一种云制造服务供应商的服务能力在线评价方法及系统与流程

本发明涉及云制造技术领域，尤其是涉及一种云制造服务供应商的服务能力在线评价方法及系统。

背景技术：

随着新一代信息技术和制造业的深度融合，我国智能制造发展取得明显的进步，以高档数控机床为代表的关键设备正在取得飞速的发展。但是制造业也面临许多挑战，例如：如何整合社会资源，提高资源利用率，以及如何实现服务型制造等。这时云制造的概念就应运而生。云制造系统中的角色主要有三种，分别是云制造服务商(或称服务供应商)、云制造运营商(云平台运营商)、云制造需求方。云制造服务商在云平台上发布自己的服务能力，形成云平台上的服务能力池；云制造需求方通过云平台发布制造需求；云制造运营商可以根据一定的规则进行供需匹配，向服务商和需求方提供匹配结果，进行交易推荐(及交易撮合)。当云制造服务商和云制造需求方对推荐结果满意并达成交易意向后，云平台进行交易管理和服务过程追踪，保证云制造服务商完成相关的服务，满足云制造需求方的服务需求。

在交易撮合和服务过程追踪过程中，对云制造服务商服务能力(一般是制造能力)进行有效的评价，是保证匹配正确和服务正常进行的基础和关键。如果供应商虚报加工能力，则其接到服务订单后可能不能按时或按质(满足质量要求)完成；如果在服务执行过程中，服务商的制造能力突然发生变化，如果能及时发现，可以及时进行服务变更(如变更服务供应商)，保证订单按期完成。

目前对于云制造服务商的评价大致都是“离线”或事后完成，其中专利cn10286214a和专利cn105574653a就是典型的离线评价方法。

专利cn10286214a(供应商评分系统及方法)中公开了一种供应商评分方法，主要步骤如下：先是选择一个评分大项并且在这个评分大项下面选择若干评分小项；分别计算这些评分小项的值；当这些评分小项的值都计算完之后，再分别对这些小项的值进行评分，最终生产相应的供应商报表。但是，各评分大项和评分小项都采用固定的经验权重，这无法满足不同情形下的供应商评价。

专利cn105574653a(基于数据仓库的供应商评价与选择方法)公开了一种数据仓库的供应商评价和选择方法，主要步骤如下：先确定供应商的评价指标、体系和对应的数据来源；再确定指标的计算逻辑和各指标的得分规则；接着根据这些计算逻辑和得分规则搭建评价体系模型，最终计算各个供应商的综合得分。但是这种方法中人的经验和判断占据了很大的比重，缺乏客观性。

另外一种方法是通过其过去执行订单的能力，来评价其制造加工能力。专利cn104123653a和专利cn103235983a就是典型的事后评价方法。

专利cn104123653a(用于一个或多个用户的供应商评价方法和装置)中公开一种用于一个或多个用户的供应商评价方法，主要步骤如下：先检索多个候选的供应商，获取多个评价项目数据，根据这些评价数据选择相应的评价点；再选择相应的评价情形，同时确定对应的权重；接着得到这些供应商的评分，并按照评分对这些供应商进行排序；最后根据排序来更新之前的权重。但是这里的评价点更多的是供应商的库存状况、交货状况、技术状况和品质状况等，缺乏实时的供应商评价能力。

专利cn103235983a(一种多维度的供应商自动评价方法)公开了一种多维度的供应商自动评价方法，其特征在于从多指标、多体系、多规则、多组织和人员多维度提出对供应商行为进行评价监督和管理，评价指标是用户自行定义的用于考核供应商在与本企业交易过程中不同表现的准则，由系统自动计算出相应指标项的分数并应用到供应商管理系统中，通过对不同评价指标评分的汇总结果，在供应商级别管理设置供应商的级别。这是属于一种利用历史交易数据来对供应商评价(或者说评价)的方法，不能在线对服务商进行评价。

总的来说，一种方法是通过填写相应的表格来静态定义服务供应商的能力，由评分人给出相应的评分，再给评价的能力赋予不同的权重，从而可以得到机床的加工能力的评分，但是这种方法，人的经验和判断占据了很大的比重，缺乏客观性。另外一种方法是通过其过去执行订单的能力，来评价其制造加工能力，但是这种方法不能实时的反映供应商的加工能力，综上所述，缺乏一种在线的、实时的服务供应商能力评价方法。

