《Journal of Manufacturing and Materials Processing》：Smart Factories, Smarter Research: A Critical Review of Manufacturing 4.0 Technologies, Sustainability, and the Road to Industry 5.0
工业4.0（Industry 4.0）产生了工程与管理研究中增长最快的知识体系之一，但其中大部分成果仍按技术领域（technology domain）各自孤立。该研究通过一项结构化批判性综述（综述之综述），综合了70篇同行评审的综述文章和基础文献（2003–2026年），涵盖14个技术领域，以解决这种碎片化问题。该综述提出了I4.0-STS框架（I4.0-STS framework），这是一个原创的四层结构，将证据按物理（physical）、网络（cyber）、认知（cognitive）和社会组织（socio-organisational）维度进行组织。研究得出五项主要发现。物理层和网络层显示出一致的成熟度证据。行业报告中的灯塔工业物联网（IIoT）部署显示能源消耗降低20–30%，交货时间缩短最多39%。人工智能（AI）驱动的预测性维护显示非计划停机时间减少30–50%。认知层（大语言模型（LLM）增强的数字孪生和生成式AI（generative AI）接口）在技术上可行，但超出了其治理框架的覆盖范围。网络安全（cybersecurity）仍治理不足，已记录的制造运营技术（OT）环境中的勒索软件事件凸显了OT与信息技术（IT）融合的风险。中小企业（SME）采用和发展中经济体制造业转型仍相对缺乏关注。最后，评估了截至2026年6月的12个研究空白，其中5个评为开放（Open），并针对每个空白提出了未来研究方向，以新兴的工业5.0（Industry 5.0）议程为背景。所有发现均来自源综述的二级解释，并明确陈述了其局限性。
**1. 引言**
该部分指出，数字技术融入制造生产系统（即工业4.0（Industry 4.0）范式）已深刻改变了工业实践与学术文献。2015至2025年，同行评审出版物年复合增长率超过30%，但知识体系在多个学科间存在结构性碎片化。研究基于三个近期条件进行综合：2020年后领域特定综述激增，提供了二级证据基础；生成式AI（generative AI）和大语言模型（LLM）系统创造了认知层；工业5.0（Industry 5.0）围绕人本中心性、韧性和可持续性的形成，要求从组织与人类标准重新审视以技术为中心的工业4.0证据。该综述旨在提供整合性地图，而非另一领域总结。现有综述多孤立于各自领域，涵盖工业物联网（IIoT）架构、预测性维护、数字孪生成熟度、网络安全、组织实现、中小企业（SME）采用障碍、人机协作、增材制造可持续性、供应链区块链、循环经济整合及工业5.0等。研究贡献包括：跨14个技术领域的70篇源论文综合、原创四层I4.0-STS框架（I4.0-STS framework），以及12个操作化研究方向。
**1.1. 研究问题**
研究围绕四个问题展开，采用PICO（Population, Intervention, Comparison, Outcome）框架：RQ1：14个技术领域中制造4.0（Manufacturing 4.0）干预措施的生产结果实证证据现状及2015–2025年演变；RQ2：制造4.0研究格局的主题收敛与发散，及2021年后新收敛；RQ3：基于结构化质量框架，先前系统综述中未解决的研究空白及其紧迫性；RQ4：针对RQ3空白，指定方法、背景和度量的操作化研究方向。
**1.2. 理论定位**
该综述采用社会技术系统（sociotechnical systems, STS）理论作为组织透镜。STS理论认为生产组织是相互依赖的技术与社会子系统的联合系统，需相互优化。该框架适用于制造4.0，因其特征是数字技术基础设施与人类工作实践、组织结构和社会关系逐步纠缠。四层I4.0-STS框架扩展了经典STS理论，包含认知层（LLM增强的数字孪生和生成式AI代理），该层通过自然语言接口在技术子系统和社交子系统之间进行中介。
