基于QoS感知的再制造服務選擇模型

吳 沖，潘 莉，蘇梅月，陳 樂，王丹妮

(武漢科技大學 a.冶金裝備及其控制教育部重點實驗室；b.機械傳動與制造工程湖北省重點實驗室，武漢 430081)

0 引言

隨著時代的快速發展，制造業和服務業之間相互融合，“制造服務”由此而來[1-2]。再制造服務就是一種以再制造服務平臺為基礎，用戶通過網絡可以隨時獲取，按需使用的制造服務。但是大量的服務也帶來了巨大的信息量，用戶如何在參差不齊的服務信息中選擇符合自己要求的再制造服務，實際上就是一個衡量服務綜合質量(QoS)的問題。

在進行QoS綜合性能排序時，需要考慮以下三個問題。首先，在再制造服務過程中，由于缺少有效檢測機制，用戶可以隨意夸大或詆毀服務的質量，這就需要判斷數據的可靠性，其次，如何在巨大的歷史信息中獲取再制造服務的QoS屬性值，最后，如何在海量的信息中高效的選擇滿足客戶需求的最優服務。這就需要通過計算指標間的權重并進行多目標決策，最后根據排序結果選擇最優服務。

目前有關制造服務的QoS評價方法研究較多，如：文獻[3]建立了云服務QoS評價模型，采用ANP 方法計算出結果進行綜合排序；文獻[4]結合引入模糊DEMATEL并構建了物元模型，提出了基于QoS的再制造服務評價方法;文獻[5]在進行QoS排序計算時，考慮了用戶的滿意度，但忽略了QoS指標間的權重關系；文獻[6]構建了制造資源Trust-QoS評估模型并給出了量化評估算法。這些文獻對再制造服務評價模型的構建有一定的借鑒意義，但再制造服務作為一種新的服務，區別于傳統的制造服務，本文提出了一種基于QoS感知的再制造服務選擇模型，通過建立合適的QoS評價指標，基于協同過濾思想分析校正歷史數據，調整或弱化用戶的主觀性因素，過濾惡意攻擊數據。利用可變精度粗糙集挖掘出各評價指標之間的權重，并與客戶需求事先設定的評價指標權重相結合，計算出理想服務與現實服務的相似度，以此作為選擇依據。

1 再制造服務的QoS評價模型與信息量化

1.1 再制造服務

再制造服務是以廢舊產品為研究對象，旨在滿足客戶多樣化的制造服務要求，以再制造服務平臺為基礎，對再制造企業在整個產業鏈上運作過程中與客戶相關的價值增值活動提供服務[7]。再制造服務平臺的開放性決定了再制造服務具有動態性和多樣性。動態性是指再制造服務會根據用戶的需求隨時對再制造資源和活動進行動態調整和重新組合；多樣性則是指在再制造服務平臺上存在著大量的參差不齊的再制造服務，這些服務功能相似但質量良莠不齊。

圖1 在制造服務平臺工作流程

再制造平臺運營商主要為再制造客戶以及再制造企業提供服務。再制造客戶通過在再制造服務平臺發布自身需求的再制造服務，平臺接收到請求后檢索再制造服務云池為客戶推薦最優服務，在客戶確認后聯系再制造企業完成再制造任務。再制造服務供應商的主要工作是將再制造企業的再制造資源服務化并錄入再制造服務云池。

1.2 QoS評價體系

QoS是用戶用來衡量服務質量的綜合效果。本文在以往關于QoS指標的研究基礎之上，結合再制造服務的兩大特性優化了再制造服務的QoS評價指標。

圖2 再制造服務QoS評價模型體系

其中，時間Q1由再制造服務的響應時間Q11、再制造產品的加工時間Q12，以及再制造服務的物流運輸時間Q13三個部分組成，即Q1=Q11+Q12+Q13。

價格Q2由再制造服務費用Q21，再制造加工費用Q22以及運輸費用Q23三個部分組成，即Q2=Q21+Q22+Q23。

可靠度Q3表示再制造服務的可靠度，即一定時間內再制造服務的正常運行能力。設服務S在(t1,t2)內被調用了N次，正常響應的次數為Na，則Q3=Na/N。

柔性度Q4是指發生意外時，再制造服務平臺調整服務資源來重新滿足用戶需求的再制造服務能力。設一定時間內再制造服務發生異常的次數為M，再制造服務能夠調整服務資源來重新滿足用戶需求的次數為Mr，則柔性度表示為Q4=Mr/M。

誠信度Q5是指在再制造服務過程中，由于一些客戶會給出一些虛假的評價，影響了服務供應商的信譽。本文通過對數據進行采集并加以分析處理，得到該服務的平均誠信度，值區間為(0,10)。

1.3 再制造服務質量信息與量化

再制造服務質量信息主要分為兩類，一類是再制造服務網絡性能的QoS指標，主要包括服務調用次數和正常響應次數，這類信息的參數值可直接在再制造服務平臺獲取；另一類是再制造服務的制造資源QoS指標，主要包括運輸成本和加工時間等，由于這類信息的評價值由用戶直接提供，因此可以在再制造服務平臺中獲取。確定了再制造服務質量信息來源之后，再對收集來的數據按照各評價指標的屬性分類并進行規范處理，得到再制造服務的QoS綜合指標。

