“雙碳”目標驅動下的家具工業(yè)低碳轉型與智能制造模式

摘 要：在聚焦我國進一步實施“雙碳”目標和新一代信息技術快速迭代發(fā)展的背景下，深入分析了以智能技術為制造業(yè)轉型升級中我國家具工業(yè)在向低碳和智能制造模式低碳轉型過程中的潛在發(fā)展路徑。首先，探討了我國制造業(yè)在“雙碳”政策指引下的低碳轉型動因及其發(fā)展方向，“雙碳”目標的“倒逼”機制驅動了家具工業(yè)向“智能化、綠色化、高端化”發(fā)展，這一轉型與“雙碳”目標的實現形成了良性循環(huán)。其次，研究了家具工業(yè)中的數字化技術減碳應用的現狀，分析了物聯網、大數據、5G、AI等新一代信息技術在提升能源、資源和環(huán)境管理，在深化家具生產制造過程的數字化應用中的作用，并由此提出新興制造模式與家具行業(yè)的綠色發(fā)展方向。接著提出應制定不同規(guī)模家具企業(yè)的“三化”融合發(fā)展機制，深化家具產品的數字化應用，加快推動家具制造過程的關鍵工藝、裝備的智能感知和管控系統(tǒng)構建，構建覆蓋家具產品全生命周期的數字孿生（制造）系統(tǒng)，以實現以數據為驅動提升家具行業(yè)綠色設計創(chuàng)新、綠色智造和運維服務水平，提高家具制造綠色轉型發(fā)展的效率和減碳效益。最后，強調了建立健全涵蓋家具全生命周期的綠色低碳數據平臺和評價體系，構建智能制造時代下家具全生命周期減碳減排的體系研究，深入挖掘能有效評價家具工業(yè)綠色低碳化的基礎數據和工業(yè)大數據資源，建立面向行業(yè)的數據共享機制，推動數據匯聚、共享和應用，完善家具工業(yè)的碳足跡追蹤系統(tǒng)的重要性?？偟膩碚f，為理解和評價我國在實現“雙碳”目標過程中，如何利用智能技術推動家具工業(yè)的低碳轉型提供了全面的視角。

關鍵詞：家具；“雙碳”目標；低碳；智能制造

中圖分類號：S784 文獻標志碼：A 文章編號：1673-923X（2024）10-0001-16

基金項目：國家重點研發(fā)計劃項目（2023YFD2201500）；中國工程院戰(zhàn)略研究與咨詢項目（2023-XY-32）；麓山實驗室研究計劃項目（Z202333452565）；湖南省財政科研專項（2050205）。

Low-carbon transformation and intelligent manufacturing model of the furniture industry driven by the “dual carbon” targets

DAI Xiangdong1，2， ZHAN Xiuli1，2， WU Yiqiang1， YIN Zhiyuan1， TAO Tao1，2， HUANG Yanli1，2， LYU Zhou1，2

（1.a. College of Materials Science Engineering； b. National and Local Joint Engineering Research Center for Green Processing Technology of Agricultural and Forestry Biomass， Central South University of Forestry Technology， Changsha 410004， Hunan， China； 2. Smart Home Design Center， Lushan Innovation Lab， Changsha 410004， Hunan， China）

Abstract： Against the backdrop of China’s further implementation of the “dual carbon” strategy and the rapid iterative development of new-generation information technology， this paper delves into the potential development paths of China’s furniture industry in its lowcarbon transformation towards intelligent manufacturing mode， with intelligent technology as the foundation for the transformation and upgrading of the manufacturing industry. Initially， the paper explores the drivers and development direction of China’s manufacturing industry’s low-carbon transformation under the guidance of the “dual carbon” policy. The “forcing” mechanism of the “dual carbon”goal drives the furniture manufacturing industry towards “intelligent， green， and high-end” development， forming a virtuous cycle with the realization of the “dual carbon” goal. The current status of digital technology’s carbon reduction application in the furniture industry is examined， and the role of new-generation information technologies such as IoT， big data， 5G， and AI in enhancing energy， resource，and environmental management， and in deepening the digital application of furniture production processes is analyzed. From this， the direction of green development of emerging manufacturing modes and the furniture industry is proposed. It is suggested that a “triple integration” development mechanism should be formulated for furniture enterprises of different scales， digital application of furniture products should be deepened， the construction of intelligent perception and control systems for key processes and equipment in furniture manufacturing should be accelerated， and a digital twin （manufacturing） system covering the entire life cycle of furniture products should be established. This will achieve data-driven enhancement of green design innovation， green intelligent manufacturing， and operation and maintenance service levels in the furniture industry， and improve the efficiency and carbon reduction benefits of green transformation development in furniture manufacturing. In addition， we emphasize the importance of establishing a comprehensive green low-carbon data platform and evaluation system covering the entire life cycle of furniture， constructing a system of research on carbon reduction and emission reduction in the intelligent manufacturing era throughout the entire life cycle of furniture， deeply excavating the basic data and industrial big data resources that can effectively evaluate the green low-carbonation of the furniture industry， establishing a data sharing mechanism for the industry， promoting data convergence， sharing and application， and improving the carbon footprint tracking system of the furniture industry. Overall， this paper provides a comprehensive perspective on how to use intelligent technology to promote the lowcarbon transformation of the furniture manufacturing industry in the process of achieving China’s “dual carbon” targets.

Keywords： furniture； “dual carbon” goals； low carbon； intelligent manufacturing

自我國在第75屆聯合國大會上提出“雙碳”目標后，黨的二十大報告提出要“廣泛形成綠色生產生活方式，碳排放達峰后穩(wěn)中有降；推動經濟社會發(fā)展綠色化、低碳化是實現高質量發(fā)展的關鍵環(huán)節(jié)”[1]。當前，我國仍處于深入發(fā)展工業(yè)化與城鎮(zhèn)化的歷史階段，戰(zhàn)略新興產業(yè)及高技術產業(yè)尚未成為經濟增長的主導力量?！吨袊圃?025》提出的中國制造業(yè)轉型升級“兩步走”計劃，將加快構建數字化制造和智能制造體系作為重要抓手，這就需要工業(yè)產業(yè)結構、生產方式不斷向著綠色低碳轉型，通過廣泛推動綠色低碳技術裝備應用、提高能源資源利用效率、提升綠色制造水平等方式，全面助力綠色低碳發(fā)展。在此背景下，我國家具工業(yè)面臨著向綠色低碳轉型升級的機遇與挑戰(zhàn)。

1 “雙碳”目標引領下的我國制造業(yè)低碳轉型動因

制造業(yè)是我國能源消耗的重要來源，而在實現碳中和的路上，推動“綠色制造”與“低碳生產”顯得尤為關鍵。長期受“低技術含量、低附加值、低創(chuàng)新水平、低效益、低質量”及“高資源消耗、高環(huán)境污染、高排放、高能耗”這“五低四高”傳統(tǒng)制造與工業(yè)化條件的影響，我國在大規(guī)模資源開發(fā)和人口激增的雙重壓力下，碳排放始終居于較高水平。從制造業(yè)角度觀察，碳排放產生于產品生命周期的各個階段，特別是從需求側來看，真正的碳排放降低策略應當貫穿產品生命周期全程，這不僅包括設計、制造、包裝和運輸，還涉及到使用和最終的回收處理環(huán)節(jié)[2]。

1.1 我國制造業(yè)碳排放現狀

相較于歐美國家經濟發(fā)展已與碳排放脫鉤，我國正處于經濟增長與碳排放高峰的交匯時期。根據2022年《BP世界能源統(tǒng)計年鑒》統(tǒng)計，2011—2021年間全球GDP排名前六的國家的碳排放情況（圖1）。期間，盡管2020年全球碳排放因疫情下降，但中國和印度的排放仍在增長。2021年，全球碳排放上升了5.7%，達到390億t，其中中國排放量為108.7億t（含港澳臺，下同），占全球排放的32.07%[3-4]。而在能源研究所統(tǒng)計數據中，中國占全球排放的31.7%[5]。不過在2018年時，我國單位GDP碳排放比2005年降低了48.1%，超出了2020年碳排放減少40%～45%的承諾。另外，《“十四五”節(jié)能減排綜合工作方案》設定了2025年單位GDP能源消耗相較于2020年下降13.5%的目標并實現“凈零碳排放”，持續(xù)強化我國在國民經濟各產業(yè)中的碳排放管理。

1.2 我國制造業(yè)升級的減碳內驅動力

制造業(yè)升級與低碳技術的突破性創(chuàng)新是相互促進的。碳達峰、碳中和是一場極其廣泛深刻的綠色工業(yè)革命[6]，低碳轉型不僅能降低資源能源消耗，也有助于引導產業(yè)追求質量效益。反之，“雙碳”目標激勵了低碳技術的突破性創(chuàng)新并支持制造業(yè)的綠色升級[7]。“倒逼”機制，即外部壓力和政策驅動產業(yè)進行自主創(chuàng)新和轉型。在制造業(yè)中，該機制表現為在政府政策和市場需求的雙重壓力下，企業(yè)不得不采納更加綠色、低碳的生產模式。這種轉變不僅來源于政策要求，也受到消費者日益增長的環(huán)保意識的驅動。

