葉寶忠，陳 建

（桂林航天工業(yè)學(xué)院，桂林 541004）

0 引言

云制造是一種充分利用信息網(wǎng)絡(luò)，以云平臺(tái)為媒介，通過將分散的制造資源集中，再將集中的制造資源分散的運(yùn)行機(jī)制，為制造用戶提供適時(shí)所需的制造服務(wù)的制造新模式，其目的在于實(shí)現(xiàn)制造資源的高度共享與優(yōu)化配置，以提高制造資源的使用效率以及制造業(yè)的制造效率[1]。隨著制造業(yè)的不斷發(fā)展和壯大，云制造技術(shù)日益普及，云平臺(tái)用戶與日俱增，越來(lái)越多的制造資源匯聚于云平臺(tái)資源池中，如何從大量的資源池中選擇最佳資源成為了當(dāng)前的研究熱點(diǎn)。Vahideh Hayyolalam[2]對(duì)云制造環(huán)境下服務(wù)組合與優(yōu)化選擇問題進(jìn)行了系統(tǒng)地研究；Yanjuan Hu[3]基于灰色關(guān)聯(lián)分析和TOPSIS法研究了云制造環(huán)境下服務(wù)商的優(yōu)化決策問題；Yefeng Yang[4]提出一種基于能量感知的服務(wù)組合優(yōu)化選擇模型，以保證云環(huán)境下任務(wù)期間的高質(zhì)量和低能耗；李海[5]、尹超[6]、龔小容[7]對(duì)云制造環(huán)境下機(jī)床裝備資源的選擇方法進(jìn)行了研究；程元[8]給出了云環(huán)境下3D打印設(shè)備的優(yōu)選方法；王曉妍[9]探究了云制造環(huán)境下的數(shù)控裝備資源服務(wù)匹配方法；王有遠(yuǎn)[10]提出一種云環(huán)境下設(shè)備資源與加工任務(wù)匹配方法；周樹林[11]給出了云制造中生產(chǎn)設(shè)備資源的服務(wù)化封裝方法。

上述文獻(xiàn)均對(duì)云制造及其制造資源的選擇與組合問題進(jìn)行了深入研究，并取得重要進(jìn)展，總體看來(lái)，目前更多的是側(cè)重于機(jī)械、機(jī)床、設(shè)備等硬資源的關(guān)注。眾所周知，云制造資源中除了以上硬資源以外，還存在如人力資源、知識(shí)資源、能力資源等軟資源，而這類軟資源也是云制造資源不可或缺的組成部分，在實(shí)現(xiàn)云制造模式的過程中扮演著重要角色。其中，知識(shí)資源作為典型的軟資源，貫穿于制造生產(chǎn)周期中的各個(gè)環(huán)節(jié)。隨著市場(chǎng)競(jìng)爭(zhēng)的加劇，產(chǎn)品更新?lián)Q代的速度也日趨加快，制造企業(yè)對(duì)于知識(shí)資源的需求也會(huì)更加旺盛和迫切。另一方面，從供需雙方選擇匹配的角度來(lái)看，現(xiàn)階段針對(duì)制造資源需求方選擇提供方的研究較多，而對(duì)于提供方選擇需求方的關(guān)注鮮為少見。不言而喻，在云環(huán)境中，制造業(yè)供需雙方在進(jìn)行選擇匹配時(shí)，優(yōu)質(zhì)的制造資源提供方往往是需求方青睞的對(duì)象，其時(shí)常會(huì)同時(shí)面對(duì)多個(gè)需求方的資源需求，而此時(shí)，提供方該如何從中做出選擇也是亟需解決的問題。

然而，當(dāng)前研究中沒有文獻(xiàn)確切地提出云制造環(huán)境下知識(shí)資源提供方對(duì)需求方的評(píng)價(jià)選擇方法，鑒于此，為解決知識(shí)資源提供方對(duì)需求方的優(yōu)選決策問題，本文通過深入分析知識(shí)資源供需雙方的特點(diǎn)，建立知識(shí)資源需求方的評(píng)價(jià)指標(biāo)體系，進(jìn)行多指標(biāo)決策。首先，采用變精度粗糙集模型，充分利用提供方在云平臺(tái)中的選擇交易歷史記錄，獲得評(píng)價(jià)指標(biāo)的客觀權(quán)重，其次，將AHP法予以改進(jìn)，求解評(píng)價(jià)指標(biāo)的主觀權(quán)重，并基于評(píng)價(jià)指標(biāo)的主客觀權(quán)重對(duì)其綜合權(quán)重進(jìn)行確定，再結(jié)合歸一化后的需求方的需求信息，求得需求方的綜合需求價(jià)值，為提供方的選擇提供參考依據(jù)。

