服务型制造是当前学术界和产业界广泛探索的新的制造模式，是制造与服务相融合的新的产业形态。它强调客户、上下游企业的参与，注重服务与产品的融合，基于产品为需求市场提供高满意度的综合服务。世界典型的制造型企业如GE、IBM等公司已逐渐从制造提供商向服务提供商转型，公司超过50%的销售收入来源于服务业务的提供。在国内如富士康、陕鼓、海尔等制造企业也开始了服务化转型的步伐，为我国制造业的转型升级树立了标杆。服务型制造是世界制造业转型的必然趋势，服务型制造的内涵与外延、价值增值机理、协同框架、实施策略、价值链体系构造与运行机制等方面是目前国内外学者关注的重点^[1-4]。这种新制造模式的实现需要信息化与制造业的深度融合^[5]，企业与客户的互动、产品与服务的融合、服务的全程化、制造网络的高度协同等都离不开高水平的信息化支持。工业领域内信息系统与IT技术对企业组织运营绩效、组织创新的作用机制已经得到学者们的关注^[6-7]，一个对环境具有很好适应性的信息系统是服务型制造模式实现的良好保证和前提条件。

现实中业界更侧重于将信息系统作为技术系统来设计和实施，对信息化和信息系统的研究大多基于静态环境这个研究前提，很难形成对信息系统全生命周期的演化规律的认识。企业信息系统的演化表现在系统从无到有、由小到大、由弱到强、由简单到复杂直至消亡的发展变化过程；软硬设施的升级和淘汰、子系统的交互关系变化、系统的移植和集成等皆属于系统演化的一个阶段性表现，体现了组织对信息处理存储传输能力需求的描述。在制造业服务转型升级中，信息系统的运行难以适应复杂多变的外部运行环境的形势已经越来越严峻。若能用包含演化理论在内的复杂性科学方法去把握信息系统演化的基本规律和特性，将会使得企业信息化的实施以及IT资源的投资更加成功。目前关于服务型制造模式信息系统的研究，国内外学者主要集中在架构构建、概念模型、部分功能系统的设计及方法等方面。例如Shen等^[8]提出了一个基于Agent的面向服务的集成架构，可用于建立一个协作的环境并能提供制造服务的动态资源调度；Shin等^[9]为了解决建筑供应链中资源准时交付，基于RFID/WSN提出了一个面向服务的无缝集成的信息管理框架，并通过实验验证了该框架具有较好的应用价值；金青等^[10]为了解决资源整合和业务流程协同问题，提出了服务型制造模式以能力知识为中心的业务处理信息概念模型以及基于本体的能力知识体系架构；Omid等^[11]为了实现分布式制造系统的集成与协同，基于云计算范式的面向服务的方法。开发了一个协同制造平台，该平台可以支持分布式制造系统的协作以及数据集成，能较好地满足分布式协作的要求。上述文献丰富了服务型制造模式中信息管理领域的研究方法，为服务型制造模式的实现提供了较好的理论指导，然而基于演化和复杂系统视角研究信息系统的文献相对缺乏。近年来软件系统的演化、学习型信息系统以及信息系统柔性的探索和实践，表明从演化的视角研究信息系统会是未来研究的主要方法，特别在我国制造业转型升级过程中企业对信息化发展的重视程度越来越高，必然会使得组织信息系统为适应外界环境变化和运营要求而时刻处于动态的演化过程中。因此把控组织系统动态演化的方向和方式对企业的信息化实践至关重要。

