CN103020722A - 一种支持制造能力按需使用和共享流通的云制造能力描述方法 - Google Patents

Abstract

本发明提供一种支持制造能力按需使用和共享流通的云制造能力描述方法，首先给出了基于知识的制造能力多维信息模型，对制造能力描述模型中模糊信息和动态行为信息进行提取和分类，然后采用模糊描述逻辑来对模糊概念和模糊角色关系进行形式化表达，动态描述逻辑实现对服务状态变化和动态组合流程的描述，最后基于上述描述方法给出了制造能力的智能检索与推荐机制。本发明充分考虑了制造能力各维、各层次的定性与定量属性，并提出了基于知识的制造能力语言，从而使得制造能力服务以本体的形式存储在云制造服务平台中，并依赖服务间的各种关系，形成制造能力服务网络，从而为用户的智能检索及按需使用提供了支撑。

Description

一种支持制造能力按需使用和共享流通的云制造能力描述方法

技术领域

本发明属于分布式制造系统信息集成技术领域，具体涉及一种支持制造能力按需使用和共享流通的云制造能力描述方法，即一种以资源描述、知识表达等技术为支撑，以制造能力的按需使用和共享流通为目的的新的资源服务化技术。

背景技术

云制造是为适应制造业敏捷化、服务化、绿色化、智能化的发展趋势，而出现的一种基于网络的制造模式，是制造业信息化的一种新发展，是制造服务理念的具体体现。云制造强调制造资源和制造能力以服务的形式进行聚集，并基于网络自由流通，进而实现按需使用和动态协同。制造能力是云制造服务平台中最重要和核心的服务内容之一。一方面，制造企业很多资源难以独立的直接提供给用户有效地使用，如设计模型、仿真数据、高端设备以及各类经验知识，通过智力资源的引入，能够将上述资源进行有效的集成并以能力的形式对外提供，则可以在为用户提供原始资源的同时，还能够为其提供完整的解决方案及附加服务。另一方面，为满足用户个性化、专业化业务需求，需要服务平台提供多类型、多粒度、高质量、低成本的服务。通过制造能力的服务化技术，可以对制造能力进行智能的、灵活的组合与分解，使其能够利用现有资源形成不同功能、不同类型和不同粒度的服务按需提供给用户，以最大程度满足用户的需求。而在云制造服务平台中实现制造能力的按需使用与流通，其基础是制造能力的建模。

1969年，Skinner首次提出制造能力的概念，并指出制造能力由成本、质量、交付时间等要素及各要素之间的关系组成。此后部分研究者在此基础上对制造能力要素进行了扩充，如增加了对创新、服务及环境等构成要素的考虑。但目前关于制造能力尚没有统一、明确的定义。从宏观战略角度关于制造能力理解中，部分学者将制造能力与竞争优先权、核心竞争力等概念视为等同，混淆了这些概念术语之间的区别。在制造业信息化相关应用领域中，也存在一些类似的理解，如加工能力、制造工艺等。

目前关于制造能力相关的研究，从宏观角度主要以定性分析为主，缺乏对制造能力定量的分析和描述；从微观角度主要侧重对制造能力构成要素的分析，重点描述企业或资源的自身特性，如设备的加工工艺等信息等，缺乏对制造能力构成要素之间逻辑关系的分析与考虑。此外，缺乏对制造能力形成过程的描述与分析，以及对该过程中所涉及各类知识经验如何表示与共享问题的考虑。

若实现云制造所提出的制造能力按需的、智能化的使用与流通，需要对制造能力进行全新的描述并提供一系列相应的技术和方法，也是云制造模式亟待解决的关键问题。

目前国内外尚未有公开的文献报道支持形式化描述的制造能力按需使用与共享的具体内容。

发明内容

本发明的目的在于：本发明涉及一种支持制造能力按需使用和共享流通的云制造能力描述方法，本发明主要解决了三个问题：一是云制造模式下制造能力包含什么的问题，即本发明给出了制造能力的多维信息模型；二是制造能力如何形式化描述的问题，即针对上述模型，本发明给出了支持模糊信息和动态行为信息描述的制造能力描述方法；三是如何在云制造服务平台中发现满足用户需求的制造能力服务，即本发明给出的基于制造能力服务网络的“一次检索、二次推荐”方法。上述目标的实现，最终为实现制造能力服务的按需使用和自由流通提供了支撑。

