基于熵权灰聚类的企业智能制造创新能力评价及影响因素研究—福建五家电子类智能制造试点示范企业的实证研究

□方金城 曾阿锋 朱 斌

[1.福建工程学院 福州 350118；2.福州大学 福州 350116]

智能制造是工业4.0的重要引擎，也是构建“中国制造2025”工业技术体系的核心。近年来，随着我国社会老龄化，制造业固有的劳动力资源优势正逐步丧失，推动制造业往智能化转型升级已成为当下我国工业企业技术创新发展与国际竞争力提升的重要突破口。尤其2020年新冠肺炎疫情暴发以来，由于人工短缺造成的有效生产时间缩短和产能急剧下降问题，进一步激发了企业对智能制造的技术创新需求。福建省是我国东部沿海先进制造业重要基地，受益于国家鼓励性政策支持，近年来福建省智能制造发展态势迅猛。然而由于历史及地理位置的特殊性，福建现代工业体系建设起步迟[1]。各大企业在智能制造核心技术、关键设备及其生产应用和管理服务等创新发展的总体水平参差不齐。电子工业是福建省乃至全国推动智能制造创新发展的主战场[2]，而电子类智能制造试点示范企业则是电子工业智能制造的排头兵。为此，以电子类智能制造试点示范企业为例，系统评价企业智能制造的技术创新能力，对准确把握福建电子类企业智能制造创新现状，厘清制约福建电子类企业智能制造创新发展的影响因素，有针对性制定促进福建电子工业智能制造技术创新的有效对策与机制，推进后疫情时代福建智能制造业跨越式发展、加快建成制造业强省具有重要的参考价值。

一、相关研究述评

目前，国内外文献对企业智能制造技术创新能力评价问题探讨得还比较少。就企业智能制造技术创新研究看，现有相关研究有：（1）智能制造协同创新模式研究。Doukas等[3]、Porter与Heppelmann[4]通过分散型创新网络与集中型创新网络的对比研究，引入网络环境下智能制造协同链分析，建构基于任务距离参数优化的智能制造协同创新模型。在此基础上，Jardim-Goncalves等研究了企业智能制造协同产品及服务系统中的任务管理协议设计及其资源优化分配问题，指出基于能源优化的资源调度是企业智能制造协同创新的重点[5]。Jian等则指出智能制造产品结构技术变化引发了技术创新方式的变化[6]。当前智能制造技术创新正由过去单一的服务或某个软硬件革新，变成需要协调各种软、硬件应用及服务为一体的复杂集成创新。（2）智能制造产业创新趋势研究。王友发和周献中运用文献计量学方法，通过20多年来国内外智能制造文献梳理，分析了国内外智能制造技术的研究热点与产业创新趋势[7]。张映锋、张党和任杉分析智能制造的历史起源与发展演化，进而结合国内外典型智能制造战略，论述影响智能制造产业创新发展的关键技术及其发展趋势[8]。（3）企业智能制造技术创新效率的影响因素研究。刘峰和宁健根据2011～2013年的面板数据，运用DEA模型与回归分析相结合对52家智能制造企业的技术创新效率进行研究，指出股权集中度、资产负债率和高管持股比例是影响智能制造企业技术创新效率的关键要素[9]。单衍菲基于2015～2017年的年报数据，运用两阶段DEA对134家智能制造试点示范企业的创新效率进行系统评价，指出企业获利能力、政府补贴、税收负担、股权集中度是影响企业智能制造技术创新效率的主要影响因素[10]。楼旭明与徐聪聪则以我国智能制造上市企业2013～2017年相关数据为样本，运用DEA分析与Tobit回归模型相结合，研究了影响企业智能制造技术创新效率的主要因素，发现企业偿还能力、盈利能力、营运能力、企业规模和智能制造领域核心产业的市场规模对企业技术创新效率均有正向影响[11]。

