、數(shù)據(jù)及應(yīng)用等以服務(wù)的形式提供給用戶的制造新模式。它是由計(jì)算領(lǐng)域最新的研究技術(shù)(云計(jì)算、物聯(lián)網(wǎng)、虛擬化、嵌入式及管理信息系統(tǒng)等)與先進(jìn)制造理論、模式(虛擬制造、網(wǎng)格制造、全球制造、智慧制造等制造模式)高度融合而形成的[1]。云制造將海量的高度虛擬化的制造業(yè)生產(chǎn)所依賴的各種資源管理起來，組成資源池，用來統(tǒng)一提供服務(wù)。因此，如何從云制造資源池(制造云)中選擇最適合的制造業(yè)資源以服務(wù)的形式提供給用戶是云制造研究領(lǐng)域的一個(gè)關(guān)鍵問題。

近年來，國內(nèi)外學(xué)者對云服務(wù)選擇問題開展了一系列研究，取得了顯著研究成果，推動(dòng)了云制造領(lǐng)域研究不斷深入發(fā)展，如：李研等[2]提出一種基于QoS數(shù)據(jù)可信的服務(wù)選擇方法；胡業(yè)發(fā)等[3]基于服務(wù)資源的信任評價(jià)，建立了制造網(wǎng)格資源服務(wù)Trust-Qos評估模型，而且還給出了量化的評估算法，以有效地選擇用戶最佳需要的服務(wù)；Tao等[4]在網(wǎng)格制造模式中開發(fā)了一個(gè)綜合的QoS信息矩陣，并通過對服務(wù)時(shí)間、成本、可信任度、可維護(hù)性、滿意度等指標(biāo)綜合評估得到一個(gè)加權(quán)值，并用此加權(quán)值作為優(yōu)選服務(wù)的依據(jù)；馬文龍等[5]提出了一種基于服務(wù)質(zhì)量感知的云服務(wù)選擇模型，建立了云制造業(yè)務(wù)的QoS評價(jià)指標(biāo)采集、量化和信息校正方法，并基于可變粗糙集的多指標(biāo)決策方法推選出最佳的服務(wù)。這些現(xiàn)有研究成果大多數(shù)是從多角度基于QoS的服務(wù)選擇，缺乏針對模糊性指標(biāo)以及區(qū)間定量指標(biāo)的研究。因此，本文提出了一種不確定性信息環(huán)境下基于OWA算子的云制造資源優(yōu)勢度計(jì)算方法。該方法是考慮用戶需求，結(jié)合決策者的模糊偏好以及區(qū)間數(shù)不確定信息提出的不確定性指標(biāo)的度量方法，并基于相對優(yōu)勢度給出候選云制造服務(wù)資源的優(yōu)先排列次序，從而為云制造服務(wù)決策選擇提供了一種有效方法。

1 問題描述

云制造平臺(tái)中的用戶[6]有云制造服務(wù)提供者(cloud service provider, CSP)和云制造服務(wù)需求者(cloud service demander, CSD)。CSP在基于以服務(wù)為導(dǎo)向的云制造平臺(tái)上動(dòng)態(tài)性地發(fā)布自己的制造業(yè)資源(制造資源、制造能力及IT資源等)，以所用所付的方式出售制造應(yīng)用、業(yè)務(wù)。而CSD以生產(chǎn)任務(wù)的需求，從云制造平臺(tái)中篩選出基本符合其要求的待選制造云服務(wù)，從中選擇最佳的云服務(wù)或組合云服務(wù)去執(zhí)行該制造任務(wù)。一般將云服務(wù)選擇過程分為二個(gè)階段：第一階段是功能匹配，而依據(jù)去制造服務(wù)需求者(CSD)詳細(xì)的制造功能需求(如制造設(shè)備、零件的數(shù)量、生產(chǎn)成本、精度要求等)，篩選出能夠滿足制造功能要求及生產(chǎn)能力要求的候選云制造服務(wù)資源集；第二階段是優(yōu)選，即設(shè)計(jì)優(yōu)選算法從候選云服務(wù)集中為用戶選擇出最佳的制造服務(wù)。對于第一階段，功能匹配這一環(huán)節(jié)已有許多學(xué)者研究了，他們研究用到的技術(shù)方法可分為兩類：(1) 關(guān)鍵字搜索技術(shù)，如文獻(xiàn)[7]開發(fā)的一種基于內(nèi)容關(guān)鍵字搜索服務(wù)的方法；(2) 基于語義的服務(wù)發(fā)現(xiàn)技術(shù)，如文獻(xiàn)[8]用建立的制造資源本體來搜索功能相似的制造服務(wù)。本文研究的內(nèi)容是云服務(wù)優(yōu)選的第二階段：優(yōu)選，設(shè)計(jì)優(yōu)選算法并運(yùn)用該優(yōu)選方法從候選服務(wù)集中選擇出用戶最佳的云服務(wù)，如圖1所示。

