大规模制造产业网状结构价值链数字生态理论研究构想

苗强 张恒 严幸友

苗强, 张恒, 严幸友. 大规模制造产业网状结构价值链数字生态理论研究构想 [J]. 工程科学与技术, 2022, 54(6): 1-11. doi: 10.15961/j.jsuese.202200862
引用本文: 苗强, 张恒, 严幸友. 大规模制造产业网状结构价值链数字生态理论研究构想 [J]. 工程科学与技术, 2022, 54(6): 1-11. doi: 10.15961/j.jsuese.202200862
MIAO Qiang, ZHANG Heng, YAN Xingyou. Research Framework of the Digital Ecological Theory on Network Structured Value Chain in Mass Manufacturing Industry [J]. Advanced Engineering Sciences, 2022, 54(6): 1-11. doi: 10.15961/j.jsuese.202200862
Citation: MIAO Qiang, ZHANG Heng, YAN Xingyou. Research Framework of the Digital Ecological Theory on Network Structured Value Chain in Mass Manufacturing Industry [J]. Advanced Engineering Sciences, 2022, 54(6): 1-11. doi: 10.15961/j.jsuese.202200862

大规模制造产业网状结构价值链数字生态理论研究构想

基金项目: 国家重点研发计划项目(2021YFB3300800;2021YFB3300801)
详细信息
    • 收稿日期:  2022-08-16
    • 网络出版时间:  2022-11-07 02:54:15
  • 作者简介:

    苗强,北京航空航天大学本科及硕士,多伦多大学博士。四川大学电气工程学院教授、博士生导师。近年来,主要针对航空航天装备的可靠性、故障诊断及健康评估开展研究,承担了包括国家重点研发计划项目、国家自然科学基金、国际创新合作项目、航空科学基金、教育部博士点基金、博士后科学基金等20余项国家级/省部级基金项目,并与中航工业成都所、中科院空间中心、中电10所等多家院所企业开展合作课题。目前,已发表论文100余篇(SCI收录50余篇,ESI高引论文7篇),授权国家发明专利15项,出版学术译著《系统重要性测度原理与应用》 1本。2009年,获教育部自然科学奖二等奖;2011年,入选教育部新世纪优秀人才支持计划及第九批四川省学术和技术带头人后备人选;2012年,被聘为香港城市大学客座教授;2013年,入选第十一批四川省有突出贡献的优秀专家;2015年,被聘为中国质量协会可靠性推进工作委员会专家成员;2016年,获得四川大学青年科技奖;2019—2021年,担任IEEE可靠性学会执行委员(IEEE RS AdCom);2020—2021年,担任IEEE可靠性学会副主席(IEEE RS VP)。多次在国际会议做专题讲座和特邀报告,并作为大会主席承办PHM–2016国际会议。现担任IEEE Transactions on Instrumentation and Measurement及IEEE Transactions on Reliability副主编,航空学报暨Chinese Journal of Aeronautics编委,IEEE高级会员
    苗强(1976—),男,教授,博士. 研究方向:智能装备与可靠性. E-mail:mqiang@scu.edu.cn

  • 中图分类号: TP274

Research Framework of the Digital Ecological Theory on Network Structured Value Chain in Mass Manufacturing Industry

  • 摘要: 大规模制造产业是新一轮产业变革中涉及数字化、网络化、智能化等新技术最全面的平台与载体,其产业链关联度高、竞争性强且集群式发展特征显著,是先进制造技术和信息技术的代表性产业,所涉及的产业链、供应链、销售链、能源链不断交叉融合,逐渐形成了网状结构多价值链构成的复杂数字生态系统。其中,各个企业形成互生、共生、合作、竞争的重要生态关系,保障数字生态系统具有良好的演进态势是推动大规模制造业健康可持续发展的重要途径,但因数据交互壁垒、信息不对称、价值链孤岛、恶性竞争、价值虚构等原因导致其极具挑战。因此,针对中国大规模制造业网状价值链协同瓶颈问题,本研究通过对网状结构多价值链拓扑组织结构进行分析,解决链内或跨链企业互信协同、多源信息集成、业务流程优化、资源调度整合等问题,开发具备生成/汇聚/存储/管理/分析/使用等功能的数字融合引擎和具备需求分析、业务建模、流程优化、执行管理的协同处理引擎;融合供需流、业务流、技术流、关系流、工作流等数字流量,研究数字生态价值链在价值流动、种群状态、系统进化等方面的演化机理,进一步研究网状结构价值链数字生态理论体系,建立基于生态理论的价值链数字生态模型,克服网状结构下跨链交互中可信保障难、价值管控难、跨链追溯难等关键难题,保障价值链的健壮性与韧性;在此基础上,面向数据的智能服务与网状结构生态价值链应用场景,研究基于区块链的价值链运行技术、基于数据驱动的价值链优化技术,以及基于人工智能的新型服务技术,研发具备数字生态多价值链的大数据处理、分析、挖掘服务平台,实现资源优化、供需优化、协同优化、价值优化、生态优化,进而实现网状结构生态价值链的可信运行、数据优化、纵横协同、智能服务等功能,有效提升生态价值链的产出效能及服务水平与能力。本研究围绕大规模制造产业数字生态模型构建、网状结构价值链协同等国家科技重大需求,开展相关研发与工程示范,旨在为中国大规模制造业健康可持续发展提供可靠的理论与技术支撑,并展望了网状价值链数字生态理论的进一步研究方向。

     

