基于PSO-ELM的中小企...能力成熟度模型的构建与应用_韩玲玲.pdf

第 卷第期 年月 科技和产业 ，基于 的中小企业智能制造能力成熟度模型的构建与应用韩玲玲，高亮，杨敬辉（上海第二工业大学 资源与环境工程学院，上海 ；上海第二工业大学 智能制造与控制工程学院，上海 ）摘要：在充分考虑目前中小企业智能制造升级转型现状的情况下，结合 算法构建由精益化、自动化、数字化、智能化以及互联化个发展阶段组成的中小企业智能制造能力成熟度评估模型。并对调研获得的 份中小企业有效数据进行分析，证明该模型对中小企业智能制造发展路径划分是合理的，同时从 算法的训练测试结果来看，相对于现有标准模型，该模型对中小企业智能制造能力成熟度模型的评估准确性更高。关键词：智能制造能力；极限学习机（）；粒子群算法（）；精益化中图分类号：文献标志码：文章编号：（）收稿日期：作者简介：韩玲玲（），女，河南周口人，上海第二工业大学资源与环境工程学院，硕士研究生，研究方向为智能制造；高亮（），男，江苏南通人，上海第二工业大学资源与环境工程学院，硕士研究生，研究方向为智能制造；通信作者杨敬辉（），女，上海人，上海第二工业大学智能制造与控制工程学院，教授，博士，硕士研究生导师，研究方向为 、智能制造。近年来，随着智能制造的推广与实施，国内越来越多的企业尝试进行智能制造的升级转型，但很多企业在面对设备与人、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等问题时显得无从下手。基于此，不少学者基于成熟度理论提出智能制造能力成熟度模型对企业智能制造实施情况进行评估，期望为企业实施智能制造提供启示。肖吉军等将企业的管理、创新、供应链物流以及信息互联互通这个能力要素作为出发点，构建了智能制造能力成熟度评估指标体系。任嵬等结合石化行业特点，以智能制造参考架构和智能工厂建设实践经验为基础，从智能和业务两个维度着手，提出了国内首个石化行业的智能制造能力成熟度模型。苏青福等结合汽车行业特点以及国内外各智能制造能力成熟度模型的应用案例，在 人员、技术、资源和制造个能力要素的基础上，加入了文化、供应链以及物流能力域，优化并完善了研发、生产和销售个指标，建立了汽车行业的智能制造能力成熟度评价指标体系。易伟明等采用高阶张量分析方法来对企业智能制造能力进行评估，使的衡量企业智能制造能力的各项指标在空间上保持一定的相关性，更好地为企业向智能制造发展指明前进的方向。丁雪红利用德尔菲法和相关性分析法构建智能制造能力成熟度模型并通过 （用萤火虫算法优化的麻雀搜索算法进行优化的 神经网络算法）神经网络算法对企业智能制造能力进行评估。徐新新和孝成美利用模糊综合评价法进行智能制造能力成熟度模型的研究。任俊飞等以机械制造企业为背景，采用层次分析法和二级模糊综合评判法相结合的方法对企业智能制造能力成熟度水平进行评估。综上所述，针对智能制造能力水平评估问题的研究，目前国内主要从指标体系以及评价方法两个方面来进行，已经取得了一定的研究成果，但仍然还处在不断摸索探究的阶段，存在以下两方面问题仍然需要完善：）针对目前现有的研究发现，在已有的企业智能制造能力成熟度模型的研究多数评价标准以及等级设置仅对于有一定制造和管理基础的企业有指导作用，而对于基础相对薄弱的中小企业却难以适用，很难起到有效的指导作用，这些企业难以从中找到适合自己的起点。因此建立适用于中小企业智能制造能力成熟度评价的评价模型，对于完善现有的研究有着巨大的现实意义。）除了评价体系的研究，评价方法也是目前的比较热门的研究重点，在已有研究中大多数采用比较传统的评价方法，例如层次分析法、模糊理论等。但这些方法具有工作量大、且复杂烦琐、花费较多时间等缺陷。因此本文采用 算法作为评估方法以此提高评估效率。中小企业智能制造能力成熟度模型的构建依据评价指标体系的构建原则和方法，结合中小企业在实施智能制造过程中的特点，构建中小企业智能制造能力成熟度模型。在调研中发现中小型企业往往面临的第一个问题就是生存问题，因此降本增效是企业的首要任务，精益生产能够很好地帮助企业进行降本增效并持续优化。