王鵬飛，李洋洋，余開朝，徐 雪

?

云南省制造業(yè)轉(zhuǎn)型升級影響因素研究

王鵬飛，李洋洋，余開朝，徐 雪

（昆明理工大學(xué)，機電工程學(xué)院，云南 昆明 650504）

制造業(yè)轉(zhuǎn)型升級是一項長期而復(fù)雜的系統(tǒng)工程。本文以云南省制造業(yè)企業(yè)為主要研究對象，以云南省“2017年新一輪工業(yè)轉(zhuǎn)型升級項目1000個新開工項目”為基礎(chǔ)，從中選擇了部分具有代表性的企業(yè)，從內(nèi)部影響因素和外部影響因素兩個方面選取指標構(gòu)建影響因素評價體系，利用經(jīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)，構(gòu)建出制造業(yè)轉(zhuǎn)型升級影響因素評價指標模型，并使用MATLAB數(shù)學(xué)軟件對所構(gòu)建模型進行訓(xùn)練和測試，得出云南省制造業(yè)轉(zhuǎn)型升級的主要制約因素，并據(jù)此提出相應(yīng)建議。

制造業(yè)；轉(zhuǎn)型升級；影響因素；轉(zhuǎn)型策略；BP神經(jīng)網(wǎng)絡(luò)

0 引言

制造業(yè)是實現(xiàn)社會進步和國富民強的基礎(chǔ)，是一個國家發(fā)展程度、綜合競爭力、整體經(jīng)濟實力的最直觀的表現(xiàn)。在歐美等發(fā)達國家紛紛制定“制造業(yè)回歸”、“重振制造業(yè)”、“工業(yè)4.0”等戰(zhàn)略及各種新興工業(yè)技術(shù)不斷涌現(xiàn)的背景下，我國也于2015年5月8日正式發(fā)布了《中國制造2025》，對我國制造業(yè)轉(zhuǎn)型升級和跨越發(fā)展進行了整體部署。為積極響應(yīng)國家的號召，云南省人民政府在2017年7月31日發(fā)布的《云南省工業(yè)轉(zhuǎn)型升級規(guī)劃（2016-2020年）（云政辦發(fā)〔201〕36號）》[1]，把制造業(yè)列為云南工業(yè)轉(zhuǎn)型升級的重要領(lǐng)域，促進制造業(yè)向數(shù)字化、智能化、綠色化、服務(wù)化發(fā)展。然而，制造業(yè)轉(zhuǎn)型升級是一項長期而復(fù)雜的系統(tǒng)工程。通過分析當下世界范圍內(nèi)制造業(yè)轉(zhuǎn)型升級的相關(guān)理論，參照制造業(yè)轉(zhuǎn)型升級方面的國內(nèi)外的一些成功經(jīng)驗，深入分析云南省制造業(yè)轉(zhuǎn)型升級的緊要性以及所面臨的各項問題，采用實地考查方式深入分析研究影響云南省制造業(yè)轉(zhuǎn)型升級的因素，構(gòu)建影響因素評價模型，得出相關(guān)結(jié)論，對于云南省制造業(yè)轉(zhuǎn)型升級具有重要意義。

