胡艷娟 朱非凡 王藝霖 石 超 武理哲

(長春工業(yè)大學機電工程學院，吉林 長春 130012)

隨著科技的高速發(fā)展，技術(shù)的更迭周期越來越短，縱觀制造業(yè)的發(fā)展史，從上世紀的傳統(tǒng)手工業(yè)制造到集成化制造，再到21世紀后隨著云計算、互聯(lián)網(wǎng)、制造網(wǎng)格等新興IT技術(shù)的快速發(fā)展，企業(yè)的生產(chǎn)和發(fā)展與網(wǎng)絡(luò)的聯(lián)系越來越緊密，企業(yè)需要在先進技術(shù)的支撐下，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加速產(chǎn)業(yè)升級，增強企業(yè)核心競爭力。在此背景下，2010年由中科院李伯虎院士及其團隊率先提出云制造[1]的概念。所謂云制造既是一種面向服務(wù)的，高能低耗的網(wǎng)絡(luò)化制造新模式，其融合了云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)、語義Web等IT技術(shù)。它將各類分散的制造資源和制造能力進行了虛擬化、服務(wù)化后形成虛擬化的制造資源和制造資源池，并通過網(wǎng)絡(luò)進行集中的管理和經(jīng)營。云制造的運營過程可表述為云制造服務(wù)平臺根據(jù)用戶的需求，在網(wǎng)上組織制造資源，為用戶提供各類按需的、可隨時獲取的制造服務(wù)。云制造環(huán)境下的資源調(diào)度是云制造中重要一環(huán)，云服務(wù)平臺接收到用戶的服務(wù)請求后，云資源平臺會根據(jù)用戶的要求(時間、效率、成本等)給出最優(yōu)的資源調(diào)度組合，云平臺根據(jù)最優(yōu)組合對資源進行調(diào)度從而在滿足客戶要求的同時也極大地提高了資源的使用率。資源調(diào)度方案的優(yōu)劣會直接影響是否能夠滿足用戶需求(按時交貨、低成本等)，因此有必要對云環(huán)境下資源調(diào)度進行深入研究。

1 云制造資源調(diào)度的概述

云制造環(huán)境下的資源調(diào)度問題是一個綜合考慮時間、成本、服務(wù)質(zhì)量和能力等的動態(tài)多目標優(yōu)化過程。云制造環(huán)境下資源調(diào)度問題的本質(zhì)是一個NP-hard問題。其目的是將有限的服務(wù)資源合理地分配給不同任務(wù)，從而提高制造效率和資源利用率。云制造環(huán)境下資源調(diào)度的過程如圖1所示。

2 云制造資源調(diào)度研究現(xiàn)狀

云制造作為一種制造的新模式，與時俱進將制造與網(wǎng)絡(luò)相結(jié)合，通過建立網(wǎng)絡(luò)服務(wù)平臺，用戶可以通過互聯(lián)網(wǎng)給網(wǎng)絡(luò)服務(wù)平臺發(fā)送相應(yīng)的服務(wù)需求，然后服務(wù)平臺會根據(jù)用戶的要求進行相應(yīng)的資源調(diào)度，以此來滿足用戶的服務(wù)請求，云制造資源調(diào)度極大的提高了資源的利用率以及生產(chǎn)效率。從近幾年的國內(nèi)外的文獻來看，國內(nèi)外的研究主要集中在以下幾個問題：云制造環(huán)境下車間資源調(diào)度；云制造環(huán)境下的資源搜索方法以及云制造環(huán)境下基于調(diào)度模型的智能算法的應(yīng)用。

2.1 云制造環(huán)境下車間資源調(diào)度研究

云制造車間資源調(diào)度問題是在傳統(tǒng)車間資源調(diào)度的基礎(chǔ)上對車間資源調(diào)度問題進行進一步深入研究，云環(huán)境下資源種類更加多樣化，資源管理方式更加合理，資源分布更加廣泛，資源實時共享性強，云制造理論與傳統(tǒng)車間相結(jié)合形成云制造車間，這必然會產(chǎn)生新的待解決的問題如：車間資源的調(diào)度，管理，分配等。云制造環(huán)境下的車間資源調(diào)度問題顯然也是個NP-hard問題，只能對其進行優(yōu)化處理，得到最優(yōu)的調(diào)度方案，滿足用戶的需求。

