共享制造企業高質量發展效率研究

摘 要：共享制造是傳統制造業與先進信息技術有機融合的新型制造模式，是實現我國制造業現代化轉型的有效途徑。為了促進我國共享制造企業高質量發展，構建了共享制造企業高質量發展效率評估體系，基于DEA方法和DEA-Malmquist指數對2020—2022年我國34家共享制造企業的高質量發展效率進行了靜態層面和動態層面的研究。研究結果表明，2020—2022年我國綜合效率均值分別為0.850、0.865、0.881，純技術效率均值分別為0.883、0.923、0.914，規模效率均值分別為0.961、0.933、0.961；2020—2022年，我國共享制造企業的全要素生產率均值為0.972，下降了2.8%；技術效率均值為1.010，上升了1.0%；技術進步指數均值為0.962，下降了3.8%。我國共享制造企業高質量發展受到純技術效率的制約明顯。研究從提高純技術效率以及規模效率兩方面，提出促進我國共享制造企業高質量發展的一些建議。

關鍵詞：制造業；共享制造；高質量發展效率；DEA模型；DEA-Malmquist指數；純技術效率

中圖分類號：F 414;F 124.1

文獻標識碼：A

文章編號：1672-7312（2024）05-0577-07

Research on High-Quality Development Efficiency of Shared Manufacturing Enterprises

ZHANG Peng，WANG Tianri，SUN Wenhao

（School of Economics and Management，Taiyuan University of Technology，Jinzhong 030600，China）

Abstract：Shared manufacturing is a new manufacturing model that integrates traditional manufacturing with advanced information technology，and is an effective way to achieve the modernization transformation of China’s manufacturing industry.In order to promote the high-quality development of shared manufacturing enterprises in China，this article constructs an evaluation system for the efficiency of high-quality development of shared manufacturing enterprises，and studies the efficiency of high-quality development of 34 shared manufacturing enterprises in China from 2020 to 2022 based on the DEA method and DEA Malmquist index on the static and dynamic levels.The research results show that from 2020 to 2022，the average comprehensive efficiency in China was 0.850，0.865，and 0.881，while the average pure technical efficiency was 0.883，0.923，and 0.914，and the average scale efficiency was 0.961，0.933，and 0.961，respectively；that from 2020 to 2022，the average total factor productivity of China’s shared manufacturing enterprises was 0.972，a decrease of 2.8%；the average technical efficiency is 1.010，an increase of 1.0%；the average index of technological progress is 0.962，a decrease of 3.8%.The high-quality development of shared manufacturing enterprises in China is significantly constrained by pure technological efficiency.This article，From two aspects of improving pure technical efficiency and scale efficiency，finally proposes some suggestions to promote the high-quality development of shared manufacturing enterprises in China.

Key words：manufacturing industry；shared manufacturing；high quality development efficiency；DEA model；DEA-Malmquist index；pure technical efficiency

0 引言

制造業體現了一個國家的生產力水平，是國民經濟的主要組成部分。在制造社會財富、解決就業、促進科學技術發展等方面起著舉足輕重的作用。我國制造業自改革開放以來有了長足的發展，在此期間我國制造業發展迅速、總量不斷增長、規模不斷擴大、產業結構升級顯著，綜合實力以及國際競爭力提升明顯，但我國制造業依然存在著“大而不強”的問題^[1]。黨的十九大指出，我國正處在經濟由高速增長轉向高質量發展、經濟結構戰略性調整、轉換增長動力的攻關期，解決制造業“大而不強”、長期在價值鏈中低端徘徊等難題必須大力發展先進制造業^[2]。近年來由于信息和通信技術（Information and Communication Technology）的發展，許多諸如云計算（Cloud Computing）^[3]、物聯網（Internet of Things）^[4]、大數據分析（Big Data Analytics）^[5]、人工智能（Artificial Intelligence）^[6-7]等新興技術的出現為制造業注入了更多的活力^[8]。傳統制造業和先進信息通訊技術的有機融合催生了共享制造模式。

