基于文献计量分析的我国智能制造科研创新发展研究

王雅薇，周 源，张 蒙

(1.北京物资学院信息学院，北京 101149；2.清华大学公共管理学院，北京 100084；3.山东师范大学商学院，山东济南 250014)

1 研究背景

制造业是一个国家的实体经济的主体，而大数据、云计算和人工智能等新一代信息技术的兴起，加速了传统制造业向智能制造的变革性升级[1]。在此背景下，全球各国都在积极从战略层面部署智能制造的发展， 欧盟在2010年制定了促进制造云项目的FP7计划，并在2014年启动了“2020地平线”项目，将智能型先进制造系统列为优先级创新项目。美国于2009年启动了“再工业化”计划，发展先进制造业，推动实现制造业的智能化，英国也提出了《英国工业2050战略》，韩国于2014年正式推出了被誉为韩国版“工业4.0”的《制造业创新3.0战略》，德国在2011年提出了“工业4.0”概念，并于2014年于中国共同发表《中的合作行动纲要》。另外，日本的工业价值链促进会为了迎合智能制造的迫切发展，努力构建智能制造生态系统[2]。2015年，我国正式颁布了《中国制造2025》，是我国努力实现制造强国的第一个十年行动纲领，明确了以智能制造为目标的前进方向，构建传统制造业向智能制造升级的新型制造体系[3]。

习近平总书记在党的十九大报告中号召，加速先进制造业的发展，推动制造强国的建设进程，并且明确指示继续推动信息化和工业化的深度融合和智能制造产业的发展。工业和信息化部副部长辛国斌在“2018世界智能制造大会”上指出，我国在智能制造的关键领域都取得了突破性成绩，试点项目示范取得显著成效，并且不断拓展合作范围，整体上智能制造初步体系已经形成。前瞻研究院的相关研究表明，基于当下国际智能制造产业发展态势，智能制造产业在未来几年估计将以10%左右的年均复合增速，预计到2022年全球智能制造的产值将达到1.51万亿美元左右。而《2017—2018年中国智能制造发展报告》也显示，我国的智能制造市场到2020年将超过2 200亿元，显然将成为全球最大的智能制造市场。

综上所述，智能制造已经成为推动全球新一轮工业革命的主要驱动力[4]，而创新是发展智能制造的主要驱动力[1]。科研创新是研究组织在一个由科研机构、政策和环境等组成的创新网络中的互动活动，他们的合作行为对产业技术的发展、成效和吸纳等产生直接的影响[5]。同时，学者们一般采用技术创新来研究产业发展的过程或者特定领域内的技术演化路径[6]，而一个产业的科研创新能力与其技术创新水平紧密相关。我国的智能制造产业在飞速发展的进程中，也遇到了一些实际的障碍，比如相关科研人才资源的紧缺[7]，和引领性创新薄弱等[1]。因而，系统研究我国智能产业的科研创新进程，从而明确其发展阶段，及提出科学的政策建议，对推动我国智能制造产业发展有积极的意义。

2 文献回顾与研究问题

目前全球对智能制造还没有一个统一概念，普遍认为，智能制造是在新一代制造技术与新兴信息技术深度结合的基础上，与管理、服务、生产运作和产品设计等一系列制造产业活动融合，并具备自感应、自运营、自计划和自学习等智能功能的新一代制造生产模式[3]。Zhou总结出智能制造在演化发展过程中的三种范式，即数字化制造；数字化网络化制造，即“互联网 + 制造”； 新一代智能制造，即数字化、网络化和智能化制造[4]。当前，学者们对智能制造产业的研究主要集中在智能技术研发、智能技术在特定制造领域内的应用和区域性智能制造产业发展等方面的研究。Giret等[8]提出了一个框架和相关的工程方法来辅助面向服务制造系统的系统开发人员,该方法将多智能体系与面向服务架构相结合，用于智能自动化控制的开发和制造系统的实施。Srinivasan等[9]认为所谓的智能产品范式为智能控制系统的发展提供了一种合适的机制，而智能控制是指能够对生产环境进行评估并与之相互作用，从而使生产做出相应调整的生产控制，同时提出并实施这样一个智能控制系统，并分析其支持定制3D打印的可行性。Wang等[10]提出了能源监控平台，该平台可以监控和记录不同粒度级别的制造过程中能源消耗。陈宁等[11]通过专利文献分析的方法对贵州省智能制造产业进行了区域性研究。

