《Sustainability》：Beyond Industry 5.0: The Role of Multicloud Technologies for Sustainable Production and Proposals to Overcome Challenges
编辑推荐：
向超越工业5.0的新工业范式转型要求超连接性和大规模处理，这造成了一个悖论：高计算需求可能威胁企业可持续发展目标（ESG）。本研究旨在构建并优先排序一个多云技术的多层框架，以在颠覆性进步、精益优化和脱碳之间取得平衡。采用了一种混合、顺序且探索-规范的方法。首先
向超越工业5.0的新工业范式转型要求超连接性和大规模处理，这造成了一个悖论：高计算需求可能威胁企业可持续发展目标（ESG）。本研究旨在构建并优先排序一个多云技术的多层框架，以在颠覆性进步、精益优化和脱碳之间取得平衡。采用了一种混合、顺序且探索-规范的方法。首先，研究人员通过文献与专家小组和供应商的三方验证，识别出21项技术功能，将其组织成四个双向价值流层。然后，应用混合多标准建模（AHP-TOPSIS）根据五个市场约束对这些技术进行排序。通过AHP进行校准显示，网络弹性（约38%）和过程优化（约27%）主导了高管优先级，超过了环境影响或成本效率。结果，TOPSIS排序突出了人机共生（BCI/神经工效学准备度）、零信任架构、联邦学习和GenAI KPI分析作为各自层中的领先功能，而超BPM则在治理层作为紧密相关的优化引擎出现。最后，研究人员在一个棕地先进制造设施中使用匿名的工业概念验证（PoC）评估了所提出的路线图，提供了其集成精益优化与遗留系统及ESG导向监控的运行可行性证据。研究得出结论：工业可持续性并非仅依赖绿色技术，而是依赖于边缘-云连续体上的去中心化编排。因此，当网络治理和精益导向的运营管理共同支持去中心化的多云编排时，环境收益更有可能实现。
**论文解读文章**
**研究背景与问题**
当代制造业正面临超越工业4.0数字化和工业5.0人本化与运营韧性的变革。新兴工业范式以超自动化、分布式人工智能和再生式可持续性为特征，要求处理来自6G网络和纳米传感器（Smart Dust）的海量数据，这需要日益独立于传统集中式模型的IT基础设施，从而推动多云架构的兴起。然而，高计算需求可能与企业可持续发展（ESG）目标相悖，形成一个悖论：超数字化带来的效率提升可能被IT运营的能源消耗和碳足迹所抵消。现有文献在信息系统和运营管理领域存在显著空白：许多研究以技术为中心，将制造业中的云计算视为单一整体或提供孤立的分类，缺乏将业务流程管理和精益六西格玛理念融入云原生基础设施设计的构造。因此，本研究旨在提出并优先排序一个多云技术的多层框架，以指导超越工业5.0的战略和战术转型，聚焦更可持续的生产，同时解决运营崩溃和电子废弃物风险。该研究发表在《Sustainability》期刊。
**关键技术方法**
本研究采用混合、顺序的探索-规范方法论设计。首先，通过文献综述（基于Scopus和Web of Science数据库，遵循PRISMA流程）和专家小组（18名来自IT/OT/ESG领域的专业人士）及供应商（10名来自云服务商、集成商和自动化公司）的三方验证，识别出21项技术功能并构建四层框架。随后，应用混合多标准决策模型（AHP-TOPSIS）：AHP（层次分析法）由5名高管决策者确定五个评价标准（ESG影响、过程优化、技术可行性、财务吸引力、网络安全与治理）的权重；TOPSIS（逼近理想解排序法）由8名技术专家在每层内对技术功能进行排序。最后，通过在一个匿名化棕地先进制造设施中实施工业概念验证（PoC）评估路线图的运行可行性。
