王曉妍 劉壽春 王子璇 王瓊瓊 李志明

(①燕山大學(xué)信息科學(xué)與工程學(xué)院(軟件學(xué)院)，河北 秦皇島 066004；②河北省計(jì)算機(jī)虛擬技術(shù)與系統(tǒng)集成重點(diǎn)實(shí)驗(yàn)室，河北 秦皇島 066004；③河北省軟件工程重點(diǎn)實(shí)驗(yàn)室，河北 秦皇島 066004)

目前，我國(guó)制造行業(yè)存在“資源閑置與短缺并存，能力過剩與不足同在”的情況。在一定程度上造成了制造資源的浪費(fèi)。在互聯(lián)網(wǎng)+制造業(yè)的時(shí)代背景下，以“分散資源集中使用，集中資源分散服務(wù)”為理念的云制造模式可有效緩解上述問題[1-2]。運(yùn)用先進(jìn)的新一代信息技術(shù)，將分散的、閑置的制造資源虛擬化封裝，并發(fā)布至云平臺(tái)，為用戶提供按需使用、隨時(shí)獲取的制造全生命周期服務(wù)，從而實(shí)現(xiàn)制造資源共享和企業(yè)協(xié)作。數(shù)控裝備種類繁多，功能多樣，在制造資源中占有很大的比重，且與其它種類制造裝備相比，更易于實(shí)現(xiàn)裝備資源的封裝及虛擬化。本文在云制造環(huán)境下，針對(duì)數(shù)控裝備資源服務(wù)匹配方法展開了深入研究，提出了一種“剛性參數(shù)”與“分層匹配”相結(jié)合的數(shù)控裝備資源服務(wù)匹配方法，并通過仿真實(shí)驗(yàn)驗(yàn)證了其性能。

1 資源服務(wù)匹配方法綜述

高效的資源服務(wù)匹配算法是云制造環(huán)境下制造資源得以快速、準(zhǔn)確共享的重要前提。文獻(xiàn)[3]提出一種基于屬性匹配的云制造服務(wù)資源搜索方法，設(shè)計(jì)了制造領(lǐng)域同義詞字典和服務(wù)資源屬性字典，用來規(guī)范用戶的檢索詞和確定用戶檢索意圖，并在該基礎(chǔ)上提出屬性匹配算法。但是，該算法要求服務(wù)資源檢索系統(tǒng)的維護(hù)人員具有較高專業(yè)知識(shí)，同時(shí)，也對(duì)字典集的更新帶來挑戰(zhàn)。文獻(xiàn)[4]構(gòu)建了“先語義推理，后計(jì)算語義距離”的兩層語義匹配模型，提出一種基于概念模糊特征集合的服務(wù)匹配方法。然而，在云制造環(huán)境下，制造資源可能存在多種狀態(tài)的情況，該算法難以適用。針對(duì)制造資源的多樣性和復(fù)雜性問題，文獻(xiàn)[5]在概念信息、句子信息和數(shù)值參量信息3個(gè)角度進(jìn)行相似度度量，提出了包括基本信息、功能信息、約束信息和綜合匹配的多層次匹配算法模型。該算法的不足之處是忽略了相似度不對(duì)稱的現(xiàn)象。

文獻(xiàn)[6]結(jié)合制造資源在某一時(shí)刻有“可用/不可用”狀態(tài)的特點(diǎn)，提出制造資源服務(wù)分級(jí)匹配策略，對(duì)資源服務(wù)類別信息、狀態(tài)信息、功能信息和服務(wù)質(zhì)量信息進(jìn)行分級(jí)匹配。在計(jì)算語義相似度時(shí)，充分考慮資源類節(jié)點(diǎn)在資源類別樹中的深度和類別節(jié)點(diǎn)間的繼承關(guān)系，提高了服務(wù)匹配的精度，然而，在資源服務(wù)匹配時(shí)僅考慮了兩個(gè)概念在樹中所處的深度，忽略了概念的寬度和重合度，可能導(dǎo)致匹配結(jié)果不夠全面。