另外，就创新能力评价方法研究看，目前国内外常用的方法有主观评价法（如AHP、模糊评价法等）、客观评价法（如投入产出分析法等）和混合法（如TOPSIS法、灰色系统模型等）。由于创新能力评价中常常存在定性、定量指标并存的情况，此时单纯的主观或客观评价法均难以适用，混合评价法成为当前创新能力评价的首选方法。灰聚类分析是灰色系统创始人邓聚龙教授1992年提出的一种基于灰朦胧集理论的聚类分析方法，该方法已被证明是解决贫信息、少样本系统评价问题的有效方法，因此其在企业创新能力评价中灰聚类分析也得到了广泛的应用[12]。然而，由于国内外企业智能制造技术创新相关研究目前正处于起步阶段，运用灰聚类技术开展企业智能制造技术创新能力评价的研究文献总体还比较欠缺。

综上所述，目前国外学者对企业智能制造技术创新能力评价研究总体存在不足，国外学者研究成果主要聚焦于智能制造协同创新模式与优化管理，而国内学者则更关注智能制造产业创新的技术热点与发展趋势。虽然也有个别学者采用上市公司年报数据研究智能制造企业的创新效率问题，但是简单沿用传统的投入产出法研究企业智能制造技术创新能力显然其针对性不足，也未能体现智能制造技术革新与突破的个性化特征。因此，结合智能制造业特征，设计一套与之相适应的技术创新评价指标体系，并运用科学合理的评价方法进行系统评价就显得非常必要而有意义了。

二、企业智能制造技术创新能力评价的指标体系设计

智能制造技术创新能力是企业智能制造领域创新研发的一个综合系统能力。由于企业智能制造的关键业务场景主要涉及产品研发设计、生产作业控制、设备运行维护等环节，因此从创新资源要素投入产出的过程视角看，企业智能制造技术创新能力（d）涵括了企业实施智能制造创新项目所进行的创新资源投入（d1）、产品智能化研发（d2）、生产运作智能化改善（d3）、智能设备运维创新（d4）和智能制造创新产出（d5）的全过程能力。根据指标设计的科学性、系统性、可比性、可操作性以及实用性等原则，本研究通过智能制造技术专家与研究学者的访谈和意见征集，同时结合2018版《国家智能制造标准体系建设指南》，从上述5个层面对企业智能制造技术创新能力的多层次评价指标体系进行细化设计[13]。其中，智能制造创新资源投入能力，主要表征企业投入智能制造技术创新的可支配资源要素总量，它由智能制造研发投入、技术培训费和智能制造技术人才等要素进行测度；产品智能化研发能力，主要表征企业运用智能化设计系统进行产品研发创新的能力，它由产品概念智能化设计、产品结构智能化开发、工艺与流程智能化创新等要素进行衡量；生产运作智能化改善能力，主要表征企业运用智能化生产管控系统进行生产作业与运营管理的优化和改善能力，它由生产作业智能化调度、智能化品质检控与优化、智能化成本分析与管控等要素进行测评；智能设备运维创新能力，主要表征企业使用智能化设施进行设备运行与维护的能力，它由机器人、数字化车间与智能工厂，自动识别与智能传感技术，物联网系统与MES系统、设备安全智能监控与自动预警反馈等要素进行评估；而智能制造创新产出能力，表征企业智能制造技术创新带来的最终成果产出，它由拥有高层次智能制造示范基地/项目/研究中心的级别、千人智能制造技术专利拥有量、智能制造技术革新带来利润增长率等要素进行测评，具体如表1所示。

表1中定量指标数据由企业统计数据获取，而定性指标数据由参与调研的所有专家打分后，满分10分，取平均值[14]。这里规定：“拥有高层次智能制造示范基地/项目/研究中心的级别”，按就高原则计分。规定：国际级，记10分；国家级，记8.5分；省部级，记7分；地市级，记5分。

