基于因子分析法的智能制造能力綜合評價研究

邵坤+溫艷

摘 要：智能制造是全球制造業發展的內在要求，也是中國制造業技術創新、產業結構升級的關鍵突破口，智能制造正成為產業發展和變革的重要方向。在前人對智能制造研究的基礎上，根據中國發展的實際狀況，構建一套智能制造能力綜合評價指標體系，運用因子分析法對中國中東部地區19省進行分析，得出各省智能制造能力綜合得分及排名，對比各省2012年至2015年智能制造能力水平及發展趨勢，分析智能制造能力的主要影響因素，提出合理的對策與建議，進而提高智能制造業發展水平。

關鍵詞：智能制造能力；評價指標體系；因子分析法

中圖分類號：F272 文獻標識碼：A

Abstract： Intelligent manufacturing is the inherent requirements of the global manufacturing industry development， and is also China's manufacturing technology innovation， industrial structure to upgrade the key breakthrough， intelligent manufacturing is becoming an important direction for industrial development and change. On the basis of the previous research on the intelligent manufacturing， according to the actual development of our country， we construct a comprehensive evaluation index system of intelligent manufacturing capability， using the factor analysis method to analyze the 19 provinces in the central and eastern regions of China， and draw the comprehensive score and rank of the intelligent manufacturing ability of each province， compare the level and development trend of the intelligent manufacturing capability from 2012 to 2015， analyzes the main influencing factors of intelligent manufacturing capability， put forward reasonable countermeasures and suggestions， and then improve the level of development of intelligent manufacturing.

Key words： intelligent manufacturing capacity； evaluation index system； factor analysis

制造業一直以來都是國民經濟的重要基礎和支柱產業，也是一國經濟實力和競爭力的重要標志。國際金融危機期間，德國憑借強大的制造業優勢依然保持了經濟的穩定增長，成為受危機影響最小的國家，德國提出的“工業4.0”主要致力于智能制造方面的發展，形象的被譽為第四次工業革命。金融危機后，美國提出了“先進制造業國家戰略計劃”，并采取多種措施“吸引制造業回流”，英國提出了“高價值制造業戰略”，日本提出了“產業復興計劃”、法國提出了“新工業法國”等[1]。當今世界各國為擺脫經濟危機帶來的影響，致力于振興實體經濟，制造業在大國之間的競爭日趨激烈，作為世界制造大國，為了能在新一輪的競爭中取得優勢，2015年5月我國依據自身智能制造產業發展水平及其特點正式提出《中國制造2025》，以大國及強國戰略思維和戰略布局，全面提升中國制造業的國際競爭新優勢。

當前，實現我國制造業的轉型升級離不開智能制造產業的發展壯大，這也是實現我國制造業新優勢的現實需要[2]。長遠看來，智能制造給制造企業的發展提供了一個可以預見的未來，但是由于受企業因素或技術、管理的影響，實現智能制造還面臨著諸多的挑戰。高昂的軟件費用、建設費用使得眾多制造企業特別是中小型企業無法接受，信息化基礎薄弱也導致信息集成方案無法正常運作，當前類似SAP、Oracle等信息集成方案只能應用于大型制造業[3]。中國各地區制造業發展水平各不相同，中東部地區相對西部地區在經濟實力、科學技術水平、硬件設施等方面占據一定的優勢，因此結合智能制造的發展條件特選取中東部19省年主營業收入在2 000萬元及以上的規模工業企業作為主要研究對象，并結合當地政府智能制造發展基礎設施建設水平及資源投入等方面對各省智能制造能力進行綜合評價與研究。

智能制造能力研究涉及范圍廣，相關學科體系多，較難對其進行科學、客觀的評價，目前國內外在智能制造綜合能力評價方面研究少，研究方法及內容局限性較大，在設置評價指標權重方面難免帶有一定的個人主觀性。因子分析法能夠有效地避免人為進行權重確定的主觀性，具有較強的客觀性[4]，因此，本文采用因子分析法對研究對象的智能制造能力進行橫向和縱向比較，研究各省差距所在，給出相應分析，并據此有針對性地提出政策與建議。

1 智能制造能力評價體系構建

1.1 指標選取

在智能制造能力的評價過程中，構建合理的智能制造能力評價體系是至關重要的，而評價指標的選取是建立有效評價體系的基石。因此，選擇合適的評價指標是智能化制造能力綜合評價過程中的基礎、關鍵和核心工作。

本文基于科學性、合理性、系統性以及導向性原則，圍繞智能制造能力這個一級指標，分解出3個二級指標和15個三級指標，二級指標分別從創新能力、績效產出能力、基礎設施3個維度對智能制造能力進行衡量，并將三級指標編碼為C1～C2，便于后續工作的進行[5]。具體評價指標體系如表1所示。

