白晓波，王铁山，李 勃，和 征

(1.西安工程大学 管理学院，陕西 西安 710048；2.陕西省“一带一路”纺织发展研究院，陕西 西安 710048)

目前，大数据和人工智能技术的日趋成熟，为纺织企业技术革新提出了新的要求。《中国制造2025》中指出，智能制造是制造业转型的主攻方向，《新一代人工智能发展规划中》提出了对人工智能产业的发展愿景，到2030年，人工智能产业规模超过1万亿，带动相关产业规模超10万亿。很多企业已经开启智能化转型，中国电子技术标准化研究院的统计数据显示，在2020年底，有75%的已经开启智能制造。中国很多企业的自动化和信息化水平较低，智能化转型基础条件相对薄弱，缺人才、缺技术、缺资金。而且，主要发达国家也都提出了自己智能制造战略，如德国工业4.0，美国的工业互联网以及日本的工业价值链。为中国传统制造业的纺织企业带来了巨大压力和挑战，同时也带了重要的转型契机。在此大背景下，需要分析纺织企业智能化特点，厘清影响纺织企业智能化建设的关键决定因素，为智能化建设提供必要支撑。

国外的智能化研究主要集中在具体的技术或算法上，以解决设计、生产、营销或者价值创造时某一环节的实际问题。如GUVEN等[1]为了优化生产流程，基于人工神经网络(artificial neural network, ANN)与支持向量机(support vector machines, SVM)建立了智能模型，分析了生产过程中20个变量的影响程度。PARK等[2]为了解决在受干扰情况下的工艺参数调优问题，开发了自优化的控制系统。TIRKOLAEE等[3]在有限资源条件下，基于深度学习和模糊集，对风险和收益进行优化，进而搜寻最优的产品组合。RENTSCH等[4]利用遗传算法(genetic algorithm, GA)，对制造过程中降低能耗的设计和工艺参数进行优化。DAN等[5]基于机器学习算法，通过对营销流程各状态的模拟，建立了智能模型，并提出了营销解决方法。CAMACHO-VALLEJO等[6]基于人工智能(artificial intelligence, AI)技术，提出了双目标优化模型框架，进而区域间工作量得以平衡，客户等待时间也得到减少。

在国内，对于智能化的研究除了技术本身以外，也进行了大量的驱动力和作用机制、影响因素和发展路径的研究。师博[7]提出了智能化转型升级的4个要求，如要素驱动向创新驱动转型、资源消耗型向绿色发展转型等。葛陈鹏等[8]从具体的制造执行系统(manufacturing execution system, MES)的角度，研究了MES在纺纱企业智能化转型中的作用，对成本、用工、效率、质量和能耗都有所改善。王雪原等[9]提出在重视人才培养的基础上，以信息化发展促进企业形成偏好，推进智能化转型。郭进提出了“三链互动升级”模型，从技术链、产业链和价值链3个维度，对智能化转型升级的内容和路径进行了分析。王士合[10]指出在智能化推进过程中，需要做好新旧设备的协同改造和创新，并且要注意其经济性和复杂性。韩秋明等[11]指出基础设施、智能化技术、行业数据、数字化程度、成本和智能化人才等是影响产业转型的主要因素。LIU等[12]的实证结果表明，人工智能技术创新对生产制造行业有显著影响。作为传统的纺织行业，也概莫能外。WANG等[13]以浙江省173家中小企业为研究对象，得出企业盈利能力、人力资本素质、行业智力水平等因素显著促进其智能化升级，而劳动力成本、资本结构、政府补贴等影响并不显著。

