“双碳”目标驱动下的家具工业低碳转型与智能制造模式

摘 要：在聚焦我国进一步实施“双碳”目标和新一代信息技术快速迭代发展的背景下，深入分析了以智能技术为制造业转型升级中我国家具工业在向低碳和智能制造模式低碳转型过程中的潜在发展路径。首先，探讨了我国制造业在“双碳”政策指引下的低碳转型动因及其发展方向，“双碳”目标的“倒逼”机制驱动了家具工业向“智能化、绿色化、高端化”发展，这一转型与“双碳”目标的实现形成了良性循环。其次，研究了家具工业中的数字化技术减碳应用的现状，分析了物联网、大数据、5G、AI等新一代信息技术在提升能源、资源和环境管理，在深化家具生产制造过程的数字化应用中的作用，并由此提出新兴制造模式与家具行业的绿色发展方向。接着提出应制定不同规模家具企业的“三化”融合发展机制，深化家具产品的数字化应用，加快推动家具制造过程的关键工艺、装备的智能感知和管控系统构建，构建覆盖家具产品全生命周期的数字孪生（制造）系统，以实现以数据为驱动提升家具行业绿色设计创新、绿色智造和运维服务水平，提高家具制造绿色转型发展的效率和减碳效益。最后，强调了建立健全涵盖家具全生命周期的绿色低碳数据平台和评价体系，构建智能制造时代下家具全生命周期减碳减排的体系研究，深入挖掘能有效评价家具工业绿色低碳化的基础数据和工业大数据资源，建立面向行业的数据共享机制，推动数据汇聚、共享和应用，完善家具工业的碳足迹追踪系统的重要性。总的来说，为理解和评价我国在实现“双碳”目标过程中，如何利用智能技术推动家具工业的低碳转型提供了全面的视角。

关键词：家具；“双碳”目标；低碳；智能制造

中图分类号：S784 文献标志码：A 文章编号：1673-923X（2024）10-0001-16

基金项目：国家重点研发计划项目（2023YFD2201500）；中国工程院战略研究与咨询项目（2023-XY-32）；麓山实验室研究计划项目（Z202333452565）；湖南省财政科研专项（2050205）。

Low-carbon transformation and intelligent manufacturing model of the furniture industry driven by the “dual carbon” targets

DAI Xiangdong1，2， ZHAN Xiuli1，2， WU Yiqiang1， YIN Zhiyuan1， TAO Tao1，2， HUANG Yanli1，2， LYU Zhou1，2

（1.a. College of Materials Science Engineering； b. National and Local Joint Engineering Research Center for Green Processing Technology of Agricultural and Forestry Biomass， Central South University of Forestry Technology， Changsha 410004， Hunan， China； 2. Smart Home Design Center， Lushan Innovation Lab， Changsha 410004， Hunan， China）

Abstract： Against the backdrop of China’s further implementation of the “dual carbon” strategy and the rapid iterative development of new-generation information technology， this paper delves into the potential development paths of China’s furniture industry in its lowcarbon transformation towards intelligent manufacturing mode， with intelligent technology as the foundation for the transformation and upgrading of the manufacturing industry. Initially， the paper explores the drivers and development direction of China’s manufacturing industry’s low-carbon transformation under the guidance of the “dual carbon” policy. The “forcing” mechanism of the “dual carbon”goal drives the furniture manufacturing industry towards “intelligent， green， and high-end” development， forming a virtuous cycle with the realization of the “dual carbon” goal. The current status of digital technology’s carbon reduction application in the furniture industry is examined， and the role of new-generation information technologies such as IoT， big data， 5G， and AI in enhancing energy， resource，and environmental management， and in deepening the digital application of furniture production processes is analyzed. From this， the direction of green development of emerging manufacturing modes and the furniture industry is proposed. It is suggested that a “triple integration” development mechanism should be formulated for furniture enterprises of different scales， digital application of furniture products should be deepened， the construction of intelligent perception and control systems for key processes and equipment in furniture manufacturing should be accelerated， and a digital twin （manufacturing） system covering the entire life cycle of furniture products should be established. This will achieve data-driven enhancement of green design innovation， green intelligent manufacturing， and operation and maintenance service levels in the furniture industry， and improve the efficiency and carbon reduction benefits of green transformation development in furniture manufacturing. In addition， we emphasize the importance of establishing a comprehensive green low-carbon data platform and evaluation system covering the entire life cycle of furniture， constructing a system of research on carbon reduction and emission reduction in the intelligent manufacturing era throughout the entire life cycle of furniture， deeply excavating the basic data and industrial big data resources that can effectively evaluate the green low-carbonation of the furniture industry， establishing a data sharing mechanism for the industry， promoting data convergence， sharing and application， and improving the carbon footprint tracking system of the furniture industry. Overall， this paper provides a comprehensive perspective on how to use intelligent technology to promote the lowcarbon transformation of the furniture manufacturing industry in the process of achieving China’s “dual carbon” targets.

Keywords： furniture； “dual carbon” goals； low carbon； intelligent manufacturing

自我国在第75届联合国大会上提出“双碳”目标后，党的二十大报告提出要“广泛形成绿色生产生活方式，碳排放达峰后稳中有降；推动经济社会发展绿色化、低碳化是实现高质量发展的关键环节”[1]。当前，我国仍处于深入发展工业化与城镇化的历史阶段，战略新兴产业及高技术产业尚未成为经济增长的主导力量。《中国制造2025》提出的中国制造业转型升级“两步走”计划，将加快构建数字化制造和智能制造体系作为重要抓手，这就需要工业产业结构、生产方式不断向着绿色低碳转型，通过广泛推动绿色低碳技术装备应用、提高能源资源利用效率、提升绿色制造水平等方式，全面助力绿色低碳发展。在此背景下，我国家具工业面临着向绿色低碳转型升级的机遇与挑战。

1 “双碳”目标引领下的我国制造业低碳转型动因

制造业是我国能源消耗的重要来源，而在实现碳中和的路上，推动“绿色制造”与“低碳生产”显得尤为关键。长期受“低技术含量、低附加值、低创新水平、低效益、低质量”及“高资源消耗、高环境污染、高排放、高能耗”这“五低四高”传统制造与工业化条件的影响，我国在大规模资源开发和人口激增的双重压力下，碳排放始终居于较高水平。从制造业角度观察，碳排放产生于产品生命周期的各个阶段，特别是从需求侧来看，真正的碳排放降低策略应当贯穿产品生命周期全程，这不仅包括设计、制造、包装和运输，还涉及到使用和最终的回收处理环节[2]。

1.1 我国制造业碳排放现状

相较于欧美国家经济发展已与碳排放脱钩，我国正处于经济增长与碳排放高峰的交汇时期。根据2022年《BP世界能源统计年鉴》统计，2011—2021年间全球GDP排名前六的国家的碳排放情况（图1）。期间，尽管2020年全球碳排放因疫情下降，但中国和印度的排放仍在增长。2021年，全球碳排放上升了5.7%，达到390亿t，其中中国排放量为108.7亿t（含港澳台，下同），占全球排放的32.07%[3-4]。而在能源研究所统计数据中，中国占全球排放的31.7%[5]。不过在2018年时，我国单位GDP碳排放比2005年降低了48.1%，超出了2020年碳排放减少40%～45%的承诺。另外，《“十四五”节能减排综合工作方案》设定了2025年单位GDP能源消耗相较于2020年下降13.5%的目标并实现“净零碳排放”，持续强化我国在国民经济各产业中的碳排放管理。

1.2 我国制造业升级的减碳内驱动力

制造业升级与低碳技术的突破性创新是相互促进的。碳达峰、碳中和是一场极其广泛深刻的绿色工业革命[6]，低碳转型不仅能降低资源能源消耗，也有助于引导产业追求质量效益。反之，“双碳”目标激励了低碳技术的突破性创新并支持制造业的绿色升级[7]。“倒逼”机制，即外部压力和政策驱动产业进行自主创新和转型。在制造业中，该机制表现为在政府政策和市场需求的双重压力下，企业不得不采纳更加绿色、低碳的生产模式。这种转变不仅来源于政策要求，也受到消费者日益增长的环保意识的驱动。

