非穩態云制造服務過程資源異常管理方法

董元發 吳正佳 杜 軒 查 靚 袁慶松

三峽大學機械與動力學院，宜昌，443002

0 引言

隨著云計算（cloud computing）、物聯網（inter?net of things，IoT）、人 工 智 能［1］（artificial intelli?gence，AI）等先進信息技術在制造領域應用的不斷成熟，云制造（cloud manufacturing，CMfg）作為一種基于網絡的、面向服務的智慧化制造新模式，引起了學術界和企業界的高度關注［2］。云制造利用現代服務技術對廣域、分散、異構的制造資源進行物聯化、虛擬化、服務化、協同化和智能化處理［3-4］，并通過網絡和云制造服務平臺實現對封裝制造資源及服務的集中管理和高度共享，為企業的制造全生命周期過程提供可靠的個性化服務［5］，體現了“分散資源集中使用、集中資源分散服務”的思想。

云制造環境下服務需求的響應過程需要由人（指設計、制造、服務等生產活動中擁有一定技能或經驗的操作者）、機（指生產中所使用的設備、工具、軟件、數據庫等輔助生產用具）、料（指作為制造活動輸入的半成品、配件、原料、數據、文檔等有形實體或無形資源）、法（指制造活動中所需遵循的工藝流程或使用的知識、模型等）、環（指制造活動所需的空間、場地及保障條件）、測（指保證制造活動符合規定質量水平所涉及的量具或測量手段）等多域異構制造資源協同完成，而單域制造資源也可能同時服務于多個需求，服務需求與制造資源間存在復雜的動態關聯映射關系，形成了一種復雜動態網絡結構［6］。受自身原因或外部環境的影響（如設備故障、工藝缺陷、人員變動、原料問題、工況變動等），實際服務過程中云制造資源的狀態往往是動態變化的，這種變化通過網絡傳播會導致云制造服務過程的不確定性增加，進而影響服務質量［7］，因此，考慮云制造資源的時變性、充分利用現代物聯感知及數據集成技術實時獲取云制造資源的狀態變化［8-10］、準確評估多源制造資源擾動對云制造服務過程的影響，對有效管控非穩態云制造服務過程具有重要意義。

目前國內外學者主要從服務模式與體系結構［11］、服務組合［12］、服務過程監控［13-14］、服務過程異常識別與自適應調整等方面對服務過程的可靠性展開研究。羅賀等［11］針對云制造服務模式中缺少服務監管角色而不能保證安全性的問題，提出了一種基于可信第三方監管的云制造服務模式；敬石開等［12］為提高云制造環境下的服務組合執行可靠性，提出了一種基于離散粒子群智能優化的、考慮執行可靠性的云制造服務組合算法；周競濤等［13］針對云制造項目具有的項目隨需動態產生、以能力為基本調度單元、不存在全局調控等典型特征，提出了能力驅動的云制造項目監控機制；李澤彪等［14］給出了生產加工服務的監控過程與監控內容，提出了生產加工服務監控的體系框架；馬文龍等［15］為解決云制造環境下服務組合過程中出現的異常問題，提出了一種制造云服務組合異常自適應調整方法；QU等［16］開發了一套物聯網環境下基于云計算的生產物流管理系統，通過對制造資源的實時監測與動態能力匹配，實現對動態生產過程中的物流需求實時響應，以及對制造資源的實時狀態監測與動態能力匹配；魏樂等［17］將異常分為與云服務相關的異常、與任務需求相關的異常和與服務QoS相關的異常3種，提出了一種基于QoS的組合云服務自適應調整機制；趙秋云等［18］給出了制造設備云服務和異常的形式化定義，分析了云制造系統產生的7種異常，建立了異常處理模型；董元發等［19］針對施工過程中施工資源的時變性造成施工計劃變更頻繁、施工進度難以保證的問題，提出了單源、多源隨機資源異常事件的響應機制與傳播算法，建立了一套可管控施工資源動態變化的施工過程管理原型系統。

