钢铁、矿山等典型制造企业的企业资源规划(ERP)工业软件是企业产业链上资源管理的“中枢神经”。国内各行业在巩固“十四五”智能制造发展规划成果的同时，为了迎接“十五五”的新一轮目标，各企业大力发展新质生产核心技术，加大研发投入。随着产业链上规模和企业上下游制造过程中连带资源的逐步增加，钢铁、矿山等典型制造企业的迸发用户和生产管控的成本也大幅提升。这使得制造企业过去的ERP工业软件已难以支撑企业内部良性运转，存在动态反馈迟滞、业务流转不畅、数据管控不足等问题。而近几年强化学习、扩散模型等生成式人工智能(GAI)技术与大语言模型(LLMs)的不断发展给制造企业带来了新的机遇。如何利用GAI技术和LLMs赋能典型制造企业技术链，从而实现技术转型和产能升级是当下的研究热点。

ERP工业软件是整合典型制造企业全产业链上资源的核心管理系统，其覆盖企业产业链上业务越广、感知范围越大、资源配置越快则制造企业内部运行效率就越高。随着GAI、微服务技术和LLMs的不断发展，传统ERP工业软件的技术底座亟需智能化升级。过去的一技术解决一业务的处理模式正逐步转化为全局业务感知与智能技术适配的代理处理模式。在过去的ERP工业软件基础上，新一代高端智能ERP工业软件是指在全业务链协同、移动物联网、微服务、LLMs和GAI等新一代智能技术引领下，明确制造企业全产业链业务运作模式，通过感知链上制造资源并与信息技术结合，突破国外对ERP工业软件核心技术的封锁，实现制造企业全业态知识产权国产可控与全产业链端到端价值提升和协同。国内外针对典型制造企业供应链-营销链-服务链全业务链当下的困境，以效能提升、价值共创为目标开展了诸多研究，并探索了在部分业务环节结合LLMs和GAI等新一代智能技术的可能性。

尽管已有学者针对制造企业管理、需求预测、资源配置、服务优化等方面开展研究，但这些研究大多使用深度学习、数据模型等传统方法，没有与GAI、微服务、LLMs等新一代智能技术有效结合。另外，这些学者面向制造企业产业链部分难题开展研究，突破的技术不成体系，没有系统性地开展新一代ERP工业软件研究。众多制造企业中，钢铁、矿山等典型企业业务覆盖用户多、制造资源多源异构等特征导致转型压力大、技术升级难。为保障钢铁、矿山等典型制造企业健康运营和良性运转，维持制造企业在新的挑战下稳中向前的态势，迫切需要面向典型制造企业全产业链研发新一代的国产高端智能ERP工业软件。打破制造企业产业链上多基地产供销一体化管理瓶颈，全面提升制造企业多源需求感知、动态资源配置、服务敏捷适配的数字化和智能化水平，实现制造企业端到端协同进化与价值共创，推动钢铁、矿山等典型制造企业由“单一业态松散管理”向“全链路、跨地域、多场景协同”方向转型升级。

基于以上背景，在总结钢铁、矿山等典型制造企业全产业链端到端协同需求与现有制造企业资源规划方法面临挑战的基础上，提出新一代国产高端智能ERP工业软件支撑体系架构，并从协同管理、需求感知、服务优化等方面出发，对典型制造企业新一代国产高端智能ERP工业软件的关键技术体系进行全面分析，最终结合典型制造集团企业开发ERP工业软件并对核心功能开展测试，为新一代国产高端智能ERP工业软件和关键技术的应用推广和国产替代提供参考。

1 新一代国产高端智能ERP工业软件体系架构

1.1 典型制造企业传统ERP工业软件面临的挑战

ERP工业软件支撑着钢铁、矿山等典型制造企业人力、财务、研发、生产制造、供应链、营销、客服等关键业务环节的实时运营，是企业的“中枢神经”。随着国民生产制造需求的不断升级，我国提升产业链韧性和协同效率的重要性和紧迫性进一步凸显。当前制造企业产业链上生态企业用户不断增加。其不再是过去的只涉及到企业内部，为了满足更高的生产需求，企业链上用户已经覆盖到了企业内外部以及产业的上下游。大量的生态用户接入同时为企业的管理带来了挑战。制造企业供应链-制造链-营销链-服务链全业务链跨界业务流转复杂，要保证全链路端到端流程贯通相比过去管控成本大幅增加。另外，钢铁、矿山等制造企业采用分布式制造模式充分利用离散制造资源同时节约物流运输成本。随着制造需求的提高，分布式制造模式引出的穿透式集成运营需求也不断提高。以企业集团为主干，辐射到下方事业部以及各个生产基地，构建一体化跨组织的穿透式集成管控框架是当下亟待解决的难题。

由此看出，钢铁、矿山等典型制造企业具有关联产业多元化、运营管理集团化、生产制造规模化等显著特征，这些特征导致企业出现全链需求互感知能力弱、跨域资源自组织效率低、业务应用智引擎协作差等共性问题，对制造企业的智慧管理、需求感知、资源配置、业务适配等功能提出了更高要求。同时也给传统ERP工业软件带来严峻挑战，具体体现在以下几个方面。

(1) 产业需求滞后波动协同感知失准。钢铁、矿山等典型制造企业具有层次化组织结构、分布式生产基地、多区域市场等复杂特征，其引导形成了复杂动态的生态系统和产业链，如此难以维持大型企业自组织、自协同、一体化的良性运行，而复杂多变的业务环境给产业需求带来波动，使得制造企业全链路产业生态需求交互的可信性难以保证。

