云制造環境下個性化產品配置研究

童曉薇，曾思通，劉艷斌

?

云制造環境下個性化產品配置研究

童曉薇1，曾思通1，劉艷斌2

(1. 福建船政交通職業學院機械工程系，福建 福州 350007；2. 福州大學測試中心，福建 福州 350002)

在分析了云制造環境下的產品配置典型過程的基礎上，總結了云制造環境下參與者及制造資源組織的特點，包括產品配置過程需要兼顧不同參與方的利益，以及在產品配置求解過程中需要覆蓋不同制造服務實例的差異化屬性的基礎，提出了面向云制造的個性化產品配置技術框架，闡述了面向產品配置的云服務模型、基于關聯規則挖掘的產品初步配置以及基于蟻群算法的產品完整配置3個關鍵問題的求解方法，為云制造環境下開展個性化產品配置提供了一種新的思路。在模型設計及方案求解過程中，以輪式裝載機產品配置作為示例進行了闡述，驗證了該方法的有效性和可行性。

產品配置；云制造；云制造服務建模；關聯規則挖掘；蟻群算法

個性化定制正逐步成為信息時代產品制造企業的重要生產模式。通過針對客戶的特點和偏好提供個性化產品和服務，個性化定制模式有效提升了客戶滿意度，成為了企業贏得市場競爭力的重要手段。產品配置技術是實現個性化定制的基礎[1]，是建立企業與潛在客戶之間關聯的關鍵紐帶。產品配置技術基于產品基本技術方案、結構框架和功能模塊，能夠為客戶快速配置出符合其需求的產品，是個性化定制得以兼顧高效率和低成本的關鍵點。

另一方面，經過多年的研究推動，云制造的相關技術已逐漸發展成熟，并在相關領域實現了初步應用[2-3]。通過對產品制造過程及資源組織方式的重構，云制造提供了對分散制造資源的集中利用途徑，使客戶需求與制造服務供需匹配優化成為可能。當前，面向云制造產品配置的相關研究主要集中在云制造任務及服務調度問題的建模，運用如基于多智能體的技術[4]和實時仿真等方法[5]對云制造任務服務供需匹配問題進行優化，尚無以兼顧客戶、企業及云制造平臺的三方利益為前提，并基于云制造平臺的資源組織及調度特點討論云制造環境下個性化產品配置框架的研究。本文針對云制造環境下個性化產品配置技術進行了探討，提出了較為系統的、面向云制造的產品配置技術框架及關鍵求解方案，為云制造的資源配置能力與個性化產品配置快速設計能力相結合提供了一種新的思路。

1 云制造環境下的產品配置框架

1.1 云制造環境下的產品配置特點

在云制造環境下，個性化產品定制主要涉及的參與者包括作為需求提出者的客戶、作為服務提供者的制造企業，以及作為供需撮合及服務調度的云制造平臺。云平臺負責統一收集來自客戶的個性化需求，開展面向云制造服務的產品配置，調度制造企業完成生產裝配，并最終向客戶交付定制產品。其主要運行模式如圖1所示。

圖1 云制造環境下個性化產品定制運行模式

由于參與者及定制過程的顯著差異，云制造環境下的產品配置也有著與傳統產品配置不一樣的特點，包括：

(1) 產品配置過程需要兼顧不同參與方的利益。傳統的產品配置目標是在滿足企業利潤需求基礎上盡可能提高客戶滿意度。在云制造環境下，涉及的參與方變成客戶、平臺和制造企業三方，并有著不同的利益關注點：客戶方希望能夠快速、低價地獲取符合需求的高質量產品，總體表現為客戶滿意度；制造企業希望能夠充分利用產能、降低制造成本，提高利潤；制造平臺期望高效促成客戶與企業雙方的供需匹配，并通過制造能力的優化配置與協調體現平臺價值，產生平臺層面的效益。產品配置的參與方的變化，要求云制造環境下的產品配置應能夠有效平衡三方利益，維護云制造生態。