综上，现有文献针对我国智能制造产业创新的整体视角的研究还较少，针对特定产业，学者们经常采用文献计量分析法研究其发展过程[3]。因此，本文从产业生命周期理论出发，基于文献计量分析法对我国智能制造产业科研创新路径进行系统的研究，进而推导我国智能制造科研创新的发展阶段，可能存在的问题和提出相关政策建议。

3 理论基础和研究方法

3.1 理论基础

基于技术轨迹理论[12]，产业创新是特定产业沿着一定技术路径的发展过程，并且学者们普遍认为创新技术来源于科技发展、经济和制度环境等互相作用。学者们认为产业生命周期强调组织所处的产业所在的发展阶段，而产业不同的生命周期阶段都是创新的重要环境，这些各具特点的发展阶段是影响组织和整个产业创新行为的重要因素[13]。另外，Bos等[14]认为产业生命周期理论能提出哪些组织进行了创新以及实施了何种创新活动，这些都与产业生命周期的阶段密切相关，而创新在整个产业生命周期中都在不断地演化发展。为了更科学地阐释新兴产业创新发展，创新界的研究者们基于由创新机构之间相互影响而构建成的网络对创新过程进行概念化，这些网络中的节点组织在某产业技术创新活动中互相影响，最终推动了并衍生了新的创新成果，并将其扩散和用于实践[15]。因此，学者们基于这些创新网络的分析，更合理的分析了新技术研发战略和针对构建创新系统的创新活动[16]。基于此，本文引入网络分析方法，分析我国智能制造科研创新机构相互间的知识互动作用。

本文基于文献数据构建研究理论框架，通过数据挖掘对文献数据进行深入分析，进而研究我国智能制造产业的创新发展路径。一些学者采用专利分析方法研究产业的技术创新轨迹，本文参考这些专利分析法对创新的维度划分，如表1所示，通过对现有采用网络分析和文献分析研究产业创新的文献总结，进而推导出我国智能制造科研创新的三个维度和测量指标。

表1 基于文献计量分析法的科研创新路径维度

3.2 文献计量分析法

文献计量分析法通常是应用数学与统计学方法对文本信息的分析，进而理解事物的发展历程[19]，是对出版单位、文献和代理商等的定量研究[20],有助于探索、组织和分析大量的历史数据，帮助研究人员识别可能有助于其决策的隐藏模式[21]。学者们一般通过文献计量分析法研究产业发展、技术轨迹和创新过程等。而文献引用分析是通过对被引文献之间相似性的挖掘和研究，进而揭示研究领域的理论基础[22]。一些学者证实，通过分析关键节点、拓扑结构和核心网络，可以观察不同国家、机构和组织之间的知识增长及知识传输路径[23]。

基于此，本文将分别选取在全球排名前30智能制造科研创新组织和核心关键词作为研究样本，接着采用Thomson Data Analyzer (TDA)软件和UCINET 6.0软件绘制文献引文网络，进而分析这些组织之间的文献引用关系，及关键词之间的互动关系。本文通过数据挖掘技术对整体文献数据进行统计分类等处理，按照应用领域和关键词频次分别对文献进行排名、分类和统计等定量处理，进而保证了研究样本的科学性。

3.3 研究数据

为了确保数据的权威性，本文基于Web of science的核心合集进行数据采集，本文以“intelligent manufacturing”为核心搜索关键词。鉴于智能制造的概念起始于20世纪80年代的人工智能在制造业中的应用，本文将搜索年限设定为1980—2018年。同时，本文对原始数据进行了清洗，最终确定了5 364条智能制造产业相关的文献数据，相关数据年份跨度为1987—2018年。

