智能制造能力成熟度模型研究

高 亮, 吉 敏, 杨敬辉

(上海第二工业大学 a. 资源与环境工程学院;b. 智能制造与控制工程学院,上海 201209)

0 引言

2012 年以来, 随着工业互联网和工业4.0 的提出,中国也开始加快制造技术升级和产业转型的步伐: 中国工业与信息化部(工信部) 于2015 年颁发了《智能制造2025》,智能制造开始成为当代中国制造业的核心和主要发展方向。但是对于我国智能制造的发展和实施目前还未形成统一的规范和标准。

调查发现,由于中国制造业基础差,自动化程度偏低, 所以“机器换人”这个话题很热门,很多企业将“机器换人”看作是智能制造改造,不管能否带来效益就直接将机器人买回来,最后却发现机器人根本无法对其起任何作用,最终导致机器人在车间闲置,不仅没达到企业降本增效的目的,反而大大增加了企业的成本。此类现象已经普遍存在于国内大多数制造企业中,严重制约了中国大多数制造业转型升级的工作质量与发展速度。

针对中国制造业升级转型的方式社会各界有不同的看法: 有的研究人员认为学习德国工业4.0 能够很好的促进智能制造的发展,有的则觉得应该参考美国的工业互联网。但在这个问题上没有得出结论。就中国制造业的基本国情而言,工业4.0 和工业互联网均不适用于我国的发展情况。我国现阶段为工业 1.0、2.0、3.0 共存的情况,其中以 1.0 和 2.0 为主,与德国和美国相比制造业基础相对落后[1]。所以需要结合中国实际情况以及各行业特征建立适合本国国情的智能制造能力评价体系,便于指导处于不同制造水平的企业,帮助这些企业向着智能制造的方向发展从而达到转型升级的目的。

1 智能制造研究现状

随着科学技术的发展和制造型企业转型升级的需要,智能制造受到了越来越多的学者关注。周济[2]认为,智能制造是基于新一代自动化技术、传感技术、人工智能技术和网络技术, 通过智能化手段,在整个产品生命周期过程中进行智能感知、交互和执行,从而实现制造设备和制造工艺的智能化。

宋利康等[3]表示通过信息化技术与制造技术的深度融合,让生产过程具有状态感知、实时分析、自主决策、高度集成和精确执行的特点。王焱等[4]认为智能制造是整个制造系统从设备智能向生产全过程智能演进的一种生产模式, 它拥自我感知、自我分析、自我决策和准确执行4 个特点。苏贝等[5]研究发现智能制造是一种面向产品全生命周期的生产模式,其实质是提高企业管理和经营活动的创造力。杨叔子等[6]提出智能制造是在制造技术与信息技术深度融合的基础上让生产系统具备自感知、自分析、自决策、自执行等能力的制造系统。

通过研究发现, 现有智能制造的研究主要集中在技术、工程、产业政策和战略等领域。一般来说,可以分为两个方面: 一是制造对象的智能化,如产品智能化和设备智能化; 另一方面是生产主体的智能化,如生产过程和管理流程的智能化。然而,随着智能制造技术的发展和推广,企业还将面临如何实现设备与人、先进技术与先进文化以及智能制造理论与先进管理理论的融合[7]。针对目前的研究而言,缺乏对相关问题的研究[8]。

2 智能制造能力评价研究现状

针对智能制造能力评价, 各国学者和机构从不同的角度提出了相应的理论模型,例如美国的智能制造就绪度水平模型、德国的工业4.0 就绪度以及中国的智能制造能力成熟度模型。

2.1 国外智能制造能力评价研究现状

美国国家标准研究所(NIST) 提出智能制造成熟度模型[9]。该模型主要研究企业组织、信息系统、绩效管理和信息互联的成熟度,并评估企业智能制造成熟度能力水平。

德国在2015 年发布了工业4.0 就绪度模型,旨在了解各机械制造公司处于工业4.0 哪个阶段, 并指导公司朝着正确的工业4.0 方向前进发展[10]。工业4.0 就绪度模型将等级划分为6 个级别(计划外水平、初始水平、中级水平、精通水平、专家水平和行业高层),并从组织战略、智能工厂、智能运营、智能产品、基于数据的服务和人员6 个维度对企业能力进行评估。工业4.0 就绪度模型如图1 所示。2017年,德国还提出了“工业4.0 成熟度指数”,主要研究公司的数字能力, 重点评估物理信息系统(CPS)的应用[11]。作为传统的制造业强国,通过互联网与物联网的广泛应用,达到生产高度数字化、网络化、智能化目标[12]。