而一個國家在全球產業(yè)價值鏈（Global value chain，GVC）中的位置及其參與度，直接影響到其隱含碳排放的規(guī)模。其嵌入全球價值鏈的分工地位越高，則貿易隱含碳排放越少[8]。李新安[9]通過對我國制造業(yè)綠色低碳轉型的GVC升級機制研究發(fā)現，碳減排通過綠色技術創(chuàng)新中介效應提升制造業(yè)發(fā)展質量，對制造業(yè)結構升級具有顯著促進作用，使得制造業(yè)走向綠色、清潔生產，進而提高其發(fā)展質量，“雙碳”目標將產生促使產業(yè)發(fā)展質量提升的結構優(yōu)化升級產生倒逼機制[10]。相關研究通過對制造業(yè)的三系統(tǒng)耦合模型分析也得出，在“壓力—倒逼”機制下[11]，制造業(yè)依賴于節(jié)能減排技術研發(fā)和人才培養(yǎng)帶來的產業(yè)升級，形成“低碳經濟成長—能源利用效率和質量提高—生態(tài)環(huán)境改善—低碳經濟進一步發(fā)展”的良性循環(huán)（圖2），實現對于碳排放的正反饋機制，從而實現制造業(yè)碳排放達峰[12]。

1.3 制造業(yè)低碳轉型的策略與方向

在第四次工業(yè)革命中，源于創(chuàng)新的新興技術和先進的數字化生產流程是經濟增長的關鍵決定因素。習近平強調：“我們要順應第四次工業(yè)革命發(fā)展趨勢，共同把握數字化、網絡化、智能化發(fā)展機遇”[13]。而在工信部及其他七部門聯合發(fā)布的《“十四五”智能制造發(fā)展規(guī)劃》中明確，計劃至2025年實現規(guī)模以上制造業(yè)企業(yè)基本完成數字化和網絡化的轉型，重點行業(yè)的骨干企業(yè)將基本實施智能化應用，且綠色節(jié)能是其中衡量智能制造的重要標志[14-15]。

1.3.1 加快推進數字技術發(fā)展

使用數字技術促進工業(yè)生產方式的綠色精益化、推動工業(yè)能源管理的綠色智慧化、創(chuàng)新工業(yè)資源循環(huán)的綠色高效化，是國家一直以來對互聯網、數字化與綠色制造的融合發(fā)展的政策方向。

《“十四五”工業(yè)綠色發(fā)展規(guī)劃》和2021年國家有關政策意見，國家鼓勵深度融合新興技術如5G、大數據與云計算、人工智能、物聯網、數字孿生、區(qū)塊鏈等，以實現綠色低碳產業(yè)的創(chuàng)新并調整產業(yè)結構。在此背景下，大數據、云計算、互聯網、信息物理系統(tǒng)、數字孿生等技術的大量涌現，數字技術已經廣泛應用于數據摸底、情景預測、明確路徑、實施調整等各個階段，不斷提升能源與資源的使用效率，實現生產效率與碳效率的雙提升（圖3）。

1.3.2 全面推動產業(yè)智能制造升級

智能制造，作為當下全球制造業(yè)的核心發(fā)展方向，已被多國家納入戰(zhàn)略計劃中。周濟院士指出，智能制造作為先進制造業(yè)與新一代信息化技術深度融合的產物，它的產生與發(fā)展與信息化發(fā)展進程緊密相連，涵蓋了制造全生命周期以及各個環(huán)節(jié)和系統(tǒng)的優(yōu)化整合[16-17]。

在2010年前，“智能制造”主要指傳統(tǒng)智能制造（Intelligent manufacturing，IM）；2010年后，“智能制造”是IM或“智慧制造”（Smart manufacturing，SM）或兩者兼有[18]。傳統(tǒng)智能制造（IM）起源于“工業(yè)3.0”時代，即信息化時期。在這一時期，部分制造業(yè)領域開始轉向大規(guī)模定制化生產，實現這一轉變的主要使能技術包括計算機技術和可編程邏輯控制器（Programmable logic controller，PLC）。盡管如此，當時的主流制造模式仍是繼承自20世紀70年代的計算機集成制造（Computer integrated manufacturing，CIM）以及源自日本的精益生產理念。此外，隨著20世紀90年代基于IP/TCP協議的互聯網興起，網絡化制造模式逐漸發(fā)展，其代表性的形式包括敏捷制造和虛擬企業(yè)等[19]。

20世紀80年代末，隨著人工智能技術（Artificial intelligence，AI）的深入研究和其在多個領域的成功應用，研究人員開始探索利用智能制造（Intelligent manufacturing，IM）系統(tǒng)在制造過程中實現自感知、自適應、自診斷及自學習，以達到制造的柔性化和自動化。同時，基于數據驅動的計算智能技術，如人工神經網絡、模糊邏輯系統(tǒng)和啟發(fā)式算法等受到廣泛關注，用以克服傳統(tǒng)人工智能在感知、理解、學習、聯想及協作等方面的不足。特別是深度學習技術（Deep learning，DL）在制造工程領域的應用，極大地推動了智能制造領域的發(fā)展[20-21]。

隨著物聯網和云計算技術的出現和發(fā)展，制造物聯網（Internet of manufacturing things，IOMT）和云制造等新一代網絡化制造模式開始逐漸形成。同時，源于計算能力的提升、大數據應用和深度學習算法的進步，以大數據為核心的新一代智能制造模式（Smart manufacturing/intelligent manufacturing 2.0）蓬勃發(fā)展。在這一模式中，物聯網（Internet of things，IoT）、服務聯網（Internet of services，IoS）、內容與知識網絡（Internet of content and knowledge，IoCK）以及人際網絡（Internet of people，IoP）與先進制造技術進行深度融合，催生了信息物理生產系統(tǒng)（Cyber-physical production systems，CPPS）[22-23]。

以“數字化網絡化智能化制造”為代表的智能制造，主導了新一代的產業(yè)革命，作為跨學科的復雜系統(tǒng)工程，其技術的進步極大地促進了“雙碳”目標的實現。相比傳統(tǒng)制造模式，智能制造通過更精確的工藝狀態(tài)跟蹤和更全面的實時數據獲取[24]，在減少對環(huán)境損害的同時實現快速響應并滿足多樣化、個性化用戶需求，實現綠色節(jié)能、減少碳排放，從而在科學決策支持下對生產制造過程進行更靈活的控制[25]。

在制造業(yè)領域通過數字化、智能化和綠色化的“三化”融合發(fā)展，以數據為驅動提升行業(yè)綠色低碳的技術創(chuàng)新、綠色制造和運維服務水平，逐步形成制造業(yè)的綠色生產鏈和低碳價值鏈，不僅能為工業(yè)增長提供持續(xù)的動能，而且為實現產業(yè)結構的低碳型優(yōu)化和降碳減排的目標具有大力推動作用[26]。

2 我國家具工業(yè)低碳發(fā)展現狀與主要問題

對比“雙碳”目標要求，我國家具智能制造目前仍是發(fā)展初期階段。柔性化制造模式還未廣泛普及、信息化程度低，尤其在產品數字化設計、生產過程信息化管控、裝備智能化水平、產業(yè)鏈互聯協同等方面存在短板。從綠色制造角度分析，盡管“綠色制造”和“綠色設計”在行業(yè)內逐步得到重視，但多數企業(yè)更關心的仍是經濟效益，對于綠色家具中的環(huán)保要求往往只局限于對人體無毒害和環(huán)境污染減少[27]，真正意義上的碳足跡減少還沒有成為主流趨勢。

2.1 我國家具工業(yè)的碳足跡分析

2.1.1 價值鏈中的隱含碳排放

木材作為全球4種主要基礎資源之一，具有可再生的獨特屬性，廣泛應用于家具、建筑、能源和新材料等領域[28]，而家具作為木材供應鏈的終端產品積累了最主要的碳流[29]，同時，我國作為林產品進出口大國，主要依賴大量消耗森林資源、人工成本低的優(yōu)勢，自主品牌少，技術含量低，故林產工業(yè)在國際產業(yè)價值鏈中仍處于中低端[30-31]。在“雙碳”目標的背景下，作為林業(yè)第二產業(yè)的林產工業(yè)，緊密聯接了林業(yè)一產、三產并與林產品進出口密切相關，是制造業(yè)的重要組成部分，提升林產工業(yè)在全球價值鏈分工地位能顯著降低貿易隱含碳排放[32]。在此產業(yè)中，木家具的高端環(huán)節(jié)如研發(fā)設計、品牌營銷等處于全球價值鏈（Global value chain，GVC）中的高端分工位置，相比在低端分工位置的木材加工、制造和組裝等過程中消耗大量資源和能源，造成木材資源高消耗、低效用以及環(huán)境污染并產生大量貿易隱含碳排放，前者的技術水平和能源利用效率較高且碳排放量低。

