智能制造評價理論研究現狀及未來展望

何慧霞，魏桂英，武森，單志廣

（1. 北京科技大學經濟管理學院，北京 100083；2. 國家信息中心信息化和產業發展部，北京 100045）

一、前言

智能制造是新一輪工業革命的核心驅動力，世界制造業的重要發展方向，我國制造強國建設的主攻方向，其發展水平事關我國制造業的未來國際競爭力 [1,2]。經過持續努力，我國智能制造在初步概念普及、試點示范建立之后，逐步進入了深化應用和全面推廣階段。盡管智能制造在一些大型標桿企業中取得了快速發展和顯著成效，但對一般企業尤其是中小企業而言，引入智能制造仍然面臨特殊的挑戰 [3]。多數企業發展智能制造處于起步階段，企業內部仍存在認知困惑和實踐誤區，未能確定企業在智能化轉型中所處的位次，難以明晰智能制造的實施路徑。這些方面都是我國智能制造全面推廣布局階段亟待解決的問題。

企業對自身智能制造所處階段作出合理判斷是明確智能化發展路徑的前提。構建智能制造評價體系以精準衡量企業的智能化水平，不僅可為制定行業宏觀政策提供依據，也能夠幫助企業及時識別瓶頸并科學規劃發展路徑，從而起到輔助管理決策的作用。目前，智能制造評價研究得到了學術界、工業界的廣泛關注，有關智能制造評價的研究成果相繼涌現。及時開展有關智能制造評價研究成果的調查、分類和總結，科學提煉領域的未來發展方向，極有必要。也要注意到，現有的評述類文章較多關注智能制造的概念框架 [4,5]、技術進展 [6,7]，較少開展智能制造評價研究的進展調查與綜述。針對于此，本文盡量全面回顧智能制造評價理論研究方向的已有文獻，從評價體系、評價方法兩方面對前沿進展進行梳理、歸納和總結；力求深入探討該研究方向存在的問題并展望未來發展，以期為智能制造領域的從業者和研究者提供基礎參考。

二、智能制造評價體系研究現狀

在前期，智能制造的評價研究主要圍繞某一類具體技術領域展開。隨著有關智能制造認識的逐步加深，相應的評價體系也朝著由部分到整體、由單一向多元的方向發展。近年來，智能制造評價研究主要在關鍵技術、系統全局、行業領域等方面建立起了評價指標體系。

（一）面向數字化、網絡化、智能化的關鍵技術評價

智能制造屬于多種關鍵技術的綜合應用。大數據、云計算、工業互聯網、人工智能（AI）等新興信息技術的出現、發展和應用，推動了我國制造業的數字化、網絡化、智能化發展進程 [8]。

數字化制造可稱為第一代智能制造，表現為以數字化為主要特征的信息技術應用于制造業 [9]。數字化階段的主要評價內容是企業的數據管理能力。能力成熟度模型是常用方法之一，經典模型主要有國外研究機構提出的數據管理成熟度模型（DMM）、數據管理能力評價模型（DCAM），我國研制的數據管理能力成熟度模型（DCMM）等；多從數據戰略與治理、數據質量與安全、平臺與架構等要素入手，選取數據管理的評價維度。相較于以數字化技術為核心的第一代智能制造，數字化轉型是組織使用數字化思想改變其業務運營模式、價值創造方式以應對環境變化的過程。對數字化轉型的評價不僅需要關注數字技術，還要更多關注組織的戰略、人員、流程等要素 [10]。

互聯網技術的發展及其應用，推動了制造業向數字化、網絡化制造的轉型過渡。我國工業界準確把握互聯網發展的新機遇，將工業互聯網、云計算等新興技術應用于制造業。工業和信息化部發布的《工業互聯網平臺評價方法》（2018年），為開展工業互聯網平臺的評價與遴選工作提供了依據。工業互聯網平臺建設能力評價框架包含了具體的評價指標體系和評價方法，在操作性上具有優勢 [11]。云制造是一種基于云計算的先進制造模式，能夠將制造資源轉化為全面共享和流通的服務 [12]；關于云制造服務評價體系的研究涉及服務質量評價 [13]、服務信任評價 [14]、服務綜合評價 [15]等。

