中国新能源装备智造化发展技术路线图研究

2017-10-16孟凡生李晓涵

中国软科学 2017年9期

关键词：路线图装备新能源

孟凡生，李晓涵

(哈尔滨工程大学经济管理学院，黑龙江哈尔滨 150001)

中国新能源装备智造化发展技术路线图研究

孟凡生，李晓涵

(哈尔滨工程大学经济管理学院，黑龙江哈尔滨 150001)

中国正处于装备制造和能源革命迈向智能制造的交汇点，未来新能源装备智造的发展必须有明确的技术路线图来指引。运用词频分析与TOPSIS相结合的分析方法确定新能源装备关键智造化技术，在此基础上，引入技术预见方法分析并构建新能源装备智造化指标体系。通过对指标数据进行分析发现，工业软件、工业物联网、工业机器人三项智造化技术对中国新能源装备制造面向智能制造转型具有重要作用，以技术路线图绘制三项智造化技术在智能制造进程中的发展脉络，为新能源装备制造领域未来工艺流程、产品服务以及运营管理的智能转型提供了参考与借鉴。

新能源装备；智能制造；技术路线图

Abstract：China is in the intersection of equipment manufacturing and energy revolution towards intelligent manufacturing. The future development of new energy equipment intelligent manufacturing must have a clear technology roadmap to guide. First, we identify the key intelligent manufacturing technology of new energy equipment manufacturing using a combination of term frequency analysis and TOPSIS. Then we introduce the technology foresight method and construct the new energy equipment intelligent manufacturing index system. Based on the data analysis, we found that industrial software, industrial internet of things, industrial robot plays an important role in the transformation of Chinese new energy equipment manufacturing. After that, we display the development sequence of three intelligent manufacturing technologies in the process of intelligent manufacturing transformation in the form of technology roadmap. The results show that three intelligent manufacturing technologies provide a reference for the intelligent transformation of new energy equipment manufacturing in the process flow, product service and operation management.

Keywords:new energy equipment; intelligent manufacturing; technology roadmap

一、引言

在“中国制造2025”发展战略的主导下，产业可持续发展与转型升级已经成为中国经济发展的新常态。国家积极将高端装备制造业作为七大战略性新兴产业之一，着重从强化科技创新、积极培育市场、深化国际合作、推进机制体制创新等方面提出了较为具体的产业扶持政策[1]。新能源装备制造业作为新能源行业与节能环保行业再生产技术装备供应的战略性支柱产业，因其具备高新技术引领、创新驱动、高附加值以及绿色发展等良好成长特征，在高端装备制造业中脱颖而出[2]。截至2016年底，太阳能光伏发电新增装机容量3454万千瓦，累计并网装机容量7742万千瓦，新增和累计装机容量均为全球第一；风电新增装机容量2337万千瓦，同比下降24%，累计并网装机容量1.49亿千瓦，占全部发电装机容量的9%。这些数据都显示出国家在坚持走跨越式发展的道路上，新能源装备制造领域已经取得了一批重大技术成果。然而也必须认识到，中国新能源装备制造业仍面临着高端生产要素匮乏与低端生产要素优势丧失的双重压力，处于加速转型升级的攻坚时期[3]。中国新能源装备制造业要取得里程碑式的突破，不仅依赖于重大技术创新，同时还要求产业的发展能够顺应市场的需求与变化，将发展重心转向智能化、绿色化、服务化。新能源装备制造面向智能制造发展过程中，明确技术路线图能够展示在该领域内相关的智造化发展趋向、智造化关键技术、智造化技术实现时间、限制因素等问题，并以科学方法规范技术发展过程，从而使智造化设计、工艺、产品、服务等各个系统得到整体优化，提高组织资源配置效率，促使新能源装备制造在较低成本条件下实现其最大产品功能。