由于云制造服务供应商的能力大部分是通过机床加工设备来完成，因此，本发明利用机床加工设备的性能测评，来反映供应商的服务能力。由于机床加工设备的在线性能测评方法比较成熟，利用这个数据，通过本发明方法，可以方便、实时地获取制造服务供应商的评价数据，从而实现对供应商能力的及时评价。这个评价数据对云制造服务供需匹配、服务执行过程的追踪都有参考价值。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种云制造服务供应商的服务能力在线评价方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种云制造服务供应商的服务能力在线评价方法，用于在线获取数据并根据在线数据动态计算得到供应商的服务能力评价，包括以下步骤：

步骤s01：云平台在线获得云制造服务商机床性能测试各个指标值；

步骤s02：云平台将指标值与标准值进行比较，通过公式一计算各指标值与标准值比值的评分；

步骤s03：云平台将各个评分相加并求均值，得到性能测试评分；

步骤s04：云平台利用性能测试评分及其均值，通过公式二计算加工稳定性的评分；

步骤s05：云平台设置性能测试评分与加工稳定性的评分权重，并计算出总体评分；

步骤s06：云平台按照不同的评分区间统计机床的数量，结合实际性能需求对供应商作出评价。

进一步地，所述的步骤s02的公式一具体为：

式中，k表示测试指标值和标准值的比值的偏差上限，其取值范围为2<k<5；j是测试指标值和标准值的比值的偏差下限，其取值范围为0.1<j<1，比值为测试指标值和标准值的比值，a为进给轴精度指标的评分，b为测试指标值和标准值的比值。

进一步地，所述的步骤s04的公式二具体为：

式中，p的取值范围为0～1，c为偏离程度，d为性能测试评分，e为性能测试评分的平均值，f为加工稳定性的评分。

进一步地，所述的不同的评分区间通过将0～1划分成n个评分区间以形成，n为3～8中任意一个自然数，用于根据设备总体评分在不同评分区间的分布来进行服务能力评估。

一种采用所述的一种云制造服务供应商的服务能力在线评价方法的一种云制造服务供应商的服务能力在线评价系统，包括云平台和用于接受所述云平台的性能测试请求，并向所述云平台传输相关的测试数据的云制造服务商，所述云平台由用于进行性能测试并且计算性能测试的评分的性能测试计算模块a、用于根据机床的性能测试评分来计算机床的加工稳定性评分的加工稳定性计算模块b和用于得到动态数据总的评分以及根据总的评分对供应商的加工能力进行评价加工能力评价模块c组成。

与现有技术相比，本发明具有以下优点：

(1)本发明主要利用了云制造服务供应商接入云平台的机床性能测试数据，并通过对这些数据进行处理得到了一种供应商的加工能力的评价方法，机床本身的性能测试数据能反映供应商的服务能力(加工能力)。

(2)本发明提出的方法，包括静态数据和动态数据两部分，静态数据核心就是机床的类型和数量，代表一种基本的能力数据；动态数据主要有二类，分别是性能测试评分、加工稳定性评分。

(3)性能测试评分是由性能测试的结果分析得到的，参考目前常用的方法，使用3个指标，分别是进给轴精度指标(测量进给轴的定位误差)、主轴精度指标(测量主轴的径向和轴向误差)、伺服系统运行性能指标(测量电机的速度)。

(4)加工的稳定性评分是通过分析性能测试的历史数据得到，是评价机床在一定加工服务时间内，性能指标的一个稳定程度，如果一个机床一次性能指标好，但是随着加工时间增加其性能指标波动比较大，则从侧面说明其服务能力不稳定，

(5)不同机床的动态数据的总体评分差距会有点大，如果只是简单的加起来求平均，可能会掩盖真实的加工能力，将总体评分划分成n个区间(n一般取3～8中的任意一个数字)，统计不同区间的机床数量，结合实际需求对供应商做出评价。

(6)本发明根据云平台性能测试的数据，实时地分析供应商接入设备的状态，性能测试的数据的波动体现在两部分，一是这些机床的性能测评数据发生改变，二是参与测评机床的数量变化，可以有效地实时反映这两种波动，云平台一旦发现供应商的加工能力发生波动，在分配任务的时候可以进行动态的调整。

附图说明

图1为本发明的供应商的服务能力在线评价的总体架构图；

图2为本发明的供应商的服务能力在线评价的流程示意图；

图3为本发明实施例的评价结果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例

本实施例的整体架构图如图1所示，用于实施本发明所保护方法的系统主要由两部分组成，云平台和云制造服务商。其中云平台主要由3个模块组成，分别是性能测试计算模块a、加工稳定性计算模块b、加工能力评价模块c。云制造服务商主要是接受云平台的性能测试请求，并向云平台传输相关的测试数据。云制造服务商拥有设备(如数控机床)，分别nc11、nc12、nc21……等。

