王 婕，耿秀麗

(上海理工大學(xué) 管理學(xué)院，上海 200093)

0 引言

云制造以面向服務(wù)、高效低耗為特點，是近年來興起的一種基于知識的智能性網(wǎng)絡(luò)化制造模式?！爸袊圃?025”的戰(zhàn)略被提出后，以“制造即服務(wù)”為核心的云制造受到越來越多的重視。在云制造環(huán)境下，服務(wù)提供者將產(chǎn)品全生命周期的各類制造資源和能力通過云技術(shù)轉(zhuǎn)化為云服務(wù)[1]，大量的云服務(wù)通過云制造平臺滿足用戶隨時獲取、按需使用、安全可靠的制造活動需求。目前，云服務(wù)大都由掌握核心云技術(shù)的供應(yīng)商提供，云服務(wù)質(zhì)量的優(yōu)劣直接影響云需求方制造生產(chǎn)的效率與收益，因此云需求方從海量的云資源中選擇所需的云服務(wù)十分關(guān)鍵。而云制造服務(wù)質(zhì)量是最直觀反映供應(yīng)商云服務(wù)的判別標(biāo)準(zhǔn)，選擇合適的方法對云制造服務(wù)質(zhì)量進行評價尤為重要。

自2010年云制造被提出以來，關(guān)于服務(wù)質(zhì)量驅(qū)動的云制造服務(wù)評價模型的研究不斷深入。文獻[2]采用主客觀相結(jié)合的方法評估云服務(wù)質(zhì)量;文獻[3]基于灰色關(guān)聯(lián)度對候選云制造服務(wù)質(zhì)量進行多目標(biāo)建模評價，實現(xiàn)云制造服務(wù)資源集的優(yōu)化配置。這些研究沒有較多地考慮云制造服務(wù)質(zhì)量評價中信息的模糊性、不確定性等因素。文獻[4]為了處理云制造環(huán)境中的不確定信息，提出基于證據(jù)推理和層次分析法的云制造服務(wù)質(zhì)量評價方法;文獻[5]用直覺模糊集方法分析不可量化的服務(wù)質(zhì)量特征，針對不同用戶的個性化選擇，提出一種交互式的服務(wù)質(zhì)量特征權(quán)重分析方法。以上研究都考慮了云制造環(huán)境的復(fù)雜性與不確定性，使用層次結(jié)構(gòu)或模糊語義評價改進了服務(wù)質(zhì)量(Quality of Service, QoS)綜合屬性值的確定，但主要是從云服務(wù)提供者的角度對云制造服務(wù)質(zhì)量進行評價，缺少對云制造服務(wù)需求方提供信息的考慮。文獻[1]針對云制造服務(wù)提供方與需求方給出的短語評價信息，采用云模型將其量化為可計算的數(shù)值，以服務(wù)提供方和需求方雙方服務(wù)質(zhì)量滿意度最大為優(yōu)化求解目標(biāo)，建立了目標(biāo)優(yōu)化數(shù)學(xué)模型;文獻[6]根據(jù)項目協(xié)同的三角模糊數(shù)算法計算提供商服務(wù)和需求者期望的相似度，取得云服務(wù)質(zhì)量綜合性能排序;文獻[7]提出一種綜合考慮客觀質(zhì)量指標(biāo)和用戶主觀反饋的云服務(wù)質(zhì)量評估方法。以上研究在確定QoS屬性值時，不再只考慮單一利益相關(guān)者，兼顧用戶的需求反饋，使得評價結(jié)果更具有真實性。