二、文献综述

(一)技术路线图框架研究

技术路线图作为一种过程管理工具，能够有效地支持战略规划、整合业务技术以及不同层面计划间的沟通，被广泛应用于各技术产业的研究中[4-5]。Phaal等提出技术路线图的制定主要回答以下三个问题：我们的目标是什么？即什么是我们的愿景、使命、任务等；我们目前状况怎样？即研究领域的技术、产品和市场的现状；我们怎样才能完成目标？即短期和长期战略、政策措施、实施计划、研发计划等[6]。刘传林等通过对从国家、行业和企业层面选取的技术路线图经典案例进行分析，归纳出技术路线图制定的一般性流程，并针对路线图准备、分析、绘制和更新各阶段对应设计出完备机制、融合机制、规范机制和评价机制，从而提高技术路线图的灵动性[7]。Skumanich等研究光伏技术路线图时认为，以光伏产量作为首选变量对技术预测结果更好，并提出了基于高水平轨迹的TD路线图、基于性能的路线图、技术评估路线图[8]。Foxon研究英国未来低碳电力转型路径时提出，以市场、政府和社会占主导地位的三个核心转型路径[9]。黄萃等突破传统技术路线图市场—产品—技术维度设计，将政策变量按照需求面、环境面和供给面纳入研究范畴，实证分析政策技术路线图对风机制造业发展路径的解释力[10]。许冠南等进一步从创新政策对技术影响机理的视角研究中国风电发展技术路线图[11]。文献中多试图构建一个新型技术路线图的分析框架，并选取某一具体新能源装备领域(如风机制造业)进行实证分析，其中涉及对使命愿景、参与者维度以及政策激励等研究，该类型文献较侧重于技术路线图分析框架的创新。

(二)技术路线图方法研究

在研究方法方面，国外学者并不局限于定性分析，个别学者还采用了多目标决策等定量分析方法，例如Naim等以资源利用率、环境容量、经济效益、社会效益为测定标准，评估符合可持续发展路径要求的新能源技术系统[12]。与国外研究相比，国内虽已有学者开始关注于新能源装备制造相关问题的研究，但多主要集中于发展现状、技术创新、国内外发展模式比较等方面的分析。关于新能源装备制造技术路线图制定方法鲜有研究，但已经深刻意识到了技术路线图研究对新能源装备制造的重要意义，探索性地开展了一些研究。张嶷等以文献计量学进行定量数据分析，并引入专家判断，为新能源汽车技术领域制定全球技术路线图[13]。郭俊芳等利用Subject-Action-Object文本挖掘技术，以技术路线图形式构建新兴技术方案群，用于新兴技术路径识别[14]。郭颖等提出了一种“自顶向下”的技术规划方法，并以太阳能电池行业为例分析，在掌握太阳能电池技术领域整体环境的前提下，进而对各技术进行比较与分析，最后确定如何在生产层实施太阳能技术领域发展方案[15]。由此可以看出，大部分研究采用文本挖掘、专利分析等方法针对某一具体新能源装备领域制定技术路线图，该类技术路线图的制定采用定量分析方法，但只能对目前领域内发展演进现状进行描述，不涉及对未来发展趋势的展望。研究者将焦点更多地投向技术路线图制定方法和具体应用，分析的对象主要局限于某一具体新能源装备制造领域，缺乏对新能源装备制造整体性的趋势预测，也尚未综合考虑制造业智能转型的模式。本文将尝试不受限于具体产业，从产业整体角度出发，绘制新能源装备制造面向智能制造发展的技术路线图。

三、新能源装备智造化技术识别与愿景

(一)理论及步骤

研究向智能制造发展的技术路线图，明确新能源装备智造化愿景，在技术路线图制定前尤为关键。愿景是组织对具有不确定性未来的一种有根据有阶段性的设想，是组织在未来为之奋斗希望实现的一种理想规划。愿景具有开创性，也许短期内不能够实现，但在努力实现愿景的过程中，特别是在相应的使命驱动下，可以实现众多组织的小目标，利益相关者可以在其指引下追寻发展目标方向，从而有效地执行战略规划。

