《Results in Engineering》：A framework for multi-level decision support in manufacturing: A hierarchical and distributed approach
编辑推荐：
制造系统日益面临来自波动需求、更严格的资源约束以及平衡多个（有时相互冲突的）绩效目标所带来的高度复杂性。尽管决策支持系统（DSS）已被广泛用于辅助制造决策，但其在工业环境中的实施仍然高度碎片化。现有的DSS解决方案在如何构建和整合跨多个决策层级的决策支持方面提
制造系统日益面临来自波动需求、更严格的资源约束以及平衡多个（有时相互冲突的）绩效目标所带来的高度复杂性。尽管决策支持系统（DSS）已被广泛用于辅助制造决策，但其在工业环境中的实施仍然高度碎片化。现有的DSS解决方案在如何构建和整合跨多个决策层级的决策支持方面提供的指导有限，尽管制造生态系统的数字化成熟度正在不断提高。本文提出了一种层级化、分布式的决策支持框架以填补这一空白。本文的主要贡献在于形式化了一个通用且模块化的协调架构，通过垂直协调、水平协调以及结构化反馈机制来整合多种DSS。该框架能够在保持局部自主性的同时，支持多个DSS在战略层、战术层和运作层进行协调互动。它明确地包含了用于垂直和水平信息交换以及结构化反馈的机制，从而支持在动态制造环境中做出连贯且一致的决策。通过一个受汽车装配环境启发的、基于仿真的制造用例，对所提出框架的适用性进行了评估。在该用例中，一个高层级生产计划DSS协调三个低层级DSS，分别负责生产调度、库存补货和维护计划。通过一个在五种运行场景下比较所提出的完整框架与一个孤岛式基线以及两种部分协调配置的蒙特卡洛评估，结果表明，完整框架一贯地提升了系统级绩效，在提高服务水平的同时，减少了最终积压订单、缺货相关中断、总运营成本和约束违反。在要求最高的综合压力场景下，该框架并未消除中断影响，但实现了最佳的整体响应，减少了最终积压订单和运营成本，同时避免了在孤岛式基线中观察到的缺货天数。这些发现表明，层级化和分布式的DSS协调能够提升在不确定条件下制造决策的鲁棒性、一致性和运作可行性。
**研究背景与问题**
现代制造系统正面临日益增长的复杂性，这种复杂性源于波动的客户需求、愈发严格的资源约束以及需要在多个（有时相互冲突的）绩效目标之间寻求平衡。在此背景下，决策支持系统（Decision Support Systems， DSS）已成为辅助制造决策的关键工具。然而，尽管DSS已被广泛采用，但其在工业中的实际部署仍高度碎片化。现有DSS解决方案大多聚焦于特定功能领域（如生产调度、库存管理、维护规划），旨在优化局部目标，却很少考虑其决策对整个系统的系统性影响。同时，制造决策天然具有层级性，通常分为战略层、战术层和运作层，各层级决策相互依存。然而，当前研究与实践的鸿沟在于，缺乏一个清晰且可适应的框架来整合多个DSS，使其在一个协调的决策支持架构中协同工作，以确保跨层级、跨领域的决策连贯一致。因此，本研究的核心目标是为制造业提出一个通用的、模块化的决策支持框架，以协调和支撑跨多个决策层级的制造决策。
**研究内容与结论**
研究人员提出了一种层级化、分布式（hierarchical and distributed）的决策支持框架。该框架构建了一个通用且模块化的协调架构，通过垂直协调（vertical coordination）、水平协调（horizontal coordination）和结构化反馈（structured feedback）机制来整合多个DSS。该框架允许战略层、战术层和运作层的DSS在保持局部自主性的同时进行协调互动，以支持在动态制造环境中做出连贯一致的决策。为评估该框架的适用性，研究人员基于一个受汽车装配环境启发的制造系统，开发了一个仿真案例。在该用例中，一个高层级生产计划DSS（High-Level DSS， HL-DSS）负责制定每周生产目标，并协调三个低层级DSS（Low-Level DSSs， LL-DSSs），分别负责每日的生产调度、库存补货和维护计划。