基于文獻計量分析的我國智能制造科研創新發展研究

王雅薇，周 源，張 蒙

(1.北京物資學院信息學院，北京 101149；2.清華大學公共管理學院，北京 100084；3.山東師范大學商學院，山東濟南 250014)

1 研究背景

制造業是一個國家的實體經濟的主體，而大數據、云計算和人工智能等新一代信息技術的興起，加速了傳統制造業向智能制造的變革性升級[1]。在此背景下，全球各國都在積極從戰略層面部署智能制造的發展， 歐盟在2010年制定了促進制造云項目的FP7計劃，并在2014年啟動了“2020地平線”項目，將智能型先進制造系統列為優先級創新項目。美國于2009年啟動了“再工業化”計劃，發展先進制造業，推動實現制造業的智能化，英國也提出了《英國工業2050戰略》，韓國于2014年正式推出了被譽為韓國版“工業4.0”的《制造業創新3.0戰略》，德國在2011年提出了“工業4.0”概念，并于2014年于中國共同發表《中的合作行動綱要》。另外，日本的工業價值鏈促進會為了迎合智能制造的迫切發展，努力構建智能制造生態系統[2]。2015年，我國正式頒布了《中國制造2025》，是我國努力實現制造強國的第一個十年行動綱領，明確了以智能制造為目標的前進方向，構建傳統制造業向智能制造升級的新型制造體系[3]。

習近平總書記在黨的十九大報告中號召，加速先進制造業的發展，推動制造強國的建設進程，并且明確指示繼續推動信息化和工業化的深度融合和智能制造產業的發展。工業和信息化部副部長辛國斌在“2018世界智能制造大會”上指出，我國在智能制造的關鍵領域都取得了突破性成績，試點項目示范取得顯著成效，并且不斷拓展合作范圍，整體上智能制造初步體系已經形成。前瞻研究院的相關研究表明，基于當下國際智能制造產業發展態勢，智能制造產業在未來幾年估計將以10%左右的年均復合增速，預計到2022年全球智能制造的產值將達到1.51萬億美元左右。而《2017—2018年中國智能制造發展報告》也顯示，我國的智能制造市場到2020年將超過2 200億元，顯然將成為全球最大的智能制造市場。

綜上所述，智能制造已經成為推動全球新一輪工業革命的主要驅動力[4]，而創新是發展智能制造的主要驅動力[1]。科研創新是研究組織在一個由科研機構、政策和環境等組成的創新網絡中的互動活動，他們的合作行為對產業技術的發展、成效和吸納等產生直接的影響[5]。同時，學者們一般采用技術創新來研究產業發展的過程或者特定領域內的技術演化路徑[6]，而一個產業的科研創新能力與其技術創新水平緊密相關。我國的智能制造產業在飛速發展的進程中，也遇到了一些實際的障礙，比如相關科研人才資源的緊缺[7]，和引領性創新薄弱等[1]。因而，系統研究我國智能產業的科研創新進程，從而明確其發展階段，及提出科學的政策建議，對推動我國智能制造產業發展有積極的意義。

2 文獻回顧與研究問題

目前全球對智能制造還沒有一個統一概念，普遍認為，智能制造是在新一代制造技術與新興信息技術深度結合的基礎上，與管理、服務、生產運作和產品設計等一系列制造產業活動融合，并具備自感應、自運營、自計劃和自學習等智能功能的新一代制造生產模式[3]。Zhou總結出智能制造在演化發展過程中的三種范式，即數字化制造；數字化網絡化制造，即“互聯網 + 制造”； 新一代智能制造，即數字化、網絡化和智能化制造[4]。當前，學者們對智能制造產業的研究主要集中在智能技術研發、智能技術在特定制造領域內的應用和區域性智能制造產業發展等方面的研究。Giret等[8]提出了一個框架和相關的工程方法來輔助面向服務制造系統的系統開發人員,該方法將多智能體系與面向服務架構相結合，用于智能自動化控制的開發和制造系統的實施。Srinivasan等[9]認為所謂的智能產品范式為智能控制系統的發展提供了一種合適的機制，而智能控制是指能夠對生產環境進行評估并與之相互作用，從而使生產做出相應調整的生產控制，同時提出并實施這樣一個智能控制系統，并分析其支持定制3D打印的可行性。Wang等[10]提出了能源監控平臺，該平臺可以監控和記錄不同粒度級別的制造過程中能源消耗。陳寧等[11]通過專利文獻分析的方法對貴州省智能制造產業進行了區域性研究。

