云南省制造業轉型升級影響因素研究

王鵬飛，李洋洋，余開朝，徐 雪

?

云南省制造業轉型升級影響因素研究

王鵬飛，李洋洋，余開朝，徐 雪

（昆明理工大學，機電工程學院，云南 昆明 650504）

制造業轉型升級是一項長期而復雜的系統工程。本文以云南省制造業企業為主要研究對象，以云南省“2017年新一輪工業轉型升級項目1000個新開工項目”為基礎，從中選擇了部分具有代表性的企業，從內部影響因素和外部影響因素兩個方面選取指標構建影響因素評價體系，利用經遺傳算法優化的BP神經網絡，構建出制造業轉型升級影響因素評價指標模型，并使用MATLAB數學軟件對所構建模型進行訓練和測試，得出云南省制造業轉型升級的主要制約因素，并據此提出相應建議。

制造業；轉型升級；影響因素；轉型策略；BP神經網絡

0 引言

制造業是實現社會進步和國富民強的基礎，是一個國家發展程度、綜合競爭力、整體經濟實力的最直觀的表現。在歐美等發達國家紛紛制定“制造業回歸”、“重振制造業”、“工業4.0”等戰略及各種新興工業技術不斷涌現的背景下，我國也于2015年5月8日正式發布了《中國制造2025》，對我國制造業轉型升級和跨越發展進行了整體部署。為積極響應國家的號召，云南省人民政府在2017年7月31日發布的《云南省工業轉型升級規劃（2016-2020年）（云政辦發〔201〕36號）》[1]，把制造業列為云南工業轉型升級的重要領域，促進制造業向數字化、智能化、綠色化、服務化發展。然而，制造業轉型升級是一項長期而復雜的系統工程。通過分析當下世界范圍內制造業轉型升級的相關理論，參照制造業轉型升級方面的國內外的一些成功經驗，深入分析云南省制造業轉型升級的緊要性以及所面臨的各項問題，采用實地考查方式深入分析研究影響云南省制造業轉型升級的因素，構建影響因素評價模型，得出相關結論，對于云南省制造業轉型升級具有重要意義。

國內外學者針對制造業轉型和升級做了大量研究。Miller[2]（2006）通過研究得出企業轉型成功后的績效與企業原有技術水平呈正相關的關系；Armbrust[3]（2010）闡述了制造業云計算這一全新的理念；Zhang[4]（2014）提出了云制造的概念。Dahlana[5]（2015）等研究了馬來西亞航空工業在全球價值鏈方面的升級；Seth Pipkin,Alberto Fuentes[6]（2017）提出了一個稱之為“誘導搜索”模型的升級框架，這一模型對發展中國家未來產業升級動態、國家干預技術和公共部門和私營部門行為者相互支持學習過程的研究具有重要意義。林溫正[7]（2000）認為企業轉型升級是通過改變主導、調整產業選擇、改變企業內部經營管理策略等方式實現改變事業重點或重新定義事業的目的?？讉ソ躘8]（2012）指出企業主要從跨行業領域或組織管理層面進行轉型。金晶[9]（2009）指出我國制造業轉型升級所面臨的最大問題體現在缺乏創新能力、產品附加值低、競爭力較弱等方面；郭偉鋒、王漢斌[10]（2012）等人認為政府、行業協會、環境、企業、產業鏈、產業協同這六大因素共同構成了制造業轉型升級的協同影響因素模型；姚宏鑫、朱隨洲[11]（2014）等人發現資源型民營企業轉型升級的關鍵因素有：社會環境、企業家素質、制度、要素稟賦結構及其變化、技術等；金青，張忠[12]（2015）等人提出了企業轉型升級的三種路徑：擴大產品加工范圍、提供階段性服務、品質升級。

目前還缺少能對企業的轉型升級提出一套可量化的評價標準，且對轉型升級的效果還停留在定性的描述上。本文以轉型升級背景下的云南省制造業企業作為研究對象，從制造業轉型升級的要求入手，分析云南省制造業企業轉型升級過程中的機遇和挑戰，識別影響云南省制造業企業轉型升級的因素，提出研究假設，通過問卷調查的形式，建立影響因素指標體系；然后，通過對遺傳算法、BP神經網絡基本原理的運用，建立影響因素評價模型，對模型進行驗證分析并得出驗證結果；據此，給出云南省制造業企業轉型升級的相應建議。