本发明采用的技术方案为：给出制造能力多维信息描述模型，并针对该模型中模糊信息和动态行为信息进行了形式化的描述，依赖服务间的模糊关系构造了制造能力服务网络，并基于该网络给出了制造能力服务的智能检索与推荐方法。该方法主要包括以下几个步骤：

步骤1）、给出了支持定性和定量描述的云制造模式下制造能力多维信息模型；

结合制造能力的概念及实际需求，对制造能力进行统一的建模，由于知识是形成制造能力的基础，尤其是隐形知识的存在，从而使得制造能力描述具有较强的不确定性，本发明将从以下三个方面来构造基于知识制造能力的多维信息模型：制造能力构成要素维、制造能力综合评估维、制造能力关联关系维。其中，制造能力构成要素维模型又可分为四个部分：主体资源、产品业务、人力资源和过程知识。制造能力评估要素维模型可以细分为三个部分：制造能力QoS评估、主体评估、交易评估。制造能力关连关系维模型主要包括制造能力内部关联关系和制造能力间关联关系。

步骤2）、针对步骤1）中的制造能力描述模型，对其各要素维中的模糊信息和动态行为信息进行提取和分类。

主要分为三类：制造能力基本属性信息、制造能力模糊信息、制造能力动态行为信息。其中基本属性信息主要指制造能力各维中的静态知识部分，如制造能力的功能、基本信息等；制造能力模糊信息蛀牙指模糊概念和模糊角色关系；制造能力动态行为信息主要指制造能力服务实时状态信息与状态变换信息。

步骤3）、针对步骤1）的描述模型，给出制造能力描述语言，该语言主要针对步骤2）中的模糊信息采用模糊描述逻辑（Fuzzy description logic,Fuzzy DL）来进行形式化描述，对于动态行为信息采用动态描述逻辑来描述，并以本体为描述载体。

其中对于步骤2)中的制造能力基本信息将采用描述逻辑（Description Logic,DL）进行描述，并采用OWL 2为本体描述语言。而对于模糊概念和模糊角色关系的描述，将结合模糊逻辑（Fuzzy Logic）和描述逻辑来进行处理，即模糊描述逻辑（Fuzzy DL），与此同时，用动态理论（Dynamic theory）和描述逻辑理论（Description logical theory）等来描述制造能力的动态性和知识性。此外，还需要解决的便是同一模型中相关基础理论方法的逻辑兼容、语法及语义一致性的问题，如模糊集理论与描述逻辑理论结合后，其相关原语及语义表达均会发生相应的变化。

步骤4）、根据步骤1）中对制造能力的关联关系描述，首先对各类关联关系进行提取，然后依此构建云制造服务平台中不同拓扑结构的制造能力服务网络。

其中制造能力外部关联关系，如制造能力之间的功能相似关系、结构相似关系、需求相似关系等，通过这种关系使得云制造服务平台中各类制造能力服务形成了一个动态的关联网络（Manufacturing CapabilityNetwork,McNet）。此外该网络可以根据用户不同的需求（如功能相似关系），能够构造不同拓扑结构的网络，通过这种关系网络能够为用户选择满足其需求最优制造能力服务提供支撑。

步骤5）、依赖步骤5）的制造能力服务网络，针对用户不同的需求，给出支持用户按需使用的制造能力服务智能匹配方法。制造能力智能匹配方法将采用“一次搜索、二次推荐”的方法来实现。

首先根据用户个性化需求，通过语义的检索与匹配返回目标服务结果集，然后在此目标服务基础上，依赖能力之间的关联规则，结合复杂网络相关理论与技术获取平台中各制造能力关联关系，进而形成制造能力服务网络，最终为实现向用户提供目标服务的智能推荐。