而一个国家在全球产业价值链（Global value chain，GVC）中的位置及其参与度，直接影响到其隐含碳排放的规模。其嵌入全球价值链的分工地位越高，则贸易隐含碳排放越少[8]。李新安[9]通过对我国制造业绿色低碳转型的GVC升级机制研究发现，碳减排通过绿色技术创新中介效应提升制造业发展质量，对制造业结构升级具有显著促进作用，使得制造业走向绿色、清洁生产，进而提高其发展质量，“双碳”目标将产生促使产业发展质量提升的结构优化升级产生倒逼机制[10]。相关研究通过对制造业的三系统耦合模型分析也得出，在“压力—倒逼”机制下[11]，制造业依赖于节能减排技术研发和人才培养带来的产业升级，形成“低碳经济成长—能源利用效率和质量提高—生态环境改善—低碳经济进一步发展”的良性循环（图2），实现对于碳排放的正反馈机制，从而实现制造业碳排放达峰[12]。

1.3 制造业低碳转型的策略与方向

在第四次工业革命中，源于创新的新兴技术和先进的数字化生产流程是经济增长的关键决定因素。习近平强调：“我们要顺应第四次工业革命发展趋势，共同把握数字化、网络化、智能化发展机遇”[13]。而在工信部及其他七部门联合发布的《“十四五”智能制造发展规划》中明确，计划至2025年实现规模以上制造业企业基本完成数字化和网络化的转型，重点行业的骨干企业将基本实施智能化应用，且绿色节能是其中衡量智能制造的重要标志[14-15]。

1.3.1 加快推进数字技术发展

使用数字技术促进工业生产方式的绿色精益化、推动工业能源管理的绿色智慧化、创新工业资源循环的绿色高效化，是国家一直以来对互联网、数字化与绿色制造的融合发展的政策方向。

《“十四五”工业绿色发展规划》和2021年国家有关政策意见，国家鼓励深度融合新兴技术如5G、大数据与云计算、人工智能、物联网、数字孪生、区块链等，以实现绿色低碳产业的创新并调整产业结构。在此背景下，大数据、云计算、互联网、信息物理系统、数字孪生等技术的大量涌现，数字技术已经广泛应用于数据摸底、情景预测、明确路径、实施调整等各个阶段，不断提升能源与资源的使用效率，实现生产效率与碳效率的双提升（图3）。

1.3.2 全面推动产业智能制造升级

智能制造，作为当下全球制造业的核心发展方向，已被多国家纳入战略计划中。周济院士指出，智能制造作为先进制造业与新一代信息化技术深度融合的产物，它的产生与发展与信息化发展进程紧密相连，涵盖了制造全生命周期以及各个环节和系统的优化整合[16-17]。

在2010年前，“智能制造”主要指传统智能制造（Intelligent manufacturing，IM）；2010年后，“智能制造”是IM或“智慧制造”（Smart manufacturing，SM）或两者兼有[18]。传统智能制造（IM）起源于“工业3.0”时代，即信息化时期。在这一时期，部分制造业领域开始转向大规模定制化生产，实现这一转变的主要使能技术包括计算机技术和可编程逻辑控制器（Programmable logic controller，PLC）。尽管如此，当时的主流制造模式仍是继承自20世纪70年代的计算机集成制造（Computer integrated manufacturing，CIM）以及源自日本的精益生产理念。此外，随着20世纪90年代基于IP/TCP协议的互联网兴起，网络化制造模式逐渐发展，其代表性的形式包括敏捷制造和虚拟企业等[19]。

20世纪80年代末，随着人工智能技术（Artificial intelligence，AI）的深入研究和其在多个领域的成功应用，研究人员开始探索利用智能制造（Intelligent manufacturing，IM）系统在制造过程中实现自感知、自适应、自诊断及自学习，以达到制造的柔性化和自动化。同时，基于数据驱动的计算智能技术，如人工神经网络、模糊逻辑系统和启发式算法等受到广泛关注，用以克服传统人工智能在感知、理解、学习、联想及协作等方面的不足。特别是深度学习技术（Deep learning，DL）在制造工程领域的应用，极大地推动了智能制造领域的发展[20-21]。

随着物联网和云计算技术的出现和发展，制造物联网（Internet of manufacturing things，IOMT）和云制造等新一代网络化制造模式开始逐渐形成。同时，源于计算能力的提升、大数据应用和深度学习算法的进步，以大数据为核心的新一代智能制造模式（Smart manufacturing/intelligent manufacturing 2.0）蓬勃发展。在这一模式中，物联网（Internet of things，IoT）、服务联网（Internet of services，IoS）、内容与知识网络（Internet of content and knowledge，IoCK）以及人际网络（Internet of people，IoP）与先进制造技术进行深度融合，催生了信息物理生产系统（Cyber-physical production systems，CPPS）[22-23]。

以“数字化网络化智能化制造”为代表的智能制造，主导了新一代的产业革命，作为跨学科的复杂系统工程，其技术的进步极大地促进了“双碳”目标的实现。相比传统制造模式，智能制造通过更精确的工艺状态跟踪和更全面的实时数据获取[24]，在减少对环境损害的同时实现快速响应并满足多样化、个性化用户需求，实现绿色节能、减少碳排放，从而在科学决策支持下对生产制造过程进行更灵活的控制[25]。

在制造业领域通过数字化、智能化和绿色化的“三化”融合发展，以数据为驱动提升行业绿色低碳的技术创新、绿色制造和运维服务水平，逐步形成制造业的绿色生产链和低碳价值链，不仅能为工业增长提供持续的动能，而且为实现产业结构的低碳型优化和降碳减排的目标具有大力推动作用[26]。

2 我国家具工业低碳发展现状与主要问题

对比“双碳”目标要求，我国家具智能制造目前仍是发展初期阶段。柔性化制造模式还未广泛普及、信息化程度低，尤其在产品数字化设计、生产过程信息化管控、装备智能化水平、产业链互联协同等方面存在短板。从绿色制造角度分析，尽管“绿色制造”和“绿色设计”在行业内逐步得到重视，但多数企业更关心的仍是经济效益，对于绿色家具中的环保要求往往只局限于对人体无毒害和环境污染减少[27]，真正意义上的碳足迹减少还没有成为主流趋势。

2.1 我国家具工业的碳足迹分析

2.1.1 价值链中的隐含碳排放

木材作为全球4种主要基础资源之一，具有可再生的独特属性，广泛应用于家具、建筑、能源和新材料等领域[28]，而家具作为木材供应链的终端产品积累了最主要的碳流[29]，同时，我国作为林产品进出口大国，主要依赖大量消耗森林资源、人工成本低的优势，自主品牌少，技术含量低，故林产工业在国际产业价值链中仍处于中低端[30-31]。在“双碳”目标的背景下，作为林业第二产业的林产工业，紧密联接了林业一产、三产并与林产品进出口密切相关，是制造业的重要组成部分，提升林产工业在全球价值链分工地位能显著降低贸易隐含碳排放[32]。在此产业中，木家具的高端环节如研发设计、品牌营销等处于全球价值链（Global value chain，GVC）中的高端分工位置，相比在低端分工位置的木材加工、制造和组装等过程中消耗大量资源和能源，造成木材资源高消耗、低效用以及环境污染并产生大量贸易隐含碳排放，前者的技术水平和能源利用效率较高且碳排放量低。

值得关注的是，尽管林产工业整体上在技术成熟度和能源效率方面相对其他工业领域表现更加优异，维持着较低的碳排放水平，但中国家具工业在全球价值链中的分工定位尚未达到较高水平。相较于木材制造和造纸业，家具制造业在林产工业的三大主要类别中处于相对较低的位置[33]，在高端领域的国际竞争中处于相对劣势。这表明，中国家具制造业在全球价值链中的分工定位仍有显著提升的空间。因此，中国家具工业亟需在绿色制造、绿色设计以及碳减排等方面加强科技创新和研发投入，以提升其在全球价值链中的竞争力和地位。