    Abstract: Mass manufacturing industry is a platform and carrier that most comprehensively involves various new technologies such as digitalization, networking and intelligence in the new round of industrial transformation. Due to its characteristics of high industrial chain correlation, strong competitiveness and remarkable cluster development, mass manufacturing industry is a representative industry of advanced manufacturing technology and information technology. The industrial chain, supply chain, sales chain, and energy chain involved in mass manufacturing industry are constantly cross integrated, gradually forming a complex digital ecosystem composed of network structure and multiple value chains. Enterprises in mass manufacturing industry have an important ecological relationship of mutual growth, symbiosis, cooperation and competition. Ensuring the good evolution of digital ecosystem is an important way to promote the healthy and sustainable development of mass manufacturing industry, but it is extremely challenging due to data interaction barriers, information asymmetry, value chain islands, vicious competition and value fiction. Therefore, aiming at the bottlenecks of network structured value chain synergy in mass manufacturing industry, this paper focused on the network topology structure of multiple value chains to solve intra-chain or cross-chain enterprise trust and collaboration, multi-source information integration, business process optimization, resource scheduling integration and other problems. Two engines were developed in this paper: digital fusion engine with the functions of generation, aggregation, storage, management, analysis, and usage; and collaborative processing engine with the functions of requirement analysis, business modeling, process optimization, and execution management. Integrating digital flows such as supply and demand flow, business flow, technology flow, relationship flow and work flow, the evolutionary mechanism of digital ecological value chain in value flow, population status, system evolution and so on was investigated. The digital ecological theory of network structured value chain was studied and the digital ecological model based on ecological value chain was established to overcome the key challenges such as the difficulty of trustworthiness assurance, value management and control, and cross-chain traceability in cross-chain interaction under the mesh structure, thus, the robustness and resilience of the value chain are ensured. On this basis, for the application scenario of data-oriented intelligent service and network structured ecological value chain, the value chain operation technology based on block chain, the value chain optimization technology based on data driven techniques, and the new service technology based on artificial intelligence were studied. The service platforms with big data processing, analysis and mining of digital ecological multi-value chain were developed to achieve resource optimization, supply and demand optimization, collaborative optimization, value optimization and ecological optimization. Furthermore, the credible operation, data optimization, horizontal and horizontal collaboration, intelligent service and other needs of the network structured ecological value chain were realized, so as to effectively improve the output efficiency, service level and capability of the ecological value chain eventually. Aiming at providing reliable theoretical and technical support for the healthy and sustainable development of mass manufacturing industry in China, this work focused on the major national scientific and technological needs of mass manufacturing industry, such as digital ecological model construction and network structured value chain collaboration, and carry out relevant R & D and engineering demonstration. Finally, future research directions of network structured value chain digital ecology theory were prospected.

     

  • 制造业是立国之本、强国之基,是国家经济命脉所系。推动制造业高质量发展是建设现代化经济体系的内在要求[1]。2010年以来,中国制造业整体规模与增加值已连续12年位居世界第一,但制造业“大而不强”问题依旧突出,在新一轮产业变革中加强基础技术创新迫在眉睫[2-3]

    大规模制造产业是新一轮产业变革中涉及数字化、网络化、智能化等新技术最全面的平台与载体,其产业链关联度高、竞争性强且集群式发展特征显著,是先进制造技术和信息技术的代表性产业[4]。随着服务链集群化及协同化发展趋势的加深,企业之间的协同范围逐渐扩大,在纵向进行延伸,在横向不断扩张[5]。大规模制造企业群的业务协作方式突破了原有的围绕单核心企业进行上下游协作的模式,不仅在纵向上与异质链条中的企业进行跨链协作,还在横向上与原本彼此竞争的企业展开跨链合作。大规模制造产业所涉及的产业链、供应链、销售链、环保链不断交叉融合,逐渐形成了多链条合作共生、优势互补的多核服务价值链协同网络[6-7]

    然而,在当今世界百年未有之大变局的背景下,贸易争端、全球芯片短缺、地缘政治冲突、新冠肺炎疫情蔓延等不确定因素频发且难以预测,中国大规模制造业产业链、供应链、销售链等多价值链的协同性、安全性与稳定性受到了严重的冲击,断点、堵点、卡点等现象时有发生。以新冠肺炎疫情对汽车产业价值链影响为例,汽车产业作为中国典型的大规模制造产业,其2019—2022年产量如图1所示[8]

    图  1  中国2019—2022年汽车月产量[8]
    Fig.  1  Automobile monthly production from 2019 to 2022 of China[8]
    下载: 全尺寸图片

    中国汽车产量数据表明:2020年2月中国汽车产量仅28.5万辆,同比2020年1月下降79.8%,环比2019年2月下降75%;2022年4月中国汽车产量120.5万辆,同比2022年3月下降46.1%,环比2021年4月下降46.2%。其主要原因是湖北省、吉林省、上海市等汽车产业重点省市疫情对中国汽车产业链与供应链的正常运行产生了严重冲击,大批汽车重要零部件供应商停工停产,国内多家整车企业供应链无法得到保障,导致生产供给能力急剧下滑[9]

    随着经济全球化发展和全球产业升级,企业群的专业化分工与社会化协作不断深化,价值在产业中不断被转移和创造,产业链内与产业链间各个环节之间的相互联系日益紧密,构成了复杂的价值链网络[10-11]。近年来,国内外科研机构针对大规模制造业产业链、供应链、销售链、能源链、环保链等多价值链协同、升级与优化进行了深入的研究,取得了明显的进展。

    在大规模制造业多价值链协同技术方面:美国从1995年开始研究建立全美汽车行业公共信息数据通信网络平台(ANX),覆盖了美国主要的汽车及汽车配件制造企业,为汽车产业链协作提供服务与支持;随后,美国的三大汽车公司联合组建了汽车零部件采购电子商务中心(COVISINT),聚集超过5万家供应商,形成了庞大的网上协作公共服务平台。欧洲十余个国家的主要车企建立了覆盖整个欧洲的互动网络(ENX)。日本建立了日本汽车交易平台(JANX),覆盖日产、本田、丰田、三菱等主要的整车及零部件企业。此外,韩国、澳大利亚等国家也相应建立汽车交易网络平台,用于服务本土汽车工业[12]。中国大规模制造业多价值链协同起步较晚,2004年,四川省制造业信息化研究院开发的“汽车产业链协作平台”正式应用,支持以龙头企业为核心的汽车产业链协作,实现了向企业“业务协作”平台的跨越[13];随后,国内各类供应链平台相继建立并投入应用[14-16]