綜上所述，雖然部分學者已經意識到云制造服務過程的非穩態特性和對多域異構制造資源進行動態管理的必要性，但目前已經開展的研究仍然比較零散，對非穩態云制造服務過程中資源的時變性研究仍然不夠［20］。為此，本文通過建立云制造服務與制造資源之間的關聯約束關系并分別定義各類云制造資源異常事件，建立單源、多源制造資源異常事件的傳播算法與響應機制，準確評估云制造資源異常對云制造服務時效的影響并及時作出響應，從而提高云制造服務過程的動態管控水平。

1 非穩態云制造服務過程管理框架

云制造平臺是一個典型的開放系統，它需要與外界環境不斷地交換信息并驅動實際制造過程。在云服務需求未被響應之前，云制造平臺內部處于一種無序的非平衡狀態，體現為制造資源種類多、分布廣、可用性隨時間不斷變化，云制造服務網絡拓撲關系復雜，具體服務過程及管控點定義不清等。當響應某服務需求的云服務組合方案確定后，與之對應的云制造服務項目隨即生成，此時僅完成了定義一個理想的局部平衡態服務系統。對云制造服務過程的管控是推動該服務系統從初始的非平衡態向理想的平衡態逼近的過程。

制造資源是構成云制造服務系統的基礎，其固有的多域性、時變性及不確定性等特點是導致云制造服務過程的時效、質量及成本發生波動的主要原因。當來自制造資源的擾動超過一定閾值時，云服務系統失去原有的穩定性，體現為云服務組合的調整、云服務項目的變更等，此時服務系統進入一種新的近平衡態。由此可見，云服務系統是在內部無序變化與外部過程管控雙重作用下的耗散結構。

云制造服務過程中，使用者并不關心服務細節，因此云服務平臺運營方及云服務提供者必須考慮以上非穩態特性并采取相應調控措施保證云服務過程順利達到預設目標。為有效管控云制造服務過程，本文通過對多域異構制造資源擾動的實時感知，掌握云制造服務系統熵值增加的原因及影響，引入管理負熵流以保持服務過程的平穩進行。如圖1所示，云制造項目任務根據實際需要調用由云制造資源封裝而成的云制造服務，相互之間形成關聯約束關系；在數據集成與物聯感知等信息技術的支持下，云制造服務過程管控及制造資源可用性指標實時反饋給云服務過程管控智能Agent。當云制造資源出現能力下降、故障或永久消失等異常情況時，該異常信息通過云制造項目任務、云制造服務與云制造資源之間的關聯約束網絡逆向傳播，引起資源可用性指標和云服務過程管控指標（時間、質量、成本等）的改變，整個服務系統熵值增加。云制造服務平臺中的智能過程管控Agent根據引起系統熵增的原因發出變更控制或調度指令，形成負熵流以維持服務系統趨于穩態，保障云服務過程的平穩有序。

圖1 非穩態云制造服務過程管理框架Fig.1 The management framework of unsteady cloud manufacturing service process

2 云制造服務-資源關聯約束建模與資源異常響應機制

2.1 云制造服務與云制造資源關聯約束建模

云制造模式中，云制造服務需求的響應可以由單個云制造服務或多個云制造服務組合完成，實際執行過程往往以項目的形式在云制造服務平臺上進行組織和管理。一般地，云制造項目中的WBS工作分解結構可以由云制造服務組合模板［21］驅動生成，單個云制造項目內部的子任務與其調用的云制造服務具有一一對應關系；而就整個云制造平臺而言，云制造任務與云制造服務之間具有多對多的映射關系，而且云服務過程中兩者在服務周期、服務能力、服務質量等方面還存在復雜的關聯約束關系。另一方面，單一云制造資源無法或很難形成實際的服務能力，必須通過與其他云制造資源協作完成某種制造活動來體現。多域異構云制造資源以制造活動為中心進行服務化封裝形成云制造服務，且同一云制造資源的能力可同時被多個云制造服務封裝，因此云制造服務與云制造資源之間同樣具有多對多的映射關系，且根據封裝方法的不同在資源聚合接口、資源能力匹配等方面存在復雜的關聯約束關系。由此可以看出云制造任務、云制造服務、云制造資源之間存在復雜的關聯約束網絡，本文重點關注單個云制造項目中云制造服務與云制造資源之間的關聯約束關系，且假設所有關鍵制造資源均已在云平臺注冊，并能通過物聯感知或數據集成方式獲取異常事件。

