中小制造企业智能化转型的影响因素研究

肖吉军（教授），谢闻霖，王通达，张晓斌

一、前言

近年来，纳米制造、增材制造、工业机器人等先进制造技术为传统制造业增添活力，大数据、云计算、人工智能等新一代信息技术与制造业的深度融合，推动了制造业发生新的变革。世界各国都积极投身于新工业革命，以求在全球制造业格局调整中占据优势地位。美国启动“先进制造业伙伴计划”，韩国实施“制造业创新3.0计划”，日本提出“超智能社会5.0战略”，这些战略计划都以大数据、云计算、CPS、增材制造、人工智能等技术为驱动力，旨在通过技术驱动制造业提高生产效率、节约成本、减少浪费，实现可持续性发展并保持制造业竞争优势（王柏村等，2021）。

制造业作为我国经济的支柱性产业，在实行改革开放的短短四十年间，实现了“从无到有”“从少到多”的转变。2021年联合国工业发展组织公布的2020年版“全球制造业竞争力指数（以2018年指标为基础计算）”显示，我国制造业竞争力仅次于德国而位列第二，整体发展向好，竞争优势明显。但我国制造业在数字化水平、核心技术研发能力等方面与发达国家存在明显差距。在新一轮科技革命和产业变革的浪潮下，我国制造业应把握机遇，促进产业结构的顺利升级，持续巩固和增强制造业竞争优势。2021年“十四五”规划中也明确指出，要调动社会各个方面的创新资源，共同破解技术创新与管理难题，推动智能制造快速发展。智能制造已然成为我国制造业转型的战略选择。中小制造企业作为制造业的构成主体，其发展问题得到中央的高度重视。2021 年，工业和信息化部同国家发展改革委等19 部门联合发布《“十四五”促进中小企业发展规划》，指出我国中小企业在新形势下要承担重要的使命，抓住机会，加快智能化转型步伐。

然而中小企业的转型升级面临诸多困难，如资金压力、人才缺乏、数字技术利用率低、自主创新能力不足、系统管理难等（杨志波和杨兰桥，2020；钟志华等，2020），与大企业相比，中小制造企业的智能化转型具有更高的风险与试错成本，需要综合考虑多方面因素。鉴于此，本文基于TOE理论框架，从技术、组织和环境三个层面分析影响中小制造企业智能化转型的因素。在此基础上，考虑中小制造企业智能化转型的系统性、动态性等特征，利用系统动力学建立中小制造企业智能化转型的动态模型，对中小制造企业智能化驱动路径进行模拟仿真研究，深入剖析影响中小制造企业智能化转型的关键因素，以此为中小制造企业智能化转型制定明确、具有针对性的对策建议，有利于为中小制造企业智能化转型明确方向，缩短智能化转型的时间，从而尽快提升中小制造企业整体的核心竞争力，实现智能制造的蓬勃发展。

二、文献综述

2013 年德国汉诺威工业博览会中正式提出“智能化”一词，至今学术界对“智能化转型”尚未形成统一的定义。刘军等（2021）指出，制造业智能化本质上是技术创新和变革的一种形式。李廉水等（2019）认为，智能制造是制造业成熟化的标志，是制造业智能化的具体表现。Zhou等（2022）也指出，制造企业智能化转型成功的关键在于是否实现智能制造，或实现智能制造带来的其他效益。

关于智能制造（intelligent manufacturing）的定义与内涵，许多学者从技术、发展范式及实现价值的角度给出了解释。技术方面，周源等（2019）指出，智能制造主要包括数字技术、网络技术、智能技术三大核心技术。其中，数字技术通过对制造生产中的各类信息进行数字化描述、分析、决策和控制，实现缩短生产时间、降低制造成本、提高产品质量、提高制造生产效率的目标（Chryssolouris 等，2009），包 括 计 算 机 辅 助 制 造（CAD）、企业资源计划（ERP）、制造执行系统（MES）等。网络技术通过集成设备之间、企业之间甚至产业之间的数据信息，打通制造生产中各层级的数据流与信息流，实现低成本、广泛的连接（李伯虎等，2010），包括互联网、物联网、工业互联网等。以人工智能、大数据为核心的智能技术，在数字技术及信息技术的基础上提高自主认知学习能力，实现制造过程的战略突破（Li等，2017）。发展范式方面，根据全球信息化的不同发展阶段以及上述三种核心技术特征，臧冀原等（2018）将智能制造归纳为三种基本范式：数字化制造（第一代智能制造）、数字化网络化制造（“互联网+”制造或第二代智能制造）、数字化网络化智能化制造（新一代智能制造）。周源等（2019）从中国制造业的现实出发，提出了线性串联、非线性及集成商推动的三种范式跨越策略。实现价值方面，钟润阳等（2017）认为，智能制造将实现产品的设计、生产、管理、服务等全生命周期的智能化。在此基础上，周济等（2019）认为，智能制造除了实现企业内部制造流程的纵向集成，也将实现企业间的横向集成，推动制造业与上下游产业的深度融合。

