云制造模式下粵港澳大灣區(qū)供應(yīng)鏈的調(diào)度優(yōu)化問題研究

林子楚LIN Zi-chu；施婉思SHI Wan-si；鄭思妙ZHENG Si-miao；白敏靜BAI Min-jing；杜倩怡DU Qian-yi；劉念LIU Nian；張元陽ZHANG Yuan-yang；巫秋儀WU Qiu-yi

（華南師范大學(xué)，廣州528225）

0 引言

當(dāng)前，全球新一輪科學(xué)技術(shù)以及各類產(chǎn)業(yè)都在厚積薄發(fā)，大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈等新一代信息技術(shù)的快速發(fā)展和廣泛應(yīng)用，進(jìn)一步促進(jìn)了全球供應(yīng)鏈的加速重構(gòu)。Thakur 等（2016）指出面對制造業(yè)服務(wù)化或服務(wù)制造業(yè)時，應(yīng)重構(gòu)供應(yīng)鏈并增加服務(wù)元素。制造企業(yè)需要重新配置其制造系統(tǒng)和供應(yīng)鏈以適應(yīng)客戶不斷變化的需求（Qi Tian 等，2019）。中國也以更加積極的姿態(tài)去推動高科技產(chǎn)業(yè)深入融入全球供應(yīng)鏈體系，努力提升我國供應(yīng)鏈安全水平。國務(wù)院印發(fā)的《粵港澳大灣區(qū)發(fā)展規(guī)劃綱要》指出，對于未來的發(fā)展，粵港澳三地要充分利用好CEPA 及服務(wù)業(yè)開放先行先試政策，加強(qiáng)科技創(chuàng)新領(lǐng)域的交流合作，開拓國際國內(nèi)市場，努力優(yōu)化粵港澳大灣區(qū)供應(yīng)鏈的調(diào)度，以推動其創(chuàng)新型戰(zhàn)略轉(zhuǎn)型（黃鐘等，2019）。同時，大數(shù)據(jù)等數(shù)字新技術(shù)可加強(qiáng)供應(yīng)鏈的優(yōu)化調(diào)整和創(chuàng)新，建立完善的成本控制體系，推進(jìn)行業(yè)間的數(shù)據(jù)聯(lián)盟（雷晨光，2020）。

云制造是一種面向服務(wù)的新技術(shù)，融合了先進(jìn)的制造技術(shù)和信息技術(shù)，按用戶需求在網(wǎng)絡(luò)上組織資源，使供應(yīng)鏈上資源利用效率得以提高。隨著相關(guān)技術(shù)的發(fā)展，云制造已經(jīng)在許多企業(yè)得到應(yīng)用和發(fā)展，如美國的制造能力交易平臺MFG.COM 縮短了制造業(yè)的采購流程，中國航天科工二院等大型集團(tuán)研發(fā)的云制造服務(wù)平臺實現(xiàn)了復(fù)雜產(chǎn)品制造全生命周期服務(wù)。優(yōu)化云制造供應(yīng)鏈上的資源調(diào)度能夠進(jìn)一步推動經(jīng)濟(jì)多元發(fā)展，為粵港澳大灣區(qū)的企業(yè)開創(chuàng)更廣闊的發(fā)展空間。

本文基于云制造模式下，通過構(gòu)建供應(yīng)鏈調(diào)度的優(yōu)化模型，以期為提高粵港澳三地在云制造環(huán)境下的區(qū)域協(xié)同合作、資源調(diào)度配置優(yōu)化等機(jī)制提供理論支撐，進(jìn)而加強(qiáng)三地的經(jīng)濟(jì)聯(lián)系，實現(xiàn)粵港澳大灣區(qū)供應(yīng)鏈匹配機(jī)制的協(xié)調(diào)發(fā)展。

