1 引言
智能制造对于培育我国经济增长新动能、实现高质量发展具有重要的战略意义。如何科学、系统地评价智能制造的发展水平，既是国家加强智能制造在各行业领域发展和应用的必然要求。通过对企业由于自身发展的局限性，近几年制造业产业的发展速度虽然迅速，但仍存在自主创新能力不强，企业自身智能化程度不足，产业发展竞争力不够等问题。智能制造发展水平的系统评价，构建评价指标体系和建立模型，分析和评价智能制造能力的现状和发展水平，使企业发现其在智能制造方面的差距和薄弱环节，指引企业通过智能制造实现创新发展、智能发展和绿色发展，提升市场综合竞争能力。
2 智能制造及发展评价指标
2.1 智能制造能内涵
智能制造是将制造技术与数字技术、智能技术、网络技术的集成应用于设计、生产、管理和服务的全生命周期，在制造过程中进行感知、分析、推理、决策与控制，实现产品需求的动态响应，新产品的迅速开发以及对生产和供应链网络实时优化的制造活动的总称，可分为智能设计、智能生产、智能管理、智能制造服务四个关键环节。
智能制造定义为基于新一代信息技术，贯穿设计、生产、管理、服务等制造活动各个环节，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。具有以智能工厂为载体，以关键制造环节智能化为核心，以端到端数据流为基础、以网络互联为支撑等特征，实现该智能制造可以缩短产品研制周期、降低资源能源消耗、降低运营成本、提高生产效率、提升产品质量。
2.2 智能制造发展评价指标
（1） 智能制造建设水平：
智能技术普及率、经营管理智能化水平、信息资源开发利用水平、客户服务智能决策水平。
（2） 智能制造基础设施：
自动化装备应用普及率、互联网宽带接入端口数、智能制造相关平台数、信息安全保障系统使用率、智能系统应用普及率。
（3） 智能制造企业协同层：
供应链、产业链适应性、产业链合作人均产值、信息系统集成水平、上下游企业协同度、制造资源协同平台。
（4） 智能决策支持：
自动排产和动态调度、供应链管理水平、订单跟踪能力、产品质量可追溯、可实现的决策支持内容。
（5） 智能制造效益：
人均产值增加率、平均劳动生产率提升率、投资回报率、企业生态环境贡献率、单位生产总值能耗减少值。
3 某企业智能制造发展水平评价
准确、科学的获取评价指标综合权重是对智能制造发展水平进行评价的关键步骤，因为评价结果的可信度由评价指标权重直接决定。本文在计算评价指标权重时将采用层次分析和数据包络分析法两种方法，并将其得到的权重进行综合处理，这样既能保留决策者的主观经验的预见性和客观数据的严谨真实性。
3.1 建立评价体系集合与层次结构
智能制造发展水平评价指标体系分为A、B、C三个层次。建立的智能制造发展水平评价指标体系，目标层是智能制造发展水平，准则层分别为智能制造建设水平、智能制造基础设施、智能制造企业协同层、智能决策支持、智能制造效益五个维度指标，指标层为25个细化的评价指标，这些评价指标是最终实现目标层的保障。
本文的采用的统计数据为某制造企业的综合数据，根据确定的智能制造发展水平评价指标，选则制造企业13年至17年的相关数据为依据，最大、最小和适中值依据制造业相关数据得出，具体数据值如表1所示：
表1：智能制造发展评价指标体系表
3.2 智能制造发展评价指标客观综合权重的计算
对智能制造发展评价指标综合权重进行确定。分别采用DEA和AHP方法，计算客观性指标权重和主观性指标权重，最后得到指标综合权重。
（1） 原始数据无量纲化处理：
对原始数据矩阵中的数值做无量纲化处理，处理过程由MATLAB软件辅助进行，适度指标与负指标的无量纲化处理程序与此相似。可得到智能制造发展评价指标的规范化矩阵表示如下：
