随着互联网技术的发展,消费者追求更加个性化、便利化的服装购物方式,同时也促使了服装供应链向柔性化、快速反应的趋势发展。目前,服装销售市场呈现个性化、多品类、小批量、短周期等趋势,而制造市场存在的区域产能过剩等情况。加之疫情波动,部分服装销售企业订单波动性大,且过往供应商的复工复产状态可能无法满足发单需要,而部分制造商也无法最大化利用剩余产能。工业互联网是传统制造业与新一代信息技术融合发展的结果,是全球制造业智能化发展变革的重要推手之一。工业互联网平台链接了消费者、采购方和制造商等多类用户,整合了跨地域的订单及生产资源。在服装工业互联网等线上供需平台蓬勃发展的背景下,如何快速、有效、合理地将需求订单和生产服务资源进行匹配推荐,是当前研究服装供应链的重点和热点之一。本文以服装生产加工供应链为例,对服装生产订单匹配策略和算法进行研究,建立订单稳定匹配机制,为服装工业互联网平台的订单下单与供应商接单提供精准对接的解决方案。本文首先介绍了服装订单供需双方对接平台的发展情况,以及订单匹配的研究背景、研究意义、研究内容及采用的研究方法。然后,归纳总结了订单下单与接单双方的偏好、效用理论、多属性决策方法等问题。其次,分析了服装订单交易数据类型,包括定性类型属性、定量类型属性和等级评估类型属性,针对不同数据类型建立了量化方法和效用函数构建方法,并梳理了基于效用函数计算结果的TOPSIS备选方案排序流程。最后,结合服装行业订单交易特点,通过改进Gale-Shapley算法构建以不同交易方为主导、批量为限制的一对多双向匹配策略模型,实现在工业互联网环境下基于效用排序的一对多服装生产订单双向匹配模型。本研究采用6个采购订单与6家制造商的数据进行双向匹配模型验证,专家问卷分析结果表明了其匹配结果的稳定性和可接受性,实现了下单方对匹配结果的接受度平均评分达到8.11分,接单方对匹配结果的接受度平均评分达到8.78分。研究表明:基于订单效用评价体系和G-S策略的双向匹配模型能充分反映下单方的交易需求和制造商的接单意愿。在考虑博弈双方的交易需求下,匹配模型能有效地提高服装供应链平台上的下单与接单匹配推荐结果的可接受性和稳定性。