基于结构方程模型的智能制造服务优化的影响因素研究

程媛　刘钒　向叙昭

摘 要：大力发展智能制造是新时代我国推动产业转型和制造业信息化的必经之路。优化智能制造服务，为传统制造业转型升级提供优质高效的服务是其中的关键问题。构建智能制造服务优化影响因素的结构方程模型，从内部和外部两个角度分析影响智能制造企业服务的若干影响因素，基于问卷调查运用主成分分析法验证假设。结果表明：对智能制造服务能力的正向影响由高到低的各个因素，分别为国家政策支持、智能制造系统建设、人才队伍建设、工业大数据获取与利用、技术创新与支撑能力、企业间协同。其中国家政策支持对智能制造服务能力影响非常显著，企业间协同融合的影响不显著，其余为影响显著。并从技术创新、工业大数据平台建设、政策制定以及人才建设等方面为智能制造服务优化提供了建议。

关键词：智能制造;服务优化;影响因素;结构方程模型;主成分分析法

中图分类号：F 424.3   文献标识码：A   文章编号：1672-7312（2020）06-0548-08

Research on Influencing Factors of Service Optimization in Wisdom Manufacturing Based on Structural Equation Model

CHENG Yuan1，LIU Fan2，XIANG Xu-zhao2

（1.School of Information Management，Wuhan University，Wuhan 430072，China;2.Institute of Development Research，Wuhan University，Wuhan 430079，China）

Abstract：Wisdom manufacturing is an important component of smart cities.How to optimize the service provided by wisdom manufacturing to as to offer the inhabitants in a smart city with efficient and high quality services remains a key factor for wisdom manufacturing.Based on the principles of wisdom manufacturing service，the three goals of providing high quality service are summarized.The theoretical model of influencing factors on wisdom manufacturing service is constructed.Analysis of several influencing factors that affect the services of intelligent manufacturing enterprises from both internal and external perspectives is made.The model and related hypothesis are verified by empirical data.The result shows policy support，technology innovation，construction of wisdom manufacturing systems，talent construction and the obtaining and utilization of industrial big data are positive factors.Several proposals are introduced according to the influence factors obtained.

Key words：wisdom manufacturing;service optimization;influence factors;structural equation model;principal component analysis

0 引言

智能制造是信息化與工业化深度融合的产物，以人际网、知识网、物联网以及务联网等先进网络技术为支撑，通过实现“大制造”环境下的人-物互联、人-人互联和物-物互联[1];以设计、生产、管理、营销和服务等各个环节的集成与优化，实现制造服务的优化和升级[2]，满足供应网络和客户需求的不断变化。由于智能制造模式突出了知识在制造活动中的价值地位，而知识经济又是继工业经济后的主体经济形式，所以智能制造就成为影响未来经济发展过程的重要生产模式。大力发展智能制造已成为世界主要国家的广泛共识。2015年，美国科技政策办公室和国家经济委员会制定的《美国创新战略2015》，将先进制造业作为重点发展的九大创新领域之首，并成立了“先进制造研究院（The Smart Manufacturing Ins-titute）”。2018年，美国科学技术委员会发布《确保美国先进制造业领先战略》，再次表明特朗普政府强化制造业回流、刺激美国制造业再出发的战略意图。德国、英国、日本和韩国等国家，普遍制定了相应战略，以确保本国始终处于智能制造产业发展的第一梯队。我国政府于2015年正式发布《中国制造2025》战略框架。在随后的4年间，中央政府陆续发布了《国家智能制造标准体系建设指南》、《智能制造发展规划（2016—2020）》、《高端智能再制造行动计划（2018—2020）》、《关于深化“互联网+先进制造业”发展工业互联网的指导意见》等一系列支持智能制造发展的政策文件。2018年中央经济工作会议提出，“把推动制造业高质量发展放到首位”;2019年4月19日和7月30日的中央政治局会议，再次提出“把推动制造业高质量发展作为稳增长的重要依托”。这些举措充分证明，通过发展智能制造促进传统制造业转型升级，已成为我国从“中国制造”迈向“中国智造”乃至“中国创造”的必由之路。其中，制造业服务化是智能制造中最不可或缺的关键环节。然而影响制造业服务化的因素是多方面的，从制造企业内部因素看，有智能制造系统的构建、技术创新和人才队伍建设等，外部因素主要有国家政策和企业间协同等。因此研究影响智能制造服务优化的相关因素，结合我国智能制造发展现实，从各个因素的角度出发进行改善优化，对于提高我国制造业服务化水平，推动我国制造业的高质量发展具有重要意义。

