刘志浩 于秀艳

[摘要] 装备制造业智能化是装备制造业转型升级的必由之路。从智能支撑、智能应用和智能效益三个维度建立山东省装备制造业智能化水平测度指标体系，选取2003—2019年时间序列数据，运用熵值-灰色关联分析法进行测度。同时建立VAR模型，采用脉冲响应和方差分解对影响因素进行实证分析。结果表明：（1）山东省装备制造业智能化水平呈逐年增长态势，且总趋势明显。智能支撑水平和智能效益水平增长态势明显，智能应用水平出现波动式增长。（2）技术创新、政府财政和地区发展水平都是提升推动山东省装备制造业智能化水平的重要影响因素，其中政府财政和地区发展水平贡献度较明显。

[關键词]装备制造业;智能化;评价指标体系;VAR模型

一、 引言

装备制造业是为国民经济各行业提供技术装备的基础性、战略性产业，是工业的心脏和国民经济的生命线，是支撑国家综合国力的重要基石[1]。随着物联网、人工智能、大数据等高新信息技术的创新发展，智能化成为装备制造业转型升级与高质量发展的必由之路。

山东省肩负着建设现代装备制造业强国的重要使命，省政府高度重视装备制造业的智能化发展。山东省制造业“十二五”规划就提出了制造业向高精度、高智能、集成化发展的发展战略。《山东省智能制造发展规划（2017—2022年）》1确定汽车及零部件、机械设备等十大重点领域创新应用智能制造新技术，加快智能制造生态体系建设和智能化转型。2018年山东省人民政府办公厅印发了《山东省装备制造业转型升级实施方案》2，再次提到走创新驱动发展之路，推动产业向智能化高端化转型。可以说，山东省装备制造业正经历着从中低端到高端，从自动化向智能化的华丽转身[2]。

那么山东省装备制造业智能化总体发展情况如何？与其他省市存在哪些方面的差距？哪些因素影响山东省装备制造业智能化？山东省装备制造业智能化未来如何发展？这些问题的解决是山东省装备制造业智能化发展过程中必须要解决的议题。与山东省装备制造业智能化蓬勃发展的实践相对比，对装备制造业智能化水平的测度及影响因素的相关研究显得相对薄弱。纵观现有的文献，学者李健旋、吴敏洁、孙早等对制造业智能化发展水平进行了宏观的评价[3-5]，对于某一特定省份或行业的研究还很少见。因此，本文以山东省为研究对象，结合装备制造业行业特点构建装备制造业智能化测度指标，搜集2003—2018年期间的指标数据，应用熵值法-灰色关联分析方法对山东省装备制造业智能化水平进行纵向评价，并与国内典型省份进行横向对比分析，应用VAR模型探讨影响山东省装备制造业智能化发展的因素，同时提出发展对策。本研究拟准确定位山东省装备制造业智能化发展水平，梳理智能化发展过程中的问题和影响因素，为山东省装备制造业智能化发展战略的优化和可持续性高质量的发展提供有价值的参考信息。

二、 装备制造业智能化内涵与特征

1. 装备制造业智能化内涵

装备制造业智能化是先进制造技术与新一代信息技术的深度融合，贯穿于产品、制造、服务全生命周期的各个环节及制造系统集成[8-10]。装备制造业智能化的目的就是实现制造的数字化、网络化、智能化，不断提升企业的产品质量、效益、服务水平，推动装备制造业绿色、协调、开放、共享地发展。

（1）产品设计环节作为全生命周期中的首要环节，是智能化实施规划的开始。通过智能化的助力，可有效对市场需求进行预测和对市场反应作出回应。（2）生产制造环节是智能化需求最多和最重要的环节，从生产、质检和管理都要进行智能化优化。从机器视觉到工业机器人的运用都是颠覆传统制造模式，向智能化制造转变的具体表现。生产制造工艺的智能化是装备制造业企业进行智能化升级的“看家本领”和“商业秘密”。（3）物流供应是连接智能化制造生产全生命周期各环节的必不可少的环节。从智能物流规划到智能仓库运用，都使智能产品与消费者进行高效连接。（4）营销与销售阶段作为生产全生命周期中协同客户需求的环节，智能化需求同样是必需的。在此环节，大数据和人工智能的结合应用能够实现精准营销。（5）产品使用是制造业全生命周期的最终环节，其智能化改造和实现的核心就是产品数字化、智能化，并将智能产品使用体验及时反馈到制造企业，以此来改善产品设计和开发，从而形成制造业智能链。

