使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，

确定继续浏览么?

复制成功，请在其他浏览器进行阅读

云制造环境下板材余料资源的服务匹配方法

- ORCID：
张世淼
- ORCID：
邵宏宇
- ORCID：
陈辰
- ORCID：
陈永亮

天津大学机构理论与装备设计教育部重点实验室，天津 300354

中图分类号： TH 164； TP 391

最近更新：2021-05-11

DOI：10.3785/j.issn.1006-754X.2021.00.026

摘要

在云制造环境下，针对中小型企业加工后的板材余料造成极大资源浪费的问题，提出了一种基于语义相似度算法同时融入QoS（quality of service，服务质量）信息的分层次资源描述模型。首先，建立板材余料和板材加工设备资源的本体模型；然后，基于语义相似度算法对板材余料和板材加工设备的各个属性参数进行匹配，得到初选服务集合；最后，通过模糊QoS匹配算法将描述用户需求的自然语言转化成三角模糊数，得到服务设备的优选集合。实例仿真结果表明，所提出的方法将板材余料作为制造资源接入云制造平台，以服务的形式进行共享，增强了服务匹配过程的准确性和可靠性，实现了对板材余料和闲置的板材加工设备资源的合理调度和使用。研究结果可为云制造环境下余料和加工设备资源的匹配优选提供一种新思路。

关键词

云制造; 板材余料; 加工设备资源; 语义相似度; 服务匹配

随着云计算、物联网等信息技术与先进制造技术的融合，云制造作为一种面向服务的、高效低耗的智能性网络化制造新模式^［

1］，已成为制造业发展的重要方向。国务院发布的《中国制造2025》提到：“发展基于互联网的个性化定制、众包设计、云制造等新型制造模式，推动形成基于消费需求动态感知的研发、制造和产业组织方式。”与传统制造相比，云制造的环境开放，能够满足海量用户的个性化需求，实现闲置资源的高效共享。

目前，在面向云制造的供应链流程管控过程中，存在跨规模企业供应链协同效率低的问题^［

2］。随着制造业的生产模式逐渐向小批量、多种类发展，很多板材加工类中小企业因智能化、信息化生产水平较低，极大部分板材余料被当作废料处理，难以再次利用。依托云制造模式的“制造即服务”思想^{［参考文献 3-4}3-4］，通过云制造平台将分布在各地的各类制造资源虚拟化和服务化，并进行统一管理，实现资源共享。因此，可将板材余料作为重要资源再次融入产品制造周期中，同时促进企业闲置加工设备的再次利用。在复杂的制造需求下，如何针对板材余料资源建立智能分类方法，对加工企业的板材余料和加工设备资源进行最优匹配，实现制造资源的服务化与高效共享^{［参考文献 5-6}5-6］，对不同规模企业的供应链协同实现动态优化，已成为亟待解决的问题。

目前，国内外学者已对云制造环境下资源的服务匹配问题进行了研究。例如：李慧芳等^［

7］采用五元组方法对制造资源进行描述，并根据服务类型和状态信息，提出了一种智能化的制造云服务搜索与匹配方法；荆彦臻^{［参考文献 8

百度学术}8］建立了面向加工能力的服务描述模型，采用聚类算法对功能性信息进行聚类，提出了基于可拓论的机械加工云服务集合选择方法，提高了服务匹配效率；孙晓琳^{［参考文献 9

百度学术}9］针对云制造环境下供应商的匹配，设计了三阶段匹配算法，主要包括功能性匹配、QoS（quality of service，服务质量）匹配和综合信息匹配；Zaremski等^{［参考文献 10

百度学术}10］对函数和模块两类软件库组件进行定义，提出了一种考虑精确匹配并兼顾不同松弛特征的函数-模块匹配方法；Zapater等^{［参考文献 11

百度学术}11］采用基于服务标准分类的匹配方法，将服务的匹配程度分为一般匹配、完全匹配等，并对服务进行归类；赵金辉等^{［参考文献 12

百度学术}12］提出了基于QoS的云服务双向匹配模型，针对供需双方的评价信息，利用可变模糊识别方法对多指标信息的综合满意度进行计算；高亚春等^{［参考文献 13

百度学术}13］提出了一种基于QoS本体的Web服务选择方法，将QoS参数的语义匹配度和数值匹配度相结合，利用归一化算法对不同类型的QoS参数进行标准化；Ahmed等^{［参考文献 14

百度学术}14］采用人工神经网络建立了基于QoS的服务匹配模型；Wang等^{［参考文献 15

百度学术}15］提出了一种基于多用户的服务匹配框架，利用历史用户的经验QoS值来预测丢失的QoS值，以提供全局最优的服务匹配结果。

综上所述，目前对云制造模式的研究主要集中在服务提供方为机加工型企业时的资源服务化、资源组织与资源匹配上，而针对余料型企业资源服务匹配的相关研究较少。由于余料资源与加工设备资源不同，现有的资源服务化、资源组织与资源匹配方法无法直接应用。因此，笔者拟基于板材余料资源的特点^［

16-17］，对云制造环境下板材余料资源的服务匹配方法进行研究，并结合实例进行可行性验证。云制造环境下板材余料资源服务匹配方法的整体架构如图1所示。

图1 云制造环境下板材余料资源服务匹配方法的整体架构

Fig. 1 Overall architecture of service matching method for surplus sheet material resource in cloud manufacturing environment

1 制造资源服务化建模

目前，制造资源的本体建模尚没有统一的方法，建模对象、建模目的和建模约束不同时所采用的建模方法是不同的。在制造资源本体建模方法中，“七步法”最为常用^［

18］。在“七步法”中，使用频率最高的工具是Protégé软件，该软件通过树形结构存储本体的概念和属性，可以清晰地梳理本体间的知识体系，创建资源本体模型。

板材加工企业与其他类型企业不同，其在拥有加工设备的同时还拥有大量的板材余料。与其他制造资源相比，板材余料资源的特殊性在于其形状和面积较难识别和计算。此外，由于板材加工设备种类和数量众多，实现板材余料及其加工设备资源的供需匹配成为一大难点。

