紡織企業(yè)智能化轉(zhuǎn)型的關(guān)鍵決定因素提取

白曉波，王鐵山，李 勃，和 征

(1.西安工程大學 管理學院，陜西 西安 710048；2.陜西省“一帶一路”紡織發(fā)展研究院，陜西 西安 710048)

目前，大數(shù)據(jù)和人工智能技術(shù)的日趨成熟，為紡織企業(yè)技術(shù)革新提出了新的要求?！吨袊圃?025》中指出，智能制造是制造業(yè)轉(zhuǎn)型的主攻方向，《新一代人工智能發(fā)展規(guī)劃中》提出了對人工智能產(chǎn)業(yè)的發(fā)展愿景，到2030年，人工智能產(chǎn)業(yè)規(guī)模超過1萬億，帶動相關(guān)產(chǎn)業(yè)規(guī)模超10萬億。很多企業(yè)已經(jīng)開啟智能化轉(zhuǎn)型，中國電子技術(shù)標準化研究院的統(tǒng)計數(shù)據(jù)顯示，在2020年底，有75%的已經(jīng)開啟智能制造。中國很多企業(yè)的自動化和信息化水平較低，智能化轉(zhuǎn)型基礎(chǔ)條件相對薄弱，缺人才、缺技術(shù)、缺資金。而且，主要發(fā)達國家也都提出了自己智能制造戰(zhàn)略，如德國工業(yè)4.0，美國的工業(yè)互聯(lián)網(wǎng)以及日本的工業(yè)價值鏈。為中國傳統(tǒng)制造業(yè)的紡織企業(yè)帶來了巨大壓力和挑戰(zhàn)，同時也帶了重要的轉(zhuǎn)型契機。在此大背景下，需要分析紡織企業(yè)智能化特點，厘清影響紡織企業(yè)智能化建設(shè)的關(guān)鍵決定因素，為智能化建設(shè)提供必要支撐。

國外的智能化研究主要集中在具體的技術(shù)或算法上，以解決設(shè)計、生產(chǎn)、營銷或者價值創(chuàng)造時某一環(huán)節(jié)的實際問題。如GUVEN等[1]為了優(yōu)化生產(chǎn)流程，基于人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)與支持向量機(support vector machines, SVM)建立了智能模型，分析了生產(chǎn)過程中20個變量的影響程度。PARK等[2]為了解決在受干擾情況下的工藝參數(shù)調(diào)優(yōu)問題，開發(fā)了自優(yōu)化的控制系統(tǒng)。TIRKOLAEE等[3]在有限資源條件下，基于深度學習和模糊集，對風險和收益進行優(yōu)化，進而搜尋最優(yōu)的產(chǎn)品組合。RENTSCH等[4]利用遺傳算法(genetic algorithm, GA)，對制造過程中降低能耗的設(shè)計和工藝參數(shù)進行優(yōu)化。DAN等[5]基于機器學習算法，通過對營銷流程各狀態(tài)的模擬，建立了智能模型，并提出了營銷解決方法。CAMACHO-VALLEJO等[6]基于人工智能(artificial intelligence, AI)技術(shù)，提出了雙目標優(yōu)化模型框架，進而區(qū)域間工作量得以平衡，客戶等待時間也得到減少。