    中国目前已有多个大规模制造业多价值链协同平台,但在实际应用与服务过程中,仍存在着诸多问题:1)现有的大规模制造业多价值协同平台往往是以行业龙头企业为核心建立,上下游产业围绕核心企业开展业务,不利于全行业整体、协调发展[17];2)变幻莫测的国际环境、全球供应链风险、新冠肺炎疫情冲击等多种因素导致原有的协同平台稳定性不足[18-19];3)实时、多源、异构、海量等特性的大数据已成为促进价值链整体价值增值的重要决策依据,然而,多价值链间的数据感知与共享难以实现,业务全流程数据无法实时追踪,导致多价值链间的跨链服务难以开展[20-21]。因此,有必要建立大规模制造业数字生态模型,并研究数字生态模型中的共生耦合、竞争合作、非线性交互、网络拓扑组织等复杂特征,建立跨链、多链、全链的生态融合提升机制,构建相互信任、资源共享、合作共赢的多价值链协同生态体系[22]

    为增强中国大规模制造业多价值链的稳定性与可靠性,本文以大规模制造业网状结构价值链为对象,研究网状结构价值链数字生态理论体系与基于生态价值链的数字生态模型构建方法,研发基于区块链的价值链运行技术、基于数据驱动的价值链优化技术、基于人工智能的新型服务技术,以期形成基于第三方平台构建的网状结构多价值链协同,实现多价值链数据/资源/业务融合和跨链/多链协同,并在汽车和家电两类典型大规模制造产业开展应用示范[10],全面提升服务价值链企业群的业务协同能力,更好地发挥企业群之间的协同效应,提高服务响应速度及服务效率,进而打造更具竞争优势的生态价值链,加快促进中国大规模制造业产业升级。

    1.1.1   网状结构多价值链数字生态系统协同进化问题

    大规模制造产业所涉及的供应链、产业链、销售链不断交叉融合,逐渐形成了网状结构多价值链构成的复杂数字生态系统,而数字生态系统是否具有良好的演进态势也决定了大规模制造业能否更好地发展[23]。研究大规模制造业网状价值链拓扑组织结构,以及网状结构生态价值链整体性、相关性、动态性等相关特征的建模、分析及优化理论,探索数字生态模型分析生态价值链在价值循环、业务融合、产业协同等方面的演化机理,揭示网状结构多价值链数字生态系统的演化机理和协同进化机制,是研发大规模制造业网状结构价值链数字生态理论及促进生态价值链形成共生、互生、再生的良性发展态势的关键科学问题和基础支撑[24]

    1.1.2   基于第三方平台的多价值链协同体系构建问题

    大规模制造业中,不同企业的信息具有多源性和异构性,导致企业之间缺乏统一标准,存在数据交互壁垒,信息难以共享,且多价值链之间的纵、横向信息沟通连接和动态交互无法实现。因此,基于第三方平台的网状结构价值链协同体系构建是实现不同企业间的数据动态集成、多价值链之间协同和业务流程融合的关键问题[6,25]

    1.1.3   基于区块链的价值链运行问题

    针对大规模制造业纵、横协同中面临的价值链孤岛困境及可信难、协同难问题,研究支持跨链运行的区块链技术,开发联盟链、智能合约、共识协议等技术构件,实现跨链的可信可溯运行。研究基于区块链的价值链运行技术,构建基于全生态价值链公链、多价值链联盟链的区块链运行机制,设计基于多价值链核心企业的共识协议,是提升大规模制造业可信协同的关键[26]

    1.1.4   基于数据驱动的价值链优化问题

    实时、多源、异构、海量等特性的大数据已成为促进价值链整体价值增值的重要决策依据,然而,现阶段多价值链间的数据感知与共享难以实现,业务全流程数据无法实时追踪,导致多价值链间的跨链服务难以开展。以多价值链中的供需/资源/业务数据为驱动,采用大数据技术对评估预测/多边匹配/任务分解等协同难题进行优化分析,设计相应的优化算法以实现精度提升/制约均衡/协同优化等技术支撑[27]。研究面向数据的智能服务模型、网状结构生态价值链应用场景构建方法、数据驱动的网状结构生态价值链优化技术、网状结构价值链优化与智能服务技术、数据融合的网状结构生态价值链智能服务、网状结构价值链协同方法,是达成更精准、更智能的多链感知与联动服务[28]及价值链优化的关键技术问题。

    1.1.5   基于人工智能的新型服务问题

    新一代产业变革下,传统的制造业服务技术难以满足大规模制造业在全环节的实际需求。在现有服务中,数字生态、价值流通、网状协同、服务需求等全方位的数据利用不足,快速发展的人工智能技术应用不足。基于数字生态多价值链的大数据处理、分析、挖掘技术是实现资源优化、供需优化、协同优化、价值优化、生态优化的必然选择。为实现普惠共赢、高效协同、创新服务等目标,智能制造、智能物流、智能服务等技术方案亟待研究。因此,基于新一代人工智能技术,研发具备需求预测、知识学习、决策规划的智能服务技术,是提升整个生态价值链的产出效率和服务水平的关键技术难题[29]