围绕智能化转型，许多学者对制造企业智能化转型升级的影响因素进行了探索。从中观层面看，技术研发、协同合作、国家政策、市场环境等因素对制造业智能化转型具有显著作用（李健旋，2020；王层层，2020）。微观层面的研究多数以大企业为研究对象，进行案例分析。孙新波等（2021）基于扎根理论，对利亚德集团、东软医疗和韩都衣舍进行案例分析，发现人才建设、企业内部数字化转型等内在因素以及信息技术、国家政策等外部因素均能促进制造企业智能化发展。孟凡生等（2022）以金凤科技公司为例，研究发现数据整合能力、智能生产能力、智能管理能力是影响新能源装备制造企业智能化升级的主要因素。随着研究的不断深入，有学者意识到如果不考虑中小企业的智能化，则中小企业的落后可能影响经济的整体增长和价值链的创造。围绕中小企业智能化转型的研究逐步展开。Wang 等（2019）以江苏省173 家中小企业为研究对象，研究发现智能转型意愿、人力资本、企业盈利能力及行业智能水平等因素显著影响中小制造企业的智能化转型。Ghobakhloo 和Ching（2019）通过对马来西亚和伊朗的中小企业的研究发现，制造业数字化的战略路线图是中小企业采用智能制造相关信息和数字技术的决定因素，信息处理需求、环境压力、感知成本等是重要影响因素。Zhou等（2022）以团队认知为研究视角，探索了中小制造企业智能化转型的驱动机制。Shukla 和Shankar（2022）通过文献研究、案例研究及专家访谈等方法，确定了政府支持和法规、技术支持基础设施、持续的高层承诺等31个影响中小制造企业智能制造系统实施的因素，并调查了印度的6个案例，依据专家意见将31 个影响因素依据TOE 理论进行分类，最后采用DEMATEL-ISM-MICMAC法分析了影响因素之间的关系。

制造业智能化是一个复杂的、系统的转型过程，受到多重因素的综合影响。现有研究对制造智能化转型影响因素的探索呈现碎片化，忽视了各个影响因素之间的相互关系和联动效应，缺乏系统性、全面性的考虑。同时，大多研究采用扎根理论或计量经济学模型，难以捕捉智能化这一过程中的动态信息，也不能清晰地阐述智能化系统内部各因素之间的因果关系。并且，多数研究以大企业或跨国公司为研究对象，聚焦于中小制造企业的研究寥寥可数。基于此，本文基于TOE 理论框架，构建系统动力学模型，并进行仿真和灵敏度分析，剖析中小制造企业智能化转型多重因素的影响机制。

三、系统动力学模型的构建

1.TOE 理论框架及系统边界的确定。TOE 理论框架把影响一个企业或组织对技术创新实施的因素归纳为技术、组织和环境三个层面，其作为一种“通用”理论，可以根据研究问题和背景自由改变因素变量，具有广泛的适用性，已被用于中小企业智能技术应用、中小企业转型、创新绩效等方面的研究。本文基于TOE理论框架，建立由技术子系统、组织子系统、环境子系统三个部分所组成的系统动力学模型，三个子系统之间存在内在的逻辑关系。技术子系统是中小制造企业智能化转型升级的内在驱动力，描述了企业在实现智能化转型过程中实现技术进步的路径，包括智能化投入、技术进步、应用能力三方面；组织子系统重点描述了组织内部的智能化转型意愿及企业的组织管理能力，是中小制造企业智能化转型升级的重要抓手，包括智能化转型意愿、人力资源管理、生产过程管理三方面；环境子系统主要描述了中小企业智能化转型过程中所处的外部环境，是中小制造企业智能化转型的前提及基本保障，包括市场竞争、政府政策、环境压力、基础设施四个方面。见图1。

