智能制造评价理论研究现状及未来展望.docx

《智能制造评价理论研究现状及未来展望.docx》由会员分享，可在线阅读，更多相关《智能制造评价理论研究现状及未来展望.docx（16页珍藏版）》请在优知文库上搜索。

1、一、前言智能制造是新一轮工业革命的核心驱动力，世界制造业的重要发展方向，我国制造强国建设的主攻方向，其发展水平事关我国制造业的未来国际竞争力。经过持续努力，我国智能制造在初步概念普及、试点示范建立之后，逐步进入了深化应用和全面推广阶段。尽管智能制造在一些大型标杆企业中取得了快速发展和显著成效，但对一般企业尤其是中小企业而言，引入智能制造仍然面临特殊的挑战。多数企业发展智能制造处于起步阶段，企业内部仍存在认知困惑和实践误区，未能确定企业在智能化转型中所处的位次，难以明晰智能制造的实施路径。这些方面都是我国智能制造全面推广布局阶段亟待解决的问题。企业对自身智能制造所处阶段作出合理判断是明确智能化发

2、展路径的前提。构建智能制造评价体系以精准衡量企业的智能化水平，不仅可为制定行业宏观政策提供依据，也能够帮助企业及时识别瓶颈并科学规划发展路径，从而起到辅助管理决策的作用。目前，智能制造评价研究得到了学术界、工业界的广泛关注，有关智能制造评价的研究成果相继涌现。及时开展有关智能制造评价研究成果的调查、分类和总结，科学提炼领域的未来发展方向，极有必要。也要注意到，现有的评述类文章较多关注智能制造的概念框架、技术进展，较少开展智能制造评价研究的进展调查与综述。针对于此，本文尽量全面回顾智能制造评价理论研窕方向的己有文献，从评价体系、评价方法两方面对前沿进展进行梳理、归纳和总结；力求深入探讨该研究方向

3、存在的问题并展望未来发展，以期为智能制造领域的从业者和研究者提供基础参考。二、智能制造评价体系研究现状在前期，智能制造的评价研究主要围绕某一类具体技术领域展开。随着有关智能制造认识的逐步加深，相应的评价体系也朝着由部分到整体、由单一向多元的方向发展。近年来，智能制造评价研究主要在关键技术、系统全局、行业领域等方面建立起了评价指标体系。（一）面向数字化、网络化、智能化的关键技术评价智能制造属于多种关键技术的综合应用。大数据、云计算、工业互联网、人工智能（AI）等新兴信息技术的出现、发展和应用，推动了我国制造业的数字化、网络化、智能化发展进程。数字化制造可称为第一代智能制造，表现为以数字化为主要特

4、征的信息技术应用于制造业。数字化阶段的主要评价内容是企业的数据管理能力。能力成熟度模型是常用方法之一，经典模型主要有国外研究机构提出的数据管理成熟度模型（DMM）、数据管理能力评价模型（DCAM）,我国研制的数据管理能力成熟度模型（DCMM）等；多从数据战略与治理、数据质量与安全、平台与架构等要素入手，选取数据管理的评价维度。相较于以数字化技术为核心的第一代智能制造，数字化转型是组织使用数字化思想改变其业务运营模式、价值创造方式以应对环境变化的过程。对数字化转型的评价不仅需要关注数字技术，还要更多关注组织的战略、人员、流程等要素。互联网技术的发展及其应用，推动了制造业向数字化、网络化制造的转型

5、过渡。我国工业界准确把握互联网发展的新机遇，将工业互联网、云计算等新兴技术应用于制造业。工业和信息化部发布的工业互联网平台评价方法（2018年），为开展工业互联网平台的评价与遴选工作提供了依据。工业互联网平台建设能力评价框架包含了具体的评价指标体系和评价方法，在操作性上具有优势。云制造是一种基于云计算的先进制造模式，能够将制造资源转化为全面共享和流通的服务；关于云制造服务评价体系的研究涉及服务质量评价、服务信任评价、服务综合评价等。智能制造最终将走向数字化、网络化、智能化制造，即新一代智能制造。在此阶段，Al技术将充分赋能智能制造，使制造系统具有学习能力。美国斯坦福大学自2017年起逐年发布A