2.1.2 家具制造阶段的碳排放

根据国家能源局2023年发布的统计数据，2021年中国的总能源消耗量达到525 896万t标准煤，其中制造业的能源消耗总计为293 065万t标准煤。具体到家具制造业，其能源消耗量占制造业总量的0.157%；就碳排放强度而言，家具制造业在各制造业子行业中属于低排放强度的行业，其碳排放强度约占碳排放强度最高的黑色金属冶炼和压延加工业的2%[34]。在能源消耗结构方面，木材加工和家具制造等轻工业部门主要以电力等二次能源为主，因而其能源结构更为清洁[35]。此外，有研究显示我国的木材加工及家具制造业在2014年已经越过了碳排放库兹涅茨曲线（Carbon Kuznets curve，CKC）的拐点，展现了随着产值增长，CO2排放量逐渐下降的趋势。这表明与其他行业相比，家具制品具有更好的环境属性，但在减排方面仍存在进一步提升的空间。

2.1.3 其他阶段的碳排放

家具产品的生命周期不仅限于制造阶段，其设计、使用和处置等环节在碳排放方面的影响也是至关重要的。据研究统计，家具的使用寿命一般在5～20 a，其耐用性及对环境的长期影响受到材料选择和设计的显著影响。在此期间，家具的维护、修补和清洁可能会引起附加的碳排放，特别是在使用含有挥发性有机化合物（VOCs）的清洁剂时。目前，许多废弃家具的处理主要采用填埋或焚烧方法，这可能导致大量CO2的释放。因此，处置阶段的碳排放可能显著超过制造阶段，这是家具产业低碳转型过程中一个相对隐蔽且常被忽略的环节。

在家具生产前期的木材加工环节，会产生边角料、锯屑、砂光粉和废单板等大量剩余物质，但我国在木材回收方面面临专业设备、人才和技术的不足[36]。当前，中国废旧木家具的回收与再利用主要依赖于与木材回收站或环卫部门合作，根据市场需求对回收的废旧木材进行精细加工，转化为各类木料、木塑产品，或是作为人造板材的重要原料，从而实现资源的循环利用[37-38]。

总体而言，当前对木材加工、家具使用和回收等方面的碳足迹追踪与研究相对不足。要实现家具行业的低碳转型和可持续发展，不仅需要关注设计和制造阶段的低碳实践，还应全面考虑家具的使用和处置过程中的碳足迹。通过全面的生命周期评估和持续的创新研究[39]，综合考虑减少碳排放和提高能源利用效率。

2.2 家具工业减碳转型的障碍

2.2.1 家具制造智能化发展问题

当前，我国家具产业仍处于“工业2.0”阶段（电气化），“工业3.0”（信息化）还有待普及，而“工业4.0”（智能化）生产和对家具的绿色设计与低碳实践仅局限于部分龙头企业的示范性尝试[40]，面临诸多影响减碳发展的问题。

多重技术体系交融和多种生产模式混合。家具制造的技术构成不仅具有多重技术体系交融，而且企业生产也是多种生产模式混合长期并存，家具制造的综合性跨学科技术体系的特点，给制造模式的升级带来更大难度。同时，其生产过程往往还同时包括离散型、混流型、网络协同及大规模个性化定制等多种生产模式，且彼此之间的耦合度高使生产管理的难度急剧增加，导致家具制造从产线规划到生产控制、流程再造等各个环节的优化难、数据应用难、优化效果评估难等问题[41-42]，这使得构建智能制造所需的信息物理系统（CPS）的复杂度呈几何式增长[43-44]。

顶层设计不足与信息化水平不高。目前，绝大多数我国家具制造企业在数字化转型方面尚处于初级阶段，在整体战略规划、数据架构设计、系统开发等关键领域普遍缺乏系统性的顶层设计思维。设备间、软件系统间互联互通缺少接口标准与通信规范，导致软件开发公司、智能设备制造商及各类智能制造服务和产品之间难以实现有效的信息和资源共享。在信息化应用方面，计算机辅助设计与制造及其集成技术（CAD/CAM/ CIMS）的应用比例低，企业管理三大战略要素的供应链管理（SCM）、企业资源计划（ERP）、顾客关系管理（CRM）整合应用程度不足，而产品协同商务（CPC）和完整电子商务体系的构建更是落后。这使得我国家具企业的信息化程度不高[45]、人机协作性不佳[46]，在数字化转型和智能制造方面转型困难。

产品同质化严重。我国家具制造行业现阶段所生产的多数产品科技含量不高、工艺较为落后，在生产过程中加工效率不高、能源消耗较大，且市场中、低端产品较多，产品同质化严重，导致产能过剩，这本身也是一种对森林碳汇资源的浪费。

2.2.2 不同规模家具企业的转型问题剖析

据国家统计局2023年统计年鉴显示，截至2022年底我国规模以上家具制造业企业数量达7 299家，累计完成营业收入6 823.5亿元[47]。与此同时，我国家具业是一个以中小型企业（占全行业比例约90%）为主的行业[48]。就制造业总体而言，我国仅有3%的中小企业处于数字化转型深度应用阶段，89%的中小企业尚未开展数字化转型尝试[49]，大量中小型企业的制造转型升级才是更大程度上决定我国家具行业减碳发展的重要因素。

大型家具企业面临的问题及制造升级转型需求。大型家具制造企业拥有标准化的制造车间，基本实现自动化和信息化，但针对大量非周期性的离散型订单，很多企业缺乏全局打通的信息化手段，内外部信息形成孤岛，生产销售环节割裂，难以精准控制成本。同时存货周转缓慢，影响运营效率，且面对消费者越发多样化和个性化订单的快速响应需求，这种新零售模式背后亟需使用大数据和全周期数字化产品管理，因此大型家具企业面临的数字化转型层次更高。

中小型家具企业面临的问题及制造升级转型需求。我国中小型家具企业目前主要处在流程化和半自动化阶段，与大型企业相比，中小企业盈利空间有限、数字化转型投入能力有限。而传统信息化的成本偏高，中小企业对于自身智能制造水平难以量化评估，难以承担过高的技术升级投入，不具备大量的人才储备。中小企业的智能化改造升级需求更多样化、碎片化，实现转型需要采取平台化、轻量化和成本效益化的策略，把更多的精力放在业务创新方面，也有助于促进企业的碳减排和节能降耗。

3 智能制造发展下的家具工业减碳路径

在“互联网+”和“中国制造2025”等国家战略的引领下，作为传统制造业的典型代表[50]，我国家具制造业正处于从传统成品家具生产向“大规模定制”（Mass customization，MC）和“柔性制造”（Flexible manufacturing，FM）的信息化及数字化转型关键时期，正在步入以智能化制造为核心的快速变革阶段[51-52]。

3.1 家具工业中的数字化减碳技术应用现状

大规模定制是家具制造业转型升级的关键模式之一[53]，近十几年来中国的定制家具市场迎来了爆发性增长[54]。其中，板式家具的数字化加工设备及其应用软件得到了高速发展，在许多方面达到甚至超过一些发达国家的水平，尤其是在数字化设计、制造和管控技术方面的进步，对于实现个性化和大批量生产的定制家具产品在低碳减排方面发挥了关键作用。

3.1.1 数字化设计技术的减碳作用

随着定制家居产业的扩展以及信息化管理技术的进步，家居数字化设计技术在产品模型构建、信息溯源网络协同设计、拆单与拼单加工等方面取得显著发展，不仅提升了家具设计过程中各环节的集成效率和数据传输效率，显著降低了流转过程中的资源消耗。如通过采用模块化、标准化、参数化建模，简化了从设计到生产的整个流程[55]。参数化建模的应用，特别是在快速响应产品模型修改需求方面，展示了其在增强设计灵活性和加速产品开发周期方面的重要价值。数字化设计的实施为家具制造业的可持续发展提供了新的途径，通过优化设计和生产过程促进了资源效率的提升和对环境影响的减轻。