针对板材加工企业制造资源的多样性和异构性，分别建立板材余料资源和板材加工设备资源的本体模型，并将服务描述语言转化为云制造平台可识别的语言，以消除语义信息的不一致。

1.1　板材余料资源本体建模

与其他制造资源相比，板材余料资源除了具有海量性和异构性的特点外，其在资源匹配中还具有优先性。在资源组织方面，可以使具有类似余料资源的企业形成服务集合，对分散的余料资源进行集中使用，以提高满足用户需求的能力。

板材加工企业的订单种类多且动态性强，导致板材余料的形状复杂多样且信息分散；同时，不同加工工艺可能会导致板材余料的理化属性和力学属性等不同。对板材余料资源的属性进行分析，构建其本体模型，如图2所示。

图2 板材余料资源本体模型

Fig. 2 Ontology model of surplus sheet material resource

为实现板材余料资源的共享和交互，采用三元组方式来表示其本体：

O = < C, R_{e}, H >

（1）

式中：O为板材余料资源本体；C为板材余料资源概念集合；R_e为板材余料资源概念关系集合，R_e=｛attribute-of， kind-of， instance-of｝，其中“attribute-of”表示一个概念是另一个概念的属性，“kind-of”表示2个概念间存在继承关系，“instance-of”表示概念与实例的关系；H为板材余料资源概念间的层次结构。

根据板材余料资源本体模型的结构特点，建立板材余料资源描述模型，表示为：

R_{M a t} = \{B_{A}, U_{A}, C_{I}\}

（2）

式中：B_A为基本属性集合，包含板材余料的编号（ID）、供应商编号（MsID）、材料（Mat）；U_A为调用属性集合，包含板材余料的形状（Shape）、面积（Area）、厚度（Thick）、最大有效长度（RecL）、最大有效宽度（RecW）；C_I为注释信息集合，包含板材余料的数量（Num）、表面质量（有、无划痕）（SurCondition）、模型（Model）。

对于某板材余料资源，可将其描述为： $\{\{I D$ ： MatR001， MsID： MS01， Mat： Q235｝，｛Shape：两边平行型， Aera： 0.54 m²， Thick： 10 mm， RecL： 60 mm， RecW： 810 mm｝，｛Num： 23件， SurCondition：无， Model： $\}\}$ 。

1.2　板材加工设备资源本体建模

板材加工设备分为冲床、剪切板和切割机三类。对板材加工设备的属性进行分析，构建其本体模型，如图3所示。

图3 板材加工设备资源本体模型

Fig. 3 Ontology model of sheet material processing equipment resource

根据板材加工设备资源本体模型的结构特点，建立板材加工设备资源描述模型，表示为：

R_{M a n u} = \{B_{A}, F_{A}, S_{A}\}

（3）

式中：B_A为基本属性集合，包含板材加工设备的编号（ID）、供应商编号（MsID）、类型（Type）、型号（Mdl）和制造商信息（Mfr）；F_A为功能属性集合，包含板材加工设备的输入（Input）（即加工设备所能加工的材料）、输出（Output）（即加工设备加工的工件类型和所能达到的最大加工尺寸）、加工前提（PreC）和预期结果（Exp）；S_A为状态属性集合，反映板材加工设备的状态，包含空闲、未满负荷、满负荷和失效等4种状态。

对于某板材加工设备资源，可将其描述为： $\{\{I D$ ： MauR001， MsID： MS01， Type：切割， Mdl： ROB-WELD， Mfr：奔腾 $激光\}$ ， $\{I n p u t$ ：不锈钢、碳素钢、镍合金、……， Output：毛坯、直接下料成形件， 0.01 mm， 3000 mm*1500 mm*150 mm，PreC：需求方提供图纸及工艺要求， Exp：完成需求方工艺 $要求\}$ ， $\{空闲\}\}$ 。

2 板材余料资源的服务匹配方法

2.1　基于本体语义相似度的制造资源匹配

2.1.1　本体语义相似度计算

结合板材余料资源和板材加工设备资源本体模型的结构特点，利用语义相似度算法对其属性参数进行匹配。考虑到属性参数对应概念节点之间的深度和密度，采用权重分配的方式计算本体树中第k层连接概念路径的权重W（k），计算式为：

W (k) = \frac{1}{2^{k - 1}}

（4）

则概念间的语义距离D（C₁，C₂）为：

D (C_{1}, C_{2}) = \{\begin{array}{l} 0, C_{1} 与 C_{2} 为 相 同 概 念 \\ l \times \sum W (k), C_{1} 与 C_{2} 有 继 承 关 系 \\ \infty, C_{1} 与 C_{2} 无 继 承 关 系 \end{array}

（5）

式中：l为本体树中2个概念间最短路径的长度，在本文计算中取l=1。

在对板材余料资源与板材加工设备资源进行匹配时，主要涉及语义型属性参数和数值型属性参数的相似度计算。

1）语义型属性参数。

当对板材余料资源的形状、材料等语义型属性参数进行匹配时，其相似度计算式为：

s (R, S) = \frac{1}{1 + α D (R, S)}

（6）

式中： $s (R, S)$ 为需求集合R与服务提供方集合S中对应属性参数之间的相似度；α为调节因子，当需求输出为服务输出的父概念时，α $\in (1,2]$ ，其他情况下α=1。

