从数字化到智能化：工业智能化转型 (IIT) 的框架与路线图

《Journal of Industrial Information Integration》：From digital to intelligent: A framework and roadmap for industrial intelligent transformation (IIT)

　　

摘要

随着工业5.0的推进和人工智能的发展，企业正从数字化转型迈向智能化升级。然而，在智能化转型过程中，企业普遍面临系统互操作壁垒、数据孤岛以及业务流程僵化等问题。针对这些问题，本研究提出了一套工业智能化转型参考框架。该框架系统地整合了数据资源获取、数据流通、领域认知智能构建以及业务流程再造。在理论层面，该框架建立了一条连接数据采集与业务优化的工业流水线，通过数据和知识流将二者串联起来。此外，为了探究智能化转型中各因素之间的因果和影响关系，我们提出了基于证据的多智能体评估方法（EMEM）。该方法通过引入包含真实工业实践案例的外部知识库，并结合多智能体打分机制，克服了传统专家评分的主观性和低效性。基于63个真实工业实践案例中12项指标的评分过程，我们展示了该方法的实施并验证了其有效性。最后，通过民用飞机飞行试验的案例研究，我们展示了所提框架的应用与实施，为工业界提供了参考蓝图。

引言

随着工业5.0的提出，全球制造和服务行业正经历从数字化向智能化的转型。在此背景下，企业面临内外部双重挑战。外部方面，大规模个性化时代要求制造企业能够动态感知并快速响应市场需求。企业不仅需要构建自动化系统，还应赋予其理解复杂环境、做出决策并敏捷响应的能力[1,2]。内部方面，大量高价值知识仍隐藏在非结构化文档和员工经验中。

传统企业数字架构在基础设施建设和流程自动化方面取得了进展，但在实现跨组织数据流通和构建领域认知智能方面存在局限性。传统信息系统缺乏有效的数据保护机制，且决策过程过度依赖预定义规则或专家经验。因此，建立安全可靠的数据流通环境并构建认知智能以支撑敏捷决策，已成为企业智能化转型的关键。

在智能化转型过程中，企业面临多重挑战，且现有解决方案存在显著的碎片化问题：

数据是智能化转型的核心要素，跨部门和跨组织的流通是释放数据价值的前提。一方面，企业在数字化转型过程中已在ERP、MES、PLM等系统中积累了大量领域数据。另一方面，行业专用大语言模型（LLMs）的训练需要大量高质量的领域数据集。然而，传统的数据交换方式难以解决数据互操作性、数据主权和信任等问题[3,4]，这导致数据供需之间存在鸿沟。

以大语言模型和智能体为代表的人工智能生成式技术正在改变企业的知识管理和决策范式[5,6]。特别是，智能体AI的发展使人工智能从被动工具转变为能够感知环境、分解任务并使用工具的自主行动者[1,7]。然而，开源大语言模型和智能体框架的更新周期极短，而核心业务流程需要长期稳定性。如果直接基于现有框架构建系统，它们将很快过时或难以维护。因此，业界需要一个解耦框架，既能适应人工智能生成式技术的快速迭代，又能确保业务系统的稳定性和知识全生命周期管理（提取、积累、融合和更新）。此外，该框架应确保智能系统能够灵活集成到业务的每个流程中。

在数字化转型过程中，企业已购买或开发了众多信息平台和系统，包括ERP、CRM、PLM、MES等。这些系统缺乏互操作性接口，难以集成。当前的大语言模型应用研究主要集中在单一任务场景或流程上[7,8]。目前，研究很少讨论如何将智能系统与数据空间和遗留企业系统系统性集成，这使得难以形成闭环业务智能[9]。

此外，智能化转型是一项复杂的系统工程，需要客观的决策和评估方法。现有的决策和评估方法通常依赖人类专家咨询，评估结果受限于专家的主观经验和认知偏差[10]。目前，业界需要一套系统的智能化转型框架、评估和决策方法论。

为填补上述空白，本研究提出了一种分层工业智能化转型框架，该框架整合了数据空间、大语言模型和智能体，并设计了基于证据的多智能体评估方法。本文的主要贡献如下：

（1）本文构建了一个包含基础设施、领域数据空间、领域智能和业务优化的分层框架。该框架利用数据空间为领域数据的高效流通建立可靠基础，并利用大语言模型将高质量领域数据转化为领域知识。该框架可支持数据流通治理、认知智能构建和应用，实现从数据采集到业务优化的端到端价值释放。

