制造成熟度

2024-10-21

制造成熟度（精选4篇）

制造成熟度篇1

1 引言

目前智能制造已成为制造业转型升级的趋势和方向,但是国内外对智能制造的概念和内涵还未有统一认识,尤其是对智能制造的发展路径还未明确,企业在实施智能制造战略时如何确定最终目标和如何整体策划分布实施还缺乏有效的指引。本文通过分析智能制造的核心和内涵,借鉴能力成熟度的思想,提出智能制造能力成熟度模型,明确智能制造发展路径以及不同等级成熟度的关键特征和要素,从而为各类制造业企业发展自身智能制造能力指明方向,为各级主管部门推动智能制造发展提供抓手。

2 智能制造的基本概念

科技部《智能制造科技发展“十二五”专项规划》中定义:智能制造是面向产品全生命周期,实现泛在感知条件下的信息化制造,是在现代传感技术、网络技术、自动化技术、拟人化智能技术等先进技术的基础上,通过智能化的感知、人机交互、决策和执行技术,实现设计过程智能化、制造过程智能化和制造装备智能化等。

工信部《国家智能制造标准体系建设指南(2015年版)》中定义:智能制造是指基于物联网、大数据、云计算等新一代信息技术,贯穿于设计、生产、管理、服务等制造活动的各个环节,具有信息深度自感知、智慧优化自决策、精准控制自执行等功能的先进制造过程、系统与模式的总称。

本文认为,智能制造是将新一代信息技术等应用于设计、生产、物流和服务等面向产品全生命周期的核心制造过程以及支持制造的资源和关键保障,实现信息驱动、执行管控以及决策优化的闭环,最终达到绿色节约、模式创新、持续发展的制造产业新状态。

以下对智能制造能力成熟度的研究主要围绕以生产为核心,延伸包括设计、生产、物流、销售、服务等在内的制造核心过程及与其密切相关的生产线、车间、工厂级的支持要素,不涉及财务等企业级管理过程。

3 相关理论基础

智能制造能力成熟度主要参考国家智能制造系统架构与国内外成熟度的理论与思想。

智能制造系统架构在研究各类智能制造应用系统的基础上,提取其共性抽象特征,构建由生命周期、系统层级、智能功能组成的三维智能制造系统架构,从而界定了智能制造标准化的内涵和外延。并在深入分析标准化需求的基础上,将智能制造系统架构的生命周期维度和系统层级维度组成的平面自上而下依次映射到智能功能维度的五个层级,形成智能制造标准体系结构,主要解决智能制造标准体系结构和框架的建模研究问题。本文智能制造核心要素的选取参考了智能制造系统架构的产品制造生命周期维度与智能功能维度。

成熟度模型能够精炼地描述一个事物的发展过程,通常将其描述为若干个有限的成熟级别。每个级别都有明确的定义,并设定一定的标准,其实现包含了若干个必要条件;从第一级发展到最高级,各级别之间具有顺序性,每个级别都是前一个级别的进一步完善,并形成向下一个级别前进的基础。软件能力成熟度模型集成(Capability Maturity Model Integration,CMMI)是一种软件能力成熟度评估标准,主要用于指导软件开发过程的改进和进行软件开发能力的评估。在CMMI分级描述模型中,具体分为5个等级,从第1级到第5级分别为:初始级、已管理级、已定义级、定量管理级和持续优化级。初始级是最低的等级,基本上缺乏健全的软件工程管理制度,过程缺乏定义、混乱无序;在已管理级,建立了基本的软件工程管理制度,在一定程度上可管理类似的软件开发;在已定义级,已将软件过程文档化、标准化,可按需要改进开发过程;到定量管理级时,可针对制定质量、效率目标,并收集、测量相应指标,达到对软件过程和产品质量有定量的理解和控制;而在最高级持续优化级,可基于统计质量和过程控制工具,持续、稳定地改进软件过程。本文提出的智能制造能力成熟度模型的等级划分参考了CMMI的理念。