1 云制造供應(yīng)鏈調(diào)度優(yōu)化的基本概念

供應(yīng)鏈調(diào)度是指通過建立模型找到優(yōu)化的決策和方案，使供應(yīng)鏈上成員利益最大化，其中包含加工調(diào)度和運輸安排等環(huán)節(jié)的優(yōu)化決策問題。供應(yīng)鏈調(diào)度可以為供應(yīng)鏈上的企業(yè)帶來顯著的經(jīng)濟(jì)效益，但是要考慮供應(yīng)鏈上所有成員工作的協(xié)同與調(diào)度，需要細(xì)化的問題很多，一旦供應(yīng)鏈的調(diào)度失職，會影響整條供應(yīng)鏈的生存。

而云制造的出現(xiàn)為供應(yīng)鏈調(diào)度提供了一種新的破題思路。這是一種依托云計算、物聯(lián)網(wǎng)等新技術(shù)發(fā)展起來的一種新興制造模式——支持制造業(yè)在廣泛的網(wǎng)絡(luò)資源環(huán)境下，為產(chǎn)品提供高附加值、低成本和全球化制造的服務(wù)。云制造供應(yīng)鏈通過云平臺將分散在各地的供應(yīng)鏈上的閑散制造資源和能力匯聚，提供更符合用戶需求的服務(wù)，較好地彌補(bǔ)了現(xiàn)有制造模式下資源調(diào)度的缺陷。

在云制造供應(yīng)鏈上資源是可以無限拓展的，用戶可隨時按需租用，因此要對不確定數(shù)量的制造資源進(jìn)行調(diào)度優(yōu)化，而且調(diào)度過程中制造資源數(shù)量和種類是變化的，需要發(fā)現(xiàn)并替換錯誤制造資源。這是一種動態(tài)的資源調(diào)度優(yōu)化方式，能夠體現(xiàn)云制造動態(tài)性、容錯性的核心技術(shù)，為了動態(tài)高效地利用廉價的制造資源（賀利軍，2016）。

2 云制造供應(yīng)鏈調(diào)度優(yōu)化研究現(xiàn)狀分析

2.1 文獻(xiàn)綜述

近年來，國內(nèi)學(xué)者主要采用多種算法技術(shù)與先進(jìn)的制造系統(tǒng)對云制造環(huán)境下的資源計劃配置進(jìn)行調(diào)整優(yōu)化，建立相關(guān)的專業(yè)模型，為業(yè)界各領(lǐng)域的資源利用提供了良好的理論框架和可靠的技術(shù)指導(dǎo)。

武超然等（2014）改進(jìn)蝙蝠算法對初始種群的產(chǎn)生進(jìn)行限定，解決批任務(wù)調(diào)度問題，縮短找到合適任務(wù)分派策略的時間，證明了改進(jìn)蝙蝠算法在云制造供應(yīng)鏈調(diào)度中的有效性，避免了資源超載和資源閑置的現(xiàn)象，使任務(wù)總完成時間最短，推動著云制造在供應(yīng)鏈方面的應(yīng)用。江笑妍、李芳（2016）通過Matlab 仿真實驗和蟻群算法解決了云制造在動態(tài)環(huán)境下一對一解決關(guān)鍵匹配問題，通過前后比對量化數(shù)據(jù)，實現(xiàn)了云資源提供者CSP 和云資源使用者CSU 在較短時間內(nèi)的最優(yōu)配置。結(jié)合云制造資源計劃及服務(wù)能力，易玲玲等（2016）應(yīng)用子鏈技術(shù)精確核算和計劃制造資源，通過對子鏈之間的計劃協(xié)商、進(jìn)度反饋、沖突化解等機(jī)制進(jìn)行深入研究，提出了各層次子鏈協(xié)調(diào)落實云制造資源計劃的方法，幫助企業(yè)科學(xué)地跟蹤和監(jiān)控生產(chǎn)過程中的產(chǎn)品生產(chǎn)情況。陳友玲等（2019）結(jié)合雙層規(guī)劃資源優(yōu)化配置模型，采用i-NSGA-II-JG 算法對多目標(biāo)制造資源配置問題進(jìn)行探索，得出了云制造環(huán)境制造資源的最優(yōu)解。