目前國內(nèi)眾多學者對對云制造環(huán)境下車間資源調(diào)度進行了深入研究，車間層資源調(diào)度是云制造環(huán)境下資源調(diào)度的基石，車間資源調(diào)度技術(shù)的發(fā)展為云制造環(huán)境下資源調(diào)度提供了強有力的技術(shù)支撐，云端的調(diào)度方案需到生產(chǎn)加工車間來完成相應(yīng)的生產(chǎn)加工任務(wù)，云制造環(huán)境下車間資源調(diào)度易受外界事件干擾，同時外界突發(fā)情況的產(chǎn)生也對云制造環(huán)境車間資源調(diào)度影響很大。據(jù)此許敏湘[2]等提出事件驅(qū)動的云制造車間資源調(diào)度，用以提高云制造車間動態(tài)響應(yīng)能力；楊屹[3]在事件驅(qū)動的云制造車間資源調(diào)度構(gòu)想的基礎(chǔ)上同時引入Fosstrak, Esper, Drools等開源軟件用以解決云制造車間調(diào)度問題；而王軍強等在文獻[4]中研究了在云制造作業(yè)車間中不同擾動對機器的能力影響的問題，并在聚類算法的基礎(chǔ)上提出面向云制造的機器能力界定方法，建立了面向云制造作業(yè)車間的機器能力界定模型；在云制造環(huán)境下車間資源都是以網(wǎng)絡(luò)數(shù)據(jù)的形式存儲在網(wǎng)絡(luò)終端，因此對這些制造資源的管理調(diào)配也是云制造環(huán)境下車間資源調(diào)度問題需要解決與考慮的問題；朱呂[5]等通過引入JBoss Drools實現(xiàn)將程序中復雜的條件語句用規(guī)則的形式展示出來，方便管理程序的同時優(yōu)化云制造車間資源調(diào)度問題；針對異地分布多車間協(xié)同生產(chǎn)計劃的關(guān)聯(lián)協(xié)調(diào)問題，基于云制造技術(shù)中面向服務(wù)的思想，李京生[6]等提出并建立動態(tài)制造資源能力服務(wù)化的分布式協(xié)同生產(chǎn)調(diào)度技術(shù)；針對云環(huán)境下車間資源分布廣，協(xié)同化高，實時共享性強的特點，孫月洲[7]建立云制造車間資源的模型，解決云制造車間資源的動態(tài)調(diào)度問題。同樣在文獻[8]為有效解決并行調(diào)度問題，王剛等基于重復叫價組合拍賣的思想，設(shè)計了一種多主體調(diào)度機制。而在文獻[9]中針對云制造混流車間的生產(chǎn)調(diào)度優(yōu)化問題，基于物聯(lián)網(wǎng)和復雜事件處理技術(shù)，魯建廈等設(shè)計了一種兩級遞階結(jié)構(gòu)的混合生物地理學優(yōu)化算法，采用在遷移算子中變異策略來提高算法搜索效率；在文獻[10]中魯陳璐通過對多企業(yè)間的云制造資源調(diào)度問題進行研究，提出了基于極限加時間的兩級遞階算法，以及基于擴大空閑時間變鄰域搜索的混合遺傳算法；在文獻[11]中劉永等基于資源調(diào)度策略的研究，其在資源調(diào)度策略中引入雙向螞蟻機制，在該雙向螞蟻機制中螞蟻通過相互交流，能夠快速地發(fā)現(xiàn)合適的虛擬機資源；在文獻[12]中何林燕認為企業(yè)中柔性作業(yè)車間和云制造理論結(jié)合后會使柔性作業(yè)車間資源的調(diào)度任務(wù)發(fā)生改變即使得原本的設(shè)備能力變成離散型設(shè)備能力區(qū)間。針對這一問題，何林燕提出了啟發(fā)式蟻群算法，采用分層的方法，用蟻群算法對工序進行選擇，用啟發(fā)式規(guī)則對機器進行選擇。

同樣在國外云制造車間資源調(diào)度也已取得相應(yīng)研究成果。SMITH[13]等指出未來制造企業(yè)的發(fā)展趨勢是從單純的制造向服務(wù)化制造轉(zhuǎn)變，企業(yè)需要將制造資源進行虛擬整合，提高資源的利用效率以解決轉(zhuǎn)型階段波動的訂單需求與持久性制造能力之間的供需矛盾；在文獻[14] 中O’Rourke等人認為隨著全球供應(yīng)鏈管理技術(shù)的發(fā)展將進一步有助于企業(yè)生產(chǎn)滿足顧客需求的產(chǎn)品；而在文獻[15]中Jackson J. R對動態(tài)事件的分類進行了細化，研究了機床設(shè)備突發(fā)事件和單機環(huán)境下加工零件連續(xù)達到的問題，提出了以滾動窗口為基礎(chǔ)的再調(diào)度技術(shù)；隨著技術(shù)的發(fā)展在文獻[16]中Elizabeth S, Kerr M. R將能根據(jù)當前情況主動搜索知識庫的專家系統(tǒng)方法引入動態(tài)調(diào)度系統(tǒng)，從而選擇最優(yōu)的調(diào)度策略；而在文獻[17]中陶飛等提出一種新的求解資源調(diào)度問題的新搜索算法，該算法的基本原理與水草在繁殖時如何尋找水源的原理相同。試驗顯示對同一個任務(wù)，新的算法和以往的方法相比較，明顯提高了作業(yè)效率與競爭的有效性，其在云制造車間資源調(diào)度領(lǐng)域也有廣泛的應(yīng)用前景。針對云制造柔性車間資源調(diào)度的特點，文獻[18]中提出一種結(jié)合了混合粒子群優(yōu)化算法與遺傳算法相結(jié)合的混合算法，用于解決云制造柔性作業(yè)車間調(diào)度問題。在文獻[19]中研究了云制造混合車間的協(xié)同調(diào)度問題，建立了基于工序成本的云制造混合車間調(diào)度模型，提出了遺傳算法和SA算法相結(jié)合的混合算法解決該問題。