(2) 制造资源异构分散动态配置失衡。钢铁、矿山等典型制造企业供应链上制造资源规划调控具有跨地域、多层次、多节点等复杂特征，面临着地域分散、需求多变、数据异构和实时响应要求高等挑战，导致资源分配的不均衡、响应速度的滞后和决策水平低，导致制造企业跨地域制造资源难以动态调控规划。

(3) 场景应用定制多样敏捷适配失效。钢铁、矿山等典型制造企业工作流具有“多业态、多产线、多品种、多基地”多元化以及“产业间、基地间、区域市场间”跨领域/地域的复杂性，多样化的场景导致业务应用难以快速适配，这需要ERP工业软件必须具备强大的柔性组装能力和构造可塑性。

根据上述可知，当前制造企业ERP工业软件在企业生态协同、需求感知、资源配置和业务适配等方面仍存在瓶颈，无法满足钢铁、矿山等典型制造企业全产业链端到端协同对于需求交互高可信性、运营调控高可优性和组装构造高可塑性的迫切需求，造成企业全产业链端到端协同效率低下和价值共创不足。

1.2 新一代国产高端智能ERP工业软件体系架构

基于前述分析内容，为了克服当前钢铁、矿山等典型制造企业在新一代国产高端智能ERP工业软件研发中遇到的产业需求滞后波动协同感知失准、制造资源异构分散动态配置失衡和场景应用定制多样敏捷适配失效等挑战，设计了新一代国产高端智能ERP工业软件体系架构，如图1所示，该架构主要由模式协同层、数据交互层、服务优化层、模块集成层和应用服务层五部分组成。

(1) 模式协同层。钢铁、矿山等典型制造企业具有层次化组织结构、分布式生产基地、多区域营销市场等复杂特征，其处于动态的制造生态系统并形成了复杂产业链，明确其产业链的运行机理和协同机制、提出企业多部门多基地一体化管理的模式和方法，是构建新一代智能化制造企业ERP工业软件、企业高效运行和发展的基础。针对钢铁、矿山等制造企业复杂环境感知不精确、自组织运行不流畅、产业链协同不高效、产供销管理难以一体化等难题，在制造企业一总部多基地分布式的复杂环境下，获取企业供应链-制造链-营销链-服务链全产业链的多源高维数据。基于尺度重整技术和数据驱动的知识提取方法，形成感知型自治组织运行模式。分析制造企业多基地下主体客户需求特征，通过挖掘企业上下游用户关联关系，形成企业多主体生态模型，实现智能增强式生态协同。探索面向多节点的产业链协同优化机制，设计支持多基地一体化采购与营销的优化模型，构建一总部多基地产供销一体化的制造企业管理模式。从而实现企业资源配置效率和整体管理效能提升。因此，模式协同层是新一代国产高端智能ERP工业软件体系架构的基座，为ERP工业软件体系的其它部分的研究和实施提供理论基础、方法支持和条件保障。

(2) 数据交互层。钢铁、矿山等典型制造企业多基地式制造环境引起需求多源异构且实时波动、领域知识更新滞后、业务决策智能化不足，进而导致制造数据交互可信性降低。针对以上问题，充分利用当下大模型的优势，对市场、客户、产业链等不同渠道需求数据实时监测。通过数据清洗、语义消歧、归类聚合等操作获取规范化需求数据，进而结合历史数据和环境信息实现对当下环境变化规律预判。进一步的，使用大模型抽取制造企业产业链上知识数据中的实体和关系，通过知识数据补全、共同引用消解等操作构建出制造企业领域知识图谱。利用图神经网络等方法抽取知识数据关联规则，并设计演化机制确保知识图谱与业务规则的动态更新。结合市场需求预测、产销资源平衡、运营风险预警等业务需求，构建统一的智能决策模型框架，为企业提供灵活、智能的全链响应机制。该体系下数据交互层的目的是提升产业链上数据流通能力，推动产业链各环节的优化协同。通过时空协同数据感知与决策优化，实现需求实时响应和业务自动化智能化决策，提升钢铁、矿山等典型制造企业在复杂产业生态环境中的竞争力和适应能力，为新一代ERP工业软件提供技术基础。

(3) 算法配置层。钢铁、矿山等典型制造企业云原生微服务架构导致多元跨域业务工作流服务治理复杂、数据交互不畅、流程优化难度高等问题。分析服务网格特征与运行逻辑，通过智能流量调度与负载均衡算法，建立自动化服务发现、动态路由与故障隔离机制。通过基于规则的服务自动化组装框架和依赖关系智能解析算法，实现服务快速构造、依赖关系自动化处理。利用数字工人技术模型与跨域数据协同调度算法，建立动态任务分配与跨域数据流实时优化机制对服务工作流全局进行优化。基于过程挖掘和任务耦合解析算法，构建跨域业务流程的动态协同模型，确保各领域服务工作流的无缝衔接与最优资源配置。该体系下服务优化层主要解决制造企业多业务场景应用敏捷适配失效挑战，通过服务网格优化、智能流量调度、服务柔性组装与自动配置等算法，提升跨域制造资源的通信效率和资源利用率，结合数字工人技术与跨域数据协同调度算法，实现服务工作流正逆协同和全局优化，为ERP工业软件的高效能运行、响应速度提升和成本效率优化奠定理论基础。

