《Mathematics》：A Conventional Framework That Integrates ESG Indicators with a Balanced Scorecard and Incorporates Digital Lean Improvement
编辑推荐：
以精益生产为核心，本研究在开放式系统软件架构中集成了运营技术（OT）、通信技术（CT）和信息技术（IT）。在随机客户需求下，对静态数据和基于经验的决策的依赖限制了企业对市场的响应能力。将精益管理与数据驱动数据库相结合，增强了运营灵活性和决策质量，使自行车行业的
以精益生产为核心，本研究在开放式系统软件架构中集成了运营技术（OT）、通信技术（CT）和信息技术（IT）。在随机客户需求下，对静态数据和基于经验的决策的依赖限制了企业对市场的响应能力。将精益管理与数据驱动数据库相结合，增强了运营灵活性和决策质量，使自行车行业的中小企业（SMEs）能够开发具有实时监控和改进运营透明度的高响应性数字工厂环境。所提出的平台适用于制造过程和运营管理，可提高整体设备效率（OEE）、生产效率、流程优化，并减少质量损失、库存水平和劳动力配置不当。本研究探讨了层次分析法（AHP）和多准则决策（MCDM）在整合ESG指标和平衡计分卡的绩效框架中的应用，以识别自行车行业数字精益改进的关键成功因素。通过对一家自行车制造商进行案例研究，采用问卷调查和出口商专家访谈的方式进行。结果表明，五个最关键的的成功因素是：提高投资资本回报率、加强数字能力、改进产品质量、最小化库存浪费和缩短交付周期。这些发现为决策者在高度竞争的数字市场中设计更有效的精益管理策略提供了实践指导。此外，通过促进在合理的投资回报下采用适当的数字技术，该方法支持工业4.0计划的系统实施，并将传统精益实践转变为更高效和可持续的数字精益运营。
**论文解读：整合ESG指标与平衡计分卡的自行车行业数字精益改进框架**
**研究背景、问题与研究意义**
在制造型企业，特别是中小型自行车企业面临日益严峻的运营挑战背景下，本研究得以开展。首先，决策过程本身是一个复杂的多准则决策（MCDM）问题，决策者常因过多且有时无关的信息而不知所措，传统依赖静态数据和经验决策的方法限制了企业对市场随机需求的响应能力。其次，尽管精益管理（LM）强调消除浪费、持续改进，但传统精益实践在数字化时代存在若干局限，例如对供应链脆弱性关注不足、员工压力大、缺乏有效的质量追溯能力以及有限的数据集成能力，这阻碍了数据驱动的决策。第三，现有文献大多关注数字化转型的重要性，但针对如何将精益思想与数字技术（如物联网IoT、人工智能AI）以及环境、社会和治理（ESG）指标系统性地整合到统一绩效框架中的研究较少，特别是对自行车行业中小企业的研究尤为稀缺。
因此，为弥补上述研究空白，本研究旨在开发一个集成ESG指标与平衡计分卡（BSC）的多准则决策框架，并将其应用于识别自行车行业中小企业在实施数字精益管理（DLM）中的关键成功因素（CSFs）。该研究的意义在于为企业提供一个结构化的绩效评估工具，帮助其在有限资源下做出更明智的决策，将传统精益实践转化为更高效的可持续数字精益运营，从而支持工业4.0计划的系统实施，并提升企业在高度竞争的数字市场中的竞争力。该论文发表在《Mathematics》期刊。
**主要关键技术与方法**
本研究主要采用了多准则决策（MCDM）方法，具体为层次分析法（AHP），以对数字精益管理的关键成功因素进行排序。研究构建了一个基于AHP的评估模型，该模型整合了四个BSC维度（财务、客户、内部流程、学习与成长）下的20个评估指标，这些指标同时映射到ESG框架中。数据收集通过专家问卷调查进行，邀请了50位来自自行车行业、ERP系统、数字化转型和生产管理领域的专家参与，最终回收45份问卷，经一致性比率（CR）检验后，有40份有效问卷用于最终分析。研究利用Expert Choice 2000软件进行层次分析计算，并通过灵敏度分析检验结果的稳定性。案例研究对象为台湾自行车行业的S公司。