4 智能制造能力成熟度模型

智能制造能力成熟度模型描述了企业智能制造的核心要素、特征以及水平演进的路径,为企业持续提升智能制造水平提供方法,为第三方评价智能制造水平等级提供工具。智能制造能力成熟度模型的核心要素从制造工程、制造保障以及智能提升三个维度考虑。其中,制造工程是核心,是面向产品全生命周期的活动集合,包括了设计、生产、物流、销售、服务等;制造保障是制造工程得以实现的基础配备,包括战略与组织、雇员等人文要素,设备等基础设施,能源、安全环保等保障要素;智能提升是由自动化、数字化向智能化升级的重要手段,包括互联互通、系统集成、信息融合等。新兴业态是制造工程、制造保障以及智能提升三个维度综合作用的理想状态,是智能制造要达到的终极目标。能力成熟度的三个维度关系如图1所示。

智能制造能力成熟度可分为整体成熟度模型与单项能力模型,整体成熟度用于评价企业整体制造智能化水平,强调综合性;而单项能力模型是对制造工程的某一些环节的智能制造水平进行评价,强调专业性。两种模型所涉及的关键域的要求是一致的。

(1)整体成熟度模型

把企业的智能制造能力成熟度划分为5个等级——第1到第5级。数字越大,成熟度等级越高。每个成熟度等级下都包含若干代表该级别主要特征的关键域集合,而高成熟度等级包含了低成熟度等级下的关键域。这5个成熟度等级分别是:

第1级已规划级:企业已有部分信息化基础,有智能制造的想法,有参与智能制造的愿景。

第2级规范级:企业能够实现生产等重要环节的流程、标准、要求等的规范化和数字化。

第3级集成级:企业产品制造过程的关键环节的管理更深、更细,关键环节系统间可集成,实现上下游联动。

第4级优化级:能够实现知识库或优化模型等的应用,可体现制造各过程的协同与闭环控制。

第5级引领级:能够通过应用大数据分析、云计算等技术实现数据分析及决策,实现预测、预警、自适应等功能,体现人工智能,不断优化制造过程。

5个成熟度等级及其关键域如图2所示。其中,第1、2级要实现的关键域是共用的,包括制造工程和制造保障所涉及的关键域,而随着等级的提升,这些域要满足的要求也在提高;从第3级开始增加了智能提升的关键域,第3级增加了互联互通、系统集成的要求,第4级增加了信息融合的要求,第5级增加了新兴业态的要求。

(2)单项能力模型

将设计、生产、物流、销售、服务等制造工程的重要环节进行单独分级,来评价企业某一单项的智能化水平。每个单项能力可以分为已规划级、规范级、集成级、优化级、引领级5个级别。单项能力成熟度模型如图3所示:

以“生产”这一关键域为例介绍不同级别下的特征。

已规划级:初步实现生产现场的闭环管理,建立了围绕以生产任务为核心的信息化管理,管理仅限于关键性资源。

规范级:生产车间的各项核心资源都覆盖了信息化管理,使车间作业中的各项要素得以有效的配合与管理。

集成级:生产车间的主要资源均纳入信息化系统管理之中,主要资源及实现精细化管理,并能根据现有资源情况,初步进行优化。

优化级:生产车间实现各项资源的集中管控、协同优化及利用,优化的结果能够有效指导现场生产作业。

引领级:生产车间实现了设备层、控制层、执行层的互联互通和信息融合,实现了从生产计划的下达、排产、生产加工、完工反馈等过程的自感知、自学习、自适应的动态优化及调整。

5 结语

本文明确了智能制造成熟度的研究范围,从制造资源、制造保障与智能提升三个维度分析了智能制造的核心要素,从而提出了智能制造能力成熟度模型。该模型建立企业智能制造成熟度的递进框架、各级之间的关系以及每级的智能制造水平的表现特征,为企业建立一个描述其智能制造综合水平的模型,以及评价不同企业的智能制造水平提供了依据。

下一步的工作将从智能制造成熟度模型出发,一是充分调研不同行业对成熟度模型的要求差异,优化通用的关键域和模型,并进一步开展成熟度评价的相关研究,围绕成熟度模型,建立具体、可用于评价的指标体系及评价方法,为企业评价自身的智能制造水平提供参考;二是结合智能制造专项和试点示范工作,开展成熟度模型标准的试验验证工作,通过企业应用成熟度模型来验证其科学性、合理性;三是致力于智能制造能力成熟度评价的应用推广,广泛地在制造业企业中开展评价活动,积累基础数据,总结分析我国智能制造的发展现状,发现问题和改进点,来推动我国智能制造产业的整体发展。

参考文献

[1]赵璧.软件能力成熟度模型(SW-CMM)分析[J].电信快报:网络与通信,2009(01):36-41.

