第 1 章 绪论
1.1 研究背景及意义
在工业发展的道路上，制造业推动了各个国家社会与经济上的蓬勃发展，产生了强劲的发展势头，是不容忽视的支撑力量。作为实体经济的核心竞争力，正随着互联网行业的迅猛发展以及科技与社会经济水平的不断提高逐步演进。传统制造的组织形式陈旧、封闭，生产水平未达标，生产效益低下，缺乏核心技术的创造力，其产业价值链始终位于微笑曲线下方，已经阻碍了制造企业满足更高层次的制造需求。物联网、云计算等技术推进了第四次工业革命的进程。对此，许多发达国家开始重视信息技术与制造业的深入融合[1]，相继对本国制造业进行了战略部署。美国创建“国家制造业创新网络”形成了创新智能制造；德国为提升制造领域的智能化水平，提出了“工业 4.0”战略；日本也以“机器人革命”作为主要战略[2]。中国作为制造业大国，在《中国制造 2025 规划》中提到了要向制造业投入更多发展力量，鼓励智能化生产、促进服务化转型等，以快速推进新兴信息技术与制造产业的协调发展步调，打造智能制造[3]。
然而，随着制造业的发展，传统制造模式难以满足客户复杂多样的需求，制造资源和制造能力未能得到有效利用，以至于不少制造企业面临资源瓶颈和资源闲置问题[4]。一方面，中小型企业的资源短缺和资源紧张等情况导致制造订单难以完成；另一方面，大型工厂企业等由于设备利用率不足导致大量高精尖设备处于空闲状态，造成了优质资源的浪费[5]。因此，该问题解决的关键在于如何汇集并合理分配制造资源。
在互联网技术和信息化发展的持续作用下，涌现出了不少新兴制造模式来解决上述问题，如敏捷制造（Agile Manufacturing, AM）[6, 7]、制造网格（ManufacturingGrid, MG）[8]、虚拟制造[9, 10]等，但并没有从真正意义上改善制造业存在的新问题[11]。李伯虎院士随后提出将各类制造资源和制造能力进行服务虚拟化，汇集于制造云平台的资源服务池统一智能化管理，按需给用户提供覆盖制造全生命周期的优质服务，即形成了“云制造”的概念[12]。相较于其他制造模式而言，云制造集先进制造模式于一体，使其在理念、技术和应用等各个方面能够有更好的拓展性[13]。
....................
1.2 研究现状
1.2.1 云制造的研究现状
从 2006 年云计算概念提出以来，随着数据信息化、计算与资源管理的需求不断扩张，云计算正在不断改变行业和企业开展业务的方式，通过虚拟化资源等技术手段为企业打开了新的发展空间。因此，各行各业都纷纷向云计算转型，例如金融、教育、医疗保健等众多不同的领域，在制造业中的应用也显得尤为重要。作为“云计算的制造版本”，云制造（Cloud Manufacturing, CMfg）不是简单地应用云计算技术，而是将云计算中的概念、操作模式和技术整体迁移到制造业中，是一种拓展和延伸[15,16]。
云制造结合云计算中“计算即服务”的思想，衍生出“制造即服务（Manufacturing as a Service, MaaS）”的概念，即将制造生命周期中各个阶段的制造资源和制造能力通过虚拟化操作封装形成服务，并以该形式面向用户[17]。它是一种面向服务，将云计算、人工智能等信息技术融为一体的网络化制造模式，开拓了网络化制造等概念和技术，用来解决复杂和大规模的制造问题[18]。
2010 年提出至今，云制造的研究工作已经开展 10 余年，越来越多的人意识到了云制造对于制造领域的重要性，在学术上的研究以及工业上的实施都取得了快速发展[19]。根据 Robert Henzel 和 Georg Herzwurm 的调查研究显示[20]，按照每年出版物的数量统计，不少学者对云制造这一新兴模式的研究逐步扩大。目前，研究主要贡献来自中国（占 43%），其次是美国（占 30%），再是新西兰（占 8%）。可见，我国作为制造大国非常重视制造业理论与应用技术的开拓与发展。针对云制造中重点问题，国内外研究人员分别从体系结构与平台构建、制造资源相关技术、服务组合相关技术三个方向进行了探索[21]。
.............................
