基于CiteSpace知识图谱的智慧工厂研究热点及趋势实证分析

吴宇驹 吴伟生 雷振 张婉婷

摘  要：该文通过中国知网，以“智慧工厂”为主题搜索词，收集2001—2020年的相关研究性文献，采用CiteSpace软件绘制知识图谱，进行研究现状分析与研究趋势的展望。文献分析结果显示：智慧工厂的研究日渐受到关注;作者之间、研究机构之间联系不够紧密，缺乏沟通与合作;研究热点内容包括智慧化、技术条件、产业行业应用和客户体验这4个方面;智能系统的迭代开发和应用场景定制化成为国内智慧工厂研究的主要趋势。

关键词：智慧工厂  知识图谱  研究热点  研究趋势

中图分类号：TP31                          文献标识码：A文章编号：1672-3791（2021）05（c）-0198-03

Empirical analysis of Smart Factory Research Hotspots and Trends Based on CiteSpace Knowledge Map

WU Yuju  WU Weisheng  LEI Zhen  ZHANG Wanting

（Software Engineering Institute of Guangzhou， Guangzhou， Guangdong Province， 510990  China）

Abstract： In this paper， through CNKI（China National Knowledge Infrastructure）， with "smart factory" as the subject search term， we collect the relevant research literature from 2001 to 2020， use CiteSpace software to draw the knowledge map， analyze the research status and prospect the research trend. The results show that： the research of smart factory is getting more and more attention; The relationship between authors and research institutions is not close enough， lack of communication and cooperation; Research hotspots include intelligence， technical conditions， industrial applications and customer experience; Iterative development of intelligent systems and customization of application scenarios have become the main trend of domestic smart factory research.

Key Words： Smart factory; Knowledge map; Research hotspots; Research trends

當前，我国正在全面推进“互联网+”“中国制造2025”[1]等战略规划，提出“要建成完善的工业互联网网络基础设施和产业体系，推动工业企业运用工业互联网新技术、实施数字化、网络化、智能化升级”的发展方向和工作要求。目前，数字化转型的主力军是自动化程度已经达到规模的大型企业，张梅芳[2]以建材制造企业为例，指出工业大数据技术不仅有效地收集和管理生产数据，同时开拓了智能制造远程运维模式。而中小型工厂自动化水平发展各异，工业基础薄弱，虽然ERP、MES等大型生产控制和管理系统陆续运用在生产、供应链等工厂的管理工作中，但是粤港澳大湾区传统中小型工厂数字化发展不平衡、不充分的问题依然突出，多数中小企业工厂数字化水平较低，工业互联演进基础薄弱，仍以高人工、高成本、低数字化的方式进行生产，经济价值受限。为此，学术界和实业界围绕“智慧工厂”这一主题展开研究和探讨，形成系列研究成果。面对如此众多的文献，以传统方式来梳理国内学者对智慧工厂的研究，存在一定的片面性和局限性。因此，该文采用知识图谱这一文献计量分析法，收集整理相关文献，通过可视化分析，系统总结国内智慧工厂的研究现状和热点，并对后续研究方向进行展望，以期为广大学者、管理者和创业者提供借鉴。

1  研究工具及数据来源

1.1 研究工具

该研究采用学者李杰、陈超美[3]所开发的CiteSpace5.7 R2版软件，该软件当前广泛用于国内外特定领域的文献可视化分析[4-5]，绘制知识图谱，通过作者、研究机构和关键词等节点的关联计量分析，向读者直观地展示研究热点分布状况，并据此把脉研究趋势。

1.2 数据来源

在中国知网高级检索中，以“智慧工厂”为检索词，检索词所在的位置选择“主题”，获得文献451篇（截至2021年5月23日）。然后剔除会议报告、报纸新闻报道类文献34篇，最终获得有效文献417篇，作为该文的样本数据库。将有效文献按refworks的格式导出并转码，以备后续软件分析使用。

2  数据分析结果

2.1 文献基础信息分析

2.1.1 发文量的纵向分析

第一篇智慧工厂的文献于2001年刊登，2012年起相关发文量明显增加，2020年达到顶峰88篇。尽管2017年发文量出现小幅下滑，但发文量总体呈上升趋势。由此看出，智慧工厂研究主题日渐受到学界的广泛关注。

2.1.2 研究机构分析

将时间跨度设置为2001—2020年，时间切片为1年，节点类型为“机构”，其他参数为默认设置，运行CiteSpace，获得研究机构共现图谱。研究机构节点数为176，南昌大学、江西鑫铂瑞科技有限公司、金砖国家未来网络研究院中国分院节点较大，可知这几所机构在国内智慧工厂研究领域的发文量较多，研究实力较强。而Modularity Q值为0.585 1，超过0.3[6]，表明机构社团化结构显著，机构之间存在一定联系，尤其省内合作较明显;而连线密度为0.007 6，表示这些机构社团之间的联系不够紧密，省际沟通与合作依然缺乏。

