基于服務(wù)滿意度的云制造服務(wù)綜合信任評價模型

基于服務(wù)滿意度的云制造服務(wù)綜合信任評價模型

譚明智易樹平曾銳

重慶大學(xué),重慶,400044

摘要：為有效量化云制造服務(wù)共享平臺中企業(yè)間的合作信任關(guān)系，分析了共享平臺的運營模式,提出了一種綜合考慮服務(wù)滿意度與服務(wù)滿意度波動性的服務(wù)綜合信任評價模型。首先，建立評價指標(biāo)體系量化服務(wù)滿意度，以時間衰減函數(shù)表征服務(wù)滿意度隨時間的變化關(guān)系；然后，利用虛擬資源包的歷史服務(wù)滿意度信息，提出計算全局服務(wù)滿意度的方法；最后，以服務(wù)滿意度波動大小作為獎懲依據(jù)對全局服務(wù)滿意度進行修正,得到虛擬資源包的服務(wù)綜合信任值。數(shù)值實驗驗證了該模型使用的時間衰減函數(shù)和獎懲機制的可行性以及對監(jiān)測企業(yè)提供不穩(wěn)定服務(wù)的有效性。

關(guān)鍵詞：云制造；服務(wù)綜合信任評價；全局服務(wù)滿意度；服務(wù)滿意度波動性

中圖分類號：TH166

收稿日期：2014-12-11

基金項目：國家自然科學(xué)基金資助項目(71501020,70871127);重慶市科技攻關(guān)項目(cstc2012gg-yyjs70009)

作者簡介：譚明智，男，1970年生。重慶大學(xué)機械工程學(xué)院博士研究生。主要研究方向為計算機集成制造系統(tǒng)。易樹平，男，1960年生。重慶大學(xué)機械工程學(xué)院教授、博士研究生導(dǎo)師。曾銳，女，1991年生。重慶大學(xué)機械工程學(xué)院碩士研究生。

AComprehensiveTrustEvaluationModelforCloudManufacturingServiceBasedonServiceSatisfaction

TanMingzhiYiShupingZengRui

ChongqingUniversity，Chongqing,400044

Abstract:To effectively monitor the trust relationship of inter-enterprises cooperation on service-sharing platform of cloud manufacturing,a model of service comprehensive trust evaluation with comprehensive consideration of service satisfaction and its volatility was developed,which was suitable for the operation mode of sharing platform.Firstly,an evaluation index system was designed to quantize service satisfaction by introducing the used time decay function to express the varying trend of service satisfaction with time.Secondly,a computation method of global service satisfaction was put forth using the history informations of service satisfaction of virtual package.Lastly,service comprehensive trust values of virtual resource package was the modification value of global service satisfaction by using volatility value of service satisfaction as the mechanism of rewards and punishments.Computational experiments confirm the used time decay function and mechanism of rewards and punishments are feasible, and they also prove the model is valid to monitor the unstable services provided by enterprises.

Keywords:cloudmanufacturing;servicecomprehensivetrustevaluation;globalservicesatisfaction;volatilityofservicesatisfaction

0引言

在云制造服務(wù)模式中,參與者之間良好的信任關(guān)系是服務(wù)交易的基礎(chǔ)。信任具有模糊性、動態(tài)性和復(fù)雜性,它的量化結(jié)果是通過對實體行為或?qū)嶓w間行為關(guān)系的監(jiān)測、評估計算得到的[1]。目前,云制造領(lǐng)域內(nèi)的研究主要集中在云制造服務(wù)共享平臺的體系架構(gòu)和運行模式[2]、資源虛擬化與使用[3]、資源優(yōu)化配置[4]以及實際應(yīng)用[5]等方面。服務(wù)綜合信任評價為云制造服務(wù)共享平臺運行中的重要環(huán)節(jié)，其評價結(jié)果與資源優(yōu)化配置有著緊密關(guān)系。服務(wù)綜合信任評價的研究主要聚焦于信任評估方法體系的建設(shè)及相應(yīng)算法。胡業(yè)發(fā)等[6]提出了包括域內(nèi)和域間資源服務(wù)信任QoS(qualityofservice)評估的兩層結(jié)構(gòu)的制造網(wǎng)格資源服務(wù)信任評估模型;胡春華等[7-8]基于概率密度信任推理的方法,采用信息熵的服務(wù)選取策略解決了多維可信指標(biāo)的簡單加權(quán)問題;馬毅等[9]根據(jù)節(jié)點通信目標(biāo)在簇內(nèi)和簇外兩種情況計算了節(jié)點間信任度，該方法在識別惡意節(jié)點、成功交易率方面優(yōu)于傳統(tǒng)的全局信任模型;董元發(fā)等[10]提出了云制造模式下基于互評機制的服務(wù)質(zhì)量獲取方法，建立了服務(wù)信任度評價模型并用于服務(wù)選擇。