2）数值型属性参数。

当对板材余料的厚度、面积等数值型属性参数进行匹配时，为了避免匹配结果为厚度、面积过大的板材余料，在计算厚度与面积等属性参数的相似度时，加入权重以控制匹配结果，计算式为：

s (R, S) = \{\begin{array}{l} 1, 参 数 值 在 所 需 范 围 内 \\ 0, 参 数 值 在 所 需 范 围 外 \end{array}

（7）

2.1.2　板材余料的服务集合初选

依据板材余料在服务匹配中的优先性原则，对板材余料资源与其加工设备资源进行匹配，初步选定待选服务集合。首先根据板材余料的基本属性进行类别筛选，然后计算板材余料其他属性参数的相似度，最后输出待选服务集合。

在初选板材余料服务集合时，需先定义板材余料与板材加工设备之间的需求关系。由于需求包含服务描述内容，基于上文构建的板材余料资源和加工设备资源的描述模型，对某一具体需求进行描述，如表1所示。

表1 某板材余料与板材加工设备的需求描述

Table 1 Demand description of surplus sheet material and sheet processing equipment

资源属性	需求描述
板材余料形状(Shape)	两边平行型
板材余料材料（Mat）	碳素钢
板材余料面积(Area)	0.6 m²
板材余料厚度（Thick）	20 mm
板材余料数量（Num）	20 件
板材余料表面质量（SurCondition）	无
板材加工设备类型（Type）	切割
板材加工设备输入（Input）	碳素钢
板材加工设备输出（Output）	法兰毛坯件

步骤1 板材余料类别匹配。

按照板材余料的形状，将云制造平台下板材余料资源分为两边平行型、两边垂直型、矩形组合型、多边形、矩形、正方形、圆形、三角形和不规则型等9种类型，形成9个资源集合。通过板材余料形状的匹配可快速过滤无关资源，提高服务匹配效率。

输入：板材余料形状需求（R.Shape）。

输出：板材余料资源集合（ $S_{M a t}^{'}$ ）。

在板材余料资源本体模型中，“形状”为语义型属性参数，利用式（6）计算其匹配度，若匹配度为1，则输出该形状下的板材余料资源集合S_Mat。

步骤2 板材余料资源其他属性（主要为材料、面积和厚度）匹配。

输入：板材余料材料需求（R.Mat）、板材余料面积需求（R.Area）、板材余料厚度需求（R.Thick）、板材余料数量需求（R.Num）、板材余料表面质量需求（R.SurCondition）和匹配度阈值（ω_RMat）。

输出：板材余料资源匹配集合（ $S_{M a t}^{'}$ ）、板材余料匹配度集合（d）、服务提供方集合（S₁）。

初始状态下板材余料资源匹配集合 $S_{M a t}^{'}$ $= \emptyset$ ， $d = \emptyset, S_{1} = \emptyset$ ，板材余料资源其他属性的匹配流程为：

1）上述板材余料属性中包含语义型和数值型属性参数，利用式（6）和式（7）计算需求集合R与板材余料资源集合S_Mat中各对应属性参数的匹配度，R与S_Mat_i（ $i$ 为板材余料资源集合内元素的序号， $i = 1,2, \dots, K_{1}$ ）的匹配度d_i为各属性参数匹配度的均值，若 $d_{i} \geq ω_{R M a t}$ ，则保留板材余料资源集合S_Mat_i，即 $S_{M a t}^{'} = \{S_{M a t i}\} ⋃ S_{M a t}^{'}$ ， $d = \{d_{i}\} ⋃ d$ 。

2） $i = i + 1$ ，若 $i \leq K_{1}$ ，则转1），否则转3）。

3）算法终止，输出板材余料资源匹配集合 $S_{M a t}^{'}$ 、板材余料资源匹配度集合 $d_{}$ 和服务提供方集合 $S_{1}$ 。

2.1.3　板材加工设备资源匹配

考虑到制造资源与服务提供方的关联性，基于输出的服务提供方集合 $S_{1}$ ，输出服务提供方所拥有的板材加工设备资源集合S_Manu。板材加工设备资源的匹配主要涉及类型、输入和输出的匹配。由于需求与服务可能含有多个输入、输出，当且仅当需求的每一个输入、输出与资源的输入、输出完全匹配时，需求方与服务方的板材加工设备资源信息才是匹配的。

步骤1 板材加工设备类型与状态信息的匹配。

通过板材加工设备类型与状态信息的匹配，可以快速淘汰无关资源。

输入：板材加工设备类型需求（ $R . T y p e$ ）和匹配度阈值（ $ω_{T y p e}$ ）。

输出：板材加工设备资源匹配集合（ $S_{M a n u}^{'}$ ），类型匹配度集合（ $d_{T y p e}^{}$ ）。

初始状态下 $S_{M a n u}^{'} = \emptyset$ ， $d_{T y p e} = \emptyset$ ，板材加工设备类型与状态信息的匹配流程为：

1）利用式（5）计算板材加工设备资源集合S_Manu内设备类型与需求类型的匹配度 $d_{T y p e j}^{} = s (R . T y p e, T y p e)$ 。若 $d_{T y p e j}^{} \geq ω_{T y p e}$ 且加工设备不处于超负荷状态，则保留设备资源S_Manu_j（j为板材加工设备资源集合内元素的序号，j=1，2，…，K₂），即 $S_{M a n u}^{'} = \{S_{M a n u}^{'}\} ⋃ S_{M a n u j}$ ， $d_{T y p e}^{} = \{d_{T y p e j}^{}\} ⋃ d_{T y p e}^{}$ 。

