山東省裝備制造業智能化水平測度及影響因素研究

劉志浩 于秀艷

[摘要] 裝備制造業智能化是裝備制造業轉型升級的必由之路。從智能支撐、智能應用和智能效益三個維度建立山東省裝備制造業智能化水平測度指標體系，選取2003—2019年時間序列數據，運用熵值-灰色關聯分析法進行測度。同時建立VAR模型，采用脈沖響應和方差分解對影響因素進行實證分析。結果表明：（1）山東省裝備制造業智能化水平呈逐年增長態勢，且總趨勢明顯。智能支撐水平和智能效益水平增長態勢明顯，智能應用水平出現波動式增長。（2）技術創新、政府財政和地區發展水平都是提升推動山東省裝備制造業智能化水平的重要影響因素，其中政府財政和地區發展水平貢獻度較明顯。

[關鍵詞]裝備制造業;智能化;評價指標體系;VAR模型

一、 引言

裝備制造業是為國民經濟各行業提供技術裝備的基礎性、戰略性產業，是工業的心臟和國民經濟的生命線，是支撐國家綜合國力的重要基石[1]。隨著物聯網、人工智能、大數據等高新信息技術的創新發展，智能化成為裝備制造業轉型升級與高質量發展的必由之路。

山東省肩負著建設現代裝備制造業強國的重要使命，省政府高度重視裝備制造業的智能化發展。山東省制造業“十二五”規劃就提出了制造業向高精度、高智能、集成化發展的發展戰略。《山東省智能制造發展規劃（2017—2022年）》1確定汽車及零部件、機械設備等十大重點領域創新應用智能制造新技術，加快智能制造生態體系建設和智能化轉型。2018年山東省人民政府辦公廳印發了《山東省裝備制造業轉型升級實施方案》2，再次提到走創新驅動發展之路，推動產業向智能化高端化轉型。可以說，山東省裝備制造業正經歷著從中低端到高端，從自動化向智能化的華麗轉身[2]。

那么山東省裝備制造業智能化總體發展情況如何？與其他省市存在哪些方面的差距？哪些因素影響山東省裝備制造業智能化？山東省裝備制造業智能化未來如何發展？這些問題的解決是山東省裝備制造業智能化發展過程中必須要解決的議題。與山東省裝備制造業智能化蓬勃發展的實踐相對比，對裝備制造業智能化水平的測度及影響因素的相關研究顯得相對薄弱?？v觀現有的文獻，學者李健旋、吳敏潔、孫早等對制造業智能化發展水平進行了宏觀的評價[3-5]，對于某一特定省份或行業的研究還很少見。因此，本文以山東省為研究對象，結合裝備制造業行業特點構建裝備制造業智能化測度指標，搜集2003—2018年期間的指標數據，應用熵值法-灰色關聯分析方法對山東省裝備制造業智能化水平進行縱向評價，并與國內典型省份進行橫向對比分析，應用VAR模型探討影響山東省裝備制造業智能化發展的因素，同時提出發展對策。本研究擬準確定位山東省裝備制造業智能化發展水平，梳理智能化發展過程中的問題和影響因素，為山東省裝備制造業智能化發展戰略的優化和可持續性高質量的發展提供有價值的參考信息。

二、 裝備制造業智能化內涵與特征

1. 裝備制造業智能化內涵

裝備制造業智能化是先進制造技術與新一代信息技術的深度融合，貫穿于產品、制造、服務全生命周期的各個環節及制造系統集成[8-10]。裝備制造業智能化的目的就是實現制造的數字化、網絡化、智能化，不斷提升企業的產品質量、效益、服務水平，推動裝備制造業綠色、協調、開放、共享地發展。

