近20年智能制造研究热点与前沿挖掘

王友发，周圆圆，罗建强

江苏大学 管理学院，江苏 镇江 212013

近年来，随着云计算、大数据、物联网等新一代信息技术的飞速发展与广泛应用，世界再一次将目光聚焦于智能制造。越来越多的国家提出不同的战略规划来支持与发展智能制造，比如美国的“再工业化”计划、日本的“新机器人战略”计划、德国的“工业4.0”计划以及中国的“中国制造2025”等。2020 年春节前后，新冠疫情的全球蔓延给传统制造产业带来剧烈冲击，而智能制造则表现出一股强劲的成长潜力。

智能制造这一热点包含了太多需要探讨的问题，国内外学者们从理论体系、关键技术、发展历程等诸多方面对智能制造展开研究。如在1988年，Wright和Bourne首次对智能制造进行定义[1]，强调它是由智能机器和人类专家共同组成的人机一体化智能系统。随着制造业信息技术研究的不断深入，智能制造的概念逐渐演化为在整个制造过程中，以智能技术为基础，以智能系统为载体，实现自感知、自适应等能力的信息化制造。中国工信部2016年发布的《智能制造发展规划（2016—2020年）》中也对智能制造进行了一个新的表述，并指出智能制造是基于新一代信息通信技术与先进制造技术的深度融合。智能制造的关键技术主要包括物联网、信息物理系统、云计算、大数据和信息通讯技术[2]。智能制造的发展历程可大致分为三个基本范式，即数字化、网络化和智能化[3]。

尽管众多学者对厘清智能制造领域研究做出了极大的贡献，但智能制造发展势头迅猛，目前全球智能制造发展态势如何?WOS与CNKI上的关于智能制造研究侧重点存在哪些差异?智能制造未来发展趋势是什么？这些问题仍需去探讨。以往智能制造领域综述类文献[4-5]大多以定性分析为主，存在一定程度的主观评价局限性。近年来兴起的知识图谱法则为解决上述不足提供了新的方法和思路，已广泛应用于各个学科和领域。鉴于此，本文系统地梳理智能制造领域相关文献，运用知识图谱法以可视化方式呈现智能制造研究的总体格局、热点演进，以期能为后期学者做相关研究提供理论借鉴。

1 数据来源与研究方法

1.1 数据来源

本文选取的英文文献数据源为权威数据库Web of Science 核心合集中的SCI-EXPANDED（Science Citation Index Expanded）与 SSCI（Social Sciences Citation Index）两个子库。以“intelligent manufacturing”为主题检索词，以“article”为文献精简类型，剔除与主题相关度不大的文献，最后选取2 636 篇文献作为英文文献样本数据，考虑以往研究存在研究时段上所选取分析时间相对较早或者时间段较短问题。所以本文英文文献时间跨度为2001—2020年。中文文献研究所选取的数据源为中国知网（CNKI）期刊数据库，该数据库收录的中文期刊数量最多最全，同时限定分析研究的数据库为北大核心和CSSCI 两个子库，保证文献的质量。以“智能制造”为主题检索词，条件为“同义词扩展”检索。剔除与主题相关度不大的文献、会议通知等，最后得到1 238篇文献作为中文文献的样本数据，为与英文文献研究相对应，本文中文文献时间跨度也为2001—2020年。

1.2 研究方法

知识图谱法是通过将应用数学、图形学、信息可视化技术与计量学引文分析等方法结合，以多维结构规律图谱的形式，直观地展示某领域研究主题之间的内在逻辑关系，进而了解该领域的演化路径、研究热点以及未来趋势。本研究分析应用的工具是由美国德雷塞尔大学陈超美教授基于Java 语言研发的软件——Citespace[6]。目前该软件已成为绘制知识图谱的主流软件之一，具备使用便捷、科学高效等多项优点，对于研究领域的热点前沿等可以可视化的方式呈现，满足本文的研究需求。