國內(nèi)外學(xué)者針對制造業(yè)轉(zhuǎn)型和升級做了大量研究。Miller[2]（2006）通過研究得出企業(yè)轉(zhuǎn)型成功后的績效與企業(yè)原有技術(shù)水平呈正相關(guān)的關(guān)系；Armbrust[3]（2010）闡述了制造業(yè)云計算這一全新的理念；Zhang[4]（2014）提出了云制造的概念。Dahlana[5]（2015）等研究了馬來西亞航空工業(yè)在全球價值鏈方面的升級；Seth Pipkin,Alberto Fuentes[6]（2017）提出了一個稱之為“誘導(dǎo)搜索”模型的升級框架，這一模型對發(fā)展中國家未來產(chǎn)業(yè)升級動態(tài)、國家干預(yù)技術(shù)和公共部門和私營部門行為者相互支持學(xué)習(xí)過程的研究具有重要意義。林溫正[7]（2000）認為企業(yè)轉(zhuǎn)型升級是通過改變主導(dǎo)、調(diào)整產(chǎn)業(yè)選擇、改變企業(yè)內(nèi)部經(jīng)營管理策略等方式實現(xiàn)改變事業(yè)重點或重新定義事業(yè)的目的。孔偉杰[8]（2012）指出企業(yè)主要從跨行業(yè)領(lǐng)域或組織管理層面進行轉(zhuǎn)型。金晶[9]（2009）指出我國制造業(yè)轉(zhuǎn)型升級所面臨的最大問題體現(xiàn)在缺乏創(chuàng)新能力、產(chǎn)品附加值低、競爭力較弱等方面；郭偉鋒、王漢斌[10]（2012）等人認為政府、行業(yè)協(xié)會、環(huán)境、企業(yè)、產(chǎn)業(yè)鏈、產(chǎn)業(yè)協(xié)同這六大因素共同構(gòu)成了制造業(yè)轉(zhuǎn)型升級的協(xié)同影響因素模型；姚宏鑫、朱隨洲[11]（2014）等人發(fā)現(xiàn)資源型民營企業(yè)轉(zhuǎn)型升級的關(guān)鍵因素有：社會環(huán)境、企業(yè)家素質(zhì)、制度、要素稟賦結(jié)構(gòu)及其變化、技術(shù)等；金青，張忠[12]（2015）等人提出了企業(yè)轉(zhuǎn)型升級的三種路徑：擴大產(chǎn)品加工范圍、提供階段性服務(wù)、品質(zhì)升級。

目前還缺少能對企業(yè)的轉(zhuǎn)型升級提出一套可量化的評價標準，且對轉(zhuǎn)型升級的效果還停留在定性的描述上。本文以轉(zhuǎn)型升級背景下的云南省制造業(yè)企業(yè)作為研究對象，從制造業(yè)轉(zhuǎn)型升級的要求入手，分析云南省制造業(yè)企業(yè)轉(zhuǎn)型升級過程中的機遇和挑戰(zhàn)，識別影響云南省制造業(yè)企業(yè)轉(zhuǎn)型升級的因素，提出研究假設(shè)，通過問卷調(diào)查的形式，建立影響因素指標體系；然后，通過對遺傳算法、BP神經(jīng)網(wǎng)絡(luò)基本原理的運用，建立影響因素評價模型，對模型進行驗證分析并得出驗證結(jié)果；據(jù)此，給出云南省制造業(yè)企業(yè)轉(zhuǎn)型升級的相應(yīng)建議。

1 BP神經(jīng)網(wǎng)絡(luò)和遺傳算法

人工神經(jīng)網(wǎng)絡(luò)是以對生物體神經(jīng)網(wǎng)絡(luò)的認識和理解為基礎(chǔ)，以生物體神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能作為模仿對象，而建立的一種具有許多簡單的并行處理單元且能大量連接的并行分布式信息處理系統(tǒng)。按照功能和運算進行劃分，神經(jīng)網(wǎng)絡(luò)包括前向神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)以及自組織神經(jīng)網(wǎng)絡(luò)。在結(jié)構(gòu)上，BP神經(jīng)網(wǎng)絡(luò)是由輸入層、輸出層、隱含層（中間層）共同組成的，是典型的多層網(wǎng)絡(luò)。網(wǎng)絡(luò)內(nèi)部各層之間的神經(jīng)元采用的是全連接方式，同一層中各神經(jīng)元之間不允許有連接。且隱含層有單層的也有多層的，同外部處于隔離的情形，無直接的聯(lián)系，但隱含層的狀態(tài)會對輸入與輸出間的關(guān)系產(chǎn)生一定影響。可以說，其權(quán)系數(shù)關(guān)系著整個網(wǎng)絡(luò)的性能。具體的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

BP神經(jīng)網(wǎng)絡(luò)模型的算法程序流程圖如下圖2 所示：

圖2 BP算法程序流程圖

遺傳算法（Genetic Algorithms）是由J.H.Holland通過模擬自然遺傳機制和生物進化理論，于上世紀60年代提出的一種搜索最優(yōu)解的方法，簡稱GA算法。遺傳算法的理論支撐來自遺傳學(xué)說以及生物進化論，是一種具有高效率、自適應(yīng)、并行處理、全局搜索的方案，在搜索過程中能自適應(yīng)的起到控制作用，并得到最優(yōu)解。遺傳算法也是進化算法，其改進了傳統(tǒng)算法易陷入局部極小值的弊端，通常由遺傳操作、染色體編碼機制、控制參數(shù)、適應(yīng)度函數(shù)組成。

