中國新能源裝備智造化發展技術路線圖研究

孟凡生，李曉涵

(哈爾濱工程大學 經濟管理學院，黑龍江 哈爾濱 150001)

中國新能源裝備智造化發展技術路線圖研究

孟凡生，李曉涵

(哈爾濱工程大學 經濟管理學院，黑龍江 哈爾濱 150001)

中國正處于裝備制造和能源革命邁向智能制造的交匯點，未來新能源裝備智造的發展必須有明確的技術路線圖來指引。運用詞頻分析與TOPSIS相結合的分析方法確定新能源裝備關鍵智造化技術，在此基礎上，引入技術預見方法分析并構建新能源裝備智造化指標體系。通過對指標數據進行分析發現，工業軟件、工業物聯網、工業機器人三項智造化技術對中國新能源裝備制造面向智能制造轉型具有重要作用，以技術路線圖繪制三項智造化技術在智能制造進程中的發展脈絡，為新能源裝備制造領域未來工藝流程、產品服務以及運營管理的智能轉型提供了參考與借鑒。

新能源裝備；智能制造；技術路線圖

Abstract：China is in the intersection of equipment manufacturing and energy revolution towards intelligent manufacturing. The future development of new energy equipment intelligent manufacturing must have a clear technology roadmap to guide. First, we identify the key intelligent manufacturing technology of new energy equipment manufacturing using a combination of term frequency analysis and TOPSIS. Then we introduce the technology foresight method and construct the new energy equipment intelligent manufacturing index system. Based on the data analysis, we found that industrial software, industrial internet of things, industrial robot plays an important role in the transformation of Chinese new energy equipment manufacturing. After that, we display the development sequence of three intelligent manufacturing technologies in the process of intelligent manufacturing transformation in the form of technology roadmap. The results show that three intelligent manufacturing technologies provide a reference for the intelligent transformation of new energy equipment manufacturing in the process flow, product service and operation management.

Keywords:new energy equipment; intelligent manufacturing; technology roadmap

一、引言

在“中國制造2025”發展戰略的主導下，產業可持續發展與轉型升級已經成為中國經濟發展的新常態。國家積極將高端裝備制造業作為七大戰略性新興產業之一，著重從強化科技創新、積極培育市場、深化國際合作、推進機制體制創新等方面提出了較為具體的產業扶持政策[1]。新能源裝備制造業作為新能源行業與節能環保行業再生產技術裝備供應的戰略性支柱產業，因其具備高新技術引領、創新驅動、高附加值以及綠色發展等良好成長特征，在高端裝備制造業中脫穎而出[2]。截至2016年底，太陽能光伏發電新增裝機容量3454萬千瓦，累計并網裝機容量7742萬千瓦，新增和累計裝機容量均為全球第一；風電新增裝機容量2337萬千瓦，同比下降24%，累計并網裝機容量1.49億千瓦，占全部發電裝機容量的9%。這些數據都顯示出國家在堅持走跨越式發展的道路上，新能源裝備制造領域已經取得了一批重大技術成果。然而也必須認識到，中國新能源裝備制造業仍面臨著高端生產要素匱乏與低端生產要素優勢喪失的雙重壓力，處于加速轉型升級的攻堅時期[3]。中國新能源裝備制造業要取得里程碑式的突破，不僅依賴于重大技術創新，同時還要求產業的發展能夠順應市場的需求與變化，將發展重心轉向智能化、綠色化、服務化。新能源裝備制造面向智能制造發展過程中，明確技術路線圖能夠展示在該領域內相關的智造化發展趨向、智造化關鍵技術、智造化技術實現時間、限制因素等問題，并以科學方法規范技術發展過程，從而使智造化設計、工藝、產品、服務等各個系統得到整體優化，提高組織資源配置效率，促使新能源裝備制造在較低成本條件下實現其最大產品功能。