**1.3. 范围与界定**
该综述限于Scopus、Web of Science核心合集、IEEE Xplore和Dimensions.ai四个数据库中索引的同行评审文献。主要分析焦点是制造生产系统；供应链管理仅在与生产系统设计或运营直接因果相关时纳入。覆盖期为2003–2025年，基础论文（2015年前）仅保留构成概念领域定义参考文献。非英语出版物、未经同行评审的预印本、后续未在期刊发表的会议论文及灰色文献被排除。术语说明：工业4.0指德国战略倡议及概念框架；制造4.0用作生产系统聚焦的同义词；智慧制造（smart manufacturing）为北美和亚洲文献中更广泛的等同术语；工业5.0特指欧盟委员会后继范式。范围限于综述文章、系统综述、文献计量分析、元分析和结构化叙述性综述，而非原始实证研究。所有证据评估均为二级综合，承载源综述的偏差，包括潜在原始研究重叠、正面结果过度代表及领域间成熟度不均。
**2. 方法**
采用三阶段方法：文献识别与选择（阶段1）、源评估（阶段2）、主题综合与框架开发（阶段3）。作为结构化批判性综述，不声称PRISMA合规的穷尽检索，而遵循Tranfield等人的结构化综述原则和Thomas与Harden的主题综合程序。选择综述之综述设计而非原始研究综合，基于三个原因：规模庞大、研究问题匹配（需比较领域级综合）、二级风险可控（通过五项保障措施，包括每项源评估、书目记录验证、定量声明抽查、一致二级属性及原始研究重叠显式处理）。
**2.1. 阶段1：文献识别与选择**
候选文献通过迭代关键字搜索（2025年中至2026年6月）结合前后向引用链进行识别。布尔关键字框架涵盖工业4.0、制造4.0、智慧制造、工业物联网、网络物理生产系统等与系统综述、文献综述、文献计量分析、元分析、数字孪生、人工智能、机器学习、物联网、网络安全、增材制造、区块链、人机、可持续性、循环经济、大语言模型、生成式AI、SME采用、工业5.0等的组合。选择限于英文、同行评审的综述文章、系统综述、文献计量分析、元分析和结构化叙述性综述，聚焦制造生产系统，以及少量定义领域核心概念的基础报告和书籍章节。70篇源论文构成语料库，另有6篇方法锚点。
**2.2. 阶段2：源评估**
候选综述依据从AMSTAR-2（评估系统综述的测量工具，版本2）改编的四个透明度标准进行评估：Q1，显式可重复搜索协议与文档化关键字策略；Q2，使用两个或以上独立索引数据库；Q3，正式纳入与排除标准并附评估者间可靠性评估或等同物；Q4，采用主题编码、文献计量共现分析或元分析程序的结构化综合方法。四个标准作为评估透镜而非正式评分工具。评估由单一作者进行，构成局限性。
**2.3. 阶段3：主题综合与框架开发**
主题综合遵循Thomas和Harden的三步程序：逐行编码源论文发现、开发描述性主题、生成分析性主题。原始四层I4.0-STS综合框架（I4.0-STS integration framework）在此阶段产生。框架概念一致性通过对照Jamwal等人和Reyes Domínguez等人的技术分类法以及STS理论进行结构基准测试。形式验证尚未进行，被识别为未来工作优先项。针对预测性维护综述的原始研究重叠进行了量化，校正覆盖面积为2.3%，属于“轻微重叠”范围。
**3. 出版格局与文献计量背景**
基于两项锚文献计量分析（Jamwal等人覆盖2015–2021年127篇原始研究；Reyes Domínguez等人分析2020–2024年1069篇Web of Science文档）定位70篇源语料库。
**3.1. 增长轨迹**
2020–2024年，制造4.0文献以30.77%复合年增长率增长，超过更广泛工程文献。2020年后激增部分归因于COVID-19疫情凸显非数字供应链脆弱性。2023年起第二次加速，与大语言模型（LLM）商业可用性重合。
**3.2. 主导期刊与出版场所**
《Journal of Cleaner Production》是制造4.0可持续性研究最高产场所；《Journal of Manufacturing Systems》成为AI驱动和数字孪生制造研究主要场所。地理分布集中在中国、美国、德国、意大利和英国。
**3.3. 方法论趋势**
综述文章占2020–2024年语料库最大份额（592/1069），反映跨领域综合日益突出。平均引用次数27.28，国际合著率36.11%。综述文章主导也带来二级放大风险。
**4. I4.0-STS综合框架：四层综合**
引入I4.0-STS综合框架，基于社会技术系统理论，按每层在制造系统中产生的转换类型组织14个技术领域。框架与RAMI 4.0（Reference Architecture Model Industrie 4.0）、工业互联网参考架构（IIRA）、5C架构和人类-网络-物理系统（HCPS）进行比较。每层由转换类型（物理、计算、认知或组织）及中介的人-技术交互类别定义。四层并非严格顺序实现，但反映数字转型成熟度一般模式。社会组织层不是线性最终层，其元素是其他三层技术部署的前提和结果。