在智造化愿景指导下，技术识别与技术预见在技术路线图研究过程中是相辅相成的。一方面，技术识别为技术预见的基础，通过文献计量、IPC分类分析、数据挖掘等技术识别方法，能够充分把握当前新能源装备制造业面向智能制造技术发展的动态趋势，才能对智造化技术进行合理有效的预见；另一方面，技术预见的结果又为新一轮研究的技术识别起到了促进作用，通过情景分析法、专家咨询法、德尔菲调查法等遴选出的关键智造化技术，能够为新能源装备制造面向智能制造发展下一进程的技术识别研究提出预测方向[16]。词频分析作为一种有效的技术识别方法，通过对能够揭示文献主旨的关键词或主题词在某一研究领域文献中出现频次的统计，来确定该领域研究热点和发展趋向，一般分为数据检索、排查、统计分析三阶段。智能制造已成为中国新能源装备制造业的风向标，学者们随之发表了相关智造化技术研究文献，其中涉及领域内智造化技术的及时信息与动态。因此，在进行新能源装备智造化技术识别时可以采用词频分析的方法对文献进行数据挖掘，分析形成新能源装备智造化技术清单。

TOPSIS法是为解决多属性决策问题而提出的一种接近于线性加权平均方法的排序法[17]，根据有限个评价对象与理想解的相对接近度进行排序，所选择的评价对象应尽可能地接近正理想解，同时又尽可能地远离负理想解[18]。通过TOPSIS法对各项智造化技术综合排序，计算步骤如下：

①建立原始决策矩阵：

o1o2…o3

(1)

式中，xi记为第i项智造化技术；oj记为第j个评价属性；xij记为第i项智造化技术的第j个评价属性的数值结果。

②对各项数值结果进行规范化处理，将决策矩阵A转换为规范决策矩阵F={uij}，即：

(2)

③构建加权决策矩阵，依据各评价属性的重要性程度分配权重w，公式为：

(3)

(4)

(5)

(6)

⑥计算各项智造化技术与正理想解的相对接近度可定义为：

(7)

显然，φi∈[0,1]，且φi越大，其所对应的智造化技术在新能源装备制造领域越具发展前景。

(二)智造化技术应用

面向智能制造转型是一个技术升级的过程，涉及到生产工艺、生产成品及交付使用后续服务不同类型的设计、材料、系统、工艺等技术。因而，识别出新能源装备智造化的关键技术，对于合理有效地配置有限的资源，帮助企业更准确把握产业发展脉搏具有重要意义。为能够对新能源装备制造领域智造化的技术热点和技术发展趋向进行全面解析，本文以中国期刊全文数据库CNKI为统计数据来源，以2005年至2017年为选取年间，分别以“新能源装备”、“智能制造技术”、“装备制造业”为主题词进行检索，通过筛选SCI、CSSCI、EI文献来源类别共得到277条结果。对277条检索记录进一步排查，剔除与主题相关度较低的冗余文献及会议征稿通知等，最终得到139篇文献，导出End Note文本格式作为文献样本数据。使用SATI软件对样本数据提取关键词进行词频统计，并导入Net Draw生成共现关键词矩阵图谱，如图1所示。根据共现频次归纳，最终确定工业软件、工业物联网、工业机器人三项智造化技术用于TOPSIS分析，这三项技术皆可应用到新能源装备制造业的多个环节，同时它们之间不尽属同一范畴，应用的学科知识也不相同，并都属于新能源装备智造化关键的共性技术。

将三项智造化技术记作x1、x2、x3。在智造化技术评价属性方面，应着眼于未来，除了关注技术本身发展趋势外，还需考虑市场和社会需求的驱动力因素，并兼顾技术将带来的经济效益与社会效益。综上，在对三项新能源装备智造化技术进行综合评价时，主要考虑技术的应用范围(o1)、潜在市场规模(o2)、提升产品竞争力(o3)三个属性。综合考虑国家战略目标和市场需求，邀请到10位专家参加调研。其中，包括来自高校、相关工程科研机构的专家学者，以及来自生产新能源装备企业的技术人员，他们大多从事新能源装备研发工作，具备新能源装备智造化技术背景。本文采用9标度法分别将技术的重要性程度和评价属性的重要性程度两两进行对比评分，并使用SPSS软件对收集到的各技术的评分进行统计分析。共发出问卷10份，全部回收，评价属性重要性分析结果见表1。经SPSS软件统计，评价属性重要性的Kendall协调系数W为0.553，Asymp.Sig.小于0.01，表示评分者的评分具有一定的评分信度。可以得到评价属性oj的重要性程度wi=(0.34,0.26,0.40)T。类似地，可以得到各智造化技术xi关于评价属性oj的决策矩阵。再利用TOPSIS的计算方法加以分析，结果见表2表3。结果显示，三项智造化技术的综合评价指数顺序为x2>x1>x3，即工业物联网技术的得分较高，工业软件技术得分次之，工业机器人技术得分较低。