综上所述，国内外学者对传统企业的智能化转型取得了丰硕的成果。目前的智能化转型并未脱离4大因素，即环境、技术、组织和人员，为纺织企业的转型升级提供了重要的参考价值。但目前的研究仍有不足之处，如忽略区域政策或经济发展趋势等潜在的外部因素对企业智能化动机的影响，组织内部特质对实施智能化的驱动或制约力等。在现有的制造业智能化研究中，主要集中于建筑、冶金、机械设计及制造等企业。虽然纺织企业的智能化转型研究也有涉及，但我国纺织产业与其他产业相比，拥有高度劳动密集型且对外依存度较大的特点，区域分布和发展情况都带有较强的区域特色。在这样特殊的行业背景下，智能化转型受诸多因素影响，尤其是智能化的采纳背景，如区域或国际的经济发展情况、市场需求等，其他如竞争压力、现有设备情况、企业盈利能力和智能化技术成熟度等。综上，纺织企业智能化转型的内涵、关键决定因素仍不明晰。因此，进一步明确纺织企业智能化的特征，利用扎根理论，以环境、技术、组织和人员4个维度为基础，深入探究纺织企业智能化的概念和影响因素，最后通过行业专家群体决策，利用最优最差法，提取纺织企业实现智能化转型的决定因素。

1 纺织企业智能化目标与体系结构

纺织企业智能化，是一种可以让企业在研发、生产、管理、服务等方面变得更加“聪明”的生产方法。在现有智能化体系框架基础上，凝练出智能化纺织企业的体系结构和智能化纺织的目标，如图1所示，进而为纺织企业的智能化建设提供参考。在图1的体系结构中，从下至上整体分为2层，纺织企业通过智能化升级，实现纺织品的柔性制造，即适应客户“个性化、小批量”定制消费模式，是智能制造和传统制造的一个重要差异。

图1 纺织企业智能化体系结构及目标

(1)数据获取层。实现整个生产过程数据的动态获取。SAGGIOMO等[14]表示纺织智能化是一个独立生产的过程链，主要利用射频识别技术(radio frequency identification technology, RFID)和传感器(Sensors)是收集纺织品生产过程详细数据的基础。

(2)纺织企业人机一体化系统。该系统由智能机器和专家知识共3部分组成。

①智能设备层。主要基于信息物理系统(cyber physical system, CPS)和物联网(internet of thing, ioT)。CPS对生产过程进行监控，实现分散决策和自我优化，再通过ioT，在纺织机器与机器之间或人之间进行通信，数据在所有协作设备和系统中共享。进而实现原材料到产品销售，数字跟踪装置按照标准协议相互连接，进行数据分析、误差预测和自我配置。②智能执行层。以企业资源计划(enterprise resource planning, ERP)、制造企业执行系统(manufacturing execution system, MES)、产品生命周期管理(product lifecycle management, PLM)、供应链管理系统(supply chain management, SCM)、商业智能系统(business intelligent system, BIS)和其他管理决策、大数据分析软件为主。③专家知识库。该层的主要功能是通过底层传递的数据，利用智能数据处理技术对其加工，以形成自适应、自学习的专家知识库。基于底层实时数据和大规模的历史数据，使用神经网络等智能算法，利用智能机器模拟专家，以扩展管理人员的智力边界，部分或全部代替人脑对智能执行层和智能设备层在生产过程中进行干预。

2 研究设计

2.1 研究方法

扎根理论，由Glaser和Strauss于1967年提出，为质性研究方法。该方法从经验资料入手，能够系统收集和分析数据自下而上产生概念建构理论，是从经验数据中发现理论的最有影响的研究范式。利用该理论的具体原因如下。

(1)纺织企业智能化需要掌握较多跨学科的专业知识，如纺织、自动化、机械和计算机等，为提取智能化关键影响因素，需要收集众多实际数据加以解释，进而对相关问题进行更加深入地描述。同时，通过和研究对象的互动，获得其行为和意义的解释性理解，是质性研究的重点。