廣義的云制造資源包含所有與制造活動直接或間接相關的人、機、料、法、環、測等資源顆粒集合，云制造資源顆粒是可提供制造服務的最小能力單元，也是狀態感知的直接作用對象，可描述為以下多元組：

其中，RID表示該云制造資源顆粒的唯一標識；RName表示云制造資源顆粒的名稱；RType為枚舉型變量，其值域 RType={Human,Equipment,Material,Process,Condition,Gauge}，表示云制造資源顆粒的類型；RAttribe為字符串類型變量，代表云制造資源顆粒的靜態屬性，不同類型的云制造資源其靜態屬性不同；Capability為浮點型變量，代表云制造資源顆粒的能力屬性，如人員的技術等級、設備或軟件機時等；ResLoad為浮點型變量，代表云制造資源顆粒的負荷情況；RStatus為布爾型變量，代表云制造資源顆粒的可用性狀態。

云制造服務是由多域異構制造資源以制造活動為中心服務化封裝而成，可用以下多元組描述：

S=(ID,SE,Catagory,Input,Output,Duration,Cost,QoS,Status) （2）

OA操作系統是通過高效的組織運營模式，使校園的師生交流、教學運行、辦公運營和學生管理環節趨于智能化的操作軟件，也是對科研技術創新理念的貫徹。隨著手機系統的完善，OA的操作模式可以應用于WIFI和手機端的進行操作，使信息的整合、信息的拓展更加便攜[3]。同時，OA技術擁有先進的生物身份識別技術，使學生信息的精準度和重復率大大下降。

其中，ID代表該云制造服務的唯一標識；SE代表提供云制造服務的主體，包含企業名稱、企業地址、法人代表、注冊資金、質量體系、聯系方式、開戶銀行和銀行賬號等基本信息；Catagory為云制造服務的類別；Input和Output分別表示該云制造服務的輸入和輸出，為云制造服務組合提供接口；Duration表示該云制造服務的完成服務所需時間；Cost指該云制造服務的價格；QoS表示該云制造服務的質量水平；Status代表該云制造服務的實時狀態，如服務中、空閑、被預定等。

設m個制造資源和n個云制造服務之間的布爾型關聯映射矩陣

其中，c(ri,sj)表示云制造資源ri和云制造服務sj之間的關聯映射關系。當c(ri,sj)=0時，表示云制造服務sj不會調用云制造資源ri；當c(ri,sj)=1時，表示云制造服務sj會調用云制造資源ri。用OccuStartij和OccuEndij分別表示云制造服務 sj占用云制造資源ri的起止時間，OccuTypeij表示云服務sj占用云制造資源ri的形式，分為獨占和共享兩類；OccuAmtij表示云制造服務sj占用云制造資源ri的數量，所有正在服務中的云制造服務占用資源量總和滿足如下關系：

2.2 單源云制造資源異常事件定義與響應函數

云制造資源的異常是引起云服務過程波動的主要原因，按影響程度不同可分為以下4類。①∞型：云制造資源因故障、失效或調離等原因永久喪失制造服務能力；②β型：云制造資源因故障、請假等原因短暫失去制造服務能力，恢復期為d1天；③α型：云制造資源因輕微故障、長時運轉或數量變化等原因，服務能力提升或下降為原來的1 α倍，恢復期為d2，實際云制造服務過程中該類異常最為常見；④ο型：云制造資源因外界干擾出現瞬間失去服務能力但立即恢復為原來狀態。

根據不同類型云制造資源異常表征的不同，可進一步細分為24小類云制造資源異常事件，見表1。

表1 24類云制造資源異常事件定義Tab.1 Definition of 24 categories exception event of cloud manufacturing resources