4 定量数据分析

4.1 智能制造核心创新领域

通过TDA软件对所收集数据进行统计分类，并选取美国、英国、德国和日本作为对比分析国，本文得出图1。如图1所示，尽管智能制造的概念始于80年代，但进入20世纪90年代，全球智能制造产业才开始了初步发展阶段，美国和日本首先开始发展智能制造，而我国的智能制造产业直到90年代末期才开始步入初始阶段。图1显示，我国的智能制造产业一直处于稳步快速发展，相关研究文献数量总量逐渐占据世界第一，尤其2014年开始，我国的智能制造相关研究成果占据领先性优势，这一定程度上是由于《中国制造2025》在2014年首次被正式提出。与我国相比，美国和德国科研创新发展速度均衡平稳，文献数量上没有出现太明显的波动。

图1 智能制造文献数量

基于数据挖掘，本文得出全球的排名前20个智能制造核心科研创新领域，为了深入分析我国现阶段智能制造产业的发展情况，本文同时统计分类得出我国近五年(2014—2018年)的排名前20个智能制造相关核心创新领域。如下表2所示，从本文收集到的数据的整体周期(1987—2018年)的相关值观察，我国的智能制造产业的科研创新核心领域基本和全球相关领域相似，说明我国的智能制造相关科学研究与国际智能制造发展方向一致，主要是工程学、计算机科学、自动控制学、材料科学、机器人学、化学、能源等领域。同时，对比分析我国整体周期(1987—2018年)和近五年(2014—2018年)的相关值，可发现，我国智能制造产业近五年排名前7的科研创新领域没有变，一直都是工程学(Engineering)、计算机科学(Computer Science)、自动化及控制系统学(Automation & Control Systems)、材料科学(Materials Science)、运筹管理科学(Operations Research & Management Science)、电信科学(Telecommunications)和机器人学(Robotics)。但之前排名稍后的化学(Chemistry)和能源与燃料学(Energy & Fuels)，在排名上都明显提升，同时教育学(Education & Educational Research)与环境生态科学(Environmental Sciences & Ecology)的排名也逐步靠前，而社会科学(Social Sciences)的排名提升的最显著。

表2 智能制造核心创新领域

基于以上的描述性统计分析，可知我国的智能制造科研创新成果在全球已取得显著优势，并且创新的方向与国际智能制造发展方向基本一致，但近五年我国智能制造产业逐步加强了在能源、化学和环境生态等环保领域的和研发，同时注重在教育等社会科学领域中的积极渗透。因此，本小节结论如下：与美国和日本等发达国家相比，我国的智能制造科研创新起步较晚，但发展平稳迅速，而且已经在科研成果数量上取得了全球性显著优势。

4.2 创新机构合作网络

组织结构之间知识的互动形成了创新，知识输出或知识引入是创新网络中各节点之间不断的知识相互作用行为[6]。正是产业组织之间不断的知识交互行为推动着创新的进程，而这种知识流动性可更有效地驱动科研创新合作和成果扩散[24]。因而，对科研创新组织之间合作网络的分析，可以更深入地研究创新知识的演化路径。本文首先基于文献数量统计分析选取全球排名前30的科研创新机构作为分析样本，然后选取最近十年(2009—2018年)作为研究的时间跨度，由图1可示，鉴于我国2014正式提出了《中国制造2025》，从政府战略和政策层面，一定程度上推动了我国智能制造的快速发展，所以本文选取2014年为断点年，分别研究前五年(2009—2013年)和近五年(2014—2018年)两个时间段的科研创新机构间的合作网络结构，进而分析我国智能制造创新活动的演化情况。如前文所述，本文通过TDA和UCINET 6.0软件对样本数据的深入挖掘和统计分析，最终对结果进行可视化呈现，形成了智能制造科研创新机构合作网络，如图2和图3。图中黑色实心圆代表科研创新机构组织，每个组织名称后缀以组织所属国家作为标示，便于分析各个国家之间的科研创新知识流动；黑色节点的大小代表不同科研创新机构的文献成果的数量(节点越大，代表该节点拥有越多的科研成果)；节点间的连线代表结构之间存在的合作关系(连线越粗，代表这两个科研组织间的合作越密切；连线的箭头表征着知识流的方向。

