【摘要】文中以智能制造企业的数字化转型为研究对象，从数字化战略、数字化基础技术、数字化业务应用、数字化运营管理、数字化效益五个维度，构建了智能制造企业数字化成熟度评价指标体系，采用模糊层次分析法和云模型的综合评价方法对企业的数字化成熟度进行评价分析，并以D企业为例，运用该成熟度评价模型对其数字化成熟度进行分析，验证了该模型的适用性与可靠性，为智能制造企业的数字化转型评估提供了一种方法依据。

　　【关键词】智能制造企业;数字化转型;成熟度评估;模糊层次分析;云模型

　　全球正处于向数字经济转变的大变革时代，随着物联网、人工智能等新一代数字技术的蓬勃发展，制造业的高端化、数字化、智能化发展成为各国政府的关注重点。在此背景下，我国政府相继提出“十四五”规划和2035年远景目标纲要等国家级政策，指出制造业数字化转型是中国式现代化的重要内容，更是产业高质量发展的必然趋势［1］。因此，随着各企业数字化转型工作的不断深入，建立一套可测评、高适应性的数字化成熟度模型，可以帮助企业精准评估自身数字化转型现状，明确未来转型规划重点。

　　1研究综述

　　王瑞等［2］认为数字化转型是利用数字技术实现业务与技术的交互，实现整个价值链流程变革的过程;Hanelt等［3］认为数字化转型从根本上来说是通过深度融合数字技术与企业战略，以实现企业竞争方式、业务流程等变革的过程。通过梳理现有文献，本文认为智能制造企业的数字化转型就是借助新一代数字技术对企业内部包括战略、业务流程、组织文化和商业模式等模块进行全方位变革。数字化成熟度模型就是根据成熟度概念，通过划分不同等级标准来描述企业数字化转型从低级到高级的期望进化路径，主要包含评价指标体系、评价方法、成熟度等级三个部分。现阶段针对制造企业数字化成熟度的研究，无论是学术界还是工业界都主要侧重于评价模型的构建方面，如万伦等［4］从战略与基础评估、水平与能力评估、效能与效益评估三方面构建制造企业的数字化转型评价模型;张林刚等［5］从技术、创新能力和效益三个维度构建区域制造业数字化转型评价指标体系;华为提出开放数字化成熟度模型;普华永道提出包含数字化战略、业务应用、技术能力、数据能力、组织能力多个维度的数字化成熟度评估体系［6］。现有模型的评价方法以较为基础的加权平均法［7］、层次分析法［2，4］为主。

　　然而，智能制造企业往往具有较好的数字化软件和硬件基础，现有的企业数字化成熟度评估模型忽略了这一特征，导致现有方法对智能制造企业数字化成熟度评估的区分度较低，且很难为智能制造企业数字化水平的持续提升给出有价值的建议。因此，本文从数字化战略、数字化基础技术、数字化业务应用、数字化运营管理、数字化效益五个维度出发构建智能制造企业数字化成熟度评估指标体系，并通过模糊层次分析法计算指标各权重，结合云模型计算得到企业的数字化成熟度评价评分，最后根据评价结果对企业未来的数字化发展提出针对性建议。

　　2智能制造企业数字化成熟度评价指标体系构建

　　本文在参考了大量现有制造业数字化成熟度评估模型的基础上，结合新时代发展格局下智能制造企业的数字化转型典型特征，设计了如表1所示的智能制造企业数字化成熟度评估指标体系，包含了5个一级指标、13个二级指标、31个三级指标。

　　3智能制造企业数字化成熟度评价模型

　　3．1基于FAHP法的指标权重确定

　　为确定上文所构建的评估模型中各指标的权重值，本文引用模糊层次分析法(Fuzzy Analytic Hierarchy Process，FAHP)，在模糊判断矩阵和模糊一致矩阵的概念基础上，将模糊数学与层次分析法相结合用于指标权重的确定［8］，具体操作步骤如下。

　　①模糊互补判断矩阵的建立。本文采用0．1－0．9标度法对评价指标体系内各层指标进行两两重要性比较，以此得到模糊判断矩阵A=(aij)n×n，当矩阵A满足aij+aji=1(0≤aij≤1)，aii=0．5(i，j=1，2，3，…,n)时，称该矩阵为模糊互补判断矩阵。