云制造資源齊備和提供穩定服務能力是云制造服務高QoS的保障，為方便計算，本文以異常發生后仍然以預定價格提供符合質量要求的服務所需時間與原計劃時間的差值作為異常響應的度量手段，單一資源異常響應函數形式化定義如下：

不同類型云制造資源異常的響應函數如下：

（1）當資源異常類型為∞型時，記為 A(∞)，云制造服務sj的時間變化?D(sj,ri)=c(ri,sj)∞。

（2）當資源異常類型為β型時，記為 A(β)，云制造服務 sj的時間變化 ?D(sj,ri)=c(ri,sj)?[d1-(D-D1)]。

（3）當資源異常類型為α型且滿足資源能力Capability′(ri)=Capability(ri)/α ＞ ResLoad(ri) ，云制造服務sj的時間變化?D(sj,ri)=0。

（4）當資源異常類型為α型且滿足資源能力Capability′(ri)=Capability(ri)/α＜ResLoad(ri) ，云制造服務sj的工期變化如下：

其中，D為云制造服務sj的初始完成單次服務所需時間；D1為在資源異常發生時云制造服務sj已經提供服務的時間；ηi為施工資源ri的能力分配系數，η1、η2、η3分別為資源異常發生前、恢復中、恢復后的能力分配系數。當云制造服務sj分配到全部所需制造能力時，ηi=0；反之當云制造服務sj被分配的制造能力為0時，ηi=1；其他情況下，0＜ηi＜1。

（5）當資源異常類型為ο型時，云制造服務sj的時間變化?D(sj,ri)=0，雖然ο型異常出現不影響當前云服務時效，但它往往是其他異常的先兆，應及時采取故障診斷、保養等預處理措施規避風險。

2.3 多源云制造資源異常事件傳播算法與響應機制

圖2 多源云制造資源異常事件的響應模型Fig.2 Response model of multi-source exception event of cloud manufacturing resources

云制造服務一般封裝了多種云制造資源，因此云制造服務過程受到多源云制造資源異常事件的影響。如圖2所示，將所有云制造服務按被調用時間先后順序排列形成云制造服務維，所有云制造資源按人、機、料、法、環、測進行分類建模形成資源維，在云制造服務和云制造資源組成的二維平面中，用不同顏色的點表示服務sj和資源ri的關聯關系，當c(ri,sj)=0時，用空心點表示，當c(ri,sj)=1時，用灰色或黑色實心點表示，其中灰色代表共享模式，黑色代表獨占模式。為在同一范疇下討論資源異常對云制造服務過程的影響，引入變異密度函數E表征所有云制造資源或云制造服務在單位時間內受資源異常影響的變動情況，在圖2中用縱軸表示。多源云制造資源異常事件的響應過程是在關聯約束矩陣C作用下云制造資源狀態異常→資源能力異常→云制造服務QoS異常的二級映射過程，形式化定義如下：

其中，ER.Capability和ES.Duration分別為制造資源服務能力和云制造服務周期變異密度函數；Capability(ri)為資源ri未發生異常前的服務能力；Capability′(ri)為資源ri發生異常后的服務能力；D(sj)為云制造服務sj未受資源異常影響前完成單次服務所需時間；D′(sj)為云制造服務sj受到資源異常影響后完成單次服務所需時間。

