智能制造中小企业成本管理研究——基于SEM 结构方程模型分析

辛宇

（北京元年科技股份有限公司，北京 100191）

1 引言

随着我国实施制造强国战略第一个十年的行动纲领《中国制造2025》的印发、相关工作的稳步推进，我国社会经济在方方面面已经逐渐向信息化、智能化发展，大型企业为顺应时代趋势已经开始进行智能制造转型，传统中小企业要达到高价值、可持续发展就要以智能制造为自己赋能，在智能制造转型过程中提高生产效率、降低生产成本、提升企业价值。在该背景下，中小企业在智能制造转型过程中，其生产模式、运营方式也会随之产生翻天覆地的变革，工业化与智能信息化的不断交融，相关技术在企业生产运营的全流程得以应用，也就造就了数据透明公开、制造精细机动、智能决策完善的科学前沿的生产系统和经营方式，达到盘活企业生产资源、重塑企业经营方式、优化企业生产系统的目的。

我国中小企业在进行智能制造转型过程中，其业务经营形态与生产运营的方式都产生了巨大的变化。在转型过程中，中小企业产品生产和销售的全周期管理过程中通过智能制造技术实时获取相应各阶段的数据和信息，并利用智能制造技术模拟中小企业的产品生产与运营情况，通过全面模拟来发现其在实际生产经营过程中存在的可完善空间，有针对性地改进、提升，将企业已掌握技术与已运行设备调整至最佳使用条件。现代企业管理中不可或缺的一个环节就是成本管理，在智能制造转型的不断推进过程中，中小企业运营模式在转型过程中也随之不断升级，因而了解智能制造转型过程中的成本管理影响因素是提高中小企业成本管理水平的重中之重，其可以通过成本管理的能动选择形成竞争优势。

2 文献回顾与研究假设

国家市场监督管理总局与国家标准化管理委员会在其联合发布的《智能制造能力成熟度模型》中提到了智能制造转型过程中能够提升智能制造能力的4 个关键能力要素，包括人员能力、技术能力、资源能力和制造能力[1]。

人员能力是中小企业在智能制造转型过程中组织战略和人员技能的评价维度，但是人员能力不仅仅取决于企业战略及员工个人学习能力，更受到企业内部其他能力的影响。

技术能力是中小企业在智能制造转型过程中数据、集成、信息安全等方面的评价维度。张志平和王兆麟[2]在研究中指出，受大数据影响越大的行业中，其从业人员的综合素质能力、专业核算能力、实践能力、数据分析能力、辅助决策能力也越高。综合上述分析，本研究提出如下假设：

H1：技术能力对人员能力的提升有正向影响。

资源能力是中小企业在智能制造转型过程中装备和网络等方面的评价维度。王华等学者[3]发现在互联网时代，从业人员的职业道德、通用能力、专业能力随之提升。综合上述分析，本研究提出如下假设：

H2：资源能力对人员能力的提升有正向影响。

制造能力是中小企业在智能制造转型过程中设计、生产、物流、销售、服务等各方面的评价维度。何汉武等学者[4]研究发现在智能制造企业中由于其生产运营全流程的颠覆，对人员能力有更高的要求。综合上述分析，本研究提出如下假设：

H3：制造能力对人员能力的提升有正向影响。

人员能力中优秀组织战略能够对战略执行情况进行监控与评测。杨苇等[5]在研究中指出要提高企业的成本管理水平，首先需要建立完善的成本管理制度和成本管理体系，还要树立成本管理意识。综合上述分析，本研究提出如下假设：

H4：人员能力对成本管理水平的提升有正向影响。

技术能力中数据模型的优化、全业务活动的集成、工业网络的深度包解析、具备自学习和自优化功能的安全防护措施都能够提高企业成本管理水平。储俊、林南祥[6]在研究中发现在存货成本管理的过程中，大数据技术的应用可以分别在采购流程、物流流程、仓储流程和生产流程提高企业成本管理水平。综合上述分析，本研究提出如下假设：