共享制造指的是采用新一代的信息技術，借助智能平臺完成制造資源服務化和協同化共享，實現制造供需高效匹配和制造資源優化配置的新型制造模式。共享制造將共享理念用于制造領域，將閑置、分散的生產制造資源高效匯集、彈性匹配和動態共享，是共享經濟這種新興經濟形態在制造領域的創新應用。為推動共享制造模式的發展，我國工信部在2019年10月出臺了《關于加快培育共享制造新模式新業態促進制造業高質量發展的指導意見》，提出要把能力共享作為共享制造模式的重點，把創新、服務能力共享作為共享制造模式的支撐，形成制造業高質量發展和協同發展的新格局；國家發改委等部門在2019年11月出臺了《關于推動先進制造業和現代服務業深度融合發展的實施意見》，提出要“發展共享生產平臺”，將其作為“培育融合發展新業態新模式”的十個重點任務之一；工信部2020年7月出臺了《關于進一步促進服務型制造發展的指導意見》，強調要積極推動共享平臺建設，鼓勵企業建設共享制造工廠，完善共享制造發展生態。在各項相關政策的推動指引和企業的不斷探索下，我國依托工業互聯網發展起來的共享制造模式邁上新臺階。

目前度量我國制造業高質量發展效率的研究較多，多數基于賦權類評價法。張愛琴等^[9]構建了制造業高質量發展體系，采用CRITIC-熵值法組合權重與TOPSIS相結合的評價方法對我國30個省市2013—2018年的制造業高質量發展水平進行了度量。曾洪鑫等^[10]運用猶豫模糊熵權和TOPSIS法進行量化評測，尋找粵港澳大灣區高質量發展的新方向。蘇暢等^[11]為探尋符合我國的ESG評價體系，建立了采用AHP-熵值組合賦權方法確立指標權重，并運用TOPSIS方法建立評價模型。劉文玲等^[12]構建了測度企業數字化轉型程度和綠色發展水平的綜合指標體系，基于制造業上市公司的數據，運用TOPSIS模型驗證數字化轉型對綠色發展績效的影響；劉成坤等^[13]綜合考慮了創新驅動、產業基礎、結構優化、效率效益和方式轉換等五個維度，構建了制造業高質量發展評估體系，基于此運用TOPSIS模型對我國制造業高質量發展水平進行了評估。以上對于高質量發展評價體系的建立多數以指標賦權類評價法為基準，該方法需要對賦權以及權重進行精確的計算；而數據包絡分析法（DEA）能夠直接對投入和產出的效率進行計算，且無需統一量綱，因而被廣泛應用于對效率的度量和分析中。郭本海等^[14]在數字經濟驅動的背景下構建了對中國高技術制造業創新效率的評價指標體系，運用Booststrap-DEA方法對2009—2019年各省的高新技術制造業創新效率進行了評價，分析了高新技術制造業創新效率的區位差異及其原因；姚夢琪^[15]構建了基于道格拉斯生產函數的企業創新績效評價指標體系，運用DEA方法對江蘇省制造業上市企業創新績效進行了評估；李將軍等^[16]基于我國高端制造業數據構建了三階段DEA模型對企業創新技術效率進行了評估。

綜上所述，目前雖然對于新時代下制造業發展效率的研究較多，但是卻鮮有對于共享制造企業高質量發展效率的研究。因此研究基于2020—2022年的共享制造企業數據，構建了中國共享制造企業高質量發展效率指標體系，采用DEA方法和DEA-Malmquist指數模型對共享制造企業高質量發展效率進行靜態和動態的綜合分析，展示我國現階段共享制造發展情況并提出相應建議。