2） $j = j + 1$ ，若 $j \leq K_{2}$ ，则转1），否则转3）。

3）算法终止，输出板材加工设备资源匹配集合 $S_{M a n u}^{'}$ 及对应的服务匹配度集合 $d_{T y p e}^{'}$ 。

步骤2 板材加工设备的输入与输出匹配。

板材加工设备输入与输出匹配的基本思路为：对需求和上一步骤内输出的板材加工设备资源匹配集合 $S_{M a n u}^{'}$ 的每一个输入与输出进行匹配。假设板材加工设备资源输出有 $n$ 个，需求输出有 $m$ 个，当 $m > n$ 时，需求与服务无法匹配；当 $m \leq n$ 时，依据需求概念相对资源概念所在的层级，选用合适的方法计算其匹配度。同理，对于需求输入的匹配，需求输入有 $p$ 个，资源输入有 $q$ 个，当 $p > q$ 时，需求与服务不能匹配；当 $p \leq q$ 时，依据相应的公式计算其匹配度。

输入：输入需求（ $R . I n p u t$ ）、输出需求（ $R . O u t p u t$ ）和匹配度阈值 $ω_{I O}$ 。

输出：板材加工设备资源匹配集合（ $S_{M a n u}^{'}$ ）、输入与输出的匹配相似度集合（ $d_{I O}^{}$ ）和服务提供方集合（ $S_{2}$ ）。

初始状态下 $d_{I O}^{} = \emptyset$ ，板材加工设备的输入与输出的匹配流程：

1）当 $m \leq n 且 p \leq q$ 时，逐一计算板材加工设备资源匹配集合 $S_{M a n u}^{'}$ 内设备输入与输出的匹配度，取二者均值为输入与输出匹配度 $d_{I O t}^{}$ 。若 $d_{I O t}^{} \geq ω_{I O}$ ，则保留该资源，否则将此条资源删除， $d_{I O}^{} = \{d_{I O t}^{}\} ⋃ d_{I O}^{}$ 。

2）算法终止，输出板材加工设备资源匹配集合 $S_{M a n u}^{'}$ 、输入与输出匹配度集合 $d_{I O}^{}$ 和服务提供方集合 $S_{2}$ 。

2.2　模糊QoS匹配算法

板材加工企业的QoS指标主要包括价格、信誉度、响应时间、物流服务、排产期以及曾经合作情况等6个指标，如图4所示。

图4 板材加工企业的QoS指标

Fig. 4 QoS indicators for sheet material processing enterprises

板材加工企业的QoS指标可表示为：

Q o S = \{P c, R e p, T r, C v, S p, C o\}

其中：Pc表示价格，指用户付的酬金；Rep表示信誉度，指用户对服务的评价；Tr表示响应时间，指需求从发布到接收所需的时间；Cv表示物流服务，指当前定价下是否提供物流服务；Sp表示排产期，指接收任务到执行任务的生产时间；Co表示曾经合作情况，有些用户更倾向于与合作过的服务方再次合作，以达成长期的战略合作。

但是，某些评价指标很难定量描述，例如信誉度常采用“高”“低”“一般”等自然语言来描述，为模糊语言^［

19］；此外，用户对QoS往往有不同的偏好^{［参考文献 20-21}20-21］，匹配结果不一定满足用户需求。因此，采用三角模糊数将模糊语言转化为数值进行定量描述；此外，为满足用户个性化需求，在计算QoS时引入用户偏好P和三角模糊数

μ (x)

。

P = \{η_{1}, η_{2}, η_{3}, η_{4}, η_{5}, η_{6}\}, \sum_{g = 1}^{6} η_{g} = 1

（8）

μ (x) = \{\begin{array}{l} \frac{x - l_{L}}{h - l_{L}}, x \in [l_{L}, h) \\ \frac{x - u_{L}}{h - u_{L}}, x \in [h, u_{L}] \\ 0, 其 他 \end{array}

（9）

式中： $l$ _L为模糊下限； $u$ _L为模糊上限； $h$ 为模糊数在模糊区间内可能性最大的值， $l_{L} \leq h \leq u_{L}$ 。

对于一个给定论域 $M$ 上的模糊集，总存在一个数使得 $μ (x) \in [0,1]$ 。将各类Qos指标的描述语言转化为三角模糊数，如表2所示。

表2 Qos指标的描述语言与三角模糊数对照表

Table 2 Comparison table of QoS index description language and triangular fuzzy number

指标类型	自然语言	三角模糊数
语义型	无	（0, 0, 0）
	很低	（0, 0.125, 0.25）
	低	（0.125, 0.25, 0.375）
	微低	（0.25， 0.35, 0.5）
	中	（0.375, 0.5, 0.6, 5）
	微高	（0.5, 0.625, 0.75）
	高	（0.625, 0.75, 0.875）
	很高	（0.75, 0.875, 1）
	完全	（1, 1, 1）
区间型	[c₁, c₂]	（c₁, c₁, c₂）
布尔型	是	（1, 1, 1）
布尔型	否	（0, 0, 0）
数值型	c₁	（c₁, c₁, c₁）

基于三角模糊数， QoS的计算步骤为：

1） QoS矩阵Q中每一行代表某一服务提供方的QoS指标，每一列代表各企业QoS指标的对比。对各QoS指标进行归一化处理后得到 $Q^{'}$ ，然后提取最优QoS指标，得到矩阵 $B = [b_{1} b_{2} \dots b_{6}]$ 。

2）引入用户偏好，计算 $Q^{'}$ 与 $B$ 中每一列的相似度。由于矩阵内元素为三角模糊数，选用三角模糊数欧几里得贴近度进行计算，为：

s_{Q o S} = 1 - \sqrt[]{\frac{1}{6} \sum_{g = 1}^{6} P_{g} {(b_{g} - x_{f g}^{'})}^{2}}

