基于遗传算法投影寻踪模型的智能制造能力评价—以中国31个省市区数据为例
作者：陈钢 薛莉 张彬 2021-09-15 14:37 新传播 【字号：大 中 小】
采用实码的加速遗传算法投影寻踪（RAGA-PP）模型，实现线性投影降维，构建了智能制造能力评价指标体系。本文选取2018年我国31个省级行政区的多指标截面数据，根据线性投影值进行层次聚类，在此基础上分区域对我国省域智能制造能力进行分析，提出了推动我设各指标值的样本集为
在学界，有学者从微观的企业角度进行研究，如易伟明等人（2018）[13]基于张量理论和《国家智能制造标准体系建设指南（2015年版）》中提出的3维评价指标体系，结合实际数据对相关的智能制造企业进行了综合分析；龚炳铮（2015）[14]构建出了以企业生态环境、企业效益和智能化发展水平三个方面为一级指标的智能制造企业通用指标体系，并详细地介绍了企业智能制造能力的综合评价方法。有学者以宏观的省级角度进行实证分析，如董志学等人（2016）[6]以企业创新能力、产品流通能力和信息化服务水平为一级指标构建了评价指标体系，利用因子分析法对我国23个主要省份智能制造的综合能力进行了测算。
同时，学者们也对提升智能制造能力的对策进行了系统的研究。仲克元（2017）[15]认为，推动中国智造向全球价值链高端攀升，可从以下几个方面着手：推进智能制造产业共性关键技术的自主研发与产业化；加快智能制造相关标准体系建设；建立面向智能制造的多层次的人力资源开发体系等。工业4.0研究院院长胡权（2018）指出，提升智能制造能力应该充分发挥第四次工业革命智能化和网络化两大驱动力的价值，一方面，应该充分认识到AI2.0对于智能制造的发展具有革命性的意义；另一方面，中国制造2025的第二个主攻方向是工业互联网，在推动智能制造的过程中，应该加强工业互联网方式的资源集成，加快中国智能制造产业快速发展。
以上研究固然有意义，但仍存在两个方面的缺陷：一是虽然对宏观层面的智能制造能力和微观层面的企业智能制造能力的研究较多，但是对中观层面的区域智能制造能力的研究滞后，几乎空白；二是虽然存在一些智能制造能力的评价指标体系，但现有文献主要是采用因子分析法等常规计量方法，不易处理高维数据。智能制造能力涉及多个学科领域，范围广，指标数据具有高维、非线性和非正态等特点。为解决上述问题，本文采用非人为赋权的投影寻踪法和层次聚类分析法，对2018年我国31个省级行政区的智能制造能力进行了评估，并根据评估结果做聚类分析，以揭示我国省域智能制造能力的区域差异特征。
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)