在國內(nèi)，對于智能化的研究除了技術(shù)本身以外，也進行了大量的驅(qū)動力和作用機制、影響因素和發(fā)展路徑的研究。師博[7]提出了智能化轉(zhuǎn)型升級的4個要求，如要素驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)型、資源消耗型向綠色發(fā)展轉(zhuǎn)型等。葛陳鵬等[8]從具體的制造執(zhí)行系統(tǒng)(manufacturing execution system, MES)的角度，研究了MES在紡紗企業(yè)智能化轉(zhuǎn)型中的作用，對成本、用工、效率、質(zhì)量和能耗都有所改善。王雪原等[9]提出在重視人才培養(yǎng)的基礎(chǔ)上，以信息化發(fā)展促進企業(yè)形成偏好，推進智能化轉(zhuǎn)型。郭進提出了“三鏈互動升級”模型，從技術(shù)鏈、產(chǎn)業(yè)鏈和價值鏈3個維度，對智能化轉(zhuǎn)型升級的內(nèi)容和路徑進行了分析。王士合[10]指出在智能化推進過程中，需要做好新舊設(shè)備的協(xié)同改造和創(chuàng)新，并且要注意其經(jīng)濟性和復(fù)雜性。韓秋明等[11]指出基礎(chǔ)設(shè)施、智能化技術(shù)、行業(yè)數(shù)據(jù)、數(shù)字化程度、成本和智能化人才等是影響產(chǎn)業(yè)轉(zhuǎn)型的主要因素。LIU等[12]的實證結(jié)果表明，人工智能技術(shù)創(chuàng)新對生產(chǎn)制造行業(yè)有顯著影響。作為傳統(tǒng)的紡織行業(yè)，也概莫能外。WANG等[13]以浙江省173家中小企業(yè)為研究對象，得出企業(yè)盈利能力、人力資本素質(zhì)、行業(yè)智力水平等因素顯著促進其智能化升級，而勞動力成本、資本結(jié)構(gòu)、政府補貼等影響并不顯著。

綜上所述，國內(nèi)外學者對傳統(tǒng)企業(yè)的智能化轉(zhuǎn)型取得了豐碩的成果。目前的智能化轉(zhuǎn)型并未脫離4大因素，即環(huán)境、技術(shù)、組織和人員，為紡織企業(yè)的轉(zhuǎn)型升級提供了重要的參考價值。但目前的研究仍有不足之處，如忽略區(qū)域政策或經(jīng)濟發(fā)展趨勢等潛在的外部因素對企業(yè)智能化動機的影響，組織內(nèi)部特質(zhì)對實施智能化的驅(qū)動或制約力等。在現(xiàn)有的制造業(yè)智能化研究中，主要集中于建筑、冶金、機械設(shè)計及制造等企業(yè)。雖然紡織企業(yè)的智能化轉(zhuǎn)型研究也有涉及，但我國紡織產(chǎn)業(yè)與其他產(chǎn)業(yè)相比，擁有高度勞動密集型且對外依存度較大的特點，區(qū)域分布和發(fā)展情況都帶有較強的區(qū)域特色。在這樣特殊的行業(yè)背景下，智能化轉(zhuǎn)型受諸多因素影響，尤其是智能化的采納背景，如區(qū)域或國際的經(jīng)濟發(fā)展情況、市場需求等，其他如競爭壓力、現(xiàn)有設(shè)備情況、企業(yè)盈利能力和智能化技術(shù)成熟度等。綜上，紡織企業(yè)智能化轉(zhuǎn)型的內(nèi)涵、關(guān)鍵決定因素仍不明晰。因此，進一步明確紡織企業(yè)智能化的特征，利用扎根理論，以環(huán)境、技術(shù)、組織和人員4個維度為基礎(chǔ)，深入探究紡織企業(yè)智能化的概念和影響因素，最后通過行業(yè)專家群體決策，利用最優(yōu)最差法，提取紡織企業(yè)實現(xiàn)智能化轉(zhuǎn)型的決定因素。

1 紡織企業(yè)智能化目標與體系結(jié)構(gòu)

紡織企業(yè)智能化，是一種可以讓企業(yè)在研發(fā)、生產(chǎn)、管理、服務(wù)等方面變得更加“聰明”的生產(chǎn)方法。在現(xiàn)有智能化體系框架基礎(chǔ)上，凝練出智能化紡織企業(yè)的體系結(jié)構(gòu)和智能化紡織的目標，如圖1所示，進而為紡織企業(yè)的智能化建設(shè)提供參考。在圖1的體系結(jié)構(gòu)中，從下至上整體分為2層，紡織企業(yè)通過智能化升級，實現(xiàn)紡織品的柔性制造，即適應(yīng)客戶“個性化、小批量”定制消費模式，是智能制造和傳統(tǒng)制造的一個重要差異。