**研究结果**
**3.1 文献中识别的技术资源与功能**
通过文献综述，研究人员识别出21项技术功能，并编制了综合汇总表。分析显示，“可持续性/绿色IT”和“基础设施与处理”功能得到大量文献验证，表明碳感知编排器和清洁能源动态路由的学术成熟度较高；而“交易自治”和“安全与透明”功能交叉引用较少，表明基于区块链的零信任架构与ESG效率的结合仍属前沿。从架构视角看，功能映射揭示了边缘-云连续体上的明确分工：边缘计算处理实时遥测和职业健康，而远程高性能计算集群承担AI训练和数字孪生渲染等密集型任务。
**3.2 多云技术如何满足技术功能（数据三角验证）**
通过专家小组和供应商访谈进行数据三角验证。结果揭示了运营需求与IT解决方案的结构性交汇：运营专家强调去中心化风险吸收和脱碳，供应商则提供碳感知路由、光学互连网络和无服务器生态系统等方案。研究确认，网络延迟和闲置功率被严格视为环境负债，而边缘神经形态芯片与弹性数字孪生渲染的结合可防止物理浪费。
**3.3 多云转型框架**
框架将21项功能组织为四个层次：第1层（网络物理基础与感知）——边缘计算和边缘AI实现低延迟人机交互；第2层（核心基础设施与多云编排）——碳感知编排器和零信任架构提供可持续处理与安全连接；第3层（智能、虚拟化与综合）——联邦学习和认知数字孪生支持跨工厂协同模拟；第4层（过程治理、PP&C与价值优化）——流程挖掘和超自动化实现精益与ESG指标集成。框架采用自下而上的数据流和自上而下的控制流，确保系统依赖性。
**3.4 框架中技术功能的多标准建模**
AHP校准显示，专家将最高权重赋予网络弹性与治理（37.82%），其次是过程优化（27.43%）和ESG影响（17.87%），财务吸引力（10.59%）和技术可行性（6.3%）权重较低。TOPSIS排名结果：第1层中，人机共生（BCI/神经工效学准备度）以CCi=0.9685领先，强调边缘端低延迟操作员监控；第2层中，安全与透明（零信任/DLT）以CCi=0.6601居首，反映网络治理优先；第3层中，联邦学习以CCi=0.8137领先，解决跨工厂数据共享的治理障碍；第4层中，GenAI KPI分析（CCi=0.8476）和超BPM（CCi=0.8169）形成稳定领先对，支撑精益优化与战略决策。
**3.5 敏感性分析**
通过三种极端场景（亲ESG、成本紧缩、精益敏捷）对21项技术进行压力测试。结果显示，人机共生保持稳定，而安全与透明在非网络安全主导场景中下降，表明其领先地位并非算法伪影。联邦学习在亲ESG场景中被认知孪生和材料工程超越。敏感性分析证实模型对不同战略优先级的响应性，增强了鲁棒性。
**3.6 工业PoC可行性评估结果**
在单一匿名化棕地制造设施中实施的PoC证明，路线图可在不替换遗留设备的情况下模块化推进。第1-2层通过边缘网关封装遗留PLC并部署零信任架构，实现神经工效学监控和网络韧性；第3-4层建立联邦学习就绪数据环境，并集成GenAI KPI与超BPM，支持OEE和碳足迹实时可视化。PoC表明，多云编排与精益原则结合可支持ESG监控，但需谨慎解释为可行性证据而非因果证明。
**讨论与结论**
研究结论指出，工业可持续性并非源于绿色技术的孤立获取，而是依赖于去中心化编排与系统性浪费消除的智能协同。AHP校准表明网络弹性与过程优化主导高管优先级，而TOPSIS排名确认人机共生、零信任、联邦学习和GenAI KPI分析为各层关键功能。PoC验证了棕地环境中模块化转型的可行性。研究局限性包括：文献数据集规模有限（39篇）、专家年龄范围集中（36-57岁）、多标准评估的主观性以及PoC仅限单一设施。未来应通过纵向多案例研究评估长期投资回报和范围3减排。