　　②计算模糊互补判断矩阵的权重向量。本文选用徐泽水［9］所推导的通用公式对模糊互补判断矩阵权重进行求解。利用式(1)便可得到相应的指标权重向量w=(w1，w2…wn)T。

　　③模糊判断矩阵的一致性与相容性检验。为判断所得指标权重值是否合理，还应对其进行一致性与相容性检验。首先计算各专家所给的模糊互补判断矩阵Ak的权重矩阵Wk=(wij)n×n，其中wij=wi－wj+0．5。当CI(Ak，Wk)≤ρ时，认为矩阵Ak满足一致性检验，其中ρ一般取0．1。

　　然后对m名专家所给的同一因素集上的模糊互补判断矩阵进行相容性检验，即CI(Ak，Al)≤ρ,k≠l;k，l=1，2，…,m是否成立，将不满足一致性与相容性要求的评价内容反馈给相应专家进行修改，直至满足相关要求。最终的指标权重即为m名专家所给权重的均值向量。

　　3．2数字化成熟度等级划分

　　智能制造企业数字化成熟度等级划分详细描述了企业数字化发展的各阶段特征，为提高企业数字化水平提供了完整的发展路径及策略。本文将智能制造企业数字化成熟度分为5个等级，分别为Ⅰ级(低)、Ⅱ级(较低)、Ⅲ级(一般)、Ⅳ级(较高)、Ⅴ级(高)，由此构建成熟度评语集s={s1，s2，s3，s4，s5}，并利用评价值1～5对企业数字化转型实际发展状况进行定量描述，各等级对应评价值区间见表2。

　　3．3基于云模型的智能制造企业数字化成熟度综合评价

　　云模型是一种实现定性概念与定量数值之间相互转化的不确定性度量模型［10］，常用期望Ex、熵En和超熵He三个数字特征值来定量刻画定性概念，其中，Ex为云图顶点;En为云图的跨度，超熵He是En的熵，是云图的厚度。计算过程中主要利用云发生器进行问题求解，具体操作步骤如下所示。

　　①建立标准评价云。根据3．2节内容和式(3)计算得到如表2所示的各成熟度等级数字特征值，并利用MATLAB软件进行标准云图的绘制，具体见图1黑色部分。

　　式中，dmax、dmin分别表示评价等级取值的上下边界值;ω为随机常数，取0．01。

　　②建立评价指标云。以专家打分值xij为基础，利用式(4)计算三级指标的云特征参数。

　　③建立综合评价云。在计算得到三级指标的数字特征值后，利用式(5)将指标权重值和对应云特征参数结合以得到上级指标评价云，进而得到整个评价对象的综合评价云，并将其与标准评价云进行对比，得到最终的评价结果。

　　4实例分析

　　为验证上文所述模型的可行性，本文以某家电制造企业D为研究对象，对其数字化成熟度进行评价分析。该企业成立于1992年，是一家研发、制造和销售高端厨卫电器的智能家居企业，近年来，为实现降本增效，提高企业核心竞争力等战略目标，正在对整个企业进行数字化转型改造。

　　4．1确定指标权重

　　本文运用FAHP法求取指标权重值，首先邀请5名在D企业从业的管理人员依据0．1－0．9标度法对表1评价指标体系内各层级指标进行两两重要性评判。由于篇幅限制，下面仅以专家1所评一级指标权重值为例，说明整个指标体系的计算过程。表3即为专家1对一级指标进行两两比较所得的模糊互补判断矩阵A1。

　　利用式(1)对判断矩阵A1进行权重求解，得到指标权重向量w1=［0．195，0．19，0．21，0．175，0．23］，然后经式(4)计算可得CI(A1，W1)=0．06356＜0．1，则A1满足一致性检验。同理求得其他专家所给的一级指标权重向量，经过相容性检验后，便可得到最终的一级指标权重值，即w=1/kΣ=1 wk=［0.206，0．205，0．205，0．179，0．205］。

　　二级指标和三级指标的权重向量的计算过程与上述步骤相同。最后将所得一级指标权重与其对应的二级指标和三级指标权重逐级相乘，便可得到各指标的最终权重，具体结果见表4。

　　4．2 D企业数字化成熟度等级综合评价

　　邀请5位在D企业从业的管理人员依据3．2节所述的各成熟度等级评分区间对表1内的各三级指标进行1～5评分值的数字化成熟度打分，并在此基础上利用式(4)计算各指标的云模型数字特征，具体结果见表5。