2. 装备制造业智能化特征

《国家智能制造标准体系建设指南》1提出智能制造实现的关键是实现贯穿企业设备层、单元层、车间层、工厂层、协同层不同层面的纵向集成，跨资源要素、互联互通、融合共享、系统集成和新兴业态不同级别的横向集成，以及覆盖设计、生产、物流、销售、服务的“端到端”集成。装备制造业智能化具有企业微观和产业宏观两方面特征。企业特征主要体现在以下几个方面：（1）资源整合与重构。由于新一代信息技术的升级和自身企业智能化水平的提升要求，企业资源的整合与重构程度能有效推动智能化生产时所需要的资源以及互联互通层级。（2）制造系统集成。新型制造系统集成是指企业实现智能装备到智能生产单元、智能生产线、数字化车间、智能工厂，乃至智能化制造系统集成过程的层级。（3）信息共享。信息共享指利用云计算、大数据等新一代信息通信技术，在保障信息安全的前提下，实现企业间信息协同共享的层级。产业特征可体现在以下几个方面：（1）人工智能赋能装备制造业智能化。智能化是依托于人工智能等新兴技术，人工智能技术是制造业智能化的支撑技术[9]。运用人工智能技术可有效地对遍及全生命周期的智能化进行改造。（2）以工业互联网作为连接平台。工业互联网作为制造业智能化的重要一环，以“自下而上”的模式为产业服务，即先建立平台，再寻找合适的产业嵌入平台。

三、 装备制造业智能化测度指标体系构建与评价方法

1. 装备制造业智能化指标体系构建

借鉴国家工业和信息化部《信息化和工业化融合发展规划（2016—2020）》关于推动工业化和信息化融合发展的智能制造相关指标体系、《国家智能制造标准体系建设指南》中关于智能制造行业标准以及现有学者如李廉水认为智能制造作为制造业智能化的成熟阶段，指出智能制造是以产品生产流程和全生命周期为作用对象，强调运用新一代信息技术和人工智能赋能于生产运作系统[1]，李健旋从智能技术、智能应用和智能效益3个层面出发建设智能化评价程度评价体系，来测度我国智能化发展水平[3]，吴敏洁等从智能制造的五维特征产品智能化、生产智能化、服务智能化、装备智能化和管理智能化来制定区域智能制造的测量模型[4]等现有相关研究。

智能支撑是装备制造业进行智能化转型升级的基础，是装备制造业进行智能化转型升级的物理保障。智能支撑可以通过长途光缆、装备制造企业应用互联网信息化水平以及智能装备投入水平指标来衡量。长途光缆长度能反映装备制造业进行智能化转型的外部基础保障条件。装备制造企业应用互联网水平是智能化过程中运用工业大数据、工业区块链的重要保证。装备智能化是实现装备制造业智能化的突破口，计算机和工业机器人等智能设备是智能化提升的重要基础，但高端智能装备的核心技术与市场现阶段还是被国外企业垄断，所以用智能设备的进口额代替投入水平。

智能应用是装备制造业智能化转型最直接的体现。从机器视觉到智能检测，从协同机器人到工业互联网，这些改变都是将粗放型传统生产模式转型为精细化智能生产模式。智能应用可用超效率全要素生产率和主营业务收入水平指标来衡量。以劳动力和资本为投入，工业总产值为产出的以投入为导向的规模不变超效率全生产要素可以有效评价装备制造业的生产效率[4]。同时考虑到指标建立的系统性原则，选取能反映装备制造业智能生产情况的主营业务收入作为合理补充。主营业务收入可有效反映经过智能化转型后的装备制造企业的生产盈利水平。