（1）產品設計環節作為全生命周期中的首要環節，是智能化實施規劃的開始。通過智能化的助力，可有效對市場需求進行預測和對市場反應作出回應。（2）生產制造環節是智能化需求最多和最重要的環節，從生產、質檢和管理都要進行智能化優化。從機器視覺到工業機器人的運用都是顛覆傳統制造模式，向智能化制造轉變的具體表現。生產制造工藝的智能化是裝備制造業企業進行智能化升級的“看家本領”和“商業秘密”。（3）物流供應是連接智能化制造生產全生命周期各環節的必不可少的環節。從智能物流規劃到智能倉庫運用，都使智能產品與消費者進行高效連接。（4）營銷與銷售階段作為生產全生命周期中協同客戶需求的環節，智能化需求同樣是必需的。在此環節，大數據和人工智能的結合應用能夠實現精準營銷。（5）產品使用是制造業全生命周期的最終環節，其智能化改造和實現的核心就是產品數字化、智能化，并將智能產品使用體驗及時反饋到制造企業，以此來改善產品設計和開發，從而形成制造業智能鏈。

2. 裝備制造業智能化特征

《國家智能制造標準體系建設指南》1提出智能制造實現的關鍵是實現貫穿企業設備層、單元層、車間層、工廠層、協同層不同層面的縱向集成，跨資源要素、互聯互通、融合共享、系統集成和新興業態不同級別的橫向集成，以及覆蓋設計、生產、物流、銷售、服務的“端到端”集成。裝備制造業智能化具有企業微觀和產業宏觀兩方面特征。企業特征主要體現在以下幾個方面：（1）資源整合與重構。由于新一代信息技術的升級和自身企業智能化水平的提升要求，企業資源的整合與重構程度能有效推動智能化生產時所需要的資源以及互聯互通層級。（2）制造系統集成。新型制造系統集成是指企業實現智能裝備到智能生產單元、智能生產線、數字化車間、智能工廠，乃至智能化制造系統集成過程的層級。（3）信息共享。信息共享指利用云計算、大數據等新一代信息通信技術，在保障信息安全的前提下，實現企業間信息協同共享的層級。產業特征可體現在以下幾個方面：（1）人工智能賦能裝備制造業智能化。智能化是依托于人工智能等新興技術，人工智能技術是制造業智能化的支撐技術[9]。運用人工智能技術可有效地對遍及全生命周期的智能化進行改造。（2）以工業互聯網作為連接平臺。工業互聯網作為制造業智能化的重要一環，以“自下而上”的模式為產業服務，即先建立平臺，再尋找合適的產業嵌入平臺。

三、 裝備制造業智能化測度指標體系構建與評價方法

1. 裝備制造業智能化指標體系構建

借鑒國家工業和信息化部《信息化和工業化融合發展規劃（2016—2020）》關于推動工業化和信息化融合發展的智能制造相關指標體系、《國家智能制造標準體系建設指南》中關于智能制造行業標準以及現有學者如李廉水認為智能制造作為制造業智能化的成熟階段，指出智能制造是以產品生產流程和全生命周期為作用對象，強調運用新一代信息技術和人工智能賦能于生產運作系統[1]，李健旋從智能技術、智能應用和智能效益3個層面出發建設智能化評價程度評價體系，來測度我國智能化發展水平[3]，吳敏潔等從智能制造的五維特征產品智能化、生產智能化、服務智能化、裝備智能化和管理智能化來制定區域智能制造的測量模型[4]等現有相關研究。

智能支撐是裝備制造業進行智能化轉型升級的基礎，是裝備制造業進行智能化轉型升級的物理保障。智能支撐可以通過長途光纜、裝備制造企業應用互聯網信息化水平以及智能裝備投入水平指標來衡量。長途光纜長度能反映裝備制造業進行智能化轉型的外部基礎保障條件。裝備制造企業應用互聯網水平是智能化過程中運用工業大數據、工業區塊鏈的重要保證。裝備智能化是實現裝備制造業智能化的突破口，計算機和工業機器人等智能設備是智能化提升的重要基礎，但高端智能裝備的核心技術與市場現階段還是被國外企業壟斷，所以用智能設備的進口額代替投入水平。

智能應用是裝備制造業智能化轉型最直接的體現。從機器視覺到智能檢測，從協同機器人到工業互聯網，這些改變都是將粗放型傳統生產模式轉型為精細化智能生產模式。智能應用可用超效率全要素生產率和主營業務收入水平指標來衡量。以勞動力和資本為投入，工業總產值為產出的以投入為導向的規模不變超效率全生產要素可以有效評價裝備制造業的生產效率[4]。同時考慮到指標建立的系統性原則，選取能反映裝備制造業智能生產情況的主營業務收入作為合理補充。主營業務收入可有效反映經過智能化轉型后的裝備制造企業的生產盈利水平。

