信息化对工艺创新影响的评价

时丹丹

（哈尔滨商业大学，哈尔滨 150001）

0 引言

信息化充分利用信息技术，开发利用信息资源，可以促进信息交流和知识共享，提高经济增长质量，推动经济社会发展转型的历史进程。因此，无论对一个国家还是一个企业来说，掌握多一点的信息资源并充分利用已有的信息资源已经成为人们占据竞争优势的重要途径。工艺创新作为企业在产品生产中引起新的或有重大改进的工艺设计和管理方法，在进行创新的过程中会在方方面面受到信息化的影响。经过研究，对信息化与工艺创新影响的理论成果较少，且多集中于对其关系的定性描述上，如Frishammar J.,Cohen W.M.强调信息与工艺创新绩效有明显的正向关系，Song M.等学者强调信息共享对新技术应用的后重要作用，毕克新等认为工艺创新活动依赖从企业外部和内部获取信息和加工信息的能力等。而对于信息化对工艺创新影响的实证研究却鲜少见到。为此，通过制定能够描述信息化对工艺创新影响的评价指标体系及评价模型，客观地评价信息化对工艺创新的影响范围。不仅是企业发展的要求，也是建设国家信息化和企业信息化的需要。

1 评价指标体系的构建

1.1 信息化环境指标

根据2001年7月29日国家信息化指标工作会议发布的“国家信息化指标”，以及国家统计局国际统计信息中心课题的研究成果，结合专家学者的观点，本文将信息化环境分为硬信息化环境和软信息化环境两个方面。硬信息化环境是指信息化外在的、直接的和形式上的表征，能用一次量化的方法直接测量的环境要素，对于工艺创新的信息环境来说，硬信息化环境是初级形态，是工艺创新的物质基础。它包括信息化发展环境、信息化人力资源环境、信息化基础设施建设环境3个方面。软信息化环境是与硬信息化环境相对应的，它是指信息化环境中内在的、间接的、潜在和无形的表征，不能用一次量化直接测量的环境因素，对于工艺创新的信息环境来说，软信息化环境是高级形态，是对工艺创新硬信息化环境的内化和升华。它包括信息资源环境、信息消费环境以及信息技术的普及与应用环境3个方面。综合上述分析，信息化环境可以通过“软硬兼施”的作用，实现提高工艺创新能力的效果。

1.2 工艺创新指标

根据工艺创新的定义并结合相关研究，对工艺创新的内容分为工艺设计创新和工艺管理创新。工艺设计创新是企业加工生产的重要组成部分，在信息化条件下，工艺设计创新以计算机辅助为设计核心，形成了工艺技术与工艺设备相互融合的生产信息平台，通过此平台，一是可以使工艺设计更加符合国际标准；二是在生产过程中解放人力、提高效率；三是提高工艺设计的水平和质量。工艺管理创新包括工艺流程创新和工艺组织创新，二者互为工艺管理创新的条件和结果，即工艺流程创新能够促进工艺组织的改变，工艺组织的创新能够优化工艺流程。依赖于信息化技术，合理的工艺管理能够形成创新资源共享、优势互补，超越传统组织边界和空间障碍的功能群体，能够实现动态管理和高效管理，降低企业的管理成本。

1.3 指标体系的构建

为了科学、客观、全面地评价信息化对工艺创新的影响，综合以上对信息化和工艺创新的分析，并基于提高企业工艺创新能力、增加企业经济效益和社会效益为目标，构建信息化对工艺创新影响的指标体系（2个变量，4个二级指标，10个三级指标），如表1。

表1 信息化对工艺创新影响的指标体系

2 模型与方法

2.1 模型的选择

本文选用DEA方法用来分析信息化对工艺创新的影响。之所以选用这种方法，因为其具有以下优势：

（1）DEA方法适用于评价多投入、多产出的决策单位之绩效，而且无需指定投入产出的生产函数形态，所以可以评价具有较复杂生产关系的决策单位的效率。信息化环境既包括硬信息化环境，又包括软信息化环境，而工艺创新也包括工艺设计创新和工艺管理创新两大方面的内容。所以，信息化对于工艺创新的影响属于多投入、多产出的决策问题，并且是属于尚未确定投入产出生产函数的复杂生产关系问题，比较符合DEA方法的特点。

