传统制造业精益数字化水平评估方法

荆树伟，冯月，阎俊爱，牛占文

（1.山西财经大学管理科学与工程学院，山西太原 030006；2.天津大学管理与经济学部，天津 300072）

1 研究背景

智能制造是我国传统制造业重塑核心竞争力、实现高质量发展的必然选择。我国传统制造业虽有“世界工厂”的美称，但“大而不强”，仍处于“微笑曲线”的底端，产业价值链的顶端仍由欧美等发达国家占据主导地位。目前，发达国家的“再工业化”进一步拉大了与发展中国家的差距，我国传统制造业的发展也面临着巨大的挑战。我国传统制造业凭借低成本要素建立起来的竞争优势逐渐丧失，以印度、柬埔寨为首的东南亚、南亚国家以更为低廉的劳动力成本抢占了我国制造业原本就比较微薄的利润。信息技术、互联网的快速发展给传统制造业的创新发展带来了新的机遇与挑战，在互联网浪潮的冲击下，消费者需求从过去的大批量共性消费向个性化、定制化消费转变，标准化、规模化的生产模式已无法满足多元客户的需求。这种市场需求的变化，迫使传统制造业向个性化、定制化的生产模式转化。智能制造是实现这种转化的必由之路，即对传统制造系统进行数字化、网络化、智能化升级，变革生产方式，创新商业模式，才能快速响应客户需求，适应市场需求，提升核心竞争力。而智能制造是一个复杂的系统，不仅需要技术标准化等生产技术方面的配套，还需要相关市场主体之间的互联互通及其与生产技术的配套。传统制造业的精益化已不能满足传统制造业向智能制造转型升级的需求，需要精益化与数字化的双重支撑，即精益数字化的支持。

精益数字化是精益化与数字化相结合的产物，是传统制造业实现智能制造的基石。数字化转型是实现智能制造的基础，是传统制造向智能制造发展的必经之路。学术界、咨询界和企业界对数字化有着不同的理解，但共通的认知是，企业的数字化转型不仅仅是现代化技术、信息技术的引进，更是企业核心业务流程、员工、组织活动与利益相关者交流方式的一种系统性变革。对于当前我国传统制造业来说，数字化转型最重要的是认识升级而非信息升级。精益是智能制造的基石，也是企业数字化转型的思想基础，在数字化的背景下，精益的运用变得更加高效，同时精益也为企业的数字化转型提出了新的要求。精益与数字化转型之间的关系也可看作“方法论”与“使用工具”的关系，前者是理论指导，后者是实现手段。只有精益而没有数字化，则精益无法得到有效落实，无法从根本上改变我国传统制造业的弊端；若不以精益为前提来推行数字化转型，则转型基础不牢固、转型成功的可能性较小，且很可能是空费精力而徒劳无功，甚至会出现“开倒车”的现象。精益数字化将二者有机结合起来，既包含了数字化与精益的特征，又体现了二者相互促进的作用机理，通过订单信息与自动化生产设备的交互来实现“拉动式”、定制化生产便是精益数字化的一种具体体现。在传统制造业中推行智能制造的根本目的是促进制造业转型升级、实现高质量发展，以重塑传统制造业的核心竞争力，而精益化的生产模式是传统制造业优化生产系统和降低生产成本的重要途径，企业只有建立了精益化的运营系统，才能夯实依靠数字化驱动向智能制造转型的基础。由此可见，精益数字化是传统制造业实现智能制造的重要途径，精益数字化水平是衡量智能制造水平的关键指标，也是促使传统制造业向智能制造转型的突破口。如何科学评估传统制造业企业的精益数字化水平，是传统制造业全面了解自己、发现问题、寻找差距，进行有效纠偏的重要手段。

基于此，本研究在已有研究的基础上，基于智能制造背景，立足于如何科学评估传统制造业的精益数字化水平，进行传统制造业精益数字化水平评估的指标体系与方法研究，以期为企业管理者精准把握现状、科学决策提供依据。