表1 企业智能制造技术创新能力的评价指标体系

三、基于熵值法改进的灰聚类评估模型及其实现步骤

企业智能制造技术创新能力评价是一个复杂系统评估问题，涉及诸多指标因素，且评价过程容易存在指标信息冗余交叠、统计样本量过少、评价指标数据难以收集等问题。在“贫信息”情况下开展评价，传统的数学方法往往难以奏效；而具有简单、实用、可操作性强等优点的灰聚类评估方法却能较好地避免由信息贫乏和不确定因素造成的评价误差[15]。灰聚类评估方法主要运用白化权函数测算被评价对象在各评价指标上的灰聚类系数与综合聚类系数，进而根据聚类系数大小来判定被评价对象在相应指标上的优劣强弱等级。由于传统灰聚类评估的指标权重主要采用德尔菲法或AHP比较判断的方法获得，考虑到这种指标赋权法在实际评价实施中无法克服指标间的信息冗余问题，且也容易存在主观性偏差，为此这里引入熵值法对灰聚类评估模型进行改进：借助信息熵客观测算各评价指标的权重，构建一种基于熵值法改进的灰聚类评估模型。该模型能较好地应用于信息贫乏、认知经验欠缺情况下的多指标问题系统评价。基于熵值法改进的灰聚类评估方法的主要实现步骤如下：

步骤1：利用熵值法测算指标权重。

（1）确定各指标极性，并对指标数据进行标准化处理，得到统一效果测度变换后的样本数据矩阵Xij；

（2）根据统一效果测度变换后的样本数据矩阵，按指标列进行归一化处理，得到rij；

（4）计算第j项指标的变异度，Dj=1-Ej，(1≤j≤n)；

（6）同理计算其他各指标的权重，得到权重向量w=(w1,w2,···,wn)。

步骤2：评价灰类划分及数值化评定集向量确定。

将各个指标按其取值范围划分为s个灰类，如将j指标的取值范围[a1,as+1]划分为[a1,a2],···,[ak-1,ak],···,[as-1,as],[as,as+1]，同时取灰类序号向量为评定集向量µ=(1,2,···,s)，即评分表。

步骤3：各指标灰类的取数域延拓。

步骤4：各指标白化权聚类系数的计算。

步骤5：综合聚类系数的计算及其归一化。

步骤6：综合评定值计算与创新能力的系统评价。

四、电子类智能制造试点示范企业智能制造技术创新能力评估与分析

根据2020年福建省五家电子类智能制造试点示范企业的调研资料，运用本文提出的企业智能制造技术创新能力评价指标体系和熵权灰聚类模型，对五家企业的智能制造技术创新能力进行系统评估。为方便研究，这里将五家企业分别用代码A、B、C、D和E表示。由于本文设计的企业智能制造技术创新能力评价指标体系含有定性和定量两类指标，考虑到数据的准确性与研发活动产出的滞后性，定量指标由受调研企业高层的相关负责人结合企业过去一年的实际情况填写；而定性指标则采用问卷调查的方法，由12位参与调研的智能制造产业研究院专家与学者以十分制打分取平均值获取。

（一）智能制造技术创新能力指标的权重计算

根据五家企业智能制造技术创新能力指标数据的整理与统一效果测度，运用熵值法计算出各指标的权重，如表2所示。

表2 企业智能制造技术创新能力指标的权重

（二）智能制造技术创新能力评价灰类划分与指标取数域延拓

运用标杆原理和专家调查法，将企业智能制造技术创新能力等级划分为5个评价灰类；设灰类序号为k，其中k=1，2，3，4，5，分别表示评语“弱”“较弱”“一般”“较强”“强”。取上述评语集对应的数值化评定集向量μ=（1,2,3,4,5），即取灰类序号向量为评定集向量。参照文献[15]的处理办法，对各评价指标进行延拓，得到各指标的延拓值，如表3所示。

