基于WOS和CNKI的自動化物流裝備研究熱點共詞聚類分析

陳曦 杜軍 李志明 譚鵬

[摘要]自動化物流裝備是現代物流業和先進制造業的重要組成部分，也是實現工業4.0的關鍵要素之一。通過利用Citespace軟件對WOS和CNKI數據庫中關于自動化物流裝備的文獻進行主題詞和關鍵詞共現分析，發現區塊鏈、倉儲、自動導引車（AGV）、機器學習、智慧物流等是國內外自動化物流裝備領域的研究熱點。

[關鍵詞]自動化物流裝備;共詞分析;聚類分析;WOS數據庫;CNKI數據庫

[中圖分類號]F253.9???? [文獻標識碼]A???? [文章編號]1005-152X（2022）03-0001-07

Hotspot Co-word Clustering Analysis of Researches on Automated Logistics Equipment Based on WOS and CNKI

CHEN Xi， DU Jun， LI Zhiming， TAN Peng

（Yunnan Academy of Science & Technical Information， Kunming 650051， China）

Abstract： In this paper， using the Citespacesoftware， we analyzed the co-occurrence of subject words and keywords in the literature body on automated logistics equipment in the two databases of WOS and CNKI， and found that blockchain， warehousing， automated guided vehicles （AGV）， machine learning， and smart logistics were the most prominent research hotspots in the field of automated logistics equipment both in and outside of China.

Keywords： automated logistics equipment; co-word analysis; clustering analysis; WOS database; CNKI database

0 引言

自動化物流裝備是現代物流業提效降費的關鍵環節。采用自動化物流技術與裝備能夠大幅提高效率和準確性，如京東無人倉的存儲效率是傳統橫梁貨架存儲效率的10倍以上;極智嘉揀選機器人分揀效率高于傳統人工近10倍;曠視科技柔性機器人分揀準確率可達99.99%[1]。在勞動力日漸緊缺和人工費用不斷上漲的大環境下，要實現物流整體效率的大幅提升和費用下降，自動化物流裝備是必然的路徑和選擇。自動化物流裝備也是構建智慧工廠、實現工業4.0的重要基礎。作為連接供應、制造和客戶的重要環節，自動化物流裝備通過信息集成、資源優化和物流全過程自動化，能夠實現原材料、半成品、成品及相關信息由生產端到消費端的智能計劃和管理，從根本上解決傳統制造企業對市場需求反應不靈敏、訂單交付不及時、物料到達不準時、車間物料調動混亂、零部件配套性差、庫存及生產成本過高、生產效率低下和物料浪費等痛點，滿足工業4.0對個性化定制和柔性化生產的更高要求。隨著我國經濟進入新常態，人工、土地、倉儲租金成本大幅上升，先進物流技術與裝備的成本優勢逐漸顯現;人口老齡化的日益嚴峻使得“機器換人”進一步提上日程;快遞、電商的迅猛增長也對物流各環節的效率和準確性提出了更高要求[2-3]。自動化物流技術和裝備的應用不僅關系到企業能否在新一輪工業革命浪潮中搶占先機，更是我國由制造大國向制造強國轉型升級的必然需求。

利用Citespace軟件對國內外期刊文獻數據庫中關于自動化物流裝備的論文進行主題詞和關鍵詞共現分析，通過聚類圖譜和時間演化圖譜，可以較為準確地判斷該領域近年來的研究熱點和前沿趨勢[4]，并分析比較國內外研究重點的異同，從而為我國該領域的相關研究或企業技術發展提供一些方向性的參考。

1 研究設計

1.1 數據來源

基于Web of Science數據庫核心合集（SCI-EX- PANDED、SSCI），檢索時間范圍2016-2021年，語種為英語的“Article”文獻類型，檢索策略為：TS=（（auto- mated? OR intelligent or smart） AND （logistics OR "material handing"），剔除干擾文獻后得到相關文獻1 741篇。

基于 CNKI 數據庫學術期刊合集，選擇基礎科學、工程科技、農業科技中的農業工程子集、醫藥科技中的生物醫學工程子集、信息科技、經濟與管理科學專輯，檢索時間范圍2016-2021年，選擇中文文獻，檢索策略為：SU=（'自動化'+'智能'+'智慧'）*（'物流'AND （'裝備'+'設備'+'倉儲'+'分揀'+'搬運'+'輸送'））AND SU='技術'，剔除干擾文獻后得到相關文獻3143篇。