(4) 模块集成层。钢铁、矿山等典型制造企业传统ERP工业软件存在产业链生态需求感知不精确、多基地资源配置优化困难、动态业务适配敏捷度弱等弱点。基于工业云及微服务先进设计理念，通过封装技术、应用、制造生态等支撑模块，实现ERP核心功能集成。以智能内核和多基地MS协同架构为平台底座，封装并集成面向领域知识、服务规则、业务流程相融合的标准ERP智能模型和业务协同算法，覆盖平台开发、测试、构造、发布、部署、运维等全栈能力。同时采用微服务单元分层预组装技术，以“稳态微内核+敏态组件库”支撑制造企业业务协同需求与产供销资源平衡，形成敏捷应变的高端ERP工业软件可组装业务应用支撑模块，涵盖数字建模、知识管理、领域应用、规则抽取、业务服务、算法迁移等构件。进一步，新一代ERP工业软件将集成产业链上全生态制造资源集成，实现ERP“智能、协同”双内核构建、应用服务柔性组装、业务流程全域协同优化，支持面向一总部多基地产供销平衡、需求聚合、数字营销等多场景智能应用拓展，推动制造企业产业链上下游(供应商-采购中心-制造基地-客户)及产业生态的深度协同与高效联动，促进钢铁、矿山等典型制造企业链上全流程生态化协同能力提升。

(5) 应用服务层。钢铁、矿山等典型制造企业传统ERP工业软件核心技术受先进国家制约，部分核心业务场景运维软件采用国外方案存在潜在风险。面向钢铁、矿山等典型制造企业一总部多基地等制造模式下的国产化替代需求，在将上述理论方法和技术研究集成到制造企业新一代高端智能ERP工业软件后，在钢铁、矿山等典型制造企业的运营管理、产业需求感知和服务协同优化等方面形成精准数字营销、上下游互供协同、客户画像客商管理、司库智能管理、供应链成本优化、产销储运业务协同、多基地产销平衡、一总部多基地协同等典型业务场景应用。进而支撑更大规模制造企业ERP工业软件国产化替代，提升国产高端ERP市场占有率。

图1 新一代国产高端智能ERP工业软件体系架构

2 新一代国产高端智能ERP工业软件关键技术

全球制造企业产业链当前正面临重构，产业链内外部环境的复杂性和不确定性急剧上升，围绕钢铁、矿山等典型制造企业高质量、高柔性、高效率国产高端智能ERP工业软件研发需求以及产业需求滞后波动协同感知失准、制造资源异构分散动态配置失衡和场景应用定制多样敏捷适配失效的重大挑战，对上述体系架构涉及关键技术及实施路线进行进一步论述。提出典型制造企业新一代国产高端智能ERP工业软件关键技术体系如图2所示。

图 2 典型制造企业新一代国产高端智能 ERP 工业软件关键技术体系

涉及的关键技术包括：制造企业增强式生态协同与多基地一体化管理、数智驱动的领域知识演化与全链业务智能决策和基于云原生的服务快速构造与工作流协同优化。探索企业增强式智能自治组织运行和产业链协同优化方法，全面聚合多渠道需求信息并实时预测需求变化趋势，突破一总部多基地制造企业自组织协同优化和产供销一体化管理技术。基于大语言模型挖掘领域知识和关联业务规则，提供面向产销平衡、风险预警等业务的智能化决策支持，突破全产业链多源异构需求敏捷响应和业务自适应泛化决策技术。研究构建数字工人技术模型与跨域数据协同调度算法，建立服务网格智能路由、柔性构造与实时优化模型，突破工作流分层跨域高效协同全局优化和服务柔性组装调度技术。上述技术汇聚成三条关键技术主线，其中制造企业增强式生态协同与多基地一体化管理技术支撑图1所示体系架构的模式协同层。结合一总部多基地特征，充分联动典型制造企业上下游，强化产业链生态协同管理。而数智驱动的领域知识演化与全链业务智能决策技术赋能数据交互层。感知并挖掘典型制造企业产业链上动态需求与知识数据，通过增量分析与优化方法保障用户面向新的业务订单时可以及时交互获取最新的数据。基于云原生的服务快速构造与工作流协同优化技术则用于构建算法配置层。在获取制造企业供应链上异构多源数据的基础上，针对不同的业务特征，进一步设计各类智能算法，强化多制造基地协同、业务工作流协同与产业链上下游协同效能，从而形成协同内核。并且，GAI、微服务、LLMs等新一代智能工具技术用于不同场景时尽管需要进一步设计改进，但部分功能是相通的。由这些工具技术组成的智能内核进一步使得三个关键技术之间联系紧密。在三条技术主线的加持下，从管理模式协同、数据交互智能决策、服务协同优化等3方面形成关键技术底座，从而形成“1技术底座+2技术内核”助力ERP工业软件模块集成与应用服务。逐步深入地推动钢铁、矿山等典型制造企业一总部多基地协作，实现全产业链端到端协同效能和共创价值提升。

2.1 制造企业增强式生态协同与多基地一体化管理技术

随着我国制造业不断发展，钢铁、矿山等典型制造企业形成多产业、多基地、多区域市场的复杂产业链，其具有动态变化的特性。这些典型制造企业一总部多基地的复杂多层架构存在离散制造资源优化难、跨场景协同决策能力不足等现象，其面临着产供销一体化运营管理的挑战。这一现象进一步引发制造企业全链路产业需求滞后波动，导致产业链上协同感知失准等严重问题。针对上述钢铁、矿山等制造企业多基地一体管理需求，提出制造企业增强式生态协同与多基地一体化管理技术，如图3所示。