本文的研究对象服务型制造企业，主要指的是产品制造价值链中核心的，强调协同生产和服务的、实施制造-服务模式的制造企业。由于这一类企业在价值链中处于核心和主导的地位，相比链中其他的节点企业，其信息系统的体系结构更复杂，对信息化发展的要求也更高。服务型制造企业信息系统(service-oriented manufacturing enterprise information system，SMEIS)是由组织内能支持客户全程化参与、物流、金融等生产性服务的系统，以及零配件、原材料及装配制造等服务性生产的业务系统构成。它满足复杂系统的开放性、远离平衡态、非线性相互作用以及巨涨落等主要特征^[12]，属于复杂系统范畴。复杂系统建模的任务是构建系统的模型，以便描述系统的自组织、混沌，突变等复杂性属性。而传统的建模方法如还原论、结构化分析等，不适合现代制造企业复杂信息系统的建模，其存在的缺点导致其难以去描述系统的演化过程。因此对服务型制造企业信息系统的演化应采用复杂性科学方法。基于复杂信息系统这个研究前提，本文将首先阐述支撑信息系统演化的动力因素，采用协同学方法构建以系统理想度为考察变量的动力学模型，探讨系统演化的方式、系统进入演化混沌的条件以及随机涨落力对演化过程的影响。本文的研究在一定程度上是复杂性科学方法在管理领域应用上的推广，是对信息系统研究的一个补充；同时也为企业信息化的实践和IT资源的理性投资提供可参考的理论框架。

1 系统的演化机理 1.1 系统演化的动力因素分析

相比于以往的各类制造模式，服务型制造模式在价值增值、运作方式、组织模式和运作模式上存在较大差异^[13]，而且企业对信息系统的重视程度、组织所处外部环境(需求市场、技术市场)也不尽相同。因此信息系统演化的方向和速度必然也存在较大的差异。服务型制造企业信息系统的演化是一个持续的动态过程，是各种动力因素相互作用的结果，不论是局部系统功能的改进、子系统信息交互关系的变化，还是整个系统结构及数量的优化，都体现了演化过程中一个阶段性结果的获得，是系统不断提高自身能力去适应组织运营战略的过程。本文认为推动服务型制造企业信息系统不断演化的因素很多，支撑系统演化的主要因素来源于需求拉动、技术推动、资源投入以及惯例变化4个关键要素。

1) 需求拉动。需求拉动是服务型制造企业信息系统演化的根本力量，又是由企业外部市场环境和企业经营战略需求所决定的。与传统制造企业的经营理念和其所处的市场环境相比较，服务型制造企业的经营理念以服务顾客为导向，为客户提供高满意度的增值服务，其所面临的市场环境具有很大的不确定性。信息系统作为企业组织在信息域的映像，隐含了组织对外部市场的动态响应过程以及经营战略的转变过程。需求的变化将直接导致信息系统规模，结构以及行为的变化。在信息系统演化过程中，每个阶段的管理重点实际上都是与当时组织的经营管理理念和所处市场环境的特点相适应的。

2) 技术推动。企业信息化过程中被组织掌握和运用于信息化的各种技术，是推动企业信息系统发展的技术驱动力，是企业信息系统功能实现的技术保证。技术在信息系统演化中属于较活跃的因素，技术革新将直接对整个系统体系造成重大冲击，从而导致系统内部组织结构和行为发生变化。结合各时期计算领域的技术进步，分析MRP到MRP Ⅱ、ERP、ERP Ⅱ的演变历程，也可以进一步印证技术是推动企业信息系统演化的驱动力之一。

3) 资源投入。企业信息系统属于开放系统，在其演化过程中必然将与环境产生物质交换。而资源的投入对信息系统演化的结果有着重大影响，是信息系统存在的物质基础。服务型制造企业为了更好地响应市场需求以及提高系统对环境的适应性，必然需要外部资源的投入；同时组织对资源的投入水平还须进行合理的决策。这是由于同一制造企业不同的资源投入，不同规模的制造企业同样的资源投入，其信息系统演化的方式(速率、方向等)和最终的演化结果均会有较大的差异。