（10）

式中： $P_{g}$ 为用户偏好； $x_{f g}^{'}$ 为QoS归一化矩阵 $Q^{'}$ 中的元素。

3）依照 $Q^{'}$ 与 $B$ 中对应元素的匹配度，对集合 $S$ 进行排序，返回排序后的最终输出集合 $S^{'}$ 。

3 实例仿真

以表1为需求信息的输入来源，利用6家企业的20条板材余料资源与20条板材加工设备资源信息进行服务匹配，以验证本文方法的可行性。板材余料资源和板材加工设备资源信息分别如表3和表4所示。

表3 板材余料资源信息

Table 3 Surplus sheet material resource information

编号(ID)	供应商编号(MsID)	材料(Mat)	厚度(Thick)/mm	面积(Aera)/ $m^{2}$	数量(Num)/件	表面质量(SurCondition)^1）
MatR01	MS01	Q235	10	1.60	15	0
MatR02	MS01	08	12	1.80	15	0
MatR03	MS01	Q235	8	0.90	20	0
MatR04	MS01	Q275	10	0.95	20	0
MatR05	MS02	10	15	0.88	25	1
MatR06	MS02	20Mn	16	0.95	32	0
MatR07	MS02	25	8	1.30	26	0
MatR08	MS03	Q390	4	1.60	33	1
MatR09	MS03	Q275	10	1.40	16	0
MatR10	MS03	45	10	0.85	18	0
MatR11	MS03	45	10	0.96	22	0
MatR12	MS03	55	12	1.50	31	1
MatR13	MS04	Q420	12	1.20	27	0
MatR14	MS04	Q235	10	1.10	21	0
MatR15	MS05	45	10	0.80	18	1
MatR16	MS05	20Mn	12	0.98	10	0
MatR17	MS05	45	12	0.90	13	1
MatR18	MS05	Q420	10	0.80	6	0
MatR19	MS06	Q390	8	0.65	10	0
MatR20	MS06	Q345	8	0.74	11	0

注： 1）为方便计算表述，用“1”表示“有”，用“0”表示“无”。

表4 板材加工设备资源信息

Table 4 Sheet material processing equipment resource information

编号(ID)	供应商编号(MsID)	类型（Type）	输入（Input）	输出（Output）^1）	状态（State）
ManuR01	MS01	火焰切割	碳素钢	毛坯件，0.02 mm、150 mm 3000 mm 1500 mm	空闲
ManuR02	MS01	电火花	碳素钢	毛坯件，0.005 mm，15 mm 300 mm 950 mm	未满负荷
ManuR03	MS01	机械冲切	碳素钢	毛坯件，0.02 mm，15 mm 4070 mm 100 mm	空闲
ManuR04	MS02	激光切割	船体结构钢	毛坯件，0.02 mm，2400 mm 1500 mm 1100 mm	满负荷
ManuR05	MS02	电火花	锅炉用钢	毛坯件，0.005 mm，20 mm 300 mm 950 mm	空闲
ManuR06	MS02	等离子切割	碳素钢	毛坯件，0.02 mm，30 mm 3500 mm 2500 mm	空闲
ManuR07	MS02	折弯	碳素钢	压力容器，0.005 mm，15 mm 2000 mm 1480 mm	空闲
ManuR08	MS03	液压剪板	低合金钢	毛坯件，0.005 mm，25 mm 2000 mm 1480 mm	未满负荷
ManuR09	MS03	电火花	建筑系列钢	毛坯件，0.005 mm，25 mm300 mm 950 mm	空闲
ManuR10	MS04	等离子切割	碳素钢	法兰毛坯，0.02 mm，30 mm 3500 mm 2500 mm	空闲
ManuR11	MS04	数控剪板	压力容器用钢	毛坯件，0.05 mm，20 mm 2520 mm 900 mm	空闲
ManuR12	MS04	折弯	桥梁用钢	切割件，0.005 mm，15 mm 2000 mm 1480 mm	空闲
ManuR13	MS05	数控冲床	碳素钢	毛坯件，0.02 mm，15 mm 2000 mm 1480 mm	未满负荷
ManuR14	MS05	水切割	Q235	毛坯件，0.005 mm，20 mm 300 mm 950 mm	满负荷
ManuR15	MS05	火焰切割	碳素钢	毛坯件，0.02 mm，20 mm 4070 mm 2000 mm	空闲
ManuR16	MS05	液压剪板	碳素钢	毛坯件，0.05 mm，20 mm 4070 mm 100 mm	空闲
ManuR17	MS06	液压剪板	不锈钢	毛坯件，0.005 mm，15mm 2000 mm1480 mm	满负荷
ManuR18	MS06	机械冲床	低合金钢	毛坯件，0.02 mm，20 mm 4070 mm 100 mm	空闲
ManuR19	MS06	折弯	桥梁用钢	毛坯件，0.005 mm，15 mm 2000 mm 1480 mm	空闲
ManuR20	MS06	火焰切割	碳素钢	毛坯件，0.02 mm，20 mm 4070 mm 100 mm	空闲

注： 1）描述模型中板材加工设备的输出形式。

3.1　基于板材余料特征的服务集合初选阶段

依据板材余料形状的本体结构，计算各形状匹配度。通过计算可得，9种板材余料形状的匹配度如表5所示。

表5 板材余料形状的匹配度

Table 5 Matching degree of shapes of surplus plate material

形状（Shape）	匹配度
Shape1	1
Shape2	0.33
Shape3	0.33
Shape4	0.33
Shape5	0.33
Shape6	0.33
Shape7	0.33
Shape8	0.33
Shape9	0.33

