3D打印云平台体系架构及其关键技术研究
黄彬，胡茂青
(福州大学机械工程及自动化学院，福建 福州 350108)
摘要：首先设计了3D打印云平台的体系架构，介绍了该云平台各部分的主要功能；然后研究了云平台的3D打印资源虚拟化和服务匹配技术，采用一种基于XML的资源描述模板方法实现3D打印资源虚拟化，并提出了一种基于指标评价熵的TOPSIS法实现3D打印服务优选匹配；最后通过一个案例说明了该服务匹配方法的可行性和有效性。
关键词：3D打印；云平台；资源虚拟化；服务匹配
中图分类号：TH166 文献标识码：A 文章编号：2095-509X(2019)05-0001-05
在制造业日趋国际化的21世纪，个性化服务和市场响应速度已成为大多数企业赖以生存的关键，因而涌现出了大量的先进制造理念和制造技术，3D打印技术就是其中之一。3D打印技术是制造技术领域的一次重大突破，它能够迅速、准确地将设计模型文件直接转化为实际零件或满足一定功能需求的产品原型，对缩短新产品的研发周期、提高市场响应速度都有极大的帮助。虽然3D打印技术发展迅速，但目前国内3D打印消费市场增长速率却较为缓慢，其原因主要有以下几点：1)国内3D打印行业内缺乏积极合作和信息交流，难以形成完善的3D打印服务产业链；2)大多数3D打印企业、科研院所和机构没有建设良好的对外服务信息平台，造成资源的闲置率较高；3)用户获取合适的3D打印服务较为困难。一方面是大多数用户对于中小型3D打印网络平台信任程度不高，另一方面是用户想要获取合适的3D打印服务往往需要搜集大量的信息进行对比权衡，一定程度上造成了用户的服务寻租成本较高。
云制造是一种面向服务、高效低耗和基于知识的网络化智能制造新模式，它将各类制造资源和制造能力进行虚拟化和服务化，并进行统一、集中的智能化管理，以达到为用户提供按需制造的目的。袁春梅等将云制造模式应用于电火花加工领域，以加强电火花加工企业及用户之间的信息化合作。顾新建等将云制造模式应用于模具制造领域，以帮助模具企业向服务业拓展，向产业上下游拓展。本文将云制造模式应用于3D打印领域，构建资源自由接入和高效调度的3D打印云平台，研究其资源虚拟化和服务匹配等关键技术。通过3D打印云平台将分散的3D打印资源和能力进行整合，形成一个巨大的虚拟资源池，结合平台高效的资源管理和调度机制，实现闲置资源利用率的最大化和用户服务寻租成本的最小化。
3D打印云平台的体系架构
参照云制造的多层架构体系，本文提出了3D打印云平台的5层体系架构，包括用户层、应用接口层、服务资源层、虚拟资源层和3D打印资源层。
1)3D打印资源层。该层是整个云平台的基石，是云平台中各种服务得以实现的基础，主要包括3D打印硬制造资源和3D打印软制造资源，具体的分类见下文介绍。
2)虚拟资源层。该层主要实现对3D打印资源进行虚拟化封装和管理。采用虚拟化封装技术将物理资源映射为虚拟制造资源和虚拟制造能力，完成资源虚拟化。虚拟资源管理主要实现虚拟资源的存储、更新、维护等管理功能。
3)服务资源层。该层是整个云平台的核心，主要对虚拟资源和制造能力实现服务化封装和管理。采用服务化封装技术将虚拟资源和制造能力封装为服务，以屏蔽资源自身的异构性和复杂性，对外呈现统一的服务接口，以实现在云平台环境中方便调用。云服务管理主要实现对云服务的存储、更新、维护等管理功能。
收稿日期：2017-12-27
基金项目：福建省自然科学基金资助项目(2013J01185)；福州市科技项目(2017-G-71)；福州市仓山区科技项目(2014GX01)
作者简介：黄彬(1971—)，男，副教授，博士，主要研究方向为智能制造、制造业信息化，binhuang@fzu.edu.cn.