國外不同學(xué)者則突出信息共享和數(shù)據(jù)轉(zhuǎn)化的重要性，通過探究新算法與建立混合模型，實現(xiàn)物理系統(tǒng)與云計算資源的平衡，進(jìn)一步優(yōu)化數(shù)據(jù)傳達(dá)的渠道，解決資源分配環(huán)節(jié)中出現(xiàn)的問題。

Atakan Yucel（2011）提出了一種加權(quán)的模糊規(guī)劃方法，利用供應(yīng)商的約束條件、目標(biāo)和各因素的權(quán)重，建立了模糊多目標(biāo)線性模型，解決了供應(yīng)商的選擇問題，為各供應(yīng)商分配最優(yōu)訂貨數(shù)量。Ben et al（2019）針對云計算的彈性和服務(wù)交付的彈性管理，提出了一個描述和評估基于服務(wù)的業(yè)務(wù)流程（SBP）彈性策略的框架——Stratfram，以幫助云租戶在運營成本和QoS 水平間找到正確的平衡點。為解決云制造過程中的分布資源組合問題，避免制造資源分配的局部最優(yōu)停滯，Bouzary 和Chen（2019）結(jié)合了遺傳算法進(jìn)化算子（evolutionary operators of the genetic algorithm）和灰狼優(yōu)化算法（grey wolf optimizer algorithm）的特點，提出了一種新的混合算法。Ibn et al（2019）運用網(wǎng)格的定位方法，提出了兩個混合整數(shù)線性規(guī)劃模型，第一次使來源數(shù)據(jù)中心的位置分配問題得到有效的解決。Borangiu et al（2019）指出云服務(wù)和云資源加速了出版行業(yè)的數(shù)據(jù)轉(zhuǎn)換，這一研究成果在未來的產(chǎn)業(yè)框架中實施網(wǎng)絡(luò)物理生產(chǎn)系統(tǒng)和工業(yè)互聯(lián)網(wǎng)的主要構(gòu)建塊至關(guān)重要。

由此可見，目前學(xué)者們對云制造的結(jié)構(gòu)、框架、模型等的認(rèn)知趨于一致，在云資源調(diào)度優(yōu)化方向進(jìn)行深耕，但在建模和運用算法的方面以低維多目標(biāo)優(yōu)化問題為主，而實際上的優(yōu)化問題大多是高維多目標(biāo)問題。本文從跨地理位置的供應(yīng)鏈角度構(gòu)建模型，應(yīng)用遺傳算法和蟻群優(yōu)化算法尋找粵港澳三供應(yīng)鏈資源調(diào)度的最優(yōu)解，并引入服務(wù)質(zhì)量模型權(quán)衡粵港澳三地面臨的差異，盡可能縮小地區(qū)最優(yōu)解的偏差。該算法能提高粵港澳三地在云制造環(huán)境下的區(qū)域協(xié)同合作、網(wǎng)絡(luò)協(xié)作機(jī)制和資源調(diào)度配置優(yōu)化，實現(xiàn)粵港澳大灣區(qū)供應(yīng)鏈匹配機(jī)制的協(xié)調(diào)發(fā)展。

2.2 研究分類

目前，國內(nèi)外學(xué)者對于供應(yīng)鏈下的資源調(diào)度在傳統(tǒng)生產(chǎn)調(diào)度和系統(tǒng)服務(wù)組合的優(yōu)化研究已經(jīng)相對成熟，但由于云制造環(huán)境異構(gòu)化與動態(tài)化的特殊性，使其發(fā)揮效果在實際應(yīng)用過程中大打折扣。但基于云制造模式下的供應(yīng)鏈調(diào)度與傳統(tǒng)資源調(diào)度的原理一致，在面對云制造模式下的供應(yīng)鏈的調(diào)度優(yōu)化問題的有關(guān)研究中，相關(guān)研究學(xué)者積極探索出了多種行之有效的調(diào)度方法、調(diào)度模型與調(diào)度算法，主要研究方法可歸集為以下三種：

