基于時間序列的制造云服務建模

俞 瑛 王曉軍

(浙江理工大學科技與藝術學院 浙江 紹興 312369)

一、引言

隨著“工業4.0”時代的到來，信息技術與工業制造技術高度融合、深度交織產生了新的制造模式——云制造[1]。該模式利用云制造服務平臺，按用戶的實際需求組織平臺中的制造資源，給用戶提供各類制造服務，為解決當前我國制造領域存在的不合理利用制造資源而引起資源浪費的問題提供了新的解決思路。因此，如何從云制造平臺大量的共享制造資源中選擇合適的制造服務成了研究熱點。本文以汽車制造廠零部件生產為例，研究了相應的制造商選擇問題。

二、制造云服務QoS評價指標選取

隨著制造云服務量的增加，如何根據歷史交易數據進行制造云服務的全面評估和優化則變得越來越重要。選擇一組具有制造云服務特性的QoS評估指標體系具有重要意義。指標體系的正確構建可以確保評價結果的有效性，為制造云服務選擇提供有效的決策依據。

本文從制造資源性能和網絡性能兩方面入手選取QoS指標。制造資源性能的QoS指標代表云服務的功能特點，如我們常說的交易時間指標、產品質量指標、技術質量指標、基本成本指標、任務調度成本指標等；網絡性能的QoS指標則代表云服務的網絡性能，例如常見的有處理器容量指標、服務訪問成功率指標、吞吐量指標、網絡延遲指標等。通過查閱大量的相關文獻資料，從有關文獻資料中總結整理了前人已有的制造云服務QoS指標評價體系的研究成果，如圖1所示。

圖1 制造云服務QoS指標統計

從圖1中得出前人研究成果中大多認為制造云服務中的服務價格、信譽度、服務時間、服務可用性、穩定性及安全性為重要的QoS評價指標。因此，綜合參考上述關鍵指標，結合制造資源和網絡性能方面，本文提出如圖2所示的一套具有制造云服務特色的QoS評價指標體系。

圖2 制造云服務QoS指標體系

三、基于時間序列的QoS指標序列構建

在基于QoS的制造云服務選擇的研究中，QoS指標通常設置為固定值，但這并不科學。服務運行在動態的、狀態多變的網絡中，例如網絡延遲、帶寬變化和服務網絡的可用性等。如果對于每個服務只使用其注冊在云服務中心的指標值來進行服務選擇，則在執行的過程中存在很大的可能性即選擇出的服務并不適應現在服務所處的動態狀態。因此，采用靜態QoS指標值計算的云服務選擇方法存在適應性不強的問題，選擇的最優云服務無法準確地反映真實情況。

針對制造云服務性能隨時間變化的特性，本文引入“時間序列”的概念，將制造云服務QoS動態變化的情況用時間序列的形式表達。

圖3 制造零部件加工QoS變化圖

如圖3，假設某一制造零部件加工完成所需的總時間為T，即服務執行時間為T，在T時間內，將T平均分成n個時間節點(t1、t2、t3、…、tn)，觀測記錄下每個時間節點的QoS指標值，形成QoS指標序列，這樣就將靜態的QoS指標值轉化成動態的基于時間序列的QoS指標序列，例如服務的響應時間(RT)是動態的，此時將T時間內的服務響應時間轉化成基于時間序列的形式如式(1)所示：

MTS(RT)= 〈q1,q2,q3,…,qt〉

(1)

其余指標表達方式同上。

四、QoS指標數據處理

(一)實數型QoS指標序列處理方法

服務成本(C)、服務執行時間(ET)、服務穩定性(St)、服務可用性(Av)及服務響應時間(RT)這些指標值均為實數，因此在轉化成時間序列的過程中，只需將每個時間節點的指標值記錄下來形成QoS序列。

表1 仿真云服務提供商實數型動態QoS指標序列

假設從汽車零部件制造云服務仿真平臺數據庫中讀取汽車零部件云服務提供商WS1最近一次成功生產的歷史QoS指標值，這10個時間節點下的QoS指標值形成了如表1所示的指標序列。從表1中我們可以看到：服務響應時間(RT)、服務穩定性(St)及服務可用性(Av)這三個指標值均為動態實數，所以在轉化成時間序列的過程中，只需將每個時間節點的指標值記錄下來即可。

而服務執行時間(ET)和服務成本(C)指標值則從云制造仿真平臺用戶界面輸入的值中提取。其為靜態數據，因此為了統一QoS指標的形式，在表2中將服務成本(C)和服務執行時間(ET)也被表示成時間序列的形式，只是其值固定不變(服務成本為53，服務執行時間為66)。

表2 仿真云服務提供商實數型靜態QoS指標序列

(二)語言型QoS指標序列處理方法

服務可靠性和服務安全性兩個QoS指標的值是一個概率值，無法用準確的實數進行描述，通常對服務可靠性和服務安全性的好壞是通過用描述語言來描述，例如集合{非常低，較低，一般，較高，非常高}中的一個元素，這種QoS指標本文稱之為語言型數據類型。盡管語言型數據類型符合人們的表達形式，但在模型中無法準確量化并計算，因此，需要將語言型數據類型進行量化。本文采用文獻[2]的量化方法思想對服務可靠性和服務安全性進行量化，如表3所示，將描述語言集合中的每個元素用相應的具體數值與之對應。

表3 語言描述轉化表

將服務可靠性和服務安全性這兩類語言型描述數據通過表3的方式轉化成實數型數據，再根據4.1節方法進行處理，如表4所示。

表4 仿真云服務提供商語言型QoS指標序列

2(較高,非常高)90(較高,非常高)903(較高,非常高)90(較高,非常高)904(較高,非常高)90(較高,非常高)905(較高,非常高)90(較高,非常高)906(較高,非常高)90(較高,非常高)907(較高,非常高)90(較高,非常高)908(較高,非常高)90(較高,非常高)909(較高,非常高)90(較高,非常高)9010(較高,非常高)90(較高,非常高)90

五、小結

本文首先通過查閱大量相關文獻結合制造云服務的特點明確了制造云服務QoS指標的具體選擇。其次針對制造云服務性能隨時間變化的特性，引入“時間序列”的概念，將制造云服務QoS動態變化的情況用時間序列的形式表達。然后針對網絡中 QoS 形式的多樣性以及各種不確定的情況，對原子服務的 QoS指標值進行了各種處理。