分析上述研究可以發(fā)現(xiàn)：云制造服務(wù)評價中包含較多的非功能屬性，綜合考慮多利益相關(guān)者獲得的評價信息更為真實準(zhǔn)確；應(yīng)用模糊集理論可以更好地反映評價信息，但是去模糊化可能引起數(shù)據(jù)偏差。因此，在現(xiàn)有研究基礎(chǔ)上，本文對云制造服務(wù)質(zhì)量評價問題展開研究，提出了基于直覺模糊余弦相似度的云制造服務(wù)質(zhì)量評價模型，旨在提高該問題評價方法的可操作性。本文將云制造服務(wù)屬性進行分類，并分別從云服務(wù)提供方與云服務(wù)使用方獲取服務(wù)質(zhì)量評價信息，考慮到云制造資源配置過程中存在多種不可量化的服務(wù)質(zhì)量特征，這些指標(biāo)不能簡單地用數(shù)值進行直觀表示。本文通過隸屬度及非隸屬度來表征專家與用戶的偏好，旨在更加全面直觀地表達復(fù)雜云制造環(huán)境下專家決策與用戶評價的不確定信息。直覺模糊數(shù)在反映事物復(fù)雜性、表征模糊和不確定信息方面具有明顯優(yōu)勢，為了更加客觀真實地反映專家的評價信息，采用直覺模糊集的形式描述服務(wù)質(zhì)量各個非可量化評價指標(biāo)的語義評價信息，得到一個對云制造服務(wù)質(zhì)量的直覺模糊評價矩陣?？紤]到余弦相似度用來比較文本描述具有獨特的優(yōu)勢，不需要考慮用戶評分平均值之間的差異，也不需要考慮評價信息的類型，不受維數(shù)的限制，避免了去模糊化引起的數(shù)據(jù)偏差，準(zhǔn)確性高。將云制造服務(wù)質(zhì)量非可量化指標(biāo)的直覺模糊評價信息構(gòu)建向量矩陣，采用余弦相似度計算各個云服務(wù)資源的服務(wù)質(zhì)量與最優(yōu)理想直覺模糊數(shù)的相似度。最后，綜合云制造服務(wù)方提供的可量化服務(wù)質(zhì)量屬性信息，得到云制造資源配置方案最終排序結(jié)果。所提方法兼顧了多利益相關(guān)者的評價信息與服務(wù)質(zhì)量屬性特征，避免了單一評價方法的片面性，增強了評價的科學(xué)性和可靠性。

1 研究基礎(chǔ)

云制造平臺中包括不同行業(yè)、不同特點的產(chǎn)品，因此所提供的云制造服務(wù)豐富多樣，云服務(wù)需求者要想從海量的云制造服務(wù)資源中選擇最優(yōu)的云制造服務(wù)，云制造服務(wù)質(zhì)量評價環(huán)節(jié)必不可少。云制造平臺中的利益相關(guān)者一般有云制造服務(wù)提供者與需求者。云制造服務(wù)提供者通過云平臺發(fā)布包括制造資源、生產(chǎn)能力在內(nèi)的其他制造服務(wù)，在云制造平臺上進行制造應(yīng)用和業(yè)務(wù)運行[8]。云制造平臺提供了規(guī)模巨大的制造云池，針對云制造服務(wù)使用者的需求，系統(tǒng)從候選的云制造服務(wù)中匹配最優(yōu)云服務(wù)或最優(yōu)云服務(wù)組合。云平臺提供制造服務(wù)的過程如圖1所示。在此過程中，云制造服務(wù)質(zhì)量評價結(jié)果為評估云制造服務(wù)水平提供數(shù)據(jù)支撐和決策依據(jù)，在匹配過程中尤為重要，直接影響著云服務(wù)需求方的決策。

在制造云池中，云制造服務(wù)資源呈現(xiàn)出多層次性、多粒度性、分布性、動態(tài)性、抽象性等復(fù)雜特征，對其進行有效的評估需要構(gòu)建合理的云制造服務(wù)質(zhì)量評價指標(biāo)體系，才能使云制造服務(wù)質(zhì)量排序結(jié)果更為客觀科學(xué)。

