云制造特征及云服务组合关键问题研究

Vol.17No.32011年3月

Computer Integrated Manufacturing Systems

Mar.2011

文章编号:1006-5911(2011)03-0477-10

收稿日期:2010 08 02;修订日期:2010 11 13。Received 02Aug.2010;accepted 13Nov.2010.

基金项目:国家自然科学基金资助项目(51005012,61074144);高校基本科研业务费专项资金资助项目;教育部博士点基金(20101102

110009);国家863计划资助项目。Fo undatio n items:Project supported by the National Natural Science Foundation,Ch ina(No.51005012,61074144),th e Fundamental Research Funds for th e C entral U niversities,China,th e Doctoral Fun d of Ministry of Edu cation,China(No.20101102110009),an d the National H igh T ech.R&D Program,China.

云制造特征及云服务组合关键问题研究

陶 飞1,2,张 霖1,2,郭 华1,2,罗永亮1,2,任 磊1,2

(1.北京航空航天大学自动化科学与电气工程学院,北京 100191;

2.北京航空航天大学复杂产品先进制造系统教育部工程研究中心,北京 100191)

摘 要:为实现基于知识的制造资源和制造能力的共享与协同,实现云制造系统中资源服务的增值和增效,在分析云制造典型特征后,对云制造中的资源、制造云服务、制造云的关系进行了阐述。在此基础上,设计了制造云服务管理原型系统功能结构,对基于云制造全生命周期运行的云服务组合需求进行了阐述。对云服务组合建模/描述和一致性检查、云服务关联关系、云服务组合柔性、组合网络及其动力学特性、云服务组合建模与评估、组合优选等实现云服务组合的关键问题进行了研究,为未来实现高效智能化的云制造服务管理提供理论支持。

关键词:云制造;云服务;服务组合;服务组合网络;组合关联关系;组合柔性

中图分类号:T P391 文献标志码:A

Typical characteristics of cloud manufacturing and several key issues of cloud service composition

TA O Fei 1,2,ZH A N G L in 1,2,GUO H ua 1,2,L UO Yong liang 1,2,REN Lei 1,2

(1.Schoo l of A utomation Science &Elect rical Eng ineer ing,Beihang U niversit y,Beijing 100191,China;

2.Engineer ing Research Center of Complex Pr oduct A dv anced M anufacturing Systems,

M inist ry of Education,Beihang U niv ersity ,Beijing 100191,China)

Abstract:In or der t o realize shar ing and co llabo ratio n o f manufactur ing r eso ur ces and manufactur ing ability based on know ledge and to realize added value o f manufactur ing r eso urce,thr ough analyzing t ypical char acter istics o f Cloud M anufacturing(CM fg),relationships among resources,manufacturing clo ud ser vice and manufactur ing cloud wer e discussed.F unction str ucture of CM fg serv ice manag ement pro toty pe sy stem w as desig ned.R equirements of Cloud Ser vice Composition(CSC)in w ho le lifecycle implementation of CM fg wer e studied.Several key issues fo r CSC,in cluding mo deling,description and consistency check,co rrelatio n relatio nship,compositio n flexibilit y,composition netw or k as w ell as its dy namic char acteristics,modeling &ev aluatio n,and optima l selectio n wer e studied in particu lar.It prov ided theor etical fo undation fo r realizing effectiv e and intellig ent CM fg service management.

Key words:cloud manufactur ing;cloud ser vice;ser vice composition;serv ice composition netw or k;composition co r r elation relat ionship;composition flex ibility

0 引言

针对现有制造业信息化发展存在的问题,结合现有先进制造模式和技术

[1 6]

以及云计算[7]

、物联

网[8]

、虚拟化、面向服务技术等新技术,文献[9]提出了云制造的概念。云制造是通过云计算技术实现软

件、计算、知识等资源的组织、管理与共享,通过物联网和嵌入式技术等实现物理设备的自动接入、管理、监控与共享,并通过标准的虚拟化与面向服务的技术,对各类制造资源、制造能力、制造知识(制造云)

进行自动配置与部署,构建一个自治的、自维护的、动态扩展的制造服务云体系,从而在高性能计算等

技术的支持下,实现制造云服务的自动寻租、智能匹配、成本优化、智能结算及支付、数据安全等管理,通过任务模式匹配、任务自动分解技术和协同服务技术,为制造云中的终端用户提供按需、自助、敏捷的商业制造服务平台。其目的是实现基于知识的制造资源、制造能力、制造知识的共享与按需使用,从而提高制造资源的利用率,实现现代企业TQC SEFK[1](即以最快的上市速度(T ime)、最好的质量(Quality)、最低的成本(Cost)、最优的服务(Serv ice)、最清洁的环境(Environment)、最好的灵活性(Flex ibility)和高知识含量(Know ledg e)来满足不同顾客对产品的需求和社会可持续发展的要求)目标,促进节能减排,实现绿色和低碳制造。