1 BP神經網絡和遺傳算法

人工神經網絡是以對生物體神經網絡的認識和理解為基礎，以生物體神經網絡結構和功能作為模仿對象，而建立的一種具有許多簡單的并行處理單元且能大量連接的并行分布式信息處理系統。按照功能和運算進行劃分，神經網絡包括前向神經網絡、反饋神經網絡以及自組織神經網絡。在結構上，BP神經網絡是由輸入層、輸出層、隱含層（中間層）共同組成的，是典型的多層網絡。網絡內部各層之間的神經元采用的是全連接方式，同一層中各神經元之間不允許有連接。且隱含層有單層的也有多層的，同外部處于隔離的情形，無直接的聯系，但隱含層的狀態會對輸入與輸出間的關系產生一定影響?？梢哉f，其權系數關系著整個網絡的性能。具體的網絡結構如圖1所示。

圖1 BP神經網絡結構示意圖

BP神經網絡模型的算法程序流程圖如下圖2 所示：

圖2 BP算法程序流程圖

遺傳算法（Genetic Algorithms）是由J.H.Holland通過模擬自然遺傳機制和生物進化理論，于上世紀60年代提出的一種搜索最優解的方法，簡稱GA算法。遺傳算法的理論支撐來自遺傳學說以及生物進化論，是一種具有高效率、自適應、并行處理、全局搜索的方案，在搜索過程中能自適應的起到控制作用，并得到最優解。遺傳算法也是進化算法，其改進了傳統算法易陷入局部極小值的弊端，通常由遺傳操作、染色體編碼機制、控制參數、適應度函數組成。

以生物學原理為研究基礎的人工神經網絡和遺傳算法，兩者的相結合研究，可以有效的借鑒各自的長處，為解決復雜問題開辟了更加有效的路徑，另外通過兩者的結合，我們能更充分的認識到進化與學習的相互關系。實際應用中，由于學習函數的復雜性BP神經網絡通常會在梯度下降的過程中陷入局部極值進而導致訓練失敗或無法得到令人滿意的結果，為了使網絡的訓練效果更好，需要一種可以搜索出全局極值的方法。遺傳算法恰恰能有效的規避所研究問題陷入局部最小值的問題，所以使用遺傳算法對BP神經網絡改進，對于提升BP神經網絡的泛化能力有顯著作用，且能彌補BP神經網絡的更多缺陷，如收斂速度較慢等。

2 云南制造業轉型升級影響因素識別及指標體系構建

2.1 影響因素識別

首先，對云南省制造業現狀和所面臨問題進行分析，可以得知云南省制造業存在的問題突出表現在自主創新能力弱、產業結構層次低、產業集聚程度低等方面。在此基礎上運用SWOT分析法對云南省轉型升級進行分析，具體表現在，云南省制造業轉型升級的優勢為勞動力優勢、產業基礎較好、政策支持、高端化發展趨勢明顯；弱勢表現在制造業企業創新能力低、研發投入少、行業領軍型企業少；機遇則是轉型升級有益于促進第二、三產業的深度融合、有益于新興產業群體以及經濟增長點的誕生、有益于云南省政治、經濟地位的提升；挑戰則為對工業基礎領域的挑戰、國內外同行業競爭壓力加大的挑戰、企業員工觀念難以帶來的挑戰。在通過選擇合理的影響因素識別方法的前提下，著重從內部影響因素和外部影響因素兩個方面對云南省制造業轉型升級的影響因素進行分析研究，得出影響云南省制造業轉型升級的21個影響因素，利用調查問卷的方式獲得所需的研究數據。

2.2 構建評價指標體系

通過國內外文獻的研究以及對云南省制造業轉型升級所面臨的實際情況的分析，初步提出研究假設，根據研究假設開發出云南省制造業轉型升級的影響因素量表，依托影響因素量表設計調查問卷，利用因子分析對所得樣本數據整理分析，修改假設指標，得出云南省制造業企業轉型升級的關鍵影響因素，進而建立云南省制造業企業轉型升級關鍵影響因素指標體系，如表1所示。

表1 云南省制造業轉型升級鍵影響因素指標體系

Tab.1 The index system of factors affecting the transformation and upgrading of Yunnan manufacturing industry

3 基于遺傳算法優化BP神經網絡的影響因素評價模型設計

3.1 輸入層設計

根據所構建的影響因素指標體系，根據建模的方法，創建BP網絡的輸入層神經元，共16個影響因素指標，即：FA1、FA2、FA3、FA4、FA5、FA6、FA7、FA8、FA9、FA10、FA11、FA12、FA13、FA14、FA15、FA16。

