主制造商（精选4篇）
主制造商 篇1
0引言
复杂产品一般指重型机械、船舶、海洋工程装备、飞机、机车、发电设备、航空装备等大型复杂装备。复杂产品新技术的研发是一个国家高新技术发展水平的重要体现。作为龙头型产业,复杂产品新技术的研发能够从根本上推动与之相联系的诸多领域的同步、同向发展,全面带动多个关系国计民生行业的优化转型升级,其辐射作用与拉动效应极为明显。目前为止,在复杂产品的研发上我国已经顺利实现了神舟系列太空飞行,取得了探月工程成功,拥有世界最长的高速铁路里程,能够生产世界最大的水力、风力发电设备等。然而同美国、日本、德国、英国的复杂产品新技术研发相比,我国的产品明显处于劣势,如我国电动汽车的电池主要依赖进口,风电的变流器几乎被ABB等几个国外品牌垄断,大型机械的液压系统以及高端数控加工设备的智能测控系统还需要依赖进口等。因此,加快我国复杂产品的研发已经迫在眉睫。
由于复杂产品具有成本高、技术密集、工程密集、顾客定制等特点,其新技术的研发面临着高投入和高度不确定性。因此,复杂产品的研发模式由以往制造商单一研发模式逐渐转变为“主制造商—供应商”协同研发模式,以便分散研发成本,降低研制风险,提高研制成功率。但在“主制造商—供应商”协同研发模式下,双方的合作既没有严格的组织保障和约束,也缺乏充分有效的市场纽带和规制,搭便车行为、蝶恋效应等时常发生,给复杂产品新技术的研发带来一定风险。因此,找出复杂产品新技术研发过程中的影响因素,对风险进行评价,揭示项目的风险所在,是新技术协同研发能否成功的关键之一。
1文献综述
近年来国内外很多学者对协同研发做了相关研究。张春勋(2007)[1]将协同研发的风险归纳为知识产权风险、协同关系风险和运作流程风险三大类。沛训诚(2009)[2]研究发现,当企业间产品的差异化程度较大时,企业间采用协同研发的组织模式所获取的绩效会优于独立研发的组织模式。蒋丹鼎(2012)[3]针对航天产品研制特点与需求,提出一种基于企业服务总线的多院所协同研发平台,实现以总体院为核心的院内、院间协同工作。DaSTK等(2000)[4]认为企业间在协同研发过程中存在两种风险:一是关系风险,成员企业间在合作过程中出现分歧导致合作解体的风险;二是绩效风险,合作各方精诚合作的前提下存在的合作结果不确定性。Cristina等(2001)[5]以西班牙企业为样本进行研究,发现企业进行新技术协同研发的主要原因在于技术的复杂性、不确定以及研发成本过高。Narayanan(2002)[6]指出企业间采取协同研发模式会带来更高的利润。
本文结合已有文献的研究成果,从双方的研发层面对复杂产品新技术协同研发过程中存在的风险进行探讨。宏观层面上,风险主要来源于作为独立公司的协同双方的发展战略是否具有较好契合度,是否具有能够充分调动研发人员的激励政策等;中观层面上,风险主要来源于协同双方的各个部门是否可以保持实时沟通,并积极参与到产品研发优化工作中;微观层面上,风险主要来源于协同双方组建的研发团队是否具有较好的研发标准以及团队是否可以高效的运作等。
2评价指标初步获取
在对影响复杂产品新技术协同研发风险因素的初步调查中,采用开放式调查问卷的方式引导被调查者从公司层、职能层、研发团队层3个维度填写认为影响复杂产品新技术协同研发的风险事件、活动或指标。被访中16人来自高校、科研机构,28人来自高端装备制造企业,样本企业涵盖通讯、电子、大型设备制造、航天等7个行业。被调查者填写了能够反应复杂产品新技术协同研发风险的指标共117项。邀请从事复杂产品技术创新研究的6位专家对指标进行筛选:一是剔除明显文不对题的指标;二是合并表达相同含义的指标。通过剔除、整理,共得到61项指标:公司层面有19项,职能层面21项,研发团队层面有19项,具体见表1所示。
3评价指标体系生成
3.1问卷调查的发放与回收
本问卷请被调查者根据自己所在企业实际情况对所列举指标的有效程度打分,采用Likert5点量表尺度,从低到高分别给予1～5分。首先对商飞、成飞等4家企业发放近20份问卷,经过试调查以及针对性的数据分析,对问卷不足之处进行了修正。随后进行正式问卷调查,选取江苏省省内通讯、电子、自动化、航天等行业41家企业为主要研究对象,共发放问卷170份,实际回收127份,问卷回收率74.71%,其中有效问卷102份,回收问卷的有效率为80.31%。在回收的有效问卷中数据情况如表2所示。
3.2数据分析
① 分别对问卷的3个维度进行项目分析。计算出各个维度所包括指标的总分,并按高低分数进行排序,找出高低分组人数的27%所对应的分数。把总分前27%者划为高分组、总分后27%者划为低份组,将高低二组被调查者的每个维度得分进行独立样本T检验。如果在高低二组被调查者间存在显著性差异,表明该指标的区分度较好,保留该指标,否则说明区分度较差,应剔除[7]。分析结果显示,只有a20、b4、b8、b21、c10等5个题目的T值未达到显著(F>0.005),故将其剔除。
② 对剩余指标进行KMO分析和Bartlett球形检验的结果显示,适合进行因子分析。运用主成分分析法对3个维度的量表分别进行因子分析,并经方差极大旋转,最终共提取11个特征值大于1的因素,并根据因子中各题项集体反映的意义进行命名,如表3所示。
