摘要：根据云制造、云服务的原理总结了数控加工云服务的基本特征，分析了数控加工资源和能力的云服务化关键问题。为应对数控加工云服务中的工艺相关问题，设计了一个更加注重应用集成和知识管理的三层(服务管理层、应用集成层和基础数据层)云服务平台。通过服务组合和服务控制，该平台能协调从图纸到零件的整个过程，并支持多种应用方式。鉴于知识在这种服务系统的整体运行中的核心作用，基于本体技术构建了数控加工知识库的基本架构，包括概念层、领域层和规则层三个层次，分别描述概念、实例和推理规则，以有效表达数控加工服务并支持相关系统的智能行为。
关键词：云制造；数控加工；云服务平台；知识库；本体；
作者简介：刘日良(1968-)，男，山东安丘人，教授，博士，研究方向：数字化制造技术；E-mail：liuriliang@sdu.edu.cn；作者简介：李鹏(1982-)，男，山东泰安人，博士研究生，研究方向：数控技术；作者简介：张承瑞(1957-)，男，福建福安人，教授，博士生导师，研究方向：数控系统与技术；作者简介：赵晓峰(1977-)，男，山东胶南人，讲师，研究方向：数字化制造。
0引言
随着制造业信息化技术向网络化、智能化和服务化方向的纵深发展，云计算的理念被引入制造业，从而产生云制造的概念。云制造是一种面向服务的网络化制造新模式，旨在通过对制造资源的智能化管理和经营，为制造全生命周期过程提供可随时获取的、按需使用的、安全可靠的、优质廉价的各类制造活动服务[1]。云制造概念借鉴并拓展了云计算和已有先进制造模式的成果，充分体现了面向服务的制造理念，为实现资源共享和高效低耗的生产提供了一种新的思路[2]。
另一方面，云制造需要整合设备资源、软件资源、人力资源和物流资源等各种各样的制造资源，远比云计算复杂。云制造服务平台的开发、实施和应用是一项复杂而系统的工程[3]，尤其是以复杂产品的设计、加工和制造为目标的云服务，具体实施时还有诸如工艺技术的服务化、制造资源的集成等大量技术性问题需要解决。
在现代机械制造技术中，数控加工是实现高效、自动化和柔性加工的有效途径，尤其在品种多变、批量小、形状复杂、高精度零件的制造方面具有不可替代的作用。本文将结合其工艺特点和技术发展，剖析其云服务化的原理和功能需求，研究数控加工云服务的实现方法及其关键技术。
1云制造与云服务
云制造是网络化制造的一种新形态，属于网络化制造的范畴，但与传统的网络化制造模式相比，由于融合了云计算、物联网、服务计算等技术，云制造的系统架构更加灵活，伸缩性和扩展性更强，文献[2]对此进行了较详尽的分析。云制造服务是基于云技术的一种制造服务，通过云可以使现实企业的制造能力形成整合服务，以满足客户个性化的制造服务需求[4]。
云制造指广义的制造，包括设计、仿真、工艺、加工/装配、检测、物流、供应链和维护/维修、甚至报废等产品全生命周期的各个环节[5]。如果将各个环节所涉及的各类资源和制造能力描述出来，在相应领域知识库的支持下进一步虚拟化封装，则可形成制造云服务，简称云服务[6]。大量的云服务按照一定规则聚合起来，形成一个大的云服务资源池，即制造云，从而为用户提供透明、开放、按需使用的云服务。同时，云制造系统有很强的灵活性和动态性，可通过云服务部署平台对制造云中的云服务进行统一高效的管理[7]。因此，云制造可以看成是各种云服务(如设计服务、仿真服务、加工服务和维护服务等)的有机集合。云服务体现的是一种需求驱动的自组织制造模式，用户无需直接和各个服务节点打交道。
2数控加工云服务
2.1基本原理
数控加工是利用数控机床实现零件加工的一种工艺技术。根据云制造的基本原理[8]，如果仅将数控加工相关资源和能力接入云制造系统，则可形成数控加工云服务，如图1所示。数控加工云服务可看作为制造云中的一个云朵，“接出”的目的是提供各种数控加工服务。它与其他云朵(如设计服务、仿真服务等)共同组成制造云，从而面向制造全生命周期应用提供各种服务。在云制造环境下，数控加工的资源提供者、云运营者和资源使用者三种用户在知识库的支持下构成一个有机的整体。其中，运营者负责服务平台的整体规划，并建立开放的服务运营模式；资源提供者依托服务平台，通过自身制造资源和制造能力的云化接入为需求方提供数控加工服务；资源使用者则通过按需付费的方式取得数控加工服务。例如，当某用户(资源使用者)需要加工一种产品时，可以向云服务平台发布这种需求并支付相关费用，云服务运营方(制造云运营者)接到这种需求后，调度云中的相关资源和制造能力(资源提供者)进行加工制造，并配送给该用户。
