蘆 燚，房路生，韓鳳雷

(長安大學(xué) 經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710064)

1 引言

制造業(yè)是國民經(jīng)濟(jì)的主要支柱，是關(guān)系國計(jì)民生的重要行業(yè)。我國長期以來是制造大國，卻不是制造強(qiáng)國，因此實(shí)現(xiàn)“中國制造”向“中國智造”的轉(zhuǎn)變，是當(dāng)前經(jīng)濟(jì)發(fā)展的重大任務(wù)，其中最主要的短板就是智能制造。智能制造深度融合了新一代信息技術(shù)和先進(jìn)制造技術(shù)，貫穿于產(chǎn)品、制造、服務(wù)全生命周期的各個(gè)環(huán)節(jié)及相應(yīng)系統(tǒng)的優(yōu)化集成，旨在實(shí)現(xiàn)制造的數(shù)字化、網(wǎng)絡(luò)化、智能化，不斷提升企業(yè)的產(chǎn)品質(zhì)量、效益、服務(wù)水平，進(jìn)而推動(dòng)制造業(yè)實(shí)現(xiàn)創(chuàng)新、綠色、協(xié)調(diào)、開放、共享式發(fā)展。

新時(shí)期新形勢下，各國紛紛以智能制造為主攻方向。美國提出“工業(yè)互聯(lián)網(wǎng)戰(zhàn)略”，德國提出“工業(yè)4.0戰(zhàn)略”，日本提出“機(jī)器人新戰(zhàn)略”，我國提出“中國制造2025”,都希望在新一輪全球產(chǎn)業(yè)價(jià)值鏈的競爭中脫穎而出，進(jìn)一步提升國際地位和話語權(quán)。因此，智能制造既是中國的機(jī)遇，也是中國的挑戰(zhàn)。通過文獻(xiàn)分析了解智能制造國內(nèi)外研究動(dòng)態(tài)及前沿十分重要。吳珊等通過實(shí)地調(diào)研，發(fā)布了國內(nèi)智能制造百強(qiáng)企業(yè)排行榜，分析了智能制造的發(fā)展路徑以及未來的發(fā)展趨勢。臧冀原等總結(jié)了智能制造三個(gè)基本范式：數(shù)字化制造、數(shù)字化網(wǎng)絡(luò)化制造到新一代智能制造，分析了其內(nèi)涵和特征。Shan等以三一重工(工程機(jī)械制造企業(yè))為案例，概述了三一重工的智能制造成長路徑，討論了它未來的發(fā)展方向。Ge等從供應(yīng)鏈和產(chǎn)業(yè)鏈的角度探索智能制造，研究企業(yè)大數(shù)據(jù)管理能力成熟度。

總結(jié)上述研究可見，至今仍然缺乏針對國內(nèi)外智能制造研究動(dòng)態(tài)及前沿的描寫，而這恰恰是研究智能制造演化過程中需要迫切關(guān)注的點(diǎn)。為此，本文對CNKI 數(shù)據(jù)庫和WOS數(shù)據(jù)庫相關(guān)智能制造文獻(xiàn)進(jìn)行科學(xué)計(jì)量與可視化分析，通過“文獻(xiàn)共被引”“關(guān)鍵詞共現(xiàn)”“關(guān)鍵詞聚類”和“突現(xiàn)詞檢測”等指標(biāo)，揭示智能制造在新時(shí)期新形勢下的研究前沿及其演變趨勢，為中小企業(yè)研究智能制造以及相關(guān)科研人員提供參考。

2 研究方法及數(shù)據(jù)來源

2.1 研究方法

基于文獻(xiàn)計(jì)量方法，運(yùn)用CiteSpace 5.5R2軟件進(jìn)行“文獻(xiàn)共被引”“關(guān)鍵詞共現(xiàn)”“關(guān)鍵詞聚類”“突現(xiàn)詞檢測”等操作，通過可視化的方式更好地把握國內(nèi)外智能制造研究動(dòng)態(tài)以及前沿。

文獻(xiàn)共被引方法首先可以生動(dòng)地展示知識流動(dòng)演化過程，即后人的文獻(xiàn)是如何和先人的文獻(xiàn)進(jìn)行對話的。通過文獻(xiàn)共被引網(wǎng)絡(luò)，可以確定文獻(xiàn)與文獻(xiàn)相互之間的關(guān)聯(lián)程度。