資源狀態異常的單次映射拓撲如下：

（1）檢查所有云制造資源的實時狀態，獲取異常隊列A；

（2）依次取出異常隊列 A中的資源異常事件，沿著云制造服務與云制造資源之間的關聯約束網絡傳播到達正在使用該資源的云制造服務處，如圖2網格中的箭頭所示；

（3）依次計算每個已啟動云制造服務在多源云制造資源異常事件影響下的時效變化，云制造服務sj完成單次服務所需時間在多源云制造資源異常干擾下的總體響應函數

（4）已啟動云制造服務的時效變化沿著云制造項目網絡計劃圖向所有后續未啟動云制造服務傳播，至此完成一輪異常映射過程。上述過程的詳細算法見圖3。

3 原型應用案例

限于目前尚無較為成熟且大規模應用的開源云制造服務平臺，為驗證本文所提方法的可行性，筆者采用Multi-Agent技術開發了基于J2EE的中小企業云制造服務過程管控原型平臺（以下簡稱“平臺”），并選取某鋼琴企業設備研發外包項目進行原型驗證，說明本文方法的應用過程。鋼琴對制作工藝要求較高，目前其裝配過程仍然以手工為主。某鋼琴制造企業YCJB為解決因工人視覺疲勞造成的頂蓋螺釘漏裝問題，向工裝部門下達了研發基于機器視覺的頂蓋裝配與質量檢測一體化設備的任務。工裝部門因自身技術力量不夠，決定采用云制造的思想引入外部資源共同研制該設備。該企業將設備研發項目劃分為概念設計與功能定義、總體布置與機械結構設計、電氣控制部分設計、樣機制作、軟件開發、軟硬件聯調等幾個任務包，并在由筆者所在團隊開發的中小企業云制造服務平臺上發布需求。

圖3 多源云制造資源異常事件的傳播算法Fig.3 Propagation algorithm for multi-source exception event of cloud manufacturing resources

經智能匹配，機器視覺漏檢設備的樣機設計與試制由C高校提供的設計服務和Y市工業裝備設計與制造重點實驗室（以下簡稱“Y實驗室”）提供的樣機試制服務協作完成，其服務過程見圖4。其中樣機試制服務在云制造服務過程管控平臺上被分解為同步直線模組采購、型材及木板下料、部件打印、電氣控制柜裝配、總體裝配等共10個子任務，并確定各子任務的工期、負責人及對應的人、機、料、法、環、測等云制造資源。服務過程中，Y實驗室采用基于Arduino Yun開發的嵌入式終端對部分關鍵資源（如3D打印設備）的實時狀態進行智能感知，并通過數據接口與云服務過程管控平臺對接來自動更新資源實時狀態；為提高平臺實用性，平臺仍然保留了手動更新資源異動的功能。云服務過程中平臺檢測到以下3個異常：①該實驗室所在電網線路改造需斷電，恢復期為0.5天；②用于打印工業相機固定支架的3D打印機噴嘴故障，打印效率降低為原來的一半，恢復期為1天；③外購的定制同步直線模組因當地重大活動物流延遲，恢復期為3天。平臺中的異常監測引擎首先反查封裝了以上制造資源的云制造服務并進行異常類型與時效評估（見圖4）：異常①屬于β型，其服務時間變化為?D(s8,r1)=0.5，其中si和rj分別指第i個制造服務和第 j個異常事件，下同；異常②屬于α型，且 d2=1，α=2，η1=0.6，η2=0.8，D=4，D1=3，因此根據式（6）得 ?D(s8,r2)=1.5；異常③屬于β型，且 d1=3，D=14，D1=12，因此 ?D(s9,r3)=1。根據3.3節中的異常響應機制與傳播算法，最終s8的服務時效變化為?D(s8,R)=max{0.5+1.5}=2，s9的服務時效變化為?D(s9,R)=max{1}=1；因s8所對應的子任務處在該項目的網絡計劃圖的關鍵路徑上，因此整個項目的總體服務時效變化為?D(S,R)=2，即如不采取措施，該云制造服務需求將比給定工期延遲2天完工。為保證服務時效，平臺及時向Y實驗室及后續云服務提供者發出預警信息，Y實驗室根據預警信息及時采取了臨時租用鄰近單位的3D打印設備、待物流恢復后采用時效更高物流方式等措施，最終試制服務時效總延遲為0.5天。隨后的軟件開發及調試服務提供者可以根據以上信息及時作出相應調整，上述信息實時反饋至前端云服務交易平臺，從而使整個云制造服務過程透明、可控，也可以為后續的云制造服務QoS評估提供數據支持。應用過程表明該過程管控平臺能夠對影響服務時效的資源異常事件及時作出響應，具有較好的可行性。