第 2 章 相关理论与技术
2.1 云制造概述
云制造以“制造即服务”为根本思想，形成了一种新的网络化制造模式。它区别于传统的制造模式，通过制造资源按需使用的方式，促进了资源的利用，制造服务能力以及能力都得到相应的提升。因此，研究云制造相关理论和方法对于云制造环境下服务组合的探索有着至关重要意义。
2.1.1 云计算与云制造
由于灵活性高、可扩展等特点，云计算作为现代计算中一种面向服务的新范式，在计算机网络领域建设掀起了一场变革。它属于分布式计算的一种，以互联网为媒介将虚拟化资源和数据提供给有需求的用户，拓展数据的处理。
在云计算中始终贯穿着“一切皆服务（XaaS ）”的核心思想，如软件即服务（Software as a Service, SaaS）、平台即服务（Platform as a Service, PaaS）、基础设施即服务（Infrastructure as a Service, IaaS）。所有服务汇聚在云端网络中，用户可以随时从“云”上按需获取资源。受到这一思想的启发，各制造企业采用虚拟化的方式，将产品制造全生命周期过程各个阶段中的制造资源与制造能力封装成满足制造需求的各类服务提供给用户，从而诞生了“制造即服务（Manufactureas a Service, MaaS）”的概念。同时，云制造还产生了制造领域中与云计算相对应的三种服务模型，即制造软件即服务（Manufacture Software as a Service, MSaaS）、制造平台即服务（Manufacture Platform as a Service, MPssS）和制造基础设施即服务（Manufacture Infrastructure as a Service, MIaaS）。云制造对资源共享内容、服务模式和技术进行了扩充，让云计算的核心思想在制造行业中得以延伸和发展。[18]图 2.1 和图 2.2 展示了云制造与云计算在服务内容和资源共享方面的区别。
图 2.1 在服务内容方面云制造和云计算的区别
2.2 云制造环境下的服务组合
制造云平台能够响应服务需求方的制造请求，为其挑选出合适的云制造服务。然而，在云制造环境中，单一服务通常不能满足复杂任务请求，需要将功能多样的服务组合起来，一起协同完成制造任务[73]。因此，有必要进一步探索云制造环境下服务组合中的相关理论和方法。
2.2.1 服务组合的定义与特点
服务需求方提出的制造任务可以按照粒度划分为简单任务和复杂任务。对于简单任务而言，只需要从云资源服务池中筛选出一个最优质的制造服务即可完。然而对于复杂任务来说，由于简单的云制造服务功能的单一性，仅能完成复杂制造任务里其中一个环节，往往不能有效地实现服务需求方的要求。因此，必须将复杂制造任务划分成多个功能不同且单一的子任务，将多个零散的云制造服务按照一定规则组合起来，形成一组具有伸缩和扩展能力的服务组合，协同工作来完成复杂制造任务。也就是说，服务组合是以组合的方式形成若干个可执行的方案，并挑选其中一个最为优质的方案执行。
从上述服务组合的定义来看，服务组合是整个制造云平台的重要环节，是实现资源服务按需分配和使用的有效途径，具有过程复杂、服务相关、模糊动态和自组织的特性。
找到一组合适且优质的服务组合需要经过任务分解、服务搜索与匹配、服务评估与选择、生成候选服务组合方案、服务组合优选等一系列繁杂的步骤，并且每个阶段都需要进行大量的工作，因而服务组合具有过程复杂性。
服务组合的服务相关性是指在实际的制造场景中制造服务并不都是彼此独立存在的，通常情况下它们之间会存在一定的关联关系。例如：一个制造服务的服务质量往往会受到服务组合中另一个制造服务的影响，产生所谓的关联依赖。
制造云平台中的云资源服务池中存在的制造服务数量和服务内容不是一成不变的。云制造服务提供商的加入、制造资源和制造能力的新增等都会让云资源服务池随时发生变化。介于这类情况，平台对制造任务的分解、子任务匹配的制造服务以及形成的服务组合方案都会一定的差异，使得服务组合具有模糊动态的特性。
.........................