2.1.3 研究作者分析

将节点类型设置为“作者”，同理可得作者共现图谱（见图1），节点数N=265，连线密度为0.003 6。由图1可知，节点数较大的学者为朱禹涛[7]等人。各个学者相互交流与合作，初步形成若干个作者子网络群，较为显著的是以朱禹涛为首的研究团队。但独立撰文（单独节点）的学者也不少，如崔文静，可见学者们的交流与合作有待加强。

2.2 研究热点分析

关键词的高频出现反映出某一领域的研究重点及方向，而关键词共现分析主要通过聚类统计方法实现[8]。将CiteSpace分析节点类型设置為“关键词”，聚类算法选择LLR法（likelihood Rate，对数似然率）。图2右侧显示聚类分析获得的13个类别，由于各类研究内容存在相互交叉现象，在此基础上笔者将国内智慧工厂研究归纳为4个主题领域：一是智慧化，主要包括智能工厂 、智能制造、两化融合等概念的提出;二是技术条件，包括中国移动等通信运营商的支持、大数据和云计算等技术;三是产业行业应用，包括制造业、建筑业、纺织服装业等;四是客户体验。

2.3 研究趋势分析

关键词时线图可用于刻画某一主题研究内容随时间推移的变化轨迹，能一定程度上反映该时间段内的研究趋势。笔者在关键词共现分析的基础上，按时间片段生成关键词时线图谱（见图2）。可见，不同阶段学者关注点不同，大体可以把我国智慧工厂研究的演变划分为基础期、成熟期、新时期3个发展阶段。第一阶段基础期（2010—2013年），主要包括制造业的转型升级、物联网和数字经济等现代信息技术的兴起;第二阶段成熟期（2014—2018年），包括工业4.0、自动化、智能装备、智能物流、智能制造等系统的开发与应用;第三阶段新时期（2019至今），主要包括智能系统的迭代优化和应用场景的定制化。

3  结论与展望

3.1 智慧工厂的研究日渐受到关注

智慧工厂主题的论文发表量总体呈现上升趋势，自2012年起升幅明显增加。2015年5月，国务院印发实施制造强国战略第一个十年的行动纲领《中国制造2025》，制造业的转型升级拉开帷幕，学者对智慧工厂研究的热度有增无减，从实践中不断积累、梳理阶段性成果，同时又将研究成果赋能企业的生产实践。

3.2 作者之间、研究机构之间的合作有待加强

尽管研究结构和作者呈现出一定的社团化趋势，但是社团与社团、个人与社团、个人与个人之间缺乏大范围的、深度的合作，研究成果的全面性和系统性一定程度受到制约。期待不同学科背景的机构与作者能充分交流、整合资源，从多角度解构智慧工厂的影响因素和实施条件，提升研究的效度。

3.3 研究热点包括四大类，研究趋势呈现三阶段的形态

智慧化、技术条件、产业行业应用和客户体验成为国内智慧工厂研究的热点。新时期的研究围绕智能系统的迭代开发和应用场景定制化这些重点展开，意味着行业垂直细分、客户画像、精准化服务将成为智能制造产品和服务的趋势，高校的相关创业项目可往这一方向发力和靠拢，赋能制造业的高质量发展。

参考文献

[1] 中华人民共和国国务院.中国制造2025[EB/OL].（2015-05-19）[2021-05-25].https：//www.gov.cn/zhengce/content/2015-05/19/content_9784.html.

[2] 张梅芳.基于工业大数据的智能制造新模式研究[J].科技创新导报，2020，17（8）：39-40.

[3] 李杰，陈超美.CiteSpace：科技文本挖掘及可视化[M].北京：首都经济贸易大学出版社，2016.

[4] 胡金萍，吕芮.我国听障大学生研究热点主题及趋势探析—— 基于知识图谱的可视化分析[J].绥化学院学报，2020，40（1）：43-47.

[5] ZHU J L，SONG L J，ZHU L，et al.Visualizing the Landscape and Evolution of Leadership Research[J]. The Leadership Quarterly，2018，30（2）：215-232.

[6] 卢阳春，高晓慧，刘敏.乡村振兴国内研究现状、热点与展望——基于CiteSpace知识图谱的实证分析[J].中国西部，2019（2）：114-124.

[7] 朱禹涛，肖霖，陈泽仁，等.面向智慧工厂的工业互联网边缘智能协同计算技术研究[J].信息通信技术与政策，2021，47（3）：1-5.

[8] 林德明，陈超美，刘则渊.共被引网络中介中心性的Zipf-Pareto分布研究[J].情报学报，2011（1）：76-82.