基于類型和屬性的再制造服務(wù)匹配方法研究*

余 鵬，夏緒輝，王 蕾，曹建華

(武漢科技大學(xué) 冶金裝備及其控制教育部重點(diǎn)實(shí)驗(yàn)室，武漢 430081)

0 引言

再制造服務(wù)，是在充分考慮再制造服務(wù)對象、工藝模式等特點(diǎn)的基礎(chǔ)上，提出的“服務(wù)企業(yè)面向再制造企業(yè)的再制造生產(chǎn)服務(wù)”和“再制造企業(yè)面向客戶需求的服務(wù)”以及二者相結(jié)合的綜合性服務(wù)模式[1]。

當(dāng)前，雖然再制造服務(wù)匹配的研究相對較少，但再制造服務(wù)作為制造服務(wù)的擴(kuò)展，其服務(wù)匹配方法可借鑒制造服務(wù)資源匹配的研究成果。向峰等借鑒案例推理匹配思想，提出了基于組合服務(wù)的類型、數(shù)量、關(guān)聯(lián)關(guān)系和基本功能匹配的服務(wù)組合匹配模型[2]；程錦等針對制造服務(wù)資源多層次的特征，提出了制造服務(wù)資源組合服務(wù)系統(tǒng)模型定義及其運(yùn)作模型[3]；曹洪江等從web服務(wù)語義圖的結(jié)構(gòu)出發(fā)，對服務(wù)屬性的關(guān)聯(lián)關(guān)系進(jìn)行分析，實(shí)現(xiàn)了圖路徑搜索制造服務(wù)資源組合的匹配[4]；李成海等針對服務(wù)資源屬性設(shè)計了關(guān)鍵詞規(guī)范化和參數(shù)化屬性的服務(wù)資源同義詞字典集和屬性字典集，并以此為基礎(chǔ)提出了屬性匹配算法[5]；易安斌等對制造服務(wù)資源進(jìn)行封裝和描述，提出了一種結(jié)合類和屬性的制造設(shè)備服務(wù)封裝方法[6]；王成建等對制造服務(wù)資源屬性提出了一種結(jié)合語義相似度和蘊(yùn)含關(guān)系推理的的匹配算法，解決了屬性匹配量化的問題[7]。以上研究，主要針對制造資源服務(wù)組合和單個服務(wù)屬性匹配問題展開。

為了提高服務(wù)資源檢索的效率和精度，實(shí)現(xiàn)智能化、高效化和便捷化的再制造服務(wù)資源匹配，本文設(shè)計了基于再制造服務(wù)資源案例庫的再制造服務(wù)二層匹配方法，為提高再制造服務(wù)資源匹配精確度提供了一種思路。

1 再制造服務(wù)描述

再制造服務(wù)是為整個再制造產(chǎn)業(yè)鏈上的再制造企業(yè)提供再制造整體解決方案和再制造產(chǎn)品的服務(wù)[8]。OWL-S可以根據(jù)服務(wù)的屬性進(jìn)行語義推理和匹配[9]，借鑒Web服務(wù)組合的思想，將再制造服務(wù)(Remanufacturing Service Source，RSS)語義描述為一個四元組，RSS=(Task,Type,Rel,Attribute)，其中：

(1)Task={Task1，Task2,…,Taski}代表用戶請求所分解的再制造服務(wù)子任務(wù)集合。其中i代表再制造服務(wù)子任務(wù)的個數(shù)，每個子任務(wù)都是單個不可再分的粗粒度服務(wù)，對應(yīng)每個單個服務(wù)，此服務(wù)可以是由服務(wù)封裝后的服務(wù)，也可以是多個服務(wù)組合后封裝的服務(wù)，它們統(tǒng)一在一個對外服務(wù)的節(jié)點(diǎn)上執(zhí)行。

(2)Name={Name1，Name2,…,Namej}代表再制造服務(wù)的各個子服務(wù)名稱的集合。根據(jù)服務(wù)供應(yīng)商提供的服務(wù)名稱，將再制造服務(wù)名稱劃分為再制造評估服務(wù)、再制造清洗服務(wù)，再制造檢測服務(wù)，再制造加工服務(wù)，再制造裝配服務(wù)等，根據(jù)不同類型的服務(wù)將其抽象Namej來表示，例如Name1可表示為再制造加工服務(wù)。

(4)Attribute={Attribute1,Attribute2,...Attributei}代表再制造服務(wù)的屬性描述集合。由于不同的服務(wù)類型具有相似的服務(wù)屬性描述，故將其抽象Attributei來表示，例如Attribute1表示文字描述的再制造服務(wù)屬性，Attribute2表示邏輯判斷描述的再制造服務(wù)屬性，Attribute3表示區(qū)間數(shù)值描述的再制造服務(wù)屬性。

2 基于類型和屬性的再制造服務(wù)匹配

2.1 類型匹配

類型匹配根據(jù)再制造服務(wù)請求中的類型與再制造服務(wù)案例庫中的服務(wù)類型進(jìn)行逐一匹配，由SimType(QTi,CTj)的值確定服務(wù)類型與案例庫類型的匹配程度。類型相似度的計算應(yīng)該滿足以下前提：