值得關注的是，盡管林產工業(yè)整體上在技術成熟度和能源效率方面相對其他工業(yè)領域表現更加優(yōu)異，維持著較低的碳排放水平，但中國家具工業(yè)在全球價值鏈中的分工定位尚未達到較高水平。相較于木材制造和造紙業(yè)，家具制造業(yè)在林產工業(yè)的三大主要類別中處于相對較低的位置[33]，在高端領域的國際競爭中處于相對劣勢。這表明，中國家具制造業(yè)在全球價值鏈中的分工定位仍有顯著提升的空間。因此，中國家具工業(yè)亟需在綠色制造、綠色設計以及碳減排等方面加強科技創(chuàng)新和研發(fā)投入，以提升其在全球價值鏈中的競爭力和地位。

2.1.2 家具制造階段的碳排放

根據國家能源局2023年發(fā)布的統(tǒng)計數據，2021年中國的總能源消耗量達到525 896萬t標準煤，其中制造業(yè)的能源消耗總計為293 065萬t標準煤。具體到家具制造業(yè)，其能源消耗量占制造業(yè)總量的0.157%；就碳排放強度而言，家具制造業(yè)在各制造業(yè)子行業(yè)中屬于低排放強度的行業(yè)，其碳排放強度約占碳排放強度最高的黑色金屬冶煉和壓延加工業(yè)的2%[34]。在能源消耗結構方面，木材加工和家具制造等輕工業(yè)部門主要以電力等二次能源為主，因而其能源結構更為清潔[35]。此外，有研究顯示我國的木材加工及家具制造業(yè)在2014年已經越過了碳排放庫茲涅茨曲線（Carbon Kuznets curve，CKC）的拐點，展現了隨著產值增長，CO2排放量逐漸下降的趨勢。這表明與其他行業(yè)相比，家具制品具有更好的環(huán)境屬性，但在減排方面仍存在進一步提升的空間。

2.1.3 其他階段的碳排放

家具產品的生命周期不僅限于制造階段，其設計、使用和處置等環(huán)節(jié)在碳排放方面的影響也是至關重要的。據研究統(tǒng)計，家具的使用壽命一般在5～20 a，其耐用性及對環(huán)境的長期影響受到材料選擇和設計的顯著影響。在此期間，家具的維護、修補和清潔可能會引起附加的碳排放，特別是在使用含有揮發(fā)性有機化合物（VOCs）的清潔劑時。目前，許多廢棄家具的處理主要采用填埋或焚燒方法，這可能導致大量CO2的釋放。因此，處置階段的碳排放可能顯著超過制造階段，這是家具產業(yè)低碳轉型過程中一個相對隱蔽且常被忽略的環(huán)節(jié)。

在家具生產前期的木材加工環(huán)節(jié)，會產生邊角料、鋸屑、砂光粉和廢單板等大量剩余物質，但我國在木材回收方面面臨專業(yè)設備、人才和技術的不足[36]。當前，中國廢舊木家具的回收與再利用主要依賴于與木材回收站或環(huán)衛(wèi)部門合作，根據市場需求對回收的廢舊木材進行精細加工，轉化為各類木料、木塑產品，或是作為人造板材的重要原料，從而實現資源的循環(huán)利用[37-38]。

總體而言，當前對木材加工、家具使用和回收等方面的碳足跡追蹤與研究相對不足。要實現家具行業(yè)的低碳轉型和可持續(xù)發(fā)展，不僅需要關注設計和制造階段的低碳實踐，還應全面考慮家具的使用和處置過程中的碳足跡。通過全面的生命周期評估和持續(xù)的創(chuàng)新研究[39]，綜合考慮減少碳排放和提高能源利用效率。

2.2 家具工業(yè)減碳轉型的障礙

2.2.1 家具制造智能化發(fā)展問題

當前，我國家具產業(yè)仍處于“工業(yè)2.0”階段（電氣化），“工業(yè)3.0”（信息化）還有待普及，而“工業(yè)4.0”（智能化）生產和對家具的綠色設計與低碳實踐僅局限于部分龍頭企業(yè)的示范性嘗試[40]，面臨諸多影響減碳發(fā)展的問題。

多重技術體系交融和多種生產模式混合。家具制造的技術構成不僅具有多重技術體系交融，而且企業(yè)生產也是多種生產模式混合長期并存，家具制造的綜合性跨學科技術體系的特點，給制造模式的升級帶來更大難度。同時，其生產過程往往還同時包括離散型、混流型、網絡協同及大規(guī)模個性化定制等多種生產模式，且彼此之間的耦合度高使生產管理的難度急劇增加，導致家具制造從產線規(guī)劃到生產控制、流程再造等各個環(huán)節(jié)的優(yōu)化難、數據應用難、優(yōu)化效果評估難等問題[41-42]，這使得構建智能制造所需的信息物理系統(tǒng)（CPS）的復雜度呈幾何式增長[43-44]。

頂層設計不足與信息化水平不高。目前，絕大多數我國家具制造企業(yè)在數字化轉型方面尚處于初級階段，在整體戰(zhàn)略規(guī)劃、數據架構設計、系統(tǒng)開發(fā)等關鍵領域普遍缺乏系統(tǒng)性的頂層設計思維。設備間、軟件系統(tǒng)間互聯互通缺少接口標準與通信規(guī)范，導致軟件開發(fā)公司、智能設備制造商及各類智能制造服務和產品之間難以實現有效的信息和資源共享。在信息化應用方面，計算機輔助設計與制造及其集成技術（CAD/CAM/ CIMS）的應用比例低，企業(yè)管理三大戰(zhàn)略要素的供應鏈管理（SCM）、企業(yè)資源計劃（ERP）、顧客關系管理（CRM）整合應用程度不足，而產品協同商務（CPC）和完整電子商務體系的構建更是落后。這使得我國家具企業(yè)的信息化程度不高[45]、人機協作性不佳[46]，在數字化轉型和智能制造方面轉型困難。

產品同質化嚴重。我國家具制造行業(yè)現階段所生產的多數產品科技含量不高、工藝較為落后，在生產過程中加工效率不高、能源消耗較大，且市場中、低端產品較多，產品同質化嚴重，導致產能過剩，這本身也是一種對森林碳匯資源的浪費。

2.2.2 不同規(guī)模家具企業(yè)的轉型問題剖析

據國家統(tǒng)計局2023年統(tǒng)計年鑒顯示，截至2022年底我國規(guī)模以上家具制造業(yè)企業(yè)數量達7 299家，累計完成營業(yè)收入6 823.5億元[47]。與此同時，我國家具業(yè)是一個以中小型企業(yè)（占全行業(yè)比例約90%）為主的行業(yè)[48]。就制造業(yè)總體而言，我國僅有3%的中小企業(yè)處于數字化轉型深度應用階段，89%的中小企業(yè)尚未開展數字化轉型嘗試[49]，大量中小型企業(yè)的制造轉型升級才是更大程度上決定我國家具行業(yè)減碳發(fā)展的重要因素。

大型家具企業(yè)面臨的問題及制造升級轉型需求。大型家具制造企業(yè)擁有標準化的制造車間，基本實現自動化和信息化，但針對大量非周期性的離散型訂單，很多企業(yè)缺乏全局打通的信息化手段，內外部信息形成孤島，生產銷售環(huán)節(jié)割裂，難以精準控制成本。同時存貨周轉緩慢，影響運營效率，且面對消費者越發(fā)多樣化和個性化訂單的快速響應需求，這種新零售模式背后亟需使用大數據和全周期數字化產品管理，因此大型家具企業(yè)面臨的數字化轉型層次更高。

中小型家具企業(yè)面臨的問題及制造升級轉型需求。我國中小型家具企業(yè)目前主要處在流程化和半自動化階段，與大型企業(yè)相比，中小企業(yè)盈利空間有限、數字化轉型投入能力有限。而傳統(tǒng)信息化的成本偏高，中小企業(yè)對于自身智能制造水平難以量化評估，難以承擔過高的技術升級投入，不具備大量的人才儲備。中小企業(yè)的智能化改造升級需求更多樣化、碎片化，實現轉型需要采取平臺化、輕量化和成本效益化的策略，把更多的精力放在業(yè)務創(chuàng)新方面，也有助于促進企業(yè)的碳減排和節(jié)能降耗。

3 智能制造發(fā)展下的家具工業(yè)減碳路徑

在“互聯網+”和“中國制造2025”等國家戰(zhàn)略的引領下，作為傳統(tǒng)制造業(yè)的典型代表[50]，我國家具制造業(yè)正處于從傳統(tǒng)成品家具生產向“大規(guī)模定制”（Mass customization，MC）和“柔性制造”（Flexible manufacturing，FM）的信息化及數字化轉型關鍵時期，正在步入以智能化制造為核心的快速變革階段[51-52]。

