制造云服務(wù)組合異常自適應(yīng)調(diào)整方法

馬文龍　趙燕偉　王萬良

1.衢州職業(yè)技術(shù)學(xué)院，衢州，324000　　2.浙江工業(yè)大學(xué),杭州,3100233.浙江工業(yè)大學(xué)特種裝備制造與先進(jìn)加工技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,杭州,310014

?

制造云服務(wù)組合異常自適應(yīng)調(diào)整方法

馬文龍1,2趙燕偉3王萬良2

1.衢州職業(yè)技術(shù)學(xué)院，衢州，3240002.浙江工業(yè)大學(xué),杭州,3100233.浙江工業(yè)大學(xué)特種裝備制造與先進(jìn)加工技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,杭州,310014

摘要：為解決云制造環(huán)境下服務(wù)組合過程中出現(xiàn)的異常問題，提出了一種制造云服務(wù)組合異常自適應(yīng)調(diào)整方法。通過建立異常處理模型對(duì)異常信息進(jìn)行捕獲、分類和抽象，并給出了一系列相應(yīng)的異常調(diào)整策略，利用異常處理評(píng)測(cè)機(jī)制和異常自適應(yīng)調(diào)整算法，實(shí)現(xiàn)服務(wù)組合對(duì)異常情況的自適應(yīng)調(diào)整。實(shí)驗(yàn)結(jié)果表明，該方法能有效地解決異常問題，提高制造云服務(wù)組合的柔性。

關(guān)鍵詞：制造云;異常處理模型;調(diào)整策略;自適應(yīng)算法

0引言

云制造是一種利用網(wǎng)絡(luò)和云制造服務(wù)平臺(tái),按用戶需求組織網(wǎng)上制造資源(制造云),為用戶提供各類按需制造服務(wù)的一種網(wǎng)絡(luò)化制造新模式[1]。它利用公共服務(wù)平臺(tái)將各種制造資源和制造能力進(jìn)行虛擬化封裝，用戶可根據(jù)自身需求選擇單個(gè)服務(wù)或進(jìn)行若干個(gè)服務(wù)的組合，實(shí)現(xiàn)“集中資源分散服務(wù)”[2]。事實(shí)上制造企業(yè)業(yè)務(wù)環(huán)境復(fù)雜多變，服務(wù)調(diào)用過程中自然存在著諸多不可預(yù)知的異常情況，如用戶需求更改、機(jī)器故障、服務(wù)的退出、任務(wù)的取消、服務(wù)提供方QoS發(fā)生變化等。因此在制造云服務(wù)組合過程中需建立服務(wù)異常處理機(jī)制，以保證服務(wù)組合順利運(yùn)行。

目前人們對(duì)制造云服務(wù)組合研究主要集中在組合優(yōu)化方法上，對(duì)于組合異常處理涉及甚少。文獻(xiàn)[3]提出了一種制造設(shè)備云服務(wù)異常處理模型，該模型在對(duì)制造設(shè)備云服務(wù)可能產(chǎn)生的異常進(jìn)行分類和抽象的基礎(chǔ)上，通過監(jiān)控邏輯監(jiān)控和捕獲產(chǎn)生的異常，并通過處理邏輯對(duì)異常進(jìn)行處理，給出了7種異常的處理流程。文獻(xiàn)[4]提出了一種基于QoS的制造云服務(wù)組合自適應(yīng)調(diào)整機(jī)制，將可靠性、可用性、時(shí)間、價(jià)格和柔性度作為云服務(wù)的QoS特征，并對(duì)云制造環(huán)境下服務(wù)可能產(chǎn)生的異常進(jìn)行了分類和抽象，將自適應(yīng)調(diào)整邏輯引入組合云服務(wù)。文獻(xiàn)[5]針對(duì)Web服務(wù)提出了一種基于多Agent系統(tǒng)的異常處理模型，該模型利用Agent的協(xié)作性、推理和自學(xué)習(xí)的特性，使異常得到有效的捕獲和處理。文獻(xiàn)[6] 針對(duì)Web服務(wù)提出一種基于補(bǔ)償業(yè)務(wù)生成圖的組合服務(wù)異常處理方法，基于業(yè)務(wù)流程中任務(wù)間補(bǔ)償依賴關(guān)系,討論了補(bǔ)償業(yè)務(wù)生成圖的自動(dòng)生成問題，設(shè)計(jì)了補(bǔ)償依賴關(guān)系、補(bǔ)償業(yè)務(wù)生成圖的自動(dòng)生成及組合服務(wù)執(zhí)行過程中異常處理算法。文獻(xiàn)[7]針對(duì)面向服務(wù)軟件中異常處理機(jī)制的特點(diǎn)，提出一種基于著色Petri網(wǎng)的異常處理模型，利用該模型可以精確描述面向服務(wù)軟件中異常處理總體方案，便于輔助設(shè)計(jì)人員檢測(cè)異常處理設(shè)計(jì)方案中的缺陷。文獻(xiàn)[8]提出了一種Web服務(wù)組合動(dòng)態(tài)調(diào)整機(jī)制，建立服務(wù)異常模型來描述服務(wù)運(yùn)行過程中所面臨的異常情況的類別、產(chǎn)生原因以及外在表現(xiàn)，在該模型的基礎(chǔ)上給出了異常監(jiān)控策略，并提出了組合服務(wù)替換范圍確定算法和調(diào)整方案生成啟發(fā)式算法。