进一步的，步骤1中所说的多维信息模型主要包括制造能力构成要素维、制造能力综合评估维、制造能力关联关系维。

进一步的，步骤1中所说的制造能力构成要素维主要包括主要形成制造能力的主要要素，如主体制造资源、产品业务、人力资源及过程信息等。所说的综合评估维主要是平台和用户根据制造能力使用情况来实现对制造能力服务的综合评价。关联关系维主要反映了制造能力构成要素之间以及制造能力之间的关系，即可分为制造能力内部关联关系和制造能力外部关联关系。

进一步的，步骤2中所说的模糊信息主要指制造能力各维中的模糊概念和模糊角色关系。

进一步的，步骤2中所说的动态行为信息主要包括制造能力服务实时状态变换信息与制造能力服务动态组合流程信息。

进一步的，步骤3中所说的本体为描述载体，主要指采用OWL 2为本体描述语言，实现步骤2中的各类信息数字化描述，如服务基本属性本体、模糊概念本体、模糊关系本体、状态本体与动态流程本体等，最终将上述本体存储在云制造服务平台中。

进一步的，步骤4中所说的不同拓扑结构的制造能力服务网络，主要指根据用户的不同需求，进而生成的依赖不同关联关系的服务网络，如结构相似服务网络，需求相似服务网络和功能相似服务网络等。

进一步的，步骤5中所说的智能匹配方法，在本发明中主要指借鉴现有服务智能检索基础上，所提出的“一次检索，二次推荐”的方法。

进一步的，步骤5中所说的“一次检索”主要是根据用户个性化需求，通过语义的检索与匹配返回目标服务结果集，然后在此目标服务基础上，依赖能力之间的关联规则，结合复杂网络相关理论与技术获取平台中各制造能力关联关系，进而形成制造能力服务网络，最终为实现向用户提供目标服务的“智能推荐”。

本发明与现有技术相比的优点在于：

（1）、本发明给出了基于知识的制造能力多维信息模型，该模型的构建具有层次结构与系统性，能充分体现制造能力的整体特征，反映制造能力各个层次与维度方面的属性，做到既能反映定量属性，也能反映定性属性。

（2）、本发明给出制造能力描述语言。并采用不同的理论方法可以用来处理制造能力的不同特征，如模糊集相关理论（Fuzzy set theory）可以用来分析制造能力的不确定性，粗糙集相关理论（Rough set theory）可以处理模型中不完备信息，而动态理论（Dynamic theory）和描述逻辑理论（Description logical theory）等可以用来描述制造能力的动态性和知识性。

（3）、本发明给出了基于复杂网络的制造能力服务智能匹配方法。将在“一次搜索”的基础上，根据制造能力的关联模型，利用复杂网络相关理论方法动态构建制造能力的复杂网络，能够根据用户的需求呈现不同的拓扑结构，实现对制造能力的“二次推荐”，并进行多维可视化展。

附图说明

图1为本发明的结构组成示意图；

图2为本发明的制造能力多维信息模型图；

图3为本发明的制造能力描述语言框架图；

图4为本发明的制造能力服务关联关系网络图；

图5为本发明的制造能力服务“一次检索、二次推荐”流程图。

具体实施方式

下面结合附图对本发明作进一步详细的描述。

本发明包括一种支持制造能力按需使用和共享流通的云制造能力描述机制与方法。该方法是基于云制造模式制造能力的多维信息模型、形式化描述机制及智能检索方法来实现的，本文明的结构图如图1所示。详细步骤如下：

步骤1：根据上述关于制造能力的概念和分类，本发明首先给出了制造能力多维信息描述模型，如图2所示，主要从构成要素维、关联关系维及综合评估维对制造能力进行了建模，各维的具体描述如下。