3.1 家具工業(yè)中的數字化減碳技術應用現狀

大規(guī)模定制是家具制造業(yè)轉型升級的關鍵模式之一[53]，近十幾年來中國的定制家具市場迎來了爆發(fā)性增長[54]。其中，板式家具的數字化加工設備及其應用軟件得到了高速發(fā)展，在許多方面達到甚至超過一些發(fā)達國家的水平，尤其是在數字化設計、制造和管控技術方面的進步，對于實現個性化和大批量生產的定制家具產品在低碳減排方面發(fā)揮了關鍵作用。

3.1.1 數字化設計技術的減碳作用

隨著定制家居產業(yè)的擴展以及信息化管理技術的進步，家居數字化設計技術在產品模型構建、信息溯源網絡協同設計、拆單與拼單加工等方面取得顯著發(fā)展，不僅提升了家具設計過程中各環(huán)節(jié)的集成效率和數據傳輸效率，顯著降低了流轉過程中的資源消耗。如通過采用模塊化、標準化、參數化建模，簡化了從設計到生產的整個流程[55]。參數化建模的應用，特別是在快速響應產品模型修改需求方面，展示了其在增強設計靈活性和加速產品開發(fā)周期方面的重要價值。數字化設計的實施為家具制造業(yè)的可持續(xù)發(fā)展提供了新的途徑，通過優(yōu)化設計和生產過程促進了資源效率的提升和對環(huán)境影響的減輕。

當前，家具設計不僅采納了計算機輔助設計和工程技術，切合綠色設計的并行工程（Concurrent engineering，CE），用系統(tǒng)工作的模式集成、并行設計產品及其零部件和各種相關過程[56]，覆蓋了產品從概念設計至廢棄的全生命周期。未來隨著生成式人工智能技術（AIGC）快速發(fā)展，以ChatGPT（Chat generative pre-trained transformer）和MJ（Midjourney）[57]為代表的2種技術模型以及計算機視覺圖像識別技術用于產品檢測[58-59]、模式識別[60]等，對于家具產品的設計、縮短產品上市時間、優(yōu)化設計成本和質量將更高效地推進家具產品從設計到制造全流程的綠色化與減碳化。

3.1.2 數字化制造技術的減碳作用

家具產業(yè)的演變歷程是一部從手工造物到批量定制的發(fā)展史，更是木工機械的發(fā)展史，數控設備自身也將朝著數字化、自動化、柔性化和智能化方向深入發(fā)展。家具的智能制造是典型的系統(tǒng)性生產過程，具有高隨機性、不確定性和多重約束性特征[61]，近年來智能優(yōu)化算法的大力發(fā)展，如遺傳算法[62-63]、蟻群算法[64]、模擬退火算法[65]已經被用于解決家具生產各類問題。以歐派、尚品宅配、索菲亞為代表的定制家具頭部企業(yè)一方面積極打通從銷售、設計到訂單拆解、生產管理全流程的數字智能建設；另一方面積極推行精益生產，充分利用數字技術提升家具工業(yè)能效，打造集狀態(tài)感知、實時分析、科學決策和精確執(zhí)行于一體的先進制造管理體系，以提高能源和木質材料利用率，進而推動家具制造環(huán)節(jié)的數字化進程，實現節(jié)能減碳與提升效率的雙重目標。

3.1.3 數字化管控技術的減碳作用

“個性化定制”離不開數字化設計技術，“柔性化生產”離不開數字化制造技術，“大規(guī)模定制”更是離不開數字化管控技術，當前數字化管控技術在家具綠色智能制造環(huán)節(jié)中的應用更是不容忽視[66-67]。

在定制家具領域，典型的訂單特征表現為品類內產品量少，且尺寸、結構和配件多樣。家具企業(yè)根據生產實際使用企業(yè)資源管理計劃（Enterprise resource planning，ERP）與生產制造執(zhí)行系統(tǒng)（Manufacturing execution system，MES）協同平臺來實現高效數字化管控（圖4），利用先進的數字化管理技術來收集、處理和分析車間的生產數據，可以顯著提高家具制造中原材料的利用率[68-69]。通過構建排產計劃與實際數據相結合的關聯模型，從而增強排產計劃的科學性和合理性以提升企業(yè)在激烈市場競爭中的優(yōu)勢，促進資源和能源的優(yōu)化配置與高效利用，進一步實現減少碳排放的目標。

3.2 新興制造模式下家具工業(yè)的減碳降排

大規(guī)模個性化智能定制已成為家具行業(yè)發(fā)展不可阻擋的趨勢，以工業(yè)互聯網、大數據、人工智能、信息與裝備等技術為載體的智能制造技術成為行業(yè)轉型升級與高質量發(fā)展的必經之路，也是以大型家具企業(yè)的轉型升級為代表的家具產業(yè)智能制造的發(fā)展方向。

3.2.1 新興智能制造模式在家具工業(yè)中的發(fā)展探析

目前，家具行業(yè)尤其是定制家具行業(yè)向著智能制造方向的邁進，已有研究從推行“三化”來提高生產系統(tǒng)的柔性及快速響應進行新的智能制造技術升級展開過探討。本章節(jié)基于對智能制造演進與新興智能制造模式的整理與歸納，參考已有研究成果，結合“雙碳”目標對家具制造業(yè)智能化升級的需求，探析以新一代信息技術為基礎的智能制造模式與家具智能制造升級關聯應用模式，具體如表1所述。

“智能化”本身并非最終追求，降本增效、節(jié)能提質才是促使更多家具企業(yè)最終選擇智能制造的根本原因。從減碳角度看智能制造各個階段的發(fā)展以及當前學術界、產業(yè)界對如CPS系統(tǒng)、云制造、數字孿生系統(tǒng)、智能制造等的深入研究和廣泛關注，本研究認為，通過全產業(yè)鏈信息整合來實現價值鏈協同優(yōu)化和資源循環(huán)再利用的新型制造模式是未來家具制造升級的方向；采用智能化設備和工藝，在提高工業(yè)能耗裝備效率的同時，將縱向智能與橫向服務相結合，實現能耗的降低、減碳降排；此外，通過泛在感知設備對制造過程中的環(huán)境影響數據進行實時監(jiān)測，以及時采取預防性措施來控制影響生態(tài)環(huán)境的因素。

3.2.2 數字孿生技術在家具工業(yè)的減碳應用

數據融合是制造企業(yè)降低生產各環(huán)節(jié)成本、提高生產效率的關鍵，中國工程院院士李培根指出“發(fā)展智能制造，數據是基礎，數據是血液”[70]。

目前，在其他制造領域已經開展利用數字孿生技術（Digital twin，DT）深入到設計、生產、物流、服務等活動環(huán)節(jié)，通過虛擬與物理現實空間的融合，映射出相應物理實體的全生命周期過程[71-72]。同時，利用云計算和邊緣計算等前沿技術實現對多來源、多種類、多結構的海量數據進行即時決策、快速響應和及時執(zhí)行[73-74]。以數據流驅動技術流、資金流、人才流和物資流的高效運轉，實現減碳降排和降本增效。

在當代制造業(yè)的實踐中，使用3R技術（增強現實AR、虛擬現實VR、混合現實MR）創(chuàng)建的虛擬模型物理實體提供多維度、多時空尺度的高保真數字化映射。使用虛擬現實與增強現實技術的虛實映射和可視化顯示技術，能夠在虛擬空間中重現產品的虛擬副本[75]，便是數字孿生初級技術的應用之一。運用虛擬模型和交互性場景展示，打破了家具產品因體量問題而無法充分展示的問題，使得家具產品能夠以一種空前的直觀形式呈現給消費者[76-77]。借助數字化虛擬展示，不僅為企業(yè)在產品推廣上提供了新的途徑，也使消費者得以在家中便捷地選品、選材，節(jié)約了大量的展示環(huán)節(jié)的能耗，實現了家具的低碳展陳。

在傳統(tǒng)產品的設計研發(fā)過程中，設計師或工程師的個人經驗與專業(yè)知識往往占據主導，導致設計流程需要經過漫長的開發(fā)、測試、打樣及修改階段，且需反復迭代。但隨著小批量、個性化、定制化制造模式的興起，對縮減產品研發(fā)設計周期和提升市場響應速度有了更高要求。數字孿生技術的應用為解決物理空間與虛擬空間在產品設計狀態(tài)上的不一致性提供了有效途徑，從而降低了產品設計復雜性預測的不準確性[78-79]，這為家具產品的研發(fā)提供了更加智能化、高效率和實時性的設計服務，顯著縮短了設計周期，對減碳具有相當積極的作用。

數字孿生技術能夠實現對產品、制造過程乃至整個工廠的虛擬仿真。通過數字孿生驅動的工藝規(guī)劃、虛實映射與交互反饋產品資源和全要素全流程的全面覆蓋，實現對加工后產品形態(tài)、性能評估等進行實時預測。同時，根據實際生產結果與裝配效果，數字孿生技術能夠提出修改完善措施，實現自適應自組織的動態(tài)響應，具有可交互性、可孿生性、可組合性及可管理性。但如何根據不同的應用對象創(chuàng)建與業(yè)務需求相對應的數字孿生模型，是在不同領域應用數字孿生技術過程中需要首先解決的問題。