图 3 制造企业增强式生态协同与多基地一体化管理体系

突破制造企业感知型自治组织运行技术，采集并处理多源环境感知信息，设计基于多源高维数据的复杂环境感知框架，完善制造企业自组织运行优化策略。研究制造企业智能增强式生态协同方法，搭建制造企业生态系统模型，揭示制造企业生态系统演化机理，构建增强式协同机理和协同评价体系。在此基础上，进一步建立制造企业复杂产业链协同优化体系，构建制造企业产业链协同模型，揭示制造企业产业链协同运作机理，设计制造企业产业链协同优化方案。深入分析一总部多基地的企业架构优化和管理效能，设计面向多基地的一体化采购/营销管理模式和方法，提出产供销一体化协同运作体系，完善一总部多基地产供销一体化管理方法，实现制造企业增强式生态协同与多基地一体化管理，促进企业资源配置效率和管理效能提升。

(1) 典型制造企业一致感知与自治组织运行。钢铁、矿山等典型制造企业产业链上信息更新快、来源广，利用链上个节点的销售、生产、库存、客户反馈、业内政策等多源数据，引入尺度离散化方法统一数据尺度规范。设计多源、高维、非结构化数据向结构化数据映射转换框架，支持数据索引分析。产业链各节点、企业各基地和各部门对环境的一致感知是企业智能自治组织的基础，企业需融合不同产业、基地、区域市场的复杂数据。利用线性判别分析、自动编码器等方法明确数据融合特征范围。利用时序深度学习、自注意力机制等技术识别制造总部和制造基地的数据状态。进一步结合专家经验和制造知识分析企业自组织运行规则。在此基础上，基于各个制造基地和各制造产线的生产、物流、研发能力，构建包括企业总收益、各基地和产业利益的多维优化目标，利用博弈论、数学优化和边际支付机制构建自组织任务分配模式，实现多基地间的智能任务分配。然后构建多基地、多产业、多区域的产能配置模型，采用启发式算法求解，实现企业产能的自组织分配。采用系统动力学和合作博弈，构造制造总部对各产业、基地发展的引导策略和利益分配方案，促进各基地自组织运行。

(2) 典型制造企业全产业链增强式生态协同。钢铁、矿山等典型制造企业生态协同是实现一总部多基地一体化管理，提升制造企业产业链端到端协同价值的基础。企业内涵的多产业、多基地、多区域市场的特征，联合其上下游组成了复杂的制造生态系统。通过分析制造主体的客户需求、设计制造、物流配送、技术更迭等信息，描述制造主体之间的供需和链接关系，厘清物质、能量和信息流的交互机制，从而构建生态系统多层复杂网络模型。基于构建的生态系统模型，使用博弈论、多目标规划等技术研究制造企业内外主体的行为内涵。接着，分析系统演化的技术背景、政策等外部因素与个体间的交互学习、竞争适应等演化动力。从而基于系统动力学构建生态系统的协同演化机理模型。为进一步提升生态协同能力，采用拓扑分析方法研究生态系统组织架构。然后建立制造主体间的合作收益矩阵，利用博弈论分析主体协同收益，形成增强式协同增值机理模型。此后，使用灰色关联分析、聚类分析等方法筛选协同效能评级指标，同时利用卷积神经网络、反熵权法等拟合节点间协同的关键影响指标、权重和协调度，进而构建协同效能评价体系。

(3) 典型制造企业全产业链协同建模与优化。钢铁、矿山等典型制造企业复杂产业链协同优化机制有利于提升动态环境下产业链韧性和抗风险冲击能力。分析制造企业产业链上异构节点，对制造全流程业务连接、供应运行、信息流转等环节建模。结合链上数据提炼节点关键输入输出特征，同时构建输入输出关联机理模型。基于复杂网络理论，将产业主体间合作竞争关系表示为不同网络层耦合，并构建节点交互邻接矩阵，从而形成产业链协同模型。然后，分析产业链中节点间协同关系、响应参数、约束条件和反馈机理。结合复杂网络分析等方法，建立产业链协同运作的系统动力学方程组，从而描述制造企业产业链协同运作机理。其次，结合历史数据预测节点动作在链上的整体收益。基于博弈论和多目标规划方法，同步考虑节点间合同资源的协同配置和制造成本的转移分担，将优化目标细分到节点。紧接着以最大化协同效应构建协同优化模型，设计基于强化学习和大规模问题分解的求解框架，实现资源和任务的协同分配。

(4) 一总部多基地产供销一体化管理。钢铁、矿山等典型制造企业一总部多基地的生态框架使得产供销业务难以统一管理。基于工业互联网和大数据，构建一总部多基地模式下的“云-边-端”信息系统架构。研究多制造基地间及与总部的数据共享与同步方案。分析一体化采购/销售模式下各基地、各产业的运行模式变化，采用数据驱动、机器学习等方法分析其成本和效益变化规律。接着，分析制造企业多业态、多产线、多品种、多基地等特点，提出多基地一体化的采购、营销管理方法。利用回归分析、深度学习等技术，分析各制造基地市场需求，构建多基地统筹采购模型，并设计大规模自适应邻域搜索算法优化求解，形成一体化采购方案。然后以近地化销售和敏捷服务为目标，设计多基地一体化营销体系，基于图论法构建一体化营销和服务网络的优化模型，设计动态规划和启发式算法，实现全局优化的销售模式。其次考虑制造基地的分布、制造能力、成本等因素，引入动态规划方法建立涵盖采购、生产、营销等多维度的一体化能力配置模型。并基于生产和物流能力，将任务分配、物流运输、采购方案等决策一体化建模，设计基于“大规模问题分解-自适应协调”的求解方案，最终得到产供销一体化的协同决策方案。

