基于GM（1，1）模型的智能制造人才需求預測

一、引言

周濟（2015）在文章中提到，“中國制造2025”，以創(chuàng)新驅動發(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，學者們對智能制造開始給予更多關注?！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系起來的出版物。美國國家標準與技術研究院（NIST）和智能制造領導聯盟（SMLC）對當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域：首先是智能裝備，包括了基礎零部件和裝置、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)設計類軟件、生產制造類軟件、經營管理類軟件、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）通過使用一種改進的灰色預測模型GM(1,1)對江蘇省的高技術產業(yè)人才需求進行了預測。顏艷（2021）使用GM(1,1)對高職軟件和信息技術服務人才的需求進行了預測。從以上文獻中可以看出，我國學者采用多樣化的方法對制造業(yè)或技術服務人才需求進行預測?；疑A測模型GM（1，1）是單一預測方法中常用的模型，預測精度較好，廣泛應用于多種領域的需求預測研究當中。

二、計量模型與數據來源

（一）研究數據

本研究中，參與智能制造能力成熟度自診斷企業(yè)數量和成熟度分布相關數據來自中國智能制造評估評價公共服務平臺2019~2022年的年度報告。智能制造人才招聘職位同比增速數據來自智聯招聘發(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)模糊預測模型。與曲線擬合相比，灰色模型預測具有不需要大量原始數據、對數據分布沒有要求等優(yōu)點。在實際應用中，可以通過從已知信息中提取有價值的內容來對系統(tǒng)進行監(jiān)控。本文采用的預測模型為 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)數量及智能制造能力成熟度等級分布，構建灰色預測模型GM（1，1）并對此后兩年的數據進行預測，根據智聯招聘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行預測。

（三）灰色預測模型的構建

由于 GM（1，1）模型在建模過程中要求監(jiān)測數據的時間間隔相等，而智能制造人才需求數據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據等時化，形成智能制造人才需求數據序列。

（四）對模型進行精度檢驗

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

三、分析結果

（一）智能制造自診斷企業(yè)數量預測

由表1可知，參與智能制造自診斷的企業(yè)數量總體呈逐年上漲的趨勢，其中，2020年的預測值低于實際值，預測結果偏低，2021年預測結果高于實際結果，2022年預測結果與實際結果較為接近。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)數量預測

 （二）智能制造成熟度等級分布預測結果

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行建模和預測，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：模型預測值表格

在模型構建之前，我們首先進行了級比值檢驗，由于我們獲取的數據為年度數據，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。我們對原始數據進行平移轉換，即在原始值基礎上加上了平移轉換值1.00。經過平移轉換后，數據的級比檢驗值均落在了標準范圍區(qū)間[0.670, 1.492]內，這表明本數據適用于GM(1,1)模型的構建。

表 3：模型構建結果

從上表可知，模型構建后得到發(fā)展系數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，預計2023年和2024年智能制造相關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)加快了數字化轉型的步伐，利用數字化技術發(fā)展企業(yè)的供應鏈，推動了工業(yè)互聯網、物聯網平臺和自動化生產等平臺和設備的建設。此外，構建以國內大循環(huán)為主、國內國際雙循環(huán)相互促進的新發(fā)展格局不僅對國內的制造業(yè)轉型升級有長期的導向作用，在短期內能也能促進其發(fā)展。

四、結論

GM(1，1)灰色預測模型在智能制造業(yè)人才需求預測所需的樣本數據較少，預測精度較高。但對于復雜的數據預測效果并不理想，本文只對其后兩年的數據進行預測。隨著智能制造的發(fā)展，預計到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，預計2023年和2024年智能制造相關職位的同比增速仍然在50%左右。

根據參與CMMM企業(yè)的數量，未來兩年智能制造企業(yè)數量仍有增長空間，成熟度中等偏下的企業(yè)仍占大多數，對智能制造中低端人才的需要短期內不會減少。智能制造評估服務團隊和相關咨詢服務機構也需要專業(yè)人才。

對企業(yè)而言，可以通過吸引和招聘所需的新人才，還可以通過培訓計劃對現有員工進行技能再培訓，必要時還需要重新設計工作流程，以消除崗位與員工之間的技能不匹配。與當地大學和職業(yè)教育與培訓機構建立聯系，以培養(yǎng)員工所需的新技能。

文章來源：  《上海輕工業(yè)》  http://xwlcp.cn/w/kj/30978.html