（2）DEA方法不受量纲的影响。在建立模型时，相关指标可以是多种多样的，不必统一量纲。信息化的指标的计量可能是比例、人数、金额等，数量的计量单位不统一，一般来说，大部分的评价方法往往需要对这些量纲进行归一化处理，而DEA方法则不受量纲的影响，不必进行归一化处理，从而简化了模型的计算工作。

（3）评价结果比较客观。DEA模型中的权重由数学规划根据数据产生，不需要事前设定投入与产出的权重，因此不受人为主观因素的影响。与层次分析法、模糊分析法等方法相比，评价的结果更加客观。

2.2 数据包络分析（DEA）

近些年，数据包络分析DEA是一种在管理评价中应用较多的方法，本文主要研究信息化对于企业工艺创新的影响，首先选取若干信息化与工艺创新的相关指标运用DEA方法，被解释变量就是DEA计算出的效率值，解释变量是信息化和工艺创新的全部指标，用多元回归进行计算，用统计检验分析选出相关指标，剔除不合理的变量，进而用效率分析与多元线性回归的方法进行计算，直至整个系统达到相对稳定即可。

2.3 效率回归模型

所谓回归分析一般是指一个变量相对于另一些变量的相关关系的计算方法、理论。它能够根据解释变量的已知或给定的值，计算出被解释变量的总体均值，即当解释变量为某确定的值时，与其统计有关的被解释变量可能出现的其对应值之平均值。

传统的多元回归模型为：

其中，a为常数项，y为被解释变量，x1、x2、…、xn为解释变量，c1，c2，…，cn为系数。

优化DEA的变量，将DEA效率值当作被解释变量，将信息化和工艺创新变量作为解释变量，构建的模型如式（2）所示：

上式中，E为DEA的效率值，x1、x2、…、xn为信息化变量，y1、y2、…、yn为工艺创新变量，c1，c2，…，cn与d1，d2，…，dn为系数，a为常数。因为函数取了对数，所以，系数表示某变量每增加1%所引起的效率变化的百分比。

因为效率是由投入与产出变量一起决定，所以，通常来说，投入变量的系数值是负值，而产出变量的系数值是正值，在某一科技系统里，当其他变量不变时，当投入越小时，效率就越高，产出就越大。然而有进会因为变量之间存在着多重共线性，所以符号也不一定准确。

本文应用模型进行计算的思路是：先计算效率，然后进行回归分析，所以可以将这种方法称为效率回归调整模型。

3 数据的选取与模型的计算

由于信息化建设对技术创新产出起作用有一定的时滞性，所以在时间序列中，变量一般选择滞后1～3期的较多。本文根据经验估计选择滞后期为3年。数据采用2004年～2009年《中国统计年鉴》、《中国信息年鉴》、《中国科技年鉴》以及CNNIC报告等的相关数据。这些数据的描述性统计结果如表2所示。

将各指标的数据输入DEA模型进行计算，进行效率分析，接着用得出的效率值作为被解释变量，进行多元回归计算，计算结果如表3所示。从中可以看出，R2为0.7920，属于较高的范围，所以信息化对于工艺创新效果的影响还是较为显著的。在信息化变量中，信息化经费投入比重、信息化人力资源状况、信息化基础设施建设状况、信息资源状况、信息消费状况这5个变量在10%的概率下通过了t值计检验，而没有通过t检验的指标有信息技术普及与应用状况指标。所以，我们对这些指标实施进一步的调整。

表2 描述性统计结果

表3 计算结果

由于信息技术普及与应用状况没有通过t检验，所以剔除信息技术普及与应用状况变量，选取x1-x5作为信息化变量，y1-y4作为工艺创新结果的变量，把相关数据输入模型进行效率分析。然后，把得出的效率值作为被解释变量，用剩下的九个变量解释变量代入模型2，进行多元回归分析，计算结果如表3所示。从表3效率2列数据中可以看出，本次计算的R2值为0.8250，模型的计算结果还是相对稳定的。信息化经费投入比重、信息化人力资源状况、信息化基础设施建设状况、信息资源状况在10%的概率下通过了t检验，而信息消费状况指标在这次模型分析中并没有通过t检验。因而，需要对模型做进一步的调整，重新进行计算。

