智能制造評價指標體系研究

尹峰

（中國電子信息產業發展研究院，北京，100846）

智能制造評價指標體系研究

尹峰

（中國電子信息產業發展研究院，北京，100846）

在探討智能制造的概念、系統架構和關鍵要素之后，從生產線、車間/工廠、企業、企業協同四個層級提出智能制造評價指標，并利用層次分析法確定各指標的權重系數，構建智能制造評價指標體系，為制造業企業開展自評估診斷提供方法和標準，為國家推動智能制造發展提供決策參考和依據。

智能制造；評價指標體系；系統架構；層次分析法

引言

智能制造是全球制造業的重要發展趨勢，是《中國制造2025》提出的主攻方向。為推動智能制造發展，政府組織實施試點示范、智能制造專項、標準體系建設等一系列工作，國內企業積極建設智能生產線和車間/工廠，發展智能制造新模式。在此背景下，如何科學、系統地評價企業智能制造發展水平，既是政府加強智能制造相關項目評估考核、完善行業管理的實際需求，又是推動智能制造在各行業發展和應用的必然要求和重要保障。

一、智能制造的概念、系統架構及關鍵要素

（一）智能制造的概念

美國智能制造領導聯盟認為智能制造是先進智能系統強化應用、新產品制造快速、產品需求動態響應以及工業生產和供應鏈網絡實時優化的制造，核心技術是網絡化傳感器、數據互操作性、多尺度動態建模與仿真、智能自動化以及可擴展的多層次網絡安全[1]。德國工業4.0戰略雖未明確提出智能制造的概念，但也提出要將企業的機器、存儲系統和生產設施融入到信息物理系統（CPS）中，實現相互獨立地自動交換信息、觸發動作和控制[2]。綜合以上概念，我們認為智能制造是基于新一代信息通信技術與先進制造技術深度融合，貫穿于設計、生產、管理、服務等制造活動的各個環節，具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式。

（二）智能制造系統架構

根據國際電工協會IEC62264標準[3,4]提出的制造企業功能層次模型，結合實地調研和專家訪談，本文提出了智能制造系統架構，包括以下四個層級：生產線、車間/工廠、企業和企業協同，如圖1所示。

圖1 智能制造系統架構

（1）生產線層：生產現場設備及其控制系統，主要由OT網絡、傳感器、執行器、工業機器人、數控機床、工控系統、人員/工具等組成。

（2）車間/工廠層：制造執行系統及車間物流倉儲系統，主要包括OT/IT網絡、數據采集和分析系統、制造執行系統MES、資產管理系統AMS、物流管理系統LMS、倉庫管理系統WMS、物流與倉儲裝備等。

（3）企業層：產品全生命周期管理及企業管控系統，主要包括產品全生命周期管理系統PLM、IT網絡、數據中心、客戶關系管理系統CRM、計算機輔助技術CAX、企業資源計劃管理系統ERP、供應鏈管理系統SCM、商務智能系統BI等。

（4）企業協同層：由網絡和云應用為基礎構成的覆蓋價值鏈的制造網絡，主要包括制造資源協同平臺、協同設計、協同制造、供應鏈協同、資源共享、信息共享、應用服務等。

（三）智能制造關鍵要素

1. 生產線層

生產線層智能制造關鍵要素包括柔性生產、數據采集、人機交互、機器間通信。其中，柔性生產是指生產線能夠生產的產品或部件種類及在不同產品或部件之間切換所花費的時間和成本；數據采集是指生產線集成傳感和控制系統，能實時采集設備、物料、半成品和產成品的狀態，并將數據傳輸給生產控制系統；人機交互是指人員和設備之間的信息通信，包括固定的交互界面、生產監測與控制系統、移動終端等；機器間通信是指生產設備之間的信息通信，包括現場總線、工業以太網、互聯網、M2M等方式。

2. 車間/工廠層

車間/工廠層智能制造關鍵要素包括數據處理、通信網絡、物流與倉儲管理。其中，數據處理是指對采集到的設備狀態、物料信息等數據進行分析和評估，以實現生產過程自動規劃和控制；通信網絡是指車間/工廠內的信息通信網絡，包括統一的數據交換格式和規則、獨立且互聯互通的數據服務器、全互聯的信息技術整體解決方案等；物流與倉儲管理包括智能物流與倉儲設備、倉儲管理系統WMS以及車間內物流管理系統LMS。