2 英文文献的基本情况

2.1 发文量分析

对智能制造的年发文量进行分析，可在一定程度上了解该领域的总体情况。图1显示了WOS智能制造研究领域各年份的发表数量。2017年之前WOS中的智能制造相关文献每年数量基本维持在87 篇左右，逐年有高有低，未曾出现明显大起大落。但自2017 年起文献数量呈显著增长趋势，且相较于2016 年，增幅达到了85%。说明WOS智能制造研究领域一直以来都具有较高的活力，随着近几年信息技术发展以及世界各国对智能制造的高度重视，该领域将具有更加广大的发展空间。

图1 WOS中智能制造研究年发文量

2.2 期刊分布统计分析

期刊共被引是指两篇（多篇）期刊同时被后来的一篇（多篇）期刊所引证，则这两篇期刊之间就存在共被引关系，可反映出各期刊之间的关联性，并有助于确定某个研究领域的核心期刊分布情况。本文运用CiteSpace软件，统计排名前10位的英文共被引期刊（表1）。

表1 WOS中智能制造研究期刊分布

被引期刊大都为工业工程、制造工程、运筹与管理科学、计算机科学与人工智能等领域的国际顶级期刊，对智能制造的重点研究领域起着引领作用。重要程度排在第一位的杂志是International Journal of Advanced Manufacturing Technology，该期刊多关注于制造过程、机器和工艺集成相关的基于应用的研究主题，是先进制造技术领域的重要期刊。重要程度排在第二位的杂志是International Journal of Production Research，该期刊多关注于研究机械工程、制造系统及自动化，工业工程与管理等方面，是生产制造研究领域的高水平期刊。此外，Robotics and Computer Integrated Manufacturing也是智能制造领域的重要引证来源，反映出学者们注重关注机器人、云计算等先进技术在制造领域的重要应用。

2.3 高产作者和研究机构统计分析

通过分析期刊论文发表的高产作者，绘制高产作者合作知识图谱（图2），识别出WOS中智能制造领域的核心作者及其之间的合作强度和互引关系。图中，每个节点代表了一位作者，节点越大表示该作者发文量越多，节点之间的连线表示作者之间的合作，线条越粗表示作者之间的合作越紧密。WOS中现已形成几个较为杰出的研究团体，例如以Wan Jiafu 等人为核心的团队致力于研究工业大数据、信息物理系统等技术在制造中的重要应用，也曾与Tao Fei 等团队合作发表过关于物联网的动态资源管理的相关文章；以Xu Xun为核心的智能机床、智能服务研究团队，2012年他发表了一篇关于云制造的开创性文章，将云计算的概念扩展到了制造领域，使制造能力和资源作为服务进行优化和供给；另外，还有以Newman ST为核心的早期致力于研究的数控加工系统团队等。整体来看，WOS中的作者分布处于分散状态，且整个智能制造领域跨国之间的学术合作也较少。

图2 WOS中智能制造领域高产作者合作分布

通过对WOS 智能制造领域前10 名高收益研究机构的统计分析（图3），可以发现华中科技大学处于领先地位（58），其次是上海交通大学（56），中国科学院（52）等。在高产研究机构中，中国有8 个，法国1 个，新西兰1个。在WOS的智能制造领域，中国高产机构的数量占很大比例，这与近年来中国政府的政策支持有关。高产作者与高产机构分布较为一致。

图3 WOS中智能制造领域高产机构

3 中文文献的基本情况

3.1 发文量分析

图4列示了中文文献的时间分布情况，在2012年之前关于智能制造的研究较少，相关文献发表数量也几乎呈现停滞状态。2012—2014 年发文量呈现明显增长趋势，在2015年中国国务院发布《中国制造2025》后，智能制造成为社会各界广泛关注的热点，相关文献数量呈“井喷式”增长。随着国家层面的重视以及现实需要，越来越多的学者将投入智能制造的研究，标志着智能制造领域的快速发展。

图4 CNKI中智能制造研究年发文量

3.2 期刊分布统计分析

检索中文文献数排在前列的期刊高度集中在制造技术及系统领域，如表2所示。具体来看，《制造技术与机床》刊发的论文最多，该期刊为中国机械工业科技期刊中创刊早、发行量大、影响面广的刊物之一，能够全面反映中国机床及制造业市场的发展现状及趋势。排名第2～9 位的如《计算机集成制造系统》《中国机械工程》等也是中国智能制造研究领域的主阵地，这些期刊多关注于关注智能关键技术的创新以及智能制造装备的改进。排名第10～15位的期刊如《企业管理》，研究重点更倾向于企业智能化升级、企业智能化管理等。此外，《中国职业技术教育》等期刊也刊发了一定数量关于智能制造与职业教育的相关论文，说明了学者们已开始关注智能制造的人才培养。