③ 信度指衡量结果的可靠性程度,它本身与衡量结果无关,只是检验测量的稳定性、一致性、可靠性。美国统计学家Hair等认为只要Cronbach a系数在0.7以上就为高信度,具有高的稳定性与精确性。对调查问卷数据进行内部一致性信度分析得出,公司协同风险指标内部可靠性为0.896,职能部门协同风险指标可靠性为0.773,研发团队协同风险指标可靠性为0.780。信度系数都在0.7之上,结果表明此量表具有良好的信度。
3.3指标体系的生成
根据因子分析结果,得出复杂产品新技术协同研发风险评估指标体系如表4所示。
4应用分析
在大飞机制造领域,中国商用飞机有限责任公司是我国大型客机研发项目的主体,目前该公司正在研制绿色环保飞机——C919。其中,商飞APU辅助动力系统供应商——霍尼韦尔(中国)有限公司派出技术人员到中国商飞上海飞机设计研究院和商飞研究人员协同研发论证C919大型客机新型辅助动力装置图纸的设计以及在材料、装配上的技术可行性。本文根据表4所建指标体系,结合模糊综合评价方法对该项目的协同研发风险进行评估。
4.1建立模糊关系矩阵
为了全面、合理的对该项目的研发风险进行评估,课题组10名成员根据该项目协同研发实际情况对表4中的每个影响因素会给该项目带来的研发风险进行调查评判,评判分为5个等级:很小、较小、一般、较大、很大,其评判结果如表5所示。
由表5建立各层模糊关系矩阵R1、R2、R3,R1为公司协同风险层模糊矩阵,R2为部门协同风险层模糊矩阵,R3为研发团队协同风险层模糊矩阵,具体矩阵如下:
4.2确定评价因素的模糊权向量
采用专家评判矩阵和层次分析评判法相结合计算出战略协同、激励协同、文化协同对公司层面协同影响的权重向量为A1=(0.571 0.104 0.325),研发平台、协同监督、信息协同、部门协同对部门层面协同影响的权重向量为A2=(0.129 0.465 0.085 0.321),团队运作、研发标准、团队氛围、协同基础对研发团队层面协同影响的权重向量为A3=(0.234 0.060 0.152 0.554)。
4.3建立模糊综合评价矩
根据公司层面协同影响因素确定该层面的模糊综合评价矩阵B1记为:B1=A1(·,♁)R1,得B1=(0.068 0.569 0.210 0.110 0.043),同理可得职能部门层面与研发团队层面模糊综合评价矩阵B2=(0.072 0.462 0.279 0.166 0.021),B3=(0.117 0.432 0.343 0.083 0.071)。
4.4构建一级评判矩阵则
根据各层综合模糊评价结果构建一级评判矩阵有阵有,同时采用专家评判矩阵与层次分析法相结合计算出公司层面协同、职能部门协同、研发团队协同对该部件的研发影响的权重向量为:A=(0.582 0.110 0.309)。再由B=A(·,♁)R得该部件的研发风险的评判矩阵B=(0.083 0.516 0.258 0.108 0.049)。
4.5大飞机零部件研发风险评判
由该项目的研发风险评判矩阵,可得该部件研发风险处于很小风险的隶属度为0.083,较小风险的隶属度为0.516,一般风险的隶属度为0.259,较大风险的隶属度为0.108,很大风险的隶属度为0.049。根据最大隶属度评判原则[8],较小风险的隶属度最大,所以该部件研发风险处于较小的等级。
5结论与建议
从该项目风险的评估结果可以看出,虽然该项目的研发风险较低,但是处于较小风险以上的隶属度为0.416,因此,有必要对风险因素中对该项目影响较大且会给项目带来较大风险的因素加以控制,从而确保项目的顺利研发。根据该项目的二级影响因素的权重可知,公司层面与研发团队层面的协同研发对该项目研发风险的影响要远远大于职能部门层面的协同研发,因此,对这两个层面中风险较大的因素加强协同,会取得较好的效果。同时从表5可以看出10位专家分别在对公司协同研发层面中的协同激励因素以及团队研发层面中的团队氛围和协同基础因素评判时,分别有6位、6位、5位给出的评判结果在较小之上,说明商飞制定的激励政策无法充分调动霍尼韦尔公司研发积极性,双方构建的研发团队的研发氛围和研发基础较差。针对该项目研发过程中出现的这些不足,有如下建议:
① 针对激励协同因素不足情况,建议邀请霍尼韦尔公司集团共同制定激励政策;霍尼韦尔公司高层管理者的物质或非物质奖励与公司的研发进度挂钩;商飞可以设置专门的研发奖励,当霍尼韦尔公司提前完成研发任务,给予奖励等。
② 针对研发氛围不够理想的问题,有如下解决方法:首先,通过电话、邮件等各种通讯手段保证双方研发团队之间的实时沟通;其次,为研发团队提供较为宽松的沟通环境,创造出伙伴式沟通交流氛围;最后,鼓励从事产品开发的研发团队与从事基础研究的研发团队定期沟通交流等。
③ 针对加强研发团队的研发基础建设,建议两公司使用相同的研发语言;定期组织双方研发人员对新技术的学习;构建解决技术问题的规范流程,以便快速的解决研发过程中面临的技术难题等。
参考文献
[1]张春勋,刘伟.合作技术创新的风险识别及模糊评价研究[J].科学学与科学技理,2007(8):77-83.
