不同類型服裝企業智能制造能力成熟度評價模型

杜勁松， 余雅蕓， 趙 妮， 謝子昂， 費中華， 潘靜姝

(1. 東華大學 服裝與藝術設計學院， 上海 200051； 2. 東華大學 現代服裝設計與技術教育部 重點實驗室， 上海 200051； 3. 浙江森馬服飾股份有限公司， 浙江 溫州 362000)

“工業4.0”“中國制造2025”推動了各行業的智能化轉型進程，服裝企業的智能化建設還處于起步階段。各企業智能制造能力良莠不齊，針對不同運營模式的服裝企業建立全面的智能制造能力成熟度評價模型，讓服裝企業更準確地分析智能化建設效果，并根據智能制造能力成熟度指標評分找出企業建設的短板，為企業更好地發展提供重要的借鑒意義。

能力成熟度評價模型是美國卡耐基·梅隆軟件工程研究所針對軟件開發過程和開發能力提出的一套有效的成熟度評價管理方法[1]，逐步發展成各領域的能力成熟度評價體系。智能制造的深入發展，推動了智能制造能力成熟度評價模型的研究，如國外的“工業4.0”就緒度模型[2]、制造或技術成熟度模型[3]、羅蘭貝格模型[4]。雖然上述評價體系均建立在智能制造背景下，但在不同領域的應用中仍存在局限性。德國機器及制造協會提出的“工業4.0”就緒度模型和歐盟委員會羅蘭貝格咨詢公司提出的羅蘭貝格模型適用于評價企業的“工業4.0”發展水平與技術發展完善程度，前者適用于衡量離散型制造企業在“工業4.0”中所處的位置[2]，后者側重于評價國家級的整體制造水平[4]。美國航空航天局(NASA)提出的制造技術成熟度模型主要適用于產品設計研發的技術風險評估，以及相關智能制造技術的成熟度分析，但缺乏對產品后期制造過程和存在的風險進行科學度量[5]。

國內由中國電子技術標準化研究院發布的智能制造能力成熟度評價模型[6]是一種通用的智能制造能力成熟度評價模型，針對各行業的共性指標要素進行評價，具有較強的兼容性，適用于流程型和離散型行業的智能制造水平評價，但無法充分評估各行業應用技術特點，尤其難以滿足具有大量人工參與的復雜工藝流程的服裝制造業評價需求。

本文研究結合智能制造核心要素和服裝行業技術特點，將服裝企業評價指標等級細分化，通過分解服裝智能生產的核心要素，根據企業類型評價需要對指標進行篩選組合，實現對不同類型服裝企業智能制造能力成熟度的整體或局部評估。基于各項服裝智能制造能力成熟度指標所占權重分析，采用網絡層次分析法對各指標權重進行量化計算，從而構建適應不同類型服裝企業的智能制造能力成熟度評價模型。

1 服裝智能制造能力內涵

服裝智能制造體現了服裝產品實現過程的智能化，并將信息技術貫穿于制造活動的始終，主要脈絡包括設計、生產、物流、銷售、服務等核心環節。新形勢下的服裝企業經營模式特點越來越突出，為了滿足不同類型服裝企業智能制造能力成熟度評價需求，將不同核心要素和不同維度指標進行組合，并對評價指標要素進行等級差異化特征描述與分值評估。

服裝制造業根據自身的行業特點，從產品實現的生命周期、服裝企業管理系統層級、企業智能化應用技術等維度構建服裝企業三維立體評價體系[7]。評價內容包括服裝全生命周期的設計、制造、銷售、運輸、售后等；企業系統層級的設備層、控制層、車間層、企業層等；應用技術的資源要素、系統集成、互聯互通、信息融合等[8]。

2 智能制造能力評價指標建立

目前服裝企業經營模式主要分為貼牌生產(OEM)、設計制造(ODM)、品牌制造(OBM)。OEM企業受委托品牌商進行生產，企業側重于服裝加工過程信息化建設，強調生產過程的人、機、料、法等要素信息化管理；ODM企業也是以品牌方委托貼牌生產，突出服裝的設計與研發能力，強調服裝數字化設計、數字化工藝設計等；OBM企業以品牌為驅動，突出企業運營管理和客戶服務能力，強調供應鏈管理、客戶關系管理、市場營銷等數據分析能力。3種類型企業具有各自特點，很難按照同一標準進行智能制造能力成熟度評價，但是服裝產品實現過程的智能化技術是一致的。服裝智能制造能力圍繞著生產設備升級、管理軟件迭代、生產工藝優化、產品設計開發等環節需要分階段、分步驟進行建設，所以企業智能制造建設是逐步完善、循序漸進的過程，企業需要智能制造能力成熟度評價模型評估企業建設的完備程度和建設方向。