智能效益是装备制造企业进行智能化转型升级的市场环境的直接体现。随着智能化程度的升级，产品智能化和服务智能化程度也相应得以提升。智能化因素的融入使得精准营销和实时反馈得以实现。智能效益可用智能新产品销售收入和嵌入式工业软件收入作为指标数据。装备制造业智能化的提升贯穿产品全生命周期，智能新产品中涵盖的智能要素也随之提升，同时随着智能化水平的提升，智能新产品建立了人与设备和企业服务的联系，即实现了消费者参与智能产品的全生命周期。智能新产品的收入是服务智能化的重要指标。云计算、大数据与工业互联网是智能制造的关键支撑，智能化的生产系统离不开科学高效的管理体系。大数据与互联网的应用范围的扩大可以提高工作效率，减少运行成本，因此工业软件-嵌入式收入是管理智能化的重要指标体现。

装备制造业智能化水平测度指标体系的一级指标、二级指标及测度指标如表1所示。

2. 装备制造业智能化评价方法

熵值法可以用来判断某个指标的离散程度，测定指标在综合评价的影响（即权重），因此，可利用熵值法计算出各个指标的权重，为多指标综合评价提供依据。灰色关联分析可以用来测度因素间关系的强弱、大小和次序，是相对性的排序分析。因此本文选择熵值-灰色关联分析法测定指标权重，综合评价装备制造业智能化转型升级程度。

（1）熵值法计算客观权重

[①]标准化处理

若存在[n]个评价对象和[m]个智能化评价指标，这样就构成了智能化测度指标体系矩阵[B=（bij）n*m]，[bij]表示第[i]个评价对象对应的第[j]个指标的评价数据（[i=1，2，3，…，m，  j=1，2，3，…，n]），装备制造业智能化评价指标[B=（bij）n×m]可以表示为：

四、 山东省装备制造业智能化水平测度结果与分析

1. 山东省装备制造业智能化水平测度结果

考虑到数据的可获得性，本文选取2003—2019年山东省装备制造业行业数据作为样本数据，数据来源于《山东省统计年鉴》《中国工业经济统计年鉴》《中国科技统计年鉴》及各区域统计年鉴和公报整理所得。少量数据以插值法补充。统计口径为装备制造业。采用熵值-灰色关联分析法对原始数据进行求权测算并对各指标数据进行赋权后得到2003—2019年山东省装备制造业智能支撑、智能应用和智能效益3个维度的测度值，进一步测算出山东省装备制造业智能化总体水平。如图1所示。

图1  2003—2019年山东省装备制造业智能化水平发展态势

2. 山东省装备制造业智能化水平分析

（1）总体发展水平及趋势分析

整体来看，山东省装备制造业智能化水平呈加速增长态势，虽在2017年出现回落现象，但提升态势明显。随着国家推动智能制造布局和促进信息化和工业化的“两化融合”力度加大，山东省装备制造业智能化水平在这一时期呈现积极增长的趋势且保持良好。在山东省装备制造业智能化水平发展过程中，智能信息技术的应用水平不断提高，技术创新速度也在加快，为智能化支撑奠定了坚定基础。优良的智能支撑为智能生产提供可靠的发育环境，也在一定程度上推动智能效益快速提升。而智能效益的快速增长，既有利于智能支撑水平的继续提升，也有利于带动智能生产的合理发展。但山東省装备制造业智能化发展仍要注意智能生产效率的提升。智能生产作为智能制造的重要环节，是智能化提升的核心环节，山东省装备制造业智能生产水平仍存在发展空间。要以提升智能生产效率作为核心环节来推动山东省装备制造业智能化程度快速攀升，进入中国先进甚至领先行列。