**4.1. 层1，物理层：工业物联网（IIoT）与增材制造（AM）**
物理层涵盖直接修改或感知制造过程物质现实的技术。IIoT系统构成基础数据采集基础设施。从Soori等人、Hu等人和Majid等人的综合证据显示成熟轨迹：2015年IIoT在制造中主要处于实验阶段，2025年在最先进设施中作为运营基础设施运行，但各行业和企业规模采用不均。世界经济论坛灯塔工厂计划报告生产率提升，包括按时交付提高13%和交货时间缩短最多39%，但为自我报告上限结果。增材制造（additive manufacturing, AM）同时作为生产技术和可持续性推动者，Zhang等人记录了其全生命周期可持续性贡献，从拓扑优化设计减少材料使用40–70%到过程中AI辅助缺陷检测。
**4.2. 层2，网络层：数字孪生（DT）、云-边缘和人工智能（AI）**
网络层通过计算建模、仿真和机器学习将物理层数据转化为生产智能。三个技术领域构成：数字孪生（digital twins, DT）、云和边缘计算架构、人工智能和机器学习系统。Attaran等人、Tao等人和Kerrouchi等人记录了数字孪生成熟度从描述性到预测性再到规范性的演进。van Dinter等人确认设备级预测性维护可行性，但缺乏生产规模验证。Chen等人结合系统综述与行业访谈，报告组织障碍（劳动力准备、数据标准化、跨团队知识差距）超过纯技术障碍。Nguyen等人追踪AI-DT集成从设备级诊断到工厂级自主调度。Kerrouchi等人识别出七个结构挑战：实时数据同步、跨供应商模型互操作性、计算可扩展性、不确定性量化、DT通信通道安全、生命周期治理和企业系统集成。数字孪生虚拟调试案例报告新工艺开发成本降低约25%，但基于小样本。人工智能和机器学习快速演进，Mallioris等人通过系统多部门映射预测性维护（predictive maintenance, PdM）应用，记录汽车、航空航天和能源领域非计划停机时间减少30–50%。Ucar等人解决可信性和可解释性问题，识别对抗鲁棒性和可解释性为工业AI接受关键。Shojaeinasab等人合成AI在制造执行系统（MES）中的角色，识别五个智能水平。
**4.3. 层3，认知层：大语言模型（LLM）和区块链**
认知层是四层中最新的，其定义功能是中介：弥合连接AI驱动工厂的技术复杂性与工人和决策者认知能力之间的差距。两个技术领域：生成式AI和大语言模型（LLM），以及基于区块链的供应链可追溯性系统。Cheng等人、Galdino等人和Ouerghemmi与Ertz共同提供了LLM在制造中最详细的综合。特别文档化的应用架构是检索增强生成（RAG），通过约束LLM输出至经过验证的源文档，大幅降低幻觉风险。早期商业部署被记录，但所有综述识别出缺乏标准化制造领域LLM评估基准是关键治理空白。基于区块链的供应链可追溯性（Dasaklis等人、Alazab和Alhyari、Zhang等人）是认知层中经验记录最长的应用。许可区块链架构是制造供应链首选部署模型，但Zhang等人发现只有40%研究在考虑实施成本后报告净正面经济结果，提示可能存在发表偏倚。
**4.4. 层4，社会组织层：人类系统**
社会组织层常被技术综述忽略，但决定其他三层能否交付价值。Nayernia等人对124篇论文（2016–2021年）的系统综述发现，战略-人员-文化三元组（组织对齐、人力资本开发、文化准备）被报告为工业4.0实施成功的更强预测因素。人机协作子领域（Keshvarparast等人、Haghighi等人）提供收敛证据，表明有效人-技术集成特征为共存而非真正协作。Othman和Yang综合AI、DT和增强现实集成到人机协作系统，发现DT赋能虚拟调试使协作工作站实施时间缩短30–40%。Weiss等人添加清醒限定：研究出版物中记录的协作水平在当前实践中有限，大多数部署仍处于共存水平。SME采用维度相对未被充分关注。Kumar等人通过ISM分析记录因果障碍结构：资本约束阻止基础设施投资，进而阻止数据收集和生产率增益。Ghobakhloo等人识别18个障碍，显示人-组织障碍相对于技术采购被系统性地低投资。El Kammouni等人和Yeo与Ong发现大多数制造SME停留在数字成熟度阶段1–2，而前沿企业推进至阶段5。
**5. 主题分析：收敛、发散与新兴张力**
**5.1. 收敛1：物联网-人工智能-可持续性的实证成熟**
IIoT、人工智能和可持续性的收敛作为一致文档化的主题聚类出现。Reyes Domínguez等人识别“工业4.0”、“可持续性”和“人工智能”为2020–2024年语料库中最频繁共现的关键词。Agrawal等人、Taddei等人和Bai等人将工业4.0技术识别为循环经济实施的关键推动者。然而，Nobre和Tavares发现测量是实施障碍。可持续性声明仍以定性或单案例为主，缺乏标准化独立验证的生命周期评估数据。