3. 企業層

企業層智能制造關鍵要素有智能決策支持、基于模型的系統工程、企業內縱向集成。其中，智能決策支持包括自動排產和動態調度、供應鏈管理、訂單和質量管理以及決策支持等；基于模型的系統工程包括基于標準的產品模型數據定義、產品數據管理、產品模型傳遞和關聯維護；企業內縱向集成包括MES與統ERP的集成、制造過程控制系統與MES的集成。

4. 企業協同層

企業協同層智能制造關鍵要素有跨企業資源共享、全價值鏈協同優化。其中，跨企業資源共享是指企業之間通過共享平臺和規

則，實現研發、設計、生產、服務、信息等資源的共享；全價值鏈協同優化是指企業間設計、供應、制造和服務等關鍵制造環節的并行組織與協同優化，以及制造服務和資源的動態分析和柔性配置。

二、評價指標體系的選取

根據上文的分析，提煉出生產線、車間/工廠、企業、企業協同四個層級的智能制造一級評價指標，并進一步細化為二級指標。

（一）生產線層

生產線層級智能制造評價指標如表1所示，包括4個一級指標：柔性生產、數據采集、人機交互、機器間通信。每個一級指標又分解為若干個二級指標，各指標含義說明如下：

表1 生產線層智能制造評價指標

（1）生產/產品柔性：考察生產線的作業柔性與產品柔性，包括產品混合比、延遲交貨比例、柔性生產滯后時間、滯后率等。

（2）響應柔性：考察柔性生產的反應時間與成本，包括加工、裝配、檢測的工序及其設備的柔性分析。

（3）數據采集實時性：考察生產線實時采集設備、物料、在制品、半成品、產成品等數據的能力，包括數據采集系統的響應時間、準確率。

（4）數據采集的范圍：考察生產線采集生產數據的范圍和程度，主要包括數據采集點的數量、數據采集覆蓋率等。

（5）人機交互方式：考察生產人員與生產設備信息通信的方式，包括固定的交互界面、集中式或分布式的生產監測與控制系統、移動交互終端、可穿戴設備等。

（6）人機交互程度：考察生產設備是否能夠全方面、深度地感知生產人員的需求和指令。

（7）機器間通信方式：考察生產設備之間開展信息通信的方式，主要包括現場總線、工業以太網、機器可連接到互聯網、機器間直接通信M2M等。

（二）車間/工廠層

車間/工廠層智能制造評價指標如表2所示，包括4個一級指標：數據處理、通信網絡、信息集成、物流與倉儲管理。每個一級指標又分解為若干個二級指標，各指標含義說明如下：

（1）數據處理實時性：考察車間/工廠實時分析和挖掘生產數據的能力，即數據分析系統的響應時間。

（2）數據利用水平：考察車間/工廠通過分析和挖掘生產數據開展生產過程優化和控制的能力。

表2 車間/工廠層智能制造評價指標體系

（3）數據可視化：考察車間/工廠利用電子看板、智能報警管理系統、智能操作指導系統等對生產數據進行可視化管控的能力。

（4）車間/工廠通信網絡類型：考察車間/工廠內各部門的信息通信方式，包括通過郵件和電話溝通、統一的數據交換格式和規則、建立了相互獨立且互聯互通的數據服務器、整體的IT解決方案等。

（5）物流管理系統LMS：考察車間/工廠內物流管理系統LMS的智能化水平，可通過收集或檢測LMS的運輸訂單管理和計劃排程、運輸設備資源管理、運輸線路管理、人員管理、客戶管理、成本核算、作業跟蹤、財務管理等功能的實現情況來獲取指標評價數據。

（6）倉庫管理系統WMS：考察車間/工廠內倉庫管理系統WMS的智能化水平，可通過收集或檢測LMS的管理單獨訂單處理及庫存控制、基本信息管理、貨位管理、貨物流管理、收貨管理、揀選管理、盤點管理、移庫管理等功能的實現情況來獲取指標評價數據。

（7）物流與倉儲裝備智能化水平：考察輕型高速堆垛機、超高超重型堆垛機、高速智能分揀機、智能多層穿梭車、智能化高密度存儲穿梭版、高速托盤運輸機、自動化立體倉庫、高速大容量輸送與分揀成套裝備、車間物流智能化成套裝備等物流與倉儲裝備的智能化水平。

（三）企業層

企業層智能制造評價指標體系如表3所示，包括3個一級指標：智能決策支持、基于模型的系統工程、企業內縱向集成。每個一級指標又分解為若干個二級指標，各指標含義說明如下：