制造云服务组合作为提高云制造资源利用率、实现制造资源增值的关键途径之一,对云制造的实施和开展具有重要作用。由于云制造的概念刚提出,有关云制造的研究目前还主要集中在概念、体系架构等方面。而现有服务组合研究主要是围绕计算资源和Web服务展开的,具体研究包括: 支持服务组合的描述语言和工具,如Web服务业务流程执行语言(Web Services Business Process Ex ecutio n Language,WS BPEL)、Web服务本体描述语言(Web Onto logy Language fo r Serv ice,OWL S)中的服务模型、Web服务编排接口(Web Ser vice Cho r eo graphy Interface,WSCI)、Web服务编排描述语言(Web Service Choreography Description Lan g uag e,WS CDL)等;服务组合方法,如基于业务流程驱动的服务组合[10 12]、基于人工智能和规划的服务自动组合[13 15]、基于图论的服务自动组合[16]、基于服务质量(Q uality of Ser vice,QoS)的服务组合[17 18]和基于智能体的服务组合[19];!服务组合框架;∀组合服务的验证方法等。然而,由于云制造系统中云服务的多样性、复杂性、规模性等特点,使得以上方法不能直接用于云服务组合的实现。

因此,本文在分析云制造特点的基础上,对云服务组合全生命周期需求进行分析,对实现云服务组合中的服务组合建模/描述和一致性检查、云服务关联关系管理、云服务组合柔性管理、组合网络及其动力学特性、组合服务的服务质量建模与评估、组合优选等实现云服务组合的关键问题进行研究,从而为未来实现高效智能化的云制造服务管理提供理论支持。

1 云制造的典型特征

文献[9]对云制造的定义如下:云制造是一种面向服务的、高效低耗和基于知识的智能性网络化制造新模式。它融合现有的信息化制造、云计算、物联网、语义Web、高性能计算等技术,通过对现有网络化制造与服务技术(如制造网格、虚拟制造、分布式数控以及应用服务提供商(Application Ser vice Provier,ASP)、软件即服务(So ftw are as a Serv ice,SaaS)等)进行延伸和变革,将各类制造资源(包括制造硬物理设备、测试平台、仿真系统、计算与通讯系统、软件、模型、数据和知识等)虚拟化、服务化,并进行统一的、集中的智能化管理和经营,实现智能化、多方共赢、普适化和高效的共享和协同,通过网络为制造全生命周期过程(论证、设计、加工、仿真、试验、维护、销售、采购和管理)提供可随时获取的、按需使用的、安全可靠的、优质廉价的服务。

云制造具有以下典型特征:

(1)面向服务和需求的制造 云制造一改制造长期以来面向设备、面向资源、面向订单、面向生产等的形态,实现了真正面向服务、面向需求。在云制造中,一切能封装和虚拟化的都作为制造云服务(包括制造资源作为服务、制造能力作为服务、制造知识作为服务等)。这种大转变是实现生产型企业向服务型企业转变、实现制造即服务(Manufacturing as

a Service,M FGaaS)的基础。

(2)不确定性制造 云制造中,云服务对制造需求的满足不存在唯一的最佳解,而是到目前为止用现有技术和方法能得到的满意解或非劣解,这即是云制造的不确定性制造能力,包括云制造任务的描述、任务与云服务的映射匹配、云服务选取与绑定、云服务组合选取、制造结果评价等环节中的不确定性。

(3)用户参与的制造 云制造强调把计算资源、能力和知识嵌入到网络和环境中,使得制造企业关注的中心转移或回归到用户需求本身。云制造致力于构建一个制造企业、客户、中间方等可以充分沟通的公用制造环境。在云制造模式下,用户参与度不仅限于传统的用户需求提出和用户评价,而是渗透到制造全生命周期的每一个环节。云制造模式下,客户或用户的身份不具备唯一性,即一个用户既是云服务的消费者,也是云服务的提供者或开发者,体现的是一种用户参与的制造,包括人机交互、机人交互、机机交互以及人人交互等。

(4)透明和集成的制造 云制造把所有制造资源、能力、知识等尽可能高度抽象和虚拟化为用户可

478第3期陶 飞等:云制造特征及云服务组合关键问题研究

见和容易调用的#电源接线板∃,即制造云服务,而其他东西对用户透明。用户在使用云服务开展各类制造活动时,这些服务的调用是透明的,即所有制造实现操作细节可以向用户#隐藏∃起来,使用户将云制造系统看成是一个完全无缝的集成系统。云制造的透明性可以体现在位置透明性、注册透明性和使用透明性等方面。

