水泥行业工业互联网成熟度评估

杨恒 高信波 刘柳 唐锐

(中国信息通信研究院工业互联网与物联网研究所，北京100191)

0 引言

我国是世界上最大的建筑材料生产国和消费国，水泥产量约占世界水泥总产量的60%[1]，多年居世界第一位。水泥作为国民经济建设中重要的基础性原材料，广泛应用于土木建筑、水利、国防等工程中，具有长期不可替代性。水泥工业是国民经济重要的基础产业，是改善人居条件、治理生态环境和发展循环经济的重要支撑。

我国水泥行业正处于由高速发展转为高质量发展的新旧动能更迭的关键阶段，自动化、智能化和信息化水平参差不齐，亟需采用融合工艺机理的信息化技术，推动生产、管理和营销模式从局部、粗放向全流程、精细化和绿色低碳发展方向变革，提高生产制造水平和效能，实现高质量发展。工业互联网作为第四次工业革命的重要基石和数字化转型的关键支撑力量，也是水泥经济高质量发展的重要突破口[1]。

我国水泥行业自动化水平较高，信息化、数字化水平有待提升，水泥企业工业软件、工业网络、信息安全基础薄弱，系统整体解决方案供给能力不足，急需提升工业互联网产业水平。当前，业界对工业互联网的理解不统一，水泥企业对自身工业互联网发展的定位、现状和发展路径不明确，缺乏一致的方法论来评判具体实践。建立水泥企业工业互联网成熟度模型评估体系，可助力水泥企业了解自身工业互联网建设水平，发现存在的问题，了解行业工业互联网整体发展水平，明确发展方向和发展重点。

1 工业互联网成熟度研究现状

德国于2015年提出主要面向离散行业的工业4.0就绪度模型，又于2017年发布《工业4.0成熟度指数》[2]。2016年，我国提出智能制造能力成熟度模型，该模型与德国的工业4.0 就绪度模型的评价等级中，二者的1、3、4、5级分别对应[3]。2017年，我国又提出工业互联网成熟度模型，该模型主要面向流程和离散两个行业。

工业互联网成熟度的研究方向较为多样，侧重点不同，有面向行业的模型，如SIMMI 4.0系统集成成熟度模型[4]、国防领域的工业4.0成熟度评估框架[5]、机床行业的工业4.0成熟度模型[6]；也有面向企业的模型，如制造业数字化成熟度模型[7]、数据驱动制造的成熟度模型[8]、工业4.0成熟度模型[9]，本文对各种模型进行了对比分析。此外，Andreas Schumachera[10]等定义了一个面向离散行业，拥有9个维度、62个评估项目的工业4.0成熟度模型，并在此基础上提出了一种10步法创建企业特定的实现路径和路线图的评价方法。Selim Erol[11]等建立了一种“设想—使能—制定”三阶段流程模型，提出第四次工业革命需要将通用的工业4.0概念与企业特定的愿景和战略系统地结合起来，作为生产系统后续技术改造的基础。现有关于工业互联网成熟度的研究大多侧重于代表国家或整个社会的宏观层面，以及代表某企业和组织的微观层面，很少有研究探讨行业4.0成熟度的模型[12]。Marjan Sarshar[13]等分析得出将能力成熟度模型应用于建筑水泥行业是可行的、有价值的，尤其是在供应链领域。

前人关于工业互联网成熟度的研究主要是面向所有行业、特定行业以及企业，面向行业应用的较少，而面向具有流程型特点的水泥行业的相关研究尚未有人提出。我国现有的工业互联网成熟度评估模型主要是基于专家打分的主观赋权，缺乏客观评价。基于此，本文提出一种如表1所示基于熵权法和专家打分法的水泥企业工业互联网成熟度模型评价指标体系，以期对我国水泥行业总体和单项能力进行了评价。

2 水泥企业工业互联网成熟度评价指标体系的构建

2.1 评价指标体系的构建原则

为了能够全面、准确地反映水泥企业工业互联网技术要素的发展程度，在指标的构建过程中应遵循：系统性原则、一致性原则、客观性原则、易评估可量化原则。

2.2 评价指标的选取

本文通过政策研究、文献研究、专家咨询、现场调研、研讨会等方式，确立指标范围。笔者曾从事建材发展规划研究的一些经验可以运用于水泥企业工业互联网成熟度模型的建设中，如对数十家水泥企业进行了两化融合的贯标咨询，进行了为期一周的实地调研，收集了企业信息化建设现状信息；通过举办2019年建材行业智能制造大会，收集了192家建材企业、40家供应商的交流信息，专家发言信息，企业分享信息。本文在整理上述信息后形成了初步的评价指标体系，并与行业智能制造专家进行了多轮访谈、交流，以使体系不断完善、意见达成一致。