    针对上述关键科学与技术问题,开展以下研究:建立基于第三方平台的网状结构多价值链协同体系,分析网状结构多价值链拓扑组织结构,实现多价值链数据/资源/业务融合和跨链/多链协同;在此基础上,研究网状结构价值链数字生态理论体系,建立基于生态价值链的数字生态模型,基于深度分析数字生态价值链在价值流动、种群状态、系统进化等方面的演化机理;研发基于区块链的价值链运行技术、基于数据驱动的价值链优化技术、基于人工智能的新型服务技术,确保数字生态系统具有良好的演进态势。

    图2展示了网状结构价值链数字生态理论研究框架。针对大规模制造业在产业结构升级与健康可持续发展过程中存在的现实需求与技术难题,重点突破大规模制造业数字生态理论和协同服务技术,从基于第三方平台的多价值链协同体系架构、网状结构多价值链数字生态理论、生态价值链运行优化及服务支撑技术3个方面开展研究,从而支撑起网状结构价值链数字生态理论。

    图  2  网状结构价值链数字生态理论研究框架
    Fig.  2  Theoretical research framework of digital ecology for network value chain
    下载: 全尺寸图片
    1.2.1   基于第三方平台的多价值链协同体系架构研究

    大规模制造业多价值链难以协同的现实问题成为制约链上或跨链企业有效协同的最大瓶颈[30-32]。为此,基于第三方平台构建网状价值链协同体系架构,解决链内企业互信、信息集成、业务整合等多方面难题,实现链内和跨链业务的有效协同。在多价值链协同体系架构研究中,重点突破面向网状结构的价值链数据集成技术、面向网状结构的价值链协数据关联模型、跨价值链业务流程的融合方法、面向网状结构的跨链协同管理技术和价值链业务知识实时挖掘技术。针对基于第三方平台的多价值链协同体系搭建问题,研究价值链的网状拓扑组织结构,建立多链资源整合、数据汇聚、业务协同的多层体系架构,支持由供应链/销售链/服务链到价值链再到生态链的有机整合。针对链内和链间协同能力不足的问题,研究具备多价值链数据生成/汇聚/存储/管理/分析/使用等功能的数字融合引擎和具备需求分析、业务建模、流程优化、执行管理的协同处理引擎,支持网状结构多价值链纵横方向上链内/跨链/多链的协同机制。

    1.2.2   网状结构多价值链数字生态理论研究

    在突破价值链(链式)信息孤岛的基础上,需要进一步在多条(链式)价值链之间实现良好的生态交互,进而构建网状生态价值链[33-34]。为保障价值链健壮性和价值链韧性[35],研究基于区块链的网状结构生态价值链管控技术势在必行。在网状结构多价值链数字生态理论研究中,重点突破网状结构价值链的数字生态建模方法、网状结构生态价值链全链追溯理论、多价值链关联的网状拓扑组织结构构建方法、网状结构价值链生态数据可信理论、多价值链生态融合的动态演化机理、网状结构价值链良性生态管控方法。

    针对网状结构多价值链数字生态系统协同进化问题,研究网状结构多价值链的数字生态建模理论,构建生态个体、生态种群、生态链、生态网络的数字生态模型;进而,研究网状结构生态价值链的生态系统演化机理,融合供需流、业务流、技术流、关系流、工作流等数字流量,推演价值流动的生态演化机理;在此基础上,研究网状结构生态价值链的整体生态协同进化机制及价值在数字生态系统中的增信增值机制,促进网状价值链的跨链、多链、全链的生态融合提升。

    1.2.3   生态价值链运行优化及服务支撑技术研究

    为解决基于区块链的价值链运行、基于数据驱动的价值链优化及基于人工智能的新型服务问题,重点突破面向数据的智能服务模型、网状结构生态价值链应用场景构建方法、数据驱动的网状结构生态价值链优化技术、网状结构价值链优化与智能服务技术、数据融合的网状结构生态价值链智能服务、网状结构价值链协同方法[36];研发基于数字生态多价值链的大数据处理、分析、挖掘技术,实现资源优化、供需优化、协同优化、价值优化、生态优化;在此基础上,基于人工智能的新型服务技术,研发具备需求预测、知识学习、决策规划的人工智能技术,提升整个生态价值链的产出效率和服务水平。

    大规模制造产业网状结构价值链数字生态理论研究的总体技术路线如图3所示。

    图  3  网状结构价值链数字生态理论研究的总体技术路线
    Fig.  3  Overall technical route of digital ecological theory research of network value chain
    下载: 全尺寸图片

    图3可知,基于研究内容的设置,本研究的总体技术路线可以大致分为3个模块,这3个模块相互支撑,共同实现大规模制造业网状价值链有效协同。

    基于第三方平台的多价值链协同体系架构的研究思路及方案如图4所示,具体可分为网状结构多价值链拓扑组织结构、多价值链数据融合引擎、多价值链协同处理引擎3个部分。

    图  4  基于第三方平台的多价值链协同体系架构研究思路及方案
    Fig.  4  Research idea and scheme of multi-value chain collaborative architecture based on third-party platform
    下载: 全尺寸图片
    2.1.1   网状结构多价值链拓扑组织结构

    针对大规模制造产业网状价值链模型难以构建的问题[37],以单价值链拓扑组织结构作为基础,研究网状结构价值链在价值链内部、网状拓扑、生态拓扑等方面的组织结构,为上层的多链数据融合[38]和多链业务协同提供架构。在此基础上,研究面向网状结构的价值链数据集成技术、面向网状结构的价值链协同数据关联模型、多链业务融合的闭环反馈机理,以及跨价值链业务流程的融合方法,形成大规模制造业多价值链生态拓扑组织结构。

    2.1.2   多价值链数据融合引擎

    针对多价值数据具有的海量、高维、多源、异构等特性,开发数据汇聚存储和数据融合分析。在数据汇聚存储阶段,形成大规模制造业数据库搭建规则,标准化全过程数据采集。在数据融合分析阶段,研究多价值链数据生成/汇聚/存储/融合/分析/使用等技术,实现数据建模、快速索引、关联表示、全链搜索及集成演化功能,支持由供应链/销售链/服务链到价值链再到生态链的有机整合。