1 知識(shí)資源需求方的評(píng)價(jià)模型

1.1 評(píng)價(jià)指標(biāo)的確定

知識(shí)資源是云制造資源中極為重要的資源，依據(jù)文獻(xiàn)[12,13]的研究，并結(jié)合云制造環(huán)境下知識(shí)資源供需雙方的特點(diǎn)，采用QoS評(píng)價(jià)技術(shù)[14]，從服務(wù)需求維、雙方交互維及素質(zhì)品德維三個(gè)維度對(duì)需求方進(jìn)行評(píng)價(jià)，其評(píng)價(jià)指標(biāo)體系如圖1所示。

圖1 知識(shí)資源需求方評(píng)價(jià)指標(biāo)體系

1）服務(wù)需求維。服務(wù)費(fèi)用(p1)指知識(shí)資源需求方愿意且能夠?yàn)樘峁┓街Ц兜膱?bào)酬（萬(wàn)元）；需求時(shí)間(p2)指需求方所要求的提供方為其提供服務(wù)的時(shí)間（天）。該類數(shù)據(jù)由知識(shí)資源需求方直接上傳至云平臺(tái)中。

2）雙方交互維。知識(shí)相似度(p3)表示知識(shí)資源供需雙方的知識(shí)結(jié)構(gòu)的相似程度，若雙方知識(shí)相似度較高，則知識(shí)資源在供需雙方之間傳遞和轉(zhuǎn)移的速度較快，有助于供需服務(wù)的完成。設(shè)知識(shí)資源供需雙方的相關(guān)知識(shí)的掌握程度分別為ks,i和kd,i定義其知識(shí)相似度為:

雙方交易歷史(p4)代表知識(shí)資源供需雙方在云平臺(tái)中已經(jīng)有過的相互交易的次數(shù)，為了便于服務(wù)過程中雙方之間的溝通與協(xié)作，云制造平臺(tái)中的企業(yè)會(huì)更傾向于與有過交易歷史的伙伴進(jìn)行合作，以提升服務(wù)效率。該數(shù)據(jù)可由云平臺(tái)數(shù)據(jù)中心獲得。

3）素質(zhì)品德維。服務(wù)穩(wěn)定性(p5)指知識(shí)資源需求方與提供方所定下的需求服務(wù)的穩(wěn)定性；服務(wù)安全性(p6)是指需求方對(duì)提供方的重要知識(shí)信息的保護(hù)能力，由于知識(shí)型提供方企業(yè)的信息安全尤為重要，所以服務(wù)安全性是評(píng)價(jià)需求方的重要指標(biāo)。假設(shè)某需求方于云平臺(tái)中與提供方所定下的需求服務(wù)總次數(shù)為k，而其違約或者半途違約的次數(shù)為a；出現(xiàn)對(duì)提供方重要知識(shí)信息泄露的情況的次數(shù)為b，則:

結(jié)款速度(p7)表示需求方為提供方支付報(bào)酬的速度（元/天）。設(shè)某需求方應(yīng)為提供方支付的總報(bào)酬為c元，賬款結(jié)清的時(shí)間周期為d天，則:

1.2 問題的描述

設(shè)某知識(shí)資源提供方面對(duì)n個(gè)候選需求方的需求，需求方集為R={r1,r2,...rn,}T，各候選需求方的評(píng)價(jià)指標(biāo)屬性值記為ri={pi1,pi2,...pi7}T，由此，候選需求方的指標(biāo)屬性集可以表示為:

本文要針對(duì)解決的問題是：知識(shí)資源提供方如何根據(jù)候選需求方指標(biāo)屬性集，科學(xué)地做出決策，從中選擇最佳。

2 選擇模型與方法

2.1 評(píng)價(jià)指標(biāo)客觀權(quán)重的計(jì)算

因變精度粗糙集模型[15]具備較強(qiáng)抗干擾能力，可以較好地獲得指標(biāo)的客觀權(quán)重，因此，本文采用該模型進(jìn)行知識(shí)資源需求方評(píng)價(jià)指標(biāo)客觀權(quán)重的求解，并由K中心聚類方法[15]進(jìn)行聚類化處理。