欧阳生和孔德洋在精益智能制造中也提到精益是企业走向智能制造的必经之路，因此企业精益化是影响企业智能制造发展的重要因素。从目前企业实施智能制造的经验来看，自动化是实施过程中的必经之路，现阶段中小企业的自动化实施主要聚焦在“机器换人”方面，通过对现阶段企业“机器换人”效果来看其实际效果并不理想，因此如何有效发展企业自动化也是发展智能制造的重要途经。从国家工信部公布的“年智能制造试点示范专项行动”中有关智能制造以及数字化的相关定义中可以看出，企业信息化数字化是通往智能化的基础，但对于绝大多数中小企业缺乏信息化、数字化经验，因此需要对企业数字化信息化的发展进行指导评估。从智能制造的定义中可以看出，智能制造最终分为企业内部智能化（智能工厂）以及企业外部智能化（互联化），相较于整条供应链的互联，完成企业内部各流程的智能化相对容易，因此将智能化作为第个发展阶段，互联化作为第个发展阶段。综上所述企业智能制造的发展可以划分为精益化、自动化、数字化、智能化、互联化个阶段。本文在参考精益智能制造理论、精益能力成熟度模型、数字化成熟度评价模型、国家智能制造能力成熟度模型的基础上，进行评价指标的选择。将精益化、自动化、数字化、智能化、互联化个发展阶段作为评价指标体系中的一级指标，并在涵盖了已有的智能制造评价要素的基础之上进一步分析得到 个二级指标和 个三级指标。评价指标及其符号见表。评估模型等级设置参考了现有智能制造能力成熟度模型内容重新定义了等级划分标准，评估等级按照由低到高的顺序划分为级，分别是一级（已规划级）、二级（规范级）、三级（集成级）、四级（优化级）和五级（引领级），如图所示。表智能制造能力成熟度评价指标体系一级指标二级指标三级指标精益化经济生产人员系统环境成本管理 （设备综合效率）计划与调度 质量控制 采购管理 生产作业 仓储配送 设备管理 组织战略 人员技能 标准化能力 设计能力 供应商管理 客户管理 产品服务 销售 能源管理 废物分类与处理 安全与环保 自动化自动化自动化程度 自动化改造收益 数字化数据集成数据采集与存储 数据的分析与应用 数据安全 系统集成 智能化智能设施智能化硬件 智能化软件 互联化互联化实实互联 实虚互联 网络安全 一级（规划级）：企业开始对实施精益化生产和管理进行战略规划，并且能够对核心业务实施流程化的管理。二级（规范级）：企业已经开始实施精益生产，并采用了自动化技术完成对企业的核心业务、核心装备的自动化改造和规划。三级（集成级）：企业实施了一段时间精益生产，完成产线整体自动化改造并开始实施了信息化、数字化技术，能够对单一业务进行数据分析和共享，部分业务完成了信息系统集成。四级（优化级）：企业精益水平已处在行业领先水平，大多数车间已完成自动化改造，完成核心业务间的信息系统集成，并对此进行预测和优化。开始逐步完善整厂所有数据的互联互通和共享，投入相关的智能软件、智能硬件，开始建立 （信息物理系统）。五级（引领级）：企业精益水平以达到行业顶级，工厂已全面完成自动化改造，企业内部系统全面集成，数据的使用分析范围已全面覆盖整个企韩玲玲等：基于 的中小企业智能制造能力成熟度模型的构建与应用图片来源：图评估等级业，各类生产资源都得到最大化有效利用，所有设备之间实现互联互通以及自我反馈和优化，企业打通上下游供应链，将整个产业链互联，再建立互联平台，形成生态圈，在物理世界实现万物互联实实协同，创造一个完整的虚拟 镜像以实现虚实协同。算法极限学习机（，）是一种前馈型神经网络模型，由黄广斌提出。由于其拥有较强的鲁棒性、优良的泛化能力、比较强的通用性和客观性，因此该算法在各邻域中的预测和评价两个方面都拥有良好的现实应用价值。粒子 群 优 算 法（，）刚开始是受到鸟类捕食行为的启发，提出的一种智能优化算法，由于其简单且易于实现，因此在函数优化、神经网络训练、模糊控制等多个领域得到广泛的应用，并且取得了不错的优化效果。对 具体优化流程如图所示，其主要目的是对 神经网络模型中的输入层与隐含层的连接权值和隐含层的阈值的取值进行优化。