智能制造的核心基础：攻破柔性生产壁垒 58% 准时交付率 60% 订单碎片化 1 2 0 分钟 换型耗时 zEEKR SDMS° 柔性破局标杆 市场需求变化导致离散制造的核心竞争力变成柔性智造 离散型制造业的生产方式逐步由批量生产转变为多品种、小批量、定制化、多变更的精益生产模式 批量生产方式 精益生产方式 标准化 大批量 浪费，三个和尚没水 喝 ! 采用创新技术：解决事中“最后 1 米”的人机料环法测协同效率问题 O 日 本： 精益化管理路线 消除浪费、 JIT 生产、单 件 流生产、流线化生产、 拉 动生产 离散制造行业数字化转型的核心痛点：快速响应需求的新型生产方式，给企业生产管理带来极大挑战 管理复杂度剧增 人 / 机 / 料 / 环 / 法 / 测、 生产 / 物流 / 质量 / 自动化： 管理复 ) 智 协 同： 基于规则及算法 Al+ 德沃克 OBF 智能体系列产品 (X-Agent) 专注离散制造在物流、生产、质量与自动化场景的 Al+ 业务协同需求，深度融合数据要素，通过汇聚海量工业数据，结 合 通用大模型及行业垂类大模型 ( 规则、策略、算法等 ), 构建全要素全流程离散制造数智化解决方案。 Al 老厂长 ( 生产管控 Agent) Al 品控卫士 ( 质量管控 Agent)

其高效、敏捷与协同的特性，密切关联着生产效率、产品质量、柔性化生产能力及运营成本等方面的优化成效。《2025智能制造行业物流与供应 链数字化转型白皮书》，聚焦于产业变革趋势与智能制造供应链供需分析，深入剖析离散制造和流程制造等关键场景的数字化应用，并结合弘人 网络在智能制造领域的服务案例，旨在为行业参与者提供运营视角下的智能制造物流与供应链数字化转型路径参考。我们期待与业界伙伴进一步 交流合作，共同推动行业创新发展！ 智能仓储优化场景 II. 生产物流协同场景 III. 质量控制与追溯场景 IV. AI技术应用场景 四大场景解决方案 CHAPTER 04 I. 智能制造数字化解决方案框架 II. 离散制造案例 III. 流程制造案例 行业典型实践案例 目录 I. 国家制造新政促行业化发展 II. 内需增长驱动制造模式转变 III. 制造行业发展仍有较大空间 IV. 需求与技术双驱加速数字化 PART 3 | AI技术应用场景-辅助决策与运营优化 I. 智能制造数字化解决方案框架 II. 离散制造案例 III. 流程制造案例 PART 4 行业典型实践案例 智能制造数字化解决方案框架 PART 4 | 行业典型实践案例 C-WMS智能制造仓储数字化解决方案，是面向离散制造、流程制造企业供应链管理需求，从数字化赋能角度提出的一套全面优化策略。 控制塔 供应链计划 智能制造供应链

库存分类管 理 工装 / 工具 管理 成本差异分 摊、还原 利润中心核 算 多组织合并 报表 外币结算 金税对接 无忧智库 无忧智库 无忧智库 无忧智库 无忧智库 XX 离散行业最佳业务实践：数据管理总体业务与流程分析 序号 业务分类 关键流程名称 行业化方案 1 数据治理与规范化 各类主数据管理流程 流程标准化、规则标准化 2 物料主数据 物料主数据维护流程 根 程序无法快速同步调整及测试  建模耗时短  界面操作简单，学习成本低  一键校验，增加操作友好性  逻辑调整耗时短 98% 效率提升约 无忧智库 无忧智库 无忧智库 无忧智库 无忧智库 XX 离散行业最佳业务实践：销售管理总体业务与流程分析 序号 业务流程分类 关键流程名称 流程控制与管理改善建议 行业化方案 1 销售数据 销售主数据管理流程 对客户、价格、信贷等销售数据进行 SAP 主数据式管理 循环拉动/连续补货 预备成品/推式 预备半成品/存货 配置 MRP 融汇价值流理念建立供应链计划体系 • 通过销售计划拉动供应链体系备货计划和生产计划、排产计 划，主生产计划驱动三大计划执行。 • 针对离散生产特点，承接约束的生产计划结果（能力和物料 资源），在车间排程中，通过前后任务单的关联关系，跟单 联动，实现由需求节拍点拉动后端生产安排，支持在供应链 执行时的价值流有序流动。 物料配套 制造执行

数据集的采集则是来自我司产品 ATS 平台，HR 从系统根据 JD 推荐的 CV 来进行选择，符合要 求将要走面试程序的则标为 1，否则标为 0。 2.1 特征介绍 常见的 JD 如下图 1 所示，其中包含格式化离散数据和整段文本数据，从整段文本数据获取招聘 意图是提取 JD 特征的重点难点。 为了更好的解决该问题，我们分别引入知识图谱（KG）方法和自然语言处理（NLP）方法，其 中 KG 负责去充分提取文本中实体的关系和联系，NLP 本中提取的实体信息，以及文 本类特征等。 2.2 特征处理 > 在获取 JD 和 CV 的基础特征之后我们主要将特征主要分为四种类型： ID 离散特征：比如 UID，职能 ID，公司 ID，行业 ID，技能 ID，专业 ID 等。 硬性离散类特征：除了性别，年龄，工作地点等基础类型特征，还包含有知识图谱提取的实体 之间的关系特征比如学校是否匹配，职能（工作职位对应能力）是否匹配等，此处成为 特征。 连续性特征：除薪资等，还包含有知识图谱提取的实体之间的 graph embedding 的 vector 相 似性值，此处成为 IDsim 特征。 Emdedding 特征：包括了 ID 离散特征的 vector，该 vector 有知识图谱的 graph embedding 方法产生（如 DeepWalk，LINE 等 ）。文本 embedding 特征，该特征以 JD 和 CV