上述文獻(xiàn)從多個(gè)角度對(duì)服務(wù)組合異常處理進(jìn)行了研究，部分文獻(xiàn)雖然研究對(duì)象是Web服務(wù)，但其方法對(duì)制造云服務(wù)異常有一定的借鑒意義。相比于Web服務(wù)，制造云服務(wù)的組合還需考慮硬件云服務(wù)會(huì)出現(xiàn)的特定問題，如制造設(shè)備故障、設(shè)備任務(wù)過載等問題。事實(shí)上在制造云服務(wù)組合過程中有些異常情況是隨機(jī)的、不可預(yù)測(cè)的，這種不確定性使得服務(wù)平臺(tái)難以事先制定固定的異常處理應(yīng)對(duì)策略，從而需要對(duì)制造云服務(wù)和組合執(zhí)行路徑進(jìn)行動(dòng)態(tài)調(diào)整，以保證服務(wù)組合對(duì)復(fù)雜執(zhí)行環(huán)境的自適應(yīng)性。為此，本文提出了一種制造云服務(wù)組合異常自適應(yīng)調(diào)整模型。

1問題描述

1.1異常處理模型

云制造服務(wù)平臺(tái)中存在著海量的云服務(wù)，根據(jù)制造專家的描述，制造資源涵蓋了設(shè)計(jì)資源、仿真資源、生產(chǎn)資源、試驗(yàn)資源以及管理資源等。云制造環(huán)境下用戶的需求往往需要多個(gè)云服務(wù)進(jìn)行組合協(xié)同完成，在組合執(zhí)行的過程中存在諸多影響云服務(wù)動(dòng)態(tài)組合和執(zhí)行的異常因素。文獻(xiàn)[2]將影響云服務(wù)組合的異常因素分為3種：①與任務(wù)相關(guān)的異常，主要包括任務(wù)需求改變、任務(wù)掛起和任務(wù)取消；②與資源服務(wù)相關(guān)的異常，主要包括服務(wù)過載、服務(wù)退出、服務(wù)動(dòng)態(tài)加入、服務(wù)故障；③與服務(wù)QoS相關(guān)的異常，主要包括執(zhí)行時(shí)間改變、成本改變、可用性改變、可靠性改變和信譽(yù)度改變。因此必須研究當(dāng)這些不確定性因素發(fā)生時(shí)，制造云服務(wù)平臺(tái)如何動(dòng)態(tài)進(jìn)行云服務(wù)調(diào)整以適應(yīng)這些變化，提高云服務(wù)組合的柔性。為此本文提出如圖1所示的異常處理模型。

圖1　異常處理自適應(yīng)調(diào)整模型

異常處理自適應(yīng)調(diào)整機(jī)制如下：先由異常監(jiān)測(cè)器感知異常信息，一旦出現(xiàn)異常信息，監(jiān)測(cè)器負(fù)責(zé)收集，并將異常信息送往分析器進(jìn)行處理；異常分析器根據(jù)捕獲的異常信息，分析異常產(chǎn)生的信息源和類型，并將分析結(jié)果傳遞給處理器；異常處理器根據(jù)異常產(chǎn)生類型結(jié)合異常處理策略，生成異常處理方案，在處理時(shí)需要調(diào)用各子任務(wù)候選云服務(wù)集及相關(guān)信息。異常處理評(píng)測(cè)器負(fù)責(zé)對(duì)處理方案進(jìn)行性能評(píng)估，如果方案可行，則繼續(xù)執(zhí)行調(diào)整后的服務(wù)流程，如果方案不通過，則交給異常分析器重新定位分析。

1.2相關(guān)定義

為了更清楚地描述制造云服務(wù)組合異常自適應(yīng)調(diào)整的策略，給出相關(guān)定義如下。

定義1制造云服務(wù)。各類制造資源經(jīng)過虛擬化后封裝為云服務(wù)，單個(gè)候選制造云服務(wù)可抽象為一個(gè)五元組S=(SID,properties,Status,QoS,TaskList)。其中SID為制造云服務(wù)的標(biāo)識(shí)；properties為云服務(wù)的重要屬性信息，包括云服務(wù)的名稱，提供者，最大負(fù)載(Load)等；Status表示云服務(wù)的狀態(tài)，取值為空閑、忙、維修、失效和暫停；QoS={c,t,r,a,h}表示制造云服務(wù)質(zhì)量的描述，c表示服務(wù)的價(jià)格，t表示服務(wù)的時(shí)間，r表示服務(wù)的可靠性，a表示服務(wù)的可用性，h表示服務(wù)的誠(chéng)信度，上述值可根據(jù)文獻(xiàn)[9]計(jì)算得到；TaskList={Task1,Task2, …,Taskn}表示候選云服務(wù)所對(duì)應(yīng)的子任務(wù)列表。

