0 引言
随着云计算和人工智能热潮的到来，用户的主导地位越来越受到重视，很多学者开始以用户的角度开展学术研究，通过更深层次的分析用户需求来解决存在的问题。目前，制造行业逐渐展现出小批量和个性化的特点，使得大规模个性化成为近年来的研究热点。大规模个性化主要目的是改善用户参与度和体验的同时仍保持后端的生产能力，较典型的研究成果有：TSENG等[1]和ZHOU等[2]提出了面向大规模个性化的技术架构，该架构包括产品、过程和供应链设计等步骤，分别通过产品平台、过程平台和供应链平台来实现，归纳了用户体验度、产品特征变化和协同平衡等大规模个性化的典型特征，并分析总结了面向大规模个性化认知设计的关键技术；MURTHI等[3]提出了一种个性化设计的体系架构，可识别用户偏好、匹配用户需求，以及进行识别和匹配过程评价；为了推进大规模定制向大规模个性化转型，REIB等[4]采用电子商务的方法实现了大规模个性化；KUMAR[5]提出了推动大规模定制向大规模个性化转型的重要因素；为了将用户行为施加到个性化的产品与服务上，ADOMAVICIUS等[6]基于迭代反馈原理，提出了一个能够理解用户需求、提交个性化产品和测评个性化效果的个性化流程。上述研究对大规模个性化的发展与实践应用具有重要意义，然而在大规模个性化领域中，尚未有从用户角度出发去深入研究用户对产品的个性化、合理化的需求[7]。
本文提出了一种基于用户需求的面向大规模个性化的交互式云制造模式。该模式创新之处在于用户以产品制造资源和服务资源作为媒介，并利用智能交互和需求交互转换模型参与定制产品的需求分析与设计，用户需求得到更全面的分析，使用户(个性化)需求可以在产品交互、产品制造等节点参与需求动态调整与完善；本文还将云制造理论及技术引入大规模个性化服务模式中，其原因在于云制造作为一种面向服务，基于知识、高能低耗的网络制造模式[8]，利用云计算的商业模式，并融合云计算、制造业信息化、物联网等技术，能够将各类制造资源及能力服务化，可实现制造资源及能力的优化配置和使用，以及制造资源的集中管制与分散利用[9]。
1 大规模个性化的应用发展
大规模个性化(mass personalization，MP)是十分热门的一种新型的生产服务模式，使生产制造(即定制产品变型)从低产量多变型、小批量少变型、大批量少变型发展到小批量多变型[10]，以大规模生产成本作为载体来改善和满足用户的个性化需求，实现生产效益的提高。但大规模个性化与传统的大规模定制相比还存在较大区别，具体区别见表1[5，11]。2010年，TSENG等[1]首次提出了大规模个性化的概念，在产品或者服务生命周期内向用户提供独一无二的产品或服务体验来满足用户的个性化需求[1-2]。2014年4月，第24届CIRP产品设计国际会议的会议主题为“大规模定制与个性化”；2016年8月，在第12届设计与制造前沿国际会议上，BERRY等[12]、IAROVYI等[13]提出了“open product”设计概念，即产品大规模个性化设计。近年来，在大规模个性化定制领域中，大多数研究都是以围绕企业展开的大规模个性化服务，本文针对用户(个性化)需求方面展开研究，由于用户的需求具有个性化、多样化、模糊性、隐蔽性等特点，使得企业生产效率以及经营战略受到严重影响，所以用户需求的分析、需求分解和重组是否准确合理还有很多问题待解决。
表1 大规模个性化与大规模定制的区别[5，11]
Tab.1 Differences of mass personalization and
mass customization[5，11]
大规模个性化大规模定制细分市场某个用户某一群体用户的需求隐藏的需求:在定制产品功能模块的基础上,强调使用服务、美学和其他认知去实现用户的体验和需求显性的需求:主要通过物理产品的预先设置的模块变型组合用户参与深度参与个性化设计选择适合自己的模块设计指标技术性指标+个性指标+服务体验指标技术性指标
2 大规模个性化的交互式云模式
2.1 大规模个性化的交互式云组织模式简介
