智能制造模式下的成本結構變動及其成本優化

王 蕾

(蘭州財經大學 會計學院，蘭州 730200)

0 引言

2008年美國爆發金融危機，受其影響全球經濟形勢持續低迷。歐美各國在對以往過多依賴金融信貸的高消費經濟增長模式進行反思之后，意識到實體經濟尤其是制造業在創造就業、拉動經濟增長等方面有的重要作用，為搶占發展先機，紛紛推出相應戰略，重振本國制造業。德國先于其他歐洲國家經濟得到回升，這與德國發達的制造業有著密不可分的關系，德國在2013年漢諾威工業博覽會上正式推出了《實施“工業4.0”戰略建議書》，“工業4.0”戰略旨在通過全面部署“網絡空間-物理世界融合”系統，提高本國的生產效率，在新一輪的工業革命中搶占先機，更進一步地大力發展智能制造設備產業，成為了全球范圍的制造設備供應商。美國大力推出以“工業互聯網”和“新一代機器人”為特征的智能制造戰略布局。在這種局勢下，我國的制造業面臨著巨大的轉型升級壓力。從2015年開始，許多外資企業紛紛從中國撤資，在東南亞國家投資建廠，低端制造業向勞動力成本更低的國家轉移已經成了一種不可逆轉的大趨勢。與此同時，在歐美發達國家重振本國制造業、加快實施“再工業化”戰略背景下，高端制造業紛紛回流本土，他們將傳統的勞動密集型制造業與新的信息技術、互聯網優勢相整合，大力發展戰略性新興產業，力保在世界制造業價值鏈上的高端位置和全球控制者的地位[1-2]。為此，2015年5月8日，國務院發布《中國制造2025》，提出“力爭用十年時間，邁入制造強國行列”的戰略目標，之后，國務院又陸續發布了《關于積極推進“互聯網+”行動指導意見》《促進大數據發展行動綱要》，目的是通過創新驅動、質量為先、綠色發展、結構優化和人才為本，實現工業化和信息化的深度融合，促進我國制造業轉型升級、走向世界前列。本文試圖厘清智能制造的運行機理，分析智能制造對生產技術、產業模式和產業形態、企業組織結構和管理方式產生的影響，進而探討企業的成本結構會發生怎樣的變化，并在此基礎上提出在智能制造模式下，企業的成本優化應該從哪些方面做起。

1 中國制造業轉型升級方向——智能制造

1.1 文獻回顧

智能制造一詞最早由紐約大學的P.K.Wright教授和卡內基梅隆大學的D.A.Bourne教授在《Manufacturing Intelligence》一書中提出，認為智能制造是通過集成知識工程、制造軟件系統、機器人視覺和機器控制對制造技工的技能和專家知識進行建模，以使智能機器人在沒有人工干預的情況下進行小批量生產。隨后我國學者也開始研究智能制造，熊有倫(1999)、楊叔子(2003)、盧秉恒(2013)等都從技術層面對智能制造進行了研究。有一部分學者從經濟學視角對智能制造發展的意義進行了分析，黃群慧、賀俊(2013)指出，智能制造使市場競爭的資源基礎、產業競爭范式以及國家間產業競爭格局發生了深刻變革；唐德淼(2015)認為，制造業智能化改變了以往的制造業生產組織方式、促進了新的業態形成，催生了新的產業。還有一部分學者從推進智能制造業發展的對策方面給出了建議，周濟(2015)認為，《中國制造2025》要采取一個10年的總體規劃，分兩個階段總體推進，打一場“創新驅動，轉型升級”的人民戰爭；王媛媛(2016)認為，推進智能制造的可持續發展，需要構建完善的產業體系，培養一批示范企業，要健全人才培育體系，著力培養復合型、高素質的創新人才。

