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营提供了可实现的途径。

（3）面向服务系统的智慧供应链运作管理。针对我国服务系统领域中的物流与供应链的运作管理问题，研究空间分配、设备调度、仓储与配置的协同优化算法。基于服务系统中产品在商业运作环节（如采集，运输，存储，检测，分销，使用等）实时和动态数据，依靠订单管理系统，研究模型和数据联合驱动的供应链优化理论和实践应用，为智慧供应链的管理提供有效的决策支持。

（4）智能供应链的动态配置及多级协同优化。针对泛在感知网络下智能供应链动态优化问题，基于产线、库存、物流车辆等的实时状态数据，研究高维时空数据的融合分析技术，构建智能供应链流程动态配置和多级协同动态物流优化模型，设计机器学习驱动的在线求解算法，研究实时精准供应链系统的运行机理。