①針對服務(wù)的資源檢索方法。李慧芳等（2018）提出一種高效且極具應(yīng)用價值的制造云服務(wù)智能搜索與匹配方法，將服務(wù)類型與狀態(tài)消息形式化描述后，再將請求端和服務(wù)的功能屬性及非功能屬性進(jìn)行匹配，從而快速有效地篩選出具備最高匹配程度的制造云服務(wù)。Tai et al（2013）在剖析云設(shè)備資源特點的基礎(chǔ)上，按照層面與級別多層次，層級之間精細(xì)化的匹配原則，構(gòu)建出可以達(dá)到智能匹配服務(wù)供給與需求的一種相似化算法。李新等（2015）提出建立在云制造資源與加工任務(wù)的統(tǒng)一本體模型基礎(chǔ)上的資源匹配模型，通過制造資源和加工任務(wù)兩者之間的映射關(guān)系的智能匹配算法來解決資源發(fā)現(xiàn)的問題。

②基于調(diào)度模型的方法。張衛(wèi)等（2012）提出基于服務(wù)質(zhì)量的制造服務(wù)選擇模型，并綜合云模型和蟻群算法的優(yōu)勢，建立了制造服務(wù)調(diào)度模型來快速響應(yīng)用戶的在線制造服務(wù)申請。胡毅等（2010）針對調(diào)度最小化執(zhí)行時間問題，提出了一種區(qū)別于傳統(tǒng)蟻群算法并能靈活調(diào)度網(wǎng)格任務(wù)的以云模型為基點的自適應(yīng)蟻群調(diào)度算法。王巖等（2017）結(jié)合云計算和工作流構(gòu)建云工作流系統(tǒng)，并建立了劃分為兩個調(diào)度階段的系統(tǒng)資源調(diào)度模型。

③針對多目標(biāo)優(yōu)化的方法。邰麗君等（2013）以時間、質(zhì)量、成本三要素為多目標(biāo)構(gòu)建數(shù)學(xué)模型，建立了云制造環(huán)境下基于遺傳蟻群算法的制造服務(wù)資源多目標(biāo)動態(tài)調(diào)度模型。袁正午等（2016）提出了一種針對粒子群算法的認(rèn)知項和社會項錯亂問題的改進(jìn)算法，其強(qiáng)勁的全局搜索能力可以更加有效地調(diào)度云計算資源。范澤兵等（2013）采用模糊聚類方法以實現(xiàn)設(shè)備負(fù)載率方差的最優(yōu)化目標(biāo)，并提出了系統(tǒng)的基于免疫遺傳算法的優(yōu)化制造資源配置的方法。

2.3 典型算法

云制造供應(yīng)鏈調(diào)度優(yōu)化受到科研學(xué)者廣泛的關(guān)注，許多學(xué)者尋求高效的云資源調(diào)度策略，并在云資源調(diào)度算法研究領(lǐng)域進(jìn)行了算法的優(yōu)化，用以尋找供應(yīng)鏈資源調(diào)度的最優(yōu)解。下面介紹云制造供應(yīng)鏈調(diào)度優(yōu)化中的三種典型算法：

①粒子群算法。粒子群算法是通過模擬鳥群覓食行為而發(fā)展起來的一種基于群體協(xié)作的隨機(jī)搜索算法，粒子群體通過迭代找到最優(yōu)解。在粒子群算法中，“粒子”是隨機(jī)搜捕食物的每只鳥，即優(yōu)化問題的解，鳥群正在搜捕的食物即是問題的最優(yōu)解。搜捕過程中每只鳥會共享信息，從而調(diào)整飛行軌跡，鳥群對每只鳥共享的信息進(jìn)行整合后，共同調(diào)整飛行的速度及方向，直到找到食物。在這一迭代的過程中，空間中的粒子通過歷史位置和其他粒子的信息來確定向量的調(diào)整，從而不斷區(qū)域最優(yōu)解，直至得到最優(yōu)解。粒子的自有組織、粒子與空間的交互、粒子的記憶功能，都體現(xiàn)出粒子群算法是一種仿生優(yōu)化算法，且具備智能性。