表2 CNKI中智能制造研究期刊分布

3.3 高产作者和研究机构统计分析

运用Citespace绘制CNKI数据库中高产作者合作知识图谱（图5），识别出智能制造领域的核心作者及其之间的合作强度和互引关系。目前，CNKI 中智能制造领域的核心研究团体主要包括：以姚锡凡等为核心的华南理工大学制造过程计算机控制研究团队、以孟凡生等为核心的哈尔滨工程大学新能源制造装备研究团队和以臧冀原等为核心的中国工程院智能制造与工业经济发展相关研究团队等。相较于WOS，CNKI中智能制造领域作者间的合作更为松散，各个学术团队之间联系较弱。

图5 CNKI中智能制造领域高产作者合作分布

通过统计分析CNKI 中智能制造领域高产研究机构（图6），可以发现：清华大学发文量为35篇，处于领先地位；其次是华中科技大学（29）、浙江大学（25）、华南理工大学（20）等。这些数据说明工科院校在中国智能制造研究机构中占有很大比例，工科院校多聚焦于智能制造装备及技术的研究，是中国智能制造领域研究的核心力量，具有突出的研究实力。最后，核心机构与核心作者分布也较为一致。

图6 CNKI中智能制造领域高产机构

4 智能制造研究热点分析

4.1 热点关键词分析

在某一特定的时间段内，受学者们高度关注的并在文献反复出现的主题词就是热点关键词。通过分析热点关键词可以把握所研究领域的热点主题与发展动态。本文借助CiteSpace软件统计出智能制造施引文献关键词的频率和中心度，分别见表3（WOS）和表4（CNKI）。

据表3可见，WOS中智能制造研究热点可概括为智能设计、智能生产、智能管理、智能服务等方面。如智能设计方面，学者们主要借助遗传算法、人工神经网络等热门算法和信息技术，对产品功能及整个制造过程进行优化设计；智能生产方面的研究热点主要包括智能制造系统、智能制造装备及智能制造技术等；智能管理方面的研究重点关注如何将物联网、云计算等信息技术融入企业管理体系中；智能服务的研究主要有面向生产过程的服务以及面向产品的服务等方面。

表3 WOS中高频关键词汇总表

表4 CNKI中高频关键词汇总表

据表4 可见，CNKI 中智能制造的研究热点从国家战略、产业、技术和企业等角度展开。如国家战略方面，学者们通过借鉴德国工业4.0以及美国工业互联网等先进制造模式，旨在为《中国制造2025》国家战略探索道路；产业方面着力于研究产业结构升级，通过推进两化深度融合以及将服务越来越多地引入制造业，促进传统制造产业生产模式变革；技术方面主要研究的是智能制造使能技术和新一代信息技术等；企业方面研究的热点除了有企业智能化升级外，还有智能制造相关人才培养等。

4.2 主题领域分析

纵然对热点关键词分析可以大致了解智能制造领域的发展动态，然而这些热点关键词之间存在哪些联系，通过这些联系所映射出的智能制造的研究热点具体包括哪几个方面则需要借助Citespace软件做进一步分析。

4.2.1 WOS主题领域分析

借助Citespace 软件对关键词进行共现分析，绘制WOS中智能制造领域热点知识图谱（图7），呈现热点关键词之间的相互关系，并结合相关文献，梳理出该领域的4大热点关键词网络，见子网1～4。

图7 WOS中智能制造领域研究热点知识图谱

子网1智能设计。Chen 等从算法设计角度出发，研究了遗传算法、神经网络等智能算法在智能制造上的应用[7-9]，为信息技术、智能制造系统等提供了基层技术支持。主要表现为以大数据分析为基础，以遗传算法、神经网络为工具，支持制造设计全过程的智能化。

子网2智能生产。Abidi 等从制造科学的视角，研究了柔性制造、虚拟制造、系统控制等技术[10-12]，以实现企业生产制造环节的智能化。这种智能化生产方式连接了企业生产能力及消费者需求，并基于信息技术对消费者需求进行快速响应。

