2.5.3 制造业多价值链协同数据空间的智能优化决策模型

数据空间中所应用的模型相比大数据智能模型往往更为复杂，影响因素更为全面，并且涉及了企业运营的方方面面，能够为企业带来更加精细化的管理。本节针对制造业从供应、营销和服务三方面整合了多价值链协同数据空间下的诸多智能优化决策模型，以提高决策的科学性，该模型如图2-13所示。

针对制造业多价值链协同数据空间的供应智能优化决策问题，可以构建多价值链大数据下的物资需求多尺度深度学习和知识图谱整合预测模型，多价值链大数据下在线分级联盟原料和备品库存协同优化模型和多价值链大数据下动态柔性供应联盟设计与利益共享优化评价模型。以物资需求预测模型为例，可通过多尺度分解从不同的时间维度来分析需求与影响因素之间的关联关系，引入非参数相关性分析需求与影响因素的分解尺度分量之间的关联关系，建立卷积神经网络模型来提取影响因素的不同尺度之间的隐含特征，建立长短期记忆模型接收卷积神经网络的多维时空特征输入，以对未来需求进行预测。

针对制造业多价值链协同数据空间的生产调度与营销智能优化决策问题，可以构建多价值链大数据下价值联盟生产调度智能优化决策模型，多价值链大数据下价值联盟物流调度智能优化决策模型和动态供应链竞争下核心企业演化博弈报价智能优化决策模型。以报价智能优化为例，可构建基于合作博弈的企业供应链利益分配模型，通过价值链分析和强化学习优化本供应链的报价策略，并基于Sharply值分配模型来实现制造及其协作企业的群体利益和个体利益最大化。

针对制造业多价值链协同数据空间的服务智能优化决策问题，可以构建基于价值链大数据的产品故障预测预警模型和质量追溯模型。在供应、营销和服务各自的阶段中可能涉及的优化问题及推荐模型如图2-13所示。以产品故障预测预警模型为例，可通过深度学习模型来深入分析历史故障样本中的故障特征、历史产品状态以及产品基本信息之间的关联关系，通过数据驱动挖掘产品故障背后的机理，并定量分析产品基本特征与故障之间的关联关系，构建基于半监督学习的预警模型。