4)应用接口层。该层提供了各种易于用户访问的应用接口，以实现用户自由透明地调用各种云服务。平台提供的应用接口主要包括平台的用户管理、资源的注册和发布、服务的搜索匹配、服务的组合调度和服务的运行管理等。
5)用户层。该层是用户和云平台进行交互的桥梁，用户可以通过PC终端、移动平板电脑、移动终端手机等普适化终端交互设备进行云服务的访问和调用。
3D打印云平台可根据用户需求动态组合平台资源形成云服务，用户可按需获取质优价廉的服务，并通过物联网技术的支持对正在服务的资源进行监控，对于出错的节点可以及时调用云平台的容错机制进行补救，还可以将服务过程信息反馈给用户，让用户做到“心里有数”，从而更好地提升服务质量和用户体验。
3D打印云平台的关键技术
2.1 3D打印资源的虚拟化
已有大量的文献对云制造环境下的资源虚拟化开展了研究：程臻等针对云制造环境下制造资源的描述和虚拟化，提出了一种基于本体的制造资源描述和虚拟化方法。Wu等提出了一种基于本体的知识建模方法，并在此基础上构建了基于OWL-S的一种扩展本体模型。陈涛采用HTML静态网页构建电火花加工资源的描述模板，以实现资源的虚拟化封装。
目前，关于3D打印资源的虚拟化研究成果还不丰富，本文提出了3D打印资源的五元组模型，并针对3D打印资源的多样性、异构性等特点，采用基于XML资源描述模板的方法实现3D打印资源的虚拟化。对于不同的3D打印资源可构建不同的资源描述模板，以供用户调用进而完成资源虚拟化。
2.1.1 3D打印资源的分类
3D打印资源涵盖范围广泛，包括3D打印全生命周期中所涉及的一切资源，为了实现对3D打印资源的有效管理，本文将3D打印资源进行分类，如图2所示。其中，设备资源包括各类3D打印设备、扫描设备和后期处理设备等；物料资源包括各类3D打印材料、零部件、包装材料等；软件资源包括各类三维模型设计软件、应力分析软件、生产仿真软件等；人力资源包括设计师、工艺专员、行业专家等；知识资源包括3D打印实例、三维模型实例、行业标准等。
2.1.2 3D打印资源虚拟化描述模板
从以上分类可以看出，3D打印资源种类繁多、形式各异，不同类型的资源具有不同的属性信息。为此在建立通用描述模板之前有必要根据各类资源提取公共属性信息，根据公共属性建立能够反映3D打印资源的描述模型。本文将3D打印资源抽象定义为以下五元组模型：
3DPR={BasicInfo, FunctionInfo, ApplyInfo, StatusInfo, QoSInfo}
其中：BasicInfo表示资源的基本信息；FunctionInfo表示资源的功能属性信息；ApplyInfo表示资源的应用信息；StatusInfo表示资源的状态信息；QoSInfo表示资源的服务质量信息。
2019年第5期 黄彬:3D打印云平台体系架构及其关键技术研究
3D打印云平台中的各类资源参照上述统一描述模型，根据不同类型资源特征拓展相应元组，进而形成相应的资源描述模型。以3D打印设备为例，对上述模型进行扩展形成3D打印设备描述模型，具体如下：
BasicInfo={Name, Provider, Brand, Location, BriefDesc}，描述打印设备的名称、提供方、品牌、所在地和简介等基本信息；
FunctionInfo={PrintableSize, PrintableMaterials, Precision}，描述打印设备的可打印尺寸、可打印材料和打印精度等功能信息；
ApplyInfo={ServiceMode, Cost}，描述打印设备的服务方式和计费标准等应用信息；
StatusInfo={IsBusy, JobList}，描述打印设备的繁忙状态和作业列表等状态信息；
QoSInfo={Reliability, Quality, Response}，描述打印设备的可靠性、质量水平和响应速度等服务质量信息。
XML文档是一种轻量级跨平台的结构化文档，其具有良好的可读性和可拓展性。以3D打印设备为例，对上述描述模型进行封装，构建基于XML的虚拟资源描述模板如图3所示。