[2]沛训诚.产品差异化视角的企业研发组织模式动态选择研究[J].上海经济研究,2009(1):3-12.
[3]蒋丹鼎.航天多院所协同研发平台的架构与协同机制研究[J].航天制造技术,2012(3):59-61.
[4]DasTK,Bing-teng.A Resource-Based Theory Strategies Alliance[J].Journal of Management.2000(1):31-61.
[5]Cristina B,Teresa G,Eniilio H.2001.Finns'motivations for coop-erative R&D:an Empirical analysis of Spanish firms[J].Re-search Policy,2001,30(8):1289-1307.
[6]Narayanan VK.技术战略与创新——竞争优势的源泉[M].北京:电子工业出社,2002:102-104.
[7]吴明隆.SPSS统计应用实务问卷分析于应用统计[M].北京:科学出版社,2003:104-114.
[8]李安贵,张志宏等.模糊数学及其应用[M].武汉:冶金工业出版社,2003:144-146.
主制造商 篇2
本文要谈的是三相油浸式10 k V高压电力计量箱(JLS-10型产品)油箱内二元件组合互感器中的单相电压互感器。虽然油纸组成的绝缘结构耐热等级低,易受潮,易受污染,易受局部放电的危害,但其造价低,变压器油绝缘强度高,同时油散热的作用好,所以JLS-10型高压电力计量箱目前电力市场的使用量还非常大。
电压互感器的主绝缘由一次线圈骨架和一次与二次线圈之间层间绝缘构成,其线圈骨架同时作为一次绕组机械力支撑。由于一次线圈骨架在制造中存在绝缘缺陷,不能承受雷电冲击过电压的作用,导致主绝缘击穿事故时有发生,产品达不到正常使用寿命而超前退出运行,这种情况值得分析和关注。
1 主绝缘弱点剖析
1)目前我国互感器生产企业普遍淘汰叠片铁芯,更改使用矩形卷片铁芯。其优点:(1)卷片铁芯叠片接缝大大小于叠片铁芯,从而接缝伏安损耗得到大幅度降低。(2)硅钢片的碾压方向就是铁芯的卷片方向,在磁化过程中铁芯的磁滞损耗比叠片铁芯要小。由于以上原因,同一种型号规格的电压互感器由于卷片铁芯外形尺寸的减小,线圈电磁线用量也减小,结果油箱尺寸以及用油量也减少。由于产品的外形尺寸的减小,这样就使整个产品单台成本有较大降低,给生产企业带来实实在在的经济效益,这是有利的方面。
2)矩形卷片铁芯是一个封闭式铁芯,线圈硬绝缘筒无法套入到卷片铁芯柱上去,那么必须把整体硬绝缘筒锯开一条线口,然后用双手扳开硬筒缺口,扩张缺口将硬筒套入卷片铁芯上,然后放开双手,绝缘筒恢复到原状。目前卷片铁芯绕线机在生产企业中普遍使用,这种绕线机就是在硬绝缘筒放入卷片铁芯柱上后,利用专用支撑环卡住硬筒,可直接在卷片铁芯上绕制互感器一次线圈,可较大地提高工作效率,同时具有自动排线、导线张力控制、预选匝数和断线自动停车等功能。
3)电压互感器使用矩形卷片铁芯的弊端及缺陷,存在一次线圈主绝缘骨架不是一个整体结构,而是一个拼装组合的主绝缘骨架。如图1所示。
1—下半圆硬筒端圈2-上半圆硬筒端圈3-自锁式扎带穿入孔4-卷片铁芯5-二次线圈6-两半圆端圈并合口线7-硬筒锯开口线8-一次线圈硬筒骨架9-一次线圈10-一次线圈引出线
一次线圈骨架由一个硬绝缘筒和四个半圆形绝缘端圈拼合组成。硬绝缘筒两端部各二个半圆形塑料端圈,端圈插入二次线圈的外径和一次线圈硬绝缘筒内径的空间中,使一次线圈和二次线圈整体均衡固定。同时也是作为线圈到铁芯铁轭的绝缘。
从图中可以看到拼装组合的硬绝缘筒线圈骨架有一个锯开的缺口和硬筒端部由半圆形端圈拼合口。图1中序号6是上下两块半圆形塑料端圈拼合口,拼合口在图横中心线上,这位置在线圈绝缘装配时位置是固定不变的。图1中序号7是一次线圈硬绝缘筒锯开口线的位置,这个口线位置与线圈引出线位置有关。引出线位置基本上在图上纵中心线上,当线圈引出线位置与硬筒缺口成90°角时,这时硬筒缺口与半圆形端圈拼合口重合在一个位置上,而这个位置就是电压互感器在制造中存在的主要绝缘弱点处,也是最直接和最危险的主绝缘缺陷。
电压互感器受雷电冲击产生的电动力作用下,组合体绝缘骨架容易松动或脱开。生产厂家是通过自锁式塑料扎带穿入图1中序号3半圆形端圈上四方形孔中,把硬绝缘筒和两端部半圆形端圈连同一次线圈拉紧固定。因塑料扎带机械强度有限,受外加电动力过大时而断开,这一现象在被雷击损坏的产品中验证。
2 绝缘缺陷原因分析
1)电压互感器主绝缘和纵绝缘设计是否合理关系重大,它决定了互感器的质量和制造成本。主绝缘数据是由工频和冲击试验电压决定,在雷电冲击电压作用下,一次绕组端部是一个极不均匀的电场,称作端部电场。雷电冲击使互感器绝缘损坏的原因,一方面是冲击电压值本身比较高,所加冲击电压为互感器相电压的7~10倍。另一方面是雷电冲击电压急剧大量地降落在电压互感器引出线首端线层上,从而造成一次绕组端部电场高度集中,使首端线层击穿损坏。而恰恰电压互感器主绝缘弱点处在绕组端部,也就是硬绝缘筒缺口线和半圆形端圈的拼合口重合点,是造成一次线圈至铁芯铁轭和一次线圈至二次线圈放电路径,通过重合缺口,沿介质表面放电走一条捷径之路。由于沿面爬电长度不够,使沿面电场强度大大超过允许值,是造成雷击损坏主绝缘的主要原因。
