《Heliyon》：Digital transformation and value chain: A bibliometric study on the role of artificial intelligence in Industry 4.0
编辑推荐：
本研究采用文献计量分析结合定性检验的方法，绘制了工业4.0（Industry 4.0）框架下人工智能（AI）在价值链数字化转型中的科学演进、知识结构与主题发展图谱。分析涵盖Scopus和Web of Science（WoS）索引的454篇文献，检索窗口为201
本研究采用文献计量分析结合定性检验的方法，绘制了工业4.0（Industry 4.0）框架下人工智能（AI）在价值链数字化转型中的科学演进、知识结构与主题发展图谱。分析涵盖Scopus和Web of Science（WoS）索引的454篇文献，检索窗口为2015–2025年（可纳入的出版物自2018年起观察到），并使用R（版本4.4.2）和VOSviewer（版本1.6.20）。在三个研究问题的指导下，本研究考察了：（i）科学生产的时间、地理和期刊层面结构；（ii）该领域的主导性和新兴主题结构；以及（iii）高被引研究如何阐释文献计量模式并揭示研究空白。结果显示，科学产出持续增长，尤其在2020年后显著增加。2020年后的出版增长与COVID-19大流行时期相吻合；然而，此描述性文献计量分析并未建立因果关系。共现分析识别出与数字化转型与自动化、智能供应链与物流、以及可持续性与价值创造相关的主题。对高被引研究的定性分析进一步突出了工业5.0（Industry 5.0）、循环经济（circular economy）、数字孪生（digital twins）、网络安全（cybersecurity）、数字健康（digital health）、技术融合（technological convergence）以及供应链韧性（supply chain resilience）。总体而言，研究结果表明，人工智能正日益嵌入价值链的技术、组织和战略转型之中。同时，现有文献在区域间分布不均，且在网络安全、特定情境下的数字化成熟度、环境与伦理影响以及来自新兴经济体的证据等领域尚不充分。这些结果为未来关于可持续和人本导向的数字化转型研究提供了一个综合性的研究议程。
研究背景与问题提出
在当代背景下，数字化转型已成为重新定义组织模式、生产流程和全球管理战略的核心现象。工业4.0（Industry 4.0）相关的颠覆性技术，如人工智能（AI）、深度学习（deep learning）、数字孪生（digital twins）、物联网（IoT）和云计算，已成为重构价值链和优化战略决策的支柱。尽管已有大量关于智能制造、供应链优化、可持续性和商业转型的综述，但这些研究未能将人工智能、价值链转型和工业4.0整合在一个统一的分析框架内，也未能持续地将文献计量图谱与对影响力研究的定性审视相结合。这限制了对大规模发表模式与该领域概念内容之间联系的理解。因此，有必要对该领域的发表模式、主题结构和影响力研究进行系统性映射，以阐明该领域的发展现状及其主要空白。
研究方法与技术路线
研究人员采用文献计量学方法，并结合对高被引文章的定性主题分析。数据来源于Scopus和Web of Science（WoS）数据库，检索词涵盖“value chain”、“supply chain”、“value creation”、“artificial intelligence”、“machine learning”、“deep learning”、“digital transformation”、“industry 4.0”和“digitalization”。纳入标准包括2015至2025年间发表的英文和西班牙语文章。经过筛选，最终获得454篇相关文献用于分析。分析工具为R软件（版本4.4.2）和VOSviewer（版本1.6.20）。文献计量分析包括年度发表与引用趋势、国家间合作、最具影响力的期刊以及关键词共现图谱。定性分析则选取了29篇至少被引用100次的高被引文章，通过主题编码和整合，识别出七个主要主题类别。
研究结果
3.1.2 时间演化： 结果显示，2018年至2025年间，该领域科学产出持续增长，特别是在2020年后增长显著。虽然这一增长与COVID-19大流行时期重合，但研究未建立因果关系。
3.1.3 国家贡献： 美国、中国、德国、英国和印度在发表量上领先，形成了以发达国家为主的研究格局，而拉丁美洲和非洲的代表性不足。
3.1.4 最有影响力的期刊： 期刊分布呈现跨学科特性，包括《Sustainability (Switzerland)》、《IEEE Access》、《International Journal of Production Economics》等，涵盖了可持续性、工程、生产和运营等多个领域。
3.1.5 关键词共现： 通过VOSviewer分析，识别出三个主要的主题集群：数字化转型与自动化、供应链与智能物流、以及可持续性与价值创造。此外，数字孪生和区块链等主题也出现在网络中，表明技术融合是该领域扩张的一部分。
3.2 定性分析： 对29篇高被引文章的定性分析揭示了七个主题类别：数字化转型与工业4.0、可持续性与循环经济（circular economy）、网络安全与数字风险、技术融合、人工智能与供应链韧性、数字健康（digital health）、以及工业5.0（Industry 5.0）与人本制造。这些类别补充了文献计量分析的结果，特别突出了网络安全、农业数字化和人本制造等子主题的重要性。
讨论与结论
讨论部分总结： 研究表明，关于AI赋能价值链数字化转型的研究在观察期内显著扩展。该领域的知识结构围绕自动化、智能供应链和可持续性三大主题组织，但各集群之间存在重叠。高被引研究不仅强化了这些主题，还揭示了网络安全、数字健康、农业数字化和人本制造等虽具影响力但在关键词网络中不够突出的领域。研究发现强调了数字化转型是一个社会技术过程，其成功取决于组织准备度、战略对齐、领导力和变革管理等因素。研究结果的普适性受限于地域不平衡，尤其是在高度数字化背景下的发现难以推广到新兴经济体。未来的研究应优先关注新兴经济体、网络安全、特定行业的数字化成熟度模型、AI的环境与伦理影响，以及向工业5.0的过渡，特别是人机协作和知识密集型生产。
研究结论翻译： 本研究通过整合文献计量分析与对高被引研究的定性检验，描绘了在工业4.0框架下，AI赋能价值链数字化转型的科学进展。结果显示，2018至2025年间科学产出持续增长，并在2020年后显著加速。文献计量分析识别出相互关联的主题，集中于数字化转型与自动化、智能供应链和可持续性；而定性分析则强调了网络安全、数字健康、技术融合、循环经济、韧性和工业5.0等额外的影响力领域。综合发现表明，AI正日益嵌入价值链的技术、组织和战略变革中，但其效果是异质的且依赖于具体情境。区域基础设施、技术能力、组织成熟度、治理和行业特征塑造了数字化转型的实施和研究方式。新兴地区的代表性不足以及网络安全、伦理治理和特定情境数字化成熟度等主题的相对薄弱，仍是当前知识基础的重要局限。
