基于成熟度视角的生产设备数字化管理能力评价研究

李 君，窦克勤，周 勇，刘劲松

（1.清华大学自动化系，北京 100084；2.国家工业信息安全发展研究中心，北京 100040）

生产设备作为制造企业的核心资产，是企业获取市场的重要物质资源与保障［1］，因此生产设备的管理能力与管理水平对企业生产、经营等各项价值创造活动意义重大。《中国数字经济发展白皮书》显示，在数字化转型大背景下，数字经济蓬勃发展，生产设备的本质和内涵不断演进，其组成形态、运行方式、管理模式和管理目标均发生了根本性变化［2］。当前，我国正加快制造业领域的数字化转型步伐。2021 年3 月，工业和信息化部发布《2021 年工业和信息化标准工作要点》，明确提出强化制造业数字化转型融合标准制定，开展生产设备数字化管理与设备上云等领域的标准研究。目前全国已有千万元级别的生产设备围绕自动化、数字化、网络化和智能化等4 个主要方面提升新型管理能力［3］。我国面向数字化转型的生产设备管理虽取得了一系列积极成效，但仍处于起步阶段，存在企业生产设备管理能力不强、方法路径不清、管理价值成效难以衡量等痛点。因此，为明确数字化转型大背景下我国生产设备管理的工作要点与方向，需建立明确的面向数字化转型的生产设备管理能力成熟度评估准则，引导企业科学推进生产设备使用智能化，保障两化融合条件下生产设备的高效、稳定、智能运行。

1 文献综述

Ito 等［4］、Fang 等［5］、Biganzoli 等［6］、杜新宁等［7］学者针对不同行业的特点，对传统仪器、集成电路、大型机械等生产设备管理存在的问题研究发现，基于新型信息技术的可视化系统能够改善行业内部生产设备的运行效率。Li 等［8］从在线生产管理、离线维护管理和维护物料清单管理三方面构建了高端设备的维护、维修和运营（MRO）管理指标绩效评价模型。Gu 等［9］提出了基于大数据和物联网的电子设备管理框架，并讨论了该框架的潜在应用场景。Li 等［10］开发了一个智能设备管理平台，以解决离散型企业的设备管理和生产效率问题。Tang等［11］提出了一种融合现有多源异构电力设备相关数据构建电力设备知识图的方法，以解决数据重复、数据库去中心化、数据关系薄弱、数据更新缓慢等问题。Kowang 等［12］从多个角度研究马来西亚工业4.0 胜任力与生产设备管理（PEM）绩效之间的关系。除此之外，近些年更多的相关研究关注建筑设备的管理问题，如Ranjithapriya 等［13］、Manikandan 等［14］的研究。

相关学者和机构围绕生产设备管理能力的评价已展开了一定研究。其中，国际标准化组织的ISO55000《资产管理体系》从组织战略规划、组织与人员、资产信息、风险与回顾等4 个方面开展实现组织资产价值最大化的目标；Besiktepe 等［15］提出了一套基于模糊集理论的设施管理条件评估框架，其研究的状态变量包括平均故障间隔时间、年龄老化、设施状况指数、乘员反馈、预防性维修周期等；我国国家工业信息安全发展研究中心围绕生产设备的数据模型分类与应用、绩效评价、管理方法等方面展开了一系列研究；中国电子技术标准化研究院从人员、技术、资源与制造等3 个能力要素入手，建立了智能制造能力成熟度模型；工业互联网产业联盟（AII）［16］发布的《中国工业大数据技术与应用白皮书》从业务和技术两个角度探讨了工业大数据的实施路径和系统架构。

综合相关研究成果可以发现，生产设备管理问题已经得到了广泛关注，针对不同行业的研究也已经比较成熟，但是针对生产设备管理能力的评价多为生产设备管理中的某一个环节或某个特定领域的探讨，尚未形成系统全面的评价体系。能力成熟度模型（capability maturity model,CMM）最早由卡内基梅隆大学提出，是用于指导企业软件质量改进过程的最佳实践工具。CMM 的出发点是从事物现状出发，通过成熟度等级识别并评价组织的过程管理水平，并持续寻找薄弱环节加以改进，主要用于改进现有的软件开发过程。基于能力成熟度模型的评价方法已经成为了科技评价和科技管理的工具，已有大量研究将成熟度引入不同行业的评价，如马宽等［17］、An 等［18］、Buchner 等［19］分别对重型装备、化学工业、智能制造进行了评价。基于此，本研究从成熟度视角出发构建生产设备管理能力成熟度评价框架与体系，试图形成一套较完整的生产设备管理能力成熟度评价方法论。