1 研究现状智能制造认为制造即服务[3]。“制造业服务化”这一概念由Vandermerwe和Rada（1988）首次提出，认为“是由产品供给变成服务供给的一种动态改变过程，成为制造企业实现升级和价值增值的主要途径”[4]。杨蕙馨（2020）等认为，制造业服务化为制造业企业提供了新的思路，是制造业智能化发展的落脚点[5]。“人-人互联，以人为本”是智能制造服务的重要理念之一。Cagni等（2014）对不同文化背景下国家和地区制造组织管理模式进行研究，重点阐述了人在系统中的重要性，提出制造业服务需要“以人为本”[6]。尽管当前我国智能制造业创造的附加值已跃居全球第一，但由于我国制造业仍是全球产业链和价值链的中低端，根本的解决方法还是要对智能制造服务进行优化，满足顾客需求，增强顾客对制造企业的经济黏性和情感黏性，以此进一步促进智能制造产业的发展[7]。在影响制造业服务化的因素方面。胡查平等（2019）认为，制造企业特征、顾客特征和企业能力对企业的服务化转型过程起到了重要的影响作用[8]。肖挺等（2018）研究了区域特征、企业规模以及企业创新能力等对企业服务化的作用方向，结论表明我国部分省份在企業服务化进程中存在区域“红利”;在企业规模上，中型企业最热衷于实现高度的服务化态势;企业的服务化与其创新行为互为诱因[9]。罗建强等（2017）认为经济保证、技术支持和客户价值创造三者的相互影响与反馈作用决定了企业服务化的复杂性[10]。Ardolino M等（2018）指出信息技术在制造业服务化转型中的重要作用，通过DIKW模型研究物联网、云计算和大数据预测分析等技术如何将数据转换为信息和知识，以支持制造企业的服务化转化[11]。我国越来越多的制造企业实施服务型制造，但仍然面临很多挑战。学者们对我国制造业服务化的发展路径以及优化措施进行探讨。闫开宁（2018）等研究在“互联网+”的背景下，管理模式变革和技术变革及其交互作用可以提升服务型制造企业的绩效，并指出了以智能化、平台化和网络化为导向的制造企业服务化变革路径[12]。韩江波（2019）等认为需要在利用信息技术创新商业运作和管理方式、发展智能制造生产模式、深入推进“国际化”战略、强化标准等领域建设推进我国的制造业服务化[13]。张恒梅（2017）等分析我国制造业服务化转型中的不足，提出为促进制造业服务化转型，政府应加大政策支持力度，制造业则应重构企业价值链、充分利用“互联网+制造业”为客户提供智能服务、重视终端消费者的个性化体验、采取多种服务方式并转变为集成服务的供应商[14]。国内外关于制造业服务化的相关研究主要集中在服务化战略给制造业升级带来的绩效，对制造业服务化的影响因素及优化方案的关注非常少。并且，已有的对影响因素和优化方案的研究大多属于理论层面的探讨，仅关注服务化转型中的某个方面，如人力资源和技术创新，缺少基于多个影响因素的实证分析。文中针对现有研究缺乏多因素实证分析的不足，提出智能制造服务优化的影响因素假设，利用结构方程模型构建智能制造服务能力影响因素框架，采用问卷调查收集一手样本数据对智能制造服务影响因素进行实证分析，具有较好的理论与实践价值。