水泥企业工业互联网成熟度模型划分为3个层级。一级指标为互联互通(X1)、综合集成(X2)、数据分析利用(X3)。二级指标如表1所示，互联互通(X1)分为智能设备联网(X11)、信息网络设施(X12)；综合集成(X2)分为纵向集成(X21)、端到端集成(X22)、横向集成(X23)；数据分析利用(X3)分为供应链优化(X31)、生产智能管理(X32)、能耗与安全管理优化(X33)、运营智能决策(X34)、服务化延伸(X35)。水泥作为特定领域应在基础共性能力建设的基础上，满足两方面额为要求，一是打通关键数据，如研发设计、物料采购、生产制造、运营管理、仓储物流、产品服务等产品全生命周期数据；二是优化构建关键领域，如设备预测性维护、产品质量智能检测、仓储与物流优化等领域[3]，结合水泥企业实际发展情况确立如表1所示三级指标。

2.3 指标解释

2.3.1 互联互通

互联互通(X1)指标是面向设备联网和信息化基础设施覆盖率的定量指标(见表2)。

2.3.2 综合集成

综合集成(X2)指标中各层级定义如下(见表3)。

L1：未实现。

L2：企业数据传输、交互、共享程度非常有限；尝试建立仿真模型。

L3：企业核心业务环节实现数据共享与交互，并建立仿真模型；建立关键环节仿真模型。

L4：利用邮件等半自动化式进行数据共享与交互；多层级仿真模型基本建立；具备企业内部开发能力。

L5：利用数据接口、共享数据库、文件传输等方式实现数据自动传输与共享；具备企业外部开发能力。

表1 水泥企业工业互联网成熟度模型评价指标体系

表2 互联互通(X1)指标

表3 综合集成(X2)指标

L6：利用统一的数据处理平台实现数据实时共享与交互协作；实现各层次仿真信息交互；建立可复用的组件，能够直接调用。

2.3.3 数据分析利用

数据分析利用(X3)指标中各层级定义如下(见表4)。

L1：未实现。

L2：企业开始规划和投资，部分环节实现数据共享与交互。

L3：能够进行海量数据清洗、集成、可视化等更深层次的数据处理工作。

L4：能够实现核心业务的集成。

L5：能够通过数据分析建模，对核心业务流程进行优化。

L6：能够实现预测、预警、自反馈、自调节。

2.4 指标鉴别力分析

利用变异系数法，分析指标的分辨能力，变异系数越大，说明指标分辨力越强，反之越小。一般删除变异系数小于0.15的指标。第j个指标的变异系数公式为

(1)

3 评价指标综合权重的确立

目前的工业互联网成熟度评估模型权重的确定仅采用了专家、企业打分的主观赋权法，权重面向全流程行业，未结合水泥行业的客观实际，本文在主观赋权的基础上，采用熵权法进行了客观权重计算，最后将主观权重和客观权重相结合得到了一个综合权重作为指标体系的权重。

3.1 专家打分法确定主观权重

本文借鉴《工业互联网成熟度评估白皮书》确定一、二级指标的主观权重aj，三级指标采用均权处理，具体见表5。

3.2 熵权法确定客观权重

熵值法是利用熵值判断指标的离散程度，一个指标的离散程度越大，该指标对综合评价的影响程度也就越大。假设有n个样本，每个样本存在m项评价指标，xij表示第i个样本的第j个指标的值，形成原始指标数据矩阵X=(Xij)n×m。

(1)建立原始指标数据矩阵

(2)

(2)数据归一化处理

定性、定量指标进行标准化处理，绝对数值转化为相对数值使指标具有可比性。所有指标都属于正向指标，采用正向指标处理方法进行标准化处理。yij表示第i个样本，第j项指标的标准化数值。

(3)

(3)计算第j个指标下第i个样本占该指标的比重

(4)

(4)计算第j项指标的熵值

(5)

其中，k为常数。

表4 数据分析利用(X3)指标

(5)计算第j项指标的差异系数

差异系数越大，评价作用越大，熵值就越小。

gj=1-ej

(6)

(6)计算熵权

(7)

3.3 综合权重

综合权重采用主客观组合赋权，计算公式为

(8)

4 评价模型的构建

4.1 指标量化采集

借鉴工业互联网成熟度模型、工业4.0成熟度模型和智能制造能力成熟度模型对指标进行打分，指标的每个层级对应一定的分值，打分原则如表6所示。

4.2 综合评价得分计算

将计算得出的各级指标综合权重结合表5计算各级指标得分，应用公式(9)中的加权平均模型来计算综合评价得分。

(9)

θ为工业互联网建设水平的综合评价得分，αg为第g个一级指标的权重系数，βh为第h个二级指标的权重系数，χj为第j个三级指标的权重系数，xj为该企业第j个三级指标的得分；g= (1…k) ，h= (1…l) ，j= (1…m) 。