綜合上述研究,目前關(guān)于云制造車間資源調(diào)度問題國內(nèi)外研究學者們在充分研究云制造車間中資源的特點(分布廣、種類多和實時共享性強等)的基礎(chǔ)上結(jié)合了在車間環(huán)境下各種可能發(fā)生的狀況對云制造車間資源調(diào)度問題進行了探討，云制造車間資源在不同的影響因素下可采用不同的智能算法、軟件技術(shù)、操作方式等來優(yōu)化云制造車間資源調(diào)度問題，提高資源調(diào)度的效率，同時對不同類型的云制造車間資源調(diào)度問題研究者們也做了相應(yīng)的研究。

2.2 云制造環(huán)境下資源搜索方法

云環(huán)境下的資源調(diào)度的過程，主要由兩部分構(gòu)成，即選擇最優(yōu)云組合和制造資源的快速匹配與搜索。資源的搜索與匹配是進行資源調(diào)度的前提，通過資源搜索系統(tǒng)能反饋給我們空閑有效的可利用的資源，通過快速進行資源搜索、匹配可以保證得到最合適的云服務(wù)組合，云制造的核心思想是制造即服務(wù)[20]，如何快速、高效的匹配，搜索到合適的制造資源，以最快的速度為用戶提供最優(yōu)的云調(diào)度方案是國內(nèi)外學者研究的重點。

國外已進行了很多相關(guān)研究，F(xiàn)u J[21]設(shè)計了一種新的優(yōu)化資源搜索方法，通過計算任務(wù)和資源的間隔距離來尋找所需的最佳制造資源；Marouane Kessentini[22]等通過建立了結(jié)合結(jié)構(gòu)和句法指標的需要在一個由很多單元組合組成的搜索空間內(nèi)進行的元模型來解決資源搜索問題，并運用元啟發(fā)搜索算法對該模型進行求解。Wang J H, Liu H, Wang H Y[23]提出一種基于映射的樹的相似度算法，該算法用來匹配在本體彼此相似的概念樹，從而達到整合語義網(wǎng)中的各種信息的目的。文獻[24]在分析制造資源和需求特性的基礎(chǔ)上，提出一種綜合語義距離、性能、結(jié)構(gòu)和實施的相似度算法，遵循“多級匹配，逐步細化”的原則，實現(xiàn)供給和需求的智能匹配；Nikolaos Trokanas[25]等人提出了一種基于知識建模和本體的用來解決輸入和輸出匹配的語義法；Tekli J, Chbeir R[26]則提出了一種旨在減少用戶在執(zhí)行匹配任務(wù)時的工作量的自動XML語法匹配和比較的方法；Lartigau J, Nie L, Xu X[27]等針對環(huán)境約束提出一種將定單分解成多個任務(wù)并選擇多個供應(yīng)商執(zhí)行的方法，來完成云制造資源的優(yōu)化配置，該類方法很好地解決制造資源與服務(wù)請求之間的匹配問題。文獻[28]中針對云制造服務(wù)在匹配過程中的多樣性、異構(gòu)性、動態(tài)性和多約束性特點，提出了基于Web服務(wù)本體語言的資源匹配搜索模型，該模型的匹配過程分為3個過程即參數(shù)匹配、屬性匹配和綜合匹配過程；文獻[29]中為提高在中小型企業(yè)中云制造平臺的搜索引擎的實用性，建立了一個基于本體語言服務(wù)的中小企業(yè)智能搜索引擎用以提高資源的搜索效率。

在我國對云環(huán)境下的資源搜索也取得了豐碩的成果。李成海[30]等對如何實現(xiàn)云制造服務(wù)資源搜索智能、高效、便捷的實現(xiàn)進行了深入研究，在已有研究成果的基礎(chǔ)上提出了一種基于屬性匹配的云制造服務(wù)資源搜索方法；鄭鎂[31]等針對云設(shè)計環(huán)境下設(shè)計資源具有分布性、異構(gòu)性和面向服務(wù)等特點,以語義Web為基礎(chǔ)，研究了基于語義推理的資源搜索匹配算法；鄭立斌[32]等人提出了具有語義屬性特征的能極大提高資源搜索效率的分級匹配方法；王成建[33]等人在研究了云資源匹配的問題，在充分考慮服務(wù)需求者要求的基礎(chǔ)上提出了一種云制造服務(wù)資源多層次匹配算法。李慧芳[34]等人研究了如何在云制造服務(wù)中快速搜索，匹配到合適資源的問題，基于制造云服務(wù)形式化描述，提出一種包括先初步篩選出候選服務(wù)集合，然后在初步篩選服務(wù)集合中篩選出具有最高匹配度的制造云服務(wù)的匹配智能化制造云服務(wù)搜索匹配算法；胡德敏[35]等分析利用中心服務(wù)器的計算模式來管理大量云制造資源存在的問題，提出了一種在云資源搜索算法基礎(chǔ)上進行改進的多關(guān)鍵字云資源搜索算法；李新[36]等人為了實現(xiàn)制造資源的加工能力和復雜加工任務(wù)之間的搜索匹配，設(shè)計了基于本體映射的加工任務(wù)與制造資源的匹配算法；文獻[37]中提出了一種基于本體語義的云制造服務(wù)供需智能匹配方法，該算法用來保證在云資源調(diào)度過程中的高效匹配。在文獻[38]中黎明、吳躍提出采用語義搜索引擎來解決云資源調(diào)度的問題；在文獻[39]中劉燁等人研究了在網(wǎng)絡(luò)環(huán)境中大量制造服務(wù)的描述存在異構(gòu)的問題，如何令制造加工服務(wù)快速發(fā)現(xiàn)和匹配是亟待解決的問題，在此基礎(chǔ)上，劉燁等人運用Web本體語言O(shè)WL-DL實現(xiàn)制造加工服務(wù)規(guī)范描述。