(1)再制造服務(wù)請求分解后的子任務(wù)個數(shù)與案例庫中的待選案例分解后的個數(shù)相同。

(2)再制造服務(wù)的類型相似度函數(shù)值SimType(QTi,CTj)大于設(shè)定的類型相似度閾值T_S_Thr。

類型的匹配計算參考Feng Xiang提出的類型相似度算法[10]，定義為：

(1)

其中，hType為向量Type和案例庫CaseType中相同的個數(shù)；hSeq為矩陣Seq與案例庫CaseSeq中值為1的元素所在位置相同的個數(shù)；M為Seq的行數(shù)，是服務(wù)組合分解后再制造子服務(wù)的個數(shù)；N為矩陣Seq中值為1的元素個數(shù)。

2.2 屬性匹配

屬性匹配除了數(shù)值型的描述，其它屬性在進(jìn)行再制造服務(wù)匹配時，其相似度的計算非常困難，為了能夠統(tǒng)一對屬性相似度進(jìn)行計算，需將各個再制造服務(wù)屬性描述映射成數(shù)值表示方法。

2.2.1 屬性描述的轉(zhuǎn)換

(1)文字描述屬性轉(zhuǎn)換成模糊數(shù)。例如，對再制造服務(wù)中的再制造檢測服務(wù)進(jìn)行描述如表1所示。

表1 文字描述向數(shù)值屬性轉(zhuǎn)換

為了對模糊數(shù)能夠進(jìn)行計算，我們引入了三角模糊數(shù)和梯形模糊數(shù)：

(2)

(3)

(2)邏輯描述轉(zhuǎn)換成邏輯數(shù)。例如，對再制造子服務(wù)屬性進(jìn)行判斷，若有該屬性，則判斷其為真，賦值為1，反之則為0。

2.2.2 屬性匹配算法

通過上述兩種轉(zhuǎn)換，再進(jìn)行相似度匹配計算時，再制造服務(wù)屬性已經(jīng)轉(zhuǎn)換成實(shí)數(shù)型。

(1)再制造服務(wù)屬性是數(shù)值區(qū)間型

對于屬性是數(shù)值區(qū)間型，本文借鑒文獻(xiàn)[9]提出的區(qū)間數(shù)匹配算法，根據(jù)語義相似度的思想來計算區(qū)間數(shù)之間相似度的大小。定義為：

Match(QSi,CSi)=

(4)

式中，QSi表示再制造服務(wù)請求RQ的第i個數(shù)值區(qū)間參數(shù)信息，CSi表示再制造服務(wù)案例庫RC的第i個數(shù)值區(qū)間參數(shù)信息，則QSi和CSi的相似度計算公式如下：

(5)

(2)再制造服務(wù)屬性是模糊數(shù)值型

對于屬性是模糊數(shù)值型，本文參考了文獻(xiàn)[10]提出的模糊數(shù)匹配算法，將模糊數(shù)分成三角模糊數(shù)和梯形模糊數(shù)兩種類型分別匹配。定義為：

Match(QWi,CWj)=

(6)

式中，QWi表示再制造服務(wù)請求RQ的第i個模糊數(shù)參數(shù)信息，CWj表示再制造服務(wù)案例庫RC的第j個模糊數(shù)參數(shù)信息，d和δ都是大于0的常數(shù)。

①當(dāng)QWi和CWj是三角模糊數(shù)，且QWi=(mi,αi,βi)，QWj=(mj,αj,βj)時，則：

(7)

②當(dāng)QWi和CWj是梯形模糊數(shù)，且QWi=(mi,αi,βi)，QWj=(mj,αj,βj)時，則：

(8)

綜合三角模糊數(shù)和梯形模糊數(shù)的匹配，得到模糊數(shù)的相似度函數(shù)為：

(9)

(3)再制造服務(wù)屬性是邏輯數(shù)值型

對于屬性是邏輯數(shù)值型，本文參考了文獻(xiàn)[11]提出的邏輯數(shù)匹配算法，將邏輯描述轉(zhuǎn)換成邏輯數(shù)的形式來進(jìn)行計算。定義為：

Sim(QLi,CLi)=

(10)

式中，QLi表示再制造服務(wù)請求RQ的第i個邏輯數(shù)參數(shù)信息，CLJ表示再制造服務(wù)案例庫RC的第i個邏輯數(shù)值型參數(shù)信息。

結(jié)合區(qū)間數(shù)相似度、模糊數(shù)相似度和邏輯數(shù)相似度得到屬性相似度為：

(11)

2.3 二層匹配

結(jié)合類型匹配和屬性匹配，通過權(quán)重分配方法[12]來計算二層次匹配的相似度，其計算公式為：

Sim(Req,Case)=w1SimType(Req,Case)
w2SimAttr(Req,Case)

(12)

其中,Sim(Req,Case)是二層次匹配的相似度，SimType(Req,Case)是類型匹配的相似度，SimAttr(Req,Case)是屬性匹配的相似度，且w1和w2是權(quán)重，且w1+w2=1?？梢酝ㄟ^資源類型來動態(tài)調(diào)整w1和w2的權(quán)重值。