如图2所示，在前五年(2009—2013年)的结构合作网络中，只有12家科研创新机构进入了网络，其余皆为孤点(即与其他组织不存在合作关系)。这说明智能制造在(2009—2013年)的发展还处于初步探索性阶段，尽管智能制造在90年代被正式提出，但很多发达地区如欧盟、美国和德国等，在2010年左右才从国家战略层面将智能制造定位为主攻方向。瑞典、美国和英国都属于最早发展智能制造的国家，而我国的中国科学院(Chinese Acad Sci China)、华中科技大学(Univ Huazhong Sci & Technol China)、上海交通大学(Univ Shanghai Jiao Tong China)和重庆大学(Univ Chongqing China)等6家机构是我国智能制造产业的科研创新早期的发起者。(2009—2013年)的创新合作网络中，各机构间的连线简单，并没有形成紧密的合作，因此可推断智能制造在这个时期尚且处于初步的探索研究阶段，还没有形成垄断性的知识堡垒。

图2 智能制造科研创新机构合作网络(2009—2013年)

图3是近五年(2014—2018年)，全球智能制造科研创新机构网络图。我们选择的30家样本组织，只有6家是孤点机构，24家智能制造科研创新机构都进入了创新网络中，而其中，我国的科研创新机构占据多数，可见我国智能制造科研创新在近五年发展迅速，其中，上海交通大学(Univ Shanghai Jiao Tong China)和北京航空航天大学(Univ Beihang China)已处于科研创新网络的中心，并且在创新成果数量上，也处于绝对性优势地位。另外，我国的中国科学院(Chinese Acad Sci China)、清华大学(Univ Tsinghua China)和同济大学(Univ Tongji China)等也处于中心地区。同时，美国的佐治亚理工学院(Georgia Inst Technol USA)和新西兰的奥克兰大学(Univ Auckland New Zealand)也处于网络的中心地带，并且在文献数量上有明显优势。对比(2014—2018年)与(2009—2013年)，近五年的创新网络中的节点连线明确密切，并且我国的上海交通大学、北京航空航天大学和华南理工大学(Univ South China Technol China)之间已经初步形成了较紧密的智能制造科研创新子网络。相比之下，其他节点结构之间合作还没有形成明显的加强趋势。

图3 智能制造科研创新机构合作网络(2014—2018年)

综上，智能制造科研创新在近五年(2014—2018年)取得了快速发展，我国的智能制造科研创新机构已经在全球形成数量上的绝对性优势，尽管局部几家科研机构间的合作稍显密切，但从全局看，我国智能制造科研创新尚且处于不断探索阶段，还没有全面形成明显的知识合作网。

4.3 核心关键词网络

文献中，作者一般会将核心理论与知识作为关键词罗列，因此，本文基于文献核心关键词为样本，通过数据挖掘和统计分析，得出我国智能制造文献中排名前30的核心关键词，并通过TDA软件和UCINET6.0可视化分析，形成如下图4和图5的我国智能制造核心关键词网络，与前文同理，2014年为断点年。其中，白色空心圆代表关键词，节点的大小表示该关键词在此次的样本数据中出现的频次，节点越大，代表该关键词也越多的文献中出现，进一步说明该关键词表征的技术是智能制造产业中的核心技术。节点之间的连线代表这两个关键词同时出现在一篇文献中。连线越粗，表示这两个关键词同时出现在文献中的频次越多，进一步表示这两个关键词代表的技术具有较高相关性或者适用于统一领域。