2)一次绕组、二次绕组和铁芯所代表的三个电极的电位各不相同。在计算一次线圈至铁芯铁轭和一次线圈至二次线圈之间,沿着各种绝缘介质表面爬电距离允许的平均电场强度。通过被雷击绝缘损坏的产品卸拆,测量到产品实际沿介质表面爬电距离数据,然后分别进行绝缘计算和核对。
一次绕组到铁轭的绝缘A计算和一次绕至到二次绕组的绝缘B计算如下:
式中,42为工频试验电压(k V/min),32为一次线圈到铁轭沿面爬电距离(mm),44.5为一次线圈到二次线圈沿面爬电距离(mm)。
主制造商 篇3
关键词：主成分,装备制造业,产业安全,评价分析
1 引言
我国装备制造业经过60多年的发展, 无论是在规模还是国际竞争力方面都取得了显著进步, 已经形成门类齐全, 具有相当规模和一定技术水平的装备制造体系[1]。2010年我国装备制造业总体规模已经跃居世界首位, 总产值达到14.38万亿元, 占全国工业总产值的比重为20.3%。但与发达国家相比, 我国装备制造业还有很大的差距, 特别是核心技术受制于人, 对外技术依存度达50%以上, 远远高于发达国家的5%。因此, 客观、准确地对我国装备制造业产业现状进行评估, 有利于国家及时调整装备制造业发展的产业政策, 为更好地维护其产业发展提供理论支持。
关于对我国装备制造业产业安全的研究文献主要有以下几个代表观点:王苏生、孔昭昆等 (2008) 从外资市场控制率、外资股权控制率、外资技术控制率和重要企业受外资的控制等4个指标考察外资并购对该行业产业安全的影响, 并得出外资并购对我国装备制造业产业控制力影响较大的结论[2]。付保宗 (2009) 从企业数目、市场控制力、技术控制力、股权控制力和出口依存度4个方面建立了我国装备制造业的产业安全评估体系, 并从规避外资垄断性并购、完善国内装备产品支持政策等方面提出了维护我国装备制造业产业安全的建议措施[3]。卜伟、谢敏华等 (2011) 利用1998-2008年相关统计数据从产业控制力角度考察了我国装备制造业的产业安全问题, 研究结果为:外资对装备制造业产业控制力影响较大[4]。朱建民、魏大鹏 (2012) 从产业生产力、产业控制力、产业生态环境、产业竞争力4个角度33个评价因子提出装备制造业产业安全评价“四因素”模型, 采用功效系数法对我国装备制造业产业安全状态进行评价, 其结果显示我国装备制造产业安全程度估算值为45.8, 处于“临界状态”[5]。但随着经济社会的发展, 已有研究的深度和广度还不够, 对经济全球化新趋势带来的装备制造业产业安全问题缺乏较为深入的研究。因此, 加强我国装备制造业产业安全的研究, 有必要把这些新的因素综合考虑到产业安全的研究中来, 以便更全面、更科学地评价我国装备制造产业安全的状态, 探索适合我国的战略和政策。
2 装备制造业产业安全评估
2.1 模型构建
主成分分析法的基本原理和计算步骤 (何维达, 2008) 如下:
第一步:变量标准化。原始指标数据的标准化采集p维随机向量x= (x1, x2, …, xp) , xi= (xi1, xi2, …, xip) , i=1, 2, …, n, n>p, 构造样本阵, 对样本阵元进行如下标准化变换, 得标准化阵Z:
第二步:对标准化阵Z, 计算样本相关矩阵R,
第三步:求相关矩阵R的特征值和特征向量, 计算贡献率, 确定主成分个数。解样本相关矩阵R的特征方程|R-λIp|=0, 得p个特征根, 确定主成分。
第四步:计算主成分。将标准化后的指标变量转换为主成分
U1称为第一主成分, U2称为第二主成分, …, Up称为第p主成分。
第五步:对主成分进行综合评价。对m个主成分进行加权求和, 即得最终评价值, 权数为每个主成分的方差贡献率。
2.2 评估指标的构建
本文依据产业安全评价体系的系统性、相关性、可测性和可应用性的特征, 结合装备制造业产业安全的影响因素, 以何维达教授和前人构建产业安全评价指标体系为参考, 构建了一套适合我国装备制造产业安全的评估指标体系, 具体内容如表1所示。
2.3 实证评估
(1) 原始数据的搜集。根据表1所建立的产业安全评估体系, 通过查找文献资料搜集其原始数据, 本文的数据主要来源于中国统计年鉴、中国工业经济统计年鉴和中国科技统计年鉴。
(2) 数据处理与说明。首先对原始数据进行同趋势化、标准化处理, 将标准化数据利用SPSS17.0得出主成分列表和主成分载荷矩阵, 所以提取前4个成分作为主成分。
根据主成分载荷矩阵, 选取因子载荷系数大于85%的指标, 对各主成分的构成因子分别进行分析。