智能效益是裝備制造企業進行智能化轉型升級的市場環境的直接體現。隨著智能化程度的升級，產品智能化和服務智能化程度也相應得以提升。智能化因素的融入使得精準營銷和實時反饋得以實現。智能效益可用智能新產品銷售收入和嵌入式工業軟件收入作為指標數據。裝備制造業智能化的提升貫穿產品全生命周期，智能新產品中涵蓋的智能要素也隨之提升，同時隨著智能化水平的提升，智能新產品建立了人與設備和企業服務的聯系，即實現了消費者參與智能產品的全生命周期。智能新產品的收入是服務智能化的重要指標。云計算、大數據與工業互聯網是智能制造的關鍵支撐，智能化的生產系統離不開科學高效的管理體系。大數據與互聯網的應用范圍的擴大可以提高工作效率，減少運行成本，因此工業軟件-嵌入式收入是管理智能化的重要指標體現。

裝備制造業智能化水平測度指標體系的一級指標、二級指標及測度指標如表1所示。

2. 裝備制造業智能化評價方法

熵值法可以用來判斷某個指標的離散程度，測定指標在綜合評價的影響（即權重），因此，可利用熵值法計算出各個指標的權重，為多指標綜合評價提供依據?；疑P聯分析可以用來測度因素間關系的強弱、大小和次序，是相對性的排序分析。因此本文選擇熵值-灰色關聯分析法測定指標權重，綜合評價裝備制造業智能化轉型升級程度。

（1）熵值法計算客觀權重

[①]標準化處理

若存在[n]個評價對象和[m]個智能化評價指標，這樣就構成了智能化測度指標體系矩陣[B=（bij）n*m]，[bij]表示第[i]個評價對象對應的第[j]個指標的評價數據（[i=1，2，3，…，m， ?j=1，2，3，…，n]），裝備制造業智能化評價指標[B=（bij）n×m]可以表示為：

四、 山東省裝備制造業智能化水平測度結果與分析

1. 山東省裝備制造業智能化水平測度結果

考慮到數據的可獲得性，本文選取2003—2019年山東省裝備制造業行業數據作為樣本數據，數據來源于《山東省統計年鑒》《中國工業經濟統計年鑒》《中國科技統計年鑒》及各區域統計年鑒和公報整理所得。少量數據以插值法補充。統計口徑為裝備制造業。采用熵值-灰色關聯分析法對原始數據進行求權測算并對各指標數據進行賦權后得到2003—2019年山東省裝備制造業智能支撐、智能應用和智能效益3個維度的測度值，進一步測算出山東省裝備制造業智能化總體水平。如圖1所示。

圖1 ?2003—2019年山東省裝備制造業智能化水平發展態勢

2. 山東省裝備制造業智能化水平分析

（1）總體發展水平及趨勢分析

整體來看，山東省裝備制造業智能化水平呈加速增長態勢，雖在2017年出現回落現象，但提升態勢明顯。隨著國家推動智能制造布局和促進信息化和工業化的“兩化融合”力度加大，山東省裝備制造業智能化水平在這一時期呈現積極增長的趨勢且保持良好。在山東省裝備制造業智能化水平發展過程中，智能信息技術的應用水平不斷提高，技術創新速度也在加快，為智能化支撐奠定了堅定基礎。優良的智能支撐為智能生產提供可靠的發育環境，也在一定程度上推動智能效益快速提升。而智能效益的快速增長，既有利于智能支撐水平的繼續提升，也有利于帶動智能生產的合理發展。但山東省裝備制造業智能化發展仍要注意智能生產效率的提升。智能生產作為智能制造的重要環節，是智能化提升的核心環節，山東省裝備制造業智能生產水平仍存在發展空間。要以提升智能生產效率作為核心環節來推動山東省裝備制造業智能化程度快速攀升，進入中國先進甚至領先行列。