子网3智能管理。Yang 等从管理科学的视角，研究了智能生产过程管理、智能产品管理等[13-15]，指出了人工智能思想与信息技术在企业的延伸共同造就了企业智能管理的出现。智能管理的特征主要体现在通过集成物联网、云计算等信息技术赋予物理设备实时感知能力，从而实现对制造过程与智能产品的精确控制与远程协调。

子网4智能服务。Lu 等从服务科学的视角，研究了智能生产服务、智能产品服务等[16-18]，在智能制造中，服务贯穿于产品整个制造过程的各项活动。主要有基于大数据分析，研究如何挖掘客户潜在需求，并通过物联网、数字孪生技术实现制造虚拟世界与物理世界的虚实共生，为客户提供更加及时与精准的服务等。

4.2.2 CNKI主题领域分析

借助Citespace 软件对关键词进行共现分析，绘制CNKI 中智能制造领域热点知识图谱（图8），呈现热点关键词之间的相互关系，并结合相关文献，梳理出该领域的6大热点关键词网络，见子网1～6。

图8 CNKI中智能制造领域研究热点知识图谱

子网1智能制造与国家战略的相关研究。主要研究热点包括工业4.0、中国制造2025、工业互联网等。该子网的内容主要针对国家层面的宏观研究。5G开启了万物互联新时代，信息技术的发展给全球带来了新工业革命，世界各国纷纷出台以智能制造为核心的相关战略。在此背景下，学者们通过研究发达国家先进制造经验来为“中国制造2025”指明方向。周济研究指出发展智能制造可带动中国产业转型升级，也为制造业获取竞争优势增添新的动力引擎[19]。此外，新型基础设施建设（简称“新基建”）的战略布局将加快中国制造业信息化进程，随着5G网络的部署，数据可在虚拟世界与物理世界间实时反馈，制造过程的智能化管控变得更加协调，为智能制造提供了机遇。这已逐渐掀起智能制造领域广泛研究热潮。

子网2智能制造与产业的相关研究。主要研究热点包括制造强国、绿色制造、制造业转型升级等。相对于国家宏观层面而言，该子网属于中观层面的研究。新时期下，中国经济发展已经进入到经济增速换档期、结构调整阵痛期、前期刺激政策消化期的“三期叠加”阶段[20]。制造业作为实体经济的主体，是振兴中国经济的主战场。然而，中国制造业目前在世界制造产业链中仍处于中低端，存在生产企业单位加工产品利润少、产品附加值不高等问题[21]。此外，2020年春节爆发的肺炎疫情，给制造业带来的直接影响，就是大量劳工无法按期返岗。这对传统制造企业来说，生产力会大大下降，更有甚者因此面临破产倒闭。从长期来看，制造企业势必会加速推向“少人化、无人化、智能化”，更加主动地拥抱智能化转型。智能制造为实现中国制造业在全球价值链的攀升提供了新的契机，为促进实体经济高质量发展提供了坚实保障。当下中国制造产业如何进行智能制造升级是该领域持续关注的话题。

子网3智能制造使能技术的相关研究。主要研究热点包括人工智能、智能制造系统、机器人等。早期杨叔子等通过集成人工智能与制造技术，提出了一种新型的制造工程——智能制造技术（IMT）与智能制造系统（IMS）[22]，极大地提高了制造过程的自组织、自学习和自适应能力。进入21 世纪后，随着中国人口红利褪去和要素成本上升使得传统比较优势的日渐消失，制造业成本急剧增长，企业开始将目光转向智能技术并大规模使用智能装备对生产系统改造，以“技术红利”替代“人口红利”，从而实现以减员增效为目标的“机器换人”[23]。由此便引发了学者们关于智能制造是否会带来大量工人失业问题的思考。