二、文獻綜述

(一)技術路線圖框架研究

技術路線圖作為一種過程管理工具，能夠有效地支持戰略規劃、整合業務技術以及不同層面計劃間的溝通，被廣泛應用于各技術產業的研究中[4-5]。Phaal等提出技術路線圖的制定主要回答以下三個問題：我們的目標是什么？即什么是我們的愿景、使命、任務等；我們目前狀況怎樣？即研究領域的技術、產品和市場的現狀；我們怎樣才能完成目標？即短期和長期戰略、政策措施、實施計劃、研發計劃等[6]。劉傳林等通過對從國家、行業和企業層面選取的技術路線圖經典案例進行分析，歸納出技術路線圖制定的一般性流程，并針對路線圖準備、分析、繪制和更新各階段對應設計出完備機制、融合機制、規范機制和評價機制，從而提高技術路線圖的靈動性[7]。Skumanich等研究光伏技術路線圖時認為，以光伏產量作為首選變量對技術預測結果更好，并提出了基于高水平軌跡的TD路線圖、基于性能的路線圖、技術評估路線圖[8]。Foxon研究英國未來低碳電力轉型路徑時提出，以市場、政府和社會占主導地位的三個核心轉型路徑[9]。黃萃等突破傳統技術路線圖市場—產品—技術維度設計，將政策變量按照需求面、環境面和供給面納入研究范疇，實證分析政策技術路線圖對風機制造業發展路徑的解釋力[10]。許冠南等進一步從創新政策對技術影響機理的視角研究中國風電發展技術路線圖[11]。文獻中多試圖構建一個新型技術路線圖的分析框架，并選取某一具體新能源裝備領域(如風機制造業)進行實證分析，其中涉及對使命愿景、參與者維度以及政策激勵等研究，該類型文獻較側重于技術路線圖分析框架的創新。

(二)技術路線圖方法研究

在研究方法方面，國外學者并不局限于定性分析，個別學者還采用了多目標決策等定量分析方法，例如Naim等以資源利用率、環境容量、經濟效益、社會效益為測定標準，評估符合可持續發展路徑要求的新能源技術系統[12]。與國外研究相比，國內雖已有學者開始關注于新能源裝備制造相關問題的研究，但多主要集中于發展現狀、技術創新、國內外發展模式比較等方面的分析。關于新能源裝備制造技術路線圖制定方法鮮有研究，但已經深刻意識到了技術路線圖研究對新能源裝備制造的重要意義，探索性地開展了一些研究。張嶷等以文獻計量學進行定量數據分析，并引入專家判斷，為新能源汽車技術領域制定全球技術路線圖[13]。郭俊芳等利用Subject-Action-Object文本挖掘技術，以技術路線圖形式構建新興技術方案群，用于新興技術路徑識別[14]。郭穎等提出了一種“自頂向下”的技術規劃方法，并以太陽能電池行業為例分析，在掌握太陽能電池技術領域整體環境的前提下，進而對各技術進行比較與分析，最后確定如何在生產層實施太陽能技術領域發展方案[15]。由此可以看出，大部分研究采用文本挖掘、專利分析等方法針對某一具體新能源裝備領域制定技術路線圖，該類技術路線圖的制定采用定量分析方法，但只能對目前領域內發展演進現狀進行描述，不涉及對未來發展趨勢的展望。研究者將焦點更多地投向技術路線圖制定方法和具體應用，分析的對象主要局限于某一具體新能源裝備制造領域，缺乏對新能源裝備制造整體性的趨勢預測，也尚未綜合考慮制造業智能轉型的模式。本文將嘗試不受限于具體產業，從產業整體角度出發，繪制新能源裝備制造面向智能制造發展的技術路線圖。

三、新能源裝備智造化技術識別與愿景

(一)理論及步驟

研究向智能制造發展的技術路線圖，明確新能源裝備智造化愿景，在技術路線圖制定前尤為關鍵。愿景是組織對具有不確定性未來的一種有根據有階段性的設想，是組織在未來為之奮斗希望實現的一種理想規劃。愿景具有開創性，也許短期內不能夠實現，但在努力實現愿景的過程中，特別是在相應的使命驅動下，可以實現眾多組織的小目標，利益相關者可以在其指引下追尋發展目標方向，從而有效地執行戰略規劃。

在智造化愿景指導下，技術識別與技術預見在技術路線圖研究過程中是相輔相成的。一方面，技術識別為技術預見的基礎，通過文獻計量、IPC分類分析、數據挖掘等技術識別方法，能夠充分把握當前新能源裝備制造業面向智能制造技術發展的動態趨勢，才能對智造化技術進行合理有效的預見；另一方面，技術預見的結果又為新一輪研究的技術識別起到了促進作用，通過情景分析法、專家咨詢法、德爾菲調查法等遴選出的關鍵智造化技術，能夠為新能源裝備制造面向智能制造發展下一進程的技術識別研究提出預測方向[16]。詞頻分析作為一種有效的技術識別方法，通過對能夠揭示文獻主旨的關鍵詞或主題詞在某一研究領域文獻中出現頻次的統計，來確定該領域研究熱點和發展趨向，一般分為數據檢索、排查、統計分析三階段。智能制造已成為中國新能源裝備制造業的風向標，學者們隨之發表了相關智造化技術研究文獻，其中涉及領域內智造化技術的及時信息與動態。因此，在進行新能源裝備智造化技術識別時可以采用詞頻分析的方法對文獻進行數據挖掘，分析形成新能源裝備智造化技術清單。