根据关于大规模个性化的现有文献资料，结合大规模个性化的特点和云制造理念，本文提出了一种面向大规模个性化的交互式云组织模式，如图1所示。其基本思想是：针对用户需求以及用户体验要求的不断提高，以用户个性化需求为核心，在大规模个性化领域中通过面向大规模个性化的交互式云制造平台对用户需求进行更深层次的分析，在用户、技术专家和核心定制企业等相关企业和人员的参与下对用户各自的需求做出合理的调整和修改，使得核心定制企业得到更真实准确的产品结构及参数需求。在核心定制企业端，参照云制造服务目录(catalog of cloud manufacturing service, CCMS)将所有的产品制造需求利用需求交互转换过程模型进行分解与重组，然后将所有的批次制造需求再分配，最后定制出满足各用户需求的定制产品。在此平台中，各用户能够参与定制产品全生命周期的生产服务，利用物联网技术、云计算技术、物理信息融合技术[9]在任意节点对产品结构和参数需求进行调整和修改，实现了用户对定制产品的全方位定制，使企业高效、快速、低成本地生产出满足于用户需求的定制产品，使用户的满意度达到最大化。
图1 面向大规模个性化的交互式云组织模式
Fig.1 Interactive cloud organization model for mass personalization
2.2 云制造环境下MP的智能交互过程
为了提高用户需求的有效性、真实合理性以及定制用户的体验，设计了云制造环境下大规模个性化的智能交互过程，如图2所示，具体过程如下：①将用户需求文本载入云平台中，并对用户需求进行分析和处理，预测评估系统根据用户行为、个性偏好、情景等信息，对用户的隐性需求进行深度挖掘，通过预测评估系统并利用自然语言处理技术[14]进行有选择性的评估及合理化预处理，将用户需求转换成预期产品功能需求。②用户通过访问储存资源信息，利用个性化推荐系统进行适当的预期产品功能需求修改，利用个性化模块系统将云池中的产品制造资源依据外观性、功能性、性能、经济性、外延性作为标准智能，检索出符合产品功能需求的制造资源。③用户通过个性化推荐系统参选出合适的定制产品参数，并对需求信息进行储存。如果不能完全匹配满足产品功能需求及参数的制造资源，则要通过用户、核心定制企业、技术专家组等利用交互系统进行交互洽谈，对产品功能需求及参数进行改进调整后再储存可行的需求信息。如果不符合要求则再进行交互洽谈，直到得到用户满意并符合制造资源的产品需求信息。④采用第三方在线数据模型库，用三维软件建立产品结构模型将产品需求转换成产品结构需求，而在核心定制企业端，将产品结构及参数需求即定制产品目标利用产品服务系统进行模块化选择，确定定制产品类别并与其他用户的定制产品需求规划到一起。⑤利用大规模个性化交互式云平台中的需求交互转换过程模型通过监控服务系统、需求配置系统、交互系统、专家系统等，将平台上储存的定制产品需求表达成各个批次零件的制造需求，并依照CCMS分配到对应的制造组及服务商中进行定制产品的生产加工。平台通过基于关联区域的制造服务资源分配算法[15]进行并发制造服务高效处理，使得每个用户按时间顺序在短期内都能进行需求文本分析与处理。
图2 云制造环境下MP的智能交互过程
Fig.2 Intelligent interaction process of MP in cloud manufacturing environment
2.3 云制造环境下MP的需求交互转换过程模型
云制造环境下MP的制造需求分配比较复杂，本文基于大规模个性化生产服务模式的需要，兼顾用户的定制需求和定制企业的能力，建立一种云制造环境下MP需求交互转换过程模型来对制造需求分配进行优化处理，如图3所示。在核心定制企业端，企业通过一定的方法将各用户的定制产品目标规划到一起来提升规模化水平，利用产品服务系统确定定制产品的生产类别，在CCMS中找到对应定制产品的生产服务目录，然后基于产品结构树根据需求配置系统实施不同级别的目标分解(分解级数由产品结构需求复杂性决定)，最后分解成各个零部件(零部件分为定制件、标准件)。
图3 云制造环境下MP的需求交互转换过程模型
Fig.3 Demand interaction transformation process model of MP in cloud manufacturing environment