相較其他先進制造業(yè)，適應家具工業(yè)需求的數字孿生系統(tǒng)還處于初步探索階段，而實現家具設計、制造等各環(huán)節(jié)信息物理多維度、多層次的深度融合，全面構建面向家具智能設計、生產及能效管理的數字孿生系統(tǒng)以實現家具的低碳工業(yè)制造，則迫切需要推動家具工業(yè)中應用5G、云計算、邊緣計算、物聯網、大數據、人工智能等技術的產業(yè)升級。

3.3 面向家具產品全生命周期的減碳降排路徑

要實現家具工業(yè)的低碳轉型，須從家具產品的全生命周期進行系統(tǒng)分析。工業(yè)品的生命周期經歷了最初的產品設計、制造現場生產、企業(yè)經營產銷決策及最后到供應鏈層面的供需流通四個階段，工業(yè)互聯網可以在產品的全生命周期（PLM）中發(fā)揮價值，圖5分析了其在家具工業(yè)中減碳降排的實現路徑。

在設計和研發(fā)階段，利用數字技術推動生產模式的革新，使得人、機器、組織之間實現廣泛互聯，催生了大量的工業(yè)數據。物聯網、大數據、云計算和深度學習的快速發(fā)展，提高了制造行業(yè)的智能化程度，使企業(yè)能更準確地把握消費者需求和進行前期設計分析，同時使得生產設備具備自學習、自決策、自組織的能力。通過這些進程，能夠顯著減少能源消耗和原材料使用，提升原材料的使用效率，進而促進生產的協同和價值增長，降低后期生產實踐中設備可能產生的物料廢棄以及相關的碳排放，從而在家具設計和開發(fā)的最初環(huán)節(jié)實現減排目標。

在制造和生產階段，企業(yè)通過數字化轉型來增強其在智能化設備、工藝流程優(yōu)化、精益生產實踐、可視化管理、質量控制與溯源以及智能倉儲等關鍵領域的能力，實現提質增效減排。通過將制造生產的物理空間與虛擬空間的無縫整合，企業(yè)能夠及時識別生產過程中的安全風險和預測潛在問題，降低生產過程中的不確定性。例如使用數字孿生技術，通過構建孿生數字化工廠，企業(yè)能夠對家具生產的整個周期進行監(jiān)控和優(yōu)化，縮短產品的生產周期和供貨時間，以應對市場的激烈競爭，提高制造鏈和供應鏈的運行效率，并有效促進企業(yè)實現節(jié)能減排目標。

在運營和銷售階段，數字化技術推動制造業(yè)由供給導向轉向需求響應模式，激發(fā)了網絡化協同作業(yè)和大規(guī)模個性化定制的新興模式。信息集成技術有效地彌合了大多數企業(yè)與消費者之間的信息斷裂，確保了生產管理的綜合性和連續(xù)性。實時傳遞的用戶需求信息被智能制造系統(tǒng)分析和預測，然后將這些數據傳遞至生產鏈的其他環(huán)節(jié)，促進了能源和原材料的高效利用，減少了物料浪費。這一過程不僅提高了原材料的使用效率，還通過運營和銷售環(huán)節(jié)的精確數據反饋，實現了從制造源頭減少因需求不一致或物料浪費而產生的碳排放和無效消耗。

在管理和決策環(huán)節(jié)，數字技術可實時收集車間和生產線的各種數據，構建關鍵指標的監(jiān)控并與工藝參數相結合，通過精細的數據分析并在此基礎上進一步實現優(yōu)化，可以有效降低企業(yè)能源消耗和運營成本。對于工業(yè)安全生產管理，尤其是對實時監(jiān)控要求極高的安全敏感場合，物聯網平臺通過傳感器實現實時在線監(jiān)測和報警，基于工藝參數的趨勢分析實現智能預警。針對特定場景的視頻監(jiān)控能夠實現對危險事件的智能識別，從而預防潛在風險，確保工業(yè)生產的安全性，并降低了由意外事件引起的能源損耗。

在供應鏈環(huán)節(jié)，數字化技術能打通社會生產中生產、分配、交換、消費等各環(huán)節(jié)的信息。在家具行業(yè)的原材料采購階段，基于大數據的智能化供應分析，企業(yè)能獲得低碳和環(huán)保的采購策略；在交付環(huán)節(jié)，數字化技術的應用優(yōu)化了物流運輸的方式、路線選擇和庫存管理，實現了低碳足跡的供應和綠色倉儲，確保整個供應鏈的綠色交付。而諸如數字孿生等數字化技術的應用，有助于減少因供應鏈調度不當而導致的過剩消耗，顯著降低了依賴于碳數據的決策成本并提高了決策效率，為企業(yè)實現碳中和目標提供了高效途徑。

4 結論與展望

為應對全球氣候變化，我國在統(tǒng)籌國際國內兩個大局后做出了“雙碳”目標重大戰(zhàn)略決策，大力推進以智能技術發(fā)展為基礎的經濟、能源、產業(yè)結構的轉型升級，加快制造業(yè)數字化轉型。同時，實施以數據驅動生產方式的智能化發(fā)展，利用物聯網、大數據、5G、AI等新一代信息技術提升能源、資源和環(huán)境管理水平，深化生產制造過程的數字化應用以提高減碳效益。

“雙碳”目標下的“倒逼”機制驅動了家具工業(yè)向著“智能化、綠色化、高端化”發(fā)展，也是我國家具工業(yè)低碳轉型的動因，而低碳智造升級帶來的家具制造業(yè)轉型升級與“雙碳”目標的實現，二者相互促進是一種良性循環(huán)。通過分析智能技術在其他先進制造領域的應用現狀和家具工業(yè)中的碳足跡，從數字化的設計技術、制造技術、管控技術等方面研究了家具工業(yè)中的數字化減碳技術應用現狀，并探討了未來與新興制造模式協同創(chuàng)新的可行途徑，指出構建面向家具智能制造能效管理的數字孿生系統(tǒng)非常重要且亟待進行。

在“雙碳”目標和新一代信息技術快速迭代發(fā)展的背景下，本研究對未來新興制造模式與家具行業(yè)的綠色發(fā)展做出如下展望：1）因地制宜地制定不同規(guī)模家具企業(yè)特點的“數字化、智能化、綠色化”的“三化”融合發(fā)展機制，深化家具產品在研發(fā)設計、生產制造、使用流通及回收利用等環(huán)節(jié)的數字化應用；2）加快推動家具制造過程的關鍵工藝、裝備的智能感知和管控系統(tǒng)構建，在家具綠色制造領域應用人工智能、物聯網、云計算等先進技術，對制造過程優(yōu)化、決策優(yōu)化等問題的跨學科研究，構建覆蓋家具產品全生命周期的數字孿生（制造）系統(tǒng)，實現以數據為驅動提升家具行業(yè)綠色設計創(chuàng)新、綠色智造和運維服務水平，提高家具制造綠色轉型發(fā)展的效率和減碳效益；3）建立健全涵蓋家具全生命周期的綠色低碳數據平臺和評價體系，構建智能制造時代下家具全生命周期減碳減排的體系研究，深入挖掘能有效評價家具工業(yè)綠色低碳化的基礎數據和工業(yè)大數據資源，建立面向行業(yè)的數據共享機制，推動數據匯聚、共享和應用，完善家具工業(yè)的碳足跡追蹤系統(tǒng)。

參考文獻：

[1] 習近平.在第七十五屆聯合國大會一般性辯論上的講話[N].人民日報，2020-09-23（2）. XI J P. Speech at the general debate of the 75th session of the United Nations general assembly[N]. People’s Daily， 2020-09-23（2）.

[2] 劉志峰，黃海鴻，李磊，等.綠色制造：碳達峰、碳中和目標下制造業(yè)的必然選擇[J].金屬加工（冷加工），2022（1）：15-19. LIU Z F， HUANG H H， LI L， et al. Green manufacturing： the inevitable choice of manufacturing industry under the goal of carbon peak and carbon neutralization[J]. Metal Working （Cold Working），2022（1）：15-19.

[3] BP p.l.c. BP Statistical Review of World Energy[R]. 2022.

[4] 能源研究所.世界能源統(tǒng)計年鑒2023[EB/OL]. www.energyinst. org. Energy Research Institute. World Energy Statistics Yearbook 2023[EB/OL]. www.energyinst.org.

[5] 胡鞍鋼.中國實現2030年前碳達峰目標及主要途徑[J].北京工業(yè)大學學報（社會科學版），2021，21（3）：1-15. HU A G. China’s goal of achieving carbon peak by 2030 and its main approaches[J]. Journal of Beijing University of Technology（Social Sciences Edition），2021，21（3）：1-15.

