ICS35.240.50

CCSL67

團(tuán)體標(biāo)準(zhǔn)

T/CSTE0435—2023

制造業(yè)多價值鏈協(xié)同數(shù)據(jù)空間概念模型

Conceptualmodelofmanufacturingmulti-valuechaincollaborative

dataspace

學(xué)兔兔標(biāo)準(zhǔn)下載

2023-10-16發(fā)布2023-10-16實施

中國技術(shù)經(jīng)濟(jì)學(xué)會發(fā)布

T/CSTE0435—2023

制造業(yè)多價值鏈協(xié)同數(shù)據(jù)空間概念模型

1范圍

本文件規(guī)定了制造業(yè)多價值鏈協(xié)同數(shù)據(jù)空間概念模型構(gòu)建的總則、制造業(yè)多價值鏈協(xié)同數(shù)據(jù)準(zhǔn)備模塊、

制造業(yè)多價值鏈協(xié)同數(shù)據(jù)管理模塊和制造業(yè)多價值鏈協(xié)同數(shù)據(jù)應(yīng)用模塊。

本文件適用于電力裝備制造、飛機(jī)制造、汽車制造、家用電器等離散型制造企業(yè)開展協(xié)同數(shù)據(jù)空間研

發(fā)和應(yīng)用。

2規(guī)范性引用文件

下列文件中的內(nèi)容通過文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，

僅該日期對應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本(包括所有的修改單)適用于本文件。

GB/T28821關(guān)系數(shù)據(jù)管理系統(tǒng)技術(shù)要求

GB/T37025信息安全技術(shù)物聯(lián)網(wǎng)數(shù)據(jù)傳輸安全技術(shù)要求

GB/T37973信息安全技術(shù)大數(shù)據(jù)安全管理指南

GB/T39400工業(yè)數(shù)據(jù)質(zhì)量通用技術(shù)規(guī)范

GB/Z42885信息安全技術(shù)網(wǎng)絡(luò)安全信息共享指南

3術(shù)語和定義

下列術(shù)語和定義適用于本文件。

3.1

數(shù)據(jù)空間

所有與主體相關(guān)的數(shù)據(jù)及其關(guān)系的集合，且主體對象能夠控制和使用數(shù)據(jù)空間中的所有相關(guān)數(shù)據(jù)。

3.2

制造業(yè)多價值鏈

制造企業(yè)及其協(xié)作企業(yè)在生產(chǎn)經(jīng)營過程中為共同提高自身價值，從生產(chǎn)、供應(yīng)、營銷和服務(wù)等多方面

以合作形式展開的一系列增值活動。

3.3

多價值鏈協(xié)同建模multi-valuechaincollaborativemodeling

通過分析多價值鏈間的協(xié)同關(guān)系，構(gòu)建內(nèi)外部價值鏈協(xié)同的數(shù)據(jù)分析模型和框架，以提高生產(chǎn)效率，

優(yōu)化資源利用。

3.4

快速索引quickindexing

一種快速建立索引或檢索數(shù)據(jù)的方法，以提高數(shù)據(jù)檢索的效率。

3.5

學(xué)兔兔關(guān)聯(lián)表示associatirepresentation標(biāo)準(zhǔn)下載

在數(shù)據(jù)建模中，用于表示和處理數(shù)據(jù)之間關(guān)聯(lián)關(guān)系的方法和技術(shù)。

3.6

全鏈搜索end-to-endsearch

在數(shù)據(jù)管理和檢索過程中，跨多個價值鏈和數(shù)據(jù)源進(jìn)行全面搜索和查詢的方法。

1

T/CSTE0435—2023

3.7

集成演化integratedevolution

在數(shù)據(jù)管理系統(tǒng)或架構(gòu)中，通過智能預(yù)測等技術(shù)，實現(xiàn)數(shù)據(jù)整體演變過程的可視化。

4總則

4.1原則

在構(gòu)建和應(yīng)用制造業(yè)多價值鏈協(xié)同數(shù)據(jù)空間時，應(yīng)遵守以下原則：

1）數(shù)據(jù)傳輸安全原則：數(shù)據(jù)傳輸按照應(yīng)按照GB/T37025方法進(jìn)行。

2）數(shù)據(jù)完整性原則：數(shù)據(jù)完整性應(yīng)按GB/T28821方法進(jìn)行。

3）數(shù)據(jù)管理安全原則：數(shù)據(jù)管理安全應(yīng)按GB/T37973方法進(jìn)行。

4）數(shù)據(jù)質(zhì)量原則：數(shù)據(jù)質(zhì)量監(jiān)控應(yīng)按GB/T39400方法進(jìn)行。

5）數(shù)據(jù)共享機(jī)制原則：數(shù)據(jù)共享機(jī)制應(yīng)按GB/Z42885方法進(jìn)行。

6）數(shù)據(jù)時效性原則：數(shù)據(jù)空間的數(shù)據(jù)應(yīng)當(dāng)及時更新，反映當(dāng)前的制造企業(yè)當(dāng)前實際情況，避免使用

