基于前文定义，服务邀约评价Invitation的各指标值由统计产生的相关二级指标集成而来，而综合评价Performance则来自历史交易中的服务自主评价。显然，不同的信息来源及产生方式难免导致服务邀约评价的一致性上出现失衡。诸如Invitation细分指标相同但综合评价Performance不同的分歧性决策将带来响应策略拟定的困惑。因此，本文基于粒度刻画对服务邀约评价进行一致性检验，并给出相应的校正策略。

对于服务邀约的综合评价Performance，若表达形式为分数量化则应用N阶粒度象转换为层次化表示，若为定性的星级或语言描述则无须调整。同样可基于综合评价Performance定义不可分辨关系IPerformance，从而形成对论域的划分U/Performance。

对当前服务邀约评价执行以下检验：

若∀CI ⊆U /Invitation ，∃CP ⊆U/Performance ，满足CI⊆CP，则服务邀约评价具备一致性，否则需对CI中服务邀约综合评价进行校正。

在确认Invitation分项指标产生无误的前提下，对服务邀约综合评价Performance执行如下校正过程：

对于不符合评价一致性检验的CI⊆U/Invitation （即：/Performance ，满足CI⊆CP），将其中所有服务邀约的历史交易自主评价作为一个整体进行统一化综合评价整合，并以之为CI中各服务邀约校正后的综合评价值。

鉴于云制造服务响应决策中不仅关注邀约的综合评价，某些特殊情境还会尤其关注部分细分指标，故云制造服务邀约的评价细分指标及综合表现的完整呈现是必要的。但是由于历史经验的匮乏、数据传递环节的疏漏、数据处理过度等因素，服务邀约相关指标数据可能出现客观的缺失，这使得云制造服务邀约评价过程有时会受到信息不完备性的影响。基于综合评价能够以检验校正的方法进行确定，在此针对云制造服务邀约评价细分指标给出基于粒度化方法补全的策略。

假设服务邀约ci关于Invitation中指标e*的模糊评价值缺失，则基于由模糊软集产生的N阶粒度象，定义不可分辨关系，从而形成对论域的划分U/（Invitation-{e*}），而cj所属的等价类为。同理，基于不可分辨关系IPerformance，及其形成的对论域的划分U/Performance，cj所属的等价类为IPerformance（ci）。(www.daowen.com)

令

式中，且在中非缺失。

假设集合中关于指标e*非缺失的邀约数目为K，则有：

若K=0，则适当调小N值，重取粒度象以计算。

若当N=2时，仍有K=0，则令cj∈U，且非缺失数目为K，按上式计算。

若对于cj∈U，均缺失，则不予计算。