圖4 云制造服務過程管理方法原型應用案例Fig.4 Prototype application case of the proposed process management method of cloud manufacturing service

4 結論

本文通過對云制造資源異常事件進行分類定義，建立了單源、多源云制造資源異常事件的傳播算法與響應機制，開發了可管控云制造資源動態變化的云制造服務過程管控原型系統，并在某鋼琴制造企業設備研發外包項目中進行原型驗證應用，結果表明本文所提方法具有較好的可行性。不足之處在于驗證所用案例相對較為簡單，后續將針對具有貧信息、高動態性等特點的組合云制造服務過程管控進一步展開研究。

［1］ PIZON J，LIPSKI J.Manufacturing Process Support Us?ing Artificial Intelligence［J］.Applied Mechanics and Materials，2015，791：89-95.

［2］ 李伯虎，張霖，任磊，等.云制造典型特征、關鍵技術與應用［J］.計算機集成制造系統，2012，18（7）：1345-1356.LI Bohu，ZHANG Lin，REN Lei，et al.Typical Charac?teristics，Technologies and Applications of Cloud Man?ufacturing［J］.Computer Integrated Manufacturing Sys?tems，2012，18（7）：1345-1356.

［3］ 姚錫凡，金鴻，徐川，等.云制造資源的虛擬化與服務化［J］.華南理工大學學報（自然科學版），2013，41（3）：1-7.YAO Xifan，JIN Hong，XU Chuan，et al.Virtualization and Servitization of Cloud Manufacturing Resources［J］.Journal of South China Universty of Technology（Natural Science Edition），2013，41（3）：1-7.

［4］ 任磊，張霖，張雅彬，等.云制造資源虛擬化研究［J］.計算機集成制造系統，2011，17（3）：511-518.REN Lei，ZHANG Lin，ZHANG Yabin，et al.Resource Virtualization in Cloud Manufacturing［J］.Computer Integrated Manufacturing Systems，2011，17（3）：511-518.

［5］ 張映鋒，張耿，楊騰，等.云制造加工設備服務化封裝與云端化接入方法［J］.計算機集成制造系統，2014，20（8）：2029-2037.ZHANG Yingfeng，ZHANG Geng，YANG Teng，et al.Service Encapsulation and Virtualization Access Meth?od for Cloud Manufacturing Machine［J］.Computer In?tegrated Manufacturing Systems，2014，20（8）：2029-2037.

［6］ CHENG Ying，ZHAO Dongming，TAO Fei，et al.Com?plex Networks Based Manufacturing Service and Task Management in Cloud Environment［C］//2015 IEEE 10th Conference on Industrial Electronics and Applica?tions（ICIEA）Proceedings.Auckland，2015：242-247.

［7］ MOURTZIS D，VLACHOU E.Cloud-based Cyber-phys?ical Systems and Quality of Services［J］.TQM Journal，2016，28（5）：704-733.

［8］ 劉明周，馬靖，王強，等.一種物聯網環境下的制造資源配置及信息集成技術研究［J］.中國機械工程，2015，26（3）：339-347.LIU Mingzhou，MA Jing，WANG Qiang，et al.Re?search on Manufacturing Resources Allocation and In?formation Integrated Technology Based on IoT ［J］.China Mechanical Engineering，2015，26（3）：339-347.

［9］ 侯瑞春，丁香乾，陶冶，等.制造物聯及相關技術架構研究［J］.計算機集成制造系統，2014，20（1）：11-20.HOU Ruichun，DING Xiangqian，TAO Ye，et al.Inter?net of Manufacturing Things and Relevant Technical Architecture［J］.Computer Integrated Manufacturing Systems，2014，20（1）：11-20.

［10］ OBORSKI P.Developments in Integration of Ad?vanced Monitoring Systems［J］.International Journal of Advanced Manufacturing Technology，2014，75（9/12）：1613-1632.

［11］ 羅賀，李升，汪永康，等.云制造環境下服務監管角色的評估與選擇［J］.計算機集成制造系統，2012，18（10）：2340-2347.LUO He，LI Sheng，WANG Yongkang，et al.Assess?ment and Selection for Service Regulation in Cloud Computing Environment［J］.Computer Integrated Manufacturing Systems，2012，18（10）：2340-2347.