(2)能够“捕获”受访对象对纺织企业智能化的潜在动机和认知，帮助调查者整理且深入理解纺织企业智能化的整体特征，并建立理论基础。

(3)在课题的研究中，多次深度访谈生成的大量原始文本性数据资料，符合扎根理论自下而上层层推理的研究逻辑。

利用最优最差法(best-worst-method, BWM)[15]对影响因素进行排序，并提取出关键影响因素。使用该方法的原因有以下两个方面。

(1)较少的时间开销。BWM比其他多准则决策方法(multi-criteria decision-making, MCDM)更加简洁，比如决策试验与评价实验室方法(decision-making trial and evaluation laboratory, DEMATEL)，网络分析法(analytic network process, ANP)和层次分析法(analytic hierarchy process, AHP)。大多数MCDM方法是通过基于矩阵的比较确定的。REZAEI[16]讨论了决策者在计算备选方案和标准之间成对比较时面临的一致性挑战。如果获得的矩阵不符合一致性要求，就要对所有的矩阵元素进行修改。决策者浪费大量时间再次检查一致性比率以获得一致性比较。从比较次数来讲，在准则个数为n时，BWM的比较次数是2(n-1)次，而矩阵的比较次数是n(n-1)/2(n为指标数)，BWM明显使用更少的时间开销。

(2)稳健性和可靠性。与其他MCDM方法、AHP和其他基于矩阵的方法相比，BWM提供了更稳健的一致性比较，并且从BWM获得的基于向量的权重更加可靠。

综上，针对纺织企业智能化所需的学科专业知识，以及质性研究的特点，使用扎根理论和BWM提取纺织企业智能化转型关键因素具有一定的实践价值。笔者基于理论抽样，对获取的质性资料进行开放式编码、主轴编码和选择性编码，进而构建出纺织企业智能化转型影响因素的核心模型，再利用BWM方法对影响因素进行排序，提取出关键因素。

2.2 研究样本与数据收集

用深度访谈法搜集资料，在目的性抽样和理论抽样的基础上，以编码中的理论饱和为原则确定受访人数，在受访者的语料信息中不再出现新的概念和范畴。共涉及陕西西安(10人)，咸阳(8人)、浙江杭州(6人)，绍兴(8人)，广东广州(7人)，东莞(9人)，江苏苏州(9人)，无锡(7人)，新疆乌鲁木齐(6人)，石河子(5人)，共75位行业资深人士。在受访者同意接受访谈且对纺织企业智能化持肯定观点的情况下，主要采用电话和网络视频的形式，对其进行深入访谈。针对每个受访人的访谈时间控制在50分钟以内，整理出大概10万字的访谈记录。具体的访谈方式如下。主要询问当前纺织企业智能化的必要性，在什么情况下纺织企业领导会做出智能化的决定，又是哪些因素影响或制约了纺织企业智能化的能力，在智能化需求和能力都具备的条件下，哪些因素又影响了推动纺织企业智能化的速度和成效。

受访者统计特征如下：男性39人，女性36人。年龄在20～35岁之间的有25人，36～50岁之间的有30人，51～60岁的有20人。职业分布方面，纺织企业从业人员为25人(含企业主10人，企业管理人员10人，车间工人5人)，设备供应商为20人，软件供应商为15人，纺织行业专家为10人，纺织特色类大学教授为10人。学历初中学历3人，高中学历5人，专科/本科45人，硕士15人，博士7人。通过选取不同的受访者，可以避免同一方法的偏差，不同来源的资料使得访谈内容更加丰富详实。

3 智能化转型影响因素结构维度

利用扎根理论分3个阶段探索纺织企业智能化转型的影响因素。整个编码理论，就是自底向上，从混沌的文本数据单元、抽象为概念、范畴、主范畴，最后到核心范畴(理论框架)。通常将词汇或语义、逻辑关系或逻辑次序相关的数据单元合并、归类，层层抽象、逐步凝练和升华，直到形成高度聚合的理论框架。

3.1 开放式编码

该阶段产生“概念和范畴”，也就是将原始的访谈文本所表达的语义进行概念化和范畴化。在此阶段，由于受访对象较多，为减少个人经验对研究结果的影响，确保扎根过程的严谨性和准确性，针对不同的受访对象独立编码，然后，对相同问题域的文本和数据单元进行分类和汇总，形成初步的“现象”。对纺织企业智能化转型的相关文本逐句分析、提炼其中蕴含的核心观点，也就是核心概念数据单元。通过每次访谈后对资料的整理和编码，使用Nvivo12.0对定义的384个现象进一步概念化、提取与抽象，共形成138个概念和27个范畴，具体过程和部分内容示例如图2所示。