3.2 輸出層設計

本文的研究主要是為了對制造業企業轉型升級的影響因素進行評價，并最終將評價結果劃分為影響性高、影響性較高、影響性一般、影響性較低、影響性低，共五種評價結果，為使輸出結果更加簡單直觀，對五種輸出向量的模式進行設定。這五種輸出向量各自對應著上面所說的五種評價結果，具體如表2所示。

表2 BP神經網絡的輸出向量的表示

Tab.2 Representation of Output Vector of BP Neural Network

3.3 隱含層設計

目前對于BP網絡隱含層節點數的選定尚無一致的看法，多數研究都是依托實踐中總結出來的一些經驗公式，得到一個初始值的粗略估計值，再用試湊的方法來找出最適合的節點數，也就是在對同一樣本進行訓練時，逐步增加或減少隱含層節點數，綜合分析訓練時間和精確度兩方面的指標來確立最佳隱含層節點數。常用的確定隱含層范圍的公式如下：

式中，為1-10之間的常數，參照研究需要任意選取，為輸入層節點數，為隱含層節點數，為輸出層節點數。在本文的研究中，輸入層設計有16個節點，輸出層設計有5個節點，綜合參考上述三個經驗公式，隱含層的節點數取值范圍為5-16個，本文中隱含層神經元數對精度影響并不大，隨著其節點個數增加而使訓練時間增長，依照Kolmogorve定理，選隱含層神經元個數為9個。

3.4 網絡層數的設計

BP神經網絡可以有單個或多個中間層，但通過大多數實踐發現，單個隱含層即可滿足解決問題的需要。所以本文也采用具有三層架構的神經網絡，即輸入層、隱含層、輸出層各一層。在本文已經確立的各層條件的情況下，建立本文的模型架構圖，如圖3所示。

圖3 BP網絡模型架構圖

4 基于MATLAB的BP神經網絡影響因素評價模型的實現

將隨機挑選的25組數據進行歸一化處理后，導入網絡，以檢測經訓練完成后的網絡模型的泛化性能以及對新樣本能否實現精準預測的功能。表3給出了針對25組數據的模型測試結果，圖4給出了BP神經網絡的識別誤差曲線。

由表3可知，模型的期望輸出與模型實際輸出的向量類型全部一致，準確率高達100%。另外以0.7為閾值，若輸出向量的最大值大于0.7，且輸出向量為所期望的類型，則識別正確。從圖4.5可以看出全部25組數據均大于閾值0.7識別正確。綜上可知，使用經遺傳算法改進優化的BP神經網絡所構建的云南省制造業企業轉型升級影響因素評價模型預測成功，充分說明模型是準確有效的，該模型可以用來對云南省制造業企業轉型升級影響因素進行實證研究。

通過調查問卷，采集到云南省在企業發展規劃、轉型升級方面的部分行業內專家對影響制造業轉型升級的16個因素的打分表，仿真開始之前，首先把所得數據進行初處理，然后輸入已經建立的模型，進行仿真實驗。處理后的各指標專家評分表如表4所示。

將表中數據輸入到所建立的模型中，經模型仿真后，輸出結果如圖5所示。

圖5顯示，輸出向量Y=[0.9523 0.0009 0.0002 0.0012 0.0245]，結果趨向于影響性高的類別，這也表明如果企業的各指標得分跟專家打分情況相似那么該企業轉型升級成功的可能性高。

表3 模型檢測結果

Tab.3 Model detection results

圖4 BP神經網絡的識別誤差曲線

表4 專家評分表

Tab.4 Expert scoring table

在分析的基礎上，根據行業內專家提供的16個指標的評分情況，可以得出：企業資本積累、企業融資能力、企業研發投入及技術改進能力、企業營銷及品牌建設能力、政府優化融資環境能力、同地區同類型企業過去轉型升級經驗的影響、大型國有同類型企業轉型升級經驗的影響這七個指標對云南省制造業轉型升級影響性最高。結合云南省制造業發展現狀從企業、政府、社會三個層面給出適合推進云南省制造業轉型升級的相應建議。

（1）企業層面

1）提高企業研發投入及技術改進能力

2）增強企業營銷及品牌建設能力

3）加強企業融資能力

4）擴大企業資本積累

（2）政府層面

政府是轉型升級的倡導者，也是最主要的外部促進力量之一，更是云南省制造業轉型升級的重要引導因素。政府不斷優化融資環境能力。政府可以通過強化金融基礎設施建設、完善配套政策和措施、強化貨幣政策的針對性、加大利率市場化改革力度、完善中小企業信貸考核體系等方式解決企業的融資難問題，不斷優化企業的融資環境，為轉型升級提供強大的政策和資金支持。