图1 工业 4.0 就绪度模型Fig.1 Industry 4.0 readiness model

2.2 中国智能制造能力评价研究现状

龚炳铮[13]从企业的生态环境、建设水平和效益3 个角度建立了企业智能制造评价模型,并通过综合分析评价方法对智能制造企业进行了广泛评价,同时将智能制造评价等级划分为入门级、初级、中级和高级4 个等级。尹峰[14]提出从生产线、车间、企业以及企业协同4 个维度来评价企业的智能制造能力。肖吉军等[15]创建了一个智能系统,用于从4 个维度评估制造能力: 业务运营管理水平、区域创新能力、供应链物流能力和信息连通性。任嵬等[16]将成熟度模型与石化行业的具体业务相结合,并结合智能制造参考架构和智能工厂建设实践经验,提出我国石化行业首个智能制造能力成熟度模型。任俊飞等[17]从基础资源、业务活动集成、信息融合以及持续改进4 个维度构建了智能制造能力成熟度评价体系,并将能力成熟度划分为5 个等级。苏青福等[18]结合汽车行业的特点和已有的成熟度模型,在PTRM 产能四要素的基础上,加入了文化、供应链和物流3 个指标要素,形成新的模型用于评估汽车行业生产能力的成熟度。

中国电子技术标准化研究院于2016 年发布了《智能制造能力成熟度模型白皮书》。该白皮书将智能生产的主要特征和要素分为“智能”和“制造”两个维度, 同时, 相关领域自下而上分为5 个层次(规划层次、规范层次、集成层次、优化层次、领导层次)[19]。智能制造能力成熟度矩阵如图2 所示,相关等级定义如图3 所示。

图2 智能制造能力成熟度矩阵Fig.2 Intelligent manufacturing capability maturity matrix

图3 智能制造能力成熟度等级Fig.3 Intelligent manufacturing capability maturity level

2020 年,工业和信息化部发布了国家智能制造能力成熟度模型,提出了技术(T)、资源(R)和生产能力要素(M)围绕生命周期和智能特征两个维度,同时考虑到人在智能生产发展中的中心作用,提出了人员能力要素(P), 形成了PTRM 模型(主要指标)[20]。该模型拥有12 个2 级指标和20 个3 级指标,反映了资源和技术在生产中的应用以及提高智能制造能力的过程。成熟度模型如图4 所示。

图4 国家标准智能制造能力成熟度模型Fig.4 National standard intelligent manufacturing capability maturity model

3 中、美、德模型对比

在智能制造能力评价体系构建方面, 各国均从不同角度建立了评价体系,其评价方向和要素如表1 所示。

表1 中、美、德模型对比表Tab.1 Comparison table of Chinese,American and German models

相比之下, 美国的SMSRL 评估模型本质上是对企业信息技术和通信技术集成成熟度的评估,德国的4.0 工业就绪度模型侧重于智能技术的应用。中国制造能力的智能成熟度模型,无论是由工信部还是CESI 发布的, 都反映了“产品制造生命周期”和“智能技术”,充分体现了传统贸易环节智能化改造的方法和过程。 国家模型(工信部)与CESI 模型相比增加人员因素,其核心是围绕制造企业的主要业务流程[21]。因此与国外模型相比, 中国的智能制造能力成熟度评价模型能够更全面反映企业智能制造的发展水平,从而便于企业有针对性地进行改造。

4 智能制造能力成熟度模型的优化

通过上述分析国家标准模型更加适合我国智能制造升级转型,但此模型也存在具体行业针对性不强, 不能准确反映产业的问题。因此针对不同行业成熟度模型中的评价指标也需要根据行业指标做出相应的调整。此外由于缺乏关于智能制造与先进的管理理论相融合的理论与应用方面的研究,因此在智能制造能力成熟度模型研究中也鲜有关于管理维度的评价,在评价指标以及等级设置方面也未充分考虑到国内企业发展的实际情况。