(5)主动制造 现有制造模式中,如果企业没有生产订单或自己的设备等资源闲置时,则无法开展制造或享受资源收益,即体现的是一种被动的制造模式。而在云制造中,制造活动和云服务具有主动性,即用户根据第三方构建的云制造服务平台,在知识、语义、数据挖掘、机器学习、统计推理等技术的支持下,订单可以主动寻找制造方,而云服务可以主动智能寻租,从而体现一种智能化的主动制造模式。

(6)支持多用户的制造 传统网络化制造模式(如ASP、制造网格等)的研究重点是如何使分散的制造资源能够通过网络连接起来,从而形成虚拟的集中资源,并将一个复杂制造任务分解成若干简单任务,通过调度机制使得这些简单任务并行运行在不同制造资源节点上,最后汇集执行结果,体现的是一种#分散资源集中使用∃的思想。而云制造不仅体现#分散资源集中使用∃的思想,还能够有效实现#集中资源分散服务∃的思想,即将分散在不同地理位置的制造资源通过大型服务器集中起来,形成物理上的服务中心,进而为分布在不同地理位置的多用户提供服务调用、资源租赁等。

(7)支持按需使用和付费的制造 云制造是一种需求驱动、按需付费的面向服务的制造新模式。云制造模式下的用户通过采用一种需求驱动、用户主导、按需付费的方式,来利用制造云服务中心的云服务。用户根据自身的需要调用或组合调用已有的云服务并支付相应的费用,不需要过多关注制造资源服务提供者的自身信息,用户和制造资源提供者是一种即用即组合、即用即付、用完即解散的关系。

(8)低门槛、外包式制造 传统制造企业必须拥有自己的厂房、设备、物料、信息化设施和技术人员等全套制造条件,同时必须具备相应的设计、制造、管理、销售等能力。而云制造模式下,企业不需要拥有所有这些条件和能力,对企业没有的制造资源或能力可以通过#外包∃的形式得到,即通过调用或租用云制造系统中的资源、能力、云服务来完成本企业的生产任务,从而降低了企业的入门门槛,使生产和企业组织方式更加灵活、多元化。

(9)敏捷化制造 云制造模式下,企业只需要重点关注本企业的核心服务,而其他相关业务或服务则可以通过调用云制造中的云服务来完成,其生产方式非常灵活,体现了一种敏捷化的制造思想。

(10)专业化制造 云制造通过第三方构建的平台,将所有制造资源、能力、知识虚拟化为云滴(即制造云服务),最后聚合形成不同类型的专业制造云(如设计云、仿真云、管理云、实验云等),体现了规模化、集约化、专业化的特点。

(11)基于能力共享与交易的制造 与传统网络化制造相比,云制造共享的不仅是制造资源,还有制造能力。在相应知识库、数据库、模型库等的支持下,实现基于知识的制造资源和能力虚拟化封装、描述、发布与调用,真正实现制造资源和能力的全面共享与交易,提高利用率。

(12)基于知识的制造 云制造全生命周期过程中都离不开知识的应用,包括: 制造资源和能力的虚拟化封装和接入;云服务描述与制造云的构建; !云服务搜索、匹配、聚合、组合;∀高效智能云服务的调度与优化配置;%容错管理、任务迁移;&云制造企业业务流程管理等。

(13)基于群体创新的制造 云制造模式下,任何个人、单位或企业都可以向云制造平台贡献其制造资源、能力和知识。与此同时,任何企业都可以基于这些资源、能力、知识来开展本企业的制造活动,云制造体现的是一种维基百科式的基于群体创新的制造模式。

(14)绿色低碳制造 云制造的目标之一是围绕T QCSEFK目标,实现制造资源、能力、知识的全面共享和协同,提高制造资源利用率,实现资源增效。实现了云制造,实际上就是在一定程度上实现了绿色和低碳制造。

2 制造云服务

2 1 制造资源、制造云服务、制造云的关系

云制造中的制造资源是一个广义的概念,是一切能在制造全生命周期中发挥作用的所有软硬件资源(如数控机床、计算机、原材料等)、人(如专家、技工等)、知识(如设计手册、经验、标准、协议等)等的总称。各类资源在相应领域知识库的支持下,可以将其相应具备的制造能力(包括设计能力、加工生产能力、仿真与实验能力、维护能力、管理能力等)描述

479

计算机集成制造系统第17卷

出来,从而进一步虚拟化封装成制造云服务。

制造云服务(简称云服务)和云计算中的云计算服务是相对应的概念。制造云服务通过采用物联网、虚拟化等技术,将分散的云端制造资源和制造能力基于知识进行虚拟封装,并智能接入到云制造平台中,从而通过网络将高度虚拟化的云端资源以服务的形式为用户提供制造全生命周期应用。云服务的形成过程即是云制造资源和能力服务化的过程。