(2) 產品配置結果受不同制造服務實例的影響。傳統的產品配置通常局限在一個企業范圍內，目的是將客戶對產品的功能、性能、外觀等需求轉換為不同的產品實例，并進一步分解為組件(含部件、零件等)的組合；在云制造環境下，制造服務替代產品組件成為配置的基本單元。不同制造企業可以為同一個制造服務提供不同的生產價格、完成時間及質量屬性的服務實例。由于這些屬性的權衡取舍是確保客戶滿意度和企業利益的關鍵，要求云制造環境下的產品配置在求解過程中覆蓋不同制造服務實例的差異化屬性，產品配置的結果也相應轉換為制造服務實例的集合。

1.2 產品配置技術框架

本文提出一種適用于云制造的產品配置技術框架，其主要思路是：以制造服務作為產品配置的基礎單元，產品配置的結果可以直接轉換為制造企業任務；以客戶滿意度為主要目標，在確保制造企業利潤基礎上通過任務調度的優化實現云制造平臺的自身收益，有效平衡了客戶、平臺和制造企業三方利益。技術框架如圖2所示。

(1) 需求收集與轉換階段。利用“需求詳單”統一收集來自客戶的個性化需求。需求詳單是一種主流的需求收集方法，將功能參數、性能參數、價格范圍、交付時間、質量要求等客戶可感知、能理解的產品的主要特性進行分組歸類列出，供用戶選擇和填寫。需求詳單可以輕易轉換為Web表單，支持在云服務平臺上通過Web頁面收集客戶需求。

(2) 初步配置階段。準確完整地獲取客戶需求是產品配置活動的起點。受信息不對稱及專業知識限制，需求詳單中來自客戶的產品定制需求可能是定性的、不準確的。為此，產品配置技術框架單獨設置了初步配置階段，期望將客戶域需求先準確完整地映射到產品域，避免需求理解不正確并在后續階段放大。在云制造環境下，產品的初步配置結果就是將需求轉換為采用一組制造服務進行表達，為進一步形成完整的、由制造服務構成的產品配置實例做好準備。

圖2 云制造環境下的產品配置技術框架

(3) 完整配置階段。即在初步配置基礎上形成完整的產品配置實例。一方面，由于本階段是初步配置結果的延續和完整化，可以確保客戶明確提出的需求都可以得以體現；另一方面，需求詳單中未能體現的隱性需求往往是提升客戶滿意度的關鍵[6]。為了最大程度提升客戶滿意度，本階段將采用面向“價格低”、“時間短”及“高性能”等常見滿意度目標的多種產品配置策略，形成多套產品完整配置實例供用戶選擇與最終確認，使用戶在需求表述不準確、不完整情況下仍可能獲得超預期產品配置方案。

(4) 完整配置實例引導確認階段。由客戶從眾多方案中挑選最滿意的完整產品配置實例，同時對訂單最終確認；如客戶對所有配置方案均不滿意，極有可能是之前提交的需求并非其真實需求，可引導客戶補充明確需求并對需求詳單進行變更，迭代上述過程，直到確認最終產品配置方案或終止服務。

(5) 需求重組階段。云制造環境下的產品配置方案體現為一組制造服務實例的組合。所以，產品配置方案可直接形成制造任務，派發給相關的制造企業。然而，考慮到單個客戶的需求規模較小，相對成本較高，作為總體協調者及制造任務調度者的云制造平臺可以對同一時間范圍的不同產品定制需求進行批次整合，將配置方案中關聯的相同制造服務實例(同類產品、部件或零件加工任務)重組后統一派發給制造企業。制造任務的批次整合與再分配提升具體制造服務任務的規模水平，一定程度上實現個性化需求的規模化制造，有利于降低制造企業的制造成本。批次規模不同產生的價格差可以作為云制造平臺的運營收入。在兼顧制造企業利益和客戶滿意度前提下確保云制造環境下平臺運營方的利益需求，有利于云制造生態的健康發展及持續運行。

上述5個主要階段中，需求收集階段基于成熟的需求詳單方案，客戶確認階段可以結合實際情況靈活開展，任務制造重組僅需要對同類任務聚合即可，均有成熟方案。所以，云制造環境下產品配置的關鍵難點主要體現為如何在產品初步配置環節實現需求到制造服務的轉換，以及如何在產品完整配置環節生成符合需求的完整產品配置實例并兼顧客戶潛在目標；除此之外，如圖2所示，可配置的云制造服務模型是各環節運行的公共基礎，連接了產品配置的全過程。目前，主流的云制造服務建模研究主要關注通用的云服務形式化描述方法、面向特定目的的云服務建模方法[7-8]等方面，有必要專門從產品配置角度研究云制造服務的建模方法、技術框架及相關關鍵點共同形成面向云制造的產品配置求解整體方案。