圖1 紡織企業(yè)智能化體系結(jié)構(gòu)及目標

(1)數(shù)據(jù)獲取層。實現(xiàn)整個生產(chǎn)過程數(shù)據(jù)的動態(tài)獲取。SAGGIOMO等[14]表示紡織智能化是一個獨立生產(chǎn)的過程鏈，主要利用射頻識別技術(shù)(radio frequency identification technology, RFID)和傳感器(Sensors)是收集紡織品生產(chǎn)過程詳細數(shù)據(jù)的基礎(chǔ)。

(2)紡織企業(yè)人機一體化系統(tǒng)。該系統(tǒng)由智能機器和專家知識共3部分組成。

①智能設(shè)備層。主要基于信息物理系統(tǒng)(cyber physical system, CPS)和物聯(lián)網(wǎng)(internet of thing, ioT)。CPS對生產(chǎn)過程進行監(jiān)控，實現(xiàn)分散決策和自我優(yōu)化，再通過ioT，在紡織機器與機器之間或人之間進行通信，數(shù)據(jù)在所有協(xié)作設(shè)備和系統(tǒng)中共享。進而實現(xiàn)原材料到產(chǎn)品銷售，數(shù)字跟蹤裝置按照標準協(xié)議相互連接，進行數(shù)據(jù)分析、誤差預(yù)測和自我配置。②智能執(zhí)行層。以企業(yè)資源計劃(enterprise resource planning, ERP)、制造企業(yè)執(zhí)行系統(tǒng)(manufacturing execution system, MES)、產(chǎn)品生命周期管理(product lifecycle management, PLM)、供應(yīng)鏈管理系統(tǒng)(supply chain management, SCM)、商業(yè)智能系統(tǒng)(business intelligent system, BIS)和其他管理決策、大數(shù)據(jù)分析軟件為主。③專家知識庫。該層的主要功能是通過底層傳遞的數(shù)據(jù)，利用智能數(shù)據(jù)處理技術(shù)對其加工，以形成自適應(yīng)、自學習的專家知識庫?；诘讓訉崟r數(shù)據(jù)和大規(guī)模的歷史數(shù)據(jù)，使用神經(jīng)網(wǎng)絡(luò)等智能算法，利用智能機器模擬專家，以擴展管理人員的智力邊界，部分或全部代替人腦對智能執(zhí)行層和智能設(shè)備層在生產(chǎn)過程中進行干預(yù)。

2 研究設(shè)計

2.1 研究方法

扎根理論，由Glaser和Strauss于1967年提出，為質(zhì)性研究方法。該方法從經(jīng)驗資料入手，能夠系統(tǒng)收集和分析數(shù)據(jù)自下而上產(chǎn)生概念建構(gòu)理論，是從經(jīng)驗數(shù)據(jù)中發(fā)現(xiàn)理論的最有影響的研究范式。利用該理論的具體原因如下。

(1)紡織企業(yè)智能化需要掌握較多跨學科的專業(yè)知識，如紡織、自動化、機械和計算機等，為提取智能化關(guān)鍵影響因素，需要收集眾多實際數(shù)據(jù)加以解釋，進而對相關(guān)問題進行更加深入地描述。同時，通過和研究對象的互動，獲得其行為和意義的解釋性理解，是質(zhì)性研究的重點。

(2)能夠“捕獲”受訪對象對紡織企業(yè)智能化的潛在動機和認知，幫助調(diào)查者整理且深入理解紡織企業(yè)智能化的整體特征，并建立理論基礎(chǔ)。

(3)在課題的研究中，多次深度訪談生成的大量原始文本性數(shù)據(jù)資料，符合扎根理論自下而上層層推理的研究邏輯。

利用最優(yōu)最差法(best-worst-method, BWM)[15]對影響因素進行排序，并提取出關(guān)鍵影響因素。使用該方法的原因有以下兩個方面。

