一种基于IPSO-VIKOR混合方法的云制造高效服务组合优化方法

《Computers & Industrial Engineering》：An efficient service composition optimization method for Cloud manufacturing based on an IPSO-VIKOR hybrid method

云制造中服务组合与优化选择（SCOS）缺乏系统性绿色生产指标，本文构建包含环境、服务性能及协作的三维评估体系，结合改进粒子群算法（IPSO）与VIKOR方法提出混合优化框架，并通过新能源汽车驱动系统案例验证其有效性。

　　

杨涛|姜芳|范静|苏家富|陈伟

重庆科技学院商学院，中国重庆400067

摘要

云制造（CMfg）作为一种变革性范式，促进了制造企业向服务导向的转型。在CMfg中，一个关键挑战是服务组合与最优选择（SCOS）——即从分布式虚拟资源池中识别出满足定制需求的最佳服务组合的过程。然而，现有的SCOS评估框架往往缺乏针对绿色生产的系统指标，因此无法适应日益严格的环境法规，阻碍了可持续发展。为弥补这一不足，本文提出了一种综合的三维评估系统，该系统整合了环境、服务性能和服务协作维度，并采用博弈论方法为各维度分配权重。随后，提出了一种结合企业绿色制造的服务组合与最优选择模型（SCOS-CGM）。为了解决SCOS-CGM模型中的问题，我们开发了一种混合方法，将改进的粒子群优化算法（IPSO）与VIKOR方法相结合（IPSO-VIKOR）。最后，通过一个涉及新能源汽车电动驱动系统的案例研究，验证了所提出模型和方法的实际适用性和有效性。

引言

云制造（CMfg）代表了智能制造领域的范式转变，它利用信息物理系统实现资源的虚拟化和共享。这一转型得益于先进技术，如工业物联网（IIoT）、人工智能和大数据分析（Ping等人，2024年；Pourghebleh和Hayyolalam，2020年）。CMfg平台汇集了来自分布式资源池的异构资源，以提供按需、以用户为中心的服务（Bani-Ismail和Baghdadi，2018年；Hayyolalam等人，2019年）。这些平台的关键支撑是服务组合与最优选择（SCOS），即从多样化的候选服务中选择合适的服务，并将其配置成最优的服务链来执行复杂的制造任务（Moein Fazeli等人，2024年）。

尽管CMfg中的SCOS受到了广泛关注，但很少有研究系统地将绿色制造原则整合到优化过程中。在全球可持续发展倡议的推动下，企业需要平衡环境责任与经济目标，因此将这些原则纳入SCOS对于减少资源消耗和排放至关重要（Khan等人，2021年；Liou等人，2019年）。然而，现有的SCOS研究往往缺乏全面的环境指标。虽然一些研究考虑了基本的环境标准，但所选的指标往往不符合既定的绿色制造标准。为了解决这一局限，本研究提出了一种多维评估框架，涵盖了环境影响、服务性能和服务协作。因此，我们提出了一种结合绿色制造的服务组合优化方法（SCOS-CGM），以实现更稳定、高效和可持续的制造成果。

CMfg资源的庞大规模和异质性使得服务组合成为一个复杂的NP难问题，使得精确方法难以实现（Gao等人，2023年）。尽管多目标进化算法（MOEAs）常被用于处理冲突目标，但它们在大规模搜索空间中往往收敛速度慢且性能下降。此外，基于帕累托的方法通常会产生大量非支配解，需要后续的决策过程。这种优化与决策的分离引入了计算开销和延迟，这不适合实时CMfg的需求。为了解决这些挑战，本文提出了一种结合改进粒子群优化（IPSO）与VIKOR方法的混合框架。IPSO利用增强的全局搜索能力快速生成高质量候选解，而VIKOR则进行折中排序以解决权衡问题。通过这种集成，所提出的方法自动识别出一个稳健的折中解，从而提高了计算效率和实际适用性。本研究的主要贡献如下：