实验环境）硬件方面：一台具有 （）（）的电脑，其内存容量为。）软 件 方 面：，利 用 试用版软件平台搭建智能制造能力成熟度评价模型。网络结构设计）输入层。本文将三级评价指标对应的分数图 算法流程作为网络模型的输入。每个输入层神经元节点对应一个三级评价指标。因此，本文的三级评价指标数量为 个，所以对应得输入层神经元个数也为科技和产业 第 卷第期 个。通过实际调研以及评分标准将这 个评价指标量化为确定的样本数据，以作为输入数据。因此输入层向量表示为（，）。）输出层。输出层变量对应中小企业智能制造能力成熟度综合得分，输出值只有一个。因此网络结构中的输出层的节点数量为。所以输出层向量表示为（）。数据获取 指标的量化运用已确定的智能制造能力成熟度评价指标体系设计问卷，使题项与指标体系相对应，以便收集样本数据。在问卷调查表中，一个问题代表一个三级指标，而其选项则反映指标的成熟度，并按照等级大小，选项依次递进。问卷调查表总共有 个题目，这 道题目分别对应 个三级级评价指标。在每道题目下，设有个等级的评估标准，根据实际情况对比成熟度模型设置的等级要求对三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，其基本规则见表。表成熟度满足程度以及对应得分成熟度满足程度得分完全满足大部分满足 部分满足 少部分满足 不满足三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，该等级得分达到 分及大部分条件满足的情况下，才能对更高等级进行评价打分。（）式中：为该指标最终得分；为对应等级得分；为参与打分的等级数。所以经过实际打分从而得到样本数据，其对应为每个评价指标的评价值。因此，样本数据反映评价指标，从而将评价指标定量化。指标权重确定针对指标权重模糊、难以分配的问题，将所有三级评价指标对企业智能制造能力成熟度的影响程度视为相同，即设定三级指标权重相同。二级指标权重为其下属的三级指标数占所有三级指标数之比。同理一级指标权重则按照其对应二级指标数占所二级级指标数之比。结果计算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，其判断标准见表。计算方法为 （）（）式中：为最终的综合评估分数；、分别为各一级、二级、三级指标的权重；为各三级指标对应的分数，其中、分别对应各级指标的数量。表智能制造能力成熟等级评判标准等级得分 ，），），），）实例分析通过企业调研结合评价指标量化标准获取数据。收集到的数据有助于通过了解智能制造企业在各个评价指标的发展水平来详细支撑案例研究。本文共计走访调研了浙江省某县的 家中小型制造企业。其中有效数据为 份。模型阶段划分的合理性验证按照确定好的权重计算企业得分，各阶段评估得分见表。通过对各阶段得分计算发现，家中小企业智能化以及互联化能力均处于一级水平，尚不具备相关能力以及发展条件，因此智能化以及互联化得分不具备分析价值。将样本数据的前个阶段数据进行分析。前个阶段数值变化曲线如图所示，从图中可以看出，个阶段的变化趋势几乎一致，并且精益化能力较高的企业大多数其自动化、数字化能力相较于其他企业也较高。接着对精益化、自动化、数字化样本数据进行相关性分析，其结果见表各阶段评估得分企业编号精益化自动化数字化智能化互联化 韩玲玲等：基于 的中小企业智能制造能力成熟度模型的构建与应用表。从表中可知精益化、自动化、数字化之间相关系数均大于 。根据相关性系数判断标准（表），精益化、自动化、数字化之间关系紧密。因此针对中小企业智能制造能力成熟度采用分阶段的方式进行评估是合理的，从而证明了中小企业按照精益化、自动化、数字化等个阶段的方式发展智能制造是可行的。表精益化、自动化、数字化相关性分析结果指标精益化自动化数字化精益化自动化 数字化 注：表示在 水平上显著相关。表相关系数判断标准相关系数判断结果 关系非常紧密 关系紧密 关系一般 关系较弱图精益化、自动化、数字化样本数据期望值变化曲线 模型在中小企