第一主成分在生产要素状况 (PROFACTOR) 、产业国际竞争力 (ICOMPET) 、资本利润率 (CPRO) 、产业外资依存度 (FCDEPEN) 等指标有较大的主成分载荷系数, 这些指标反应了装备制造业产业安全对能源、劳动力、外资、进口以及技术的依赖程度以及产业竞争力, 是评价我国装备制造业产业安全的综合指标, 主要反映生产要素、产业依存度和产业竞争力对装备制造业产业安全的影响。在第一主成分中, 生产要素状况、资本利润率、外资依存度、技术依存度等指标的载荷系数都很大, 达到95%以上, 说明第一主成分能很好地解释这些变量, 是影响产业安全的主要指标。其中资本利润率和外资依存度所占比重尤其高, 这很好地说明了装备制造业资本密集的特点。而生产要素状况包括产业单位能耗产值和劳动力素质, 装备制造业对钢材、石油类基础资源消耗量很大, 产业单位能耗产值是影响装备制造业产业安全的一个重要因素。产业国际竞争力指标的因子载荷系数很大, 产业国际竞争力指标值越大, 说明该产业的国际竞争力越强, 在国际市场的份额及品牌拥有率越好, 即越高的产业国际竞争力指数值会使产业越安全。另外, 进口依存度和技术对外依存度的载荷系数也很高, 因为国外商品进口、技术引进的增加会加大本产业对国外的依赖, 威胁到产业安全。
第二主成分在产业集中度 (ICONCEN) 、国内市场需求 (DDEMAND) 、外资市场占有率 (FCCONTR) 、出口依存度 (EXDEPEN) 等指标有较大的因子载荷系数, 主要反映市场构成和产业出口状况对产业安全的影响。产业集中度的因子载荷系数达到89.4%, 体现了产业结构对装备制造业产业安全的影响, 产业集中度越高, 对抗国际竞争对手能力越强, 且加快技术创新能力越高, 对产业安全越有利。近年来外资对装备制造业的并购浪潮对装备制造业的产业安全产生了很大的影响, 若本产业内大企业力量雄厚, 产业集中度高, 就可以很好地抵御外资对国内企业的恶意并购, 维护我国装备制造业的自主独立。外资市场占有率指标值越高, 表明装备设备市场外资企业份额越高, 产业安全状况越不理想。
第三主成分中资本成本 (CCOST) 的因子载荷系数最高, 达到88.6%, 装备制造业属于资本密集型产业, 资本成本对产业安全发展有着重要的影响。资本成本主要指企业获得资金所付出的费用, 资本成本越高, 对产业安全状态越不利。
第四主成分中产业利润增长率 (IPRO) 为表现显著的因子, 其因子载荷系数达到94%, 主要反映装备制造业产业的财务状况。与产业国际竞争力一样, 利润增长率是直接反应产业安全状况的一个指标, 是我国装备制造业产业安全与否的直接反应。
然后综合各主成分构造综合评价模型, 选择4个主成分以其方差贡献率为权数构造如下综合评价函数:Z=0.434 5×Y1+0.311 6×Y2+0.111 7×Y3+0.084 7×Y4。其中各年的主成分得分由SPSS 17.0计算得出, 进而得到各年综合得分, 如表5。
2.4 评价结果分析
从图1可以看出我国装备制造业产业安全状况大体可分为3个阶段:第一阶段:2000-2002年, 这一阶段产业安全综合得分值低于0, 说明我国装备制造业发展比较落后, 装备制造业产业安全状态较差。但产业安全综合得分快速稳定上升, 说明在这一阶段产业安全逐年改善。第二阶段:2003-2008年, 这几年我国装备制造业产业安全经历了一个波动的过程, 但产业安全指数维持在0以上, 相对较为安全。第三阶段:2009-2010年, 这是装备制造业产业安全状况的第三阶段, 产业安全迅速、平稳地上升。受经济危机影响, 2009年产业安全得分有所下降, 但在2010年得到极大改善, 说明国务院颁布的装备制造业调整和振兴规划对装备制造业的发展起到了很大的促进作用。
出现以上趋势, 本文认为原因如下: (1) 进入21世纪以来, 我国装备制造业开始迅速发展, 主要特点就是引进外资、以市场换技术及粗放式的工业增长模式, 当时我国装备制造业技术水平较低, 对外依赖程度较高。而且国内装备设备出口量较低, 大部分大型设备还要依靠进口, 因此产业整体安全度较低。 (2) 2003年之后中国经济迅猛发展, 经济增速保持在10%以上。受快速发展的宏观经济推动, 装备制造业整个产业规模大幅提升, 出口迅速增加, 中国一跃成为世界制造业大国。但是装备制造业仍存在很多问题, 主要表现为产业对原材料的进口依存度较高、产业能源消耗高、产品技术含量低等。虽然出口量日益增加, 但中国出口的装备制品多处于产业链低端, 技术含量较低。这对装备制造业产业安全产生了很大的影响, 安全得分出现反复现象。 (3) 受国际金融危机影响, 2008年下半年以来, 国内外市场对装备设备需求急剧萎缩, 装备制品出口大幅缩减, 产业可持续发展面临挑战。另外, 发展过程中积累的一些深层次矛盾也暴露出来, 如产品结构不合理、自主创新能力薄弱等。目前我国装备制品大多是劳动成本优势明显、资源密集型的低附加值粗加工型产品, 国内市场无力消化, 而对国内市场急需的高新技术、大型设备产业生产能力不足, 导致必须从国外进口。产品结构的不合理造成了产业对外进出口依存度过高的不良局面。为此, 2009年5月国务院颁布装备制造业调整和振兴规划, 提出10项政策措施鼓励装备制造业发展, 这些措施有效地促进了我国装备制造业的发展, 加上国内扩大内需、加快基础设施建设的宏观经济背景, 2010年装备制造业迅速发展, 产业安全度得到大幅提升。
3 结论