在云制造中,制造云服务除了包括云计算服务中的三类主要服务(平台为服务(Platform as a Serv ice,PaaS)、基础设施为服务(Infrastr ucture as a Ser vice,IaaS)、SaaS)外,还包括制造资源和制造能力(如设计能力、加工生产能力、仿真与实验能力、维护能力和管理能力等)服务化后形成的制造资源服务和制造能力服务,包括论证为服务、设计为服务、生产加工为服务、实验为服务、仿真为服务、经营管理为服务、集成为服务等。

制造云是制造云服务按照一定规则聚合后的产物,是云制造区别于传统网络化制造的关键之一。传统网络化制造也是通过虚拟化封装技术将物理分散的资源封装成服务,然后按照一定顺序组合起来共同完成一个复杂任务,但没有将这些服务聚合起来进行有效地运营管理。在云制造中,大量的云服务按照一定的规则聚合起来,形成一个大的云服务资源池,即制造云,从而为用户提供透明的、开放的、按需使用的云服务。云制造系统中资源、云服务、制造云的关系如图1

所示。

2 2 制造云服务分配与使用方式

云制造模式下,用户需求和资源获取方式如图2所示。云制造系统中,制造资源分布是不均匀且动态变化的,从而导致其相应云服务的分布也是不均匀和动态变化的。因此,云制造的资源和服务组

织方式是一种开放的、自治的、自进化的组织方式。

与此同时,云制造任务和需求是不确定和动态变化的。云制造旨在在不确定、动态变化的需求和制造云服务之间构建一种按需的资源分配和使用方式。在云制造中,只需要根据用户的需求,建立相应的需求模型,然后在云制造平台相应中间件的支持下,从云服务中心搜索、匹配到相应的服务或进行服务组合,然后支付一定费用,即可使用云制造平台中相应的云服务,它体现的是一种按需分配和使用的方式。

上述云制造的资源和服务分配以及使用模式,有利于合理配置制造资源并提高其利用率,促进节能减排,实现绿色和低碳制造。2 3 制造云服务管理

本文在前期研究的基础上[1 5,19 22],设计了云制造服务管理原型系统(如图3)。主要包括任务和需求解析器、云服务搜索与匹配、云服务综合评估、云服务优选与组合、云服务分配与调用请求、云服务分配管理和云服务监控管理等功能模块。各功能模块的具体实现方案在笔者前期研究工作和后续研究工作中有详细介绍,下面重点对云服务组合模块中涉及到的关键问题进行研究。

2 4 制造云服务组合需求

在云制造系统中,根据用户需求或任务的粒度,可以将用户需求分为单一资源服务需求任务和多资源服务需求任务。针对单一资源服务需求任务,系统必须从大量的待选云服务中选择最佳的云服务来

执行该任务,即云服务优选;针对多资源服务需求,

480

第3期陶 飞等:

云制造特征及云服务组合关键问题研究

系统必须从搜索到的符合各子任务需求的待选云服务集中,各选一个云服务组装成组合云服务,并从所

有可能组合中选择最佳的一组组合来协同完成任务,

即云服务组合及优选[1 2]

。

云服务及其组合能够形成不同粒度的制造云服务或制造能力,为云制造终端用户提供个性化服务,云服务组合是实现云制造按需分配和使用资源的有效途径。通过对云制造服务平台中已有的适合的云服务进行重用、组合、验证,构成能随大众需求而即时应变的松耦合制造云服务应用。

3 制造云服务组合全生命周期管理

从云服务组合全生命周期研究角度(即服务组合执行前、执行中、执行后)出发,可将云服务组合管理和实现分为四个阶段: 组合设计阶段(Design phase,Des phase); 组合部署阶段(De ploy phase,Dep phase);!组合执行与监控阶段

(Execution &M onitor phase,E&M phase);∀组合评估阶段(Evaluation phase,Eva phase)。每个阶段所涉及到的操作和管理内容都不同,如图4

所示。

(1)组合设计阶段 Des phase 主要是指从用户提出任务需求到依据功能需求和过程需求而构造出抽象组合云服务的实现阶段。Des phase 构造的抽象组合云服务仅仅是依据任务之间的流程约束构造出来的组合关系或流程。Des phase 涉及到的操作有任务分解、功能需求解析、过程需求解析、抽象组合云服务构造等。Des phase 的输入为用户需求,输出为抽象组合云服务。

(2)组合部署阶段 Dep phase 主要根据Des

phase 产生的功能需求和过程需求进行功能和过程匹配,将Des phase 产生的抽象组合云服务映射到具体的云服务,并通过选择合适的云服务参与组合,生成可被执行的云服务组合执行路径或方案。Des phase 涉及到的操作有相似度计算、接口/功能匹配、过程匹配、语义匹配、云服务评估、云服务排序、云服务选择等。Dep phase 的输入为抽象组合云服务,输出为供选择的云服务组合执行路径或方案。