2 文献回顾与影响因素分析

2.1 精益数字化的内涵

精益管理是以客户满意度为带动，以消除奢侈浪费和持续不断的改进为关键，以最少的资金投入使得成本费用和运行效益得到明显改进的管理机制。常若涵等［1］提出企业精益思想的导入可通过内部整合作用于质量、成本、交付、柔性4 个维度，以精益支撑的管理及生产变革正在为企业注入强大的生命力。在当下互联网及信息技术的发展新常态下，由于精益管理缺乏信息系统的支持，使得企业的改进及发展存在很大局限性，由此精益数字化应运而生。精益数字化专注于应用数字化技术实现精益方法论在制造全生命周期过程中的落地。精益思想与数字化推进不只是简单的融合，二者是相辅相成的。一方面，数字化的实施需要精益为基础，在推进数字化过程中嵌入精益思想，企业就可提供高效的服务和创新的数字解决方案，同时保持恒定的资源容量［2］；二者除在过程中相互促进支撑之外，二者的目标也是重叠的，这些重叠部分包括追求高质量、低成本、缩短交货时间、提高生产安全和员工积极性［3］。另一方面，企业数字化推进需与精益管理的思想体系相匹配协调，才可能最大程度地增强市场竞争力并带来价值的增值，数字化的速度过快会带来很多问题［4］。此外，在回顾传统制造业精益化与数字化之间的关系时，应肯定现代先进制造技术的作用，制造技术使制造商能够分析任何关键数据，有效规划未来的生产活动并合理调度资源［5］。精益数字化在传统制造业智能转型中发挥着重要作用，可通过有效利用自由流通的数据提高企业生产率、促进供应链协同、优化采购销售等环节、改进创新过程与模式、复杂流程自动化、优化产品生命周期及改变识别浪费的流程等方式［6-9］，最终真正给企业带来重大改观，使企业真正适应环境变化并持续不断获得效益增值。由此可见，精益数字化是将精益化与数字化融合，即以精益为基础并贯彻始终，运用精益的理念、工具、方法，并借助数字驱动赋能，实现制造过程的高效流动连接，在制造装备上以相协调和匹配的形式进行集成和深层次的融合，最大程度上实现高效、高质、可控、保证安全生产，尽可能从企业内部“挖金矿”、强内控、降成本、增效率的新一代生产管理模式。

2.2 精益数字化的影响因素

精益数字化是精益化与数字化的深入融合。已有关于精益数字化影响因素的探讨主要集中在以下3 个方面：第一方面从精益化视角，Basu 等［10］通过审查精益制造实施的整体框架并详尽调查精益生产的投入和产出表现，发现技术和人力投入是精益制造的必要投入；还有很多学者也强调财务、技术和人力资源是企业有效和成功实施精益所需的重要资源［11-13］；Stadnicka 等［14］提出随着新制造技术、新组织方法和新制造工具的实施，员工需在知识和态度上深入参与和对新环境有充分的准备，并且所有参与者均需对不同精益制造主题和工具有深层次的理解；除了内部人员的全面参与外，合理引入外部的人才与知识也相当必要，Ringen 等［15］认为需要聘请外部专家来保留培训课程并协调精益项目；在硬件配备齐全的基础上，更要注重软实力的支撑作用，DeSanctis 等［16］研究精益壁垒过程中发现，保持精益文化比建立精益文化更为重要，并强调管理层应加强整个组织的精益文化。第二方面从数字化视角，Pessot 等［17］通过对制造型企业员工深入访谈和对调查结果的广泛分析，提出可以从战略、组织、管理和技术4 个维度描述转型升级的驱动因素；Schumacher 等［18］在研究工业4.0 成熟度模型中提出，战略、人员、运营、治理和领导力等都是需要被考虑的维度；Gill 等［19］在研究制造业数字化成熟度模型中发现，文化和组织是转型过程中不可或缺的推动引擎；Akdil 等［20］将制造业数字化成熟度和准备度模型建立在战略和组织、智能产品和服务以及智能业务流程3 个维度上；Porter 等［21］也着重分析了智能产品助力转型的作用机制。第三方面从运营管理视角，数字化转型还应考虑管理和运营方面的因素［22］，如Theorin 等［23］认为上层组织需要详细了解系统体系结构的布局，避免系统布局僵化，运营中要确保应用程序和设备的耦合以及结构信息之间的集成；Vinodh 等［24］提出团队成员也要积极参与分析问题产生的原因；Pessoa 等［25］也强调了运营变革的重要性，变革具体包含从产品设计和开发过程，到制造和供应链管理，再到营销和处置。此外，还有学者指出数据在智能转型过程中发挥中介和核心作用，要提升收集数据或使用数据的能力，同时还应建立安全管理和主动防护措施［26］。