[2]战德臣,程臻,赵曦滨,等.制造服务及其成熟度模型[J].计算机集成制造系统,2012,18(07):1584-1594.

[3]马慧,杨一平.企业信息化能力成熟度关键模型研究[J].经济与管理研究,2010(01):73-78.

[4]杨全义,符志民.质量管理成熟度模型评价[J].项目管理技术,2011(03):34-38.

[5]李钢,胡冰.企业信息化与工业化融合成熟度指标体系及评价方法研究[J].中国机械工程,2012,23(06):676-680.

制造成熟度篇2

A、第二天早上，去老板的办公室，告诉他这个计划书不切实际，无法执行。

B、袢∮鼗氐姆绞礁嫠呃习遄约憾杂诩苹书的看法，最终的决策还是由老做。

C、暂时抛开自己的想法，按照老板的计划书执行，等到出现问题后再提出自己的想法和建议。

测试结果：

A、你的职场成熟度看来不是很高啊！你的举动在一开始就让老有了防备之心。实际上，还会让老感觉到你似乎不够资格管理这一切。给你的职场小建议是：当你对老的决定有不同意见时，不要直接说出你不同意老的意见，要知道你得这种表现会让老觉得你在质疑他额度权威，本来你是好心建议，最后反而会让自己处于很尴尬的地位。

B、看来你已经是职场大虾了。你非常懂得用婉转的方式向你的上司去阐述你得观点。你深知，如何在照顾老面子和实现自我价值上取得完美的平衡。相信你得职业道路也会走得比其他人都要轻松、顺畅的。

制造成熟度篇3

在全球化和知识经济的背景下, 世界上很多快速发展的区域都出现了产业集群特征。这些产业集群对提高产业素质和产业竞争力、提升城市和区域经济竞争力具有巨大的作用。但是由于内部或外部的力量, 并非每个产业集群都能够获取竞争优势, 而且长久保持。原因众多, 产业集群内的知识管理状况便是主要原因之一。面对知识经济给产业集群生存环境带来的巨大变化, 要培养具有竞争优势的产业集群, 必须加大产业集群知识管理力度, 提高集群的知识管理效率, 使得集群内部各行为主体进行充分的知识交流与共享, 促进新知识的不断产生, 使知识资源不断积累和扩张, 从而适应知识经济的发展[1]。而要提高产业集群的知识管理效率, 产业集群的知识管理能力的评价自然是至关重要的一个环节。为了对产业集群知识管理能力进行更加科学、准确的评价, 本文将在借鉴已有的知识管理成熟度模型相关研究成果的基础上, 结合产业集群的特殊性, 对产业集群的知识管理成熟度模型进行构建。

能力成熟度模型的管理思想最早可以追溯到早前的产品质量控制原则, Shehwart在20世纪30年代发展了有关质量的统计控制原则, 统计控制原则是质量运动和软件过程运动的主题。Deming, Juran和Crosby提出将质量原理转变为成熟度框架的思想, 用质量管理成熟度网络 (QMMG) 描述了质量事件的5个演进阶段[2]。故在本文的研究中, 将结合质量控制思想及经典的质量控制原理, 借鉴经典的质量改进中的经典成熟度模型——卓越绩效模式, 对产业集群知识管理成熟度模型的构建进行探索。

1 产业集群知识管理系统分析

产业集群知识管理是对集群内各企业、服务机构及科研机构的知识与技能进行计划、组织和控制以促进其在产业集群内的流动与共享, 加强对产业集群内已有知识和技能的充分利用并争取实现知识创新的一列活动[3]。影响产业集群知识管理能力的因素是多方面的, 故产业集群的知识管理系统也是非常复杂的。

