综述：RAASCEMAN方法：面向基于能力的制造即服务网络的韧性与自适应供应链

《JOURNAL OF INTELLIGENT MANUFACTURING》：The RAASCEMAN Approach: Resilient and Adaptive Supply Chains for Capability-based Manufacturing as a Service Networks

　　

制造即服务（MaaS）模型已被学术界提出并获得产业界广泛关注，其有望提升生产网络的敏捷性与韧性。然而，该模型的成功落地仍需克服非预期事件等关键挑战。本研究旨在助力企业缓释短期与中期非预期事件的冲击，支持其参与动态MaaS网络。针对上述需求，研究人员提出并探讨了五项研究目标：1）适配供应链或内部生产的可执行方案；2）动态供应链生成；3）构建MaaS网络信任机制；4）生产过程的动态规划与调度；5）动态装配与拆解。此外，研究人员还提出了一种用于实现与集成上述目标的新型数字平台。本文阐述了架构基础与方法论框架，目前正通过两个工业试点开展实证验证——分别来自汽车领域（大陆集团，捷克）与自行车行业（Aska，比利时），文中已明确验证方法与目标指标。本工作依托欧盟地平线计划资助的研究与创新行动（RIA）项目RAASCEMAN（面向基于能力的制造即服务网络的韧性与自适应供应链）开展。

引言

欧洲制造业在2024年创造了5.86万亿欧元的销售产值，覆盖超200万家企业，直接雇佣逾2900万人。该高度国际化的产业结构性暴露于各类扰动之中：大量价值由原始设备制造商（OEM）层级以外的环节创造，45%的企业从境外采购关键投入品。新冠疫情、苏伊士运河阻塞、俄乌冲突等近期危机表明，冲击可在合作网络中快速级联传播。在此背景下，刚性供应链的保护成本高昂，而缓慢的恢复速度会侵蚀竞争力，因此韧性取决于企业检测与量化非预期事件影响，并快速重构供应链或内部生产以维持服务水平的能力。实践中，两类扰动占据主导：中期扰动（4周至数天）发生于供应链层面，需替代采购、路径重规划或循环/再制造方案；短期扰动（数天至数小时）发生于工厂内部，需本地重规划与重调度。当前应对两类扰动均需大量人工介入与高交易成本，根源在于欧洲供应商体系高度碎片化，识别、验证与编排适配供应商耗时久，且实际能力与历史绩效信息不透明。制造即服务（MaaS）被提出作为结构性应对方案，通过将制造能力开放为网络化服务，企业可按需获取产能并形成临时生产网络。但现有MaaS平台多为集中式、专有且缺乏扰动感知能力，通常基于静态能力描述进行匹配，信任信息与溯源能力不足，且未将扰动影响的 probabilistic 估计纳入推荐逻辑。因此，具备产品、过程、能力与事件推理能力，并能结合概率评估提供决策支持的语义互操作MaaS生态系统，将为制造韧性带来显著优势。本文提出的RAASCEMAN方法聚焦中期扰动（4周至数天），通过自动量化非预期事件的发生概率与影响，帮助企业评估即时与潜在扰动，结合替代供应商的自动推荐，为以人为本的决策提供可执行依据。RAASCEMAN区别于现有MaaS框架的三大核心贡献为：（1）融合贝叶斯推理的概率化影响量化的扰动感知能力匹配；（2）基于标准化资产管理壳（AAS）实现厂商无关数据交换的语义互操作性；（3）利用可验证凭证（VC）与基于审计的溯源追踪的去中心化信任机制。本文属于设计科学研究贡献，确立了韧性MaaS生态系统的架构与方法论基础，目前正通过工业试点开展实证验证。因此，所声称的收益应理解为源自框架设计原则的理论推导预期，定量证据将通过文中定义的验证方法获取。针对中期扰动，研究区分两类采购部件：第一类存在多供应商或可替代制造技术（如3D打印），可由供应链网络中其他企业提供；第二类为难以切换供应商的高端产品，可通过寻找二手部件与再制造企业弥补供应缺口，发挥循环性优势。RAASCEMAN旨在推动企业全面参与市场，为其提供此前无法获取的扰动应对替代方案，通过动态生产规划与调度，帮助供应商快速生成报价并验证提供所需部件的技术与组织可行性。同时，RAASCEMAN通过基于上游供应链数据的动态规划与调度应对短期扰动（数天至1天内），帮助企业判断是内部吸收扰动还是短期外包。此外，虽非核心焦点，项目也通过改进供应链设计工具覆盖长期扰动（超过4周）。研究围绕五个核心目标展开，分别对应前述挑战。