    2.1.3   多价值链协同处理引擎

    针对网状多价值链内协同需求急迫、协同效能不足、跨链合作频繁等问题,研究协同需求分析、协同业务建模、协同流程优化、协同执行管理等功能模块的实现方法,强化链内协同,突破跨链和多链协同的技术壁垒[39-40]

    网状结构多价值链数字生态理论的研究思路及方案如图5所示,具体可分为数字生态建模理论、生态系统演化机理、生态协同进化机制3个部分。

    图  5  网状结构多价值链数字生态理论研究思路及方案
    Fig.  5  Research idea and scheme of network multi-value chain digital ecology theory
    下载: 全尺寸图片
    2.2.1   数字生态建模理论

    针对价值链数字生态建模与分析等需求,基于数据主成分分析及变换方法、价值链详解可能性建模、多价值链模糊集定性分析方法,实现价值链到生态链的数字生态建模[40-41]。进而,将“企业–价值–协同”映射为“种群–流量–生态”,实现对网状结构多价值链共生耦合、竞争合作、交互关联等复杂特征的建模描述和分析[42]

    2.2.2   生态系统演化机理

    为保障价值链互利共生、可信协作、融合演化、同步提升,基于数字流量分析和贝叶斯网络分析方法,研究大规模制造业在数据、业务及价值3个层面的流动机理;基于马尔科夫随机过程和概率图分析方法,研究生态网络中个体和种群的状态变化机理;基于随机Petri网模型和时空服务依赖关系,研究网状结构生态价值链的生态系统演化机理,融合供需流、业务流、技术流、关系流、工作流等数字流量建立网状结构生态价值链在数据/业务/价值等方面的数字流动机理模型,以及企业/价值链所对应的个体/种群在时序演进中的状态变化机理模型[43],推演整个生态价值链在时空方向上发展演化状况的机理模型。

    2.2.3   生态协同进化机制

    基于多主体承诺的合作协同模型、博弈论及纳什均衡理论、动态规划及粒子群优化算法,研究大规模制造业网状结构生态价值链在不断协同过程中的发展进化机制,推演协同进化流动的生态演化机理;并进一步探究价值在数字生态系统中的增信增值机制,促进整个产业生态的良性合作发展和优化升级[44]

    生态价值链运行优化及服务支撑技术的研究思路及方案如图6所示,具体可分为基于区块链的价值链运行技术、基于数据驱动的价值链优化技术、基于人工智能的新型服务技术3个部分。

    图  6  生态价值链运行优化及服务支撑技术研究思路及方案
    Fig.  6  Research idea and scheme of ecological value chain operation optimization and service support technology
    下载: 全尺寸图片
    2.3.1   基于区块链的价值链运行技术

    针对大规模制造业数据隐私性问题,研究支持跨链运行的区块链技术,设计核心联盟链和价值链联盟链,开发核心企业与上下游企业之间的智能合约、基于多价值链核心企业的共识协议等技术构件,实现跨链的可信可溯运行。

    2.3.2   基于数据驱动的价值链优化技术

    通过大规模制造业全链数据库构建规则,整合多价值链中的供需数据、资源数据及业务数据。并以此为驱动,利用大数据技术解决评估预测、多边匹配、任务分解等协同难题。在此基础上,基于规划优化方法与随机优化方法,进行大规模制造业多价值链协同优化算法设计与开发,实现多价值链预测评估精度提升、制约均衡、协同优化等技术支撑。

    2.3.3   基于人工智能的新型服务技术

    基于数字生态、价值流通、网状协同、服务需求等全方位的数据,采用深度强化学习、深度信念网络和图神经网络等人工智能方法,研究大规模制造业多价值链服务的深度知识学习和自我提升技术,建立智能制造、智能物流、智能服务等技术方案,实现普惠共赢、高效协同、创新服务等目标[45]

    近年来,在一系列如新冠肺炎疫情、贸易争端、地缘政治冲突等全球性事件的冲击下,全球供应短缺、局势动荡、能源危机等问题频发,全球供应链面临外部的重重压力;此外,链上企业的决策和运营可能削弱其对外部威胁的抵抗性。在内外双重压力下,全球供应链卡点、堵点、断点频繁出现,存在巨大风险。因此,建立具有强大韧性的供应链不仅对保障全球供应链稳定具有重要意义,也在提升节点企业的竞争力和盈利能力等方面发挥显著作用。基于上述问题,开展供应链韧性的研究具有重要价值。

    围绕中国工业软件受制于人的重大问题及制造强国建设的重大需求,针对当前大规模制造业存在的数据交互壁垒、价值链孤岛、恶性竞争、价值虚构,以及跨链交互中可信保障难、价值管控难、跨链追溯难等问题,以大规模制造业网状结构价值链为对象,基于企业间互生、共生、合作、竞争的重要生态关系,研发大规模制造业网状结构价值链数字生态理论,建立基于第三方平台的网状结构多价值链协同体系。

    研究将揭示大规模制造业网状结构多价值链数字生态系统演化机理和协同进化机制,在此基础上,建立价值循环、业务融合、产业协同的生态价值链和数字生态模型,促进生态价值链形成共生、互生、再生的良性发展态势;基于第三方平台汇聚多条以核心企业为中心的价值链形成有机的生态集合体,融合区块链、大数据、人工智能等技术实现网状结构生态价值链的可信运行、数据优化、纵横协同、智能服务等支撑构件,从而构建相互信任、资源共享、合作共赢的多价值链协同生态体系。