借鉴卓越绩效评价中企业绩效的关键影响因素, 本文认为影响产业集群知识管理能力的主要系统因素有:第一, 领导对知识管理的重视程度, 由于知识管理的效果具有延迟性, 很难在短期内看到经济效益和实际效果, 因此, 知识管理要在集群中切实得到推行和发展, 首先必须得到领导的重视;第二, 知识管理战略, 良好的知识管理战略是整个知识管理系统能够有效运行的基本保障;第三, 集群与企业间关系, 集群对企业的领导力和说服力直接影响着集群知识管理策略在集群企业中的实施, 从而影响集群知识管理的效果;第四, 资源是保障集群整个知识管理系统得以顺利运行的物质保障;第五, 知识管理过程, 是集群知识管理系统的关键环节, 也是知识管理的核心部分, 知识管理过程科学与否、进展顺利与否, 直接影响集群知识管理的效果;第六, 知识管理结果, 它是知识管理系统的运行结果, 但又反过来影响知识管理的实施, 良好的结果意味着集群对知识管理系统的投入将增加, 更多的投入也就意味着更好的知识管理;知识管理系统的最后一个, 也是最重要的一个环节就是评价与改进, 通过评价集群知识管理系统, 找到系统中的薄弱环节, 从而对其改进, 提升企业的知识管理能力, 如此循环往复, 达到对知识管理系统的持续改进。

其中“领导”、“知识管理战略”和“集群与企业间关系”构成“领导的作用”三角, 是驱动性的;“资源”、“知识管理过程”和“知识管理”结果构成“资源、过程和结果”三角, 是从动性的;而“评估与改进”是集群知识管理循环运作的基础, 是链接这两个三角的链条, 并不断推动着知识管理活动的改进与创新, 促进着集群知识管理能力的不断提高, 集群知识管理系统图[4], 如图1所示。

2 成熟度等级及其基本特征的确定

知识管理成熟度模型 (K n o w l e d g e Management Maturity Model, KMMM) 是由能力成熟度模型 (Capability Maturity Model, CMM) 演变而来的, 用于衡量企业实施知识管理的程度。根据CMM的理论框架, 成熟度的5个级别依次可分为:初始级、可重复级、已定义级、已管理级和优化级, 基于CMM的知识管理成熟度模型有西门子的KMMM、Infosys的KMMM、Paulzen和Perc的知识过程质量模型 (Knowledge Process Quality Model, KPQM) 、Kulkarni和Freeze的知识管理能力评估模型 (Knowledge Management Capability Assessment Model, KMCA) 等[5]。基于产业集群知识管理的特征, 通过对已有的成熟度等级进行比较, 本文将直接借鉴Paulzen和Perc的知识过程质量模型 (Knowledge Process Quality Model, KPQM) 的等级划分方式, 所用知识管理成熟度等级及等级特征描述如表1所示[6]。

3 知识管理成熟度等级评价标准和评价方法的确定

3.1 指标体系的确定

3.1.1 文献法及德尔菲法确定指标集

本研究在充分归纳总结以往文献中集群知识管理成熟度评价指标相关研究成果的基础上, 广泛借鉴已有间接经验, 并结合本文中的指标设计原则、设计思路, 综合考虑前文所提出的影响产业集群知识管理成熟度多的7个主要因素, 整理已有研究中较有代表性的指标, 并加入针对本研究特点所加入的自己设计的指标, 得到指标预选集;然后邀请5位知识管理领域的专家组成专家小组, 用德尔菲法对指标初选集进行了筛选, 指标预选集经过筛选之后, 获得了制造业产业集群知识管理成熟度评价指标集, 共包含7个一级指标、23个二级指标, 如表2所示。

3.1.2 AHP法确定指标权重

结合产业集群知识管理成熟度评价的特点, 本文采用AHP法对指标体系的权重进行设定。层次分析法通过对复杂系统所包含的因素及相关关系的有效分析, 将复杂问题条理化, 并构造一个层次分析结构模型, 将每一层次的各要素进行两两比较, 以此建立判断矩阵, 并最终进行层次单排序以及一致性检验。具体步骤如下:

第一步:由10位该领域内的专家组成评价小组, 在对指标集中的各指标进行深入探讨和了解之后, 进行讨论打分, 根据表2中的评价标准建立判断矩阵如下:

一级判断矩阵

第二步:用Matlab软件对以上判断矩阵进行处理, 求最大特征根及其对应特征向量, 并对其进行一致性检验, 以一级指标判断矩阵A为例, 一致性比率为:

即判断矩阵A通过一致性检验。

第三步:进行归一化处理, 得到权重向量:

第四步:若在第二步中, 判断矩阵未通过一致性检验, 则需要专家组重新研究讨论对判断矩阵尽心调整, 直至矩阵通过一致性检验, 通过检验之后重复第三步即可。

按以上步骤对二级判断矩阵进行一致性检验和计算, 得到各指标的权重向量如下:

3.2 灰色综合评价法进行评价

3.2.1 确定评价标准和样本矩阵

根据前文对成熟度等级的讨论, 将评价标准分为“优化级”、“量化管理级”、“已制定级”、“有意识级”和“初始级”5个等级, 打分采用十分制, 对这五个评价标准分别赋值9、7、5、3、1, 指标等级高于最高等级、介于两相邻等级之间、低于最低等级[7], 其相应的评分分别为10、8、6、4、2、0。评分标准如表3所示:

假设共有p为专家组成专家评价小组, 将第k (k=1, 2, …, p) 位专家对指标Uij的评分记为dijk, 则专家打分后, 得到受评产业集群知识管理成熟度的评价样本矩阵为D。

3.2.2 确定评估灰类

记评估灰类为e, 根据评价等级, 则评价灰类共5类, 即e=1, 2, 3, 4, 5, 相应的灰数为与各灰类对应的白化权函数如下:

1) 第一灰类为优化级, e=1, 灰数为×1∈[0, 9, 10], 白化权函数f1 (dijk) 。

2) 第二灰类为量化管理级, e=2, 灰数为×2∈[0, 7, 10], 白化权函数f2 (dijk) 。

3) 第三灰类为已制定级, e=3, 灰数为×3∈[0, 5, 10], 白化权函数f3 (dijk) 。

4) 第四灰类为有意识级, e=4, 灰数为×4∈[0, 3, 6], 白化权函数f4 (dijk) 。

5) 第五灰类为初始级, e=5, 灰数为∈[0, 1, 2], 白化权函数f5 (dijk) 。

3.2.3 计算灰色评价系数

对于评价指标Uij, 记属于各评价灰类的灰色评价系数为X ij, 则:

3.2.4 计算评价权向量和权矩阵

对于评价指标Uij, 所有专家主张第e个评价灰类的灰色评价权记为rije, 则有:

评价灰类共有5个, 则若将评价指标Uij对于各灰类评价权向量记作rij, 则有:

记iR为指标Ui的灰色评价权矩阵, 则:

3.2.5 二级指标U i和一级指标U的综合评价

对于评价指标Ui, 记其综合评价结果为Bi, 则Bi=Wi·Ri= (b i1, bi2..., bi5) 。

评价对象U对各评价灰类的灰色评价权矩阵:

将最终评价指标U的综合评价结果记为B, 则:

3.2.6 计算综合评价值

将各评价灰类等级按其灰水平赋值, 即:

第一灰类“优化级”取9;

第二灰类“量化管理级”取7;

第三灰类“已制定级”取5;

第四灰类“有意识级”取3;

第五灰类“初始级”取1, 则若记个评价灰类等级值化向量为A, 则:

则评价对象的综合评价值Q=B·AT

最终计算得到的分值越高, 说明所评价产业集群的知识管理实践越优秀, 直至管理成熟度越高;反之, 产业集群知识管理成熟度越低。

4 模型的应用研究

本文以山东某石油装备制造业产业集群L为例, 运用本研究中所建立的知识管理成熟度模型, 对集群的知识管理能力进行了评价, 确定了该产业集群的知识管理成熟度, 并根据分析的结果提出了相应的改进建议。

1) 获得样本矩阵D

邀请10位专家组成专家评价小组, 按照前文已制定的评价标准对产业集群知识管理成熟度评价指标体系各二级指标Uij进行打分, 填写评分表。根据专家小组的打分结果, 得到评价样本矩阵D。

