王層層，藍海燕，尹子民

（1.遼寧理工職業(yè)學院 財經與商貿分院，遼寧 錦州 121007；2.遼寧工業(yè)大學 管理學院，遼寧 錦州 121001）

德國“工業(yè)4.0”，美國“設計創(chuàng)新和數字制造”，日本“2015年版制造業(yè)白皮書”，“中國制造2025”，中國裝備制造業(yè)的發(fā)展面臨著“前有堵截，后有追兵”的宏觀局面，“自身能力不足，過度引進依賴國外”的微觀局面，為了尋求發(fā)展，打破僵局，我國裝備制造業(yè)必須實現(xiàn)智能制造生產方式，增強自主創(chuàng)新能力，占據全球價值鏈高端。通過走訪調研發(fā)現(xiàn)，中國裝備制造業(yè)發(fā)展規(guī)模大但不強，生產方式粗放，效率低，部分企業(yè)實現(xiàn)信息化建設，但大部分企業(yè)還是傳統(tǒng)的生產流程，每個生產環(huán)節(jié)需要人工手動處理。欲想實現(xiàn)智能制造，將生產設備＋軟件系統(tǒng)＋信息技術完全融合實現(xiàn)全節(jié)點智能化生產模式，實現(xiàn)智能制造是中國裝備制造業(yè)轉型升級的主攻方向。所以，國內國外學者們對裝備制造業(yè)轉型升級研究話題已成熱點。

1 文獻綜述

通過知網數據庫查詢，大部分學者主要從技術創(chuàng)新視角、管理創(chuàng)新視角和市場創(chuàng)新視角進行研究。Juliac 等[1]認為未來的生產系統(tǒng)被設想為數字化和網絡化的系統(tǒng)，設想生產系統(tǒng)將生產控制分配給“智能”物體以獲得更高的物流性能。Alejandro等[2]提出技術概念框架(前端技術和基礎技術)，前端技術包括智能制造、智能產品、智能供應鏈和智能工作4 個方面；基礎技術包括物聯(lián)網、云服務、大數據和分析4 個方面。研究發(fā)現(xiàn)，工業(yè)4.0 與前端技術有關，其中智能制造處于核心地位。宋冠良[3]從全流程供應商聯(lián)盟、健全質量管理機制、構建協(xié)同創(chuàng)新體系、建設公共創(chuàng)新平臺、推動制造業(yè)與服務業(yè)深度融合商業(yè)模式、加強與德國企業(yè)合作等方面提升沈陽裝備制造業(yè)轉型升級。黃陽華[4]提出德國“工業(yè)4.0”對我國產業(yè)的啟示是產業(yè)政策向創(chuàng)新政策轉變。蘭筱琳等[5]充分發(fā)揮“互聯(lián)網+”助力作用，同時加強環(huán)境保護硬約束，著重培養(yǎng)高技能人才，積極對接“一帶一路”倡議，加速制造業(yè)的提質增效。周祥[6]探討德國“工業(yè)4.0”的成功為國內相關產業(yè)轉型提供參考和借鑒，指出國內制造業(yè)轉型升級在人才、資源等政策推動下，主要加強數字、網絡和智能技術創(chuàng)新。張悅等[7]加快遼寧裝備制造業(yè)轉型升級從4 個角度進行研究，即增強自主創(chuàng)新能力、促進產業(yè)集聚、調整產業(yè)結構、加快政府職能轉化。楊志安等[8]依托東北地區(qū)裝備制造業(yè)轉型升級的產業(yè)基礎和發(fā)展?jié)摿?，積極構建裝備制造業(yè)技術創(chuàng)新體系，優(yōu)化裝備制造業(yè)集群發(fā)展投入環(huán)境，完善裝備制造業(yè)集群發(fā)展成長環(huán)境，構建裝備制造業(yè)的先導和支撐產業(yè)。Abdoul'[9]運用GMM 技術，以53 個非洲國家1995—2014年期間的4年平均面板數據為分析對象，研究表明，GDP的制造份額與人均GDP 之間存在U 型關系；匯率貶值刺激了非洲的制造業(yè)；善政，特別是低水平的腐敗和更好的政府效力，有助于非洲的制造業(yè)發(fā)展；國內市場規(guī)模對GDP 的制造份額產生積極影響。另一方面，發(fā)現(xiàn)外商直接投資和城市化對制造業(yè)發(fā)展沒有顯著影響。這些發(fā)現(xiàn)的含義是提高競爭力，擴大國內市場規(guī)模，打擊腐敗以及提高政府效率是非洲制造業(yè)發(fā)展的關鍵。此外，制造業(yè)占GDP與人均國內生產總值之間的U 型關系意味著非洲國家不應期望工業(yè)化會隨著收入的增加而自動發(fā)生，而是應該積極應對制造業(yè)發(fā)展的主要障礙。通過相關文獻整理發(fā)現(xiàn)，大部分學者對裝備制造業(yè)轉型升級研究主要從宏觀中觀視角進行定性分析，本文以沈陽新松機器人為案例運用系統(tǒng)動力學方法(以下簡稱SD)從微觀視角進行定量仿真分析。