過時的數(shù)據(jù)。

7）數(shù)據(jù)一致性原則：在多價值鏈協(xié)同中，涉及制造業(yè)多價值鏈的多個環(huán)節(jié)和參與方，數(shù)據(jù)空間的信

息當(dāng)在不同環(huán)節(jié)之間保持一致，避免出現(xiàn)矛盾。

4.2模型框架

制造業(yè)多價值鏈協(xié)同數(shù)據(jù)空間概念模型包括3個模塊，分別是制造業(yè)多價值鏈協(xié)同數(shù)據(jù)準(zhǔn)備模塊、制

造業(yè)多價值鏈協(xié)同數(shù)據(jù)管理模塊、制造業(yè)多價值鏈協(xié)同數(shù)據(jù)應(yīng)用模塊。模型框架如圖1所示：

學(xué)兔兔標(biāo)準(zhǔn)下載

圖1制造業(yè)多價值鏈協(xié)同數(shù)據(jù)空間概念模型框架

2

學(xué)兔兔標(biāo)準(zhǔn)下載

T/CSTE0435—2023

制造業(yè)多價值鏈協(xié)同數(shù)據(jù)空間概念模型從智能制造需求出發(fā)，聯(lián)合內(nèi)外部價值鏈，為企業(yè)構(gòu)建數(shù)據(jù)空

間進(jìn)行規(guī)范。各模塊主要功能如下：

1）制造業(yè)多價值鏈協(xié)同數(shù)據(jù)準(zhǔn)備模塊旨在從制造企業(yè)內(nèi)外部多價值鏈層進(jìn)行數(shù)據(jù)的采集和輸入。

2）制造業(yè)多價值鏈協(xié)同數(shù)據(jù)管理模塊旨在對數(shù)據(jù)進(jìn)行集成、存儲和管理。

3）制造業(yè)多價值鏈協(xié)同數(shù)據(jù)應(yīng)用模塊旨在提供知識服務(wù)、數(shù)據(jù)分析和應(yīng)用輸出。

5制造業(yè)多價值鏈協(xié)同數(shù)據(jù)準(zhǔn)備模塊

5.1數(shù)據(jù)準(zhǔn)備模塊的構(gòu)成

制造業(yè)多價值鏈協(xié)同數(shù)據(jù)準(zhǔn)備模塊由多價值鏈協(xié)同數(shù)據(jù)來源層、內(nèi)外部多價值鏈層和多價值鏈協(xié)同數(shù)

據(jù)輸入層共同構(gòu)成。

5.2多價值鏈協(xié)同數(shù)據(jù)來源層

多價值鏈協(xié)同數(shù)據(jù)來源層包含構(gòu)成數(shù)據(jù)空間最初的數(shù)據(jù)來源，涉及數(shù)據(jù)提供主體、數(shù)據(jù)特點、數(shù)據(jù)采

集方式等以下要點：

1）數(shù)據(jù)提供主體包括制造企業(yè)及其協(xié)作企業(yè)，還可根據(jù)需求考慮經(jīng)濟(jì)、社會、環(huán)境等宏觀外部影響

因素，從市場上搜集數(shù)據(jù)。制造企業(yè)和協(xié)作企業(yè)的數(shù)據(jù)涵蓋生產(chǎn)價值鏈、供應(yīng)價值鏈、營銷價值鏈、服務(wù)

價值鏈等價值鏈數(shù)據(jù)。

2）數(shù)據(jù)特點為多源異構(gòu)數(shù)據(jù)。多源即數(shù)據(jù)來源多樣，來自于制造企業(yè)內(nèi)外部價值鏈和市場。數(shù)據(jù)類

型包括結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。

3）數(shù)據(jù)采集方式，可采用非接觸式的自動識別技術(shù)、傳感器、流式日志采集工具等技術(shù)對多源異構(gòu)

數(shù)據(jù)進(jìn)行采集，以便后續(xù)對數(shù)據(jù)的處理和分析。

5.3內(nèi)外部多價值鏈層

內(nèi)外部多價值鏈層包含制造企業(yè)所擁有的所有價值流組成的價值鏈，從企業(yè)內(nèi)部價值鏈中提取多源異

構(gòu)數(shù)據(jù)，其中內(nèi)部價值鏈主要包括生產(chǎn)價值鏈，外部價值鏈包括供應(yīng)價值鏈、營銷價值鏈和服務(wù)價值鏈。

各價值鏈作用介紹如下：

1）生產(chǎn)價值鏈涵蓋各個生產(chǎn)環(huán)節(jié)的效率和質(zhì)量，包括研發(fā)投入、生產(chǎn)調(diào)度、排產(chǎn)優(yōu)化和產(chǎn)品質(zhì)量的