4) 惯例变化。所谓惯例就是组织受到一定的刺激后，由多个参与者对可识别的重复的一系列行为模式进行积累、改进和学习的演变过程，是企业在不确定环境中指导企业执行习惯和经验型行为的知识，并为企业所记忆和存储，是帮助企业减少不确定性的规则^[14]。惯例是企业组织在信息系统演化过程中的行为规则。通常企业惯例在一定时期内能够保持稳定性，但有时为了适应外部市场环境的变化，也可以进行修正。企业惯例修正的过程实际上也伴随着企业信息系统的演化过程。惯例的演化变迁影响和决定着企业信息系统演化的路径特征，企业不同的管理模式、企业文化、规章制度、信息化战略等，其信息系统的演化过程也是截然不同的。

1.2 信息系统演化机理描述

系统演化一般有两种典型的途径：一是经过临界点的性质突变的相变，简称突变；二是临界点以下的状态突变的相变，称为渐变式相变，发生相变的原因主要来自于外部力量和内部的扰动。信息系统内局部系统的功能、性能升级、改进和更新等，属于渐进式相变；突变主要体现在信息系统整体功能或性能的一次大的改变。信息系统内部的非线性相互作用是系统形成有序结构的内在原因，也是系统能够形成耗散结构的关键，主要体现在技术、人员、企业惯例之间的相互作用。结合上节演化动力因素分析，系统演化机理见图 1。

2 SMEIS自组织演化机制模型的构建 2.1 状态变量的选取——理想度

理想度被誉为TRIZ的4大理论支柱之一。它的提出源于技术系统进化过程中存在的机制，反映了技术系统在进化过程中对于社会需求的适应程度^[15]。它是衡量现有系统与理想系统(或最终理想解)接近程度的一个参考变量。通常，系统的理想度^[15]定义为

在服务型制造企业信息系统中，有用功能是指系统存在的目的，包括系统的总功能和辅助功能，例如系统的预期输出、稳定性、响应性、决策支持性、可扩展性及可移植性等；有害影响是指系统非预期的输出或阻碍系统正常运行的功能，例如系统脆弱性、故障频率等。

在此需要注意的是，TRIZ中的相关概念是否适用于非完全技术系统SMEIS；理想度是否能够刻画SMEIS的演化过程。首先，TRIZ的主要概念如理想度、矛盾和系统法的应用范围已经拓展到非技术系统的研究，并取得了较好的应用效果^[16-17]；其次，构成SMEIS微观层面的系统元素包含管理系统和技术系统两部分，理想度的概念同样适用于管理系统的功能及结构演化的分析；再者，增加系统理想度(或向最终理想解靠近)是TRIZ一个重要的目标，也是制造服务转型过程中进行信息化发展重点考察的参量，并当系统的控制变量达到阈值时，该参数往往在较长时间内支配着系统的发展，符合序参量的特征；因此本文选取理想度(记为x)作为状态变量来观察系统的演化过程，通过动力学方程的构建，观察x的演化曲线来揭示SMEIS的演化过程，用dx/dt来描述系统演化的速度。

2.2 演化模型的构建

协同学一般使用非线性动力学方程来描述系统的自组织演化机制。依据协同学理论的支配原理，状态变量的数目不一定选取很多，而是要抓住主要的状态变量。这样既有利于降低系统的复杂性维度又有利于将信息系统演化过程中的本质特征体现出来。

针对系统理想度x，首先依据推动服务型制造信息系统演化的关键要素分析。需求拉动、技术推动、资源投入以及系统惯例的影响对信息系统理想度的增加起着正反馈作用，本文用k₁x表示，k₁表示系统演化动力要素对系统理想度的影响系数。然而在实际中投入信息系统的资源和组织所掌握的技术能力是有限的，当系统理想度发展到一定水平时，必然要受到有限资源和技术发展的限制，这种限制作用随着系统的演化趋于明显，达到所谓的饱和效应。可以认为这种饱和效应与系统的理想度之间存在线性关系。因此综合上述的正负反馈机制，可以将k₁改写为k₁-k_2x，k₂为有限资源和技术发展限制下的饱和系数。同时系统演化过程中存在阻碍系统理想度提高的限制性因素作用，包括主管企业信息化领导的认知能力限制、组织对市场环境变化的感知和转化能力限制、信息系统不能瞬间适应企业组织架构和管理模式调整的过程限制等。本文用-k_3x表示限制系统理想度提高的阻尼作用，k₃为阻尼系数。因此基于理想度的系统演化机制的动力学方程为

