云制造平台的一个特定制造服务在某时刻同时接收到来自多个客户的服务邀约。为制定合理的响应策略，该服务需对这些邀约及其发起者进行相应评价。基于本文拟定的粒度化视角的服务邀约评价策略，云制造服务展开以下具体评价过程：

（1）独立评价及其检验校正和缺失填补

首先，对于拟独立响应的服务邀约c1，c2，…，c13，分别根据Invitation细分指标和综合评价Performance从多个数据源获取评价信息，从而形成如表4-2所示的服务邀约初始评价，其中关于c4的友好性评价缺失。不同于Invitation细分指标的模糊数评价形式，服务邀约综合评价Performance采用了优、良、中、及、差五级语言描述形式。

表4-2　服务邀约初始评价

续表

表4-3　服务邀约的Invitation粒度象与校正Performance

其次，该服务对当前评价中的一致性进行检验和校正。基于服务邀约组成的论域U和Invitation的指标体系，构建模糊软集，令N=3，以0.5，0.75，0.9为阈值从而确定的粒度象如表4-3所示。从中可以发现，c9，c12和c13相互间不可分辨，且c9的综合评价与其余二者并不一致。即对于

IInvitation(c9)={c9,c12,c13}

满足IInvitation（c9）⊆CP

对这三个服务邀约的综合评价以同一整体进行一致性统计，从而重新产生其综合评价值为“中”。

再次，服务对于存在信息缺失的c4进行补全处理。基于ℜI和服务邀约综合评价，考虑不可分辨关系IInvitation-{IF}与IPerformance，存在

IInvitation-{IF}(c4)∩IPerformance(c4)={c4,c9,c12,c13}

令

从而得到=0.79。

（2）服务联盟联合评价的群决策求解

对于当前服务所在服务联盟拟联合响应的服务邀约，，…，，将由各联盟成员（本例共计3个）联合完成评价决策。(www.daowen.com)

表4-4　当前服务关于服务邀约的初始评价

表4-5　联盟成员2关于服务邀约的初始评价

第一步，各成员根据自主评价给出各自服务邀约评价，如表4-4，4-5和4-6所示。各表中均包含了Invitation各分项指标的模糊评价值和综合评价Performance。对于由语言描述的Performance，本文定义语言集与之对应如下：

从而建立各服务邀约的综合评价犹豫模糊语言集：

第二步，计算各成员评价间的灰色相似关联度并以之拟定融合权重。根据公式4-2，分别得到

ε12=0.759，ε23=0.714，ε13=0.653

根据公式4-3，确定各成员权重分别为：

v1=0.332，v2=0.346，v3=0.322

基于成员权重将各自Invitation评价指标集结为融合评价如表4-7所示。

表4-6　联盟成员3关于服务邀约的初始评价

表4-7　联盟各成员关于服务邀约的融合评价

第三步，基于服务邀约构成的论域UU和Invitation评价指标组成的参数集EU，在融合评价的基础上进行N阶划分（N=3），从而构建N伪软集

在形成的N软近似空间下，对于犹豫模糊语言集，分别得到各服务邀约的综合评价（如表4-8所示）。基于服务联盟的风险态度，可从中选择适当的评价结论。

表4-8　联盟各成员关于服务邀约评价的粒度象与综合评价