人工智能在汽車制造業中的績效研究
——以長春一汽轎車股份有限公司為例

韓 平，石佳鈺

（哈爾濱商業大學， 黑龍江 哈爾濱 150028）

一、引言和文獻綜述

當前“中國制造2025”不斷地發展開拓，作為主攻方向的“智能制造”在政府的推動下向縱深推進。在制造業領域，制造技術正和人工智能技術進行深度融合，形成新一代智能制造，以新一代信息技術和智能數字技術為代表，高新技術為支撐技術，在人工智能制造思想的指導下，用多元化、網絡化的組織結構辦法組織創造活動的集成制造業，將柔性化、機器化、敏捷化、精益化、全球化和人性化融為一體。人工智能作為一種全新的投入要素正在重新定義企業、行業和經濟，幫助制造業提高質量、降低成本、優化效率，為其創造新的上升空間。制造業高度信息化、智能化，機器人發展水平逐漸變成體現工業水平和創新水平的又一標志，汽車制造業作為促進經濟增長的支柱性產業，機器化、自動化也是未來發展的必然趨勢，更好地在汽車生產過程中運用人工智能，不僅可以使人力成本減少，還可以使生產效率得到提升，汽車行業也正在不斷利用人工智能技術將高效、創新和安全的車輛推向市場。(于暉，2014；方振，2018)。

在人工智能與汽車制造業相結合的領域，不少學者已經做了一定的研究。例如，在汽車擋風玻璃涂膠軌跡寬度的測量中，由于其人工作業環境糟糕、勞動強度大，且對于測量結果準確定和穩定性要求很高，人工檢測很難滿足國家質檢部門對擋風玻璃質量安全的要求，所以學者們設計將機器視覺技術應用于涂膠軌跡檢測中，避免人工接觸式測量，不僅可以保障工人操作的安全性，還提高了工作效率和精準度 (李宇、王宸、劉克平、喬宇，2020)。在汽車零部件質量及外形檢測的過程中，用機器視覺代替傳統人眼檢測，利用圖像采集裝置和信息處理系統提高零部件質檢效率和精準度，優化人工質檢所帶來的不穩定和不及時，有效避免了人工檢測耗時長，易疏漏等缺點，并利用其低價和易操作的配置方式，更好地滿足了汽車工業生產的要求(袁縱青、徐惠鋼、侯占林、趙京，2020)。當然，對于汽車行業來說，零部件方面的檢測不可懈怠，交通安全更是至關重要的，將人工智能深度學習技術應用于自動駕駛中，通過DDRG算法建立一種生態駕駛，使司機在駕駛過程中可以更加自如地應對復雜的交通環境，減少交叉路口的事故，提高安全性(徐澤洲、曲大義，2021)。同樣在汽車自動緊急制動方面，也有不少學者進行了探索，通過建立AEB仿真系統優化傳統緊急制動速度波動大、舒適性難以保障和彎道制動安全難以確保等問題，使彎道制動可控性更高、收斂性更好(黃舒偉、何少煒、金智林，2021)。另外，為了使駕駛的舒適度進一步提高，把人工智能的語音識別使用于小汽車雨刷器、電動車窗、自動空調和汽車音響等服務中，通過HMM算法對語音數據進行統計計算，構建語音識別統計模型分析駕駛者的指令進行分析，用語音對車載電器進行操控，減少駕駛者的壓力，增強駕駛安全性(白武博、夏光，2012)。

上述國內學者的研究，多數是設計將人工智能機器視覺、人工智能深度學習、人工智能語音識別技術應用于汽車行業中，集中于設計層面，對人工智能賦能汽車行業為整個行業所帶來的經營效率的研究頗少。本文將以長春一汽轎車股份有限公司為例，采用DEA-Malmquist指數，研究人工智能產業融入上市公司為公司帶來的資源配置效率。