当前，家具设计不仅采纳了计算机辅助设计和工程技术，切合绿色设计的并行工程（Concurrent engineering，CE），用系统工作的模式集成、并行设计产品及其零部件和各种相关过程[56]，覆盖了产品从概念设计至废弃的全生命周期。未来随着生成式人工智能技术（AIGC）快速发展，以ChatGPT（Chat generative pre-trained transformer）和MJ（Midjourney）[57]为代表的2种技术模型以及计算机视觉图像识别技术用于产品检测[58-59]、模式识别[60]等，对于家具产品的设计、缩短产品上市时间、优化设计成本和质量将更高效地推进家具产品从设计到制造全流程的绿色化与减碳化。

3.1.2 数字化制造技术的减碳作用

家具产业的演变历程是一部从手工造物到批量定制的发展史，更是木工机械的发展史，数控设备自身也将朝着数字化、自动化、柔性化和智能化方向深入发展。家具的智能制造是典型的系统性生产过程，具有高随机性、不确定性和多重约束性特征[61]，近年来智能优化算法的大力发展，如遗传算法[62-63]、蚁群算法[64]、模拟退火算法[65]已经被用于解决家具生产各类问题。以欧派、尚品宅配、索菲亚为代表的定制家具头部企业一方面积极打通从销售、设计到订单拆解、生产管理全流程的数字智能建设；另一方面积极推行精益生产，充分利用数字技术提升家具工业能效，打造集状态感知、实时分析、科学决策和精确执行于一体的先进制造管理体系，以提高能源和木质材料利用率，进而推动家具制造环节的数字化进程，实现节能减碳与提升效率的双重目标。

3.1.3 数字化管控技术的减碳作用

“个性化定制”离不开数字化设计技术，“柔性化生产”离不开数字化制造技术，“大规模定制”更是离不开数字化管控技术，当前数字化管控技术在家具绿色智能制造环节中的应用更是不容忽视[66-67]。

在定制家具领域，典型的订单特征表现为品类内产品量少，且尺寸、结构和配件多样。家具企业根据生产实际使用企业资源管理计划（Enterprise resource planning，ERP）与生产制造执行系统（Manufacturing execution system，MES）协同平台来实现高效数字化管控（图4），利用先进的数字化管理技术来收集、处理和分析车间的生产数据，可以显著提高家具制造中原材料的利用率[68-69]。通过构建排产计划与实际数据相结合的关联模型，从而增强排产计划的科学性和合理性以提升企业在激烈市场竞争中的优势，促进资源和能源的优化配置与高效利用，进一步实现减少碳排放的目标。

3.2 新兴制造模式下家具工业的减碳降排

大规模个性化智能定制已成为家具行业发展不可阻挡的趋势，以工业互联网、大数据、人工智能、信息与装备等技术为载体的智能制造技术成为行业转型升级与高质量发展的必经之路，也是以大型家具企业的转型升级为代表的家具产业智能制造的发展方向。

3.2.1 新兴智能制造模式在家具工业中的发展探析

目前，家具行业尤其是定制家具行业向着智能制造方向的迈进，已有研究从推行“三化”来提高生产系统的柔性及快速响应进行新的智能制造技术升级展开过探讨。本章节基于对智能制造演进与新兴智能制造模式的整理与归纳，参考已有研究成果，结合“双碳”目标对家具制造业智能化升级的需求，探析以新一代信息技术为基础的智能制造模式与家具智能制造升级关联应用模式，具体如表1所述。

“智能化”本身并非最终追求，降本增效、节能提质才是促使更多家具企业最终选择智能制造的根本原因。从减碳角度看智能制造各个阶段的发展以及当前学术界、产业界对如CPS系统、云制造、数字孪生系统、智能制造等的深入研究和广泛关注，本研究认为，通过全产业链信息整合来实现价值链协同优化和资源循环再利用的新型制造模式是未来家具制造升级的方向；采用智能化设备和工艺，在提高工业能耗装备效率的同时，将纵向智能与横向服务相结合，实现能耗的降低、减碳降排；此外，通过泛在感知设备对制造过程中的环境影响数据进行实时监测，以及时采取预防性措施来控制影响生态环境的因素。

3.2.2 数字孪生技术在家具工业的减碳应用

数据融合是制造企业降低生产各环节成本、提高生产效率的关键，中国工程院院士李培根指出“发展智能制造，数据是基础，数据是血液”[70]。

目前，在其他制造领域已经开展利用数字孪生技术（Digital twin，DT）深入到设计、生产、物流、服务等活动环节，通过虚拟与物理现实空间的融合，映射出相应物理实体的全生命周期过程[71-72]。同时，利用云计算和边缘计算等前沿技术实现对多来源、多种类、多结构的海量数据进行即时决策、快速响应和及时执行[73-74]。以数据流驱动技术流、资金流、人才流和物资流的高效运转，实现减碳降排和降本增效。

在当代制造业的实践中，使用3R技术（增强现实AR、虚拟现实VR、混合现实MR）创建的虚拟模型物理实体提供多维度、多时空尺度的高保真数字化映射。使用虚拟现实与增强现实技术的虚实映射和可视化显示技术，能够在虚拟空间中重现产品的虚拟副本[75]，便是数字孪生初级技术的应用之一。运用虚拟模型和交互性场景展示，打破了家具产品因体量问题而无法充分展示的问题，使得家具产品能够以一种空前的直观形式呈现给消费者[76-77]。借助数字化虚拟展示，不仅为企业在产品推广上提供了新的途径，也使消费者得以在家中便捷地选品、选材，节约了大量的展示环节的能耗，实现了家具的低碳展陈。

在传统产品的设计研发过程中，设计师或工程师的个人经验与专业知识往往占据主导，导致设计流程需要经过漫长的开发、测试、打样及修改阶段，且需反复迭代。但随着小批量、个性化、定制化制造模式的兴起，对缩减产品研发设计周期和提升市场响应速度有了更高要求。数字孪生技术的应用为解决物理空间与虚拟空间在产品设计状态上的不一致性提供了有效途径，从而降低了产品设计复杂性预测的不准确性[78-79]，这为家具产品的研发提供了更加智能化、高效率和实时性的设计服务，显著缩短了设计周期，对减碳具有相当积极的作用。

数字孪生技术能够实现对产品、制造过程乃至整个工厂的虚拟仿真。通过数字孪生驱动的工艺规划、虚实映射与交互反馈产品资源和全要素全流程的全面覆盖，实现对加工后产品形态、性能评估等进行实时预测。同时，根据实际生产结果与装配效果，数字孪生技术能够提出修改完善措施，实现自适应自组织的动态响应，具有可交互性、可孪生性、可组合性及可管理性。但如何根据不同的应用对象创建与业务需求相对应的数字孪生模型，是在不同领域应用数字孪生技术过程中需要首先解决的问题。

相较其他先进制造业，适应家具工业需求的数字孪生系统还处于初步探索阶段，而实现家具设计、制造等各环节信息物理多维度、多层次的深度融合，全面构建面向家具智能设计、生产及能效管理的数字孪生系统以实现家具的低碳工业制造，则迫切需要推动家具工业中应用5G、云计算、边缘计算、物联网、大数据、人工智能等技术的产业升级。

3.3 面向家具产品全生命周期的减碳降排路径

要实现家具工业的低碳转型，须从家具产品的全生命周期进行系统分析。工业品的生命周期经历了最初的产品设计、制造现场生产、企业经营产销决策及最后到供应链层面的供需流通四个阶段，工业互联网可以在产品的全生命周期（PLM）中发挥价值，图5分析了其在家具工业中减碳降排的实现路径。