定義2子任務(wù)。一個(gè)制造任務(wù)按照一定的業(yè)務(wù)邏輯可分解為若干個(gè)不可再分且能被單一云服務(wù)完成執(zhí)行的子任務(wù)，形式上可描述為T=(Taskid,Attribute,num,num_finished,max_c,max_t,TaskStart,TaskEnd,state)。Taskid表示子任務(wù)的標(biāo)識(shí)，對(duì)應(yīng)于制造云服務(wù)TaskList中的序號(hào)；Attribute表示任務(wù)的重要屬性，包括任務(wù)物料、零件名稱、工藝要求等；num表示加工零件的數(shù)量；num_finished表示已經(jīng)完成的零件數(shù)量；max_c表示制造子任務(wù)價(jià)格最高閾值；max_t表示制造子任務(wù)最長(zhǎng)時(shí)間閾值；TaskStart表示任務(wù)開工時(shí)間；TaskEnd表示任務(wù)結(jié)束時(shí)間；state表示任務(wù)的狀態(tài)，有完成(Finish)、等待(Wait)和進(jìn)行中(Active)。

定義3異常。制造云服務(wù)執(zhí)行過程中遇到的錯(cuò)誤條件或者不可預(yù)測(cè)的行為稱為異常，可抽象為一個(gè)四元組Exception=(EID,Type,Source,Reason)。EID是異常事件的標(biāo)識(shí)；Type是異常的類型，為整型值 ，1表示任務(wù)異常，2表示服務(wù)異常，3表示QoS異常；Source表示異常的來源，如任務(wù)需求性變化、任務(wù)取消、服務(wù)機(jī)器故障、服務(wù)過載等；Reason表示發(fā)生異常的具體原因，如時(shí)間需求變化、數(shù)量變化等。

定義4云服務(wù)的替換。設(shè)針對(duì)一個(gè)制造子任務(wù)Taski，存在一個(gè)候選的制造云服務(wù)集CS={cs1,cs2,…,csm}, 上述候選云服務(wù)都能滿足Taski的功能需求,若一個(gè)候選服務(wù)csj發(fā)生異常，存在一個(gè)csk，滿足：

(1)csk.QoS.c*Taski.num≤Taski.max_c;

(2)TaskStart+csk.QoS.t*Taski.num≤Taski.max_t;

(3)csk. properties≠“超載”；

(4)Qcsk=max(Qcs1,Qcs2,…,Qcsj-1,Qcsj+1,…,Qcsm);

則稱csk可替換csj。其中Qcsk表示服務(wù)csk的QoS的綜合性能。

2異常調(diào)整策略

策略1任務(wù)需求變化調(diào)整策略。

(1)將異常處理器獲取發(fā)生需求改變的任務(wù)Taskid設(shè)為任務(wù)Ti，若Ti.state=Wait,則根據(jù)定義4重新進(jìn)行選擇；若Ti.state=Finish,則給出錯(cuò)誤提示。

(2)若Ti.state=Active,則根據(jù)Taskid的關(guān)聯(lián)信息找到執(zhí)行當(dāng)前任務(wù)的SID,懸掛服務(wù)號(hào)為SID的服務(wù)Sj及相關(guān)的后續(xù)組合服務(wù)流程。

a.若Exception.reason=數(shù)量改變，判斷Sj及后續(xù)服務(wù)流程負(fù)載和時(shí)間能否滿足，若能滿足，修改服務(wù)協(xié)議數(shù)量和服務(wù)任務(wù)列表中后任務(wù)的計(jì)劃開工和結(jié)束時(shí)間；若不能滿足，則將數(shù)量增量部分生成一個(gè)單獨(dú)任務(wù)，由異常處理器根據(jù)定義4選擇一個(gè)云服務(wù)執(zhí)行。

b.若Exception.reason=時(shí)間改變，判斷Sj及后續(xù)服務(wù)流程能否滿足，若能滿足，修改服務(wù)協(xié)議時(shí)間；若不能滿足，則將待加工零件生成一個(gè)單獨(dú)任務(wù)，由異常處理器根據(jù)定義4選擇一個(gè)云服務(wù)并行執(zhí)行。

策略2任務(wù)掛起調(diào)整策略。

(1)異常處理器獲取發(fā)生掛起的任務(wù)Taskid,設(shè)為任務(wù)Ti，若Ti.state=Active, 則根據(jù)Taskid的關(guān)聯(lián)信息找到執(zhí)行當(dāng)前任務(wù)的SID,懸掛服務(wù)號(hào)為SID的服務(wù)Sj及相關(guān)的后續(xù)組合服務(wù)流程，置Ti.state=Wait；

(2)對(duì)后續(xù)服務(wù)流程中所有狀態(tài)為Wait的任務(wù)Tj修改任務(wù)結(jié)束計(jì)劃開工時(shí)間和結(jié)束時(shí)間，Tj.TaskStart=Tj.TaskStart-Ti.TaskEnd+now(),now()表示當(dāng)前日期時(shí)間；Tj.TaskEnd=Tj.TaskEnd-Ti.TaskEnd+now()。

(3)當(dāng)掛起操作結(jié)束后，判斷服務(wù)Sj及相關(guān)的后續(xù)組合服務(wù)能否滿足制造子任務(wù)最長(zhǎng)時(shí)間閾值max_t，若滿足調(diào)整結(jié)束；若不滿足，按定義4選擇一個(gè)云服務(wù)執(zhí)行。

策略3服務(wù)過載調(diào)整策略。

(1)異常處理器獲取發(fā)生服務(wù)過載的云服務(wù)Sj,設(shè)置Sj.Status=“暫?！?。

(2)懸掛Sj中所有未執(zhí)行完成的任務(wù)TaskList={Task1,Task2, …,Taskm}，對(duì)TaskList中任一任務(wù)Ti修改剩余num值，將未完成的產(chǎn)品單獨(dú)生成一個(gè)任務(wù)按定義4到候選云服務(wù)集中選擇一個(gè)QoS的綜合性能最大的云服務(wù)替換執(zhí)行，并在TaskList中刪除該任務(wù)。