孟凡生等[22]发现,技术创新、先进的管理、人才建设等因素正在影响智能制造的发展方向,表明企业智能化和现代化转型还需要两个关键要素,即硬实力(技术创新)和软实力(先进的管理)。因此对企业智能制造能力评价需要包括技术和管理两个方面[23]。

文中也提及我国是工业 1.0、2.0、3.0 共存的情况,并且工业 1.0、2.0 企业占比较大,而我国的智能制造能力评价指标体系只对有一定制造基础企业有指导意义,在设置成熟度模型的标准起点时以“1级” (基础级) 为起点, 似乎与我国大多数企业真实的数字化和智能制造成熟度水平脱节。因此,本文建议设立一个“0 级”, 以反映此类企业的实际基础水平,从这个新的基础水平“0 级” 过渡到当前的标准“1 级”,需要巨大的努力,包括思维模式的改变[24]。并且基础薄弱的企业所面临的挑战和障碍远比那些基础相对完备的大企业要大得多[25]。2017 年,一项针对美国西弗吉尼亚州制造业中小企业的研究证实了中小企业采用智能制造的困难[26]。

因此, 如何对基础相对薄弱的企业进行评价和有效引导,不仅是模型优化的出发点,也是目前国内大多数企业所需要的。评价模型应该能够对处于不同阶段的企业进行评价和引导,最重要是在任何评估制模型中,都不能忽视制造业的本质: 以最低的成本为客户提供最具竞争力的产品。最低的成本和最具竞争力的产品决定了制造业必须不断降低成本和提高质量,以满足客户的特定需求,智能制造不能偏离这一本质。因此, 智能制造能力的评估应在评估模型指标中包括“降低成本、提高质量和满足个性化客户需求”3 个标准。欧阳生等[27]提出将精益生产与智能生产相结合的精益智能制造理论,以弥补现有智能制造理论的管理理论上的缺陷。结合精益制造理论和现有的评价模型以及我国制造业的现状提出三阶智能制造评价模型, 如图5 所示。模型将智能制造的发展划分为5 个阶段,根据阶段划分选取合适的指标用于阶段等级评价。

图5 三阶智能制造能力成熟度矩阵Fig.5 Third-order intelligent manufacturing capability maturity matrix

4.1 评价指标选择

评价指标要素参照工信部发布的智能制造能力成熟度模型结合不同阶段做出相应的调整,其评价方向仍然从人员、资源、技术、生产这几个维度出发, 因不同阶段侧重不同, 相应的指标权重在不同的阶段也不尽相同,且不同价段之间呈阶梯性发展。新模型是以精益化能力为基础,贯穿企业整个智能制造能力评价的0～5 级。在企业精益化能力发展到一定程度后必然借助自动化、数字化、智能化等技术, 同时随着企业自动化、数字化程度的提高又将进一步促进精益化能力的提升,因此各发展阶段之间是相辅相成的,所以不同阶段的智能制造能力等级起点在整个评价模型中是不同的。智能制造综合能力等级划分如图6 所示。

图6 智能制造综合能力等级划分Fig.6 Classification of comprehensive capabilities of intelligent manufacturing

4.2 评价过程

第1 步,利用层次分析法确定权重,其主要步骤有构建判断矩阵、专家意见打分、计算权重、一致性检验。

(1)构建判断矩阵。矩阵为的形式,代表指标相对于指标的重要程度,判断矩阵如下:

(2)专家意见打分。整理相关资料和内容,要求每位专家根据自身经验,比较评估各指标之间的相对重要程度,并打分赋值即将各阶段指标放在一起两两相互比较;采用相对尺度,以尽可能减少性质不同因素相互比较的困难,以提高准确度。判断矩阵打分规则如表2 所示。

表2 判断矩阵打分规则Tab.2 Judgment matrix scoring rules

(3)计算一致性。先计算判断矩阵的最大特征值

再计算一致性指标

对应于判断矩阵最大特征根λmax的特征向量,经归一化(使向量中各元素之和为1)后记为W。W的元素为同一层次元素对于上一层因素某因素相对重要性的排序权值,这一过程称为层次单排序。CI为一致性,λmax为判断矩阵最大特征值, 计算出的结果越正向接近于零,说明该判断矩阵越具备一致性,如果结果为零,则表示该判断矩阵在理论上具有完全一致性。