（1）制造能力构成要素维

如图2所示，制造能力构成要素主要包括四部分信息：一是主体资源描述信息，主要对某一制造能力主要载体资源各类属性的描述，包括载体资源基本信息、静态属性信息及动态感知信息，其中静态属性信息是对资源的静态描述参数的反映，动态感知信息主要是针对制造能力的当前运行状态的描述，如机床资源描述，静态属性主要指机床的工艺参数、外形、规格等，动态属性信息主要指机床运行过程中的参数表示，如负载状态、刀具使用情况、主轴状态等。此外，与主体资源相对的是辅体资源，主要对制造能力形成过程中的非核心资源基本信息描述，如设计能力中计算资源等。二是产品/业务信息描述，这是制造能力的核心，也是制造能力面向终端用户的部分，主要指通过已有产品和业务的案例情况来综合反映制造能力特性，主要包括产品实例描述（如历史产品案例的需求信息、完成情况、交易情况等）及历史案例评估（交付时间、成本、质量等）。三是人力资源，该部分是制造能力的增值能力形成的基础，主要是对人或组织在特定领域所具备的经验、知识及技能的描述，上述知识以隐性知识为主。四是过程知识，该部分主要是对实现相关任务目标过程中所涉及的方法、流程、模型等数据的描述，该部分以显性知识为主。

（2）制造能力关联关系维

制造能力关联关系主要反映了制造能力构成要素之间以及制造能力之间的关系，即可分为制造能力内部关联关系和制造能力外部关联关系。其中制造能力内部关联关系主要指制造能力形成过程中内部构成要素之间的组织及约束关系，不仅包括元素之间约束关系，如继承、泛化、实例等，还包括过程结构关系，即实现某一任务目标所涉及各种元素的组织过程，如并行、顺序、交叉等关系。制造能力外部关联关系主要指在云制造服务平台中制造能力之间的关联关系，如功能相似关系、结构相似关系、需求相似关系等。

（3）制造能力综合评估维

制造能力综合评估是实现云制造服务平台中制造能力流通的关键，主要由平台和用户根据制造能力使用情况来实现对制造能力服务的综合评价。为实现上述评估首先需要建立即能反映制造能力的整体特征又能反映制造能力各个层次和维度方面的属性的制造能力综合评估体系。本文将采用自顶向下、层层深入的思路，指标体系可分为三个部分：QoS评估指标、主体评估指标、交易评估指标。其中QoS评估主要是对制造能力服务本身的属性的评价，包括服务质量、成本、可靠性等指标。主体评估主要对制造能力服务提供商和请求商的评估，主要指标包括产品交付时间、服务及创新等。交易评估主要指在制造能力交易过程中双方协作行为的评估，指标主要包括交易合规性、风险性及协作性等。针对上述评估指标体系，根据评价指标数据来源不同又可分为主观评估与客观评估。其中主观评估主要指用户或平台运营者结合服务使用和运行情况所给出评价；客观评估则主要依赖平台对制造能力服务使用过程中的各类数据的综合分析和判断，或是直接由第三方工具直接检测获得。为保证平台的信誉度，需要提高客观评估的比重，降低主观评估的比重，同时能够对主观评估数据的可信性进行预测和判定。最后针对各类评估指标数据，采用模糊数学相关理论及归一化方法进行处理，以得到制造能力服务综合信誉值，该信誉值是衡量某一制造能力服务优劣的标准，也是用户选择制造能力服务的重要依据。

步骤2：针对上述制造能力模型的各维元素，进行特征提取和分类，并构造制造能力描述语言框架，进而实现对云制造模式下制造能力的形式化描述，具体步骤如下：

（1）鉴于云制造环境下制造能力表现出多重复杂的特性，需要综合现有资源描述语言及相关的理论方法建立制造能力描述框架。云制造模式下制造能力从存在形态、使用方式等方面分析，具有如下典型特征：1）不确定性。如对构成要素模型中智力资源的描述，由于人或组织的参与，使得对制造能力的描述具有较强的模糊性和不确定性。2）不完备性。如评估模型中的用户反馈，以及在知识和经验的获取过程中，会经常出现严重数据丢失问题，从而导致数据的不完备，此时将直接影响制造能力相关指标描述的客观性。3）动态性。由于制造能力反映了一个企业或制造系统的运行状况，描述了一个动态活动过程，并且制造能力之间能够进行紧耦合的交互，因此如何描述制造能力状态变换以及时序交互等动态特性也是制造能力与制造资源相比的主要区别。4）知识性。制造能力是知识的一种表现形式，知识是形成制造能力的根源，因此如何对制造能力形成过程中各类知识、经验进行描述和封装，是制造能力形式化描述的关键。