依据图5所示的板材余料资源材料的本体结构，计算板材余料资源各属性参数的匹配度及其综合匹配度，结果如表6所示。

图5 板材余料材料的本体结构

Fig. 5 Ontology structure of material of surplus sheet material

表6 板材余料资源的匹配度

Table 6 Matching degree of surplus sheet material resource

编号（ID）	供应商编号（MsID）	匹配度					综合匹配度
编号（ID）	供应商编号（MsID）	材料（Mat）	厚度（Thick）	面积（Area）	数量（Num）	表面质量（SurCondition）	综合匹配度
MatR01	MS01	0.89	1	0	1	1	0.78
MatR02	MS01	0.89	1	0	1	1	0.78
MatR03	MS01	0.89	1	1	1	1	0.98
MatR04	MS01	0.89	1	1	1	1	0.98
MatR05	MS02	0.89	0	1	1	0	0.58
MatR06	MS02	0.89	1	1	1	1	0.98
MatR07	MS02	0.89	0	1	1	1	0.78
MatR08	MS03	0.25	0	0	1	0	0.25
MatR09	MS03	0.89	1	1	1	1	0.98
MatR10	MS03	0.89	1	1	1	1	0.98
MatR11	MS03	0.89	1	1	1	1	0.98
MatR12	MS03	0.89	1	0	1	0	0.58
MatR13	MS04	0.89	1	1	1	1	0.98
MatR14	MS04	0.89	1	1	1	1	0.98
MatR15	MS05	0.89	1	1	1	0	0.78
MatR16	MS05	0.89	1	1	1	1	0.98
MatR17	MS05	0.89	1	1	1	0	0.78
MatR18	MS05	0.25	1	1	0	1	0.65
MatR19	MS06	0.25	1	0	1	1	0.65
MatR20	MS06	0.25	1	0	1	1	0.65

根据表6结果，通过计算，输出的结果为：

\begin{array}{l} S_{M a t}^{'} = \{M a t R 03, M a t R 04, M a t R 06, M a t R 09, M a t R 10, \\ M a t R 11, M a t R 13, M a t R 14, M a t R 16\} \end{array}

d = \{0.98, 0.98, 0.98, 0.98, 0.98, 0.98, 0.98, 0.98, 0.98\}

S_{1} = \{M S 01, M S 02, M S 03, M S 04, M S 05\}

3.2　板材加工设备资源匹配阶段

根据计算得到的 $S_{1}$ ，导出板材加工设备资源集合 $S_{M a n u}$ 。首先，淘汰状态为满负荷的板材加工设备 $M a n u R 04$ 和 $M a n u R 14$ ；然后，计算板材加工设备形状与需求形状的匹配度。板材加工设备类型的本体结构如图6所示，其匹配度计算结果如表7所示。

图6 板材加工设备类型的本体结构

Fig. 6 Ontology structure of type of sheet material processing equipment

表7 板材加工设备类型的匹配度

Table 7 Matching degree of type of sheet material processing equipment

板材加工设备	类型的匹配度	板材加工设备	类型的匹配度
ManuR01	0.89	ManuR09	0.89
ManuR02	0.89	ManuR10	0.89
ManuR03	0.50	ManuR11	0.35
ManuR05	0.89	ManuR12	0.21
ManuR06	0.89	ManuR13	0.35
ManuR07	0.21	ManuR15	0.89
ManuR08	0.35	ManuR16	0.35

根据表7结果，通过计算可得：

\begin{array}{l} S_{M a n u}^{'} = \{M a n u R 01, M a n u R 02, M a n u R 05, \\ M a n u R 06 M a n u R 09, M a n u R 10, M a n u R 15\} \end{array}

d_{T y p e}^{} = \{0.89, 0.89, 0.89, 0.89, 0.89, 0.89, 0.89, 0.89\}

然后对 $S_{M a n u}^{'}$ 进行服务输入与输出匹配，结果如表8所示。

表8 板材加工设备输入与输出的匹配度

Table 8 Matching degree of input and output of sheet material processing equipment

板材加工设备	输入与输出的匹配度
ManuR01	0.90
ManuR02	0.90
ManuR05	0.65
ManuR06	0.90
ManuR09	0.65
ManuR10	1.00
ManuR15	0.90

通过计算，输出的结果为：

\begin{array}{l} S_{M a n u}^{'} = \{M a n u R 01, M a n u R 02, M a n u R 06, \\ M a n u R 10, M a n u R 15\} \end{array}

S_{2} = \{M S 01, M S 02, M S 04, M S 05\}

S = S_{1} ⋂ S_{2} = \{M S 01, M S 02, M S 04, M S 05\}

3.3　模糊QoS匹配过程

根据上文的模糊QoS匹配算法，输入： $S = \{M S 01, M S 02, M S 04, M S 05\}$ ， $P = \{0.2$ ，0.1，0.1，0.2，0.3， $0.1\}$ ，输出：依据QoS匹配排序的服务提供方集合 $S^{'}$ 。4家供应商的QoS指标如表9所示。

根据表9结果，对各板材加工企业的QoS指标进行三角模糊化并建立矩阵Q：

Q = [\begin{matrix} (100, 100, 150) & (0.5, 0.625, 0.75) & (0.625, 0.75, 0.875) & (0, 0, 0) & (2, 2, 2) & (1, 1, 1) \\ (90, 90, 140) & (0.375, 0.5, 0.626) & (0, 0.125, 0.25) & (0, 0, 0) & (3, 3, 3) & (0, 0, 0) \\ (110, 110, 170) & (0.625, 0.75, 0.875) & (0.625, 0.75, 0.875) & (1, 1, 1) & (1, 1, 1) & (0, 0, 0) \\ (100, 100, 150) & (0.375, 0.5, 0.626) & (0.125, 0.25, 0.375) & (1, 1, 1) & (3, 3, 3) & (1, 1, 1) \end{matrix}]

表9 4家供应商的QoS指标

Table 9 QoS index of four suppliers

供应商编号（MsID）	价格（Pc）/元	信誉度（Rep）	响应时间（Tr）	物流服务（Cv）	排产期（Sp）/月	曾经合作情况（Co）
$M S 01$	（100, 150）	微高	快	否	2	是
$M S 02$	（90, 140）	中等	很慢	否	3	否
$M S 04$	（110, 170）	高	快	是	1	否
$M S 05$	（100, 150）	一般	慢	是	3	是