從上述分析可知，現(xiàn)有的研究主要關(guān)注信任的評估方法以及信任模型的應(yīng)用，都沒有考慮服務(wù)質(zhì)量不穩(wěn)定情況帶來的波動影響。云制造資源共享環(huán)境下企業(yè)在長期服務(wù)過程中提供的服務(wù)質(zhì)量存在波動性，將對企業(yè)的信任評估產(chǎn)生一定的影響，同時影響企業(yè)間的服務(wù)合作關(guān)系,但在云制造領(lǐng)域關(guān)注如何提高企業(yè)間服務(wù)合作穩(wěn)定性的研究較少。本文針對云制造服務(wù)共享平臺(以下簡稱共享平臺)中企業(yè)間的合作信任問題，提出一種基于服務(wù)滿意度的服務(wù)綜合信任評價模型。

1云制造服務(wù)共享平臺

云制造服務(wù)共享平臺能夠?qū)崿F(xiàn)資源的集中管理和有效分配，為用戶提供產(chǎn)品整個生命周期的服務(wù)，其中包括產(chǎn)品設(shè)計、性能檢測、制造、銷售、售后服務(wù)等。它可支持“多對多”、“多對一”等用戶模式的服務(wù)，實現(xiàn)企業(yè)間的資源共享。共享平臺的運營模式如圖1所示。

圖1　云制造服務(wù)共享平臺運營模式

(1)資源發(fā)布企業(yè)(resourcepublishingenterprise,RPE)將需共享的資源封裝并發(fā)布到共享平臺上形成虛擬資源包(virtualresourcepackage,VP)(同時負責(zé)實時更新資源使用情況等狀態(tài)信息)。虛擬資源包是發(fā)布在平臺上的由一系列實體資源組合而成并且能提供一種或者多種服務(wù)的資源包;資源發(fā)布企業(yè)是將自有實體資源封裝成虛擬資源包的企業(yè)；任務(wù)請求企業(yè)(taskrequestenterprise,TRE)是發(fā)出任務(wù)合作請求的企業(yè)；資源發(fā)布企業(yè)和任務(wù)請求企業(yè)是共享平臺的注冊企業(yè)。資源發(fā)布企業(yè)集合RPE={RPE1，RPE2,…,RPEβ,…,RPEi}(i∈N,β=1,2,…,i),RPEβ為資源發(fā)布企業(yè)的編碼。任務(wù)請求企業(yè)集合TRE={TRE1,TRE2,…,TREχ,…,TREj}(j∈N,χ=1,2,…,j),TREχ是任務(wù)請求企業(yè)在共享平臺上的編碼。

(2)任務(wù)請求企業(yè)向共享平臺提出任務(wù)請求,請求成功識別后,共享平臺對其進行任務(wù)分解,得到合適粒度的任務(wù)分解方案,以任務(wù)包(taskpackage,TP)的形式表征。記任務(wù)包關(guān)聯(lián)集合TP={TP1,TP2,…,TPφ,…,TPm}(m∈N,φ=1,2,…,m),TPφ是任務(wù)包在共享平臺上的編碼，關(guān)聯(lián)集合是指任務(wù)包與任務(wù)包間存在的關(guān)聯(lián)信息集合,如串聯(lián)或并聯(lián)關(guān)系信息集合。

(3)建立任務(wù)包與虛擬資源包的一一映射關(guān)系,是根據(jù)任務(wù)包要求在虛擬資源庫中搜索得到符合要求的候選資源包集(setofcandidateresourcepackage,CRS)。其中，各類虛擬資源包通過層次化分類形成虛擬資源庫；候選資源包集是一組能夠完成同一種任務(wù)的虛擬資源包集合。候選資源包集集合記為CRS={CRS1,CRS2,…,CRSξ,…,CRSm}(m∈N，ξ=1,2,…,m),表示各個任務(wù)包在虛擬資源庫中搜索相對應(yīng)并且符合要求的候選資源包集,CRSξ表示任務(wù)包對應(yīng)的候選資源集編碼;候選資源包集CRSξ={VP(m,9,1),VP(m,7,2),…,VP(m,μ,ν),…,VP(m,ki,nj)}(μ=9,7,…,ki;ν=1,2,…,ηj;ki,nj∈N),該集合包含nj個候選資源包,VP(m,μ,ν)為虛擬資源包的編碼,其中m表征與該虛擬資源包相匹配的任務(wù)包編碼,μ為虛擬資源包在虛擬資源庫的編碼,ν為虛擬資源包在候選資源包集中的序號。