以生物學(xué)原理為研究基礎(chǔ)的人工神經(jīng)網(wǎng)絡(luò)和遺傳算法，兩者的相結(jié)合研究，可以有效的借鑒各自的長處，為解決復(fù)雜問題開辟了更加有效的路徑，另外通過兩者的結(jié)合，我們能更充分的認識到進化與學(xué)習(xí)的相互關(guān)系。實際應(yīng)用中，由于學(xué)習(xí)函數(shù)的復(fù)雜性BP神經(jīng)網(wǎng)絡(luò)通常會在梯度下降的過程中陷入局部極值進而導(dǎo)致訓(xùn)練失敗或無法得到令人滿意的結(jié)果，為了使網(wǎng)絡(luò)的訓(xùn)練效果更好，需要一種可以搜索出全局極值的方法。遺傳算法恰恰能有效的規(guī)避所研究問題陷入局部最小值的問題，所以使用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)改進，對于提升BP神經(jīng)網(wǎng)絡(luò)的泛化能力有顯著作用，且能彌補BP神經(jīng)網(wǎng)絡(luò)的更多缺陷，如收斂速度較慢等。

2 云南制造業(yè)轉(zhuǎn)型升級影響因素識別及指標體系構(gòu)建

2.1 影響因素識別

首先，對云南省制造業(yè)現(xiàn)狀和所面臨問題進行分析，可以得知云南省制造業(yè)存在的問題突出表現(xiàn)在自主創(chuàng)新能力弱、產(chǎn)業(yè)結(jié)構(gòu)層次低、產(chǎn)業(yè)集聚程度低等方面。在此基礎(chǔ)上運用SWOT分析法對云南省轉(zhuǎn)型升級進行分析，具體表現(xiàn)在，云南省制造業(yè)轉(zhuǎn)型升級的優(yōu)勢為勞動力優(yōu)勢、產(chǎn)業(yè)基礎(chǔ)較好、政策支持、高端化發(fā)展趨勢明顯；弱勢表現(xiàn)在制造業(yè)企業(yè)創(chuàng)新能力低、研發(fā)投入少、行業(yè)領(lǐng)軍型企業(yè)少；機遇則是轉(zhuǎn)型升級有益于促進第二、三產(chǎn)業(yè)的深度融合、有益于新興產(chǎn)業(yè)群體以及經(jīng)濟增長點的誕生、有益于云南省政治、經(jīng)濟地位的提升；挑戰(zhàn)則為對工業(yè)基礎(chǔ)領(lǐng)域的挑戰(zhàn)、國內(nèi)外同行業(yè)競爭壓力加大的挑戰(zhàn)、企業(yè)員工觀念難以帶來的挑戰(zhàn)。在通過選擇合理的影響因素識別方法的前提下，著重從內(nèi)部影響因素和外部影響因素兩個方面對云南省制造業(yè)轉(zhuǎn)型升級的影響因素進行分析研究，得出影響云南省制造業(yè)轉(zhuǎn)型升級的21個影響因素，利用調(diào)查問卷的方式獲得所需的研究數(shù)據(jù)。

2.2 構(gòu)建評價指標體系

通過國內(nèi)外文獻的研究以及對云南省制造業(yè)轉(zhuǎn)型升級所面臨的實際情況的分析，初步提出研究假設(shè)，根據(jù)研究假設(shè)開發(fā)出云南省制造業(yè)轉(zhuǎn)型升級的影響因素量表，依托影響因素量表設(shè)計調(diào)查問卷，利用因子分析對所得樣本數(shù)據(jù)整理分析，修改假設(shè)指標，得出云南省制造業(yè)企業(yè)轉(zhuǎn)型升級的關(guān)鍵影響因素，進而建立云南省制造業(yè)企業(yè)轉(zhuǎn)型升級關(guān)鍵影響因素指標體系，如表1所示。

表1 云南省制造業(yè)轉(zhuǎn)型升級鍵影響因素指標體系

Tab.1 The index system of factors affecting the transformation and upgrading of Yunnan manufacturing industry