481

(3)组合执行与监控阶段 M&E phase对Dep phase产生的大量待选云服务组合执行路径或方案,进行组合云服务质量评估;采用智能优化算法进行优选,选择最佳的云服务组合执行路径,并将云服务绑定调用,同时监控云服务组合执行过程。M&E phase涉及到的操作有组合云服务执行路径生成、组合云服务关联关系管理、组合云服务聚合QoS计算、云服务组合优选、云服务和流程绑定调用、云服务组合执行控制、监控、协调等。M&E phase的输入为供选择的云服务组合执行路径或方案,输出为任务或服务请求执行结果。

(4)组合评价阶段 Eva phase主要对云服务组合的执行效果进行评估统计处理。用户对云服务组合执行结果做出评价,如果对执行结果不满意,则可能会重新进行云服务组合调用;如果对执行结果满意,则将选定的云服务组合反馈到相应案例库中,供以后类似任务进行云服务组合调用时参考。

4 云服务组合中的几个关键问题

4 1 云服务组合建模、描述、一致性检查、可执行模

型转换

服务组合建模是实现服务组合的基础,当前相关学者对Web服务组合建模进行了大量研究,使用到的方法有OW L S方法、描述逻辑方法、动态描述逻辑方法、本体工作流方法等。由于制造云服务是基于知识对制造资源的能力进行云服务化后的产物,且制造云服务具有异构性、动态性、专业性、规模性等特点,再加上云制造系统中用户需求的复杂性和动态变化特性、合作关系和利用的动态变化性等,导致其制造云服务组合在Web服务组合的基础上有了更高的要求。因此,为了能够形成不同粒度的制造云服务或制造能力,实现云制造按需分配和使用的目标,必须研究适合制造云服务组合的建模和描述方法。服务组合模型建立之后,还必须对模型的形式化进行验证,对组合过程中存在的服务不相容、流程死锁、非功能属性不一致、参数一致性、匹配一致性(包括数据匹配、流程匹配、语义匹配、非功能属性匹配等)等问题进行正确性验证,在使用过程中还必须研究服务组合可执行模型转化与验证方法。

4 2 云服务组合关联关系

由于云服务组合是将一系列云服务按照一定流程和规则组装起来协同完成一个任务,在组合过程中,云服务之间的关联关系(如统计合作关联关系、可组合关联关系、商业实体关联关系等)对整个云服务组合质量(如组合可靠性、成功率、综合QoS质量等)起着关键作用。而当前Web服务组合有关服务之间关联关系的研究可参考的工作不多。因此,有必要对云服务组合中的云服务之间的关联关系进行研究,具体包括:

(1)云服务关联关系的分类、定义,以及考虑关联关系的云服务描述方法 在研究云服务特点的基础上,对云服务关联关系进行定义和分类研究。此外,服务描述是服务组合的基础,服务组合完全依赖于服务描述所提供的信息。为了让计算机具有更强大的信息处理能力和推理能力,在云服务组合过程中能够充分考虑服务间的关联关系,提高云服务组合质量,必须研究考虑关联关系的云服务描述模型和方法。

(2)考虑关联关系的云服务组合动态QoS模型及评估方法 在分析各类关联关系对云服务组合QoS产生影响的基础上,建立考虑关联关系的云服务组合动态Qo S评估模型和方法。同时,还需要研究关联关系和云服务组合Qo S随时间推移所发生的动态变化。

(3)基于关联关系挖掘的智能云服务组合构造方法 通过数据挖掘等方法从大量的候选云服务中,针对用户需求,挖掘搜索匹配到使得组合效用最大化的具有关联关系的相应的云服务,并设计相应的机制和方法,实现这些云服务的智能化和自动组合。同时,必须研究当云服务组合过程出现动态变化时(如用户需求发生改变、参与组合的某个云服务状态或质量发生变化等),实现云服务组合容错、快速重构或任务迁移的方法。

4 3 云服务组合柔性管理

随着云制造系统中制造资源和服务的动态增加或减少、云服务状态和质量的改变、云服务间关联关系的变化,以及用户需求的动态变化,在云服务组合生命周期中,存在许多不确定的因素影响着云服务的动态组合和执行,从而导致无法高效、高质量地执行云服务组合并完成用户需求。因此,必须研究当因这些不确定因素而产生变化时,云服务组合能快速调整组合方案,从而成功执行用户需求的能力,即对云服务组合柔性管理进行研究。

云服务组合的柔性可以定义为在云服务组合的全生命周期中(从Des phase,Dep phase,E&M

482

phase 到Ev a phase),当受到外力(如网络过载、系统崩溃等)或内力(资源或服务退出、云服务或任务QoS 改变等)等不确定因素作用时,服务组合能对由此产生的不可预期的柔性变化(动态变化)做出智能反应,自治地动态重构云组合流程并完成用户需求或任务的能力。

云服务组合柔性管理的具体研究内容如图5所示,主要包括:

(1)影响云服务组合柔性的因素 鉴于当前还没有关于服务组合柔性方面的研究,必须首先从云服务组合的全生命周期出发,理解云服务组合柔性的意义,并给出云服务组合柔性的确切定义;再从各个角度(包括云服务、用户需求、服务质量、网络、应用过程等)来研究影响云服务组合柔性的各类因素,研究云服务组合柔性指标和分类,如图6所示。

(2)云服务组合柔性量测 在云服务组合过程中存在很多动态性的变化,因此当把同一个任务分配给具有不同柔性的服务组合去执行时,如果把任务分配给柔性度较好的服务组合去执行,则任务将更容易被成功执行。为保证和提高云服务组合质量,在选取执行任务的云服务组合方案时,除了要考虑基于QoS 的服务组合优选外,还应将服务组合柔性作为一个指标来进行服务组合优选。因此,必须建立云服务组合柔性的评价指标和量测模型,研究云服务组合柔性的量化评估方法。

(3)云服务组合柔性提高策略 在云服务组合全生命周期中,可能会因为各云服务节点及其所运行的任务、云服务间关联关系、运行环境等的动态变化等异常因素而导致云服务组合无法正常完成。而柔性不好的云服务组合在这些情况出现时,服务组合往往会暂停或失败。因此,为了提高服务组合的可靠性和成功率,必须分析在服务组合的全生命周期中会出现哪些异常的动态变化,并且检测出这些异常变化,然后对这些异常进行分析并建立策略来协调服务组合,以提高服务组合的柔性,这是关键性

的问题。

4 4 云服务组合网络及动力学特性

在云制造模式下,资源或服务提供者和使用者都希望最大化自身的效益或效用。因此,制造企业要想在云制造生产和竞争模式下得以生存并获得最大利益,必须明确应当开发和提供什么样的制造云服务,以及如何提高本企业资源或云服务的调用率,从而实现资源服务的增值,同时还要明确如何保护本企业的核心服务。而在云制造系统中,服务被单一调用来执行一个简单的任务比较少,通常是和其他服务组合起来执行一个任务。

因此,有必要打破传统研究视角,即不应只研究单一服务或由几个服务构成的组合服务,而应该研究由所有服务构成的一个服务网络,结合网络理论、复杂系统理论、图论等相关理论、知识和方法,来研究整个服务网络的特性。具体研究内容如图7所示,主要包括: 构成服务组合网络的服务组合可组合关系、可组合关系可视化表示; 服务组合网络构建规则;!服务组合网络动态演化模型构建;∀服务组合网络动力学特性分析,如节点可组合强度、调用率分布、鲁棒性、节点间耦合性等动态特性分析;%服务组合网络节点控制策略与方法,如分析资源服务组合网络节点对蓄意攻击、随机故障及其他外力因素作用下的鲁棒性和脆弱性,研究提高其节点稳定性、调用率、安全性等的控制策略;&服务组合网络仿真等。

4 5 云服务组合综合评估及优选

云服务组合方案具有明显的复杂性、动态性、不

确定性、可选性等特点。与面向服务的计算系统不同,云制造系统中任务的需求不是简单的处理器、带宽、存储器需求,而是对各类异构制造资源和能力的综合需求,同时制造任务应用领域广,需求是动态、随机的,且需求规模大。因此,执行这些复杂任务相应的云服务组合也具备复杂性和动态性。此外,随着制造任务需求的动态变化以及资源服务状态和能

力的动态变化,加上大量存在的待选云服务,执行任务的组合云服务的方案是不确定、可选择的。

在这种情况下,如何构建并选择最佳的云服务组合方案至关重要。因此,必须对云服务组合进行综合评估,包括云服务组合综合服务质量评估、可执行性评估、柔性评估等。在综合评估的基础上,研究基于

智能优化算法的云服务组合方案优选实现方法。

4 6 云服务组合的其他相关研究内容

与云服务组合相关的其他研究内容还包括:云服务组合过程中的不确定性研究(如云服务质量的不确定性、任务需求的不确定性等)、服务组合语义支持研究、服务组合可视化研究、基于生态系统或经

济理论的云服务组合链研究等。

5 结束语

随着全球市场竞争的日益激烈,能源与环境问

题日趋严重,如何在为用户提供高质量的产品服务的同时,降低能源消耗和保护好环境,是当前制造企业面临的难题。云制造作为一种需求驱动的、面向服务的网络化制造新模式,为实现生产型企业向服务型企业转型、制造资源的优化配置、资源增值与增效,进而提高企业的自主创新能力和核心竞争力,提供了新的解决思路。

本文在分析了云制造的典型特点后,对制造云服务管理系统功能模块,以及实现云制造系统中资

参考文献:

[1] T AO Fei,H U Yefa,ZHANG Lin.T heory and practice:opti

mal resource s ervice allocation in manufactur ing grid[M].Bei jin g:C hina M achine Press,2010(in Chin ese).[陶 飞,胡业发,张 霖.制造网格资源服务优化配置理论与方法[M].北京:机械工业出版社,2010.]