现有不同的理论方法可以用来处理制造能力的不同特征，如模糊集相关理论（Fuzzy settheory）可以用来分析制造能力的不确定性，粗糙集相关理论（Rough set theory）可以处理模型中不完备信息，而动态理论（Dynamic theory）和描述逻辑理论（Description logical theory）等可以用来描述制造能力的动态性和知识性。因此，制造能力描述框架需要综合上述不同理论方法，以具有描述不同特性的能力。

步骤3：利用上述理论技术，本发明分别对模糊信息和动态行为信息进行描述，主要如下：

（1）模糊信息描述

描述逻辑可以有效地表示精确的知识，但难以对模糊和不精确知识进行表示和推理。模糊逻辑作为一种精确解决不精确、不完全信息的方法[38]，因此本文将采用模糊描述逻辑来实现模糊概念和模糊角色关系的描述。模糊集定义如下：

Definition 1(模糊集)：设

是论域X到[0,1]的一个映射[35]，即

X→[0,1]， $x\→{\mathrm{\μ}}_{\tilde{A}}\left(x\right)---\left(1\right)$

称

是X上的模糊集，

为

的隶属函数（membership function）（或称x对模糊集

的隶属度（grade ofmembership））

本发明针对不同的模糊概念，选用相应的模糊特征隶属函数，常用的有梯形函数、正态分布，本文将以某一立式加工中心加工能力的QosEvaluation属性中的加工精度为例，分析其模糊概念及模糊关系的表示方法。

如对“某一立式加工中心的加工能力（MC Prod）的精度（用零件加工的误差度(QoSAccuracy)来表示）的描述”，首先分析其模糊概念集合：精度高（HighLevel），精度较高(OrdinaryLevel)，精度低(LowLevel)，并根据精度不同阶段，采用不同的隶属度函数。以Highlevel为例，μ(x)为其模糊隶属度函数，其区间为[0,1]，这里μ(x)的确定采用左隶属度函数法：Ls＝(k₁,k₂,η_min,η_max)[32]，计算方法如下

$\mathrm{\&mu;}\left(x\right)=\left\{\begin{array}{cc}{\mathrm{\&eta;}}_{\min },& x\&GreaterEqual;k_2\\ \frac{k_2-x}{k_2-k_1},& k_1<x<k_2\\ {\mathrm{\&eta;}}_{\max },& 0\&le;x\&le;k_1\end{array}\right.---\left(2\right)$

其中k₁,k₂分别为产品加工精度的最小值（如产品误差：0.01mm）与最大值（0.03mm），η_min,η_max分别为误差精度值域区间，并且满足η_min≤k₁≤k₂≤η_max,x为当前的误差精度值如。该加工中心的加工能力“误差精度高”的隶属度函数满足Left（0.01，0.03，0，1），并且MC_Prod的x为0.015，通过上述公式可计算出，μ(x)=0.75，即可认为此时该产品属于高精度的概率为0.75。上述例子用模糊描述逻辑可表示为：

$\mathrm{MC}\_\mathrm{Prod}\&cap;\&Exists;\mathrm{hasQoSAccuracy}.\mathrm{HighLevel}\&GreaterEqual;\mathrm{\&mu;}\left(x\right),$

μ(x)＝(0.01,0.03,0,1)＝0.75

上述逻辑关系中Left（0.01，0.03，0，1）用OWL2语言可表示为：

加工能力的高精度（模糊概念）及是该产品高精度概率为0.75（模糊角色关系）的表示如下：

（2）动态行为描述

描述逻辑可以有效地表示和推理关于静态领域的知识，但对服务的动态特征知识则无法处理，如服务状态变化、执行过程等。因此，部分研究者将动作理论与描述逻辑相结合，提出动态描述逻辑(DDL)。DDL基本符号定义如：

