云制造服务组合的架构形式，服务评价的基本策略以及可信状况刻画了云制造服务组合优选的基本体系模型，故分别对以下要素进行分析。

（1）组合架构解析

为满足灵活多样的客户制造需求，云制造服务通常基于业界通识虚拟封装为基础粒度的组合单元，对由客户需求解析而来的子任务制造邀约进行响应，从而执行组合编排。Cao Yang（2015）即在对机器服务基础粒度进行深入认知的基础上，构建了OWL信息模型，并规划了零部件制造服务联合工序制造服务的云制造基本协作模式；陈友玲（2019）构建了多供应商协同生产任务分配优化模型以解决产能组合问题；蔡安江（2019）则研究了云制造环境下的知识服务组合策略。不同的云制造服务供应方根据制造能力、管理水平、服务规模等基本属性，可对服务粒度的涵盖范围进行不同尺度的把控，且供应方之间也可基于流行业务需求形成预先组合的服务封装，如Liu Bo（2017）提出了以协同基础服务群为基本单元的组合思路，Xiang Feng（2016）则以组合用例库进行组合初始化，从而实现对历史经验知识的深度挖掘与再次利用。

基于制造系统的复杂性，云制造服务与计算服务存在本质区别。云制造服务组合过程不是简单的工序间输入输出的传递交接，彼此间的制造关联关系对整体组合性能的影响作用不容忽视。Guo Hua（2010）对服务组合的三类相关性（可组合性、业务、统计）及其对服务质量（QoS）的影响进行了研究，从而构建了考虑相关性的QoS模型。基于类似的服务关联性认知，Xu Wenjun（2016）对基于相关性的服务质量模型进行了三个层次的设计。Zhou Jiajun（2017a）基于OWL-S语义描述模型对服务组合的业务关联进行深入分析，并将制造服务领域特性（优先级、相关性、相似性）融入算法设计，形成考虑情境的解决方案（2017b）。为刻画QoS对服务彼此的依赖性，Jin Hong（2017）提出了考虑相关性的服务描述模型及相关性规划模型。其有效性在研究实例中进行了验证，但运作效率会伴随相关性服务比例的增加而降低。此外，Ren Lei（2018）基于社会网络分析理论，将云制造服务群体抽象为服务社会网络，并以云制造服务间的协同效应规划服务组合。

云制造平台消弭了融入其中的软硬件制造资源的异构隔阂，实现了多方协作的高度统一。但同时，服务组合中业务流程、管理水平、企业文化等内在因素的差别及地理分布等客观现实的约束对整体协同性能存在不可忽视的影响。因此，服务相关性等制造运作属性的研究有助于深入理解服务组合机理，以有效提升组合的可操作性和实用性，对云制造服务组合效用具有明确的现实意义。

图2-1　云制造服务组合优选指标在相关文献中的应用比例对比

（2）服务评价策略

云制造的产生是计算服务理论与技术向制造领域扩展的必然结果，而鉴于服务组合优选指标与计算服务QoS的内涵一致性，它们自然成为云制造服务QoS的基本要素。图2-1对当前云制造服务组合优选指标在相关文献中的应用比例进行了对比。可以看出，质量、成本、时间、可靠性、可用性、信誉等计算服务QoS的主要指标也仍然为云制造服务组合优选所普遍关注。考虑到云制造服务相对计算服务的专业化属性，基于QoS的服务组合优选模型需要以面向制造的服务质量重构为基础。因此，Tao Fei（2009）、Zhang Haijun（2011）对制造QoS建模进行了研究，提出了基于QoS的服务资源管理框架。这一研究设计了服务质量的制造专业化架构，虽然是以制造网格为研究背景，但对面向服务架构在制造领域进行部署具有前瞻意义。(www.daowen.com)

