制造業智能化轉型升級因素的實證研究

王慶　徐蘭　韓仲洋

摘 要

當前，實現制造業智能化轉型升級的關鍵是探索決定制造業智能化績效的關鍵影響因素，研究智能制造與產業轉型升級的相關理論，建立基于蘇州市制造業企業調研數據的智能化績效與智能技術創新、智能裝備資源、智能交互能力和智能服務平臺四項關鍵影響因素的實證研究，給出蘇州市制造業企業智能化轉型升級的對策建議。

關鍵詞

制造業;智能化;績效

中圖分類號： F424;F273.1 ? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A

DOI：10.19694/j.cnki.issn2095-2457.2020.04.16

0 前言

當前，我國制造業正加快智能化轉型升級，長期存在的結構性矛盾已改善，但對于傳統、勞動密集型的制造業企業，仍然面臨著勞動力成本上升且嚴重短缺，利潤微薄且處于國際產業鏈和價值鏈的低端。在世界經濟的重心已轉向實體經濟的背景下，我國制造業正面臨著發達國家加速重振制造業與發展中國家以更低生產成本承接國際產業轉移的“雙向擠壓”的壓力[1]。智能制造是制造業轉型升級的關鍵，而制造業智能化轉型升級的關鍵是探索決定制造業智能化績效的關鍵影響因素，研究智能制造與產業轉型升級的相關理論，確定影響制造業智能化轉型升級的關鍵因素，建立制造業智能化績效關鍵影響因素的實證研究，給出蘇州市制造業企業的智能化轉型升級的對策建議，提升蘇州制造業的全球競爭力，實現蘇州制造業的可持續發展。

1 制造業智能化轉型升級的關鍵影響因素

智能制造是基于新一代信息技術，包含產品全生命周期的可持續發展制造模式：研發設計智能化、生產制造智能化、技術服務智能化以及管理智能化。實施制造業智能化轉型升級的目的在于降低生產成本、提高生產效率、提升制造業核心競爭力，其核心在于：傳感技術、網絡技術、自動化技術等先進智能技術的創新;信息技術和智能技術與裝備制造過程技術的深度融合與集成;智能化的感知、人機交互、決策和執行技術;信息化與工業化融合并支撐企業各類系統有效運行的基礎服務平臺四個關鍵方面。研究智能制造與產業轉型升級的相關理論，分析、歸納與提煉智能制造示范試點企業的案例，確定影響制造業智能化轉型升級的關鍵因素分別為智能技術創新（包含智能技術經費投入占比JS1、高級研發人員比重JS2、高級制造人員比重JS3三個維度）、智能裝備資源（包含裝備經費投入ZB1、生產設備數字化程度ZB2兩個維度）、智能交互能力（包含數據鏈完備程度JH1、人機交互方式JH2、設備與設備間的交互方式JH3三個維度）和智能服務平臺（智能平臺投入占比FW1、工業軟件擁有量FW2、數據中心規模FW3、物聯網接入規模FW4四個維度）[2]。

2 基于蘇州市制造業智能化轉型升級數據的實證研究

2.1 數據調研及樣本分析

選擇蘇州代表性的制造業企業發放紙質、電子調查問卷212份，共回收182份問卷，回收率為85.85%;有效問卷152份，有效率為71.70%。調查問卷涉及企業的基本信息和智能化績效及其影響因素的度量，共34個題項，基本情況匯總如表1所示。

2.2 數據檢驗

2.2.1 正態性檢驗

應用Spss24.0對152份數據進行正態性檢驗：34個題項的偏度系數絕對值最大為0.863，遠小于標準值3;34個題項的峰度系數絕對值最大為0.967，遠小于標準值10。因此，152份數據滿足正態分布，進行智能化績效的回歸分析。

2.2.2 相關性檢驗

由相關性分析結果輸出表可知，智能技術創新、智能裝備資源、智能交互能力、智能服務平臺與智能化績效之間，在0.01 水平呈現顯著正相關性，比較其他三個因素，智能技術創新與智能化績效的相關性系數最大，對于智能化績效的影響最顯著。