控制等。

2）供應(yīng)價值鏈?zhǔn)侵冈诠?yīng)鏈中涉及到的各環(huán)節(jié)和參與者之間的價值創(chuàng)造和交付過程，包括從原材料

采購、生產(chǎn)制造、多級庫存、分銷銷售到最終客戶的整個流程。

3）營銷價值鏈?zhǔn)峭ㄟ^有效的市場營銷活動，吸引潛在客戶，滿足客戶需求，實現(xiàn)產(chǎn)品銷售和附加值

的創(chuàng)造，包括配送需求、隨機(jī)訂單、潛在客戶等方面。

4）服務(wù)價值鏈?zhǔn)峭ㄟ^優(yōu)化服務(wù)的各個環(huán)節(jié)，提供高質(zhì)量、高效率和個性化的服務(wù)，以滿足客戶的需

求并創(chuàng)造附加值，包括服務(wù)設(shè)計、交付執(zhí)行和售后支持等方面。

5.4多價值鏈協(xié)同數(shù)據(jù)輸入層

多價值鏈協(xié)同數(shù)據(jù)輸入層將企業(yè)所提供的多源異構(gòu)數(shù)據(jù)，包括文本、郵件、圖像、通信、WebPage和

RDBMS等形式的數(shù)據(jù)進(jìn)行匯集，輸入到數(shù)據(jù)空間中。構(gòu)建多價值鏈協(xié)同數(shù)據(jù)輸入層的目的和任務(wù)為：

1）數(shù)據(jù)輸入層的目的在于解決不同計算方式和不同存儲環(huán)境的差異，從數(shù)據(jù)提取到數(shù)據(jù)服務(wù)全過程，

實現(xiàn)可管理、可追溯，構(gòu)建以實體對象為中心的制造業(yè)多價值鏈數(shù)據(jù)資產(chǎn)。

2）數(shù)據(jù)輸入層的關(guān)鍵任務(wù)是通過數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)匯聚等技術(shù)從原始數(shù)據(jù)中提取有效的信

息，學(xué)兔兔構(gòu)建標(biāo)準(zhǔn)規(guī)范、有序可控的數(shù)據(jù)資產(chǎn)，實現(xiàn)真正的數(shù)據(jù)大融合。標(biāo)準(zhǔn)下載

6制造業(yè)多價值鏈協(xié)同數(shù)據(jù)管理模塊

6.1數(shù)據(jù)管理模塊的構(gòu)成

制造業(yè)多價值鏈協(xié)同數(shù)據(jù)管理模塊由多價值鏈協(xié)同數(shù)據(jù)集成層、多價值鏈協(xié)同數(shù)據(jù)存儲層和多價值鏈

協(xié)同數(shù)據(jù)管理層共同構(gòu)成。

6.2多價值鏈協(xié)同數(shù)據(jù)集成層

3

T/CSTE0435—2023

多價值鏈協(xié)同數(shù)據(jù)集成層將不同來源、格式、特點的數(shù)據(jù)在邏輯上或物理上有機(jī)集中，為企業(yè)提供全

面的數(shù)據(jù)共享，主要解決數(shù)據(jù)的分布性和異構(gòu)性的問題。主要包括數(shù)據(jù)接入、數(shù)據(jù)采集、文件采集、數(shù)據(jù)

清洗、數(shù)據(jù)抽取、數(shù)據(jù)生成和數(shù)據(jù)匯聚等處理過程，具體過程描述如下：

1）應(yīng)用云計算和邊緣計算對采集的多源異構(gòu)的數(shù)據(jù)集進(jìn)行清洗、轉(zhuǎn)換、集成等預(yù)處理工作。

2）應(yīng)用元數(shù)據(jù)管理組件收集、存儲、查詢和維護(hù)數(shù)據(jù)集描述、字段定義、數(shù)據(jù)質(zhì)量指標(biāo)等元數(shù)據(jù)信

息，形成數(shù)據(jù)字典。

3）應(yīng)用區(qū)塊鏈和分布式賬本技術(shù)提供去中心化、安全和可追溯的數(shù)據(jù)交換和共享方式，確保數(shù)據(jù)的

不可篡改性、數(shù)據(jù)來源的可信度和交易的可追溯性，以增強(qiáng)多價值鏈協(xié)同數(shù)據(jù)的可信度和可靠性。

4）應(yīng)用數(shù)據(jù)質(zhì)量管理組件對數(shù)據(jù)進(jìn)行質(zhì)量評估、數(shù)據(jù)清洗、數(shù)據(jù)校驗、數(shù)據(jù)修復(fù)等，以確保數(shù)據(jù)的

準(zhǔn)確性、完整性和可信度。

6.1.2多價值鏈協(xié)同數(shù)據(jù)存儲層

多價值鏈協(xié)同數(shù)據(jù)存儲層將數(shù)據(jù)有效的收集和留存，通過對多源異構(gòu)數(shù)據(jù)標(biāo)準(zhǔn)化的處理，實現(xiàn)海量數(shù)