從研究現狀看，對智能制造的研究較多的處于制造技術層面、產業組織層面和產業政策層面，而較少涉及新興的智能制造企業的成本結構層面。

1.2 智能制造運行原理

通過傳感器將制造企業從產品研發、生產、銷售、售后等環節的數據采集起來，挖掘其中的規律，掌握企業生產的業務流程、生產過程，通過建模等一系列方法模擬企業的實況，然后尋找可能的改進點，以優化企業的生產過程，使企業在不額外增加設備、不增加技術投入的情況下，達到現有條件下的最優狀態和產出。在這個過程中，制造企業還可以收集到用戶使用產品的數據和反饋，從而為客戶提供更加個性化的產品和服務。智能制造與傳統制造業的區別主要在于“數據”的不同，智能制造使得制造企業中龐雜又相互關聯的數據發揮“大腦價值”，實現下游推動上游的柔性生產鏈條，智能制造運行機理如圖1所示[3-4]。

圖1 智能制造運行機理框架圖

1.3 我國傳統制造業面臨的轉型壓力

1.3.1 運營成本逐步增高

我國傳統制造業的快速發展在很大程度上得益于低生產要素成本之上的價格優勢。近年來，制造業各項主要成本迅速攀升，我國制造業的平均工資水平已經超過了絕大多數東南亞國家，與主要發達國家之間的差距在逐步縮小，制造業勞動力成本的相對優勢也在減弱。同時，我國的土地成本、能源成本、融資成本和稅費負擔上漲較快，成本優勢已經不再顯著。

1.3.2 制造業大而不強，產業結構不合理

我國制造業最突出的問題就是大而不強。根據臺灣企業家施正榮先生提出的“微笑曲線”(見圖2)理論，可以將產業鏈分為：研發與設計、生產與制造、營銷與服務三大環節。改革開放以來的我國制造業取得了快速的發展，但是在國際市場上一直處于中間位置的生產與制造環節，扮演著“純粹的”生產者的角色，我們生產的大多是一些科技含量低、附加價值和利潤低的產品，隨著歐美國家“再工業化”戰略的落實，將加快本國高端制造業的回流，這給我國的制造業帶來了巨大的壓力，傳統制造業向智能制造轉型迫在眉睫[5]。

圖2 微笑曲線

1.4 智能制造模式的創新特征

1.4.1 生產技術的變革

傳統的制造型企業內部信息龐雜、數據層級很高，數據之間的交互程度很低，這些信息分布于不同的系統、平臺和不同的部門中，形成了一個個“信息孤島”。而在智能制造模式下，物聯網技術實現了“物與物”“企業與物”之間的互聯和信息共享，使得企業生產經營活動背后的信息得以實時傳輸，在移動互聯網、大數據和云計算的支持下，通過詳盡的數據分析、產品設計以及生產過程的嚴格把控，企業的生產效率大幅度提升，制造環節的利潤更近一步地釋放出來。在實時數據的分析基礎上的決策賦予了企業的自動化設備自律管理的智能功能，從而使其實現生產技術的智能化，大幅度提高生產的自動化程度，使得制造系統向柔性制造方向發展[6]。

1.4.2 產業模式和產業形態的轉變

一方面，智能制造推動產品生產由大規模的流水線生產轉向專業化定制生產。在傳統制造模式下，企業的生產計劃很大程度上依賴于對市場需求的預測；智能制造模式下，移動互聯網和信息技術平臺的應用推廣，使得數據收集、數據分析的成本大幅降低，企業的生產、營銷活動開始面向產品的最終用戶，越來越多的產品使用者開始參與到產品的設計、研發以及使用后的信息反饋過程中，用戶的多樣化需求將推動企業生產模式的轉變，制造型企業的產品生產由以往的大規模批量生產轉向面向用戶需求的定制化生產形式。另一方面，制造業從單純的提供產品轉向提供“產品+服務”模式，在滿足用戶個性需求的同時，制造企業也逐步向服務業轉型深化，產業形態開始從生產型制造業向服務型制造業轉變，在某種程度上，企業生產的產品或者硬件本身已經成了一種載體，以便企業收集用戶在使用中反饋的數據、信息，為用戶提供更加個性化的服務[7]。