智能制造最終將走向數字化、網絡化、智能化制造，即新一代智能制造。在此階段，AI技術將充分賦能智能制造，使制造系統具有學習能力。美國斯坦福大學自2017年起逐年發布《AI Index》，《2018中國人工智能指數》沿用2017年《AI Index》中的指數體系來度量我國AI的進展和影響。《國家新一代人工智能標準體系建設指南》（2020年）明確，我國到2023年初步建立AI標準體系，為評估智能制造發展水平提供依據。已有的學術研究大多關注AI自身發展水平評估，也有對AI在智能制造中的應用進行論述 [16]，然而對AI技術在制造業應用水平評價方面缺少系統性的研究。

（二）面向智能制造整體的系統全局評價

針對關鍵技術的評價是對智能制造評價的局部揭示，而智能制造是一個復雜的制造系統，從整體視角提出全面系統的評價體系更能適應現實需求。相關研究主要有基于成熟度理論的評價、基于制造企業系統層級的評價、面向企業效益的評價。

能力成熟度模型不僅可用于評估數據管理能力，也適用于智能制造系統全局評價。我國發布的《智能制造能力成熟度模型》（GB/T 39116—2020），為智能制造能力評估提供了模型與能力要素參考。美國、德國分別提出了“制造成熟度等級手冊”（2012年）、“工業4.0就緒度模型”（2015年）。有關智能制造能力成熟度的研究主要從企業層面、區域層面展開。在企業層面，智能工廠、中小企業、制造企業是重點研究對象，人員、組織、技術、流程等能力要素是各成熟度模型共同關注的元素。相對而言，區域層面評價考慮的評價維度更為宏觀，如有研究從互聯性、互操作性、虛擬化、信息透明度4個方面分析了歐盟各國制造業企業實施“工業4.0”的就緒程度 [17]；在一定程度上服務于宏觀政策的制定，而不同區域的戰略與政策也造成研究者關注的評價維度存在差異性。

制造企業系統層級是對智能制造能力評價的另一個切入視角 [18]。系統層級指與企業生產活動相關的組織結構的層級劃分，可分為設備層、單元層、車間層、企業層、協同層 [19]。按照企業生產組織的層級劃分來構建智能制造評價指標體系，是一種簡潔直觀的思路；進一步將生產活動上升到管理層面，基于管理活動的層級劃分為智能制造系統評價提供了新視角。例如，有研究基于運營管理理念提出了智能工廠評估框架，將管理活動劃分為戰略規劃、管理控制、運營控制 [20]；其中的運營控制對應于前述基于生產活動的層級劃分，包含企業級、工廠級、機器級3個層級。

智能制造推動了產業模式的轉變和創新，如服務型制造等先進制造模式出現，有效提升了工業生產效率和價值創造能力，對企業績效具有正向促進作用 [21]。對企業效益的評價是檢驗智能制造實施水平的有效方式。《智能制造評價指數（征求意見稿）》（2020年）規定，智能制造的評價框架包括過程類、成效類評價指標：前者主要衡量企業在實施智能制造過程中的基礎保障與業務優化水平，后者重在衡量企業在實施智能制造后產生的效益效果。多數研究在對企業效益評價時重點關注經濟效益指標，而事實上在一些理論研究和實踐中，綠色甚至可持續也被納入智能制造范式。于是部分研究從環境效益、可持續性的角度開展智能制造評價 [22,23]，豐富了智能制造企業效益評價的內容構成。

（三）面向制造業分類的行業領域評價

根據生產過程中使用的物質形態差異，制造業主要分為離散型、流程型 [24]。典型的離散制造業有機械、航空、船舶、汽車等行業，典型的流程制造業有石油化工、冶金、造紙、食品等行業。

以“工業4.0”為代表的離散智能制造是行業評價的重點。部分研究探討了整個離散制造業的通用智能制造評價體系，如離散型制造企業工業4.0成熟度評估模型 [25]包含了產品、客戶、運營、技術、戰略、領導、管理、文化、員工9個維度，前4個維度用于基本的使能因素評估，后5個維度將企業組織層面納入評估體系。還有部分研究聚焦具體行業領域（如機械制造、紡織制造）的智能制造評價研究，如有研究認為評價集中于廣義的智能制造，而針對機械領域的評價研究較少，針對性構建“雙E能力”量化評價指標體系來對智能機械制造進行評價 [26]。