    在未来工作中,本研究将进一步探究大规模制造业供应链韧性增强方法,主要从以下几个方向开展:1)基于区域性政策因素、气候因素、人文因素、地理因素等多重不确定性因素考量,建立健全的供应链风险管控方法,有效预测供应链风险的到来时机,合理安排规避手段和方法;2)建立供应链各节点保供模型,确保链上不同节点企业产品的交付速度也提高供应链应对灾难性中断风险的抵抗能力;3)基于供应链风险性分析,深入研究造成供应链中断的风险冲击模型,为保障供应链韧性提供强力支撑。

  • 图  1   中国2019—2022年汽车月产量[8]

    Fig.  1   Automobile monthly production from 2019 to 2022 of China[8]

    下载: 全尺寸图片

    图  2   网状结构价值链数字生态理论研究框架

    Fig.  2   Theoretical research framework of digital ecology for network value chain

    下载: 全尺寸图片

    图  3   网状结构价值链数字生态理论研究的总体技术路线

    Fig.  3   Overall technical route of digital ecological theory research of network value chain

    下载: 全尺寸图片

    图  4   基于第三方平台的多价值链协同体系架构研究思路及方案

    Fig.  4   Research idea and scheme of multi-value chain collaborative architecture based on third-party platform

    下载: 全尺寸图片

    图  5   网状结构多价值链数字生态理论研究思路及方案

    Fig.  5   Research idea and scheme of network multi-value chain digital ecology theory

    下载: 全尺寸图片

    图  6   生态价值链运行优化及服务支撑技术研究思路及方案

    Fig.  6   Research idea and scheme of ecological value chain operation optimization and service support technology

    下载: 全尺寸图片
  • [1] 明确制造业高质量发展的重要使命[N/OL].经济日报[2022–10–17].http://www.sasac.gov.cn/n2588025/n2588134/c21285476/content.html.
    [2] 我国制造业增加值连续12年世界第一[N/OL].人民日报[2022–10–17].http://sh.people.com.cn/n2/2022/0310/c134768-35167744.html.
    [3] 在新一轮科技革命和产业变革中发展战略性新兴产业[N/OL].光明日报[2022–10–17].http://theory.people.com.cn/n1/2021/0927/c40531-32237668.html.
    [4] 赵剑波.推动新一代信息技术与实体经济融合发展:基于智能制造视角[J].科学学与科学技术管理,2020,41(3):3–16.

    Zhao Jianbo.The integration of the new generation of information technology with the real economy:Based on the paradigm of smart manufacturing[J].Science of Science and Management of S & T,2020,41(3):3–16
    [5] Chen Xiang,Huang Gaijuan,Zhang Yangsen,et al.Research on service value chain model based on technology service platform[J].Journal of Physics(Conference Series),2021,2078(1):012043. doi: 10.1088/1742-6596/2078/1/012043
    [6] 吕瑞.基于云平台的多核服务价值链协同技术研究[D].成都:西南交通大学,2019.

    Lyu Rui.Research on collaborative technology of multi-core service value chain based on cloud service platform[D].Chengdu:Southwest Jiaotong University,2019.
    [7] 杨静雅.基于第三方平台的汽车服务价值链优化技术研究[D].成都:西南交通大学,2021.

    Yang Jingya.Research on optimization technology of automobile service value chain based on third party platform[D].Chengdu:Southwest Jiaotong University,2021.
    [8] 工业与信息化部装备工业一司.2022年4月汽车工业经济运行情况[EB/OL].[2022–10–17].https://www.miit.gov.cn/jgsj/zbys/gzdt/ art/2022/art_7b4b81df2264417c8170ca02371b0c7c.html.
    [9] 工业与信息化部装备工业一司.多省(市)全力保障汽车产业链供应链稳定畅通[EB/OL].[2022–10–17].https://www.miit.gov.cn/jgsj/zbys/gzdt/art/2022/art_6dd2203d814e47089f35c5bf2c2c9905.html.
    [10] 但斌,李文博,石雨婷.匹配水平影响下第三方平台多价值链的协同运作模型及仿真分析[J].计算机集成制造系统,2022,28(3):892–906. doi: 10.13196/j.cims.2022.03.022

    Dan Bin,Li Wenbo,Shi Yuting.Collaborative operation model and simulation analysis of the third party platform multi-value chain under the influence of matching level[J].Computer Integrated Manufacturing Systems,2022,28(3):892–906 doi: 10.13196/j.cims.2022.03.022
    [11] 马梦青.新能源汽车供应链中政府补贴博弈研究[D].重庆:重庆工商大学,2019.

    Ma Mengqing.A game study on government subsidies in the supply chain of new energy vehicles[D].Chongqing:Chongqing Technology and Business University,2019.
    [12] 刘长江.非对称信息下B公司新能源汽车供应链协调研究[D].青岛:山东科技大学,2020.

    Liu Changjiang.Research on supply chain coordination of new energy vehicles in company B under asymmetric information[D].Qingdao:Shandong University of Science and Technology,2020.
    [13] 余洋,孙林夫,任春华,等.面向多服务价值链的业务资源双边匹配模型[J].计算机集成制造系统,2021,27(5):1397–1409. doi: 10.13196/j.cims.2021.05.016

    Yu Yang,Sun Linfu,Ren Chunhua,et al.Bilateral matching model of business resources for multi-service value chain[J].Computer Integrated Manufacturing Systems,2021,27(5):1397–1409 doi: 10.13196/j.cims.2021.05.016
    [14] Li Wenbo,Zhang Shengming,Dan Bin.Research on the network structure and organizational model of multi-value chain based on third-party platform[C]//Proceedings of the 2021 2nd International Conference on E-Commerce and Internet Technology(ECIT).Hangzhou:IEEE,2021:391–395.
    [15] Zhang Xumei,Yuan Jiafeng,Dan Bin,et al.The evolution mechanism of the multi-value chain network ecosystem supported by the third-party platform[J].Journal of Industrial and Management Optimization,2022,18(6):4071. doi: 10.3934/jimo.2021148
    [16] 刘鹏程,孙林夫.基于第三方云平台的服务价值链多链知识图谱构建[J].计算机集成制造系统,2022(2):612–627. doi: 10.13196/j.cims.2022.02.024