2 影响因素的理论假设借鉴此前学者的相关研究文献，文中从内部和外部2个角度分析影响智能制造企业服务的若干影响因素。其中，内部因素包括：智能制造系统的构建、人才队伍建设、技术创新与支撑能力和工业大数据平台建设;外部因素包括：企业间协同和国家政策支持。

2.1 内部因素及其假设

2.1.1 智能制造系统构建

智能制造系统是工业大数据产生的温床，支持了制造企业从产品研发、制造到营销、服务的全过程。欧盟在其Future Internet项目中提出，物联网（Internet of Things，IoT），务联网（Internet of Services，IoS），知识网（Internet of Knowledge，IoK）和人际网（Internet of People，IoP）是未来互联网发展的四大支柱[15]。国内学者姚锡凡进一步指出，通过将这四大类型的网络与制造进行融合即形成了智能制造[16]。构建智能制造系统的关键基础之一即通过物联网实现传感器、智能机器、工业机器人以及智能车间的实时互联，实现企业范围内的数据共享。群体智慧和工业大数据的共同融合将极大地有助于企业管理目标的实现。文献[2]在对智能制造与相关制造模式的关系进行辨析时指出，智能制造在融合了智能制造的智能化、敏捷制造的敏捷化和网络化、云制造对于制造资源的虚拟化以及制造物联中基于物联网的人-物互联互动（Manager and Operator Interaction）等特点外，更引入了人际网和知识网，即强调作为隐性知识主要载体的人的主观能动性在制造全周期活动中的重要性。除了制造环节的数据互联共享，智能制造系统还应实现价值链集成以及工厂信息与价值链数据的互联，原材料获取和顾客需求贯通至产品销售[17-18]。这种方式有利于实现更为周全的个性化产品定制，新产品研发和仿真，以及更为快速和精准的产品追踪服务。基于上述分析，文中提出如下假设。H1a：智能制造系统的构建对制造企业的服务优化与创新具有正向影响。H1b：智能制造系统的构建对工业大数据的获取和利用具有正向影响。

2.1.2 工业大数据的获取与利用

在智能制造领域中产生的工业大数据具有如下特征：①数据种类多样性，从制造业采购、生产、物流到销售的整个环节中存在着无处不在的大数据分析;②数据应用价值多样性，包括：掌握用户需求，实现产品创新;控制生产过程，实现企业生产制造和业务管理流程的智能优化;实时监控不确定因素，规避运营风险;分析用户行为与特征增强用户粘性;运用工业大数据进行信息推送，提高营销精准度;产品潜在市场预测和品牌发展方向定位等。根据上述分析，文中提出如下假设。H2：工业大数据的获取与利用对智能制造企业实现服务优化与创新具有正向影响。

2.1.3 技术创新与支撑能力

技术创新是制造企业创新能力的一个重要体现，是智能制造的核心。Giulio Cainelli等基于对西班牙制造企业的研究，提出制造企业内部需要不断创新，以实现向智能制造转型发展[19]。鲁建厦[2]认为智能制造系统依赖于智慧感知技术、智慧分析技术和智慧服务技术的不断完善创新，以及智慧控制、智慧商务、智慧产权和智慧安全技术的保障。姚锡凡则依据智能制造的网络支撑技术将其分为4类。笔者认为，不管采用何种方法对智能制造依赖技术进行分类，这些技术的应用都落实在依赖于社交软件/平台的定制和研发构建人际网络、实现人-机-物实时互联互通的工业物联网以及普适计算技术、基于工业大数据采集、存储、挖掘、分析等技术所提供的知识管理、情感分析等各类服务。具有自主知识产权的数控机床研发、工业智能机器人的研制、智慧工厂的改造以及工业管理软件的研发等多个具体方面。制造业为加快制造业的“智能”升级，我国各类制造企业都愈加重视从多方面促进技术创新，包括加大研发经费投入实现企业自主研发、建立企业-高校合作实验室充分利用高校充沛的人才资源以及提高高新技术转换能力等。基于上述分析，文中提出如下假设。H3a：技术创新与支撑能力对制造企业的服务优化与创新具有正向影響。H3b：技术创新与支撑能力对工业大数据的获取和利用具有正向影响。