與離散制造業以加工組裝產品為主所不同，流程型制造過程涉及復雜的物理化學反應，工藝參數眾多且互相關聯 [27]；流程型企業對生產過程的流暢性、低錯誤率、實時反饋有著強烈需求。這些因素導致流程型企業智能制造評價具有一定難度，因而缺乏系統的研究；僅有少量文獻開展初步研究，如將流程型企業智能制造能力劃分為智能技術、智能生產、智能應用三類 [28]。也要注意到，一些類似的研究進展具有相通性，可為流程型企業智能制造評價提供參考借鑒，如用于流程工業關鍵績效評價的多元統計組合預測方法 [29]、結合流程工業特點對ISO22400標準中的34個關鍵績效指標進行改進以提升指標在流程工業適用性的方法 [30]。

在行業領域評價的實踐方面，國家信息中心在有關部門指導下開展了“智能制造分級指標體系研究”，采用咨詢服務機構評價、企業自評價相結合的方式推進企業智能制造發展水平評價工作，為政府掌握行業、區域的智能制造發展水平提供了依據 [31]。

三、智能制造評價方法研究現狀

評價方法是獲取評價結果的工具，在整個評價流程中起到不可或缺的作用。科學設計或選取評價方法，既有利于順利推進評價流程，也事關評價結果的可信度與可靠性。國內外大量的綜合評價理論與方法研究，為針對智能制造實踐開展的方法應用提供了直接支持。

對來自中國知網（CNKI）數據庫、科睿唯安Web of Science核心合集數據庫的相關文獻進行統計分析，得到出現頻次居前10位的智能制造評價方法分布情況（見圖1）。根據評價過程中是否含有主觀因素，可將評價方法劃分為3類：① 定性評價方法，如專家調查法（Delphi法），主要利用專家的知識、經驗或偏好進行評級、評分或賦權；② 定量評價方法，如因子分析法、神經網絡法、數據包絡分析法（DEA）、生命周期評價法（LCA）、TOPSIS法，主要基于統計數據進行數學處理獲得客觀評價結果；③ 定性和定量相結合的方法，如基于模糊理論的方法、層次分析法（AHP）、網絡分析法（ANP），融合了定性/定量方法的優勢。每種方法在應用于智能制造評價時，通常需要根據方法特點、實際問題進行調整與改進。

從智能制造評價方法的使用情況來看，基于模糊理論的方法、專家調查法、層次分析法最為常用，或多或少都帶有一定的主觀因素，雖能充分利用專家的經驗和知識，但難免受到人為判斷的影響；諸如神經網絡法、數據包絡分析法等定量評價方法，能夠避免人為因素，但離不開數據基礎。因此，每種評價方法都各有側重、互有長短且適用范圍各異，不存在明顯的應用比較優勢。

值得注意的是，圖1中展現的是單一評價方法，而在理論研究、實際應用中大多采用“組合”思路，即結合數種評價方法的優勢來體現“取長補短”的效果。例如，采用專家調查法收集指標數據，通過層次分析法設定指標權重值 [11]；結合層次分析法、熵權法的優點得出組合權重值，基于模糊數學理論建立模糊綜合評價模型 [15]。組合評價方法能夠在一定程度上避免單一評價的片面性，增強評價結果的穩健性；層次分析法、專家調查法在各類組合方式中出現頻率最高。這都表明，智能制造評價研究需要以一定的知識與經驗積累作為評價的基礎。

圖1 智能制造評價方法使用頻次前10位及其分布

整體而言，當前智能制造評價方法融合了定性和定量的因素，由傳統單一評價向有機組合評價轉變。已有評價方法多為靜態評價，而事實上智能制造評價過程是動態發展的，有必要對智能制造系統在不同時刻的整體發展水平進行實時動態評估。基于數字孿生技術的系統模擬與仿真，能夠實現智能制造系統中物理實體與數字模型的完整動態映射交互 [22,32]，為智能制造動態評價提供了新的研究思路。