由于定制件为用户需求的核心生产件，有的零部件参数和标准件规格型号具有可选范围，所以各用户可以通过平台的交互系统进行反复交互洽谈，对制造需求总矩阵T中零部件的特征(即零部件结构及参数)进行调整和修改，直到所有的特征Aij满足用户的需求并输出零部件特征。定制产品的各零部件特征表示如下。定制产品
Pi= {Ai1，Ai2，…，Aiq}
(1)
式中，Aiq为定制产品的特征；q表示定制产品被分解为q个零部件的制造需求。
定制产品个数
N={P1，P2，…，Pn}
(2)
合并为定制产品的零部件制造需求总矩阵：
(3)
式中，n为定制产品数量；m为包含尺寸、性能等差异化参数需求项；Anm为第n个定制产品的第m个定制特征及规格要求。
然后进行需求重组，将各个零部件分解归类为各批次零部件(其中包含大量的标准件及少量的定制件)，对于标准件可根据型号简单地归类到同一批次中，而少量的定制件则要将规格相似定制件进行相似度聚类算法的度量分析[16]再归类到各批次中，该相似度聚类算法的步骤如下。
(1)计算定制件的相似度：
(4)
在“欧氏距离法”基础上加上了区间均值，Xkmax、Xkmin分别表示第k列参数的最大值、最小值。将式(4)结果表示为相似性矩阵：
(5)
dij的值越接近0，说明i和j定制需求相似度越高。
(2)基于定制件的相似性，将各个相似的定制件聚集为生产批次。先设定一个相似度阈值dmax，相似度阈值dmax的取值是利用专家系统，通过云平台中注册企业服务商的技术专家进行定制件参数分析，并依据相关行业经验而设定，如果存在dij<dmax，则将所有满足条件的dij纳入同一批次。如果批次数量不合适，技术专家进行分析后重新确定相似度阈值dmax，直到批次个数符合预期标准为止。
以挖掘机中的铲斗为算例。用户都对铲斗尺寸型号做出了差异化的要求，且不能与现有标准件对应，故视为定制件。定制产品中的定制件参数见表2。
表2 定制产品中的定制件参数
Fig.2 Customized component parameters in custom products
用户斗容(m3)斗长(mm)斗宽(mm)斗高(mm)A1.42 6101 2401 220B2.52 9001 2401 690C1.72 6601 2401 220D2.62 9881 5301 720
表2所示的定制件参数结果表达如下：
其中：k=1，XB1=2.5，XA1=1.4；k=2，XB2=2 900，XA2=2 610；k=3，XB3=1 240，XA3=1 240，k=4，XB4=1 690，XA4=1 220。由式(4)得
同理，可得dCA=0.28;dDA=2.00;dCB=1.73;dDB=1.32;dDC=1.82。所以相似性矩阵表示如下：
根据步骤(2)所述相似性聚类过程，先设定dmax=1.5，由相似性矩阵D可知，dCA和dDB均小于dmax，而dBA和dDC、dCB和dDA均大于dmax，因此用户A和用户C以及用户B和用户D分别合并为批次1和批次2。
最后，实施批次零部件需求再分配。通过云平台中交互系统可以为各批次零部件提供以下制造组及服务商：大规模模块化制造组、个性化定制组和各级外包商，针对大规模模块化制造组主要实施批次标准零部件的生产计划任务；对于个性化定制组，基于人机工程学根据用户的偏好及习惯，利用交互系统通过适当的交互洽谈对产品结构及参数进行设计及修改，使人与定制产品整体的特征与功能得到优化和满足，其任务是实施批次定制件的生产计划；外包商主要任务是针对核心定制企业不具备生产能力的批次零部件实施生产加工。定制企业专家基于定制企业面向云制造服务商的生产成本、生产周期等影响因素，将各批次零部件利用需求配置系统匹配到合适的制造服务组中，依据云制造环境下的定制企业和各级供应商规模和范围效应进行各批次零部件的加工生产和服务供应，并由核心定制企业完成定制产品的装配。
3 MP的交互式云体系架构
本文借鉴文献[17]设计了平台的系统架构，如图4所示。面向大规模个性化的交互式云平台总体框架由用户层、资源层、核心需求交互层、中间管理层构成。需求交互层作为交互式云平台的核心，平台借助云池中的制造资源以及平台基础设施作为支撑，为用户提供智能化的需求服务。
图4 MP的交互式云体系架构