TOPSIS法是為解決多屬性決策問題而提出的一種接近于線性加權平均方法的排序法[17]，根據有限個評價對象與理想解的相對接近度進行排序，所選擇的評價對象應盡可能地接近正理想解，同時又盡可能地遠離負理想解[18]。通過TOPSIS法對各項智造化技術綜合排序，計算步驟如下：

①建立原始決策矩陣：

o1o2…o3

(1)

式中，xi記為第i項智造化技術；oj記為第j個評價屬性；xij記為第i項智造化技術的第j個評價屬性的數值結果。

②對各項數值結果進行規范化處理，將決策矩陣A轉換為規范決策矩陣F={uij}，即：

(2)

③構建加權決策矩陣，依據各評價屬性的重要性程度分配權重w，公式為：

(3)

(4)

(5)

(6)

⑥計算各項智造化技術與正理想解的相對接近度可定義為：

(7)

顯然，φi∈[0,1]，且φi越大，其所對應的智造化技術在新能源裝備制造領域越具發展前景。

(二)智造化技術應用

面向智能制造轉型是一個技術升級的過程，涉及到生產工藝、生產成品及交付使用后續服務不同類型的設計、材料、系統、工藝等技術。因而，識別出新能源裝備智造化的關鍵技術，對于合理有效地配置有限的資源，幫助企業更準確把握產業發展脈搏具有重要意義。為能夠對新能源裝備制造領域智造化的技術熱點和技術發展趨向進行全面解析，本文以中國期刊全文數據庫CNKI為統計數據來源，以2005年至2017年為選取年間，分別以“新能源裝備”、“智能制造技術”、“裝備制造業”為主題詞進行檢索，通過篩選SCI、CSSCI、EI文獻來源類別共得到277條結果。對277條檢索記錄進一步排查，剔除與主題相關度較低的冗余文獻及會議征稿通知等，最終得到139篇文獻，導出End Note文本格式作為文獻樣本數據。使用SATI軟件對樣本數據提取關鍵詞進行詞頻統計，并導入Net Draw生成共現關鍵詞矩陣圖譜，如圖1所示。根據共現頻次歸納，最終確定工業軟件、工業物聯網、工業機器人三項智造化技術用于TOPSIS分析，這三項技術皆可應用到新能源裝備制造業的多個環節，同時它們之間不盡屬同一范疇，應用的學科知識也不相同，并都屬于新能源裝備智造化關鍵的共性技術。

將三項智造化技術記作x1、x2、x3。在智造化技術評價屬性方面，應著眼于未來，除了關注技術本身發展趨勢外，還需考慮市場和社會需求的驅動力因素，并兼顧技術將帶來的經濟效益與社會效益。綜上，在對三項新能源裝備智造化技術進行綜合評價時，主要考慮技術的應用范圍(o1)、潛在市場規模(o2)、提升產品競爭力(o3)三個屬性。綜合考慮國家戰略目標和市場需求，邀請到10位專家參加調研。其中，包括來自高校、相關工程科研機構的專家學者，以及來自生產新能源裝備企業的技術人員，他們大多從事新能源裝備研發工作，具備新能源裝備智造化技術背景。本文采用9標度法分別將技術的重要性程度和評價屬性的重要性程度兩兩進行對比評分，并使用SPSS軟件對收集到的各技術的評分進行統計分析。共發出問卷10份，全部回收，評價屬性重要性分析結果見表1。經SPSS軟件統計，評價屬性重要性的Kendall協調系數W為0.553，Asymp.Sig.小于0.01，表示評分者的評分具有一定的評分信度。可以得到評價屬性oj的重要性程度wi=(0.34,0.26,0.40)T。類似地，可以得到各智造化技術xi關于評價屬性oj的決策矩陣。再利用TOPSIS的計算方法加以分析，結果見表2表3。結果顯示，三項智造化技術的綜合評價指數順序為x2>x1>x3，即工業物聯網技術的得分較高，工業軟件技術得分次之，工業機器人技術得分較低。