1 研究方法及變量選取

1.1 研究方法

1.1.1 DEA模型

發明于20世紀80年代的數據包絡分析法（Data Envelopment Analysis，DEA）是一種有效的決策方法，其主要用途為評估具有相似性質單元的效率，由于簡單有效、適用性廣的特點，被用于諸多領域^[17]。在使用DEA前無需提前得知生產函數的具體表達形式，同時也可以對不同量綱的指標進行評價^[18]，因此該方法適用于對沒有給出明確函數表達式的共享制造企業高質量發展效率的度量。DEA最基本的兩個模型為CCR模型和BCC模型。CCR模型假定規模報酬不變，其計算得出的效率為綜合效率；BCC模型假定規模報酬可變，其計算得出的效率為純技術效率。而綜合效率可分解為純技術效率和規模效率，其中純技術效率是對于決策單元技術、環境以及管理水平的衡量，而規模效率則是對決策單元生產要素配比的衡量，三者的關系為

綜合效率=純技術效率×規模效率（1）

采用的是投入導向的CCR模型與BCC模型。CCR模型為

上述模型的對偶模型為

式中，x和y分別為需要輸入到模型內的投入和產出變量矩陣；μ，ω和λ為對應的權重；ε為非阿基米德無窮小，是一個小于任何正數且大于0的值；θ為效率值；s⁺和s^-分別為投入和產出松弛變量；e=（1，1，…，1）。類似地，BCC模型的對偶模型為

其中符號的含義與CCR模型完全相同。

1.1.2 DEA-Malmquist方法

上述DEA模型只能對決策單元在同一時期的投入和產出效率進行靜態分析，而對于從t期到t+1期的效率動態變化信息則無法獲知，而DEA-Malmquist指數模型則很好地克服了這個問題^[19]。對于動態信息的獲取可以使決策者對于決策單元進行更為全面的評估，進而更好地進行決策。因此可以借助DEA-Malmquist指數模型對決策單元進行動態評估，該模型如下

式中，x^t為決策單元在t期的投入指標值；y^t為決策單元在t期的產出指標值；D^t（x^t，y^t）為（x^t，y^t）在t期的距離函數。而對于TFP、EC、TC、PEC、SEC的解釋見表1。

1.2 樣本選取及數據來源

共享制造又稱制造資源共享，是共享經濟這一概念在制造生產領域的一大創新，共享制造運用共享理念將閑置、分散的資源聚合起來使其能夠滿足動態的、彈性的新型需求模式。共享制造企業指的是以上述共享制造模式為主要生產模式的企業。為了探究我國共享制造的發展現狀，選取了陳俊龍等^[20]根據共享制造定義以及分類原則篩選出來的共享制造上市企業，從中剔除掉ST、^*ST的企業，共計34家。其中云海金屬改名為寶武鎂業；小康股份改名為賽力斯。選取的時間周期為2020—2022年，上述企業的數據均來自國泰安數據庫以及各企業的企業年報。決策單元數量（即共享制造企業數量）大于投入產出指標之和的2倍，符合DEA模型對于決策單元數量的要求。

1.3 變量選取

為了能夠更好地評估共享制造企業高質量發展效率，在投入指標選取方面借鑒了張鵬等^[21]的研究，從企業投入的資本和勞動力兩方面來衡量共享制造企業的投入。共享制造作為一種新型的制造模式，需要大量的資金投入；同時共享制造也需要大量的研發人員來進行產業升級、技術精進以及后續的服務優化等一系列工作，因此投入指標包括注冊資本、研發人數、職工薪酬。在產出指標選取方面借鑒了馬宗國等^[22]從經濟效益、創新水平、綠色發展、國際合作、社會效益等五個方面對制造業發展水平進行評估的方式。企業的經濟效益、創新水平、綠色發展、國際合作、社會效益可以用營業收入、研發強度（企業研發支出/營業收入）、海外收入、就職人數來衡量，因此將上述四個指標設為產出指標。投入、產出指標的設置見表2。