Definition 2（基本符号）DDL是在DL基本符号基础上扩充如下：

(1)状态变元：u,v，w，…;

(2)状态变化：u→v;

Definition 3（约束）DDL中的条件（Constraint）形如

C,C(p),R(p,q),p=q和p≠q，其中p,q∈NI。

说明：

(1)对于p,q∈NI，每个条件可表示为相应（断言）公式，如条件

C,C(p),R(p,q)分别表示成公式

pC(p),C(p),R(p,q)，而条件p=q和p≠q则分别表示当前知识库中个体p和q相等以及不相等关系。

(2)对于整形、实数等有型域，条件可表示为算术等式、不等式，例如p=q+n,p>q+n等，其中p,q∈N，n为常数。

以上述动态描述逻辑基本定义为基础，来实现对制造能力状态变化及动态形成过程描述，主要定义如下：

Definition 4（制造能力服务过程模型）某一制造能力服务的执行过程A和B，并包含四种情况，Sequence（→），Synchronization（∪），Iterate

Switch（？），当且仅当满足以下条件：

●顺序Sequence(A,B)|=A→B，满足{<u,w>|u，v,w∈W,S_A[u →v]∧S_B[v→w]}

●并行Synchronization(A,B)|=A∪B，满足{<u,v>|u,v∈W,S_A[u→v]∨S_B[u→v]}

●循环

满足{<u,v>|u，v∈W,S_A[u→v]∨SA[u→v]∨…}

●选择Switch(B)|=B?满足{<u,u>|u∈W,u|＝B}

结合上述定义，如有一制造能力服务MCS1，集成了不同的制造资源RS1,RS2，...,RSn，能够向服务提供不同粒度的功能服务fun1,fun2，...,funx，并且每个功能服务funx结合相关资源有实现过程Process(x)[RS1,RS3,…,RSi,]，该过程便可用上述模型来进行描述。

Definition 5（制造能力服务状态模型）制造能力服务每个状态下所有个体及属性、关系等事实（断言）构成了制造能力的状态描述。即一个状态w是断言公式的集合，记做

是关于w的解释，称为w的模型，简写为I(w)＝{Δ^I,·^I(w)}。

其中Δ^I为解释域，·^I(w)为解释函数。原子概念C_i映射为集合关系A_j映射为集合每个个体E_j映射为集合

Definition 6（制造能力服务状态变换模型）给定服务状态u和v下的两个解释模型I(u)＝{Δ^I,·^I(u)}和I(v)＝{Δ^I,·^I(v)}有服务S＝(_PS,E_S)实现u→v，并且动态属性γ_i随之变化，当且仅当满足以下条件：

(1)I(u)|＝_α1∧α₂∧...∧α_i∧...，其中α_i∈P_S；

(2)对于E_S中每个序对head/body，满足

其中

φ_i∈body。

(3)存在制造能力服务S属性集合Attribute＝(Satt,Datt)，其中Satt为静态属性集，且δ_i∈Satt，Datt为动态属性集，且δ_i∈Datt，动态属性值则随状态变化而变化。

即称状态u下服务S能产生状态v，记做S[u→v|γ_i]。

在完成上述各类特征信息的形式化描述之后，接下来需要解决的便是同一模型中相关基础理论方法的逻辑兼容、语法及语义一致性的问题，如模糊集理论与描述逻辑理论结合后，其相关原语及语义表达均会发生相应的变化，此时，便需要研究异构逻辑融合中的协调和转换机制，并在此基础上研究制造能力描述语言的语法、语义、推理及规则表示与处理等技术，进而为实现制造能力应用提供支撑。主要从以下三个层次逐步实现：

（1）基本要素层：以描述逻辑理论为基础，结合模糊集理论、粗糙集理论及动态理论的描述方法，来扩充满足制造能力概念描述的基本原语及符号。主要包含两部分内容：一是丰富建模原语，进而支持更强的表达功能，如服务任务目标、QoS属性等。二是优化原语符号，利用新增的原语优化语法形式，使得语法表现更加简洁。