5 实证研究

5.1 评价对象

本文的研究对象为水泥行业具有代表性的大型企业，代表性体现在以下几方面。

(1)根据国家统计局的划分标准选取大型企业，年营业收入≥4亿元，员工人数≥1 000人。

(2)选取的9家水泥企业市场份额占我国水泥市场总份额的30%，具有一定的市场占有率和影响力。

(3)企业数据容易获取且具有较高的可靠性。

表6 定量指标表和定性指标的量化采集打分原则

表5 综合权重

5.2 数据来源

本文调研了9家分布于全国各地的大型水泥企业，通过实地调研、电话访谈以及向企业管理层发放电子调研问卷的形式，获取其工业互联网成熟度数据。答卷者为企业中高层管理人员、信息化负责人、项目主管等，他们长年参与信息化工作，均十分熟悉公司整体以及各部门信息化建设情况，确保了问卷的信度。

5.3 指标鉴别力分析

根据企业调研结果，按照表3对所有指标进行量化采集得出各个指标得分。通过公式(1)计算各个指标的变异系数均>0.15，具有一定的分辨能力，因此保留。

5.4 权重计算

选取上述9家企业中的8家进行权重计算，根据其得分，利用公式(2)～(7)计算各个指标的客观权重，利用公式(8)计算得出各个指标最后的综合权重，结果见表5。

图1 平阴山水泥各类权重计算得分

5.5 最终得分

选取上述剩下的一家企业：平阴山水泥公司，根据上文提出的工业互联网成熟度模型指标和评价方法进行评估，根据公式(9)可计算该企业的各项得分，结果见图1。可见，相比于主观权重得分，考虑客观权重的综合权重得分，有效平衡了主客观得分的差距。本文根据计算得分再次分别跟企业的管理人员、长期参与水泥企业信息化相关评选和课题研究的专家进行了意见交流，最终结果得其认同。

由于上述9家企业均属于水泥行业的大型企业，在一定程度上反映了水泥行业的整体发展情况，因此本文对这9家企业进行了整体评估，并根据公式(9)计算出各单项和总体得分，结果见表7。从表7可以看出，这9家企业工业互联网的整体发展水平参差不齐，与中国水泥协会的统计结果相吻合[1]。其中，宁夏建材各项得分最高，华新水泥次之，福建水泥最低。

图2中3个一级指标的单项能力星级评价除去华新水泥，其他水泥企业都呈现互联互通单项能力最高，数据分析利用能力次之，综合集成能力最低的趋势，与过去水泥行业统计的发展趋势相一致[19]。

为了分析水泥行业工业互联网各项指标的总体发展情况，将上述9家企业二级指标得分取平均值，得到如图3所示得分分布图。分析图3可以得出以下结论。

(1)智能设备联网和信息网络设施均分在70分以上，说明我国水泥行业企业基础网络建设情况较好。目前，我国绝大部分水泥企业都已实现办公和生产区域IT主干网覆盖，近半数企业能够实现工业以太网对生产单元的覆盖。较高的自动化水平使得我国水泥企业智能传感与控制装备的应用也很普遍，温度、物位、流量、质量等传感装置/智能仪表应用率超过80%[20]。

(2)综合集成下的纵向集成、端到端集成、横向集成均分在60分以下，说明我国水泥行业企业集成应用水平较低。横向集成得分介于50～60分之间，相对较高。目前，我国62.17%的企业实现了部分环节间生产数据的自动传递，18.64%的企业实现了全环节生产数据的自动传递[20]。纵向集成和端到端集成得分相对较低。我国约50%的企业仅能实现数据的传输和储存，集成应用水平仍停留在初级阶段；仅10.17%的企业能够在网络边缘侧进行数据处理实现云边协同[20]。

表7 企业总体与单项的最终得分

图2 水泥企业工业互联网成熟度总体和单项能力得分

图3 水泥企业各项二级指标平均得分分布

(3)数据分析利用中除生产智能管理均分低于50分，其他如供应链优化、能耗与安全管理优化、运营智能决策、服务化延伸得分均介于50～60分之间，说明我国水泥企业对数据的分析利用仍处于初步探索状态[20]。

6 结束语

水泥行业是重要的原材料行业，长期面临产能过剩，产品以低端为主的困境。工业互联网是水泥行业转型升级，经济高质量发展的重要引擎。水泥行业企业对自身工业互联网发展阶段与提升路径的认知，对自身工业互联网水平的提升显得尤为重要。本文结合水泥行业企业实际情况，建立了水泥行业企业工业互联网成熟度评价指标体系，选取了9家企业作为研究样本，进行了主客观综合赋权，建立了水泥行业企业工业互联网成熟度评价方法。通过对样本企业的评价研究可知，我国大型水泥企业工业互联网成熟度总体参差不齐，单项能力中互联互通能力最高，数据分析利用能力次之，综合集成能力最低。本文的研究尚存的不足在于：未考虑人力资源要素[11]，评价模型还不够全面；标识解析作为工业互联网的重要组成部分，其发展程度在评价模型中没有得到充分体现，评价指标体系还有待完善。