其次，還可以展示文獻(xiàn)共被引最多以及影響力最大的文獻(xiàn)。關(guān)鍵詞是文獻(xiàn)內(nèi)容高度凝練的標(biāo)志性詞語，運(yùn)用關(guān)鍵詞共現(xiàn)則可以直觀地觀察出國內(nèi)外有關(guān)智能制造各個(gè)文獻(xiàn)之間的親密疏遠(yuǎn)程度，通過詞頻和中心度大小排序可以得出研究重點(diǎn)內(nèi)容。通過關(guān)鍵詞聚類方法可以將關(guān)鍵詞劃分為不同的知識類群，每個(gè)知識類群都是一個(gè)主題，主體與主題之間也產(chǎn)生交互，它可以告訴人們知識類群與知識類群以及每個(gè)知識類群之間是通過什么關(guān)鍵詞進(jìn)行交互的，關(guān)鍵詞背后對應(yīng)著文獻(xiàn)，整個(gè)過程就形成了知識的演化路徑。

最后，通過分析最近時(shí)間節(jié)點(diǎn)的關(guān)鍵詞，可以得出最近的研究熱點(diǎn)，通過整個(gè)圖譜，進(jìn)一步探析未來研究的發(fā)展趨勢。突現(xiàn)詞檢測方法可以從大量的主題詞中探測出某段時(shí)間內(nèi)頻次變化率大的詞，從而幫助人們明確智能制造研究的前沿。

2.2 數(shù)據(jù)來源

為了綜合分析國內(nèi)外智能制造相關(guān)文獻(xiàn)，本文將CNKI數(shù)據(jù)庫和WOS數(shù)據(jù)庫兩大數(shù)據(jù)庫作為數(shù)據(jù)檢索源。CNKI數(shù)據(jù)庫設(shè)置為期刊檢索，來源類別設(shè)置為核心期刊以及CSSCI期刊，主題為智能制造，設(shè)定發(fā)表時(shí)間1992—2020年，共得到1742篇文獻(xiàn)。WOS數(shù)據(jù)庫設(shè)置為“WOS核心合集：引文索引”，時(shí)間跨度為1992—2020年，主題為“Intelligent manufacturing”，共得到3071篇文獻(xiàn)。

3 結(jié)果分析

3.1 研究熱點(diǎn)

研究熱點(diǎn)是指在某段時(shí)間內(nèi)被論文提及的熱點(diǎn)話題，它可以通過關(guān)鍵詞共現(xiàn)和關(guān)鍵詞聚類方法來尋找。關(guān)鍵詞是文獻(xiàn)內(nèi)容高度凝練的標(biāo)志性詞語，運(yùn)用關(guān)鍵詞共現(xiàn)的方法則可以直觀地觀察出國內(nèi)外有關(guān)智能制造各個(gè)文獻(xiàn)之間的相異程度關(guān)系，通過詞頻和中心度大小排序可以得出研究重點(diǎn)內(nèi)容。

通過關(guān)鍵詞聚類方法將關(guān)鍵詞劃分為不同的知識類群。文獻(xiàn)通過關(guān)鍵詞展示，那么知識類群就是某一類的文獻(xiàn)集合，通過圖譜，人們可以知道是哪些知識類群在相互影響，也就是哪些文獻(xiàn)在相互關(guān)聯(lián)。

此外，人們還可以觀察單個(gè)知識類群的演化過程，知識類群內(nèi)部又有哪些文獻(xiàn)在相互影響。CiteSpace根據(jù)顏色和節(jié)點(diǎn)大小劃分研究熱點(diǎn)，節(jié)點(diǎn)越大越重要，顏色越黃，表明研究主題越新，進(jìn)而得出最近的研究熱點(diǎn)和展望未來研究的發(fā)展趨勢。

不僅如此，CiteSpace還提供了判斷知識圖譜繪制效果好壞的指標(biāo)。它根據(jù)知識圖譜的網(wǎng)絡(luò)結(jié)構(gòu)，提供了模塊值Q指標(biāo)，根據(jù)聚類的清晰度，提供了平均輪廓值S指標(biāo)。通常來說，Q值取值范圍在[0，1]，Q>0.3就意味著劃分出來的知識圖譜的網(wǎng)絡(luò)結(jié)構(gòu)是顯著的；當(dāng)S值在0.7時(shí)，聚類是高效率令人信服的；若在0.5以上，聚類一般認(rèn)為是合理的；若S值為無窮大，則聚類個(gè)數(shù)通常為1，這樣選的網(wǎng)絡(luò)可能太小，只代表一個(gè)研究主題。