本文將針對云制造服務模型、產品初步配置、產品完整配置3個關鍵點提出具體的建模及求解方案。在此過程中，以典型機電產品輪式裝載機的產品配置為主要示例對象，驗證方案的合理性。

2 面向產品配置的云服務模型

本文提出的面向產品配置的云服務模型由云制造服務目錄及云制造服務節點模型兩個部分組成。其中，云制造服務目錄是產品級制造服務組織框架，關注如何從無到有實現主要云制造服務節點的定義和組織；云制造服務節點模型注重具體制造服務節點的模型設計，是在服務目錄基礎上的細化設計。

2.1 云制造服務目錄

借鑒文獻[9]提出的云制造服務清單建模框架思路，參照產品數據管理中常用的BOM技術，本文將特定產品的制造服務組織為層次化的、類似BOM樹的“云制造服務目錄”樹，為制造企業、云制造平臺建立關于產品結構的共性知識，便于制造企業在平臺上注冊具體的制造服務，以及后續進一步將個性化制造需求轉換到產品制造服務。圖3以輪式裝載機工作裝置系統為例，展示了其云制造服務目錄的構建過程，主要分兩個階段。

圖3 輪式裝載機工作裝置系統云制造服務目錄構建完善過程

(1) 服務目錄的初步構建。面向特定行業和產品，由云平臺組織行業及產品專家、參考行業標準及各類BOM，識別出基本的云制造服務體系，面向特定產品階段的基本服務集合需要覆蓋具體產品或者行業在該階段的全部服務，確保其普適性和完整性。

(2) 服務目錄的動態完善。在初步構建的服務目錄基礎上，制造企業根據服務目錄結構對其制造能力進行封裝，提交初步封裝的云制造服務。云平臺從企業封裝的制造服務信息、制造需求信息中發掘基本服務及集成服務之間的相關性[9]，根據識別的相關性結論確定標準制造服務的模塊化組織形式，形成層次化的云制造標準服務體系。隨著在云制造平臺上注冊封裝服務、發布服務需求數量的日益增多，通過上述動態完善過程的迭代，最初的云制造服務目錄不斷演變為更為合理的云制造服務標準化體系，能夠很自然地與同樣基于行業標準構建的云制造服務清單(bill of cloud manufacturing service，BCMS)中的基本服務和集成服務相匹配。

2.2 云制造服務節點模型

現有的云制造服務建模研究主要側重于為制造服務的搜索、組合等任務提供支持，服務模型往往設計為對服務節點結構、接口等功能域及能耗等特定域的概念特征的表達。然而，云制造環境下個性化產品的快速配置要素通常還包括價格、性能和時間等制造能力屬性，需要將這些符合某些特定需求的參與配置的全部零部件及其特征信息融合到云制造服務模型中，建立節點內部組織清晰和外部耦合關聯的產品模型。本文提出的云制造服務節點模型以本體(ontology)技術為描述方案，著眼于從可配置角度抽象與描述產品配置知識的相關概念與關系，將云制造服務節點模型定義為如式(1)所示的三元組，即

C-SNode::= (1)

其中，C-SNode (configurable service node)指可配置制造云服務模型。

(1) Concept指概念實體。進一步派生為6個基本實體，包括：Structure，用以描述產品或零部件節點的結構特征，包括材質、顏色、零部件類型、機構等；Interface，描述產品的接口特征，指明部件節點之間的拓撲關系；Function節點，從功能角度闡述產品及部件；Constrain節點，描述零部件節點之間連接配合的限制條件；Price節點，描述產品或零部件節點的生產價格；Time節點，描述從獲得制造任務到完成制造所需要的時間；Performance節點，描述產品的性能指標與參數。所有的新擴充概念實體要從上述實體繼承，如式(2)所示

Contept::=

Constrain, Price, Time, Performance> (2)