综上所述，国内外学者均强调了精益化和数字化的重要性，并且有关精益数字化影响因素的探讨多集中于精益化、数字化、运营管理3 个方面，基本可以总结为精益数字化的推进需企业生产管理活动中各个环节的均衡支持。已有研究为本研究提供了有益的思路和参考，但已有研究中对精益数字化的影响因素缺乏全面的归纳分析，因此，本研究参考现有的学者观点，试图在解析精益数字化内涵的基础上，立足于投入-过程-产出生产运作过程，系统地提取精益数字化驱动因素，并构建精益数字化水平评估指标体系，以期科学、合理评估传统制造型企业精益数字化水平并为其可持续发展提供新的理论支持。

3 精益数字化水平评估指标体系构建及评估标准确定

3.1 精益数字化水平评估指标体系构建

精益数字化是在精益化的基础上融入数字化，强调二者的有机互动和双向支持。精益数字化的表现或核心特征为：第一，精简多能的员工队伍。采用先进的加工设备、架构精简的员工管理结构，在减少所需员工的同时最大限度地提高机床的生产率，并定期对员工进行多项操作技术及精益数字化文化的培训，以熟练应对复杂的生产过程。第二，物资流合一。在生产过程全生命周期内，班组、车间及时反馈生产加工信息，库存管理灵活化，最小化浪费，精准控制物料有序流动，做到业务流程之间有效对接。第三，高精度同步化作业。以贯彻标准化为基础的原则，合理化人员机器匹配比，进行多机床操作、多工序运作、多车间管理，依托于信息系统间的集成与交互，实现生产过程的高精度同步化作业及作业间价值的有序流动。第四，高柔性化、高自动化生产。以生产线信息和生产信息管理系统的双向传递为基础，运用柔性自动化生产设备及自动化控制管理技术，同时辅以各先进工艺设备间紧密耦合以及自动生产线间相互联动，在有机连接的流水线上畅通生产信息流，高效节能地服务于顾客。第五，生产运作以顾客需求为导向，以市场变化为准绳。充分利用先进技术迅速搜集、存储、分析海量的结构化和非结构化数据，及时洞悉市场变化并科学预测用户需求，以现场为载体实现“拉动式”生产，生产出优质、多样、定制化且适销对路的产品。这些特征表明，精益数字化是从思想到行动、从生产信息到生产管理的系统性变革的过程，这也进一步决定了精益数字化变革需紧紧围绕“人机料法环”逐个突破，即源头上对企业的生产全流程进行梳理优化，因而精益数字化水平的评估也需着眼于“人机料法环”这5 个方面。

本研究结合传统制造企业的行业特点以及《中国制造业企业数字化实践白皮书》和“德国工业4.0”的要求，同时立足于精益数字化的基本内涵，并在上述从精益化、数字化、运营管理视角分析已有关于对精益数字化影响因素的相关研究基础上，考虑精益化和数字化融合过程中对“人机料法环”的要求，从企业的投入、过程、产出3 个环节出发构建评估精益数字化水平的指标体系。首先，优质的投入是精益数字化达到预期效果的必备基础，确保人员、机器设备、法则的有效投入显得尤为重要。主要考虑人员数字化素质培养、数字基础设施建设、制度建设3 个方面。其次，标准且流畅的过程控制为精益数字化提供了必要的支撑。过程中保证原材料、半成品及成品等物料的顺利对接是实现精益数字化的要点之一；此外在满足了基本生产环境标准化的基础上，还需充分利用数字信息数据以营造高效运营的生产环境。主要考虑物流-供应链智能一体化、数字信息利用2 个方面。最后，精益数字化的目标也即产出，需落地到在精益思想指导的基础上融入智能信息技术后生产流程、产出产品的改善程度上；此外，国家对传统制造业智能转型提出了绿色化的新要求，智能化需与绿色化并肩同行，因此实现绿色生产也是精益数字化的一个重要目标。主要考虑生产改进、数字产品、生产绿色化3 个方面。综上，在构建评价指标体系时，投入和过程2 个环节分别考虑了人机法和料环5 个关键影响因素，产出环节考虑了生产、产品、绿色3 个目标，共选取8 个一级指标，并在此基础上细化为23 个二级指标（详见表1 前3 列）。