[6] 韓夢瑤，劉衛(wèi)東，楊茗月.低碳轉型下中國高耗能行業(yè)的碳風險傳導解析：基于隱含碳關聯網絡視角[J].地理研究， 2022，41（1）：79-91. HAN M Y， LIU W D， YANG M Y. Carbon risk transmission of China’s energy-intensive industries under low-carbon transition： from the embodied carbon network perspective[J]. Geographical Research，2022，41（1）：79-91.

[7] 潘安.全球價值鏈視角下的中美貿易隱含碳研究[J].統(tǒng)計研究，2018，35（1）：53-64. PAN A. Embodied carbon in China-US trade from perspective of global value chain[J]. Statistical Research，2018，35（1）：53-64.

[8] 李新安，昝笑笑.“雙碳”目標下碳減排驅動我國制造業(yè)高質量發(fā)展研究[J].創(chuàng)新科技，2022，22（5）：57-70. LI X A， ZAN X X. Research on carbon emission reduction driving the high-quality development of China’s manufacturing industry under the “Dual carbon” target[J]. Innovation Science and Technology，2022，22（5）：57-70.

[9] 李新安，李慧.外資引入、技術進步偏向影響了制造業(yè)的碳排放嗎？—來自我國27個制造行業(yè)面板數據模型的實證檢驗[J].中國軟科學，2022（1）：159-170. LI X A， LI H. Do foreign investment and technological progress bias affect the carbon emission of China’s manufacturing industry？： based on the empirical research of manufacturing sector segmentation data[J]. China Soft Science，2022（1）：159-170.

[10] 項目綜合報告編寫組.《中國長期低碳發(fā)展戰(zhàn)略與轉型路徑研究》綜合報告[J].中國人口·資源與環(huán)境，2020，30（11）： 1-25. Project Comprehensive Report Writing Group. Comprehensive report on “China’s long-term low-carbon development strategy and transformation path”[J]. China Population， Resources and Environment，2020，30（11）：1-25.

[11] 李治國，朱永梅，高新偉.系統(tǒng)耦合下制造業(yè)碳排放達峰路徑研究——基于山東省的數據[J].華東經濟管理，2019，33（9）： 22-31. LI Z G， ZHU Y M， GAO X W. Research on the peaking path of manufacturing carbon emission under system coupling： based on the data of Shandong province[J]. East China Economic Management，2019，33（9）：22-31.

[12] 習近平.齊心開創(chuàng)共建“一帶一路”美好未來—在第二屆“一帶一路”國際合作高峰論壇開幕式上的主旨演講[EB/OL].http：//www.xinhuanet.com/politics/2019-04/26/c_ 1124420187.htm，2019-04-26. XI J P. Working together to create a bright future for “Belt and Road” cooperation： keynote speech at the opening ceremony of the 2nd “Belt and Road” forum for international cooperation[EB/OL]. http：//www.xinhuanet.com/politics/2019-04/26/c_1124420187. htm，2019-04-26.

[13] “十四五”智能制造發(fā)展規(guī)劃[EB/OL]. https：//www.gov.cn/ zhengce/zhengceku/2021-12/28/content_5664996.htm. Development plan for intelligent manufacturing during the“14th Five-year” period[EB/OL]. https：//www.gov.cn/zhengce/ zhengceku/2021-12/28/ content_5664996.htm.

[14] 卿彥.“雙碳”戰(zhàn)略目標下木竹基先進功能材料研究進展[J].中南林業(yè)科技大學學報，2022，42（12）：13-25. QING Y. Advanced functional materials derived from natural wood and bamboo resources under the dual carbon strategy in China[J]. Journal of Central South University of Forestry Technology， 2022，42（12）：13-25.

[15] 中國信息通信研究院.數字碳中和白皮書2021[EB/OL]. https：//www.vztimes.com/uploadfile/10/image/20220401/ 20220401213540_99592.pdf. China Academy of Information and Communications Technology. Digital carbon neutrality white paper 2021[EB/OL]. https：//www.vztimes.com/uploadfile/10/image/20220401/ 20220401213540_99592.pdf.

[16] 周濟，李培根，周艷紅，等.走向新一代智能制造[J]. Engineering，2018，4（1）：11-20. ZHOU J， LI P G， ZHOU Y H， et al. Toward new-generation intelligent manufacturing[J]. Engineering，2018，4（1）：11-20.

[17] 周濟.以創(chuàng)新為第一動力 以智能制造為主攻方向扎實推進制造強國戰(zhàn)略[J].中國工業(yè)和信息化，2018（9）：16-25. ZHOU J. Drive the strategy of making China a manufacturing powerhouse with innovation as the primary driving force and smart manufacturing as the main direction[J]. China Industry Information Technology，2018（9）：16-25.

[18] 姚錫凡，于淼，陳勇，等.制造物聯的內涵、體系結構和關鍵技術[J].計算機集成制造系統(tǒng)，2014，20（1）：1-10. YAO X F， YU M， CHEN Y， et al. Connotation， architecture and key technologies of internet of manufacturing things[J]. Computer Integrated Manufacturing Systems，2014，20（1）：1-10.

[19] 姚錫凡，景軒，張劍銘，等.走向新工業(yè)革命的智能制造[J].計算機集成制造系統(tǒng)，2020，26（9）：2299-2320.YAO X F， JING X， ZHANG J M， et al. Towards smart manufacturing for new industrial revolution[J]. Computer Integrated Manufacturing Systems，2020，26（9）：2299-2320.

[20] 鄭力，江平宇，喬立紅，等.制造系統(tǒng)研究的挑戰(zhàn)和前沿[J].機械工程學報，2010，46（21）：124-136. ZHENG L， JIANG P Y， QIAO L H， et al. Challenges and frontiers of manufacturing systems[J]. Journal of Mechanical Engineering，2010，46（21）：124-136.

[21] 周佳軍，姚錫凡，劉敏，等.幾種新興智能制造模式研究評述[J].計算機集成制造系統(tǒng)，2017，23（3）：624-639. ZHOU J J， YAO X F， LIU M， et al. State-of-art review on new emerging intelligent manufacturing paradigms[J]. Computer Integrated Manufacturing Systems，2017，23（3）：624-639.

[22] 姚錫凡，陶韜，葛動元.“互聯網+制造”的發(fā)展現狀與展望[J].制造技術與機床，2018（8）：29-34. YAO X F， TAO T， GE D Y. State-of-the-art survey and prospect of“Internet plus manufacturing”[J]. Manufacturing Technology Machine Tool，2018（8）：29-34.

[23] 姚錫凡，周佳軍，張存吉，等.主動制造——大數據驅動的新興制造范式[J].計算機集成制造系統(tǒng)，2017，23（1）：172-185. YAO X F， ZHOU J J， ZHANG C J， et al. Proactive manufacturing： a big-data driven emerging manufacturing paradigm[J]. Computer Integrated Manufacturing Systems，2017，23（1）：172-185.

[24] 周濟.智能制造—“中國制造2025”的主攻方向[J].中國機械工程，2015，26（17）：2273-2284. ZHOU J. Intelligent manufacturing： main direction of “Made in China 2025”[J]. China Mechanical Engineering，2015，26（17）： 2273-2284.

[25] 張映鋒，張黨，任杉.智能制造及其關鍵技術研究現狀與趨勢綜述[J].機械科學與技術，2019，38（3）：329-338. ZHANG Y F， ZHANG D， REN S. Survey on current research and future trends of smart manufacturing and its key technologies[J]. Mechanical Science and Technology for Aerospace Engineering， 2019，38（3）：329-338.

[26] 陶飛，程穎，程江峰，等.數字孿生車間信息物理融合理論與技術[J].計算機集成制造系統(tǒng)，2017，23（8）：1603-1611. TAO F， CHENG Y， CHENG J F， et al. Theories and technologies for cyber-physical fusion in digital twin shop-floor[J]. Computer Integrated Manufacturing Systems，2017，23（8）：1603-1611.

[27] 李思怡，許向陽.“雙碳目標”下家具行業(yè)綠色供應鏈的發(fā)展策略研究[J].物流工程與管理，2022，44（7）：100-102. LI S Y， XU X Y. Research on the development strategy of green supply chain in furniture industry under the goal of carbon peaking and carbon neutrality[J]. Logistics Engineering and Management，2022，44（7）：100-102.

[28] 吳義強.木材科學與技術研究新進展[J].中南林業(yè)科技大學學報，2021，41（1）：1-28. WU Y Q. Newly advances in wood science and technology[J]. Journal of Central South University of Forestry Technology， 2021，41（1）：1-28.

[29] 龍晨，龐燕，王擎天，等.家具供應鏈碳減排影響因素研究[J].中南林業(yè)科技大學學報，2024，44（3）：159-166，178. LONG C， PANG Y， WANG Q T， et al. Factors influencing carbon emission reduction in furniture supply chain[J]. Journal of Central South University of Forestry Technology，2024，44（3）： 159-166，178.