3 基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的影響因素評價模型設(shè)計

3.1 輸入層設(shè)計

根據(jù)所構(gòu)建的影響因素指標體系，根據(jù)建模的方法，創(chuàng)建BP網(wǎng)絡(luò)的輸入層神經(jīng)元，共16個影響因素指標，即：FA1、FA2、FA3、FA4、FA5、FA6、FA7、FA8、FA9、FA10、FA11、FA12、FA13、FA14、FA15、FA16。

3.2 輸出層設(shè)計

本文的研究主要是為了對制造業(yè)企業(yè)轉(zhuǎn)型升級的影響因素進行評價，并最終將評價結(jié)果劃分為影響性高、影響性較高、影響性一般、影響性較低、影響性低，共五種評價結(jié)果，為使輸出結(jié)果更加簡單直觀，對五種輸出向量的模式進行設(shè)定。這五種輸出向量各自對應(yīng)著上面所說的五種評價結(jié)果，具體如表2所示。

表2 BP神經(jīng)網(wǎng)絡(luò)的輸出向量的表示

Tab.2 Representation of Output Vector of BP Neural Network

3.3 隱含層設(shè)計

目前對于BP網(wǎng)絡(luò)隱含層節(jié)點數(shù)的選定尚無一致的看法，多數(shù)研究都是依托實踐中總結(jié)出來的一些經(jīng)驗公式，得到一個初始值的粗略估計值，再用試湊的方法來找出最適合的節(jié)點數(shù)，也就是在對同一樣本進行訓(xùn)練時，逐步增加或減少隱含層節(jié)點數(shù)，綜合分析訓(xùn)練時間和精確度兩方面的指標來確立最佳隱含層節(jié)點數(shù)。常用的確定隱含層范圍的公式如下：

式中，為1-10之間的常數(shù)，參照研究需要任意選取，為輸入層節(jié)點數(shù)，為隱含層節(jié)點數(shù)，為輸出層節(jié)點數(shù)。在本文的研究中，輸入層設(shè)計有16個節(jié)點，輸出層設(shè)計有5個節(jié)點，綜合參考上述三個經(jīng)驗公式，隱含層的節(jié)點數(shù)取值范圍為5-16個，本文中隱含層神經(jīng)元數(shù)對精度影響并不大，隨著其節(jié)點個數(shù)增加而使訓(xùn)練時間增長，依照Kolmogorve定理，選隱含層神經(jīng)元個數(shù)為9個。

3.4 網(wǎng)絡(luò)層數(shù)的設(shè)計

BP神經(jīng)網(wǎng)絡(luò)可以有單個或多個中間層，但通過大多數(shù)實踐發(fā)現(xiàn)，單個隱含層即可滿足解決問題的需要。所以本文也采用具有三層架構(gòu)的神經(jīng)網(wǎng)絡(luò)，即輸入層、隱含層、輸出層各一層。在本文已經(jīng)確立的各層條件的情況下，建立本文的模型架構(gòu)圖，如圖3所示。

圖3 BP網(wǎng)絡(luò)模型架構(gòu)圖

4 基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)影響因素評價模型的實現(xiàn)

將隨機挑選的25組數(shù)據(jù)進行歸一化處理后，導(dǎo)入網(wǎng)絡(luò)，以檢測經(jīng)訓(xùn)練完成后的網(wǎng)絡(luò)模型的泛化性能以及對新樣本能否實現(xiàn)精準預(yù)測的功能。表3給出了針對25組數(shù)據(jù)的模型測試結(jié)果，圖4給出了BP神經(jīng)網(wǎng)絡(luò)的識別誤差曲線。

由表3可知，模型的期望輸出與模型實際輸出的向量類型全部一致，準確率高達100%。另外以0.7為閾值，若輸出向量的最大值大于0.7，且輸出向量為所期望的類型，則識別正確。從圖4.5可以看出全部25組數(shù)據(jù)均大于閾值0.7識別正確。綜上可知，使用經(jīng)遺傳算法改進優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)所構(gòu)建的云南省制造業(yè)企業(yè)轉(zhuǎn)型升級影響因素評價模型預(yù)測成功，充分說明模型是準確有效的，該模型可以用來對云南省制造業(yè)企業(yè)轉(zhuǎn)型升級影響因素進行實證研究。

