智能制造评价理论研究现状及未来展望.docx

一、前言

智能制造是新一轮工业革命的核心驱动力，世界制造业的重要发展方向，我国制造强国建设的主攻方向，其发展水平事关我国制造业的未来国际竞争力。经过持续努力，我国智能制造在初步概念普及、试点示范建立之后，逐步进入了深化应用和全面推广阶段。尽管智能制造在一些大型标杆企业中取得了快速发展和显著成效，但对一般企业尤其是中小企业而言，引入智能制造仍然面临特殊的挑战。多数企业发展智能制造处于起步阶段，企业内部仍存在认知困惑和实践误区，未能确定企业在智能化转型中所处的位次，难以明晰智能制造的实施路径。这些方面都是我国智能制造全面推广布局阶段亟待解决的问题。

企业对自身智能制造所处阶段作出合理判断是明确智能化发展路径的前提。构建智能制造评价体系以精准衡量企业的智能化水平，不仅可为制定行业宏观政策提供依据，也能够帮助企业及时识别瓶颈并科学规划发展路径，从而起到辅助管理决策的作用。目前，智能制造评价研究得到了学术界、工业界的广泛关注，有关智能制造评价的研究成果相继涌现。及时开展有关智能制造评价研究成果的调查、分类和总结，科学提炼领域的未来发展方向，极有必要。也要注意到，现有的评述类文章较多关注智能制造的概念框架、技术进展，较少开展智能制造评价研究的进展调查与综述。针对于此，本文尽量全面回顾智能制造评价理论研究方向的已有文献，从评价体系、评价方法两方面对前沿进展进行梳理、归纳和总结；力求深入探讨该研究方向存在的问题并展望未来发展，以期为智能制造领域的从业者和研究者提供基础参考。

二、智能制造评价体系研究现状

在前期，智能制造的评价研究主要围绕某一类具体技术领域展开。随着有关智能制造认识的逐步加深，相应的评价体系也朝着由部分到整体、由单一向多元的方向发展。近年来，智能制造评价研究主要在关键技术、系统全局、行业领域等方面建立起了评价指标体系。

（一）面向数字化、网络化、智能化的关键技术评价

智能制造属于多种关键技术的综合应用。大数据、云计算、工业互联网、人工智能（AI）等新兴信息技术的出现、发展和应用，推动了我国制造业的数字化、网络化、智能化发展进程。

数字化制造可称为第一代智能制造，表现为以数字化为主要特征的信息技术应用于制造业。数字化阶段的主要评价内容是企业的数据管理能力。能力成熟度模型是常用方法之一，经典模型主要有国外研究机构提出的数据管理成熟度模型（DMM）、数据管理能力评价模型（DCAM），我国研制的数据管理能力成熟度模型（DCMM）等；多从数据战略与治理、数据质量与安全、平台与架构等要素入手，选取数据管理的评价维度。相较于以数字化技术为核心的第一代智能制造，数字化转型是组织使用数字化思想改变其业务运营模式、价值创造方式以应对环境变化的过程。对数字化转型的评价不仅需要关注数字技术，还要更多关注组织的战略、人员、流程等要素。

互联网技术的发展及其应用，推动了制造业向数字化、网络化制造的转型过渡。我国工业界准确把握互联网发展的新机遇，将工业互联网、云计算等新兴技术应用于制造业。工业和信息化部发布的《工业互联网平台评价方法》（2018年），为开展工业互联网平台的评价与遴选工作提供了依据。工业互联网平台建设能力评价框架包含了具体的评价指标体系和评价方法，在操作性上具有优势。云制造是一种基于云计算的先进制造模式，能够将制造资源转化为全面共享和流通的服务；关于云制造服务评价体系的研究涉及服务质量评价、服务信任评价、服务综合评价等。

智能制造最终将走向数字化、网络化、智能化制造，即新一代智能制造。在此阶段，AI技术将充分赋能智能制造，使制造系统具有学习能力。美国斯坦福大学自2017年起逐年发布《AIIndex》，《2018中国人工智能指数》沿用2017年《AIIndex》中的指数体系来度量我国AI的进展和影响。《国家新一代人工智能标准体系建设指南》（2020年）明确，我国到2023年初步建立AI标准体系，为评估智能制造发展水平提供依据。已有的学术研究大多关注AI自身发展水平评估，也有对AI在智能制造中的应用进行论述，然而对AI技术在制造业应用水平评价方面缺少系统性的研究。

（二）面向智能制造整体的系统全局评价

针对关键技术的评价是对智能制造评价的局部揭示，而智能制造是一个复杂的制造系统，从整体视角提出全面系统的评价体系更能适应现实需求。相关研究主要有基于成熟度理论的评价、基于制造企业系统层级的评价、面向企业效益的评价。

能力成熟度模型不仅可用于评估数据管理能力，也适用于智能制造系统全局评价。我国发布的《智能制造能力成熟度模型》（GB/T39116—2020），为智能制造能力评估提供了模型与能力要素参考。美国、德国分别提出了“制造成熟度等级手册”（2012年）、“工业4.0就绪度模型”（2015年）。