1.2 指標含義

（1）創新能力。強有力的創新能力是智能制造發展模式必不可少的條件，創新能力的基礎是人力、物力等資源的投入，因此本文將R & D人員全時當量、R & D經費、R & D項目數納入評價指標體系內[6]。此外，選取專利申請數、有效發明專利數、發明專利申請數作為創新能力水平的體現。

（2）績效產出能力。績效產出是發展智能制造的最終目的，智能制造能不能為社會帶來價值，關鍵在于成果的轉化，因此本文從規模以上工業企業單位數、主營業務收入、嵌入式系統軟件開發項目數、智能裝備銷售收入4個子指標來對智能制造能力評價。

（3）基礎設施。大量的物資信息，通過先進的基礎設施進行快速流通和共享，更好地發展智能制造產業必須構建安全、實用、先進、全面的基礎設施網絡。因此本文選取互聯網上網人數、域名數、互聯網寬帶接入端口、鐵路營業里程、等級公路里程5個三級指標作為基礎設施建設衡量指標。

2 實證研究

2.1 數據來源

本文數據主要來源于中華人民共和國國家統計局網站統計年鑒，選取2012～2015年我國中東部地區19省智能制造能力指標數據進行整理分析，針對2015年統計數據進行詳細分析說明，并使用SPSS軟件處理樣本數據。

2.2 統計分析

2.2.1 KMO和Bartlett檢驗分析

本文樣本數據分析結果如表2，KMO檢驗值為0.799，大于0.7，卡方檢驗的概率等于0，小于0.05，滿足能夠使用因子分析法的基本需求，且表明各變量之間存在顯著相關，因子分析效果較好。

2.2.2 方差貢獻分析

利用方差最大正交旋轉法對因子的主成分進行提取，依據特征值大于1和累計解釋方差大于85%的原則，本文依據表3數據提取第一主成分F1和第二主成分F2兩個公共因子作為新的綜合指標對智能制造能力進行評價。

2.2.3 因子載荷矩陣和得分矩陣

通過使用SPSS軟件對數據進行統計分析，采用方差最大正交旋轉法對因子進行處理，得出表4旋轉后的因子載荷矩陣和表5因子得分系數矩陣。

公因子F1、F2從兩個不同的方向反應智能制造能力水平，為了更準確對各省的智能制造能力水平進行評價，在因子分析法的基礎上，可以應用回歸法分析獲得兩個主因子的得分，并將上文分析中每個主因子所得的方差貢獻率和總貢獻率進行比較，得出比值，并以此比值作為權重進行后續的加權求和，進而可以得到2015年19省智能制造能力總得分及排名，具體如表6所示。計算公式如下：

F=∑F×方差貢獻率/總方差貢獻率

2.3 結果分析

依據上文經計算得出，中國中東部地區19省在2012～2015年間的智能制造能力綜合得分及排名，具體如表7所示。

針對我國中東部地區19省4年間的綜合得分及排名進行分析可得出如下結論：

第一，從整體發展來看，我國中東部地區19省在2012～2015年間智能制造的發展基本呈正向上升態勢，其中，除了廣東省、遼寧省、黑龍江省和山西省在4年間的得分趨勢呈現輕微下降趨勢，其他15省綜合得分均呈上升趨勢，盡管某些省份綜合得分上升趨勢有限，或期間某年下降，但其上升趨勢是毋庸置疑的。而且在此4年間智能制造能力綜合得分均值東部地區0.559高于中部地區-0.416，反映了東部地區的智能制造能力水平要高于中部地區。

第二，從具體得分的角度看，把我國中東部19省智能制造的發展態勢進行聚類分析可劃分為3個層次。第一層次是4年間綜合得分均在1以上的省市，說明智能制造能力較好，由江蘇、天津、北京、廣東和山東構成；第二層次是4年間綜合得分存在1以下且均在0以上的省市，說明智能制造能力一般，由浙江和上海構成；第三層次是4年間綜合得分存在0以下的省市，說明智能制造能力較差，由剩余12省構成。其中，0是一條評判智能制造能力高低的重要分界線，由分析可知我國大部分地區的智能制造能力處于較低層次，仍有待提升。

第三，從橫向比較的角度看，我國中東部地區19省在2012～2015年間的發展差距較大，說明我國各省內部存在著較為嚴重不均衡問題。從“一頭一尾”進行比較可以得出，居于前列的天津和列居末位的海南，盡管兩省同為省級行政單位且土地面積相近，但是它們在2012～2015年這4年間的綜合得分跨度均值超過了2，這既說明我國各省之間存在兩極分化的現象，同時也意味著兩者之間的差距不是短時間內能彌補上的。從第一層次和第三層次的比較來看，兩個層次之間的綜合得分差距最小值也高于0.5，這表明在智能制造發展水平方面，不僅是單個省，處于不同發展層級的各省之間也存在著較為突出的分化和不均衡問題。