首先，建立了SCOS的全面评估指标体系：该体系涵盖了环境、服务性能和协作维度，超越了仅关注服务质量（QoS）的传统指标，系统性地纳入了绿色制造和协作协议，为优化提供了严格而全面的定量基础。

其次，开发了结合绿色制造的SCOS模型（SCOS-CGM）：该模型将可持续性标准直接嵌入到服务组合工作流程中，解决了现有研究对绿色因素考虑不足的问题，促进了CMfg向更高稳定性和环境可持续性的发展。

第三，提出了混合IPSO-VIKOR方法：为了解决高维优化的挑战，提出了一种结合IPSO与VIKOR的混合算法。通过特定策略增强了IPSO的全局搜索能力，防止了过早收敛并提高了计算效率。随后，使用VIKOR方法作为决策工具，从非支配解集合中识别出稳健的折中解。通过案例研究和与基准算法的比较性能分析，验证了所提方法的可行性和优越性。

本文的其余部分结构如下：第2节回顾相关文献，第3节构建CMfg SCOS的评估指标体系，第4节阐述SCOS-CGM模型，第5节详细介绍混合IPSO-VIKOR方法，第6节通过案例研究验证所提方法的有效性，第7节总结研究并展望未来研究方向。

章节摘录

CMfg SCOS的评估指标

如表1所示，CMfg中SCOS的评估框架已从基础的功能指标发展到反映当代工业优先级的全面多维标准。早期研究主要集中在时间、质量和成本等基本维度上。例如，曹等人（2016年）开发了一个服务选择和调度模型，其中包含了时间、质量、成本和服务的指标。袁等人（2020年）随后扩展了这一框架

现有SCOS评估指标的分析

自李等人（2010年）提出CMfg概念以来，大量研究集中在SCOS上，特别是建立评估指标以指导服务组合优化。表2总结了相关文献中的代表性指标，显示出明显的发展趋势。早期框架侧重于成本、时间和可靠性等传统指标，而当代研究越来越多地纳入了能源等新兴维度

问题陈述

CMfg是一种服务导向的生产范式，它将服务供应与用户需求相匹配，以实现最优资源分配（姜等人，2025年）。如图2所示，CMfg过程包括三个主要阶段：任务分解、资源虚拟化以及服务组合与最优选择（SCOS）。该过程始于CMfg平台将复杂的制造需求分解为一组离散且易于管理的子任务。随后，在资源

IPSO-VIKOR框架

为了解决SCOS-CGM问题的复杂性，本研究开发了一个结合IPSO与VIKOR方法的混合优化框架，如图4所示。这种架构克服了传统策略的局限性。虽然MOEAs能够生成一组非支配解（帕累托前沿），但这些解需要主观的最终选择；而传统的加权求和方法通常对预定义的权重分配过于敏感，可能无法捕捉到解的多样性。

案例介绍

通过对中国重庆一家电动驱动系统制造商的案例研究，验证了所提出的IPSO-VIKOR方法的有效性。该产品的架构包括永磁电机、控制器和减速器，如图6所示。由于内部产能限制，该制造商将这些系统的七个相同生产订单外包给了CMfg平台。为了验证这一方法，选取了一个代表性订单并将其分解为

结论

本文提出了一种新的CMfg SCOS优化方法，旨在实现最优服务匹配，并结合绿色制造实践。主要发现总结如下：

首先，开发了一个多维评估指标体系，涵盖了产品生命周期因素、环境可持续性和协作能力。与现有的静态评估框架不同，该方法使CMfg平台能够系统地评估

CRediT作者贡献声明

杨涛：撰写——初稿，资料收集。姜芳：撰写——初稿，形式分析，数据整理。范静：资料收集，形式分析，概念化。苏家富：撰写——初稿，概念化。陈伟：形式分析。

利益冲突声明

作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

作者衷心感谢中国国家自然科学青年基金（资助编号71701027）、中国国家文化人才发展计划专项资助项目（资助编号2021QNYC098）、重庆市教委人文社会科学研究项目（25SKGH117）以及重庆市自然科学基金（资助编号CSTB2024NSCQ-MSX1137）的支持。