在设计和研发阶段，利用数字技术推动生产模式的革新，使得人、机器、组织之间实现广泛互联，催生了大量的工业数据。物联网、大数据、云计算和深度学习的快速发展，提高了制造行业的智能化程度，使企业能更准确地把握消费者需求和进行前期设计分析，同时使得生产设备具备自学习、自决策、自组织的能力。通过这些进程，能够显著减少能源消耗和原材料使用，提升原材料的使用效率，进而促进生产的协同和价值增长，降低后期生产实践中设备可能产生的物料废弃以及相关的碳排放，从而在家具设计和开发的最初环节实现减排目标。

在制造和生产阶段，企业通过数字化转型来增强其在智能化设备、工艺流程优化、精益生产实践、可视化管理、质量控制与溯源以及智能仓储等关键领域的能力，实现提质增效减排。通过将制造生产的物理空间与虚拟空间的无缝整合，企业能够及时识别生产过程中的安全风险和预测潜在问题，降低生产过程中的不确定性。例如使用数字孪生技术，通过构建孪生数字化工厂，企业能够对家具生产的整个周期进行监控和优化，缩短产品的生产周期和供货时间，以应对市场的激烈竞争，提高制造链和供应链的运行效率，并有效促进企业实现节能减排目标。

在运营和销售阶段，数字化技术推动制造业由供给导向转向需求响应模式，激发了网络化协同作业和大规模个性化定制的新兴模式。信息集成技术有效地弥合了大多数企业与消费者之间的信息断裂，确保了生产管理的综合性和连续性。实时传递的用户需求信息被智能制造系统分析和预测，然后将这些数据传递至生产链的其他环节，促进了能源和原材料的高效利用，减少了物料浪费。这一过程不仅提高了原材料的使用效率，还通过运营和销售环节的精确数据反馈，实现了从制造源头减少因需求不一致或物料浪费而产生的碳排放和无效消耗。

在管理和决策环节，数字技术可实时收集车间和生产线的各种数据，构建关键指标的监控并与工艺参数相结合，通过精细的数据分析并在此基础上进一步实现优化，可以有效降低企业能源消耗和运营成本。对于工业安全生产管理，尤其是对实时监控要求极高的安全敏感场合，物联网平台通过传感器实现实时在线监测和报警，基于工艺参数的趋势分析实现智能预警。针对特定场景的视频监控能够实现对危险事件的智能识别，从而预防潜在风险，确保工业生产的安全性，并降低了由意外事件引起的能源损耗。

在供应链环节，数字化技术能打通社会生产中生产、分配、交换、消费等各环节的信息。在家具行业的原材料采购阶段，基于大数据的智能化供应分析，企业能获得低碳和环保的采购策略；在交付环节，数字化技术的应用优化了物流运输的方式、路线选择和库存管理，实现了低碳足迹的供应和绿色仓储，确保整个供应链的绿色交付。而诸如数字孪生等数字化技术的应用，有助于减少因供应链调度不当而导致的过剩消耗，显著降低了依赖于碳数据的决策成本并提高了决策效率，为企业实现碳中和目标提供了高效途径。

4 结论与展望

为应对全球气候变化，我国在统筹国际国内两个大局后做出了“双碳”目标重大战略决策，大力推进以智能技术发展为基础的经济、能源、产业结构的转型升级，加快制造业数字化转型。同时，实施以数据驱动生产方式的智能化发展，利用物联网、大数据、5G、AI等新一代信息技术提升能源、资源和环境管理水平，深化生产制造过程的数字化应用以提高减碳效益。

“双碳”目标下的“倒逼”机制驱动了家具工业向着“智能化、绿色化、高端化”发展，也是我国家具工业低碳转型的动因，而低碳智造升级带来的家具制造业转型升级与“双碳”目标的实现，二者相互促进是一种良性循环。通过分析智能技术在其他先进制造领域的应用现状和家具工业中的碳足迹，从数字化的设计技术、制造技术、管控技术等方面研究了家具工业中的数字化减碳技术应用现状，并探讨了未来与新兴制造模式协同创新的可行途径，指出构建面向家具智能制造能效管理的数字孪生系统非常重要且亟待进行。

在“双碳”目标和新一代信息技术快速迭代发展的背景下，本研究对未来新兴制造模式与家具行业的绿色发展做出如下展望：1）因地制宜地制定不同规模家具企业特点的“数字化、智能化、绿色化”的“三化”融合发展机制，深化家具产品在研发设计、生产制造、使用流通及回收利用等环节的数字化应用；2）加快推动家具制造过程的关键工艺、装备的智能感知和管控系统构建，在家具绿色制造领域应用人工智能、物联网、云计算等先进技术，对制造过程优化、决策优化等问题的跨学科研究，构建覆盖家具产品全生命周期的数字孪生（制造）系统，实现以数据为驱动提升家具行业绿色设计创新、绿色智造和运维服务水平，提高家具制造绿色转型发展的效率和减碳效益；3）建立健全涵盖家具全生命周期的绿色低碳数据平台和评价体系，构建智能制造时代下家具全生命周期减碳减排的体系研究，深入挖掘能有效评价家具工业绿色低碳化的基础数据和工业大数据资源，建立面向行业的数据共享机制，推动数据汇聚、共享和应用，完善家具工业的碳足迹追踪系统。

参考文献：

[1] 习近平.在第七十五届联合国大会一般性辩论上的讲话[N].人民日报，2020-09-23（2）. XI J P. Speech at the general debate of the 75th session of the United Nations general assembly[N]. People’s Daily， 2020-09-23（2）.

[2] 刘志峰，黄海鸿，李磊，等.绿色制造：碳达峰、碳中和目标下制造业的必然选择[J].金属加工（冷加工），2022（1）：15-19. LIU Z F， HUANG H H， LI L， et al. Green manufacturing： the inevitable choice of manufacturing industry under the goal of carbon peak and carbon neutralization[J]. Metal Working （Cold Working），2022（1）：15-19.

[3] BP p.l.c. BP Statistical Review of World Energy[R]. 2022.

[4] 能源研究所.世界能源统计年鉴2023[EB/OL]. www.energyinst. org. Energy Research Institute. World Energy Statistics Yearbook 2023[EB/OL]. www.energyinst.org.

[5] 胡鞍钢.中国实现2030年前碳达峰目标及主要途径[J].北京工业大学学报（社会科学版），2021，21（3）：1-15. HU A G. China’s goal of achieving carbon peak by 2030 and its main approaches[J]. Journal of Beijing University of Technology（Social Sciences Edition），2021，21（3）：1-15.

[6] 韩梦瑶，刘卫东，杨茗月.低碳转型下中国高耗能行业的碳风险传导解析：基于隐含碳关联网络视角[J].地理研究， 2022，41（1）：79-91. HAN M Y， LIU W D， YANG M Y. Carbon risk transmission of China’s energy-intensive industries under low-carbon transition： from the embodied carbon network perspective[J]. Geographical Research，2022，41（1）：79-91.

[7] 潘安.全球价值链视角下的中美贸易隐含碳研究[J].统计研究，2018，35（1）：53-64. PAN A. Embodied carbon in China-US trade from perspective of global value chain[J]. Statistical Research，2018，35（1）：53-64.

[8] 李新安，昝笑笑.“双碳”目标下碳减排驱动我国制造业高质量发展研究[J].创新科技，2022，22（5）：57-70. LI X A， ZAN X X. Research on carbon emission reduction driving the high-quality development of China’s manufacturing industry under the “Dual carbon” target[J]. Innovation Science and Technology，2022，22（5）：57-70.

[9] 李新安，李慧.外资引入、技术进步偏向影响了制造业的碳排放吗？—来自我国27个制造行业面板数据模型的实证检验[J].中国软科学，2022（1）：159-170. LI X A， LI H. Do foreign investment and technological progress bias affect the carbon emission of China’s manufacturing industry？： based on the empirical research of manufacturing sector segmentation data[J]. China Soft Science，2022（1）：159-170.

