随着高质量数据的日益丰富、机器学习技术的持续进步以及计算能力的显著提升，数据驱动库存管理正迎来前所未有的发展机遇。然而，目前学术界对于这一新兴领域的研究进展尚缺乏全面系统的综述。本研究运用文献计量方法，深入分析了183篇学术论文，并通过科学知识图谱的可视化方式，全面展示了该领域的研究现状。从大数据和运营管理的双重视角出发，总结归纳了数据驱动库存管理在需求信息、基本模型和基本方法3个方面的研究结果。重点从需求不确定性和特征数据的角度介绍了4种库存管理模型：单变量数据驱动报童模型、单变量数据驱动动态库存模型、多特征数据驱动报童模型和多特征数据驱动动态库存模型。在此基础上，梳理了6种主要的数据驱动决策方法，包括贝叶斯方法、鲁棒优化方法、样本均值近似方法、分位数回归方法、操作统计方法和机器学习方法。最后，本研究从数据驱动库存管理方法与工具层面，以及面临的难点与应用热点层面，提出了未来研究的方向与建议，旨在为相关领域的研究者和实践者提供有益的参考和启示，推动数据驱动库存管理领域不断发展。

为求解具有动态性、实时性、多约束、多目标特点的晶圆光刻区调度问题，提出一种基于门控循环单元强化学习的晶圆光刻区实时调度方法。设计引入门控循环单元学习光刻区历史调度决策与状态的时序信息，为双深度强化学习模型提供辅助决策信息；设计双深度强化学习模型的输入状态空间、输出动作集，并面向晶圆最小化最大完工时间和晶圆准时交货率指标设计多目标奖励函数，为智能体优化调度输出；设计设备专用性约束与掩模版约束的解约束规则与调度方法相结合，提高调度方案实施的实用性。通过某晶圆制造企业实际算例，将该方法与传统双深度强化学习和光刻区启发式规则方法比较，该方法均为最优，证明了其解决此问题的有效性。

为了解决芯片系统级测试 (system level test, SLT) 装备定制化程度高，设计知识无法有效复用，从而导致的设计周期长的问题，对SLT装备的快速定制设计方法进行研究。构建SLT装备的设计知识原型，提出一种装备快速设计框架，包括基于核心设计参数的设计知识表征和机械模块间特殊的聚合方式，即“靠接”行为，有效地实现了装备设计知识的存储和复用。基于构建的设计知识原型，结合数字孪生技术，利用团队开发的数字工厂仿真平台，封装SLT装备组件库，搭建SLT装备数字孪生设计原型，以参数配置的方式快速输出三维设计方案。采用半实物在环仿真技术进行虚拟调试，使装备的设计制造与调试并行并互相印证。对于装备的设计以及调试，相比于传统方法，周期降低约30%，成本降低约40%，人力投入降低约60%。

为应对重复性项目在建设过程中遇到的不确定性干扰，需对重复性项目进行前摄性调度优化研究，以增加项目进度计划容纳不确定性因素干扰的能力。本文首先分析基于线性计划法下，重复性项目中线状、条状、块状活动之间的时差关系，通过时差大小确定缓冲区间的选择范围。然后以工期、成本、鲁棒性为目标，构建多目标前摄性优化调度模型。并针对其NP-hard属性，设计改进粒子群优化算法：通过引入模拟退火算法，避免粒子群容易陷入局部最优的问题，算法测试表明改进算法具有较快的运算速度和较好的寻优能力。最后，通过一个重复性工程的案例，验证本文提出的前摄性调度优化模型的可行性和有效性；并通过仿真模拟发现，本文提出方法消耗更少缓冲就可以保证项目按时完工。通过研究分析得到以下结论：在编制进度计划时，可以通过在一定范围内增加资源量的方式，获得更优的进度计划。

为解决三峡-葛洲坝枢纽船闸检修期船舶待闸时间过长、通过效率低等问题，根据检修期三峡-葛洲坝枢纽调度要求，建立船闸检修期三峡-葛洲坝枢纽船舶过闸调度模型，将船舶过闸调度问题分解为闸室编排、船闸分配、时间表优化3个子问题。根据模型特性，分别构建Bottom-Left算法、考虑通航均衡的闸次分配算法和基于自适应秃鹰搜索的时间表优化算法对子问题依次进行求解。在检修期船舶过闸调度问题中，根据待闸船舶拥堵情况分为动态调度与静态调度两类场景进行分析。最后，以三峡-葛洲坝梯级枢纽通航的实际历史数据为例，将改进前后秃鹰搜索算法的优化结果进行比较。结果显示，一个调度周期内，船舶平均待闸时间可减少3 h左右，平均闸室面积利用率可达75%以上，船舶通过量可提升6艘。