2.2 数智驱动的领域知识演化与全链业务智能决策技术

制造领域市场和产业链上多渠道需求碎片化且实时波动，现有制造领域知识数据多以人工方式提取，而过去钢铁、矿山等典型制造企业ERP工业软件中的行业知识数据库和业务规则库固化且更新滞后[30]，并且决策支持模型面向市场需求预测、产销资源平衡、运营风险预警等的泛化能力和应用效果也有限。这进一步导致典型制造企业的制造资源异构分散，从而引发资源动态配置失衡的困境。因此，有必要结合先进的数智化技术，探明领域知识演化规律，进而结合知识驱动产业链上业务智能决策。针对上述钢铁、矿山等典型制造企业跨地域制造资源运营调控需求，突破数智驱动的领域知识演化与全链业务智能决策技术，如图4所示。结合多模态大模型等方法实现多源动态需求实时感知与聚合，建立多渠道需求实时感知与动态监测框架，提出不完备需求的智能补全与冲突处理方法，实现需求数据实时聚合与需求环境预判。利用大语言模型实现领域知识自动化提取与智能管理，研究领域知识自动化提取与结构化表达方法，提出基于图学习领域知识库智能建模体系，设计动态领域知识智能增量与同步更新策略。通过关联知识挖掘实现业务规则表达推理与增量更新，利用深度学习方法挖掘隐式关联知识与规则，进一步结构化表达业务规则库，设计数据与知识图谱异构融合与自适应演化方案。在上述基础上，利用预测大模型实现多场景智能分析决策与需求响应，提出基于迁移学习的跨领域模型泛化与知识迁移策略，设计基于自适应优化的模型动态调整与场景匹配方法，完成基于集成学习的多场景模型聚合与协同优化，实现产业链需求实时响应和业务自动化智能化决策。

(1) 多源动态需求实时感知与聚合。钢铁、矿山等制造企业内部需求数据多源异构且实时更新，有效利用大模型等数智化工具将有助于企业感知和聚合业务需求。而当前需求分析多采用传统聚类模型等方法，处理方式单一且难以满足企业动态适应性需求[31]。针对制造企业多元动态需求感知与聚合方面的问题，首先监测获取市场、客户、产业链等多渠道动态需求数据并进行预处理，利用分布式计算框架实现海量数据的并行处理与低延迟整合。并结合实时流处理与事件驱动架构，提高动态需求感知的响应速度和准确性。其次，面向多渠道需求数据隐含信息往往存在碎片化、不一致的问题，利用自然语言处理、强化学习等技术，自动补全缺失的信息，挖掘需求数据之间的潜在关联和上下文关系，提炼出有价值的需求信号，从而确保需求信息的完整性和一致性。然后，利用深度学习、数据融合和多模态学习高效聚合多源异构需求，通过分析历史数据，追踪当前市场、经济、政策等外部不确定性因素，判断需求量变化并识别需求背后的驱动因素，实现自适应多渠道、多业态需求环境预判。

(2) 领域知识自动化提取与智能管理。钢铁、矿山等典型制造企业的领域知识数据分布在企业生态系统中各个位置，知识载体不统一、数据格式不规范、知识内容更新块等特征导致传统利用互联网或人工归档分类知识的模式效率低下。利用预训练的GPT、DeepSeek等大语言模型，自动从学术论文、技术文档、行业报告等海量文本数据中提取领域知识，利用命名实体识别、关系抽取等自然语言处理技术，将非结构化的文本数据转换为结构化的知识条目。接着，引入图嵌入算法、图神经网络等图学习算法，对领域知识中的节点及其关系进行建模表示，通过基于路径的推理机制和逻辑推理技术，对知识图谱中的实体关系链进行推理，自动生成新的知识条目。针对领域知识数据库的静态问题，基于大语言模型和强化学习对其进行增量更新，通过持续监控新数据源，结合在线学习、增量学习等技术，自动识别知识变化点并实时更新领域知识数据库内容。通过构建钢铁、矿山等典型制造企业的领域知识数据库，自动识别、存储、更新专业知识，为企业业务规则挖掘提供技术支撑。

(3) 业务规则表达推理与增量更新。钢铁、矿山等典型制造企业产业链上囊括的领域知识数据中内含业务规则，这些规则往往是隐式的，部分是无法通过人力去归纳总结的。在提取了领域知识并构建知识数据库的基础上，通过卷积神经网络、长短时记忆网络等深度学习从海量历史数据中提取潜在模式与规律。基于无监督学习与半监督学习，挖掘数据中难以直接观测的隐含关联关系，通过自适应算法生成可操作业务规则条目。提取了业务规则后，对其分层建模和语义关联，通过图神经网络捕捉业务规则中的复杂关系和潜在的因果链条，强化规则库在多层次场景中的推理深度，进一步通过嵌入学与基于路径的推理机制，提升规则推理的效率。针对制造企业业务规则动态多变问题，引入融合表示学习方法将异构数据和知识转换到统一向量空间，同时设计自适应规则演化机制，确保规则库根据实时数据和外部环境变化进行持续更新和优化，提升其在多变业务场景的适应能力与智能化水平。