RAASCEMAN框架：韧性MaaS生态系统

本项目的愿景是构建基于可信MaaS网络的韧性制造生态系统，解决引言中所述的供应链韧性与涟漪效应挑战，打破企业在扰动恢复过程中孤立运作的状态。框架包含三大核心支柱：第一支柱通过MaaS平台内的标准化语义模型建立所有生态参与方与组件的共同认知，支撑覆盖工厂与供应链层级的垂直一体化方法；第二支柱构建跨企业与 intra-企业的数字基础设施，保障MaaS网络全链路的信任与数据主权；第三支柱部署混合人工智能工具集，涵盖从符号推理到机器学习的多种方法，保障价值网络的韧性，这些工具构成供应链数字孪生（DT），能够识别非预期扰动事件、预测其影响并提出最优、时效敏感的应对策略。供应链层数字孪生的落地需要配套的产品数字孪生（PDT），工业用例涵盖企业对企业（B2B）按订单生产与企业对消费者（B2C）按库存生产两种模式，确保涟漪效应分析覆盖价值网络的供需两侧。五大研究目标与上述支柱一一映射：建立基于标准化语义表示的通用信息模型（CIM）、开发跨企业数据交换基础设施、实现非预期事件的影响预测与决策支持、支撑动态供应商发现与信任构建、支持自适应生产规划与执行。

建立通用语义基础

基于共享生产与资产管理壳（AAS）的基础，RAASCEMAN采用基于AAS框架的标准化集成软件组件与通用语义表示，这是实现MaaS网络内跨企业通信与透明度的前提。研究采用能力-技能-服务（CSS）模型作为核心语义框架：能力定义为“工业生产中实现物理或虚拟世界效果的独立于实现的功能规范”，技能定义为“由能力指定的封装（自动化）功能的可执行实现”。描述机器功能的能力称为“提供能力”，描述产品生产所需过程的能力称为“需求能力”，二者通过多种匹配技术比对，支撑动态生产规划与调度。技能封装了自动化功能的实现与调用细节，单个能力可由生产环境中的多个技能实现，有效解耦规划与资源分配，提升生产灵活性与鲁棒性。服务则定义为MaaS网络中工厂提供能力的商业特征与机制，称为“制造服务”以区别于IT领域的软件服务。产品数字孪生（PDT）基于AAS框架构建，整合数字产品护照（DPP）的全生命周期数据，支撑供应商识别、生产规划与执行。针对再制造场景，PDT还包含产品使用信息等附加数据，支撑再制造可行性评估，覆盖退役等全生命周期环节。

创建MaaS网络基础设施

第二支柱聚焦 intra-企业与跨工厂通信，基于标准构建符合欧洲价值观的可信数据交换体系。跨企业通信基于国际数据空间（IDS）/数据空间连接器（EDC）规范实现，平台部署三类数据存储：时序数据库存储实时机器遥测与生产关键绩效指标（KPI）、图数据库支撑语义知识表示与能力匹配、文档存储管理AAS仓库与历史记录。 intra-企业层面，平台依托AAS能力构建，包含AAS仓库、AAS数据管理器与中央认证系统三大核心组件，中央认证系统实现基于角色的访问控制（RBAC）与基于属性的访问控制（ABAC），采用去中心化标识符（DID）与可验证凭证（VC），符合W3C标准与Gaia-X信任框架要求。基础设施为上层工具集提供技术底座，包括审计/入驻工具、供应商推荐引擎、影响预测工具、决策支持工具、生产能力匹配工具、动态规划调度系统与动态执行系统，覆盖从网络配置到车间执行的完整生产栈。

