为推进管理现代化和智能化，本研究方向运用管理科学、计算机、人工智能和心理学等多学科交叉融合方法，深入研究数据驱动下的大规模冲突分析与治理，提出数据驱动的协同决策模型与方法，开展数据驱动的数字化营销决策与优化，致力于建立新发展格局下的智能决策理论与方法，提高数据驱动的智能决策与优化能力，进而破解阻碍制造强国、质量强国、网络强国、数字中国等战略深入推进的管理决策难题。主要研究内容包括：（1）数据驱动的冲突分析与治理。针对复杂内外部环境下的冲突事件频发问题，利用大数据、人工智能等新兴技术，创新冲突事件多维度数据的收集与处理，提高冲突事件识别速度与精度，突破传统冲突分析仅面向两方主体的局限性，运用文本挖掘分析冲突当局者偏好，设计面向大规模冲突稳定性的智能算法，探讨富有创造性的优化策略，提出冲突治理对策，为冲突消解提供理论基础，为实现持久和平稳定提供支持。（2）数据驱动的智能决策理论与方法。针对传统决策面临的信息缺失与模糊问题，考虑个体与群体、认知和行为等复杂性特征，分析复杂决策信息的表征与处理，提出基于图神经网络的多模态信息融合方法，探索群体智能激励机制与共识演化规律，基于观点动力学和复杂网络

为推进制造系统和供应链系统的智能化管理，本研究方向运用人工智能、大数据、物联网等新一代信息技术，研究数据驱动的制造系统与供应链动态优化方法与管理策略，提出资源协同配置和在线实时决策的智能制造与智慧物流运作方案，为我国智慧物流与供应链协同管理提供方法论依据、判别标准和实施法则。相关研究内容如下：（1）面向物联制造的智能调度。针对物联车间的调度问题，研究智能自主调度机制，构建机器与工件智能体模型，赋能机器、工件等制造资源的主动特性，实现智能制造的主动调度。考虑复杂客户订单，针对订单制造涉及的多资源同步调度问题，研究同步指标体系，研究数据驱动的调度优化算法，分析制造系统结构、瓶颈位置等对于同步调度影响机理，为制造企业进行个性化订单智能生产排程和调度提供有效的方法论支撑。（2）基于机器学习的动态调度。针对智能工厂动态调度问题，研究动态调度问题的马尔可夫决策模型，研究基于深度强化学习动态调度算法，基于在线和离线数据，研究近端策略优化、长短期记忆网络等机器学习算法，实现机器、工件等智能体的有效勘探和搜索。该研究对构建工厂智能运作的调度引擎，实现智能工厂动态实时调度优化，实现数据驱动的智能工厂智慧运

面向碳达峰、碳中和（“双碳”）目标，研究智慧能源终端数据采集与数据特征，分析评价智慧能源数据资产及管控治理，建立面向智慧能源数据的云计算绿色调度模型，为智慧能源低碳运营管理与优化决策提供重要的基础数据、分析方法与工具支撑。相关研究内容如下：（1）智慧能源终端数据采集与特征分析。面向能源数据涉及多种维度、多种量纲以及多种异质性情景，开发多层级、多站点的有线与无线结合的能耗数据实时采集、传输与分析系统，对不同场景下不同对象的能耗数据进行分类采集与能耗特征分析，实现各类对象的不同能耗数据与变化趋势的实时动态监测与展示，并从全流程角度，明确不同产品在不同生产环节的能源消耗情况，分析动态碳排放因子以及系统关键环节能源使用特征，为实现能源系统的智能管理和低碳运营提供数据与决策支撑。（2）智慧能源数据资产评价及管控治理。针对智慧能源数据资产内容、赋值、时间、采集、加工等多维要素问题，研究面向动态时间规整的数据资产聚类、径向基神经网络预测资产未来一段时间的现金流，实现能源数据资产价值的各时段评估。开展能源数据应用/复用判定、数据整合管护（维护、异构集成、大规模储存等）、数据共享与安全管控等方面研究，构

以航空、航天等大型复杂产品为研究对象，针对设计-制造-运行-运维的产品质量管理全过程，研究数据驱动和模型优化的质量管理和可靠性理论，以提高复杂航空工业的质量和可靠性水平。主要研究内容如下：（1）多源质量数据融合的产品质量设计。基于多源质量数据信息，构建相关多维质量特征下的变量筛选和参数估计方法，在此基础上提出分布异质下的稳健似然函数，以提升质量预测的准确性和精确性。基于稳健贝叶斯质量模型，构建考虑产品的稳健性、可靠性以及经济性的质量优化策略，量化不同指标对质量优化解的影响，从而确定最佳的质量设计决策方案，以提高产品质量设计的效率。（2）计算机试验下函数型响应质量改进。面向函数型响应的复杂设计需求，依托于计算机试验，建立函数型响应的准确统计代理模型，从降低质量损失和制造成本两个视角，研究函数型响应的质量优化策略和容差成本函数，以构建稳健参数和容差一体化优化模型，实现低成本下复杂工业系统的质量提升；利用全局敏感度分析技术，构建函数型响应的全局敏感度指标，定量研究输入对函数型响应波动的影响机制，有效提高质量改进的效果和可解释性。（3）数据驱动的产品动态适应性维护与调度。基于同类设备历史多维退

致力于产品的全生命周期（设计阶段、生产和装配、以及使用维护阶段）管理，综合运用和开发多物理场仿真、数据挖掘和复杂网络建模等先进技术，对产品全生命周期所涉及的工程系统、社会系统和管理系统进行全数字化建模，研究孪生数据与物理实体、虚拟模型、服务/应用的精准映射与实时交互，为智能工厂的生产和运营、基础设施的全生命周期管理以及航空应急救援提供实时、准确、全面的决策辅助。主要研究内容如下：（1）智能工厂数字孪生建模和数字化运营管理。融合和使用先进信息技术以建设智能工厂和车间，开发工厂物理系统、管理系统和信息系统之间的信息流通技术，综合三维建模、复杂网络建模和优化建模等先进方法，开发可查、可管、可控的一体化工厂数字孪生仿真平台，实现工厂车间全要素、全流程、全业务的集成与融合，开展生产计划/活动仿真、评估和优化，为工厂智能制造和智慧运营提供决策辅助。（2）数字孪生驱动的基础设施全生命周期管理。针对城市重大基础设施全生命周期（立项、建设和运维）的数据流管理，开发多源异构数据的无缝集成的数据转换和融合技术，构建基础设施物理组件、决策者和服务对象的数字化模型，建设数字孪生基础设施全生命周期仿真验证平台，深