（2）动态特性层：主要针对制造能力的动态特性，如执行过程、状态转换、时序交互等，实现对动作行为的表示及推理。该层主要在现有动态描述逻辑（DDL）基础上进行扩充，使其能对服务复杂的动态行为进行表示。

（3）逻辑关系层：主要针对制造能力内外部复杂逻辑关系进行建模，构建相关的原语、符号及推理机制，使其不仅能充分表达服务内部各要素的组成关系，还能对服务之间的关系进行反映。

步骤4：制造能力关联关系网络生成主要依赖步骤2中制造能力关联关系维来构造，主要包括制造能力内部关联网络和制造能力外部关联网络，上述网络的构建及演化方式主要如下：

（1）制造能力内部网络生成

制造能力内部网络生成主要依赖制造能力发布时的内部关联关系描述，主要反映制造能力的内部组织结构，如设计能力，主要描述某一设计任务的实现过程，以及该过程所涉及的资源要素，以及设计过程中的各种约束规则。

（2）制造能力外部关联关系获取

制造能力外部关联关系获取是制造能力网络形成的关键，外部关联关系如功能相似关系、可组合关系、需求相似关系等、对此本发明拟采取干预设定及自动设定两种方式结合来获取制造能力关联关系，干预设定主要指在制造能力发布描述时，依赖经验知识及领域特征在平台所提供的知识分类支撑下，进行主动限定，如设定该制造能力属于某一功能领域、以及对能够与其进行组合制造能力的需求等信息，进而有新的能力进入平台时，能够依赖上述条件进行快速关联。自动设定关系主要指对其动态特性的关联，如需求相似关系，将依赖相同需求用户所选择制造能力的比例来确定能力之间需求相似度，进而进行关联。

（3）制造能力目标服务网络生成

依赖上述制造云平台中制造能力内外部各种关联关系，进而生成制造能力网络，由于制造能力之间的关联关系不同，进而所形成的网络拓扑结构也将发生变化，如依赖需求相似关系，呈现制造能力需求网络，但以功能相关关系为依赖时，该网络也将随之发生变化。此外，如用户有多种需求，即同时优先考虑某几种关联关系时，此时便会出现能力网络的叠加，将演变出另一种拓扑结构的制造能力网络。在该能力网络中，将通过“生命力”值来反映制造能力的综合特征，如生命力值高即代表在当前网络环境下面向用户是最优的制造能力，该生命力值是通过对制造能力综合信誉、需求相似度、功能及运行状态等参数的归一化处理所生成的。

（4）制造能力及其网络演化

动态性是云制造模式下制造能力最显著的特征，制造能力及其网络随其构成要素、外界环境、用户评价等因素的变化而变化。本文将根据制造能力及不同关联关系网络的特点。构建制造能力及能力网络的演化模型，并确定相关的演化策略及机制；然后深入分析制造能力及其网络演化的驱动要素，即影响制造能力及网络变化的因素，还将充分考虑各驱动因素信息的获取及处理，其中将重点针对制造能力综合评估因素进行了研究，包括制造能力综合评估不确定信息获取及处理，评估方法等。

步骤5：上述的制造能力形式化描述最终便是为了实现用户能够按需、高效的使用制造能力，但云制造服务平台中制造能力服务种类多、数量大、结构复杂，并且一个能力可能同时提供多种服务，此时如按照现有的服务组织方式，将难以满足请求用户对服务的检索效率及最优满足率的需求，以及服务的使用率，因此如何对制造云平台中的各类制造能力进行有效的组织和分类，则是实现能力按需的关键。本发明将首先根据用户的需求，进行语义检索，从而返回目标服务结果集，进而在此目标服务基础上，依赖能力之间的关联规则，结合复杂网络相关理论与技术获取平台中各制造能力关联关系，进而形成制造能力网络，从而实现向用户提供目标服务的智能推荐，如图5所示。

Claims (9)