3.2 精益数字化水平评估指标标准确定

科学确定指标的评估标准是得出合理结论的第一步。本研究根据传统制造业精益数字化水平具有相对模糊性这一特点，根据模糊集理论，将指标的等级划分为“很高、较高、一般、较低、低”5 个等级。为使评估结果能较为科学地反映样本企业与转型标杆企业间的差距，定量指标等级设定中5 个等级参照相关政策文件要求以及精益数字化推进表现出色的企业在相应指标上的表现，如日本丰田汽车公司、中国美的集团、中国蒲惠智造科技有限公司等；而定性指标的等级划分为简便起见，选定4 个区间分割点，分别为60 分、70 分、80 分、90 分，划分成5 个得分区间。此外，为使等级划分标准更贴近企业实际，在等级标准确定过程中结合了精益专家的知识和经验，专家对标准划分给予了帮助和指导，进一步确保了评估标准划分的合理性。根据指标类型及获取方法的不同，将指标分为定量指标和定性指标分别进行阈值确定。经综合分析确定，等级标准划分详情如表1 所示。

表1 企业精益数字化水平评估指标等级标准

表1 （续）

4 评估模型构建

本研究基于直觉模糊熵和模糊集对分析（FSPA）构建传统制造业精益数字化水平的评估模型。直觉模糊熵是确定指标权重的重要方法，其中数据来源是专家对各指标的问卷评分结果，如非常重要、重要、一般等，将此类模糊语言标度转化为直觉模糊数的转化标准参照相关文献［27］（见表2）。而模糊集对分析是研究不确定性问题的重要方法，其充分考虑了等级边界的模糊性和指标的权重，从而使评估结果更加稳定合理［28］。本研究依据FSPA 理论对传统制造业精益数字化水平进行评估，在张洪亮等［29］应用的集对评价模型的基础上，考虑到专家打分的主观性，将专家打分设为区间打分；且为更好地考量指标的不确定性，运用模糊联系度公式计算指标集对联系数。该方法的整体运用思路为：首先，专家依据各指标的区间标准对企业各指标的现状进行模糊打分；其次，应用未确知有理数法对各专家的打分结果进行加权；最后，依次计算二级指标、一级指标、综合评价集对联系数，进而确定精益数字化等级水平。

表2 模糊语言术语与其相应的直觉模糊数

假设有m位专家或企业管理评分人员、n个评价指标，模型的计算步骤具体如下：

（1）构建直觉模糊矩阵。第一步，将专家的模糊评价语言标度转化为直觉模糊数，转化标准如表2 所示。第二步，根据转化的各位专家对每个指标的评价直觉模糊数，构建直觉模糊矩阵A，A中的元素为aij，aij=［μij，νij］，其中μij为隶属度、νij为非隶属度。

（2）构建模糊区间决策矩阵。将直觉模糊矩阵转化为模糊区间决策矩阵，中的元素为rij，rij=，其中。

（3）)确定指标客观权重取值范围。第一步，将模糊区间决策矩阵R 标准化。标准化矩阵的元素依据以下两个公式得到：

第二步，依据以下两个公式计算标准化矩阵各元素区间数的信息熵：

第三步，根据式(7)～式(10)确定各指标的客观权重取值范围：

（4）确定各指标最优客观权重。构建如下线性规划目标函数，运用MATLAB 求得最优权重向量，即。

（5）确定各指标的主观权重。假设各位专家的评分重要性一样，即各位专家的权重λi一样，即λi=1/m，则各指标的主观权重通过如下公式算得：

（6）确定各指标综合权重。根据下式计算各指标综合权重：

（7）确定二级指标集对分析联系数。将二级评价指标区分为成本性指标和效益性指标，利用模糊联系度公式计算各二级评价指标的集对分析联系数，根据5 个评价等级计算五元联系数。其中，对于效益性指标，指标测量值在分级标准下的联系数表达式为：

其中：

对于成本性指标，指标测量值在分级标准下的联系数表达式为：

式（17）（18）中：s1、s2、s3、s4、s5分别为1～5级分级标准的限值；xt为各评价指标的实际值；的下标s为第s个指标，t为第s个一级指标下的第t个二级指标。