表3 评价灰类划分与指标取数域延拓

（三）智能制造技术创新能力评价指标的综合聚类系数计算

（四）综合评定值计算与创新能力系统评价

表4 评价指标的综合聚类系数

表5 企业智能制造技术创新能力的分级评价

（五）系统评价的效度检验

为验证本文改进灰聚类评估模型的有效性，这里引入模糊综合评价进行对比分析。模糊综合评价结果如表6所示，同图1给出的灰聚类评估相比，无论从分准则能力评价，还是从综合能力评价看，两种方法对五家企业智能制造技术创新能力排序与分级的最终评估结果，是基本相一致的。这充分说明本文改进灰聚类评估方法是合理有效的。同时，从两种方法的评价过程看，本文基于熵值法改进的灰聚类评估，只需直接借助信息熵技术对指标数据进行计算机运算赋权；而模糊综合评价则需要引入专家评判，建构多维多层次比较判断矩阵进行权重计算，计算结果还需进行多轮的一致性偏差校验。因此，相较于模糊综合评价，本文提出的熵权灰聚类评估具有简单易操作，计算结果准确等优点，能较好地解决企业智能制造创新能力评估存在的少样本、贫信息系统评估难题。

图1 企业智能制造技术创新能力的综合评定值与排序评价

表6 企业智能制造技术创新能力的模糊综合评价

五、企业智能制造技术创新能力的评价结果及影响因素分析

（一）分能力评价

1.智能制造创新投入能力

从图1和表5不难看出，五家试点示范企业智能制造创新投入能力高低依序为A＞B＞D＞E＞C。就能力分级看，五家企业智能制造创新投入能力总体不强。究其原因，一方面各大企业用以智能制造技术研发的经费支持不足。以A企业为例，公司作为我国半导体照明龙头企业，2019年研究开发总经费投入高达6.48亿元亿元，占公司营业收入的8.69%，而智能制造研发的经费投入仅占1.475%。另一方面，五家企业智能制造技术培训费用投入普遍偏少，相当部分企业培训费用投入不足销售收入的0.1%。五家企业调研表明，虽然部分企业智能制造技术创新战略比较明确，但在实际实施上缺乏系统性的规划，尤其是在智能制造技术培训上重视不足，普遍公司主张遇问题时请第三方咨询公司诊断把脉即可。人才是企业智能制造技术创新的关键。企业高管访谈指出，智能制造技术人才短缺，是目前制约企业智能制造技术创新的掣肘。由于智能制造技术需要跨领域多学科知识整合，其所需人才主要涉及自动控制、电气自动化、机械电子、物联网与工业工程等诸多专业，而目前我国这些专业高校毕业生总体短缺，尤其是具备智能制造工作经验的中高端人才，更是一将难求。人才短缺问题在B、C、D、E等四家所属的莆田、漳州等三四线城市的企业，表现得更为严重。上述这些因素都直接或间接导致了五家企业智能制造技术创新投入能力出现短板。

2.产品智能化研发能力

除区域政策性扶持企业E略微偏弱外，其他四家企业的产品智能化研发能力总体较强，尤其是光电龙头企业A以总分4.71位列第一。企业调研表明，近年来由于计算机辅助设计CAD、计算机辅助工艺规划CAPP、计算机辅助工程分析CAE与计算机辅助概念设计系统CACD等智能化产品设计技术的推广与应用，各大企业产品智能化研发能力有了长足的进步，均具备了一定的产品智能化概念设计、结构开发等能力，能较好地借助计算机生成符合设计者目的与要求的产品概念模型，完成产品结构的工业设计与工程设计。然而，由于产品全生命周期数据库一体化集成推进不力，五家企业智能工艺开发与流程设计总体能力偏弱。B企业是国内知名的计算机整机、零部件、数码产品及相关外围设备产商。该企业高管访谈指出，公司研发部门与生产制造部门的条块化分割，以及生产自动控制与工业工程等相关专业人才短缺，导致了企业产品智能研发设计、工艺流程开发和生产制造等环节数据实时集成与协调运作存在障碍，这些也是当前多数企业开展智能工艺开发与流程设计的重要瓶颈。

3.生产运作智能化改善能力

五家试点示范企业生产运作智能化改善能力排序为A＞D＞B＞E＞C。从能力构成要素看，除企业C作为新创光伏企业能力偏弱以外，其他企业生产作业智能化调度和智能化成本分析及优化能力比较均衡。究其原因，受益于我国长期持续推动的企业信息化建设。目前我国各地主要骨干企业多数建有比较完备的信息系统，能有效地集成产供销与人财物信息进行一体化管理。五家试点示范企业均不同程度实施了ERP企业资源计划系统，能较好地将企业运营中物流、资金流与信息流紧密无隙地有效集成。但从能力短板看，五家企业的品质检控智能化能力相对一般，由于品质检控智能化涉及人工智能、机器视觉、大数据分析与自动控制等多学科前沿技术的综合应用，其成熟实施相对困难，因而也成为制约五家企业生产运作智能化改善的软肋。

