1.一种智能制造能力成熟度评价方法，其特征在于，包括：构建涵盖目标企业的多个不同维度的智能制造能力成熟度评价指标体系，所述多个不同维度包括制造基础维度、数字智能维度、价值效能维度及战略组织维度；获得评估专家集合基于所述智能制造能力成熟度评价指标体系、预设的评价用概率语言术语集对目标企业的评估信息集合，所述评估专家集合包含不同领域的专家，所述评估信息集合包括评估专家集合基于不同评价属性给予的评价信息；基于所述评估信息集合构建概率语言决策矩阵架构；基于BWM算法处理所述评估信息集合，以得到所述概率语言决策矩阵架构中涉及的不同评价属性的权重，以基于所述权重与概率语言决策矩阵架构形成概率语言决策矩阵；基于VIKOR算法对所述概率语言决策矩阵中不同评价的概率语言术语进行处理，得到所述目标企业的智能制造能力成熟度水平评价结果；所述方法还包括：构建概率语言术语集 ，其中， 是概率语言术语集的基本构成元素， 为语言术语， 为相应语言术语的概率信息， 表示概率语言术语集 的基数， 为预设的语言术语集 ， 表示语言术语集对应的评价用语；所述基于BWM算法处理所述评估信息集合，以得到所述概率语言决策矩阵架构中涉及的不同评价属性的权重，包括：获得所述评估专家集合选择确定的最优评价属性和最劣评价属性；获得所述评估专家集合对不同评价属性与最优评价属性间的重要性比较结果，并基于所述重要性比较结果形成对应每个评价属性的第一概率语言向量；获得所述评估专家集合对不同评价属性与最劣评价属性间的重要性比较结果，并基于所述重要性比较结果形成对应每个评价属性的第二概率语言向量；基于得分公式分别计算第一概率语言向量、第二概率语言向量的得分，以分别得到第一向量和第二向量；构建权重向量求解模型： ， 、 分别为第 i 个评价属性的第一向量和第二向量， 为第 i 个评价属性的权重， 为判断数值，所述权重向量求解模型通过寻找最小的 ，求解出权重向量的合理分布；基于所述第一向量、第二向量及规划算法参与所述权重向量求解模型的求解，确定不同评价属性的权重。
2.根据权利要求1所述的智能制造能力成熟度评价方法，其特征在于，所述成熟度评价指标体系包含多个不同级别的指标，每个级别下均包含关于制造基础维度、数字智能维度、价值效能维度及战略组织维度的多个指标。
3.根据权利要求1所述的智能制造能力成熟度评价方法，其特征在于，所述方法还包括：确定评估专家集合 ；确定所述评估专家集合中各个专家的权重向量，形成权重向量集合 ，所述权重向量满足条件且满足条件 ；基于所述评估专家集合、权重向量集合确定评估专家集合的概率语言术语集：式中， 为专家组概率信息， 为专家组的语言术语， 为专家组语言术语概率， 为专家 在专家组语言术语 的概率信息，并可由下式给出：其中， 为专家 提供的语言术语 的概率信息， 为专家 的语言术语集。
4.根据权利要求1所述的智能制造能力成熟度评价方法，其特征在于，所述基于所述评估信息集合构建概率语言决策矩阵架构，包括：基于所述评估信息集合确定涉及的评价属性，并构建评价属性集合；确定与所述评价属性集合匹配的智能制造成熟度集合；基于所述评估信息集合、评价属性集合、智能制造成熟度集合构建概率语言决策矩阵架构。
5.根据权利要求1所述的智能制造能力成熟度评价方法，其特征在于，所述基于VIKOR算法对所述概率语言决策矩阵中不同评价的概率语言术语进行处理，得到所述目标企业的智能制造能力成熟度水平评价结果，包括：基于得分函数处理所述概率语言决策矩阵中不同评价的概率语言术语，以计算确定所述目标企业在各评价属性上的得分；基于所述得分确定所述目标企业在各评价属性上的正理想值和负理想值；基于所述正理想值、负理想值计算所述目标企业关于不同智能制造能力成熟度等级的最大群体效用值和最小个体遗憾值；基于所述最大群体效用值和最小个体遗憾值计算所述目标企业的智能制造能力成熟度等级的综合评价值。
6.根据权利要求5所述的智能制造能力成熟度评价方法，其特征在于，所述基于所述最大群体效用值和最小个体遗憾值计算所述目标企业的智能制造能力成熟度等级的综合评价值，包括：将所述最大群体效用值和最小个体遗憾值带入下式计算所述目标企业的智能制造能力成熟度等级的综合评价值：式中， 为目标企业 的综合评价值， 为目标企业 的最大群体效用值， 为目标企业 的最小个体遗憾值， 为决策机制调节系数， 表示主要依据最大化群体效用的原则进行决策， 表示主要依据最小化个体遗憾的原则进行决策， ， 和 的值与智能制造能力成熟度呈反比。
7.一种智能制造能力成熟度评价装置，其特征在于，包括：第一构建模块，用于构建涵盖目标企业的多个不同维度的智能制造能力成熟度评价指标体系，所述多个不同维度包括制造基础维度、数字智能维度、价值效能维度及战略组织维度；获得模块，用于获得评估专家集合基于所述智能制造能力成熟度评价指标体系、预设的评价用概率语言术语集对目标企业的评估信息集合，所述评估专家集合包含不同领域的专家，所述评估信息集合包括评估专家集合基于不同评价属性给予的评价信息；第二构建模块，用于根据所述评估信息集合构建概率语言决策矩阵架构；第一处理模块，用于根据BWM算法处理所述评估信息集合，以得到所述概率语言决策矩阵架构中涉及的不同评价属性的权重，以基于所述权重与概率语言决策矩阵架构形成概率语言决策矩阵；第二处理模块，用于根据VIKOR算法对所述概率语言决策矩阵中不同评价的概率语言术语进行处理，得到所述目标企业的智能制造能力成熟度水平评价结果；所述装置还包括：第三构建模块，用于构建概率语言术语集 ，其中， 是概率语言术语集的基本构成元素， 为语言术语， 为相应语言术语的概率信息， 表示概率语言术语集 的基数， 为预设的语言术语集 ， 表示语言术语集对应的评价用语；所述根据BWM算法处理所述评估信息集合，以得到所述概率语言决策矩阵架构中涉及的不同评价属性的权重，包括：获得所述评估专家集合选择确定的最优评价属性和最劣评价属性；获得所述评估专家集合对不同评价属性与最优评价属性间的重要性比较结果，并基于所述重要性比较结果形成对应每个评价属性的第一概率语言向量；获得所述评估专家集合对不同评价属性与最劣评价属性间的重要性比较结果，并基于所述重要性比较结果形成对应每个评价属性的第二概率语言向量；基于得分公式分别计算第一概率语言向量、第二概率语言向量的得分，以分别得到第一向量和第二向量；构建权重向量求解模型： ，所述 、 分别为第 i 个评价属性的第一向量和第二向量，所述 为第 i 个评价属性的权重，所述 为判断数值，所述权重向量求解模型通过寻找最小的 ，求解出权重向量的合理分布；基于所述第一向量、第二向量及规划算法参与所述权重向量求解模型的求解，确定不同评价属性的权重。
8.一种电子设备，其特征在于，包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行以实现如权利要求1-6中任一项所述的智能制造能力成熟度评价方法。