(4)依據(jù)候選資源包集間虛擬資源包的優(yōu)化選擇組合,形成任務(wù)-資源匹配方案。記任務(wù)-資源匹配方案為:P={VP(1,a,b),VP(2,c,d),…,VP(η,α,β),…,VP(m,g,l)}(β∈[1,nj],η=1,2,…,m),同時進行方案的沖突監(jiān)測,確保方案涉及的資源可按時按需調(diào)用。

(5)任務(wù)請求企業(yè)與匹配的服務(wù)合作企業(yè)(servicecooperationenterprise,SCE)確認方案并開始執(zhí)行。服務(wù)合作企業(yè)是被選中完成任務(wù)請求的資源發(fā)布企業(yè),簡稱合作企業(yè)。合作企業(yè)集合記為SCE={SCE(1,a,p1),SCE(2,c,p2),…,SCE(η,α,pζ),…,SCE(m,g,pq)}(q∈N,ζ=1,2,…,q),其中SCE(η,α,pζ)為合作企業(yè)的編碼,α與P中的虛擬資源包在虛擬資源庫的編碼相對應(yīng),pζ與資源發(fā)布企業(yè)在平臺中的編碼相對應(yīng)。在服務(wù)合作中,請求企業(yè)和合作企業(yè)實時反饋服務(wù)綜合信任評價信息。

(6)合作企業(yè)將服務(wù)執(zhí)行結(jié)果(outcome,OT)反饋給任務(wù)請求企業(yè)。服務(wù)執(zhí)行結(jié)果記為：OT={OT(1,p1,y1),OT(2,p2,y2),…,OT(η,pζ,yε),…,OT(m,pq,ym)},(ε=1,2,…,m),其中OT(η,pζ,yε)為服務(wù)執(zhí)行結(jié)果的編碼,yε表示服務(wù)執(zhí)行結(jié)果在平臺上的編碼。

2服務(wù)綜合信任評價思路

在云制造服務(wù)模式中,參與者之間良好的信任關(guān)系是服務(wù)交易的基礎(chǔ),有必要建立一種服務(wù)綜合信任評價方法，為候選資源包集間虛擬資源包的優(yōu)化選擇組合提供必要的擇優(yōu)信息,以便共享平臺在選擇合作企業(yè)時可對虛擬資源庫中滿足任務(wù)要求的資源發(fā)布企業(yè)進行預(yù)先評估。

服務(wù)綜合信任評價是以虛擬資源包獲取的服務(wù)滿意度(servicesatisfaction,SS)為基礎(chǔ)的,通過全局服務(wù)滿意度(globalservicesatisfaction,GSS)和服務(wù)滿意度波動性(volatilityofservicesatisfaction,VSS)兩個因素來綜合評判。全局服務(wù)滿意度越高，服務(wù)滿意度波動性越小，虛擬資源包的服務(wù)綜合信任值(servicecomprehensivetrustvalues,SCTV)越高。服務(wù)滿意度是根據(jù)服務(wù)滿意度評價指標(biāo)體系綜合計算得到的;全局服務(wù)滿意度是根據(jù)虛擬資源包的服務(wù)滿意度綜合計算直接滿意度(directsatisfaction,DS)和推薦滿意度(recommendedsatisfaction,RS)而得到的；而服務(wù)滿意度波動性則考慮虛擬資源包歷史服務(wù)滿意度數(shù)據(jù)存在的波動性,表現(xiàn)為虛擬資源包對應(yīng)的合作企業(yè)提供的服務(wù)穩(wěn)定性。服務(wù)綜合信任評價思路如圖2所示。

圖2　服務(wù)綜合信任評價思路

3服務(wù)綜合信任評價模型

以服務(wù)綜合信任值(SCTV)VSCT作為整體評價服務(wù)可靠性的指標(biāo),通過全局服務(wù)滿意度(GSS)SGS和服務(wù)滿意度波動性(VSS)VSS兩個因素綜合評判。全局服務(wù)滿意度越高,服務(wù)滿意度波動性越小,虛擬資源包的服務(wù)綜合信任值越高。該信任評價用公式表示為

(1)