Fig.4 MP interactive cloud architecture
该架构的具体层次如下：①用户层是进入交互式云平台的媒介，为用户及企业提供登录、注册以及安全验证、身份验证等功能。②需求交互层是平台的核心功能层，由多个逻辑功能模块组成，包括预测评估系统、智能检索系统、交互系统、产品服务系统、需求配置系统、专家系统、个性化模块系统、个性化推荐系统以及监控服务系统等，该层主要功能是对交互式云平台实施可持续性交互。③中间管理层是用户使用云资源的应用服务接口，该层主要由各类服务使能工具组成，为平台内部提供组合、配置、管理、匹配等功能活动提供工具支持。④资源层为中间管理层的提供接口，该层主要汇集各种分布在不同区域云服务资源，从而形成云制造资源池，为平台的运作提供各种资源支持。
4 MP交互式云平台的工作流程及软件结构设计
4.1 工作流程
结合云制造理念及大规模个性化的需求特点，以云平台为核心，对大规模个性化的交互式云平台的工作流程进行设计，如图5所示。需求方和供应方初次登录需进行注册，经过运营方信息审核后可登录交互式云平台，用户发布定制需求文本，然后通过智能交互将需求文本进行一系列分析处理，得到合适的产品结构需求及参数。通过模块化工具对定制产品进行归类并与其他用户的定制产品目标规划到一起，依据需求交互转换模型将定制产品目标转换成各个批次零件加工生产和服务供应，来完成定制产品的规模化生产。最后通过售后服务来保证以后的定制产品维修服务。交互式云平台里的每个节点都采用需求方和供应方双方一起干预的模式，通过交互洽谈、平台中的各类系统的辅助、监管等方式来实施各节点的动态调整和适配。整个交互式云平台实现了用户在全生命周期中参与定制产品需求的设计，使用户的满意度达到最大化。
图5 MP的交互式云平台的工作流程
Fig.5 MP interactive cloud platform workflow
4.2 软件结构
考虑到平台用户数量的增加，为了减轻平台的工作压力，采用MVVM框架作为此平台的设计模式，使平台具有较好的拓展性。MVVM的设计模式分成三个部分：视图、模型、视图模型。视图即用户接口，负责界面显示和用户之间的交互；模型提供业务逻辑相关的数据对象；视图模型用来实现业务逻辑和状态控制[18]。该云平台软件结构设计基于MVVM框架处理过程，如图6所示，用户通过web输入请求，利用视图接收请求，之后视图将数据传递到视图模型进行内部的处理，将请求数据转化成为逻辑模型对象，最后利用模型存入数据库。或者从数据库中将数据读取到模型，然后通过视图模型和前台的视图进行交互，最后将数据展现给用户。
图6 MVVM框架处理过程
Fig.6 MVVM framework process
5 MP的交互式云平台搭载及案例分析
5.1 平台搭载
根据上述研究成果，笔者所在课题组以P2P及B/S模式[19]为构架，采用Apache作为Web服务器，数据库系统为MySQL 5.5.23，以PHP为动态脚本编程语言等对交互式云制造平台进行搭载，并能实现资源的数据分布式管理和数据的共享和整合。将B/S技术及P2P技术结合在一起，能够解决平台搭建中存储数据拓展限制、管理任务重、资源访问效率不高等问题，有效地减轻平台的负担。
5.2 案例分析
以汽车定制为应用案例，定制汽车是一种具有较高复杂性的定制产品。因为汽车定制涉及较多的定制零部件而且用户要对汽车知识有一定的专业基础，所以汽车企业在满足用户需求和体验方面均面临很大的挑战。某汽车定制企业使用面向MP的交互式云平台，在一段时间内接收到4名用户通过平台发布的定制产品需求文本，本案例采用云制造环境下MP的智能交互过程和MP的需求交互转换模型对用户需求进行全面的分析并实施制造需求分配。其过程如下。
(1)智能交互。在云制造环境下4名用户的定制汽车产品需求依照用户管理工具，利用基于关联区域的制造服务资源分配算法按时间顺序进行需求分析与处理，云环境下智能交互的用户需求处理流程图见图7。
图7 云环境下智能交互的用户需求处理流程图
Fig.7 Flow chart of user requirements processing for intelligent interaction in cloud environment