(2) Attribute指概念實體屬性集。具體屬性包括字符屬性、數值屬性、范圍屬性、布爾屬性等。

(3) Relation指概念實體之間的關系集。包括繼承關系type-of、組合關系part-of、實例關系instance-of、屬性關系attribute-of等。

根據C-SNode的定義，可以進一步發現：云制造服務目錄中的產品級的概念屬性可以依次分解到不同的下級零部件節點，且產品級、部件級、零件級的云制造服務節點的概念屬性豐富程度依次降低，如零件級別的節點通常不具有Function概念。由于所有零部件節點都將承載部分產品級概念屬性(如價格概念)，所以稱之為“可配置服務節點”。

圖4展示了輪式裝載機部分模塊云制造服務節點模型的設計。

圖4 輪式裝載機部分模塊云制造服務節點模型示例

綜上所述，云制造服務目錄及云制造服務節點模型共同構成了面向個性化產品配置的云服務模型。其中，云制造服務目錄解決了面向特定行業及產品的制造服務組織問題，形成了標準化的制造服務目錄框架；云制造服務節點模型C-SNode實現了云制造服務的規范化描述，涵蓋了產品的結構信息和制造能力信息，提出了“可配置服務節點”的概念。服務提供者(制造企業)可根據云制造服務目錄注冊對應的制造服務，并根據相應的C-SNode服務模型要求描述具體的屬性值，將制造服務真正轉換為“可配置服務節點”，為面向云制造服務的產品配置過程奠定基礎。

3 基于關聯規則挖掘的產品初步配置

產品初步配置的目標是將需求詳單中的信息轉換、映射到對應的云制造服務中，形成客戶域需求到制造域產品配置知識的轉換。本文采用關聯規則挖掘算法作為產品初步配置的求解方案。關聯規則挖掘是數據挖掘的重要研究方向，主要用于在事務集中不同領域或屬性之間找出可信的、有價值的依賴關系，挖掘隱藏在數據項之間的關聯關系，如用購物清單中各項商品之間存在的聯系實現商品精準推薦。Apriori是開展關聯規則挖掘最常用的算法之一[10]。

具體到面向云制造的產品初步配置場景，規則挖掘涉及到兩個不同的域：需求域與配置域。每個域都是一個子項集，其中需求域子項集由需求詳單中的所有需求點構成，配置域子項集由所有云制造服務節點構成。需求域子項集與配置域子項集共同構成項集；一個歷史產品配置記錄對應事務，同時包含了需求域的子項集域配置域子項集的一部分；所有歷史產品配置記錄構成事務集。利用Apriori算法求解產品的初步配置步驟如下：

步驟1.設定最小支持度Min-及最小置信度Min-。

步驟2. 讀取歷史產品配置記錄，記錄為。

步驟3. 將中涉及的所有項記為候選的1項集1，而后計算各1項集的Support，識別滿足Support > Min-的項集，記為1。

步驟4. 通常Apriori算法將對1中的元素進行組合形成候選2項集2，然而，在產品初步配置場景下獲取頻繁項集的目的是發現需求域與配置域中不同屬性的關聯關系，所以，將Apriori算法執行過程調整為僅組合來自不同域的元素，形成候選2項集2，并再次遍歷所有事務記錄，識別Support > Min-的項集，記為2。

步驟5. 在2基礎上，采用相同的策略迭代，連接2中的不同域的元素形成3，反復執行以上Support計算、比較以及產生更高項集的過程，直到沒有候選項集為止，產生所有的有效頻繁項集。

步驟6. 對各項頻繁集計算置信度，取所有滿足最小置信度的項集為強規則，獲得所有存在強映射關系的“需求-服務”關聯集合。

圖5以輪式裝載機的產品初步配置過程為例，展示了Apriori算法的執行過程。其最終執行結果獲得的強規則是：“爬坡能力強”需求與“型發動機制造服務”有強相關性，即“爬坡能力強”需求則可初步配置到“型發動機制造服務”；在實際云制造產品配置場景中，項集與事務集的規模都遠大于示例，此時，將繼續在2基礎上開展3及后續更高項數的頻繁項集挖掘，獲得更多的強規則。