4.智能设备应用创新能力

与其他能力相比，五家试点示范企业生产运作智能化改善能力总体都比较强，其中B＞A＞D＞C＞E。从能力构成要素看，五家企业的机器人、数字化车间与智能工厂的创新性应用能力均比较强。近几年，随着人口老龄化问题的凸显，我国工业发展长期仰赖的人口红利迅速消失，各地企业用工荒频现，尤其2020年新冠肺炎疫情暴发以来，人员流动性受限使得以机器代工为着力点的智能制造工厂建设如火如荼。以B企业为例，2020年公司新增设备投入过亿，其中多数设备具备无人值守、自控联锁、智能操作和在线远程监控等功能。此外，机器视觉技术、智能传感器和RFID等自动识别技术与人工智能、物联网技术联合应用，在五家企业的智慧仓储系统、智能物流运输、数字化车间、自动化生产线与设备安全监控及预警管理中也得到有效推广。但是，由于当前的MES生产信息化管理系统尚未能实现产品智能化、工业设备智能化与生产管理智能化一体化融合，因而五家试点示范企业的智能化设备应用多局限于智能机器人代替工人的自动化生产。

5.智能制造创新产出能力

五家试点示范企业智能制造创新产出能力排序为A＞E＞B＞D＞C。与其他能力相比，智能制造创新产出能力是制约各大企业智能制造技术创新的重要瓶颈。从能力构成要素看，除了企业A拥有国家级企业技术中心、产业化示范工程与光电子龙头企业外，其他企业均仅拥有省级示范或研究中心。而在千人智能制造技术专利拥有量指标上，五家企业均比较薄弱。以企业C为例，公司作为福建省太阳能光伏领先企业，2020年公司千人拥有智能制造相关专利仅占15.57件，仅占公司专利总量的不足一成。就智能制造技术革新带来利润增长率看，五家试点示范企业均超过45%，对企业智能制造创新产出贡献较大[16]。

（二）综合能力评价

系统评价显示，五家试点示范企业的智能制造技术创新综合能力排序及强弱分级结果看，企业A以4.498总分，排名第一。作为全球最大的LED芯片及外延片制造企业，企业A近年来公司通过引进德国AIXTRON、日本DISCO和瑞士MEYER BURGER等设备技术，建构了国际领先的衬底提纯、外延及芯片制备的智能化产线，并自主创新开发了集客户需求快速响应、可生产性协同研发与智能制造于一体的UMS系统，公司智能制造技术创新的综合能力评级为强。企业B、D、C分别以4.021、3.89和3.547总分，位列第二、三、四名，三家企业数字化车间与智能化生产管理推动成效显著，智能制造技术创新的综合能力均比较强。尤其是，企业B作为首批国家科技创新型企业与首批“两化融合”企业。近年来公司通过智能制造技术创新与转型升级，已成长为国内知名的智能终端产品整体方案解决商。企业E作为锂离子电池集成系统国家高新技术企业，已构建了较为完善的智能制造云平台，其智能制造技术创新的综合能力得分为3.394分，评级为一般。