(3)修改云服務(wù)QoS歷史記錄中發(fā)生服務(wù)過載的次數(shù)，并調(diào)整該云服務(wù)QoS中可用性a的值。

策略4服務(wù)故障調(diào)整策略。

(1)異常處理器獲取發(fā)生服務(wù)故障的云服務(wù)Sj,設(shè)置Sj.Status=“維修”。

(2)若Sj所對(duì)應(yīng)的TaskList中所有任務(wù)都已執(zhí)行完畢，則調(diào)整結(jié)束，否則懸掛Sj中所有未執(zhí)行完成的任務(wù)TaskList={Task1,Task2, …,Taskm}。

a.若TaskList中任一任務(wù)Ti,滿足Sj.QoS.T*(Ti.num-Ti.num_finished)+TA≤Ti.max_t,則維修等待，TA為故障修復(fù)時(shí)間。

b.若不滿足條件a，則將未完成的任務(wù)按定義4到候選云服務(wù)集中選擇一個(gè)QoS的綜合性能最大的云服務(wù)替換執(zhí)行，并在TaskList中刪除該任務(wù)。

(3)修改云服務(wù)QoS歷史記錄中發(fā)生服務(wù)故障的次數(shù)，并調(diào)整該云服務(wù)QoS中可用性a的值。

策略5服務(wù)退出調(diào)整策略。

(1)異常處理器獲取退出的服務(wù)Sj，設(shè)置Sj.Status=“失效”。

(2)若Sj所對(duì)應(yīng)的TaskList中所有任務(wù)都已執(zhí)行完畢，則調(diào)整結(jié)束，否則懸掛Sj中所有未執(zhí)行完成的任務(wù)TaskList={Task1,Task2, …,Taskm}。

(3)對(duì)TaskList中任一任務(wù)Ti,將未完成的產(chǎn)品生成一個(gè)單獨(dú)任務(wù)按定義4選擇一個(gè)QoS綜合性能最優(yōu)的云服務(wù)替換執(zhí)行，并在TaskList中刪除該任務(wù)。

(4)修改云服務(wù)QoS歷史記錄中異常退出的次數(shù)，并調(diào)整該云服務(wù)QoS中誠(chéng)信度h的值。

策略6QoS異常調(diào)整策略。

(1)異常處理器獲取發(fā)生QoS異常的云服務(wù)Sj,設(shè)置Sj.Status=“暫?！?。

(2)若Sj所對(duì)應(yīng)的TaskList中所有任務(wù)都已執(zhí)行完畢，則調(diào)整結(jié)束，否則懸掛Sj中所有未執(zhí)行完成的任務(wù)TaskList={Task1,Task2, …,Taskm}。

(3)對(duì)TaskList中任一任務(wù)Ti,計(jì)算未完成產(chǎn)品生成新任務(wù)，按文獻(xiàn)[9]的選擇算法，重新計(jì)算該云服務(wù)的QoS綜合性能，若重新計(jì)算的值在候選云服務(wù)集中依舊最優(yōu)，在云服務(wù)中保留該任務(wù)。否則，選取新的最優(yōu)服務(wù)替換該服務(wù)，并在服務(wù)TaskList刪除該任務(wù)。

(4)修改云服務(wù)QoS歷史記錄中發(fā)生QoS異常的次數(shù)，并調(diào)整該云服務(wù)QoS中可靠性r的值。

3制造云服務(wù)組合異常自適應(yīng)調(diào)整算法

3.1異常處理評(píng)測(cè)

異常處理器根據(jù)異常源生成異常調(diào)整策略過程中，替換和遷移云服務(wù)解決方案主要是從子任務(wù)云服務(wù)QoS優(yōu)選角度出發(fā)，未考慮調(diào)整后服務(wù)組合整體QoS的性能。異常處理評(píng)測(cè)器主要負(fù)責(zé)對(duì)調(diào)整后服務(wù)組合整體QoS性能進(jìn)行評(píng)估。WS-BPEL是典型的Web服務(wù)工作流描述語言，同樣適用于制造云服務(wù)的組合，其中定義的主要流程控制活動(dòng)主要有順序、并行、選擇和循環(huán)結(jié)構(gòu)[10]。根據(jù)制造專家的建議和實(shí)際情況，本文分析順序和并行兩種主要結(jié)構(gòu)，通過兩種結(jié)構(gòu)可將各子任務(wù)組合形成一條云服務(wù)組合執(zhí)行路徑pj。本文針對(duì)上述兩種結(jié)構(gòu)，給出了異常處理評(píng)測(cè)組合服務(wù)整體QoS性能方法。

順序結(jié)構(gòu)下云組合服務(wù)執(zhí)行路徑pj的服務(wù)質(zhì)量各參數(shù)評(píng)測(cè)：

(1)

并行結(jié)構(gòu)下云組合服務(wù)執(zhí)行路徑pj的服務(wù)質(zhì)量各參數(shù)評(píng)測(cè)：

(2)