判定区间q阶orthopair模糊数 (IVq-ROFNs) 排序关系是解决区间q阶orthopair模糊 (IVq-ROF) 决策问题的关键环节，而可能度测度是重要工具之一。针对现有得分函数、精确函数和可能度测度无法处理的反直觉问题，提出一种基于IVq-ROF可能度的多属性决策方法。首先，定义IVq-ROF环境下的可能度测度，并讨论其相关性质；然后，通过解决反直觉问题的例子说明本文所提IVq-ROF可能度测度的可行性和优势性；最后，构建基于IVq-ROF可能度的多属性决策模型，并由两个算例分析现有可能度在IVq-ROF环境中扩展的适用性，验证本文所提方法的有效性与合理性。

刀具磨损是影响数控机床加工质量和加工效率的重要因素之一。针对现有铣刀磨损预测中信号单一和预测精度不足的问题，提出了一种基于注意力机制的堆叠LSTM (long short-term memory，长短期记忆网络) 的多传感器信息融合刀具磨损预测方法。对多传感器信号进行预处理，然后提取多域特征，利用核主成分分析法对其进行特征级信息融合，得到后续网络的输入。采用基于注意力机制的堆叠LSTM网络模型，使得网络能够自适应地学习数据的重要信息，在PHM2010的数据集上预测精度达到99.9%。通过与其他算法的对比试验和加入人工噪声的方法，验证了本文所提出的模型的高精度和鲁棒性。

针对考虑序列相关准备时间的分布式柔性作业车间调度问题，提出以最小化最大完工时间为优化目标的混合整数线性规划模型，并提出一种改进遗传算法。采用基于负荷均衡的种群初始化方法提高初始种群质量，根据问题特性构造6个局部扰动算子，设计多重局部扰动策略提高算法的局部搜索能力。通过扩展柔性作业车间调度基准生成测试算例，使用正交实验确定算法参数。实验结果表明，所提改进策略能够有效提高算法性能，求解结果优于对比算法，验证了调度模型和所提算法的可行性和有效性。

针对多资源协同智能车间中设备数量配置问题，以最小化设备购置成本为目标，建立具有系统产出率和生产周期双重约束的优化模型。由于该优化问题是一个随机非线性的整数规划问题，且约束条件无法用决策变量的封闭形式表达，因此，提出一种基于仿真建模的智能优化算法求解该问题。针对多资源协同的生产车间，基于离散事件仿真平台构建系统的性能估算模型，并提出嵌入仿真模型的灰狼优化算法求解设备数量配置的优化方案。通过仿真算例实验以及优化算例对比，验证该方法对比其他算法在优化结果的优越性和稳定性方面具有明显优势。分析实际应用案例确定了优化的配置方案，结果验证了所提方法的有效性，具有实际应用价值。

该研究探讨供应链库存控制策略及生产协同重要性。将备货型生产 (make-to-stock, MTS) 与按订单生产 (make-to-order, MTO) 两级串联模式应用于高效响应性供应链的生产与库存联合控制问题并刻画其最优策略。针对订单到达服从泊松过程和生产时间服从指数分布情形，通过马尔科夫过程转移速率一致化技术建立起马尔科夫决策过程模型并得到相应贝尔曼最优方程。基于最优费用函数结构性质，将最优生产与库存控制策略刻画为依赖系统状态的基本库存策略。随后，将模型拓展到批量生产情形。数值算例验证了最优策略单调结构性质，给出不同情境下的最优策略绩效。同时将最优策略与两种常见策略进行比较。基础情境下，容限策略偏离最优7.36%，短视策略偏离最优25.73%。其他情境下，最优策略都明显优于另两种策略。

燃气轮机生产属于典型的离散型制造，其多品种小批量的生产特点给车间作业调度带来挑战，导致企业生产效率低下，不能满足产品交货期。因和声搜索算法结构简单易操作，常用于解决此类作业车间调度问题。然而传统和声搜索算法收敛速度较慢，易陷入局部最优。本文构建以最小化最大完工时间为目标的燃气轮机制造车间调度数学模型，提出一种离散型改进多种群混合和声搜索算法进行求解。结合和声搜索算法与变邻域搜索算法的优点，采用基于工序的编码方式进行编码，在种群更新部分引入模拟退火的Metropolis接受准则，提高种群多样性；提出自适应的记忆库保留概率和音调调节率来调节参数，以提高算法的全局寻优能力；加入变邻域搜索以提高算法的收敛速度。通过性能测试及实例验证表明，相较于已有算法，所提算法具有更好的性能。