2 模型構建

SD 由美國麻省理工學院的Forrester 教授首次提出，隨后應用領域不斷擴大，并發(fā)展為一門較成熟的學科，主要研究多階層非線性復雜閉環(huán)系統(tǒng)，建模時遇到指標數據難搜集或難量化問題時，通過模型循環(huán)結構可推算整個系統(tǒng)的模擬趨勢，不像運籌學那樣總是尋找一個最大、小值，而是尋優(yōu)。模型構建的步驟，首先對研究問題進行有效界定，然后通過VENSIM PLE 軟件進行流程圖建立，最后建立方程式進行模擬動態(tài)仿真分析[10]。

2.1 流程圖構建

圖1 系統(tǒng)流程圖

2.2 方程式建立

(1)參數估計

數據來源于新浪財經網新松機器人財務審計報告、遼寧統(tǒng)計年鑒和中國專利網等權威網站公布的數據。運用統(tǒng)計學方法進行抽樣估計，運用SPSS和EXCEL 軟件對原始數據進行處理。

(2)變量說明

該模型的變量有初始變量、常量、速率變量和表函數。

①初始變量

選擇個性化產品產值，產品銷售收入和企業(yè)R&D 經費支出為初始變量，2010年為初始時間，2025年為終止時間，時間步長為1，以2010—2017年初始變量真實數據預測2018—2025年的模擬值。

②常量

模型中常變量有2 個，個性化產品自然衰減率和個性化產品市場需求的理想比例，根據歷年參考文獻、模型試驗法和經驗值最終確定為0.05、0.98。

近些年來黑龍江玉米種植技術水平不斷提升，在種子選擇、田間配置管理以及病蟲害防治方面都有所成效，但同時玉米病蟲害的種類不斷增多，病害出現(xiàn)頻率也不斷增加。因此，深入研究玉米種植技術，提高種植水平，并做好玉米病蟲害的防治工作，提高玉米的產量，是當前農技人員研究的重要課題，這不僅能夠確保玉米種植的增產增收，而且對于黑龍江農業(yè)產業(yè)的可持續(xù)發(fā)展也具有重大現(xiàn)實意義。

③速率變量

模型中個性化產品產值年減少值、個性化產品產值年增加值、經費支出變化量和銷售收入變化量為速率變量。

④表函數確定

該模型構造9 個表函數，找1 個或幾個特殊點作為參考，輸入值對應輸出值構成函數關系，輸入輸出值根據財務報表、遼寧統(tǒng)計年鑒、歷年參考文獻、經驗值、模擬動態(tài)偏差修正法等多種方法確定。9 個表函數如下。

企業(yè)家因子表函數(Entrepreneurslookup)：對定性指標企業(yè)家因子進行量化，查詢該企業(yè)高管學歷、工作經歷等指標通過AHP 方法確定企業(yè)家對工業(yè)4.0 影響程度的權重，以企業(yè)高管綜合資質有明顯變化為表函數參考點。

政府支撐因子表函數(Govsuplookup)：中國為了與德國“工業(yè)4.0”接軌，已制定“中國制造2025”計劃。國家從政策、技術、資金和法律等方面給予全面支持，樣本數據從企業(yè)獲得國家資金等方面補助作為參考點。

高技術人才投入因子表函數(Hitechpernputlookup)：現(xiàn)如今科技發(fā)展快速，企業(yè)要想發(fā)展，就需要越來越多的高科技人才，樣本數據取決于企業(yè)的高科技人才占總人數的比例。

智能化系統(tǒng)需求比例的變化率表函數(Intesyslookup)：物理設備與網絡進行高度融合，實現(xiàn)智能制造，這里需要智能化系統(tǒng)作為媒介，達到軟件和硬件高度集成才能更快地實現(xiàn)中國智造，該模型數據取決于企業(yè)應用智能生產軟件的數量。

市場集中因子(Marketconlookup)：新松機器人不斷加強引進先進技術，降低生產成本，提高產品質量，搶占市場先機。該模型的市場集中因子由市場銷售額占裝備制造業(yè)總產值的比例關系決定。

