基于拉式理论的云制造资源虚拟化研究

基于拉式理论的云制造资源虚拟化研究
关贺;石宇强
【摘要】应用拉式理论对云制造中的制造资源进行虚拟化. 明确云制造资源进行调度时所涉及的4个主要约束目标,对这4个约束目标进行数学建模,通过模型中的关键要素确定云制造资源虚拟化中最重要的几个资源属性,针对每一个重要属性建立本体模型,然后将所有描述资源的属性进行整合,建立完整的资源本体模型,将云制造资源虚拟化.%By applying the theory of pull, the manufacturing resources in the cloud manufacturing were virtual-ization.Through cloud manufacturing resources schedule that found the four major constraints , used the four major constraintsto make mathematical modeling .By the key elements in the modeling equation , it found the several important attributes in the cloud manufacturing virtualization resources , established ontology model for each important attribute .Then it integrated all the attributes of the resources , to establish a complete resource ontology model , the virtualization of the cloud manufacturing resources was accomplished .【期刊名称】《西南科技大学学报》
【年(卷),期】2015(030)003
【总页数】4页(P85-88)
【关键词】云制造;拉式理论;虚拟化;本体建模
【作者】关贺;石宇强
【作者单位】西南科技大学制造科学与工程学院四川绵阳 621010;西南科技大学制造科学与工程学院四川绵阳 621010
【正文语种】中文
【中图分类】TP301
制造模式随着时间的推移和技术的创新，已经从传统制造到网络化制造演化到现在的云制造和智能制造。

云制造和智能制造都是依赖于物联网和计算机的一种新型的制造模式。

其中云制造更是借助于大数据的热潮，将区域化制造变成全球化制造。

由于云制造是刚兴起的一种制造模式，所以很多技术都不完善，其中在制造资源虚拟化和资源调度优化方面还有很大欠缺，需深入研究。

1.1 云制造虚拟化的描述方式
现有的虚拟化方式大多数都是用XML语言或者基于语义对资源进行描述，这种资源虚拟化的方式存在一定的局限性，在资源选取的时候不够精准。

由于在资源虚拟化的过程中会涉及到用很多属性进行资源的关键字描述，这样极大增加了描述工作量，而且还会因为资源筛选过程中筛选的项目过于复杂且目的不明确造成资源匹配速度过慢。

为了尽量减少不必要的工作，拟采用拉式思维，从逆向思考，达到资源虚拟化过程中资源选取和调度快速高效的目的。

在资源调度中，有以下4个方面是目标函数中考虑的优先条件:成本最小化、时间最小化、可靠度最大化、质量最优，所以在资源虚拟化过程中，就会将这4个方面所涉及的属性进行特殊标记或者重点强调，方便调用。

1.2 拉式理论
一个生产活动从市场需求出发，并能够根据市场的需求来组装产品，以此拉动前工序的零部件加工，这样的生产活动就叫做拉式生产。

在拉式生产模式下，每一个生产部门、每一道工序都是根据后向部门和工序所提出的需求来完成生产制造的。

同
时，还需要向前向部门和工序发出生产指令。

在拉式生产的模式中，计划部门只需要制定最终的产品计划，其他部门和工序的生产活动就可以按照后向部门和工序所发出的生产指令来进行。

根据“拉动”的方式组织生产，可以确保在适当的时间进行生产，并且由于只需要根据后向部门或工序所提出的指令进行，因此生产的数量可以是明确的数量，这样就能保证目标明确，靶向锁定。