結(jié)合上述文獻，研究者們根據(jù)云環(huán)境下資源是以虛擬資源的形式儲存在云資源管理平臺，根據(jù)網(wǎng)絡(luò)搜索的特點研究者們提出或改進不同的資源匹配，搜索智能算法來提高資源搜索效率，達到快速匹配任務(wù)的目的。云環(huán)境下的資源搜索，匹配的速率對云資源調(diào)度的效率有直接影響。目前很少有研究者研究出針對云制造的獨立資源搜索系統(tǒng)，計算機的硬件性能因素也會對資源搜索效率產(chǎn)生影響。

2.3 云制造環(huán)境下基于調(diào)度模型的智能算法應(yīng)用

云制造環(huán)境下的資源調(diào)度是云制造的重要一環(huán)，調(diào)度策略的選擇直接影響云服務(wù)的服務(wù)質(zhì)量，資源調(diào)度的本質(zhì)是一個合理安排有限制造資源進行生產(chǎn)制造的過程，達到最大化提高制造資源的利用率，因此對調(diào)度策略的選擇就顯得尤為重要。下文結(jié)合國內(nèi)外研究學者的研究成果對云制造環(huán)境下的解決資源調(diào)度問題的方法做了一個小結(jié)。

據(jù)國外相關(guān)研究，文獻[40]針對云環(huán)境下制造資源的組織和優(yōu)化過于復雜的問題，提出一種基于改進的分布式遺傳算法用來選擇最優(yōu)制造資源組合。該算法通過將分布式優(yōu)化過程分成幾部分來完成，不僅保證了算法的運行速度同時也擴大了搜索范圍，提高了精度；在服務(wù)云中云資源使用者會向云平臺傳遞相應(yīng)的服務(wù)指令，而云平臺會根據(jù)算法智能地將客戶服務(wù)指令分解成若干子指令。而在文獻[41]中作者提出混合人工蜂群算法來解決混合云中的資源調(diào)度問題；在文獻[42]中提出了一個綜合資源服務(wù)選擇的方法用以協(xié)助請求者獲得最佳的制造服務(wù)，并對云制造中資源服務(wù)選擇問題進行總結(jié)，提出了一種基于云制造中服務(wù)質(zhì)量描述的模型和一種基于模糊理論的服務(wù)質(zhì)量計算模型，基于上述模型，采用粒子群優(yōu)化算法選擇最佳的服務(wù)組合；文獻[43]中Liu Yongkui ,Xu Xun, Zhang Lin等根據(jù)云制造允許多個用戶同時向云制造平臺提交需求任務(wù)，制造服務(wù)的集中管理和操作使云制造能夠并行處理多個制造任務(wù)。因此，云制造的一個重要問題是如何優(yōu)化調(diào)度多個制造任務(wù)，以獲得更好的云制造系統(tǒng)性能。任務(wù)負載是云制造任務(wù)調(diào)度的重要基礎(chǔ)，基于此思想，筆者提出了一個云制造多任務(wù)調(diào)度模型，該模型將任務(wù)負載建模和服務(wù)質(zhì)量系數(shù)和服務(wù)數(shù)量等服務(wù)的其他基本要素結(jié)合起來，然后研究了基于不同工作負載的任務(wù)調(diào)度方法對系統(tǒng)性能的影響，如總完工時間和服務(wù)利用率，并用不同的算法對該模型進行了求解。在文獻[44]中提出了一種支持服務(wù)統(tǒng)計相關(guān)性的云服務(wù)組合優(yōu)化方法，建立了引入統(tǒng)計相關(guān)度指數(shù)的云服務(wù)統(tǒng)計相關(guān)性模型，并采用粒子群優(yōu)化算法求解云服務(wù)組合優(yōu)化問題；文獻[45]中作者根據(jù)云制造中的批量處理調(diào)度任務(wù)時具有動態(tài)性、實時性、大數(shù)據(jù)并發(fā)性和交換性需求的特點，為了有效地節(jié)約時間，降低車間生產(chǎn)成本，提出了一種優(yōu)化模型，利用改進的粒子群優(yōu)化算法解決任務(wù)調(diào)度問題；針對大量的能源消耗導致高運營成本，低投資回報，并且污染環(huán)境等問題，在文獻[46]中建立了系統(tǒng)在調(diào)度時把能源消耗作為一個重要參數(shù)的能源感知系統(tǒng)，該系統(tǒng)能把能源作為服務(wù)質(zhì)量的一個重要參數(shù)，通過降低能源消耗，自動優(yōu)化云資源的效率；在文獻[47]中利用馬爾可夫決策過程模型來構(gòu)造基于云計算的視頻服務(wù)在多個地理上分散的數(shù)據(jù)中心，開發(fā)了一個基于敏感性分析和樣本的策略迭代優(yōu)化算法，以獲得最佳的視頻位置和請求調(diào)度策；文獻[48]中針對在混合云中進行資源調(diào)度的問題，提出了基于市場的混合云優(yōu)化調(diào)度方法；文獻[49]提出了一個面向共享的服務(wù)選擇和調(diào)度方法，能夠找到需求滿意度、服務(wù)利用率和服務(wù)共享成本之間的權(quán)衡。

