随着企业信息化的普及和现代服务产业的兴起, 一成不变的业务系统已经无法使仓储物流企业适应业务流程具有重复性、复杂性、灵活性、多变性等特点的仓储物流业, 也无法使其满足客户“需要什么”, 仓储就“提供什么”的要求。

面对客户提出的个性化需求, 首先要对其进行形式化的描述和表达, 确定每个需求所属的任务, 并建立需求和任务与服务的映射关系, 根据需求和任务发现可用的候选服务, 根据一定的规则和约束选择服务。通过分析仓储物流中心的业务可以发现, 仓储中心的任务分为面向客户的任务, 例如入库, 出库, 运输, 装卸等和内部管理任务, 例如记账, 调拨, 盘点等。客户提出的个性化需求只是针对面向客户的任务, 而且客户可以自由的选择此仓储物流中心提供的其中的一个或几个任务, 即任务需求个性化。同时针对选择的每个任务提出在任务完成过程中需要满足的功能约束, 即过程需求个性化。

具体到服务模型上, 客户提出的个性化需求会包括功能约束和服务质量Qo S约束, 仓储中心需要根据客户表达的需求分离出这两种约束, 并进行形式化描述。根据形式化的功能约束查找相应符合条件的服务, 得到候选服务集。同时根据形式化的Qo S约束在候选服务集中选择出最能满足Qo S约束的服务, 形成选定服务集。对选定的服务进行服务组合, 形成可执行的服务模型, 从而使客户的个性化需求在运行过程中得到满足。

客户个性化需求模型中涉及到仓储物流领域的各种术语, 明确两个术语之间的相似程度, 从而度量相关服务与我们所需服务的相似程度, 我们首先需要构建仓储物流领域的个性化需求主题树。

本文采用自顶向下的方法构建这种概念层次体系, 先将每个任务可能出现个性化需求的属性列出来, 然后再分别针对每个属性列出常见的需求值。如图2, 入库任务可能涉及到个性化需求的属性有货物类别, 货物价值等等, 而根据以往历史数据或经验针对每个属性列出客户提出的常见的需求值或此属性全部取值。

图2 入库任务主题树  下载原图

构建好仓储物流领域的个性化需求主题树后, 则要定义基于此主题树计算概念相似度的方法, 本文计算概念相似度采用文献提出的方法:, 其中, n是术语t1和t2在主题树层次中所具有的最大深度, θÁ是权重, 可简单的取取值定义如下, 

例如, 。

客户的各种个性化需求都是针对仓储中心的任务提出的, 因而定义个性化需求的描述模式为一个二元组Requirement:=<Task, Constraint>, 其中Task是此个性化需求对应的仓储中心的任务, 对于功能性需求来说, Constraint是一个三元组Constraint:=<Attribute, Value, Weight>, 其中Attribute是属性名称, Value是属性值, Weight是此约束的权重, 权重的取值范围为[0, 1]。客户除了会提出与仓储物流领域任务相关的功能性需求外, 还会提出一些服务质量的约束, 比如对于服务客户更看重的是其完整性还是安全性。对于非功能性需求来说, Constraint是一个二元组Constraint:=<P, W>, 其中P代表质量参数, 如可用性, 可靠性等, W代表权值。每一个质量参数对应着一个权值, 客户根据自身情况给出相应的质量参数的权值, 用来表达该参数对于客户的重要性。

在面向服务体系结构中, Web服务描述被认为是服务提供者和请求者的一种约定。因而将服务描述模型定义为WS:=<G, F>, 其中G为服务功能描述, F为非功能描述即服务质量描述。客户个性化需求提出的服务的功能约束, 要满足客户要求则要进行功能约束的匹配;在选定的候选服务集中可以根据非功能约束即服务质量选择一个特定的服务, 从而此服务既满足客户的功能性需求同时满足非功能性约束。

以上个性化需求模型中我们已经针对每个任务提取出客户对于此任务的一系列约束, 首先根据任务关键字进行关键字搜索, 对服务注册信息进行关键词的精确匹配来发现可以完成此任务的服务, 然后从已经进行了任务匹配的服务中发现符合功能性约束的候选服务。抽象客户的功能性约束为向量R={ (a1, v1, w1) , (a2, v2, w2) , …., (ai, vi, wi) , …..}, ai代表属性名, vi代表属性值, wi代表约束的权值。对于服务描述模型中功能性描述则可以抽象为向量G={t1, t2……, tj, ……}, tj代表一系列特征值。在WSDL中, 基本功能描述采用元素<serviee Name>和<text Deseription>分别定义Web服务名称和文本描述, 对元素<serviee Name>和<text Deseription>中的内容进行抽取, 得到描述性信息, 接着采用分词软件对基本描述进行特征项提取;或者仓储物流中心在实现服务构件时统一的按照某种格式进行服务文本描述, 这样只要抽取出WSDL中的<text Deseription>元素, 同样按照某种格式进行分割就可以得到一系列的特征值。设定一个阈值ε, 通过判定是否大于阈值来选择服务。如果相似度大于阈值, 则认为该Web服务满足用户的需求, 加入到候选服务集。假设针对某一任务的功能需求约束有m项, 某一服务的特征值有n项, 则定义相似函数为, 其中sim (aÁ, tÂ) 和sim (bÁ, t) Â皆可利用基于主题树的概念相似度计算方法计算出来。