（2）智能化维度分析

第一，智能支撑水平总体增长明显且增幅较大，从整体时间跨度来看，一直保持增长态势。随着国家相关政策扶持和在智能化大环境背景下，装备制造业企业注重自身信息化和智能化发展，使得企业本身智能支撑水平快速提升，从而推动了山东省装备制造业智能支撑水平逐步提升。智能支撑水平的快速增长态势为山东装备制造业智能应用和智能效益提供了优良的智能环境与基础。

第二，智能应用水平相较而言呈波动式增长态势。虽然山东省装备制造业在资产总计和工业总产值方面增长明显，但其总体智能应用水平呈现波动式变动。从纵向成长性，可分成3个时期：一是2003—2008年，山东省装备制造业智能生产水平逐步提升且呈现积极增长态势。二是2009—2016年，由于国际金融危机，山东省装备制造业智能应用水平在2009年出现明显下降，且对后期产生了一定影响。因此在这一期间山东省装备制造业智能应用水平处于挣扎式波动态势。三是2017—2019年，在2017年时山东省作为国家新旧动能转换综合试验区，其装备制造业进行了深化改革，以促进压减过剩产能和推动新兴动能。因此在2017年出现“阵痛”现象，但经过深化改革，山东省装备制造业智能生产水平出现稳定现象但发展态势仍不明显。

第三，智能效益水平发展呈前期明显提升，后期有所下降趋势。纵观山东省装备制造业智能效益水平发展水平可划分为两个时期：一是2003—2016年，是智能效益快速提升时期，随着智能技术的积累以及政策支持，大量装备制造企业开始注重智能生产与智能效益，从而带动了智能效益的快速提升。二是2017—2019年，是智能效益波动发展时期，在这一时期由于山东省进行新旧动能转换，在智能效益方面体现得较为明显，波动幅度仍较大。但随着新旧动能转换布局的优化和完善以及智能信息化水平、智能生产水平的进一步提高，智能制造所带来的智能效益出现明显提升。

3. 装备制造业智能化水平典型省际评价

选取我国东部和中部包括山东省在内的16个典型省份2018年的相关数据进行装备制造业智能化水平测算，结果如表2所示。根据测算结果显示，在2018年典型省份装备制造业智能化水平对比中，所选省份的装备制造业智能化水平根据ArcGIS里的自然间断点分析法可大致分为3个梯度：第一梯度为广东和江苏。两省的装备制造业智能化水平处于领先地位，这与其地区经济实力呈现高度正相关性。第二梯度为浙江、湖南、山东、黑龙江、福建、湖北、吉林和四川九省。装备制造业智能化水平与第一梯度的两省存在一定差距。但在相对应的智能化维度也有所领先，总体上看，这些省份装备制造业基础较好，有一定的整体提升空间和潜力。第三梯度为剩下的五省。这些省份受限于某些因素，装备制造业基础较差，因此装备制造业发展和智能化推动还需要多种途径的推动拉升。

山东省装备制造业智能化水平位于所选省份的第五位，处于所选区域前列，但落后于广东、江苏、浙江和湖南四省。山东省装备制造业智能化水平位于第二梯度上游，与第一梯度的两个省份存在一定的差距。与广东、浙江和江苏三省相比较，山东省制造业高新技术产业发展较弱，智能制造相关设备与部件的应用水平不完善。在智能支撑与智能应用维度落后于广东、江苏两省，在智能效益维度的差距更加明显。广东省装备制造业依托粤港澳大湾区的软硬件协同发展，通过布局“机器换人”战略来推动装备制造业的智能化发展。江苏与上海依托坚实的制造业基础，大力推动智能制造，从而保持产业发展领先地位。山东省装备制造业智能化发展应借鉴广东、浙江、江苏三省装备制造业发展模式和经验，在地区经济发展水平和制造业雄厚基础的先发优势下，通过推动山东省新旧动能转换来提升装备制造业智能制造水平。