1.2 研究方法

導出上述檢索得到的文獻相關信息，使用CiteSpace軟件，通過主題詞和關鍵詞共現分析，可得到相應的技術主題聚類。聚類體現了該領域的研究熱點，其中，序號越小的聚類技術布局越為完整，為該領域的基礎性研究方向。再通過CiteSpace生成時間演化圖譜，以引文發表年份為X軸、聚類編號為Y軸，可展現各個聚類發展演變的時間跨度和研究進程。

2 研究分析

2.1 基于WOS 的文獻分析

2.1.1 基本特征分析。2016-2021年，自動化物流裝備領域全球英文文獻數量呈逐年增長趨勢，特別是

2018年后增幅較大（如圖1所示）。

從檢索期內該領域文獻的國家（地區）分布來看，中國（不含臺灣地區數據）以615篇位列第一，占該領域文獻總數的三分之一以上，遠高于全球其他國家（地區）;排名第二的美國277篇，占15.91%;其次為德國、英國、韓國、印度等，占比均在10%以下（見表1）。發文量居前列的國家與全球制造業強國、大國基本一致，但日本位列第十二（54篇，占比 3.10%），未能進入前十。

從檢索期內該領域文獻的機構分布來看，排名前十的機構中（因有并列，共12家），中國占據7席，荷蘭、新加坡、美國、伊朗、沙特阿拉伯各有一所機構進入前十（見表2）。該領域發文量居前列的機構大多為以商科和理工科見長的綜合類院校，而一些知名工科院校，如麻省理工學院（排名第19）、上海交通大學（排名第13）、印度理工學院（排名第66）等未進入前十。

2.1.2 技術主題聚類及時間演化圖譜分析。利用CiteSpace對1 741篇文獻按照共被引量前50，以一年為切片單位，選擇主題詞和關鍵詞進行聚類分析，得到4個聚類（如圖2所示），依次為：#0區塊鏈、#1倉儲、#2自動導引車（AGV）、#3機器學習。聚類模塊值（Q值）為0.3789，平均輪廓值（S值）為0.6396，表明聚類結構顯著、合理。（Q值>0.3意味著聚類結構顯著;S值>0.5表明聚類結果合理，S值=0.7時聚類最為高效且令人信服。）

利用CiteSpace生成時間演化圖譜（如圖3 所示），根據聚類的起止時間和節點關聯密集度分析，可發現倉儲相關研究開始較早，2016年已經形成聚類，處于研究繁榮期，且與 AGV 研究關聯度很高，2018年起熱點轉移，以此為主題的研究大幅減少;區塊鏈技術應用于物流領域的相關研究在2016年前就已開始，2017年前處于繁榮期，2018年進入穩定期，熱度逐漸減弱，2019年之后以此為主題的研究不再是熱點;AGV 相關研究在2016年已有不少，2016-2018年熱度持續上升，并出現了一些新的技術點，至今熱度還在延續;機器學習技術應用于物流領域自2016年開始熱度逐漸上升，并持續至今。

2.1.3 突現熱點詞分析。通過Citespace進行突現值分析，設定最小時間切片值為“1”，得到61個突現熱點詞。突現熱點詞反映了一定時間段內新出現的技術熱點。取前25個生成突現熱點詞出現時間表（見表 3）。從表中可以看出，大數據分析、任務分析、數字孿生、智能制造、（機器或人機）協作等是智能物流和自動化物流裝備技術領域最前沿的研究方向。

2.1.4 高頻詞分析。對2.1.2中4個聚類的節點進行統計分析，按出現頻次從高到低的順序排列，綜合考慮節點的中心度及似然比（一般認為在P值小于0.05的情況下，似然比（log-likelihood ratio）數值越高則重要性越強），可得到技術主題研究熱點統計表（見表4）。從統計結果中分析發現，自動化技術與計算機技術高度融合，區塊鏈、大數據、物聯網、邊緣計算、云計算、數字孿生、機器學習等新一代信息技術已成為自動化物流裝備領域的研究重點。在倉儲環節，相關研究主要解決遠程可視化操控、設備之間的調度協調和揀選效率提升等問題。在搬運和輸送環節，則重點針對AGV 的路徑優化算法、導航定位等方面開展研究。

2.2 基于CNKI 的文獻分析

2.2.1 基本特征分析。2016-2021年，國內自動化物流裝備領域中文文獻呈顯著增長趨勢（如圖4所示）。

從檢索期內文獻的機構分布來看，排名靠前的25家機構中，大多數為高等院校（20家，其中職業技術學院4家），其次為企業2家、科研院所1家和社會團體（行業協會）1家（如圖5所示）。可見國內該領域的理論研究主要集中在高等院校。