通過調(diào)查問卷，采集到云南省在企業(yè)發(fā)展規(guī)劃、轉(zhuǎn)型升級方面的部分行業(yè)內(nèi)專家對影響制造業(yè)轉(zhuǎn)型升級的16個因素的打分表，仿真開始之前，首先把所得數(shù)據(jù)進行初處理，然后輸入已經(jīng)建立的模型，進行仿真實驗。處理后的各指標專家評分表如表4所示。

將表中數(shù)據(jù)輸入到所建立的模型中，經(jīng)模型仿真后，輸出結(jié)果如圖5所示。

圖5顯示，輸出向量Y=[0.9523 0.0009 0.0002 0.0012 0.0245]，結(jié)果趨向于影響性高的類別，這也表明如果企業(yè)的各指標得分跟專家打分情況相似那么該企業(yè)轉(zhuǎn)型升級成功的可能性高。

表3 模型檢測結(jié)果

Tab.3 Model detection results

圖4 BP神經(jīng)網(wǎng)絡(luò)的識別誤差曲線

表4 專家評分表

Tab.4 Expert scoring table

在分析的基礎(chǔ)上，根據(jù)行業(yè)內(nèi)專家提供的16個指標的評分情況，可以得出：企業(yè)資本積累、企業(yè)融資能力、企業(yè)研發(fā)投入及技術(shù)改進能力、企業(yè)營銷及品牌建設(shè)能力、政府優(yōu)化融資環(huán)境能力、同地區(qū)同類型企業(yè)過去轉(zhuǎn)型升級經(jīng)驗的影響、大型國有同類型企業(yè)轉(zhuǎn)型升級經(jīng)驗的影響這七個指標對云南省制造業(yè)轉(zhuǎn)型升級影響性最高。結(jié)合云南省制造業(yè)發(fā)展現(xiàn)狀從企業(yè)、政府、社會三個層面給出適合推進云南省制造業(yè)轉(zhuǎn)型升級的相應(yīng)建議。

（1）企業(yè)層面

1）提高企業(yè)研發(fā)投入及技術(shù)改進能力

2）增強企業(yè)營銷及品牌建設(shè)能力

3）加強企業(yè)融資能力

4）擴大企業(yè)資本積累

（2）政府層面

政府是轉(zhuǎn)型升級的倡導(dǎo)者，也是最主要的外部促進力量之一，更是云南省制造業(yè)轉(zhuǎn)型升級的重要引導(dǎo)因素。政府不斷優(yōu)化融資環(huán)境能力。政府可以通過強化金融基礎(chǔ)設(shè)施建設(shè)、完善配套政策和措施、強化貨幣政策的針對性、加大利率市場化改革力度、完善中小企業(yè)信貸考核體系等方式解決企業(yè)的融資難問題，不斷優(yōu)化企業(yè)的融資環(huán)境，為轉(zhuǎn)型升級提供強大的政策和資金支持。

（3）社會層面

1）加強同地區(qū)同類型企業(yè)之間的溝通合作；

2）定期組織學(xué)習(xí)觀摩團到大型國有同類型企業(yè)去參觀學(xué)習(xí)。

圖5 專家評分仿真結(jié)果圖

5 結(jié)論

文章以云南省部分制造業(yè)企業(yè)為研究對象，以影響制造業(yè)轉(zhuǎn)型升級的因素為研究主題，通過對國內(nèi)外文獻的整理和分析，采用問卷調(diào)查、推理假設(shè)、數(shù)值統(tǒng)計分析、數(shù)學(xué)建模等方法，定性與定量相結(jié)合，建立了云南省制造業(yè)轉(zhuǎn)型升級影響因素的指標體系，之后，文章結(jié)合遺傳算法和BP神經(jīng)網(wǎng)絡(luò)基本原理，使用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)改進優(yōu)化，構(gòu)建影響因素評價指標模型，最后對經(jīng)過模型驗證的行業(yè)內(nèi)專家提供的16個指標的評分情況，從中選擇評分較高的7個指標，分別從企業(yè)、政府、社會三個大層面對這7個指標進行分析，給出云南省制造業(yè)轉(zhuǎn)型升級的相應(yīng)建議。

[1] 云南省人民政府辦公廳關(guān)于印發(fā)云南省工業(yè)轉(zhuǎn)型升級規(guī)劃(2016-2020)的通知.

