第 1 章 引言
1.1 研究背景
在全球化的商业背景下，市场竞争异常激烈且波动较大，一般规模的企业凭借企业自己内部有限的资源往往较难独自应对外部环境的挑战。因此，企业需要抛弃传统的局限于小范围内的单组织作业模式，转而寻求其他企业间的合作，通过多部门间分工协作，实现共同的利益和目标。以电器类产品制造为例，在协同制造模式下，电器类产品制造商不再是独自的集中式单一运作，即统一地从事产品设计与研发、硬件生产和组装、产品销售与服务等。换言之，企业的工作模式发生了变化，也就是从传统无组织或单组织、低效的企业个体活动转变为跨地域多组织体系的、高效的协同任务活动[1]。这种协同任务模式已经被广泛地应用于制造加工业、金融、电子政务等领域[2]。实施高效的跨组织协作已经成为企业应对新兴市场机遇的关键因素[3]。
依据传统，设计跨组织协作需依赖于特定的有经验的人群，这使得寻求潜在合作伙伴的范围变得较为狭窄，导致不能发挥跨组织协作的最大效益。随着计算机技术和基于 Web 的系统平台的发展，改善传统的企业间的跨组织协作方式成为当务之急。执行企业业务活动所需的各种资源，包括人力、财力、物资和数据等是保障企业生产经营的关键要素，现如今网络协作模式逐渐兴起，这些重要资源以对外提供服务的形式通过网络发布在公共的服务云平台上，被称作资源服务，企业根据自身业务需求在系统平台上实现各业务过程的智能管理、资源服务组合分配和高效协作。
由于基于网络环境的跨组织协作逐渐地成为常态，服务于业务活动的资源服务也逐渐趋于多元化，如何从复杂的服务网络中寻找最佳的服务组合路径成为影响业务过程执行效率的重要因素。许多研究工作都以业务流程为指导，在服务组合领域展开研究，以提高资源服务间的协同效率[4]。依据业务活动的执行次序，服务于业务活动的资源服务形成资源服务链[2]，其作为较大粒度的资源服务组合，也逐渐受到许多研究者的重视。为了提高资源服务组合的质量，通常考虑服务质量（Quality of Service，Qo S）指标即特征，现有研究中有许多基于特征的优化方法，如改进模拟退火（SA）[5]、遗传算法（GA）[6]和蚁群算法（AC）[7]等，它们通过迭代式全局搜索求得最优解，但是这些方法存在共同的缺陷，较易陷入局部优化。实际上，资源服务的使用状态可以通过它的一些非功能特征指标反映出来，而资源服务的特征也普遍存在相关性，如电子产品供应商将硬件及相关软件进行组合销售，那么二者在价格属性上就会建立联系，购买一种硬件产品的同时相应软件产品的价格会相对优惠，这种关联程度通过特征值映射为资源服务间的影响度。通过分析资源服务间的影响度，挖掘上下游资源服务间影响关系较为紧密的资源服务链，即关键资源服务链，有利于优化资源服务选取的效率。
............................
1.2 研究目的及意义
对于许多企业而言，通过专注于核心业务并与其他合作伙伴进行协作完成业务过程，提升企业产品质量和工作效益。完整的业务过程由若干个业务活动组成并按一定的流程执行，业务活动与业务过程联系紧密，业务活动之间的交互效率影响业务过程整体的执行效率。业务活动的执行需要调用资源服务，资源服务配置既要考虑业务活动的需求，也要考虑业务过程的整体的效率。因此将资源服务按一定的关系进行组合，提供给相关的业务过程，优化资源配置的同时又有利于提高业务过程整体的执行效率。在协同任务环境下，目前资源服务的组合主要存在以下两个方面挑战：一方面，通过接入互联网形成的网络式的资源较为分散，数量繁多的资源服务在相互交错的网络中形成了多种资源服务配置模式，使得业务过程的分析以及其资源服务的组合变得尤其复杂；另一方面，企业经过长期的运营，积累了大量的历史数据，对数据分析的需求显著增加，如何分析这些数据并优化资源服务组合是当前需要解决的问题。
.............................
第 2 章 关键资源服务链发现方法
2.1 相关定义及问题描述
在协同任务系统中，使用工作流技术协调业务过程，在业务过程执行时分散的资源被调用服务于业务活动，以实现业务的流转。在业务过程执行时，资源服务因业务活动的交互形成次序关系，而业务活动的交互是借助于工作流实现，因此，从工作流模型的角度分析业务活动、资源服务及资源服务特征在业务过程执行时形成的顺序结构。为了便于相关问题分析，对工作流模型进行定义。
...........................