1.4.3 企業組織變革和管理變革

從傳統制造業向智能制造轉變的過程中，“數據”是使得制造業走向智能化的關鍵，消費者的需求、生產過程中采集到的各個部門的實時數據、競爭對手相關的信息等海量的數據都會進入企業的視野，經過分析、整合，最終服務于用戶。在這個過程中，要保持信息的完整、迅速的傳遞，就要求企業必須具備更加扁平化、平臺化的組織架構，以更好、更快地整合內外部的資源，提高資源利用率。智能化生產過程的實現也為企業的精細化、智能化管理提供了基礎，企業可以在產品的整個生命周期中，根據獲取的信息和對信息的分析挖掘，實現企業資源的協同調配和決策的進一步優化，提升企業的抗風險能力[8]。

2 智能制造模式下成本結構變動

智能制造既是技術革命也是產業革命，不僅對制造業的生產技術、產業模式和產業形態、企業的組織方式和管理方式等產生巨大的影響，而且最終會帶動原有的資源配置結構發生變化，從而影響企業原有的成本結構。

2.1 數據管理、挖掘成本的大幅增加

在智能制造模式下，制造企業的信息系統會實時地監測到企業從設計、生產、營銷、物流裝配、存儲等各個環節的工業數據，同時，企業還會面臨許多來源于客戶和市場的非結構化數據，這些工業數據和外部數據都會進入企業的視野，企業需要對收集到的全過程、全鏈條的數據進行分析、整合。在數據采集層，信息系統將運用數據采集工具采集企業生產過程中的實時數據；在數據存儲、處理層，系統將收集到的數據通過分析、整理存儲到各個數據中心，同時，系統還需要對這些數據進行更進一步的挖掘分析；在基礎平臺層，系統搭建成運算分布式平臺，為大數據提供基本的物理平臺支持。在工業大數據的驅動下，“數據”的作用將更進一步的凸顯，企業的產品因“數據”而更具個性化和多樣化，企業的生產制造流程因“數據”而更協調、透明化，企業的管理因“數據”更加精細化，制造企業因“數據”而具有更高的系統化能力。另一個方面這對制造企業的數據分析轉化能力提出了新的挑戰。首先，企業必須做好數據采集、存儲、建模、挖據、分析工作。我國的傳統制造企業在向智能制造模式轉變的過程中，必須加大對計算機等基礎設施的投入，也需要投入更互動化、移動化、物聯化的前后端整合技術。其次，還需要對企業的數據處理軟實力進行培育。大量龐雜的數據將會帶來更多數據噪聲，從海量的數據中甄別出有用的信息和噪聲，這會為企業增加一項新的成本。

2.2 市場調研成本的降低

在傳統的制造業中，產品的設計、研發階段之前，為了更好地把握供需狀況和市場發展趨勢，企業需要花費大量的時間、人力進行市場調研。但是市場調研是一種高成本的信息獲取方式，同時這種方法耗時較長，存在著一定的滯后性，當市場發生轉變時，企業無法及時獲取到市場的新情況。在智能制造模式下，用戶與企業之間的界限淡化，越來越多的用戶開始積極地參與到企業的生產活動中，同時，企業的強大數據收集、挖掘能力，使企業能夠獲得產品整個生命周期中的各項實時數據，并通過對其分析更精準地定義用戶的偏好。這大幅度地降低了企業的市場調研成本[9]。

2.3 個性化的設計、服務成本的大幅增加

對于客戶而言，從傳統制造業到智能制造，實現了大規模批量化生產到個性化定制的轉變，消費者開始直接或者間接地參與到產品的研發、設計、生產以及銷售等環節，同時在使用產品的過程中，企業與客戶之間還可以實現后續使用感受的實時反饋，實現信息的交互傳遞，這是一種更為開放、包容的生產模式，它極大地提升了消費者的參與度和用戶體驗。但是，對于企業而言，在產品設計、制造以及銷售的過程中，要保持較高的客戶參與度與客戶滿意度，企業需要付出更進一步的個性化設計和服務成本。比如：面向個體的研發與設計成本、面向特定消費群體的個性化銷售成本、個性化的產品交付成本以及個性化的私人品牌成本[10]。