当用户请求将自身闲置的3D打印资源接入到云平台时，云平台调用相应的XML资源描述模板用动态JSP页面渲染后展示给用户，用户填写相应的数据后即可提交审核，审核通过则由云平台自动创建XML实例完成资源的虚拟化。
2.2 3D打印服务智能匹配
许多学者对云制造环境下的服务匹配技术进行了研究：Wang等构造了一种以成本和时间最小化、服务质量和信誉最大化为目标的服务多目标优化选择模型，并用遗传算法求解。Tai等提出了基于本体的语义相似度的服务智能匹配算法。夏军提出了一种三层服务匹配算法：基于关键字匹配的初选、蕴含关系推理的预选和基于模糊评判法的优选。
本文针对3D打印服务多为小批量、无时序要求等特征，提出了打印服务匹配的两层算法：第一步，基于打印服务的状态和功能属性匹配的初选；第二步，基于打印服务的成本、时间和服务质量的优选。
1）初选。根据用户提交的需求信息（除成本和时间信息），基于各服务的当前状态和功能属性信息从数据库中筛选出能完成该项任务的打印服务初选集。
2）优选。在初选集的基础之上，采用基于指标评价熵的TOPSIS法，对成本、时间和服务质量3个指标进行综合评估，将最优的服务方案返回给用户。
2.2.1 指标权重的确定
指标的权重反映了指标的相对重要程度。指标评价熵是指在云服务综合评价中，候选服务集中各服务对该指标分值的混乱程度，混乱程度越大表示该指标的重要性越大，权重也越大。各指标的权重计算步骤如下：
设指标集 T={T1,T2,T3},T1,T2,T3分别代表成本、时间和服务质量3个指标。假定经过初选后剩下的候选服务集为S={S1,S2,…,Sn}，服务Si（i=1,2,…,n）对应于指标Tj（j=1,2,3）的分值为xij。将分值矩阵X={xij}进行标准0-1变换得到归一化矩阵Y={yij}，然后根据式（1）求得指标Tj的指标评价熵Diff(Tj)。
Diff(Tj)=1 1 n·∑ n i=1yij·∑ n i=1 yij-1 n·∑n i=1y ij 2n-1
（1）进而根据式（2）求得各指标的相对权重 w(Tj)。
w(Tj)=Diff(Tj) ∑ 3 j=1 Diff(Tj)
（2）
2.2.2 服务优选排序
TOPSIS（逼近理想解的排序方法）是一种借助于多属性问题的正理想解和负理想解对候选方案进行排序的方法，它实现简单，能充分利用原始数据的信息，各方案区分度高。本文针对成本、时间和服务质量指标，采用TOPSIS法对初选后候选服务集进行优劣排序，具体步骤如下：
步骤1,根据式（3）将分值矩阵 X={xij}规范化为X′={x′ij}。
x′ij=x ij/ ∑n i=1 x2 iji=1,2,…,n;j=1,2,3
（3）
步骤2,根据式（4）构建加权规范化决策矩阵 Z,Z={zij}。
zij=w(Tj)·x′ij
（4）
步骤3,确定各指标的正理想解和负理想解。
设(z+1,z+2,z+3)表示3个指标的正理想解，(z-1,z-2,z-3)表示3个指标的负理想解，则根据式（5）和（6）可分别确定 Z 中各指标的正理想解和负理想解。
z+j=
maxi zij j为效益型指标
mini zij j为成本型指标
（5）
z-j=
maxi zij j为成本型指标
mini zij j为效益型指标
（6）
步骤4，根据式（7）和（8），分别计算各候选服务到正理想解与负理想解的距离（d+i,d-i）。
d+i=
∑ 3 j=1 (z ij-z+j)2
（7）
d-i=
∑ 3 j=1 (zij-z-j)2
（8）
步骤5,根据式（9），计算各候选服务的综合评价指数C*i。
C*i=d-i d+i+d-i
（9）
步骤6,按照C*i值的大小对候选服务进行排序，将C*i值最大的候选服务匹配给用户。
3 案例分析
本文考虑一款新型电动车模型打印任务的服务匹配问题。经过初选，剩下10个能够完成该任务的候选服务，这些候选服务的成本、时间和服务质量的数据见表1。
表1 候选服务的指标数据