6、lIndex，2018中国人工智能指数沿用2017年AlIndex中的指数体系来度量我国Al的进展和影响。国家新一代人工智能标准体系建设指南（2020年）明确，我国到2023年初步建立Al标准体系，为评估智能制造发展水平提供依据。已有的学术研究大多关注Al自身发展水平评估，也有对Al在智能制造中的应用进行论述，然而对Al技术在制造业应用水平评价方面缺少系统性的研究。（二）面向智能制造整体的系统全局评价针对关键技术的评价是对智能制造评价的局部揭示，而智能制造是一个复杂的制造系统，从整体视角提出全面系统的评价体系更能适应现实需求。相关研究主要有基于成熟度理论的评价、基于制造企业系统层级的评价、面向

7、企业效益的评价。能力成熟度模型不仅可用于评估数据管理能力，也适用于智能制造系统全局评价。我国发布的智能制造能力成熟度模型（GB/T39116-2020）,为智能制造能力评估提供了模型与能力要素参考。美国、德国分别提出了“制造成熟度等级手册（2012年）、“工业4.0就绪度模型（2015年）。有关智能制造能力成熟度的研究主要从企业层面、区域层面展开。在企业层面，智能工厂、中小企业、制造企业是重点研究对象，人员、组织、技术、流程等能力要素是各成熟度模型共同关注的元素。相对而言，区域层面评价考虑的评价维度更为宏观，如有研究从互联性、互操作性、虚拟化、信息透明度4个方面分析了欧盟各国制造业企业实施“工

8、业4.0的就绪程度；在一定程度上服务于宏观政策的制定，而不同区域的战略与政策也造成研究者关注的评价维度存在差异性。制造企业系统层级是对智能制造能力评价的另一个切入视角。系统层级指与企业生产活动相关的组织结构的层级划分，可分为设备层、单元层、车间层、企业层、协同层。按照企业生产组织的层级划分来构建智能制造评价指标体系，是一种简洁直观的思路；进一步将生产活动上升到管理层面，基于管理活动的层级划分为智能制造系统评价提供了新视角。例如，有研究基于运营管理理念提出了智能工厂评估框架，将管理活动划分为战略规划、管理控制、运营控制；其中的运营控制对应于前述基于生产活动的层级划分，包含企业级、工厂级、机器级3

9、个层级。智能制造推动了产业模式的转变和创新，如服务型制造等先进制造模式出现，有效提升了工业生产效率和价值创造能力，对企业绩效具有正向促进作用。对企业效益的评价是检验智能制造实施水平的有效方式。智能制造评价指数（征求意见稿）（2020年）规定，智能制造的评价框架包括过程类、成效类评价指标：前者主要衡量企业在实施智能制造过程中的基础保障与业务优化水平，后者重在衡量企业在实施智能制造后产生的效益效果。多数研究在对企业效益评价时重点关注经济效益指标，而事实上在一些理论研究和实践中，绿色甚至可持续也被纳入智能制造范式。于是部分研究从环境效益、可持续性的角度开展智能制造评价，丰富了智能制造企业效益评价的内

10、容构成。（三）面向制造业分类的行业领域评价根据生产过程中使用的物质形态差异，制造业主要分为离散型、流程型。典型的离散制造业有机械、航空、船舶、汽车等行业，典型的流程制造业有石油化工、冶金、造纸、食品等行业。以工业4.0为代表的离散智能制造是行业评价的重点。部分研窕探讨了整个离散制造业的通用智能制造评价体系，如离散型制造企业工业4.0成熟度评估模型包含了产品、客户、运营、技术、战略、领导、管理、文化、员工9个维度，前4个维度用于基本的使能因素评估，后5个维度将企业组织层面纳入评估体系。还有部分研究聚焦具体行业领域（如机械制造、纺织制造）的智能制造评价研究，如有研究认为评价集中于广义的智能制造，而

11、针对机械领域的评价研究较少，针对性构建双E能力量化评价指标体系来对智能机械制造进行评价。与离散制造业以加工组装产品为主所不同，流程型制造过程涉及复杂的物理化学反应，工艺参数众多且互相关联；流程型企业对生产过程的流畅性、低错误率、实时反馈有着强烈需求。这些因素导致流程型企业智能制造评价具有一定难度，因而缺乏系统的研究；仅有少量文献开展初步研究，如将流程型企业智能制造能力划分为智能技术、智能生产、智能应用三类。也要注意到，一些类似的研究进展具有相通性，可为流程型企业智能制造评价提供参考借鉴，如用于流程工业关键绩效评价的多元统计组合预测方法、结合流程工业特点对IS022400标准中的34个关键绩效指