3.2 關(guān)鍵詞共線以及聚類

首先，本文利用CiteSpace 5.5R2軟件將國內(nèi)數(shù)據(jù)時(shí)間跨度設(shè)置為1992—2020年，時(shí)間切片設(shè)置為1，Top N設(shè)置為10，節(jié)點(diǎn)類型選擇Keyword，繪制關(guān)鍵詞共線圖譜，選擇展示最大的類網(wǎng)絡(luò)，選擇自動(dòng)聚類，選擇LLR算法對聚類的名字進(jìn)行標(biāo)注，然后執(zhí)行Timeline view指令，可以得到關(guān)鍵詞聚類圖譜，聚類圖譜可以通過節(jié)點(diǎn)大小以及顏色來生動(dòng)地展示研究熱點(diǎn)和研究趨勢。Q值為0.7827，S值為0.8775，說明圖譜的網(wǎng)絡(luò)結(jié)構(gòu)很顯著，聚類不僅高效率，而且令人信服。國內(nèi)智能制造研究關(guān)鍵詞聚類知識圖譜一共產(chǎn)生了16個(gè)知識類群：#0智能制造、#1智能制造系統(tǒng)、#2制造業(yè)、#3智能制造技術(shù)、#4制造技術(shù)、#5智能制造裝備、#6大數(shù)據(jù)、#7多agent系統(tǒng)、#8先進(jìn)制造技術(shù)、#9敏捷制造、#10制造系統(tǒng)、#11我國制造業(yè)、#12分子育種、#13cimes2014、#15研究院和#27協(xié)作能力。文獻(xiàn)通過關(guān)鍵詞顯示，知識類群就對應(yīng)著某一類的文獻(xiàn)集合，通過圖譜，可以知道是哪些知識類群在相互影響，也就是哪些文獻(xiàn)在相互關(guān)聯(lián)。此外，還可以觀察單個(gè)知識類群的演化過程，知識類群內(nèi)部又有哪些文獻(xiàn)在相互影響。根據(jù)時(shí)間線顏色，黃色部分為最新研究熱點(diǎn)。比如#2這個(gè)類群里的智能科學(xué)技術(shù)和#6這個(gè)類群里的人工智能產(chǎn)生交互，#2這個(gè)類群里的智能工廠和#0這個(gè)類群里的工業(yè)4.0以及#6這個(gè)類群里的數(shù)字孿生產(chǎn)生交互，這也從側(cè)面說明了基于大數(shù)據(jù)背景下，打造工業(yè)4.0時(shí)代的基于數(shù)字孿生理念的智能工廠的重要性。

其次，利用CiteSpace 5.5R2軟件將國外數(shù)據(jù)時(shí)間跨度設(shè)置為1996—2020年，時(shí)間切片設(shè)置為1，Top N設(shè)置為10，節(jié)點(diǎn)類型選擇Keyword，繪制關(guān)鍵詞共線圖譜，選擇展示最大的類網(wǎng)絡(luò)，選擇自動(dòng)聚類，然后執(zhí)行Timeline view指令，可以得到關(guān)鍵詞聚類圖譜。Q值為0.3603，S值為0.6404，說明圖譜網(wǎng)絡(luò)結(jié)構(gòu)是顯著的，聚類是合理的。國外智能制造研究關(guān)鍵詞聚類知識圖譜一共產(chǎn)生了6個(gè)知識類群：#0 hybrid system、#1 circular economy、#2 structured intelligence、#3 cloud manufacturing、#4 using artificial neural network和#5 constraint-based system。#1這個(gè)類群里的cyber-physical system就是研究熱點(diǎn)，它和類群內(nèi)部的design產(chǎn)生交互。同理，#2這個(gè)類群里的machine learning就是研究熱點(diǎn)，它和類群內(nèi)部的prediction和algorithm產(chǎn)生交互，即利用機(jī)器學(xué)習(xí)算法做預(yù)測。#1這個(gè)類群里的big data就是研究熱點(diǎn)，它和自身類里的architecture和design產(chǎn)生交互，淺顯地解讀即大數(shù)據(jù)平臺(tái)架構(gòu)設(shè)計(jì)。那么類群與類群之間的交互情況是怎樣的，這里只介紹#2類群里的algorithm，它和每個(gè)類群的內(nèi)部都產(chǎn)生交互，也從側(cè)面解釋了算法確實(shí)很重要。