（8）确定一级指标集对分析联系数。计算公式如下：

（9）确定被评价对象的综合评价集对分析联系数。计算公式如下：

（10）确定被评价对象精益数字化等级水平。根据集对分析联系数的均分原则，将落在区间［-1，1］内的联系数i1、i2、i3、j等分为4 份，从左到右的4 等分点依次为j、i3、i2、i1。如j=-1 时，那么i3=-0.5，i2=0，i1=0.5，此时就可以算出二级评价指标、一级评价指标、综合评价系统3 个层次的联系数主值。再将区间［-1，1］根据划分的等级标准同样划分为5 等份，从左到右依次为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级，最后将综合联系数与5 个等级区间相对比，确定企业精益数字化的等级水平。

5 案例应用

为了进一步验证评估模型的科学性和有效性，本研究选择某A传统制造企业（以下简称“A公司”）进行案例应用研究。A公司是我国装备制造业的领军企业，顺应国家政策趋势，推动新旧动能转化，通过发展新技术、新产业、新业态、新模式，实现产业智慧化、智慧产业化、跨界融合化、品牌高端化，努力实现由高速发展向高质量发展的转变，建有国家智能制造示范基地，以客户满意为宗旨，向国际一流品质看齐，以率先打造全球一流的高端装备制造企业为目标。此外，A公司的转型之路已经历了10 余年，近年来充分运用校企合作、企业培训基地、在线学习平台等多种资源，搭建起了领导力、企业文化、精益、质量等8 个模块培训体系，开展面向不同群体的多种形式的培训，并借助于与国际企业合作取长补短，紧紧围绕自动化、数字化、人机交互视频化三方面向高质量转变，研讨“客户满意”核心价值观统领下的生态建设，推进企业智能转型。

5.1 定性指标的预处理

定量指标数据源于A公司的真实数据；定性指标源于精益管理专家和企业管理人员的模糊评分，在模糊评分的基础上借助未确知有理数法确定具体分值。假定评分人员的可信度均一样，设可信度λ=0.5，邀请5 位A公司的精益管理咨询专家及高层管理人员依据指标等级标准对A公司在所有指标上的表现进行模糊评分。未确知有理数确定精确分值的方法具体为：以定性指标I23为例，5 位评分人员对该指标依次评分给出的分值区间分别为［83～88］、［80～85］、［85～87］、［80～83］、［80～84］，得到没有交集的新得分区间，再根据比例分配法确定新得分区间的可信度，利用新得分区间和算得的可信度表示该指标的未确知有理数。即：

最后计算出未确知有理数的期望值为83.5 分，该期望值即为该定性指标的精确评分。

5.2 精益数字化水平评估

（1）指标权重的确定。为确定所有精益数字化水平评估指标的权重，同时邀请5 位评分人员对所有指标相对于精益数字化的重要性进行了重要性评分。指标评分采用五分计数法得到指标重要性评分表，再据此运用式（1）至式（16）计算所有指标的权重。假设主观权重=0.95，各指标的权重计算结果如表3 所示。

表3 A 公司精益数字化水平评估指标权重

（2）精益数字化等级水平评估。根据未确知有理数法确定出定性指标数值并计算出定性指标的得分（见表4），依据A公司2019年相关数据资料填写定量指标数值（见表5）。针对各指标的得分情况，结合直觉模糊熵确定出的指标权重，运用模糊集对分析方法计算一级、二级指标及综合评价下的五元联系数。

表4 A 公司精益数字化水平评估定性指标得分 单位：分

表5 A 公司精益数字化水平评估定量指标数值

一级指标的集对分析联系数如下：

在一级指标集对联系数的基础上，结合一级指标的指标权重，可以算得A公司数字化转型升级水平综合评价的五元联系数：

根据集对分析理论，式（32）中的差异度系数i的取值范围为［-1，1］，按照特殊值法取中间值的原则，分别取i1=0.5、i2=0、i3=-0.5、j=-1，据此可得一级指标和综合评价的集对分析五元联系数的主值；同时将［-1，1］均分为五等分，分别代表企业精益数字化水平的5 个等级，将指标的五元联系数主值与5 个等级区间进行比较，就可得出企业一级指标的等级水平，即运作系统各个环节的等级现状以及企业综合评价下的等级。具体评价结果见表6。