(1)較少的時間開銷。BWM比其他多準則決策方法(multi-criteria decision-making, MCDM)更加簡潔，比如決策試驗與評價實驗室方法(decision-making trial and evaluation laboratory, DEMATEL)，網(wǎng)絡(luò)分析法(analytic network process, ANP)和層次分析法(analytic hierarchy process, AHP)。大多數(shù)MCDM方法是通過基于矩陣的比較確定的。REZAEI[16]討論了決策者在計算備選方案和標準之間成對比較時面臨的一致性挑戰(zhàn)。如果獲得的矩陣不符合一致性要求，就要對所有的矩陣元素進行修改。決策者浪費大量時間再次檢查一致性比率以獲得一致性比較。從比較次數(shù)來講，在準則個數(shù)為n時，BWM的比較次數(shù)是2(n-1)次，而矩陣的比較次數(shù)是n(n-1)/2(n為指標數(shù))，BWM明顯使用更少的時間開銷。

(2)穩(wěn)健性和可靠性。與其他MCDM方法、AHP和其他基于矩陣的方法相比，BWM提供了更穩(wěn)健的一致性比較，并且從BWM獲得的基于向量的權(quán)重更加可靠。

綜上，針對紡織企業(yè)智能化所需的學科專業(yè)知識，以及質(zhì)性研究的特點，使用扎根理論和BWM提取紡織企業(yè)智能化轉(zhuǎn)型關(guān)鍵因素具有一定的實踐價值。筆者基于理論抽樣，對獲取的質(zhì)性資料進行開放式編碼、主軸編碼和選擇性編碼，進而構(gòu)建出紡織企業(yè)智能化轉(zhuǎn)型影響因素的核心模型，再利用BWM方法對影響因素進行排序，提取出關(guān)鍵因素。

2.2 研究樣本與數(shù)據(jù)收集

用深度訪談法搜集資料，在目的性抽樣和理論抽樣的基礎(chǔ)上，以編碼中的理論飽和為原則確定受訪人數(shù)，在受訪者的語料信息中不再出現(xiàn)新的概念和范疇。共涉及陜西西安(10人)，咸陽(8人)、浙江杭州(6人)，紹興(8人)，廣東廣州(7人)，東莞(9人)，江蘇蘇州(9人)，無錫(7人)，新疆烏魯木齊(6人)，石河子(5人)，共75位行業(yè)資深人士。在受訪者同意接受訪談且對紡織企業(yè)智能化持肯定觀點的情況下，主要采用電話和網(wǎng)絡(luò)視頻的形式，對其進行深入訪談。針對每個受訪人的訪談時間控制在50分鐘以內(nèi)，整理出大概10萬字的訪談記錄。具體的訪談方式如下。主要詢問當前紡織企業(yè)智能化的必要性，在什么情況下紡織企業(yè)領(lǐng)導會做出智能化的決定，又是哪些因素影響或制約了紡織企業(yè)智能化的能力，在智能化需求和能力都具備的條件下，哪些因素又影響了推動紡織企業(yè)智能化的速度和成效。

受訪者統(tǒng)計特征如下：男性39人，女性36人。年齡在20～35歲之間的有25人，36～50歲之間的有30人，51～60歲的有20人。職業(yè)分布方面，紡織企業(yè)從業(yè)人員為25人(含企業(yè)主10人，企業(yè)管理人員10人，車間工人5人)，設(shè)備供應(yīng)商為20人，軟件供應(yīng)商為15人，紡織行業(yè)專家為10人，紡織特色類大學教授為10人。學歷初中學歷3人，高中學歷5人，?？?本科45人，碩士15人，博士7人。通過選取不同的受訪者，可以避免同一方法的偏差，不同來源的資料使得訪談內(nèi)容更加豐富詳實。

3 智能化轉(zhuǎn)型影響因素結(jié)構(gòu)維度

利用扎根理論分3個階段探索紡織企業(yè)智能化轉(zhuǎn)型的影響因素。整個編碼理論，就是自底向上，從混沌的文本數(shù)據(jù)單元、抽象為概念、范疇、主范疇，最后到核心范疇(理論框架)。通常將詞匯或語義、邏輯關(guān)系或邏輯次序相關(guān)的數(shù)據(jù)單元合并、歸類，層層抽象、逐步凝練和升華，直到形成高度聚合的理論框架。