據(jù)儲存的流程化與可實施化。數(shù)據(jù)存儲層的設(shè)計取決于數(shù)據(jù)的類型、規(guī)模、訪問模式和性能需求等因素。

主要包含關(guān)系型數(shù)據(jù)庫、分布式存儲系統(tǒng)、對象存儲、列式存儲。主要儲存方式介紹如下：

1）關(guān)系型數(shù)據(jù)庫（RDBMS）是最常見的數(shù)據(jù)存儲技術(shù)之一，使用表格和關(guān)系模型來組織和存儲數(shù)據(jù)。

2）分布式存儲系統(tǒng)是將數(shù)據(jù)存儲在多個節(jié)點上的文件系統(tǒng)，具有高可擴(kuò)展性和容錯性。

3）對象存儲是一種用于存儲和檢索大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)的存儲方法，它以對象為基本存儲單元，并

使用唯一的標(biāo)識符（如URL）進(jìn)行訪問。

4）列式存儲是一種以列為單位存儲數(shù)據(jù)的存儲技術(shù)，與傳統(tǒng)的行式存儲相比，列式存儲在分析場景

下可以提供更好的性能，因為它可以只選擇和讀取所需的列，減少了數(shù)據(jù)的讀取量。

6.1.3多價值鏈協(xié)同數(shù)據(jù)管理層

多價值鏈協(xié)同數(shù)據(jù)管理層通過數(shù)據(jù)建模、快速索引、關(guān)聯(lián)表示、全鏈搜索、集成演化、管理引擎等換

以下技術(shù)對數(shù)據(jù)資產(chǎn)進(jìn)行管理。應(yīng)依據(jù)企業(yè)特點為其單獨設(shè)立管理系統(tǒng)模型及管理系統(tǒng)架構(gòu)，以獨立、安

全有效的方式對數(shù)據(jù)空間進(jìn)行管理。

1）數(shù)據(jù)建模：利用先進(jìn)的數(shù)據(jù)建模技術(shù)，對涉及生產(chǎn)、供應(yīng)鏈和銷售等各個環(huán)節(jié)的數(shù)據(jù)進(jìn)行建模，

以便更好地理解數(shù)據(jù)之間的關(guān)系，形成全面的數(shù)據(jù)視圖。

2）快速索引：實施快速索引技術(shù)以提高數(shù)據(jù)檢索效率。通過建立高效的索引結(jié)構(gòu)，快速定位和檢索

所需的數(shù)據(jù)，提高數(shù)據(jù)訪問速度。

3）關(guān)聯(lián)表示：使用關(guān)聯(lián)表示技術(shù)來揭示不同數(shù)據(jù)之間的關(guān)聯(lián)性。通過深入挖掘數(shù)據(jù)關(guān)聯(lián)，獲得更深

層次的業(yè)務(wù)理解，并支持更準(zhǔn)確的決策。

4）全鏈搜索：實現(xiàn)全鏈搜索功能，以確保對整個價值鏈的數(shù)據(jù)進(jìn)行全面搜索。這有助于跨部門、跨

業(yè)務(wù)的信息共享和協(xié)同。

5）集成演化：采用集成演化技術(shù)，使系統(tǒng)能夠適應(yīng)業(yè)務(wù)的不斷變化。包括對新數(shù)據(jù)源的集成、系統(tǒng)

升級和擴(kuò)展，以應(yīng)對不斷演變的制造業(yè)環(huán)境。

6）管理引擎：引入管理引擎，通過自動化、監(jiān)控和報告功能優(yōu)化數(shù)據(jù)管理流程。管理引擎可幫助實

現(xiàn)數(shù)據(jù)的合規(guī)性、質(zhì)量控制和安全性。

7制造業(yè)多價值鏈協(xié)同數(shù)據(jù)應(yīng)用模塊

7.1學(xué)兔兔數(shù)據(jù)應(yīng)用模塊的構(gòu)成標(biāo)準(zhǔn)下載

制造業(yè)多價值鏈協(xié)同數(shù)據(jù)應(yīng)用模塊由多價值鏈協(xié)同知識服務(wù)層、多價值鏈協(xié)同數(shù)據(jù)分析層和多價值鏈

協(xié)同應(yīng)用輸出層共同構(gòu)成。

7.1.1多價值鏈協(xié)同知識服務(wù)層

多價值鏈協(xié)同知識服務(wù)層應(yīng)基于數(shù)據(jù)空間的數(shù)據(jù)，為企業(yè)提供多種知識服務(wù)功能，主要通過構(gòu)建知識

問答系統(tǒng)或知識服務(wù)系統(tǒng)等以下方式來實現(xiàn)。

4

學(xué)兔兔標(biāo)準(zhǔn)下載

T/CSTE0435—2023

1）知識問答系統(tǒng)可結(jié)合最新行業(yè)大型語言模型，從知識庫、大模型中分別檢索知識，并選取最合適

合理的知識回答給用戶。

2）知識服務(wù)系統(tǒng)可依據(jù)客戶需求，提供實時數(shù)據(jù)支持、可視化分析工具以及個性化服務(wù)等，并依據(jù)