第 3 章 众包模式下支持服务关联的 QoS 感知评估模型..............................22
3.1 云制造服务关联的描述........................................... 22
3.1.1 制造服务描述模型............................................ 22
3.1.2 QoS 基本模型................................................. 22
第 4 章 改进麻雀搜索算法的云制造服务组合优选.................................... 39
4.1 麻雀搜索算法概述..........................................39
4.1.1 算法原理..................................................39
4.1.2 算法流程..............................40
第 5 章 仿真实验与分析.....................................49
5.1 实验设计..........................................49
5.1.1 场景模型......................................49
5.1.2 环境与参数设定....................................... 50
第 5 章 仿真实验与分析
5.1 实验设计
5.1.1 场景模型
摩托车装配过程是典型的制造企业应用场景。摩托车的生产制造过程可以细粒度地划分成为 100 多个部分，囊括了零部件配作、分装、整车装配等全部工艺流程的内容。若向制造云平台提出生产一批摩托车的制造任务，则在任务分解阶段平台以粒度最小的前提条件下会将其分解成为 100 多个子任务。鉴于制造工艺的复杂性，本文将摩托车装配过程中的 6 个关键环节抽取出来模拟现实的制造场景。
图 5.1 摩托车装配场景模型
.........................
第 6 章 总结与展望
6.1 工作总结
我国是世界上的工业制造大国，随着互联网的飞速发展，传统制造方式不断被打破，逐步形成了云制造这一结合现代云计算、物联网、数字化等新兴技术的先进智能化制造模式。为实现“中国制造 2025”发展目标，加强对云制造中关键技术的研究显得尤为重要。制造云平台中以服务作为对象提供，其中服务组合是云制造研究领域中的核心问题之一，但目前服务之间关联关系以及评估方式的研究不足，组合优选的求解效率有待提升，需要对相关问题进行深入研究。鉴于此，本文针对现有云制造服务组合中服务关联分析与 QoS 评估模型的不足之处，设计了一种众包模式下支持服务关联的 QoS 感知评估模型，利用 Tent 混沌映射与纵横交叉策略改进了传统麻雀搜索算法，提升了服务优选的求解效率和服务组合的筛选质量。
本文主要做的研究工作如下：
（1）首先，阐述了当前云制造的相关背景以及研究意义，并对云制造和云制造环境下服务组合的国内外研究方向与现状进行了介绍。在此基础上，对云制造相关的理论知识和技术做了详细的归纳和总结，包括云制造、云制造服务、服务组合的概念、特征和分类，云制造服务组合流程、优选方式等，为之后研究提供有力的理论支撑。
（2）其次，研究了服务之间的三种关联关系，给出了相应的定义、描述模型和 QoS 计算方式，并对其进行了改进。在业务实体关联中考虑了企业的合作时间，在统计关联中利用双向置信度 KULC 和不平衡因子 IR 评估挖掘出的关联规则并结合预测得到的 QoS 值形成 QoS 变化量来达到云制造环境中的动态性要求。
（3）然后，将众包模式引入子任务与服务的映射中，增加了“一对多”的任务与服务映射方式即众包服务，设计了众包服务的筛选规则与流程。同时，给出了 QoS 各属性的计算公式，构造了新的候选服务集合并形成了众包模式下支持服务关联的 QoS 感知评估模型。
（4）接着，研究了服务组合优选的求解算法，提出了基于纵横交叉的麻雀搜索算法 CSOSSA。通过 Tent 混沌映射策略对种群进行初始化操作，再以纵向和横向交叉的方式丰富种群，防止局部最优的情况，提升算法全局搜索效果。
（5）最后，基于摩托车装备场景下对提出的 QoS 感知评估模型进行算例验证，证明服务组合方案的可行性和时效性。对 CSOSSA 算法与 SSA、PSO、ABC算法从有效性、收敛性和执行效率三个方面作比较，通过改变云制造服务组合问题中的服务规模和种群规模多角度证明 CSOSSA 算法的性能优势。
参考文献（略）