针对带序列相关调整时间和顺序齐套约束的风电拉挤板生产排程问题，构建了最小化设备负荷偏差、交货期偏差和最大化设备利用率的多目标优化模型，改进并设计了基于Pareto寻优和拥挤度计算机制的多目标启发式麻雀搜索算法 (multi-objective heuristic sparrow search algorithm, MHSSA)。算法具有“组件-区域”两层编码方式和“倒排-修复-优化”启发式解码算子；采用多规则结合反向学习的改进种群初始化策略，增强了全局搜索能力；利用具有交叉算子和外部存档扰动机制的改进搜索策略，提升了寻优精度和种群多样性。通过数据集测试和实例仿真分析，验证了排程优化模型和智能排程算法的有效性。

研究品牌优势对回收商生产模式选择的影响机制，并基于三方博弈模型，运用KKT条件等方法分析不同品牌优势下，回收商选择再制造或翻新的决策条件和利益分配结果。结果表明，在品牌优势较低的情况下，回收商的生产模式选择会依赖回收成本。当回收成本较低时，全部翻新是回收商最优策略，但这会损害品牌制造商和品牌零售商的利益；当回收成本适中时，回收商倾向于部分翻新，此时品牌零售商可以从中获益，但品牌制造商会受到冲击；当回收成本较高时，回收商翻新威胁小，品牌制造商和品牌零售商都会默认接受这一结果。在品牌优势较高的情况下，回收商和品牌制造商有动机达成再制造协议，实现双方的共赢，但品牌零售商会极力反对这一协议。此外，合作再制造模式并不一定能带来更高的消费者剩余，在一定条件下，翻新竞争模式下消费者剩余可能会超过合作再制造模式下的水平。

为了研究消费者对碳排放和交付时间具有双重敏感性的市场环境下，制造商选择传统单一零售渠道或网上零售渠道的策略，本文构建了由制造商和传统零售商组成的传统单一零售渠道和网上直销双渠道两种供应链结构，对比分析两种模型的均衡定价策略及供应链成员的最优利润，探讨在消费者具有双重敏感性下，零售商与制造商的渠道偏好。研究发现，双渠道的碳减排水平总是比单渠道的高。当消费者偏好于网上直销渠道，且消费者的双重敏感性及双渠道中渠道竞争均较小时，零售商愿意接受较高的批发价格并且偏好传统单一零售渠道；反之，零售商更偏好网上直销双渠道。当消费者偏好于网上直销渠道时，制造商会选择网上直销双渠道模型。当消费者不偏好网上直销渠道，且消费者双重敏感性及双渠道中渠道竞争均较小时，制造商才会选择传统单一零售渠道模型；否则，即使消费者不偏好网上渠道，双重敏感性及竞争有一项较大时，制造商也会选择网上直销双渠道。

为探讨不同竞争与合作模式下生鲜供应链成员最优努力水平、消费者低碳偏好和原材料产能约束对生鲜供应链利润的影响，本文结合生鲜产品易腐性、季节性的特点，以多个供应商、制造商、零售商及需求市场组成的生鲜供应链为研究对象，利用网络均衡的方法构建供应链网络模型，并设计基于对数二次型逼近的算法求解。研究结果表明：当所有生鲜供应链成员协同努力时，一定程度的努力投入能够使相关成员及供应链整体利润达到最优；当生鲜供应链各层级之间协同努力时，供应商和零售商努力水平的提高更有利于整体利润最大化；当生鲜供应链成员各自努力时，决策者需密切关注竞争对手或其余层级成员的努力水平；消费者低碳偏好的增加有利于提升制造商利润，但对供应商与零售商利润的改善有限；原材料产能约束能够使供应商利润得到较为显著提升，但并不利于改善其余供应链成员利润。

在制造商与平台零售商组成的双渠道供应链中，考虑制造商与平台零售商的质量信息披露具有不对称的跨渠道影响力，构建了由制造商主导的披露策略与渠道定价的博弈模型，研究了无披露策略、制造商披露策略、平台零售商披露策略下制造商与平台零售商的定价行为，通过对比得出制造商与零售商的质量披露阈值，分析了产品质量水平与平台零售商披露的跨渠道影响力对博弈均衡解的影响。研究发现：1) 较高的质量水平诱导制造商主动披露信息，而较低的质量水平则使制造商更倾向零售商披露信息; 2) 平台零售商的披露意愿随其跨渠道影响力的提高而增加; 3) 当质量水平和零售商跨渠道影响力都较高时，制造商与零售商都倾向零售商披露; 4) 较高的披露跨渠道影响力并不总是对平台零售商有利，当零售商的跨渠道影响力高于一定阈值，零售商的利润会先因披露策略改变而大幅降低，后随着零售商影响力的增加而上升。