2.1.4 人才队伍建设

智能制造企业属于技术密集型的综合企业，员工的知识储备和管理能力在智能制造中的重要性日益凸显，人才队伍建设是制造业发展的基础与长期战略。在人才队伍结构的布局上，掌握高级研发和新型商业化模式的领军人才是掌舵手，高级研发和管理人才是骨干力量，充分掌握智能技术和纯熟操作智能机器的一线工人是重要基础，后备人才的培养补给是智能制造企业持续发展的保证;从服务创新的角度来看，管理人才和服务环节人才的培养也尤为重要。目前我国制造企业人才队伍建设的途径包括引进海外领军人才、增加高级技术人才，通过定期培训增加技术工人对于智能技术的掌握程度以及与高校共建实训基地等。基于上述分析，文中提出如下假设。H4：人才队伍建设对制造企业的服务优化与创新具有正向影响。

2.2 外部因素及其假设企业间协同：伊戈尔·安索夫认为“协同就是企业通过识别自身能力与机遇的匹配关系来成功拓展新的事业”。企业间协同是指关系对等的不同企业间或者母子企业间通过知识共享以实现企业间协同创新。企业间协同受到企业规模、企业性质以及企业自身业务的影响。肖鹏等对其协同模式划分为产业内供应链协同、产业内企业与竞争对手协同和产业间协同[20]。从知识共享的视角出发，企业间协同也收到知识共享形式、共享途径等的影响[21]，也收到知识保护、知识粘滞和知识不兼容等因素和各种惰性的制约[22]。尽管如此，从智能制造的功能和目的出发，企业间协同对于促进各种能力发挥与资源整合实现优势互补具有非常重要的意义。基于上述分析，文中提出如下假设。H5：企业间协同对制造企业的服务优化与创新具有正向影响。

政策扶持：

政策扶持包括来此国家、地区以及产业等多层面出台的不同角度的支持政策[23-24]。在国家战略上，美国《国家制造创新网络（NNMI）》制定的目标包括：增强美国制造业的竞争力，建设45家由政府、工业界、学术界、行业发展组织等参与的“制造创新机构”：促进创新技术向规模化经济和高绩效本土制造能力的转化;加速先进制造劳动力的发展等。《先进制造伙伴2.0（AMP 20）》包括从促进研发创新、保证人才输送管道和营造有利商业环境等方面采取措施;开展美国学徒资助计划等。我国各地均开展了智能工厂示范项目立项，以支持企业开展智能工厂建设以及生产线改造。除了专项的战略政策支持外，作为智慧城市的重要组成部分之一，智能制造扶持政策也应包含涉及其的智慧城市规划方案，例如，智能制造的概念已经出现在一些智慧城市的建设目录中，如宁波[25]、富阳[26]和湖州[27]等地的智慧城市建设中包含了智能制造智慧工业智能制造的内容。基于上述分析，文中提出如下假设。H6：政策扶持对制造企业的服务优化与创新具有正向影响。

3 结构方程模型构建及实证分析

3.1 模型构建安全软文化中的安全理念、安全制度、安全宣传等内容具有组织层面的指导作用，应该划分为第一阶段，包含安全理念的凝练、相关政策、方针、口号的制定、责任制度的分配等因素。由于智能制造服务能力是多因素作用的结果，不同因素对其影响具有差异性，为了明确各因素对其影响程度并识别出关键影响因素，文中采用结构方程模型。结构方程模型的构建首先要设定所要估计的模型，文中采用智能制造服务能力影响因素路径图来描述模型，如图1所示。用长方形表示观察变量，用椭圆表示潜变量。变量之间的关系用线条表示，如果两变量之间没有线条表示二者之间没有直接关系。单向箭头表示两变量之间具有效应关系，箭头所指的变量受另一个变量的影响。双向箭头表示变量之间具有关联，但不表示变量之间的效应。