為實(shí)現(xiàn)更準(zhǔn)確高效的數(shù)控裝備資源云服務(wù)匹配，以文獻(xiàn)[6]為參照，以數(shù)控裝備資源為研究對(duì)象，結(jié)合請(qǐng)求者對(duì)資源類別的不同需求，提出一種“剛性參數(shù)”與“分層匹配”相結(jié)合的數(shù)控裝備資源服務(wù)匹配算法。該算法不僅考慮了資源概念的深度，還考慮了資源概念的寬度、語義重合度、語義距離和層次順序，對(duì)資源服務(wù)匹配進(jìn)行了精確的量化，并搭建了數(shù)控裝備資源云制造平臺(tái)系統(tǒng)原型。

2 數(shù)控裝備資源服務(wù)匹配算法

從數(shù)控裝備資源請(qǐng)求者角度考慮，較為注重?cái)?shù)控裝備資源提供的服務(wù)類別、運(yùn)行狀態(tài)、加工能力和服務(wù)質(zhì)量(quality of service，QoS)信息等。從數(shù)控裝備資源提供者角度考慮，較為注重?cái)?shù)控裝備資源的基本信息、功能信息、狀態(tài)信息和QoS信息等。因此，本文從數(shù)控裝備資源的類別信息、狀態(tài)信息、功能信息、QoS信息和綜合信息等5個(gè)角度分別對(duì)接資源請(qǐng)求者和資源提供者對(duì)資源的描述，并依次進(jìn)行匹配，形成“剛性參數(shù)”與“層次匹配”相結(jié)合的數(shù)控裝備資源服務(wù)匹配方法，其流程如圖1所示。

2.1 資源類別信息匹配

在實(shí)際生產(chǎn)中，資源請(qǐng)求者由于諸多原因?qū)е绿峤坏馁Y源需求表述不準(zhǔn)確的情況時(shí)有發(fā)生。針對(duì)該情況，將資源類別匹配分為類別明確和類別不明確兩種情況，進(jìn)而再將類別明確的情況分為“剛性參數(shù)”匹配和“非剛性參數(shù)”匹配。前者是指資源請(qǐng)求者對(duì)所需資源類別清晰、明確的情況下應(yīng)設(shè)置為剛性參數(shù)，即資源匹配結(jié)果必須是資源請(qǐng)求者指定的資源類別，否則匹配失??；后者是指資源請(qǐng)求者對(duì)所需資源類別清晰、明確的情況下設(shè)置為非剛性參數(shù)，即云制造資源池中，和請(qǐng)求資源類別相似度不小于預(yù)設(shè)閾值的數(shù)控裝備資源均可列入資源服務(wù)匹配結(jié)果。

另外，在計(jì)算類別相似度時(shí)，考慮了數(shù)控裝備資源概念間的深度、寬度、語義距離、語義重合度及層次順序5個(gè)因素，其中，計(jì)算語義距離時(shí)需同時(shí)考慮資源概念之間的深度、寬度和資源概念之間邊的權(quán)重。資源集合中第i個(gè)資源Ci和第j個(gè)資源Cj之間的類別相似度計(jì)算公式如式(1)所示。式(1)既考慮了資源概念之間的繼承關(guān)系和同層關(guān)系，又對(duì)概念匹配做了精確的量化，從而為提高資源服務(wù)匹配的查準(zhǔn)率奠定了基礎(chǔ)。

(1)

式中：OL(Ci,Cj)為Ci和Cj之間的語義重合度；Lev(Ci)為Ci的層次順序；Dis(Ci,Cj)為Ci和Cj之間的語義距離。資源類別信息匹配算法的輸入、輸出、初始狀態(tài)及步驟如下。

輸入：CateList為所有數(shù)控裝備資源類別集合，i(i=1,2,…,k)為類別序號(hào)，k為CateList的元素個(gè)數(shù)；cateR為請(qǐng)求數(shù)控裝備資源類別描述信息；cate_i為類別是否明確參數(shù)；Sim(cate_i,cateR)為類別相似度；flag為類別剛性參數(shù)標(biāo)識(shí)位 (“1”為剛性參數(shù)，“0”為非剛性參數(shù))；valueCate為請(qǐng)求者設(shè)定的類別匹配相似度閾值；MatchCate為類別匹配序列；Resources為資源序列。