綜上，現有文獻針對我國智能制造產業創新的整體視角的研究還較少，針對特定產業，學者們經常采用文獻計量分析法研究其發展過程[3]。因此，本文從產業生命周期理論出發，基于文獻計量分析法對我國智能制造產業科研創新路徑進行系統的研究，進而推導我國智能制造科研創新的發展階段，可能存在的問題和提出相關政策建議。

3 理論基礎和研究方法

3.1 理論基礎

基于技術軌跡理論[12]，產業創新是特定產業沿著一定技術路徑的發展過程，并且學者們普遍認為創新技術來源于科技發展、經濟和制度環境等互相作用。學者們認為產業生命周期強調組織所處的產業所在的發展階段，而產業不同的生命周期階段都是創新的重要環境，這些各具特點的發展階段是影響組織和整個產業創新行為的重要因素[13]。另外，Bos等[14]認為產業生命周期理論能提出哪些組織進行了創新以及實施了何種創新活動，這些都與產業生命周期的階段密切相關，而創新在整個產業生命周期中都在不斷地演化發展。為了更科學地闡釋新興產業創新發展，創新界的研究者們基于由創新機構之間相互影響而構建成的網絡對創新過程進行概念化，這些網絡中的節點組織在某產業技術創新活動中互相影響，最終推動了并衍生了新的創新成果，并將其擴散和用于實踐[15]。因此，學者們基于這些創新網絡的分析，更合理的分析了新技術研發戰略和針對構建創新系統的創新活動[16]。基于此，本文引入網絡分析方法，分析我國智能制造科研創新機構相互間的知識互動作用。

本文基于文獻數據構建研究理論框架，通過數據挖掘對文獻數據進行深入分析，進而研究我國智能制造產業的創新發展路徑。一些學者采用專利分析方法研究產業的技術創新軌跡，本文參考這些專利分析法對創新的維度劃分，如表1所示，通過對現有采用網絡分析和文獻分析研究產業創新的文獻總結，進而推導出我國智能制造科研創新的三個維度和測量指標。

表1 基于文獻計量分析法的科研創新路徑維度

3.2 文獻計量分析法

文獻計量分析法通常是應用數學與統計學方法對文本信息的分析，進而理解事物的發展歷程[19]，是對出版單位、文獻和代理商等的定量研究[20],有助于探索、組織和分析大量的歷史數據，幫助研究人員識別可能有助于其決策的隱藏模式[21]。學者們一般通過文獻計量分析法研究產業發展、技術軌跡和創新過程等。而文獻引用分析是通過對被引文獻之間相似性的挖掘和研究，進而揭示研究領域的理論基礎[22]。一些學者證實，通過分析關鍵節點、拓撲結構和核心網絡，可以觀察不同國家、機構和組織之間的知識增長及知識傳輸路徑[23]。

基于此，本文將分別選取在全球排名前30智能制造科研創新組織和核心關鍵詞作為研究樣本，接著采用Thomson Data Analyzer (TDA)軟件和UCINET 6.0軟件繪制文獻引文網絡，進而分析這些組織之間的文獻引用關系，及關鍵詞之間的互動關系。本文通過數據挖掘技術對整體文獻數據進行統計分類等處理，按照應用領域和關鍵詞頻次分別對文獻進行排名、分類和統計等定量處理，進而保證了研究樣本的科學性。

3.3 研究數據

為了確保數據的權威性，本文基于Web of science的核心合集進行數據采集，本文以“intelligent manufacturing”為核心搜索關鍵詞。鑒于智能制造的概念起始于20世紀80年代的人工智能在制造業中的應用，本文將搜索年限設定為1980—2018年。同時，本文對原始數據進行了清洗，最終確定了5 364條智能制造產業相關的文獻數據，相關數據年份跨度為1987—2018年。