(1)

其中，k₁-k₃表示系统内在的增长率，(k₁-k₃)/k₂表示有限的资源投入和现有的技术市场条件下仅允许最大的系统理想度。从式(1)可以看出系统理想度越大，系统的增长率因为受到资源和现有技术的限制而越来越低，(k₁-k₃)/k₂为理想度x的定态，此时系统理想度不再增长，增长率为0。记t=0时系统初始理想度为x₀=γ，并令α=k₁-k₃，β=(k₁-k₃)/k₂，则方程(1)可写为

(2)

解微分方程(2)，可得解析解：

(3)

3 SMEIS演化过程分析 3.1 演化的方向及速率

式(2)和式(3)分别代表系统理想度的演化速率与方向。显然，当α>0时，dx/dt>0；当α＜0时dx/dt＜0。因此，α=0为系统的一个演化分岔点。图 2描述了3种不同内在增长率的情形下系统理想度的演化轨迹示意图。当α从负值增大并跨越零点时，表明随着正反馈作用的加大，系统理想度演化速率会从初始的负增长速率逐渐演化归预期的正增长速率，从而使得系统发生新的改变，是一个由旧结构稳定性丧失到新结构确立的有序演化过程。由于服务型制造企业对信息化重视程度很高，所以不妨假设α>0以表示系统的演化处于预想的发展方向，此时对式(2)进一步求导，可得

(4)

结合式(3)，可得当x=β/2，即时，dx/dt的值最大并等于且有

(5)

此外容易证明，它表示dx/dt的图形以t=t^*为对称轴，当t∈[0, t^*]，即时，，表明dx/dt在该区间范围内属于递增函数，同理，dx/dt在时间区间[t^*, +∞]内属于递减函数。综上，可大致获得系统的演化速度和方向轨迹(图 3)。

3.2 演化混沌分析

混沌现象是非线性动力系统中某些关键的控制参数变化引起的，尽管混沌运动也已应用于许多工程，例如混沌序列预测、混沌保密通信等，然而对许多系统来说，混沌会对系统的正常运行产生危害，它能使系统失稳、失控甚至彻底的崩溃^[18]。通过对关键控制参数的改变，系统会产生分岔并走向混沌，组织信息化的重视、资源投入的理性、环境的正确感知等会使得信息系统的理想度跃升至更高层次；相反资金短缺、盲目投资、高管能力限制等也会导致预期的系统功能无法实现，向着更低层次的方向演化。识别信息系统演化过程中的分岔行为，有利于管理者调控系统的正常演化状态。将式(2)离散化，可以得到n时刻系统理想度的状态方程为

(6)

为了方便研究x的演化规律，现对x的差分方程进行变换，记，r=1+α，则方程(6)可变为

其中，u_n的变化即一维Logistic映射。费根鲍姆指出Logistic映射会随着控制参数的增大将经历倍周期分岔，当r∈(0, 3)时，系统演化收敛于一个均衡点x=β；当r∈(3, 3.449)时，系统演化会出现2点周期；当r∈[3.449, 3.544)时会出现4点周期……，并当r取极限值r_∞=3.570时(此时α=2.570)，系统演化会进入混沌区域。这时不论系统理想度初值如何，系统都将趋向于该混沌吸引子。