[2] Miller, D.J. Technological diversity related diversification and firm performance[J]. Strategic Management Journal, 2006, (27): 601-619.

[3] Armbrnst M, Fox A, Grimth R, et a1. A view of cloud computing[J]. Communications of the ACM, 2010, 53(4): 50-58.

[4] Zhang L, Luo Y L, Tao F, et a1. Cloud manufacturing: A new manufacturing paradigm[J]. Enterprise Information Systems, 2014, 8(2): 167-187.

[5] Jaslin Md Dahlana. Omar Samata, Akmal Aini Othman. Upgrading in Global Value Chainof Malaysian Aviation Industry[J]. Procedia Economics and Finance. 2015(31): 839- 845.

[6] Seth Pipkin, Alberto Fuentes. Spurred to Upgrade: A Review of Triggers and Consequences of Industrial Upgrading in the Global Value Chain Literature[J]. World Development, 2017, 10(9-8): 536-554.

[7] 林溫正. 臺灣傳統(tǒng)集團企業(yè)轉(zhuǎn)型策略之研究[D]. 臺灣, 國立臺灣大學(xué), 2000.

[8] 孔偉杰. 制造業(yè)企業(yè)轉(zhuǎn)型升級影響因素研究——基于浙江省制造業(yè)企業(yè)大樣本問卷調(diào)查的實證研究[J]. 管理世界, 2012(9): 120-131.

[9] 金晶. 金融危機對我國制造業(yè)的影響[J]. 經(jīng)營管理者, 2009, (2): 53.

[10] 郭偉鋒, 王漢斌, 李春鵬. 制造業(yè)轉(zhuǎn)型升級的協(xié)同機理研究——以泉州制造業(yè)轉(zhuǎn)型升級為例[J]. 科技管理研究, 2012, 23: 124-129.

[11] 姚宏鑫, 朱隨洲, 王根厚, 等. 資源型民營企業(yè)轉(zhuǎn)型升級的決定因素[J]. 中國國土資源經(jīng)濟, 2014(2): 69-72.

[12] 金青, 張忠, 陳杰. 基于典型案例的蘇南制造業(yè)轉(zhuǎn)型升級路徑與對策研究[J]. 科技進步與對策, 2015(18): 51-57.

Research on the Influencing Factors of Manufacturing Transformation and Upgrading in Yunnan Province

WANG Peng-fei, LI Yang-yang, YU Kai-chao, XU Xue

(College of Mechanical and Electrical Engineering, Kunming University of Science and Technology, Kunming, Yunnan 650000)

The transformation and upgrading of manufacturing industry is a long-term and complicated system engineering.The thesis focused on the manufacturing enterprises in Yunnan Province as the main research object, Based on the "1000 new projects of industrial transformation and upgrading in 2017" in Yunnan, some representative enterprises were selected. From the two aspects of internal and external factors set up an evaluation index system for factors affecting manufacturing transformation and upgrading. Used the Genetic Algorithm to optimize the BP neural network, built the evaluation index model of factors affecting the transformation and upgrading of manufacturing industry, and used mathematical software MATLAB to build the model for training and testing. Obtained the main constraints of the transformation and upgrading of manufacturing in Yunnan Province , and corresponding suggestions were made accordingly.

Manufacturing; Transformation and upgrading; Influencing factors; Transformation strategy; BP neural network

TP183

A

10.3969/j.issn.1003-6970.2018.09.026

王鵬飛(1993-)，男，研究生，主要研究方向：生產(chǎn)及制造系統(tǒng)工程；李洋洋(1991-)，男，研究生，主要研究方向：生產(chǎn)及制造系統(tǒng)工程；余開朝(1962-)，男，教授，主要研究方向：生產(chǎn)及制造系統(tǒng)工程；徐雪(1990-)，女，研究生，主要研究方向：生產(chǎn)及制造系統(tǒng)工程。

本文著錄格式：王鵬飛，李洋洋，余開朝，等. 云南省制造業(yè)轉(zhuǎn)型升級影響因素研究[J]. 軟件，2018，39（9）：127-132