制造业智能化转型升级因素的实证研究
来源:用户上传
作者:
摘 要
当前，实现制造业智能化转型升级的关键是探索决定制造业智能化绩效的关键影响因素，研究智能制造与产业转型升级的相关理论，建立基于苏州市制造业企业调研数据的智能化绩效与智能技术创新、智能装备资源、智能交互能力和智能服务平台四项关键影响因素的实证研究，给出苏州市制造业企业智能化转型升级的对策建议。
關键词
制造业;智能化;绩效
中图分类号： F424;F273.1 文献标识码： A
DOI：10.19694/j.cnki.issn2095-2457.2020.04.16
0 前言
当前，我国制造业正加快智能化转型升级，长期存在的结构性矛盾已改善，但对于传统、劳动密集型的制造业企业，仍然面临着劳动力成本上升且严重短缺，利润微薄且处于国际产业链和价值链的低端。在世界经济的重心已转向实体经济的背景下，我国制造业正面临着发达国家加速重振制造业与发展中国家以更低生产成本承接国际产业转移的“双向挤压”的压力[1]。智能制造是制造业转型升级的关键，而制造业智能化转型升级的关键是探索决定制造业智能化绩效的关键影响因素，研究智能制造与产业转型升级的相关理论，确定影响制造业智能化转型升级的关键因素，建立制造业智能化绩效关键影响因素的实证研究，给出苏州市制造业企业的智能化转型升级的对策建议，提升苏州制造业的全球竞争力，实现苏州制造业的可持续发展。
1 制造业智能化转型升级的关键影响因素
智能制造是基于新一代信息技术，包含产品全生命周期的可持续发展制造模式：研发设计智能化、生产制造智能化、技术服务智能化以及管理智能化。实施制造业智能化转型升级的目的在于降低生产成本、提高生产效率、提升制造业核心竞争力，其核心在于：传感技术、网络技术、自动化技术等先进智能技术的创新;信息技术和智能技术与装备制造过程技术的深度融合与集成;智能化的感知、人机交互、决策和执行技术;信息化与工业化融合并支撑企业各类系统有效运行的基础服务平台四个关键方面。研究智能制造与产业转型升级的相关理论，分析、归纳与提炼智能制造示范试点企业的案例，确定影响制造业智能化转型升级的关键因素分别为智能技术创新（包含智能技术经费投入占比JS1、高级研发人员比重JS2、高级制造人员比重JS3三个维度）、智能装备资源（包含装备经费投入ZB1、生产设备数字化程度ZB2两个维度）、智能交互能力（包含数据链完备程度JH1、人机交互方式JH2、设备与设备间的交互方式JH3三个维度）和智能服务平台（智能平台投入占比FW1、工业软件拥有量FW2、数据中心规模FW3、物联网接入规模FW4四个维度）[2]。
2 基于苏州市制造业智能化转型升级数据的实证研究
2.1 数据调研及样本分析
选择苏州代表性的制造业企业发放纸质、电子调查问卷212份，共回收182份问卷，回收率为85.85%;有效问卷152份，有效率为71.70%。调查问卷涉及企业的基本信息和智能化绩效及其影响因素的度量，共34个题项，基本情况汇总如表1所示。
2.2 数据检验
2.2.1 正态性检验
应用Spss24.0对152份数据进行正态性检验：34个题项的偏度系数绝对值最大为0.863，远小于标准值3;34个题项的峰度系数绝对值最大为0.967，远小于标准值10。因此，152份数据满足正态分布，进行智能化绩效的回归分析。
2.2.2 相关性检验
由相关性分析结果输出表可知，智能技术创新、智能装备资源、智能交互能力、智能服务平台与智能化绩效之间，在0.01 水平呈现显著正相关性，比较其他三个因素，智能技术创新与智能化绩效的相关性系数最大，对于智能化绩效的影响最显著。
2.2.3 信效度分析
