基于GM(1,1)模型的智能制造人才需求預(yù)測(cè)
一、引言
周濟(jì)(2015)在文章中提到,“中國制造2025”,以創(chuàng)新驅(qū)動(dòng)發(fā)展為主題,以信息化與工業(yè)化深度融合為主線,以推進(jìn)智能制造為主攻方向。 “智能制造”的英文表述為“smart manufacturing”或“intelligent manufacturing”。大約從2013年開始,學(xué)者們對(duì)智能制造開始給予更多關(guān)注?!叭斯ぶ悄埽褐悄苤圃斓墓ぞ摺?/span>是第一本將專家系統(tǒng)人工智能與智能制造聯(lián)系起來的出版物。美國國家標(biāo)準(zhǔn)與技術(shù)研究院(NIST)和智能制造領(lǐng)導(dǎo)聯(lián)盟(SMLC)對(duì)當(dāng)今智能制造的核心概念給出了定義。智能制造主要涵蓋了三大領(lǐng)域:首先是智能裝備,包括了基礎(chǔ)零部件和裝置、通用智能制造裝備、專用智能制造裝備等;其次是工業(yè)軟件,包括研發(fā)設(shè)計(jì)類軟件、生產(chǎn)制造類軟件、經(jīng)營管理類軟件、控制執(zhí)行類軟件和新型工業(yè)軟件;最后是智能制造系統(tǒng)解決方案,這主要包括汽車、電力設(shè)備、制藥、石油化工、建材行、紡織等智能制造系統(tǒng)解決方案。胡峰和陸麗娜等(2018)通過使用一種改進(jìn)的灰色預(yù)測(cè)模型GM(1,1)對(duì)江蘇省的高技術(shù)產(chǎn)業(yè)人才需求進(jìn)行了預(yù)測(cè)。顏艷(2021)使用GM(1,1)對(duì)高職軟件和信息技術(shù)服務(wù)人才的需求進(jìn)行了預(yù)測(cè)。從以上文獻(xiàn)中可以看出,我國學(xué)者采用多樣化的方法對(duì)制造業(yè)或技術(shù)服務(wù)人才需求進(jìn)行預(yù)測(cè)?;疑A(yù)測(cè)模型GM(1,1)是單一預(yù)測(cè)方法中常用的模型,預(yù)測(cè)精度較好,廣泛應(yīng)用于多種領(lǐng)域的需求預(yù)測(cè)研究當(dāng)中。
二、計(jì)量模型與數(shù)據(jù)來源
(一)研究數(shù)據(jù)
本研究中,參與智能制造能力成熟度自診斷企業(yè)數(shù)量和成熟度分布相關(guān)數(shù)據(jù)來自中國智能制造評(píng)估評(píng)價(jià)公共服務(wù)平臺(tái)2019~2022年的年度報(bào)告。智能制造人才招聘職位同比增速數(shù)據(jù)來自智聯(lián)招聘發(fā)布的智能制造人才發(fā)展報(bào)告。
(二)分析方法
灰色理論是一種動(dòng)態(tài)模糊預(yù)測(cè)模型。與曲線擬合相比,灰色模型預(yù)測(cè)具有不需要大量原始數(shù)據(jù)、對(duì)數(shù)據(jù)分布沒有要求等優(yōu)點(diǎn)。在實(shí)際應(yīng)用中,可以通過從已知信息中提取有價(jià)值的內(nèi)容來對(duì)系統(tǒng)進(jìn)行監(jiān)控。本文采用的預(yù)測(cè)模型為 GM(1,1)。本文參考了Chan Sun和 Yixia Lu(2022)的模型利用2019年-2022年參與智能制造成熟度自診斷企業(yè)數(shù)量及智能制造能力成熟度等級(jí)分布,構(gòu)建灰色預(yù)測(cè)模型GM(1,1)并對(duì)此后兩年的數(shù)據(jù)進(jìn)行預(yù)測(cè),根據(jù)智聯(lián)招聘2019-2022年智能制造人才招聘職位同比增速,對(duì)其后兩年的增速進(jìn)行預(yù)測(cè)。
(三)灰色預(yù)測(cè)模型的構(gòu)建
由于 GM(1,1)模型在建模過程中要求監(jiān)測(cè)數(shù)據(jù)的時(shí)間間隔相等,而智能制造人才需求數(shù)據(jù)的時(shí)間間隔并不相等。因此,利用三次插值法將非等時(shí)智能制造人才需求數(shù)據(jù)等時(shí)化,形成智能制造人才需求數(shù)據(jù)序列。
(四)對(duì)模型進(jìn)行精度檢驗(yàn)
誤差C越小,預(yù)測(cè)精度越高。本文采用SPSS au 和Excel 進(jìn)行模型構(gòu)建和精度檢驗(yàn),若模型平均相對(duì)誤差小于0.1,后驗(yàn)差比值小于等于0.35,則模型準(zhǔn)確性和實(shí)用性較好可以用作預(yù)測(cè)模型。
三、分析結(jié)果
(一)智能制造自診斷企業(yè)數(shù)量預(yù)測(cè)