[10] 项目综合报告编写组.《中国长期低碳发展战略与转型路径研究》综合报告[J].中国人口·资源与环境，2020，30（11）： 1-25. Project Comprehensive Report Writing Group. Comprehensive report on “China’s long-term low-carbon development strategy and transformation path”[J]. China Population， Resources and Environment，2020，30（11）：1-25.

[11] 李治国，朱永梅，高新伟.系统耦合下制造业碳排放达峰路径研究——基于山东省的数据[J].华东经济管理，2019，33（9）： 22-31. LI Z G， ZHU Y M， GAO X W. Research on the peaking path of manufacturing carbon emission under system coupling： based on the data of Shandong province[J]. East China Economic Management，2019，33（9）：22-31.

[12] 习近平.齐心开创共建“一带一路”美好未来—在第二届“一带一路”国际合作高峰论坛开幕式上的主旨演讲[EB/OL].http：//www.xinhuanet.com/politics/2019-04/26/c_ 1124420187.htm，2019-04-26. XI J P. Working together to create a bright future for “Belt and Road” cooperation： keynote speech at the opening ceremony of the 2nd “Belt and Road” forum for international cooperation[EB/OL]. http：//www.xinhuanet.com/politics/2019-04/26/c_1124420187. htm，2019-04-26.

[13] “十四五”智能制造发展规划[EB/OL]. https：//www.gov.cn/ zhengce/zhengceku/2021-12/28/content_5664996.htm. Development plan for intelligent manufacturing during the“14th Five-year” period[EB/OL]. https：//www.gov.cn/zhengce/ zhengceku/2021-12/28/ content_5664996.htm.

[14] 卿彦.“双碳”战略目标下木竹基先进功能材料研究进展[J].中南林业科技大学学报，2022，42（12）：13-25. QING Y. Advanced functional materials derived from natural wood and bamboo resources under the dual carbon strategy in China[J]. Journal of Central South University of Forestry Technology， 2022，42（12）：13-25.

[15] 中国信息通信研究院.数字碳中和白皮书2021[EB/OL]. https：//www.vztimes.com/uploadfile/10/image/20220401/ 20220401213540_99592.pdf. China Academy of Information and Communications Technology. Digital carbon neutrality white paper 2021[EB/OL]. https：//www.vztimes.com/uploadfile/10/image/20220401/ 20220401213540_99592.pdf.

[16] 周济，李培根，周艳红，等.走向新一代智能制造[J]. Engineering，2018，4（1）：11-20. ZHOU J， LI P G， ZHOU Y H， et al. Toward new-generation intelligent manufacturing[J]. Engineering，2018，4（1）：11-20.

[17] 周济.以创新为第一动力 以智能制造为主攻方向扎实推进制造强国战略[J].中国工业和信息化，2018（9）：16-25. ZHOU J. Drive the strategy of making China a manufacturing powerhouse with innovation as the primary driving force and smart manufacturing as the main direction[J]. China Industry Information Technology，2018（9）：16-25.

[18] 姚锡凡，于淼，陈勇，等.制造物联的内涵、体系结构和关键技术[J].计算机集成制造系统，2014，20（1）：1-10. YAO X F， YU M， CHEN Y， et al. Connotation， architecture and key technologies of internet of manufacturing things[J]. Computer Integrated Manufacturing Systems，2014，20（1）：1-10.

[19] 姚锡凡，景轩，张剑铭，等.走向新工业革命的智能制造[J].计算机集成制造系统，2020，26（9）：2299-2320.YAO X F， JING X， ZHANG J M， et al. Towards smart manufacturing for new industrial revolution[J]. Computer Integrated Manufacturing Systems，2020，26（9）：2299-2320.

[20] 郑力，江平宇，乔立红，等.制造系统研究的挑战和前沿[J].机械工程学报，2010，46（21）：124-136. ZHENG L， JIANG P Y， QIAO L H， et al. Challenges and frontiers of manufacturing systems[J]. Journal of Mechanical Engineering，2010，46（21）：124-136.

[21] 周佳军，姚锡凡，刘敏，等.几种新兴智能制造模式研究评述[J].计算机集成制造系统，2017，23（3）：624-639. ZHOU J J， YAO X F， LIU M， et al. State-of-art review on new emerging intelligent manufacturing paradigms[J]. Computer Integrated Manufacturing Systems，2017，23（3）：624-639.

[22] 姚锡凡，陶韬，葛动元.“互联网+制造”的发展现状与展望[J].制造技术与机床，2018（8）：29-34. YAO X F， TAO T， GE D Y. State-of-the-art survey and prospect of“Internet plus manufacturing”[J]. Manufacturing Technology Machine Tool，2018（8）：29-34.

[23] 姚锡凡，周佳军，张存吉，等.主动制造——大数据驱动的新兴制造范式[J].计算机集成制造系统，2017，23（1）：172-185. YAO X F， ZHOU J J， ZHANG C J， et al. Proactive manufacturing： a big-data driven emerging manufacturing paradigm[J]. Computer Integrated Manufacturing Systems，2017，23（1）：172-185.

[24] 周济.智能制造—“中国制造2025”的主攻方向[J].中国机械工程，2015，26（17）：2273-2284. ZHOU J. Intelligent manufacturing： main direction of “Made in China 2025”[J]. China Mechanical Engineering，2015，26（17）： 2273-2284.

[25] 张映锋，张党，任杉.智能制造及其关键技术研究现状与趋势综述[J].机械科学与技术，2019，38（3）：329-338. ZHANG Y F， ZHANG D， REN S. Survey on current research and future trends of smart manufacturing and its key technologies[J]. Mechanical Science and Technology for Aerospace Engineering， 2019，38（3）：329-338.

[26] 陶飞，程颖，程江峰，等.数字孪生车间信息物理融合理论与技术[J].计算机集成制造系统，2017，23（8）：1603-1611. TAO F， CHENG Y， CHENG J F， et al. Theories and technologies for cyber-physical fusion in digital twin shop-floor[J]. Computer Integrated Manufacturing Systems，2017，23（8）：1603-1611.

[27] 李思怡，许向阳.“双碳目标”下家具行业绿色供应链的发展策略研究[J].物流工程与管理，2022，44（7）：100-102. LI S Y， XU X Y. Research on the development strategy of green supply chain in furniture industry under the goal of carbon peaking and carbon neutrality[J]. Logistics Engineering and Management，2022，44（7）：100-102.

[28] 吴义强.木材科学与技术研究新进展[J].中南林业科技大学学报，2021，41（1）：1-28. WU Y Q. Newly advances in wood science and technology[J]. Journal of Central South University of Forestry Technology， 2021，41（1）：1-28.

[29] 龙晨，庞燕，王擎天，等.家具供应链碳减排影响因素研究[J].中南林业科技大学学报，2024，44（3）：159-166，178. LONG C， PANG Y， WANG Q T， et al. Factors influencing carbon emission reduction in furniture supply chain[J]. Journal of Central South University of Forestry Technology，2024，44（3）： 159-166，178.

[30] 冯丹娃，曹玉昆.“双碳”战略目标视域下我国林业经济的转型发展[J].求是学刊，2021，48（6）：91-100. FENG D W， CAO Y K. Transformation and development of China’s forestry economy under the goal of “dual carbon”strategy[J]. Seeking Truth，2021，48（6）：91-100.

[31] 侯茂章，张典，侯晨.“双碳”战略对我国家具产业发展影响研究[J].家具与室内装饰，2022，29（8）：18-21. HOU M Z， ZHANG D， HOU C. Research on the impact of achieving peak carbon emissions and carbon neutrality on the development of China’s furniture industry[J]. Furniture Interior Design，2022，29（8）：18-21.

[32] 侯方淼，裴润田，刘璨，等.中国林产工业嵌入全球价值链对贸易隐含碳排放的影响[J].中南林业科技大学学报，2022， 42（10）：177-188. HOU F M， PEI R T， LIU C， et al. Influences of China’s forest product industry embedding in the global value chain on the embodied carbon emissions in trade[J]. Journal of Central South University of Forestry Technology，2022，42（10）：177-188.