在國內(nèi)的相關(guān)研究中，熊永華[50]等分析了傳統(tǒng)資源調(diào)度方法在云資源調(diào)度中的局限性即搜索效率和精度低以及服務(wù)響應(yīng)慢等問題，提出了基于維持負載均衡的多目標優(yōu)化模型，采用改進型粒子群算法進行求解；而在袁浩[51]等分析了當前用于求解云計算資源調(diào)度問題的群智能算法的一些局限性，為進一步提高云計算資源調(diào)度效率，袁浩等提出一種基于社會力群體優(yōu)化算法的云計算資源調(diào)度方法；武善玉等[52]針對在云環(huán)境下同時面對多個服務(wù)命令請求時怎樣進行資源調(diào)度的問題，提出以總完成時間最少及成本最低為最優(yōu)目標的數(shù)學模型，并提出采用整數(shù)編碼方法編碼的離散粒子群遺傳混合算法來對該模型進行求解；馬軍、羅國富等[53]詳述了在云環(huán)境中多樣化、復雜化的資源需要首先對資源進行虛擬封裝處理，為了便于進行資源調(diào)度，文中提出基于改進合同網(wǎng)的虛擬制造資源CAgent運行機制；針對云環(huán)境下動態(tài)資源調(diào)度的問題，江笑妍等[54]利用Matlab對原有模型進行了優(yōu)化，提出基于蟻群算法的，以資源使用者和資源提供商之間進行任務(wù)封裝時間最短為目標的資源動態(tài)調(diào)度函數(shù)；邰麗君等[55]根據(jù)云環(huán)境下資源調(diào)度極易受到諸如制造周期長，資源使用情況不明，涉及的加工企業(yè)過多等不確定因素的影響，建立了以最小化制造服務(wù)能力，最小化制造服務(wù)成本，最優(yōu)化制造服務(wù)質(zhì)量，最小化總制造服務(wù)時間為目標的云環(huán)境下多目標資源調(diào)度模型，提出了一種將調(diào)度分為適時調(diào)度和周期性調(diào)度兩種模式的技術(shù)，采用基于遺傳蟻群算法的制造資源調(diào)度算法對模型進行求解；肖瑩瑩[56]等從供應(yīng)鏈的角度對云環(huán)境下的資源調(diào)度問題進行了研究，建立了一個采用了改進混合蛙跳算法進行求解有效的多目標生產(chǎn)運輸優(yōu)化調(diào)度模型；唐海波等[57]研究了云制造環(huán)境下制造資源海量，異構(gòu)等特點，構(gòu)想出基于資源負載均衡的動態(tài)調(diào)度策略，建立以完成任務(wù)的總服務(wù)成本最小為最優(yōu)化目標的模型；在云環(huán)境中進行資源調(diào)度會涉及調(diào)度耗時和開銷成本等問題，在趙莉[58]提出的改進布谷鳥搜索算法能有效的對云計算資源調(diào)度問題進行求解；薛玉[59]為提高云計算資源調(diào)度的效率，提出了一種基于混沌粒子群優(yōu)化算法的云計算資源調(diào)度方法。

綜合上述研究文獻可知在云制造環(huán)境下的資源調(diào)度問題主要是要建立相應(yīng)的云調(diào)度模型，而云模型的構(gòu)建需要考慮不同影響因素(如面對海量的制造資源如何構(gòu)建調(diào)度模型、在多個服務(wù)請求命令同時出現(xiàn)時怎樣調(diào)度、在面臨負載不均衡時如何解決云環(huán)境下的資源調(diào)度問題等等)，面對不同的云模型求解的優(yōu)化算法也是各異的。

3 現(xiàn)階段存在的問題

隨著云制造的快速發(fā)展，對云制造環(huán)境下的資源調(diào)度問題的研究在眾多學者不遺余力的研究下也越來越深入。在總結(jié)他們的研究成果的同時也發(fā)現(xiàn)了以下存在的問題：

3.1 車間資源調(diào)度的局限性問題

隨著云技術(shù)的快速發(fā)展，云制造環(huán)境下資源的特點是高度的共享。目前針對云制造環(huán)境下的車間資源調(diào)度問題主要集中在優(yōu)化車間的資源調(diào)度策略，優(yōu)化調(diào)度算法，建立不同車間調(diào)度模型以解決車間資源調(diào)度問題等等。其局限性在于研究的對象往往是一個車間或者企業(yè)內(nèi)部若干個車間之間的資源調(diào)度問題，對于不同企業(yè)車間之間進行的資源共享的研究尚不完整，同時把企業(yè)作為云服務(wù)提供者和云服務(wù)需求者的研究還要繼續(xù)深入研究。

