基于模糊層次分析法的云制造資源評價*

□ 張遠龍 □ 屠建飛 □ 謝文東

1.寧波大學 機械工程與力學學院 浙江寧波 315211

2.浙江省零件軋制成形技術研究重點實驗室 浙江寧波 315211

云制造是近年來逐漸發展起來的一種以互聯網和物聯網為支撐平臺，按用戶需求組織網上制造資源，為用戶提供各種制造服務的網絡化制造的新模式。在云制造模式中，企業將本企業可用的制造資源虛擬化后接入到云制造服務平臺，成為云制造資源的提供方；制造資源的需求方通過云制造服務平臺，可以發現和獲取這些資源，在與提供方達成合作協議后，使用這些云制造資源。

云制造模式為制造企業發現、獲取和利用外部制造資源提供了新的途徑，有助于彌補自身制造資源缺乏的不足，有利于提高企業響應市場和客戶需求變化的能力。但是，由于云端的制造資源分屬不同的提供方，且受市場變化影響，存在很大的不確定性，這給制造企業管理云制造資源提出了更高的要求,尤其是合理評價云制造資源 （Cloud Manufacturing Resource，CMR），選擇最優且滿足所需的云制造資源成為需求方應用云制造需要解決的首要問題。

有關云制造資源的評價，很多專家學者對此展開了廣泛研究，為云制造資源的選擇和應用提供了方法和途徑。如魏樂［1］等提出云制造環境下基于可信評價的云服務選擇；馬玉敏［2］等首次全面地提出了一個完整的評價指標體系，并構造了基于制造單元生命周期的單元化制造系統評價模型；李海波［3］提出了云制造環境下基于工作流的多粒度資源組合方法，解決了多粒度資源組合問題；鄭立斌［4］等提出了一種制造資源評價模型，解決了評價指標較多時的權重處理，增強了評價的科學性和可靠性；文獻［5-9］分析了云制造資源聚集方法、云制造應用模式以及模糊層次分析法的可用性。

本文在上述研究基礎上，從云制造資源需求方出發，選擇一系列評價指標，建立了云制造資源的評價模型，并應用模糊層次分析法進行實例分析，以期探索可用于云制造資源評價的新途徑和方法。

1 云制造資源評價模型的構建

由于云制造資源種類繁多，且具有多主體、動態變化等特點，評價過程既要考慮云制造資源本身的特性，如能力、適用范圍等，也要考慮云制造資源的特點和資源提供方的情況，如價格、質量和可靠性等。因此，在云制造資源的評價過程中，必須綜合考慮上述問題。

1.1 評價指標體系的構建

云制造資源評價指標必須能夠真實反映云制造資源的基本情況，如質量、狀態特征等，并且云制造資源評價指標需要簡單、科學、完整，強調資源的核心要素，以提高云制造資源評價的準確性。

本文分層次構建云制造資源的評價指標，整個評價體系包括目標層、綜合指標層、明細指標項層和評價對象層等四個層次，如圖1所示。

目標層是制造資源需求方需要的云制造資源，評價對象層是需求方經初步篩選后，需進一步評價的云制造資源，即多個可供選擇的云制造資源。

綜合指標層是指用于反映云制造資源整體情況的各項綜合性指標，包括時間、成本、質量、服務、信譽度和可靠度等。其中：時間指標綜合反映需求方獲取目標云制造資源的便捷性；質量指標綜合反映了目標云制造資源在加工精度、性能等方面的水平，是判斷云制造資源適用性的物理基礎；成本指標綜合反映需求方獲取云制造資源的代價，是云制造資源經濟性的標志；服務指標用于綜合反映云制造資源提供方的保障能力；信譽度和可靠度指標綜合反映了資源提供方的可信度，是云制造資源有效性和可持續性的保證。

▲圖1 云制造資源評價體系

明細指標項層用于進一步細化各綜合指標項，為量化計算和評價提供依據，包括加工時間、加工精度、可用性等，這些明細指標項可根據需求方的要求增減。

1.2 評價指標的量化

云制造資源評價模型中的各明細指標項，能夠反映云制造資源本身和提供方的特性，但是這些指標項既有定量指標，如時間和成本等，也包含了部分定性指標，如服務、信譽度、可靠度等。為了便于量化計算，采用模糊化處理指標，并對評價標準進行規范化。引用0.1～0.9標度方法，按表1進行量化處理。

表1 基于模糊層次分析法的指標相對重要度

2 基于模糊層次分析法的云制造資源評價過程

在確定各指標項后，對云制造資源的量化評價，采用模糊層次分析法 （Fuzzy Analytical HierarchyProcess，FAHP）進行計算和分析，達到對云制造資源評價選擇的目的。以下通過實例說明應用模糊層次分析法的云制造資源評價過程。