（2）计算指标客观权重：
运用DEA相关理论和模型，B1下的指标按输入型指标和输出型指标将准则层C11、C12、C13、C14、C15分成了两组，为C11，C12，C13和 C14，C15，运用MATLAB软件进行计算，运行后得到最佳权向量，并对权重向量进行归一化。同样的方法对其他指标做归一化处理，对应的最佳权向量和客观权重如下：
3.3 智能制造发展水平评价指标主观权重的计算
（1）构造判断矩阵：
首先需要对准则层评价指标和指标层评价指标进行比较，依据统计分析结果，以智能制造建设水平B1为例，得到B1的比较矩阵表示如下：
（2）AHP方法计算指标的主观权重：
对准则层的评价指标B1、B2、B3、B4、B5的判断矩阵进行运算分析。通过
MATLAB软件计算得到全部的CR<0.1，则判断矩阵符合满意的一致性标准。计算后得到各准则层，一致性检验过程中的数据如下：
表2：一致性检验汇总表
各评价指标的主观权重为：
（3）智能制造发展水平评价指标综合权重的计算：
根据主观权重和客观权重，由公式通过MATLAB 计算得到发展评价指标的综合权重为：
3.4 灰色系统理论进行评价
（1）确定智能制造发展水平评价指标的评价样本矩阵：
将智能制造发展水平等级划分为5个层次，分别为高水平、较高水平、中等水平、较低水平、低水平，并且采用9分制原则对不同的评价等级分别进行赋值，以上不同的5个层次相的分值依次为V={9，7，5，3，1}，当评价结果介于两个相邻层级之间时，可对应的选取8、6、4、2等层级中值。通过专家给评价对象的评价值，可得评价样本矩阵D。5个分块矩阵D1，D2，D3，D4，D5来描述样本矩阵，结果如下：
（2）确定评价灰类和计算灰色评价权矩阵：
（2.1）确定评估灰类和白化权函数。确定评估灰类就是确定评估灰类的等级数、灰类的灰数和灰数的白化权函数。分析上述评估指标的评分等级标准，设定5个评估灰类，灰类序号为e，即1、3、5、7、9，等级从高到低依次分为五个等级高水平、较高水平、中等水平、较低水平、低水平，根据设置的评价等级得到五个评价灰类，同时阈阀值相应的为 9、7、5、3、1，于是得到如下对应的白化权函数f1，f2，f3，f4，f5如下：
（2.2）计算灰色评价权矩阵。结合评价样本矩阵和白化权函数，得到了如下所示的灰色评价权矩阵：
3.5 智能制造发展水平的灰色综合评价结果及分析
（1）计算灰色综合评价矩阵：
从准则层指标开始，逐步对其做灰色综合评价，我们得到如下所示的评价权向量Bi：
综合评价矩阵B由以上向量得到，则结合准则层权重可进一步可以得到目标层A的综合评价权向量A：
（2）智能制造发展的综合评价结果：
把不同的评价等级依据“灰色度等级水平”进行赋值，依据评价灰类等级量化后得到的向量 U = (9，7，5，3，1)，单值化评价结果最终表示如下：
通过分析得到的最终评价结果，可知此企业的智能制造发展水平综合评价值在5到7这个区间内，通过综合评价结果值与其所处区间上下线的量化值进行对比分析，可以得出此企业的智能制造发展水平应属于良好水平，较好的达成智能制造发展的目标，但是距离理想水平还是有一定差距。
4 结束语
依据建立的智能制造发展水平评价指标，建立的某企业的智能制造发展水平评价模型：AHP-DEA-GM模型，通过MATLAB软件对其进行运算，最终的出其智能制造发展水平综合评价值在5到7这个区间内，属于良好水平。说明基于层次分析-数据包络-灰色系统的组合模型能适用于企业的智能制造能力评价，并能为其智能制造的发展水平提供决策参考。