蒋天宁 朱玉杰 张标

摘 要：根据中国各省市的发展状况提出评估智能制造能力的成熟度模型。从智能制造装备、工业信息化、工业创新力、行业应用四个方面选取21个智能制造能力指标，采用BP神经网络、随机森林回归、支持向量机回归3种机器学习算法构建智能制造能力成熟度模型并进行训练以及验证。利用K折交叉验证、泛化误差定量的评估3种模型，选择出最优评价模型后再利用最优评价模型的输出值，确定各城市智能制造能力的成熟度等级。结果表明：（1）随机森林回归模型最适用于评价智能制造能力成熟度，且其特征重要性可以为指标与成熟度的相关性提供依据。（2）我国广东、江苏、山东三地的智能制造能力成熟度等级最高，贵州、西藏、甘肃等地等级最低。

关键词：智能制造 成熟度模型 BP神经网络 随机森林回归 支持向量机回归

中图分类号：F224;TP391  文献标识码：A

文章编号：1004-4914（2021）01-229-03

一、引言

近年来，随着科学技术的不断发展与社会的不断进步，信息化和工业化水平大幅度提升。我国制造业正朝着智能制造的生产模式迈进。我国智能制造相较于国外起步虽晚，但近几年融合了新一代信息技术的智能制造的发展成绩显著{1}。我国制造业由于各地区各产业各企业发展不平衡的限制，目前发展较为多样化，机械化、自动化、信息化、电气化均共存于产业中。目前，国内对于评价智能制造成熟度水平的研究并不多，各学者的评价模型不尽相同，且通常只选取一种评价模型进行训练及测试，因此缺少评价模型的横向对比{2}。……