[30] 馮丹娃，曹玉昆.“雙碳”戰(zhàn)略目標視域下我國林業(yè)經濟的轉型發(fā)展[J].求是學刊，2021，48（6）：91-100. FENG D W， CAO Y K. Transformation and development of China’s forestry economy under the goal of “dual carbon”strategy[J]. Seeking Truth，2021，48（6）：91-100.

[31] 侯茂章，張典，侯晨.“雙碳”戰(zhàn)略對我國家具產業(yè)發(fā)展影響研究[J].家具與室內裝飾，2022，29（8）：18-21. HOU M Z， ZHANG D， HOU C. Research on the impact of achieving peak carbon emissions and carbon neutrality on the development of China’s furniture industry[J]. Furniture Interior Design，2022，29（8）：18-21.

[32] 侯方淼，裴潤田，劉璨，等.中國林產工業(yè)嵌入全球價值鏈對貿易隱含碳排放的影響[J].中南林業(yè)科技大學學報，2022， 42（10）：177-188. HOU F M， PEI R T， LIU C， et al. Influences of China’s forest product industry embedding in the global value chain on the embodied carbon emissions in trade[J]. Journal of Central South University of Forestry Technology，2022，42（10）：177-188.

[33] 侯方淼，王宏飛，劉璨，等.產業(yè)集聚對中國木材企業(yè)全球價值鏈地位的作用機制及其實現路徑[J].林業(yè)科學，2023，59（12）： 137-151. HOU F M， WANG H F， LIU C， et al. Mechanism of industrial agglomeration on Chinese wood enterprises’ GVC （Global value chain） position and its realization path[J]. Scientia Silvae Sinicae， 2023，59（12）：137-151.

[34] 國家統(tǒng)計局能源統(tǒng)計司編.中國能源統(tǒng)計年鑒2022[M].北京：中國統(tǒng)計出版社，2023. National Bureau of Statistics Energy Statistics Department. China energy statistical yearbook 2022[M]. Beijing： China Statistics Press，2023.

[35] 付華，李國平，朱婷.中國制造業(yè)行業(yè)碳排放：行業(yè)差異與驅動因素分解[J].改革，2021（5）：38-52. FU H， LI G P， ZHU T. Carbon emission of China’s manufacturing industry： industry differences and decomposition of driving factors[J]. Reform，2021（5）：38-52.

[36] 林小莉.新常態(tài)下林業(yè)供給側改革對木材進口的影響與對策[J].林產工業(yè)，2019，56（12）：73-75. LIN X L. Impact of forestry supply-side reform on wood import under the new normal and countermeasures[J]. China Forest Products Industry，2019，56（12）：73-75.

[37] 于海洋， 呂九芳.廢舊木家具表面處理型回收利用工藝探究[J].林產工業(yè)，2021，58（1）：54-56，61. YU H Y， LYU J F. Research on surface treatment recycling technology of waste wood furniture[J]. China Forest Products Industry，2021，58（1）：54-56，61.

[38] 詹秀麗，戴向東，吳義強，等.“雙碳”戰(zhàn)略背景下的家具減量化設計技術研究[J].家具與室內裝飾，2022，29（9）：1-5. ZHAN X L， DAI X D， WU Y Q， et al. Research on the design technology of furniture reduction under the background of “Dual carbon” strategy[J]. Furniture Interior Design，2022，29（9）：1-5.

[39] 王麗，彭葉怡，駱琦，等.基于LCA與低碳約束的家具設計方法研究[J].家具與室內裝飾，2023，30（7）：16-21. WANG L， PENG Y Y， LUO Q， et al. Research on furniture design methods based on LCA and low carbon constraints[J]. Furniture Interior Design，2023，30（7）：16-21.

[40] 李騰蛟，陳洪轉.家具產業(yè)轉型升級的國際比較與借鑒[J].價值工程，2019，38（32）：73-76. LI T J， CHEN H Z. International comparison and reference of furniture industry transformation and upgrading[J].Value Engineering， 2019，38（32）：73-76.

[41] 歐陽周洲，吳義強，陶濤，等.面向“中國制造2025”的家具數字孿生車間構建與關鍵技術展望[J].家具與室內裝飾， 2022，29（8）：1-7. OUYANG Z Z， WU Y Q， TAO T， et al. Construction of furniture digital twin shop-floor （FDTS） and prospect of key technologies for “Made in China 2025”[J]. Furniture Interior Design， 2022，29（8）：1-7.

[42] 陶濤，吳義強，戴向東，等.我國家具智能制造的高質量發(fā)展路徑研究[J].家具與室內裝飾，2022，29（7）：1-5. TAO T， WU Y Q， DAI X D， et al. Research on the high-quality development path of intelligent furniture manufacturing in China[J]. Furniture Interior Design，2022，29（7）：1-5.

[43] 王迅，陳星艷，陶濤，等.遺傳算法在板式定制家具混合流水車間調度中的應用[J].家具與室內裝飾，2022，29（11）：1-5. WANG X， CHEN X Y， TAO T， et al. Application of genetic algorithm in hybrid flow shop scheduling of panel customized furniture[J]. Furniture Interior Design，2022，29（11）：1-5.

[44] 陳星艷，陶濤，戴向東，等.蟻群算法在板式家具生產調度中的應用[J].家具與室內裝飾，2022，29（12）：1-4. CHEN X Y， TAO T， DAI X D， et al. Application of ant colony algorithm in panel furniture production scheduling[J]. Furniture Interior Design，2022，29（12）：1-4.

[45] 繆同強， 陳燕. 經濟雙循環(huán)背景下中國實木家具產業(yè)國際化發(fā)展前景[J].林產工業(yè)，2021，58（11）：124-126. MIAO T Q， CHEN Y. Prospects for the internationalization of China’s solid wood furniture industry under the background of economic double cycle[J]. China Forest Products Industry， 2021，58（11）：124-126.

[46] 繆同強， 陳燕. 經濟雙循環(huán)背景下中國實木家具產業(yè)國際化發(fā)展前景[J].林產工業(yè)，2021，58（11）：124-126. MIAO T Q， CHEN Y. Prospects for the internationalization of China’s solid wood furniture industry under the background of economic double cycle[J]. China Forest Products Industry，2021，58（11）：124-126.

[47] 中國家具協會.2023中國家具年鑒[M].北京：中國輕工業(yè)出版社，2023. China Furniture Association. China furniture yearbook 2023[M]. Beijing： China Light Industry Press，2023.

[48] 許美琪.我國家具制造業(yè)的基礎能力發(fā)展提升戰(zhàn)略（下）[J].家具，2022，43（4）：1-6，26. XU M Q. The upgrade strategy of basic abilities’ development for Chinese furniture industry （Part II）[J]. Furniture，2022，43（4）： 1-6，26.

[49] 人民日報.為中小企業(yè)插上數字化翅膀[EB/OL]. https：//www. gov.cn/xinwen/2022-11/22/content_5728194.htm，2022-11-22. People’s Daily. Empowering SMEs with digitalization wings[EB/ OL]. https：//www.gov.cn/xinwen/2022-11/22/content_5728194. htm，2022-11-22.

[50] 熊先青，岳心怡.中國家居智能制造技術研究與應用進展[J].林業(yè)工程學報，2022，7（2）：26-34. XIONG X Q， YUE X Y. Research progress in the application of big data technology to smart home manufacturing[J]. Journal of Forestry Engineering，2022，7（2）：26-34.

[51] 謝艷秋，黃艷麗，戴向東，等.基于科學知識圖譜的國內家具智能制造研究現狀分析[J].家具與室內裝飾，2022，29（10）： 6-11. XIE Y Q， HUANG Y L， DAI X D， et al. Analysis of the current research status of intelligent furniture manufacturing based on cite space scientific knowledge atlas[J]. Furniture Interior Design， 2022，29（10）：6-11.

[52] 易禮琴，何佳容，張仲鳳，等.基于NX軟件和MBD技術的圈椅數字化模型構建[J].林業(yè)工程學報，2023，8（2）：180-186. YI L Q， HE J R， ZHANG Z F， et al. Construction of digital model of round-backed armchair using NX software and MBD technology[J]. Journal of Forestry Engineering，2023，8（2）： 180-186.

[53] 歐陽周洲，吳義強，陶濤，等.大規(guī)模定制家具OPF生產鋸圖排序優(yōu)化[J].中南林業(yè)科技大學學報，2024，44（3）：149-158.OUYANG Z Z， WU Y Q， TAO T， et al. Optimization of cutting diagrams sorting in mass customization furniture OPF production[J]. Journal of Central South University of Forestry Technology，2024，44（3）：149-158.

[54] 許柏鳴.中國家具行業(yè)的現狀與未來趨勢研究[J].家具與室內裝飾，2023，30（1）：1-3. XU B M. Research on the current state and future trend of the Chinese furniture industry[J]. Furniture Interior Design， 2023，30（1）：1-3.