輸出：Cate_Resources為類別信息匹配之后的數(shù)控裝備資源集合；CateSimSet為對(duì)應(yīng)的類別相似度集合。

初始狀態(tài)：CateList≠?，i=1，Cate_Resources=?，CateSimSet=?。

(1)若cate_i為“類別不明確”，則轉(zhuǎn)至(2)；否則，轉(zhuǎn)至(4)。

(2)將cate_i添加到類別匹配序列MatchCate中，設(shè)置類別相似度Sim(cate_i,cateR)的值為1.0，并將Sim(cate_i,cateR)添加到類別相似度集合CateSimSet中。

(3)i=i+1。若i≤k，則轉(zhuǎn)至(2)；否則，轉(zhuǎn)至(12)。

(4)若flag是“1”，則轉(zhuǎn)至(5)；否則，轉(zhuǎn)至(8)。

(5)判斷cate_i是否和請(qǐng)求資源類別cateR相同，若相同，則轉(zhuǎn)至(6)；否則，轉(zhuǎn)至(7)。

(6)將匹配的cate_i添加到MatchCate中，并將相似度1.0添加到類別相似度集合CateSimSet中，轉(zhuǎn)至(12)。

(7)i=i+1。若i≤k，則轉(zhuǎn)至(5)；否則，轉(zhuǎn)至(12)。

(8)計(jì)算請(qǐng)求資源類別和資源庫中類別相似度Sim(cate_i,cateR)。

(9) 比較Sim(cate_i,cateR)和相似度閾值valueCate的大小。若Sim(cate_i,cateR)不小于valueCate，則轉(zhuǎn)至(10)；否則，轉(zhuǎn)至(11)。

(10) 將cate_i添加到MatchCate中，并將Sim(cate_i,cateR) 添加到CateSimSet中。

(11)i=i+1。若i≤k，則轉(zhuǎn)至(8)；否則，轉(zhuǎn)至(12)。

(12)將資源序列Resources中MatchCate所對(duì)應(yīng)的資源添加到類別信息匹配后資源序列Cate_Resources中，并返回Cate_Resources和CateSimSet。

2.2 資源狀態(tài)信息匹配

資源提供者提供的數(shù)控裝備資源的狀態(tài)信息主要包括維修、空閑、未滿負(fù)荷、滿負(fù)荷和超負(fù)荷5個(gè)狀態(tài)；資源請(qǐng)求者需求的資源狀態(tài)包括空閑、非滿負(fù)荷和滿負(fù)荷3種工作狀態(tài)。

資源狀態(tài)信息匹配算法的輸入、輸出、初始狀態(tài)及步驟如下。

輸入：Cate_Resources為類別信息匹配之后的數(shù)控裝備資源集合，i(i=1,2,…,k)為類別序號(hào)，k為Cate_Resources的元素個(gè)數(shù)；CateSimSet為對(duì)應(yīng)的類別相似度集合；。

輸出：State_Resources為狀態(tài)信息匹配之后的數(shù)控裝備資源集合；StateSimSet為對(duì)應(yīng)的狀態(tài)匹配相似度集合。

初始狀態(tài)：Cate_Resources≠?，i=1，State_Resources=?，StateSimSet=?。

(1)判斷候選資源序列中第i個(gè)資源Cate_Resources_i的state是否為“超負(fù)荷”和“維修中”。若是，則轉(zhuǎn)至(2)；否則，轉(zhuǎn)至(3)。

(2)將Cate_Resources_i添加到State_Resources中，并將Cate_Resources_i對(duì)應(yīng)的相似度添加到StateSimSet中。

(3)i=i+1。若i≤k，則轉(zhuǎn)至(1)；否則，轉(zhuǎn)至(4)。

(4) 返回State_Resources和StateSimSet。

2.3 資源功能信息匹配

數(shù)控裝備資源可能包括多個(gè)輸入和輸出參數(shù)，輸入?yún)?shù)主要指加工材料、控制系統(tǒng)、最大加工任務(wù)量、聯(lián)動(dòng)軸數(shù)、定位精度、重復(fù)定位精度、粗糙度等，輸出參數(shù)主要指用途等，而資源請(qǐng)求者和資源提供者對(duì)資源的描述中輸入和輸出參數(shù)需要滿足一定的關(guān)系，才有可能匹配成功，這就是資源功能信息匹配。