表2 待評價云制造資源（CMR1、CMR2）

假設，經過云制造資源初選后，需求方發現只有某兩個云制造資源（CMR1、CMR2）符合基本要求，經專家分析，按照評價模型中相應指標初步評價，得到這兩個資源的基本情況，見表2。為選擇最優資源，采用模糊層次分析法和評價模型進行評價分析。

2.1 建立模糊一致判斷矩陣

云制造資源需求方依據自身經驗和制造資源的歷史信息，采用專家打分的方式（本文邀請3位專家，取平均值，四舍五入后作為文中數據），確定云制造資源在各層指標對上層指標的相對重要性，并根據表1對其賦值，建立模糊一致判斷矩陣。

（1）專家根據表1進行打分，建立綜合指標層C相對于目標層T的相對重要度，見表3。

（2）專家根據表1進行打分，建立明細指標項層S相對于綜合指標層C的相對重要度，見表4～表9。

表3 T-C判斷矩陣數據

表4 C1-S1i判斷矩陣數據

表5 C2-S2i判斷矩陣數據

表6 C3-S3i判斷矩陣數據

表7 C4-S4i判斷矩陣數據

表8 C5-S5i判斷矩陣數據

表9 C6-S6i判斷矩陣數據

（3）形成模糊一致矩陣：

式中：rij為表中第i行j列數據。

根據式（1）～式（3），對表 3～表 9 中的數值進行適當調整，最終形成相應的模糊一致判斷矩陣

2.2 求解模型中各層的權重W

根據模糊矩陣求各指標權重值，求權重的步驟如下。

（1）以綜合指標項層為標準，計算明細指標項層S對于綜合指標層C的權重向量：

其中：

用式（6）求式（5）中各元素值，得：

（2）同理，以目標層為標準，計算綜合指標層C對目標層T的權重向量：

即：

經過上述計算，可求得各層權重W，構成權重集，見表10。

2.3 選取制造資源

根據計算得到的權重值，選取最優服務資源。

（1）根據表2中云制造資源的數據，建立指標相對重要度，然后形成模糊一致判斷矩陣。以時間指標下的加工時間、物流時間和交貨時間為例，見表11～表13。

模糊一致后求得：

同理，求得其它指標模糊一致矩陣：

表10 權重集

表11 加工時間

表12 物流時間

表13 交貨時間

（2）對云制造資源綜合評判，計算制造資源在綜合指標層C上各指標的權重值：

代入數值求得：

云制造資源在目標層T上的綜合權重值：

代入數值得：

綜上所述，得到云制造資源CMR1比CMR2綜合評判高，故選取云制造資源CMR1。雖然云制造資源CMR2較CMR1具有加工時間短、加工成本低等優勢，但是云制造資源CMR1較CMR2具有物流時間短、交貨時間短、設計成本低等優勢，故從評價過程看是可行的，從評價結果看是合理的。

3 結論

分層次提出和構建了云制造資源的評價模型，并且結合實例應用模糊層次分析法探討了評價的過程，分析了評價結果合理性，驗證了評價方法的可行性。

但是由于云制造理論提出相對較新，相關研究與應用還不是很完善，并且本文也局限于模糊層次分析法的應用與分析，對有關云制造資源評價和選擇，以及后續的實現與保障機制等可進一步深入研究。

［1］ 魏樂,趙秋云,舒紅平.云制造環境下基于可信評價的云服務選擇［J］.計算機應用,2013,33（1）:23-27.

［2］ 馬玉敏,陳炳森,張為民.單元化制造系統的評價體系［J］.同濟大學學報,2003,31（11）:1323-1327.

［3］ 李海波.云制造環境下基于工作流的多粒度資源組合方法［J］.計算機集成制造系統,2013,19（1）:210-216.

［4］ 鄭立斌,顧寄南,張鵬飛.網絡制造資源的評價與選擇［J］.機械設計與研究,2011,27（5）:64-66.

［5］ 劉士軍,曲本科,武蕾.自組織云制造資源聚集框架與多維屬性區間搜索方法研究 ［J］.計算機輔助設計與圖形學學報,2012,24（3）:299-307.

［6］ Sicciqui,FahringerT.Grid Resource Managemtnton Demangd Provisioning，Advance Reservation，and Capacity Planning of Grid Resources ［M］.Berlin:Springer Verlag，2010.

［7］ 李永鋒,朱麗萍.基于模糊層次分析法的產品可用性評價方法［J］.機械工程,2012,48（14）:183-191.

［8］ 王時龍,郭亮，康玲，等.云制造應用模式探討及方案分析［J］.計算機集成制造系統,2012,18（7）:1637-1643.

［9］ 王明微,周競濤,敬石開.面向云制造的按需工作流任務分配方法 ［J］.計算機輔助設計與圖形學學報,2012,24（3）:308-313.