随着本领域研究的深入，某些特异性制造相关指标也逐渐被引入服务组合优选模型。陈友玲（2019）基于协同效应研究了并行结构服务组合问题；Zheng Hao（2016）以面向用户设计偏好的视角构建了模糊QoS模型以实现云制造服务组合优选；Liu Yongkui（2017）基于任务负载规划了云制造平台上的多任务调度策略；而在Lu Yuqian（2017）构建的基于语义Web的服务组合优选框架中，服务覆盖率（相似性）等指标被引入云制造服务质量的评价模型之中。此外，Zhou Jiajun（2017c）在其研究指标体系中纳入了能耗因素，Xiang Feng（2014）则提出基于产品生命周期评价理论的云制造生命周期服务能耗模型，从而实现组合优选的能耗整合。目前研究中关于能耗评价的综合性尚有待提升，服务质量与能耗的平衡关系认识有限。

基于云制造服务评价的复杂性、全面性及系统性，组合优选过程显然是一个规模庞大的多目标优化问题。以线性赋权将多目标转化为单目标则是解决此类问题的常用策略，故在云制造服务组合的指标整合中被广泛采用。在Zhou Jiajun（2017a，b，c，d）关于云制造服务组合的系列研究中，其模型建构均沿袭了这一思路。鉴于权重分配策略对最终优化结果具有根本性影响，Cao Yang（2016）运用模糊决策理论产生云制造服务优选指标的相对优先度，并基于AHP方法形成相应权重。该研究是对云制造服务优选指标的轻重权衡及相互间影响关系的理性认知探索，为权重配置的逻辑客观性提供支撑。不同于线性赋权方式，Wang Shilong（2014）考虑到用户对目标权重认识存在非精确性及差异性，故通过拟定多目标优先顺序将该问题转变为单目标非线性规划。

由于现有组合优选模型对用户需求表达精准性高度依赖，而只提供唯一解的“黑盒”优选策略则缺乏用户柔性，Chen Fuzan（2016）在考察云制造服务QoS性能优劣的基础上纳入风险水平，从而构建多目标优化模型，并基于Pareto解集的产生实现决策的柔性。Xu Wenjun（2016）则以可变邻域搜索策略对蜜蜂算法进行改进，并基于Pareto解集来丰富方案的多样性。Xiang Feng（2014，2016）在其研究中也同样将Pareto解集作为云制造服务组合优选的目标。基于多目标规划问题的Pareto解集的分析可以看出，相关方案在多目标之间存在非均衡性，且对于全局最优方案可能任一单目标都非绝对最优，而其并不在帕累托解集之中。此外，相关研究也未给出当决策者面对一组帕累托解时的取舍策略。

（3）服务可信分析

在云制造平台的服务运作中，基于主观（如赢得竞争）或客观（管理水平等）因素的影响，服务供应方的优选指标表现与最终执行结果间的一致性有待考量。显然，服务最终的圆满成功不单单基于指标的优化，更取决于这些指标切实可靠的贯彻执行（Li Changyi，2018）。于是，云制造服务的可信评价成为组合优选研究中的重要视角。

部分现有研究工作是将信任作为综合QoS的组成指标予以统一衡量（Tao Fei，2009；Zhang Haijun，2011），而也有学者将信任评价作为服务优选的主体架构。胡业发（2007）提出了制造网格中资源服务的Trust-QoS评估模型以实现供需双方的互信；Mun Jungtae（2009）将制造伙伴间的信任表达为目标实现的可能性，基于模糊推理确定各指标信任程度并进行加权集结；甘佳（2012）提出了由交易前信任预测（包括直接和推荐）和交易后信任评价两部分组成的云制造服务信任评估模型；董元发（2014）将服务需求抽象为云制造模板，基于全局信任度和服务匹配度双目标进行遗传算法优化；谭明智（2015）提出了整合服务满意度及其波动性的云制造服务综合信任评价模型；Li Changsong（2014）动态直接信任评价与基于云理论模型的推荐信任评价对云制造服务进行衡量；Yan Kai（2016）基于直觉模糊方法设计了容纳直接、间接和第三方三个来源的云制造服务信任评价模型。

对于现有云制造服务信任研究而言，信任审视角度与表达途径各不相同，相关指标体系的共识有待凝结，认识还需进一步深化；信任与服务质量指标间的关系缺乏清晰界定，从而存在以信任评价取代预期完成评价的问题。可信性是对既往服务供给的总结，而其与任务执行规划进行整合以实现对服务结果准确预测的策略符合服务优选的根本目的，相关研究工作值得期待。