假设系统理想度初值γ=0.8, k₂=0.2, β=(k₁-k₃)/k₂=3，利用Matlab编程可得到SMEIS理想度x随α值变化的过程仿真如图 4所示。从x演化轨迹图可以看出，α在区间(0, 2)任意取值时，x=0总是系统的不稳定点并演化收敛于x=3这个稳态点；当2≤α≤2.449时，出现2倍周期；随着α增大会逐渐出现4点、8点乃至更高的偶数倍周期分岔并进入混沌状态如图 4所示，此时系统的动力学形态非常复杂，其演化规律也很难进行动态预测。进一步地考察参数α，α为系统演化正反馈作用系数k₁与系统阻尼系数k₃之差。一般阻尼系数k₃短时间内难以发生改变，在组织所处固有的市场环境(包括技术市场)下，企业可以通过控制资源的投入来影响系数k₁的变化。然而通过对系统演化的混沌分析，一味加大资源的投入也未必能取得良好的效果，也可能使得信息系统更难适应现有的组织运营过程，甚至被淘汰。

3.3 涨落对系统演化的影响

信息系统理想度增长系数α(α=k₁-k₃)不是总能维持为常数，它会受到系统内外部各种因素的影响。信息化程度的重视、人员对系统的适应、资金的合理投入等会使得系统理想度提高的动力增强，从而影响系统演化的正反馈作用系数k₁，而组织机构的调整、高管决策的主观随意性又会改变系统的阻尼系数k₃，所以，一个合理的假设是允许α在一个平均值周围涨落：α_t=α+Γ(t)，式(2)可改写为

(7)

由于式(7)中Γ(t)为随机变量，随机微分式(7)难以求出精确解，因此不妨将关注点从研究系统理想度x的演化轨道转移到研究随机变量取值x的分布函数演化规律。一个常用而与实际相当接近的假设是Γ(t)为最简单的高斯白噪声，它的各阶关联矩具有如下的统计性质^[19](D为噪声强度)：

在此条件下，方程(7)等价于斯特拉多诺维奇的FPE(福克-普朗克方程)：

(8)

ρ(x, t)为系统理想度x在t时刻的概率密度函数。另外定态解是FPE方程中的一个重要概念，反映了系统的长时间行为^[9]。当系统经过演化达到了稳定态，此时有。假设α>0，则可求得方程(8)的定态解为

(9)

其中，N为归一化常数，满足N=，为了方便分析本文用随机势函数－U_FP(x)来描述系统理想度x在t时刻的稳定性，ρ(x)与－U_FP(x)在分析系统相变现象时具有等价作用，－U_FP(x)如式(10)：

(10)

分别求－U_FP(x)关于x的一阶、二阶导数，得到：

(11)

显然, 当α≤D时，－U_FP(x)是关于x的递减函数，x在系统理想度初值γ时概率最集中，表明点x=γ的稳定性很高，但在x>γ处的概率已经不为0，这与α＜0时x>γ处的概率为0是有区别的；当α>D时，－U_FP(x)是关于x的凹函数，令一阶偏导数等于0，可得到x在处稳定性最高。借助Matlab软件分别给出D=0.3, 0.6, 0.9时随机势函数的曲线，如图 5所示，其它参数与图 4例相同, α=0.6。从图 5可以看出，当α≤D时，系统理想度x在初值γ时稳定性最高(x>γ时，随机势函数是递减的)，表明系统控制参数x遇到较强的干扰，使得系统向更高层次的演化过程受阻，系统理想度维持现有水平的概率最大；当α>D时，系统在x=(α-D)/k₂=1.5时稳定性最高，并且会因为随机涨落的干扰与图 4中系统理想度演化收敛于x=3存在一定的差距。综上表明随机涨落力虽然不能改变所有相的局域稳定性，但足以改变系统不同相的整体稳定性。此外本研究中涨落对系统的宏观演化起着一定的消极破坏作用，因此研究涨落对演化稳定性的影响，对信息系统设计时估计系统的稳定性和实用性有着重要的意义。