其中,φ為任務(wù)請求企業(yè)能接受的服務(wù)滿意度波動性閾值,φ值越小,表示任務(wù)請求企業(yè)對合作企業(yè)提供服務(wù)的穩(wěn)定性要求越高。當(dāng)服務(wù)滿意度波動性小于等于閾值φ時,則給全局服務(wù)滿意度一定的獎勵;當(dāng)服務(wù)滿意度波動性大于閾值φ時,在全局服務(wù)滿意度上給一定的懲罰。α0為懲罰修正因子,λ為獎勵修正因子,α0∈[0,1]，λ∈[0,1],φ∈[0,+∞)。

3.1服務(wù)滿意度計算

3.1.1服務(wù)滿意度評價指標(biāo)體系

服務(wù)滿意度評價指標(biāo)體系分為三級,如圖3所示。直接性指標(biāo)能直接反映合作企業(yè)的服務(wù)水平,主要包括服務(wù)響應(yīng)率、服務(wù)成本偏差、服務(wù)可靠性、交付及時率和服務(wù)成功率等；間接性指標(biāo)從側(cè)面反映合作企業(yè)的服務(wù)水平，包含服務(wù)合作率和近期活躍度等。

圖3　服務(wù)滿意度評價指標(biāo)體系

(1)服務(wù)響應(yīng)率(serviceresponserate,SRR)RSR:合作企業(yè)近期(時間段為M)向共享平臺發(fā)出合作請求的響應(yīng)次數(shù)(responsenumber,RN)NR與平臺向合作企業(yè)發(fā)出的請求次數(shù)(request number,RNB)NRB之比，即RSR=NR/NRB,反映企業(yè)有意愿參與合作的程度。

(2)服務(wù)成本偏差(idealcostdeviation,ICD)dIC：虛擬資源包的成本(costofVP,CVP)CVP與候選資源集中所有虛擬資源包的平均成本(averagecostofCRS,ACC)CA之比,即dIC=CVP/CA,反映企業(yè)對成本的控制水平。

(3)服務(wù)可靠性(servicereliability,SR)RS：合作企業(yè)服務(wù)失效時間(service failure time,SFT)tSF與服務(wù)時間(servicetime,ST)tS之比,即RS=tSF/tS,反映合作企業(yè)提供服務(wù)的持續(xù)性。

(4)交付及時率(in-timedeliveryrate,IDR)RID:合作企業(yè)近期交付及時次數(shù)(in-timedeliverytime,IDT)tID與合作次數(shù)(cooperationnumber,CN)NC之比,即RID=tID/NC,反映企業(yè)處理訂單的能力。交付及時次數(shù)是共享平臺記錄合作企業(yè)在規(guī)定的交付期內(nèi)提交服務(wù)的次數(shù),可比較完成服務(wù)時間與交付期的大小來確定。

(5)服務(wù)成功率(servicesuccessrate,SSR)RSS:合作企業(yè)在近期服務(wù)成功次數(shù)(successnumber,SN)NS與合作次數(shù)之比,即RSS=NS/NC,反映企業(yè)參與合作的服務(wù)水平。

(6)服務(wù)合作率(servicecooperationrate,SCR)RSC:合作企業(yè)近期合作次數(shù)與響應(yīng)次數(shù)之比,即RSC=NC/NR,反映企業(yè)在合作匹配中的優(yōu)先度。

(7)近期活躍度(recentactiveness,RA)AR:虛擬資源包在近期與其他企業(yè)進行服務(wù)交互的頻繁程度[11]，可表示為

其中,γ是修正系數(shù)。當(dāng)NC大于γ時，AR值上升較快；相反，當(dāng)NC小于γ時,AR值上升較慢。

3.1.2服務(wù)滿意度計算方法

服務(wù)滿意度評價指標(biāo)信息的獲取過程包含兩個途徑:第一,共享平臺對合作企業(yè)實施服務(wù)的過程監(jiān)測;第二,合作企業(yè)集合中,下游企業(yè)對上游企業(yè)服務(wù)執(zhí)行結(jié)果的評價。這些信息將直接存儲在虛擬資源包中。服務(wù)滿意度的基礎(chǔ)信息包含服務(wù)序列(servicesequence,SSQ)、服務(wù)時間(servicetime,ST)、任務(wù)包編碼、服務(wù)滿意度評價指標(biāo)(servicesatisfactionrvaluationindex,SSEI)和服務(wù)滿意度評價指標(biāo)值(evaluationvalue,EV)。服務(wù)序列記錄虛擬資源包匹配任務(wù)包的序號；服務(wù)時間記錄獲取服務(wù)滿意度評價指標(biāo)信息的截止時間；服務(wù)滿意度評價指標(biāo)值是共享平臺和合作企業(yè)對平臺要求的服務(wù)滿意度評價指標(biāo)的評估值。