子网4智能制造信息技术的相关研究。主要研究热点包括大数据、物联网、数字孪生、云计算等。当今以大数据、互联网、云计算等为主的信息技术正引导着新一轮的工业革命，利用这些前沿的信息技术进行制造业改造升级已成为各国共识。信息技术作为制造业智能化转型的动力引擎，给企业原有的生产与服务模式带来巨大转变。企业借助信息技术的“杠杆效应”，抢占行业有利地位，获取竞争优势。然而，尽管信息技术带来的万物互联可实现对生产过程的自动管理与控制以及制造资源的数字化共享，但企业与客户在云平台上存储与分享的核心机密等数据信息也存在着丢失、损毁及窃取等风险[24]。由此可见，互联网时代制造企业的信息安全问题需受到学者们的重点关注。

子网5智能制造与智能工厂的相关研究。主要研究热点包括数字化车间、数控系统等。在全球制造业智能化热潮下，智能工厂作为智能制造的重要实践领域，受国家与企业的高度重视，众多实力强劲的制造企业已开始对智能工厂的建设布局，例如，德国西门子安贝格电子工厂，经过长年数字化的基础铺垫，已成为智能化未来工厂典范；美国特斯拉的“超级工厂”，将互联网思维完美地融入进汽车制造，把汽车做成了一个包含硬件、软件、内容和服务的体验工具；中国海尔集团也已建成工业4.0示范工厂，包括沈阳冰箱互联工厂（全球家电业第一个智能互联工厂）、郑州空调互联工厂（全球空调行业最先进的互联工厂）等。像这样成功的案例有很多，但也有不少的企业在建设智能工厂过程中步入误区，比如盲目地购买自动化装备，却没有与之相匹配的软件系统以及管理体系；又或者企业自身信息化水平较低，无法对智能设备进行实时管控等。制造企业智能化是一个过程，当下企业如何“因企制宜”推进智能工厂建设是该领域的一个热点话题。

子网6智能制造与企业的相关研究。主要研究热点包括产教融合、中小企业、企业集成等。企业作为执行智能制造的主体，既是智能制造的投资者，也是受益者。所以，智能制造的微观层面研究自然着眼于企业。然而，目前学术界关于智能制造相关的研究话题，多偏重于汽车、机床、冶金、化工等大中型工业企业，而鲜有基于中小型企业智能制造开展研究[25]，且相较于大中型制造企业，中小型企业一般信息化水平较低，需要承担较大的“试错成本”。难免会形成一种“大型企业唱戏，中小企业围观”的尴尬局面。不仅如此，中国智能制造领域存在“单打独斗”的普遍现象，各企业之间缺乏互联互通，供应链上下游协调性较差[26]。因此，中国制造企业急需构建系统化的智能生态，并思考中小企业智能制造落地实施的总体谋划和实现路径。

结合WOS 与CNKI 中智能制造领域研究现状以及热点关键词与主题领域分析，可以发现它们的研究热点在多方面存在差异。具体表现为：WOS 中智能制造研究起步早、发展快，体系构建较CNKI而言比较成熟，在理论研究方面CNKI 中的研究主要是对制造业智能化现状的综述性描述、智能装备技术的浅层分析和企业转型路径的简单探讨，而对于智能核心技术领域的底层算法设计研究十分薄弱，研究深度明显不足。在实证研究方面，CNKI 中的研究主要是对先进制造经验的借鉴性研究，缺乏具体结合企业案例的实证数据支持。此外，与WOS 相比，从发文量和研究主题来看CNKI 中的智能制造研究表现出滞后效应，例如，2012年之前WOS数据库中已出现大量基于算法等优化技术在智能制造系统中的应用研究[27-28]，而CNKI 中仅有为数不多的关于智能制造系统与技术的综述性研究以及智能制造发展现状思考[29-30]；2004年WOS数据库中已有学者开始意识到绿色生产力是智能制造可持续发展关[31]，而CNKI 中直到2010年才有学者提出绿色智能制造是中国智能制造发展之路[32]。

5 智能制造前沿动态研究

5.1 脉络演进分析

热点关键词知识图谱直观地显示了智能制造领域研究热点之间的相互关系，然而某一领域的研究热点往往会随着时间的迁移而发生一定的变化，智能制造领域研究热点的发展与演变过程却无法知悉。因此，本文借助CiteSpace软件绘制智能制造领域脉络演进图，如图9，以此梳理各时间段热点关键词的传承关系，从而分析智能制造领域研究热点的演变历程。