本文主要针对我国装备制造业产业安全状态进行研究。首先对我国装备制造业的发展现状进行分析;其次根据产业发展的现状及特点, 结合相关影响因素并参考何维达教授提出的产业安全评价模型, 构建了我国装备制造业产业安全评估体系;再次, 根据构建的产业安全评估体系, 采用主成分分析方法对我国装备制造业产业安全进行了分析评估, 经过实证分析得出结论:中国装备制造业产业安全从2000年开始逐步改善, 经历了一个波动的过程, 但整体维持在比较安全的状态。
参考文献
[1]段婕, 刘勇, 等, 基于DEA改进模型的装备制造业技术创新效率实证研究[J].科技进步与对策, 2012, 29 (6) .
[2]王苏生, 孔昭昆, 等.跨国公司并购对我国装备制造业产业安全影响的研究[J].中国软科学, 2008 (7) .
[3]付保宗.中国装备制造业产业安全形势及对策[J].经济与管理, 2009, 23 (5) .
[4]卜伟, 谢敏华, 等.基于产业控制力分析的我国装备制造业产业安全问题研究[J].中央财经大学学报, 2011 (3) .
主制造商 篇4
全球经济一体化的发展趋势使得企业发展面临的风险愈加复杂。企业由于受到财务危机的影响而无法实现可持续经营的案件屡见不鲜,财务风险管理的重要性愈发显著。财务危机预警作为风险管理的关键环节之一,不仅符合市场竞争机制的动态要求,也是企业在日趋激烈的竞争中维持生存的基本条件。如何做到防患于未然,预测财务风险,当存在财务风险的时候能够及时发现并采取有效措施应对以减少隐患,是上市公司需要考虑的重要问题。
财务危机预警就是利用企业财务信息,选取一些敏感性较高、有针对性的财务指标进行观察,以及时监控和预测可能出现或已经出现的财务危机。鉴于此,本文以制造业上市公司为例,试图通过选取能够全面反映制造业上市公司财务状况和经营状况的偿债能力、营运能力、盈利能力、发展能力和获取现金能力的指标构建其财务危机预警指标体系,针对制造业上市公司被实施ST前3年的财务数据,分别采用主成分分析和Logistic回归分析方法建立财务危机预警模型,并对两种方法的判别效果进行比较分析,以期为上市公司的财务危机预警提供参考。
二、文献综述
(一)国外财务危机预警研究
财务危机预警研究源于20 世纪30 年代,Fitzpatrick(1932)首次采用财务比率作为预测财务危机的单变量分析方法;20世纪60年代,学者Beaver et al.(1968)采用统计方法首次建立了单变量财务危机预警模型。
后期国外学者对上市公司财务危机预警进行了大量研究,大致上可以分为单变量预警研究和多变量预警研究。Se⁃vim et al.(2014)重点对比分析了一元判断分析模型、多元判断分析模型及Logistic模型的优缺点,并选取Logistic模型对土耳其境内制造业上市公司的经济状况进行了动态预测;Tennant(2011)对牙买加上市公司的发展现状及出现财务危机的成因进行了归纳,选用资产负债分解模型进行分析,结果表明,上市公司受到国家宏观政策影响较大。但单变量评价模型在反映企业财务特征的全面性上还存在一定缺陷。
Koyuncugil et al.(2012)随机选取了33 家土耳其中小型制造业公司,利用多元线性判别模型,依据误判率最小原则,成功地提取了“息税前利润/总资产”、“销售/总资产”和“股权市场价值/债务的账面价值”3项对财务危机预测能力较强的指标。
(二)国内财务危机预警研究
国内研究相对起步较晚。学者于文华等(2011)收集了ST、非ST两类制造业上市公司财务数据,通过构建Logistic回归模型处理了29个财务危机预警指标,探析了财务危机爆发前3 ~ 5年的主要影响指标。
何妮(2013)选取非参数检验、显著性检验及因子分析等方法,构建了Logistic回归模型,对比分析了金融危机前后制造企业的财务危机状况,发现基于Logistic回归方法的财务危机预警模型具有可实施性。
刘静(2012)以沪、深两市A股市场24家出现财务危机的制造业公司及34家正常公司为例,利用F分数模型对其中17家公司2008 ~ 2010 年及41 家公司2007 ~ 2009 年财务数据进行了分析,认为F分数模型在制造业上市公司财务危机预判上精度较高。
王世兰(2011)通过对现阶段的财务危机预警模型进行归纳总结,认为目前所应用的制造业上市公司财务危机预警模型可归纳为传统统计方法和人工智能两类,并将人工神经网络作为人工智能算法的代表,对公司财务危机预警进行了实证检验。
张健(2014)基于Logistic回归法建立了EVA财务危机预警模型,对52家上市公司的财务状况进行实证检验,但研究发现该方法只适用于短期预测。
基于上述分析,我们可认为财务危机预警准确度的高低受到对不同模型选择的影响,不同模型适用的财务指标也有所不同;同时,行业类别差异、样本规模和研究区间都会影响财务危机预警的效果。此外,上述国内外研究文献在预警方法与模型方面,多集中于Logistic或因子分析等单一预测模型的构建与使用,而对不同方法间财务危机预警精度差异的研究较少,缺乏针对制造业财务危机预警方法的探讨。