[2] TAO Fei,ZH AO Dongm ing,H U Yefa,et al.Resource s erv

ice composition and its optimal selection bas ed on particle sw arm optimiz ation in manufactu ring grid sy stem[J].IEEE Transactions on In dustrial Informatics,2008,4(4):315 327. [3] TAO Fei,H U Yefa,ZH AO Dongmin g,et al.Study on man

ufacturing grid r esour ce service modeling and evaluation[J].

Internation al J ou rnal of Advan ced M anufactu ring T echnology 2009,41(9/10):1034 1042.

[4] T AO Fei,H U Yefa,ZH OU Zude.Study on manufacturing

grid&its resource service optimal selection system[J].In ter national Journal of Advanced M anu facturing T echnology,

2008,37(9/10):1022 1041.

[5] T AO Fei,HU Yefa,ZHOU Zude.Application and modeling

of res ou rce service trus t QoS evalu ation in manufacturing grid s ystem[J].International Jou rnal of Production Resear ch, 2009,47(6):1521 1550.

[6] M EIER H,ROY R,SELIGER G.Indus trial product service

s ystem s∋IPS2[J].CIRP Ann als M anufacturing T echnolo gies,2010,59(2):607 627.

[7] C HEN Kang,ZH ENG Weimin.Clou d computing:system in

s tances an d curren t research[J].Journal of Softw are,2009,20

(5):1337 1348(in Chinese).[陈 康,郑纬民.云计算:系统实

例与研究现状[J].软件学报,2009,20(5):1337 1348.]

[8] S HE N Sub in,FAN Quli,ZONG Ping,et al.S tudy on th e ar

chitectu re and associated technologies for Intern et of th ings [J].J ournal of Nanjing U nivers ity of Pos ts and T elecomm uni cations:Nature S cien ce,2009,29(6):1 11(in Chinese).[沈苏彬,范曲立,宗 平,等.物联网的体系架构与相关技术研究[J].南京邮电大学学报:自然科学版,2009,29(6):1 11.] [9] LI Bohu,ZHANG Lin,W ANG Shilong,et al.C loud manu

facturing:a n ew service orien ted man ufacturin g m odel[J].

C om puter Integrated M anufactu ring S ystems,2010,16(1):1

7,16(in Chin es e).[李伯虎,张 霖,王时龙,等.云制造∋面向服务的网络化制造新模式[J].计算机集成制造系统,2010,16

(1):1 7,16.][10] BENAT ALLAH B,DUM AS M,SHE NG Q Z,et al.De

clarative com position and peer to peer provisioning of dyn am

ic Web s ervices[C]//Proceedings of IEEE Intern ational C on

feren ce on Data Engineerin g.W ashington, D. C.,US A:

IEEE,2002:297 308.

[11] FENSEL D,BUSS LER C.T he Web s ervice modeling frame

w ork WSM F[J].Electronic Commerce Research and Appli

cations,2002,1(2):113 137.

[12] BENAT ALLAH B,SH ENG Q Z,DUM AS M.T he self serv

en vironmen t for Web services composition[J].IEEE Internet

Computing,2003,7(1):40 48.

[13] BAADER F,LU TZ C,M ILI I C'M,et al.A description

logic based approach to reasonin g about W eb s ervices[EB/

OL].[2010 09 10]http://citeseerx.ist.p su.edu/viewd oc/

dow nload?doi=10.1.1.90.1781&rep=rep1&ty pe=pdf. [14] SCH USC HEL H,W ESKE M.Automated planning in a s er

vice oriented ar chitecture[C]//Proceeding s of the13th IEEE

International Works hops on Enabling T echnologies:Infra

structur e for Collaborative En terpris es.Washin gton,D.C.,

US A:IEE E Com puter Society,2004:75 80.

[15] SIRIN E,PARSIA B,WU D,et al.H TN plan ning for W eb

service compos ition using S HOP2[J].J ou rnal of W eb Sem an

tics,2004,1(4):377 396.

[16] RAO Jingh ai,K NGAS P,M ATS KIN M.Composition of

s emantic Web services usin g linear logic theorem proving[J].

Information S ystems,2004,13(6):340 360.

[17] ARDAGNA D,PERNICI B.Dynamic W eb s ervice composi

tion w ith QoS con strain ts[J].Intern ational Journ al of Busi

nes s Pr oces s Integ ration and M an agemen t,2006,1(4):

233 243.

[18] LIN M,XIE J,GUO H,et al.Solving QoS driven W eb

service dyn amic com position as fu zzy constraint satisfaction

[C]//Proceedin gs of2005IEEE International Conference on

E T echnology,E Comm erce and E Service(EEE 05).Wash

ington, D.C.,U SA:IEEE,2005:9 14.