資源功能信息匹配算法的輸入、輸出、初始狀態(tài)及步驟如下。

輸入：State_Resources為狀態(tài)信息匹配之后的數(shù)控裝備資源集合，i(i=1,2,…,k1)為State_Resources集合中資源的序號(hào)，k1為State_Resources的元素個(gè)數(shù)；StateSimSet為對(duì)應(yīng)的狀態(tài)匹配相似度集合；valueFun為功能相似度閾值；IR為請(qǐng)求資源R的輸入集合，j(j=1,2,…,m)為輸入?yún)?shù)序號(hào)；IPi為State_Resources中第i個(gè)資源Pi的輸入?yún)?shù)集合，k(k=1,2,…,n)為輸入序號(hào)；OR為R的輸出集合，a(a=1,2,…,p)為R的輸出集合中參數(shù)的序號(hào)；OPi為Pi的輸出集合，b(b=1,2,…,q)為輸出序號(hào)。

輸出：Fun_Resources為功能信息匹配之后的數(shù)控裝備資源序列；FunSimSet為對(duì)應(yīng)的相似度集合。

初始狀態(tài)：State_Resources≠?，F(xiàn)un_Resources=?，F(xiàn)unSimSet=?，i=1，j=1，k=1，a=1，b=1。

(1)若State_Resources≠?，計(jì)算State_Resources中的第i個(gè)資源Pi和請(qǐng)求資源R的功能匹配相似度。

①若m≥n且p≤q，計(jì)算R的第j個(gè)輸入?yún)?shù)和Pi中對(duì)應(yīng)的輸入?yún)?shù)的相似度Sim(Iij)。

②j=j+1，若j≤n，則轉(zhuǎn)至①，否則，轉(zhuǎn)至③。

③計(jì)算R與Pi的輸入?yún)?shù)相似度，如式(2)所示。

(2)

④計(jì)算R的第a個(gè)輸出參數(shù)和Pi的每個(gè)輸出參數(shù)的相似度Sim(ORa,OPib)，輸出相似度如式(3)所示。

Sim(Oia)=max(Sim(ORa,OPib))(b=1,2,…,q)

(3)

⑤a=a+1。若a≤p，則轉(zhuǎn)至④；否則、轉(zhuǎn)至⑥。

⑥按式(4)計(jì)算R與Pi的輸出參數(shù)相似度。

(4)

⑦計(jì)算R與Pi的功能信息相似度, 輸出相似度如式(5)所示。若Simi(Pi,R)≥valueFun，則將資源Pi添加到Fun_Resources候選資源序列中，將Simi(Pi,R)添加到功能匹配相似度集合FunSimSet中。

(5)

(2)i=i+1。若i≤k1，則轉(zhuǎn)至(1)；否則，轉(zhuǎn)至(3)。

(3) 返回Fun_Resources和FunSimSet。

2.4 資源QoS信息匹配

QoS屬性有多個(gè)指標(biāo)，此處主要針對(duì)資源請(qǐng)求者比較關(guān)注的成本、加工時(shí)間、無故障時(shí)間和用戶滿意度4個(gè)屬性進(jìn)行匹配。對(duì)于QoS信息匹配，采用基于歐氏距離的相似度計(jì)算方法，通過QoS屬性矩陣中各向量之間的歐氏距離反映不同資源間QoS的相似性[7]。

資源QoS信息匹配算法的輸入、輸出、初始狀態(tài)及步驟如下。

輸入：Fun_Resources為功能信息匹配之后的數(shù)控裝備資源序列，i為Fun_Resources中資源的序號(hào)(i=1,2,…,m)，m為Fun_Resources的元素個(gè)數(shù)，初始值i=1；ω=(ω1,ω2,ω3,ω4)為資源QoS四個(gè)屬性的權(quán)重向量；valueQoS為QoS屬性匹配相似度閾值。