鉴于此,本文以国内制造业上市公司为研究对象,选择全面反映企业财务状况的偿债能力、营运能力、发展能力、盈利能力和获取现金能力5 个方面的22 个财务指标作为财务危机预警指标体系构成要素,分别采用主成分分析和Logistic回归分析方法建立预警模型,并对其判别效果进行分析。
三、研究设计
(一)研究样本选择
本文选取我国2010 ~ 2013年首次被实施ST的57家A股制造业上市公司作为研究样本,并按照1∶1的比例选取同行业、上市时间相同且被实施ST前一年末资产规模相等或者相近(10%之内)的57家非ST公司作为配对样本。
将这114 家公司分为建模组和检验组:选取2010 ~ 2012年被实施ST的44 家制造业上市公司和相对应的44 家非ST公司作为建模组;选取2013年被实施ST的13家制造业上市公司和与之对应的13家非ST公司作为检验组。
对建模组样本前3年的财务数据分别利用主成分分析和Logistic回归分析方法建立财务危机预警模型,然后利用检验组样本验证模型的准确度。样本数据取自wind资讯和国泰安数据库。
(二)财务危机预警指标的选取
样本选取之后,指标的选取成为科学预测的关键。企业在选择财务危机预警指标时,首先,应该考虑企业的实际状况和以前选取财务危机预警指标的经验。其次,选取的指标必须涵盖企业偿债能力、营运能力、盈利能力和发展能力等几个方面。因此,选择的财务指标通常要包含能够全面反映企业财务状况和经营状况的信息,这是财务指标能否准确反映财务危机的基础。
鉴于此,本文选取了包括偿债能力、营运能力、发展能力、盈利能力和获取现金能力5 个方面的22 个财务指标,具体如表1所示。
出现财务危机的公司被实施ST的一般原因是企业前两年连续亏损,由此说明,出现财务危机的公司一般在t-2年已经开始亏损。鉴于此,本文主要针对t-2年的样本数据进行详细的分析验证,然后用同样的方法得到t-1 年和t-3 年的判别结果。
在初始财务指标选取之后,需要对t-2年的22个财务指标分别进行配对样本T检验,找出存在显著性差异的指标;根据配对样本T检验结果(表2)可知,X6、X7、X8、X19、X20、X21、X22不显著,最终得到15个参与模型构建的财务指标。
四、模型的构建和检验
(一)主成分预警模型的构建和检验
为消除不同量纲的影响,我们首先需要对建模组样本的88家上市公司的15个原始指标数据进行标准化处理。然后,需要对处理后的数据进行KMO统计量与Bartlett球形检验,以确定其是否适合进行主成分分析,具体检验结果如表3所示。从表3可以看出:KMO>0.5,Bartlett检验统计量对应的显著性概率小于5%,表明标准化处理后的数据适合做主成分分析。
我们运用SPSS17.0 对选取的2010 ~ 2012 年44 家ST和44家非ST制造业上市公司t-2年数据进行主成分分析,计算各主成分的特征值和贡献率,结果如表4所示。前4个主成分的累计贡献率达到78.704%,能起到很好的解释作用,经过方差最大化得到旋转成分矩阵(详见表5)。
据此可以总结出四个主成分的意义分别是:
F1:营运能力(X10,X11,X12)和盈利能力(X13,X14,X15,X16);
F2:偿债能力(X1,X2,X3);
F3:盈利能力(X17)和发展能力(X18);
F4:偿债能力(X4,X5)。
根据下页表6 的因子得分矩阵可得到4 个主成分表达式,如下:
根据各主成分贡献率(表4),可以得到制造业上市公司财务危机主成分预警模型:
根据财务危机预警模型和主成分表达式,我们就可以把进行标准化处理后的建模组和检验组的指标值代入公式(5),计算得到Z值。在保证判别分类错误最小的前提下,我们将0.013566 和0.023654 的平均值0.01861 作为ST和非ST之间的判别分割点,即:Z>0.01861 为非ST公司,Z<0.01861为ST公司。
导致判别结果发生错误的原因有两个:一类错误是误拒错误,即把ST公司看成非ST公司;一类错误是误受错误,即把非ST公司看成ST公司。根据这两类错误得到的判别结果如表7所示。
从表7可以看出,主成分预警模型的准确率不高,误拒和误受错误率都接近50%,不能准确预测企业财务危机。
(二)Logistic回归法预警模型的构建和检验
运用SPSS17.0 对估计样本t-2 年原始数据进行Logistic二元回归分析,选取所有变量进入回归方程,在分析时,我们赋予ST公司的值为1,非ST公司的值为0。得到的分析结果如表8和表9所示。通过Hosmer和Lemeshow检验得到Sig.为0.689,大于0.05,表明Logistic预警模型拟合优度较好。
根据Logistic回归分析结果得到Logistic回归分析财务危机预警模型:
将建模组和检验组的原始指标数据代入模型得到P值,因为ST与非ST的选取是按照1∶1 的比例,所以这里我们选取0.5作为判别分割点,即:P>0.5代表ST公司,P<0.5代表非ST公司。判别结果如表10所示。
比较表7 和表10 可以看出:针对114 家制造业上市公司t-2年数据分别进行主成分分析和Logistic回归分析,就财务危机判断的准确率而言,Logistic回归分析的准确率很高,而且明显高于主成分分析的准确率,说明构建的Logistic回归分析预警模型预测效果比较理想。
