基于CiteSpace的智能制造業可視化分析

蘆 燚，房路生，韓鳳雷

(長安大學 經濟與管理學院，陜西 西安 710064)

1 引言

制造業是國民經濟的主要支柱，是關系國計民生的重要行業。我國長期以來是制造大國，卻不是制造強國，因此實現“中國制造”向“中國智造”的轉變，是當前經濟發展的重大任務，其中最主要的短板就是智能制造。智能制造深度融合了新一代信息技術和先進制造技術，貫穿于產品、制造、服務全生命周期的各個環節及相應系統的優化集成，旨在實現制造的數字化、網絡化、智能化，不斷提升企業的產品質量、效益、服務水平，進而推動制造業實現創新、綠色、協調、開放、共享式發展。

新時期新形勢下，各國紛紛以智能制造為主攻方向。美國提出“工業互聯網戰略”，德國提出“工業4.0戰略”，日本提出“機器人新戰略”，我國提出“中國制造2025”,都希望在新一輪全球產業價值鏈的競爭中脫穎而出，進一步提升國際地位和話語權。因此，智能制造既是中國的機遇，也是中國的挑戰。通過文獻分析了解智能制造國內外研究動態及前沿十分重要。吳珊等通過實地調研，發布了國內智能制造百強企業排行榜，分析了智能制造的發展路徑以及未來的發展趨勢。臧冀原等總結了智能制造三個基本范式：數字化制造、數字化網絡化制造到新一代智能制造，分析了其內涵和特征。Shan等以三一重工(工程機械制造企業)為案例，概述了三一重工的智能制造成長路徑，討論了它未來的發展方向。Ge等從供應鏈和產業鏈的角度探索智能制造，研究企業大數據管理能力成熟度。

總結上述研究可見，至今仍然缺乏針對國內外智能制造研究動態及前沿的描寫，而這恰恰是研究智能制造演化過程中需要迫切關注的點。為此，本文對CNKI 數據庫和WOS數據庫相關智能制造文獻進行科學計量與可視化分析，通過“文獻共被引”“關鍵詞共現”“關鍵詞聚類”和“突現詞檢測”等指標，揭示智能制造在新時期新形勢下的研究前沿及其演變趨勢，為中小企業研究智能制造以及相關科研人員提供參考。

2 研究方法及數據來源

2.1 研究方法

基于文獻計量方法，運用CiteSpace 5.5R2軟件進行“文獻共被引”“關鍵詞共現”“關鍵詞聚類”“突現詞檢測”等操作，通過可視化的方式更好地把握國內外智能制造研究動態以及前沿。

文獻共被引方法首先可以生動地展示知識流動演化過程，即后人的文獻是如何和先人的文獻進行對話的。通過文獻共被引網絡，可以確定文獻與文獻相互之間的關聯程度。

其次，還可以展示文獻共被引最多以及影響力最大的文獻。關鍵詞是文獻內容高度凝練的標志性詞語，運用關鍵詞共現則可以直觀地觀察出國內外有關智能制造各個文獻之間的親密疏遠程度，通過詞頻和中心度大小排序可以得出研究重點內容。通過關鍵詞聚類方法可以將關鍵詞劃分為不同的知識類群，每個知識類群都是一個主題，主體與主題之間也產生交互，它可以告訴人們知識類群與知識類群以及每個知識類群之間是通過什么關鍵詞進行交互的，關鍵詞背后對應著文獻，整個過程就形成了知識的演化路徑。

最后，通過分析最近時間節點的關鍵詞，可以得出最近的研究熱點，通過整個圖譜，進一步探析未來研究的發展趨勢。突現詞檢測方法可以從大量的主題詞中探測出某段時間內頻次變化率大的詞，從而幫助人們明確智能制造研究的前沿。