輸出：QoS_Resources為QoS屬性匹配后的候選數(shù)控裝備資源序列；QoSSimSet為對(duì)應(yīng)的相似度集合。

初始狀態(tài)：Fun_Resources≠?，QoS_Resources=?，QoSSimSet=?。

(1)將Fun_Resources中m個(gè)候選資源的QoS指標(biāo)向量qi=(qi1,qi2,qi3,qi4)，(i=1,2,…,m)，依次排列構(gòu)成QoS屬性矩陣，如式(6)所示。

(6)

(7)

(8)

(3)運(yùn)用線性比例變換公式(9)將Q中的每個(gè)數(shù)據(jù)標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化后的QoS屬性矩陣P如式(10)所示。

(9)

(10)

在此基礎(chǔ)上定義最優(yōu)資源A的QoS屬性指標(biāo)向量p=(p1,p2,…,p4)，pj(j=1,2,…,4)為矩陣P第j列中最大的元素。

(4) 計(jì)算P中第i個(gè)行向量pi(即第i個(gè)候選資源的QoS屬性向量)和P之間的歐氏距離，定義第i個(gè)資源服務(wù)Fun_Resources_i和最優(yōu)資源服務(wù)A之間的QoS相似度計(jì)算公式，如式(11)所示。

(11)

(5)比較SimiQoS和valueQoS的大小。若SimiQoS≥valueQoS，則將Fun_Resources_i添加到QoS_Resources中，并將對(duì)應(yīng)的SimiQoS添加到QoS屬性相似度集合QoSSimSet中，轉(zhuǎn)至(6)；否則，轉(zhuǎn)至(7)。

(6)i=i+1。若i≤m，則轉(zhuǎn)至(4)，否則，轉(zhuǎn)至(7)。

(7) 返回QoS_Resources和QoSSimSet。

2.5 資源綜合信息匹配

首先，計(jì)算各個(gè)候選數(shù)控裝備資源的綜合相似度，然后，按照綜合相似度由大到小的順序排列候選數(shù)控裝備資源，以供資源請(qǐng)求者選擇。

資源綜合信息匹配算法的輸入、輸出、初始狀態(tài)及步驟如下。

輸入：QoS_Resources為QoS信息匹配之后的候選資源序列，i(i=1,2,…,m)為QoS_Resources中資源的序號(hào)，m為QoS_Resources的元素個(gè)數(shù)，初始值i=1；CateSimSet為類別信息匹配相似度集合；FunSimSet為功能信息匹配相似度集合；QoSSimSet為QoS信息匹配相似度集合。

輸出：Resources為按綜合相似度大小排序的候選資源集合；SimSet為對(duì)應(yīng)的相似度集合。

初始狀態(tài)：QoS_Resources=?，CateSimSet≠?，F(xiàn)unSimSet≠?，QoSSimSet≠?，Resources=?，SimSet=?。

(1)計(jì)算QoS_Resources中的第i個(gè)資源服務(wù)的綜合相似度，如式(12)所示。

Simi=αCateSimSeti+βFunSimSeti+γQoSSimSeti

(12)

式中：CateSimSeti為第i個(gè)資源的類別信息相似度；FunSimSeti為第i個(gè)資源的功能信息相似度；QoSSimSeti為第i個(gè)資源的QoS信息相似度；α、β、γ為類別信息相似度、功能信息相似度、QoS信息相似度的權(quán)重，0<α<1，0<β<1，0<γ<1且α+β+γ=1。

(2)i=i+1。若i≤m，則轉(zhuǎn)至(1)，否則，轉(zhuǎn)至(3)。

(3)由大到小對(duì)m個(gè)值進(jìn)行排序，并返回Resources和SimSet。

3 仿真實(shí)驗(yàn)及結(jié)果分析

依據(jù)文中數(shù)控裝備資源服務(wù)匹配的策略及思想，利用Java Web技術(shù)及SQL Server2008數(shù)據(jù)庫，設(shè)計(jì)并開發(fā)了云制造平臺(tái)系統(tǒng)原型，數(shù)據(jù)庫中錄入了幾百條資源數(shù)據(jù)，并在該平臺(tái)上對(duì)“剛性參數(shù)”與“分層匹配”相結(jié)合的數(shù)控裝備資源服務(wù)匹配方法進(jìn)行了仿真。圖2為數(shù)控裝備資源請(qǐng)求者向云制造平臺(tái)提交資源需求時(shí)的界面。