非预期事件的决策支持

针对非预期事件，RAASCEMAN提供决策支持工具，帮助制造商在扰动发生时从多源数据与知识中快速推导结论。影响预测框架包含三部分：首先，将制造执行系统（MES）、企业资源规划（ERP）、物流与合作伙伴系统的数据统一为类型化属性知识图谱G=(E,R,A)，覆盖产品、过程、资源与事件概念；其次，将不确定性编译为动态贝叶斯网络，事件指标Z_j∈{0,1}关联实体与关系j∈E∪R，关键绩效指标（KPI）结果Y_o关联目标订单o，外生驱动因子X代表需求、产能与外部信号，因子分解遵循知识图谱邻域结构，实现沿物料清单（BOM）、工艺路线与物流链路的自上而下传播推理；最后，通过后验预测推理得到影响分布，输出如延迟概率π_o(τ)=Pr[Y_o^delay>τ|x,G,D]与成本置信区间CrI_α(Y_o^cost)等概率载荷，并通过适当评分与覆盖诊断强制校准，必要时采用保形预测实现有限样本保证。决策支持环节则需结合影响预测结果与替代策略的行动建议，辅助人类决策者完成“临时自制或外购”的高层判断，进而对比内部生产调整与外部供应商搜寻的成本收益。研究采用知识图谱技术整合动态供应链数据，结合语义推理器加速决策过程，突破现有研究中供应商数据与调度数据割裂的局限，为协同决策提供全景视图。

构建MaaS网络信任机制

信任机制是MaaS网络落地的关键使能因素，包含供应商审计工具与可信数据空间两大核心模块。供应商审计工具承担两项职能：一是新客户审计，通过大语言模型（LLM）结合检索增强生成（RAG）框架，将手册、数据表、CAD模型等非结构化历史数据转换为结构化机器可读格式，基于预定义制造能力本体自动构建知识图谱，生成候选AAS表征的供应商工厂能力，经利益相关方验证后发布，实现供应商入驻；二是现有参与者评估服务，计算新报价请求与供应商实际能力的相似度，结果输入供应商推荐引擎，支撑持续数据驱动的供应商评估。可信数据空间基于IDS/EDC构建，参与者通过可验证凭证（VC）实现身份、审计结果与服务水平协议（SLA）的声明与验证，采用开放数字版权语言（ODRL）定义策略，全流程符合Gaia-X框架要求。SLA合规性由审计工具作为可信第三方核查，违约记录生成防篡改VC，既可作为惩罚执行依据，也可自动计入供应商信任评级，形成闭环治理。

动态供应链生成

动态供应链生成依托供应商审计工具与供应商推荐引擎（SRE）实现。供应商入驻阶段，新生产者提交入网申请，系统自动从其历史报价、生产计划、产能、经验、设备、认证与质量控制流程中提取制造能力，注册至中央仓库，审计工具定期更新生产者绩效评分。服务请求阶段，用户向决策支持工具提交请求，SRE首先从服务提供商仓库预过滤潜在供应商以提升扩展性，随后向各服务提供商的本地生产能力匹配工具（PCMT）发送能力匹配请求，PCMT返回包含匹配得分、可行性检查与成本、交付周期、CO₂排放、质量承诺等参数的匹配清单，审计工具对清单进行绩效评分增强，SRE基于增强后的清单构建请求相关的知识图谱子图，通过语义查询生成潜在供应链方案，最终由决策支持工具向用户输出推荐结果。