性能测试计算模块a，主要是进行性能测试并且计算性能测试的评分。对数控机床发送性能测试请求，数控机床运行标准体检程序并且返回测试过程中采集的数据。由模块a对这些测试数据进行分析处理，得到进给轴精度指标、主轴精度指标、伺服系统运行性能指标的评分，然后把这些评分加起来求均值，该均值就是性能测试的评分。

加工稳定性计算模块b，主要是根据机床的性能测试评分来计算机床的加工稳定性评分。先计算性能测试评分和最近几次性能测试评分的平均值的偏离程度，再通过公式将偏离程度转换成加工稳定性的评分。

加工能力评价模块c，主要是得到动态数据总的评分以及根据总的评分对供应商的加工能力进行评价。先确定性能测试评分和加工稳定性评分的权重，可以得到动态数据总的评分；然后根据供应商每台机床总的评分和机床数量，云平台按照不同的评分区间统计机床的数量，结合实际的需求对供应商做出评价。

如图2所示为本发明方法的具体流程示意图，其包括以下具体步骤：

s01：需要根据不同的机床类型运行不同的性能测试标准程序，这是因为不同类型的机床需要设置不同的采集方式，例如五轴数控机床、三轴数控机床的主轴和进给轴的位置、速度采集方式就存在差异；运行标准程序的过程中会采集机床的数据；通过计算进给轴的定位误差(定位误差是指机床部件沿着进给轴进行直线运动时，从一点到另一点的实际位置与理想位置的偏离值)，将各个进给轴的定位误差加起来求均值可以得到进给轴精度指标；计算主轴的径向误差和轴向误差，将径向误差和轴向误差加起来求均值得到主轴精度指标；计算电机等间隔时间段内速度的最大值和最小值的差值，将这些差值加起来求均值可以得到伺服系统运行性能指标。

s02：这个步骤是把上传到云平台上的测试指标值计算得到评分。

以进给轴精度指标的标准值为例，云平台统计所有机床性能测试的进给轴精度指标，把这些指标值加起来求均值，这个均值就是进给轴精度指标的标准值，这个标准值在一定时间内是不变的；计算进给轴精度指标和标准值的比值，通过公式(3)可以将比值转换成进给轴精度指标的评分；同理可以计算其它指标的评分。

k表示测试指标值和标准值的比值的偏差上限，如果比值大于k，表示得到的测试指标值偏离标准值很多，得到0分，这个k一般取值为2<k<5；j是偏差的下限，如果比值小于j，就表示和标准值很接近，可以得到1分(满分)，j一般取值为0.1<j<1。本实施例中，j选择为0.5，k选择为3，a为进给轴精度指标的评分，b为测试指标值和标准值的比值。用户可以根据自己的实际情况进行调整。

s03：这个步骤是把3个测试指标评分进行平均，得到性能测试的一个综合评分(性能测试评分)。

s04：通过公式(4)计算性能测试评分和最近几次性能测试评分平均值的偏离程度，通过公式(5)计算加工稳定性的评分。

p的取值为一个0～1中的数字，用户可以根据实际情况进行选择。如果偏离程度大于等于p的数字，表示偏离度很大，得分就是0分，小于p，得分为一个0～1中的数值，c为偏离程度，d为性能测试评分，e为性能测试评分的平均值，f为加工稳定性的评分。优选地，本实施例选择p为0.2。

s05：性能测试评分和加工稳定性评分的权重可以根据需要进行调整，如果对性能要求比较高，则提高性能测试评分的权重，例如总的评分＝0.7*性能测试评分+0.3*加工稳定性评分；如果对加工稳定性要求比较高，则提高加工稳定性评分的权重，例如总的评分＝0.3*性能测试评分+0.7*加工稳定性评分。

s06：将动态数据的总体评分划分为n个评分区间，n一般为3～8中的某个值。优选地，本实施例中选择分5个区间，这样分别是[0,0.2)、[0.2,0.4)、[0.4,0.6)、[0.6,0.8)和[0.8,1]，统计供应商每个区间的机床数量，根据每个区间的机床数量和实际的需求，对供应商进行评价。

以下如图3所示进行评价选择供应商：

如果需要加工精密的产品，需要关注的是评分在[0.8,1]之间的机床数量所占机床总数的百分比，选择百分比最大的供应商；

如果对加工的产品精度要求不是太高，需要关注的是评分在区间[0,0.2)、[0.2,0.4)、[0.4,0.6)、[0.6,0.8)和[0.8,1]之间的机床数量所占机床总数的百分比，选择百分比最大的供应商；

如果要求加工能力不能低于平均水平，需要关注的是评分在[0,0.2)之间的机床数量占机床总数的百分比，选择百分比最小的供应商。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。