根据该云制造环境下的智能交互对用户的需求分析，将4名用户的需求文本通过智能交互转化为汽车结构需求和汽车定制参数(即定制汽车目标)，其参数结果见表3。
表3 定制汽车产品目标参数需求
Fig.3 Product customization target parameter requirements
用户排气量(L)最大牵引力(kN)载重(t)最大功率(kW)最大扭矩(N·m)C11.21711.066132C21.61711.666132C32.02451.483145C42.42451.885150用户平均车速(km/h)车长(mm)车宽(mm)车高(mm)轴距(mm)C1604 5251 7501 4702 700C2804 2951 7601 4732 620C31004 8001 8711 5883 165C41005 2061 8451 6153 200
(2)需求分解。需求分解的原则是，依照定制汽车产品需求信息和CCMS之间的映射联系，利用产品结构树将定制汽车进行不同层级的分解，得到定制汽车各零部件的制造需求，对于用户体验影响较大的零部件(如发动机等)，用户可以通过云平台中交互系统进行反复交互洽谈，直至选出发动机性能满足用户需求的型号，根据汽车产品结构需求和表3的定制汽车产品目标参数需求，得到制造需求分解情况见表4。则表4中的制造需求分解情况可用式(3)表达。
定制产品的零部件特征需求总矩阵T表达如下：
(3)需求重组及批次合并。由需求分解情况可知，除车身尺寸以外，其余制造需求都有对应的零部件型号，所以按照型号归类到同一批次中；而对于车身尺寸，用户可以按照车身尺寸型号做出差异化参数调整且无法与标准件型号对应，因此汽车车身为定制件。定制汽车的定制件参数见表5。表5中的定制件参数结果采用式(3)表达如下：
表4 定制汽车的制造需求分解情况
Fig.4 Decomposition of manufacturing requirements for product customization
用户发动机变速箱空调系统制动系统驾驶辅助系统C111111C211111C311111C411111用户巡航系统主驾座椅侧滑门后备箱车身尺寸C111110C211110C311110C411110
注：1表示CCMS中对应的标准件制造需求，0表示定制件制造需求。
表5 定制汽车中的定制件参数
Fig.5 Customized component parameters in custom products
用户轴距(mm)车体高(mm)车体宽(mm)车体长(mm)C12 7001 4701 7504 525C22 6201 4731 7604 295C33 1651 5881 8714 800C43 2001 6151 8455 206
其中：k=1，XB1=2 620，XA1=2 700；k=2，XB2=1 473，XA2=1 470；k=3，XB3=1 760，XA3=1 750；k=4，XB4=4 295，XA4=4 525。由式(4)得
同理可得dC3C1=1.55，dC4C1=1.53，dC3C2=1.63，dC4C2=1.86，dC4C3=0.286。所以相似性矩阵表示为
根据步骤(2)所述相似性聚类过程，先设定dmax=1.2，由相似性矩阵D可知，dC2C1和dC4C3均小于dmax，而dC3C1和dC4C2、dC3C2和dC4C1均大于dmax，故用户C1和用户C2以及用户C3和用户C4分别合并为批次a和批次b。最后，制造需求重组结果见表6。
表6 生产制造需求重组汇总
Fig.6 Manufacturing Requirement Reorganization Summary
加工批次发动机变速箱主驾座椅后备箱车身尺寸A型B型A型A型B型C型D型溜背型折背型A型B型C型D型批次11100000000000批次21100000000000批次30020000000000批次40020000000000批次50000010200000批次60001101020000批次a0000000001100批次b0000000000011