設(shè)四元組集合I=(U,A=CUD,V,F)表示知識(shí)資源提供方的相關(guān)信息。其中，U代表實(shí)例對(duì)象，z條選擇交易歷史表示為U={x1,x2,...xz}；A為指標(biāo)屬性的集合，其中C={a1,a2,...am-1}為指標(biāo)屬性集，D={am}為決策屬性集；V為A的值域；F指各指標(biāo)屬性反映到值域中的具體信息。

定義1：設(shè)X、Y表示實(shí)例對(duì)象論域的非空子集，且存在X?Y，則有：

式(5)中，丨X丨表示集合X的基數(shù)，c(X,Y)表示X關(guān)于Y的相對(duì)錯(cuò)誤分類率，若指定0≤β＜0.5，則有多種包含關(guān)系存在，當(dāng)c(X,Y)=0時(shí)，表示X被Y標(biāo)準(zhǔn)包含。

定義2：在β∈[0,0.5]時(shí)，Yj的β下近似為：

定義3：定義指標(biāo)對(duì)數(shù)據(jù)對(duì)象的分類能力以指標(biāo)屬性信息量進(jìn)行表示[16]，則對(duì)于指標(biāo)αp，由以下式子對(duì)其信息量γ(αp)進(jìn)行求解：

式(7)中，Xi代表實(shí)例對(duì)象U根據(jù)指標(biāo)αp所得出的等價(jià)類，丨Xi丨指所得等價(jià)類的基數(shù)。

定義4：丨Xi丨定義在根據(jù)決策屬性進(jìn)行分類時(shí)，決策屬性對(duì)指標(biāo)屬性的依賴程度由指標(biāo)屬性的被依賴度予以表示[17]，則對(duì)于指標(biāo)αp，由下式求得其被依賴程度λ(αp):

因γ(αp),λ(αp)代表的是指標(biāo)重要程度的不同方面，所以對(duì)二者進(jìn)行綜合考慮，采取下式對(duì)指標(biāo)的客觀權(quán)重進(jìn)行求解：

2.2 評(píng)價(jià)指標(biāo)主觀權(quán)重的計(jì)算

考慮到傳統(tǒng)AHP法在確定評(píng)價(jià)指標(biāo)主觀權(quán)重時(shí)，采用1～9級(jí)標(biāo)度進(jìn)行兩兩比較從而構(gòu)建判斷矩陣，存在一定局限，即1～9級(jí)標(biāo)度概念不完全清晰，具有一定的模糊性，而專家的主觀判斷主導(dǎo)具體標(biāo)度值的確定，因此易使結(jié)果在一定程度上背離實(shí)際[18]。此外，傳統(tǒng)AHP法需要進(jìn)行一致性檢驗(yàn)，若一致性檢驗(yàn)不通過，即判斷矩陣不具一致性，會(huì)對(duì)AHP法的優(yōu)選排序功能造成破壞，從而需要重新對(duì)判斷矩陣予以構(gòu)建，違背專家本意且計(jì)算作業(yè)量較大。因此，文中采用三級(jí)標(biāo)度法進(jìn)行兩兩比較構(gòu)建比較矩陣，以避免1～9級(jí)標(biāo)度的模糊性，實(shí)現(xiàn)對(duì)AHP法的改進(jìn)，并且計(jì)算結(jié)果無(wú)需進(jìn)行一致性檢驗(yàn)，減輕計(jì)算作業(yè)量，也能提高精度，具有較好的適用性[19]。其具體步驟如下:

1）根據(jù)改進(jìn)AHP法所采用的三級(jí)標(biāo)度（如表1所示）。

表1 三級(jí)標(biāo)度值及其含義

對(duì)各評(píng)價(jià)指標(biāo)進(jìn)行兩兩比較構(gòu)建比較矩陣A，如式(10)所示（設(shè)有n個(gè)指標(biāo)）。

2）計(jì)算重要性排序指數(shù)ri:

3）構(gòu)造判斷矩陣B，B中的各元素bij由下式求解:

4）求判斷矩陣B的傳遞矩陣C，C中的元素為cij，由式(12)予以確定:

5）求傳遞矩陣C的最優(yōu)傳遞矩陣D，采用下式確定D中的元素dij：

6）求判斷矩陣B的擬優(yōu)一致性矩陣B′，矩陣B′中的元素為b′ij，其中：

7）求解B′中的每一行元素的積Ni：

2.3 評(píng)價(jià)指標(biāo)綜合權(quán)重的計(jì)算

為了能夠使得知識(shí)資源提供方做出科學(xué)的選擇，將以上所獲得的評(píng)價(jià)指標(biāo)的主客觀權(quán)重進(jìn)行綜合，以消除因單方面權(quán)重帶來(lái)的片面與局限。根據(jù)評(píng)價(jià)指標(biāo)，記由變精度粗糙集模型所得的各評(píng)價(jià)指標(biāo)的客觀權(quán)重為:

記由改進(jìn)AHP法所得的各評(píng)價(jià)指標(biāo)的主觀權(quán)重為:

采用式子:

求解各評(píng)價(jià)指標(biāo)的綜合權(quán)重：

2.4 需求方綜合需求價(jià)值的計(jì)算及優(yōu)選

不同評(píng)價(jià)指標(biāo)具有不同的量綱，為了求解候選知識(shí)資源需求方的綜合需求價(jià)值，需要對(duì)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化和歸一化處理。

根據(jù)候選需求方的指標(biāo)屬性集：

由式(19)、式(20)：

進(jìn)行標(biāo)準(zhǔn)化處理。式中，max pj，min pj分別表示需求方指標(biāo)屬性集中第j項(xiàng)指標(biāo)列的最大值和最小值。對(duì)于正向型指標(biāo)采用式(19)進(jìn)行標(biāo)準(zhǔn)化，如服務(wù)費(fèi)用p1、知識(shí)相似度p3、雙方交易歷史p4、服務(wù)穩(wěn)定性p5、服務(wù)安全性p6、結(jié)款速度p7；對(duì)負(fù)向型指標(biāo)采用式(20)進(jìn)行標(biāo)準(zhǔn)化，如需求時(shí)間p2，由此得標(biāo)準(zhǔn)化矩陣R′如下:

標(biāo)準(zhǔn)化處理后，根據(jù)式(21)所示：

進(jìn)行歸一化處理，得到如下矩陣：

采用式(22)求解知識(shí)資源候選需求方的綜合需求價(jià)值cdv(comprehensive denand value)：

通過以上計(jì)算得各候選需求方的綜合需求價(jià)值之后，對(duì)其進(jìn)行排序，知識(shí)資源提供方從中選擇綜合需求價(jià)值最大的需求方，作為服務(wù)選擇對(duì)象。

3 算例驗(yàn)證及分析

以某汽車研發(fā)企業(yè)H為例，該企業(yè)專注于汽車發(fā)動(dòng)機(jī)的研發(fā)設(shè)計(jì)，在云平臺(tái)中提供相應(yīng)的研發(fā)服務(wù)。此時(shí)，通過云平臺(tái)資源池中的搜索，五家需求企業(yè)r1,r2,r3,r4,r5同時(shí)有對(duì)企業(yè)H的知識(shí)資源的需求愿望，均欲借助于企業(yè)H的研發(fā)知識(shí)與研發(fā)人員，快速研發(fā)一款新產(chǎn)品，搶占市場(chǎng)先機(jī)。已知五家需求企業(yè)的需求信息如表2所示。

表2 需求方的需求信息

針對(duì)知識(shí)資源提供方企業(yè)H如何從中選擇最優(yōu)需求方作以下決策與分析。

3.1 確定評(píng)價(jià)指標(biāo)的客觀權(quán)重

利用變精度粗糙集模型，可以從企業(yè)H于云端的選擇歷史記錄數(shù)據(jù)中分析各指標(biāo)的客觀權(quán)重，本案例抽取了8條歸一化后的選擇歷史記錄作推理演示，如表3所示：

表3 企業(yè)H的選擇歷史記錄

以聚類群數(shù)量為5，由K中心聚類方法將表3數(shù)據(jù)進(jìn)行聚類化處理可得到表4數(shù)據(jù)。

表4 聚類化處理后企業(yè)H的選擇歷史記錄

取β=0.4，通過式(6)求得Y1，Y2關(guān)于條件屬性p3的β下分布分別為，代入式(8)求得p3的被依賴程度為:

將以上數(shù)據(jù)代入式(9)可得各評(píng)價(jià)指標(biāo)的客觀權(quán)重為:

3.2 確定評(píng)價(jià)指標(biāo)的主觀權(quán)重

由圖1所示的評(píng)價(jià)指標(biāo)體系，邀請(qǐng)相關(guān)專家對(duì)指標(biāo)體系中的各維度進(jìn)行兩兩比較，確定其相對(duì)重要性，得如下比較矩陣A,