表3 企業層智能制造評價指標體系

（1）自動排產和動態調度：考察企業資源計劃系統ERP的自動排產和動態調度能力，包括根據訂單自動制定排產計劃；根據

訂單自動制定排產計劃同時生成物料供應計劃；當訂單與企業產能不匹配時可自動優化排產；在緊急情況下能進行動態調度和優化。

（2）供應鏈管理：考察企業供應鏈管理水平，包括能夠實現供應商在指定時間直接供貨到生產現場；能夠按照客戶要求，實現產品精準配送；構建了基于信息系統的覆蓋全國甚至全球的供應和分銷網絡。

（3）訂單全過程跟蹤：考察企業應用信息化、智能化手段實現訂單全過程跟蹤的能力，實現了研發設計、物料采購、生產制造、產品銷售等全過程的訂單跟蹤。

（4）產品質量可追溯：考察企業對于產品質量的追溯能力和水平，實現了研發設計、物料采購、生產制造、產品交付等全過程的產品質量追溯。

（5）可實現的決策支持內容：考察企業的智能決策支持系統可實現的內容，包括合同、收入、成本、利潤等對比分析和決策，客戶價值和信用決策，產品盈利和市場趨勢決策，研發生產和經營管理的決策，預測預警，風險管控決策等。

（6）產品模型數據定義：可分為以下幾個水平等級：有二維圖紙定義規范，且可自動批量導入產品全生命周期管理系統PLM；有三維模型定義規范，且可成套自動導入產品全生命周期管理系統PLM；有工藝規劃定義規范，且可成套自動導入產品全生命周期管理系統PLM。

（7）產品數據管理：考察企業產品數據管理覆蓋的范圍，包括產品設計、工藝設計、生產制造、市場銷售、物流配送、維護服務等環節。

（8）產品模型傳遞和關聯維護：考察產品模型在不同環節之間傳遞和關聯維護的實現程度，實現產品信息在產品設計、工藝設計、生產制造、市場銷售、物流配送、維護服務等環節的關聯維護和一致性管理。

（9）制造執行系統MES向企業資源系統ERP自動上傳信息：考察企業MES系統可自動向ERP系統上傳生產能力、計劃執行、設備狀態、物料信息、制造環境及訂單狀態等信息。

（10）企業資源計劃ERP向制造執行系統MES自動下達指令：考察企業ERP系統將生產任務、物料清單BOM等自動下達到MES的情況。

（四）企業協同層

企業協同層智能制造評價指標體系如表4所示，包括2個一級指標：跨企業資源共享、全價值鏈的關鍵制造環節協同優化。每個一級指標又分解為若干個二級指標，各指標含義說明如下：

表4 企業協同層智能制造評價指標體系

（1）跨企業信息資源共享：考察企業之間開展信息共享的方式，包括建立企業業務

系統之間信息交換的接口，建立或采用統一的信息交互標準和規范，實現企業間信息的實時交互和共享。

（2）跨企業制造資源共享：考察企業之間開展制造資源共享的情況，實現企業間創新資源、設計能力、生產能力和服務能力的共享。

（3）關鍵制造環節協同優化：包括企業間研發設計、生產計劃、物料供應、倉儲管理、生產制造、市場銷售、物流配送、維護服務的協同以及企業間訂單全過程可追溯。

（4）資源和服務的柔性配置：考察整合社會的制造需求和資源，開展制造服務和制造資源的動態分析和柔性配置情況。

三、權重系數的確定

考慮到評價指標大多為定性的且需要通過專家經驗來確定各指標之間的相對重要程度，因此我們采用定量與定性相結合的層次分析法[5]來確定各評價指標的權重系數。下面以企業層智能制造評價指標為例，說明權重系數確定的過程。

（一）建立遞階層次結構模型

根據表3，可得到企業層智能制造評價遞階層次結構模型，如表5所示。

表5 企業層智能制造評價遞階層次結構模型

（二）構造判斷矩陣

邀請若干位智能制造領域的專家，經過三輪打分與反饋，專家意見逐步趨于一致，得到各層的判斷矩陣：

第一層的判斷矩陣A：

（三）計算判斷矩陣的最大特征值和特征向量

應用MATLAB軟件，計算得到以上判斷第二層判斷矩陣A1、A2、A3分別為：矩陣的最大特征根和特征向量，并對特征向量進行歸一化處理，就可得到各評價指標相對于上一層評價指標的權重向量，結果如表6所示。