（三）影响因素分析

根据上述五家试点示范企业智能制造技术创新的系统评价，结合表5和图1分析，不难看出，目前制约多数企业智能制造技术创新的能力要素为智能制造创新投入能力d1、生产运作智能化改善能力d3和智能制造创新产出能力d5。结合五家试点示范企业调研与数据统计分析，运用多数裁定原则与关键成功因素法相结合，识别制约企业智能制造技术创新的关键共性影响因素，如表7所示。表7统计结果显示，上述能力要素的构成指标中，d11、d12、d13、d32和d52是制约着多数企业智能制造技术创新能力提升的共性瓶颈指标。相关研究表明，智能制造研发投入强度直接影响并决定了企业智能制造研发费用投入的营收占比d11；智能制造人才队伍建设的重视度对企业智能制造技术培训费的销售收入的占比d12、智能制造技术人才占比d13有决定性的影响；智能制造运作管理的敏捷性对企业智能化生产管控与品质提升能力的强弱d32有着关键性的影响；而智能制造研发产出效率则直接影响着企业千人智能制造技术专利拥有量d52[17～18]。因此，从关键成功因素分析看，智能制造的研发投入强度、人才队伍建设的重视度、运作管理的敏捷性和研发产出效率是当前制约多数企业智能制造技术创新能力提升的关键共性影响因素。鉴于创新产出是创新投入与创新活动过程的综合作用结果，为此，下面将主要从上述创新投入与活动过程的共性影响要素入手，提出促进我国企业智能制造创新能力提升的对策建议。

表7 企业智能制造技术创新的关键共性影响因素

六、企业智能制造创新能力提升的对策建议

（一）引培结合，不断加强智能制造人才队伍建设

智能制造所需人才涉及自动控制、电气自动化、机械电子、人工智能、物联网与工业工程等诸多专业学科，因此智能制造人才短缺问题需要全社会统筹解决。宏观层面，政府要结合企业智能制造创新发展的人才需求，制定智能制造高端人才需求规划和引进目录，突出重大项目导向的精准引才，对企业高端人才引进给予适当奖励或经费补助，积极探索灵活优厚的高端人才引进特殊政策。要组织高校利用现有资源，联合企业、科研院所共同为社会开展智能制造人才培养工作，开展智能制造职业技术教育和专题技能培训，不断提高企业在岗技术人员的智能制造素养。微观层面，企业要制定明确的制造技术培训计划，通过定期开展以卓越企业和领先部门/个人的内外部智能制造标杆学习与技能培训，不断加大现有智能制造技术人才的培养力度。认真做好现有员工中智能制造人才的选拔、培养、考核与薪酬激励机制，努力做到量才适用、用当其时，才尽其用。

（二）政企携手，多渠道拓宽企业智能制造创新的资金支持

政府相关主管部门，要分利用国家先进制造业投资基金、工业转型升级资金和新兴产业风险投资基金，为企业智能制造创新发展提供财政扶持与专项资金支持，积极引导企业智能制造创新研发的相关税费优惠政策应享尽享。鼓励金融机构在业务范围内为符合条件的重点智能制造企业创新项目提供融资优惠，大力探索并整合社会资金共同组建智能制造的产业投资基金，努力破解企业智能制造创新的资金难题。企业层面，要主动对标本行业、本领域智能制造全球科技创新的顶尖企业，在做好智能制造创新项目可行性论证的基础上，切实加大创新投入，不断推进智能制造技术、产品和服务创新。

（三）因企制宜，持续提升企业智能制造的过程管控与快速响应能力

生产运作智能化改善是企业智能制造技术创新的重要组成部分，而智能化生产管控则是企业生产运作智能化改善的基础。相关研究指出，工艺工序与制造流程标准化→精益优化→自动化→智能化，是企业生产管控智能化的一般路径[19]。由于不同企业的生产类型与工艺流程存在差异，因此促进企业智能制造技术创新，需要企业以作业标准化为切入点，因企制宜，不断推进工艺工序与制造流程的精益优化，通过信息化、自动化与智能化，持续提升企业智能制造的过程管控与快速响应能力，进而实现企业品质和成本管理的智能化改善。此外，企业智能制造技术创新是一项长期、复杂的工程。企业需要严格按照“科学规划，分步实施，效益优先，重点突破”的原则，认真做好智能制造技术创新的顶层设计，有条不紊推进企业产品、设备、生产制造、运营管理和服务智能化的纵向、横向及端对端信息集成，不断增强企业智能制造信息系统与生产控制系统互联互通能力，为企业提升生产运营过程管控与快速响应能力、推进智能制造技术创新夯实环境基础。