3.2 資源搜索方法缺乏實用性的問題

在目前的研究中對云制造環(huán)境下的資源搜索和匹配方法大都對實際因素考慮不足，所提出的方法都是結(jié)合某一具體實例來驗證算法的可行性，缺乏普遍適用性，在實際生產(chǎn)制造中不確定因素居多，突發(fā)事件會時常發(fā)生，這些都會成為目前所提資源搜索算法在實際應(yīng)用的過程中難以解決的難點，因此如何在這些資源搜索方法中加入實際影響因素是未來研究的重點。

3.3 解決資源調(diào)度問題方法的考慮因素不夠全面

在云資源服務(wù)的調(diào)度中研究者們都是在相對簡單的環(huán)境下進行資源調(diào)度的研究，根據(jù)云制造環(huán)境中不同的影響因素來研究調(diào)度問題，并在理論情況下進行了驗證。實際上云調(diào)度的過程是一個不可控的操作過程，在資源調(diào)度的過程中會遇到很多的問題，例如服務(wù)執(zhí)行被耽擱，物流運輸故障等問題，云制造環(huán)境下的資源存在地域上的差異性，不同企業(yè)之間進行資源信息交流時存在運輸時間和成本的差異，這都是在未來進行云資源調(diào)度研究的方向。

4 發(fā)展展望

云制造是一個新興的概念，是一種面向服務(wù)需求的，充分實現(xiàn)資源共享的制造新模式。通過將制造資源虛擬封裝，由云資源平臺集中進行管理和調(diào)度。云模式的成功應(yīng)用有助于增強企業(yè)的核心競爭力，降低企業(yè)的生產(chǎn)成本，提高企業(yè)生產(chǎn)的效率，增強企業(yè)對市場的動態(tài)應(yīng)變能力和組織能力。云制造環(huán)境下資源調(diào)度是云制造服務(wù)的重要組成部分，目前資源調(diào)度的研究雖然還不全面，但隨著研究的深入，云平臺機制的不斷完善，云制造環(huán)境下的資源調(diào)度策略會越來越高效。

在云資源池中根據(jù)資源的狀態(tài)合理調(diào)度資源是目前研究者們研究的主線，云環(huán)境下的生產(chǎn)調(diào)度具有多任務(wù)并行的特點，此時如何對資源進行調(diào)度，處理任務(wù)排隊等候服務(wù)的問題都是值得研究的問題。隨著調(diào)度的發(fā)生會伴隨產(chǎn)生成本的問題，成本包括很多方面例如時間成本，運輸成本，人力成本等等。現(xiàn)階段研究者們對在調(diào)度的過程中調(diào)度未能成功執(zhí)行的研究甚少，那么在調(diào)度失敗后必定要考慮將會隨之而產(chǎn)生的懲罰成本，那么這個成本該如何計算也將是后續(xù)值得研究的問題。

5 結(jié)語

本文主要圍繞云制造環(huán)境下資源調(diào)度的相關(guān)問題進行論述，并對云資源調(diào)度問題中涉及的車間資源調(diào)度，資源搜索以及云制造環(huán)境下基于調(diào)度模型的智能算法應(yīng)用等問題的研究現(xiàn)狀進行了分析和總結(jié)，同時也發(fā)現(xiàn)了在現(xiàn)有研究中存在的問題和缺陷以及尚需進一步深入研究之處，例如在云制造車間資源調(diào)度中進行云資源調(diào)度的企業(yè)既可作為云服務(wù)的提供者也可作為云服務(wù)的需求者的情況，在云制造環(huán)境下資源的搜索方法中缺乏實際參考因素的問題，對于不同企業(yè)之間進行云服務(wù)交流時的成本不同問題等都需要后續(xù)進行進一步研究。

云制造環(huán)境下的資源調(diào)度使得資源的調(diào)度模式擺脫了傳統(tǒng)調(diào)度模式，資源調(diào)度更加高效，資源利用率更高，為企業(yè)的發(fā)展，轉(zhuǎn)型提供技術(shù)支持。云制造環(huán)境下調(diào)度技術(shù)的成熟將對云制造在全國的推廣普及有重要的作用，是我國從“制造大國”向“制造強國”轉(zhuǎn)型的關(guān)鍵因素。

[1]李伯虎,張霖,王時龍,等.云制造—面向服務(wù)的網(wǎng)絡(luò)化制造新模式[J]. 計算機集成制造系統(tǒng),2010, 16(1): 1-7.

[2]許湘敏. 云制造理念下基于本體及其環(huán)境感知的作業(yè)車間調(diào)度問題研究[D]. 廣州: 華南理工大學, 2015.

[3]楊屹. 事件驅(qū)動的云制造車間調(diào)度研究 [D]. 廣州:華南理工大學, 2014.

[4]王軍強, 崔福東, 張承武,等. 面向云制造作業(yè)車間的機器能力界定方法[J]. 計算機集成制造系統(tǒng),2014, 20(9):2146-2163.

[5]朱呂, 姚錫凡, 徐川. 基于JBoss Drools的車間調(diào)度[J]. 組合機床與自動化加工技術(shù), 2014(6):131-134.