(4)批次分配即制造组及服务商分配。基于定制企业面向云制造服务商的制造需求批次分配，首先，汽车企业专家利用需求配置系统将发动机、变速箱等标准零部件分配到大规模模块化制造组中；将汽车车身等具有差异化参数的零部件分配到个性化定制组中，利用交互系统，通过适当的交互洽谈对汽车零部件结构及参数进行修改和调整，达到用户需求满意度最大化；外包商依照云环境下的CCMS，对核心定制企业不具备生产能力的批次汽车零部件实施生产加工制造。最后通过云制造平台接收各批次零部件的生产信息，并通过产品服务系统将各批次零部件运送到核心定制企业，完成该时间段的定制汽车产品装配。
综上，传统大规模定制是固有和预先设定的产品构架、重要参数和模块，且企业制造能力和资源有限，使大规模定制模式的实施存在一定局限性，而大规模个性化的交互式云制造模式是在云环境下由用户参与需求分析和设计，并提出个性化需求，对产品结构、重要参数等做出合理修改，使得个性化程度和用户满意度得到提高；同时云制造技术的引入扩大了制造资源，使制造需求分配到达最优。在定制产品全生命周期生产中，用户需求及制造需求分配作为定制产品生产加工的前处理部分，通过MP交互式云平台中的智能交互和制造需求分配，使整体大规模个性化产品生产能力也得到提升，间接地提高了产品的生产效率。说明使用该平台具有一定的可行性和必要性。
6 结论
本文将云制造技术应用于大规模个性化领域中，提出了一种创新性的基于用户需求的大规模个性化的交互式云模式。首先，从分析用户个性化需求的角度出发，解决当前用户需求分析不全面的问题，并将智能交互思想引入大规模个性化模式下的定制服务中，从而提升定制服务的用户满意度；其次，建立需求交互转换过程模型，该部分主要作用在于用户可以参与到定制产品的生产设计当中，从而使用户个性化程度进一步提高；最后，搭建大规模个性化的交互式云制造平台，通过平台资源整合与优化，使大规模个性化生产能力也得到提高，从而提高产品的生产效率，间接地提升了用户个性化需求的满意度。今后拟结合云制造环境下大规模个性化生产活动的实际需求实施调研及分析，做更有针对性的技术改进，进一步完善云制造环境下的智能交互过程和需求交互转换模型。
[1] TSENG M M, JIAO R J，WANG C. Design for Mass Personalization[J]. CIRP Annals—Manufacturing Technology, 2010, 59(1):175-178.
[2] ZHOU F, JI Y, JIAO R J. Affective and cognitive Design For Mass Personalization: Status and Prospect[J].Journal of Intelligent Manufacturing,2013,24(5): 1047-1069.
[3] MURTHI B P S，SARKAR S. The Role of the Management Sciences in Research on Personalization[J]. Management Science, 2003, 49(10):1344-1362.
[4] REIB M, KOSER M. From Mass Customization to Mass Personalization:a New Competitive Strategy in E-Business[M]. Heidelberg: Physica-Verlag HD,2004:285-310.
[5] KUMAR A. From Mass Customization to Mass Personalization: a Strategic Transformation[J]. International Journal of Flexible Manufacturing Systems, 2007,19 (4):533-547.
[6] ADOMAVICIUS G, TUZHILIN A. Personalization Technologies: a Process-oriented Perspective[J]. Communications of the ACM, 2005,48 (10): 83-90.
