参与任务响应的云制造服务数目众多且参差不齐，故基于信任评价对它们进行筛选，以缩小优选范围且降低任务执行风险。

（1）信任解析

本文以信任结构定义为基础进行服务信任的具体解析。

定义5-2云制造服务信任定义为：

Trust=(TT,TQ,TC,TS,TU,TO)

考虑到过去事件对当前的影响会随着时间的流逝而逐渐减小，故定义时间衰减因子，纳入信任评价。式中[0，]φ∈+∞为时间衰减修正系数，其值越大，时间衰减速率越快。而其大小则取决于双方合作紧密程度。TΔ表示给定时刻距当前时刻的时长。根据统计项目的差异，历史交易中任务成功交付情况下的时间衰减因子记为，服务中标的衰减因子记为，而为服务响应的时间衰减因子。

本文对服务信任的各分量分别进行了如下定义：

TT：表达了云制造服务对时间掌控的可信状况。

上式中，。TR为任务完成并交付的实际时刻，TP为任务计划交付的时刻，Time_P为任务的约定提前期。

TQ：表达对服务质量信任的衡量。

上式中，Quality_R是历史交货质保期内的实际合格率，Quality_P为计划合格率。

TC：描述了历史交易中服务的成本掌控水平。

上式中，Cost_RCost_R为任务完成的实际成本，除包括服务价格外，还有交易过程带来的其他成本变动，如库存费用、等待消耗、违约损失等；Cost_P为任务的约定成本。

TS：描述了服务的总体交易满意状况。

上式中，Satisfaction_R是对包括任务执行前的交接沟通、执行中的协同配合、交付后的配套售后等全方位服务状况的评价；Satisfaction_P为计划服务水平。

TU：表示双方历史交易中任务成功交付的比率。

TO：表示云制造服务响应任务邀约并成功中标的比率(www.daowen.com)

根据信任评价模型理论，信任包括直接信任和推荐信任两种类型（Beth，1994）。直接信任评价Trust_D由当前交易需求方自主给出，而推荐信任Trust_R则来源于需求方的合作伙伴对相应云制造服务的评价。考虑交易次数渐增情况下，直接信任经验不断积累并趋向稳定，而推荐信任的作用则逐渐弱化，故定义云制造服务的综合信任为：

式中，，为交易衰减因子。θ∈（0，1）为交易衰减调节系数，S为当前供需双方交易次数。显然，当S = 0时，Trust_C = Trust_R。

对于H个合作伙伴给出的云制造服务评价，基于以下公式集成为其推荐信任：

式中，RECh（h=1，2，…，H）表示第h个合作伙伴对当前云制造服务的信任评价，Uh表示与第h个合作伙伴的历史合作次数。

对于没有合作历史且无伙伴推荐的云制造服务，其信任评价可根据用户的风险态度进行指定，如风险规避型可指定为最小值，而风险偏好型可指定为平均值。

（2）服务筛选

为方便决策评价，统计所得各服务Trust指标需进行归一化处理。令X为某服务的一项指标的值，归一化处理后成为Xnew，而Xmax与Xmin分别为各服务相应指标的最大值与最小值。对于正向指标，如TQ、TS、TU、TO，采用如下公式：

对于负向指标，如TT和TC采用公式为：

当各云制造服务的响应指标经过标准化处理后，可建立相应的筛选模糊软集。

基于论域Resourcek（k=1，2，...，K），及Trust的指标构成的参数集，以归一化处理后的服务信任值为模糊隶属度，构建模糊软集。在该模糊软集的表格化样式中，每行均对应一个不同的服务组合，而每列则表示一个信任参数。以代表表格化形式中第i行、第j列的元素，即第i个服务组合的第j个参数值。其中，i=1，2，...，I，j=1，2，...，J，且在此J=6。

本文将基于水平软集方法对Resourcek（k=1，2，...，K）中的服务进行筛选。Feng将水平软集（Level Soft Set）定义如下（Feng Feng，2010）：

定义5-3令为给定论域U和参数集E上的模糊软集，A⊆E，并且λ：A→[0，1]为模糊集，则

为关于λ的水平软集，且定义为：

根据以上定义，通过给定各参数阈值，即可由模糊软集产生水平软集。在参数阈值的定义中，通常可以均值为整体策略，而如果服务数目过于庞大，则可采用P分位或更严格分位点的方法。同时，针对客户对云制造服务提出的个性化需求，还可对特定参数指标进行个别设定（如对某指标要求严格，则采用高P分位提高参数筛选门槛）。

令代表表格化形式中的第i行、第j列的元素，计算：

依此产生新的服务集合：