[6]李京生, 王愛民, 唐承統(tǒng),等. 基于動態(tài)資源能力服務(wù)的分布式協(xié)同調(diào)度技術(shù)[J]. 計算機集成制造系統(tǒng),2012, 18(7): 1563-1574.

[7]孫月洲. 云制造車間資源調(diào)度與配置模型及優(yōu)化研究[D]. 哈爾濱：哈爾濱理工大學,2012.

[8]王剛，陳秋雙，全雄文. 加工時間可控的多主體調(diào)度問題[J]. 計算機集成制造系統(tǒng)，2013, 19(9):2187-2192.

[9]魯建廈, 胡慶輝, 董巧英,等. 面向云制造的混流混合車間調(diào)度問題[J]. 中國機械工程,2017,28(2):191-198.

[10]魯陳璐. 制造系統(tǒng)柔性資源調(diào)度問題及其優(yōu)化算法研究[D]. 杭州：浙江大學,2016.

[11]劉永, 王新華, 邢長明,等. 云計算環(huán)境下基于蟻群優(yōu)化算法的資源調(diào)度策略[J]. 計算機技術(shù)與發(fā)展, 2011(9):19-23.

[12]何林燕. 云制造環(huán)境下柔性作業(yè)車間調(diào)度算法的研究[D]. 哈爾濱：哈爾濱理工大學,2017.

[13] Smith A D, Rupp W T. Application service providers (ASP): moving downstream to enhance competitive advantage.[J]. Information Management & Computer Security, 2002, 10(10):64-72.

[14] ORourke D. The science of sustainable supply chains.[J]. Science, 2014, 344(6188):1124-1127.

[15] Jackson J R. Scheduling a production line to minimize maximum tardiness[J]. Management Sciences Research Project,1955: 43-47.

[16] Elizabeth S, Kerr M. R. Knowledge-based Reactive Scheduling[J]. Production Plan&Control, 1994, 5(5): 124-145

[17] Cheng Lin, Zhang Qingzhen, Tao Fei, et al.A novel search algorithm based on waterweeds reproduction principle for job shop scheduling problem[J].The International Journal of Advanced Manufacturing Technology, 2016, 84(1):405-424.

[18] Tang Jianchao, Zhang Guoji, Lin Binbin, et al.A hybrid algorithm for flexible job-shop scheduling problem[J].Procedia Engineering, 2011, 15(1):3678-3683.

[19] Li X, Lu J, Chai G, et al. Hybrid genetic algorithm for mixed-model hybrid-shop scheduling problem[J]. China Mechanical Engineering, 2012, 23(8):935-940.

[20] Chen K, Zheng W M. Cloud computing: System instances and current research[J]. Journal of Software, 2010, 20(5):1337-1348.

[21] Fu Jingzhi. A practical resource-searching method for manufacturing grid[J]. The International Journal of Advanced Manufacturing Technology, 2014, 74(1):335-340.

[22] Kessentini M, Ouni A, Langer P, et al. Search-based metamodel matching with structural and syntactic measures[J]. Journal of Systems & Software, 2014, 97:1-14.

[23] Wang Jihua, Liu Hong, Wang Huayu. A mapping-based tree similarity algorithm and its application to ontology alignment[J]. Knowledge-Based Systems, 2014, 56(C):97-107.

[24] Tai Lijun, Hu Rufu, Chen Caowei, et al. Manufacturing resources and demand intelligent matching in cloud manufacturing environment[J]. Advanced Materials Research, 2012, 616-618:2101-2104.

[25] Trokanas N, Cecelja F, Raafat T. Semantic input/output matching for waste processing in industrial symbiosis[J]. Computers & Chemical Engineering, 2014, 66(10):259-268.

[26] Tekli J, Chbeir R. Minimizing user effort in XML grammar matching[J]. Information Sciences, 2012, 210(10):1-40.

[27] Lartigau J, Nie L, Xu X, et al. Scheduling methodology for production services in cloud manufacturing[C]// International Joint Conference on Service Sciences. IEEE Computer Society, 2012:34-39.

[28] Yin Chao,Qing Xia,Wu Lizhen. Semantic matching technique of cloud manufacturing service based on OWL-S[J].Computer Integrated Manufacturing Systems, 2012, 18(7):1494-1502.

[29]Sheng Buyun, Zhang Chenglei, Yin Xiyan, et al. Common intelligent semantic matching engines of cloud manufacturing service based on OWL-S[J]. The International Journal of Advanced Manufacturing Technology, 2016, 84(1):103-118.

[30] 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]. 計算機集成制造系統(tǒng),2014, 20(6):1499-1507.

[31]鄭鎂, 羅磊, 江平宇. 基于語義Web的云設(shè)計服務(wù)平臺及關(guān)鍵技術(shù)[J]. 計算機集成制造系統(tǒng), 2012, 18(7):1426-1434.

[32]鄭立斌, 顧寄南. 網(wǎng)絡(luò)制造資源發(fā)現(xiàn)機制的研究[J]. 機械設(shè)計與制造,2011(4):242-243.

[33]王成建, 劉建勝, 夏芳臣,等. 云制造服務(wù)資源多層次匹配算法研究[J]. 機械設(shè)計與制造,2014(5):250-252.