用戶反饋改進(jìn)系統(tǒng)。

7.1.2多價值鏈協(xié)同數(shù)據(jù)分析層

在數(shù)據(jù)空間中多價值鏈協(xié)同的基礎(chǔ)上，針對制造企業(yè)亟需解決的問題，提出需求預(yù)測模型、庫存優(yōu)化

模型、智能報價模型和故障預(yù)警模型等多個智能計算模型?？晒┻x擇的數(shù)據(jù)智能分析模型見圖2。各種模

型對應(yīng)的適用范圍、基本原理和使用方法見附錄A。

圖2制造業(yè)多價值鏈協(xié)同數(shù)據(jù)智能分析模型

7.1.3多價值鏈協(xié)同應(yīng)用輸出層

在經(jīng)過多價值鏈協(xié)同數(shù)據(jù)分析后，企業(yè)可從生產(chǎn)價值鏈端、供應(yīng)價值鏈端、營銷價值鏈端、服務(wù)價值

鏈端出發(fā)，生成報告或者圖表，并提供高級輔助決策信息，從而達(dá)到效率提升、利益分享和排產(chǎn)優(yōu)化等目

的。多價值鏈協(xié)同應(yīng)用輸出層可提供的功能如圖3所示：

學(xué)兔兔標(biāo)準(zhǔn)下載

圖3制造業(yè)多價值鏈協(xié)同應(yīng)用輸出層提供的功能

5

T/CSTE0435—2023

附錄A

（資料性）

制造業(yè)多價值鏈協(xié)同數(shù)據(jù)智能分析模型

A.1基于機(jī)器學(xué)習(xí)的物資需求預(yù)測模型

A.1.1適用范圍

適用于制造業(yè)多價值鏈物流需求預(yù)測場景。

A.1.2基本原理

基于機(jī)器學(xué)習(xí)的物資需求預(yù)測模型旨在依據(jù)制造業(yè)多價值鏈數(shù)據(jù)空間的數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)算法對過

去的銷售和需求數(shù)據(jù)進(jìn)行分析，從而準(zhǔn)確預(yù)測未來的物資需求。本部分采用LSTM進(jìn)行物資需求預(yù)測。

A.1.3使用方法

1）數(shù)據(jù)收集與準(zhǔn)備

從制造業(yè)數(shù)據(jù)空間中提取所需數(shù)據(jù)，包括運輸時間、貨物數(shù)量、交通狀況等數(shù)據(jù)。

2）數(shù)據(jù)預(yù)處理

對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化或歸一化，將時間序列數(shù)據(jù)劃分為訓(xùn)練集和測試集，確保測試集中包含未來需要預(yù)

測的時間段。

3）構(gòu)建LSTM模型

設(shè)計LSTM網(wǎng)絡(luò)的結(jié)構(gòu)，包括網(wǎng)絡(luò)層數(shù)、LSTM單元數(shù)量等，定義輸入特征，并設(shè)置輸出層。

4）模型訓(xùn)練

使用訓(xùn)練集對LSTM模型進(jìn)行訓(xùn)練，通過反向傳播來優(yōu)化模型參數(shù)，監(jiān)控訓(xùn)練過程，觀察損失函數(shù)的

變化，以確保模型在訓(xùn)練數(shù)據(jù)上逐漸收斂。

5）模型驗證與調(diào)優(yōu)

使用測試集來驗證模型的性能，評估預(yù)測結(jié)果與實際值之間的誤差，如果模型表現(xiàn)不佳，可以嘗試調(diào)

整超參數(shù)（如學(xué)習(xí)率、LSTM單元數(shù)量等）或增加數(shù)據(jù)特征。

6）預(yù)測與應(yīng)用

使用訓(xùn)練好的LSTM模型對未來時間步的物流數(shù)據(jù)進(jìn)行預(yù)測，根據(jù)預(yù)測結(jié)果，進(jìn)行合理的物流規(guī)劃、

庫存管理等決策。

7）監(jiān)控與更新

定期監(jiān)控模型的性能，確保預(yù)測結(jié)果與實際情況保持一致。隨著新數(shù)據(jù)的積累，可以定期更新模型，

以適應(yīng)不斷變化的物流情況。

A.2基于深度學(xué)習(xí)的庫存優(yōu)化模型

A.2.1適用范圍

學(xué)兔兔適用于制造業(yè)多價值鏈協(xié)同的庫存優(yōu)化場景。標(biāo)準(zhǔn)下載

A.2.2基本原理

基于深度學(xué)習(xí)的庫存優(yōu)化模型是一種利用深度學(xué)習(xí)技術(shù)來預(yù)測和優(yōu)化庫存管理的方法。該模型通過分

析歷史銷售數(shù)據(jù)、供應(yīng)鏈信息等來預(yù)測未來需求，從而幫助企業(yè)更有效地管理庫存，減少過剩或缺貨的情

況。

A.2.3使用方法

6

學(xué)兔兔標(biāo)準(zhǔn)下載

T/CSTE0435—2023

1）數(shù)據(jù)準(zhǔn)備：從制造業(yè)數(shù)據(jù)空間中提取所需數(shù)據(jù)，包括銷售數(shù)據(jù)、庫存記錄、供應(yīng)鏈信息等數(shù)據(jù)。