2.2云服务化关键问题
云服务的形成就是制造资源、制造能力的云服务化过程。云制造环境下的制造资源通常具有分散性、自治性、异构性和动态性等特点[9]，其服务化过程中需要解决许多共性问题，如资源感知、虚拟接入、服务化封装等。具体到数控加工云服务，通常既包括数控机床上的实际加工，也包括工艺设计、数控编程和仿真校验等一系列必要工作，无论从技术还是管理方面看，都是一个复杂的过程。因此，除了云服务的共性问题外，还必须充分考虑本领域的特殊要求。
要组建面向数控加工的云制造服务，首先必须整合各种以数控机床为代表的硬件资源，如金属切削类数控机床(数控铣床、数控车床、数控磨床、数控镗床和数控加工中心等)、金属成型类数控机床(数控折弯机、数控压力机和数控弯管机等)和数控特种加工机床(数控线切割机床、数控电火花加工机床和数控火焰切割机等)等。这些设备即使属于同一类型，也往往在形式、功能、精度、控制方式和编程操作等方面各不相同。随着各种各样数控机床的应用，如果没有统一的数据模型或规范，很难把它们整合在一个大的平台下。
其次，作为数控加工的基础和核心设备，数控机床所提供的服务与工艺、工装、用户的操作技能等息息相关，尤其是一些尖端数控机床，其制造能力不只取决于硬件资源的性能，更重要的是以工艺软件和知识为代表的制造能力。这些知识的表达和存储方式千差万别，如手册形式的工艺知识、说明书形式的机床参数、电子文档形式的数控系统功能以及国家标准形式的数控加工刀具等。因此，合理的知识建模对数控加工能力的云服务化至关重要。
另外，数控加工服务既需要专门的加工设备、软件资源和工具，又需要具有专门知识的人力资源支持，所涉及的计算机系统(计算机辅助设计(ComputerAidedDesign，CAD)/计算机辅助制造(ComputerAidedManufacturing，CAM)、仿真软件、数控系统等)具有多样性和异构性的特点，即使是同一功能的系统也往往互不兼容。因此，数控加工云服务平台的任务不仅是将它们整合在同一个服务平台上，还要保证它们之间的互操作。
3数控加工云服务平台
3.1功能结构
为有效整合各类数控加工资源，本文根据云制造的基本原理和思想设计了一个面向数控加工的云服务平台，如图2所示。该平台分为应用管理层、应用集成层和基础数据层三部分。其中，应用管理层负责用户管理、系统管理、云服务管理、数据管理和云服务发布管理等服务，可以集成到更大的云制造平台中，也可以独立运营；基础数据层包括数控加工设备、刀具、软件、制造能力和工艺等基础数据和知识，由资源提供者、应用工具开发者提供；应用集成层由数据接口平台和服务集成应用工具组成，负责将分布在不同位置的制造资源以及由不同机构提供的应用工具集成起来，以提供工艺设计、数控编程等与各种数控加工工艺相关服务的集成。图2左侧的数控加工资源指该平台可以直接调用的数控加工设备、软件和人员等，其提供者可以是一个机构，也可以是分布在不同地点的多家机构。数控加工资源与云服务平台共同组成一个完整的数控加工服务系统。图2右侧的云制造平台(虚线部分)代表由各种云服务系统组成的可支持产品全生命周期的通用云制造平台。数控加工云服务平台可以作为一个独立的云服务系统运营，也可以通过网络与上述云制造平台集成在一起，这时该系统的作用相当于整个云制造系统的一个云服务子系统。
为解决数控加工云服务中的特殊问题(如2.2节所述)，上述平台比一般的云服务系统更加注重应用工具的集成以及数据和知识的管理。特别值得说明的是，应用集成层中提供了一个数据接口平台，类似于文献[10]中的通用制造平台，目的是利用与产品模型数据变换标准兼容的数据接口(StandardfortheExchangeofProductmodeldata-compliantNumericalControldatainterface，STEP-NC)方面的研究成果，为云制造环境下的数控加工应用工具或系统提供数据交换和互操作支持。另外，基础数据层不只是资源数据的集结地，还包含了工艺相关知识，是一个可扩展、支持推理的数控加工知识库(详见第4章)。