五、 山东省装备制造业智能化水平影响因素研究

1. 变量说明

考虑到装备制造业智能化水平受到多方面因素的影响，各因素之间所产生的影响和作用又各不相同，因此本文在学者孟凡生等的创新柔性对制造企业智能化转型影响机制研究[10]以及学者陈秀英等的智能制造转型对产业结构升级影响的实证研究[11]等文献研究基础上选取技术创新、政府财政以及地区发展水平指标，来对山东省装备制造业智能化水平的影响因素进行研究。本文设置被解释变量为山东省装备制造业智能化水平（Inte），解释变量为技术创新（Tech）、政府财政（Gove）和地区发展水平（Regi）。具体指标说明如下：

技术创新（Tech）：技术创新能力的提高能够优化生产过程中各生产要素的使用效率，推动生产模式的转型升级，是智能化发展的核心动力。本文选取山东省装备制造业的R&D研发经费为指标数据。

政府财政（Gove）：政府干预作为市场调节的重要手段之一，可以通过财政制度对装备制造产业进行扶持，并合理优化产业结构。本文选取山东省政府财政支出为指标数据。

地区发展水平（Regi）：地区经济发展水平能为智能化进程提供坚实基础，增强智能化发展基础能力。本文选取山东省人均GDP为指标数据。

本文数据选取2003—2019年山东省相关数据进行研究，数据来源为《山东统计年鉴》和山东省政府统计公报等。为避免出现异方差现象，本文将对数据进行取对数处理。

2. 向量自回归模型（VAR）

本文选取的数据为时间序列系统，与传统线性回归模型相比，向量自回归模型能更合理分析和预测相互联系的多变量时间序列系统。因此本文选取向量自回归模型（VAR）来检验技术创新（Tech）、政府财政（Gove）和地区发展水平（Regi）对山东省装备制造业智能化水平（Inte）的作用成效进行检验。构建的具体计量模型如下：

[ln（Inte）=α+i=1Tβiln（Inte）t-1+i=1Tδiln（Tech）t-1+i=1T?iln（Gove）t-1+i=1Tγiln（Regi）t-1εt]

3. 单位根检验与协整检验

进行计量模型回归检验之前，为避免出现“伪回归”问题出现，需要先检验时间序列的平稳性。根据计量模型拟合差值的白噪声序列，采用ADF检验方法检验。经检验，所有变量一阶差分序列均通过了显著性检验，结果如表3所示。

表4为所有变量无约束情况下的协整检验结果。据其可知，智能化水平（Inte）、技术创新（Tech）、政府财政（Gove）和地区发展水平（Regi）在5%的显著性水平下呈现平稳的时序特征，即存在长期均衡关系。

从上述结果可知，所有变量均通过ADF平稳性检验和Johansen协整检验，通过了VAR模型建立前提。本文基于模型自由度及其彈性系数的AIC准则，选取模型最佳滞后期为二期。据此，本文运用Eviews8.0软件构建VAR（2）模型。

4. 脉冲响应函数及方差分解。

由于VAR模型不注重经济变量之间的回归的影响分析，本文在平稳性检验和长期协整检验的基础，选取脉冲响应函数进行研究技术创新（Tech）、政府财政（Gove）和地区发展水平（Regi）对智能化水平（Inte）影响关联度（设响应期为16），结果见图2。

（1）智能化水平（Inte）对自身的脉冲影响，其脉冲影响在第一期达到峰值，以后呈波动式下降，在第六期之后变动幅度逐渐变小，趋于平稳。这说明当智能化水平（Inte）受到自身的一个冲击时，智能化水平会经历波动到平稳的过程，进一步印证了智能化水平的提高并非提升山东省装备制造业智能化水平的唯一途径。（2）技术创新（Tech）与智能化水平（Inte）的脉冲影响，从图2可知，技术创新（Tech）的响应函数路径在初期为正向响应，其后下降明显，到第五期时达到低值，后期变动幅度趋于平稳，且逐间向正向移动。这说明在一定时期内，智能化水平的提高与技术创新能力关联不大，对于技术创新的依赖性仍较少。为提升智能化水平，应进一步注重提高技术创新能力。（3）政府财政（Gove）与智能化水平（Inte）的脉冲影响，当智能化水平对政府财政实施冲击时，政府财政的响应函数呈周期性变动，但总体呈正向响应，这说明政府财政对智能化水平具有明显的促进作用，智能化水平的提升与政府财政息息相关。（4）地区发展水平（Regi）与智能化水平（Inte）的脉冲影响，地区发展水平响应函数在最开始为负向响应，在第六期时变动为正向响应，并趋于平稳。这说明，地区发展水平的增长会带动智能化水平一定程度的提升，但会呈现先上升后下降平稳的规律。