采用式(10)～式(17)可求得各維度的權(quán)重為：

同理，對(duì)不同維度下各指標(biāo)的權(quán)重進(jìn)行兩兩比較構(gòu)造比較矩陣求其權(quán)重。

服務(wù)需求維、雙方交互維、素質(zhì)品德維下各指標(biāo)的兩兩比較矩陣分別如下:

由式(10)～式(17)計(jì)算不同維度下的指標(biāo)權(quán)重，有：

3.3 確定評(píng)價(jià)指標(biāo)的綜合權(quán)重

根據(jù)以上，由式(18)得各評(píng)價(jià)指標(biāo)的綜合權(quán)重為:

3.4 求解需求方的綜合需求價(jià)值并選擇

根據(jù)需求方的需求信息，采用式(19)～式(21)可得歸一化后的數(shù)據(jù)信息表，如表5所示。

表5 歸一化后需求方的需求信息

由式(22)得各需求方的綜合需求價(jià)值如表6所示。

表6 各需求方的綜合需求價(jià)值

由此可知，Cdv(3)＞Cdv(4)＞Cdv(1)＞Cdv(2)＞Cdv(5)，需求方的綜合需求價(jià)值最大，企業(yè)H應(yīng)該選擇需求方r3，為其提供研發(fā)服務(wù)。

3.5 提供方滿意率分析

本文運(yùn)用滿意率來(lái)檢驗(yàn)選擇方法的性能，定義知識(shí)資源提供方的滿意率為提供方所滿意的選擇次數(shù)與其選擇總次數(shù)之比，如式(23)所示：

根據(jù)現(xiàn)存的選擇方法[20]，通過實(shí)驗(yàn)?zāi)M15次不同的知識(shí)資源服務(wù)選擇，每次模擬由50個(gè)知識(shí)資源提供方對(duì)需求方進(jìn)行優(yōu)選，分別比較無(wú)差異選擇法（所有評(píng)價(jià)指標(biāo)以相同的權(quán)重進(jìn)行選擇）、主觀選擇法（僅根據(jù)提供方的主觀偏好權(quán)重進(jìn)行選擇）、本文的選擇方法（同時(shí)考慮評(píng)價(jià)指標(biāo)主客觀權(quán)重的選擇方法）。在不同的選擇方法下，提供方對(duì)于結(jié)果的滿意率變化趨勢(shì)和對(duì)比如圖2所示。

圖2 不同選擇方法下提供方滿意率變化與比較

由圖2可得，隨著選擇匹配次數(shù)的增加，文中所采用的選擇方法與現(xiàn)有的方法相比，由于考慮了較為完善的評(píng)價(jià)指標(biāo)，且知識(shí)資源提供方對(duì)需求方進(jìn)行選擇時(shí)，在各評(píng)價(jià)指標(biāo)的客觀權(quán)重基礎(chǔ)之上同時(shí)兼顧到了評(píng)價(jià)指標(biāo)主觀權(quán)重方面的因素，所以提供方對(duì)于選擇結(jié)果的滿意率得到提高，且穩(wěn)定性越來(lái)越好。

4 結(jié)語(yǔ)

云制造環(huán)境下，制造資源供需雙方時(shí)刻都在進(jìn)行著相互之間的選擇和匹配，如何從大量的制造資源集中選擇最佳是雙方亟需解決的問題。本文針對(duì)云平臺(tái)中知識(shí)資源需求的優(yōu)選問題，提出一種基于需求方綜合需求價(jià)值的選擇方法。該方法采用精度粗糙集模型，通過分析提供方的交易歷史記錄，挖掘出各評(píng)價(jià)指標(biāo)的客觀權(quán)重；根據(jù)提供方對(duì)評(píng)價(jià)指標(biāo)體系中各維度、各指標(biāo)的不同偏好重視程度，運(yùn)用改進(jìn)的AHP法，求解各評(píng)價(jià)指標(biāo)的主觀權(quán)重，進(jìn)而獲得指標(biāo)的綜合權(quán)重；然后結(jié)合歸一化后的需求方的需求信息，最終求得需求方的綜合需求價(jià)值，為知識(shí)資源提供方的選擇提供依據(jù)。案例及實(shí)驗(yàn)結(jié)果表明該方法不僅能夠?qū)Ρ疚奶岢龅膯栴}予以較好的解決，還可以在一定程度上對(duì)提供方的選擇滿意率予以保證。下一步將融合企業(yè)文化方面的信息，對(duì)知識(shí)資源供需雙方的選擇匹配問題予以展開，進(jìn)一步完善云制造環(huán)境下知識(shí)資源的服務(wù)優(yōu)選。