基于问卷设计，对调查收集到的数据进行信度分析，应用Spss24.0对影响因素各量表、智能化绩效量表进行量表信度的检验，各个变量的α值均大于0.7，则智能化绩效及其影响因素的度量具有一致性，信度良好。进一步，调查问卷的效度应用Amos24.0进行因子分析检验，根据选取的4个影响因素智能技术创新（3个测量指标）、智能装备资源（2个测量指标）、智能交互能力（3个测量指标）和智能服务平台（4个测量指标）的量表划分维度构建结构方程模型，得到的拟合指标结果与适配评价标准进行对比，各项拟合优度指标均在合理的范围内：影响因素量表的验证性因子，卡方自由度比值CMIN/DF=2.947<3，适配度GFI=.861>0.80，调整适配度AGFI=.774>0.70，比较适配指数GFI=.861>0.80，渐进残差均方和平方根RMSEA=.114<0.80;智能化绩效量表的验证性因子，CMIN/DF=2.508<3，GFI=.954>0.90，AGFI=.892>0.80，CFI=.853>0.80，RMSEA=.1<0.80。
2.3 差异性分析
选取企业规模、行业地位以及员工受教育程度三个控制变量对因变量的影响，采用单因子方差分析进行控制变量的检验[3]：将“企业规模”划分为四组群体，400万元以下、400-4000万元、4000-40000万元、40000万元以上，对“企业规模”进行差异性检验， F值15.876、P=0.000 <0.05（表2），表明企业应选择适合自身规模改造升级活动;将“行业地位”划分为三组群体：行业龙头、行业骨干、行业一般，进行差异性检验，表明不同行业地位在智能化绩效变量间具有显著差异;将“员工受教育程度”划分为四组群体：高中及以下、大专、本科、研究生及以上，进行差异性检验，表明不同员工受教育程度在智能化绩效变量间具有显著差异。 2.4 回归分析
以智能化绩效（XY）为因变量，智能技术创新（JS）和行业规模（GM）、行业地位（DW）、员工受教育程度（EDU）等三個控制变量为自变量进行回归分析：智能技术创新（JS）与智能化绩效（XY）在0.001水平上显著正相关，β=0.331、P <0.001;智能装备资源（ZB）与智能化绩效（XY）在0.001水平上显著正相关，β=0.281、P <0.001;智能交互能力（JH）与智能化绩效（XY）在0.001水平上显著正相关，β=0.216、P<0.001;智能服务平台（FW）与智能化绩效（XY）在0.001水平上显著正相关，β=0.235、P<0.001。
2.5 结构方程模型检验
为了增强回归分析的可信度，可将所有自变量、因变量放入一个结构方程模型中进行检验：CMIN=141.458，卡方自由度比值CMIN/DF=2.947<3、适配度指数GFI=0.861>0.80、调整适配度指数AGFI=0.774>0.70、规范拟合指数NFI=0.742>0.70、递增拟合指数IFI=0.813>0.80、比较适配指数CFI=0.806>0.90、渐进残差均方和平方根RMSEA=0.114<0.2，大多数指标均符合结构方程模型拟合标准。
3 对策建议
探索“智能制造”背景下苏州制造业企业的转型升级，为了提高制造业企业竞争力，推动苏州经济持续稳定健康发展，现提出以下若干对策建议：实施智能技术创新驱动、推动互联网与制造业融合创新，鼓励企业打开智能技术创新的思路、关键工序升级换代;面向需求发展智能制造装备产业，鼓励企业增强智能制造装备技术的研发能力，构建苏州市智能制造装备产业发展集聚区，加快示范推广应用;提高企业智能交互能力、推进产业链体系与信息化深度融合，鼓励企业积极开发企业信息化系统软件，提高智能交互水平;实施“中国制造2025苏州行动纲要”，鼓励政府以及各级金融机构开展多种形式的资金支持，大力支持智能制造服务平台、技术平台、创业培育基地建设。
参考文献
[1]蒋兴明.产业转型升级内涵路径研究[J].经济问题探索，2014（12）：43-49.
[2]刘峰，宁健.智能制造企业技术创新效率及其影响因素[J].企业经济，2016（04）：142-147.
[3]单春霞，仲伟周，张林鑫.中小板上市公司技术创新对企业绩效影响的实证研究——以企业成长性、员工受教育程度为调节变量[J].经济问题，2017（10）：66-73.
转载注明来源:https://www.xzbu.com/8/view-15181729.htm