2.2.2 技術主題聚類及時間演化圖譜分析。利用CiteSpace對3143篇文獻按照共被引量前50，以一年為切片單位，選擇主題詞和關鍵詞進行聚類分析，得到4個聚類（如圖6所示），依次為：#0智慧物流、#1物流技術、#2物流企業、#3智能物流。聚類模塊值（Q 值）為0.3233，平均輪廓值（S值）為0.7624，表明聚類結構顯著、高效。

利用CiteSpace生成時間演化圖譜（如圖7所示），分析圖譜可發現，4個聚類的形成時間和發展階段基本一致，都是在2017年前后熱度最高，且一直有新的技術點出現，并延續至今。4個聚類間的關聯都很密切，尤其智慧物流作為其中技術布局最為完整和最為基礎的聚類，正處于繁榮期。物流技術和物流企業聚類成熟度比智慧物流略低，而智能物流聚類則更為前沿、新技術點更多。從聚類中的節點來看，智慧物流主要研究新一代信息技術在物流領域的應用，而智能物流更關注先進制造與物流的融合。

2.2.3 突現熱點詞分析。通過Citespace進行突現值分析，設定最小時間切片值為“2”，得到18個突現熱點詞（見表5）。從表中可以看出，新零售、智慧化、物流園區是國內自動化物流裝備技術領域最前沿的研究方向。

2.2.4 高頻詞分析。對2.2.2中4個聚類的節點進行統計分析，可得到技術主題研究熱點統計表（見表6）。從統計結果中分析發現，國內自動化物流裝備技術研究主要有四大方向：一是物聯網、區塊鏈、大數據、云計算、5G等新一代信息技術在物流裝備中的應用。二是穿梭車、堆垛機、移動機器人、智能倉等裝備的集成應用。三是運用了新一代信息技術的自動化物流運輸裝備（如無人車、無人機、智能卡車等）在物流場景（如企業、園區、港口）中的應用。四是自動化物流裝備與智能制造的融合應用。

3 研究結論與啟示

根據上述研究與分析結果發現，國內自動化物流裝備相關研究的趨勢與國外總體一致，最突出的重點都是新一代信息技術在自動化物流裝備中的應用，也都是由裝備本體研究向系統性、整體性的應用場景研究擴展。與此同時，國外的技術研究更為微觀，而國內的宏觀研究相對較多;國外較為重視自動化物流裝備技術應用的安全性和綠色節能性，而國內更關注前沿技術（如5G、無人駕駛、無人機等）的應用。

3.1 技術應用趨勢

3.1.1 新一代信息技術在物流裝備中加速應用。大數據、云計算、5G、物聯網、區塊鏈、數字孿生、邊緣計算等技術的應用，可實現物流倉儲系統效率、遠程操控的準確性和高效性大幅提升;貨物位置、狀態、車輛行駛行為和司機駕駛行為實時監測;物流全過程智能化管理和追蹤識別;故障預警、遠程控制和維修;AGV導航算法優化等[5-6]。在上述技術的幫助下，物流裝備的自動化、無人化程度將繼續提高。

3.1.2 機器學習技術提升物流裝備的智能化與柔性化水平。機器學習基于對數據的深度挖掘，能夠找到數據與任務目標之間的潛在規律。機器學習技術的研究熱點包括人工神經網絡、深度學習、邏輯回歸算法等。借助機器學習在統計預測、決策優化和深度學習等方面的能力，能夠為智能選倉、智能分倉、箱型智配等提供決策優化;能夠對未來的物流狀況進行統計預測， 從而實現智能排產和設備運維預測;能夠為各類物流機器人提供智能識別、自主決策和人機交互能力，強化物流機器人應對復雜環境的適應性;能夠為AGV/AMR和無人駕駛車輛提供實時動態路徑規劃、機器視覺和語音助手等，提升工作效率[7]。隨著機器學習技術的進步，物流機器人的適用范圍將不斷拓展。

3.1.3 無人駕駛技術幫助實現人機一體化乃至無人化。無人駕駛技術融合了傳感器、計算機、人工智能、通信、導航定位、模式識別、機器視覺、智能控制等多個前沿學科和領域。目前L3（受條件制約的自動駕駛）、L4（高度自動駕駛）級別的無人駕駛技術在物流裝備中已有應用。雖然真正意義上的全工況無人駕駛目前仍處于實驗階段，但物流運輸裝備無人化已成為大勢所趨[8]。