(4) 多场景智能分析决策与需求响应。钢铁、矿山等典型制造企业多基地、多产线的制造模式使得制造场景多种多样，面对多线程业务并发、波动改变等问题，传统人工决策响应方式难以满足企业时效性需求，影响了企业生产效率。针对这一困境，首先设计跨领域模型泛化和知识迁移策略，通过卷积神经网络、Transformer等深度学习和大数据分析技术，从多领域数据中提取共性特征，通过领域适应与多任务学习，实现模型在多领域、多任务间的自适应迁移与高效泛化。然后完成模型动态调整与场景匹配，通过监控业务场景中的数据变化，利用自适应优化算法动态调整模型的参数与结构，以适应不断变化的业务需求，建立超参数优化与模型再训练机制，确保模型能够实时响应不同场景中的环境变化。最后实现多场景模型聚合与协同优化，利用集成学习有效组合多个异构模型，结合模型蒸馏技术对模型进行轻量化，设定模型选择、权重分配与优化机制，确保模型在复杂业务场景中的预测精度与稳健性，提升模型的可解释性和可维护性，从而实现制造企业多场景业务自动化智能决策。

图4 数智驱动的领域知识演化与全链业务智能决策体系

2.3 基于云原生的服务快速构造与工作流协同优化技术

钢铁、矿山等典型制造企业生产制造规模逐步扩大，多基地、多产线、多系统集成的特征使得业务需求发生改变时，现有方法难以实现多维度的智能优化和资源利用的有效平衡。多样化的场景应用定制需求引发制造企业服务敏捷适配失效。因此，亟需针对这一问题，通过多维智能化调度策略和动态自适应机制，提升服务构造的自动化和智能化水平。将ERP系统与云原生服务优化相结合，实现工作流程的智能化监控和调度，从而推动制造企业利用ERP系统实现工作流程的高效协同和服务构造的快速响应能力。如图5所示，提出基于云原生的服务快速构造与工作流协同优化技术。面向云原生微服务架构实现服务网格自适应优化，提出云原生微服务架构智能路由机制优化方法，建立微服务间细粒度安全策略与访问控制框架，完成服务网络实时故障检测与自触发恢复。提出服务柔性组装与自动配置方法，突破业务需求驱动下的动态服务组装技术，基于业务逻辑实现自动化服务配置，从而做到服务兼容性管理及依赖冲突消解。分析多元业务工作流特征与运行逻辑，完善跨域业务工作流协同机制表征与评估流程，进而识别工作流复杂网络建模与脆弱节点，实现多元跨域业务工作流特征解耦及协同。在此基础上，提出业务工作流协同动态优化方法，构建业务工作流下数字工人建模与集成框架，突破多元跨域业务工作流智能协同优化技术，设计数字工人行为效能评估与动态调整方案。从而实现工作流的正逆协同、数据共享与业务流程的全局优化。

(1) 典型制造企业服务自检与优化。钢铁、矿山等制造企业具有“多业态、多产线、多品种、多基地”多元化和“产业间、基地间、区域市场间”跨领域/地域的复杂性特点，导致云原生架构下制造企业服务间通信复杂度和管理难度提升。为了克服这些难题，首先设计基于服务实时性能和网络状态的智能路由算法，制定动态调整流量分配机制。利用机器学习等方法预测服务需求，揭示系统中负载变化的规律。基于以上信息构建基于预测结果自动优化路由策略的模型。其次根据业务需求和服务之间的依赖关系与安全要求，制定服务安全策略并设计基于角色和属性的访问控制模型。同时，利用数据流分析揭示数据在传输过程中的安全风险，形成基于加密策略的数据传输安全机制。接着建立服务状态和性能指标的实时监控机制，同步设置自动触发恢复措施的方案。利用服务重启或流量重新路由的方式来最小化中断对系统的影响，通过预测性维护策略，实现潜在故障的预测，并提出相应的预防性措施，确保系统运行的连续性与可靠性。

(2) 典型制造企业服务组装与配置。钢铁、矿山等典型制造企业动态多变的服务需求使得传统重新配置服务方案的方法难以保持企业服务的高速运转。针对企业多样化服务柔性组装与配置难题，首先建立基于业务需求和系统状态的智能识别机制，通过设计智能监测技术，从系统中提取关键状态信息。进一步提出自动触发的服务重组机制，形成能灵活应对业务需求变化、提高系统反应速度和配置效率的动态服务组装方案。在此基础上，制定基于业务逻辑分析的自动化服务配置机制，解析业务规则与服务参数之间的关系。利用规则引擎设计并自动生成服务参数和行为配置方案，通过动态调整和优化配置策略，优化服务配置及其一致性，提升业务操作效率和系统自动化程度。然后，建立服务依赖冲突消解方案，自动处理由新部署或更新服务引发的依赖问题。利用接口和数据交互评估技术，优化服务间数据交互和响应过程，从而确保服务更新和部署过程中的兼容性管理效率。

(3) 典型制造企业业务特征解耦与建模。钢铁、矿山等典型制造企业产业链上各个环节并不是相互独立，互有耦合的业务关联导致工作流不仅存在内部特征，还有多线耦合特征。有效挖掘工作流的多元跨域特征将有助于分析其工作机理，从而促进制造企业工作流协同，提升企业业务效率。针对这一需求，首先分析多业态、多产线、多品种、多基地智能制造企业中的工作流特征，设计跨业务单元的工作流运行逻辑，提出优化工作流的运行逻辑策略。利用信息流与物流的相互依赖性分析，揭示影响工作流效率和可靠性的因素。之后，提出跨产业、基地、区域市场间工作流的运行特征与交互模式，从系统层面分析其在组织形态、通信手段和信息交互方面的协同机制。提出跨域业务工作流协作机制的形式化表征和性能评估方法，以确保不同领域间的高效协作与信息共享。紧接着构建多元跨域业务工作流的复杂网络模型，揭示工作流网络中的关键路径和节点。基于系统动态分析结果识别工作流网络脆弱节点，以及不同业务单元、不同地理区域间相互作用下的风险节点，降低由脆弱节点带来的业务中断风险，以保障工作流中业务流转的连续性和稳定性。