服務(wù)序列集合SSQ={1,2,…,k,…,i}(i∈N),k表示虛擬資源包匹配任務(wù)包的序號;服務(wù)時間集合ST={t1,t2,…,tk,…,ti},tk表示第k次獲取的服務(wù)滿意度評價指標(biāo)信息的截止時間;虛擬資源包VP(m,μ,ν)匹配的任務(wù)包集合TP′={TPa1,TPa2,…,TPar…,TPay}(y∈N),TPar與TPφ意義相同;服務(wù)滿意度評價指標(biāo)體系的第三級指標(biāo)集合SSEI={SSEI1,SSEI2,…,SSEIh,…,SSEIj}(j∈N),SSEIh表示虛擬資源包的第h個服務(wù)滿意度評價指標(biāo);虛擬資源包的歷史服務(wù)滿意度評價指標(biāo)值矩陣如下：

其中,Vkh表示第k次匹配任務(wù)包TPar獲取的第h個服務(wù)滿意度評價指標(biāo)值。

(2)

3.1.3服務(wù)滿意度的時間衰減處理方法

共享平臺中企業(yè)間的信任關(guān)系是在長期交互過程中形成和發(fā)展的。由于過去事件對當(dāng)前的影響力將隨著時間的增長而衰減，因而過去的評價信息(服務(wù)滿意度)同樣具有一定的時效性。服務(wù)滿意度的生成時間距離當(dāng)前調(diào)用虛擬資源包的時刻ti越遠,該服務(wù)滿意度信息對當(dāng)前虛擬資源包的信任評估影響力越小。因此，企業(yè)共享的虛擬資源包的服務(wù)滿意度和時間密切相關(guān),其與時間的關(guān)系用時間衰減函數(shù)f表示。

3.2全局服務(wù)滿意度計算

虛擬資源包的服務(wù)滿意度是針對任務(wù)包而言的,同一個虛擬資源包對不同的任務(wù)包有不同的服務(wù)滿意度。虛擬資源包的全局服務(wù)滿意度可分兩部分計算,即直接滿意度SD和推薦滿意度SR,兩類滿意度均利用歷史服務(wù)滿意度記錄加以計算。

對共享平臺在虛擬資源庫中尋求能夠完成任務(wù)包TPar的虛擬資源包進行全局服務(wù)滿意度評價。利用虛擬資源包服務(wù)于任務(wù)包TPar的歷史記錄中的服務(wù)滿意度計算該虛擬資源包對該任務(wù)包的直接滿意度;利用該虛擬資源包服務(wù)于其他任務(wù)包的歷史記錄中的服務(wù)滿意度計算該虛擬資源包對該任務(wù)包TPar的推薦滿意度。引入權(quán)重因子μ，綜合計算直接滿意度和推薦滿意度得出該虛擬資源包的全局服務(wù)滿意度，公式如下：

SGS=μSD+(1-μ)SRμ∈[0,1]

(3)

其中,μ值越大,表示直接滿意度的權(quán)重越大,平臺越信賴虛擬資源包服務(wù)于任務(wù)包TPar獲取的歷史服務(wù)滿意度。當(dāng)虛擬資源包的服務(wù)序列小于等于20時，用專家評價法設(shè)定μ值;當(dāng)大于20時,μ值由下式確定：

(4)

其中,SGS,k表示第k次計算的全局服務(wù)滿意度。集合A={b1,b2,…bs,…,bz}(bs∈N,A∈SSQ),A為服務(wù)序列,A不包含任務(wù)包TPar對應(yīng)的服務(wù)序列號,集合A的個數(shù)為ψ。

直接滿意度和推薦滿意度的計算公式為

(5)

(6)

式(6)中,CR,k稱為推薦可信度(recommendedcredibility，RC),表示虛擬資源包對起推薦作用的任務(wù)包的服務(wù)滿意度的信任程度,隨這類任務(wù)包對虛擬資源包的評價次數(shù)增加而變化，更新公式如下：

(7)

3.3服務(wù)滿意度波動性計算

服務(wù)滿意度波動性是指虛擬資源包在近期的服務(wù)滿意度的數(shù)值波動狀況,依賴于歷史服務(wù)滿意度Sk的波動性大小，以標(biāo)準(zhǔn)差(standarddeviation,SD)dS的變換形式表示為

