随着经济全球化的快速发展以及信息技术的不断变革,当今汽车产业格局正发生着重大的改变。企业群的专业化分工与社会化协作在不断深化,产业链内与产业链间各环节联系正日益紧密,促使了汽车制造业向规模化、生态化方向迅猛发展。如今,汽车制造企业的竞争优势早已不限于企业自身能力,而更多取决于企业所处产业链中各分工环节的核心竞争力水平,企业与产业链上、下游间的协作紧密程度,以及不同产业链间的多链协同能力。作为支撑配件多价值链协同的云服务平台,通过对多链优势资源进行整合、优化与再分配,打破了传统供应链协同中无法跨区域、跨链条的约束限制,将多链中的企业紧密联系在一起,构建出相互信任、资源共享、协作共赢、共生互补的协同体系。本文结合国家重点研发计划、国家科技支撑计划和国家高技术研究发展计划(863计划)等项目和课题,对基于云平台的配件多价值链协同技术的相关理论、方法与技术展开了研究。具体包括以下几个方面:(1)分析了供应链理论、价值链理论和集群式供应链理论,指出现有理论均难以支撑配件多价值链协同,为此提出了配件多价值链协作体系,并建立了配件多价值链协同理论模型,以统筹考虑配件多价值链协同中的成本缩减与价值增值,在此基础上研究了配件多价值链协同优化技术,提出了一种配件多链协同选择优化博弈策略,构建出配件多价值链协同企业间的正和博弈映射关系,最终为配件多价值链协同提供有效方案决策。(2)分析了传统配件供应链协作模式、集群式供应链协作模式,指出现有协作模式均难以支撑配件多价值链协同,为此探索了配件多价值链协作模式,并构建了基于云平台的配件多价值链协同体系架构,建立了多链数据资源整合、多链数据处理分析、多链业务协同建模、多链协同流程优化、多链业务协同执行五层架构,实现了配件多价值链内信息资源的整合、处理、分析与利用,为配件多价值链的高效协同提供有力技术支撑。(3)围绕支撑配件多价值链协同的高维数据分析与挖掘技术展开研究,提出了一种基于BP神经网络、遗传算法、粒子群算法融合的自组织I/O映射神经网络模型,该模型可去除严重干扰数据回归分析的噪声信息,并过滤影响度低的容错性冗余数据特征,从而实现多链数据的去噪降维处理,在此基础上提出一种关键特征识别系统模型,通过计算数据特征权重与关键特征判别阈值以解析出数据的核心特征成分,从而提高多链数据分析和利用质量,使其能更高质的应用于配件多价值链协同。(4)围绕支撑配件多价值链协同的不确定规划最优化技术展开研究,提出了一种基于随机模拟、模糊推理、神经网络、启发式算法的不确定规划最优化系统模型。针对多链不确定环境中的随机性,提出一种分布特征映射神经网络,实现对任意一维随机变量概率分布特征的拟合,在此基础上结合自适应神经模糊推理系统,实现复杂多链环境中多重随机模糊特征的拟合,最后结合Monte Carlo模拟技术与期望值模型进行启发式寻优,求解出配件多价值链不确定规划问题的最优决策方案,为复杂不确定环境下的多链协同提供有效决策支持。(5)针对基于云平台的配件多价值链协同流程调度优化需求,建立了一种面向服务质量与成本感知的云工作流调度模型,针对问题模型不同阶段的调度策略展开剖析,依据阶段策略特征设计调度方案的编码规则,在此基础上提出一种基于任务序列划分的两段式编码遗传算法,以租户流程租约和虚拟机实例负载为约束,通过两段式交叉、变异算子进行种群的迭代进化,最终实现对多链租户流程服务质量和云平台运营成本的统一调度优化。(6)结合以上研究成果,给出了基于云平台的配件多价值链业务协同、高维数据分析与挖掘、不确定规划最优化、业务流程调度等技术的具体实现与有效性验证。