2.2 數據來源

為了綜合分析國內外智能制造相關文獻，本文將CNKI數據庫和WOS數據庫兩大數據庫作為數據檢索源。CNKI數據庫設置為期刊檢索，來源類別設置為核心期刊以及CSSCI期刊，主題為智能制造，設定發表時間1992—2020年，共得到1742篇文獻。WOS數據庫設置為“WOS核心合集：引文索引”，時間跨度為1992—2020年，主題為“Intelligent manufacturing”，共得到3071篇文獻。

3 結果分析

3.1 研究熱點

研究熱點是指在某段時間內被論文提及的熱點話題，它可以通過關鍵詞共現和關鍵詞聚類方法來尋找。關鍵詞是文獻內容高度凝練的標志性詞語，運用關鍵詞共現的方法則可以直觀地觀察出國內外有關智能制造各個文獻之間的相異程度關系，通過詞頻和中心度大小排序可以得出研究重點內容。

通過關鍵詞聚類方法將關鍵詞劃分為不同的知識類群。文獻通過關鍵詞展示，那么知識類群就是某一類的文獻集合，通過圖譜，人們可以知道是哪些知識類群在相互影響，也就是哪些文獻在相互關聯。

此外，人們還可以觀察單個知識類群的演化過程，知識類群內部又有哪些文獻在相互影響。CiteSpace根據顏色和節點大小劃分研究熱點，節點越大越重要，顏色越黃，表明研究主題越新，進而得出最近的研究熱點和展望未來研究的發展趨勢。

不僅如此，CiteSpace還提供了判斷知識圖譜繪制效果好壞的指標。它根據知識圖譜的網絡結構，提供了模塊值Q指標，根據聚類的清晰度，提供了平均輪廓值S指標。通常來說，Q值取值范圍在[0，1]，Q>0.3就意味著劃分出來的知識圖譜的網絡結構是顯著的；當S值在0.7時，聚類是高效率令人信服的；若在0.5以上，聚類一般認為是合理的；若S值為無窮大，則聚類個數通常為1，這樣選的網絡可能太小，只代表一個研究主題。

3.2 關鍵詞共線以及聚類

首先，本文利用CiteSpace 5.5R2軟件將國內數據時間跨度設置為1992—2020年，時間切片設置為1，Top N設置為10，節點類型選擇Keyword，繪制關鍵詞共線圖譜，選擇展示最大的類網絡，選擇自動聚類，選擇LLR算法對聚類的名字進行標注，然后執行Timeline view指令，可以得到關鍵詞聚類圖譜，聚類圖譜可以通過節點大小以及顏色來生動地展示研究熱點和研究趨勢。Q值為0.7827，S值為0.8775，說明圖譜的網絡結構很顯著，聚類不僅高效率，而且令人信服。國內智能制造研究關鍵詞聚類知識圖譜一共產生了16個知識類群：#0智能制造、#1智能制造系統、#2制造業、#3智能制造技術、#4制造技術、#5智能制造裝備、#6大數據、#7多agent系統、#8先進制造技術、#9敏捷制造、#10制造系統、#11我國制造業、#12分子育種、#13cimes2014、#15研究院和#27協作能力。文獻通過關鍵詞顯示，知識類群就對應著某一類的文獻集合，通過圖譜，可以知道是哪些知識類群在相互影響，也就是哪些文獻在相互關聯。此外，還可以觀察單個知識類群的演化過程，知識類群內部又有哪些文獻在相互影響。根據時間線顏色，黃色部分為最新研究熱點。比如#2這個類群里的智能科學技術和#6這個類群里的人工智能產生交互，#2這個類群里的智能工廠和#0這個類群里的工業4.0以及#6這個類群里的數字孿生產生交互，這也從側面說明了基于大數據背景下，打造工業4.0時代的基于數字孿生理念的智能工廠的重要性。