在图1中智能制造服务能力η1为内生潜变量，即由模型内变量决定的潜变量，观察变量yi为内生潜变量的标识，εi为测量误差项，ζi为结构方程的残差项。ξi为外源潜变量，用观察变量χi 为外源潜变量的标识，δi为测量误差项。图1中影响智能制造服务能力的外源潜变量有6个，其中智能制造系统构建ξi、工业大数据获取与利用ξ2、技术创新与支撑能力ξ3和人才队伍建设ξ4为内部因素，企业间协同ξ5和政策支持ξ6为外部因素。外源潜变量ξi之间相互关联，但不表示因果关系，ij为ξi与ξj间的协方差。λxij为观察变量xj与外源潜变量ξi之间的因子负载，γ1i为内生潜变量η1与外源潜变量ξi之间的路径系数。模型结构方程可用3个基本矩阵方程表达

（1）公式（1）中的第一个方程为反映潜变量间效应关系的结构方程，B为某些内生潜变量对其他内生潜变量的效应，Γ为外源潜变量对内生潜变量的效应，E（ζ）=0，且ζ与ξ、η不相关。第二个方程表示内生标识变量Y与内生潜变量η之间的关系，第三个方程表示外生标识变量x与外源潜变量ξ之间的关系。观察变量x、y通过因子载荷Λx和Λy分别与相应的潜变量ξ和η相关。ε、δ分别是与观察变量y、x相关联的测量误差。E（ε）=0，E（δ）=0，误差ε、δ与潜变量ε、η不相关，但测量误差之间（ε之间或δ之间）或2个潜变量间可能相关。由此可以得到结构方程。

加快发展模式，促进生产型制造向服务型制造转变。

4）健全政策法规制度，为智能制造发展提供政策支持。通过国家层面的战略制定确定智能制造的战略地位，明确当前重点发展的产业、技术，使企业在转型过程中有明确的目的;通过政策引导，鼓励我国制造企业升级改造。各地政府通过专项资金支持、制定财税优惠政策、人才引进政策，吸引企业向智能制造转变。调动政府各级部门的宏观协调功能，有效统筹各类社会资源，协调解决智能制造发展中遇到的问题，分类、分层指导，分行业、分

步骤持续推进，形成资源共享、协同推进的工作格局。

5）加强多层次人才队伍建设，保障智能制造可持续发展。加强智能制造人才培训，利用现有人才引进计划和鼓励企业设立海外研发中心等多种方式，引进和培养一批“互联网+”智能制造领域，带动行业、企业智能转型的高层次领军人才;依托各类高校、科研机构、企业的智力资源和研究平台培养一批能够突破智能制造关键技术及进行技术开发、技术改进、业务指导的创新型技术人才。

参考文献：

[1]杨续昌，陈友玲.智能制造模式及运行架构研究[J].科技进步与对策，2017（13）：61-66.

[2]鲁建厦，胡庆辉，董巧英.智能制造及其研究现状[J].浙江工业大学学报，2016，44（06）：681-688.

[3]顾新建，代风，陈芨熙，等.智能制造与智慧城市的关系研究[J].计算机集成制造系统，2013，19（05）：1127-1133.

[4]Vandermerwe S，Rada J.Servitization of business：adding value by adding services [J].European Management Journal，1988，6（04）：314-324.

[5]杨蕙馨，孙孟子，杨振一.中国制造业服务化转型升级路径研究与展望[J].经济与管理评论，2020（01）：58-68.

[6]Cagnin C，Konnolat.Global foresight：lessons from a scenario and roadmapping exercise on manufacturing systems[J].Futures，2014，59（03）：27-38.

[7]Tantawi Khalid，Fidan Ismail，Tantawy Anwar.Status of smart manufacturing in the united states.0281-0283.10.1109/CCWC.2019.8666589，2019.