3.2 技術發展方向

3.2.1 軟件定義物流硬件。軟件定義物流硬件，即把物流設施設備等硬件資源虛擬化，按照單元化和標準化的方式歸類成物流功能模塊，在此基礎上通過應用程序軟件對虛擬的硬件單元模塊進行管理與調度，從而實現更開放、靈活、智能的物流系統管理與控制[9]。軟件定義物流硬件具有四個方面的特征：其一是使物流裝備單元化、模塊化，也就是相較于單體硬件設備功能的提升，更關注多種硬件設備的軟件接口一致性、可調度性和可拓展性。其二是管理系統的可編程性，即管理系統并非固化的，可根據不同應用行業和場景進行編程[10]。其三是應用軟件的可拓展性，即可以通過系統軟件的安裝來拓展硬件設備的功能，如 AGV不再局限于搬運設備，通過不同功能軟件的安裝，也可以實現倉儲、分揀和輸送的某些作業。其四是實現物流裝備及其系統的遠程設計、控制和維護，需要借助虛擬現實、數字孿生等技術。

3.2.2 物流裝備的協同性、整體性和系統性技術愈加重要。關于自動化物流裝備的研究已不再局限于裝備本體的軟、硬件技術，而是發展到了機器協作、一體化平臺的層面，把物流裝備納入到工業4.0、智慧城市等領域進行整體考慮和規劃，交叉學科、交叉領域的研究越來越多。? 3.2.3 自動化物流裝備技術融入并助力智慧供應鏈。隨著工業4.0的變革，自動化物流裝備已不局限于物流行業，而是越來越多地融入智慧供應鏈體系，在智慧化平臺、數字化運營、自動化作業等智慧供應鏈的各個層面發揮作用[11]。與此同時，自動化物流裝備和技術已開始由產品提供向技術服務轉型，助力企業供應鏈全要素的互聯互通和高效協同，以實現企業供應鏈與物流的全面升級。

3.3 區域發展特點

3.3.1 中國在5G技術應用方面表現突出。中國在5G領域可以說領跑全球，基站數量、獨立組網規模、終端連接數均居世界首位。5G技術在自動化物流裝備特別是物流機器人中的應用，主要集中在兩個方面：其一是利用5G大帶寬、低時延的優勢，對現有的 AGV 調度系統的調度數量和數據處理模式進行革新;其二是對 AGV 導航算法的優化，通過5G 網絡可以將部分借助邊緣計算的算法優化分析上傳至算力更強大的云端來處理，并實現運維模式的革新[12]。

3.3.2 亞洲國家在自動化物流裝備技術研究領域表現活躍。與近年來亞洲物流裝備市場的強勁表現相一致的是，亞洲國家或機構在自動化物流裝備領域的技術研究方面也表現突出。發文量前十的國家（地區）中，亞洲國家（地區）占據4席;發文機構前十中，除美國和荷蘭各有一所高校入圍之外，其余都是亞洲機構。歐美國家在該領域的技術優勢依然存在，但隨著新一輪工業革命的到來，全球各國在一定意義上又站到了同一條起跑線前，亞洲國家在這一領域的技術發展值得期待。

[參考文獻]

[1] 羅戈研究.2021年中國物流科技發展報告[EB/OL].（2021-01- 15） [2021- 10- 08].https：//www.sohu.com/a/444566901_120855974.

[2] 張穎川.新形勢下中國物流裝備行業發展機遇與路徑[J].物流技術與應用，2021，26（1）：86-88.

[3] 陸大明，孫昊.對物流裝備行業現狀及未來的一些思考[J].中國儲運，2021（3）：62-63.

[4] 阿布都熱合曼·卡的爾，申炳豪，陳茜“. 區塊鏈+供應鏈”研究現狀與熱點分析：基于CiteSpace的可視化分析[J].赤峰學院學報（自然科學版），2021，37（4）：72-73.

[5] 劉然，張龍，夏雄偉，等“. 5G+智慧物流裝備”應用及趨勢分析[J].中國物流與采購，2021，（9）：48-49.

[6] 戴美想.基于區塊鏈技術的企業供應鏈管理[J].中國商論，2021（16）：105-107.

[7] 陳曦，宮政，劉垚.人工智能在物流領域的發展研究[J].信息通信技術與政策，2019（6）：40-44.

[8] 蘭京.無人駕駛汽車發展現狀及關鍵技術分析[J].內燃機與配件，2019（15）：209-210.

[9] 王繼祥“. 軟件定義物流”推動智慧物流全面發展[J].物流技術與應用，2017，22（12）：86-89.

[10] 王繼祥.物流技術裝備行業發展趨勢分析與預測[J].物流技術與應用，2020，25（1）：44-45.

[11] 丁鋒.基于價值鏈視角的智能物流裝備產業發展研究[J].技術經濟與管理研究，2018（11）：109-113.

[12] 王響雷.5G時代的智慧物流發展與物流技術變革[J].物流技術與應用，2021，26（6）：90-94.