表6 各判斷矩陣的最大特征根、特征向量和權重向量

（四）判斷矩陣的一致性檢驗

考慮到二階矩陣總是一致陣，因此判斷矩陣A3的一致性無需檢驗。下面分別計算判斷矩陣A、A1、A2的一致性指標CI和一致性比例CR，結果如表7所示。

由于各判斷矩陣的一致性比例均小于0.1，因此可以認為所有矩陣的一致性均是可以接受的，從而得到企業/層智能制造評價指標的權重系數，如表8所示。同理，可得到生產線層、車間/工廠層、企業協同層的智能制造評價指標權重系數。

表7 各判斷矩陣的一致性指標和修正一致性指標

表8 四個層級智能制造評價指標體系

五、評價模型

（一）指標的無量綱化處理

1. 定量指標

對于定量數據，首先要確定其該指標可能取的最大值和最小值。最大值為實現智能制造后該指標能夠達到的最優值，最小值為尚未開始實施智能制造時該指標的取值，最大值和最小值均為固定數值。然后，應用式

(1)對原始數據進行無量綱化處理：

其中，xi為評價指標i的原始得分，xmax為評價指標i可能取的最大值，xmin為評價指標i可能取的最小值，xi’為無量綱化處理后評價指標i的得分，其取值區間為[0，100]。

2. 定性指標

采用專家打分法來對定性指標進行評分，由專家根據評價指標的數據采集情況進行打分。然后，應用式（2）進行無量綱化處理：

其中，xij為第j個專家對評價指標i的打分，n為參與打分的專家數量，xmax為所有專家對評價指標i打分中的最大值，xmin為所有專家對評價指標i打分中的最小值，xi’為評價指標i的得分，分值區間為[0，100]。

（二）評價得分計算模型

對指標進行無量綱化處理后，就可應用加權平均模型（式（3））來計算具體的評價得分。

其中，θ為企業智能制造評價得分，αi為第i個一級指標的權重系數，βj為第j個二級指標的權重系數，xj為該企業第j個二級指標的得分，i=(1…m), j=(1…n)。

五、結語

為科學衡量企業智能制造發展水平、引導企業發展方向，并為政府強化行業管理提供決策支持，本文在分析智能制造概念、系統架構和關鍵要素的基礎上，對智能制造評價指標體系進行了探討，提出生產線、車間/工廠、企業和企業協同4個層級的12個一級指標和29個二級指標，并對指標權重系數的確定和評價得分計算模型進行了介紹。由于智能制造還處于起步階段，本文也只是對智能制造評價的一次探索，后續將根據智能制造的內涵以及企業的具體實踐情況，對智能制造評價指標體系不斷迭代完善。

[1]Smart manufacturing leadership coalition (SMLC). Implementing 21st Century Smart Manufacturing Report[R]. The United States: Smart manufacturing leadership coalition, 2012.

[2]德國聯邦教研部著. 實施工業4.0的建議.康金城等譯[R]北京:中國工程院咨詢服務中心,2013.

[3]IEC/ISO 62264.1-2003, Enterprise-Control System Integration Part1: Models and terminology [S].

[4]肖力墉. IEC/ISO 62264國際標準探析[J].中國標準化,2012.12:118-122.

[5]郭金玉,張忠彬,孫慶云.層次分析法的研究與應用[J].中國安全科學學報,2008.5.

尹峰(1986-)，山東臨沂人，管理學博士，中國電子信息產業發展研究院裝備工業研究所，研究方向：智能制造產業政策。

E-mail: yinfeng@ccidthinktank.com

Study on Evaluating Indicator System of Smart Manufacturing

Feng Yin
(China Center for Information Industry Development, Beijing, 100846, China)

Based on the discussion of the concept, system architecture and key factors of smart manufacturing, evaluation indicators of smart manufacturing were presented in four levels of production line, plant and factory, enterprise and collaboration of enterprises. Then, weight of the evaluation indicators was calculated using analytic hierarchy process, and established the evaluating indicator system. Method and standard of self-evaluation were provided for manufacturing enterprises and reference of developing smart manufacturing for government.

Smart Manufacturing; Evaluating Indicator System; System Architecture; Analytic Hierarchy Process

F424

A

2095-7866 (2016) 06-632-010

經濟論壇 URL: http//www.iereview.com.cn

10.11970/j.issn.2095-7866.2016.06.004