其中，n為組合服務(wù)中子任務(wù)云服務(wù)的個(gè)數(shù)，k為并行控制中的分支數(shù)，ci代表第i 個(gè)子任務(wù)優(yōu)選出的云服務(wù)價(jià)格參數(shù)值，其余類似。組合服務(wù)路徑pj整體的服務(wù)質(zhì)量Q(pj)的計(jì)算式如下：

Q(pj)=w1Cseq(pj)+w2Tseq(pj)+

w3Rseq(pj)+w4Aseq(pj)+w5Hseq(pj)

(3)

3.2異常自適應(yīng)調(diào)整算法

云制造環(huán)境下當(dāng)云服務(wù)或任務(wù)出現(xiàn)異常，有些異常情況是隨機(jī)的、不可預(yù)測(cè)的，這種不確定性使得服務(wù)平臺(tái)難以事先制定固定的異常處理應(yīng)對(duì)策略，從而需要?jiǎng)討B(tài)地對(duì)制造云服務(wù)和組合執(zhí)行路徑進(jìn)行調(diào)整，從而保證服務(wù)組合對(duì)復(fù)雜執(zhí)行環(huán)境的自適應(yīng)性。監(jiān)測(cè)器會(huì)首先感知和捕獲異常信息，通過分析器處理，確定異常源和類型建立相應(yīng)的調(diào)整策略來協(xié)調(diào)服務(wù)的執(zhí)行，最后通過異常處理評(píng)測(cè)對(duì)調(diào)整方案進(jìn)行進(jìn)一步評(píng)估，經(jīng)多次迭代調(diào)整，生成相應(yīng)的解決方案。異常自適應(yīng)調(diào)整算法如下：

(1)初始化設(shè)定調(diào)整的次數(shù)count=0，最大調(diào)整次數(shù)max_count，Q(pj)的閾值；

(2)執(zhí)行異常監(jiān)測(cè)，自動(dòng)感知和捕獲異常信息，數(shù)據(jù)傳送分析器。

(3)分析器分析處理，確定異常類型(Type)、異常源(Source)和異常原因(Reason)。

(4)定位與異常任務(wù)或服務(wù)相關(guān)的云服務(wù)S，懸掛相應(yīng)的業(yè)務(wù)流程，根據(jù)異常類型和異常源，調(diào)用相應(yīng)的調(diào)整策略:

a.IF Exception.Type=1 and Exception.Source=“需求改變” Then 執(zhí)行策略1

b.IF Exception.Type=1 and Exception. Source=“任務(wù)掛起” Then 執(zhí)行策略2

c.IF Exception.Type=1 and Exception. Source=“任務(wù)取消” Then 在與該任務(wù)相關(guān)的所有云服務(wù)TaskList中刪除該任務(wù)

d.IF Exception.Type=2 and Exception.Source=“服務(wù)過載” Then執(zhí)行策略3

e.IF Exception.Type=2 and Exception.Source=“服務(wù)故障” Then執(zhí)行策略4

f.IF Exception.Type=2 and Exception.Source=“服務(wù)退出” Then執(zhí)行策略5

g.IF Exception.Type=2 and Exception.Source=“服務(wù)動(dòng)態(tài)加入” Then暫停相關(guān)的子任務(wù)，按參考文獻(xiàn)[9]的選擇算法，重新計(jì)算候選云服務(wù)集中QoS綜合性能，選取新的最優(yōu)服務(wù)，并在需修改的服務(wù)TaskList刪除該任務(wù)。

h.IF Exception.Type=3 and Exception.Source=“QoS異常” Then執(zhí)行策略6

(5)更新云服務(wù)QoS參數(shù)的值，調(diào)用異常處理評(píng)測(cè)模型，計(jì)算組合服務(wù)綜合質(zhì)量Q(pj)的值，若Q(pj)值大于或等于設(shè)定的閾值，則執(zhí)行步驟(6)。若小于設(shè)定的閾值，判斷調(diào)整次數(shù)count是否大于max_count，若是則輸出調(diào)整失敗，調(diào)整算法結(jié)束；否則count=count+1，轉(zhuǎn)步驟(4)重新調(diào)整。

(6)解除業(yè)務(wù)流程懸掛，按調(diào)整后云服務(wù)執(zhí)行路徑繼續(xù)運(yùn)行，調(diào)整算法結(jié)束。

4實(shí)驗(yàn)與結(jié)果分析

4.1可行性實(shí)驗(yàn)