脈冲响应函数能够表达内生变量对自己或其他内生变量的变化的反应，并能反应描述随机干扰项对内生变量的影响轨迹。本文在脉冲响应函数的基础上，运用方差分解来进一步分析技术创新（Tech）、政府财政（Gove）和地区发展水平（Regi）对智能化水平（Inte）的贡献程度，结果见图3。

由方差分解图3，可以得出：（1）智能化水平（Inte）对于自身的方差分解时间路径呈不断下降的趋势，由最初的100%递减到43%左右。这说明当期的智能化水平对后面各时期的山东省装备制造业智能化水平的贡献越来越小，自身变动的贡献率维持在40%以上。（2）技术创新（Tech）对智能化水平（Inte）的方差分解时间路径一直为正，最开始略有上升，后期趋于平稳，大约维持在8%。这表明技术创新在智能化水平的驱动作用上表现乏力，然而在实质观测上，山东省装备制造业的R&D研发经费规模呈增长态势，也形成一定量级规模，但难以达到预期可以提升智能化水平的程度。虽然技术创新产出一般具有滞后性，这其中原因本文认为还与研发投入规模和精确性以及技术创新产出效率存在一定联系。在后期推动智能化水平的过程中，要注重技术创新产出规模与效率。（3）政府财政（Gove）与地区发展水平（Regi）对智能化水平（Inte）的方差分解时间路径虽发展趋势不尽相同，但后期贡献度稳定在22%和26%。两者对于智能化水平的贡献度相差不大，对智能化水平的贡献都是长期且趋于平稳的。这表明了智能化水平的提升是一个多因素且复杂的系统，会受到多方面的影响和驱动。政府财政和地区发展水平只是其中比较明显的两个因素，也印证了在推动山东省装备制造业智能化水平时，应多要素协同推动。

基于智能化水平的脉冲响应函数与方差分解的实证分析，技术创新、政府财政和地区发展水平对于智能化水平存在促进作用。但根据实证结果，山东省装备制造业智能化水平的推动需要对技术创新、政府财政和地区发展水平相关调控措施和协同发展进一步提出要求。技术创新对于智能化水平的影响程度未达到预期贡献度，这与技术创新能力产出具有滞后性存在一定联系，但也表现出难以达到推动装备制造业智能化水平提高的需求。政府财政和地区发展水平呈现出长期且稳定的贡献度，这表明两者是推动智能化水平的重要途径和驱动力。

六、 结论与建议

本文选取山东省装备制造业2003—2019年相关数据，运用熵值-灰色关联分析法测度了这一时期的装备制造业智能化水平并进行了分析。在此基础上，建立时间序列VAR模型实证分析技术创新、政府财政和地区发展水平对装备制造业智能化水平的影响程度。研究表明：山东省装备制造业智能化水平在这一时期保持增长态势，且趋势明显。智能支撑和智能应用呈“相对平稳，增长缓慢”的整体性特征。智能效益呈“发展快速，趋势明显”的总体变动趋势。对于影响因素，从长期来看，技术创新、政府财政和地区发展水平对装备制造业智能化水平的推动都起到贡献作用。技术创新的影响程度低于政府财政和地区发展水平。