图2 开放式编码示例

3.2 主轴编码

该阶段是由质性资料提炼出理论的中间环节，也是重要环节。着重提取纺织企业智能化的关键影响因素，构建范畴到“智能化影响因素”之间的联系并做深入归纳，结果如表1所示。可知国内市场需求、“一带一路”沿线国家的需求、其他国家的需求都是市场因素，进一步归纳为“市场前景”。这一过程，需要对开放式编码阶段形成的范畴进行反复分析、研究，将语义相似或逻辑相关的内容进一步抽象和泛化。在此过程中，可以发现范畴之间的潜在关联关系和逻辑顺序，并基于这些关联关系和逻辑顺序重新提炼。笔者对27个范畴进一步分析、归纳和提炼不同范畴之间的逻辑关系和逻辑次序，共得出11个维度的主范畴，分别为：市场前景、竞争压力、可持续性、财务状况、技术成熟度、智能技术兼容性、员工对现有生产和管理系统满意度、领导承诺与支持、数据质量、智能系统用户特性和内部协作。

表1 主轴编码

编码过程进行详细阐述如下：国内市场需求，“一带一路”沿线国家的需求和其他国家的需求，主要体现在产品的市场情况，进一步凝练为“市场前景”。外部竞争压力和获得竞争优势，核心词义为竞争，凝练为“竞争压力”。经济因素、环境因素和社会因素，从范畴内涵逻辑来分析，体现为纺织产品的可持续性，进一步概括为“可持续性”。企业销售收入、利益回报和股权分配激励，三者的内涵逻辑表现为“财务”，凝练为“财务状况”。智能技术的成熟度、智能纺织设备的成熟度和智能管理软件成熟度，这三者范畴内涵为“智能化技术的成熟度”，就归纳为“技术成熟度”。智能生产设备的兼容性和智能管理软件的兼容性，范畴内涵为“兼容性”，进一步归纳为“智能技术兼容性”。对当前生产设备的满意度、对当前管理软件的满意度。两者所蕴含的是员工对当前系统的态度，归纳为“员工对现有生产、管理系统满意度”。财力上的支持、应用推广的支持和人员培训的支持，内涵逻辑为“领导的支持”，凝练为“领导的承诺与支持”。自动获取数据的质量、人工提交的数据质量，归纳为“数据质量”。人员学习、上进动机和对智能技术的心态，其语义体现为用户基本特质，提炼为“用户特征”。企业高管之间的协作部门、员工之间的协作，蕴含的是“协作能力”，归纳为“内部协作”。

3.3 选择性编码

该阶段通过理论编码将主范畴升华为理论。另外，该阶段需要对理论饱和度进行检验，通常对第二阶段的访谈资料对比分析，受访者陈述要点均被覆盖，没有新的概念或范畴增加，说明达到理论饱和度，在理论饱和后，就进一步凝练为理论框架。主要基于的“组织、环境、技术和人员”四维框架理论对所有核心编码进一步抽象。如将“数据质量、智能技术成熟度和智能技术兼容性”在语义上和技术特征相关，这3个主范畴进一步提炼为“智能化技术”。其他维度的理论编码也遵循同样的方法。通过对27个范畴、11个主范畴的深入分析，对深度访谈获取的原始资料和相关文献进行比较，厘清脉络，并对主范畴和范畴内涵进行阐述。并用第二阶段的18份访谈资料对理论饱和度进行检验。通过对比分析，受访者所有陈述均被前期的访谈资料覆盖，说明没有新的概念和范畴，理论达到饱和。选择性编码结果如表2所示。

表2 选择性编码

选择性编码过程与四个维度框架相结合，编码逻辑详细阐述如下：市场前景、外部压力和可持续性，结合三者蕴含的语义逻辑“外部因素”与“环境”维度，归纳为“外部环境”。财务状况和内部协作，所蕴含的都是纺织企业本身因素，结合“组织”维度，归纳为“纺织企业状态”。领导承诺与支持、智能系统用户特性和员工对现有生产、管理系统满意度，语义蕴含着“员工”，结合“人员”这个维度，凝练为“纺织企业员工”。数据质量、智能技术成熟度和智能技术兼容性，语义逻辑为“智能化”本身，与“技术”维度结合，凝练为“智能化技术”。