(4) 典型制造企业业务协同与动态优化。钢铁、矿山等典型制造企业业务工作流优化是分析工作流现有特征，结合业务环境变化、企业内部调整、市场需求波动等要素对工作流相关节点进行适应性调整，以保障企业业务良性运转。首先构建基于多元跨域业务工作流特征的数字工人模型，通过分析数字工人之间及其与人类工作者之间的协作机制，提出数字工人与人类工作者在跨域工作流中的高效协作模式。设计并制定数字工人的集成策略，提高工作流整体协同效率和数字工人集成效果。然后建立基于数字工人技术的智能协同框架，制定支持业务工作流实时监控和动态协同的机制，提出基于数据驱动的智能协同与优化策略。利用历史数据和实时数据构建预测模型，提高业务工作流的运行效率与系统可靠性。进一步提出基于数字工人运行和决策数据的量化评估方法，设计不同类型数字工人集成策略的静态优化与动态调整机制。利用自适应协作机制，实现数字工人在不同工作流中的高效执行，提高工作流整体协同效率和系统可靠性。

图5 基于云原生的服务快速构造与工作流协同优化体系

3 案例应用

前文讲述了提出的钢铁、矿山等典型制造企业新一代国产高端智能ERP工业软件体系架构和关键技术。为进一步验证其有效性和可用性，面向钢铁、矿山等典型制造企业全产业链业务流程，以实现制造企业端到端协同与最优价值共创为目标，开展新一代国产高端智能ERP工业软件研发及软件功能应用服务研究。结合ERP工业软件技术特征与国内钢铁、矿山等典型制造企业数智化转型面临的技术挑战，形成新一代国产高端智能ERP工业软件功能设计框架如图6所示。采用“1个技术底座+2个支撑内核”多层级架构设计模式，搭建智能内核与协同内核双驱动的钢铁、矿山等典型制造企业新一代国产高端智能ERP工业软件。首先分析制造企业算力、主机、容器平台、网络、存储、操作系统等基础设施，利用智能技术感知生态圈、市场、政策、制造装备、MES等企业运行数据和实际生产数据。针对钢铁、矿山等典型制造企业一总部多基地制造模式借助工业互联网平台部署信息感知挖掘网络，从而为智能ERP工业软件内核构建提供底座支撑。接着分析制造企业全产业链需求聚合、物料平衡、优化推理、产销平衡等特征，以供应链整体效益最优为目标构建协同内核。接着依托ERP工业软件核心关键技术组建智能模型。进而以智能技术与业务场景融合为目标，在智能模型基础上形成拥有数字化建模中心、领域应用能力中心和智能AI中心的智能内核。在典型制造企业一总部多基地产供销一体化管理模式引导下，以“智能+协同”双内核为驱动力，串联起各个技术部分产生的组件、模板和领域库，形成典型制造企业新一代国产高端智能ERP工业软件。

结合上述体系框架、关键技术、功能设计框架，研发钢铁、矿山等典型制造企业新一代国产高端智能ERP工业软件。首先设计高端ERP工业软件架构，围绕制造企业产业链上下游、产业生态、复杂企业组织之间协同的重大需求，系统分析制造企业ERP工业软件领域端到端业务流程，包括采购、库存、物流、营销、财务、成本等六大板块，通过企业内与跨企业业务流程优化，确保全产业链各业务环节的无缝对接和高效协同。采用“1个技术底座+2个支撑内核”多层级架构设计模式，搭建典型制造企业新一代国产高端智能ERP工业软件架构。以领域驱动设计方法论研究制造企业全产业各业务模块的动态关联和交付特性，对业务链各关键环节业务解耦、抽象和服务化设计，挖掘不同业务场景下企业内外部业务协同需求和约束条件，实现ERP工业软件应用架构在多变业务环境下的自适应调整与优化。其次构建面向多产业跨领域智能协同的ERP组件中心。如图7所示，基于钢铁、矿山等典型制造企业产业间、基地间、区域市场间全流程协同需求，构建包含客商中心、订单中心、采购中心、资源中心、物流中心、成本中心、财务中心等的核心ERP业务组件，构建高稳定、高性能、可视化的公用基础组件库。基于ERP智能模型敏捷构建、模型管理、服务调度等需求，构建包含需求预测模型、产销资源平衡模型、运营风险预警模型、物流协同优化模型、成本精细化管控模型等智能ERP典型模型，形成可持续沉淀的智能模型应用组件。进一步构建包含数据采集组件、数据纳管组件、数据处理组件、数据服务和分发组件等ERP数据应用接口，实现制造企业计划供应、生产交付全链路数据采集、加工、计算、连接、监控一体化治理，支持产业链跨企业、跨区域数据标准化交互。设计支持场景定制的ERP功能单元柔性可组装优化策略，根据不同应用规模、不同业务场景下ERP业务组件部署粒度的差异性需求，提出基于微服务的ERP业务组件功能单元逻辑部署编码规则，支持ERP业务组件功能单元的灵活套件定义，实现ERP工业软件微服务多粒度物理部署。引入基于应用模型可视化建模的松耦合集成和动态构造技术，提出ERP功能单元多级应用分层组装模型，构建面向业务定制的Alpha组件库，建立层间及层内各组成部分之间的关联映射和分层组装机制，实现面向实时场景的ERP功能单元应用服务及流程的运行动态构造与优化。开发面向制造企业产业链全流程的模型、表单、流程、规则等多种低代码设计器，采用拖拉拽配的图形化编排方式和封装业务组件，定义端到端业务数据关系、流程逻辑和构建功能软件界面，快速搭建满足通用功能和特定功能的业务应用，提升新一代国产高端智能ERP工业软件业务敏捷响应能力。然后，基于工业互联网多模态数据感知和多基地主从云部署基础，形成以智能内核+协同内核双驱动的ERP工业软件技术底座，支持软件与企业制造执行系统(MES)无缝集成，为ERP工业软件覆盖不同行业、不同场景、不同规模的业务应用提供敏捷应变保证。在此基础上，以微服务方式封装开发的模型和算法，以实现跨行业场景化应用的快速配置及扩展迭代。完成钢铁、矿山等典型制造企业新一代国产高端智能ERP工业软件系统集成分布式部署，进行软硬件系统集成与联合调试，实现ERP工业软件一次开发构建，跨多样化基础设施环境柔性运行。