二、人工智能的概念

人工智能的開發與應用最開始起源于古埃及，在1956年Dartmouth學會上第一次被提出，后在全球多個國家和地區快速傳播，發展至今已經有65年了，研究者們對其不斷的探索和研究，溫斯頓教授(美國麻省理工學院)覺得，人工智能是探究如何更好地利用計算機和大數據去實現過去只有人才能完成的工作。(王嫄，2019；王梓宸、闞永彪，2020)即通過研究和模擬人類的思維和行為模式，融合計算機科學、心理學、哲學和語言學等多個學科，構造出具有一定智能的人工系統，通過不斷地深度學習來實現從理論到研究的重大突破，讓計算機可以像人類一樣對信息進行感知、獲取和辨別能力，來幫助人類完成簡單的、重復性和含有一定程序性的社會工作。(李思睿，2018；沈滌，2019)

三、長春一汽轎車股份有限公司

一汽轎車股份有限公司簡稱“一汽轎車”，成立于1997年6月，是中國第一汽車集團的控股子公司，是一汽集團發展自主品牌乘用車的核心企業，是中國轎車制造業第一家股份制上市公司。公司始終堅持“最值得驕傲的商用車企業，最值得信賴的商用車品牌”的企業愿景，以“成為‘中國第一、世界一流’的智慧交通運輸解決方案提供者，促進社會更加繁榮”為企業使命，以“信而有征智勇雙全益行天下”為品牌理念，以產品和服務為主線，以客戶和員工為根本，以創新和變革為動力，聚焦行業趨勢及客戶需求，快速提升產品競爭力和服務水平。

在技術開發層面，公司以“技術領先、首創體驗、集成創新、強化應用、協同高效”為指引，構建了從前瞻技術、發動機、變速器、車橋到整車的國內最強大和完備的獨立研究系統，形成了一支超過3,000人的高效協同研發團隊。而且企業內部有著國內頂尖的實驗室、院士、博士后工作站，擁有技術創新、性能開發、精益設計、試驗試制、試驗認證五大核心能力，打造了低碳化、電動化、智能化、信息化、高品質即“四化一高”五大技術平臺，是掌握世界級整車及三大動力總成核心技術的商用車企業之一。

四、人工智能在一汽轎車股份有限公司的績效實證研究

(一)評價方法與模型

在國內研究公司效率辦法主要有數據包絡分析法(DEA)、隨機前沿分析法，DEA是一個線性規劃模型，由A.Charnes和W.W.Cooper等學者提出，其原理和方法構建在“相對效率評價”基礎上，包含了管理科學、數學、計算機科學和運籌學等四個學科范疇，本質上是使用了數學規劃模型，是一個線性規劃模型，先選擇出數個決策單元，即各項輸入和輸出的單元或者研究對象，之后對其進行相對有效性分析和測定，一般展現為產出對投入的比率，通常用來測量某些決策部門的生產效率。

1.DEA模型

DEA模型最初于1987年提出，最初用來對同一部門間的相對有效性進行測算，最初的模型叫做CCR模型，是一種研究具有多個輸入，特別是具有多個輸出的“生產部門”同時為“規模有效”與“技術有效”十分卓越的方法。

這里首先運用最初的投入產出數據來開展初始效率測算，選擇投入導向的BCC模型：

如果θ＜1，則決策單元非DEA有效

2.Malmquist指數

一般的DEA模型僅僅可以對某一年的每一決策單元展開單期的橫向對比，沒有辦法對連續數年的效率做出分析，無法對比每一決策單元在其他時間的動態效率。Malmquist模型可以用來評價各個決策單元歷年的生產率變動情況，并可以進一步細分生產率變動的原因，主要用于不同時期決策單元的比較，因此，之后的研究者們再一次定義了Malmquist生產率變動指數，通過計算第t期和第t+1期生產率指數的幾何平均數，衡量生產率的變動情況，并將Malmquist生產率變動指數分解為技術變動指數和技術效率變動指數的乘積。