由表1可知,參與智能制造自診斷的企業(yè)數(shù)量總體呈逐年上漲的趨勢(shì),其中,2020年的預(yù)測(cè)值低于實(shí)際值,預(yù)測(cè)結(jié)果偏低,2021年預(yù)測(cè)結(jié)果高于實(shí)際結(jié)果,2022年預(yù)測(cè)結(jié)果與實(shí)際結(jié)果較為接近。截至2022年末,全國約6萬家制造業(yè)企業(yè)開展了CMMM診斷,覆蓋31省市自治區(qū)。隨著智能制造的不斷發(fā)展,初步估計(jì)到2024年,開展智能制造能力成熟度自診斷企業(yè)的累計(jì)數(shù)量大約是2020年的10倍。
表 1:基于GM(1,1)的參與智能制造自診斷企業(yè)數(shù)量預(yù)測(cè)
年份 | 原始值 | 預(yù)測(cè)值 | |
2019 | 8200 | 8200 | |
2020 | 12000 | 6182.201 | |
2021 | 20000 | 28777.207 | |
2022 | 60000 | 55418.222 | |
2023 | 86829.751 | ||
2024 | 123866.033 |
(二)智能制造成熟度等級(jí)分布預(yù)測(cè)結(jié)果
從等級(jí)分布情況來看,從2019年到2022年,我們看到越來越多的制造業(yè)企業(yè)開始注重智能制造能力的提升。這一趨勢(shì)使得一級(jí)及以下成熟度的企業(yè)數(shù)量逐漸減少,同時(shí)四級(jí)及以上的高成熟度制造業(yè)企業(yè)占比逐漸增加,且每年參與CMMM診斷的企業(yè)不斷增加。本文對(duì)一級(jí)及以下、二級(jí)、三級(jí)、四級(jí)及以上的比例逐個(gè)進(jìn)行建模和預(yù)測(cè),生成如下匯總表。表2中對(duì)2023和2024年的智能制造能力成熟度等級(jí)分布比例估計(jì)顯示,未來兩年,二級(jí)、一級(jí)及以下的制造業(yè)企業(yè)可能仍然占到七成以上。
表 2:模型預(yù)測(cè)值表格
年份 | 一級(jí)及以下 | 二級(jí) | 三級(jí) | 四級(jí)及以上 |
2019 | 0.85 | 0.12 | 0.02 | 0.01 |
2020 | 0.75 | 0.14 | 0.06 | 0.05 |
2021 | 0.69 | 0.15 | 0.07 | 0.09 |
2022 | 0.63 | 0.21 | 0.12 | 0.04 |
2023 | 0.578 | 0.253 | 0.145 | 0.024 |
2024 | 0.530 | 0.315 | 0.177 | 0.022 |
在模型構(gòu)建之前,我們首先進(jìn)行了級(jí)比值檢驗(yàn),由于我們獲取的數(shù)據(jù)為年度數(shù)據(jù),不具備季節(jié)周期性,因此我們?cè)跁r(shí)間序列分析中未考慮季節(jié)性因素。我們對(duì)原始數(shù)據(jù)進(jìn)行平移轉(zhuǎn)換,即在原始值基礎(chǔ)上加上了平移轉(zhuǎn)換值1.00。經(jīng)過平移轉(zhuǎn)換后,數(shù)據(jù)的級(jí)比檢驗(yàn)值均落在了標(biāo)準(zhǔn)范圍區(qū)間[0.670, 1.492]內(nèi),這表明本數(shù)據(jù)適用于GM(1,1)模型的構(gòu)建。
表 3:模型構(gòu)建結(jié)果
發(fā)展系數(shù)a | 灰色作用量b | 后驗(yàn)差比C值 | 小誤差概率p值 |
0.0508 | 0.6512 | 0.1039 | 1.000 |
從上表可知,模型構(gòu)建后得到發(fā)展系數(shù)a,灰色作用量b,以及后驗(yàn)比C值和小誤差概率p值。模型精度等級(jí)較好,另外,小誤差概率p值為1.000=1.0,意味著模型精度很好。
表 4:模型預(yù)測(cè)值表格
序號(hào) | 原始值 | 預(yù)測(cè)值 |
2019 | 0.510 | 0.510 |
2020 | 0.600 | 0.610 |
2021 | 0.600 | 0.579 |
2022 | 0.540 | 0.551 |
2023 | - | 0.523 |
2024 | - | 0.497 |