其次，利用CiteSpace 5.5R2軟件將國外數據時間跨度設置為1996—2020年，時間切片設置為1，Top N設置為10，節點類型選擇Keyword，繪制關鍵詞共線圖譜，選擇展示最大的類網絡，選擇自動聚類，然后執行Timeline view指令，可以得到關鍵詞聚類圖譜。Q值為0.3603，S值為0.6404，說明圖譜網絡結構是顯著的，聚類是合理的。國外智能制造研究關鍵詞聚類知識圖譜一共產生了6個知識類群：#0 hybrid system、#1 circular economy、#2 structured intelligence、#3 cloud manufacturing、#4 using artificial neural network和#5 constraint-based system。#1這個類群里的cyber-physical system就是研究熱點，它和類群內部的design產生交互。同理，#2這個類群里的machine learning就是研究熱點，它和類群內部的prediction和algorithm產生交互，即利用機器學習算法做預測。#1這個類群里的big data就是研究熱點，它和自身類里的architecture和design產生交互，淺顯地解讀即大數據平臺架構設計。那么類群與類群之間的交互情況是怎樣的，這里只介紹#2類群里的algorithm，它和每個類群的內部都產生交互，也從側面解釋了算法確實很重要。

3.3 研究前沿

突現詞檢測方法可以從大量的主題詞中探測出某段時間內頻次變化率大的詞，可以幫人們明確智能制造研究的前沿。國內數據參數的時間跨度設置為1992—2020年，時間切片設置為1，Top N設置為10，節點類型選擇Keyword，可以發現工業互聯網，人才培養和人工智能在2018—2020年都是研究前沿。國外數據參數的時間跨度設置為1992—2020年，時間切片設置為1，Top N設置為10，節點類型選擇Keyword，發現突現詞太多了，無法得出最近研究前沿。因此也將時間跨度拉到2008—2020年，2008年發生了經濟危機，筆者認為這個時間節點有一定意義，其他設置和前面保持一致，突現詞個數為20個，可以較好地展示研究前沿，可以發現big data和network在2018年和2020年都是研究前沿。

4 研究結論

本文運用CiteSpace 5.5R2文獻計量軟件分別對CNKI數據庫和WOS數據庫1992—2020年有關智能制造研究的文獻進行分析,結果表明國內外研究在總體概況、關鍵詞聚類和最新的研究前沿等方面都呈現出一定的差異與聯系。

首先，從總體概況來說，2015—2017 年，國內智能制造研究發文數量井噴式增加，是多于國外智能制造研究發文數量的。2017年之后，國內智能制造研究發文數量呈波動狀態，總體低于國外發文數量。

其次，從關鍵詞聚類圖譜來看，國內聚類類群比國外聚類類群更多，研究熱點有相似也有不同，比如都強調了循環經濟、大數據和人工智能等技術，按照關鍵詞中心度的重要性排序，國內更重視智能制造系統、高端裝備制造產業和智能制造技術以及裝備等，國外更重視系統、體系架構、并行工程和算法優化等技術。

最后，從研究熱點來看，國外的研究顯然比國內研究更多，因為國外的研究前沿時間跨度是縮小的，不過從最新的研究趨勢來看，還是一致的，都是體現在大數據和網絡上。

綜上所述，智能制造研究應該重點放在工業互聯網、物聯網、人工智能和大數據上面，緊跟國內外研究前沿，彌補智能制造研究的短板。

目前，我國在推動制造業創新發展轉型升級方面雖然已經取得了不錯的效果，但在新時期新形勢下，我國還是應該以智能制造為主攻方向。發展智能制造，把握住智能制造帶來的機遇，在新一輪全球產業價值鏈的競爭中脫穎而出，進一步提升國際地位和話語權；發展智能制造，加快數字經濟和實體經濟的融合，培育一批具有國際影響力的數字產業集群，補上目前智能制造的缺口；發展智能制造，打造和諧的產業生態鏈。制造業的發展方式將不再是原先簡單復制的粗放式增長模式，而是升級為高質量發展的智能制造，最終實現“中國制造”由“中國智造”的轉變。