本文通过分析这些网络的关键词变化，可进一步推导我国智能制造关键技术的发展情况。图4显示，在选取的前30个核心关键词中，总共有25个进入了核心关键词网络图，并且智能制造(Intelligent manufacturing)、多智能技术(multi-agent)、视频识别技术(RFID)、云制造技术(Cloud manufacturing)和基于本体的制造技术(Ontology)在文献中出现的频次在数量上明显比其他的关键词占据优势。通过观察图4中节点间的连线，可以得出，多智能技术、基于本体的制造技术、云制造技术和云计算技术之间形成的子网络相比其他关键词之间具有明显更紧密的连线，这说明这些技术在前五年(2009—2013年)中是我国智能制造的核心技术。对比(2014—2018年)的核心关键词网络与(2009—2013年)网络图，可以看出有29个核心关键进入了网络，并且核心关键词之间的连线明前比(2009—2013年)中的粗很多，说明越来越多的核心技术被整合研究。图5显示，我国智能制造最近五年出现了新的核心技术，物联网(Internet of Things)、人工智能(Artificial intelligence)和大数据(Big Data)明显进入了网络的中心区域，且与智能制造(Intelligent manufacturing)节点之间的连线明显更粗更紧密，这也说明了新一代信息技术的兴起对我国智能制造产业发展的关键驱动作用，但这些节点与其他关键词之间的连线还没有明显加粗。另外，图5中，工业4.0(Industry 4.0)出现在明显的网络中心地带，并且与智能制造核心的关键词之间有明显增强的紧密连线，说明的德国“工业4.0”与我国的智能制造有很大程度上的相似之处。目前学者们认为“工业4.0”与智能制造既有相似的部分，也有较大的异质性，具体而言，“工业4.0”是指传统制造业向智能化升级，是智能制造的基础阶段，而智能制造是全面开启新一代制造业的智能模式[25]。

图4 我国智能制造核心关键词网络(2009—2013年)

图5 我国智能制造核心关键词网络(2014—2018年)

综上，本节通过对我国最近十年的智能制造相关文献的核心关键词不同时期的关键词网络分析对比研究，得出如下结论：我国的智能制造产业与新一代信息技术的联系越来越紧密，并且我国智能制造科研创新正努力将越来越多的核心技术结合起来，推动智能制造的智能模式的实现。

5 结论与政策建议

5.1 结论

本文采用文献计量分析法，创新性地采用网络分析的方式，从核心创新领域、创新机构合作网络和核心关键词网络三个维度解析了我国智能制造的科研创新演化路径，映射了我国智能制造产业所处的发展阶段，为我国智能制造企业组织和相关政策颁布部门提供了科学的参考。首先，本文4.1节通过对我国、美国、英国、德国和日本的智能制造文献数量随着时间的变化趋势对比分析，及对我国与全球排名前20的智能制造核心科研创新领域进行对比性研究，得出如下结论：我国的智能制造科研创新尽管与发达国家相比开始较晚，但发展较快，目前在创新成果数量上已经在全球取得了绝对性优势，并且我国的智能制造主攻方向基本与国际趋势一致。然后，本文4.2节，通过对智能制造30个核心科研创新机构不同时间段的对比分析，得出如下结论：我国的智能制造科研创新已经在成果数量上取得了全球性优势，但依然处于初步的科学研究探索阶段。最后，本文的4.3节通过对我国智能制造排名前30的核心关键词不同时间段的网络图进行对比研究，得出如下结论：新一代信息技术与我国智能制造的科研创新结合越来越紧密，推动了智能制造科研创新将各种技术的深度结合。

综上，本文得出如下整体结论：我国的智能制造科研创新已经在成果数量上成为全球创新大国，但依然处于科学研究探索阶段，还未形成具有绝对影响力的开创性知识主体，而新一代信息技术的发展推动了我国智能制造科研创新的深度智能化的发展。基于产业生命周期理论，本文的结论可推导出我国智能制造产业正处于科学研究向实际应用转化阶段，但依然是科学研究占据主体。

5.2 政策建议

本文从得出的研究结论出发，提出如下推动我国智能制造科研创新和实体产业发展的政策建议：第一，尽管我国的智能制造科研创新成果数量已居于全球领先地位，但创新成果还缺乏影响力，因此我国相关政策更应支持科研创新机构的开创性研究；第二，科研创新都是与实体产业息息相关的，我国的科研创新机构之间还缺乏足够紧密的合作，映射出我国智能制造实体产业尚处于研发向应用转化阶段，但还缺乏足够成熟的科研创新技术支持更广的实践应用，我国的科研创新机构应该加强彼此间的交流和合作，打破知识壁垒，发挥各自优势，推动我国智能制造科研创新的突破性和革命性发展；第三，加强战略层面的我国智能制造产学研发展模式，将科研创新机构的平台优势与制造业实体产业的实践经验优势有机结合，可及时发现科研创新过程中的方向性错误，更科学有效地推动我国智能制造产业真正智能化模式的实现。