（2）智能化維度分析

第一，智能支撐水平總體增長明顯且增幅較大，從整體時間跨度來看，一直保持增長態勢。隨著國家相關政策扶持和在智能化大環境背景下，裝備制造業企業注重自身信息化和智能化發展，使得企業本身智能支撐水平快速提升，從而推動了山東省裝備制造業智能支撐水平逐步提升。智能支撐水平的快速增長態勢為山東裝備制造業智能應用和智能效益提供了優良的智能環境與基礎。

第二，智能應用水平相較而言呈波動式增長態勢。雖然山東省裝備制造業在資產總計和工業總產值方面增長明顯，但其總體智能應用水平呈現波動式變動。從縱向成長性，可分成3個時期：一是2003—2008年，山東省裝備制造業智能生產水平逐步提升且呈現積極增長態勢。二是2009—2016年，由于國際金融危機，山東省裝備制造業智能應用水平在2009年出現明顯下降，且對后期產生了一定影響。因此在這一期間山東省裝備制造業智能應用水平處于掙扎式波動態勢。三是2017—2019年，在2017年時山東省作為國家新舊動能轉換綜合試驗區，其裝備制造業進行了深化改革，以促進壓減過剩產能和推動新興動能。因此在2017年出現“陣痛”現象，但經過深化改革，山東省裝備制造業智能生產水平出現穩定現象但發展態勢仍不明顯。

第三，智能效益水平發展呈前期明顯提升，后期有所下降趨勢?？v觀山東省裝備制造業智能效益水平發展水平可劃分為兩個時期：一是2003—2016年，是智能效益快速提升時期，隨著智能技術的積累以及政策支持，大量裝備制造企業開始注重智能生產與智能效益，從而帶動了智能效益的快速提升。二是2017—2019年，是智能效益波動發展時期，在這一時期由于山東省進行新舊動能轉換，在智能效益方面體現得較為明顯，波動幅度仍較大。但隨著新舊動能轉換布局的優化和完善以及智能信息化水平、智能生產水平的進一步提高，智能制造所帶來的智能效益出現明顯提升。

3. 裝備制造業智能化水平典型省際評價

選取我國東部和中部包括山東省在內的16個典型省份2018年的相關數據進行裝備制造業智能化水平測算，結果如表2所示。根據測算結果顯示，在2018年典型省份裝備制造業智能化水平對比中，所選省份的裝備制造業智能化水平根據ArcGIS里的自然間斷點分析法可大致分為3個梯度：第一梯度為廣東和江蘇。兩省的裝備制造業智能化水平處于領先地位，這與其地區經濟實力呈現高度正相關性。第二梯度為浙江、湖南、山東、黑龍江、福建、湖北、吉林和四川九省。裝備制造業智能化水平與第一梯度的兩省存在一定差距。但在相對應的智能化維度也有所領先，總體上看，這些省份裝備制造業基礎較好，有一定的整體提升空間和潛力。第三梯度為剩下的五省。這些省份受限于某些因素，裝備制造業基礎較差，因此裝備制造業發展和智能化推動還需要多種途徑的推動拉升。

山東省裝備制造業智能化水平位于所選省份的第五位，處于所選區域前列，但落后于廣東、江蘇、浙江和湖南四省。山東省裝備制造業智能化水平位于第二梯度上游，與第一梯度的兩個省份存在一定的差距。與廣東、浙江和江蘇三省相比較，山東省制造業高新技術產業發展較弱，智能制造相關設備與部件的應用水平不完善。在智能支撐與智能應用維度落后于廣東、江蘇兩省，在智能效益維度的差距更加明顯。廣東省裝備制造業依托粵港澳大灣區的軟硬件協同發展，通過布局“機器換人”戰略來推動裝備制造業的智能化發展。江蘇與上海依托堅實的制造業基礎，大力推動智能制造，從而保持產業發展領先地位。山東省裝備制造業智能化發展應借鑒廣東、浙江、江蘇三省裝備制造業發展模式和經驗，在地區經濟發展水平和制造業雄厚基礎的先發優勢下，通過推動山東省新舊動能轉換來提升裝備制造業智能制造水平。