圖1 云制造資源優(yōu)化過程

2 模糊屬性定義

在云制造服務(wù)優(yōu)選過程中，決策者在進(jìn)行決策時(shí)可能會(huì)使用區(qū)間數(shù)評估或者用適當(dāng)?shù)恼Z言評估標(biāo)度。因此，區(qū)間數(shù)、不確定語言變量均體現(xiàn)了屬性指標(biāo)的不確定性和模糊性。

2.1 區(qū)間數(shù)的定義

設(shè)R是實(shí)數(shù)域，對R中任意兩個(gè)實(shí)數(shù)aL, aU(aL≤aU)，那么R上的一個(gè)區(qū)間數(shù)a可表示為a=[aL, aU]，其中aL是上極限，aU是下極限。

2.2 語言變量區(qū)間表示

定義語言變量前先設(shè)定語言評估標(biāo)度S={si|i=1,2,…,n}，針對云服務(wù)優(yōu)選問題，本文選定7標(biāo)度-S={s1, s2, s3, s4, s5, s6, s7}={很好，好，較好，一般(中)，較差，差，很差}。

在S域內(nèi)，當(dāng)sα, sβ∈S，則不確定語言變量可表示為s=[sα, sβ]，其中sα和sβ分別表示其下限與上限。對具有不確定性語言、區(qū)間數(shù)特征的多指標(biāo)決策服務(wù)優(yōu)選問題，本文為了方便計(jì)算，在優(yōu)選服務(wù)的過程中先將語言變量轉(zhuǎn)換成區(qū)間數(shù)，然后再進(jìn)行規(guī)范化處理，之后對候選服務(wù)進(jìn)行比較、排序。

3 模糊屬性計(jì)算方法

3.1 語言變量轉(zhuǎn)化成區(qū)間數(shù)的方法

(1) 參考文獻(xiàn)[9]將不同粒度的模糊語言轉(zhuǎn)成對應(yīng)關(guān)系的區(qū)間數(shù)(見表1)。

表1 模糊語言變量與區(qū)間數(shù)轉(zhuǎn)化關(guān)系

(2) 按照表1將模糊語言轉(zhuǎn)換成對應(yīng)的區(qū)間數(shù)后，將不確定語言變量轉(zhuǎn)換為區(qū)間數(shù)。具體步驟如下：

(i) 對不確定語言變量s=[sα, sβ]，按照7-標(biāo)度法將其模糊語言轉(zhuǎn)化成區(qū)間數(shù)，如下式所示：

s=[sα, sβ]

=[[aL(α), aU(α)], [aL(β), aU(β)]]

(1)

(ii) 當(dāng)aU(α)=aL(β)時(shí)，將其轉(zhuǎn)化成的區(qū)間數(shù)，如下式所示

s=[(aL(a)+aU(a))/2, (aL(β)+aU(β))/2]

(2)

(iii) 當(dāng)aU(α)≠aL(β)時(shí)，將語言變量表示為s=[[aL(α), aU(α)], [aL(m), aU(m)], [aL(β), aU(β)]]，則轉(zhuǎn)化成的區(qū)間數(shù)為

s=[[aL(α), aU(α)], [aL(m), aU(m)],

[aL(β), aU(β)]]=[(aL(α)+aL(m))/2, (aU(m+aU(β))/2]

(3)

3.2 決策矩陣規(guī)范化處理

(4)

(5)