由于信息消费状况没有通过t检验，所以剔除信息消费状况变量，选取x1～x4作为信息化变量，y1～y4作为工艺创新结果的变量，把相关数据输入模型进行效率分析，计算结果如表3所示。然后，把得出的效率值作为被解释变量，将剩下的八个解释变量输入模型2，对其进行多元回归分析。从表3效率3列数据中可以看出，本次计算的R2值为0.8733，其值和前两次计算结果相比有所提高，模型的计算结果还是相对稳定的。信息化经费投入比重、信息化人力资源状况、信息化基础设施建设状况、信息资源状况在10%的概率下通过了统计检验。而工艺组织创新指标在这次模型分析中并没有通过t检验。因而，需要对模型做进一步的调整，重新进行计算。

由于工艺组织创新没有通过t检验，所以剔除工艺组织创新变量，选取 x1～x4作为信息化变量，y1、y2、y4作为工艺创新结果的变量，把相关数据输入模型进行效率分析，计算结果如表3所示。然后，把得出的效率值作为被解释变量，用剩下的七个解释变量输入模型2，对其进行多元回归分析，计算结果如表3所示。从表3效率4列数据中可以看出，本次计算的R2值为0.8480，其值与上次的计算结果相比略有下降，模型的计算结果还是相对稳定的。信息化经费投入比重、信息化人力资源状况、信息化基础设施建设状况、信息资源状况、工艺设备创新、工艺技术创新、工艺流程创新在10%的概率下通过了统计检验，模型的调整到此结束。

DEA效率分析实际上是一种相对分析，可以实现在多种较差的变量中选择相对较好的，或是“优中选优”。本文通过DEA模型分析信息化对工艺创新的影响，并没有出现R2过小或效率过低的情况，说明信息化对工艺创新的影响DEA模型没有出现结构性错误，模型本身还是相对稳定的。

4 结论

根据DEA模型的计算，在本文定义的信息化的6个方面中，信息化发展状况、信息化人力资源状况、信息化基础设施建设状况、信息资源状况4个指标对于工艺创新中的工艺设备创新、工艺技术创新、工艺流程创新3个指标的影响是显著的。根据DEA模型的计算结果，信息化的信息消费状况以及信息技术的普及与应用状况2个指标对于工艺创新成果没有显著的影响。原因可能是这2方面指标的滞后期可能相对较长，本文模型中涉及到的滞后期较短，体现不出其对工艺创新成果的影响。也可能是因为信息消费和信息技术的普及只是对生活领域影响较大，而没有在工业领域广泛产生影响。工艺创新成果中的工艺组织创新也不显著。

根据上述分析，得出信息化6个方面对工艺创新影响程度的分析结果，得出哪些是有影响的，哪些是影响不显著的，从而可以有针对性地加强促进工艺创新能力提高的信息化内容，从信息化更具体的层面找到对促进工艺创新影响的关键指标，争取做到有的放矢，完善企业信息化的建设，促进工艺创新的不断发展。

[1] Frishammar J,HÖrte S Ä.Managing External Information in Manufacturing Firms:the Impact on Innovation Performance[J].Journal of Product Innovation Management,2005,(22).

[2] Song,Michael,Hans Berends,Hans van der Bij,Mathieu Weggeman.The Effect of IT and Co-location on Knowledge Dissemination[J].Journal of Product Innovation Management,2007,(24).

[3] 付睿臣,毕克新.企业信息能力到技术创新能力的传导机制研究[J].科学学研究,2009,10(27).

[4] 杜栋,庞庆华,吴炎.现代综合评价方法与案例精选[M].北京：清华大学出版社,2008.

[5] 俞立平,郑彦宁,潘云涛,武夷山.数据包络分析在科技评价中的指标优化研究[J].中国科技论坛,2008,(4).