3 對策建議

本文通過構建智能制造能力評價指標體系，分析我國中東部地區19省智能制造現狀和水平，找到智能制造的有效實現路徑，對當今企業發展方式以及轉型升級具有重要的指導意義，同時對政府引導和扶植有實力的制造企業向智能制造轉型提供了必要的參考和理論基礎。基于以上理論分析和我國的發展現狀，可以給出以下幾點對策建議。

3.1 企業對策

3.1.1 總體規劃，分步實施，科技并行

建設智能制造系統、智能工廠是一項長期、復雜的工程，必須按照“總體規劃，分步實施，重點突破，效益為先”的原則進行規劃。首先要將其納入企業的長期發展戰略，確定企業5至10年的發展愿景、企業目標及企業在所屬領域內的位置；其次要在企業長期發展的戰略規劃下找出企業發展的弱點和不足，確定重要程度，在可行條件下分階段、分目標依次進行改進；最后必須緊握企業可持續發展核心競爭能力，確保優勢，并積極發展智能制造相關科學技術以及引進新產品和新設備[7]。

3.1.2 進行智能制造投資效益分析

智能工廠建設的首要目標是工廠自動化以及智能化，這往往需要大量的資金支撐，在工廠建設過程中資金大量消耗的基礎上進行效益分析顯得尤為重要，不能只是簡單的追求工廠智能化發展。雖然我國勞動力成本近年來呈現上升趨勢，但相較于世界上其他發達國家勞動力成本優勢亦相當明顯，人工作業在工廠某些生產活動中所表現出的優勢亦不容忽視，在某種程度上人工作業相較于機器作業更經濟有效，因此建設自動化、智能化工廠時，對于工作環節的選擇需要十分慎重，盲目建設全面自動化以及智能化工廠的行為缺乏合理性。企業應在考慮自身發展狀況的基礎之上，結合本企業現階段已有的技術、經濟以及能力水平穩步實現工廠技術與設施更新換代。

3.2 政府引導

3.2.1 明確目標和主攻方向

各省的實際情況和當前智能制造相關技術產業的發展現狀與國家提出的“中國制造2025”和“互聯網+”計劃進行有效互聯互動，堅持市場主導、政府引導、創新驅動、示范帶動，以推動制造業智能化發展為主線，以推進智能工廠（車間）建設和提升產品智能化水平為主攻方向，著力推進企業研發、生產、管理和服務智能化，著力發展智能裝備和智能產品，加快提升智能制造整體水平，推進產業結構由中低端向中高端邁進。

3.2.2 大力推進智能化建設，加強智能化的保障實施

大力實施制造業強基計劃，加強關鍵基礎材料、核心基礎零部件（元器件）、先進基礎工藝等產品技術攻關；推動數控技術和智能技術在重點產品、領域的滲透融合，推進產品的數字化、智能化，進一步提高產品的信息技術含量和附加值，促進工業產品向價值鏈高端發展；發展物聯網、云計算、高端裝備制造與工業設計、軟件等智能化的新興產業，協同提升產業的智能化水平；提高我國信息網絡發展水平，積極完善各省智能制造產業全面普及。同時，各級政府應該加大對智能制造產業的重視以及支持力度，并積極引進人才、科學技術以及更完善的政策、資金支持，引進國內外知名工業企業和研發中心，實現領域內相關產業的對接和產業鏈上下游之間的互聯互通。

參考文獻：

[1] 王友發，周獻中. 國內外智能制造研究熱點與發展趨勢[J]. 中國科技論壇，2016（4）：154-160.

[2] 劉源清. 中小企業智能制造系統應用與研究[D]. 杭州：浙江大學（碩士學位論文），2014.

[3] Jinfa L， Biting L. Evaluation Method of R & D Investment Value of Intelligent Manufacturing Enterprise Based on Growth Option[J]. Procedia Engineering， 2017，174：301-307.

[4] 何曉群. 多元統計分析[M]. 3版. 北京：中國人民大學出版社，2011.

[5] 吳瓊. 黑龍江省工業化和信息化融合程度評估研究[D]. 哈爾濱：哈爾濱工業大學（碩士學位論文），2014.

[6] 郭璇瑄. 區域創新效率影響因素實證研究[J]. 商業經濟研究，2015（10）：125-127.

[7] Dombrowski U， Wagner T. Mental strain as field of action in the 4th industrial revolution[J]. Procedia CIRP， 2014，17：100-105.

[8] 任勝鋼，彭建華. 基于因子分析法的中國區域創新能力的評價及比較[J]. 系統工程，2007，25（2）：87-92.

[9] 郭俊華，孫澤雨. 基于因子分析法的中國高校科技創新能力評價研究[J]. 科技管理研究，2016，36（3）：66-71.

[10] 劉新靜，張懿瑋. 中國大都市城市競爭力評價分析——基于因子分析法[J]. 同濟大學學報（社會科學版），2016（1）：69-77.