本节对上述实例中产生的相关结果从以下方面进行分析：

（1）服务间的相关性

为分析服务相关性对组合性能的影响，在此以前文实例中联合响应的服务组合为对象，分别以联合和独立响应整合为组合的可信性能（不含成功率和中标率）。雷达图（图5-4）分别以时间（a）、质量（b）、成本（c）和支持流程（d）四个角度对其进行了对比。可以清晰看出，联合响应产生的可信性能均优于独立响应的可信性能，体现了服务相关性对性能的提升作用。这在现实制造环境中是普遍存在的，虽然云制造平台具有优越的协作互动性，但作为独立参与主体的服务供应方之间的协同依然面临管理水平、企业文化等非技术因素障碍及地理位置等现实约束，而基于任务认知的自主联合可以对其予以有效应对。

（2）响应、信任与执行前景

基于主观（如赢得竞争）或客观（如管理水平有限）因素的干扰，云制造服务的响应性能并不能确保是真实性能的准确反映。因此，本文以信任对服务的响应性能进行修正，从而产生可信性能。

图5-4　联合响应与独立响应的组合可信性能对比

为讨论信任对服务组合性能的影响作用，在此令各服务的信任指标值均为1，对对立响应进行集成，并进一步整合为组合的响应性能。图5-5展示了服务组合的可信性能相对响应性能的偏移程度。从指标间对比来看，质量个体间差别变化剧烈，支持流程的变化相对平缓，而成本与时间变化居中。这主要源于不同指标间集成方式的差异。而从组合个体的对比来看，组合的指标偏移程度是由其组成服务的信任水平来决定的。

图5-5　服务组合的可信性能相对响应性能的偏移程度

（3）服务筛选与组合优选(www.daowen.com)

基于模糊软集的决策方法以其便捷、均衡的决策性能成为当前领域的研究热点。本文在信任筛选和性能优选两个环节均应用了相关策略。

对于服务信任筛选和组合优选而言，模糊软集架构下基于水平软集的策略，一方面可以对阈值进行灵活调节（均值或P分位点），产生适当规模的备选服务集合或优选组合集合；另一方面，对各指标的划分可以采用统一标准的阈值策略，也可以对不同指标选择不同的阈值标准，以满足客户的个性化需求。

在本文实例中，若以均值水平软集进行决策，则结果为图5-6中所示组合；而以Q1为各参数阈值时，只有SC16为优选组合。在此，以服务组合可信性能的理想解IS_P=（59.916，0.733，100.797，0.09，0.978，0.554）为参照，考查以上组合可信性能的相对偏移程度，从而得到图5-6所示柱状图。在本文实例中，根据客户的特定需求对PT、PC以较严格的Q1进行划分，而其余指标则采用了均值为阈值，从而得到了SC16，SC46，SC47，SC48的决策集合。

图5-6　服务组合可信性能相对理想解IS_P的偏移程度

（4）波动性分析

图5-7展示了服务组合存在差别的6个服务的Variation性能各个指标的波动情况对比。结合前文实例运算结果可以看出，波动性取决于波动幅度和时间衰减两个因素：一方面，服务波动幅度越大，波动性越大；另一方面，距离当前时间越短的波动影响作用越大。

云制造服务的波动性反映了任务完成预期的稳定性：在同等可信指标条件下，服务波动性越小，任务按预期完成的可能性则越大。因此，当基于可信指标优选的服务组合并不唯一时，服务波动性分析可进一步提升优选的分辨能力。