1.一种支持制造能力按需使用和共享流通的云制造能力描述方法，其特征在于：给出制造能力多维信息描述模型，并针对该模型中模糊信息和动态行为信息进行了形式化的描述，依赖服务间的模糊关系构造了制造能力服务网络，并基于该网络给出了制造能力服务的智能检索与推荐方法。该方法主要包括以下几个步骤：

步骤1）：给出了支持定性和定量描述的云制造模式下制造能力多维信息模型；

步骤2）：针对步骤1）中的制造能力描述模型，对其各要素维中的模糊信息和动态行为信息进行提取和分类；

步骤3）：针对步骤1）的描述模型，给出制造能力描述语言，该语言主要针对步骤2）中的模糊信息采用模糊描述逻辑（Fuzzy description logic,Fuzzy DL）来进行形式化描述，对于动态行为信息采用动态描述逻辑（Dynamic description logic,Dynamic DL）来描述，并以本体为描述载体；

步骤4）：根据步骤1）中对制造能力的关联关系描述，首先对各类关联关系进行提取，然后依此构建云制造服务平台中不同拓扑结构的制造能力服务网络；

步骤5）：依赖步骤4）的制造能力服务网络，针对用户不同的需求，给出支持用户按需使用的制造能力服务智能匹配方法，所述的制造能力智能匹配方法将采用“一次搜索、二次推荐”的方法来实现。

2.根据权利要求1所述的一种支持制造能力按需使用和共享流通的云制造能力描述方法，其特征在于：步骤1）中所说的多维信息模型主要包括制造能力构成要素维、制造能力综合评估维、制造能力关联关系维。

3.根据权利要求2所述的一种支持制造能力按需使用和共享流通的云制造能力描述方法，其特征在于：步骤1）中所说的制造能力构成要素维主要包括主要形成制造能力的主要要素，如主体制造资源、产品业务、人力资源及过程信息等；所说的综合评估维主要是平台和用户根据制造能力使用情况来实现对制造能力服务的综合评价；关联关系维主要反映了制造能力构成要素之间以及制造能力之间的关系，即可分为制造能力内部关联关系和制造能力外部关联关系。

4.根据权利要求1所述的一种支持制造能力按需使用和共享流通的云制造能力描述方法，其特征在于：步骤2）中所说的模糊信息主要指制造能力各维中的模糊概念和模糊角色关系。

5.根据权利要求1所述的一种支持制造能力按需使用和共享流通的云制造能力描述方法，其特征在于：步骤2）中所说的动态行为信息主要包括制造能力服务实时状态变换信息与制造能力服务动态组合流程信息。

6.根据权利要求1所述的一种支持制造能力按需使用和共享流通的云制造能力描述方法，其特征在于：步骤3）中所说的本体为描述载体，主要指采用OWL 2为本体描述语言，实现步骤2中的各类信息数字化描述，如服务基本属性本体、模糊概念本体、模糊关系本体、状态本体与动态流程本体等，最终将上述本体存储在云制造服务平台中。

7.根据权利要求1所述的一种支持制造能力按需使用和共享流通的云制造能力描述方法，其特征在于：步骤4）中所说的不同拓扑结构的制造能力服务网络，主要指根据用户的不同需求，进而生成的依赖不同关联关系的服务网络，如结构相似服务网络，需求相似服务网络和功能相似服务网络等。

8.根据权利要求1所述的一种支持制造能力按需使用和共享流通的云制造能力描述方法，其特征在于：步骤5）中所说的智能匹配方法，在本发明中主要指借鉴现有服务智能检索基础上，所提出的“一次检索，二次推荐”的方法。

9.根据权利要求8所述的一种支持制造能力按需使用和共享流通的云制造能力描述方法，其特征在于：步骤5）中所说的“一次检索”主要是根据用户个性化需求，通过语义的检索与匹配返回目标服务结果集，然后在此目标服务基础上，依赖能力之间的关联规则，结合复杂网络相关理论与技术获取平台中各制造能力关联关系，进而形成制造能力服务网络，最终为实现向用户提供目标服务的“智能推荐”。

Images