算法描述:

Step1.得到客户的个性化需求, 按照以上定义的需求描述方法, 形式化的描述客户的个性化需求。

Step2.利用任务关键字查询, 查找此任务的相关服务。

Step3.对利用任务关键字查找出的服务进行特征值提取, 并向量化特征值, 同时向量化个性化需求。

Step4.设定阈值ε, 利用以上定义的相似度函数, 计算服务相似度, 将大于阈值的服务记录到候选服务集中。

假设客户的个性化需求为Requirement:=<入库, { (货物价值, 高, 1) , (堆放方式, 货架存放, 1) , (保管方式, 密封, 0.8) }>, 利用任务关键字入库进行查询, 查找得出入库任务的相关服务5个, 编号为sÁ, sÂ, sÃ, sÄÅsÆ, 其特征值如下表:

向量化客户功能约束仓储, R={ (货物价值, 高, 1) , (堆放方式, 货架存放, 1) , (保管方式, 密封, 0.8) }, 向量化特征值, 例如S1:G={货物类别, 水产, 温度, 冷冻, 包装方式, 袋装}。计算服务相似度, S1:Sim (R, G) =2.1;S2:Sim (R, G) =2.35;S3:Sim (R, G) =2.74;S4:Sim (R, G) =2.28;S5:Sim (R, G) =2.71。设定阈值ε=2.5, 则候选服务集中有服务s3, s5。

通过数据模拟可以发现, 此算法还是可以很好的将符合功能性约束条件的服务筛选出来, 而且符合程度也可以体现在最后的相似度值上, 这样, 如果客户只要求最好的达到功能性约束要求, 而未提出有关服务质量的约束, 则候选服务集中相似度值最大的服务即为选定服务。

客户在要求仓储中心提供的服务满足其功能性需求的同时, 还会提出相关的服务质量的约束。根据以上服务描述模型WS:=<G, F>, F为非功能描述即服务质量描述。本文采用的服务选择模型是对文献的算法模型进行的改进, 假设候选服务集中存在n个符合功能性需求的web服务, 每一个服务都具有m个质量参数q1, q2, ……, qm, 每个参数对应一个权值。有些服务质量参数, 例如吞吐量、可靠性等, 它们的值越大说明服务质量越好, 我们称之为正向参数;而对于另外一些参数如响应时间等, 它们的值越小代表服务质量越好, 我们称之为反向参数。设max是Qo S的参数的最大值。通过用max减去每个反向参数, 将反向参数转化为正向参数。

由于不同的服务参数, 其取值范围很是不同的, 我们通过每个参数值都除以候选服务集中所有服务在该参数上的平均值, 来降低某个参数值特别大对最后服务质量的计算精确性产生影响。因此定义服务质量度量函数为

其中q1, q2, ql为正向参数, ql+1, ql+2, ……qm为反向参数, wi为qi的权值。是候选服务集中所有服务在质量参数i和质量参数j上的平均值。

根据以上定义的服务质量度量函数计算候选服务集中所有服务的服务质量, 选取服务质量度量函数值最大的服务为最终完成此任务的服务, 从而完成了服务选择。

本文以仓储物流中心为应用背景, 建立支持个性化服务匹配的仓储物流中心系统总体结构图, 如图3所示:

图3 仓储物流中心系统总体结构图  下载原图

构建构件库首先要获取构件。将仓储物流中心能够提供的服务构件全部存储在服务层的构件库中, 并封装为服务。管理层是支撑整个框架正常运行最为关键的部分, 包括服务组合、服务选择、服务发现和服务注册四大功能。服务发现根据约束条件发现服务加入到候选服务集, 服务选择在候选服务集中根据约束选定服务, 构成选定服务集。应用层中将选定的服务通过组合和编排成一个业务流程, 从而作为单独的应用程序而使用, 最后在表示层各客户通过仓储物流中心企业门户调用相应业务流程, 进而调用相应的服务。

本文分析了仓储物流中心的业务, 建立了个性化需求的形式化描述模型, 提出了仓储物流领域个性化需求主题树的构建方法及基于主题树的概念相似度计算方法, 定义了需求与服务的相似函数, 提出了基于功能性需求约束的个性化服务发现方法并进行了数据验证, 然后研究了对于满足功能约束的服务如何根据非功能约束进行筛选, 即基于服务质量的个性化服务选择方法, 最后设计和实现了支持个性化服务匹配的仓储物流系统。

本文作者创新点:本文针对仓储物流业务, 提出了可以满足客户个性化需求的服务匹配方法, 将普通的服务发现和服务选择算法应用到仓储物流个性化服务领域, 并设计实现了相关的仓储物流系统, 提高仓储物流中心的服务能力和客户的满意度。