（2）针对专家评估中的主观性和复杂性，我们提出了基于证据的多智能体评估方法。该方法基于收集的63个真实工业应用案例（28个数据空间案例和35个企业数字化案例），使用多个智能体模拟不同领域的专家进行打分。通过引入经人工审核的证据，该方法减少了打分的主观性。结合模糊DE MATEL，该方法量化了核心因素之间的因果关系，同时减少了评估模糊性。

（3）本文还展示了所提框架如何帮助企业打破数据孤岛，实现从数据资源利用到业务智能的转变。该框架不仅引入了工业执行的多层安全规则以及部署路线图的分阶段成熟度模型，还为数据空间与生成式人工智能的集成提供了新范式。

为了详细探讨工业智能化转型中存在的问题和相应解决方案，我们将在以下五个章节中进行讨论：

（图1）

第2节：通过文献综述，我们概述了工业智能化转型的背景和现状，并分析了转型过程中数据流通和智能技术的发展。

第3节：基于工业痛点分析和研究综述，我们提出了工业智能化转型参考框架。该框架展示了如何在系统层面整合数据空间、大语言模型和智能体等技术，实现领域数据流通治理和领域认知智能构建。此外，通过基于证据的多智能体评估方法，我们基于真实证据对核心因素的影响关系进行了多准则定量评估。

第4节：我们将所提的工业智能化转型参考框架应用于民用飞机飞行试验领域，展示了参考框架的实际应用。

第5节与第6节：最后，我们系统性地讨论了我们研究对工业智能化转型的参考价值及其学术意义。

从数字化到智能生态系统

工业4.0推动了生产效率的提升[[11], [12], [13]]，但其过度强调数字化和自动化技术，忽视了系统韧性和可持续性[11,[14], [15], [16], [17]]。工业5.0是对工业4.0的补充，旨在通过人机协作和知识驱动创新构建可持续的产业生态系统[[18], [19], [20]]。在此背景下，转型的核心目标不再仅仅是

第1步：异构数据资源感知与虚拟化

在数字化转型过程中，企业可能部署了来自不同供应商的众多系统和平台。这些商业软件通常不兼容，使得系统集成和互操作变得困难。有效地提取和管理数据资源成为一项挑战。在这种情况下，企业必须首先实现来自不同来源的数据的统一收集、存储和管理，包括现场设备、边缘设备、监控系统和传感器，如图所示。

智能系统的实施

为了展示所提智能化转型框架的实用适用性，我们呈现了一家民用飞机飞行试验公司的正在进行的实施项目。民用飞机飞行试验主要包括四个阶段：飞行试验规划、飞行试验准备、飞行试验执行和飞行试验总结。传统业务流程高度依赖人工工作，导致效率低下：飞行试验规划阶段需要人工审阅大量的...

理论意义

本研究提出的智能化转型参考框架突破了传统企业架构的局限性。为了精确阐明我们的创新定位，表8将所提框架与代表性的数据空间、企业AI和工业5.0参考模型进行了对比。通过这一对比分析，我们明确地将我们的贡献划分为三类：集成、扩展和创新：

• 集成贡献：所提的...

结论与展望

在从数字化向智能化转变的过程中，企业面临系统间互操作壁垒、数据孤岛和业务流程僵化等问题。针对这些问题，本研究提出了一套工业智能化转型参考框架。该框架系统地整合了数据感知、数据对象化、数据流通和领域认知智能构建等流程。在理论层面，它弥合了从...

利益声明

我们希望提交一篇原创研究论文。我们确认本作品是原创的，尚未在其他地方发表，目前也未在其他地方接受出版考虑。

资助

本研究得到国家自然科学基金[项目编号72371160]和国家大规模个性化定制系统与技术重点实验室[项目编号H&C-MPC-2023-03-01, H&C-MPC-2023-03-01(Q)]的资助。

数据可用性

数据将应要求提供。

作者贡献声明

王成军：撰写——原始草稿、验证、项目管理、方法论、调查、形式分析、数据整理、概念化。明星：监督、资源、资金获取。张先宇：撰写——审阅与编辑、监督、资源、资金获取。

利益冲突声明

作者声明，他们没有已知的竞争财务利益或个人关系可能影响本文所报告的工作。

致谢

作者感谢IDS中国研究实验室、上海工业信息学研究创新中心、上海先进制造环境重点实验室、国家大规模个性化定制系统与技术重点实验室、SJTUSME-COSMOPlat新一代工业智能技术联合研究中心、先进建筑材料智能工厂管理可定制综合服务平台项目，以及设计与验证关键...

王成军 | 明星 | 张先宇