利用式（9）对Q进行归一化处理，得到 $Q'$ ：

Q' = [\begin{matrix} (0.5, 0.5, 0.67) & (1, 1, 1) & (1, 1, 1) & (1, 1, 1) & (0.5, 0.5, 0.5) & (1, 1, 1) \\ (1, 1, 1) & (0, 0, 0) & (0, 0, 0) & (0, 0, 0) & (1, 1, 1) & (0, 0, 0) \\ (0, 0, 0) & (1, 1, 1) & (1, 1, 1) & (1, 1, 1) & (0, 0, 0) & (0, 0, 0) \\ (0.5, 0.5, 0.67) & (0, 0, 0) & (0.2, 0.2, 0.2) & (1, 1, 1) & (1, 1, 1) & (1, 1, 1) \end{matrix}]

得：

B = [(0,0, 0) (1,1, 1) (1,1, 1) (1,1, 1) (0,0, 0) (1,1, 1)]

利用式（10）计算 $Q' 与 B$ 对应列的匹配度，最终得到供应商排序结果为：

S^{'} = \{M S 01, M S 04, M S 05, M S 02\}

则满足需求的板材余料资源与板材加工设备资源集合为：

M S 01 = \{\{M a t R 03, M a t R 04\}, \{M a n u R 01, M a n u R 02\}\}

M S 02 = \{\{M a t R 06\}, \{M a n u R 06\}\}

M S 04 = \{\{M a t R 13, M a t R 14\}, \{M a n u R 10\}\}

M S 05 = \{\{M a t R 16\}, \{M a n u R 15\}\}

经过匹配计算后，得到了需求与每条资源间的匹配度，在众多资源中匹配出4家供应商的6条板材余料资源与5条加工设备资源可满足需求，并通过模糊QoS匹配算法对4家供应商进行了排序，验证了该匹配方法的可行性。

4 结论

针对板材加工行业内板材余料浪费严重且再利用困难的问题，依托云制造技术，将板材余料作为制造资源接入云制造平台，从知识领域层面对板材余料和板材加工设备资源进行本体建模，提出了一种基于语义相似度算法同时融入QoS信息的分层次资源描述模型。先通过语义相似度算法对板材余料和板材加工设备的各个属性参数进行匹配，得到初选服务集合；再通过模糊QoS匹配算法对用户需求进行匹配，得到优选服务集合；最后，结合实例验证了该方法的可行性。

本文主要创新点包括以下2个方面：1）资源服务化。本文通过构建资源本体模型，提出了一种基于语义相似度算法同时融入QoS信息的分层信息模型，对余料资源进行匹配。2）资源共享化。搭建了一个制造能力与资源高度共享且用户可按需调用的制造体系。余料被作为废物处理时，其价格往往只有原价格的1⁄5，传统的资源匹配方法因订单的零散性、行业区域的分散性等原因而导致匹配效率很低。本文所提出的方法可为企业余料资源的再利用提供指导，促使余料资源信息在行业内高度共享，在提高资源利用率的同时大大降低了成本。

参考文献

陶飞，张霖，郭华，等.云制造特征及云服务组合关键问题研究［J］.计算机集成制造系统，2011，17（3）：477-486. doi：10.13196/j.cims.2011.03.31.taof.007 [百度学术]

TAO Fei， ZHANG Lin， GUO Hua， et al. Typical characteristics of cloud manufacturing and several key issues of cloud service composition［J］. Computer Integrated Manufacturing Systems， 2011， 17（3）： 477-486. [百度学术]

YU Chun-yang， JIANG Xuan-lin， YU Shi-qiang， et al. Blockchain-based shared manufacturing in support of cyber physical systems： concept， framework， and operation［J］. Robotics and Computer Integrated Manufacturing， 2020， 64： 101931. doi：10.1016/j.rcim.2019.101931 [百度学术]

李金华.德国“工业4.0”与“中国制造2025”的比较及启示［J］.中国地质大学学报（社会科学版），2015，15（5）：71-79. doi：10.16493/j.cnki.42-1627/c.2015.05.009 [百度学术]

LI Jin-hua. Comparison and enlightenment of German 'Industry 4.0' and 'Made in China 2025'［J］. Journal of China University of Geosciences（Social Sciences Edition）， 2015， 15（5）： 71-79. [百度学术]

魏宏静，李少波.云制造中产品个性化定制研究综述［J］.工程设计学报，2018，25（1）：12-17. doi：10.3785/j.issn.1006-754X.2018.01.002 [百度学术]

WEI Hong-jing， LI Shao-bo. Study of product personalized customization based on cloud manufacturing［J］. Chinese Journal of Engineering Design， 2018， 25（1）： 12-17. [百度学术]

李伯虎，张霖，任磊，等.再论云制造［J］.计算机集成制造系统，2011，17（3）：449-457. doi：10.13196/j.cims.2011.03.3.libh.004 [百度学术]

LI Bo-hu， ZHANG Lin， REN Lei， et al. Further discussion on cloud manufacturing［J］. Computer Integrated Manufacturing Systems， 2011， 17（3）： 449-457. [百度学术]

尹超，张云，钟婷.面向新产品开发的云制造服务资源组合优选模型［J］.计算机集成制造系统，2012，18（7）：1368-1378. doi：10.13196/j.cims.2012.07.27.yinch.030 [百度学术]

YIN Chao， ZHANG Yun， ZHONG Ting. Optimization model of cloud manufacturing services resource combination for new product development［J］. Computer Integrated Manufacturing Systems， 2012， 18（7）： 1368-1378. [百度学术]