圖1 關鍵字共現關鍵詞矩陣圖譜

目前中國新能源裝備制造業自主創新能力薄弱，受短期投機利益吸引，催生產業規模擴張過快、低水平重復建設，進而在產業成長期出現產能過剩問題，產業發展核心技術缺失，低端制造環節盲目擴張，缺乏高性能本土化裝備。共同愿景應建立在中國新能源裝備制造業現狀與關鍵智造化技術基礎上，將工業物聯網、工業軟件以及工業機器人關鍵智造化技術深度應用到新能源裝備制造的各個環節，逐步完善新能源科技裝備研發體系，建成具有國際先進水平的新能源技術自主創新體系和新能源裝備自主制造體系，新能源裝備制造能力完全滿足國內需求并具備較高的國際競爭力；基本實現數字化制造，關鍵工序數控化，智能工廠、數字化車間、數字化研發設計工具普及，向智能轉型取得明顯進展；加快培育建設一批擁有自主知識產權和自主品牌、核心競爭力強、行業領先的新能源裝備制造企業。

表1 評價屬性重要性分析結果

表2 加權決策矩陣值

表3 各智造化技術與正負理想解及相對接近度

四、新能源裝備智造化技術路線圖制定

(一)智造化技術預見模型

專家咨詢法是典型的以專家經驗為基礎的單一型技術預見方法，使用該方法進行學術研究存在一定的限制性和不確定性。在進行預測的過程中，專家可能會選取過去的某一參考點作為此次預測的基礎，再依據目前實際狀況對預測結果進行調整；對預測對象的主觀看法也會影響預測結果的可靠性，專家易受專業知識、興趣偏好、經驗、打分尺度等主觀因素的制約，只注意收集獲取支持其觀點的信息，而忽略其他解釋信息。因此，僅依靠專家的預測結論說服力較弱。專家咨詢法與詞頻分析科學計量相結合的組合型方法在技術預見研究中被廣泛采用，在技術路線圖制定方面存在其顯著的優勢。一方面，將定量方法引入到技術預見中，與定性方法結合，一定程度上可以彌補預見結果缺乏客觀性與準確性的問題；另一方面，在預見的進程中聚集了領域內各技術專家，可以更好地綜合每份問卷每位專家個體意見得到群體意見，將關鍵智造化技術預期實現時間、創新模式、制約因素等信息一并展現出來，作為智造化技術路線圖制定的有效支撐[19]。

通過詞頻分析與TOPSIS多屬性決策方法，得到了新能源裝備制造面向智能制造的關鍵智造化技術。基于在以上研究工作結果，進行技術預見分析。為實現新能源裝備制造業智造化轉型升級提質增效，圍繞智能轉型、綠色發展、創新驅動等概念設計出表4調查問卷指標體系。

表4 新能源裝備制造面向智能制造路線圖調查指標體系

①指標賦值。為避免專家對新能源裝備智造化技術領域熟悉程度不同而產生對預見結果的影響，對回收的調查問卷，以專家對其熟悉程度的不同為依據進行賦權，具體數值見下表5。

表5 指標賦值原則

②智造化技術預期實現的時間。ti(i=1,2,3)分別表示選擇2016-2020、2020-2025、2025-2030選項的人數占參與回答此問題人數的百分比，令t=max{t1,t2,t3}，T為預期實現的時間。當t=t1時，則T=2018+t2×5+t3×10；當t=t2時，則T=2023-t1×5+t3×5；當t=t3時，則T=2028-t1×10-t2×5。

③技術自身成長推動程度。若選擇技術自身成長對智造化轉型推動程度很高、高、較高、一般高、不高選項的分別有n(Hi)人次(i=1,2,3,4,5)；分別量化以五個程度的不同分值Hi為9、7、5、3、1；f(Hi)代表技術自身成長推動指標的專家權重。

④社會經濟對其需求程度。若選擇社會經濟對其需求程度很高、高、較高、一般高、不高選項的分別有n(Ii)人次(i=1,2,3,4,5)；分別量化以五個程度的不同分值Ii為9、7、5、3、1；f(Ii)代表社會經濟對其需求程度指標的專家權重。

⑤智造化技術的研發水平。若選擇國際領先、落后于國際領先但基本持平、落后國際領先水平5-10年、落后國際領先水平10年以上、無法預測分別有n(Ki)人次(i=1,2,3,4,5)；分別量化以五個程度的不同分值Ki為9、7、5、3、1；f(Ki)代表智造化技術研發水平指標的專家權重。

