管理论文：基于交叉效率DEA模型的智能制造企业管理绩效评价研究.docxVIP

管理论文：基于交叉效率DEA模型的智能制造企业管理绩效评价研究  第 1 章 绪论  1.1 研究背景 决策是管理的重要职能之一，而评价是决策的重要依据和密切关联因素。在高速发展的现代经济社会中，企业、政府、经济实体等决策单元的决策者做出决策前需要对决策单元进行系统和准确的评价。因此，国内外学者对评价方法进行了长期的探索和改进。数据包络方法作为其中一种评价方法，因其可以适用于具有多个输入和输出的决策单元间的相对效率评价，而受到了学者普遍的认可和推广。以企业为例，企业的经营、运作、生产、销售以及管理均应以企业效率为根本目标，企业效率的提升和企业绩效的提高是企业可持续发展的前提。由于数据包络分析法是一种非参数方法，且不必假设产出和投入之间存在关系，因此避免了较大的主观性干扰，从而被普遍应用在评价实践中。伴随研究的深入和评价方法的不断完善，数据包络分析方法得到了进一步的改善，其中交叉效率数据包络分析方法就是对该方法的典型改进，并得到了广泛地推广和应用。制造业是一个国家的经济发展支柱，是主导一个国家经济增长和经济转型的重要因素。近年来我国制造业正从传统制造业向现代制造业加速转型，制造业领域也发生着重大变革，如 3D 打印、C2M、敏捷制造、绿色制造、云计算、大规模定制等，其中智能制造作为工业化和信息化创新结合的产物，更是受到了世界范围内的广泛重视及关注[1]。基于此环境，中国提出“中国制造 2025”，依靠创新驱动，推广“智能制造”，全面推进实施制造强国战略，实现从“制造”向“智造”的新突破。目前中国智能制造处于初级发展阶段，经过几十年的快速发展，虽然在一定领域取得了核心技术的突破，但大部分仍处于研发起步阶段。据中投顾问产业研究中心发布的《2016-2020 年中国智能制造行业深度调研及投资前景预测报告》可知，仅 16%的企业进入智能制造应用阶段；在智能制造企业创造的利润和价值方面，有 52%的企业的在智能制造方面的收入率低于 10%，60%的企业在智能制造方面的利润率低于 15%。因此推进智能制造企业生命周期阶段进程，提高智能制造企业的经营效率，需要全面了解智能制造企业绩效，并且知道影响智能制造企业绩效的重要因素，从而调整智能制造企业关注和投入的方向，为我国政府支持智能制造行业提供新思路和政策建议，促进我国智能制造企业的飞速发展。因此，本文以我国 25 家智能制造上市企业 2015 年的年报数据为例，针对其企业绩效进行测算和评价，并找出影响企业绩效的关键因素，进而为智能制造企业提高企业绩效、提升企业利润提供决策支持，实现智能制造行业的稳速发展。 ........  1.2 研究意义 第一，本文从智能制造企业角度出发，评价有代表性的国内上市智能制造企业的绩效。智能制造业作为制造业新兴的一类行业，在我国未来的绿色发展和创新驱动战略的推进发挥着重要的作用，智能制造企业的发展是我国国民经济发展的根基，也是科技创新的重要基地和驱动力。而纵观目前的研究现状，对于制造业的研究存在如下问题：一方面，有的学者从制造业的大范畴进行企业绩效评价，由于制造业的范围广泛、分支繁多，易造成研究结果笼统且不具有针对性；另一方面，一些学者以传统制造企业如钢铁、煤炭、装备制造业等为研究对象，而对新兴智能制造企业的经营绩效研究尚少。因此，本文将评价智能制造企业的绩效，不仅将更清晰地了解智能制造企业的运行状况，也对智能制造企业的企业绩效研究有长远的战略意义和实践价值。第二，企业绩效评价的评价内容弥补了当前研究内容的空白。目前针对智能制造业的学术研究集中于我国智能制造的发展现状、模式、发展路径和趋势、产业转型升级和企业集成等方面的理论研究，针对智能制造企业的经营绩效相关研究较少[2]。部分绩效评价常以财务评价作为企业绩效评价，不能全面地反映企业经营绩效情况，因此本文针对智能制造企业的经营绩效，给予全面综合的评价研究，具有较大的理论意义。第三，本文创造性地改进了交叉效率 DEA 这一评价方法，对智能制造企业的经营绩效进行更加准确的评价。企业绩效评价的常用方法有层次分析法、平衡记分卡法（BSC）、关键绩效指标法（KPI）、经济分析法、沃尔比重法、经济增加值法、灰色综合评价法等[3]。然而这些方法存在主观性和模糊性等缺陷，而传统 DEA 方法却具备无须假设产出与投入之间的关系、避免主观性、降低误差等独特优势，且 DEA 方法研究的核心问题是对决策单元进行效率评价和排序，因此用其进行效率评价更加科学准确。但是传统的 DEA 方法又存在输入和输出变量数目关系受限、效率值较易受变量间相关性影响等局限[4]。因此本文创新性地将交叉效率 DEA 模型引入企业绩效评价中，根据输入和输出变量的相关性来确定变量个数，使得传统 DEA 模型的应用局限变小。通