根据本文研究结论，提出的建议如下：（1）规划先行，顶层设计。在国家智能制造战略自上而下的发展过程中，既需要宏观层面的规划引导，也需要在微观层面对智能化生产进行扶持，注重推动智能化生产效率的提升。解决问题要注重双管齐下，宏观上政策规划，微观下企业提升智能化应用支撑，如提高山东装备制造企业信息化程度，逐步推进机器换人以及工业大数据和工业互联网在企业规模下落地实施。（2）培育智能未来工厂和建立智能企业公共服务平台。参考山东省重点装备制造企业智能化改进模式，推动新一代信息技术在研发设计、生产制造、运营管理、售后服务中的深度应用，培育智能未来工厂。依托相关研究院所，整合优化现有资源与技术力量配置，建立智能企业公共服务平台，增强装备制造企业间的技术交流与互动，助力智能制造发展。（3）健全产学研体系和推动人才队伍培育。技术创新仍是智能制造的核心驱动力，在推动山东省装备制造业智能化水平过程中仍要注重技术创新所起到的作用。应借助环渤海经济圈，依托高校科研院所，建立产学研体系，提高技术创新研发转化效率。鼓励企业与高校合作，定向定点培养智能制造等高端装备制造业急需的科研人员、技术技能人才与复合型人才。

参考文献：

[1] 李廉水，石喜爱，刘军.中国制造业40年：智能化进程与展望[J].中国软科学，2019（1）：1-9.

[2] 王喜文.智能制造：新一轮工业革命的主攻方向[J].人民论坛·学术前沿，2015（19）：68-79.

[3] 李健旋.中国制造业智能化程度评价及其影响因素研究[J].中国软科学，2020（1）：154-163.

[4] 吴敏洁，徐常萍，唐磊.中国区域智能制造发展水平评价研究[J].经济体制革，2020（2）：60-65.

[5] 孙早，侯玉琳.工业智能化如何重塑劳动力就业结构[J].中国工业经济，2019（5）：61-79.

[6] 万晓榆，赵寒，张炎.我国智能化发展评价指标体系构建与测度[J].重庆社会科学，2020（5）：84-97.

[7] Marco B，Francesco G G，Cristina M.Reconfigurable Manufacturing Systems Literature Review and Research Trend[J].Journal of Manufacturing Systems，2018，40（10）：93-106.

[8] Aghion P，Jones B F，Jones C I. Artificial Intelligence and Economic Growth[R].National Bureau of Economic，2017.

[9] Li B，Hou B，Yu W，et al. Applications of Artificial Intelligence in Intelligent Manufacturing： A Review[J].Frontiers of Information Technology & Electronic Engineering，2017，18（1）：86-96.

[10] 孟凡生，赵刚.创新柔性对制造企业智能化转型影响机制研究[J].科研管理，2019，40（4）：74-82.

[11] 陈秀英，刘胜.智能制造转型对产业结构升级影响的实证研究[J].统计与决策，2020，36（13）：121-124.

Study on Intelligent Level Measurement and Influencing Factors of Equipment

Manufacturing Industry in Shandong Province

Abstract：The intelligence of the equipment manufacturing industry is the only way to transform and upgrade the equipment manufacturing industry.In this paper， the intelligent level measurement index system of equipment manufacturing industry in Shandong Province was established from three dimensions of intelligent support，intelligent application and intelligent benefit. The time series data from 2003 to 2019 were selected and the entropy-grey correlation analysis method was used to measure the intelligent level. At the same time， the VAR model was established， and the influence factors were empirically analyzed by impulse response and variance decomposition. The results show that：（1）The intelligence level of equipment manufacturing industry in Shandong Province is increasing year by year， and the general trend is obvious. The level of intelligent support and intelligent output is growing significantly， while the level of intelligent application is growing in a fluctuating manner.（2）Technological innovation， government finance and regional development level are all important influencing factors to promote the intelligent level of equipment manufacturing industry in Shandong Province， among which the contribution of government finance and regional development level is more obvious.

Key words： equipment manufacturing industry;intellectualization;evaluation index system;the VAR model

作者簡介：刘志浩（1997-），男，山东理工大学管理学院硕士研究生，研究方向为智能制造;于秀艳（1974-），女，山东理工大学管理学院博士，研究方向为IT治理、云计算、文化管理。

（收稿日期：2021-06-09  责任编辑：顾碧言）