2 實證研究

2.1 描述性統計

使用Excel對收集到的數據進行描述性統計，結果見表3。

從表3可知，我國共享制造企業在營業收入、研發強度、海外收入、就職人數、注冊資本、研發人數以及職工薪酬方面均有著較大的差異。一方面，這是因為共享制造企業涉及的范圍十分廣泛，因此不同企業的資金籌備以及業務范圍均有較大的差異；另一方面也可以看出我國共享制造企業的發展水平參差不齊。

2.2 DEA模型靜態分析結果

利用DEAP 2.1軟件對34家共享制造企業的投入產出指標進行分析，綜合效率及其分解記錄見表4。其中綜合效率（PTE）表示的是共享制造企業在投入一定時產出的效率或者在產出一定時投入的效率；純技術效率（TE）表示的是共享制造企業所掌握的技術水平、生產環境以及管理水平等要素^[23]；規模效率（SE）表示共享制造企業進行生產時的生產要素配比^[24]。

由表4可知2020—2022年我國共享制造企業的綜合效率均值分別為0.850、0.865、0.881，可以看出這3年的綜合效率均值呈上升的趨勢，由此可見我國共享制造企業高質量發展具有明顯的成效，但最高的均值0.881依然距離1有著一定的差距，這也說明我國共享制造企業在高質量發展方面有著較大的提升空間；而由PTE的分解TE和SE可以看出同年SE均值均大于TE，這表明我國共享制造企業的資源配置一直處于一個較為合理的狀態，是共享制造企業所掌握的技術水平、生產環境以及管理水平等要素處于較低水平制約了共享制造企業的高質量發展。此外，處于DEA有效狀態（PTE=1）的共享制造企業數量呈波動上漲的趨勢，2022年有近五成的共享制造企業處于生產前沿面，達到了純技術效率以及規模效率的雙重最優。另外，在這34家共享制造企業中，有些企業達到了純技術效率最優，但沒有達到規模效率最優，說明規模效率制約了這些企業的高質量發展；而有一些企業達到了規模效率最優，但沒有達到純技術效率最優，說明是純技術效率制約了這些企業的高質量發展。

將（0，1］分為4個區間，分別是（0，0.6］、（0.6，0.8］、（0.8，1）以及端點值1，綜合效率值依次落在上述區間內分別稱為重度DEA無效、中度DEA無效、輕度DEA無效以及DEA有效^[25]。如此對2020—2022年34家共享制造企業的綜合效率進行劃分，結果見表5。

由表5可知2020—2022年均沒有出現重度DEA無效的共享制造企業。2020年和2022年均有近一半的企業達到了DEA有效，這些企業的純技術效率以及規模效率均達到了最優；而2021年由于受到疫情的影響，導致共享制造企業的綜合效率有所下降。

2.3 Malmquist指數模型動態分析結果

為了能動態獲取我國共享制造企業高質量發展效率情況，對34家共享制造企業Malmquist指數運用DEAP 2.1軟件進行了計算及分解，具體的Malmquist指數以及其詳細的分解結果見表6。若某個時間段的Malmquist指數大于1，則說明該時間段的指標效率相較于上一時間段有所增加，增加的百分比為該指標和1的差值；若某個時間段的Malmquist指數小于1，則說明該時間段的指標效率相較于上一時間段有所下降，下降的百分比為1和該指標的差值。進一步，全要素生產率（TFP）等于技術效率（EC）與技術進步（TC）之積；技術效率（EC）等于純技術效率（PEC）與規模效率（SEC）之積。

通過表6可知，2020—2022年，我國共享制造企業的全要素生產率均值有所下降，下降了2.8%；技術效率均值為1.010，上升了1.0%；技術進步指數均值為0.962，下降了3.8%。在此期間我國共享制造企業的技術效率有所提高，但受到技術進步指數的負面影響較大，導致了總體的全要素生產率有所下降。分年份來看，受到新冠疫情的影響，2021年相較于2020年我國共享企業的全要素生產率有著較大地下降，下降了8.4%，而此期間技術效率有所上升，上升了4.0%，但是技術進步指數有較大幅度的下降，下降了12.0%，由此可見，該期間全要素生產率下降的主要原因是其受到了疫情期間技術進步效率的負面影響；得益于疫情防控的良好態勢，2022年相較于2021年我國共享制造企業的全要素生產率提升了3.1%，但是此期間技術效率卻呈下降的態勢，下降了1.9%，而技術進步指數上升明顯，上升了5.1%，可見該期間的全要素生產率的提高主要取決于技術進步指數的增長。由分解指標可知，我國共享制造企業2020—2022年全要素生產率均值有所下降的主要原因是全要素生產率有所下降；而2020—2021年的全要素生產率下降的原因是該期間技術進步指數下降明顯。