2）數(shù)據(jù)預(yù)處理：對數(shù)據(jù)進(jìn)行清洗、歸一化，確保數(shù)據(jù)質(zhì)量和可用性。

3）特征工程：提取有意義的特征，例如銷售趨勢、季節(jié)性因素、促銷活動等。

4）建立深度學(xué)習(xí)模型：設(shè)計適合庫存預(yù)測的深度學(xué)習(xí)模型，可選擇的模型包括循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、

長短期記憶網(wǎng)絡(luò)（LSTM）、informer模型等。

5）模型訓(xùn)練：使用歷史數(shù)據(jù)對模型進(jìn)行訓(xùn)練，優(yōu)化模型參數(shù)，使其能夠準(zhǔn)確預(yù)測庫存需求。

6）預(yù)測庫存需求：利用訓(xùn)練好的模型對未來時間段的庫存需求進(jìn)行預(yù)測。

7）優(yōu)化庫存策略：基于預(yù)測結(jié)果，考慮制造業(yè)多價值鏈協(xié)同，進(jìn)而制定合理的庫存策略，包括訂貨

量、補(bǔ)貨時間等。

8）實施與監(jiān)控：將優(yōu)化的庫存策略應(yīng)用于實際供應(yīng)鏈中，并持續(xù)監(jiān)控庫存情況和模型預(yù)測的準(zhǔn)確性。

9）反饋與調(diào)整：根據(jù)實際情況的反饋，對模型和策略進(jìn)行調(diào)整和優(yōu)化，以提高庫存管理效果

A.3基于機(jī)器學(xué)習(xí)的供應(yīng)商智能評價模型

A.3.1適用范圍

適用于制造業(yè)多價值鏈協(xié)同的供應(yīng)商智能評價場景。

A.3.2基本原理

基于機(jī)器學(xué)習(xí)的供應(yīng)商智能評價模型是一種利用機(jī)器學(xué)習(xí)技術(shù)來評估和優(yōu)化供應(yīng)商績效的方法。該模

型可以通過分析供應(yīng)商的歷史數(shù)據(jù)、交貨準(zhǔn)時率、產(chǎn)品質(zhì)量等指標(biāo)，以及其他相關(guān)因素，來生成對供應(yīng)商

的評價和預(yù)測。

A.3.3使用方法

1）數(shù)據(jù)提?。簭闹圃鞓I(yè)數(shù)據(jù)空間中提取所需數(shù)據(jù)，包括交貨記錄、質(zhì)量檢驗結(jié)果、合作歷史等。

2）數(shù)據(jù)預(yù)處理：清洗數(shù)據(jù)，處理缺失值和異常值，確保數(shù)據(jù)質(zhì)量。

3）特征工程：從收集到的數(shù)據(jù)中提取有意義的特征，如交貨準(zhǔn)時率、質(zhì)量得分、供應(yīng)鏈穩(wěn)定性等。

4）建立神經(jīng)網(wǎng)絡(luò)模型：設(shè)計適合供應(yīng)商評價的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，可以選擇多層感知器（MLP）等。

5）模型訓(xùn)練：使用歷史數(shù)據(jù)對模型進(jìn)行訓(xùn)練，優(yōu)化模型參數(shù)，使其能夠準(zhǔn)確預(yù)測供應(yīng)商績效。

6）評價供應(yīng)商：利用訓(xùn)練好的模型對供應(yīng)商進(jìn)行評價，生成綜合的供應(yīng)商績效指標(biāo)。

7）持續(xù)監(jiān)控：將評價結(jié)果應(yīng)用于實際供應(yīng)鏈中，并定期監(jiān)控供應(yīng)商的表現(xiàn)。

8）反饋與調(diào)整：根據(jù)實際情況的反饋，對模型進(jìn)行調(diào)整和優(yōu)化，以提高評價的準(zhǔn)確性和實用性。

A.4基于強(qiáng)化學(xué)習(xí)的生產(chǎn)優(yōu)化調(diào)度智能模型

A.4.1適用范圍

適用于制造業(yè)多價值鏈協(xié)同的生產(chǎn)調(diào)度優(yōu)化場景。

A.4.2基本原理

基于強(qiáng)化學(xué)習(xí)的生產(chǎn)調(diào)度智能模型是一種利用強(qiáng)化學(xué)習(xí)技術(shù)來優(yōu)化生產(chǎn)調(diào)度決策的方法。該模型通過

與環(huán)境交互學(xué)習(xí)，逐步優(yōu)化生產(chǎn)任務(wù)的分配、資源調(diào)度和作業(yè)安排，以實現(xiàn)生產(chǎn)效率的最大化或其他特定