2.4 生產成本的降低

生產成本主要由企業生產經營過程中的直接人工、直接材料和制造費用這三大項組成，在智能制造模式下，各項企業生產成本會發生一定的變動。傳統制造業往往依據人工經驗來改進企業的生產流程和工藝過程，這種方式存在著很大的不確定性，效率低下。而智能制造的出現，解決了工業生產中的信息孤島問題，通過對工業生產工程中提取的數據進行提煉、總結、挖掘，找出數據背后蘊含的規律，將之運用于企業的進一步生產，并利用用戶反饋的數據再進一步地優化企業的生產經營活動，這使得企業經營生產中的數據形成了一個閉環，數據成為了驅動企業發展的生產力之一。通過精準計算分析和全局性的把握，智能制造模式下，企業可以找出影響企業產品成本、質量的關鍵性因素，并有針對性地控制成本、提高質量，在成本與質量之間作出權衡。工廠開始變得更為透明化，企業的生產流程、工藝優化過程更有針對性，材料利用率提高，資源與能源的耗用降低，智能機器的加入節省了相當大的人工，從而使企業的直接人工、直接材料和制造費用得到降低。

以我國光伏行業巨頭保利協鑫為例，其生產的產品光伏切片對生產工藝的要求非常高，一根0.115 mm粗的鋼線不斷摩擦硅板，最終切出的薄片誤差不能超過1%，車間的濕度和溫度、砂漿的溫度、導輪的溫度等上千個參數在實時地影響著良品率。企業流水線上的傳感器每秒可以記錄幾十GB的數據，但這些信息數量過于龐雜，如何從海量的數據中獲得所需的信息，是保利協鑫面臨的一大難題。阿里云ET工業大腦的出現成功地解決了這一難題，ET工業大腦對這些數據進行充分的挖掘，用人工智能的算法，提煉生產線的流程，從海量的數據中找出了影響良品率的60個關鍵指標，搭建參數曲線，對生產過程進行實時監測，控制變量，最終使保利協鑫光伏的良品率提高了1%，生產周期縮短了50%，直接人力成本下降了45%。

2.5 銷售成本的降低

對于傳統制造業而言，企業生產的產品往往要經歷“經銷商-分銷商-零售商-最終用戶”等環節，智能制造模式下，在信息平臺的支持下，企業與用戶之間的交流更為暢通，產品可以直接面向最終用戶而省去了中間環節，降低了銷售成本，企業在實現自身利益的同時降低了產品銷售價格，突出了企業的成本優勢和價格優勢[10]。

2.6 勞動力引進、轉移和安置成本的增加

新的技術革命也會對勞動力的需求結構提出新的要求。由于我國現有的制造業中低端的勞動密集型產業占很大的比例，大量的制造業從業人員從事著零部件的加工、裝配工作，在微笑曲線的三個階段中，智能制造技術應用于中間的生產和制造環節的范圍、幅度更大，效果更為明顯，機器替代人工之后，勞動生產率大幅度提高，企業以往用于生產制造環節的工人數會大幅度削減。但是對于微笑曲線的另外兩個環節研發設計、營銷與服務環節運用智能制造技術的可能性相對要小一些，因此，就制造企業來說，將會面臨過剩的勞動力人口的兩端轉移的問題和部分富余勞動力的安置問題[11]。

3 智能制造模式下的成本優化

3.1 生產組織成本的控制

在傳統制造業中，組織成本是成本控制中往往被忽略掉的一個環節，因為一個企業的組織架構、流程運轉和職能規劃一旦確立，將在一定期間內保持穩定不變[7]。智能制造的實現必須依賴于各個生產單元之間的高度配合、協調，這對企業的生產組織方式提出了新的要求，而且用戶的多樣化需求也要求企業的生產組織方式必須能夠靈活、迅速的轉變。因此，企業應搭建網絡化的生產設施動態調配平臺，生產設備調動平臺與企業的生產過程的交互，可以提供“研發、設計-原料購置-組織生產-物流營銷(最終用戶)”整個生命周期的實時信息，在此基礎上進行生產計劃的部署和資源的動態配置，企業可以根據用戶的不同需求，優化生產設備的組合方式，這種方式系統而且高效，不僅可以快速滿足外部市場的需求，而且提高了企業內部的資源利用率，可以優化企業的成本，促進企業生產的柔性化發展。