3.2运行机理
这种云服务系统将数控加工资源、应用工具、基础数据和管理服务集成在一起，能够提供更加专业和稳定的服务。原则上，它不但能够有效地利用数控加工资源为分散在不同地理位置的用户提供服务，而且能够有效地集成制造能力、形成组合服务并控制整个数控加工过程。图3所示为从用户提出加工需求(产品设计信息)到完成数控加工任务(产品)的基本服务流程(其中矩形框表示服务活动，文档框表示结果或中间数据)，从服务管理角度可大致分为服务匹配和服务监控两个阶段。当用户提出某产品的数控加工需求或提供订单时，首先会调度应用工具对用户请求进行分析、任务分解、工艺分析和资源匹配等工作，形成总体服务方案，这个阶段的目标是实现加工任务与制造资源/制造能力的映射；然后，通过调度、优化、组合和控制等功能，协调完成工艺规划、编程、加工等一系列实际生产活动，实现从服务方案到产品的转化。其中工艺设计、刀轨计算、工装方案设计等任务均可由不同的资源提供方和服务方承担。
3.3应用方式
从应用角度看，该平台较充分地考虑了数控加工的工艺要求，将制造资源和制造能力有机结合起来，可支持单方完成某阶段服务、单方完成若干阶段的组合服务、多方完成某阶段服务、多方完成若干阶段的组合服务等应用模式。实际应用时，可以根据用户需求以多种灵活的方式提供服务，包括：
(1)任务承包
这种方式指资源提供方承包整个加工任务。承包者可以是一个技术实力雄厚的机构，也可以是临时组成的多个机构。这种方式下，平台运营者只起一种牵线和监督的作用，生产过程的组织管理完全由承包者负责。
(2)资源租赁
数控加工资源可分为硬资源和软资源，其中硬资源包括计算资源、设备资源、物料资源等，以数控机床为代表。原则上，用户可以通过服务平台以承租方式使用这些资源。这是一种比较容易实现的低层次的云服务，但对于一些复杂数控加工设备，用户很难像使用计算资源或一般设备(如运输机械)一样通过资源共享来获得所期望的服务。因此，这种方式主要面向专业用户和一些功能相对简单、用途明确的设备或资源。软资源包括各种应用软件(如计算机辅助工艺规划(ComputerAidedProcessPlanning，CAPP)，CAM)、应用工具(如后处理程序)、知识资源(如知识库)等。这些资源在虚拟资源服务化后可以由服务平台托管，用户可以通过服务平台调用。
(3)制造能力提供
数控加工中的制造能力包括工艺规划能力、工装设计能力、数控编程能力、仿真校验能力、机床操作能力和管理能力等。制造能力提供者可以是资源提供者、服务平台运营者，也可以是单纯提供制造能力的个人或机构，例如某机构或个人(服务提供方之一)可以利用自身的专业技术能力，依托服务平台所提供的应用工具或软件资源，为制造服务需求方提供数控编程或仿真等服务。
(4)基于协作的服务组合
这种服务方式指依托云制造平台，由多方协作完成数控加工任务。例如，用户需要加工某一复杂产品，企业E1具备该产品的工艺设计和数控编程能力，企业E2具备能够加工该产品的数控机床、操作工人和工装设计能力，则运营者E0可以通过服务平台将订单分解成不同的任务，将工艺规划和数控编程任务包给企业E1，将加工任务包给E2。然后由E1完成工艺方案的设计、数控程序的编制等工作，并传递给E2；由E2完成数控程序的仿真、试切和加工任务。期间，E0通过服务组合、调度、协调等工作保证服务的正常运行实现。
4数控加工知识的本体建模
数控加工活动涉及大量的信息或知识，如加工对象的几何信息、数控机床结构和性能、数控系统及数控编程语言、数控加工刀具类型、切削参数及其优化方法等，这些知识在整个云制造体系的运转中起核心支撑的作用。要实现数控加工的云服务化，首先需要一种有效的知识表达和组织形式，将这些知识组织为易于统一管理和使用的加工知识库。
4.1基于本体的知识建模方法