    Liu Pengcheng,Sun Linfu.Knowledge graph construction for multi-service value chains based on third-party cloud platform[J].Computer Integrated Manufacturing Systems,2022(2):612–627 doi: 10.13196/j.cims.2022.02.024
    [17] 张旭梅,杨沛,眭蓉华,等.基于第三方平台的竞争型企业多价值链网络效应模型及仿真[J].计算机集成制造系统,2022,28(8):2567–2578. doi: 10.13196/j.cims.2022.08.026

    Zhang Xumei,Yang Pei,Sui Ronghua,et al.Network effects model and simulation of competitive enterprises’ multi-value chain based on the third-party platform[J].Computer Integrated Manufacturing Systems,2022,28(8):2567–2578 doi: 10.13196/j.cims.2022.08.026
    [18] 吕越,马嘉林,田琳.中美贸易摩擦对全球价值链重构的影响及中国方案[J].国际贸易,2019(8):28–35. doi: 10.14114/j.cnki.itrade.2019.08.005

    Lv Yue,Ma Jialin,Tian Lin.The impact of Sino-US trade friction on the reconstruction of global value chain and China’s plan[J].Intertrade,2019(8):28–35 doi: 10.14114/j.cnki.itrade.2019.08.005
    [19] Dilyard J,Zhao Shasha,You J J.Digital innovation and Industry 4.0 for global value chain resilience:Lessons learned and ways forward[J].Thunderbird International Business Review,2021,63(5):577–584. doi: 10.1002/tie.22229
    [20] 姜元春,王继成,贺菲菲,等.科技大数据多元价值链模型与价值评估方法[J].工程管理科技前沿,2022,41(3):31–38.

    Jiang Yuanchun,Wang Jicheng,He Feifei,et al.Multi-dimensional value chain model and value evaluation method for scientific big data[J].Frontiers of Science and Technology of Engineering Management,2022,41(3):31–38
    [21] 杨若松,张筱悦,陆兴发.基于数据自动流动的电力企业物资业务全流程数字化管理系统研究[J].东北电力大学学报,2021,41(6):100–104. doi: 10.19718/j.issn.1005-2992.2021-06-0100-05

    Yang Ruosong,Zhang Xiaoyue,Lu Xingfa.Power enterprise material business process based on automatic data flow research on digital management system[J].Journal of Northeast Electric Power University,2021,41(6):100–104 doi: 10.19718/j.issn.1005-2992.2021-06-0100-05
    [22] 陈建军,陈菁菁.生产性服务业与制造业的协同定位研究——以浙江省69个城市和地区为例[J].中国工业经济,2011(6):141–150. doi: 10.19581/j.cnki.ciejournal.2011.06.014

    Chen Jianjun,Chen Jingjing.The research on the co-location between producer services and manufacturing—The empirical analyses based on the 69 cities and regions in Zhejiang Province[J].China Industrial Economics,2011(6):141–150 doi: 10.19581/j.cnki.ciejournal.2011.06.014
    [23] 周英,辛悦,马榕.数字经济下制造业供应链的生态系统治理模式研究——基于海尔COSMOPlat工业互联网的案例分析[J].供应链管理,2020,1(9):51–61. doi: 10.19868/j.cnki.gylgl.2020.09.006

    Zhou Ying,Xin Yue,Ma Rong.Research on ecosystem governance of manufacturing supply chain in the digital economy—A case study of haier COSMOPlat industrial Internet[J].Supply Chain Management,2020,1(9):51–61 doi: 10.19868/j.cnki.gylgl.2020.09.006
    [24] 李永红,张淑雯.大数据驱动传统产业转型升级的路径—基于大数据价值链视角[J].科技管理研究,2019,39(7):156–162. doi: 10.3969/j.issn.1000-7695.2019.07.022

    Li Yonghong,Zhang Shuwen.Path of big data driving the transformation and upgrading of traditional industry:Based on big data value chain perspective[J].Science and Technology Management Research,2019,39(7):156–162 doi: 10.3969/j.issn.1000-7695.2019.07.022
    [25] Liu Dong,Bo Wen,Wu Changmao,et al.Customer evaluation-based automobile after-sale service multi-value-chain collaborative mechanism verification[M]//Human Centered Computing.Cham:Springer,2019:233–244.
    [26] 汪靖伟,郑臻哲,吴帆,等.基于区块链的数据市场[J].大数据,2020,6(3):21–35.

    Wang Jingwei,Zheng Zhenzhe,Wu Fan,et al.Blockchain based data marketplace[J].Big Data Research,2020,6(3):21–35
    [27] 王浩雨.数据驱动的配件价值链库存管控技术研究[D].成都:西南交通大学,2019.

    Wang Haoyu.Research on data driven inventory management and control technology in parts value chain[D].Chengdu:Southwest Jiaotong University,2019.
    [28] 曹岗,康大臣,王建冬,等.高科技价值链:生产性服务业规划与发展的逻辑进路[J].中国科学院院刊,2010,25(4):389–396. doi: 10.3969/j.issn.1000-3045.2010.04.004

    Cao Gang,Kang Dachen,Wang Jiandong,et al.High-tech value chain:Logical passage for the planning and development of productive service trades[J].Bulletin of Chinese Academy of Sciences,2010,25(4):389–396 doi: 10.3969/j.issn.1000-3045.2010.04.004
    [29] 周广猛,姚苏,李琳,等.基于区块链的数字内容生态价值链构建[J].中国科学(信息科学),2021,51(9):1559–1574. doi: 10.1360/SSI-2020-0016

    Zhou Guangmeng,Yao Su,Li Lin,et al.Digital content ecological value chain based on block chain[J].Scientia Sinica (Informationis),2021,51(9):1559–1574 doi: 10.1360/SSI-2020-0016
    [30] 张今,顾复,顾新建,等.基于区块链的多价值链协同数据共享方法[J/OL].计算机集成制造系统[2022–10–13].http://kns.cnki.net/kcms/detail/11.5946.TP.20220714.1913.004.html.