圖5 輪式裝載機的產品初步配置過程示例

4 基于蟻群算法的產品完整配置

基于產品初步配置結果，以不同配置目標為導向，形成多種產品完整配置實例，是產品完整配置階段的目標。其求解過程本質上是一個多目標優化的過程。在云制造環境下，產品配置的結果是云制造服務實例，而同一個服務節點通常都注冊了多個來自制造企業的服務實例，導致求解過程的復雜度和計算量都較高。綜合上述考慮，本文采用主流的多目標進化算法——蟻群算法(ant colony algorithm，ACA)作為產品完整配置的求解算法。

4.1 基于ACA的產品完整配置思路

ACA是由DORIGO等[11]受到蟻群行為啟發而提出的一種算法，用以解決多目標優化問題(multi-objective optimization problem，MOP)。由于在魯棒性、分布式計算能力等方面的優勢，目前廣泛用于解決各類分配、調度等最優解搜索問題。ACA的基本思想是：將一定數量的螞蟻隨機放在某些節點上，并按照一定規則分別向其他節點移動；螞蟻走過的路徑上會留下信息素，從而形成信息素軌跡，通過信息素的強弱來指導螞蟻運動方向；當所有螞蟻都走過全部節點，信息素最強的軌跡就是最優路徑。

利用ACA對產品完整配置過程進行建模，需要將逐步關聯云制造服務、形成產品實例的過程轉換為適合螞蟻尋址的方式。相關概念的對應關系見表1。

表1 產品完整配置過程與蟻群算法相關概念的對應關系

在ACA運行過程中，一個很重要的步驟是決定如何向下一個節點移動，在本文中綜合考慮了節點之間的可配合性及與配置目標匹配的程度，并用移動概率對其進行綜合，形成量化判斷準則，即

4.2 基于ACA的產品完整配置過程

基于ACA獲得產品完整配置的主要過程是：設置配置目標，如成本優先或價格優先。而后，從產品初步配置結果中獲得初始的云制造服務節點，并將多只“螞蟻”部署在相應的節點上。根據節點C-SNode模型的Interface特征識別可配合性，并基于眾多可配合節點C-SNode模型的Constrain、Price、Time、Performance等各屬性值，利用余弦算法等相關度算法計算與該節點配置目標的符合度，更新信息素強度，將可配合性及信息度強度代入到式(3)中，計算該節點的移動概率。重復上述過程并執行多次迭代，“螞蟻”會朝向可配合、目標匹配度高的服務實例節點移動，直至遍歷完成所有節點。“螞蟻”移動過程需要遵循蟻群算法的規則，如不允許訪問已經走過的節點等。經過數次迭代，即可形成最優引導路徑，從而獲得最為符合配置目標的產品完整配置實例。算法實現流程如圖6所示。

圖6 面向產品完整配置的蟻群算法實現流程

ACA是分布式算法，每一只“螞蟻”均可發現其局部最優配置路徑。在發現最佳路徑的過程中會增強相關節點的信息素濃度。通過上述的多次迭代，最終可以發現與配置目標有最好匹配度的完整配置實例；通過初始化階段設置不同的產品配置目標，可獲得不同完整產品配置實例，供下一階段客戶確認判斷。

需要指出的是，在尋找下一步潛在節點階段，根據2.1節所闡述的云制造服務目錄結構，對于位于目錄樹中級別的節點的某個云制造服務實例，潛在的可以與其配合的云制造服務實例包括：

(1) 同樣位于層，但不屬于相同服務節點的服務實例。

(2) 位于-1層，但不屬于直屬父節點的服務實例。

(3) 位于+1層，但不屬于本節點的子字節。

上述三者構成ACA過程中特別制造服務實例的下一步潛在節點集合。由于ACA是通用算法，限于篇幅，算法過程中其他具體參數的計算不再展開闡述。

5 結論與展望

本文從云制造環境下產品配置活動特點入手，考慮對云制造生態中多方利益的兼顧，提出了一套面向云制造的產品配置技術框架，并進一步針對其中的3個關鍵點，包括面向產品配置的云服務模型設計、個性化需求映射與產品初步配置，以及面向不同目標的產品完整配置的過程都進行了詳細分析，給出模型設計方法及產品配置不同階段的求解方案。在模型設計及方案求解過程中，以典型機電產品輪式裝載機為示例進行了闡述，驗證相關方法的可行性和有效性。