五、 山東省裝備制造業智能化水平影響因素研究

1. 變量說明

考慮到裝備制造業智能化水平受到多方面因素的影響，各因素之間所產生的影響和作用又各不相同，因此本文在學者孟凡生等的創新柔性對制造企業智能化轉型影響機制研究[10]以及學者陳秀英等的智能制造轉型對產業結構升級影響的實證研究[11]等文獻研究基礎上選取技術創新、政府財政以及地區發展水平指標，來對山東省裝備制造業智能化水平的影響因素進行研究。本文設置被解釋變量為山東省裝備制造業智能化水平（Inte），解釋變量為技術創新（Tech）、政府財政（Gove）和地區發展水平（Regi）。具體指標說明如下：

技術創新（Tech）：技術創新能力的提高能夠優化生產過程中各生產要素的使用效率，推動生產模式的轉型升級，是智能化發展的核心動力。本文選取山東省裝備制造業的R&D研發經費為指標數據。

政府財政（Gove）：政府干預作為市場調節的重要手段之一，可以通過財政制度對裝備制造產業進行扶持，并合理優化產業結構。本文選取山東省政府財政支出為指標數據。

地區發展水平（Regi）：地區經濟發展水平能為智能化進程提供堅實基礎，增強智能化發展基礎能力。本文選取山東省人均GDP為指標數據。

本文數據選取2003—2019年山東省相關數據進行研究，數據來源為《山東統計年鑒》和山東省政府統計公報等。為避免出現異方差現象，本文將對數據進行取對數處理。

2. 向量自回歸模型（VAR）

本文選取的數據為時間序列系統，與傳統線性回歸模型相比，向量自回歸模型能更合理分析和預測相互聯系的多變量時間序列系統。因此本文選取向量自回歸模型（VAR）來檢驗技術創新（Tech）、政府財政（Gove）和地區發展水平（Regi）對山東省裝備制造業智能化水平（Inte）的作用成效進行檢驗。構建的具體計量模型如下：

[ln（Inte）=α+i=1Tβiln（Inte）t-1+i=1Tδiln（Tech）t-1+i=1T?iln（Gove）t-1+i=1Tγiln（Regi）t-1εt]

3. 單位根檢驗與協整檢驗

進行計量模型回歸檢驗之前，為避免出現“偽回歸”問題出現，需要先檢驗時間序列的平穩性。根據計量模型擬合差值的白噪聲序列，采用ADF檢驗方法檢驗。經檢驗，所有變量一階差分序列均通過了顯著性檢驗，結果如表3所示。

表4為所有變量無約束情況下的協整檢驗結果。據其可知，智能化水平（Inte）、技術創新（Tech）、政府財政（Gove）和地區發展水平（Regi）在5%的顯著性水平下呈現平穩的時序特征，即存在長期均衡關系。

從上述結果可知，所有變量均通過ADF平穩性檢驗和Johansen協整檢驗，通過了VAR模型建立前提。本文基于模型自由度及其彈性系數的AIC準則，選取模型最佳滯后期為二期。據此，本文運用Eviews8.0軟件構建VAR（2）模型。

4. 脈沖響應函數及方差分解。

由于VAR模型不注重經濟變量之間的回歸的影響分析，本文在平穩性檢驗和長期協整檢驗的基礎，選取脈沖響應函數進行研究技術創新（Tech）、政府財政（Gove）和地區發展水平（Regi）對智能化水平（Inte）影響關聯度（設響應期為16），結果見圖2。

（1）智能化水平（Inte）對自身的脈沖影響，其脈沖影響在第一期達到峰值，以后呈波動式下降，在第六期之后變動幅度逐漸變小，趨于平穩。這說明當智能化水平（Inte）受到自身的一個沖擊時，智能化水平會經歷波動到平穩的過程，進一步印證了智能化水平的提高并非提升山東省裝備制造業智能化水平的唯一途徑。（2）技術創新（Tech）與智能化水平（Inte）的脈沖影響，從圖2可知，技術創新（Tech）的響應函數路徑在初期為正向響應，其后下降明顯，到第五期時達到低值，后期變動幅度趨于平穩，且逐間向正向移動。這說明在一定時期內，智能化水平的提高與技術創新能力關聯不大，對于技術創新的依賴性仍較少。為提升智能化水平，應進一步注重提高技術創新能力。（3）政府財政（Gove）與智能化水平（Inte）的脈沖影響，當智能化水平對政府財政實施沖擊時，政府財政的響應函數呈周期性變動，但總體呈正向響應，這說明政府財政對智能化水平具有明顯的促進作用，智能化水平的提升與政府財政息息相關。（4）地區發展水平（Regi）與智能化水平（Inte）的脈沖影響，地區發展水平響應函數在最開始為負向響應，在第六期時變動為正向響應，并趨于平穩。這說明，地區發展水平的增長會帶動智能化水平一定程度的提升，但會呈現先上升后下降平穩的規律。

