云制造系统智能运维技术解析

云制造资源服务综合管理操作中涉及服务的搜索、匹配、组合、交易、执行、调度、结算、评估等操作，存在于产品论证、设计、生产加工、实验、仿真、经营管理等产品全生命周期的每个环节（Studer et al.，1998）。需要研究如何利用制造领域知识构建知识库，结合智能科学技术，构建云制造平台中间件，实现云制造服务智能协同运行、评估与维护。

制造通常涉及大量制造资源服务，大量用户不仅需要使用各制造资源服务协同完成某阶段，而且在各阶段之间也需要协同利用制造资源服务开展工作，如图14.15所示（Tao et al.，2012a，2012b，2012c）。云制造系统具有高度的复杂性、互操作性与重用性，其服务质量（QoS）评估、综合效用评估、容错、迁移等系统管理问题亟须解决。研究内容包括：①云制造服务高效、智能化的搜索与匹配技术；②制造领域本体、知识库、案例库；③云服务综合评估；④云制造系统服务协同运行技术；⑤云服务动态组合及服务网络动态演化技术；⑥云制造模式下企业业务流程的动态构造、管理与执行（合同管理、交易支付等）；⑦云制造资源服务优化配置管理。

图14.15　基于知识的云制造服务智能协同运行架构

为实现云制造服务的高效管理和优化应用，云制造平台的各种制造服务需要建立量化的综合评估方法，如云制造服务QoS综合评估、云服务交易主体信任评估、云服务绿色评估等。

云制造服务QoS综合评估是对服务历史状态、运行状态和服务效果的总体评价，如图14.16所示。首先，建立云制造服务QoS评价指标体系模型和评估方法，进行云制造环境下QoS的抽象分类和建模，并在此基础上给出云服务QoS综合评估的指标体系决策模型。然后，针对该模型，解决交易主体信任关系的量化问题，如采用基于历史交易经验和移动加权平均法的信任评估算法、基于指标评价熵的云服务QoS综合评估算法等（Tao et al.，2012a，2012b，2012c）。同时，需要构建开发用于云制造服务QoS评估的工具。最后，将QoS评估工具应用于云制造平台，通过对服务质量的管理实现服务效益的优化。

图14.16　云服务评估工具研究方案

服务绿色评估是对制造过程中原材料和能源的构成、来源及生产的方式等进行实时监测和定量评估，用于量化能耗管理和优化。作者所在团队研究开发了基于BOM的云服务绿色评估应用，其原理是利用制造云中在产品设计、工艺设计、制造装配等各环节中产生的各类清单数据，包含工程物料清单（EBOM）、计划物料清单（PBOM）和生产物料清单（MBOM）等，见图14.17，计算各种特征化指标，如能源消耗指标和排放物指标，为服务资源的优化选择提供依据。其关键技术包括：①建立产品生命周期的评估模型；②构建云服务节能减排评估的基础数据库，如能源数据库、排放数据库、节能减排相关标准数据库、原材料数据库、产品数据库以及工艺数据库等。(www.xing528.com)

图14.17　云制造模式下产品制造全生命周期绿色评估方法

网络动力学相关理论可用于研究云服务组合动态网络的演化过程，如图14.18所示（Ling et al.，2012）。首先研究资源服务可组合关系，比如分析云服务可组合关系并映射表示成相应的有向边，建立可组合云服务网络相应的基本构成元素。然后研究资源服务组合网络的构建规则，如使用无标度模型进行加权和有向的改进和修正，建立相应的云服务组合网络及其动态演化模型，分析云服务组合网络中服务节点状态变化以及各种外力因素对组合网络的影响；归纳分析构成组合网络动态演化的基本演化操作，研究各个基本演化操作对组合网络节点的影响；对整个云服务组合网络随时间发生的动态演化行为进行综合建模，并分析相应的动力学特性。最终，在服务组合网络动力学特性分析结果的基础上，分析云服务组合网络节点对于蓄意攻击、随机故障及其他外力因素作用下的鲁棒性和脆弱性，研究提高节点稳定性、调用率、安全性等的控制策略。

图14.18　云服务组合网络构建与动态特性研究

制造云在汇集各种制造资源和能力的同时，也汇集了各种数据、模型、经验和知识，见图14.19，并且随着制造云的持续演化，云中积累的知识规模也在不断扩大。知识和知识服务在云制造系统中起着非常重要的作用：首先，各类数据、知识等的聚集，可为制造全生命周期提供直接的服务，提升创新能力；其次，知识对云制造服务平台本身的支持，使得平台具有高度的智能，从而支持制造过程的智能化；再者，云制造系统中存在海量的数据和知识，通过大数据技术进行分析、挖掘，可提供个性化服务。

图14.19　云制造知识服务

制造企业的知识共享和知识创新，有利于提高企业的核心竞争力。云制造环境下跨学科领域知识的管理，需要解决知识表示、知识获取、知识组织、知识表示、知识检索和推理、知识评价、知识反馈等关键技术，如基于本体的跨学科领域知识建模、基于本体的知识检索技术等。