四、智能制造評價研究存在的問題

（一）評價范式建立問題

評價范式是智能制造評價科學共同體進行研究時遵守的技術框架與模式范例。科學且符合時代潮流的智能制造評價范式可為智能制造評價活動提供理論基礎和實踐依據。當前，智能制造評價研究取得了階段性成果，但評價標準不一、評價方法繁多，在評價范式的探索方面仍有不足之處。

一是評價標準不完善。評價標準是形成智能制造評估意見與報告的判定基準，是對被評估項目的一種理想預期。現階段，國內外學者雖然構建了多種智能制造評價框架，但是針對智能制造還沒有形成一套真正的評價標準。究其原因，在于對智能制造這一兼具復雜性和系統性的概念沒有統一、準確的認識。各工業大國都將智能制造視作工業發展的關鍵，提出“工業4.0”“先進制造”“互聯工業”等戰略規劃，但相關戰略各有側重，頂層設計也不盡相同。如果機械采用“拿來即用”的方式，極大可能導致評價標準不符合本土國情。在我國，目前智能制造標準體系尚不健全，研究者或評價者對智能制造的內涵認知不甚清晰，也就導致智能制造評價標準不明確、不具體。

二是評價流程不規范。科學有效的評價流程是評價活動順利開展的重要保證。現有研究形成了一般性的智能制造評價流程，包括明確評價原則、確定評價維度、設計評價方法、實證或實例分析等步驟。該流程覆蓋了評價活動的大部分環節，但在關鍵步驟的設計與實施方面存在一些問題及缺陷。例如，部分研究過分重視對評價方法的改進，反而忽略了評價對象的復雜性以及評價的真正目的，造成最終的評價結果偏離最初的評價目標；也有部分工作僅討論了需要關注的重點評價維度，對評價方法則未曾提及，使得可操作性不強；多數研究止步于獲得評價結果這一步，而對評價結果的實踐應用缺少充分討論，未能發揮出智能制造評價服務于管理實踐的應有作用。

三是評價方法論缺失。評價范式是進行智能制造評價活動的一整套規范，包含且不限于前述的評價標準確定與評價流程設計。雖然各種智能制造評價方法相繼被提出，但尚未形成公認的評價范式，眾多研究成果難以顯現有效合力以服務于智能制造行業。現有的研究視角相對具象化、片面化，對智能制造系統性、整體性的表現能力較為薄弱，難以在不同應用場景之間遷移應用。整體來看，缺少智能制造評價模型構建的頂層方法論依據；一些研究直接將已有的評價理論與方法套用到智能制造評價中，造成評價過程的信度和效度受到質疑，使得評價效果參差不齊。

（二）評價體系設計問題

評價指標體系關注的是被評價對象的系統特性。科學全面的評價指標體系既是開展智能制造評價的關鍵，也是將評價結果應用于管理決策的依據。智能制造是一個廣泛而復雜的概念，研究者對智能制造的理解不盡相同；各式各樣的評價指標體系相繼被提出，相關研究呈現“百花齊放”的態勢。盡管這些評價指標體系對智能制造的發展起到了促進作用，但其中仍存在諸多問題，制約著智能制造評價研究的深化與應用。

一是指標選擇不客觀。科學客觀的評價指標是進行智能制造評價的核心，也是進行有效評價的前提。在已有研究中，多數基于人員的知識或經驗來選取關鍵評價指標。這種定性的指標體系構建過程存在知識結構局限、專家準入機制等問題，使得評價結論存在主觀性、缺乏創新性；部分指標的選取比較抽象、難以量化，導致數據不可得或者需要采取問卷調查/專家打分的方式獲取指標數據，難以保證評價數據的真實性和客觀性，給后續評價工作的實施帶來了困難。