3.2 基于價值鏈的供應鏈物流成本管理

通過搭建供應鏈物流平臺，企業可以實時地監控到從材料購進、產品生產、產成品的分揀運輸和派送整個過程的物流信息，對組織內部的訂單和客戶的訂單進行整合和精細化管理，通過大數據分析，綜合考慮已有的物流資源，規劃出最合理的運輸路線、運輸方式以及時間安排，并對物料、產品進行定位與在途跟蹤，提升運輸環節的安全性，工作人員通過應用平臺對運輸環節進行實時的監測和操作。供應鏈物流平臺的建設，可以提升企業在物流運轉方面的效率和物流資源的利用率，為企業創造更多的價值，使物流環節成為企業的增值環節[7]。

3.3 基于精益管理的庫存成本優化

傳統制造業的生產活動往往是由企業主導的，而智能制造則更多地以用戶需求作為生產經營活動的出發點，企業開始根據收到的用戶訂單來組織生產，通過智能化的數據分析平臺與物流平臺，按照訂單情況，適時地組織材料的采購并將其配送到生產線上，然后進行生產設備的靈活調配，在產品完工后，以最短的時間將貨物配送給客戶。在這個過程中，減少了原材料等待所耗用的時間，簡化了材料搬運的過程，降低了產能過剩的風險，同時，實現了供應鏈流程的無縫對接，“零庫存”配置模式離企業的實踐越來越近，企業的庫存成本也可以得到很好的控制。

4 結語

在我國制造業面臨著雙重壓力的情況下，智能制造是實現制造業轉型升級、由大變強的關鍵所在。智能制造這種新型的制造模式，變革了傳統制造業的生產技術、產業模式以及組織形態和管理技術，使得企業的資源配置表現出不同于以往的巨大變化。本文從企業資源配置方式背后的成本結構變化為出發點，提出了在智能制造模式下成本優化的新思路。

參考文獻：

[1] 南星恒.成本的內涵、結構及其演進[J].會計之友，2016(23)：2-10.

[2] 黃群慧，賀俊.“第三次工業革命”與中國經濟發展戰略調整——技術經濟范式轉變的視角[J].中國工業經濟，2013(1)：5-18.

[3] 肖靜華，毛蘊詩，謝康.基于互聯網及大數據的智能制造體系與中國制造企業轉型升級[J].產業經濟評論，2016(2)：5-16.

[4] 唐德淼.智能制造產業發展影響因素與趨勢研究[J].產業與科技論壇，2017(2)：15-17.

[5] 丁雪，張驍.“互聯網+”背景下我國傳統制造業轉型的微觀策略及路徑：價值鏈視角[J].學海，2017(3)：86-90.

[6] 李永紅，王晟.互聯網驅動智能制造的機理與路徑研究——對中國制造2025的思考[J].科技進步與對策，2017(16)：56-61.

[7] 呂鐵，韓娜.智能制造：全球趨勢與中國戰略[J].人民論壇，2015(6)：6-17.

[8] 王欽，張隺.“中國制造2025”實施的切入點與架構[J].中州學刊，2015(10)：32-37.

[9] 余青英，余新培.工業4.0對企業成本控制的影響及對策探討[J].財務與會計，2016(19)：52-54.

[10] 周榮森.互聯網+智能工業模式的成本結構變動及其價格策略研究[J].價格理論與實踐，2015(8)：106-108.

[11] 阮小雪.智能制造對我國勞動力需求的影響[J].鄭州輕工業學院學報(社會科學版)，2017，18(4)：63-69.