為了驗(yàn)證本文提出的制造云服務(wù)組合異常自適應(yīng)調(diào)整方法，本文借助電信云計(jì)算平臺(tái)，設(shè)計(jì)了云制造服務(wù)組合試驗(yàn)平臺(tái)的原型，利用jdk+MyEclipse開發(fā)環(huán)境，以分布式應(yīng)用軟件mpiBLAST仿真計(jì)算機(jī)節(jié)點(diǎn)對(duì)云制造服務(wù)平臺(tái)的調(diào)用。實(shí)驗(yàn)以某閥門制造廠的閥門生產(chǎn)過程來構(gòu)造應(yīng)用場(chǎng)景。由于制造云服務(wù)的描述和定義具有較強(qiáng)的自主性和多樣性，使得當(dāng)前缺乏一個(gè)公共的且被大多數(shù)學(xué)者所認(rèn)可的服務(wù)基準(zhǔn)庫(kù)作為標(biāo)準(zhǔn)測(cè)試集，因而當(dāng)前的制造云服務(wù)組合測(cè)試大多使用自動(dòng)生成的測(cè)試數(shù)據(jù)進(jìn)行仿真測(cè)試[11-12]。本文搭建的云制造服務(wù)試驗(yàn)平臺(tái)包含了100個(gè)用于測(cè)試的閥門制造云服務(wù)，制造云池中有3000余條制造資源的歷史記錄。為了演示推理過程，我們選擇了5個(gè)候選服務(wù)作為推理樣本，對(duì)任務(wù)需求變化、服務(wù)過載、服務(wù)故障、服務(wù)退出、QoS異常等情況進(jìn)行了模擬：設(shè)置任務(wù)Task1臨時(shí)增加500件產(chǎn)品加工任務(wù)；Task3臨時(shí)要求任務(wù)提前，時(shí)間閾值為50，價(jià)格閾值為0.7；服務(wù)S5發(fā)生故障，并造成負(fù)載超載；服務(wù)S5發(fā)生QoS異常，時(shí)間調(diào)整為0.08 h/件等情況。數(shù)據(jù)如表1所示。

表1中價(jià)格為單件產(chǎn)品加工費(fèi)用與單件產(chǎn)品每公里的運(yùn)輸成本之和。時(shí)間為單件產(chǎn)品的加工時(shí)間。QoS其他指標(biāo)含義及QoS綜合值計(jì)算見文獻(xiàn)[9]中的描述。表1中各云服務(wù)任務(wù)列表中所對(duì)應(yīng)的子任務(wù)參數(shù)情況如表2所示，其中開工時(shí)間為負(fù)值表示任務(wù)當(dāng)前已用的小時(shí)數(shù)。

表1　閥體噴漆子任務(wù)候選服務(wù)

表2　任務(wù)項(xiàng)參數(shù)

Task1的任務(wù)需求追加500件，修改后的任務(wù)總數(shù)量為1500件，小于負(fù)載閾值，任務(wù)總體需要時(shí)間為1500×0.04<80(h)，能滿足時(shí)間要求，價(jià)格未變，故需修改Task1.num=1500,500件任務(wù)額外增加時(shí)間500×0.04=20(h)，故Task1.TaskEnd=40，Task4和Task6的計(jì)劃開工和計(jì)劃結(jié)束時(shí)間都增加20,云服務(wù)和流程其余保持不變，調(diào)整結(jié)束。

Task3臨時(shí)任務(wù)提前，時(shí)間閾值要求更改為50，價(jià)格閾值為0.7，故Task3不能滿足時(shí)間要求，S1和S5已有任務(wù)排隊(duì)，不能滿足時(shí)間要求，50小時(shí)內(nèi)Task3只能完成1000件產(chǎn)品，因而另外400件產(chǎn)品需單獨(dú)生成任務(wù)，S3和S4符合生產(chǎn)條件，S4因QoS值更高，任務(wù)則由S4完成，S4任務(wù)列表中增加Task3轉(zhuǎn)移任務(wù)，修改Task3.TaskEnd=50,S2.Status=“忙”,S2和S4并行執(zhí)行任務(wù)Task3,調(diào)整結(jié)束。

S5發(fā)生故障，如果故障能在max_t-TaskEnd-TaskStart時(shí)間段內(nèi)恢復(fù)，Task2任務(wù)保持不變，否則按定義4替換。而Task5任務(wù)如要按期完成，必然會(huì)造成負(fù)載超載。S1不能滿足Task5的時(shí)間要求，S2完成Task3任務(wù)后剛好能滿足Task5時(shí)間要求，S3和S4服務(wù)價(jià)格不符合條件，故Task5任務(wù)由S2服務(wù)替換，修改服務(wù)S5和S2任務(wù)列表項(xiàng)內(nèi)容，調(diào)整結(jié)束。

S2服務(wù)退出，Task3還有800件產(chǎn)品未完成，因此需生成一個(gè)任務(wù)。S1和S5不能滿足時(shí)間要求，S3和S4符合條件，而S4的QoS值更大，故Task3剩余任務(wù)由S4服務(wù)替換，修改服務(wù)S2和S4任務(wù)列表項(xiàng)內(nèi)容，調(diào)整結(jié)束。

S5出現(xiàn)QoS異常，服務(wù)時(shí)間調(diào)整為0.08 h/件，Task2任務(wù)符合條件0.08*(num-num_finished)-Task2.TaskStart

仿真實(shí)驗(yàn)表明，本文提出的制造云組合異常自適應(yīng)調(diào)整算法是可行的，當(dāng)有異常發(fā)生時(shí)，能快速調(diào)整服務(wù)組合方案，保證制造活動(dòng)的正常運(yùn)行。

4.2有效性實(shí)驗(yàn)

實(shí)驗(yàn)采用服務(wù)組合執(zhí)行成功率來分析方法的有效性，本文設(shè)計(jì)了不調(diào)整、功能匹配調(diào)整和自適應(yīng)調(diào)整三種方法進(jìn)行對(duì)比實(shí)驗(yàn)。不調(diào)整方法在異常發(fā)生時(shí)，不采取任何調(diào)整動(dòng)作，流程執(zhí)行如果不符合條件，任務(wù)即執(zhí)行失敗。功能匹配調(diào)整在異常發(fā)生時(shí)，按功能匹配原則，如果能滿足功能上的需求，即隨機(jī)選取候選服務(wù)替代，也不進(jìn)行異常處理評(píng)測(cè)。實(shí)驗(yàn)中對(duì)QoS各參數(shù)的權(quán)值根據(jù)制造專家的建議分別取0.3、0.3、0.2、0.1、0.1,生成隨機(jī)值模擬任務(wù)需求變化、服務(wù)過載、服務(wù)故障、服務(wù)退出、QoS異常等情況，對(duì)100個(gè)服務(wù)過程中設(shè)置了20次的異常情況，對(duì)比結(jié)果如圖2所示。