［12］ 敬石開，姜浩，許文婷，等.考慮執行可靠性的云制造服務組合算法［J］.計算機輔助設計與圖形學學報，2014，26（3）：392-400.JING Shikai，JIANG Hao，XU Wenting，et al.Cloud Manufacturing Service Composition Considering Exe?cution Reliability［J］.Journal of Computer-Aided De?sign&Computer Grapgics，2014，26（3）：392-400.

［13］ 周競濤，王明微，楊海成，等.能力驅動的云制造項目監控機制［J］.計算機集成制造系統，2012，18（7）：1518-1526.ZHOU Jingtao，WANG Mingwei，YANG Haicheng，et al.Capability Driven Project Monitoring and Man?agement Mechanism for Cloud Manufacturing［J］.Computer Integrated Manufacturing Systems，2012，18（7）：1518-1526.

［14］ 李澤彪，張衛，王正成，等.云制造環境下的生產加工服務監控［J］.計算機集成制造系統，2015，21（7）：1953-1962.LI Zebiao，ZHANG Wei，WANG Zhengcheng，et al.Service Monitoring of Production and Processing in Cloud Manufacturing［J］.Computer Integrated Manu?facturing Systems，2015，21（7）：1953-1962.

［15］ 馬文龍，趙燕偉，王萬良.制造云服務組合異常自適應調整方法［J］.中國機械工程，2016，27（6）：778-784.MA Wenlong，ZHAO Yanwei，WANG Wanliang.An Adaptive Adjustment Method of Composition Excep?tion for Manufacturing Cloud Service［J］.China Me?chanical Engineering，2016，27（6）：778-784.

［16］ QU T，LEI S P，CHEN Y D，et al.Internet-of-Things-enabled Smart Production Logistics Execution System Based on Cloud Manufacturing［C］//Proceed?ings of ASME 2014 International Manufacturing Sci?ence and Engineering Conference.Fairfield，2014：V001T04A030.

［17］ 魏樂，趙秋云，舒紅平.云制造環境下基于QoS的組合云服務自適應調整［J］.蘭州大學學報（自然科學版），2012，48（4）：98-104.WEI Le，ZHAO Qiuyun，SHU Hongping.Adaptive Adjustment of Composite Cloud Service Based on QoS for Cloud Manufacturing Environment［J］.Jour?nal of Lanzhou University，2012，48（4）：98-104.

［18］ 趙秋云，魏樂，舒紅平.云制造環境下制造設備云服務異常處理模型［J］.圖學學報，2014，35（6）：840-846.ZHAO Qiuyun，WEI Le，SHU Hongping.Exception Handling Model of Manufacturing Equipment Cloud Service for Cloud Manufacturing Environment［J］.Journal of Graphics，2014，35（6）：840-846.

［19］ 董元發，晉良海，燕喬.混凝土壩非穩態施工過程異常監控與管理研究［J］.計算機工程與應用，2017，53（20）：208-213.DONG Yuanfa，JIN Lianghai，YAN Qiao.Research on Management of Multiple and Random Abnormality of Resources in Non-steady Construction Process of Concrete Dam［J］.Computer Engineering and Appli?cations，2017，53（20）：208-213.

［20］ SKARLAT O，BORKOWSKI M，SCHULTE S.To?wards a Methodology and Instrumentation Toolset for Cloud Manufacturing［C］//2016 1stInternational Workshop on Cyber-PhysicalProduction Systems（CPPS）.Vienna，2016：1-4.

［21］ 董元發，郭鋼.基于模板與全局信任度的云制造服務評價與選擇方法［J］.計算機集成制造系統，2014，20（1）：207-214.DONG Yuanfa，GUO Gang.Evaluation and Selection Approach for Cloud Manufacturing Service Based on Template and Global Trust Degree［J］.Computer Inte?grated Manufacturing Systems，2014，20（1）：207-214.