⑦智造化過程制約因素。新能源裝備制造面向智能制造發展中的制約因素可以用M表示，令M=max(M1，M2，M3，M4，M5)，其中M1、M2、M3、M4、M5分別表示為選擇教育與人才培養、政府R&D投入、產學研的交流合作、資本與技術結合、產業基礎選項的人數占參與回答此問題人數的百分比。

(二)智造化技術經濟分析

智造化技術在新能源裝備制造領域的預期實現時間是技術預見模型中的核心任務之一，通過對三項智造化技術實現時間的科學測定,可以有效地把握在該領域內科學技術未來發展方向，為企業的計劃和控制決策提供可靠的依據。分析篩選出的三項關鍵智造化技術的預期實現時間見下表6，發現三項關鍵智造化技術預期實現時間集中在2021年至2025年，各技術之間體現了較高的聚集度。可以認為，工業軟件、工業物聯網、工業機器人三項關鍵智造化技術將對新能源裝備制造業面向智能制造發展起到至關重要的作用。

表6 新能源裝備關鍵智造化技術預期實現時間

通過技術自身成長推動程度和社會經濟對其需求程度兩項技術指標可以綜合反映智造化技術可實現程度。技術自身成長推動程度和社會經濟對其需求程度越高，則智造化技術在新能源裝備制造領域可實現程度越高，關鍵智造化技術指標數值如表7所示。根據表中數據結果反映，各關鍵智造化技術的自身成長推動程度和社會經濟對其的需求程度的技術指標數值都屬于7-9之間同一等級，也就表示各項關鍵智造化技術能夠在新能源裝備制造領域得以應用，不僅是在技術自身成長表現方面十分重要，而且社會經濟對其也有較高的需求。

表7 新能源裝備關鍵智造化技術可實現程度

結合對技術預見指標分析，可以繪制出新能源裝備制造面向智能制造發展的路線圖，該路線圖涵蓋新能源裝備制造業發展的關鍵智造化技術預期實現時間、研發水平、發展途徑、制約因素等要素，如圖2所示。現代新能源裝備要求在性能上大幅提升，功能上更為齊全，結構上更加精密，其背后所需要的任務量越發繁重，造成企業生產線和生產設備內部的信息流量增加，制造過程和管理工作的信息量驟增。提高制造系統對于急速增長的制造信息分析處理的能力、效率及規模成為了制造技術發展的首要需求。工業物聯網、工業軟件、工業機器人三項技術在新能源裝備制造中應用，在管理層上，通過網絡及軟件管理系統實現數控自動化，生產設備、檢測設備、運輸設備等互聯互通，達到感知狀態，能夠實時將分散在各模塊

的信息匯集傳送到云計算數據中心進行存儲分析，形成自動決策并反過來指導生產，同時，圍繞產品全生命周期的各個環節不斷融入增值服務，從而帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降，并將極大地減少庫存、縮短產品生命周期、優化供應鏈以及充分利用銷售數據、產品傳感器數據和供應商數據，企業做到可以準確地預測不同市場的商品需求，滿足客戶需求導向定制化要求等；在工藝層上，使得生產過程能夠精準控制資源配置，實時優化調整生產資源和生產線，利用智能分析實現資源最大程度利用和能源最小程度的消耗；在服務層上，通過傳感技術，實時感知數據，對裝備進行在線監測、故障預警、故障診斷、運行優化及遠程升級。最終達到企業內部ERP/MES/DNC/MDC等信息化系統之間的深度集成，通過設備聯網將各種數字化設備建成網絡化集中管控的設備網絡化管理系統，信息化系統與設備層之間具有下發指令、狀態反饋、動態調整等功能，在新能源裝備制造領域體現信息技術與物理設備之間的深度集成。

圖2 新能源裝備智造化技術路線圖

五、結論

為適應智能制造轉型對新能源裝備制造業提出的跨越式發展要求，唯有不斷提高產業內自動化與信息化能力。由三項智造化技術在智能制造進程中的發展脈絡可知，其中，自動化主要指實現生產過程的柔性智能化和高度集成化，自動化的實現離不開生產控制類軟件和工業機器人的深度應用；信息化主要指實現新能源裝備設計、研發、工藝、銷售服務等模塊的數字化，通過運營管理、研發設計類軟件以及工業物聯網技術的深度應用，使企業內部的數據流順暢運轉。本文可以作為新能源裝備制造向智能制造發展路線圖研究的基礎，在今后的研究中將進一步分析向智能制造發展的行動路線圖，內容涉及有關技術的應用方式，產業實時交換數據信息實現智能制造的組織路徑等，繼續為新能源裝備制造業面向智能制造轉型提供理論基礎。

[1]劉微微,孫 茹. 高端裝備制造業企業知識創新與技術創新耦合度測度研究[J]. 科學學與科學技術管理,2014(7):16-22.