图1 关键字共现关键词矩阵图谱

目前中国新能源装备制造业自主创新能力薄弱，受短期投机利益吸引，催生产业规模扩张过快、低水平重复建设，进而在产业成长期出现产能过剩问题，产业发展核心技术缺失，低端制造环节盲目扩张，缺乏高性能本土化装备。共同愿景应建立在中国新能源装备制造业现状与关键智造化技术基础上，将工业物联网、工业软件以及工业机器人关键智造化技术深度应用到新能源装备制造的各个环节，逐步完善新能源科技装备研发体系，建成具有国际先进水平的新能源技术自主创新体系和新能源装备自主制造体系，新能源装备制造能力完全满足国内需求并具备较高的国际竞争力；基本实现数字化制造，关键工序数控化，智能工厂、数字化车间、数字化研发设计工具普及，向智能转型取得明显进展；加快培育建设一批拥有自主知识产权和自主品牌、核心竞争力强、行业领先的新能源装备制造企业。

表1 评价属性重要性分析结果

表2 加权决策矩阵值

表3 各智造化技术与正负理想解及相对接近度

四、新能源装备智造化技术路线图制定

(一)智造化技术预见模型

专家咨询法是典型的以专家经验为基础的单一型技术预见方法，使用该方法进行学术研究存在一定的限制性和不确定性。在进行预测的过程中，专家可能会选取过去的某一参考点作为此次预测的基础，再依据目前实际状况对预测结果进行调整；对预测对象的主观看法也会影响预测结果的可靠性，专家易受专业知识、兴趣偏好、经验、打分尺度等主观因素的制约，只注意收集获取支持其观点的信息，而忽略其他解释信息。因此，仅依靠专家的预测结论说服力较弱。专家咨询法与词频分析科学计量相结合的组合型方法在技术预见研究中被广泛采用，在技术路线图制定方面存在其显著的优势。一方面，将定量方法引入到技术预见中，与定性方法结合，一定程度上可以弥补预见结果缺乏客观性与准确性的问题；另一方面，在预见的进程中聚集了领域内各技术专家，可以更好地综合每份问卷每位专家个体意见得到群体意见，将关键智造化技术预期实现时间、创新模式、制约因素等信息一并展现出来，作为智造化技术路线图制定的有效支撑[19]。

通过词频分析与TOPSIS多属性决策方法，得到了新能源装备制造面向智能制造的关键智造化技术。基于在以上研究工作结果，进行技术预见分析。为实现新能源装备制造业智造化转型升级提质增效，围绕智能转型、绿色发展、创新驱动等概念设计出表4调查问卷指标体系。

表4 新能源装备制造面向智能制造路线图调查指标体系

①指标赋值。为避免专家对新能源装备智造化技术领域熟悉程度不同而产生对预见结果的影响，对回收的调查问卷，以专家对其熟悉程度的不同为依据进行赋权，具体数值见下表5。

表5 指标赋值原则

②智造化技术预期实现的时间。ti(i=1,2,3)分别表示选择2016-2020、2020-2025、2025-2030选项的人数占参与回答此问题人数的百分比，令t=max{t1,t2,t3}，T为预期实现的时间。当t=t1时，则T=2018+t2×5+t3×10；当t=t2时，则T=2023-t1×5+t3×5；当t=t3时，则T=2028-t1×10-t2×5。

③技术自身成长推动程度。若选择技术自身成长对智造化转型推动程度很高、高、较高、一般高、不高选项的分别有n(Hi)人次(i=1,2,3,4,5)；分别量化以五个程度的不同分值Hi为9、7、5、3、1；f(Hi)代表技术自身成长推动指标的专家权重。

④社会经济对其需求程度。若选择社会经济对其需求程度很高、高、较高、一般高、不高选项的分别有n(Ii)人次(i=1,2,3,4,5)；分别量化以五个程度的不同分值Ii为9、7、5、3、1；f(Ii)代表社会经济对其需求程度指标的专家权重。