3 案例分析

以用戶請求某軸承再制造服務(wù)為例，來分析說明該匹配流程和方法。設(shè)置類型匹配的閾值為0.80，屬性匹配的閾值為0.70，二層匹配的閾值為0.85,軸承要求的各項(xiàng)再制造技術(shù)指標(biāo)如表2～表4所示。

表2 軸承再制造區(qū)間數(shù)技術(shù)指標(biāo)

表3 軸承再制造模糊數(shù)技術(shù)指標(biāo)

表4 軸承再制造邏輯數(shù)技術(shù)指標(biāo)

通過前面建立的用戶請求四元組模型，將軸承再制造所需要的再制造服務(wù)，描述為用戶請求模型。

Req={{ST1，ST2,ST3,ST4}}，{2,3,4,4}，

Task={ST1,ST2,ST3,ST4} ，ST1表示再制造軸承的加工任務(wù)類型為1，ST2表示再制造軸承的清洗任務(wù)類型為2，ST3表示再制造軸承的檢測任務(wù)類型為3，ST4表示再制造軸承的裝配任務(wù)類型為4。

Type={Type1,Type2,Type3,Type4} ，Type1=2，表示軸承再制造加工任務(wù)有2個；Type2=3，表示再制造軸承的清洗任務(wù)有3個；Type3=4；表示再制造軸承的檢測任務(wù)有4個；Type4=4，表示再制造軸承的裝配任務(wù)有4個。

Attribute={Attribute1,Attribute2,Attribute3} ，Attribute1表示區(qū)間數(shù)描述的再制造服務(wù)屬性，Attribute2表示模糊數(shù)描述的再制造服務(wù)屬性，Attribute3表示邏輯數(shù)描述的再制造服務(wù)屬性。

故對該案例進(jìn)行類型匹配可以描述為如表5所示，所匹配到的再制造服務(wù)資源如表6所示。

表5 再制造服務(wù)服務(wù)請求

表6 再制造服務(wù)案例庫服務(wù)資源

匹配計算具體流程：

步驟1：類型匹配

根據(jù)式(1)、表5和表6可計算R1與C1、C2、C3的匹配度分別為：

步驟2：屬性匹配

根據(jù)式(4)、式(6)～式(8)計算R與C1，C2每一個屬性參數(shù)的匹配度分別為：

Match(R1.QS1,C1.CS1)=Sim([2400,3000],[2500,3500])=0.8333

Match(R1.QS2,C1.CS2)=Sim([1400,1850],[1650,2150])=0.6000

Sim(R1.QL1,C1.CL1)=Sim({0,1,0,1},{1,1,0,1})=0.5

Sim(R1.QA,C1.CA)=(0.8333+0.8237+0.5)/3=0.7162>0.7000

同理，可以求得：

Sim(R1.QA,C2.CA)=0.7639>0.7000

由于R與C1和C2的匹配都大于閾值0.8，所以保留C1，C2進(jìn)入到下一步匹配。

步驟3：二層匹配

根據(jù)類型和屬性匹配的結(jié)果結(jié)合式(8)，計算

Sim1=0.6×1+0.4×0.7162=0.8864

Sim2=0.6×0.83+0.4×0.8639=0.8036，

由于Sim2<0.85，故得到滿足該二層要求的資源集合為{C1}。

案例庫中符合條件的集合為{C1}，因此根據(jù)本文設(shè)計的方法所得的查全率Rec=100%，查準(zhǔn)率Pre=100%。而用基于類型的檢索結(jié)果為{C1,C2}，而用基于屬性的檢索結(jié)果為{C1,C3}，而用基于關(guān)鍵字的檢索結(jié)果為{C1,C2,C3}，采用各方法得到的匹配結(jié)果如表7所示。

表7 匹配結(jié)果

結(jié)果表明:上述基于類型和屬性的二層次匹配方法，相較于其他幾種匹配算法在查準(zhǔn)率上有大幅提升,說明本方法可有效提高再制造服務(wù)匹配的精確度。

4 結(jié)論

再制造服務(wù)匹配是再制造服務(wù)應(yīng)用的關(guān)鍵技術(shù)之一，再制造服務(wù)請求和案例庫的匹配精確度在很大程度上會影響再制造服務(wù)集成平臺的用戶體驗(yàn)。為了提高再制造服務(wù)請求和案例庫匹配的精確度,本文借鑒OWL-S描述模型對再制造服務(wù)的屬性參數(shù)進(jìn)一步劃分并且考慮服務(wù)子任務(wù)類型的關(guān)聯(lián)關(guān)系，提出了基于類型和屬性的二層次匹配算法。最后對提出的匹配方法進(jìn)行實(shí)例驗(yàn)證,并分別于基于類型、基于屬性、和基于關(guān)鍵字的匹配方法進(jìn)行比較,說明了本文方法可以提高再制造服務(wù)匹配的精確度。通過本文的再制造服務(wù)匹配方法,可以從案例庫找到符合請求的服務(wù)資源集合,并為后續(xù)的再制造服務(wù)推薦奠定基礎(chǔ)。