[2]羅來軍,朱善利,鄒宗憲. 我國新能源戰略的重大技術挑戰及化解對策[J]. 數量經濟技術經濟研究,2015(2):113-128,143.

[3]韓秀云. 對我國新能源產能過剩問題的分析及政策建議——以風能和太陽能行業為例[J]. 管理世界,2012(8):171-172,175.

[4]Phaal R, Farrukh C J P, Probert D R. Technology roadmapping—A planning framework for evolution and revolution[J]. Technological Forecasting & Social Change, 2004, 71(1-2):5-26.

[5]Vishnevskiy K, Karasev O, Meissner D. Integrated roadmaps for strategic management and planning[J]. Technological Forecasting & Social Change, 2015, 110:153-166.

[6]Phaal R, Farrukh C J P, Probert D R. Strategic roadmapping: A workshop-based approach for identifying and exploring strategic issues and opportunities[J]. Engineering Management Journal, 2007, 19(1):3-12.

[7]劉傳林,陳 坤,張 瑛. 技術路線圖制定流程及其柔性機制研究[J]. 科學學與科學技術管理,2010(4):50-55.

[8]Skumanich A, Ryabova E, Malik I J, et al. PV technology roadmap: Market and manufacturing considerations[C].//Photovoltaic Specialists Conference. Honolulu: IEEE, 2010:002883-002888.

[9]Foxon T J. Transition pathways for a UK low carbon electricity future[J]. Energy Policy, 2013, 52(3):10-24.

[10]黃 萃,徐 磊,鐘笑天,等. 基于政策工具的政策-技術路線圖(P-TRM)框架構建與實證分析——以中國風機制造業和光伏產業為例[J].中國軟科學,2014(5):76-84.

[11]許冠南,蘇 竣,智 強. 引入政策維度的技術路線圖分析工具創新[J]. 科技進步與對策,2014(12):110-113.

[12]Afgan N H, Carvalho M G. Multi-criteria assessment of new and renewable energy power plants[J]. Energy, 2002, 27(8):739-755.

[13]張 嶷,汪雪鋒,郭穎,等. 基于文獻計量學的技術路線圖構建模型研究[J]. 科學學研究,2012,30(4): 486,495-502.

[14]郭俊芳,汪雪鋒,邱鵬君,等. 基于SAO分析的技術路線圖構建研究[J]. 科學學研究,2014(7):976-981,1002.

[15]郭 穎,汪雪鋒,朱東華,等. “自頂向下”的科技規劃——基于專利數據和技術路線圖的新方法[J]. 科學學研究,2012(3):349-358.

[16]賀正楚,張 蜜,陳一鳴,等. 生物醫藥產業共性技術路線圖研究[J]. 中國軟科學,2012(7):49-60.

[17]Li Deng Feng. Crucial and unsolved problems on Atanassov’s intuitionistic fuzzy sets[J]. Adv Fuzzy Sets Syst, 2012, 11(1):57-64.

[18]楊珂玲,蔣 杭,張志剛. 基于TOPSIS法的我國現代服務業發展潛力評價研究[J]. 軟科學,2014(3):130-134,144.

[19]徐 磊. 技術預見方法的探索與實踐思考——基于德爾菲法和技術路線圖的對接[J]. 科學學與科學技術管理,2011,32(11):37-41,48.

(本文責編：王延芳)

ResearchonTechnologyRoadmapofIntelligentDevelopmentinChina’sNewEnergyEquipmentManufacturing

MENG Fan-sheng, LI Xiao-han

(SchoolofEconomicsandManagement,HarbinEngineeringUniversity,Harbin150001,China)

F407.2

A

1002-9753(2017)09-0030-08

2017-03-15

2017-06-19

國家社會科學基金項目(16BJY078)。

孟凡生(1963-)，男，黑龍江哈爾濱人，哈爾濱工程大學經濟管理學院教授，博士，研究方向：管理科學理論與方法。