②遺傳算法。遺傳算法，同樣是優(yōu)化仿生算法，借助生物進(jìn)化中“適者生存”的法則，通過模擬自然進(jìn)化過程搜索最優(yōu)解。遺傳算法通過編碼，將問題空間內(nèi)的所有點表示為遺傳空間的個體，空間中的個體對應(yīng)所有可行解。經(jīng)過種群初始化后，對個體的適應(yīng)度進(jìn)行評價，判斷優(yōu)劣程度，再進(jìn)入選擇、交叉、變異運算，終止條件判斷輸出最優(yōu)解。與粒子群算法不同，遺傳算法中個體不能共享信息，也無法保存記憶，使得個體收斂于最優(yōu)解的效率較低。但遺傳算法編碼技術(shù)和遺傳操作相對簡單、收斂速度可估，適用于處理復(fù)雜問題。

③蟻群算法。蟻群算法模擬螞蟻覓食的過程，以螞蟻的行走路徑表示待優(yōu)化問題的可行解，所有螞蟻的所有路徑構(gòu)成待優(yōu)化問題的解空間。螞蟻群體能夠利用了自身在行走過程中釋放的信息素，實現(xiàn)信息的傳遞，提高覓食效率。在離食物最近路徑上的螞蟻往返的頻率會更快，釋放的信息素也就越多，其他螞蟻感知到信息素，便會集中到最短路徑上，信息素便形成正反饋機(jī)制。螞蟻數(shù)量眾多，意味著多個個體并行計算，運行效率大大提高，且不容易陷入局部最優(yōu)。此外，“信息素”的正反饋使得搜索過程不斷收斂最終逼近最優(yōu)解。但由于群體規(guī)模大，需要時間體現(xiàn)信息素累積的差異，因而需要較長的搜索時間。

3 優(yōu)化模型

云制造依托云制造平臺將分布在不同位置的空閑資源匯聚集成到高質(zhì)量的云制造服務(wù)中，滿足有制造任務(wù)需求的企業(yè)，快速響應(yīng)動態(tài)市場需求，提高制造資源供應(yīng)企業(yè)的資源利用率。云制造平臺會根據(jù)屬性信息自動將所請求的任務(wù)分解成若干子任務(wù)，然后從云資源池中搜索與每個子任務(wù)相匹配的資源，為優(yōu)化過程準(zhǔn)備相應(yīng)的資源。該調(diào)度優(yōu)化方法根據(jù)資源請求者的需求，以最小的加工時間和生產(chǎn)成本追求最佳的產(chǎn)品質(zhì)量。云制造模式下跨地點資源供應(yīng)鏈的調(diào)度優(yōu)化，需要對不同地點的資源進(jìn)行組合優(yōu)化，而優(yōu)化云制造供應(yīng)鏈需要考慮的因素較多。云制造供應(yīng)鏈調(diào)度優(yōu)化中供應(yīng)商的選擇方法主要有三類：多準(zhǔn)則決策、數(shù)學(xué)規(guī)劃模型和人工智能方法。其中，多準(zhǔn)則決策和數(shù)學(xué)規(guī)劃模型方法是解決供應(yīng)商選擇問題的主要技術(shù)。然而，相比于智能優(yōu)化算法，他們雖然有出色的優(yōu)化能力，但是其對于復(fù)雜的組合優(yōu)化問題處理能力較弱。因此，應(yīng)用遺傳算法和蟻群優(yōu)化模型來選擇多準(zhǔn)則供應(yīng)商，并利用遺傳算法和蟻群優(yōu)化的混合算法以解決云制造供應(yīng)鏈調(diào)度優(yōu)化問題，相較于傳統(tǒng)的優(yōu)化運算，該混合運算結(jié)合了不同算法和模型之間的優(yōu)點，具有獨特的優(yōu)勢。