表6 A 公司精益数字化水平评估联系数主值与评价等级

5.3 结果分析

在运用模糊集对分析方法评估传统制造业精益数字化水平过程中，指标权重对评估结果非常关键，不同的指标权重可能造成最终评估结果出现偏差，因此有必要对指标权重进行敏感性分析，以确保运用模糊集对分析方法评估转型升级水平结果的稳健性和有效性。本研究采用摄动法进行敏感性分析，对18 个定性指标的权重予以波动，设定标准权重在-10%～10%的范围内以2%的大小增加或减少，指标权重扰动系数为ξ，则ξ的取值范围为［0.9，1.1］，即某各指标权重wj变化时，其余权重予以适当波动，变化系数为θ=(1-ξwj)/(1-wj)。共进行了180 次实验，分析实验结果可得，综合评价联系数主值维持在［0.2，0.6］范围内，转型升级评估等级结果均为Ⅳ级，即“较高”，且与A公司当前的实际转型现状相吻合。由此说明，本研究构建的评估模型对指标权重并不敏感，指标权重发生合理波动时，评估结果不会发生变化，模型是合理且稳健的。

因此，表6 的结果是合理的。根据表6 对A公司智能转型过程中的各个环节及综合水平进行分析可知，数字化生产改进模块成效最佳，达到了Ⅴ级，即“很高”的等级水平；数字化基础设施、制度建设、数字化信息利用、物流-供应链智能一体化、数字化产品、生产绿色化6 个环节模块取得的成效较好，达到了Ⅳ级，即“较高”的等级水平；而相对来说，数字化人员素质培养环节成效一般，表现为Ⅲ级，等级水平为“一般”，是A公司精益数字化推进的短板所在。综合分析8 个模块，A公司的数字化综合转型升级等级水平表现为“较高”，达到了Ⅳ级，总体来说转型推进已取得不错的成绩，但距离最优的效果还存在一定差距。A公司需重点关注生产人员的技能素质培养，在提高硬实力的前提下也要注重整体软实力的提升；此外，数字化基础设施、制度建设、数字化信息利用、物流-供应链智能一体化、数字化产品、生产绿色化等环节也需结合企业实际情况制定合理、恰当的进一步改进措施，力争达到很高的等级水平，与此同时需继续保持数字化生产改进方面的优势。

6 结论

向智能制造转型是传统制造业自身发展的现实需要，但不可否认，如何破解转型难题并助力其在工业4.0 的浪潮中占据制高点是当前亟待解决的难题。针对此种局面和需求，本研究探讨了传统制造业在精益化和数字化双重支撑融合下的智能制造转型驱动因素，构建了涵盖员工素质、基础设施、制度建设、数据信息利用、供应链协同、生产改进等8 个方面的精益数字化水平评估指标体系，并构建了基于直觉模糊熵和模糊集对分析的传统制造业精益数字化水平评估模型，且详细阐述了该评估模型运用于某样本企业精益数字化水平评估的全过程。研究结果表明：第一，采用该评估模型评估传统制造企业的精益数字化水平，评估结果与案例企业实际现状基本吻合，该模型评估结果较为可靠，可解释性强，可为科学评估传统制造型企业精益数字化水平提供一个较为合理的方法；第二，企业可根据评估结果准确定位自身在智能制造转型过程中的短板所在，确定投入、过程、产出3 个环节改进不足和有待提升的部分，管理者可立足于全局视角提出有针对性的优化转型策略，有助于企业智能转型朝快准稳方向迈进；第三，基础设施配备、数字化技术或精益文化员工培训、数字信息安全管理、数字信息双向传递、数据分析、车间物流准确配送、供应链协同、生产信息流畅通及生产柔性化自动化在评估模型中权重较高，对精益数字化成效的实现影响较大，重点优化这9 个方面是推进精益数字化的关键，但管理者在做到重点关注的同时也需全局兼顾，尽量避免顾此失彼，加强全方位全链条监管。

本研究为传统制造业在复杂多变的经济环境中解决其当前发展后劲不足、发展增量缺失的问题提供了一个信号，即精益数字化，并构建了合理的精益数字化水平评估模型，望为传统制造业打破当前的僵局找到突破口。但本研究在构建评估指标体系时主要考虑内部环境的影响，尚未很好地揭示影响精益数字化的深层次因素，实际上，外部环境也是影响传统制造业精益数字化的关键因素，比如政府行为、政策实施、外部融资壁垒等，综合考虑内外部影响必可更全面地为企业精益数字化评估及规划提供更严谨的参考依据。此外，在中国情境下，有关精益数字化对传统制造业智能制造的驱动仍有进一步的研究空间，探讨精益数字化在时间维度上对智能转型的持续性作用机理和智能制造转型路径，是未来学者需要探索的一个新方向。