⑤智造化技术的研发水平。若选择国际领先、落后于国际领先但基本持平、落后国际领先水平5-10年、落后国际领先水平10年以上、无法预测分别有n(Ki)人次(i=1,2,3,4,5)；分别量化以五个程度的不同分值Ki为9、7、5、3、1；f(Ki)代表智造化技术研发水平指标的专家权重。

⑦智造化过程制约因素。新能源装备制造面向智能制造发展中的制约因素可以用M表示，令M=max(M1，M2，M3，M4，M5)，其中M1、M2、M3、M4、M5分别表示为选择教育与人才培养、政府R&D投入、产学研的交流合作、资本与技术结合、产业基础选项的人数占参与回答此问题人数的百分比。

(二)智造化技术经济分析

智造化技术在新能源装备制造领域的预期实现时间是技术预见模型中的核心任务之一，通过对三项智造化技术实现时间的科学测定,可以有效地把握在该领域内科学技术未来发展方向，为企业的计划和控制决策提供可靠的依据。分析筛选出的三项关键智造化技术的预期实现时间见下表6，发现三项关键智造化技术预期实现时间集中在2021年至2025年，各技术之间体现了较高的聚集度。可以认为，工业软件、工业物联网、工业机器人三项关键智造化技术将对新能源装备制造业面向智能制造发展起到至关重要的作用。

表6 新能源装备关键智造化技术预期实现时间

通过技术自身成长推动程度和社会经济对其需求程度两项技术指标可以综合反映智造化技术可实现程度。技术自身成长推动程度和社会经济对其需求程度越高，则智造化技术在新能源装备制造领域可实现程度越高，关键智造化技术指标数值如表7所示。根据表中数据结果反映，各关键智造化技术的自身成长推动程度和社会经济对其的需求程度的技术指标数值都属于7-9之间同一等级，也就表示各项关键智造化技术能够在新能源装备制造领域得以应用，不仅是在技术自身成长表现方面十分重要，而且社会经济对其也有较高的需求。

表7 新能源装备关键智造化技术可实现程度

结合对技术预见指标分析，可以绘制出新能源装备制造面向智能制造发展的路线图，该路线图涵盖新能源装备制造业发展的关键智造化技术预期实现时间、研发水平、发展途径、制约因素等要素，如图2所示。现代新能源装备要求在性能上大幅提升，功能上更为齐全，结构上更加精密，其背后所需要的任务量越发繁重，造成企业生产线和生产设备内部的信息流量增加，制造过程和管理工作的信息量骤增。提高制造系统对于急速增长的制造信息分析处理的能力、效率及规模成为了制造技术发展的首要需求。工业物联网、工业软件、工业机器人三项技术在新能源装备制造中应用，在管理层上，通过网络及软件管理系统实现数控自动化，生产设备、检测设备、运输设备等互联互通，达到感知状态，能够实时将分散在各模块

的信息汇集传送到云计算数据中心进行存储分析，形成自动决策并反过来指导生产，同时，围绕产品全生命周期的各个环节不断融入增值服务，从而带来仓储、配送、销售效率的大幅提升和成本的大幅下降，并将极大地减少库存、缩短产品生命周期、优化供应链以及充分利用销售数据、产品传感器数据和供应商数据，企业做到可以准确地预测不同市场的商品需求，满足客户需求导向定制化要求等；在工艺层上，使得生产过程能够精准控制资源配置，实时优化调整生产资源和生产线，利用智能分析实现资源最大程度利用和能源最小程度的消耗；在服务层上，通过传感技术，实时感知数据，对装备进行在线监测、故障预警、故障诊断、运行优化及远程升级。最终达到企业内部ERP/MES/DNC/MDC等信息化系统之间的深度集成，通过设备联网将各种数字化设备建成网络化集中管控的设备网络化管理系统，信息化系统与设备层之间具有下发指令、状态反馈、动态调整等功能，在新能源装备制造领域体现信息技术与物理设备之间的深度集成。