3.3 研究前沿

突現(xiàn)詞檢測方法可以從大量的主題詞中探測出某段時(shí)間內(nèi)頻次變化率大的詞，可以幫人們明確智能制造研究的前沿。國內(nèi)數(shù)據(jù)參數(shù)的時(shí)間跨度設(shè)置為1992—2020年，時(shí)間切片設(shè)置為1，Top N設(shè)置為10，節(jié)點(diǎn)類型選擇Keyword，可以發(fā)現(xiàn)工業(yè)互聯(lián)網(wǎng)，人才培養(yǎng)和人工智能在2018—2020年都是研究前沿。國外數(shù)據(jù)參數(shù)的時(shí)間跨度設(shè)置為1992—2020年，時(shí)間切片設(shè)置為1，Top N設(shè)置為10，節(jié)點(diǎn)類型選擇Keyword，發(fā)現(xiàn)突現(xiàn)詞太多了，無法得出最近研究前沿。因此也將時(shí)間跨度拉到2008—2020年，2008年發(fā)生了經(jīng)濟(jì)危機(jī)，筆者認(rèn)為這個(gè)時(shí)間節(jié)點(diǎn)有一定意義，其他設(shè)置和前面保持一致，突現(xiàn)詞個(gè)數(shù)為20個(gè)，可以較好地展示研究前沿，可以發(fā)現(xiàn)big data和network在2018年和2020年都是研究前沿。

4 研究結(jié)論

本文運(yùn)用CiteSpace 5.5R2文獻(xiàn)計(jì)量軟件分別對CNKI數(shù)據(jù)庫和WOS數(shù)據(jù)庫1992—2020年有關(guān)智能制造研究的文獻(xiàn)進(jìn)行分析,結(jié)果表明國內(nèi)外研究在總體概況、關(guān)鍵詞聚類和最新的研究前沿等方面都呈現(xiàn)出一定的差異與聯(lián)系。

首先，從總體概況來說，2015—2017 年，國內(nèi)智能制造研究發(fā)文數(shù)量井噴式增加，是多于國外智能制造研究發(fā)文數(shù)量的。2017年之后，國內(nèi)智能制造研究發(fā)文數(shù)量呈波動(dòng)狀態(tài)，總體低于國外發(fā)文數(shù)量。

其次，從關(guān)鍵詞聚類圖譜來看，國內(nèi)聚類類群比國外聚類類群更多，研究熱點(diǎn)有相似也有不同，比如都強(qiáng)調(diào)了循環(huán)經(jīng)濟(jì)、大數(shù)據(jù)和人工智能等技術(shù)，按照關(guān)鍵詞中心度的重要性排序，國內(nèi)更重視智能制造系統(tǒng)、高端裝備制造產(chǎn)業(yè)和智能制造技術(shù)以及裝備等，國外更重視系統(tǒng)、體系架構(gòu)、并行工程和算法優(yōu)化等技術(shù)。

最后，從研究熱點(diǎn)來看，國外的研究顯然比國內(nèi)研究更多，因?yàn)閲獾难芯壳把貢r(shí)間跨度是縮小的，不過從最新的研究趨勢來看，還是一致的，都是體現(xiàn)在大數(shù)據(jù)和網(wǎng)絡(luò)上。

綜上所述，智能制造研究應(yīng)該重點(diǎn)放在工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、人工智能和大數(shù)據(jù)上面，緊跟國內(nèi)外研究前沿，彌補(bǔ)智能制造研究的短板。

目前，我國在推動(dòng)制造業(yè)創(chuàng)新發(fā)展轉(zhuǎn)型升級方面雖然已經(jīng)取得了不錯(cuò)的效果，但在新時(shí)期新形勢下，我國還是應(yīng)該以智能制造為主攻方向。發(fā)展智能制造，把握住智能制造帶來的機(jī)遇，在新一輪全球產(chǎn)業(yè)價(jià)值鏈的競爭中脫穎而出，進(jìn)一步提升國際地位和話語權(quán)；發(fā)展智能制造，加快數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)的融合，培育一批具有國際影響力的數(shù)字產(chǎn)業(yè)集群，補(bǔ)上目前智能制造的缺口；發(fā)展智能制造，打造和諧的產(chǎn)業(yè)生態(tài)鏈。制造業(yè)的發(fā)展方式將不再是原先簡單復(fù)制的粗放式增長模式，而是升級為高質(zhì)量發(fā)展的智能制造，最終實(shí)現(xiàn)“中國制造”由“中國智造”的轉(zhuǎn)變。