    Zhang Jin,Gu Fu,Gu Xinjian,et al.Blockchain-based data sharing method for multi-value chain collaboration[J/OL].Computer Integrated Manufacturing Systems[2022–10–13].http://kns.cnki.net/kcms/detail/11.5946.TP.20220714.1913.004.html.
    [31] 盛守一.基于区块链技术的供应链信息资源共享模型构建研究[J].情报科学,2021,39(7):162–168. doi: 10.13833/j.issn.1007-7634.2021.07.022

    Sheng Shouyi.Information sharing model construction of supply chain based on blockchain technology[J].Information Science,2021,39(7):162–168 doi: 10.13833/j.issn.1007-7634.2021.07.022
    [32] 王跃虎.基于区块链的信息资源共享系统研究[J].图书情报导刊,2018,3(5):42–47. doi: 10.3969/j.issn.1005-6033.2018.05.009

    Wang Yuehu.Research on the blockchain-based information resource sharing system[J].Journal of Library and Information Science,2018,3(5):42–47 doi: 10.3969/j.issn.1005-6033.2018.05.009
    [33] 王海军,金姝彤,郑帅,等.全球价值链下的企业颠覆性创新生态系统研究[J].科学学研究,2021,39(3):530–543. doi: 10.16192/j.cnki.1003-2053.2021.03.013

    Wang Haijun,Jin Shutong,Zheng Shuai,et al.A disruptive enterprise innovation ecosystem under global value chain[J].Studies in Science of Science,2021,39(3):530–543 doi: 10.16192/j.cnki.1003-2053.2021.03.013
    [34] 宋宪萍,周钊宇.全球价值链中风险的放大机制与根源——基于政治经济学视角[J].经济纵横,2022(8):20–30. doi: 10.16528/j.cnki.22-1054/f.202208020

    Song Xianping,Zhou Zhaoyu.Risk amplification in global value chains:Mechanisms and causes—Based on the perspective of political economics[J].Economic Review Journal,2022(8):20–30 doi: 10.16528/j.cnki.22-1054/f.202208020
    [35] 产业链供应链韧性与稳定国际合作倡议—推动构建稳定和富有韧性的全球产业链供应链[N].人民日报,2022–09–21(6).
    [36] 肖凯泽,咬登国.互联网+多核服务价值链业务协同系统研发与实现[J].计算机应用与软件,2021,38(7):14–16.

    Xiao Kaize,Yao Dengguo.R & D and implementation of an Internet+multi-core service value chain business collaboration system[J].Computer Applications and Software,2021,38(7):14–16
    [37] Chen Xiaojun,Jia Shengbin,Xiang Yang.A review:Knowledge reasoning over knowledge graph[J].Expert Systems with Applications,2020,141:112948. doi: 10.1016/j.eswa.2019.112948
    [38] Rahman S,Hossain N U I,Govindan K,et al.Assessing cyber resilience of additive manufacturing supply chain leveraging data fusion technique:A model to generate cyber resilience index of a supply chain[J].CIRP Journal of Manufacturing Science and Technology,2021,35:911–928. doi: 10.1016/j.cirpj.2021.09.008
    [39] Basso F,D’Amours S,Rönnqvist M,et al.A survey on obstacles and difficulties of practical implementation of horizontal collaboration in logistics[J].International Transactions in Operational Research,2019,26(3):775–793. doi: 10.1111/itor.12577
    [40] Deng Liping,Chen Huan,Zeng Jing,et al.Research on cross-chain technology based on sidechain and hash-locking[M]//Edge Computing—EDGE 2018.Cham:Springer,2018:144–151.
    [41] Liu Weihua,Liang Yanjie,Wei Shuang,et al.The organizational collaboration framework of smart logistics ecological chain:A multi-case study in China[J].Industrial Management & Data Systems,2021,121(9):2026–2047. doi: 10.1108/imds-02-2020-0082
    [42] Niehoff S,Matthess M,Zwar C,et al.Sustainability related impacts of digitalisation on cooperation in global value chains:An exploratory study comparing companies in China,Brazil and Germany[J].Journal of Cleaner Production,2022,379:134606. doi: 10.1016/j.jclepro.2022.134606
    [43] Li Wenbin,Badr Y,Biennier F.Digital ecosystems:Challenges and prospects[C]//MEDES’12:Proceedings of the International Conference on Management of Emergent Digital EcoSystems.New York:ACM,2012:117–122.
    [44] Ávila–Gutiérrez M J,Martín–Gómez A,Aguayo–González F,et al.Eco-holonic 4.0 circular business model to conceptualize sustainable value chain towards digital transition[J].Sustainability,2020,12(5):1889. doi: 10.3390/su12051889
    [45] Wei Yihang.Blockchain-based data traceability platform architecture for supply chain management[C]//Proceedings of the 2020 IEEE 6th Intl Conference on Big Data Security on Cloud (BigDataSecurity),IEEE Intl Conference on High Performance and Smart Computing,(HPSC) and IEEE Intl Conference on Intelligent Data and Security.Baltimore:IEEE,2020:77–85.
图(6)

本文结构

    /

    返回文章
    返回