3.1 開放式編碼

該階段產(chǎn)生“概念和范疇”，也就是將原始的訪談文本所表達的語義進行概念化和范疇化。在此階段，由于受訪對象較多，為減少個人經(jīng)驗對研究結(jié)果的影響，確保扎根過程的嚴謹性和準確性，針對不同的受訪對象獨立編碼，然后，對相同問題域的文本和數(shù)據(jù)單元進行分類和匯總，形成初步的“現(xiàn)象”。對紡織企業(yè)智能化轉(zhuǎn)型的相關(guān)文本逐句分析、提煉其中蘊含的核心觀點，也就是核心概念數(shù)據(jù)單元。通過每次訪談后對資料的整理和編碼，使用Nvivo12.0對定義的384個現(xiàn)象進一步概念化、提取與抽象，共形成138個概念和27個范疇，具體過程和部分內(nèi)容示例如圖2所示。

圖2 開放式編碼示例

3.2 主軸編碼

該階段是由質(zhì)性資料提煉出理論的中間環(huán)節(jié)，也是重要環(huán)節(jié)。著重提取紡織企業(yè)智能化的關(guān)鍵影響因素，構(gòu)建范疇到“智能化影響因素”之間的聯(lián)系并做深入歸納，結(jié)果如表1所示。可知國內(nèi)市場需求、“一帶一路”沿線國家的需求、其他國家的需求都是市場因素，進一步歸納為“市場前景”。這一過程，需要對開放式編碼階段形成的范疇進行反復(fù)分析、研究，將語義相似或邏輯相關(guān)的內(nèi)容進一步抽象和泛化。在此過程中，可以發(fā)現(xiàn)范疇之間的潛在關(guān)聯(lián)關(guān)系和邏輯順序，并基于這些關(guān)聯(lián)關(guān)系和邏輯順序重新提煉。筆者對27個范疇進一步分析、歸納和提煉不同范疇之間的邏輯關(guān)系和邏輯次序，共得出11個維度的主范疇，分別為：市場前景、競爭壓力、可持續(xù)性、財務(wù)狀況、技術(shù)成熟度、智能技術(shù)兼容性、員工對現(xiàn)有生產(chǎn)和管理系統(tǒng)滿意度、領(lǐng)導承諾與支持、數(shù)據(jù)質(zhì)量、智能系統(tǒng)用戶特性和內(nèi)部協(xié)作。

表1 主軸編碼

編碼過程進行詳細闡述如下：國內(nèi)市場需求，“一帶一路”沿線國家的需求和其他國家的需求，主要體現(xiàn)在產(chǎn)品的市場情況，進一步凝練為“市場前景”。外部競爭壓力和獲得競爭優(yōu)勢，核心詞義為競爭，凝練為“競爭壓力”。經(jīng)濟因素、環(huán)境因素和社會因素，從范疇內(nèi)涵邏輯來分析，體現(xiàn)為紡織產(chǎn)品的可持續(xù)性，進一步概括為“可持續(xù)性”。企業(yè)銷售收入、利益回報和股權(quán)分配激勵，三者的內(nèi)涵邏輯表現(xiàn)為“財務(wù)”，凝練為“財務(wù)狀況”。智能技術(shù)的成熟度、智能紡織設(shè)備的成熟度和智能管理軟件成熟度，這三者范疇內(nèi)涵為“智能化技術(shù)的成熟度”，就歸納為“技術(shù)成熟度”。智能生產(chǎn)設(shè)備的兼容性和智能管理軟件的兼容性，范疇內(nèi)涵為“兼容性”，進一步歸納為“智能技術(shù)兼容性”。對當前生產(chǎn)設(shè)備的滿意度、對當前管理軟件的滿意度。兩者所蘊含的是員工對當前系統(tǒng)的態(tài)度，歸納為“員工對現(xiàn)有生產(chǎn)、管理系統(tǒng)滿意度”。財力上的支持、應(yīng)用推廣的支持和人員培訓的支持，內(nèi)涵邏輯為“領(lǐng)導的支持”，凝練為“領(lǐng)導的承諾與支持”。自動獲取數(shù)據(jù)的質(zhì)量、人工提交的數(shù)據(jù)質(zhì)量，歸納為“數(shù)據(jù)質(zhì)量”。人員學習、上進動機和對智能技術(shù)的心態(tài)，其語義體現(xiàn)為用戶基本特質(zhì)，提煉為“用戶特征”。企業(yè)高管之間的協(xié)作部門、員工之間的協(xié)作，蘊含的是“協(xié)作能力”，歸納為“內(nèi)部協(xié)作”。