李慧芳，董训，宋长刚.制造云服务智能搜索与匹配方法［J］.计算机集成制造系统，2012，18（7）：1485-1493. doi：10.13196/j.cims.2012.07.144.lihf.018 [百度学术]

LI Hui-fang， DONG Xun， SONG Chang-gang. Intelligent searching and matching approach for cloud manufacturing service ［J］. Computer Integrated Manufacturing Systems， 2012， 18（7）： 1485-1493. [百度学术]

荆彦臻.云模式下机械加工服务供需匹配方法研究［D］.西安：西安理工大学，2018：1-65. [百度学术]

JIN Yan-zhen. Research on service supply-demond matching for matching in cloud mode［D］. Xi'an： Xi'an University of Technology， 2018： 1-65. [百度学术]

孙晓琳.云制造环境下供应商匹配方法研究［D］.大连：大连理工大学，2016：1-68. [百度学术]

SUN Xiao-lin. Research on supplier matching method under cloud manufacturing environment［D］. Dalian： Dalian University of Technology， 2016： 1-68. [百度学术]

ZAREMSKI A M， WING J M. Signature matching： a tool for using software libraries［J］. ACM Transaction Software Engineering and Methodology， 1995， 4（2）： 146-170. doi：10.1145/210134.210179 [百度学术]

ZAPATER J， ESCRIVÁ D M， GARCÍA R， et al. Semantic web service discovery system for road traffic information services［J］. Expert Systems with Applications， 2015， 42（8）： 3833-3842. doi：10.1016/j.eswa.2015.01.005 [百度学术]

赵金辉，王学慧.基于服务质量的云制造服务双向匹配模型［J］.计算机集成制造系统，2016，22（1）：104-112. doi：10.13196/j.cims.2016.01.010 [百度学术]

ZHAO Jin-hui， WANG Xue-hui. Two-sided matching model of cloud service based on QoS in cloud manufacturing environment［J］. Computer Integrated Manufacturing Systems， 2016， 22（1）： 104-112. [百度学术]

高亚春，张为群.基于QoS本体的Web服务描述和选择机制［J］.计算机科学，2008，35（12）：273-276. doi：10.3969/j.issn.1002-137X.2008.12.073 [百度学术]

GAO Ya-chun， ZHANG Wei-qun. Web service description and selection mechanism based on QoS ontology［J］. Computer Science， 2008， 35（12）： 273-276. [百度学术]

AHMED S， BEGUM M， SIDDIQUI F H， et al. Dynamic web service discovery model based on artificial neural network with QoS support［J］. International Journal of Scientific & Engineering Research， 2012， 3（3）： 296-302. [百度学术]

WANG S G， HSU C H， LIANG Z J， et al. Multi-user web service selection based on multi-QoS prediction［J］. Information Systems Frontiers， 2014， 16（1）： 143-152. doi：10.1007/s10796-013-9455-4 [百度学术]

丁慧君，吴鹏，丁晟春.产品设计过程本体构建及其与知识本体映射方案研究［J］.情报理论与实践，2014，37（9）：125-128. [百度学术]

DING Hui-jun， WU Peng， DING Shen-chun. Research on the product design process ontology architecture and its mapping scheme with knowledge ontology［J］. Information Studies： Theory & Application， 2014， 37（9）： 125-128. [百度学术]

陈继文，杨红娟，张进生，等.基于变型空间FBS本体映射的产品创新设计方法［J］.计算机集成制造系统，2013，19（11）：2671-2679. doi：10.13196/j.cims.2013.11.chenjiwen.2671.9.2013111 [百度学术]

CHEN Ji-wen， YANG Hong-juan， ZHANG Jin-sheng， et al. Product innovative design based on variant space FBS ontology mapping［J］. Computer Integrated Manufacturing Systems， 2013， 19（11）： 2671-2679. [百度学术]

韩韧，黄永忠，刘振林，等.OWL本体构建方法的研究［J］.计算机工程与设计，2008，29（6）：1397-1400. [百度学术]

HAN Ren， HUANG Yong-zhong， LIU Zhen-lin， et al. Research on OWL ontology building method［J］. Computer Engineering and Design， 2008， 29（6）： 1397-1400. [百度学术]

施荣荣，周晓明，郭成吴.支持QoS和用户需求的Web服务选择模糊算法［J］.计算机应用研究，2011，28（5）：1748-1751. doi：10.3969/j.issn.1001-3695.2011.05.044 [百度学术]

SHI Rong-rong， ZHOU Xiao-ming， GUO Cheng-wu. Web service selection fuzzy algorithm for QoS and user’s requirements［J］. Application Research of Computers， 2011， 28（5）： 1748-1751. [百度学术]

MOGHADDAM K S. Fuzzy multi-objective model for supplier selection and order allocation in reverse logistics systems under supply and demand uncertainty［J］. Expert Systems with Applications， 2015， 42（15/16）. doi：10.1016/j.eswa.2015.02.010 [百度学术]

孙晓琳，金淳，马琳，等.云制造环境下基于本体和模糊QoS的供应商匹配方法［J］.中国管理科学，2018，26（1）：128-138. doi：10.7146/grs.v26i1.15497 [百度学术]

SUN Xiao-lin， JIN Chun， MA Lin， et al. Supplier matching method based on ontology and fuzzy QoS in cloud manufacturing environments［J］. Chinese Journal of Management Science， 2018， 26（1）： 128-138. [百度学术]

云制造环境下板材余料资源的服务匹配方法

摘要

关键词

1 制造资源服务化建模

1.1 板材余料资源本体建模

1.2 板材加工设备资源本体建模

2 板材余料资源的服务匹配方法

2.1 基于本体语义相似度的制造资源匹配

2.2 模糊QoS匹配算法