拉式理论源于工业工程中的拉式生产，它不同于以往的推式模式，而是通过逆推的方式解决问题。

在用推式模式的时候，已知的是条件因素，求结果。

而在拉式思维中，则是先知道结果，通过结果反推所需要的条件因素。

云制造关键技术研究中，制造资源和能力虚拟化极为重要。

潘晓辉［5］将制造资源分为硬件资源、软件资源、技术资源、人力资源、信息资源、企业层、车间层、单元层、工作站层、设备层。

屈喜龙［6］将制造资源分为装备资源、精密仪器资源、高性能资源、信息化人才资源、软件资源、技术资源、信息资源、用户资源。

王国庆［7］将制造资源分为物料配套资源、设计与技术资源、设备资源、人力资源、市场资源、软件资源、企业应用服务系统。

袁庆霓［8］将制造资源分为设备资源、企业资源、软件资源、人力资源、标准资源、产品资源、服务资源。

王正成［9］将物料资源分为设备类、物料类、人力类、知识类、服务类、软件类、信息类。

在2010年李伯虎［1］提出了云制造后，将云制造资源分为了设计资源、仿真资源、生产资源、试验资源、集成资源、能力资源、管理资源。

通过对以上制造资源的分类加以分析和整理，得到在制造加工中制造资源可以分为十大类:(1)人力资源; (2)制造设备资源; (3)技术资源; (4)应用系统资源;(5)物料资源;(6)物流资源;(7)计算资源;(8)服务资源;(9)能力资源;(10)硬件资源。

根据以上的制造资源分类，可以发现每一类资源在属性描述上有一定的相同点，却又存在一定的差异。

现有的资源描述只是简单定义了某种资源的某些属性，并没有切实的理论依据。

为了在供求双方对资源的选择和调度上有较高的准确性，就要对
资源的属性进行整合后分类。

现有的对资源的描述一般都是没有区分资源的种类，且只是挑选了类似于质量、成本等属性进行的定义，并不能完全将资源的本质描述清楚。

所以需要在定义时有一个全面而准确的描述，同时也可以将所有属性整合成为一个属性池，再分别对不同制造资源的属性进行匹配。

现在对属性进行检索，多用的是关键字检索，但是关键字检索存在着极大的检索误差，筛选能力弱，有时会选出一些与所需内容不符合的内容。

所以现在提出一种建立在关键字检索基础上的多属性检索，可以通过对主制造属性、通用属性、辅助制造属性、状态属性进行二次检索，以减少检索时间并提高检索精准性。

资源(主制造属性，通用属性，辅助制造属性，状态属性)
P(Main attribute，General attribute，Auxiliary attribute，Status attribute) Main attribute指的是该种资源的价值度较高的属性;General attribute指的是某一类资源共有的属性;Auxiliary attribute指的是该种资源的一般属性; Status attribute指的是资源的状态属性。

现在用拉式理论，通过资源调度中的成本最小化、时间最小化、可靠度最大化、质量最优4个目标，建立4个数学模型，通过对模型的分析找到目标中所需要的资源的属性，将属性提出后，再对其建立本体模型。

2.1 基于成本最小化的制造资源描述
成本最小化公式:
其中，当δ=1时，表示第k个资源和第q个资源之间存在物料流;当δ=0时，则表示第k个资源和第q个资源之间存在信息流。

代表的是第ω个子任务在指定的资源类的第k个资源处加工时所需要的总成本。

c(ωk，(ω+1)q)代表的是将生产产品从某一资源类中的第k个资源处送往下一资源类资源中的第q个资源处所产生的运输成本。

以上式子中的φ表示的是一个决策变量，取值范围为0或者1，
φ=1时意味着指定资源类中第k个资源加工第ω个子任务，反之φ=0时，表示
该子任务不被加工。

根据上面一组式子可以得到，若想资源被识别调用则需要在资源的属性中包含资源的加工成本和物流在途成本等属性。

用三元组描述如下:
ResourceCost=(ManuCost，LogiCost，OCost)
其中ManuCost表示加工成本，LogiCost表示物流成本，OCost表示其他成本。

根据以上描述绘制本体模型图如图3所示。

2.2 基于时间最小化的制造资源描述
时间最小化公式:
其中，当δ=1时，表示第k个资源和第q个资源之间存在物料流;当δ=0时，则
表示第k个资源和第q个资源之间存在信息流。