**5.2. 收敛2：认知工厂**
2021–2025年期间显著的主题收敛是数字孪生、LLM和人本设计汇聚成“认知工厂”配置。该聚类提出一种新的人-机交互模式（自然语言接口），可能重塑技能需求、任务分配和决策架构，但证据基础处于早期，依赖于商业试点文档和概念分析。
**5.3. 发散：OT-IT收敛创造价值与风险**
OT-IT（操作技术-信息技术）网络收敛被以不同方式解释。从生产智能角度，它推动数据流；从网络安全角度，它引入新风险，暴露工业控制系统至互联网连接IT基础设施的攻击向量。Figueroa-Lorenzo等人对53个IIoT协议的CVSS漏洞分析确认大多数工业协议在联网环境中获得高或严重漏洞评分。Pedreira等人记录已知攻击和漏洞目录随工业4.0连接性扩大，而防御措施仍碎片化。该发散反映真实设计张力，需要安全架构显式治理。
**5.4. 新兴张力：技术抱负与实施现实**
几乎每个领域综述下都存在反复出现的张力：研究描述的技术可能性与行业实践评估的实施差距。Weiss等人报告高等级人机协作主要在研究试点中观察。Mallioris等人报告AI-PdM在大多数制造部门TRL 3–5。Yeo和Ong报告大多数制造SME停留在数字成熟度阶段1–2。该张力指向制造4.0研究组合中的不平衡：前沿能力研究过度代表，而扩散、规模化与实施研究不足。
**5.5. 通往工业5.0之路：人本中心性、韧性与可持续性**
工业5.0通过人本中心性、可持续性和韧性三元组定义。Xu等人阐述核心对比：工业4.0是技术驱动，工业5.0是价值驱动。Leng等人提出三维架构。通过I4.0-STS框架，工业5.0不是额外技术层，而是将现有物理-网络-认知堆栈重新锚定在社会组织层，该层证据基础最弱。人本中心性支柱最为发达，Lu等人通过工业人类需求金字塔和五阶段人-机关系演进给出概念基础；Grosse等人指出十年技术驱动研究优先系统性能，而忽视工人感知、认知、身体和心理社会后果。韧性和可持续性支柱正汇聚于运营形式，Ivanov通过生存力视角整合所有三个价值。仍待解决的是范式地位：继承革命、纠正性覆盖或与工业4.0永久共存。实际含义是向工业5.0的过渡首先是组织性的，然后才是技术性的。
**6. 研究空白与未来研究方向**
通过主题综合识别出12个研究空白。表6评估每个空白截至2026年6月的解决状态：开放（Open）、部分开放（Partially Open）或已解决（Resolved），但无空白获得已解决评级。表7给出每个空白对应的操作化未来研究方向（方法·背景·度量）。2026年6月搜索更新中增加的三篇综述强化了开放空白。每个空白配有一个操作化未来研究方向，指定方法、所需伙伴关系和目标度量结果。优先级评级（关键Critical、高High、中Medium）反映科学紧迫性和社会后果两个标准，为作者综合判断。
**6.1. 关键优先级空白**
G01（制造领域LLM评估）、G03（OT-IT网络安全架构）、G07（生成式AI治理）和G09（发展中经济体制造）均获关键优先级。前三个是治理空白而非知识空白：技术可部署但缺乏评估标准、认证框架和监管结构。G09基于社会规模被分类为关键，因为语料库中无论文将其作为主要分析焦点，且若不解决，数字制造转型的生产率、可持续性和韧性收益将不成比例地集中于已先进工业经济体，加剧本已存在的全球制造发展差距。
**6.2. 本综述的边界**
五个主要边界条件：第一，这是结构化批判性综述，非PRISMA合规系统综述，由单一作者基于判断选择，无完整声明。第二，本综述是综述文章的综合，不直接接触原始实证研究，所有证据评估承载源综述的系统偏差，包括原始研究重叠风险。第三，文献覆盖至2026年6月20日，LLM和生成式AI子领域快速变化。第四，I4.0-STS框架源自归纳，尚未通过专家咨询或德尔菲法正式测试。第五，表6和表7中的解决状态和优先级评级为作者判断，未外部验证。
**7. 结论**
本批判性综述综合了70篇综述论文和基础文献（2003–2026年，14个技术领域），主要贡献为：跨领域综合、原创四层I4.0-STS综合框架、12个结构化研究空白及操作化未来研究方向。五个结论：物理层和网络层显示一致成熟证据；认知层技术上可行但缺乏评估基准和安全认证；网络安全治理不足且投入不够；社会组织层（尤其是SME采用和发展中经济体）是文献关注与全球需求之间差距最大之处；I4.0-STS框架为未来跨领域研究提供理论支架。未来研究三个方向：通过德尔菲研究实证验证框架、对发展中经济体制造4.0采用进行系统综述、与工业伙伴合作开发制造领域LLM评估基准。