2) 计算各灰类评价权矩阵iR

3) 综合评价

故产业集群知识管理成熟度评价的总灰色评价权矩阵R为:

对一级指标Ui进行综合评价, 记综合评价结果为B, 可得:

故最终, 产业集群知识管理的成熟度评价综合评价值为:

4) 评价结果分析及改进建议

通过分析样本矩阵D和各灰类评价权矩阵iR可以看出, 专家评价结果较好的是U1领导、U4资源和U7经营结果;其次是知识管理战略U2和集群与企业间的关系U3;而评价结果最差的一级指标时U5过程管理和U6测量分析与改进。

可以看出, 当地政府及相关集群管理单位已经意识到对产业集群进行知识管理的重要性, 已初步形成知识管理战略, 而且由于发展迅速, 该产业集群拥有比较丰富的硬件资源和较雄厚的资金支持, 加之, 由于专业性较强, 该类型企业在技术及设备等方面对集群和其他企业的依赖性都较大, 所以东营市制造业产业集群拥有良好的进行知识管理的基础和条件。但由于这些企业都相对年轻, 对知识管理的过程和方法的了解也并不深入, 而集群也并未对集群内的企业进行科学的引导, 导致知识管理的核心环节, 即过程管理和测量分析与改进反而成为最薄弱的环节, 也直接影响了产业集群的知识管理效果。

根据评价结果, 对该产业集群的知识管理提出以下三条建议:

1) 设立专门的产业集群知识管理机构。该产业集群并没有建立系统专门的知识管理机构, 这就使得产业集群知识管理体系欠佳, 产业集群内的企业在实施知识管理的过程中, 以及集群内企业之间进行知识共享时, 就无法找到强劲的管理机构作为后盾支持, 而且集群内企业较多, 信息无法完全实现自由流通;

2) 加大对集群内科研机构的支持力度。虽然该产业集群拥有高等院校、石油装备工程技术研究中心和油田地面工程技术研究中心等专业研究机构, 但相对于集群规模来说, 科研机构仍然较少。随着世界竞争的激烈程度不断加剧, 我国装备制造业要想在世界竞争中获得优势, 必须不断创新技术, 需要更多、更持续的科研投入;

3) 建立标杆企业, 优化企业知识管理流程。集群内的石油装备制造企业虽然拥有较好的知识管理条件, 但却大都未采取相应的知识管理措施, 将企业知识管理作为企业发展重点。产业集群应该起到引导作用, 寻找并培养标杆企业, 让集群内的其他企业在参观学习的过程中, 看到良好的知识管理给企业带来的效果, 在真正了解企业知识管理重要性的同时, 也可以了解如何对企业进行知识管理, 从而采取可操作的措施优化自身的知识管理流程。

5 结束语

目前针对知识管理成熟度模型的研究已经比较成熟, 而对产业集群知识管理成熟度模型的研究却几乎处于空白状态, 本文力图考虑到影响产业集群知识管理成熟度的各个方面, 尝试构建一套科学有效的产业集群知识管理成熟度评价指标体系, 并用较科学的数学方法确定指标权重, 从而建立科学的、可操作的产业集群知识管理成熟度评价模型, 对产业集群的知识管理成熟度进行评价。但产业集群知识管理成熟度的评价问题是一个非常复杂的问题, 需要更多的理论研究和实证研究来对该问题进行完善, 希望本文能对接下来的研究有所贡献。

参考文献

[1]汪建康, 肖久灵, 彭纪生.企业知识管理成熟度模型比较研究[J].情报杂志.2011, (10) .

[2]肖久灵, 汪建康.基于CMM的供应链管理成熟度架构研究[J].科技管理研究.2010, (10) .

[3]刘春芝, 姜莹, 索柏民.基于产业集群的知识管理模式研究[M].北京:中国社会科学出版社, 2010.

[4]白晓霞.卓越绩效测评体系与成熟度评价研究[D].北京工业大学, 2006.

[5]孙锐, 李海刚, 石金涛.能力成熟度模型在组织知识管理中的应用研究[J].研究与发展管理, 2008, (02) .

[6]张鹏, 党延忠.企业知识管理成熟度模型研究[J].科学学与科学技术管理, 2010, (08) .