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

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。

数字化业务现场，是本文提出的框架设计的重要的环节， 也是区别于传统信息化的一个重要特征。数字化转型，主 要是业务的转型，因此业务现场的数字化，是需要重点考 虑的地方；只有基于业务现场的数字化，才能形成全局的 数字化视野。 以离散制造企业为例，说明业务现场数字化的方面： 物料的数字化：例如利用RFID等技术，对物料编码， 以此为基础实现更自动化管理。 物流的数字化：例如仓储、线边库、缓存库等的数字化 统一视

能化”的关键跃迁，形成数据边端自治、服务开箱即用、使用高效快捷的新型边缘智能。 14 应用案例 面向 5G-A 与 AI 融合驱动的算网智一体化解决方案白皮书 4 4.1 确定性时延 PLC 控制 应用案例 离散制造工厂面临两大核心痛点，一是传统有线工业网络（如 Profinet、EtherCAT）对柔性产线的制约， 每次产品换型或重组需重新布线，平均耗时 2-3 周，影响了企业产能；二是现有 PLC 控制网络形成“信

周，难以匹配市场变化的节奏。与此同时，企业应用将需要动态融合 AI 能力、IoT 设备与第三方服务，形成跨域协同的“数字能力体”。基于上述背景下，智能组装与集成技术成为了破局 关键，通过模块化封装、智能编排和动态架构，将离散的技术要素转化为可自由组合的业务能力 PBC，使得企业能够 像搭建乐高积木一样构建业务能力，同时保持架构的弹性和进化能力。 外部工具集成：打破生态壁垒，可连接一切的超级连接器 在开放协同的数字 多种智能应用高效支持华为公司产业，同时也紧跟 AI 大模 型技术变革的机遇，利用 AI 技术辅助内部业务，在内部多个业务场景使能建设 AIGC 应用。在推进应用智能化升级的 过程中，也遇到了如下挑战： 1. 大量小模型离散，共享模型占比只有 2% 左右。场景化定制导致 AI 应用的维护成本高。 2. 小模型主要应用于判断和感知，企业场景适用性优先，数字员工进入瓶颈。 » 解决方案 华为流程 IT 抓住 AI