鉴于ST公司一般是由于前2年连续亏损,第3年被实施ST予以警示,前文只针对t-2 年数据进行分析验证。为了进一步验证模型预测的效果,我们对t-1 年和t-3 年财务数据也分别采用主成分分析和Logistic回归分析建立模型并验证,具体做法和t-2年相同,分析验证结果如表11。
根据表11的结果可知,在主成分分析预警模型和Logis⁃tic回归分析预警模型对财务危机判断基本正确的前提下,虽然在t-3 年Logistic回归分析预警模型的判别准确率低于主成分分析模型,但在t-1 年、t-2 年内,Logistic回归分析预警模型的预警精度都可保持在85%以上,且最高精度能够达到92.11%,而主成分分析模型的准确度都在82%以下。因此,总体而言,Logistic回归分析预警模型的预警准确率高于主成分分析模型。
此外,在研究样本范畴内,t-1年和t-2年判别准确度明显高于t-3年,这说明本文所构建的制造业上市公司财务危机预警模型及预警指标体系具有时效性,即越接近财务危机时期的t-1年和t-2年的财务指标数据越能反映上市公司自身财务状况的恶化程度,但是也要重视对t-3年或以前年度模型正确率的验证。
五、结论和局限性分析
(一)研究结论
本文利用Logistic回归对制造业上市公司财务危机建立预警模型,针对企业出现财务危机前3年的财务数据进行分析,并与利用主成分建立的财务危机预警模型分析结果进行分析比较,发现Logistic回归分析法更加适用于制造业上市公司的财务危机预警,其准确率远高于主成分分析法。
企业可以利用此模型作为预防财务危机的一种方式,适时观察、预测可能发生的财务危机,并及时调整财务战略和经营战略,做到防患于未然;投资者可以利用此模型预测企业未来财务状况趋势,为防范投资风险提供有益的参考;债权人则可以运用此模型判断借款和债权投资的安全性,决定是否为上市公司提供融资。
(二)研究的局限性
在样本选择上,本文局限于制造业上市企业,模型的实际应用范围还未能拓展到其他行业和未上市企业;在指标选取上,本文只选择了财务指标,未将非财务指标纳入财务危机预警模型之中,不能反映非财务指标对财务危机预警的影响;在选择主成分预警模型的判别分割点时,本文选择的是使判别错误最小化的值,没有详细分析并找到最优判别分割点,在一定程度上也会影响判断结果。这些局限在以后的研究之中会进一步改善。
参考文献
Fitzpatrick P.J..A comparison of ratios of successful industrial enterprise with those of failed firms[J].Certified Public Accountant,1932(10).
Beaver W.H..Market price,financial ratios and the prediction of failure[J].Journal of Accounting Research,1968(2).
Sevim C.,Oztekin A.,Bali O.et al..Developing an early warning system to predict currency crises[J].European Journal of Operational Research,2014(3).
Tennant D..Factors impacting on whether and how businesses respond to early warning signs of financial and economic turmoil:Jamaican firms in the global crisis[J].Journal of Economics and Business,2011(5).
Koyuncugil S.,Ozgulbas N..Financial early warning system model and data mining application for risk detection[J].Expert Systems with Applications,2012(6).
于文华,岳焱.制造业上市公司财务危机预警指标预处理研究[J].浙江金融,2011(4).
何妮.制造业上市公司财务危机预警比较与分析——基于金融危机前后的数据[D].成都:西南财经大学,2013.
刘静.我国制造业企业财务危机预警相关问题研究[D].太原:山西财经大学,2012.
王世兰.基于神经网络的中国上市公司财务危机预警研究[D].成都:西南财经大学,2011.
张健.基于EVA的农业上市公司财务危机预警实证研究[D].呼和浩特:内蒙古农业大学,2014.
【主制造商】推荐阅读：
主制造商-供应商05-30
制造商策略08-24
制造商动态09-13
制造商资格证明08-17
低碳制造与机械制造08-05
通信设备制造商09-13
制造商企业类型声明函07-04
制造商售后服务承诺书07-31
规范制造05-17