二是評價維度不全面。智能制造系統本身具有復雜性，加之追求優質、高效、低耗、綠色、安全等多個目標 [4]，導致了評價維度的復雜性和多樣性。現有指標體系對智能制造內涵的全面表征能力不足，有關測度與評價側重表達智能生產、支撐技術、組織人員、經濟效益等維度，缺乏對智能制造模式、社會環境效益等方面的關注。此外，觀察尺度、評價單元的不同會導致時空格局、評價維度的差異。就智能制造評價的空間尺度來看，已有研究以制造企業、智能工廠等微觀尺度的評價為主，對國家、區域、省/市等宏觀尺度的研究仍待開展；盡管存在不同空間尺度的評價研究，但對尺度關聯、尺度間效應的關注有所缺失。就智能制造評價的時間尺度而言，多數研究基于某一特定時間截面展開，評價指標體系的構建未能突破靜態層面，對不同時刻的動態分析尤顯缺乏。

三是行業研究不充分。制造業涵蓋的領域較為寬泛，不同的細分制造方向既有共性又有個性，而目前智能制造的評價研究大多針對整個制造業的共性特征展開。就企業自身而言，因細分制造方向的個性差異，其智能化體系是有差別的，如離散制造企業、流程制造企業的生產結構存在不同，同屬流程制造業的鋼鐵、造紙的生產及業務流程也有區別。一套面向制造業共性的整體評價體系，很難對這些存在鮮明個性的細分制造方向進行科學全面的判斷。因而針對智能制造行業個性特征的評價方案相對缺乏。

（三）新技術融合問題

智能制造評價研究為判斷智能制造所處發展階段、擬定智能制造發展計劃等提供了理論依據，但整體上仍停留在理論研究階段，解決智能制造實際面臨問題的能力依然薄弱。將評價理論有效應用于智能制造管理實踐是值得關注的問題，尤其是新興信息技術的出現和發展為智能制造評價理論走向實踐應用提供了新思路，目前在這些方面面臨一些制約。

一是大數據應用能力相對薄弱。制造系統產生的數據正在經歷爆炸式增長，大數據技術不僅是賦予制造“智能”的核心要素，也應是推動智能制造評價應用的有效手段。現有評價方法與大數據資源對接的能力存在明顯不足，成為智能制造評價理論難以落地應用的重要原因。一方面，部分制造企業數字化水平偏低、數據采集不充分，在進行評價時難以保證指標數據收集的完備性和實效性。另一方面，企業豐富的數據資源沒有被充分挖掘，如傳統評價方法通常先建立評價指標體系，再以調查問卷、人工打分等方式獲取指標數據，企業的大量數據與評價方法所需指標數據不協調、不匹配，導致數據的價值難以在評價過程中得到充分體現。

二是評價服務平臺建設存在不足。智能制造評價服務平臺是推動評價理論走向實踐應用的有效載體，為智能制造評價活動的開展提供平臺支撐。目前，國內已有機構開發了智能制造評價服務平臺，如中國電子技術標準化研究院建立的智能制造評價評估公共服務平臺，可為制造企業提供自診斷服務；但在平臺建設與應用方面仍面臨以提升平臺的靈活性來滿足多元化個性化的評估需求，提升平臺的智能性以滿足評價過程中的實時、交互、規范、通用等要求，有效推進可持續的平臺應用等為代表的瓶頸環節。這些有待解決的問題在一定程度上制約著智能制造評價的應用層次。

五、智能制造評價未來展望

（一）健全標準設計，建立智能制造評價范式

1. 完善智能制造評價標準體系

工業大國依據現有的戰略、規定、政策等，積極發展符合本土國情的智能制造評價標準。就我國而言，建議依據《國家智能制造標準體系建設指南》，明確智能制造的概念內涵，推動建設符合產業發展亟需的智能制造標準體系；管理部門、科研院所組織或參與制定不同視角、不同層面的智能制造評價標準體系（如國家評價標準、行業評價標準等），為智能制造評估活動提供一套標準框架。

2. 設計并優化智能制造評價流程

突出以目標為導向的評價，關注評估的動機和目的，確定評估的時間節點（事前、事中、事后）和評估對象（自評估、他評估）；針對不同的評估目標，確定相應的評價維度、數據來源、賦權方法、結果應用方式。在評價過程中關注評價對象、評價環境、決策目標的變化情況，適時開展評價流程的調整和再設計。發揮評價結果對改善管理實踐過程的關鍵支撐作用，依據評價結果科學建立智能制造發展線路圖，形成問題導向、動態調整、指導實踐的智能制造評價流程。