H5：技术能力对成本管理水平的提升有正向影响。

制造能力是指产品标准库和设计知识库的集成和运用、自动生产产业链上下游企业的生产作业计划、应用物联网和数据模型分析、实现产品销售全过程自动管理、整合跨区域跨界服务资源，都能够提高企业成本管理水平。臧玉华等学者[7]研究发现在生产过程中引入数字孪生技术，可以实现生产效率最大化、资源配置最优化，从而提升其成本管理水平。综合上述分析，本研究提出如下假设：

H6：制造能力对成本管理水平的提升有正向影响。

综合H1～H6，提出人员能力的中介作用假设：

H7：在技术能力在提高成本管理水平的过程中人员能力起中介作用。

H8：在资源能力在提高成本管理水平的过程中人员能力起中介作用。

H9：在制造能力在提高成本管理水平的过程中人员能力起中介作用。

3 问卷设计

由于中小企业信息很难从公开方式获取，因此为弥补该项不足，本文从多渠道多角度获取研究样本与研究数据。第一，本文通过访谈调研的方式获取研究数据，调研过程中选择全国上百家知名中小企业，对中小企业在智能制造转型过程中成本管理的现状，以及影响成本管理的因素进行访谈。第二，通过向研究样本定向发放调查问卷，收集并整理问卷结果的方式收集研究数据，为防止因为同样的数据来源或评分者、同样的测量环境、项目语境以及项目本身特征所造成的偏差，本文在设计问卷的过程中遵循以下原则：①问卷中设计的问题及相应选项通俗简明；②不要求问卷填写人员实名填写；③发放问卷时尽量向不同地区、不同行业、不同企业发放。因此，本文在研究过程中共发放“智能制造中小企业成本管理研究”研究问卷1 000 份，通过网络及现场共回收问卷856 份，调查问卷回收率为85.6%。在回收的调查问卷中，对问卷进行初步统计，并对其中存在类似问题回复不一致、问题答复不完整的问卷进行淘汰后，最终剩余可用于研究的调查问卷772 份，调查问卷可用程度达77.2%。

调查问卷的发放对象所任职企业中智能制造转型1 年以内（＜1）的占比为15.2%，转型1～5 年（≥1 且＜5）的占35.6%，转型5～10 年（≥5 且＜10）的占32.8%，转型10 年以上（≥10）的占16.4%。中型规模占比32.6%，小型规模占比42.3%，微型规模占比25.1%。轻纺工业占比62.6%，资源加工工业占比12.3%，机械、电子制造业占比23.5%，其他行业占比1.6%。

4 数据分析与假设检验

4.1 信度和效度检验

本文采取软件SPSS 26.0 对通过调查问卷收集到的数据的信度和效度进行检验。在研究过程中将信度衡量参数Cronbach's α 的标准定为0.8，因为多数研究人员指出，当Cronbach's α＞0.9 时，量表内部存在着极高的可靠性；当0.7≤Cronbach's α≤0.9 时，量表内部存在着较高的可靠性；当Cronbach's α＜0.7 时，量表内部存在着较差的可靠性。从表1可以看出，全部变量的Cronbach's α 均大于0.8，说明本次研究中的量表的内部一致性有着较高可靠水平。

表1 信度与效度分析

对研究数据进行效度校验前，首先采用KMO 检验和巴特利特球形检验来判断研究数据是否适合进行因子分析，校验结果得到KMO 统计量值为0.876，一般情况下，校验结果在[0.6,0.7]为可接受水平，高于0.8 表示合适，因此通过调查问卷收集到的数据满足使用因子分析进行处理的条件。在对数据进行效度校验时主要从以下3 个方面展开：①采用正交旋转法对内容效度进行校验，发现所有因子的载荷全部比0.7高，因此说明设计的调查问卷内容效度较好；②全部因子的CR＞0.9，且AVE＞0.5，得出本次研究的量表收敛度较好；③全部因子的AVE 的平方根＞各因子之间的相关系数，得出本次研究数据产生的量表的区分效度具有较好的水平。基于以上分析，研究数据产生的量表的信度和效度的水平较高。