图6 面向制造企业的新一代国产高端智能ERP工业软件功能设计

图7 ERP工业软件业务组件中心构建体系

上述面向制造企业的新一代国产高端智能ERP工业软件已完成需求功能调研、总体架构方案设计以及部分功能模块开发。基于ERP工业软件已有功能，面向钢铁、矿山等典型制造企业数字化营销、上下游互供协同等产业链上典型业务场景开展试点应用。在接入新一代ERP工业软件之前，公司原系统最高支持百人同时访问，每秒事务处理量为数千量级，响应延迟不小于3s，且覆盖业务不全面。而新一代ERP工业软件接入后，已覆盖超过30万套制造工业设备，支持产业链上数字营销、智能财税、产运销储协作等5项核心业务领域的端到端流程管理，支持5000位以上用户并发操作，每秒事务处理量达数万级，响应延迟小于1秒，日均处理单据超过5万张，累计抽取20条可复用领域模型，形成10个数字工人场景。

基于已开发的产运销储协作模块、经济性策略采购模块，在宝武钢铁等集团制造企业完成两项高端ERP工业软件国产替代。应用企业过去使用国外SAP系统，在产运销储方面，SAP系统的生产计划与运输调度独立运行，常出现“产得出运不走”的情况，因运输车辆调度滞后导致钢材库存积压，产生额外仓储费。此外，SAP系统的采购计划基于历史消耗生成，未关联市场价格波动与生产需求变化，曾因低价时未及时采购导致某原材料成本增加。而替换为本文开发模块后，企业成功打通了生产、运输、销售、仓储数据链路，生产计划根据销售订单与运输能力动态调整，运输车辆根据生产进度与仓储货位提前调度，仓储费用明显减少。并且，利用经济性策略采购模块，企业结合市场价格预测、生产需求与库存水平，生成最优采购计划，在保证供应的前提下，原材料采购成本大幅降低。

在关键技术能力方面，国外SAP系统采用标准化架构，难以深度适配钢铁、矿山等典型制造企业的复杂业务场景。SAP的产运销储模块中，生产与运输调度的算法相互独立。并且其采购模块的算法封闭，无法融入行业特有的原材料价格波动模型。而新一代ERP工业软件的产运销储协作模块运用物联网技术与智能调度算法，适配钢铁、矿山等典型制造企业连续生产的特点，实现各环节数据的实时联动与智能决策。经济性策略采购模块则开放算法接口，可根据企业特点灵活调整采购策略模型，更好地结合市场动态与生产需求。新一代ERP工业软件功能模块的成功应用帮助制造企业节省人力、物料与实践成本，充分体现了新一代国产高端智能ERP工业软件在典型制造企业的技术优势与应用价值，其潜在应用和国产替代空间不断增加。

4 结论

随着国内钢铁、矿山等典型制造企业业务需求不断提高，传统ERP工业软件难以支撑企业技术升级。结合生成式人工智能、大数据分析等技术实现钢铁、矿山等典型制造企业数智化转型，提升企业新质生产能力迫在眉睫。为了维持制造企业良性运转以及突破核心技术国外封锁，分析了钢铁、矿山等典型制造企业特征，总结出产业需求滞后波动、制造资源异构分散和场景应用定制多样三大技术挑战。针对以上挑战，提出包含制造企业增强式生态协同与多基地一体化管理、数智驱动的领域知识演化与全链业务智能决策和基于云原生的服务快速构造与工作流协同优化的典型制造企业新一代国产高端智能ERP工业软件关键技术体系。接着提出了典型制造企业新一代国产高端智能ERP工业软件功能设计框架，并完成ERP工业软件部分功能模块开发，在钢铁、矿山等典型制造企业核心业务场景开展应用服务，证明了其可行性和有效性。

本文证实了典型制造企业新一代国产高端智能ERP工业软件提升企业产业链端到端协同与共创价值的能力。后续工作将继续围绕钢铁、矿山等典型制造企业需求，开发国产ERP工业软件其它核心功能模块，建立覆盖范围更广的领域知识库，验证各项软件功能的能力，并基于运维反馈完善ERP工业软件的各项功能，推动制造企业新一代高端智能ERP工业软件全自主知识产权国产替代。

原文刊载于《机械工程学报》 作者：刘志鑫 冯毅雄 王奕 靳海 胡炳涛 张玉久 王娟 卢成宇 娄山河 李培 谭建荣