3.1 目標(biāo)函數(shù)建立過程

此外，在決策制定過程中，還包含了其他關(guān)鍵因素，故特別考慮了質(zhì)量因素（Q）、技術(shù)研發(fā)強(qiáng)度（T）、文化兼容性（D）、財務(wù)狀況（F）和成本因素（C）。所挑選的合適供應(yīng)商應(yīng)為最大化質(zhì)量、文化兼容性、技術(shù)研發(fā)強(qiáng)度和財政狀況以及最小化成本，將此記為{maxQ，maxT，maxD，maxF，minC}，即max{Q，T，D，F(xiàn)，-C}。一個公司的完整產(chǎn)品完成需要N 種由J 個合格供應(yīng)商提供的原材料，對于第i 種原材料，它有Mi個潛在供應(yīng)商，而候選的J，有5 類價值指標(biāo)，Q，T，D，F(xiàn)，-C。而第i 種原材料可以寫為qijtijdijfij（-cij）。這些潛在的供應(yīng)商應(yīng)滿足下列函數(shù)：

約束等式如下：

3.2 云服務(wù)組成過程

云服務(wù)組成過程分為兩個步驟。第一步發(fā)送請求分析和任務(wù)分解：當(dāng)具體的任務(wù)β 提交給云平臺時，該任務(wù)根據(jù)其制造過程的復(fù)雜性分為n 個子任務(wù)Sβ＝{Sβ1，Sβ2，…，Sβi}。其中，Sβi代表第i 個子任務(wù)，其中i＝1，2，…，n；第二步搜尋與匹配：為了完成子任務(wù)，相應(yīng)的運算用于獲得所有滿足函數(shù)需求和服務(wù)需求質(zhì)量的云制造供應(yīng)鏈服務(wù)，然后針對供應(yīng)鏈的每一個子任務(wù)產(chǎn)生相應(yīng)的云制造候選服務(wù)集。

3.3 服務(wù)質(zhì)量（Quality of Service，QoS）評估模型分析

由于粵港澳大灣區(qū)的地區(qū)性，同時為了避免過度約束導(dǎo)致本研究失去普遍性，因此在服務(wù)質(zhì)量模型中僅考慮四個因素，時間qβe、成本qcc、可用性qms和可靠性qre，及其數(shù)據(jù)均由服務(wù)提供者與云平臺提供。

時間：βE={βErun，βEtrans}，其中βErun是系統(tǒng)運行時間，βEtrans是網(wǎng)絡(luò)傳輸時間。成本：包含管理成本CCmanagement、物流成本CClogistic和執(zhí)行成本CCexecution?？捎眯裕涸浦圃旆?wù)有能力在時區(qū)[t1，t2]能行使資源調(diào)度，可表示為：MS=t0/（t2-t1），其中，t0表示在[t1，t2]時間區(qū)間成功調(diào)用的時間?？煽啃裕涸浦圃熨Y源平臺就給定的時間和條件下成功完成了任務(wù)，即實現(xiàn)了i 個供應(yīng)商與j 種原材料相匹配，可表示為：RE=α1/（α0+α1），其中，α0表示系統(tǒng)匹配任務(wù)執(zhí)行失敗的次數(shù)，α1表示系統(tǒng)匹配任務(wù)成功執(zhí)行的次數(shù)。

經(jīng)過標(biāo)準(zhǔn)化后， 云制造服務(wù)（Cloud Services Manufacturing，CMS）的評估模型為：

根據(jù)線性權(quán)重方法，云制造服務(wù)平臺組成服務(wù)的服務(wù)質(zhì)量方程為：CQ＝w1QβE+w2QCC+w3QMS+w4QRE