3.4 决定因素重要性排序

利用扎根理论，得出纺织企业智能化的11个主范畴和4个维度(外部环境、纺织企业状态、智能化技术、纺织企业员工),然后由25人组成的评判专家(纺织企业管理人员：5人，纺织企业基层员工：4人，纺织设备供应商：6人，软件供应商：5人，行业专家：5人)，以集合的形式表示为：P={p1,p2,…,p25}，利用BWM对核心范畴及核心范畴下的主范畴进行了赋权。评判专家利用BWM的赋权的详细过程如下。

(2)确定最优指标和最差指标。在评估指标D中，由评估专家选择最优指标dB，选择最差指标dW。评价标度如表3所示。

(3)确定dB相对于其他指标的权重。结合表3将dB和其他指标两两比较，可得权重向量AB=(aB1,aB2,…,aBm)，aBm为dB相对于第m个指标的权重。

表3 评价标度

(4)确定其他指标相对于dW的权重。结合表3将其他指标和dW两两比较，可得权重向量AW=(a1W,a2W,…,amW),其中，amW为第m个指标相对于dW的权重。

(5)求约束优化问题的最优解。

(1)

(2)

(7)在得到一级指标权重和各二级指标的权重后，利用式(3)可得各指标的综合权重。

(3)

最终的计算结果如表4所示,可知处于前6位的因素分别是：财务状况、领导承诺与支持、内部协作、智能技术成熟度、市场前景和智能技术兼容性。但是，各行业专家也各有侧重。在纺织企业管理人员看来，财务状况、领导承诺与支持、市场前景和智能技术成熟度这4个指标最为重要。设备供应商考虑更多的是智能技术兼容性、随后依次是领导承诺和支持和智能技术成熟度。软件供应商更看重智能技术成熟度、智能技术兼容性、领导的承诺与支持和数据质量。纺织行业专家给予财务状况最高权值，其次是领导承诺与支持，然后是竞争压力和智能技术成熟度。反映了不同领域的专家，由于其经验和知识领域的不同，对于纺织企业智能化建设时的着重点也各不相同。但是，“领导的承诺与支持”，得到了各评判专家组的共同认可，综合权重排名第2，然后是纺织企业的内部协作，排名第3。智能技术成熟度也是各评审专家组共同关注的指标，虽然综合权重的排名中处于第4位，但这也从侧面进步一说明了其重要性。然后是智能技术兼容性，也获得了3评判小组的共同认可，综合权重排名第6。

表4 核心范畴和主范畴权重、排名

4 结论

(1)采用扎根理论探究影响纺织企业智能化转型的结构维度，得出27个范畴和11主范畴，再凝练为4个核心范畴，分别是：外部环境、纺织企业状态、纺织企业员工和智能化技术，并通过25个不同行业的专家，利用BWM对4个核心范畴和11个主范畴进行综合赋权，对综合权值从大到小排序后，提取出前6个权值较大的作为关键影响因素，即：财务状况、领导承诺与支持、内部协作、智能技术成熟度、市场前景和智能技术兼容性。

(2)市场环境是纺织企业智能化的外在驱动力，而智能化能否实施成功，主要由其内因决定。外在驱动因素主要是市场前景和同类企业带来的竞争压力；内在因素主要是在纺织企业财力允许的情况下，有足够且强力的领导承诺与支持，这是智能化成功推进的一个重要保障；其次是纺织企业各部门和员工对智能化的认知，由智能化带来的权力与利益重新分配导致实施过程中的掣肘。

(3)立足于纺织企业柔性制造的智能化转型目标，虽已考虑受访者最好来自不同地域，但是我国地域广袤，各地企业有其区域特性，对此并未深入探究。在研究的样本中，调查对象主要集中于纺织企业产业链的上游和中游企业，如纺织机械制造、合成纤维从业者、纺织品加工从业者。而下游的营销渠道，如电商平台、商超等并未涉及。部分纺织企业已经进行了一定的智能化建设，未来可将其作为案例进行深入研究，并将智能化转型和未转型的纺织企业进行对比研究，分析两者在智能化转型时影响因素的区别。