3.3 選擇性編碼

該階段通過理論編碼將主范疇升華為理論。另外，該階段需要對理論飽和度進行檢驗，通常對第二階段的訪談資料對比分析，受訪者陳述要點均被覆蓋，沒有新的概念或范疇增加，說明達到理論飽和度，在理論飽和后，就進一步凝練為理論框架。主要基于的“組織、環(huán)境、技術(shù)和人員”四維框架理論對所有核心編碼進一步抽象。如將“數(shù)據(jù)質(zhì)量、智能技術(shù)成熟度和智能技術(shù)兼容性”在語義上和技術(shù)特征相關(guān)，這3個主范疇進一步提煉為“智能化技術(shù)”。其他維度的理論編碼也遵循同樣的方法。通過對27個范疇、11個主范疇的深入分析，對深度訪談獲取的原始資料和相關(guān)文獻進行比較，厘清脈絡(luò)，并對主范疇和范疇內(nèi)涵進行闡述。并用第二階段的18份訪談資料對理論飽和度進行檢驗。通過對比分析，受訪者所有陳述均被前期的訪談資料覆蓋，說明沒有新的概念和范疇，理論達到飽和。選擇性編碼結(jié)果如表2所示。

表2 選擇性編碼

選擇性編碼過程與四個維度框架相結(jié)合，編碼邏輯詳細闡述如下：市場前景、外部壓力和可持續(xù)性，結(jié)合三者蘊含的語義邏輯“外部因素”與“環(huán)境”維度，歸納為“外部環(huán)境”。財務(wù)狀況和內(nèi)部協(xié)作，所蘊含的都是紡織企業(yè)本身因素，結(jié)合“組織”維度，歸納為“紡織企業(yè)狀態(tài)”。領(lǐng)導承諾與支持、智能系統(tǒng)用戶特性和員工對現(xiàn)有生產(chǎn)、管理系統(tǒng)滿意度，語義蘊含著“員工”，結(jié)合“人員”這個維度，凝練為“紡織企業(yè)員工”。數(shù)據(jù)質(zhì)量、智能技術(shù)成熟度和智能技術(shù)兼容性，語義邏輯為“智能化”本身，與“技術(shù)”維度結(jié)合，凝練為“智能化技術(shù)”。

3.4 決定因素重要性排序

利用扎根理論，得出紡織企業(yè)智能化的11個主范疇和4個維度(外部環(huán)境、紡織企業(yè)狀態(tài)、智能化技術(shù)、紡織企業(yè)員工),然后由25人組成的評判專家(紡織企業(yè)管理人員：5人，紡織企業(yè)基層員工：4人，紡織設(shè)備供應(yīng)商：6人，軟件供應(yīng)商：5人，行業(yè)專家：5人)，以集合的形式表示為：P={p1,p2,…,p25}，利用BWM對核心范疇及核心范疇下的主范疇進行了賦權(quán)。評判專家利用BWM的賦權(quán)的詳細過程如下。

(2)確定最優(yōu)指標和最差指標。在評估指標D中，由評估專家選擇最優(yōu)指標dB，選擇最差指標dW。評價標度如表3所示。

(3)確定dB相對于其他指標的權(quán)重。結(jié)合表3將dB和其他指標兩兩比較，可得權(quán)重向量AB=(aB1,aB2,…,aBm)，aBm為dB相對于第m個指標的權(quán)重。

表3 評價標度

(4)確定其他指標相對于dW的權(quán)重。結(jié)合表3將其他指標和dW兩兩比較，可得權(quán)重向量AW=(a1W,a2W,…,amW),其中，amW為第m個指標相對于dW的權(quán)重。

(5)求約束優(yōu)化問題的最優(yōu)解。

(1)

(2)