脈沖響應函數能夠表達內生變量對自己或其他內生變量的變化的反應，并能反應描述隨機干擾項對內生變量的影響軌跡。本文在脈沖響應函數的基礎上，運用方差分解來進一步分析技術創新（Tech）、政府財政（Gove）和地區發展水平（Regi）對智能化水平（Inte）的貢獻程度，結果見圖3。

由方差分解圖3，可以得出：（1）智能化水平（Inte）對于自身的方差分解時間路徑呈不斷下降的趨勢，由最初的100%遞減到43%左右。這說明當期的智能化水平對后面各時期的山東省裝備制造業智能化水平的貢獻越來越小，自身變動的貢獻率維持在40%以上。（2）技術創新（Tech）對智能化水平（Inte）的方差分解時間路徑一直為正，最開始略有上升，后期趨于平穩，大約維持在8%。這表明技術創新在智能化水平的驅動作用上表現乏力，然而在實質觀測上，山東省裝備制造業的R&D研發經費規模呈增長態勢，也形成一定量級規模，但難以達到預期可以提升智能化水平的程度。雖然技術創新產出一般具有滯后性，這其中原因本文認為還與研發投入規模和精確性以及技術創新產出效率存在一定聯系。在后期推動智能化水平的過程中，要注重技術創新產出規模與效率。（3）政府財政（Gove）與地區發展水平（Regi）對智能化水平（Inte）的方差分解時間路徑雖發展趨勢不盡相同，但后期貢獻度穩定在22%和26%。兩者對于智能化水平的貢獻度相差不大，對智能化水平的貢獻都是長期且趨于平穩的。這表明了智能化水平的提升是一個多因素且復雜的系統，會受到多方面的影響和驅動。政府財政和地區發展水平只是其中比較明顯的兩個因素，也印證了在推動山東省裝備制造業智能化水平時，應多要素協同推動。

基于智能化水平的脈沖響應函數與方差分解的實證分析，技術創新、政府財政和地區發展水平對于智能化水平存在促進作用。但根據實證結果，山東省裝備制造業智能化水平的推動需要對技術創新、政府財政和地區發展水平相關調控措施和協同發展進一步提出要求。技術創新對于智能化水平的影響程度未達到預期貢獻度，這與技術創新能力產出具有滯后性存在一定聯系，但也表現出難以達到推動裝備制造業智能化水平提高的需求。政府財政和地區發展水平呈現出長期且穩定的貢獻度，這表明兩者是推動智能化水平的重要途徑和驅動力。

六、 結論與建議

本文選取山東省裝備制造業2003—2019年相關數據，運用熵值-灰色關聯分析法測度了這一時期的裝備制造業智能化水平并進行了分析。在此基礎上，建立時間序列VAR模型實證分析技術創新、政府財政和地區發展水平對裝備制造業智能化水平的影響程度。研究表明：山東省裝備制造業智能化水平在這一時期保持增長態勢，且趨勢明顯。智能支撐和智能應用呈“相對平穩，增長緩慢”的整體性特征。智能效益呈“發展快速，趨勢明顯”的總體變動趨勢。對于影響因素，從長期來看，技術創新、政府財政和地區發展水平對裝備制造業智能化水平的推動都起到貢獻作用。技術創新的影響程度低于政府財政和地區發展水平。