2.2 基于影响度的关键资源服务链的挖掘方法
...........................
第 3 章 关键资源服务链的概念漂移检测方法 ................................. 29
3.1.1 概念漂移的相关知识 ........................................ 29
3.1.2 相关定义及问题描述 ............................... 30
第 4 章 应用分析及案例 ................................ 47
4.1 应用分析 .................................... 47
4.2 应用实例 ............................. 48
第 5 章 总结与展望 ....................................... 55
5.1 主要工作 ........................................ 55
5.2 主要创新点 ....................................... 55
第 4 章 应用分析及案例
4.1 应用分析
云制造是一种典型的协同任务模式，为企业或个体提供了一个协同工作的环境，实现了制造业生态中各系统部门间的协作。基于物联网和以服务为导向的云制造模式，这种可持续发展的新制造模式为当前的制造业带来了许多技术优势，使得传统制造业焕然一新。云制造综合应用云计算、虚拟化等多种信息技术，对面向服务的业务模型进行管理，分布式的制造资源也被转化成制造服务，以便企业可以按需配置多元化的、分散的制造资源[67]。作为云制造实施过程中的重要部分，制造资源服务的配置旨在为制造任务分配最优质的制造资源。制造资源服务配置包括制造资源服务组合和选取相应资源服务这两个过程。有效的资源配置不仅提高资源的利用率，还能促进企业高质量生产。但是随着云制造平台的用户逐步增多，制造资源服务数量快速成倍的增长，其种类也越多元化，制造资源配置变得更加多样化和复杂化。在云制造服务平台，如何简单高效地为业务过程寻找最佳的资源配置方案一直是一个亟待解决的挑战。
中小企业制造装备云公共服务平台的基本设计理念是将企业需方发布的业务订单需求转换为面向服务的业务流程模型，按需获取资源供方提供的资源服务完成任务。该协同任务业务流程模型中往往涉及较多子任务，多个子任务之间一般存在串行、并行依赖关系。而任务分解就是将协同任务活动划分为多个连接的子任务，按照任务分解策略将制造总任务分解为若干组由各子任务及子任务间的相互关系构成的任务序列，有效降低协同工作的复杂度。在系统重新组织协同任务模块之后，需要为各任务模块的业务活动配置优质的资源服务，而本文提出的基于影响度的关键资源服务链的发现方法所挖掘的资源服务链可为各子任务模块的业务活动提供较佳的候选资源服务配置。
...........................
第 5 章 总结与展望
5.1 主要工作
在现实生活中，存在着许多功能相似、类型相同的资源服务，资源服务的特征是它们的主要区分点。在“互联网+”时代，资源服务数量、类型显著增加，选择服务不仅仅要顾及服务的功能性需求，更需要综合考虑服务质量。资源服务的特征存在相关性。然而，在目前组合服务的相关研究当中，考虑资源服务特征间相关性还相对较少。因此，借助数据挖掘方法分析业务数据集，研究资源服务链及其资源服务间的影响关系。本文的主要工作总结如下：
第一，提出基于影响度的关键资源服务链挖掘方法。首先基于资源服务特征值的定基指标分析资源服务特征值的变化，并构建资源服务特征间的影响度模型；然后求解关键特征序列并计算相应的资源服务链中资源服务间的影响度，挖掘关键资源服务链。相较于目前主流的资源服务组合方法，本文所提出的基于影响度的关键资源服务链挖掘方法重视资源服务间的相关性。
第二，提出基于 Den_Rank 聚类的关键资源服务链的概念漂移检测方法。在各时间窗口计算关键特征序列中资源服务特征间的影响度，形成影响度序列，采用基于 Den_Rank 的聚类方法对该影响度序列中的影响度值进行聚类，然后依据所找出的影响度概念检测特定时间窗口的影响度是否发生概念漂移。关键资源服务链的概念漂移检测方法实质是通过检测资源服务间影响度的变化，以发现业务过程的变化，为企业使用资源服务提供决策支持。
第三，关键资源服务链的概念漂移检测方法的应用分析及案例。设计中小企业云制造公共服务平台对云制造资源进行管理，并探讨本文所提的关键资源服务链发现方法及其概念漂移检测方法在该系统中的应用，有利于优化资源服务选取的效率。
参考文献（略）