在工程管理领域，本年度10个全球工程研究前沿分别是工业互联网平台赋能产业数字化转型研究，数字时代全球供应链安全风险管理研究，人工智能场景下的大数据治理方法研究，数字孪生模型精准构建与演化理论方法研究，双碳战略下的可持续交通系统研究，全球性公共卫生危机的形成机理、演化规律与治理策略，基础性、典型战略性资源中长期可持续供给路径及政策，社交网络下的群体共识机制，基于大数据的金融风险评估，社会技术系统理论视角下的基础设施智能运维管理研究。其核心论文发表情况见表1和表2。其中，工业互联网平台赋能产业数字化转型研究、数字时代全球供应链安全风险管理研究、人工智能场景下的大数据治理方法研究、数字孪生模型精准构建与演化理论方法研究为重点解读前沿，后文对其目前发展态势以及未来趋势进行详细解读。

表1.工程管理领域Top10工程研究前沿

表2.工程管理领域Top10工程研究前沿核心论文逐年发表数

（1）工业互联网平台赋能产业数字化转型研究

工业互联网平台是场景驱动新一代信息技术与制造业深度融合的载体，是数字技术和数据要素协同驱动产业数字化、网络化、智能化转型升级的关键基础设施。随着数字经济和新一轮科技革命在全球范围内向纵深演进，以亚马逊AWS、GE的Predix、西门子的MindSphere、海尔COSMOPlat、阿里supET、三一重工ROOTCLOUD、用友ERP、华为FusionPlant等工业互联网平台成为打造产业数字化动态能力、加速产业数字化转型的关键引擎、重要途径和全新载体。工业互联网平台通过数字化的综合赋能平台，实现人、机、物的全面互联和全产业链、全价值链、全创新链、全员全要素的全面链接，促进数字经济与实体经济深度融合，能够以更高效率、更低成本和动态性地满足多元工业场景的复杂综合性和个性化需求，推动形成全新的工业生产制造和数智化服务体系。工业互联网平台赋能产业数字化转型的研究主要集中在工业互联网平台的技术架构，赋能产业数字化转型的过程机制，产业数字化动态能力，大中小企业融通创新生态建设，工业互联网平台治理等议题。卫星互联网、联邦学习、隐私增强计算、Web3.0和元宇宙等新一代数字技术的发展和绿色低碳发展的需求趋势，使得行业云原生平台，工业元宇宙，场景驱动的创新等成为工业互联网平台赋能产业数字化转型研究的未来趋势。

（2）数字时代全球供应链安全风险管理研究

在新一轮科技革命与产业变革中，数字技术正推动全球供应链行业发生巨大变革，供应链迎来数字化、网络化、智能化的“数字蝶变”。尽管数字化技术创新正逐步将全球产业服务的期望推向顶峰，但随之而来的全球供应链安全问题也日益突出。一方面，在国际贸易摩擦加剧、不确定因素增加、各产业面向高质量转型的关键时期，关键技术薄弱带来的供应链风险问题也逐渐暴露。究其根源，关键技术“卡脖子”问题来源于关键产业链布局的不完善，特别是在当前逆全球化、发达国家供应链主动脱钩等趋势下，如何确保全球高技术行业的供应链安全成为日益紧迫的问题。另一方面，数字经济的出现虽然有效地推动供应链向透明化、智慧化发展，但数据集成带来的信息泄露问题频发，国与国之间的数字鸿沟不断扩大，数字主权争夺也进入白热化阶段，影响了全球智慧供应链的快速发展。在近年的学术研究中，供应链关键技术产业链布局方法、逆全球化经济竞争加剧下高技术行业供应链的安全问题、数据集成带来的供应链数据泄露和信息安全威胁是重点研究方向。

（3）人工智能场景下的大数据治理方法研究

大数据治理（Big Data Governance）是组织中涉及大数据使用的一整套管理行为。其包含了两种定义：一种是“对大数据进行治理”，即采取一定的方法或者形式，对大数据本身进行数据源汇入、清洗加工、数据规范化、数据存储、数据计算、数据服务应用等环节予以持续的治理，提升数据的质量和价值，有利于后续对大数据的利用；另一种则是“依靠大数据进行治理”，也就是运用大数据、云计算、人工智能等先进技术，实现流程规范、效率提升和社会治理手段的智能化。首先，在人工智能场景下大数据治理的关键技术上，主要包括数据结构化处理、数据质量评估及数据清洗、数据规范化、数据融合与摘取、数据整理和数据共享等全流程服务环节。其次，通过构建大数据知识图谱，实现理解数据、解释现象和知识推理，从而发掘深层关系，实现智慧搜索与智能交互。再次，人工智能场景下大数据治理面临着安全可控问题。着重需要解决隐私泄漏、数据确权、算法偏见、技术滥用等数据安全与算法安全问题，从而促进社会智慧化治理与产业智能化转型。最后，在大数据治理的典型人工智能应用场景上，应用在金融、医疗、城市管理、舆情监控等更复杂的高价值的场景，用于解决经营决策、资源配置、流程优化、运维保障和风险防控等管理需求。