其中,fΔ表示時間衰減函數(shù),fΔ=1/eν2Δt ，Δt表示某個歷史時間距離當(dāng)前時間的時間差,ν2是時間衰減修正系數(shù)。dS表示虛擬資源包的服務(wù)滿意度與近期歷史服務(wù)滿意度均值的標(biāo)準(zhǔn)差,歷史服務(wù)滿意度的信息隨時間衰減。dS越大,表示歷史服務(wù)滿意度波動性越大,對全局服務(wù)滿意度產(chǎn)生的影響越大；相反，dS越小，表示歷史服務(wù)滿意度波動性越小，對全局服務(wù)滿意度產(chǎn)生的影響越小。

由全局服務(wù)滿意度評價過程推理可知，任務(wù)包TPar和其他任務(wù)包各自形成的近期服務(wù)滿意度波動性對全局服務(wù)滿意度產(chǎn)生的影響不同，故服務(wù)滿意度波動性由任務(wù)包TPar的服務(wù)滿意度波動性(volatilityofservicesatisfactionofdirectpackage,VSSD)VSSD和其他任務(wù)包的服務(wù)滿意度波動性(volatilityofservicesatisfactionofrecommendedpackage,VSSR)VSSR組成，則服務(wù)滿意度波動性為

VSS=ωVSSD+(1-ω)VSSR

(8)

其中,ω為服務(wù)滿意度波動性修正系數(shù),ω∈[0,1]。任務(wù)包TPar的服務(wù)滿意度波動性和其他任務(wù)包的服務(wù)滿意度波動性的表達式如下：

(9)

3.4服務(wù)綜合信任評價算法流程

在整個服務(wù)綜合信任評價中,關(guān)鍵是根據(jù)虛擬資源包的歷史服務(wù)滿意度計算全局服務(wù)滿意度和服務(wù)滿意度波動性，具體評價算法流程如下：

(1)設(shè)定服務(wù)滿意度波動性閾值φ,懲罰修正因子α0,獎勵修正因子λ,直接滿意度權(quán)重因子μ,時間衰減修正系數(shù)ν1、ν2,服務(wù)滿意度波動性修正系數(shù)ω，虛擬資源包被選為候選資源包時的服務(wù)序列為i+1；

(2)用式(2)計算虛擬資源包的每次服務(wù)交易的服務(wù)滿意度；

(3)結(jié)合時間衰減函數(shù)和推薦可信度，用式(5)和式(6)分別計算虛擬資源包的直接滿意度和推薦滿意度,并用式(7)計算更新每個起推薦作用的任務(wù)包的推薦可信度；

(4)用式(3)計算虛擬資源包的全局服務(wù)滿意度；

(5)用式(9)計算任務(wù)包TPar的服務(wù)滿意度波動性和其他任務(wù)包的服務(wù)滿意度波動性；

(7)用式(8)計算虛擬資源包的服務(wù)滿意度波動性；

(8)用式(1)計算虛擬資源包的服務(wù)綜合信任值。

4算例

為驗證本文提出的基于服務(wù)滿意度的云制造服務(wù)綜合信任評價模型中的策略和參數(shù)設(shè)定的可行性以及對監(jiān)測企業(yè)提供不穩(wěn)定服務(wù)的有效性，運用控制變量法對服務(wù)滿意度進行設(shè)定，觀察各情況結(jié)果，最終實現(xiàn)對模型和算法的實驗驗證。

當(dāng)任務(wù)請求企業(yè)向云制造服務(wù)共享平臺提出任務(wù)請求時，共享平臺首先將任務(wù)請求分解為任務(wù)包,任務(wù)包與虛擬資源庫進行任務(wù)與資源映射，然后選擇出符合要求的候選資源包集，候選資源包的服務(wù)綜合信任評價是候選資源集中虛擬資源包優(yōu)化組合的基礎(chǔ)。其中符合要求的候選資源包包含虛擬資源包VP(m,μ,ν),服務(wù)過的任務(wù)包有兩個，分別是任務(wù)包TPa1和TPa2。根據(jù)服務(wù)先后順序依次記錄虛擬資源包的服務(wù)滿意度評價指標(biāo)值，然后計算其服務(wù)滿意度。設(shè)定服務(wù)綜合信任值的交易成功閾值為0.5,其他參數(shù)值見表1。

