基于GM（1，1）模型的智能制造人才需求預(yù)測

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)測模型GM(1,1)對江蘇省的高技術(shù)產(chǎn)業(yè)人才需求進(jìn)行了預(yù)測。顏艷（2021）使用GM(1,1)對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。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制造業(yè)或技術(shù)服務(wù)人才需求進(jìn)行預(yù)測?；疑A(yù)測模型GM（1，1）是單一預(yù)測方法中常用的模型，預(yù)測精度較好，廣泛應(yīng)用于多種領(lǐng)域的需求預(yù)測研究當(dāng)中。

二、計量模型與數(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估評價公共服務(wù)平臺2019~2022年的年度報告。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)展報告。

（二）分析方法

灰色理論是一種動態(tài)模糊預(yù)測模型。與曲線擬合相比，灰色模型預(yù)測具有不需要大量原始數(shù)據(jù)、對數(shù)據(jù)分布沒有要求等優(yōu)點。在實際應(yīng)用中，可以通過從已知信息中提取有價值的內(nèi)容來對系統(tǒng)進(jìn)行監(jiān)控。本文采用的預(yù)測模型為 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分布，構(gòu)建灰色預(yù)測模型GM（1，1）并對此后兩年的數(shù)據(jù)進(jìn)行預(yù)測，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，對其后兩年的增速進(jìn)行預(yù)測。

（三）灰色預(yù)測模型的構(gòu)建

由于 GM（1，1）模型在建模過程中要求監(jiān)測數(shù)據(jù)的時間間隔相等，而智能制造人才需求數(shù)據(jù)的時間間隔并不相等。因此，利用三次插值法將非等時智能制造人才需求數(shù)據(jù)等時化，形成智能制造人才需求數(shù)據(jù)序列。

（四）對模型進(jìn)行精度檢驗

誤差C越小，預(yù)測精度越高。本文采用SPSS au 和Excel 進(jìn)行模型構(gòu)建和精度檢驗，若模型平均相對誤差小于0.1，后驗差比值小于等于0.35，則模型準(zhǔn)確性和實用性較好可以用作預(yù)測模型。

三、分析結(jié)果

（一）智能制造自診斷企業(yè)數(shù)量預(yù)測

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，其中，2020年的預(yù)測值低于實際值，預(yù)測結(jié)果偏低，2021年預(yù)測結(jié)果高于實際結(jié)果，2022年預(yù)測結(jié)果與實際結(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，初步估計到2024年，開展智能制造能力成熟度自診斷企業(yè)的累計數(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

 （二）智能制造成熟度等級分布預(yù)測結(jié)果

從等級分布情況來看，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。這一趨勢使得一級及以下成熟度的企業(yè)數(shù)量逐漸減少，同時四級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。本文對一級及以下、二級、三級、四級及以上的比例逐個進(jìn)行建模和預(yù)測，生成如下匯總表。表2中對2023和2024年的智能制造能力成熟度等級分布比例估計顯示，未來兩年，二級、一級及以下的制造業(yè)企業(yè)可能仍然占到七成以上。

表 2：模型預(yù)測值表格

在模型構(gòu)建之前，我們首先進(jìn)行了級比值檢驗，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，因此我們在時間序列分析中未考慮季節(jié)性因素。我們對原始數(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)的級比檢驗值均落在了標(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

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，以及后驗比C值和小誤差概率p值。模型精度等級較好，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)測值表格

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，推動了工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)平臺和自動化生產(chǎn)等平臺和設(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)展格局不僅對國內(nèi)的制造業(yè)轉(zhuǎn)型升級有長期的導(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)測模型在智能制造業(yè)人才需求預(yù)測所需的樣本數(shù)據(jù)較少，預(yù)測精度較高。但對于復(fù)雜的數(shù)據(jù)預(yù)測效果并不理想，本文只對其后兩年的數(shù)據(jù)進(jìn)行預(yù)測。隨著智能制造的發(fā)展，預(yù)計到2024年，開展智能制造能力成熟度自診斷企業(yè)的累計數(shù)量大約是2020年的10倍。未來兩年，二級、一級及以下的制造業(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)量仍有增長空間，成熟度中等偏下的企業(yè)仍占大多數(shù)，對智能制造中低端人才的需要短期內(nèi)不會減少。智能制造評估服務(wù)團(tuán)隊和相關(guān)咨詢服務(wù)機構(gòu)也需要專業(yè)人才。

對企業(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)計劃對現(xiàn)有員工進(jìn)行技能再培訓(xùn)，必要時還需要重新設(shè)計工作流程，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://00559.cn/w/kj/30978.html