第四章：行业实践：数智化转型典型案例剖析...................................................................28 案例一：汽车行业（离散制造代表）.......................................................................... 28 案例二：电子信息行业（精密制造代表） 页 第四章：行业实践：数智化转型典型案例剖析 理论需要实践的验证。下面我们将深入三个最具代表性的行业，剖析其数智化转型的痛点、 场景与价值，并探讨技术平台如何更好地赋能。 案例一：汽车行业（离散制造代表） 行业痛点：消费者需求日益个性化，导致车型配置组合呈爆炸式增长。传统的“推式”生 产和大规模库存模式难以为继，面临高库存、长交付周期、供应链不确定性的严峻挑战。 典型场景： 个性化

缩写 英文 中文 FMCW Frequency Modulated Continuous Wave 调频连续波 DFT Discrete Fourier Transform 离散傅里叶变换 ADC Analog-to-Digital Converter 模数转换器 IF intermediate frequency 中频 MCU Microcontroller

设计、生产控制到运营优化的全流程智能制 造解决方案。 3.1 集成的自动化平台 在数字化转型中，自动化系统是智能工 厂的核心基础。生物发酵工厂主要涉及两类 自动化系统：一是面向单机设备的离散控制 系统（如西门子 TIA 博途平台）。TIA 博途平 台不仅可集成 PLC、变频器、软启动器等硬 件，还具备虚拟调试、数字化设计和云连接 功能，有效支持设备的快速开发和部署；二 是应用于淀粉糖制备、发酵、分离、纯化、

理定律或理论假设，其方法论涵盖 从基础到进阶的多层次技术体系： ①机器学习基础 监督学习：回归分析，适用于连续值预测（如河流流量预测），常用线性回归、 支持向量回归（SVR）。分类模型，解决离散标签问题（如水质等级判定），典型算法包 括逻辑回归、随机森林。 无监督学习：聚类分析，用于数据分组（如用户用水模式划分），经典算法如 K-means、DBSCAN。降维技术，处理高维数据冗余（如传感器多维数据压缩），主成分 预测设备剩余寿命，降低故障风险。 数字孪生世界企业联盟 DTWEA 数字孪生世界白皮书(2025) 53 决策树，分类与规则驱动的决策支持。 决策树通过树状结构对数据进行分类或回归，适用于处理离散型数据。例如，在质量 检测场景中，决策树可根据传感器数据（如振动频率、温度）快速判断产品是否合格，异 常识别率可达 85%以上。在供应链管理中，决策树模型可评估供应商风险等级，优化库存 策略。 针对特定类型的输入数据或应用场景优化，最终输出是所有模型预测结果的加权平均。 （三）超大体量数据处理与实时渲染 1、分布式计算与可视化展示 1）分布式流域水文模型 ①模型概述 分布式流域水文模型是一种基于空间离散化的物理机制模型，旨在全面反映降雨、下 垫面要素(如地形、土壤、植被)的空间异质性对水文过程的影响。其核心思路是将流域划 分为若干网格单元，通过物理方程模拟各单元的产流、汇流过程，最终集成输出流域整体

源容量、任 务依赖与成本收益，形成了一套可精确求解或近似求解的数学优化框架。在这一体系中，围绕云计算与 网络运营的离散化、连续化与多目标的问题形态，逐渐形成了三大技术谱系：一类以图优化与组合优化 为核心 [334, 335]，聚焦路径选择、拓扑规划、任务调度、资源匹配等离散决策问题，依托最短路径、最 大流、多商品流、整数规划等方法，为超大规模分布式训练拓扑设计、路由问题、任务分配与资源调度和 策略等智能搜索手段应对高维、非 凸、动态环境下的复杂优化任务，在分布式推理调度、地理分布式数据中心成本优化与 GPU 资源编排等 场景中展现了卓越的灵活性与实时性。三类方法分别在“结构精确建模—离散问题优化-连续可解优化— 智能近似搜索”技术路径上形成互补，为云网系统在性能、成本、能效和可靠性之间的多目标权衡提供 3.1. 研究图谱 2025：云计算与云网融合中的智能算法 51 了强有力 运筹优化算法是一套基 于约束条件、目标函数极 值求解的系统化数学方 法论，在云网系统关键任 务中具有核心作用。通过 将多维资源约束、通信拓 扑与任务依赖建模为可 计算模型，并借助松弛等 策略，将高维离散与连续 变量映射至可优化空间， 实现高效求解。依托其可 验证性、可解释性与理论 最优性，该方法体系能够 为资源管理、任务调度、 网络拓扑设计、流量工程 和数据库等复杂问题提 供最优或近似最优解。

郭具涛，吕佑龙，戴铮，等 . 基于复合规则和强化学习的 混流装配线调度方法［J］. 中国机械工程，2023，34（21）： 2600-2606，2614. ［27］ 文旋豪，曹华军，李洪丞，等 . 离散制造单元生产扰动识 别模型及其自适应节能控制方法［J］. 机械工程学报， 2023，59（7）：252-264. ［28］ 徐磊，刘金山，王黎黎，等 . 航天机加车间数字孪生虚拟 重 构 技