4 案例分析

N公司是国内专门从事电梯设计制造的龙头企业，企业信息化建设已有一定基础。该企业于2012年开始了制造向服务转型的战略化步伐，实际运营过程中现有系统的不足导致产品服务质量下降的案例屡见不鲜，使得企业对IT/IS进行有效规划的需求显得日益迫切。2013年公司通过合作进行了较为全面的IT/IS的诊断和规划，调研结果显示企业对信息系统在集团管控、产品全生命周期管理、知识管理、供应链集成等方面的应用需求较为强烈。

基于上述描述，2013年之前N公司的信息化发展水平较为稳定，如图 6区间[t₁, t₂]所对应的理想度水平；然而实际运营中由于企业战略的转型和实际市场环境的变化，在现有信息系统的架构不作改变的前提下，其理想度值将呈现逐渐下降的趋势，在图中系统将演化至Y区域，并非预想的B路径。维持或提高系统理想度沿着B路径或X区域演化，需要进行合理的IT资源投入、技术创新以及优化管理流程等措施。为匹配企业发展战略，满足企业服务运营需求，N公司基于前期项目组的实际调研诊断结论，对IT部门进行了重新定位；通过整合现有业务系统和信息资源，优化了部分管理流程；进一步加大IT资源的投入，对现有系统进行补充和完善。此时N公司信息系统的演化正进入t₂时间段沿着X区域演化，在现有技术市场较为稳定的前提下系统演化进程的快慢取决于IT资源的投入水平。然而系统继续沿着Y区域演化的概率同样存在，高管能力限制、环境感知误解、盲目资源投入都有可能使得系统演化至该区域，这与系统演化至恶性混沌区域的仿真结论是相吻合的。当然N公司在企业信息化发展进程中，需考虑一些未预期的变化，例如技术市场革新、组织高管人事调整等，即随机涨落对系统演化过程的影响。系统功能的完善、系统的集成、新信息系统的引入以及架构优化，皆属于系统演化过程中的一个阶段性表现。以网络化生产制造平台为例，暂不考虑设计环节，N公司传统制造平台的应用系统主要以ERP为主、MES为辅，且系统相对独立未对接，新的制造服务模式催生了向上下游节点资源整合以及系统功能改进的需求。图 7给出了N企业生产制造平台结构与功能的阶段性演化过程。

5 结论和展望

基于对服务型制造信息系统演化动力的分析，本文构建了以理想度为状态变量的动力学方程来描述SMEIS的演化过程，从系统演化的方向和速度、演化的混沌、涨落对演化的稳定性3个方面对模型进行了探讨。研究结果表明：1)系统的演化轨迹说明绝大时间内信息系统的演化属于渐变过程，分岔及系统演化速度的骤然变化提示系统演化过程中也存在突变现象，系统会在某一时点上顷刻突破，系统理想度得以大幅度提高，从而能更快地适应组织的运营需求；2)系统的演化混沌现象表明演化混沌存在良性和恶性2个区域，组织对关键参数的理性控制有利于系统演化至良性混沌区域，例如IT资源投入、技术创新以及管理流程优化等，相反盲目的IT投资、高管能力的限制、环境感知的误解也可能使得系统演化进入恶性混沌区域，会导致系统理想度迅速下降甚至系统被淘汰，因此组织在认识和了解混沌的同时更有必要加强对混沌的利用和控制；3)系统演化过程中随机涨落力的存在是较常见的，它会使得系统在演化分岔点上不能以确定的形式实现新旧状态的更替，系统演化的过程变得难以预测；而且绝大多数情形下噪声对系统新序的产生是起着消极的破坏作用。此外本研究在一定程度上是复杂性科学方法在管理领域应用上的推广，是对信息系统研究的一个补充，本文还可作进一步拓展，例如系统稳定性影响因素分析，信息系统鲁棒性以及鲁棒控制研究等，这将是后续研究的重点。