表1　參數(shù)表

運用本文提出的模型和算法,設(shè)定虛擬資源包為任務(wù)包TPa1、TPa2提供的服務(wù)滿意度均為0.7,運用MATLAB模擬虛擬資源包的服務(wù)次數(shù)為200,服務(wù)時間以月為單位。當(dāng)虛擬資源包在服務(wù)時間為140個月時，提供1次不穩(wěn)定服務(wù),對任務(wù)包TPa1提供的服務(wù)滿意度為0.3;當(dāng)虛擬資源包在交易過程中周期性提供3次不穩(wěn)定服務(wù),周期T=16個月,對任務(wù)包TPa1提供的服務(wù)滿意度為0.3。不穩(wěn)定服務(wù)是指虛擬資源包提供的某次服務(wù)使得服務(wù)滿意度波動性大于設(shè)定閾值。每次虛擬資源包為任務(wù)包TPa1和TPa2提供服務(wù)計算出的服務(wù)綜合信任值模擬4種情況：

(1)歷史服務(wù)滿意度對虛擬資源包的重要程度不隨時間衰減變化時,虛擬資源包的服務(wù)綜合信任值無懲罰和獎勵機制(nomechanismofrewardsandpunishmentswithouttimedecay,NTNRP),如圖4中的NTNRP1曲線和NTNRP2曲線，分別對應(yīng)虛擬資源包服務(wù)的任務(wù)包TPa1、TPa2的服務(wù)綜合信任值。

(a)1次不穩(wěn)定服務(wù)

(b)3次不穩(wěn)定服務(wù) 圖4　虛擬資源包提供1次/3次不穩(wěn)定服務(wù)且無時間衰減

(2)歷史服務(wù)滿意度對虛擬資源包的重要程度不隨時間衰減變化時,虛擬資源包的服務(wù)綜合信任值有懲罰和獎勵機制(havemechanismofrewardsandpunishmentswithouttimedecay,NTHRP),如圖4中的NTHRP1曲線和NTHRP2曲線分別對應(yīng)虛擬資源包服務(wù)的任務(wù)包TPa1、TPa2的服務(wù)綜合信任值。

(3)歷史服務(wù)滿意度對虛擬資源包的重要程度隨時間衰減變化時,虛擬資源包的服務(wù)綜合信任值無懲罰和獎勵機制(nomechanismofrewardsandpunishmentswithtimedecay,HTNRP),如圖5中的HTNRP1曲線和HTNRP2曲線。

(4)歷史服務(wù)滿意度對虛擬資源包的重要程度隨時間衰減變化時，虛擬資源包的服務(wù)綜合信任值有懲罰和獎勵機制(havemechanismofrewardsandpunishmentswithtimedecay,HTHRP),如圖5中的HTHRP1曲線和HTHRP2曲線。

(a)1次不穩(wěn)定服務(wù)

(b)3次不穩(wěn)定服務(wù) 圖5　虛擬資源包提供1次/3次不穩(wěn)定服務(wù)且有時間衰減

分析圖4和圖5的數(shù)據(jù)可知，可以得到如下結(jié)論：

(1)虛擬資源包的服務(wù)滿意度隨時間衰減變化。在不考慮服務(wù)滿意度隨時間衰減變化的情況下，當(dāng)虛擬資源包提供一次或少數(shù)幾次不穩(wěn)定服務(wù)時，這些異常服務(wù)帶來的負面影響將持續(xù)過長的時間。考慮服務(wù)滿意度隨時間衰減變化，不穩(wěn)定服務(wù)對服務(wù)綜合信任值的影響在任務(wù)請求企業(yè)能接受的時間衰減長度范圍內(nèi)逐漸變小。

(2)采用獎懲機制激勵虛擬資源包提供穩(wěn)定服務(wù)。在考慮虛擬資源包的服務(wù)滿意度隨時間變化的情況下，若虛擬資源包提供不穩(wěn)定的服務(wù)滿意度，服務(wù)滿意度波動性大于設(shè)定閾值，應(yīng)給予較大的信任懲罰；若虛擬資源包提供不穩(wěn)定服務(wù)之后提供較為穩(wěn)定的服務(wù)，服務(wù)滿意度波動性小于設(shè)定閾值，則應(yīng)給予適當(dāng)?shù)男湃为剟睢?/p>

上述數(shù)值實驗分析表明，利用本文提出的基于服務(wù)滿意度的云制造服務(wù)綜合信任評價模型能夠由合作企業(yè)的歷史服務(wù)滿意度的數(shù)據(jù)獲知未來提供服務(wù)的信任度，該指標(biāo)可作為云制造服務(wù)共享平臺中虛擬資源包優(yōu)選的一個重要權(quán)重參量，從而確保企業(yè)間服務(wù)合作可行可靠。

參考文獻:

[1]ChangE,ThomsonP,DillonT,etal.TheFuzzyandDynamicNatureofTrust[J].LectureNotesinComputerScience,2005,3592:161-174.