(7)在得到一級指標權(quán)重和各二級指標的權(quán)重后，利用式(3)可得各指標的綜合權(quán)重。

(3)

最終的計算結(jié)果如表4所示,可知處于前6位的因素分別是：財務(wù)狀況、領(lǐng)導承諾與支持、內(nèi)部協(xié)作、智能技術(shù)成熟度、市場前景和智能技術(shù)兼容性。但是，各行業(yè)專家也各有側(cè)重。在紡織企業(yè)管理人員看來，財務(wù)狀況、領(lǐng)導承諾與支持、市場前景和智能技術(shù)成熟度這4個指標最為重要。設(shè)備供應(yīng)商考慮更多的是智能技術(shù)兼容性、隨后依次是領(lǐng)導承諾和支持和智能技術(shù)成熟度。軟件供應(yīng)商更看重智能技術(shù)成熟度、智能技術(shù)兼容性、領(lǐng)導的承諾與支持和數(shù)據(jù)質(zhì)量。紡織行業(yè)專家給予財務(wù)狀況最高權(quán)值，其次是領(lǐng)導承諾與支持，然后是競爭壓力和智能技術(shù)成熟度。反映了不同領(lǐng)域的專家，由于其經(jīng)驗和知識領(lǐng)域的不同，對于紡織企業(yè)智能化建設(shè)時的著重點也各不相同。但是，“領(lǐng)導的承諾與支持”，得到了各評判專家組的共同認可，綜合權(quán)重排名第2，然后是紡織企業(yè)的內(nèi)部協(xié)作，排名第3。智能技術(shù)成熟度也是各評審專家組共同關(guān)注的指標，雖然綜合權(quán)重的排名中處于第4位，但這也從側(cè)面進步一說明了其重要性。然后是智能技術(shù)兼容性，也獲得了3評判小組的共同認可，綜合權(quán)重排名第6。

表4 核心范疇和主范疇權(quán)重、排名

4 結(jié)論

(1)采用扎根理論探究影響紡織企業(yè)智能化轉(zhuǎn)型的結(jié)構(gòu)維度，得出27個范疇和11主范疇，再凝練為4個核心范疇，分別是：外部環(huán)境、紡織企業(yè)狀態(tài)、紡織企業(yè)員工和智能化技術(shù)，并通過25個不同行業(yè)的專家，利用BWM對4個核心范疇和11個主范疇進行綜合賦權(quán)，對綜合權(quán)值從大到小排序后，提取出前6個權(quán)值較大的作為關(guān)鍵影響因素，即：財務(wù)狀況、領(lǐng)導承諾與支持、內(nèi)部協(xié)作、智能技術(shù)成熟度、市場前景和智能技術(shù)兼容性。

(2)市場環(huán)境是紡織企業(yè)智能化的外在驅(qū)動力，而智能化能否實施成功，主要由其內(nèi)因決定。外在驅(qū)動因素主要是市場前景和同類企業(yè)帶來的競爭壓力；內(nèi)在因素主要是在紡織企業(yè)財力允許的情況下，有足夠且強力的領(lǐng)導承諾與支持，這是智能化成功推進的一個重要保障；其次是紡織企業(yè)各部門和員工對智能化的認知，由智能化帶來的權(quán)力與利益重新分配導致實施過程中的掣肘。

(3)立足于紡織企業(yè)柔性制造的智能化轉(zhuǎn)型目標，雖已考慮受訪者最好來自不同地域，但是我國地域廣袤，各地企業(yè)有其區(qū)域特性，對此并未深入探究。在研究的樣本中，調(diào)查對象主要集中于紡織企業(yè)產(chǎn)業(yè)鏈的上游和中游企業(yè)，如紡織機械制造、合成纖維從業(yè)者、紡織品加工從業(yè)者。而下游的營銷渠道，如電商平臺、商超等并未涉及。部分紡織企業(yè)已經(jīng)進行了一定的智能化建設(shè)，未來可將其作為案例進行深入研究，并將智能化轉(zhuǎn)型和未轉(zhuǎn)型的紡織企業(yè)進行對比研究，分析兩者在智能化轉(zhuǎn)型時影響因素的區(qū)別。