對現(xiàn)有研究歸納總結(jié)[9-13],得到云制造服務(wù)質(zhì)量評價指標(biāo)體系如表1所示。

表1 云制造服務(wù)質(zhì)量評價指標(biāo)

針對云制造服務(wù)質(zhì)量多維評價指標(biāo)，本文從數(shù)據(jù)來源的角度將云制造服務(wù)質(zhì)量屬性信息分為服務(wù)提供者描述的QoS屬性信息和服務(wù)使用者反饋的QoS評價信息，采用直覺模糊數(shù)描述服務(wù)質(zhì)量中非可量化的屬性，有效處理了評價過程中產(chǎn)生的不確定信息；采用余弦相似度計算直覺模糊評價結(jié)果與最優(yōu)向量值之間的差異，打破了評價指標(biāo)維數(shù)的限制，最終通過相似度大小對云制造服務(wù)質(zhì)量進行排序。本文所提方法主要思路如下：

(1)云制造服務(wù)屬性分類 綜合考慮云服務(wù)利益相關(guān)者，根據(jù)數(shù)據(jù)來源將云服務(wù)質(zhì)量評價指標(biāo)進行分類，使得評價指標(biāo)更為全面，評價數(shù)據(jù)更為可信。

(2)獲取多利益相關(guān)者評價信息 將獲取的云服務(wù)提供者與云服務(wù)使用者評價信息，按照偏好意見進行數(shù)據(jù)處理，采用直覺模糊集的語義評價方法描述云制造服務(wù)中非可量化的評價信息，得到充分考慮評價值隸屬度的直覺模糊矩陣，在此基礎(chǔ)上構(gòu)造候選云服務(wù)的直覺模糊多維向量。

(3)計算直覺模糊余弦相似度 根據(jù)直覺模糊評價結(jié)果，獲得最優(yōu)云服務(wù)質(zhì)量屬性值，計算各個云服務(wù)供應(yīng)商的服務(wù)屬性值與最優(yōu)值之間的相似度，最終得到云制造服務(wù)質(zhì)量的綜合排序結(jié)果。

2 基于直覺模糊集的云制造服務(wù)質(zhì)量評價

直覺模糊集(Intuitionistic Fuzzy Set, IFS)的概念于1986年提出，由于它可以同時表示隸屬度、非隸屬度和猶豫度3方面信息[14]，較多地保留了原始語義評價信息，已成為一種表達模糊性與不確定的有效方式。直覺模糊集描述如下：

F={〈x,μ(x),ν(x)〉|x∈Z}。

其中μ(x)、ν(x)分別為Z的隸屬函數(shù)和非隸屬函數(shù)。

若對于Z上的所有x∈Z,有0≤μ(x)+ν(x)≤1，0≤μ(x)≤1，0≤ν(x)≤1成立，則稱(μ(x),ν(x))為一個直覺模糊數(shù)。

設(shè)α1=(μ1,ν1)和α2=(μ2,ν2)為兩個直覺模糊數(shù)，則其運算法則定義[15]如下：

α1⊕α2=(μ1+μ2-μ1μ2,ν1ν2)。

(1)

設(shè)αj=(μj,νj)(j=1,2,…,n)是一組直覺模糊數(shù)，若

IFWAw(α1,α2,…,αn)=w1α1⊕

w2α2⊕…⊕wnαn,

(2)

(3)