4.2 同源方差检验

在研究过程中为防止因数据来源同一性造成的同源误差，采用Harman 的方法使用SPSS 26.0 软件进行同源误差检测，以确定误差是否在可接受范围内，在研究过程中对调查问卷中的内容进行未旋转的因子检验，以1 为特征值标准共提取了5 个因子，解释了总变异量的76.217%，最大的主成分解释的方差36.312%，方差贡献率＜50%，满足小于一半的合格标准，结果较为理想。

4.3 假设检验

通过上文的检验发现拟合度较好，在此基础上进一步对假设是否成立进行检验（见表2）。

表2 结构方程椁型非标准化回归估计值及显著性

检验结果指出，在控制了其他变量之后，在95%的CI 上，智能制造中小企业的技术能力、资源能力、制造能力与人员能力之间的概率值（p 值）均小于0.05，说明其间存在着显著的正向影响关系，其中制造能力与人员能力之间的p 值小于0.001，说明二者之间的正向影响关系非常显著，因此假设H1、H2、H3 均得到数据支持。而智能制造中小企业的技术能力、制造能力、人员能力与其成本管理水平之间的p 值也全部小于0.05，说明其间也存在着显著的正向影响关系，其中人员能力与成本管理水平之间的p 值小于0.001，说明二者之间的正向影响关系非常显著，因此H4、H5、H6 均得到数据支持。

在对中介效应进行检验时，有研究人员对传统的Sobel检验方法的局限性进行分析说明[8]。因此本文采用Hayes开发提出的SPSS 宏程序进行中介效应的检验，在重复抽样5 000 次的前提下使用bootstrap 方法对人员能力在3 条路径的中介效应进行检验（见表3）。

表3 中介效应检验效果

在95%置信水平下，在①技术能力→人员能力→成本管理路径中，Bias-Corrected 偏差校正法得出的置信区间下限为0.008、上限为0.151；Percentile 百分位数法得出的置信区间下限为0.002、上限为0.133，两个区间均不涵盖0，说明该路径存在间接效应，即人员能力在技术能力和成本管理水平之间存在中介作用。在②资源能力→人员能力→成本管理路径中，Bias-Corrected 偏差校正法得出的置信区间下限为0.009、上限为0.170；Percentile 百分位数法得出的置信区间下限为0.006、上限为0.169，两个区间均不涵盖0，说明该路径存在间接效应，即资源能力在技术能力和成本管理水平之间存在中介作用。在③制造能力→人员能力→成本管理路径中，Bias-Corrected 偏差校正法得出的置信区间下限为0.026、上限为0.194；Percentile 百分位数法得出的置信区间下限为0.019、上限为0.187，两个区间均不涵盖0，说明该路径存在间接效应，即制造能力在技术能力和成本管理水平之间存在中介作用。因此，假设H7、H8、H9 均得到数据支持。

基于以上表述，假设H1～H9 均成立。

5 结论及展望

在理论层面，在成本管理理论与智能制造转型相关理论的基础上，将智能制造中小企业中影响成本管理水平的因素归因于技术能力、资源能力、制造能力、人员能力，构建智能制造中小企业成本管理影响因素模型，较好地解释了智能制造影响中小企业成本管理水平因素的作用机理，研究结果充实了智能制造中小企业成本管理影响因素理论成果。

在实践层面，智能制造中小企业应该有针对性地提高上述能力：一方面，可以提高规模经济、线上管理水平，达到降低成本提高效率的目的；另一方面，基于中介效应人员能力受到其他能力的影响提高效果更加显著，从而最终获得更高的成本管理水平。本文的研究结论对于中小企业在智能制造转型过程中，提升其对成本管理意识的重视及态度、提高其成本管理的水平及方式具有重要的指导意义。

本文的研究结果虽然在理论层面和实践层面具有一定的参考价值，但仍存在着局限，本研究在选取样本时只选取上百家中小企业，即使样本数量相对充足、样本质量足够典型，但是仍有可能就研究结果的适用程度和稳定与否方面被提出质疑。因此研究人员在接下来的研究中会选取更加丰富的中小企业进行调研，收集数据进行研究样本，使研究模型能够通过更多的样本来验证。