為了避免時期選擇的隨意性可能導致的誤差，Malmquist生產率變動指數的模型為：

Malmquist生產率變動指數又能拆分為兩部分：技術效率變化指數和技術水平變化指數：

前面代表效率變動，即相對于效率前沿從第t期到第t+1期的改變。

如果效率變動=1，說明該決策單元在第t期時與第t期的效率前沿之間的距離和該決策單元在第t+1期時與第t+1期的效率前沿之間的距離相等；

如果效率變動＞1，說明該決策單元在第t期時與第t期的效率前沿之間的距離和該決策單元在第t+1期時與第t+1期的效率前沿之間的距離遠；

如果效率變動＜1，說明該決策單元在第t期時與第t期的效率前沿之間的距離和該決策單元在第t+1期時與第t+1期的效率前沿之間的距離近。

后面代表技術變動，即該決策單元的效率前沿從第t期到第t+1期的移動。

如果技術變動大于1，說明技術的移動是正確的、進步的；

如果技術變動小于1，說明技術的移動是負向的、退步的；

如果技術變動等于1，說明技術沒有改變。

(二)指標的選取與來源

在這里我們選取研發費用、技術人員數量和直接人工支出作為投入指標，選取營業總收入作為產出指標。本文的數據主要來自2011-2019年一汽轎車股份有限公司年報。

1.投入指標

(1)研發費用：為了更好的在汽車制造業中應用人工智能，公司需要對人工智能進行研究，所以在此我們選擇研發費用作為人工智能的研究費用。

(2)技術人員數量：公司在人工智能方面的研發和應用越廣泛，所使用的技術人員就越多。

(3)直接人工支出：公司在人工智能方面的使用越多，所使用的直接人工就越少，直接人工支出也就越少。

2.產出指標

(1)營業收入：選取營業收入作為評價公司盈利的標準，公司的經營狀況越好，公司的營業收入越高。

表1 2011-2019年評價指標

(三)模型分析

1.DEA模型分析

以一汽轎車股份有限公司作為決策單元，分別將2011-2019年人工智能產業的投入和產出導入DEAp.2.1軟件進行運算處理，可以得到長春一汽轎車股份有限公司在過去九年間的crste(綜合效率)、vrste(純技術效率)和scale(規模效率)值，如表2所示：

表2 2011-2019年D EA模型綜合評價效率

由表2可以看出，在2011-2019年間crste(綜合效率)、vrste(純技術效率)和scale(規模效率)均為 1，表示在這九年期間長春一汽股份有限公司的DEA均有效，并且很穩定，投入和產出達到最優，人工智能的進一步應用不僅使其工作效率得到提高，也確實為公司帶來了一定的收益。

2.基于Malmquist指數的動態模型分析

將所選投入產出帶入DEAR.2.1軟件進行求解，可得如下結果：

表3 2011-2019年Malmquist指數效率

從一汽轎車股份有限公司在2011-2019年間全要素生產率的數據來看，tepch(全要素生產率)指數大于1的分別是 2013、2016、2017、2018、2019，增幅最大的為 2013年，說明從2015年開始人工智能研發對一汽轎車股份有限公司的收益影響處于進步階段；effch(綜合技術效率)、pech(純技術效率)和sech(規模效益)指數的數值均等于1，說明，在2011-2019年間，一汽轎車股份有限公司在技術與人工智能研發項目中的投入和產出效率有了一定的提高；2012-2013年間techch(技術進步)大于1，2016-2019 年間，techch(技術進步)也均大于 1，反映出一汽轎車股份有限公司的人工智能研發投入產出效率具有一定的提高。

五、結論

在汽車制造業中，人工智能的發展已經成為熱潮，在汽車生產中應用越來越廣泛，使其生產線更加柔性化，公司對汽車零部件以及整體質量和技術水平的要求越高，直接人工的使用就越少，高技術人才需求就越多，使用機器人替代人工就越多，這不僅可以提高勞動生產率和節省人工成本還可以使汽車生產時生產效率提高增加公司的績效。