最后计算一致性比例CR。为了衡量CI的大小,引入随机一致性指标

若CR结果小于0.1,说明该判断矩阵的不一致程度在容许范围之内,有满意的一致性,通过一致性检验,可用其归一化特征向量作为权向量;否则不符合,需要重新构造判断矩阵,对aij加以调整。

RI为平均随机一致性指标标准值,其参考值如表3 所示。

表3 平均随机一致性指标RI 标准值Tab.3 Average random consensus index RI standard value

(4)计算权重。对判断矩阵每一行向量求积

求Mi的n次平方根

式中,Wi为权重向量。

第2 步,根据实际情况对比成熟度模型设置的等级要求对3 级指标进行打分评价,为方便后期整体加权计算各指标得分取值为0～1,其基本规则如表4 所示。

表4 成熟度满足度以及对应得分Tab.4 Maturity satisfaction and corresponding scores

3 级指标的得分为该指标实际情况对比设置的等级要求每个对应等级所得分的总和,该等级内所有条件得分的平均值达到0.8 分, 才能视为满足该级别的要求,满足低等级的要求后才能对更高等级进行评价打分。

式中:IM为该指标最终得分;L为对应等级得分;n为参与打分的等级个数。

第3 步,根据各指标得分结合权重进行加权求和得出最后得分,并判断整体智能制造能力成熟度等级。由于在计算总体分数时, 满足的等级的成熟度得分取值为1,不满足的级别按实际得分取值,智能制造能力成熟度为加权得分因此实际得分范围在1～5 分,参照国家标准其判断标准如表5 所示。

表5 智能制造能力成熟等级评判标准Tab.5 Judgment standards of intelligent manufacturing capability maturity level

计算方法如下:

式中:ωi为第i个 1 级指标的成熟度权重;ωij为第i个1 级指标的第j个2 级指标的成熟度权重;ωijk为第i个1 级指标的第j个2 级指标的第k个3 级指标的成熟度权重;IMijk为3 级指标的成熟度得分;IMM为综合成熟度得分。

上述权重确定过程为2 级指标权重确定过程,3级指标采用平均法得出权重;而精益化、自动化、数字化、智能化以及互联化这5 个1 级指标的权重则按照整体评估模型占比加权: 精益化占比1/3、自动化占比4/15、数字化占比1/5、智能化占比2/15、互联化占比1/15。

5 实例分析

为检验模型与现有国家标准模型的差异,本文选取浙江某地区的制造型企业为例进行智能制造能力成熟度分析,具体结果如表6 所示。

表6 各维度及综合等级评估结果Tab.6 Evaluation results of various dimensions and comprehensive grades

参照模型和等级要求以及企业实际调研情况对企业各维度指标进行打分,得到该企业精益化能力等级已达到2 级、自动化能力等级已达到2 级、数字化能力等级已达到1 级、智能化能力等级已达到1 级、互联化能力等级已达到1 级、企业智能制造综合能力评价等级为1 级。企业尚不具备数字化智能化的能力, 需要进一步加强精益化、自动化的能力。但使用国家标准模型进行评价同样显示该企业各维度评估等级均为1 级,难以有侧重点地对企业当前的发展提出实际建议。因此新评价模型的评价标准更为详细,且能够清楚了解企业在智能制造发展道路上所处的阶段并区分,为企业发展提供了一个清晰的方向。

6 总 结

本文主要介绍了智能制造发展现状以及国内外针对智能制造能力评价的相关研究,介绍了智能制造能力成熟度模型在相关行业应用研究,分析了我国智能制造能力成熟度模型的优缺点,并结合精益智能制造理论和智能制造能力成熟模型(工信部)提出了三阶智能制造能力成熟度矩阵。并简单介绍了层次分析法对不同阶段的指标进行权重分析的过程,通过打分的方式对各指标进行赋值将定性的问题转化为定量的分析,最后采用加权方式得出整体的分数,并结合实例进行分析验证三阶模型对于低等级企业的指导意义。之后将在三阶智能制造能力成熟度模型的基础上对智能制造能力成熟度模型的相关指标要素进行进一步研究分析,对各阶段对应的指标的评价标准进行相应的调整,对于评估方法也将进一步进行研究。