[2]尹超,黃必清,劉飛,等.中小企業(yè)云制造服務(wù)平臺共性關(guān)鍵技術(shù)體系[J]. 計算機集成制造系統(tǒng), 2011,17(3):495-503.

YinChao,HuangBiqing,LiuFei,etal.CommonKeyTechnologySystemofCloudManufacturingServicePlatformforSmallandMediumEnterprises[J].ComputerIntegratedManufacturingSystems,2011,17(3):495-503.

[3]曹嘯博,許承東,胡春生.云制造環(huán)境中的虛擬制造單元[J].計算機集成制造系統(tǒng),2012,18(7):1415-1425.

CaoXiaobo,XuChengdong,HuChunsheng.VirtualManufacturingUnitinCloudManufacturing[J].ComputerIntegratedManufacturingSystems,2012,18(7):1415-1425.

[4]吳曉曉,石勝友,侯俊杰,等.航天云制造服務(wù)應(yīng)用模式研究[J].計算機集成制造系統(tǒng),2012,18(7):1595-1603.

WuXiaoxiao,ShiShengyou,HouJunjie,etal.AerospaceCloudManufacturingServiceApplicationMode[J].ComputerIntegratedManufacturingSystems,2012,18(7):1595-1603.

[5]沈磊,郭鋼,董元發(fā),等.面向裝備制造行業(yè)的云制造服務(wù)需求與資源響應(yīng)模型[J].中國機械工程,2014,25(7):911-917.

ShengLei,GuoGang,DongYuanfa,etal.EquipmentManufacturingIndustry-orientedRespondModelofCloudManufacturingServiceRequirementsandResources[J].ChinaMechanicalEngineering,2014,25(7):911-917.

[6]胡業(yè)發(fā), 陶飛, 周祖德. 制造網(wǎng)格資源服務(wù)Trust-QoS評估及其應(yīng)用[J]. 機械工程學(xué)報, 2007,43(12)： 203-211.

HuYefa,TaoFei,ZhouZude.ManufacturingGridResourceServiceTrust-QoSEvaluationandApplication[J].ChineseJournalofMechanicalEngineering, 2007,43(12):203-211.

[7]胡春華, 羅新星, 王四春,等. 云計算環(huán)境下基于信任推理的服務(wù)評價方法[J].通信學(xué)報,2011，32(12)：72-81.

HuChunhua,LuoXinxing,WangSichun,etal.ApproachofServiceEvaluationBasedonTrustReasoningforCloudComputing[J].JournalonCommunications,2011,32(12)：72-81.

[8]胡春華,劉濟波,劉建勛.云計算環(huán)境下基于信任演化及集合的服務(wù)選擇[J].通信學(xué)報,2011,32(7):71-79.

HuChunhua,LiuJibo,LiuJianxun.ServicesSelectionBasedonTrustEvolutionandUnionforCloudComputing[J].JournalonCommunications,2011,32(7):71-79.

[9]馬毅, 譚振華, 常桂然,等. 基于歷史聚集簇的P2P網(wǎng)絡(luò)信任模型[J]. 東北大學(xué)學(xué)報(自然科學(xué)版), 2013,34(4)：512-515.

MaYi,TanZhenhua,ChangGuiran,etal.RelatedClusterBasedTrustModelforP2PNetworks[J].JournalofNortheasternUniversity(NaturalScience), 2013,34(4)：512-515.

[10]董元發(fā),郭鋼. 基于模板與全局信任度的云制造服務(wù)評價與選擇方法[J]. 計算機集成制造系統(tǒng), 2014,20(1)：207-214.

DongYuanfa,GuoGang.EvaluationandSelectionApproachforCloudManufacturingServiceBasedonTemplateandGlobalTrustDegree[J].ComputerIntegratedManufacturingSystems,2014,20(1):207-214.

[11]蔡紅云,杜瑞忠,田俊峰,等.基于云模型和風(fēng)險評估的信任模型研究[J].計算機工程,2012,38(23):139-142.

CaiHongyun,DuRuizhong,TianJunfeng,etal.ResearchofTrustModelBasedonCloudModelandRiskEvaluation[J].ComputerEngineering,2012,38(23):139-142.

[12]印桂生, 崔曉暉, 馬志強. 遺忘曲線的協(xié)同過濾推薦模型[J]. 哈爾濱工程大學(xué)學(xué)報, 2012, 20(1):207-214.

YinGuisheng,CuiXiaohui,MaZhiqiang.ForgettingCurve-basedCollaborativeFilteringRecommendationModel[J].JournalofHarbinEngineeringUniversity, 2012,33(1):85-90.

(編輯袁興玲)