研究人员通过蒙特卡洛（Monte Carlo）模拟方法，在五种运行场景（标称、需求冲击、供应不确定性、维护压力、综合压力）下，将所提出的完整框架与一个孤岛式基线（Siloed Baseline）以及两种部分协调配置（仅垂直协调、仅水平协调）进行了比较。结果表明，完整框架在所有场景下均能一贯地提升系统级绩效，包括提高服务水平、减少最终积压订单、避免缺货天数、降低总运营成本和约束违反。特别是在最严苛的综合压力场景下，虽然框架无法完全消除中断影响，但相较于其他配置，其实现了最佳的整体响应。该研究证实，层级化与分布式的DSS协调能够显著提升制造决策在不确定条件下的鲁棒性、一致性和运作可行性。该论文发表在《Results in Engineering》。
**主要技术方法**
研究人员首先进行了文献综述，系统梳理了DSS、制造系统中的功能孤岛问题以及多层级决策理论。基于此，研究人员提出了一个层级化分布式DSS框架的数学形式化模型，包括状态空间模型、成本函数和约束条件。随后，为验证框架有效性，研究人员开发了一个受汽车装配环境启发的仿真用例，并自主生成了一组受工业启发的合成外生数据（包括需求、产能、供应、维护等变量）。最后，采用蒙特卡洛模拟方法，在五种不同运行场景下，将完整框架与孤岛式基线及两种部分协调配置进行了系统性的对比评估。
**研究结果**
* **标称场景（Nominal scenario）：** 与孤岛式基线相比，完整框架将最终积压订单减少了91.70%，总运营成本降低了59.29%，同时服务水平提高了4.40%，并避免了7.31个缺货天数。通过周度分析发现，完整框架在积压控制、生产-需求匹配、缺货避免和成本控制方面均表现出更稳定的周度行为。
* **需求冲击场景（Demand shock scenario）：** 完整框架实现了最终积压订单46.34%的减少和总运营成本30.81%的降低。研究发现，当高层级DSS的垂直反馈与低层级DSS间的水平协调相结合时，其目标调整更为有效，因为制定出的目标不仅适应了需求压力，也更能被转化为可执行的产出。
* **供应不确定性场景（Supply uncertainty scenario）：** 完整框架相对于基线，将最终积压订单减少了78.51%，总运营成本降低了58.18%，并避免了14.07个缺货天数。仅水平协调配置在缺货避免方面表现相当，但在积压和成本控制上效果有限。
* **维护压力场景（Maintenance stress scenario）：** 完整框架将最终积压订单减少了84.70%，总运营成本降低了64%，并将服务水平提高了7.80%。
* **综合压力场景（Combined-stress scenario）：** 这是最严苛的场景。所有配置均无法完全避免积压，但完整框架实现了最佳响应：服务水平提升5.59%，最终积压减少23.21%，完全避免了缺货天数，总运营成本降低21.14%。研究指出，完整的框架虽不能消除严重中断，但能显著提升系统应对和缓解中断的能力。
* **性能分布分析：** 蒙特卡洛结果分布图显示，在标称和综合压力场景下，完整框架不仅将最终积压和运营成本的分布向更低值偏移，还减小了结果的分布范围，表明其增强了系统在随机条件下的决策一致性。
**总结与讨论**
研究结论部分总结指出，本工作引入了一个旨在协调制造中战略、战术和运作层多个DSS的层级化、分布式决策支持框架。其主要创新点在于明确提出了一个模块化架构及其相关数学模型，使专门的DSS能够交换指令和反馈。该框架通过将分散在文献中的概念综合到一个统一结构中，回应了长期存在的对更集成化决策支持的呼吁，并解决了局部优化与系统整体连贯性之间持续存在的差距。该框架应被视为一个方法论的参考，而非一个规定性的实施模型。其模块化特性表明，它可能支持在集成能力有限的组织中进行渐进式采纳。最后，论文指出了研究的局限性，即框架的验证基于合成数据，而非真实工业环境，这限制了其结论的直接普适性，也明确了未来需要在实际工业环境中进行实证验证，并探索与数字孪生（Digital Twin）、机器学习（Machine Learning）等先进技术的集成。