在云制造服務(wù)質(zhì)量評價中，海量的云制造服務(wù)資源使得云制造服務(wù)呈現(xiàn)出復(fù)雜多樣的特點，用戶選擇出滿足其個性化需求的最優(yōu)服務(wù)變得相對困難。在基于服務(wù)質(zhì)量的選擇方法中，獲取可靠的QoS屬性信息至關(guān)重要，對于制造云服務(wù)而言，服務(wù)的QoS屬性信息多種多樣。為了提高QoS屬性信息的可靠度，本文不再只考慮單一利益相關(guān)者，而是綜合考慮云制造服務(wù)提供者描述的QoS屬性信息和云制造服務(wù)使用者反饋的QoS評價信息。對于服務(wù)提供者而言，避免其出于利益考慮，通過偏離服務(wù)實際水平的QoS屬性值以吸引更多的用戶使用，從而賺取更多的利益；對于服務(wù)使用者而言，排除了個別服務(wù)使用者由于受到個人因素或者該服務(wù)使用者為來自于服務(wù)提供者邀請的水軍等影響，從而增強云服務(wù)質(zhì)量評價的準(zhǔn)確性。從評價信息來源的角度，將QoS屬性分為以下兩類：①云服務(wù)提供者描述的QoS屬性。云服務(wù)提供者發(fā)布某一云服務(wù)時，會對該服務(wù)的固有可量化屬性進行設(shè)置，并對所提供的云服務(wù)非可量化屬性進行相應(yīng)的測試，對于云服務(wù)的某一屬性信息而言，服務(wù)提供者可以采用直覺模糊集的形式邀請專家進行評價，綜合各專家評價結(jié)果，可得服務(wù)提供者描述的QoS屬性信息;②云服務(wù)使用者描述的QoS屬性。云制造服務(wù)應(yīng)用環(huán)境中，用戶通過云制造服務(wù)平臺可以對使用過的相似云服務(wù)表達意見偏好如肯定、否定或無關(guān)，從云平臺中獲取大量用戶數(shù)據(jù)與項目數(shù)據(jù)，將評價正面的詞(如：滿意，可靠)與意見總數(shù)(正面、負面和無關(guān)的意見之和)的比值設(shè)為μ(x)，評價負面的信息(如：差，煩人，無法接受)與意見總數(shù)的比值設(shè)為ν(x)，由此可得到該云制造服務(wù)在指標(biāo)評估下的一個直覺模糊數(shù)(μ(x),ν(x))。

3 基于余弦相似度的服務(wù)質(zhì)量排序

余弦相似度也稱向量相似度，是測量兩個n維向量之間相似度的一種方法。該方法用向量描述云制造服務(wù)質(zhì)量評價指標(biāo)數(shù)據(jù)，通過兩個向量之間的內(nèi)積夾角余弦值來反映云制造服務(wù)質(zhì)量屬性間的相似度。由圖2可知，與向量Q相比，向量P與向量M夾角更小，其夾角余弦值更大，說明向量P與向量M兩個個體的相似度較向量Q與向量M更高；相反，兩個個體夾角越大，即越接近180°，說明其相似度越低，由此可知向量Q與向量M相似度較低。

兩個向量間的余弦值可以采用歐幾里得點積公式(4)計算：

a·b=|a|×|b|cosθ,θ∈[0,2π]。

(4)

定義cosθ為兩個向量之間的相似度，取值范圍為[-1,1]，關(guān)于兩個個體的余弦相似度采用式(5)計算。

(5)

式中a和b分別表示兩個不同的向量。

設(shè)A和B為給定集合X={x1,x2,…,xn}的兩個直覺模糊集，則A和B的余弦相似度定義[16]如下：

(6)

關(guān)于直覺模糊余弦相似度有如下定理[16]：

設(shè)A和B為兩個直覺模糊集，CIHFS(A,B)為A和B的余弦相似度，則：

(1)0≤CIHFS(A,B)≤1;

(2)CIHFS(A,A)=1;

(3)CIHFS(A,B)=CIHFS(B,A)。

綜上所述，本文所提基于直覺模糊余弦相似度的云制造服務(wù)質(zhì)量評價方法具體步驟如下：

步驟1選取合適的云制造服務(wù)質(zhì)量評價指標(biāo)，將其按照數(shù)據(jù)來源與屬性性質(zhì)進行分類，對不同類別的評價指標(biāo)采用不同的方法進行評價。