設s={s1,s2,…sn}為再制造服務平臺中能提供同類服務的候選服務集，每個候選服務的QoS屬性值可以用向量qi={qi1,qi2,…qim}表示，則：

(1)

由于不同的QoS屬性值差異很大，因此在計算綜合效能時需要對QoS屬性值進行歸一化處理。本文采用文獻[8]給出的統一量化效用函數：

(2)

(3)

(4)

2 基于QoS的再制造服務選擇模型

2.1 用戶評價誠信度計算

在再制造服務過程中，關于用戶對于服務提供商的評價，由于缺少有效的管理以及可信服檢測機制，用戶可以隨意夸大或詆毀服務的質量，造成了再制造服務平臺提供的QoS推薦值與實際服務評價出現偏差。為此，在再制造服務平臺中加入監測器，對所得到的數據進行核查，能夠有效降低不合理數據對結果的影響。在核查客戶評價值時，采用的是協同過濾的思想，即同類用戶使用相同的服務，最后對該服務的評價也應大致相同。

假設兩個客戶使用過的相同服務集合為s={s1,s2,…sk}，則a客戶對已消費的k個服務給出的評價為Ea:{(s1,a1),(s2,a2),…,(sk,ak)},同理，Eb:{(s1,b1),(s2,b2),…,(sk,bk)}，兩向量的相似度用夾角的cos表示，通常余弦值越大，相似程度越高[9]。則客戶a和b的相似度可以表示為：

(5)

同理，設E={e1,e2,…em}為與a客戶同類型的客戶集，假設有m個同類型客戶，如果a對服務s的評價值為ha，則第i個用戶給出的評價為hi，則評價均值：

(6)

該客戶評價的可信程度可表示為：

(7)

最后，將ha×R的值作為最終的評價值寫入數據庫。

2.2 權重計算

基于QoS的再制造服務選擇是一個典型的多目標決策問題，需要對再制造服務信息進行處理之后，綜合考慮QoS的性能指標，權衡指標間的重要程度。在進行多目標決策問題上，通常采用的是層次分析法計算權重，但該方法的評價值易受主觀因素影響，得到的結果也不夠客觀。因此本文引入粗糙集理論(Rough set，RS)計算權重，但現實制造服務中的數據存在一定的噪聲和干擾，為了增強RS的抗干擾能力，文獻[10]提出了一種變精度粗糙集模型，通過引入一個精度β，可以將集合推廣到任意精度水平β∈[0,0.5)，當β=0時為經典的RS模型。

設I=(E,A=C∪D,V,F)為再制造服務QoS信息決策系統。其中：E為實例對象有限論域的非空子集，E={X1，X2，…，Xn}表示n條歷史記錄；A為QoS屬性的非空有限集合，C={a1,a2,…am-1}為QoS的條件屬性集，D={am}為決策屬性集；V為屬性集合的值域；F為每個屬性映射到值域的信息函數。

設X和Y為有限論域的非空子集，如果有X∈Y,∈為偏序關系，則：

(8)

式中，|X|為集合的基數，c(X,Y)表示X關于Y的相對錯誤分類率。

在再制造服務QoS信息決策系統中，本文設X=E/C={X1，X2，…,X|E/C|}為論域E依據條件屬性集C劃分的等價類，Y=E/D={Y1，Y2，…,Y|U/D|}為論域E依據決策屬性集D劃分的等價類。

設β∈[0，0.5)，則Yi關于C的β下近似可用以下公式計算：

(9)

對任一條件屬性αP，信息量γ(αP)越大，區分對象的能力越強；被依賴度δ(αP)越大，表示該屬性越重要。本文采用以下公式計算：

(10)

(11)

式(10)中Xi為αP劃分的各個等價類，|Xi|2為各個等價類的基數。

由于式(10)和式(11)表示屬性重要程度的不同方面，因此我們按照兩者同等重要并進行歸一化處理，得到各條件屬性的權重，具體方法如下：

(12)

2.3 再制造服務綜合性能計算

在進行再制造服務選擇之前，先根據用戶的需求以及期望值，對各指標設定一個權重。然后在大量數據中分析得到各個指標權重，最后計算各服務屬性最大值向量與權重向量的乘積與用戶期望的理想服務向量間的歐氏距離，得到服務Si與理想服務之間的相似度Sim(Si)，相似度越大的服務更符合客戶需求。

設T=(t1，t2，t3，…，tm)為用戶給出的各QoS屬性的權重，W=(W1，W2，W3，…，Wm)為粗糙集計算得到的權重，s={s1,s2,…sn}為再制造服務的候選服務集，每個候選服務的QoS屬性值用向量qS={q1,q2,…qm}表示，則:

(13)