4 定量數據分析

4.1 智能制造核心創新領域

通過TDA軟件對所收集數據進行統計分類，并選取美國、英國、德國和日本作為對比分析國，本文得出圖1。如圖1所示，盡管智能制造的概念始于80年代，但進入20世紀90年代，全球智能制造產業才開始了初步發展階段，美國和日本首先開始發展智能制造，而我國的智能制造產業直到90年代末期才開始步入初始階段。圖1顯示，我國的智能制造產業一直處于穩步快速發展，相關研究文獻數量總量逐漸占據世界第一，尤其2014年開始，我國的智能制造相關研究成果占據領先性優勢，這一定程度上是由于《中國制造2025》在2014年首次被正式提出。與我國相比，美國和德國科研創新發展速度均衡平穩，文獻數量上沒有出現太明顯的波動。

圖1 智能制造文獻數量

基于數據挖掘，本文得出全球的排名前20個智能制造核心科研創新領域，為了深入分析我國現階段智能制造產業的發展情況，本文同時統計分類得出我國近五年(2014—2018年)的排名前20個智能制造相關核心創新領域。如下表2所示，從本文收集到的數據的整體周期(1987—2018年)的相關值觀察，我國的智能制造產業的科研創新核心領域基本和全球相關領域相似，說明我國的智能制造相關科學研究與國際智能制造發展方向一致，主要是工程學、計算機科學、自動控制學、材料科學、機器人學、化學、能源等領域。同時，對比分析我國整體周期(1987—2018年)和近五年(2014—2018年)的相關值，可發現，我國智能制造產業近五年排名前7的科研創新領域沒有變，一直都是工程學(Engineering)、計算機科學(Computer Science)、自動化及控制系統學(Automation & Control Systems)、材料科學(Materials Science)、運籌管理科學(Operations Research & Management Science)、電信科學(Telecommunications)和機器人學(Robotics)。但之前排名稍后的化學(Chemistry)和能源與燃料學(Energy & Fuels)，在排名上都明顯提升，同時教育學(Education & Educational Research)與環境生態科學(Environmental Sciences & Ecology)的排名也逐步靠前，而社會科學(Social Sciences)的排名提升的最顯著。

表2 智能制造核心創新領域

基于以上的描述性統計分析，可知我國的智能制造科研創新成果在全球已取得顯著優勢，并且創新的方向與國際智能制造發展方向基本一致，但近五年我國智能制造產業逐步加強了在能源、化學和環境生態等環保領域的和研發，同時注重在教育等社會科學領域中的積極滲透。因此，本小節結論如下：與美國和日本等發達國家相比，我國的智能制造科研創新起步較晚，但發展平穩迅速，而且已經在科研成果數量上取得了全球性顯著優勢。

4.2 創新機構合作網絡

組織結構之間知識的互動形成了創新，知識輸出或知識引入是創新網絡中各節點之間不斷的知識相互作用行為[6]。正是產業組織之間不斷的知識交互行為推動著創新的進程，而這種知識流動性可更有效地驅動科研創新合作和成果擴散[24]。因而，對科研創新組織之間合作網絡的分析，可以更深入地研究創新知識的演化路徑。本文首先基于文獻數量統計分析選取全球排名前30的科研創新機構作為分析樣本，然后選取最近十年(2009—2018年)作為研究的時間跨度，由圖1可示，鑒于我國2014正式提出了《中國制造2025》，從政府戰略和政策層面，一定程度上推動了我國智能制造的快速發展，所以本文選取2014年為斷點年，分別研究前五年(2009—2013年)和近五年(2014—2018年)兩個時間段的科研創新機構間的合作網絡結構，進而分析我國智能制造創新活動的演化情況。如前文所述，本文通過TDA和UCINET 6.0軟件對樣本數據的深入挖掘和統計分析，最終對結果進行可視化呈現，形成了智能制造科研創新機構合作網絡，如圖2和圖3。圖中黑色實心圓代表科研創新機構組織，每個組織名稱后綴以組織所屬國家作為標示，便于分析各個國家之間的科研創新知識流動；黑色節點的大小代表不同科研創新機構的文獻成果的數量(節點越大，代表該節點擁有越多的科研成果)；節點間的連線代表結構之間存在的合作關系(連線越粗，代表這兩個科研組織間的合作越密切；連線的箭頭表征著知識流的方向。