在數(shù)控裝備資源信息和需求信息數(shù)據(jù)準(zhǔn)確的前提下，運(yùn)用查全率和查準(zhǔn)率驗(yàn)證“剛性參數(shù)”和“分層匹配”相結(jié)合的數(shù)控裝備資源服務(wù)匹配方法的優(yōu)劣。查全率Recall及查準(zhǔn)率Precision的計(jì)算公式分別如式(13)、式(14)所示。

(13)

(14)

其中：C表示云制造平臺(tái)系統(tǒng)原型中符合請(qǐng)求者需求描述的資源序列；D表示匹配出的資源序列；C∩D表示匹配出的符合資源請(qǐng)求者需求描述的資源序列。

以文獻(xiàn)[6]中的資源匹配方法作為對(duì)比對(duì)象，按照?qǐng)D2所示的資源請(qǐng)求參數(shù)分別計(jì)算查全率和查準(zhǔn)率，仿真結(jié)果顯示文獻(xiàn)[6]和本文方法的查全率均為100%，查準(zhǔn)率則分別為50.8%和72.5%。由此可見，在查準(zhǔn)率方面，本文所提匹配方法與文獻(xiàn)[6]中的匹配方法相比得到了較大幅度的提升，從而，驗(yàn)證了方法的有效性。

4 結(jié)語

在云制造環(huán)境下，以數(shù)控裝備資源為研究對(duì)象，提出“剛性參數(shù)”與“分層匹配”相結(jié)合的數(shù)控裝備資源服務(wù)匹配方法，對(duì)資源服務(wù)匹配做出了精確的量化，方法包括資源類別信息匹配、資源狀態(tài)信息匹配、資源功能信息匹配、資源QoS信息匹配和資源綜合信息匹配5個(gè)部分。該方法以提高資源服務(wù)匹配的查準(zhǔn)率為目標(biāo)，在進(jìn)行資源類別信息匹配時(shí)，結(jié)合資源請(qǐng)求者對(duì)資源類別的不同需求，并充分考慮了資源功能信息匹配過程中概念及數(shù)值的匹配；在進(jìn)行資源概念的相似度計(jì)算時(shí)，不僅考慮資源概念的深度和層次順序，還考慮資源概念之間的寬度、語義距離、語義重合度等因素。通過仿真實(shí)驗(yàn)表明，本文所提資源匹配方法與文獻(xiàn)[6]相比，更能夠準(zhǔn)確地匹配出符合資源請(qǐng)求者需求描述的資源，使得資源查準(zhǔn)率得到了較大幅度的提升。

[1]Yu C, Xu X, Lu Y. Computer-integrated manufacturing, cyber-physical systems and cloud manufacturing - concepts and relationships[J]. Manufacturing Letters, 2015, 6: 5-9.

[2]Zhang L, Luo Y L, Tao F, et al. Cloud manufacturing: A new manufacturing paradigm[J]. Enterprise Information Systems, 2014, 8(2): 167-187.

[3]李成海, 黃必清. 基于屬性描述匹配的云制造服務(wù)資源搜索方法[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2014, 20(6): 1499-1507.

[4]殷華英. 基于本體相似度的語義Web服務(wù)匹配算法研究[D]. 沈陽: 遼寧大學(xué), 2011: 22-53.

[5]王成建. 云制造環(huán)境下資源服務(wù)匹配研究[D]. 南昌: 南昌大學(xué), 2014: 27-38.

[6]李慧芳, 董訓(xùn), 宋長(zhǎng)剛. 制造云服務(wù)智能搜索與匹配方法[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2012, 18(7): 1485-1493.

[7]李新. 基于本體的制造資源建模與智能搜索研究開發(fā)[D]. 西安:西安建筑科技大學(xué), 2016: 18-23.