（3）社會層面

1）加強同地區同類型企業之間的溝通合作；

2）定期組織學習觀摩團到大型國有同類型企業去參觀學習。

圖5 專家評分仿真結果圖

5 結論

文章以云南省部分制造業企業為研究對象，以影響制造業轉型升級的因素為研究主題，通過對國內外文獻的整理和分析，采用問卷調查、推理假設、數值統計分析、數學建模等方法，定性與定量相結合，建立了云南省制造業轉型升級影響因素的指標體系，之后，文章結合遺傳算法和BP神經網絡基本原理，使用遺傳算法對BP神經網絡改進優化，構建影響因素評價指標模型，最后對經過模型驗證的行業內專家提供的16個指標的評分情況，從中選擇評分較高的7個指標，分別從企業、政府、社會三個大層面對這7個指標進行分析，給出云南省制造業轉型升級的相應建議。

[1] 云南省人民政府辦公廳關于印發云南省工業轉型升級規劃(2016-2020)的通知.

[2] Miller, D.J. Technological diversity related diversification and firm performance[J]. Strategic Management Journal, 2006, (27): 601-619.

[3] Armbrnst M, Fox A, Grimth R, et a1. A view of cloud computing[J]. Communications of the ACM, 2010, 53(4): 50-58.

[4] Zhang L, Luo Y L, Tao F, et a1. Cloud manufacturing: A new manufacturing paradigm[J]. Enterprise Information Systems, 2014, 8(2): 167-187.

[5] Jaslin Md Dahlana. Omar Samata, Akmal Aini Othman. Upgrading in Global Value Chainof Malaysian Aviation Industry[J]. Procedia Economics and Finance. 2015(31): 839- 845.

[6] Seth Pipkin, Alberto Fuentes. Spurred to Upgrade: A Review of Triggers and Consequences of Industrial Upgrading in the Global Value Chain Literature[J]. World Development, 2017, 10(9-8): 536-554.

[7] 林溫正. 臺灣傳統集團企業轉型策略之研究[D]. 臺灣, 國立臺灣大學, 2000.

[8] 孔偉杰. 制造業企業轉型升級影響因素研究——基于浙江省制造業企業大樣本問卷調查的實證研究[J]. 管理世界, 2012(9): 120-131.

[9] 金晶. 金融危機對我國制造業的影響[J]. 經營管理者, 2009, (2): 53.

[10] 郭偉鋒, 王漢斌, 李春鵬. 制造業轉型升級的協同機理研究——以泉州制造業轉型升級為例[J]. 科技管理研究, 2012, 23: 124-129.

[11] 姚宏鑫, 朱隨洲, 王根厚, 等. 資源型民營企業轉型升級的決定因素[J]. 中國國土資源經濟, 2014(2): 69-72.

[12] 金青, 張忠, 陳杰. 基于典型案例的蘇南制造業轉型升級路徑與對策研究[J]. 科技進步與對策, 2015(18): 51-57.

Research on the Influencing Factors of Manufacturing Transformation and Upgrading in Yunnan Province

WANG Peng-fei, LI Yang-yang, YU Kai-chao, XU Xue

(College of Mechanical and Electrical Engineering, Kunming University of Science and Technology, Kunming, Yunnan 650000)

The transformation and upgrading of manufacturing industry is a long-term and complicated system engineering.The thesis focused on the manufacturing enterprises in Yunnan Province as the main research object, Based on the "1000 new projects of industrial transformation and upgrading in 2017" in Yunnan, some representative enterprises were selected. From the two aspects of internal and external factors set up an evaluation index system for factors affecting manufacturing transformation and upgrading. Used the Genetic Algorithm to optimize the BP neural network, built the evaluation index model of factors affecting the transformation and upgrading of manufacturing industry, and used mathematical software MATLAB to build the model for training and testing. Obtained the main constraints of the transformation and upgrading of manufacturing in Yunnan Province , and corresponding suggestions were made accordingly.

Manufacturing; Transformation and upgrading; Influencing factors; Transformation strategy; BP neural network

TP183

A

10.3969/j.issn.1003-6970.2018.09.026

王鵬飛(1993-)，男，研究生，主要研究方向：生產及制造系統工程；李洋洋(1991-)，男，研究生，主要研究方向：生產及制造系統工程；余開朝(1962-)，男，教授，主要研究方向：生產及制造系統工程；徐雪(1990-)，女，研究生，主要研究方向：生產及制造系統工程。

本文著錄格式：王鵬飛，李洋洋，余開朝，等. 云南省制造業轉型升級影響因素研究[J]. 軟件，2018，39（9）：127-132