根據本文研究結論，提出的建議如下：（1）規劃先行，頂層設計。在國家智能制造戰略自上而下的發展過程中，既需要宏觀層面的規劃引導，也需要在微觀層面對智能化生產進行扶持，注重推動智能化生產效率的提升。解決問題要注重雙管齊下，宏觀上政策規劃，微觀下企業提升智能化應用支撐，如提高山東裝備制造企業信息化程度，逐步推進機器換人以及工業大數據和工業互聯網在企業規模下落地實施。（2）培育智能未來工廠和建立智能企業公共服務平臺。參考山東省重點裝備制造企業智能化改進模式，推動新一代信息技術在研發設計、生產制造、運營管理、售后服務中的深度應用，培育智能未來工廠。依托相關研究院所，整合優化現有資源與技術力量配置，建立智能企業公共服務平臺，增強裝備制造企業間的技術交流與互動，助力智能制造發展。（3）健全產學研體系和推動人才隊伍培育。技術創新仍是智能制造的核心驅動力，在推動山東省裝備制造業智能化水平過程中仍要注重技術創新所起到的作用。應借助環渤海經濟圈，依托高校科研院所，建立產學研體系，提高技術創新研發轉化效率。鼓勵企業與高校合作，定向定點培養智能制造等高端裝備制造業急需的科研人員、技術技能人才與復合型人才。

參考文獻：

[1] 李廉水，石喜愛，劉軍.中國制造業40年：智能化進程與展望[J].中國軟科學，2019（1）：1-9.

[2] 王喜文.智能制造：新一輪工業革命的主攻方向[J].人民論壇·學術前沿，2015（19）：68-79.

[3] 李健旋.中國制造業智能化程度評價及其影響因素研究[J].中國軟科學，2020（1）：154-163.

[4] 吳敏潔，徐常萍，唐磊.中國區域智能制造發展水平評價研究[J].經濟體制革，2020（2）：60-65.

[5] 孫早，侯玉琳.工業智能化如何重塑勞動力就業結構[J].中國工業經濟，2019（5）：61-79.

[6] 萬曉榆，趙寒，張炎.我國智能化發展評價指標體系構建與測度[J].重慶社會科學，2020（5）：84-97.

[7] Marco B，Francesco G G，Cristina M.Reconfigurable Manufacturing Systems Literature Review and Research Trend[J].Journal of Manufacturing Systems，2018，40（10）：93-106.

[8] Aghion P，Jones B F，Jones C I. Artificial Intelligence and Economic Growth[R].National Bureau of Economic，2017.

[9] 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（1）：86-96.

[10] 孟凡生，趙剛.創新柔性對制造企業智能化轉型影響機制研究[J].科研管理，2019，40（4）：74-82.

[11] 陳秀英，劉勝.智能制造轉型對產業結構升級影響的實證研究[J].統計與決策，2020，36（13）：121-124.

Study on Intelligent Level Measurement and Influencing Factors of Equipment

Manufacturing Industry in Shandong Province

Abstract：The intelligence of the equipment manufacturing industry is the only way to transform and upgrade the equipment manufacturing industry.In this paper， the intelligent level measurement index system of equipment manufacturing industry in Shandong Province was established from three dimensions of intelligent support，intelligent application and intelligent benefit. The time series data from 2003 to 2019 were selected and the entropy-grey correlation analysis method was used to measure the intelligent level. At the same time， the VAR model was established， and the influence factors were empirically analyzed by impulse response and variance decomposition. The results show that：（1）The intelligence level of equipment manufacturing industry in Shandong Province is increasing year by year， and the general trend is obvious. The level of intelligent support and intelligent output is growing significantly， while the level of intelligent application is growing in a fluctuating manner.（2）Technological innovation， government finance and regional development level are all important influencing factors to promote the intelligent level of equipment manufacturing industry in Shandong Province， among which the contribution of government finance and regional development level is more obvious.

Key words： equipment manufacturing industry;intellectualization;evaluation index system;the VAR model

作者簡介：劉志浩（1997-），男，山東理工大學管理學院碩士研究生，研究方向為智能制造;于秀艷（1974-），女，山東理工大學管理學院博士，研究方向為IT治理、云計算、文化管理。

（收稿日期：2021-06-09 ?責任編輯：顧碧言）