3 案例分析

3.1 案例分析

床身導軌作為機床的重要零件之一，在機床工作時，導軌極易遭受劃傷與磨損。其再制造過程包括機械修整，磨削，刷鍍打底層，刷鍍工作層，精磨，成品檢測，包裝入庫。某機床廠需要在10天內完成500個再制造導軌的成品檢測，當再制造服務平臺接收到客戶發過來的請求后，將各服務的QoS屬性值從再制造服務平臺數據庫中抽取。再制造服務平臺接收到請求后檢索再制造服務平臺中的資源庫，假設有5條再制造服務滿足功能需求，再制造服務平臺根據價格，時間，誠信度等五個指標來進行決策，其QoS指標值如表1所示。

表1 再制造服務QoS指標值

其中，服務S1中的可靠度的值9/10表示在再制造服務平臺數據庫中S1被調用10次，正常響應的次數是9次，對應實際情況就是服務S1中標了10次，但是在約定時間內至完成了9次合同。誠信度是所有完成的服務項目評價值的均值，值區間為[0,10]，并且誠信度的值都是經過再制造服務QoS監測器校正后的結果。將表1歸一化處理后，得到表2。

表2 歸一化后的QoS指標值

因為粗糙集的權重計算是從原始數據中分析得出的，為了演示推理過程，從再制造服務平臺中隨機選取了8條記錄作為樣本數據。由于不同的服務需要花費不同的價格和時間，因此數據之間沒有直接的可比性，所以本文用比值來表示。

表3 樣本數據

由于粗糙集只能處理聚類化數據，本文采用文獻[10]所述的K中心聚類法，將歷史數據庫中的數據聚類化處理，聚類群數量為5，聚類化后的數據如表4所示。

表4 聚類化后的樣本數據

根據表中數據可知中標決策Y1=U/d1={x1，x2，x5，x7}，未中標決策Y2=U/d2={x3，x4，x6，x8}，由條件屬性a1劃分的等價類U/a1={{x1，x2，x5，x7}，{x3，x4，x6，x8}}，經式(10)可以得到γ(a1)=32/64，同理可得γ(a2)=18/64，γ(a3)=14/64，γ(a4)=34/64，γ(a5)=22/64。

經過式(12)計算得w1=0.279,w2=0.142,w3=0.087,w4=0.282,w5=0.21。

在分析再制造服務平臺提供的數據進行分析并且結合專家的建議，初步設定屬性偏好權重T={0.35,0.2,0.1,0.15,0.2}。

根據式(13)可以得到sim(s1)=0.818,sim(s2)=0.794,sim(s3)=0.595,sim(s4)=0.76,sim(s5)=0.68，可見最佳服務為s1。

3.2 對比與分析

此外，本文還計算了不考慮QoS指標間相互關系，即各指標權重相同時各個服務的相似度(記作方案2)以及只考慮用戶設定的權重，即所有指標權重相同時各個服務的相似度(記作方案3)，計算結果見表5。

表5 不同方案計算結果

由表可知，方案2中最佳服務是s2。說明即使s2的各項數據都比較中庸，但是由于各個指標的權重相同，因此在整體性能上更占優勢。方案3中最佳的服務是s4。說明由于價格的權重比較大，即使s4的時間花費最多，可靠度，柔性度都比較小，但最好的選擇還是s4。

最后利用再制造服務平臺隨機選取了15組不同的再制造服務，每次服務推薦給60位客戶，看客戶是否接受推薦服務作為實驗，并在之前的3種方案基礎之前增加了一種沒有進行評價值信息校正的方案，記作方案4。實驗結果以接受率作為評判標準，實驗結果見圖3。

圖3 實驗結果

可見，方案1跟方案4的差別在于有無對客戶評價值進行信息校正，方案1的客戶接受率一直穩定在較高的數值并且整體趨勢是不斷上升的，而方案4不僅接受率數值較低而且極不穩定，說明在沒有進行不誠信數據校正的情況下，虛假信息對于客戶的選擇有非常大的影響；方案2由于所有指標權重都一樣導致不能滿足客戶需求，接受率也整體比較低；方案3由于只考慮客戶的自身需求，雖然最后接受率比較高但波動也比較大。實驗結果說明只有充分的考慮指標權重以及客戶自身的需求，才可以更為準確的向客戶推薦最佳服務；同時一些客戶惡意的虛假評價也會對再制造服務的選擇造成很大的影響。

4 總結

本文在再制造環境下，結合再制造行業實際情況提出了一種再制造服務評價模型，優化了再制造服務的QoS評價指標和量化方法。主要的貢獻有三點：①建立了更為完善的再制造服務評價指標體系；②針對評價過程中可能出現的評價不誠信的問題，提出了一種利用協同過濾的思想進行校正；③在大量歷史數據中利用變精度粗糙集算出各指標權重，并與客戶根據自身需求設定的權重相結合，推算出服務與理想服務之間的相似度，為用戶服務選擇提供更為直觀的結果。最后以某機床上的床身導軌再制造服務為例，驗證了該方法不僅可以有效的減小虛假信息對于最終結果的影響，還可以準確的為用戶推薦最佳服務。