代表的是第ω个子任务在指定的资源类的第k个资源处加工时所需要的总时间。

t(ωk，(ω +1)q)代表的是将生产
产品从某一资源类中的第k个资源处送往下一资源类资源中的第q个资源处所产
生的运输时间。

以上式子中的φ表示的是一个决策变量，取值范围为0或者1，
φ=1时意味着指定资源类中第k个资源加工第ω个子任务，反之φ=0时，表示
该子任务不被加工。

根据上面一组式子可以得到，若想资源被识别调用则需要在资源的属性中包含资源的加工时间和物流在途时间等属性。

用三元组描述如下:其中ManuTime表示加工时间，LogiTime表示物流在途时间，OTime表示其他特殊情况所用时间。

根据以上描述绘制本体模型图如图4所示。

2.3 基于可靠度最大化的制造资源描述
可靠度最大化公式:
其中为某个资源类中第k个资源的风险率。

可靠度最大化目标中，在有用户评价的时候，参考用户评价的某些参数。

在没有评
价的时候，根据调用次数等进行自我评价。

2.4 基于质量最优的制造资源描述
质量最优公式:
其中为某个资源类中第k个资源的质量合格率。

根据以上的拉式理论逆推，可以知道资源的成本、时间、质量、可靠度这4个属
性占据了极具价值的地位。

所以在资源的Main attribute就应该包含着4种属性，用本体图描述如图5所示。

在资源描述的过程中，资源的General attribute包含了资源的加工精度(Working accuracy)、加工范围 (Processing range)、加工材料 (Working material)，资源的Auxiliary attribute中包含了制造资源的名称 (Name)、类别(Type)、所属ID(ID)，Status attribute一般表现为资源是处于加工状态(Busy)、闲置状态 (Free)、或者维修状态 (Fix)。

根据以上对资源属性的定义，可以完整的表示出一个资源的本体结构，如图6所示。

通过拉式理论将制造资源的主要属性判断出来，在进行属性描述的时候就可以简单地将属性的顺序进行一个排序，并建立一个本体模型。

这样可以明确地显示出在复杂的多属性环境下什么属性才是重要的，可以通过对重要属性的描述，以求达到可以精准表述资源的目的。

但是，这种建模方式也有一定的局限性，就是需要先确定好约束目标，通过对约束目标进行分析，才能以拉式模式逆推回所需要的属性所在的位置。

【相关文献】
［1］李伯虎.云制造典型特征、关键技术与应用［J］.计算机集成制造系统，2012，18(7):1345－1356.
［2］张霖，区和坚，罗永亮，等.云制造的研究及应用现状［J］.新材料产业，2013，(8):63－68. ［3］马军，罗国富，路迪，等.制造资源云集成元建模及云Agent服务调度研究［J］.中国机械工程，2014，25(7): 917－930.
［4］邓飞，李文忠，乔云霞.云制造环境下软制造资源服务共享研究［J］.机床与液压，2014，
42(17):75－77.
［5］潘晓辉.基于ASP模式的网络化制造资源建模及优化匹配方法研究［D］.大连:大连理工大学，2005.
［6］屈喜龙.区域网络化制造中的资源管理及其优化匹配技术研究［D］.成都:西南交通大学，2006.
［7］王国庆，王刚，吕民，等.基于网格的应用服务提供商平台制造资源共享方法研究［J］.计算机集成制造系统，2007，(2):350－355.
［8］袁庆霓，谢庆生，许明恒，等.基于语义的制造资源本体建模技术研究［J］.武汉理工大学学报，2009，(10): 121－125.
［9］王正成，黄洋.面向服务链构建的云制造资源集成共享技术研究［J］.中国机械工程，2012，(11):1324－1331.
［10］李伯虎.再论云制造［J］.计算机集成制造系统，2011，(3):449－456.。