图9 智能制造研究演进脉络图

图9中圆环的大小代表关键词出现的频次，从时间序列图可以看出智能制造领域具有鲜明的时代特征。具体可以分为三个发展阶段：

首先2004年之前是第一阶段，20世纪80年代，人工智能技术在制造业领域初步应用，WOS 中智能制造领域学者纷纷基于模型、算法方法研究智能制造理论内涵，为早期智能制造系统设计及实现奠定了大量基础。CNKI 中的学者也积极投入先进制造技术研究，并逐步推动制造业数字化向网络化转变。

其次2005—2011年为第二阶段，在此时期，WOS中的学者更深入地进行智能制造的系统及技术研究，研究还包括企业智能管理、智能制造对环境的影响等。但由于中国信息基础设施建设不够完善，使得这一时期的智能制造未能广泛开展应用，从而CNKI中的学者们对智能制造关注度相对较少，受国家相关政策影响，战略性新兴产业和高端装备制造业等引起了学者们的关注。

最后，2012 年至今为第三阶段，这一时期，美国在2012 年发布了《先进制造业国家战略计划》；在2014 年中德两国发表《中德行动纲要》；在2015年，中国国务院发布《中国制造2025》等。自德国“工业4.0”战略公布后，世界各国学者再一次意识到了智能制造的重要性，随着物联网、大数据、数字孪生、云计算等新兴信息技术的快速发展，智能制造有了一定的技术支持，成为当前各个领域的关注焦点。

5.2 前沿趋势分析

尽管上述基于CiteSpace绘制的脉络演进图能够有效厘清智能制造领域随时间推移的演变历程，但却无法揭示该领域具有价值的研究方向或潜在的研究领域。据此，Kleinberg 提出的突现词监测（Burst detection）算法可以准确地检测出在短时间内快速增长的专业词汇[33]，也就是突现词，通过分析这些突现词的分布情况与变化特性可以把握、预测所研究领域的发展动向。本文借助CiteSpace 软件提供的突发词探测技术，统计出智能制造研究领域高突现度关键词，具体见表5。

综上，在结合智能制造热点演变时序图与CiteSpace软件所提供的关键词突现值基础之上，对智能制造未来趋势预测如下：

（1）智能制造系统。智能制造不是简单的自动化，而是制造业以智能制造系统为载体，借助信息技术使整个制造过程与服务流程变得智能化、人性化。在传统的智能制造系统中，人和系统的关系可以被认为是“授之以鱼”，而在新一代智能制造系统中，人将部分学习型的脑力劳动转移给制造系统，让制造系统具有了“认知能力”，人和制造系统的关系逐渐变成了“授之以渔”。目前，国际上智能制造系统的建构仍以发达国家为主。例如，德国的工业4.0系统与美国GE公司的工业互联网系统，具有较为成熟的工业自动化和信息化系统支撑。从突现率的表现来看，智能制造系统仍然是智能制造领域的前沿关注点，中国必须抓住新一代信息技术与制造业融合发展带来的新机遇，以重视“软”的先进信息技术整合和提升“硬”的制造过程的效能和效率来发展智能制造系统，才能推动中国制造业从跟随、并行向引领迈进，实现“换道超车”、跨越发展。

（2）新一代信息技术。主要是指物联网、云计算、大数据、5G等信息技术。物联网让设备与设备之间、设备与人之间互联互通；云计算为制造过程提供智能决策，是智能制造的大脑和神经中枢；大数据为智能决策提供依据，是智能分析的基础；5G 则完美融入进物联网、云计算、大数据等，并为它们提供强大的数据传输速率。在新一代信息技术的支持下，企业的生产模式将发生变革，例如，5GAR技术培训员工，机器视觉技术检验不良品等，产品也将变得更加智能。可预见，新一代信息技术必将成为未来制造业发展的新型驱动力，是当前智能制造领域一个不可忽视的优先研究领域。

表5 智能制造高突现度关键词统计

（3）绿色智能制造。从世界工业发展史来看，工业化进程不仅使人类的生活质量有了很大的改善，也带来了难以治理的生态污染。工业绿色化发展已然成为国际社会的大势所趋、潮流所向。《中国制造2025》中明确提出全面推行绿色制造以及“努力构建高效、清洁、低碳、循环的绿色制造体系”的发展思路[34]。要求制造业智能化进程中必须转变原有的高投入、高损耗、高排放的发展模式，进而构筑一套完善的绿色智能制造体系。WOS 中智能制造研究领域已呈现环境、可持续等高突现度关键词，而CNKI中的关注度却较少。未来随着国家宏观政策的不断完善及相关技术的不断创新，绿色智能制造必将成为智能制造一个新的发展趋势。