[55] 陳越，余肖紅.數字化設計技術在定制家具中的應用探析[J].家具與室內裝飾，2021，28（4）：26-29. CHEN Y， YU X H. Analysis on the application of digital design technology in custom furniture[J]. Furniture Interior Design，2021，28（4）：26-29.

[56] 于海斌，朱云龍.協同制造：E時代的制造策略與解決方案[M].北京：清華大學出版社，2004. YU H B， ZHU Y L. Collaborative manufacturing： manufacturing strategies and solutions in the E-era[M]. Beijing： Tsinghua University Press，2004.

[57] 陳園，方慶寧，熊芷璇，等.Chat GPT和MJ在家居設計領域應用的機遇與挑戰(zhàn)[J].家具與室內裝飾，2023，30（12）：51-55. CHEN Y， FANG Q N， XIONG Z X， et al. Opportunities and challenges of the application of ChatGPT and MJ in the field of home design[J]. Furniture Interior Design，2023，30（12）：51-55.

[58] 朱詠梅，李玉玲，奚崢皓，等.注意力可變形卷積網絡的木質板材瑕疵識別[J].西南大學學報（自然科學版），2024，46（2）： 159-169. ZHU Y M， LI Y L， XI Z H， et al. Attention deformable convolutional networks for wooden panel defect recognition[J]. Journal of Southwest University （Natural Science Edition）， 2024，46（2）：159-169.

[59] 苗宇杰，祝詩平，普京，等.基于卷積神經網絡的家具木材圖像種類識別[J].林業(yè)科學，2023，59（8）：133-140. MIAO Y J， ZHU S P， PU J， et al. Recognition of furniture wood image species based on convolutional neural networks[J]. Scientia Silvae Sinicae，2023，59（8）：133-140.

[60] 張飛宇，蘭揚，朱偉，等.基于圖卷積網絡的兒童坐姿檢測學習桌椅設計方法研究[J].家具與室內裝飾，2024，31（1）：96-100. ZHANG F Y， LAN Y， ZHU W， et al. Research on the design method of children’s sitting posture detection study table and chair based on graph convolutional network[J]. Furniture Interior Design，2024，31（1）：96-100.

[61] 熊先青，馬清如，袁瑩瑩，等.面向智能制造的家具企業(yè)數字化設計與制造[J].林業(yè)工程學報，2020，5（4）：174-180. XIONG X Q， MA Q R， YUAN Y Y， et al. Digital design and manufacturing of furniture enterprises oriented to intelligent manufacturing[J]. Journal of Forestry Engineering，2020，5（4）： 174-180.

[62] 胡玉婷，陳星艷，陶濤，等.基于遺傳算法的板式定制家具異形件排樣優(yōu)化研究[J].家具與室內裝飾，2023，30（11）：8-11. HU Y T， CHEN X Y， TAO T， et al. Research on specialshaped parts layout optimization of panel customized furniture based on genetic algorithm[J]. Furniture Interior Design， 2023，30（11）：8-11.

[63] 沈國峰，陶濤，黃瓊濤，等.遺傳算法在家具生產調度中的應用[J].林產工業(yè)，2018，45（12）：57-60. SHEN G F， TAO T， HUANG Q T， et al. Application of genetic algorithm in furniture production scheduling[J]. China Forest Products Industry，2018，45（12）：57-60.

[64] 陶濤，王潔，劉忠會，等.基于蟻群聚類算法的板式定制家具訂單聚類分析[J].林產工業(yè)，2020，57（5）：49-52. TAO T， WANG J， LIU Z H， et al. Clustering analysis of panel customized furniture orders based on ant colony clustering algorithm[J]. China Forest Products Industry，2020，57（5）：49-52.

[65] 康友冰，王張恒，孫德林，等.基于模擬退火算法的MTS型實木家具生產調度優(yōu)化研究[J].家具與室內裝飾，2022，29（9）： 35-39. KANG Y B， WANG Z H， SUN D L， et al. Study on the optimization of MTS solid wood furniture production scheduling based on simulated annealing algorithm[J]. Furniture Interior Design，2022，29（9）：35-39.

[66] 趙曉冬.先進制造技術在我國發(fā)展狀況的分析[J].裝備制造技術，2010（2）：131-132，134. ZHAO X D. Advanced manufacturing technology， analysis of the situation in China’s development[J]. Equipment Manufacturing Technology，2010（2）：131-132，134.

[67] 馬澤鋒，吳智慧，沈忠民，等.基于ERP+MES平臺協同的實木定制家具企業(yè)排產計劃研究[J].林產工業(yè)，2020，57（8）： 53-57. MA Z F， WU Z H， SHEN Z M， et al. Research on production scheduling plan of solid wood customized furniture enterprises based on ERP+MES platform[J]. China Forest Products Industry，2020，57（8）：53-57.

[68] 袁瑩瑩，熊先青，龔建釗.基于ERP與MES信息交互的板式定制家具揉單排產技術[J].木材科學與技術，2021，35（4）：30-35. YUAN Y Y， XIONG X Q， GONG J Z， et al. Mixing and scheduling technology based on information interaction between ERP and MES for customized panel-furnitures[J]. Chinese Journal of Wood Science and Technology，2021，35（4）：30-35.

[69] 任磊，賈子翟，賴李媛君，等.數據驅動的工業(yè)智能：現狀與展望[J].計算機集成制造系統(tǒng)，2022，28（7）：1913-1939. REN L， JIA Z Z， LAI L Y J， et al. Data-driven industrial intelligence： current status and future directions[J]. Computer Integrated Manufacturing Systems，2022，28（7）：1913-1939.

[70] 中新網.業(yè)界共話智能制造轉型發(fā)展：需要多環(huán)節(jié)、多部門的數據融合[EB/OL]. https：//www.chinanews.com.cn/cj/2022/01-06/9645729.shtml， 2022-01-06. China News Service. Industry discusses intelligent manufacturing transformation and development： the need for data integration across multiple links and departments[EB/OL]. https：//www. chinanews.com.cn/cj/2022/01-06/9645729.shtml，2022-01-06.

[71] 李雪瑞，侯幸剛，楊梅，等.數字孿生驅動的工業(yè)產品CMF設計服務模型構建與應用[J].計算機集成制造系統(tǒng)，2021，27（2）： 307-327. LI X R， HOU X G， YANG M， et al. Construction and application of CMF design service model for industrial products driven by digital twins[J]. Computer Integrated Manufacturing Systems， 2021，27（2）：307-327.

[72] 陶飛，馬昕，戚慶林，等.數字孿生連接交互理論與關鍵技術[J].計算機集成制造系統(tǒng)，2023，29（1）：1-10. TAO F， MA X， QI Q L， et al. Theory and key technologies of digital twin connection and interaction[J]. Computer Integrated Manufacturing Systems，2023，29（1）：1-10.

[73] 陶飛，劉蔚然，張萌，等.數字孿生五維模型及十大領域應用[J].計算機集成制造系統(tǒng)，2019，25（1）：1-18. TAO F， LIU W R， ZHANG M， et al. Five-dimension digital twin model and its ten applications[J]. Computer Integrated Manufacturing Systems，2019，25（1）：1-18.

[74] SATYANARAYANAN M. The emergence of edge computing[J]. Computer，2017，50（1）：30-39.

[75] 陶飛.數字孿生十問：分析與思考[J].計算機集成制造系統(tǒng)， 2020（1）：1-17. TAO F. Ten questions towards digital twin： analysis and thinking[J]. Computer Integrated Manufacturing Systems， 2020（1）：1-17.

[76] 詹秀麗，戴向東.基于虛擬現實技術的家具O2O銷售模式初探[J].家具與室內裝飾， 2016，23（9）：20-21. ZHAN X L， DAI X D. Exploring the O2O sales model of furniture based on virtual reality technology[J]. Furniture Interior Design，2016，23（9）：20-21.

[77] 沈君承，羅鴻，陳赟冰.中美市場比較視域下我國大眾線上零售家裝部品研究[J].家具與室內裝飾，2024，31（1）：5-10. SHEN J C， LUO H， CHEN Y B. Study of Chinese mass online retail home decoration products in the comparative perspective of Sino-US markets[J]. Furniture Interior Design， 2024，31（1）：5-10.

[78] 王昊琪，李浩，文笑雨，等.基于數字孿生的產品設計過程和工作量預測方法[J].計算機集成制造系統(tǒng)，2022，28（1）：17-30. WANG H Q， LI H， WEN X Y， et al. Digital twin-based product design process and design effort prediction method[J]. Computer Integrated Manufacturing Systems，2022，28（1）：17-30.

[79] 莊存波，劉檢華，熊輝，等.產品數字孿生體的內涵、體系結構及其發(fā)展趨勢[J].計算機集成制造系統(tǒng)，2017，23（4）： 753-768. ZHUANG C B， LIU J H， XIONG H， et al. Connotation， architecture and trends of product digital twin[J]. Computer Integrated Manufacturing Systems，2017，23（4）：753-768.

[本文編校：吳 彬]