[33] 侯方淼，王宏飞，刘璨，等.产业集聚对中国木材企业全球价值链地位的作用机制及其实现路径[J].林业科学，2023，59（12）： 137-151. HOU F M， WANG H F， LIU C， et al. Mechanism of industrial agglomeration on Chinese wood enterprises’ GVC （Global value chain） position and its realization path[J]. Scientia Silvae Sinicae， 2023，59（12）：137-151.

[34] 国家统计局能源统计司编.中国能源统计年鉴2022[M].北京：中国统计出版社，2023. National Bureau of Statistics Energy Statistics Department. China energy statistical yearbook 2022[M]. Beijing： China Statistics Press，2023.

[35] 付华，李国平，朱婷.中国制造业行业碳排放：行业差异与驱动因素分解[J].改革，2021（5）：38-52. FU H， LI G P， ZHU T. Carbon emission of China’s manufacturing industry： industry differences and decomposition of driving factors[J]. Reform，2021（5）：38-52.

[36] 林小莉.新常态下林业供给侧改革对木材进口的影响与对策[J].林产工业，2019，56（12）：73-75. LIN X L. Impact of forestry supply-side reform on wood import under the new normal and countermeasures[J]. China Forest Products Industry，2019，56（12）：73-75.

[37] 于海洋， 吕九芳.废旧木家具表面处理型回收利用工艺探究[J].林产工业，2021，58（1）：54-56，61. YU H Y， LYU J F. Research on surface treatment recycling technology of waste wood furniture[J]. China Forest Products Industry，2021，58（1）：54-56，61.

[38] 詹秀丽，戴向东，吴义强，等.“双碳”战略背景下的家具减量化设计技术研究[J].家具与室内装饰，2022，29（9）：1-5. ZHAN X L， DAI X D， WU Y Q， et al. Research on the design technology of furniture reduction under the background of “Dual carbon” strategy[J]. Furniture Interior Design，2022，29（9）：1-5.

[39] 王丽，彭叶怡，骆琦，等.基于LCA与低碳约束的家具设计方法研究[J].家具与室内装饰，2023，30（7）：16-21. WANG L， PENG Y Y， LUO Q， et al. Research on furniture design methods based on LCA and low carbon constraints[J]. Furniture Interior Design，2023，30（7）：16-21.

[40] 李腾蛟，陈洪转.家具产业转型升级的国际比较与借鉴[J].价值工程，2019，38（32）：73-76. LI T J， CHEN H Z. International comparison and reference of furniture industry transformation and upgrading[J].Value Engineering， 2019，38（32）：73-76.

[41] 欧阳周洲，吴义强，陶涛，等.面向“中国制造2025”的家具数字孪生车间构建与关键技术展望[J].家具与室内装饰， 2022，29（8）：1-7. OUYANG Z Z， WU Y Q， TAO T， et al. Construction of furniture digital twin shop-floor （FDTS） and prospect of key technologies for “Made in China 2025”[J]. Furniture Interior Design， 2022，29（8）：1-7.

[42] 陶涛，吴义强，戴向东，等.我国家具智能制造的高质量发展路径研究[J].家具与室内装饰，2022，29（7）：1-5. TAO T， WU Y Q， DAI X D， et al. Research on the high-quality development path of intelligent furniture manufacturing in China[J]. Furniture Interior Design，2022，29（7）：1-5.

[43] 王迅，陈星艳，陶涛，等.遗传算法在板式定制家具混合流水车间调度中的应用[J].家具与室内装饰，2022，29（11）：1-5. WANG X， CHEN X Y， TAO T， et al. Application of genetic algorithm in hybrid flow shop scheduling of panel customized furniture[J]. Furniture Interior Design，2022，29（11）：1-5.

[44] 陈星艳，陶涛，戴向东，等.蚁群算法在板式家具生产调度中的应用[J].家具与室内装饰，2022，29（12）：1-4. CHEN X Y， TAO T， DAI X D， et al. Application of ant colony algorithm in panel furniture production scheduling[J]. Furniture Interior Design，2022，29（12）：1-4.

[45] 缪同强， 陈燕. 经济双循环背景下中国实木家具产业国际化发展前景[J].林产工业，2021，58（11）：124-126. MIAO T Q， CHEN Y. Prospects for the internationalization of China’s solid wood furniture industry under the background of economic double cycle[J]. China Forest Products Industry， 2021，58（11）：124-126.

[46] 缪同强， 陈燕. 经济双循环背景下中国实木家具产业国际化发展前景[J].林产工业，2021，58（11）：124-126. MIAO T Q， CHEN Y. Prospects for the internationalization of China’s solid wood furniture industry under the background of economic double cycle[J]. China Forest Products Industry，2021，58（11）：124-126.

[47] 中国家具协会.2023中国家具年鉴[M].北京：中国轻工业出版社，2023. China Furniture Association. China furniture yearbook 2023[M]. Beijing： China Light Industry Press，2023.

[48] 许美琪.我国家具制造业的基础能力发展提升战略（下）[J].家具，2022，43（4）：1-6，26. XU M Q. The upgrade strategy of basic abilities’ development for Chinese furniture industry （Part II）[J]. Furniture，2022，43（4）： 1-6，26.

[49] 人民日报.为中小企业插上数字化翅膀[EB/OL]. https：//www. gov.cn/xinwen/2022-11/22/content_5728194.htm，2022-11-22. People’s Daily. Empowering SMEs with digitalization wings[EB/ OL]. https：//www.gov.cn/xinwen/2022-11/22/content_5728194. htm，2022-11-22.

[50] 熊先青，岳心怡.中国家居智能制造技术研究与应用进展[J].林业工程学报，2022，7（2）：26-34. XIONG X Q， YUE X Y. Research progress in the application of big data technology to smart home manufacturing[J]. Journal of Forestry Engineering，2022，7（2）：26-34.

[51] 谢艳秋，黄艳丽，戴向东，等.基于科学知识图谱的国内家具智能制造研究现状分析[J].家具与室内装饰，2022，29（10）： 6-11. XIE Y Q， HUANG Y L， DAI X D， et al. Analysis of the current research status of intelligent furniture manufacturing based on cite space scientific knowledge atlas[J]. Furniture Interior Design， 2022，29（10）：6-11.

[52] 易礼琴，何佳容，张仲凤，等.基于NX软件和MBD技术的圈椅数字化模型构建[J].林业工程学报，2023，8（2）：180-186. YI L Q， HE J R， ZHANG Z F， et al. Construction of digital model of round-backed armchair using NX software and MBD technology[J]. Journal of Forestry Engineering，2023，8（2）： 180-186.

[53] 欧阳周洲，吴义强，陶涛，等.大规模定制家具OPF生产锯图排序优化[J].中南林业科技大学学报，2024，44（3）：149-158.OUYANG Z Z， WU Y Q， TAO T， et al. Optimization of cutting diagrams sorting in mass customization furniture OPF production[J]. Journal of Central South University of Forestry Technology，2024，44（3）：149-158.

[54] 许柏鸣.中国家具行业的现状与未来趋势研究[J].家具与室内装饰，2023，30（1）：1-3. XU B M. Research on the current state and future trend of the Chinese furniture industry[J]. Furniture Interior Design， 2023，30（1）：1-3.

[55] 陈越，余肖红.数字化设计技术在定制家具中的应用探析[J].家具与室内装饰，2021，28（4）：26-29. CHEN Y， YU X H. Analysis on the application of digital design technology in custom furniture[J]. Furniture Interior Design，2021，28（4）：26-29.

[56] 于海斌，朱云龙.协同制造：E时代的制造策略与解决方案[M].北京：清华大学出版社，2004. YU H B， ZHU Y L. Collaborative manufacturing： manufacturing strategies and solutions in the E-era[M]. Beijing： Tsinghua University Press，2004.