3.3 區(qū)間數(shù)轉(zhuǎn)化成精確數(shù)的方法

本文在對候選云制造資源服務(wù)進(jìn)行綜合優(yōu)勢度評價(jià)時(shí)，仍須將區(qū)間數(shù)轉(zhuǎn)化成實(shí)數(shù)。因此，采用文獻(xiàn)[11]提供的公式

(6)

實(shí)現(xiàn)區(qū)間數(shù)到精確數(shù)的映射。

3.4 OWA算子

設(shè)OWA[12]：Rn→R，若

(7)

OWA算子可以把一組數(shù)據(jù)(a1,a2,…,an)按從大到小重新進(jìn)行排序，并可以加權(quán)集結(jié)(權(quán)重wi與元素ai沒有關(guān)系，只與集結(jié)過程中第i處位置有關(guān))。

3.5 相對優(yōu)勢度計(jì)算方法

基于區(qū)間數(shù)的相對優(yōu)勢度的計(jì)算方法如下[13]：

設(shè)a=[aL, aU]， b=[bL, bU]是任意2個(gè)區(qū)間數(shù)，則區(qū)間數(shù)a與區(qū)間數(shù)b相比較，a>b的相對優(yōu)勢度按照下式進(jìn)行計(jì)算：

p(a>b)=

(8)

4 云制造資源決策方法

進(jìn)行云制造資源決策有以下步驟：

(1) 決策者對云服務(wù)優(yōu)選問題進(jìn)行分析，確定評價(jià)云服務(wù)優(yōu)劣的評價(jià)指標(biāo)及各個(gè)指標(biāo)權(quán)重；

(2) 給出評價(jià)云服務(wù)指標(biāo)及確定指標(biāo)的比重后，決策者根據(jù)需求并結(jié)合自己的偏好給出各候選云服務(wù)評價(jià)指標(biāo)值，并建立決策矩陣X=(xij)m×n；

(3) 依據(jù)式(2)和(3)將決策矩陣中語言型的評價(jià)指標(biāo)值轉(zhuǎn)化為區(qū)間數(shù)的形式；

(4) 運(yùn)用式(4)與(5)將決策矩陣X=(xij)m×n進(jìn)行規(guī)范化處理，得出無量綱的歸一化的矩陣Y=(yij)m×n；

(5) 在同一決策指標(biāo)下，運(yùn)用式(8)計(jì)算出候選云服務(wù)兩兩比較的優(yōu)勢度矩陣后，依據(jù)公式(6)計(jì)算Di，把區(qū)間數(shù)轉(zhuǎn)換成精確數(shù)；

(6) 運(yùn)用OWA算子對候選云服務(wù)的優(yōu)勢度值進(jìn)行集結(jié)，求得綜合優(yōu)勢度值Vi，即

⑺ 根據(jù)綜合優(yōu)勢度數(shù)值的大小對候選云服務(wù)進(jìn)行優(yōu)劣排序并擇優(yōu)。

5 案例分析

因生產(chǎn)需要某一齒輪零件加工廠需購買一臺(tái)數(shù)控機(jī)床設(shè)備?，F(xiàn)從云制造平臺(tái)中篩選出能滿足該廠要求的功能的4臺(tái)候選數(shù)控機(jī)床，用A、B、C、D來表示。需求者需要對候選數(shù)控機(jī)床的工藝、精度、質(zhì)量等方面的詳細(xì)調(diào)查，而且還組織采購、生產(chǎn)及質(zhì)檢部等各領(lǐng)域的專家(即決策者)對候選數(shù)控機(jī)床的定性指標(biāo)和定量指標(biāo)進(jìn)行評價(jià)(見表2)。

根據(jù)模糊屬性定義和云制造資源決策計(jì)算方法，采用Matlab2014a編程實(shí)現(xiàn)(如圖2)。

具體工作步驟如下：

(1) 決策者給出評價(jià)數(shù)控機(jī)床優(yōu)劣的指標(biāo)及指標(biāo)值,并確定各個(gè)指標(biāo)權(quán)重。各指標(biāo)的權(quán)重，如表3～表7所示。