本文的重點是探討云制造環境下產品配置總體過程及關鍵環節，由于涉及面較廣，限于篇幅，未給出完整的示例；在云服務模型設計階段重點考慮整體構建體系，對部分實際存在的復雜情況進行了簡化處理，如服務節點模型的概念屬性可能還不夠完備；在產品完整配置階段，未能展開討論多目標進化算法以外的相關求解方案，存在進一步尋優的可能。后續，將針對個性化需求產品配置的實際開展情況進行更深入的調研和分析，改進整體框架及相關環節設計，進一步完善云制造環境下產品配置思路。

[1] 盛步云, 汪星剛, 蕭箏, 等. 基于客戶需求分析的模塊化產品配置方法[J]. 計算機集成制造系統, 2017, 23(10): 2091-2100.

[2] 程幼明, 吳英, 龔本剛, 等. 眾包: 一種云制造的運作模式[J]. 計算機集成制造系統, 2017, 23(6): 1167-1175.

[3] 林廷宇, 楊晨, 谷牧, 等. 面向航天復雜產品的云制造應用技術[J]. 計算機集成制造系統, 2016, 22(4): 884-898.

[4] 李孝斌, 尹超. 面向生產過程云服務的制造執行系統[J]. 計算機集成制造系統, 2016, 22(1): 177-188.

[5] 趙淳, 張霖, 任磊, 等. 面向云制造交易過程的仿真平臺[J]. 計算機集成制造系統, 2016, 22(1): 25-32.

[6] 楊沁, 唐偉, 李建國. 產品定制中客戶需求沖突的高效消解研究[J]. 機械科學與技術, 2015, 34(1): 94-98.

[7] 湯華茂, 郭鋼. 云制造資源虛擬化描述模型及集成化智能服務模式研究[J]. 中國機械工程, 2016, 27(16): 2172-2178.

[8] 程臻, 戰德臣, 徐漢川. 云制造環境下基于本體的資源虛擬化方法[J]. 華中科技大學學報: 自然科學版, 2013, 41(S2): 106-112.

[9] 童曉薇, 朱結枝. 云制造環境下的制造服務標準化建模方法研究[J]. 圖學學報, 2017, 38(2): 185-191.

[10] 趙洪英, 蔡樂才, 李先杰. 關聯規則挖掘的Apriori算法綜述[J]. 四川理工學院學報: 自然科學版, 2011, 24(1): 66-70.

[11] DORIGO M, MANIEZZO V, COLORNI A. Ant system: optimization by a colony of cooperating agents [J]. IEEE Transactions on Systems, Man and Cybernetics, Part B (Cybernetics), 1996, 26(1): 29-41.

Research on Personalized Product Configuration in Cloud Manufacturing Environment

TONG Xiaowei1, ZENG Sitong1, LIU Yanbin2

(1. Mechanical Engineering Department, Fujian Chuanzheng Communications College, Fuzhou Fujian 350007, China; 2. Test Center, Fuzhou University, Fuzhou Fujian 350002, China)

A personalized product configuration technology framework for cloud manufacturing is proposed in this article,analyzing the typical process of product configuration under cloud manufacturing, and summarizing the characteristics of participants and manufacturing resource organizations in the cloud manufacturing environment, including the need to balance the interests of different participants in the product configuration process and cover the different attributes of different manufacturing service instances during product configuration solution. In addition, we also expound on solutions to the three key issues, including cloud service model for product configuration, preliminary product configuration based on association rule mining, and product integrity configuration based on ant colony algorithm, providing a new idea for personalized product configuration in the cloud manufacturing environment. The product configuration of the wheel loader is used as an example in the process of model design and case solving, which demonstrates the effectiveness and feasibility of this method.

product configuration; cloud manufacturing; cloud manufacturing service modeling; association rule mining; ant colony algorithm

TH166; TP391

10.11996/JG.j.2095-302X.2018061192

A

2095-302X(2018)06-1192-08

2018-05-07；

2018-06-27

福建省中青年教師教育科研項目(JZ180373)

童曉薇(1982-)，女，福建武平人，講師，碩士。主要研究方向為計算機輔助制造、先進制造技術。E-mail：tongxw2010@qq.com