[7] 曹木丽，张昆，张宁，等. 基于个性化需求的智能养生壶交互设计研究[J]. 包装工程,2017,38(18):237-241.
CHAO Muli, ZHANG Kun, ZHANG Ning, et al. Research on Interactive Design of Intelligent Health Pot Based on Individualized Demand[J]. Packaging Engineering, 2017,38(18):237- 241.
[8] 李强, 史志强, 闫洪波, 等. 基于云制造的个性化定制生产模式研究[J].工业技术经济, 2016, 35(4):94-100.
LI Qiang, SHI Zhiqing, YAN Hongbo, et al. Research on Personalized Customized Production Mode Based on Cloud Manufacturing[J]. Industrial Technology Economy, 2016, 35(4):94-100.
[9] 李伯虎, 张霖, 任磊, 等. 云制造典型特征、关键技术与应用[J]. 计算机集成制造系统，2012, 18(7):1345-1356.
LI Bohu, ZHANG Lin, REN Lei, et al. Typicalcharacteristics, Technologies and Applications of Cloudmanufacturing[J]. Computer Integrated Manufacturing Systems, 2012, 18(7):1345-1356.
[10] 李浩, 陶飞, 文笑雨, 等. 面向大规模个性化的产品服务系统模块化设计[J]. 中国机械工程, 2018, 29(18):66-76.
LI Hao, TAO Fei, WEN Xiaoyu, et al. Modular Design of Product-service Systems Oriented to Mass Personalization[J]. China Mechanical Engineering,2018, 29 (18):66-76.
[11] TSENG M M. Design for Mass Customization[J]. CIRP Annals—Manufacturing Technology,1996, 45(1): 153-156.
[12] BERRY C,HUI W, HU S J. Product Architecting for Personalization[J]. Journal of Manufacturing Systems, 2013, 32(3):404-411.
[13] IAROVYI S , MOHAMMED W M ,LOBOV A , et al. Cyber Physical Systems for Open-knowledge-driven Manufacturing Execution Systems[J]. Proceedings of the IEEE, 2016, 104(5):1-13.
[14] 王开聘. 面向顾客定制的汽车产品配置规划方法研究[D].重庆：重庆大学，2017.
WANG Kaipin. Research on Customer Product Planning and Planning Method for Customer Customization [D].Chongqing: Chongqing University, 2017.
[15] 张宏国,石岩磊,马超,等.面向大规模并发制造服务请求的资源优化配置[J].哈尔滨理工大学学报,2019,24(3):9-15.
ZHANG Hongguo, SHI Yanlei, MA Chao, et al. Optimization Allocation of Resources for Massive Manufacturing Service Requests[J]. Journal of Harbin University of Science and Technology, 2019,24(3):9-15.
[16] 彭天昊, 潘有顺, 杨胜林. 基于Map Reduce的聚类算法相似性度量分析研究[J]. 现代信息科技,2018, 2(11):18-20.
PENG Tianhao, PAN Youshun, YANG Shenglin, et al. Research on Similarity Measure Analysis of Clustering Algorithm Based on Map Reduce[J]. Modern Information Technology, 2018, 2(11):18-20.
[17] NING Fanghua, ZHOU Weizhong, ZHANG Fengying, et al. The Architecture of Cloud Manufacturing and Its Key Technologies Research[C]∥IEEE International Conference on Cloud Computing & Intelligence Systems. Beijing,2011:288-292.
[18] 宋杰, 王科社, 陈婉,等.基于MVVM模式的滚珠丝杠副工艺卡输出设计[J]. 组合机床与自动化加工技术，2017(3):148-150.
SONG Jie, WANG Keshe, CHEN Wan, et al. Output Design of Ball Screw Pair Craft Card Based on MVVM Pattern[J].Modular Machine Tool & Automatic Manufacturing Technique, 2017(3):148-150.
[19] WERNER M. A Dynamic Routing Concept for ATM-based Satellite Personal Communication Networks[J]. IEEE Journal on Selected Areas Communications , 1997,15(8): 1636-1648.