表2 候選數(shù)控機(jī)床的指標(biāo)評估值

圖2 算法程序界面圖 表3 一級(jí)指標(biāo)的判斷矩陣及權(quán)重

質(zhì)量屬性經(jīng)濟(jì)屬性環(huán)境屬性人機(jī)屬性W一致性檢驗(yàn)質(zhì)量屬性11340.39λmax=4.02經(jīng)濟(jì)屬性11430.39C.I.=0.067環(huán)境屬性1/31/4120.13C.R.=0.075人機(jī)屬性1/41/31/210.09<0.1

表4 質(zhì)量屬性指標(biāo)的判斷矩陣及權(quán)重

表5 經(jīng)濟(jì)屬性指標(biāo)的判斷矩陣及權(quán)重

表6 環(huán)境屬性指標(biāo)的判斷矩陣及權(quán)重

表7 人機(jī)屬性指標(biāo)的判斷矩陣及權(quán)重

將求出的一級(jí)權(quán)重和二級(jí)權(quán)重集結(jié)，得到最終的權(quán)重向量：

W=(0.19, 0.078, 0.12, 0.062, 0.21, 0.12, 0.043, 0.087, 0.013, 0.051, 0.026)

(2) 根據(jù)候選數(shù)控機(jī)床的指標(biāo)評估值，建立如下決策矩陣X：

(3) 按照式(2)和(3)將決策矩陣中的語言變量轉(zhuǎn)化成區(qū)間數(shù)后，再用式(4)與(5)對決策矩陣進(jìn)行規(guī)范化：

Y=

(4) 在同一指標(biāo)下，運(yùn)用式(8)對4臺(tái)候選機(jī)床進(jìn)行兩兩比較得到優(yōu)勢度后，再利用式(6)算出Di，把優(yōu)勢度的屬性值是區(qū)間數(shù)轉(zhuǎn)換成精確數(shù)：

(5) 運(yùn)用OWA算子對候選數(shù)控機(jī)床的優(yōu)勢度值進(jìn)行集結(jié)，求得綜合優(yōu)勢度：V1=0.257，V2=0.245，V3=0.251，V4=0.247。根據(jù)綜合優(yōu)勢度的大小對候選數(shù)控機(jī)床進(jìn)行排序，并選擇出最適合的數(shù)控機(jī)床：V1>V3>V4>V2。由優(yōu)勢度的大小可知，第一臺(tái)數(shù)控機(jī)床是最好的。

6 結(jié) 論

本研究針對云制造環(huán)境下制造資源優(yōu)化配置問題，提出了一種基于混合型模糊指標(biāo)的云制造資源決策方法。該方法考慮了云制造資源決策問題的復(fù)雜性和不確定性，以及決策指標(biāo)的模糊性和多樣性，使得云制造資源優(yōu)選具備混合型多指標(biāo)決策特性。首先將指標(biāo)類型區(qū)分為模糊定性指標(biāo)和區(qū)間定量指標(biāo)，并設(shè)計(jì)出7-標(biāo)度法將模糊語言變量轉(zhuǎn)化為區(qū)間數(shù)；其次提出了基于相對優(yōu)勢度的云制造資源優(yōu)劣排序方法，并結(jié)合OWA算子對云服務(wù)的優(yōu)勢度進(jìn)行集結(jié)，得到云制造資源的綜合優(yōu)勢度，從而為用戶選擇出自己最需要的制造服務(wù)資源。算例表明，本研究提出的云制造資源優(yōu)勢度方法由于充分考慮了用戶需求、決策者的模糊偏好信息以及不確定信息，因而能夠?yàn)橛脩魞?yōu)選出較優(yōu)的云服務(wù)資源。本研究有利于云制造資源優(yōu)先問題的理論與實(shí)踐發(fā)展，且也豐富了多指標(biāo)決策理論的外延。對于用戶的并行-混合任務(wù)需求的制造資源調(diào)度，以及制造加工中生產(chǎn)成本優(yōu)惠等問題，是后續(xù)研究亟待解決的內(nèi)容。

[1] 李伯虎, 張霖, 王時(shí)龍. 云制造——面向服務(wù)的網(wǎng)絡(luò)化制造新模式. 計(jì)算機(jī)集成制造系統(tǒng), 2010,16(1):1-16