2.2.3 信效度分析

基于問卷設計，對調查收集到的數據進行信度分析，應用Spss24.0對影響因素各量表、智能化績效量表進行量表信度的檢驗，各個變量的α值均大于0.7，則智能化績效及其影響因素的度量具有一致性，信度良好。進一步，調查問卷的效度應用Amos24.0進行因子分析檢驗，根據選取的4個影響因素智能技術創新（3個測量指標）、智能裝備資源（2個測量指標）、智能交互能力（3個測量指標）和智能服務平臺（4個測量指標）的量表劃分維度構建結構方程模型，得到的擬合指標結果與適配評價標準進行對比，各項擬合優度指標均在合理的范圍內：影響因素量表的驗證性因子，卡方自由度比值CMIN/DF=2.947<3，適配度GFI=.861>0.80，調整適配度AGFI=.774>0.70，比較適配指數GFI=.861>0.80，漸進殘差均方和平方根RMSEA=.114<0.80;智能化績效量表的驗證性因子，CMIN/DF=2.508<3，GFI=.954>0.90，AGFI=.892>0.80，CFI=.853>0.80，RMSEA=.1<0.80。

2.3 差異性分析

選取企業規模、行業地位以及員工受教育程度三個控制變量對因變量的影響，采用單因子方差分析進行控制變量的檢驗[3]：將“企業規模”劃分為四組群體，400萬元以下、400-4000萬元、4000-40000萬元、40000萬元以上，對“企業規模”進行差異性檢驗， F值15.876、P=0.000 <0.05（表2），表明企業應選擇適合自身規模改造升級活動;將“行業地位”劃分為三組群體：行業龍頭、行業骨干、行業一般，進行差異性檢驗，表明不同行業地位在智能化績效變量間具有顯著差異;將“員工受教育程度”劃分為四組群體：高中及以下、大專、本科、研究生及以上，進行差異性檢驗，表明不同員工受教育程度在智能化績效變量間具有顯著差異。

2.4 回歸分析

以智能化績效（XY）為因變量，智能技術創新（JS）和行業規模（GM）、行業地位（DW）、員工受教育程度（EDU）等三個控制變量為自變量進行回歸分析：智能技術創新（JS）與智能化績效（XY）在0.001水平上顯著正相關，β=0.331、P <0.001;智能裝備資源（ZB）與智能化績效（XY）在0.001水平上顯著正相關，β=0.281、P <0.001;智能交互能力（JH）與智能化績效（XY）在0.001水平上顯著正相關，β=0.216、P<0.001;智能服務平臺（FW）與智能化績效（XY）在0.001水平上顯著正相關，β=0.235、P<0.001。

2.5 結構方程模型檢驗

為了增強回歸分析的可信度，可將所有自變量、因變量放入一個結構方程模型中進行檢驗：CMIN=141.458，卡方自由度比值CMIN/DF=2.947<3、適配度指數GFI=0.861>0.80、調整適配度指數AGFI=0.774>0.70、規范擬合指數NFI=0.742>0.70、遞增擬合指數IFI=0.813>0.80、比較適配指數CFI=0.806>0.90、漸進殘差均方和平方根RMSEA=0.114<0.2，大多數指標均符合結構方程模型擬合標準。

3 對策建議

探索“智能制造”背景下蘇州制造業企業的轉型升級，為了提高制造業企業競爭力，推動蘇州經濟持續穩定健康發展，現提出以下若干對策建議：實施智能技術創新驅動、推動互聯網與制造業融合創新，鼓勵企業打開智能技術創新的思路、關鍵工序升級換代;面向需求發展智能制造裝備產業，鼓勵企業增強智能制造裝備技術的研發能力，構建蘇州市智能制造裝備產業發展集聚區，加快示范推廣應用;提高企業智能交互能力、推進產業鏈體系與信息化深度融合，鼓勵企業積極開發企業信息化系統軟件，提高智能交互水平;實施“中國制造2025蘇州行動綱要”，鼓勵政府以及各級金融機構開展多種形式的資金支持，大力支持智能制造服務平臺、技術平臺、創業培育基地建設。

參考文獻

[1]蔣興明.產業轉型升級內涵路徑研究[J].經濟問題探索，2014（12）：43-49.

[2]劉峰，寧健.智能制造企業技術創新效率及其影響因素[J].企業經濟，2016（04）：142-147.

[3]單春霞，仲偉周，張林鑫.中小板上市公司技術創新對企業績效影響的實證研究——以企業成長性、員工受教育程度為調節變量[J].經濟問題，2017（10）：66-73.