如圖2所示，在前五年(2009—2013年)的結構合作網絡中，只有12家科研創新機構進入了網絡，其余皆為孤點(即與其他組織不存在合作關系)。這說明智能制造在(2009—2013年)的發展還處于初步探索性階段，盡管智能制造在90年代被正式提出，但很多發達地區如歐盟、美國和德國等，在2010年左右才從國家戰略層面將智能制造定位為主攻方向。瑞典、美國和英國都屬于最早發展智能制造的國家，而我國的中國科學院(Chinese Acad Sci China)、華中科技大學(Univ Huazhong Sci & Technol China)、上海交通大學(Univ Shanghai Jiao Tong China)和重慶大學(Univ Chongqing China)等6家機構是我國智能制造產業的科研創新早期的發起者。(2009—2013年)的創新合作網絡中，各機構間的連線簡單，并沒有形成緊密的合作，因此可推斷智能制造在這個時期尚且處于初步的探索研究階段，還沒有形成壟斷性的知識堡壘。

圖2 智能制造科研創新機構合作網絡(2009—2013年)

圖3是近五年(2014—2018年)，全球智能制造科研創新機構網絡圖。我們選擇的30家樣本組織，只有6家是孤點機構，24家智能制造科研創新機構都進入了創新網絡中，而其中，我國的科研創新機構占據多數，可見我國智能制造科研創新在近五年發展迅速，其中，上海交通大學(Univ Shanghai Jiao Tong China)和北京航空航天大學(Univ Beihang China)已處于科研創新網絡的中心，并且在創新成果數量上，也處于絕對性優勢地位。另外，我國的中國科學院(Chinese Acad Sci China)、清華大學(Univ Tsinghua China)和同濟大學(Univ Tongji China)等也處于中心地區。同時，美國的佐治亞理工學院(Georgia Inst Technol USA)和新西蘭的奧克蘭大學(Univ Auckland New Zealand)也處于網絡的中心地帶，并且在文獻數量上有明顯優勢。對比(2014—2018年)與(2009—2013年)，近五年的創新網絡中的節點連線明確密切，并且我國的上海交通大學、北京航空航天大學和華南理工大學(Univ South China Technol China)之間已經初步形成了較緊密的智能制造科研創新子網絡。相比之下，其他節點結構之間合作還沒有形成明顯的加強趨勢。

圖3 智能制造科研創新機構合作網絡(2014—2018年)

綜上，智能制造科研創新在近五年(2014—2018年)取得了快速發展，我國的智能制造科研創新機構已經在全球形成數量上的絕對性優勢，盡管局部幾家科研機構間的合作稍顯密切，但從全局看，我國智能制造科研創新尚且處于不斷探索階段，還沒有全面形成明顯的知識合作網。

4.3 核心關鍵詞網絡

文獻中，作者一般會將核心理論與知識作為關鍵詞羅列，因此，本文基于文獻核心關鍵詞為樣本，通過數據挖掘和統計分析，得出我國智能制造文獻中排名前30的核心關鍵詞，并通過TDA軟件和UCINET6.0可視化分析，形成如下圖4和圖5的我國智能制造核心關鍵詞網絡，與前文同理，2014年為斷點年。其中，白色空心圓代表關鍵詞，節點的大小表示該關鍵詞在此次的樣本數據中出現的頻次，節點越大，代表該關鍵詞也越多的文獻中出現，進一步說明該關鍵詞表征的技術是智能制造產業中的核心技術。節點之間的連線代表這兩個關鍵詞同時出現在一篇文獻中。連線越粗，表示這兩個關鍵詞同時出現在文獻中的頻次越多，進一步表示這兩個關鍵詞代表的技術具有較高相關性或者適用于統一領域。