2 生产设备数字化管理能力成熟度模型框架

2.1 生产设备的组成形态与生命周期

在工业化和信息化融合的背景下，生产设备的组成形态不仅包括设备物理实体本身，还包括相应的软件系统、数据模型以及管理系统。其中，物理实体是指由控制、感知、交互、执行、驱动、防护等组件单元构成的生产设备实体，是生产设备数字化管理的基础；嵌入式软件是生产设备数字化管理的执行单元，负责信息的传输、感知数据的处理以及控制命令的执行，其存在形式包括应用软件、操作系统等嵌入在物理实体中的软件系统；数据模型是生产设备数字化管理的核心，汇聚生产设备运行过程中的数据和知识形成算法模型、机理模型、仿真模型等数据模型，为生产设备全生命周期过程活动的优化控制提供支撑；管理系统是生产设备数字化管理的控制中枢，通过整合相关系统中的多模态信息，实现对生产设备的仿真、监测、分析、调度、运维、优化等方面的综合性管理。

生产设备的生命周期包含需求规划、选型购置、安装调试、交付使用、检修维修和改造报废等6 个阶段，生产设备的4 种组成形态在其间发挥着重要的作用。其中，需求规划阶段围绕生产设备的组成形态开展需求分析和系统规划设计；选型购置阶段根据需求规划选择适当的设备、软件和管理系统；安装调试阶段对设备、软件和系统进行安装和联合调试，实现生产设备正常运转；交付使用阶段生产设备正式投入运行，与信息系统联通，实现运行数据的采集、分析与应用；检修维修阶段对设备进行维护活动，并对软件、模型和系统进行运维管理；改造报废阶段对生产设备进行改造升级，并对报废的设备予以回收再利用。因此，生产设备数字化管理能力的评价需要从组成形态和生命周期两个角度开展。

2.2 生产设备数字化管理能力成熟度的等级划分与关键特征

根据数字化转型对生产设备管理能力要求的提升，结合生产设备数字化管理的基本原则，将生产设备数字化管理能力的成熟度等级由低到高划分为初始起步、平稳运行、感知交互、智能优化等4 个等级；后一个成熟度等级是在前一个等级建设发展的基础上进一步完善而来，为前一个等级的提升提供目标指引。各等级的关键特征表述如下：

（1）L1：初始起步级。生产设备运行正常，能够基本满足企业的生产需求，企业能够提供生产设备部署、运维管理过程中的必要资源，但不具备完善的设备管理流程规范。

（2）L2：平稳运行级。生产设备运行稳定，在满足生产需求的基础上获得预计利润，已初步使用数字化管理工具对设备和软件进行统一管理。

（3）L3：感知交互级。在平稳运行的基础上，生产设备运行过程能够实现感知与监控，在企业生产调度过程中高效协同参与，不断地为企业带来经济效益；较大范围推广使用数字化管理工具，实现数字化手段的良好运用。

（4）L4：智能优化级。在感知交互的基础上对生产设备进行平台化管理，汇聚生产设备运行阶段的海量多模态数据，基于机器学习算法实现生产过程的自主智能优化，全面应用数字化管理工具，为企业发展打开增量空间。

3 基于成熟度的生产设备数字化管理能力评价体系构建

3.1 生产设备数字化管理能力评价框架

当前，新一代信息技术与制造业不断渗透融合，制造业数字化转型进程逐渐加快，生产设备数字化、自动化、网络化、智能化等水平的不断提升，对生产设备的管理能力提出了新的要求。生产设备管理以适配协同为基础，通过数据驱动实现虚实融合，从而达到效能提升的目的，因此，生产设备数字化管理能力成熟度评价主要从企业对设备数字化管理的资源、环境、基础信息、运维以及绩效等方面展开，主要包括资源保障、运行环境、基础管理、运维管理、绩效改进等5 个一级指标及其细分的21 个二级指标（见图1）。

图1 生产设备数字化管理能力评价框架

3.2 生产设备数字化管理能力评价指标

3.2.1 资源保障评价指标

资源保障评价包括4 个评价指标，对企业为生产设备相关的资源投入量进行评价，具体如表1 所示。其中，需求规划一方面评价实体、软件和系统方面的功能性需求规划，另一方面评价数据通信接口、数据模型开发应用和经济效益等非功能性需求规划；组织保障主要从生产设备管理组织架构和贯穿生产设备全生命周期的协同管理能力方面进行评价；人员配备主要评价生产设备运行过程中相关人员的设备运维管理能力和模型的开发应用能力；资金投入侧重于评价投入资金的覆盖范围以及资金投入的协调能力方面。