產學研合作因子(Psrcoolookup)：企業(yè)成為研究機構以及高校知識轉化成果的孵化基地，企業(yè)發(fā)展離不開研究機構和高校強大理論的支撐，企業(yè)和高校、研究機構建立了“先進科技+中國智造+全球市場”的創(chuàng)新工業(yè)發(fā)展模式。該模型中產學研合作因子由企業(yè)與研究機構、高校的合同金額與企業(yè)引進技術金額的比例決定。

銷售收入變化率(Saralookup)：銷售收入變化率由當年銷售收入占企業(yè)近10年銷售收入的比例決定，從2010—2016年由實際值確定，而2025年銷售變化率根據多元回歸分析與時間序列預測方法預測得出。

新技術研發(fā)程度(Techilookup)：指在報告期內新研發(fā)的自主知識產權數占總產權數的比例來決定的。

隨機因子(Randomlookup)：該模型中隨機因子是裝備制造業(yè)轉型升級的不確定因素，根據PEST模型分析企業(yè)所處戰(zhàn)略環(huán)境，P(政治因素)，對企業(yè)有不可逆轉的政治法律環(huán)境，例如黨派斗爭、社會秩序等不可預計的因素；E(經濟因素)，稅收水平、通貨膨脹率、貿易差額和匯率、失業(yè)率、利率、信貸投放以及政府補助等不確定因素；S(社會因素)，部分消費者心理接受智能產品需要一段時間；T(技術因素)，云計算、大數據、互聯(lián)網和物聯(lián)網相互集成融合實現(xiàn)程度的不確定性。通過這4 種不確定因素運用模糊綜合評價法和模擬試驗法計算。

運用VENSIM PLE 軟件編寫方程式，按照DYNAMO 語言規(guī)則進行編寫，以表1[10]中表函數只取模型中的前2 個字母。

2.3 模型有效性檢驗

模型建立成功，但還要對模型的結構及參數的有效性進行驗證，主要采取均方根誤差測算實際值與模擬值之間的誤差，誤差值越小越能說明模型的有效性高，模擬的數據更準確，為轉型升級與智能化建設提供可靠的數據依據。3 個狀態(tài)變量的誤差率都控制在±20%內，說明模型具有有效性。見表2。

表1 沈陽新松機器人方程式

表2 機器人均方根誤差表 億元

3 實例仿真分析

對3 個狀態(tài)變量歷史數據與模擬數據對比，已驗證模型具有有效性，通過VENSIM PLE 軟件對機器人個性化產值和技術投入比率2 個經濟指標進行動態(tài)模擬。個性化產值代表生產智能產品的產值，在一定程度上反映機器人具有智能制造的生產能力，技術投入比率是機器人對科研投入占營業(yè)收入的比率，值越高，越重視科研。

通過復合模擬發(fā)現(xiàn)，沈陽新松機器人的個性化產品產值從2010—2025年呈現(xiàn)上升趨勢，2010年5.44 億元到2025年190.65 億元，平均發(fā)展速度為126.76%，平均增長速度為26.76%。技術投入比率從2010年4.5%降到2011年4.2%；從2011—2021年呈現(xiàn)穩(wěn)步上升趨勢，說明機器人不斷對科研經費投入，引進技術或是開發(fā)自主核心技術；從2021—2025年呈現(xiàn)下降趨勢，這并不代表機器人不重視科研的投入，只是前期投入已趨于穩(wěn)定和成熟。見圖2、圖3?，F(xiàn)將機器人2010—2018年技術投入比率真實值與2019—2025 技術投入比率模擬值與企業(yè)效益評價標準值(國務院國資委財務監(jiān)督與考核評價局制定)進行比較，觀察機器人對技術投入的變化趨勢，除了2013年達到良好值標準等級，其他年份都達到優(yōu)秀值標準等級。見表3。

圖2 機器人個性化產品產值變化趨勢圖

圖3 機器人技術投入比率變化趨勢圖

表3 機器人技術投入比率與企業(yè)績效評價標準等級情況表 億元

4 結論

通過表3 觀察新松機器人對技術投入的變化趨勢，除了2013年達到良好值等級，其他年份都達到優(yōu)秀值等級。大部分年份技術投入比例都實現(xiàn)了優(yōu)秀值，說明新松機器人重視科研經費的投入，提高技術創(chuàng)新體系的建設水平，加大力度對技術人才隊伍和技術開發(fā)實驗室的建設，為實現(xiàn)生產方式轉型升級，實現(xiàn)智能制造工業(yè)4.0 戰(zhàn)略目標。新松機器人應走自主創(chuàng)新工業(yè)革命之路，擁有自主核心技術，將產品價值鏈鎖定中高端，才能走在工業(yè)智能變革的前列。