　　对表5数据结合表4中的指标权重值，利用式(5)计算得到D企业的数字化成熟度综合评价云数字特征值，即(3．242，0．156，0．063)，利用MATLAB绘制对应的综合评价云图，具体见图1打点部分，然后将其与标准评价云进行对比，得到D企业最终数字化成熟度等级。

　　4．3结果分析

　　根据云图对比，发现D企业的数字化成熟度综合评价云处于标准云图的“一般”和“较高”之间，但与评价等级“一般”区域重叠较多，因此判断该企业目前的数字化转型成熟度等级处于Ⅲ级(一般)。这说明该企业目前数字化转型发展聚焦于跨部门或跨业务环节模块，已实现了企业内部跨业务等环节的数据集成、技术融合、流程一体化运行的目标，符合企业现阶段的数字化转型现状，在未来的数字化转型发展中要注重加深数字技术应用，建立覆盖全局的数字治理体系，实现成本降低、质量提高、产品服务创新等价值效益目标。

　　此外，通过对比表5中各三级指标数字特征值可发现，数字化生态圈建设完整性、关键工序数控化率、市场*息管理水平、服务产品数字化水平几个指标的评分较低，在未来的数字化战略规划中可着重强调这几个方面的提升。如，加强与外部供应商、合作伙伴的交流合作，建立共享互利的数字化生态圈;加大产线自动化、智能化建设投入，引入更多的自动化加工和数控机床设备;完善市场分析体系，借助更强大的数据分析手段，掌握市场趋势;搭建更全面的数字化服务平台，提高客户满意度等。

　　5结论

　　随着数字经济的蓬勃发展，智能制造企业的数字化转型已成为国内外学术研究热点之一。本研究以智能制造企业为研究对象，构建了涵盖智能制造企业数字化转型发展各个方面的评价指标体系，并利用FAHP法量化指标体系内各项指标权重值以计算各指标权重，然后利用云模型进行企业数字化成熟度等级综合评价。最后，为验证本研究所构建的评估模型的可行性与适用性，以某智能制造企业为例进行分析，结果表明本研究所提出的智能制造企业数字化成熟度评估模型可以较为全面地分析企业数字化转型现状，其评价结果相较于以往的定性评价准确性更高，也更科学客观，同时本研究结论也对现有的数字化成熟度模型研究起到了补充作用，为智能制造企业的数字化评估研究提供了一定的参考和借鉴价值。

　　［参考文献］

　　［1］李振东，陈劲，王伟楠．国家数字化发展战略路径、理论框架与逻辑探析［J］．科研管理，2023，44(07):1－10.

　　［2］王瑞，董明，侯文皓．制造型企业数字化成熟度评价模型及方法研究［J］．科技管理研究，2019，39(19):57－*.

　　［3］AndréHanelt，RenéBohnsack，David Marz，Cláudia Antunes Marante．A systematic review of the literature on digital transformation:Insights and implications for strategy and organizational change［J］．The Journal of Management Studies，2021，58(5):1159－1197.

　　［4］万伦，王顺强，陈希，等．制造业数字化转型评价指标体系构建与应用研究［J］．科技管理研究，2020，40(13):142－148.

　　［5］张林刚，戴国庆，熊焰，等．中国制造业数字化转型评价及影响因素———基于模糊集定性比较分析［J］．科技管理研究，2022，42(07):68－78.

　　［6］蒋鑫，周轩．数字化成熟度模型:研究评述与展望［J/OL］.外国经济与管理:1－18［2023－12－31］．

　　［7］GB/T 39117－2020，智能制造能力成熟度评估方法［S］.

　　［8］王娟娟，高姝慧，王苏苏．基于FAHP法的陕西省农产品冷链物流影响因素分析［J］．物流工程与管理，2022，44(03):67－70.

　　［9］徐泽水．模糊互补判断矩阵的排序方法研究［J］．系统工程与电子技术，2002(11):73－75.

　　［10］翁建军，刘管江．基于组合赋权－云模型的水上机场场址评价方法［J］．交通*息与安全，2022，40(02):126－134.