候选服务 成本/万元 时间/h 服务质量
S1 7.5 210 4.1
S2 7.9 250 4.3
S3 8.1 190 3.9
S4 8.1 205 4.2
S5 7.3 230 3.8
S6 6.9 240 3.6
S7 7.2 220 4.0
S8 8.5 190 4.5
S9 6.5 220 3.7
S10 7.2 200 3.9
下面简要说明采用上文给出的服务匹配方法的计算过程。
首先，得到归一化矩阵Y：
Y=JB
0.50 0.67 0.56
0.30 0.00 0.78
0.20 1.00 0.33
0.20 0.75 0.67
0.60 0.33 0.22
0.80 0.17 0.00
0.65 0.50 0.44
0.00 1.00 1.00
1.00 0.50 0.11
0.65 0.83 0.33
并根据式（1）和（2）得到成本、时间和服务质量的权重分别为0.329 5，0.307 2，0.363 3。
其次，根据式（3）得到规范化矩阵 X′：
X′=
0.314 4 0.306 9 0.323 4
0.331 2 0.365 4 0.339 2
0.339 6 0.277 7 0.307 6
0.339 6 0.299 6 0.331 3
0.306 0 0.336 2 0.299 8
0.289 3 0.350 8 0.284 0
0.301 9 0.321 5 0.315 5
0.356 4 0.277 7 0.355 0
0.272 5 0.321 5 0.291 9
0.301 9 0.292 3 0.307 6
并根据式（4）构建加权规范化决策矩阵 Z：
0.103 6 0.094 3 0.117 5
0.109 1 0.112 2 0.123 2
0.111 9 0.085 3 0.111 8
0.111 9 0.092 0 0.120 4
0.100 8 0.103 3 0.108 9
0.095 3 0.107 8 0.103 2
0.099 5 0.098 8 0.114 6
0.117 4 0.085 3 0.129 0
0.089 8 0.098 8 0.106 0
0.099 5 0.089 8 0.111 8
再次，根据式（5）和（6）确定正、负理想解：Z+=［0.089 8,0.085 3,0.129 0］，Z-=［0.117 4,0.112 2,0.103 2］。根据式（7）~（9）得出各候选服务到正、负理想解的距离和综合评价指数，见表2。
最后，根据综合评价指数对各候选服务进行排序（见表2），将最优的候选服务S10匹配给用户。
表2 候选服务到理想解的距离和综合评价指数
候选服务 d+i d-i C*i 排序
S1 0.020 1 0.026 8 0.571 4 3
S2 0.033 7 0.021 7 0.391 7 10
S3 0.028 0 0.028 8 0.507 0 7
S4 0.024 7 0.027 1 0.523 2 6
S5 0.029 1 0.019 7 0.403 7 8
S6 0.034 6 0.022 6 0.395 1 9
S7 0.021 9 0.025 2 0.535 0 5
S8 0.027 6 0.037 3 0.574 7 2
S9 0.026 6 0.030 9 0.537 4 4
S100.020 2 0.030 0 0.597 6 1
4 结束语
本文构建了3D打印云平台的体系架构，研究了其资源虚拟化和服务匹配等关键技术。提出了3D打印资源的五元组描述模型，并针对3D打印资源的多样性、异构性等特点，采用了一种基于XML的资源描述模板方法实现资源虚拟化。基于满足功能属性要求的初选匹配前提下，以成本、时间和服务质量3个指标为优选参考，提出了一种基于指标评价熵的TOPSIS法实现3D打印服务的优选匹配。案例分析结果表明了该服务匹配方法的可行性和有效性，为3D打印云平台的服务匹配研究提供了一种方法和途径。
| 
最新图文