12、标进行改进以提升指标在流程工业适用性的方法。在行业领域评价的实践方面，国家信息中心在有关部门指导下开展了“智能制造分级指标体系研究，采用咨询服务机构评价、企业自评价相结合的方式推进企业智能制造发展水平评价工作，为政府掌握行业、区域的智能制造发展水平提供了依据。三、智能制造评价方法研究现状评价方法是获取评价结果的工具，在整个评价流程中起到不可或缺的作用。科学设计或选取评价方法，既有利于顺利推进评价流程，也事关评价结果的可信度与可靠性。国内外大量的综合评价理论与方法研究，为针对智能制造实践开展的方法应用提供了直接支持。对来自中国知网（CNKl）数据库、科睿唯安WebofScience核心合集数据库

13、的相关文献进行统计分析，得到出现频次居前10位的智能制造评价方法分布情况（见图1）。根据评价过程中是否含有主观因素，可将评价方法划分为3类:定性评价方法，如专家调查法（DelPhi法），主要利用专家的知识、经验或偏好进行评级、评分或赋权；定量评价方法，如因子分析法、神经网络法、数据包络分析法（DEA）、生命周期评价法（1.CA）、TOPSlS法，主要基于统计数据进行数学处理获得客观评价结果；定性和定量相结合的方法，如基于模糊理论的方法、层次分析法（AHP）、网络分析法（ANP）,融合了定性/定量方法的优势。每种方法在应用于智能制造评价时，通常需要根据方法特点、实际问题进行调整与改进。从智能制造

14、评价方法的使用情况来看，基于模糊理论的方法、专家调查法、层次分析法最为常用，或多或少都带有一定的主观因素，虽能充分利用专家的经验和知识，但难免受到人为判断的影响；诸如神经网络法、数据包络分析法等定量评价方法，能够避免人为因素，但离不开数据基础。因此，每种评价方法都各有侧重、互有长短且适用范围各异，不存在明显的应用比较优势。值得注意的是，图1中展现的是单一评价方法，而在理论研究、实际应用中大多采用组合思路，即结合数种评价方法的优势来体现取长补短的效果。例如，采用专家调查法收集指标数据，通过层次分析法设定指标权重值；结合层次分析法、峭权法的优点得出组合权重值，基于模糊数学理论建立模糊综合评价模型。

15、组合评价方法能够在一定程度上避免单一评价的片面性，增强评价结果的稳健性；层次分析法、专家调查法在各类组合方式中出现频率最高。这都表明，智能制造评价研究需要以一定的知识与经验积累作为评价的基础。整体而言，当前智能制造评价方法融合了定性和定量的因素，由传统单一评价向有机组合评价转变。已有评价方法多为静态评价，而事实上智能制造评价过程是动态发展的，有必要对智能制造系统在不同时刻的整体发展水平进行实时动态评估。基于数字李生技术的系统模拟与仿真，能够实现智能制造系统中物理实体与数字模型的完整动态映射交互，为智能制造动态评价提供了新的研究思路。四、智能制造评价研究存在的问题（一）评价范式建立问题评价范式是

16、智能制造评价科学共同体进行研究时遵守的技术框架与模式范例。科学且符合时代潮流的智能制造评价范式可为智能制造评价活动提供理论基础和实践依据。当前，智能制造评价研究取得了阶段性成果，但评价标准不一、评价方法繁多，在评价范式的探索方面仍有不足之处。一是评价标准不完善。评价标准是形成智能制造评估意见与报告的判定基准,是对被评估项目的一种理想预期。现阶段，国内外学者虽然构建了多种智能制造评价框架，但是针对智能制造还没有形成一套真正的评价标准。究其原因，在于对智能制造这一兼具复杂性和系统性的概念没有统一、准确的认识。各工业大国都将智能制造视作工业发展的关键，提出“工业4.0先进制造互联工业等战略规划，但相关战略各有侧重，顶层设计也不尽相同。如果机械采用拿来即用的方式，极大可能导致评价标准不符合本土国情。在我国，目前智能制造标准体系尚不健全，研窕者或评价者对智能制造的内涵认知不甚