（4）数字孪生模型精准构建与演化理论方法研究

数字孪生模型是现实世界实体或系统的数字化表现，可用于理解、预测、优化和控制物理世界的实体或系统，因此，数字孪生模型的构建是实现模型驱动的基础。数字孪生模型构建是在数字空间实现物理实体及过程的属性、方法、行为等特性的数字化建模。模型构建可以是“几何-物理-行为-规则”多维度的，也可以是机械、电气、液压等多领域的。数字孪生模型应涵盖多维度和多领域模型，从而实现对物理对象的全面真实刻画与描述。当构建相对复杂对象的模型时，需解决如何从简单模型组装和融合形成复杂模型的难题。为保证数字孪生模型的正确有效，需对模型进行校验和演化，以保证模型描述及刻画物理对象的状态或特征是正确的，即保证模型的虚实一致性。因此，主要研究方向可围绕数字孪生模型“建-组-融-验-校-管”六个阶段，进行多维度/多领域数字孪生模型精准构建、全要素/多尺度孪生数字模型组装与融合，数字孪生模型虚实一致性验证与校正，数字孪生模型交互迭代与动态演化等方向研究。数字孪生必须准确地表示当前状态下的物理系统，这要求数字孪生模型通过快速可靠的精准反映物理系统的变化和更新。未来，数字孪生模型的构建及演化必将朝着提升建模效率和精度的方向发展。

（5）双碳战略下的可持续交通系统研究

可持续交通系统的推进过程是寻求更科学的能源结构和用能机制、更低的排放和更方便的系统排放物治理或自我吸收固化途径及技术的过程，包括政策、标准以及法律法规的制定与实施等。

1992年中国成为最早签署《联合国气候变化框架公约》的缔约方之一。2002年中国政府核准了《京都议定书》。在中国的积极推动下，2015年世界各国达成应对气候变化的《巴黎协定》；2016年，中国率先签署该协定。2020年9月，习近平主席在第七十五届联合国大会上宣布，中国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。这一双碳战略为可持续交通系统的研究与推进提出了新方向。

围绕可持续交通系统，在环境层面的研究主要集中在三个方面，一是减少污染排放、二是转移排放、三是排放物的治理。从减排的角度，从陆上交通、到航空、再到水运，都在推广更清洁的能源、研究如何克服技术或成本的制约，让比传统能源更清洁的能源得到更广泛的使用；另一条减排路径是持续优化车辆、设备的使用，设施的建设、养护与使用，以及时间、空间与相关资源的分配；第三，通过技术提升以降低能耗。双碳战略背景下，该研究从区域性空气质量问题逐渐向全球性气候变化问题转移，关注点越来越聚焦在碳排放上。从转移排放的角度，推广新能源车、设置海上污染排放控制区均属于该研究范畴，该领域的研究往往不以降低碳排放为出发点，而将重点放在降低有害气体在人口高密度区域的排放。目前污染物的治理方面主要是有害气体的研究，针对碳中和的研究方兴未艾。

（6）全球性公共卫生危机的形成机理、演化规律与治理策略

全球性公共卫生危机是指由公共卫生突发事件诱发，对全球大部分国家的社会系统常态运行带来严重冲击（甚至导致停摆），对国际经贸交流、国家安全等造成严重影响的事件。主要研究方向包括：1）全球性公共卫生危机的形成演化机理研究。该方向关注地方性卫生事件转化成全球性公共卫生危机的演化机理，经济、交通、信息等复杂系统的耦合对演化过程的作用机制，已有监测预警和风险治理体系的失效机制，以及危机中的不同人群的脆弱性分析。2）全球性公共卫生危机的治理策略研究。该方向关注巨灾峰值需求场景的稀缺性管理、增产扩能、供应链失灵等资源优化配置和体制机制设计问题，全球性公共卫生危机治理中的国际参与及国际合作协调机制，典型场景的多元主体研判决策规律与机制，以及典型政策工具执行对多元主体的心态和行为的干预影响分析。3）全球性公共卫生危机后的学习、变革与韧性提升研究。该方向可关注危机后的公私组织、制度和社会的恢复和学习机制，财税等政策工具组合对个体、企业和产业链恢复的影响机制，危机后多元主体变革及适应规律、应对体系的顶层设计与模式重构、以及韧性治理提升策略。全球性公共卫生危机发生概率低，各国政府及其他主体对制度建设和能力储备工作缺少长期关注，如何以新冠疫情危机为契机推动研究、制度建设和能力储备将是未来值得关注的议题。