[34]Li Huifang , Dong Xun , Song Changgang. Intelligent searching and matching approach for cloud manufacturing service[J]. Computer Integrated Manufacturing Systems, 2012, 18(7):1485-1493.

[35] 胡德敏, 張明英. 多關(guān)鍵字云資源搜索算法研究[J]. 計算機應(yīng)用研究,2016, 33(9):2615-2618.

[36]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,2016.

[37]劉慧敏, 宋庭新, 伍孟軒,等. 一種基于本體語義的云制造服務(wù)供需智能匹配方法[J]. 湖北工業(yè)大學學報, 2015, 30(1):47-50.

[38]黎明, 吳躍, 陳佳. 基于語義搜索引擎的云資源調(diào)度[J]. 計算機應(yīng)用研究, 2015, 32(12):3735-3737.

[39]劉燁, 史明華. 基于OWL-DL的制造加工服務(wù)描述建模方法[J]. 計算機集成制造系統(tǒng), 2011, 17(4):767-775.

[40] Wang Lei, Guo Shunsheng, Li Xixing, et al. Distributed manufacturing resource selection strategy in cloud manufacturing[J]. International Journal of Advanced Manufacturing Technology, 2016:1-14.

[41] Zhou Jiajun，Yao Xifan. A hybrid artificial bee colony algorithm for optimal selection of QoS-based cloud manufacturing service composition[J]. International Journal of Advanced Manufacturing Technology, 2016:1-17.

[42]Zheng Hao, Feng Yixiong, Tan Jianrong. A fuzzy QoS-aware resource service selection considering design preference in cloud manufacturing system[J]. The International Journal of Advanced Manufacturing Technology, 2016, 84(1):371-379.

[43]Liu Yongkui ,Xu Xun, Zhang Lin, et al. Workload-based multi-task scheduling in cloud manufacturing[J]. Robotics and Computer-Integrated Manufacturing, 2016，45(2017):3-20.

[44]Li Huifang, Rui Jiang , Ge Siyuan. Researches on manufacturing cloud service composition & optimization approach supporting for service statistic correlation[C]// CCDC, 2014:4149-4154.

[45] Jian,C.F,& Wang,Y. Batch task scheduling-oriented optimization modelling and simulation in cloud manufacturing.International [J]. Journal of Simulation Modelling,2014,13(1), 93-101.

[46] Singh S, Chana I, Singh M, et al. SOCCER: Self-Optimization of Energy-efficient Cloud Resources[J]. Cluster Computing, 2016:1-14.

[47]Zhang Zhenghuan, Jiang Xiaofeng, Xi Hongsheng. Optimal content placement and request dispatching for cloud-based video distribution services[J]. International Journal of Automation & computing, 2016, 13(6):1-12.

[48] Wang Zhongjie, Xu Xiaofei. A sharing-oriented service selection and scheduling approach for the optimization of resource utilization[J]. Service Oriented Computing and Applications, 2012, 6(1):15-32.

[49] Ding Kai, Jiang Pingyu, Zheng Mei. Environmental and economic sustainability-aware resource service scheduling for industrial product service systems[J]. Journal of Intelligent Manufacturing,2015:1-14.

[50] 熊永華, 王靜, 吳敏,等. 面向多目標優(yōu)化的云制造虛擬資源調(diào)度方法[J].計算機集成制造系統(tǒng), 2015, 21(11):3079-3087.

[51] 袁浩, 李昌兵. 基于社會力群智能優(yōu)化算法的云計算資源調(diào)度[J]. 計算機科學, 2015, 42(4):206-208.

[52]武善玉, 張平, 李方. 云制造系統(tǒng)中基于粒子群優(yōu)化的多任務(wù)調(diào)度[J].華南理工大學學報, 2015, 43(1):105-110.

[53]馬軍, 羅國富, 路迪,等. 制造資源云集成元建模及云Agent服務(wù)調(diào)度研究[J].中國機械工程, 2014,25(7)：917-923，930.

[54] 江笑妍, 李芳. 云制造環(huán)境下基于蟻群算法資源動態(tài)調(diào)度優(yōu)化[J]. 物流科技, 2016, 39(1):24-27.

[55] 邰麗君, 胡如夫, 趙韓,等. 面向云制造服務(wù)的制造資源多目標動態(tài)優(yōu)化調(diào)度[J]. 中國機械工程, 2013, 24(12):1616-1622.

[56] 肖瑩瑩, 李伯虎, 莊長輝,等. 面向用戶多品種定制的分布式供應(yīng)鏈調(diào)度[J]. 計算機集成制造系統(tǒng), 2015, 21(3):800-812.

[57] 唐海波, 黃瓊瓊, 張明,等. 云制造環(huán)境下資源動態(tài)調(diào)度系統(tǒng)研究[J]. 機械工程與自動化, 2014(6):4-6.

[58] 趙莉. 基于改進布谷鳥搜索算法的云計算資源調(diào)度[J]. 南京理工大學學報, 2016, 40(4):472-476.

[59] 薛玉.云計算環(huán)境下的資源調(diào)度優(yōu)化模型研究[J].計算機仿真,2013,30(5):362-365.