（4）企业智能管理。目前智能制造领域多聚焦于研究智能制造系统与技术，往往忽视了企业的智能管理问题。然而，智能制造不仅体现为生产流程的智能化，还很重要地体现为企业内部流程的再造及企业管理的智能化。作为智能制造的实践者，企业必须建立完善的快速反应机制，健全智能管理体系，才能有效推进企业的智能化进程。现如今众多企业虽大规模地采用智能装备来进行制造生产，却经常发现这批智能装备多数存在利用率低等情况，原因就在于这些设备与企业管理的不匹配。目前，全球领先的制造企业在加大智能制造技术投资的同时也开始注重对企业智能管理的投资。企业的智能管理在智能制造中的重要性日益提高。因此，智能制造的发展不能狭隘地停留在前沿制造技术的突破，而也要在企业的智能管理中寻求突破。

6 研究结论

本文以Web of Science收录的2001—2020年的2 636篇英文文献和中国知网收录的2001—2020 年的1 238篇中文文献作为研究对象，对智能制造的研究现状、热点和趋势进行文献计量分析，得出如下结论：

第一，从文献数量来看，2017年之前WOS中的智能制造发文量逐年有高有低，未曾出现明显大起大落，直到近年来，随信息技术发展，发文量呈迅猛增长趋势。相较于WOS，CNKI 中的智能制造研究在2012 年之前关注度偏低，发文量较少。但在2015 年中国国务院发布《中国制造2025》国家战略后，发文量呈“井喷式”增长。总的来说，越来越多的学者开始投入智能制造的研究，标志着智能制造领域的快速发展。

第二，从期刊分布来看，目前WOS 中的智能制造研究已形成较为稳定的核心期刊群，其中International Journal of Advanced Manufacturing Technology，International Journal of Production Research等刊发了较多关于制造系统及自动化、制造过程控制、人工智能技术等方面的文章；CNKI 中《制造技术与机床》等刊发了较多关于智能制造技术创新以及智能制造装备改进的文章，《中国职业技术教育》等发文重点倾向于智能制造的人才培养，这也说明了学者们已从各个角度对智能制造展开研究。

第三，从高产作者和研究机构来看，WOS中现已形成多个智能制造核心研究团体，例如以Wan Jiafu 等人为核心的团队致力于研究工业大数据、信息物理系统等技术在制造中的重要应用等。CNKI中智能制造领域的核心研究团体有以姚锡凡等为核心的华南理工大学制造过程计算机控制研究团队等。相对于WOS，CNKI中智能制造领域作者间的合作更为松散，各个学术团队之间联系较弱。研究机构普遍以工科院校为主，核心机构与核心作者分布也较为一致。

第四，从热点技术看，智能设计、智能生产、智能管理、智能服务4 个方面是WOS 中智能制造领域研究热点，而CNKI 中的智能制造热点关注与WOS 相比有所差异，CNKI 中的研究基于国家宏观层面、产业中观层面、企业微观层面，研究主要包括对制造业智能化现状的综述性描述、智能装备技术的浅层分析和企业转型路径的简单探讨，相较于WOS，CNKI 中关于智能核心技术领域的底层算法设计研究十分薄弱，研究深度明显不足，且相关研究存在一定的滞后效应。

第五，从前沿趋势看，“智能制造系统”“新一代信息技术”“企业智能管理”“绿色智能制造”将会是未来智能制造发展的4 个重要方向。智能制造的发展需要新一代信息技术的重要支撑与推动，也需要科技人才不断地对智能制造系统进行改进提升，当然在智能制造推进过程中也不能总是聚焦于技术的研发创新，也需关注企业的智能管理问题，最后，无论智能制造如何发展，必须以“绿色智能制造”作为首要前提。后续专家学者再做智能制造领域相关研究时可以上述4 个方向作为重点关注对象。