的目學(xué)兔兔標(biāo)。標(biāo)準(zhǔn)下載

A.4.3使用方法

1）建模問題：將生產(chǎn)調(diào)度問題形式化為強(qiáng)化學(xué)習(xí)問題。定義狀態(tài)、動作、獎勵函數(shù)等。

2）環(huán)境建模：將生產(chǎn)調(diào)度環(huán)境抽象為強(qiáng)化學(xué)習(xí)的環(huán)境，考慮生產(chǎn)線的設(shè)備、工序、任務(wù)等因素。

3）選擇強(qiáng)化學(xué)習(xí)算法：選擇適合生產(chǎn)調(diào)度問題的強(qiáng)化學(xué)習(xí)算法，如Q-learning、DeepQNetwork(DQN)、

Actor-Critic等。

7

T/CSTE0435—2023

4）構(gòu)建智能體：設(shè)計強(qiáng)化學(xué)習(xí)智能體，其可以是一個決策策略，用于選擇生產(chǎn)調(diào)度中的動作。

5）定義獎勵函數(shù)：定義獎勵函數(shù)，以指導(dǎo)智能體的學(xué)習(xí)。獎勵函數(shù)應(yīng)該與生產(chǎn)效率、成本、交貨時

間等目標(biāo)相關(guān)。

6）訓(xùn)練智能體：在仿真環(huán)境中，通過與環(huán)境的交互，訓(xùn)練智能體的決策策略，使其逐步優(yōu)化生產(chǎn)調(diào)

度決策。

7）驗證與測試：在制造業(yè)多價值鏈的生產(chǎn)調(diào)度優(yōu)化場景中測試訓(xùn)練好的智能體，評估其在實際任務(wù)

中的性能。

8）優(yōu)化與調(diào)整：根據(jù)測試結(jié)果，對模型和參數(shù)進(jìn)行調(diào)整和優(yōu)化，以提高生產(chǎn)調(diào)度效果。

A.5基于群智能算法的物流優(yōu)化調(diào)度模型

A.5.1適用范圍

適用于制造業(yè)多價值鏈協(xié)同的物流優(yōu)化調(diào)度場景。

A.5.2基本原理

基于群智能算法的物流調(diào)度優(yōu)化模型是一種利用群智能算法來解決復(fù)雜物流調(diào)度問題的方法，該算法

通過模擬自然界中的群體行為，例如蟻群、鳥群等，來優(yōu)化物流任務(wù)的分配、路徑規(guī)劃和資源利用，以實

現(xiàn)物流效率的最大化或其他特定目標(biāo)。

A.5.3使用方法

1）問題建模：將物流調(diào)度問題形式化為優(yōu)化問題。定義任務(wù)、資源、約束條件等。

2）選擇群智能算法：選擇適合物流調(diào)度問題的群智能算法，如蟻群算法、粒子群優(yōu)化、人工魚群算

法等。

3）編碼和解碼：將問題的狀態(tài)和決策映射到算法所需要的表示形式，并確保能夠從算法的搜索空間

中解碼出有效的解決方案。

4）構(gòu)建群體模型：根據(jù)選擇的群智能算法，設(shè)計適當(dāng)?shù)娜后w模型，如蟻群、粒子等，來模擬群體的

行為。

5）適應(yīng)度函數(shù)：定義適應(yīng)度函數(shù)，以評估每個解決方案的質(zhì)量。適應(yīng)度函數(shù)通常與物流調(diào)度目標(biāo)相

關(guān)，如運輸成本、交貨時間等。

6）優(yōu)化過程：通過迭代和搜索，讓群體模型逐步調(diào)整，以找到最優(yōu)或近似最優(yōu)的解決方案。

7）驗證與測試：在制造業(yè)多價值鏈協(xié)同的物流優(yōu)化調(diào)度場景中驗證和測試優(yōu)化模型的性能，比較優(yōu)

化結(jié)果與傳統(tǒng)方法。

8）參數(shù)調(diào)整與優(yōu)化：根據(jù)測試結(jié)果，調(diào)整群智能算法的參數(shù)和模型設(shè)置，以提高優(yōu)化效果。

A.6基于強(qiáng)化學(xué)習(xí)的報價博弈模型

A.6.1適用范圍

適用于制造業(yè)多價值鏈協(xié)同的競價報價、定價策略、資源分配等場景。

A.6.2基本原理

學(xué)兔兔基于強(qiáng)化學(xué)習(xí)的報價博弈模型是一種利用強(qiáng)化學(xué)習(xí)技術(shù)來優(yōu)化報價策略的方法標(biāo)準(zhǔn)下載。在博弈理論中，報價

博弈是指多個參與者在競爭的環(huán)境中根據(jù)對手的行為來制定報價或定價，以最大化自身利益，應(yīng)用于競價

拍賣、定價策略、資源分配等場景。

A.6.3使用方法

1）問題建模：將報價博弈問題形式化為強(qiáng)化學(xué)習(xí)問題。定義參與者、報價策略、獎勵函數(shù)等。

2）環(huán)境建模：將報價博弈環(huán)境抽象為強(qiáng)化學(xué)習(xí)的環(huán)境，考慮參與者之間的相互作用和競爭關(guān)系。