[19] M AAM AR Z,M OST EFAOUI S K,YAHYAOUI H.T o

w ards an Agent based and contex t orien ted approach for W eb

s ervices com position[J].IE EE Transactions on Knowledge

and Data Engineerin g,2005,17(5):686 697.

[20] T AO Fei,ZH AO Dongm ing,ZH ANG Lin.Res ou rce service

optimal s election bas ed on intuition istic fuzz y set and non

functionality QoS in manufacturing grid s ystem[J].Kn ow l

edge and In formation System s,2010,25(1):185 208.

[21] T AO Fei,H U Yefa,ZH AO Dongming,et al.Study of fail

ure detection and recovery in man ufacturin g grid res ou rce

service sch edulin g[J].Inter national J ou rnal of Production

Research,2010,48(1):69 94.

[22] T AO Fei,H U Yefa,ZH AO Don gming,et al.Study on re

source service match and search in man ufacturin g grid system[J].International Journal of Advanced M anu facturing T ech

nology,2009,43(3/4):379 399.

[23] T AO Fei,H U Yefa,ZH AO Dongming,et al.An approach to manufactu ring grid res ou rce service schedu ling based on trust QoS[J].Intern ational J ournal of Compu ter Integrated M anufactu ring,2009,22(2):100 111.

作者简介:

陶 飞(1981-),男,湖北武汉人,副教授,研究方向:服务计算、面向服务和计算的制造、智能优化算法、资源服务管理等,E mail:ftao@

b uaa.edu.cn;

张 霖(1966-),男,天津人,教授,博士生导师,研究方向:网络化制造、服务化制造、软件工程等;

郭 华(1982-),女,山东淄博人,博士研究生,研究方向:资源服务组合;

罗永亮(1986-),男,安徽六安人,博士研究生,研究方向:服务化制造、系统集成等;

任 磊(1979-),男,山东济南人,博士后,研究方向:计算虚拟化、可视化。

第16卷(2010年)第4期入选EI论文作者名单

产品设计中的用户隐性知识研究现状与进展罗仕鉴,朱上上,应放天,张劲松基于智能聚类算法的产品粒度确定方法安相华,冯毅雄,谭建荣,方 辉,张秀芬无强制解耦的并行设计过程规划方法宋小文,化,王 耘,胡树根基于实例的网络化可重构模块设计技术尚 欣,殷国富,杨佐卫,赵秀粉双目主动视觉监测平台设计郑魁敬,王连峰基于模糊数Petri网的简单机电产品拆卸孟宪刚,严洪森网络协同数字化预装配系统关键技术南风强,汪惠芬,郝翠霞,林分布式存储环境下CAx模型的一致性策略吴 松,肖田元,范文慧,孙宏波面向大容量电站锅炉产品研发的工程分析支持系统凌卫青,王 坚系统复杂性理想解快速获取方法张 鹏,檀润华基于工作流的装配车间生产过程计划和控制技术刘检华,林晓青,刘金山,宁汝新,袁 坤,张佳朋质量功能展开中顾客需求重要度确定的粗糙层次分析法王晓暾,熊 伟产品综合设计过程建模方法与实现冯 强,孙 博,任 羿,曾声奎一种数控力/位置控制半实物仿真系统的构建肖金壮,李晓燕,王洪瑞,刘 琨串并联衰退系统的多目标预防性维护优化建模夏唐斌,奚立峰,周晓军,潘尔顺供应商管理库存环境下的两级供应链优化模型蔡建湖,王丽萍,周根贵两阶段决策下物流任务联盟协同管理优化龙 跃,易树平基于熵模型的生产物流系统运行评价张志峰,肖人彬基于多智能代理的供应链分布式仿真平台体系结构隆清琦,林 杰基于代理的分散式生产-分销系统协同计划模型戢守峰,张吉善,张 川,王 佳基于顾客战略行为的供应链两部定价契约齐二石,杨道箭,刘 亮取值为模糊数的连续模糊随机需求报童问题杨飞雪,胡劲松基于粒子群和约束满足的钢轧一体化批量计划优化张文学,李铁克自动化制造单元最小完工时间调度问题的混合启发式算法晏鹏宇,杨乃定,车阿大基于分层瓶颈分析的多重入制造系统调度方法乔 非,马玉敏,李 莉,丁小进,戴亚男基于文化遗传算法求解柔性作业车间调度问题李铁克,王伟玲,张文学双目标函数下需要安装时间的平行多功能机排序问题井彩霞,钱省三,唐国春基于透明传输的数控系统时钟同步算法章 涵,冯冬芹,褚 健,王 强金属板材数控渐进成形支撑CAD模型自动生成朱 虎,张 伟,扶建辉一种区域公差约束的叶片模型配准方法敬石开,程云勇,张定华,杨海成具有并行加工模块的组合设备故障响应策略潘春荣,伍乃骐