（7）基础性、典型战略性资源中长期可持续供给路径及政策

基础性、典型战略性资源一般指关系全球生计、在资源系统中居支配地位的资源，其可持续供给取决于资源禀赋、供求状况、经济发展、储备效能和国际物资可得性等因素。传统意义上能源、矿产、水和土地等资源是最为典型的基础性、战略性资源，但随着科技进步和全球经济发展，数据资源、高技能专业劳动者、碳排放权等同样被纳入基础性、典型战略性资源范畴。当前，围绕基础性、典型战略性资源的中长期可持续供给路径与政策开展了系统研究，从生产端和消费端两个维度构建了可持续供给路径与政策分析框架，重点讨论了基础性、典型战略性资源的生命周期测度与管理、资源利用效率提升、环境健康与废物循环利用、供应链安全风险评估、政府调控与资源优化配置、可持续供给绩效评估等议题。基于系统性思维和人工智能等技术方法，从中长期视角探索一套针对基础性、典型战略性资源可持续供给及管理政策的思维范式、实践范式和研究范式，成为未来研究突破的重点。基础性、典型战略性资源全生命周期效益与成本优化、可持续供应链建模与治理路径、绿色技术创新与循环经济、全球气候变化减缓与资源可持续供给、区块链视角下的资源优化配置、资源安全和政策模拟分析、人工智能与可持续管理决策系统等关键科学问题，是多学科交叉的前沿研究热点。

（8）社交网络下的群体共识机制

群体共识致力于协调决策者观点之间的冲突，寻求使多数人意见统一的群体决策方案。传统的群体共识模型认为决策者是互相独立的，然而实际上决策者处在一个社会网络中，彼此之间的相互关系以及所处网络的结构特征是影响群体共识的重要因素。

近些年来，社交媒体的广泛普及加速了决策个体间的交互和信息传递，群体共识面临越来越多的冲突和挑战，比如决策群体规模的扩大化、利益群体的多样化、个体偏好的差异化、决策问题的复杂化。社交网络能够准确刻画决策者之间的相互关系（利益关系、信任关系、冲突关系、情感关系等），为群体共识机制的发展提供了新的研究视角。在大数据背景下，将社交网络分析方法引入群体决策场景，能够广泛应用于重大舆情事件应急决策、社会热点与异常事件的自动发现等场景。

目前，社交网络下的群体共识机制的主要研究方向包括：群体共识模型在动态社交网络环境下的研究；社交网络环境下共识补偿以及非合作行为；社交网络环境下的恶意操纵行为。此外，随着人工智能和元宇宙技术的发展，社交网络上除了真实人类，还有社交机器人以及网络虚拟人。这些新的社交关系（如人机交互、机机交互）如何影响群体共识过程，亟需进行深入研究。

（9）基于大数据的金融风险评估

数据是通过观测得到的数字性的特征或信息，随着数字化技术的发展及在金融领域的广泛应用，具有类型多样、海量异构、关系复杂、价值密度低、高噪音、非正态等特征的金融数据持续高速涌现，形成金融大数据浪潮，在此背景下金融科技在金融风险的监测、评估、预警中的研究和应用愈发深入，赋能增效的同时也导致新型、潜在危害大的金融风险问题出现。金融风险具有复杂性、隐蔽性、跨域性、传导性、动态性等特点，导致其难表征、难认知、难识别、难追踪、难建模、难推理、难评估。当前金融风险的监测、评估和预警都是基于对海量金融数据的分析处理，通过建立算法模型来对风险进行识别和预测，研究主要集中在海量金融数据的安全防护、安全存储、安全传输、实时处理分析和共享流通；基于图数据、文本数据、流数据等非结构数据的金融风险快速识别方法；图模型和统计模型在系统性金融风险的防范预警研究；运用数据科学开展金融信用风险评估研究等方面。未来研究趋势主要包括：分业管理体制下的金融数据共享与溯源方法研究；自主可控的金融数据智能孪生及敏感特征遮蔽技术研究；金融孪生数据隐私风险及数据质量评估技术研究；金融数据孪生安全环境构建及数据存证技术研究；基于金融数据孪生的近似查询处理与下一代金融数据库测试基准构建技术研究；金融风险行为表征、认知和金融网络风险传导、建模与评估研究；大数据驱动的金融科技产品风险快速识别与分析技术研究；通过金融大数据，构建大规模金融风险认知图谱系统体系等。

（10）社会技术系统理论视角下的基础设施智能运维管理研究

现代基础设施系统以工程设施为载体，依靠复杂的技术与设备发挥功能，为社会生产和居民生活提供重要支撑。另一方面，其运维管理涉及运营、维护、消费服务等多个环节，受到技术人员、管理团队、终端用户等各类干系人决策与行为的影响，以及经济、社会、环境等外部条件的制约。因此，基础设施具有典型的社会技术系统特征。随着基础设施的不断发展，其社会组分与技术组分间的交互耦合关系日趋频繁和复杂，对于基础设施的效能与安全产生日益关键的影响。近年来，国内外学界在基础设施的社会技术系统建模仿真、基础设施与干系人交互的运维情景构建与推演、基于人因工程和行为决策理论的基础设施运维优化、基于信息物理社会融合系统的基础设施安全韧性管理、基础设施对社会经济发展与安全的作用路径与管理策略、基础设施绿色低碳发展的政策与体制机制等热点研究方向上取得了显著进展。在物联网、云计算和人工智能等信息技术快速发展的背景下，如何进一步推动基于物理-社会-信息多维融合的基础设施运维管理范式、方法和技术创新，优化基础设施技术组分与社会组分的交互模式与效率，实现基础设施智能化与低碳化转型和效能与安全水平的不断提升，有望成为未来重要的研究热点。