綜上所述，2021—2022年我國共享制造企業高質量發展全要素生產率有所增長，但受到疫情的影響，導致2020—2022年我國共享制造企業高質量發展全要素生產率產生了一定程度的下降。2020—2022年我國共享制造企業技術效率以及純技術效率均大于1；而技術進步指數和規模效率均小于1，可見是技術進步指數和規模效率指數共同阻礙了全要素效率的增加。

3 結語

1）根據DEA方法分析，2020—2022年我國共享制造企業的綜合效率均值分別為0.850、0.865、0.881，呈現連續上升的趨勢，這表明我國共享制造企業穩健的發展態勢且具有較大的提升空間。從綜合效率分解角度上看，我國共享制造企業的規模效率均優于純技術效率，因此純技術效率較低，在一定程度上制約了共享制造企業的高質量發展。但是，不同共享制造企業面臨的問題并不完全相同：有些受到了純技術效率較低的影響，意味著這些企業的技術水平、生產環境或者管理水平存在不足；而有些則是規模效率較低，意味著這些企業的資源配置效率較低。此外2020—2022年分別有15家、12家、16家企業的綜合效率值為1，占比分別為44.12%、35.29%、47.06%，這意味著這些共享制造企業的純技術效率以及規模效率均達到最優，具有良好的高質量發展態勢。

2）根據Malmquist指數分析，2020—2022年，我國共享制造企業的全要素生產率均值有所下降，下降了2.8%；技術效率均值為1.010，上升了1.0%；技術進步指數均值為0.962，下降了3.8%，可見是技術進步指數較低制約了全要素生產率的提高，我國共享制造企業的技術效率均值大于1而技術效率均值小于1，說明我國共享制造企業的高質量發展還未達到最優狀態，仍然有較大進步空間。該期間全要素生產率均值下降主要是受到了疫情的影響，在疫情得以有效控制后，共享制造企業的全要素生產率得以上升。

3）要著力于純技術效率的提高。共享制造企業要加大科研技術和人才培養方面的投入，掌握核心科技，努力破除關鍵技術被“卡脖子”的境地；充分利用物聯網、工業互聯網等新型工業信息平臺，實現工業制造與互聯網的深度融合；加強識別和預防能力，從而更好地應對共享制造在研發、生產、銷售等過程中可能遭受到的風險和挑戰，努力將外部環境波動對共享制造高質量發展的負面影響降至最低；同時也要注重企業管理水平的提升，努力實現企業管理水平與技術水平相匹配。

4）要著力于規模效率的提高。共享制造企業要加大基礎設施建設力度以及創新力度，優化生產要素的配比和對成本的控制以達到降本增效，努力提高共享制造行業的生產效率。

參考文獻：

[1] 丁文珺，杜志明.我國制造業發展四十年：成就、新形勢與轉型思路[J].經濟縱，2018（08）：70-79.

[2]劉如月，楊蕙馨.先進制造業與現代服務業融合：研究綜述及未來趨勢[J].產業經濟評論（山東大學），2023，22（01）：108-123.

[3]TAO F，CHENG Y，XU L D，et al. CCIoT-CMfg：Cloud computing and internet of things-based cloud manufacturing service system[J]. IEEE Transactions on Industrial Informatics，2014，10（02）：1435-1442.

[4]LI S，XU L D，ZHAO S. The internet of things：a survey[J]. Information Systems Frontiers，2015，17（02）：243-259.