8

學(xué)兔兔標(biāo)準(zhǔn)下載

T/CSTE0435—2023

3）選擇強(qiáng)化學(xué)習(xí)算法：選擇適合報價博弈問題的強(qiáng)化學(xué)習(xí)算法，如Q-learning、DeepQNetwork(DQN)、

策略梯度等。

4）構(gòu)建智能體：設(shè)計強(qiáng)化學(xué)習(xí)智能體，其可以是一個報價策略，用于制定報價或定價。

5）定義獎勵函數(shù)：定義獎勵函數(shù)，以指導(dǎo)智能體的學(xué)習(xí)。獎勵函數(shù)通常與參與者的利益相關(guān)。

6）訓(xùn)練智能體：通過與環(huán)境的交互，訓(xùn)練智能體的報價策略，使其逐步優(yōu)化在博弈中的表現(xiàn)。

7）驗證與測試：在競價報價、定價策略、資源分配等場景中測試訓(xùn)練好的智能體，評估其在不同情

況下的報價效果和競爭力。

8）優(yōu)化與調(diào)整：根據(jù)測試結(jié)果，對模型和參數(shù)進(jìn)行調(diào)整和優(yōu)化，以提高報價策略的效果。

A.7基于半監(jiān)督學(xué)習(xí)的故障預(yù)警模型

A.7.1適用范圍

適用于制造業(yè)多價值鏈協(xié)同的故障預(yù)警場景。

A.7.2基本原理

基于半監(jiān)督學(xué)習(xí)的故障預(yù)警模型是一種利用半監(jiān)督學(xué)習(xí)技術(shù)來預(yù)測設(shè)備或系統(tǒng)可能的故障情況的方

法。在半監(jiān)督學(xué)習(xí)中，模型使用有標(biāo)簽和無標(biāo)簽的數(shù)據(jù)進(jìn)行訓(xùn)練，以更好地利用有限的標(biāo)簽數(shù)據(jù)來提高預(yù)

測性能。

A.7.3使用方法

1）數(shù)據(jù)收集：收集設(shè)備或系統(tǒng)的運行數(shù)據(jù)，包括傳感器數(shù)據(jù)、日志記錄、工作狀態(tài)等。

2）數(shù)據(jù)準(zhǔn)備：將收集到的數(shù)據(jù)進(jìn)行預(yù)處理，包括清洗、特征提取等，以便用于模型訓(xùn)練。

3）標(biāo)記數(shù)據(jù)：從已知的故障樣本中標(biāo)記一部分?jǐn)?shù)據(jù)，作為有標(biāo)簽的訓(xùn)練數(shù)據(jù)。

4）半監(jiān)督學(xué)習(xí)算法：選擇適合的半監(jiān)督學(xué)習(xí)算法，如自編碼器（Autoencoder）、生成對抗網(wǎng)絡(luò)（GAN）、

半監(jiān)督支持向量機(jī)（Semi-SupervisedSVM）等。

5）訓(xùn)練模型：使用有標(biāo)簽數(shù)據(jù)和無標(biāo)簽數(shù)據(jù)來訓(xùn)練半監(jiān)督學(xué)習(xí)模型，使其能夠捕捉數(shù)據(jù)中的潛在模

式。

6）故障預(yù)測：利用訓(xùn)練好的模型對新數(shù)據(jù)進(jìn)行預(yù)測，識別潛在的故障或異常情況。

7）設(shè)置預(yù)警閾值：根據(jù)預(yù)測結(jié)果和業(yè)務(wù)需求，設(shè)置適當(dāng)?shù)念A(yù)警閾值，以便及時采取措施來避免或減

輕故障。

8）驗證與測試：在制造業(yè)多價值鏈故障預(yù)警場景中驗證和測試模型的性能，評估其預(yù)測準(zhǔn)確性和故

障預(yù)警能力。

9）優(yōu)化與調(diào)整：根據(jù)實際情況的反饋，對模型進(jìn)行調(diào)整和優(yōu)化，以提高故障預(yù)測效果。

A.8基于模糊聚類的故障追溯模型

A.8.1適用范圍

適用于制造業(yè)多價值鏈故障追溯場景。

A.8.2基本原理

學(xué)兔兔基于模糊聚類的故障追溯模型是一種利用模糊聚類技術(shù)來幫助分析和追溯標(biāo)準(zhǔn)下載設(shè)備或系統(tǒng)故障的方法。模

糊聚類將數(shù)據(jù)樣本劃分為多個模糊的簇，使得同一簇內(nèi)的數(shù)據(jù)更相似，而不同簇之間的區(qū)分度較高，這有

助于識別潛在的故障模式和原因。

A.8.3使用方法

1）數(shù)據(jù)收集：從制造業(yè)數(shù)據(jù)空間中提取所需數(shù)據(jù)，包