步驟2邀請專家對云服務(wù)供應(yīng)商描述的非可量化屬性指標(biāo)進行直覺模糊評價，并通過集成算子式(3)進行集結(jié)。

步驟3根據(jù)云制造服務(wù)平臺中的歷史數(shù)據(jù)統(tǒng)計用戶意見偏好，得到用戶反饋的直覺模糊評價矩陣。

步驟4分別選取專家決策信息與用戶偏好信息中最優(yōu)的云服務(wù)屬性值，構(gòu)建最優(yōu)值矩陣，由式(6)計算各個云服務(wù)供應(yīng)商的服務(wù)屬性值與最優(yōu)值之間的相似度，

步驟5將步驟4中所得的全部相似度進行加權(quán)平均得到最終相似度，最終相似度越大，說明該方案云制造服務(wù)質(zhì)量越高。

4 案例分析

以上海市某機床制造廠的渦輪生產(chǎn)為例，該機床制造廠必須在一個月內(nèi)提供100個可用于數(shù)控刀架的渦輪，廠家將制造需求發(fā)布到云平臺。云制造服務(wù)平臺根據(jù)制造任務(wù)與服務(wù)請求在云平臺資源庫中進行檢索，假設(shè)通過語義匹配檢索，云制造服務(wù)平臺找到5個可以完成此次云制造任務(wù)的云服務(wù)提供方。

充分考慮云服務(wù)提供者與云服務(wù)使用者給出的屬性信息，參考表1，指標(biāo)管理器針對渦輪的制造項目選擇如表2所示指標(biāo)來評估云服務(wù)質(zhì)量并進行決策。

表2 云制造服務(wù)質(zhì)量評價指標(biāo)

針對5個候選云制造服務(wù)供應(yīng)商{CMS1，CMS2，CMS3，CMS4，CMS5}，從其服務(wù)標(biāo)準(zhǔn)手冊中獲取云服務(wù)供應(yīng)商給出的云服務(wù)質(zhì)量可量化屬性值(如表3)，并邀請30位專家對云服務(wù)供應(yīng)商描述的非可量化屬性指標(biāo)進行直覺模糊評價，由式(3)集結(jié)后得到評價結(jié)果如表4所示。

表3 來源于供應(yīng)商的云服務(wù)質(zhì)量可量化屬性值

表4 集結(jié)后的供應(yīng)商云服務(wù)質(zhì)量非可量化屬性值

從云服務(wù)平臺選取相似度最高的相似項目獲取用戶的歷史評價信息，得到具有用戶偏好的直覺模糊評價結(jié)果，如表5所示。

表5 云需求方反饋的云服務(wù)質(zhì)量非可量化屬性值

綜合云服務(wù)提供者和云服務(wù)使用者給出的評價值，可得最優(yōu)云服務(wù)質(zhì)量表現(xiàn)值，如表6所示。

表6 最優(yōu)云服務(wù)質(zhì)量屬性值

由式(5)和式(6)分別計算候選云服務(wù)中可量化屬性與非可量化屬性和最優(yōu)云服務(wù)的余弦相似度，按所含評價指標(biāo)數(shù)目比(1∶2)加權(quán)得到綜合相似度結(jié)果如表7所示。

表7 余弦相似度計算結(jié)果

由表7可知，候選云服務(wù)提供商云服務(wù)質(zhì)量排序由優(yōu)到劣結(jié)果為：CMS2?CMS5?CMS4?CMS3?CMS1。為進一步說明云制造服務(wù)質(zhì)量評價中考慮云需求方反饋的重要性，剔除表4評價信息，使用本文所提方法重新評價各提供商云服務(wù)質(zhì)量，所得排序結(jié)果由優(yōu)到劣為：CMS2?CMS4?CMS5?CMS1?CMS3。對比兩種排序結(jié)果，可以看出差異明顯，有4個云制造服務(wù)供應(yīng)商次序不同。這是因為剔除表4中的用戶反饋信息后，云服務(wù)質(zhì)量評價信息由供應(yīng)商自己或其邀請的專家評估給出，云需求方的偏好并沒有表現(xiàn)出來。評價角度相對單一，無法排除個別服務(wù)供應(yīng)商由于某些原因提供虛假信息，誤導(dǎo)云服務(wù)需求方。因此，在復(fù)雜的云制造服務(wù)質(zhì)量評價中，綜合考慮供需雙方的要求所得的評價結(jié)果更為合理可信。