表1 生产设备数字化管理的资源保障评价指标及采集项

3.2.2 运行环境评价指标

运行环境评价包括4 个评价指标，如表2 所示。其中，物理条件主要评价设备现场环境是否满足运行需求，能否具备对环境条件的感知、控制与优化能力；能源介质主要从水、电、气、液等方面的供应水平以及智能优化能力方面进行评价；网络通信侧重于评价设备现场网络环境的接入能力以及对海量数据实时、可靠、并行传输的支持水平；系统环境一方面评价生产设备是否能够按需接入工业互联网平台，另一方面评价与工业互联网平台之间的协同能力。

表2 生产设备数字化管理的资源保障评价指标及采集项

3.2.3 基础管理评价指标

基础管理评价包括4 个评价指标，如表3 所示。其中，基本信息管理主要从生产设备实体和软件数据的信息化管理水平以及系统间信息的互联互通能力进行评价；固定资产管理主要评价生产设备固定资产的管理能力，包括固定资产涵盖的范围广度以及对资产的分析优化管控能力；备品备件管理主要从生产设备备品备件的需求、库存等方面的智能管控水平进行评价；数据模型管理一方面对生产设备的数据感知能力进行评价，另一方面对数据的智能分析、应用水平进行评价。

表3 生产设备数字化管理的基础管理评价指标及采集项

3.2.4 运维管理评价指标

运维管理评价主要从5 个指标进行评价，如表4 所示。其中，运行监控主要考察运行监控能力以及监控稳定度两个方面；健康管理主要从健康管理指标和健康管理方案两个方面进行评价；调度排产主要评价生产计划智能优化能力以及“人—机—物—法—环”的协同调度能力；故障处置从故障知识的沉淀水平和故障的分析处置能力进行评价；安全防护从安全管理制度和安全防护技术手段两个方面对生产设备的安全防护能力进行评价。

表4 生产设备数字化管理的运维管理评价指标及采集项

3.2.5 绩效改进评价指标

绩效改进评价主要包括4 个评价指标，如表5所示。其中，绩效监测主要从绩效监测制度和方法进行评价；绩效评价主要包括绩效评价指标和绩效评价方法两个方面；绩效考核主要从绩效考核的制度规范程度和绩效考核指标的量化水平进行评价；绩效改进优化一方面评价绩效改进方案，另一方面评价绩效的改进目标。

表5 生产设备数字化管理的绩效改进评价指标及采集项

4 生产设备数字化管理能力评价流程

采用云模型实现生产设备数字化管理能力评价从定性概念到定量分析的转变，首先需要明确各评价指标的权重。熵权法根据元素信息量的大小确定各指标的权重，以避免可能出现的主观随意性。在确定权重的基础上，从数据收集与选取、设置评价指标权重、云模型评价以及评价结果分析等4 个方面开展基于成熟度视角的生产设备数字化管理能力评价工作。

4.1 数据收集与选取

首先，企业根据制定的评价指标和采集项进行自评估，对照各个采集项的含义进行打分，分值范围为0～100 分。然后，在对企业的生产运营模式进行调研的基础上，组织业内资深专家根据所制定的指标和采集项对企业进行评分。最后，综合企业自评分和专家评分，按照一定的比例加权获得各个采集项的分数，即为基础数据。各个采集项的分数计算公式如下所示：

4.2 设置评价指标权重

4.2.1 指标体系标准化

由于本研究设置的指标均为正向指标，因此令标准化的数据为：

4.2.2 计算各指标权重

不同的赋权方法差异性比较小，但是熵权法的结果客观性更强，因此选择熵权法计算43 个采集项的权重。借鉴吕荣杰等［20］以及杨阳等［21］的做法，构成的权向量为

4.2.3 确定评估对象因素论域

本研究设置的指标均为量化指标，因而可直接建立评估对象因素论域

4.2.4 确定各指标的数字特征

计算各指标对应的正态云模型数字特征，通过逆向正态云发生器生成各评价指标隶属于各等级的云模型图。各数字特征的计算方式如下：

4.3 云模型评价

4.3.1 指标云模型评价

4.3.2 综合云模型评价

通过正向云发生器得到生产设备数字化管理能力成熟度综合评价云，并将其与生产设备数字化管理能力成熟度标准评价云进行相似度对比，得到最终评价结论。发生器的指标整合计算，即生产设备数字化管理能力成熟度综合数字特征算法为：