3. 建立智能制造評價的科學范式

聚焦智能制造評價的關鍵構成要素，完善并規范評價標準、評價目的、評價者、被評價者、評價方法、評價結果。建議發揮政府的頂層設計作用，由上而下推動智能制造評價范式的理論框架建構，深化智能制造評價的學術界和工業界共識。注重實踐應用轉化，借鑒國外相對成熟的評價實踐框架并與我國基本國情、制造行業特點相結合，設計智能制造評價范式的實踐程序；融合理論框架與不同的實際場景，提升評價范式場景適應性，保持智能制造評價范式的動態更新和適時轉換。

（二）優化指標體系，豐富關鍵核心評價內容

1. 構建評價知識庫和數據庫

針對智能制造評價指標體系構建的主觀性、專家知識依賴性問題，構建國家級、省級智能制造人才專家庫，借助信息技術收集并整理庫內專家在長期研究實踐中積累的經驗知識，形成智能制造評價知識庫；整合制造企業豐富的數據庫資源，收集并整理不同粒度、多元維度的評價數據樣本，形成智能制造評價數據庫。通過知識、數據的歸集提煉，支持改善評價數據的實時性、真實性。

2. 優化多維評價指標體系

在全面理解智能制造內涵的基礎上，拓寬評價覆蓋維度，保證評價指標的完備性，如對智能制造企業效益進行評價時，評價指標體系要綜合反映經濟、環境、社會等多個維度。針對不同智能制造模式補充個性化指標，如對服務型制造進行評價時，需要關注智能制造的業務視角，設計智能服務水平指數用于衡量客戶多樣化、個性化、定制化需求的滿足能力。此外，加強智能制造評價不同時空尺度的挖掘：一是各級管理機構應引導開展宏觀空間尺度的智能制造評價研究，精準支持政策制定；二是關注時間尺度上的動態評價，推動智能制造發展水平的動態預測；三是研究不同尺度之間評價指標的差異性和變換機制，支持實現智能制造評價結果在普適性、針對性方面的同步提升。

3. 強化制造業細分方向的研究

制造業的細分方向眾多，各級管理機構宜根據不同細分方向的典型特征來制定差異化的產業發展政策，引導高校、科研院所開展基于制造業行業劃分的智能制造評價研究。借鑒以“工業4.0”為代表的離散制造業相對成熟的評價方案，融入流程制造業的個性特征，研究流程制造業的智能制造評價方案，形成以離散制造業、流程制造業為主的兩大類智能制造評價框架；進一步引入行業特征，將評價框架應用到代表性的制造業細分方向，形成智能制造評價的行業細分解決方案。

（三）強化新技術融合，推進理論與實踐協同并進

1. 利用新興信息技術賦能智能制造評價

制造企業應高度重視工業大數據中心的建設工作，結合物聯網、智能傳感等技術實現工業數據的收集、存儲、處理，為實施智能制造評價提供完備的數據基礎。發揮大數據在評價決策中的重要價值，結合數字孿生等技術拓寬智能制造評價空間，實現評價過程由靜態向動態轉變、評價環境由簡單到復雜轉變、評價數據由結構化向非結構化拓展。結合AI相關技術，研發人機交互的智能化評價決策支持系統，匹配實時、交互、規范的評價應用要求。

2. 建設并完善個性化評價服務平臺

針對制造企業對自身智能制造發展水平的多元化評估需求，建議各級管理機構組織遴選具有資質的評估機構并形成專業的評價機構庫，據此推進各類核心評價業務系統建設，形成高度集成、靈活擴展的智能制造評價服務平臺，為制造企業提供個性化、模塊化的評測服務。鼓勵制造企業參與自評自測活動，反饋評測體驗和意見，改善和優化評價效果。各級管理機構利用評價服務平臺的數據優勢，分析掌握本區域企業智能制造發展的整體情況，制定相應政策和戰略規劃，引導企業高效率、高質量地發展智能制造。