基于國家智能制造標準體系建設指南[9]和服裝行業特點，將設計、生產、物流、營銷、服務等環節要素作為服裝智能制造能力成熟度一級評價指標，通過對各制造要素的工藝特點分析得到13個組成要素作為二級評價指標，在此基礎上篩選出35個功能要素作為三級評價指標，并根據各類型企業側重的應用技術特點進行評價指標組合，如表1所示。表中未打√部分表示對應工廠指標評價中該指標并不是重要內容，因此該指標將在評價組合中被忽略。

3 智能制造能力成熟度評價過程

3.1 智能制造能力成熟度表達

成熟度表示為某一評價指標的成熟程度，即該評價指標實際值占其成熟值的比例。服裝制造評價指標的成熟度CIM(clothing index maturity)為某指標的實際評價值與該指標成熟度值之比：

CIM(L)=l/M

(1)

式中：l為某指標的實際值；M為某指標的成熟值。

服裝智能制造能力成熟度SCFM(smart clothing factory maturity)表現為表1中所述的3個級別評價指標成熟度的加權綜合。

表1 不同類型服裝企業智能制造能力評價指標Tab.1 Different types of clothing enterprises intelligent manufacturing capability index

(2)

式中：ωi為第i個一級指標的成熟度權重；ωij為第i個一級指標第j個二級指標的成熟度權重；ωijk為第i個一級指標第j個二級指標的第k個三級指標的成熟度CIM權重；i、j、k分別為各級指標數量;CIMijk為各三級指標成熟度。

研究SCFM的各指標成熟度CIM的權重，采用判斷矩陣提問式設計問卷，邀請行業專家對服裝智能制造能力成熟度評價指標間的關聯性和重要程度分別進行兩兩評定，問卷針對3種類型服裝企業各發放問卷45份?；趩柧碇懈髦笜说南嚓P性分析，判斷出相關指標間的權重。首先對三級智能化能力評價的35個功能要素指標進行加權計算，得到對應的13個二級組成要素指標的智能制造能力成熟度，同理得到對應的5個一級環節要素指標的智能制造能力成熟度，最終得出服裝企業的智能制造能力成熟度。

3.2 能力成熟度評價過程

3.2.1 網絡結構圖構建

服裝智能制造能力評價指標具有多維度、多元素、多關聯性、跨學科的特點，采用網絡層次分析(ANP)[10]能夠綜合運用定性指標、定量指標和專家知識，對多目標、多層次、多指標間關聯復雜問題進行分析和決策。ANP通過網絡結構來描述評價體系內部的指標上下層次關系，上層為控制層由一個目標和多個準則組成，下層為網絡層由多種支配要素構成。服裝智能制造能力成熟度的各評價指標根據ANP模型上層的目標和各準則，構建下層多個二級組成要素的支配要素組和三級功能要素指標，如圖1所示。

圖1 服裝企業智能制造能力成熟度ANP評價模型Fig.1 ANP evaluation model for the capability maturity of smart clothing factories

本文研究借助超級決策軟件SD(super decision)實現對ANP的綜合評價過程。如表1所示，將評價指標體系中的二級指標作為元素集(cluster)，三級指標作為基礎元素(node)創建元素集。根據判斷矩陣式問卷結果分析服裝智能制造能力評價指標之間的關聯性，如圖2所示。用單向實線箭頭和雙向點劃線箭頭表示評價指標間的影響方向，用灰色粗線框表示同1個元素集中2個元素的互相影響，圖中各級指標內容參見表1所示。

3.2.2 指標量化分析

SD軟件采用4種形式(graphical、verbal、matrix、questionnaire)輸入調查問卷的指標關系重要程度評價結果，采用任意一種輸入形式都可以得到其他3種形式相應的數據。對所有指標完成評價后，需對輸入結果進行一致性檢驗，所得判定系數C.R.<0.1，即調查問卷數據計算出的權重具有可接受性。基于問卷數據SD軟件進行一系列矩陣運算得出不同指標在智能制造能力成熟度模型評價下的權重，運算過程如下：

圖2 指標間關系網絡Fig.2 Correlation network among indicators

1)建立未權重化超矩陣?；诜b智能制造能力評價指標權重問卷數據建立指標間相對重要性的兩兩比較矩陣，形成代表35個三級技術指標的35×35矩陣，其中矩陣Wij表達了j元素組對i元素組的影響。

2)建立權重化超矩陣。未權重化超矩陣只反映了三級指標(元素)間的相對重要程度，SD軟件會基于二級指標間的相對重要程度建立兩兩比較的元素組權重矩陣A。

式中：bNN為二級指標N元素對元素組的重要性比較得到的排序向量。

4)極限化權重化超矩陣。由于指標間存在著相互依存關系和反饋作用，賦權后的超矩陣仍不能準確反映指標間的重要關系，通過計算極限相對排序向量對權重化超矩陣作極限化處理：