[5]REN S，ZHANG Y，LIU Y，et al. A comprehensive review of big data analytics throughout product lifecycle to support sustainable smart manufacturing：A framework，challenges and future research directions[J]. Journal of Cleaner Production，2019，210：1343-1365.

[6]GHAHRAMANI M，QIAO Y，ZHOU M，et al. AI-based modeling and data-driven evaluation for smart manufacturing processes[J]. Ieee-Caa Journal of Automatica Sinica，2020，7（04）：1026-1037.

[7]LI B，HOU B，YU W，et al. Applications of artificial intelligence in intelligent manufacturing：a review[J]. Frontiers of Information Technology & Electronic Engineering，2017，18（01）：86-96.

[8]ZHENG P，WANG H，SANG Z，et al. Smart manufacturing systems for Industry 4.0：Conceptual framework，scenarios，and future perspectives[J]. Frontiers of Mechanical Engineering，2018，13（02）：137-150.

[9]張愛琴，張海超.數字化轉型背景下制造業高質量發展水平測度分析[J].科技管理研究，2021，41（19）：68-75.

[10]曾洪鑫，李海浪，王鐵旦.粵港澳大灣區出口制造業高質量發展水平評價——基于猶豫模糊熵權與TOPSIS模型的實證分析[J].科技管理研究，2023，43（07）：42-50.

[11]蘇暢，陳承.新發展理念下上市公司ESG評價體系研究——以重污染制造業上市公司為例[J].財會月刊，2022（06）：55-160.

[12]劉文玲，萬美杉，鄭馨竺.數字化轉型對制造業企業綠色發展績效的影響研究[J].工業技術經濟，2023，42（12）：22-33.

[13]劉成坤，林明裕.制造業高質量發展水平的統計測度及時空演變特征研究[J].當代經濟管理，2023，45（08）：56-68.

[14]郭本海，王梓興，王菲.數字經濟驅動下中國省域高技術制造業的創新效率評價研究[J].研究與發展管理，2023，35（04）：65-79.

[15]姚夢琪.基于DEA方法的江蘇省制造業上市企業創新績效研究[J].科技和產業，2023，23（11）：23-28.

[16]李將軍，韓圣玥，付濤，等.我國高端裝備制造企業技術創新效率研究——基于三階段DEA模型的分析[J].價格理論與實踐，2022（07）：30-33+147.

[17]PANWAR A，OLFATI M，PANT M，et al. A review on the 40 years of existence of data envelopment analysis models：Historic development and current trends[J]. Archives of Computational Methods in Engineering，2022，29（07）：5397-5426.

[18]雷輝，龍輝.我國上市公司治理效率——基于DEA方法[J].系統工程，2016，34（11）：17-23.

[19]王振山，石大林，路文靜.基于內生性的公司治理效率與公司績效間的關系[J].投資研究，2014，33（06）：41-54.

[20]陳俊龍，唐秋.基于三階段DEA-Malmquist方法的中國共享制造高質量發展效率測度研究[J].工業技術經濟，2022，41（03）：106-115.

[21]張鵬，李林欣，曾永泉.基于DEA-Malmquist指數的粵港澳大灣區科技創新效率評價研究[J].工業技術經濟，2021，40（02）：12-17.

[22]馬宗國，曹璐.制造企業高質量發展評價體系構建與測度——2015—2018年1881家上市公司數據分析[J].科技進步與對策，2020，37（17）：126-133.

[23]陳云橋，李杰，郝晗.員工股權激勵對中小企業創新會產生補充的促進效應嗎？[J].技術經濟，2022，41（09）：72-82.

[24]劉中文，王述坤，遲冬梅.女性高管比例與公司治理效率關系的實證[J].統計與決策，2022，38（15）：185-188.

[25]龔怡丹，宋良榮.智能制造企業公司治理效率研究[J].技術與創新管理，2023，44（05）：601-606.

（責任編輯：王強）