**研究结果**
**4. 分析与结果**
研究人员利用AHP方法对20个关键成功因素进行了加权和排序。结果显示，最重要的五个因素依次为：提高投资资本回报率（ERIC）（权重18.2%，排名第1）、增强数字能力（EDC）（14.5%，排名第2）、改进产品质量（IPQ）（13.1%，排名第3）、最小化库存浪费（MIW）（7.35%，排名第4）和缩短交付周期（RLT）（6.7%，排名第5）。在四个BSC维度的子维度分析中，财务维度下“提高投资资本回报率”权重最高（52%）；客户维度下“改进产品质量”权重最高（45%）；内部流程维度下“增强数字能力”权重最高（58%）；学习与成长维度下“增强供应链透明度”权重最高（60%）。
**4.1. 灵敏度分析**
通过灵敏度分析，研究了各主要准则权重变化对备选方案排序的影响。结果表明，“提高运营效率”这一因素的权重变化最大（在特定场景下达到38.3%），表明对数字精益信息系统的投资能显著提升现场运营效率。AHP的排序结果（主要结果）与灵敏度分析结果（稳健性检验）之间的差异归因于基于场景的权重调整，这反映了决策优先级的动态变化。
**4.2. 绩效评级的确定**
通过专家自助法（bootstrap）对权重进行区间估计，“提高运营效率”（FD1）的平均权重最高（0.383）。斯皮尔曼等级相关系数（ρ = 0.956245）显示，实施数字精益管理系统前后，评估指标的相对重要性保持高度稳定，表明管理偏好和决策优先级具有稳健性。
**5. 应用案例**
该研究以台湾自行车行业的S公司为真实案例，验证了所提出框架的有效性。根据AHP排名结果，S公司针对性地实施了多项数字精益改进措施：
* **智能化调度优化（排名第1的ERIC对应）**：集成制造执行系统（MES）与物联网（IoT）技术，建立实时生产情报控制中心。
* **智能制造系统（排名第2的EDC对应）**：通过标准作业程序（SOP）的数字化，提升培训一致性与流程透明度。
* **实时质量监控（排名第3的IPQ对应）**：部署集成IoT和SCADA（数据采集与监视控制）的系统架构，实现实时数据采集、过程监控和自动化控制。
* **实时库存可视化（排名第4的MIW对应）**：集成实时库存数据，驱动拉动式生产。
* **智能供应链（排名第5的RLT对应）**：采用高级计划与排程（APS）系统，与关键供应商集成，提升供应链协调性。
实施效果评估显示，公司库存减少了60%，产能提升了40%。
**讨论与结论**
**讨论部分总结**：研究讨论了目标与关键成果（OKR）、关键绩效指标（KPI）和层次分析法（AHP）三者的层级关系，即从设定目标（OKR）到衡量绩效（KPI）再到基于权重的决策（AHP）。对于传统自行车制造业，由于生产能力和运营效率是核心目标且指标具体可量化，因此更适合以KPI为主要框架，OKR作为补充机制。研究以自行车零部件装配厂为例，说明了具体的KPI设置，如生产效率（每条生产线每小时完成500个组件）、产品良品率（组装合格率99%）和设备利用率（机器工作时间每天超过20小时）。
**研究结论部分翻译**：对数字精益管理实施的评估需要适当的指标。所提出的框架为了考虑自行车行业数字精益管理的关键成功因素，利用了层次分析法（AHP）技术来衡量和量化用户满意度。所提出的规划框架始于对工厂现有数字精益生产能力差距的系统诊断。基于此评估，制定有针对性的改进措施，从信息整合开始，然后是结构化的数据收集及其有效应用。因此，鼓励未来的研究识别新兴和关键技术，完善测量结构，并重新评估提出的假设。最后，本研究中对数字技术和精益生产的测量依赖于从公司公告中得出的传统关键词频率分析。未来的研究可能会采用更先进的分析技术，例如自然语言处理（NLP），以提高测量和分析的精确性与稳健性，并结合模糊综合评价或扩大行业范围。此外，未来的研究应考虑采用多案例研究设计进行验证和比较分析，以增强研究结果的普适性和稳健性。