針對候選云服務(wù)質(zhì)量的非可量化屬性，將本文所提方法與直覺模糊TOPSIS法進行對比。直覺模糊TOPSIS法是一種基于距離測度的相似度計算方法，利用歐式距離描述候選云服務(wù)與正、負理想方案之間的差距，最后計算候選云服務(wù)質(zhì)量的非可量化屬性與正、負理想方案之間的相對貼近度。通過計算，得到5個候選云服務(wù)提供商貼近度結(jié)果：0.430 4、0.744 8、0.391 4、0.453 7、0.609 6。使用兩種方法將云服務(wù)質(zhì)量的非可量化屬性貼近度進行對比，如圖3所示。

由圖3可以看出，兩種方法所得排序結(jié)果存在一些差異，CMS1、CMS3和CMS4排序結(jié)果不同。這是因為直覺模糊TOPSIS方法中所采用的歐式距離在一定程度上具有決策補償性，即對一個指標(biāo)的高評價值可以彌補其他指標(biāo)下的低評價值，是一種更關(guān)注整體評價信息的決策方法。而且，該方法在求規(guī)范決策矩陣時計算比較復(fù)雜，不易算出絕對正、負理想解。云制造環(huán)境下服務(wù)質(zhì)量的評價存在服務(wù)制約因素繁多、評價指標(biāo)類型多樣等特點，過多的數(shù)據(jù)處理以及過度關(guān)注整體均會導(dǎo)致決策結(jié)果精確性不高。直覺模糊余弦相似度對指標(biāo)維數(shù)、數(shù)據(jù)量大小以及數(shù)據(jù)特征并無嚴格控制，數(shù)學(xué)計算也相對簡單；對原始數(shù)據(jù)信息的利用率較高，信息損失相對較少，這也是采用本文方法所計算的候選云服務(wù)質(zhì)量非可量化屬性貼近度整體高于對比方法的原因。此外，余弦相似度具有直觀的幾何意義，也可以直接對文本相似度進行計算，對于復(fù)雜的云制造環(huán)境下云制造服務(wù)質(zhì)量評價更有針對性、實踐性更高、延展性更強。

5 結(jié)束語

云制造服務(wù)質(zhì)量的評價是云制造活動中選擇合適云服務(wù)的關(guān)鍵環(huán)節(jié)，是制造企業(yè)在云制造環(huán)境下高效利用海量云制造資源的重要一環(huán)。本文所提基于直覺模糊余弦相似度評價云制造服務(wù)質(zhì)量的方法考慮了云制造服務(wù)質(zhì)量評價指標(biāo)的性質(zhì)和評價信息的來源差異，使用直覺模糊集的形式描述非可量化的云服務(wù)質(zhì)量屬性信息，可以更加全面真實地反映云服務(wù)質(zhì)量評價中的決策信息；其次，本文采用直覺模糊余弦相似度打破評價信息類型與維數(shù)限制，將評價指標(biāo)數(shù)據(jù)映射到向量空間，利用直覺模糊數(shù)空間夾角的余弦值來度量候選云服務(wù)之間的相似性，可以直觀得出云服務(wù)質(zhì)量的優(yōu)劣。

最后，本文通過對渦輪生產(chǎn)的云制造任務(wù)中云服務(wù)質(zhì)量的計算分析，驗證了所提方法的有效性和可行性。未來研究將深入考慮云制造服務(wù)質(zhì)量評價結(jié)果受指標(biāo)權(quán)重等其他因素的影響。