[57] 陈园，方庆宁，熊芷璇，等.Chat GPT和MJ在家居设计领域应用的机遇与挑战[J].家具与室内装饰，2023，30（12）：51-55. CHEN Y， FANG Q N， XIONG Z X， et al. Opportunities and challenges of the application of ChatGPT and MJ in the field of home design[J]. Furniture Interior Design，2023，30（12）：51-55.

[58] 朱咏梅，李玉玲，奚峥皓，等.注意力可变形卷积网络的木质板材瑕疵识别[J].西南大学学报（自然科学版），2024，46（2）： 159-169. ZHU Y M， LI Y L， XI Z H， et al. Attention deformable convolutional networks for wooden panel defect recognition[J]. Journal of Southwest University （Natural Science Edition）， 2024，46（2）：159-169.

[59] 苗宇杰，祝诗平，普京，等.基于卷积神经网络的家具木材图像种类识别[J].林业科学，2023，59（8）：133-140. MIAO Y J， ZHU S P， PU J， et al. Recognition of furniture wood image species based on convolutional neural networks[J]. Scientia Silvae Sinicae，2023，59（8）：133-140.

[60] 张飞宇，兰扬，朱伟，等.基于图卷积网络的儿童坐姿检测学习桌椅设计方法研究[J].家具与室内装饰，2024，31（1）：96-100. ZHANG F Y， LAN Y， ZHU W， et al. Research on the design method of children’s sitting posture detection study table and chair based on graph convolutional network[J]. Furniture Interior Design，2024，31（1）：96-100.

[61] 熊先青，马清如，袁莹莹，等.面向智能制造的家具企业数字化设计与制造[J].林业工程学报，2020，5（4）：174-180. XIONG X Q， MA Q R， YUAN Y Y， et al. Digital design and manufacturing of furniture enterprises oriented to intelligent manufacturing[J]. Journal of Forestry Engineering，2020，5（4）： 174-180.

[62] 胡玉婷，陈星艳，陶涛，等.基于遗传算法的板式定制家具异形件排样优化研究[J].家具与室内装饰，2023，30（11）：8-11. HU Y T， CHEN X Y， TAO T， et al. Research on specialshaped parts layout optimization of panel customized furniture based on genetic algorithm[J]. Furniture Interior Design， 2023，30（11）：8-11.

[63] 沈国峰，陶涛，黄琼涛，等.遗传算法在家具生产调度中的应用[J].林产工业，2018，45（12）：57-60. SHEN G F， TAO T， HUANG Q T， et al. Application of genetic algorithm in furniture production scheduling[J]. China Forest Products Industry，2018，45（12）：57-60.

[64] 陶涛，王洁，刘忠会，等.基于蚁群聚类算法的板式定制家具订单聚类分析[J].林产工业，2020，57（5）：49-52. TAO T， WANG J， LIU Z H， et al. Clustering analysis of panel customized furniture orders based on ant colony clustering algorithm[J]. China Forest Products Industry，2020，57（5）：49-52.

[65] 康友冰，王张恒，孙德林，等.基于模拟退火算法的MTS型实木家具生产调度优化研究[J].家具与室内装饰，2022，29（9）： 35-39. KANG Y B， WANG Z H， SUN D L， et al. Study on the optimization of MTS solid wood furniture production scheduling based on simulated annealing algorithm[J]. Furniture Interior Design，2022，29（9）：35-39.

[66] 赵晓冬.先进制造技术在我国发展状况的分析[J].装备制造技术，2010（2）：131-132，134. ZHAO X D. Advanced manufacturing technology， analysis of the situation in China’s development[J]. Equipment Manufacturing Technology，2010（2）：131-132，134.

[67] 马泽锋，吴智慧，沈忠民，等.基于ERP+MES平台协同的实木定制家具企业排产计划研究[J].林产工业，2020，57（8）： 53-57. MA Z F， WU Z H， SHEN Z M， et al. Research on production scheduling plan of solid wood customized furniture enterprises based on ERP+MES platform[J]. China Forest Products Industry，2020，57（8）：53-57.

[68] 袁莹莹，熊先青，龚建钊.基于ERP与MES信息交互的板式定制家具揉单排产技术[J].木材科学与技术，2021，35（4）：30-35. YUAN Y Y， XIONG X Q， GONG J Z， et al. Mixing and scheduling technology based on information interaction between ERP and MES for customized panel-furnitures[J]. Chinese Journal of Wood Science and Technology，2021，35（4）：30-35.

[69] 任磊，贾子翟，赖李媛君，等.数据驱动的工业智能：现状与展望[J].计算机集成制造系统，2022，28（7）：1913-1939. REN L， JIA Z Z， LAI L Y J， et al. Data-driven industrial intelligence： current status and future directions[J]. Computer Integrated Manufacturing Systems，2022，28（7）：1913-1939.

[70] 中新网.业界共话智能制造转型发展：需要多环节、多部门的数据融合[EB/OL]. https：//www.chinanews.com.cn/cj/2022/01-06/9645729.shtml， 2022-01-06. China News Service. Industry discusses intelligent manufacturing transformation and development： the need for data integration across multiple links and departments[EB/OL]. https：//www. chinanews.com.cn/cj/2022/01-06/9645729.shtml，2022-01-06.

[71] 李雪瑞，侯幸刚，杨梅，等.数字孪生驱动的工业产品CMF设计服务模型构建与应用[J].计算机集成制造系统，2021，27（2）： 307-327. LI X R， HOU X G， YANG M， et al. Construction and application of CMF design service model for industrial products driven by digital twins[J]. Computer Integrated Manufacturing Systems， 2021，27（2）：307-327.

[72] 陶飞，马昕，戚庆林，等.数字孪生连接交互理论与关键技术[J].计算机集成制造系统，2023，29（1）：1-10. TAO F， MA X， QI Q L， et al. Theory and key technologies of digital twin connection and interaction[J]. Computer Integrated Manufacturing Systems，2023，29（1）：1-10.

[73] 陶飞，刘蔚然，张萌，等.数字孪生五维模型及十大领域应用[J].计算机集成制造系统，2019，25（1）：1-18. TAO F， LIU W R， ZHANG M， et al. Five-dimension digital twin model and its ten applications[J]. Computer Integrated Manufacturing Systems，2019，25（1）：1-18.

[74] SATYANARAYANAN M. The emergence of edge computing[J]. Computer，2017，50（1）：30-39.

[75] 陶飞.数字孪生十问：分析与思考[J].计算机集成制造系统， 2020（1）：1-17. TAO F. Ten questions towards digital twin： analysis and thinking[J]. Computer Integrated Manufacturing Systems， 2020（1）：1-17.

[76] 詹秀丽，戴向东.基于虚拟现实技术的家具O2O销售模式初探[J].家具与室内装饰， 2016，23（9）：20-21. ZHAN X L， DAI X D. Exploring the O2O sales model of furniture based on virtual reality technology[J]. Furniture Interior Design，2016，23（9）：20-21.

[77] 沈君承，罗鸿，陈赟冰.中美市场比较视域下我国大众线上零售家装部品研究[J].家具与室内装饰，2024，31（1）：5-10. SHEN J C， LUO H， CHEN Y B. Study of Chinese mass online retail home decoration products in the comparative perspective of Sino-US markets[J]. Furniture Interior Design， 2024，31（1）：5-10.

[78] 王昊琪，李浩，文笑雨，等.基于数字孪生的产品设计过程和工作量预测方法[J].计算机集成制造系统，2022，28（1）：17-30. WANG H Q， LI H， WEN X Y， et al. Digital twin-based product design process and design effort prediction method[J]. Computer Integrated Manufacturing Systems，2022，28（1）：17-30.

[79] 庄存波，刘检华，熊辉，等.产品数字孪生体的内涵、体系结构及其发展趋势[J].计算机集成制造系统，2017，23（4）： 753-768. ZHUANG C B， LIU J H， XIONG H， et al. Connotation， architecture and trends of product digital twin[J]. Computer Integrated Manufacturing Systems，2017，23（4）：753-768.

[本文编校：吴 彬]