生产适配

生产适配聚焦工厂层面的动态响应能力，包含生产能力匹配、动态规划调度与动态任务执行三个环节。生产能力匹配工具（PCMT）基于语义标准化的机器可读产品/服务需求，计算工厂级可行性，返回带可追溯依据的排序选项，遵循隐私保护的两消息契约（匹配请求→匹配清单）。系统采用AAS v3结合IEC 61360/ECLASS概念描述，为每个能力参数分配全局单位感知标识符（IRDI），消除语义歧义。CSS本体以RDF图表示，包含资产、技能、日历、资质与商业属性等语义类，采用形状约束语言（SHACL）保障数据质量，SPARQL模板实现参数覆盖、公差裕度、日历交集等可复用查询。为桥接人类意图与形式化模型，系统集成LLM与RAG实现自然语言请求的语义解析，结合知识图谱的溯源信息进行接地推理。PCMT执行四阶段流水线：请求规范化（映射至RDF资源，单位与公差规范化，SHACL验证）、候选检索（SPARQL查询知识图谱识别具备参数覆盖能力的技能/服务，支持工序分解）、确定性可行性门控（校验参数范围、生产日历交集、设备健康有效期、操作员资质、工装可用性、商业与可持续性约束，失败则返回原因与修复建议）、评分与清单生成（多目标评分涵盖单位成本、交付周期、CO₂排放、信任度、风险、公差裕度，生成包含证据与溯源信息的匹配清单）。动态规划与调度算法基于AAS数据源，一方面响应本地扰动，在不依赖供应链工具的前提下寻求厂内解决方案；另一方面若厂内无法处理，则评估跨工厂的任务承接可行性。算法采用GPU友好型中间表示构建虚拟工厂状态，通过大规模并行处理实现分钟级响应，采用GPU加速的柔性作业车间调度算法，支持计划重规划与低优先级任务拆分，兼顾多目标优化（缩短交付周期、降低成本、减少碳排放等），并引入GPU加速的强化学习方法，基于中间表示学习决策逻辑，适配不同规模的工厂场景。动态任务执行依托可重构信息物理生产模块（RCPPM）与人机协作团队，采用基于技能的multi-agent控制架构，将任务抽象为技能单元——机器人技能包括MoveMPC、DeadlockResolution、ObjectDetection等，人类操作员技能包括TakeTool、HandoverObject等，技能接口通过信息模型标准化，支持黑盒组合与替换。分布式模型预测控制（DMPC）集成碰撞与死锁规避能力，实现机器人运动控制的在线计算，支撑生产过程的动态适配。

RAASCEMAN系统概述

系统架构实现概念框架的工程化落地，区分制造服务请求方与制造服务提供方两类核心角色。底层为符合欧洲数据经济原则的MaaS数据空间基础设施，连接各类制造服务，提供基于AAS的技术互操作标准。产品通过产品数字孪生（PDT）实现全生命周期追踪，PDT由请求方与产品所有者创建，采用语义互操作表示捕获制造过程需求，CSS模型统一描述制造需求与提供的服务，支撑语义集成，每个产品实例的数字产品护照贯穿价值链流转。决策支持工具融合工厂数据、MaaS数据空间数据与PDT数据，生成即时建议，底层分别调用工厂级工具（规划、调度、执行）或供应链级工具（供应商发现），支撑请求方的动态响应。架构定义了五个互联用例：UC1（非预期事件响应）、UC2（新供应商选择）、UC3（产品数字孪生创建）、UC4（工厂级动态重规划）、UC5（制造服务描述），将五项研究目标转化为可测试的系统行为。

