人工智能在汽车制造业中的绩效研究——以长春一汽轿车股份有限公司为例.docVIP

人工智能在汽车制造业中的绩效研究 ——以长春一汽轿车股份有限公司为例 摘要：当前，以人工智能、大数据、云计算和物联网等为代表的新一代信息技术高速发展，人类社会正逐步从传统的信息化社会向智能化社会发展，人工智能技术的创新和汽车制造业应用呈现出新的发展趋势，二者的结合碰撞出不一样的火花。以长春一汽轿车股份有限公司为例，采用DEA-Malmquist指数，根据2011-2019年一汽轿车股份有限公司年报数据，选取研发费用、技术人员数量和直接人工支出作为投入指标，选取营业总收入作为产出指标，对人工智能产业融入上市公司为公司带来的资源配置效率进行实证研究。结果显示从2015年开始人工智能研发对该公司的收益影响处于进步阶段，在2011-2019年间，在技术与人工智能研发项目中的投入和产出效率有一定的提高。 关键词：人工智能，汽车制造业，DEA模型，绩效研究 一、引言和文献综述 当前“中国制造2025”不断地发展开拓，作为主攻方向的“智能制造”在政府的推动下向纵深推进。在制造业领域，制造技术正和人工智能技术进行深度融合，形成新一代智能制造，以新一代信息技术和智能数字技术为代表，高新技术为支撑技术，在人工智能制造思想的指导下，用多元化、网络化的组织结构办法组织创造活动的集成制造业，将柔性化、机器化、敏捷化、精益化、全球化和人性化融为一体。人工智能作为一种全新的投入要素正在重新定义企业、行业和经济，帮助制造业提高质量、降低成本、优化效率，为其创造新的上升空间。制造业高度信息化、智能化，机器人发展水平逐渐变成体现工业水平和创新水平的又一标志，汽车制造业作为促进经济增长的支柱性产业，机器化、自动化也是未来发展的必然趋势，更好地在汽车生产过程中运用人工智能，不仅可以使人力成本减少，还可以使生产效率得到提升，汽车行业也正在不断利用人工智能技术将高效、创新和安全的车辆推向市场。（于晖，2014；方振，2018）。 在人工智能与汽车制造业相结合的领域，不少学者已经做了一定的研究。例如，在汽车挡风玻璃涂胶轨迹宽度的测量中，由于其人工作业环境糟糕、劳动强度大，且对于测量结果准确定和稳定性要求很高，人工检测很难满足国家质检部门对挡风玻璃质量安全的要求，所以学者们设计将机器视觉技术应用于涂胶轨迹检测中，避免人工接触式测量，不仅可以保障工人操作的安全性，还提高了工作效率和精准度（李宇、王宸、刘克平、乔宇，2020）。在汽车零部件质量及外形检测的过程中，用机器视觉代替传统人眼检测，利用图像采集装置和信息处理系统提高零部件质检效率和精准度，优化人工质检所带来的不稳定和不及时，有效避免了人工检测耗时长，易疏漏等缺点，并利用其低价和易操作的配置方式，更好地满足了汽车工业生产的要求（袁纵青、徐惠钢、侯占林、赵京，2020）。当然，对于汽车行业来说，零部件方面的检测不可懈怠，交通安全更是至关重要的，将人工智能深度学习技术应用于自动驾驶中，通过DDRG算法建立一种生态驾驶，使司机在驾驶过程中可以更加自如地应对复杂的交通环境，减少交叉路口的事故，提高安全性（徐泽洲、曲大义，2021）。同样在汽车自动紧急制动方面，也有不少学者进行了探索，通过建立AEB仿真系统优化传统紧急制动速度波动大、舒适性难以保障和弯道制动安全难以确保等问题，使弯道制动可控性更高、收敛性更好（黄舒伟、何少炜、金智林，2021）。另外，为了使驾驶的舒适度进一步提高，把人工智能的语音识别使用于小汽车雨刷器、电动车窗、自动空调和汽车音响等服务中，通过HMM算法对语音数据进行统计计算，构建语音识别统计模型分析驾驶者的指令进行分析，用语音对车载电器进行操控，减少驾驶者的压力，增强驾驶安全性（白武博、夏光，2012）。 上述国内学者的研究，多数是设计将人工智能机器视觉、人工智能深度学习、人工智能语音识别技术应用于汽车行业中，集中于设计层面，对人工智能赋能汽车行业为整个行业所带来的经营效率的研究颇少。本文将以长春一汽轿车股份有限公司为例，采用DEA-Malmquist指数，研究人工智能产业融入上市公司为公司带来的资源配置效率。 二、人工智能的概念 人工智能的开发与应用最开始起源于古埃及，在1956年Dartmouth学会上第一次被提出，后在全球多个国家和地区快速传播，发展至今已经有65年了，研究者们对其不断的探索和研究，温斯顿教授（美国麻省理工学院）觉得，人工智能是探究如何更好地利用计算机和大数据去实现过去只有人才能完成的工作。（王嫄，2019；王梓宸、阚永彪，2020）即通过研究和模拟人类的思维和行为模式，融合计算机科学、心理学、哲学和语言学等多个学科，构造出具有一定智能的人工系统，通过不断地深度学习来实现从理论到研究的重大突破，让计算机可以像人类一样对信息进行感知、获取和辨别能力，来帮助人类完成简单的、重复性和含有一定程序