图2 新能源装备智造化技术路线图

五、结论

为适应智能制造转型对新能源装备制造业提出的跨越式发展要求，唯有不断提高产业内自动化与信息化能力。由三项智造化技术在智能制造进程中的发展脉络可知，其中，自动化主要指实现生产过程的柔性智能化和高度集成化，自动化的实现离不开生产控制类软件和工业机器人的深度应用；信息化主要指实现新能源装备设计、研发、工艺、销售服务等模块的数字化，通过运营管理、研发设计类软件以及工业物联网技术的深度应用，使企业内部的数据流顺畅运转。本文可以作为新能源装备制造向智能制造发展路线图研究的基础，在今后的研究中将进一步分析向智能制造发展的行动路线图，内容涉及有关技术的应用方式，产业实时交换数据信息实现智能制造的组织路径等，继续为新能源装备制造业面向智能制造转型提供理论基础。

[1]刘微微,孙茹. 高端装备制造业企业知识创新与技术创新耦合度测度研究[J]. 科学学与科学技术管理,2014(7):16-22.

[2]罗来军,朱善利,邹宗宪. 我国新能源战略的重大技术挑战及化解对策[J]. 数量经济技术经济研究,2015(2):113-128,143.

[3]韩秀云. 对我国新能源产能过剩问题的分析及政策建议——以风能和太阳能行业为例[J]. 管理世界,2012(8):171-172,175.

[4]Phaal R, Farrukh C J P, Probert D R. Technology roadmapping—A planning framework for evolution and revolution[J]. Technological Forecasting & Social Change, 2004, 71(1-2):5-26.

[5]Vishnevskiy K, Karasev O, Meissner D. Integrated roadmaps for strategic management and planning[J]. Technological Forecasting & Social Change, 2015, 110:153-166.

[6]Phaal R, Farrukh C J P, Probert D R. Strategic roadmapping: A workshop-based approach for identifying and exploring strategic issues and opportunities[J]. Engineering Management Journal, 2007, 19(1):3-12.

[7]刘传林,陈坤,张瑛. 技术路线图制定流程及其柔性机制研究[J]. 科学学与科学技术管理,2010(4):50-55.

[8]Skumanich A, Ryabova E, Malik I J, et al. PV technology roadmap: Market and manufacturing considerations[C].//Photovoltaic Specialists Conference. Honolulu: IEEE, 2010:002883-002888.

[9]Foxon T J. Transition pathways for a UK low carbon electricity future[J]. Energy Policy, 2013, 52(3):10-24.

[10]黄萃,徐磊,钟笑天,等. 基于政策工具的政策-技术路线图(P-TRM)框架构建与实证分析——以中国风机制造业和光伏产业为例[J].中国软科学,2014(5):76-84.

[11]许冠南,苏竣,智强. 引入政策维度的技术路线图分析工具创新[J]. 科技进步与对策,2014(12):110-113.

[12]Afgan N H, Carvalho M G. Multi-criteria assessment of new and renewable energy power plants[J]. Energy, 2002, 27(8):739-755.

[13]张嶷,汪雪锋,郭颖,等. 基于文献计量学的技术路线图构建模型研究[J]. 科学学研究,2012,30(4): 486,495-502.

[14]郭俊芳,汪雪锋,邱鹏君,等. 基于SAO分析的技术路线图构建研究[J]. 科学学研究,2014(7):976-981,1002.

[15]郭颖,汪雪锋,朱东华,等. “自顶向下”的科技规划——基于专利数据和技术路线图的新方法[J]. 科学学研究,2012(3):349-358.

[16]贺正楚,张蜜,陈一鸣,等. 生物医药产业共性技术路线图研究[J]. 中国软科学,2012(7):49-60.

[17]Li Deng Feng. Crucial and unsolved problems on Atanassov’s intuitionistic fuzzy sets[J]. Adv Fuzzy Sets Syst, 2012, 11(1):57-64.

[18]杨珂玲,蒋杭,张志刚. 基于TOPSIS法的我国现代服务业发展潜力评价研究[J]. 软科学,2014(3):130-134,144.

[19]徐磊. 技术预见方法的探索与实践思考——基于德尔菲法和技术路线图的对接[J]. 科学学与科学技术管理,2011,32(11):37-41,48.

(本文责编：王延芳)