其中，w1，w2，w3和w4為權(quán)重系數(shù)，由用戶或者行業(yè)專家給定。

3.4 遺傳算法和蟻群優(yōu)化算法

應(yīng)用遺傳算法和蟻群優(yōu)化算法能夠計算出粵港澳三地的地區(qū)供應(yīng)鏈資源調(diào)度優(yōu)化解。遺傳算法的初始操作步驟主要包括譯碼、生成初始總體、確定適應(yīng)度函數(shù)（即方程（3）），通過基本的基因操作，加速方程（3）的收斂，以獲得目標(biāo)最優(yōu)解。

除此以外，對蟻群優(yōu)化算法做出如下改進(jìn)：在迭代中，只有表現(xiàn)最佳的螞蟻才被允許更新信息素。

信息素強(qiáng)度P 適用于區(qū)間[Pmin，Pmax]。

所有螞蟻開始搜索之前，將所有路徑的初始信息素強(qiáng)度最大化，且選擇較小的信息素?fù)]發(fā)率ρ。設(shè)定以下方程更新粵港澳三地的地方信息素，以加快搜索的收斂，從而確保每只螞蟻留下的信息素有效。

其中，B 為常數(shù)，k 表示螞蟻總數(shù)量，x 表示系統(tǒng)所選擇服務(wù)的次數(shù)，CQall表示搜索中所有螞蟻組選擇服務(wù)組合的服務(wù)質(zhì)量評估值之和。

4 總結(jié)和展望

加強(qiáng)云制造供應(yīng)鏈資源的調(diào)度優(yōu)化能夠促進(jìn)粵港澳大灣區(qū)的產(chǎn)業(yè)升級。在傳統(tǒng)制造業(yè)的轉(zhuǎn)型升級中，數(shù)字化轉(zhuǎn)型和服務(wù)型制造是必不可少的。云制造作為一種先進(jìn)的技術(shù)手段，可以在三個方面幫助粵港澳大灣區(qū)的產(chǎn)業(yè)升級：一是能夠幫助整合現(xiàn)有各類的資源，提高資源利用率，進(jìn)而突破單一資源的能力極限；二是能夠促進(jìn)產(chǎn)業(yè)融合，特別是促進(jìn)制造業(yè)與服務(wù)業(yè)融合，進(jìn)一步完善產(chǎn)業(yè)鏈；三是能夠?qū)崿F(xiàn)個性化定制生產(chǎn)，企業(yè)可以大數(shù)據(jù)平臺為基礎(chǔ)、以柔性化生產(chǎn)為依托，根據(jù)客戶需求進(jìn)行個性化定制生產(chǎn)。

本文利用遺傳算法和蟻群優(yōu)化的混合算法對云制造供應(yīng)鏈調(diào)度優(yōu)化問題進(jìn)行了模型建立，該模型可以為研究粵港澳大灣區(qū)的資源調(diào)度和優(yōu)化配置提供一定的理論指導(dǎo)。云制造供應(yīng)鏈資源的調(diào)度優(yōu)化能以供應(yīng)鏈的形式對云制造資源進(jìn)行計劃生產(chǎn)，細(xì)致化計劃對象，減少原材料庫存，降低產(chǎn)品的生產(chǎn)成本，并幫助企業(yè)追蹤產(chǎn)品的生產(chǎn)情況。而借助于云平臺提供的大數(shù)據(jù)，還可實現(xiàn)供應(yīng)子鏈之間的橫向和縱向協(xié)調(diào)配置資源，減少制造計劃執(zhí)行過程中可能出現(xiàn)的錯誤匹配局面，并為那些生產(chǎn)能力不足的中小企業(yè)提供了資源整合的渠道。

本文也有不足之處，如僅對調(diào)度模型進(jìn)行建立。因此，未來可以進(jìn)一步利用遺傳算法和蟻群優(yōu)化算法，結(jié)合服務(wù)質(zhì)量評估模型求出最優(yōu)解，并根據(jù)結(jié)果檢驗權(quán)重指標(biāo)的代表性、信度和效度，分析出影響粵港澳大灣區(qū)供應(yīng)鏈調(diào)度的因素，從而提出優(yōu)化的可行性建議。