本文通過分析這些網絡的關鍵詞變化，可進一步推導我國智能制造關鍵技術的發展情況。圖4顯示，在選取的前30個核心關鍵詞中，總共有25個進入了核心關鍵詞網絡圖，并且智能制造(Intelligent manufacturing)、多智能技術(multi-agent)、視頻識別技術(RFID)、云制造技術(Cloud manufacturing)和基于本體的制造技術(Ontology)在文獻中出現的頻次在數量上明顯比其他的關鍵詞占據優勢。通過觀察圖4中節點間的連線，可以得出，多智能技術、基于本體的制造技術、云制造技術和云計算技術之間形成的子網絡相比其他關鍵詞之間具有明顯更緊密的連線，這說明這些技術在前五年(2009—2013年)中是我國智能制造的核心技術。對比(2014—2018年)的核心關鍵詞網絡與(2009—2013年)網絡圖，可以看出有29個核心關鍵進入了網絡，并且核心關鍵詞之間的連線明前比(2009—2013年)中的粗很多，說明越來越多的核心技術被整合研究。圖5顯示，我國智能制造最近五年出現了新的核心技術，物聯網(Internet of Things)、人工智能(Artificial intelligence)和大數據(Big Data)明顯進入了網絡的中心區域，且與智能制造(Intelligent manufacturing)節點之間的連線明顯更粗更緊密，這也說明了新一代信息技術的興起對我國智能制造產業發展的關鍵驅動作用，但這些節點與其他關鍵詞之間的連線還沒有明顯加粗。另外，圖5中，工業4.0(Industry 4.0)出現在明顯的網絡中心地帶，并且與智能制造核心的關鍵詞之間有明顯增強的緊密連線，說明的德國“工業4.0”與我國的智能制造有很大程度上的相似之處。目前學者們認為“工業4.0”與智能制造既有相似的部分，也有較大的異質性，具體而言，“工業4.0”是指傳統制造業向智能化升級，是智能制造的基礎階段，而智能制造是全面開啟新一代制造業的智能模式[25]。

圖4 我國智能制造核心關鍵詞網絡(2009—2013年)

圖5 我國智能制造核心關鍵詞網絡(2014—2018年)

綜上，本節通過對我國最近十年的智能制造相關文獻的核心關鍵詞不同時期的關鍵詞網絡分析對比研究，得出如下結論：我國的智能制造產業與新一代信息技術的聯系越來越緊密，并且我國智能制造科研創新正努力將越來越多的核心技術結合起來，推動智能制造的智能模式的實現。

5 結論與政策建議

5.1 結論

本文采用文獻計量分析法，創新性地采用網絡分析的方式，從核心創新領域、創新機構合作網絡和核心關鍵詞網絡三個維度解析了我國智能制造的科研創新演化路徑，映射了我國智能制造產業所處的發展階段，為我國智能制造企業組織和相關政策頒布部門提供了科學的參考。首先，本文4.1節通過對我國、美國、英國、德國和日本的智能制造文獻數量隨著時間的變化趨勢對比分析，及對我國與全球排名前20的智能制造核心科研創新領域進行對比性研究，得出如下結論：我國的智能制造科研創新盡管與發達國家相比開始較晚，但發展較快，目前在創新成果數量上已經在全球取得了絕對性優勢，并且我國的智能制造主攻方向基本與國際趨勢一致。然后，本文4.2節，通過對智能制造30個核心科研創新機構不同時間段的對比分析，得出如下結論：我國的智能制造科研創新已經在成果數量上取得了全球性優勢，但依然處于初步的科學研究探索階段。最后，本文的4.3節通過對我國智能制造排名前30的核心關鍵詞不同時間段的網絡圖進行對比研究，得出如下結論：新一代信息技術與我國智能制造的科研創新結合越來越緊密，推動了智能制造科研創新將各種技術的深度結合。

綜上，本文得出如下整體結論：我國的智能制造科研創新已經在成果數量上成為全球創新大國，但依然處于科學研究探索階段，還未形成具有絕對影響力的開創性知識主體，而新一代信息技術的發展推動了我國智能制造科研創新的深度智能化的發展。基于產業生命周期理論，本文的結論可推導出我國智能制造產業正處于科學研究向實際應用轉化階段，但依然是科學研究占據主體。

5.2 政策建議

本文從得出的研究結論出發，提出如下推動我國智能制造科研創新和實體產業發展的政策建議：第一，盡管我國的智能制造科研創新成果數量已居于全球領先地位，但創新成果還缺乏影響力，因此我國相關政策更應支持科研創新機構的開創性研究；第二，科研創新都是與實體產業息息相關的，我國的科研創新機構之間還缺乏足夠緊密的合作，映射出我國智能制造實體產業尚處于研發向應用轉化階段，但還缺乏足夠成熟的科研創新技術支持更廣的實踐應用，我國的科研創新機構應該加強彼此間的交流和合作，打破知識壁壘，發揮各自優勢，推動我國智能制造科研創新的突破性和革命性發展；第三，加強戰略層面的我國智能制造產學研發展模式，將科研創新機構的平臺優勢與制造業實體產業的實踐經驗優勢有機結合，可及時發現科研創新過程中的方向性錯誤，更科學有效地推動我國智能制造產業真正智能化模式的實現。