云制造系统的各种突发状况会导致任务执行中的服务出现异常中断，而实现中断服务的高效、平顺迁移则是云制造系统平稳运作的重要保障。本章针对云制造服务迁移决策问题，面向广义再制造的高效低耗运作理念，以任务需求方和当前任务执行方联合决策为基本策略，构筑了基于水平软集筛选和信息熵与D-S证据理论结合优选的决策实现路径。

图6-6　各服务基本概率指派对比

秉承“制造即服务”的核心理念，云制造系统将各类资源进行虚拟服务化，形成了便捷高效的制造应用形式。然而，制造目标的最终落实离不开实体资源的运作与支持，尤其当面对突发异常任务迁移时，如何充分发挥既有制造活动与投入资源的有效性成为考验云制造系统运作性能的关键问题。再制造模式的应用极大提升了处于生命周期末端产品的有效利用率，为制造活动闭环运转提供了系统支持和核心保障。而广义再制造则将再制造的时间范围、制造对象和制造活动进行了充分扩展，能够将脱离产品生命周期的各类制造元素重新纳入正常生命周期之中，从而全面降低各制造环节的资源浪费与无效劳动。因此，面向广义再制造的服务迁移决策，充分考虑了既有制造活动与投入资源的有效性，体现了云制造系统高效低耗的基本特征。

云制造服务迁移决策是一个涉及多方利益、需要多方参与的复杂实现过程。满足客户需求始终是服务运作的根本目的，服务迁移也不例外，故任务需求方的角色不可或缺，以便清晰刻画任务要求，拟定服务约束；从商务运作的契约规则出发，当前任务执行方需对突发中断负责，有义务组织后续制造活动以实现任务按期交付，从而避免承担彻底违约责任。因此，对于云制造服务迁移而言，任务需求方和当前任务执行方都是决策的利益攸关者，既不能无视任何一方的利益诉求，也不能由任何一方全权包办。但对二者的利益关注点进行分析可以发现，任务需求方对于已协定任务着重于最终的执行指标（如交付时间、完成质量、服务水平等），而当前任务执行方则考虑在确保任务交付的前提下，尽量控制迁移成本，提升资源利用率。因此，本文提出了由任务需求方和当前任务执行方共同参与的联合决策机制。一方面由任务需求方对响应服务基于执行可信性能筛选，以前瞻性视角保证迁移服务水平；另一方面由当前任务执行方基于广义再制造理念，对服务再制造可信性能进行衡量，实现资源的高效再利用。但同时，还需注意把控服务转包问题。这就要建立严格的监管机制，比如严格的身份认证与准入审核、基于失败记录的迁移许可、制造过程的实时监控、产品制造溯源机制等。(www.daowen.com)

云制造服务迁移的决策方法以模糊软集为基本框架，在第一阶段应用水平软集筛选的基础上，第二阶段基于信息熵和D-S证据理论执行最终优选。基于对不确定信息的突出表达能力及所包含的证据合并规则，D-S证据理论能够有效处理不确定信息的融合决策问题。模糊软集的参数化架构形成了多个刻画论域对象的信息源，这契合了D-S证据理论中的证据化表达模式，而通过基本概率指派函数的定义也能够形成决策方案间的互斥关系。熵来源于热力学领域，借鉴其对分子混乱状态的表达，信息熵被用来描述信息的不确定状态。该值越小表示信息集合的指向越统一，信息群体的一致性就越高；反之，信息值分布越分散，信息群体的无序性越高，则信息熵越大。对于决策问题而言，某一属性信息无序程度的高低决定了其对决策结果影响作用的大小。因此，模糊软集参数的信息熵被纳入D-S证据理论的基本概率指派函数中，从而令决策体现了对参数重要程度的客观认知。考虑到服务迁移决策为独立对象的优选问题，其规模直观可控，故不会导致D-S证据推理中的焦元爆炸，而对于服务组合优选等规模伸缩度极强的问题，该方法并不适用。

云制造系统固有的资源多样分散、功能复杂多变、知识高度密集、多方实时协作等特性对其服务运作尤其是迁移行为形成了严苛的要求。本章基于广义再制造理念对云制造服务迁移决策问题进行了研究。首先，对备选服务的任务完成性能和再制造性能进行双重评价，确立了任务需求方与当前执行方联合决策的基本策略。其次，构建了服务迁移的两阶段决策模型，分别以水平软集筛选和基于信息熵与D-S证据推理的优选实现决策过程。最后，通过实例对本章面向广义再制造的服务迁移决策机制的有效性进行了验证。鉴于云制造服务迁移运作的复杂性，迁移配套保障与防止恶意转包等相关机制的探讨有待进一步开展。