圖2　三種調(diào)整策略任務(wù)執(zhí)行成功率對(duì)比

由圖2可知，不調(diào)整方法服務(wù)組合執(zhí)行成功率較低，當(dāng)有異常發(fā)生時(shí)，因沒有調(diào)整措施，導(dǎo)致服務(wù)執(zhí)行失敗。功能匹配調(diào)整方法在異常發(fā)生時(shí)由于有服務(wù)替代策略，因而服務(wù)執(zhí)行成功率相對(duì)不調(diào)整方法明顯提高，但由于替代時(shí)采用隨機(jī)選取候選服務(wù)，因而執(zhí)行成功率的波動(dòng)性較大，加上替代方案未經(jīng)過進(jìn)一步的評(píng)估，有些服務(wù)功能上能滿足要求，但整體服務(wù)質(zhì)量欠佳，造成用戶放棄服務(wù)而執(zhí)行失敗。自適應(yīng)調(diào)整方法在執(zhí)行成功率上明顯優(yōu)于前兩種方法，由于在異常發(fā)生時(shí)該方法能自適應(yīng)快速調(diào)整，且在調(diào)整后有相應(yīng)的異常處理評(píng)測(cè)，對(duì)調(diào)整后的服務(wù)組合整體質(zhì)量進(jìn)行評(píng)估，因而用戶執(zhí)行成功率保持在一個(gè)較高的水平上，且具有較好的穩(wěn)定性。

5結(jié)束語

開放、動(dòng)態(tài)網(wǎng)絡(luò)環(huán)境下的制造云服務(wù)具有海量和不確定性等特點(diǎn)，在云服務(wù)組合的全生命周期中，可能會(huì)因?yàn)樵品?wù)節(jié)點(diǎn)及其所運(yùn)行的任務(wù)環(huán)境的動(dòng)態(tài)變化發(fā)生異常，如何在異常發(fā)生時(shí)，制造云服務(wù)組合流程快速調(diào)整，保證制造活動(dòng)正常執(zhí)行，是一個(gè)必須考慮的問題。為此本文在分析制造活動(dòng)全生命周期各種異常的動(dòng)態(tài)變化基礎(chǔ)上，提出了一種制造云服務(wù)組合異常自適應(yīng)調(diào)整模型。模型能自動(dòng)檢測(cè)出各種異常變化，然后對(duì)這些異常進(jìn)行分析并建立相應(yīng)的調(diào)整策略來協(xié)調(diào)服務(wù)的執(zhí)行，并且通過異常處理評(píng)測(cè)對(duì)調(diào)整方案進(jìn)行進(jìn)一步評(píng)估，經(jīng)多次迭代調(diào)整，實(shí)現(xiàn)服務(wù)平臺(tái)對(duì)出現(xiàn)的異常自適應(yīng)調(diào)整，保證服務(wù)組合執(zhí)行的成功率。實(shí)驗(yàn)結(jié)果表明，本文提出的自適應(yīng)調(diào)整方法在異常發(fā)生時(shí)，能快速調(diào)整服務(wù)組合方案，有效地解決異常問題，保證制造活動(dòng)的正常運(yùn)行，提高制造云服務(wù)組合的柔性。下一步的工作將集中于云服務(wù)間關(guān)聯(lián)關(guān)系的改變導(dǎo)致異常等問題的研究。

參考文獻(xiàn)：

[1]李伯虎,張霖,王時(shí)龍,等.云制造——面向服務(wù)的網(wǎng)絡(luò)化制造新模式[J].計(jì)算機(jī)集成制造系統(tǒng),2010,16(1):1-7.

Li Bohu, Zhang Lin, Wang Shilong, et al. Cloud Manufacturing:a New Service-oriented Manufacturing Model[J].Computer Integrated Manufacturing Systems,2010,16(1):1-7.

[2]陶飛,張霖,郭華,等. 云制造特征及云服務(wù)組合關(guān)鍵問題研究[J].計(jì)算機(jī)集成制造系統(tǒng), 2011,17(3):477-486.

Tao Fei, Zhang Lin, Guo Hua,et al. Typical Characteristics of Cloud Manufacturing and Several Key Issues of Cloud Service Composition[J]. Computer Integrated Manufacturing Systems,2011,17(3):477-486.

[3]趙秋云,魏樂,舒紅平,等. 云制造環(huán)境下制造設(shè)備云服務(wù)異常處理模型[J].圖學(xué)學(xué)報(bào), 2014,35(6):840-846.

Zhao Qiuyun,Wei Le,Shu Hongping,et al. Exception Handling Model of Manufacturing Equipment Cloud Service for Cloud Manufacturing Environment[J]. Journal of Graphics,2014,35(6):840-846.

[4]魏樂,趙秋云, 舒紅平,等.云制造環(huán)境下基于QoS的組合云自適應(yīng)調(diào)整[J].蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012,48(4):98-104.