[8]胡查平，汪濤，胡琴芳.制造业服务化战略生成逻辑与作用机制——基于制造业的多案例研究[J].科研管理，2019，40（08）：71-81.

[9]肖挺，黄先明.制造企业服务化现状的影响因素检验[J].科研管理，2018，39（02）：108-116.

[10]罗建强，李伟鹏，赵艳萍，等.基于WSR的制造企业服务衍生状态及其评价研究[J].管理评论，2017，29（06）：129-140.

[11]Ardolino M，Rapaccini M，Saccani N，et al.The role of digital technologies for the service transformation of industrial companies[J].International Journal of Production Research，2018，56（06）：2116-2132.

[12]闫开宁，李刚.“互联网+”背景下的服务型制造企业变革[J].中国机械工程，2018，29（18）：2238-2249.

[13]韩江波，吴林，万丽.制造业服务化——制造业高质量发展的路径研究[J].创新科技，2019，19（10）：28-36.

[14]张恒梅，王曼莹.中国制造业以服务化转型构建新竞争优势研究[J].经济纵横，2017（11）：72-77.

[15]http：//www.future-internet.eu/fileadmin/documents/reports/Cross-ETPs_FI_Vision_Document_v1_0.pdf

[16]姚锡凡，张剑铭.智能制造系统的基础理论与技术体系[J].系统工程理论与实践，2016，36（10）：2699-2711.

[17]王健.智慧工厂 1.0是基于中国制造现实提出的转型理念[J].世界科学，2014（06）：8.

[18]Gereffi G，Fernandez-Stark K.Global value chain analysis：a primer[J].2016.

[19]Cainelli G，De Marchi V，Grandinetti R.Does the development of environmental innovation require different resources？ Evidence from Spanish manufacturing firms[J].Journal of Cleaner Production，2015，94：211-220.

[20]肖鹏，余少文.企业间协同创新惰性及解决对策[J].科技进步与对策，2013，30（10）：84-87.

[21]张鹏.供应链企业间知识协同及其与供应链绩效关系研究[D].吉林：吉林大学，2016.

[22]陈劲，阳银娟.协同创新的理论基础与内涵[J].科学学研究，2012，30（02）：161-164

[23]Lee J，Kao H A，Yang S.Service innovation and smart analytics for industry 4.0 and big data environment[J].Procedia Cirp，2014（16）：3-8.

[24]Coalition S M L.Implementing 21st century smart manufacturing[C]//Workshop Summary Report，2011.

[25]童明榮.智慧城市建设制造业企业转型升级的新机遇[J].三江论坛，2010（11）：15-17+21.

[26]方宗晓.富阳将用五年时间打造智慧城市[N].富阳日报，2011-07-22.

[27]以信息化建设推进工业智慧转型——《2015年湖州市“两化”融合攻坚战工作计划》解[EB/OL].（2015-06-12）[2018-03-15]http：//ehzrb.hz66.com/hzrb/html/2015-06/12/content_231165.htm.

[28]Van der Stede W A，Young S M，Chen C X.Assessing the quality of evidence in empirical management accounting research：the case of survey studies[J].Accounting，Organizations & Society，2005，30（07/08）：655-68.

[29]温忠麟，侯杰泰，马什，等.结构方程模型检验：拟合指数与卡方准则[J].心理学报，2004，36（02）：186-194.

（责任编辑：王 强）

收稿日期：

2020-05-30

基金项目：

湖北省科技支撑计划软科学项目“互联网+视角下国外智能制造业对湖北省制造业智能化转型的启示研究”（2016ADC073）;武汉城市圈制造业发展研究中心（湖北省人文社科重点研究基地）开放基金“互联网+智能制造的国际经验研究”（WZ2019Z01）

作者简介：

程 媛（1983-），女，湖北仙桃人，博士，副教授，主要从事制造业信息化的研究工作.