5 案例分析

苏州某汽车配件制造企业（以下简称“案例企业”）基于制造业数字化转型相关理念，拟综合利用大数据、物联网、工业互联网平台等工具进行生产设备数字化管理能力提升，采用本研究提出的评价指标和构建的评价模型对该企业进行生产设备数字化管理能力评价。

5.1 数据来源和处理

案例企业技改部门牵头组建10 人评估专家组，基于本研究提出的评价指标和采集项标准进行评分，并组织业内资深专家对各项采集项进行评分；在此基础上，根据以上计算方法对企业自评分和专家评分进行计算，得到最终的采集项分值，然后对分值进行标准化处理，得到可利用的数据。

5.2 评价指标权重设置

案例企业的各评价指标细分层级、采集项权重参见表6。由权重计算结果可知，在生产设备数字化管理评价指标体系中，资源保障水平、运行环境和绩效改进是生产设备数字化管理能力成熟度的主要指标，而基础管理和运维管理是生产设备数字化管理能力成熟度的次要指标。其中，资源保障水平各项指标的主导型比较均衡；在运行环境管理领域，物理条件和系统环境起着主导作用；在基础管理领域，固定资产管理和备品备件管理起着主导作用；在绩效管理领域，绩效监测和绩效考核起着主导作用。结果表明，企业在进行生产设备数字化管理的过程中，其主观能动性具有重要的作用。

表6 案例企业生产设备数字化管理能力评价指标权重

5.3 云模型评价分析

利用评价云生成规则，得到根据上下边界等间距法生成的案例企业各指标标准评价云数字特征，计算得到具体特征值（见表7），同时给出了企业生产设备数字化管理能力成熟度各指标期望与熵值。可以看出，案例企业的资源保障和运行环境处于比较高的等级，而基础管理、运维管理和绩效改进处于比较低的水平，说明该企业在资源保障和运行环境方面的某些细分领域已经具备实施设备数字化管理的条件。

表7 案例企业生产设备数字化管理能力评价指标云数字特征值

在对熵值进行计算的基础上，算得到各个指标的期望和熵值，如表8 所示。

表8 案例企业生产设备数字化管理能力评价二级指标主要数字特征值

依据本研究提出的评价框架对案例企业的生产设备数字化管理能力成熟度进行综合评价，并确定该企业在资源保障、运行环境、基础管理、运维管理与绩效改进等5 项一级指标中的期望和熵值，结果如表9 所示。

表9 案例企业生产设备数字化管理能力评价一级指标的数字特征值及等级划分

由表8 和表9 可知，案例企业在资源保障领域已经达到了智能优化级，尤其是在组织保障和资源投入方面，可以为企业的生产设备数字化管理提供合理的组织结构和充足的资源；运行环境和基础管理领域也达到了感知交互级，生产设备能够实现交互与控制，尤其是能源介质、基本信息管理以及备品备件方面，基本能够支持生产设备的数字化管理。但是，案例企业为提升生产设备数字化管理能力仍需要采取进一步的措施。具体而言，在资源保障方面，需求规划能力较弱，在管理系统功能需求、通信需求、老旧设备数字化改造需求以及数据模型开发应用需求方面还有较大的提升空间；在运行环境方面，物理环境的自感知、自适应、自优化以及与系统平台的互联互通互操作方面具有巨大的改善空间；在基础管理领域，提升固定资产与备品备件的全面管控与优化能力；在运维管理方面，需要围绕生产设备的运行监控、健康管理、调度排产以及故障处置方面进一步改进完善；在绩效改进方面，应重点关注绩效评价、绩效考核以及绩效改进优化方面的提升。

6 结论与讨论

本研究从企业的资源保障、运行环境、基础管理、运维管理和绩效管理五大方面构建了一套涵盖生产设备全生命周期管理活动的生产设备数字化管理能力评价框架，分别包括需求规划、能源介质、基本信息管理、备品备件管理、安全防护、绩效评价和考核等指标；并以上述评价指标和框架对苏州某汽车配件制造企业的生产设备数字化管理能力进行量化评价，摸清了该企业数字化管理能力的薄弱环节。评价结果与企业实际情况吻合，证明了本评价方法的可行性和科学性。在后续的工作中，该企业应重点关注有关薄弱之处，研究制定有针对性举措，提升生产设备数字化管理能力、促进数字化转型。

我国制造业数字化转型进程目前已进入加速期，对生产设备管理要求持续提升，制造企业可依据本研究提出的评价体系开展自评价、自诊断、自对标，基于评价结果找出自身在生产设备数字化管理中的薄弱之处，制定有针对性的举措，进一步提升数字化管理能力。