式中：R為權重化超矩陣W的循環周期。

此極限值收斂，直至矩陣穩定狀態。極限化后矩陣各列均相同，每列的數值即對應指標的權重。由此得出，不同類型企業評價的準則是不同的，通過各評價準則的相對重要性比較，可以得出各評價準則的評價指標權重。

系統運算結果顯示不同類型企業分別具有各自的局部優勢度，OBM服裝型企業的局部優勢度較為均衡，其中設計指標權重為0.214 242、生產指標權重為0.362 259、物流指標權重為0.057 729、銷售指標權重為0.224 988、服務指標權重為0.140 784。ODM型服裝企業具有突出的產品設計和研發能力，其中設計指標權重為0.215 826、生產指標權重為0.612 708、物流指標權重為0.171 465。OEM型服裝企業的生產指標權重為0.622 193、物流指標權重為0.377 808，具有突出的生產能力。如表2所示不同類型企業生產環節指標權重對比。表明各類型服裝企業智能制造能力成熟度評價指標能夠充分反映企業經營模式特點，也充分體現了我國服裝企業仍以制造加工為核心的實際狀況。

表2 不同類型企業生產環節指標權重對比Tab.2 Comparison of index weights of production links in different types of enterprises

3.3 智能制造能力成熟度評價分級

參照中國智能制造能力成熟度模型中的計劃級、規范級、集成級、優化級和領先級等5個評價等級劃分原則，服裝企業智能制造能力成熟度分為5級，即未實施智能制造建設規劃的為0分，第1級的能力要素加權評分最高為2分，第2級評分最高為4分，第3級評分最高為6分，第4級評分最高為8分，第5級評分為滿分10分。上述每個等級都是服裝企業智能化建設的必經過程，低成熟度等級代表服裝企業智能化建設水平較低，低成熟度等級也是企業發展成高成熟度等級的必經過程。

4 模型應用分析

選取不同類型的服裝企業進行模型應用分析，在確保被訪談者充分理解各指標涵義的基礎上，依據十分制打分準則，企業未開始實施智能建設最低分0分，企業已經最大實現智能建設為最高分10分，分別對位于山東濟寧的OEM服裝企業SM、吉林延邊的ODM服裝企業PF、浙江溫州的OBM服裝企業BXN進行評價。評價結果如圖3所示，SM企業的生產指標與物流指標為低分值指標，根據規劃級的指標要求需要加強企業在生產和物流模塊的智能化建設，如增加自動化設備、擴大生產數據采集能力等。PF企業大部分指標已經體現了較高的智能制造能力，生產指標與目標分數相差較大，其中生產可視化指標和設備預檢性維護指標需要進一步地提升，企業資源計劃指標和指標得分為0，說明企業雖然有完善的信息化系統，但是缺乏系統間的集成能力。BXN服裝企業設計指標與物流指標處于較高的智能化水平，但需對生產流程和供應鏈關系的指標優化。

圖3 企業指標評價結果對比Fig.3 Comparison of analysis results of various enterprises′ indicators

基于上述服裝企業智能制造能力成熟度評價指標的打分結果，運用式(1)和(2)計算企業智能制造能力成熟度評分。如表3所示，采用通用評價模型和本文研究評價模型分別對上述3家服裝企業進行評價。

結果顯示：采用通用模型的評價結果均比本文研究模型的評價結果低1級，反映了服裝智能制造發展水平比其他行業相對滯后。雖然服裝企業BXN為服裝智能制造優秀企業，但在生產制造方面仍比PF企業能力成熟度低，說明了服裝企業經營模式不同，各自的重點應用技術也不同，所以不同經營模式的服裝企業無法進行橫向比較，企業間可以在產品全生命周期的某一環節進行比較，也凸顯了智能制造能力成熟度需要依托科學技術的創新。

表3 不同模型評價結果對比分析Tab.3 Comparative analysis of evaluation results of different models

5 結束語

本文在綜合分析了國內各類型服裝制造企業發展現狀和服裝智能制造組織架構建設內容的基礎上，確立了多層級的評價目標、維度(一級指標)、類(二級指標)和域(三級指標)，構建了適應不同類型服裝企業的智能制造能力成熟度評價模型。利用網絡層次分析法ANP建立了多目標、多屬性綜合評價模型，能客觀地反映服裝智能制造中各指標間的復雜關系。評價模型的運算結果能真實地反映企業整體發展現狀和單項指標建設水平，幫助服裝企業快速識別自身短板，并根據經營模式的需要，有針對性地完善企業數字化建設和智能化建設。