[2] 李研, 周明輝, 李瑞超等. 一種考慮QoS數(shù)據(jù)可信性的服務(wù)選擇方法. 軟件學(xué)報(bào), 2008,19(10):2620-2627

[3] 胡業(yè)發(fā), 陶飛, 周祖德. 制造網(wǎng)格資源服務(wù)Trust-Qos評估及其應(yīng)用. 機(jī)械工程學(xué)報(bào),2007,43(12):203-211

[4] Tao F, Hu Y F, Zhou Z D. Study on manufacturing grid and its resource service optimal-selection system.InternationalJournalofAdvancedManufacturingTechnology, 2008, 37(9):1022-1041

[5] 馬文龍, 朱李楠, 王萬良. 云制造環(huán)境下基于QoS感知的云服務(wù)選擇模型. 計(jì)算機(jī)集成制造系統(tǒng), 2014,20(5):1246-1254

[6] 李伯虎, 張霖, 任磊等. 再論云制造. 計(jì)算機(jī)集成制造系統(tǒng), 2011,17(3):449-457

[7] Lee C, Helal S. Context attributes: an approach to enable context-awareness for service discovery. In: Proceeding of the 2003 Symposium on Application and the Internet, Orlando, USA, 2003. 22-30

[8] 尹勝, 尹超, 劉飛等. 云制造環(huán)境下外協(xié)加工資源集成服務(wù)模式及語義描述. 計(jì)算機(jī)集成制造系統(tǒng), 2011,17(3):525-532

[9] 王武平. 面向群評價(jià)的混合多屬性群決策方法研究：[博士學(xué)位論文]. 天津：天津大學(xué)管理與經(jīng)濟(jì)學(xué)院, 2008. 34-35

[10] 慈鐵軍, 劉曉瑜. 基于決策者偏好的區(qū)間數(shù)多屬性決策屬性值規(guī)范化方法. 統(tǒng)計(jì)與決策, 2015,03:36-38

[11] 徐澤水. 模糊互補(bǔ)判斷矩陣排序的一種算法. 系統(tǒng)工程學(xué)報(bào), 2001,16(4):311-314

[12] 王煜, 徐澤水. OWA算子賦權(quán)新方法. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí), 2008, 38(3):51-61

[13] 王中興, 邵翠麗, 唐芝蘭. 基于相對優(yōu)勢度的區(qū)間數(shù)排序及其在多屬性決策中的應(yīng)用. 模糊系統(tǒng)與數(shù)學(xué), 2013,27(2):142-148

Study on a decision method for selection of cloud manufacturing resources based on hybrid fussy criteria

Liu Jiansheng, Liu Zhongsheng, Tu Haining, Xiong Junxing

(School of Mechanical and Electronic Engineering, Nanchang University, Nanchang 330031)

Aiming at the problem in cloud manufacture that selection of cloud manufacturing resources is difficult because attribute indexes may be fuzzy and attribute parameter values could be in the form of interval numbers or language values, a hybrid method for deciding the selection of cloud manufacturing services using the OWA operator in the condition of fussy or uncertain criteria is presented. Firstly, the method converts fuzzy qualitative indexes into interval quantitative indexes by using the scale method, and then, it uses the ranking of interval numbers based on the relative superiority as well as the OWA operator to aggregate the derived superiority of cloud services to obtain the final comprehensive superiority of cloud manufacturing resources. Finally, the priority sequence of cloud manufacturing resource sets is given, thus the most requisite service resources for cloud manufacturing can be selected for users. The feasibility and practicability of the proposed method were verified by applying it to a numerical control machine tool.

cloud manufacturing resource, hybrid criteria, interval number, OWA operator, relative superiority

10.3772/j.issn.1002-0470.2016.05.009

①國家自然科學(xué)基金(51565036)，江西省科技廳科技支撐(20123BBE50083)和江西省教育廳青年基金(GJJ13002)資助項(xiàng)目。

2016-01-13)

②男，1978年生，博士，碩士生導(dǎo)師，副教授；研究方向：制造過程管理與控制，物流管理與優(yōu)化技術(shù)，設(shè)施布局與優(yōu)化等；E-mail: victorljs@163.com

③通訊作者，E-mail: 790396397@qq.com