本体是对现实对象的概念化说明方法，这种方法能够提供一个具体领域内所有相关概念的词汇表，同时能够对词汇表内所有概念之间的关系进行详细说明，从而为不同应用领域的人和计算机之间进行高效知识重用和共享提供一种方法。本体技术与语义网技术的结合，一方面使互联网在知识的聚集与搜索方面更加出色，另一方面也使各个领域本体之间的共享与互操作更加方便[11]。从云服务角度看，基于本体的知识模型有下述优点：
(1)知识的组织和表达清晰、方便，易于人和计算机的编译和理解。
(2)知识的表达、管理与实现独立于具体的应用程序，以保持知识的独立与可修改性。
(3)能够实现知识的推理，以自动发现补充新知识并为智能决策应用程序提供访问接口。
(4)适合知识的重用与共享，支持不同应用或平台之间的互操作性。
4.2数控加工知识库的构建
为适应云制造环境下的数控加工服务要求，本文基于本体技术构建了一个数控加工知识库模型，并以Protégé为开发平台对其中的主要概念、关系、规则等进行了描述。图4所示为数控加工本体知识的组织架构，主要包括规则层、概念层和领域层三个层次。其中：概念层是本体建模的主体层，用以描述数控加工领域的相关概念、属性及其之间的关系和约束；领域层主要用来存储概念层对应的概念实例；规则层则用于汇集与数控加工相关的推理规则，即领域规则。
概念层的构建需要对相关概念知识进行主题分类，然后列举各个主题范围内涉及到的概念及其属性，并用本体语言进行组织和表示，从而产生本体概念集。如图4所示，本文将相关概念划分为加工特征本体、加工工艺本体、切削刀具本体、数控系统本体、机床本体和现场总线设备本体等顶级概念集，并用网络本体描述语言(WebOntologyLanguage-DescriptionLogic，OWL-DL)进行了描述(图4仅列出了主要顶层概念集及其关系)。
领域层主要用来存储概念层对应的概念实例，这一层中的所有成员都是加工中具体的实例对象，具有明确的属性值。例如，概念层中定义了孔(加工特征)的概念，则领域层中具体描述孔的实例信息，即某次数控加工中两个孔的实际几何信息和工艺操作信息。与概念层对应的所有实例都表达为领域层中的“个体”(Ontologyindividual)。
领域规则的编写一般在知识库创建以后进行。通过这些领域规则和推理机(如Racer)，一方面可以扩展知识内容，实现知识库的自动更新；另一方面为数控系统内的一些智能决策事件，如工艺规划原则、加工刀具的选择以及数控系统自身模块化的动态配置，编写决策规则，从而为智能加工提供基础。为充分支持数据库的自动推理能力，本文采用语义网规则描述语言(SemanticWebRuleLanguage，SWRL)编写推理规则。例如，其中一条自动选择加工刀具的规则为：
MillingCuttingTool(？p1)∧hasToolRadius(？p1，？a)∧ClosedPocketFeature(？p2)∧hasOrthogonalRadius(？p2，？b)∧swrlb：lessThanOrEqual(？a，？b)→isSelected(？p1，true)
该规则表示：如果p1属于铣削加工刀具，p2属于封闭型腔特征，p1具有刀具半径为a，p2具有正交半径b，同时a≤b，则可以推导出：刀具p1可以被选择来加工此封闭型腔特征p2。利用这种规则，系统可以根据被加工特征进行推理，自动搜索符合条件的加工刀具。
5结束语
本文从数控加工的角度分析了制造资源的云服务化目标和工艺服务需求，并设计了一个云服务平台。该平台可以将基础数据、应用工具和服务管理集成起来，支持从用户提供产品信息到数控加工产品的全程化服务，以提供更专业化和集成化的服务，适应各种层次的服务需求。鉴于知识在这种服务系统的整体运行中所起的核心作用，本文简要分析了面向云服务的数控加工知识建模需求，并基于本体技术构建了数控加工知识库的基本架构。显然，要实现这样的云服务系统，在目前条件下还有很多技术问题需要解决，其中既有云制造的共性技术，也有与数控加工密切相关的技术问题。但数控加工的云服务化既是云制造所无法回避的问题，也是促进数控加工技术本身发展的一项重要举措，相关技术对提高我国制造水平有重要的意义。