社群化制造是一种新兴的制造模式,其通过服务系统将分散的各种类型的社会化制造企业资源及客户进行互联。这样一方面能够节约客户的资本,实现其个性化的服务需求;另一方面,能够使闲散的社会制造资源得到利用,提高了制造企业的利润。然而,社群化制造模式下的服务供需匹配却存在着一定的复杂性:企业服务资源的QoS属性及客户选择服务时的需求偏好并不是固定不变的,其会根据自身的情况发生改变,并且社群中的企业来源具有社会性,这使得企业可以随时地退出社群,加剧了社群化制造的动态复杂性。因此,这些变化的因素会直接影响到后续的服务匹配效果。而目前制造领域的服务匹配方法缺乏这方面的考虑,其主要在假定企业服务资源或客户需求偏好不发生变化的情况下对候选服务进行协同组合并实施优化,从而寻找最优的服务方案,但这并不适合社群化制造模式下的服务供需匹配。因此,如何设计合适的服务匹配策略来更好地实现动态环境下社群化制造服务的供需匹配就成为本领域亟待解决的关键问题。基于此,本文引入计算实验的思想,重点研究社群化制造服务匹配策略,提出了一种基于计算实验评估的社群化制造服务匹配策略研究方法,主要包括三方面:(1)社群化制造服务匹配策略的设计。结合社群化制造模式的动态供需匹配特点及现有制造领域的服务匹配方法来设计社群化制造服务匹配策略。本文共构建了四种策略,分别为:面向供应侧的服务匹配策略、面向需求侧的服务匹配策略、面向供应侧与需求侧的服务匹配策略及优化的供应侧与需求侧的服务匹配策略,这四种服务匹配策略为计算实验的评估提供了载体。(2)实验系统模型的构建。由于社群化制造模式的动态复杂性,在实际环境中对所设计出的服务策略进行全面地测试评估将很难实现,因此,本文引入计算实验的思想来构建社群化制造服务的实验系统模型。文中分别从服务提供商Agent模型、客户Agent模型及系统环境模型这三个方面来构建社群化制造服务的实验系统模型,为计算实验的评估提供了基础。(3)计算实验评估。首先,基于(2)的实验系统模型并借助Repast Simphony软件平台开发出了相应的社群化制造服务的计算实验系统;然后,分别在市场需求稳定和市场需求波动这两种情景下对四种服务匹配策略进行仿真测试分析,从而为选择出性能最好的服务匹配策略提供支持。实验结果表明:在需求稳定及需求波动这两种情景下,面向供应侧与需求侧的服务匹配策略的运行效果要明显优于面向供应侧的服务匹配策略及面向需求侧的服务匹配策略,而优化的供应侧与需求侧的服务匹配策略与面向供应侧与需求侧的服务匹配策略相比更进一步地提高了服务匹配质量。因此总的来说,优化的供应侧与需求侧的服务匹配策略运行效果最好,同时也验证了本文所提出的研究方法的可行性。