由表4可知,2019到2022年智能制造人才招聘職位同比增速一直處于較高的水平,預(yù)計(jì)2023年和2024年智能制造相關(guān)職位的同比增速仍然在50%左右。2020年和2021年智能制造招聘職位同比增速較大。制造業(yè)企業(yè)加快了數(shù)字化轉(zhuǎn)型的步伐,利用數(shù)字化技術(shù)發(fā)展企業(yè)的供應(yīng)鏈,推動(dòng)了工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)平臺(tái)和自動(dòng)化生產(chǎn)等平臺(tái)和設(shè)備的建設(shè)。此外,構(gòu)建以國內(nèi)大循環(huán)為主、國內(nèi)國際雙循環(huán)相互促進(jìn)的新發(fā)展格局不僅對(duì)國內(nèi)的制造業(yè)轉(zhuǎn)型升級(jí)有長(zhǎng)期的導(dǎo)向作用,在短期內(nèi)能也能促進(jìn)其發(fā)展。
四、結(jié)論
GM(1,1)灰色預(yù)測(cè)模型在智能制造業(yè)人才需求預(yù)測(cè)所需的樣本數(shù)據(jù)較少,預(yù)測(cè)精度較高。但對(duì)于復(fù)雜的數(shù)據(jù)預(yù)測(cè)效果并不理想,本文只對(duì)其后兩年的數(shù)據(jù)進(jìn)行預(yù)測(cè)。隨著智能制造的發(fā)展,預(yù)計(jì)到2024年,開展智能制造能力成熟度自診斷企業(yè)的累計(jì)數(shù)量大約是2020年的10倍。未來兩年,二級(jí)、一級(jí)及以下的制造業(yè)企業(yè)可能仍然占到七成以上。2019到2022年智能制造人才招聘職位同比增速一直處于較高的水平,預(yù)計(jì)2023年和2024年智能制造相關(guān)職位的同比增速仍然在50%左右。
根據(jù)參與CMMM企業(yè)的數(shù)量,未來兩年智能制造企業(yè)數(shù)量仍有增長(zhǎng)空間,成熟度中等偏下的企業(yè)仍占大多數(shù),對(duì)智能制造中低端人才的需要短期內(nèi)不會(huì)減少。智能制造評(píng)估服務(wù)團(tuán)隊(duì)和相關(guān)咨詢服務(wù)機(jī)構(gòu)也需要專業(yè)人才。
對(duì)企業(yè)而言,可以通過吸引和招聘所需的新人才,還可以通過培訓(xùn)計(jì)劃對(duì)現(xiàn)有員工進(jìn)行技能再培訓(xùn),必要時(shí)還需要重新設(shè)計(jì)工作流程,以消除崗位與員工之間的技能不匹配。與當(dāng)?shù)卮髮W(xué)和職業(yè)教育與培訓(xùn)機(jī)構(gòu)建立聯(lián)系,以培養(yǎng)員工所需的新技能。
文章來源: 《上海輕工業(yè)》 http://m.12-baidu.cn/w/kj/30978.html
欄目分類
- 新媒體語境下地方文化故事化傳播的策略研究
- 博物館數(shù)字化傳播對(duì)文化遺產(chǎn)保護(hù)的影響
- 數(shù)字化轉(zhuǎn)型背景下文化創(chuàng)意產(chǎn)業(yè)人才供需匹配研究
- 公共圖書館詩詞閱讀推廣研究
- 基于“工匠精神”培養(yǎng)的高職院校圖書館閱讀推廣策略研究
- 剪紙和文學(xué)在文旅融合中的發(fā)展研究
- “書磚”古籍的修復(fù)研究——以《及第征祥錄》為例
- 基于OBE教學(xué)理念的工業(yè)物聯(lián)網(wǎng)課程人才培養(yǎng)模式研究
- 紙質(zhì)在文化創(chuàng)意產(chǎn)品設(shè)計(jì)中的應(yīng)用
- 數(shù)字經(jīng)濟(jì)驅(qū)動(dòng)下的制造業(yè)轉(zhuǎn)型路徑與企業(yè)績(jī)效關(guān)系研究
- 2023JCR影響因子正式公布!
- 國內(nèi)核心期刊分級(jí)情況概覽及說明!本篇適用人群:需要發(fā)南核、北核、CSCD、科核、AMI、SCD、RCCSE期刊的學(xué)者
- 我用了一個(gè)很復(fù)雜的圖,幫你們解釋下“23版最新北大核心目錄有效期問題”。
- 重磅!CSSCI來源期刊(2023-2024版)最新期刊目錄看點(diǎn)分析!全網(wǎng)首發(fā)!
- CSSCI官方早就公布了最新南核目錄,有心的人已經(jīng)拿到并且投入使用!附南核目錄新增期刊!
- 北大核心期刊目錄換屆,我們應(yīng)該熟知的10個(gè)知識(shí)點(diǎn)。
- 注意,最新期刊論文格式標(biāo)準(zhǔn)已發(fā)布,論文寫作規(guī)則發(fā)生重大變化!文字版GB/T 7713.2—2022 學(xué)術(shù)論文編寫規(guī)則
- 盤點(diǎn)那些評(píng)職稱超管用的資源,1,3和5已經(jīng)“絕種”了
- 職稱話題| 為什么黨校更認(rèn)可省市級(jí)黨報(bào)?是否有什么說據(jù)?還有哪些機(jī)構(gòu)認(rèn)可黨報(bào)?
- 《農(nóng)業(yè)經(jīng)濟(jì)》論文投稿解析,難度指數(shù)四顆星,附好發(fā)選題!