实验设计与验证方法论

验证包含三个互补的试点场景：工业试点1（自行车制造，Aska）聚焦中小企业供应链的中期扰动，验证供应商发现与推荐引擎、决策支持工具与PDT创建能力，核心场景包括主车架供应商失效、电机/变速箱短缺、需求激增与再制造机会涌现，目标是建立铝制车架的韧性多供应商网络；工业试点2（汽车电子，大陆集团）聚焦短期重规划能力，验证动态规划与调度算法、快速扰动响应决策支持与再制造集成能力，核心场景包括不足1小时的呼叫预测变更、质量检测触发的再制造需求、上游供应商延迟与OEM紧急需求，目标是实现亚小时级重规划响应与再制造工作流无缝集成；实验试点3（互联MaaS网络）整合五个欧洲研究试验台（DFKI MRK 4.0实验室、Flanders Make、DFKI SmartFactoryKL、CTU布拉格/CIIRC I4.0、WSKL RPTU），构建分布式MaaS网络，验证端到端的语义服务匹配、供应商推荐算法、动态任务执行、数据空间基础设施与互操作协议，核心场景包括多层级联扰动、3D打印替代、跨境服务替换与部分再制造，目标是验证完整框架在异构环境下的集成效能。验证定义了跨试点的关键绩效指标（KPI），涵盖技术性能、业务价值与韧性提升三大类别，包括匹配延迟、可行性 yield、重规划响应时间、供应商发现周期、成本降低幅度、交付可靠性提升等指标，为框架有效性评估提供量化基准。

讨论

理论层面，RAASCEMAN将成熟的“准备-响应-恢复”供应链韧性范式从组织流程层面落地到技术机制层面：语义互操作层通过增强供应链可见性与自动服务发现支撑“准备”阶段，贝叶斯推理组件通过概率化决策支持量化扰动影响支撑“响应”阶段，MaaS网络架构通过快速供应商替换与动态生产重规划支撑“恢复”阶段，填补了韧性理论与工业4.0实施之间的鸿沟。对比传统韧性框架，RAASCEMAN从预测驱动的缓冲转向动态适配驱动的韧性，通过内部生产调整、自动供应商切换与循环经济集成的多策略组合，降低企业单独维护冗余的成本。对比商业MaaS平台，现有平台多依赖供应商网络冗余实现韧性，以交易撮合为核心，而RAASCEMAN构建分布式网络架构，实现跨组织边界的主动自动重构，将离散交易关系转变为持续的网络优化协作。对比学术研究框架，现有云制造研究多聚焦确定性场景下的服务组合优化，预测能力与选择算法割裂，且缺乏信任机制与跨系统语义互操作，RAASCEMAN首次将扰动概率直接集成到能力匹配决策中，并实现全组件互操作的集成生态系统。实践层面，框架有望将供应商寻源周期从数周缩短至数天，提升决策科学性，降低中小企业参与大供应链网络的门槛，同时通过Gaia-X合规架构保障数据主权，契合欧洲数字主权战略。研究同时承认局限性：当前处于概念与架构阶段，集成验证仍在进行；贝叶斯推理与调度算法的计算复杂度可能制约企业级扩展性；新参与者的冷启动信任问题尚未完全解决；AAS生态普及度不足可能影响语义互操作效益；SME的技术采纳门槛仍需进一步降低。

结论与未来工作

本文提出的RAASCEMAN框架为构建基于可信MaaS网络的韧性制造生态系统提供了架构与方法论基础。核心贡献包括：基于CSS范式与AAS标准的通用语义基础，实现跨组织边界的厂商无关信息交换；符合IDS/EDC规范的数据空间架构，结合DID与VC保障数据主权与可信交换；基于知识图谱驱动贝叶斯推理的影响预测工具，输出校准后的KPI概率分布；融合历史绩效分析与VC的信任机制，实现无需中心化声誉依赖的供应商评估；覆盖能力匹配、动态调度与技能化多agent控制的生产适配工具集。未来工作将聚焦完成框架集成与试点验证，量化预测精度与业务价值；扩展CSS语义模型以覆盖装配/拆解的几何约束与人机协作协议；开发冷启动信任引导机制；优化算法性能并探索云边协同架构以提升扩展性；设计轻量化部署方案降低SME采纳门槛；参与AAS标准化工作并开发遗留系统集成接口。总体而言，RAASCEMAN提供了一种基于开放欧洲标准（AAS、Gaia-X）、分布式信任机制与概率化决策支持的语义互操作、扰动感知MaaS框架，有望支撑欧洲向灵活、自主、抗扰动的韧性生产网络转型。