Wei Le,Zhao Qiuyun,Shu Hongping,et al. Adaptive Adjustment of Composite Cloud Service Base on QoS for Cloud Manufacturing Environment[J].Journal of Lanzhou University(Natural Sciences),2012,48(4):98-104.

[5]趙紅俠,姜淑娟,牟春雷. 基于多Agent的Web服務(wù)異常處理模型[J].計(jì)算機(jī)應(yīng)用與軟件, 2010,27(1):61-64.

Zhao Hongxia,Jiang Shujuan,Mou Chunlei. Exception Handling Model for Web Services Based on Multi-agent[J]. Computer Applications and Software,2010,27(1):61-64.

[6]尚宗敏,崔立真,王海洋,等. 基于補(bǔ)償業(yè)務(wù)生成圖的組合服務(wù)異常處理方法研究[J].計(jì)算機(jī)學(xué)報(bào), 2008,31(8):1478-1490.

Shang Zongmin,Cui Lizhen,Wang Haiyang,et al. Research on Exception Handling of Composite Services Based onCompensation Business Process Graph[J]. Chinese Journal of Computers, 2008,31(8):1478-1490.

[7]吳青,應(yīng)時(shí),賈向陽,等. 面向服務(wù)軟件中基于著色Petri網(wǎng)的異常處理模型[J].計(jì)算機(jī)科學(xué), 2011,38(4):170-174.

Wu Qing, Ying Shi, Jia Xiangyang,et al. Exception Handling Model Based on Colored Petri Net in Service-oriented Software[J]. Computer Science, 2011,38(4):170-174.

[8]楊雷,代 鈺,劉福凱,等. 面向自適應(yīng)的組合服務(wù)動(dòng)態(tài)調(diào)整方法[J].東南大學(xué)學(xué)報(bào), 2011,41(3):453-457.

Yang Lei,Dai Yu,Liu Fukai,et al. Self-adaptation Oriented Dynamic Adjustment Method for Composite Services[J]. Journal of Southeast University,2011,41(3):453-457.

[9]馬文龍,朱李楠,王萬良. 云制造環(huán)境下基于QoS感知的云服務(wù)選擇模型[J].計(jì)算機(jī)集成制造系統(tǒng), 2014,20(5):1246-1254.

Ma Wenlong,Zhu Linan,Wang Wanliang. Cloud Service Selection Model Based on QoS-aware in Cloud Manufacturing Environment[J]. Computer Integrated Manufacturing Systems, 2014,20(5):1246-1254.

[10]Hen S, Yau Y Y. QoS-based Service Ranking and Selection for Service-based System[C]//Proceedings of IEEE International Conference on Services Computing. Washington D.C., 2011:56-63.

[11]Xu Xun. From Cloud Computing to Cloud Manufacturing[J]. Robotics and Computer-Integrated Manufacturing,2012,28(1):75-86.

[12]王正成,謝先文. 基于FAHP和改進(jìn)蟻群算法的網(wǎng)絡(luò)化制造資源鏈構(gòu)建研究[J].中國(guó)機(jī)械工程, 2012,23(12):1287-1492.

Wang Zhengcheng, Xie Xianwen. Resource Service Chain Construction for Networked Manufacturing Based on FAHP and Improved Ant Colony Algorithm[J]. China Mechanical Engineering, 2012,23(12):1287-1492.

(編輯王旻玥)

An Adaptive Adjustment Method of Composition Exception for Manufacturing Cloud Service

Ma Wenlong1,2Zhao Yanwei3Wang Wanliang2

1.Quzhou College of Technology,Quzhou,Zhejiang, 324000 2.Zhejiang University of Technology,Hangzhou,310023 3.Key Laboratory of Special Purpose Equipment and Advanced Processing Technology,Ministry of Education,Zhejiang University of Technology,Hangzhou,310014

Abstract:In order to solve the problems of service composition exception in cloud manufacturing environment,an adaptive adjustment method of composition exception for manufacturing cloud service was presented herein.The service exception handling model was established to capture, classify and abstract the exception information. Based on this model, a series of adjustment strategies were proposed to handle corresponding exceptions.By using exception evaluation mechanism and adaptive adjustment algorithm, the adaptation of service composition was realized.The experimental results show that the method can solve exception problems effectively and improve the flexibility of cloud service composition.

Key words:manufacturing cloud;exception handling model;adjustment strategy;adaptive algorithm

作者簡(jiǎn)介：馬文龍，男，1974年生。浙江衢州職業(yè)技術(shù)學(xué)院信息工程學(xué)院副教授，浙江工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院訪問學(xué)者。主要研究方向?yàn)樵浦圃旒夹g(shù)、Web服務(wù)和智能推薦技術(shù)。發(fā)表論文20余篇。趙燕偉，女，1959年生。浙江工業(yè)大學(xué)機(jī)械工程學(xué)院教授、博士研究生導(dǎo)師。王萬良，男，1957年生。浙江工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院教授、博士研究生導(dǎo)師。

中圖分類號(hào)：TP311.52

DOI：10.3969/j.issn.1004-132X.2016.06.013

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(51275477)；浙江省自然科學(xué)基金資助項(xiàng)目(LY15E050007)；衢州市科技局指導(dǎo)性科技項(xiàng)目(2014047)

收稿日期：2015-09-10