图1 中小制造企业智能化转型影响因素系统边界

2.各影响系统的因果回路。根据上述TOE 理论框架，建立技术、组织、环境三个子系统的因果回路图，具体分析如下：

（1）技术子系统。如图2所示，在智能化转型的过程中，企业加大对智能设备的投入力度及软件、技术的引进程度，能够提升企业的软件、技术研发能力和应用能力，进而促使企业研发智能产品、提高制造过程的生产效率、优化人力资源管理。最终，促进企业智能化效益增加，进而使企业有丰厚的资金基础支持企业进行研发，进一步加大对智能设备的投入力度及软件、技术的引进程度。这是一个不断促进智能化转型的正反馈回路。

图2 中小制造企业智能化转型中技术子系统因果回路

（2）组织子系统。如图3所示，企业的智能化转型意愿越强烈，企业越会倾向于加大智能化转型过程中所需的管理、财务和技术等基础要素的投入。基础要素投入是制造业智能化的基础，其中人力资源投入是最重要的投入（李廉水等，2019）。企业智能化转型意愿越强烈，企业越会加大人才培养力度。员工通过培训与学习，能够提升自身的综合能力，使得企业内部的管理体系更加完善，为企业带来智能化管理效益。随着企业智能化效益的提高，企业智能化转型的意愿会不断增强。这是一个不断促进智能化转型的正反馈回路。

图3 中小制造企业智能化转型中组织子系统因果回路

（3）环境子系统。如图4所示，参考陆秋琴等（2021）的研究，政府的财政收入与城市化水平反映了一个城市的发展程度，城市发展程度越高，则政府财政收入就越高，随之而来的是更完善的网络基础设施以及更大力度的财政补贴。其中：网络基础设施的不断完善有利于企业内外部信息交流活动，提高企业的技术水平并优化企业的人力资源管理；政府的财政补贴能够减轻企业的经济压力，加大企业智能化转型过程中的研发投入力度，为企业带来更高的智能化效益，进而进一步提高城市化水平。这是一个不断促进智能化转型的正反馈回路。

图4 中小企业智能化转型中技术子系统因果回路

参考Ghobakhloo 和Ching（2019）的研究，本文认为中小制造企业在智能化转型过程中容易受到贸易伙伴、客户及社会施加的压力，并将它们统称为环境压力。环境压力能够促使甚至迫使中小制造企业采取智能化转型战略。同时，激烈的市场竞争使得企业面临更大的生存压力，迫使企业主动学习先进的技术以保持自身的竞争力。中小企业对生存的渴望越强烈，智能化转型的意愿就会越强烈。参考组织系统因果回路，这是一条正反馈回路。

根据上述三个子系统绘制中小制造企业智能化转型中各因素的因果回路图，如图5所示。

图5 中小制造企业智能化转型中环境子系统因果回路

3.系统动力学流图。

（1）模型基本情况和基本假设。在上述因果关系图的基础上构建系统动力学流图（见图6）。中小企业智能化转型是一个复杂的系统问题，所考虑的因素错综复杂，为了保证模型的准确性和科学性，本文主要设定以下假设：①考虑到我国中小制造企业的智能化处于起步阶段，假设智能化相关效益（包括智能化生产、智能化管理、智能化产品的效益）初值为0，其他初值均为10。②企业的智能化转型不是一蹴而就的，其智能化生产、管理及产品的效益是一个连续、渐进的积累过程，本文假定模型仿真时间为60个月。

图6 中小制造企业智能化转型SD流图

（2）模型参数设置。系统动力学模型初始值的设置方法有三种，即历史数据拟合法、平衡态赋值法、特殊增长规律赋值法。通过上述分析可知，中小企业智能化转型的三个子系统具有较高的抽象程度及理论化程度，且研究主体具有明显的多样性和差异性，很难通过访谈和问卷的形式获取相关数据。此外，研究对象为中小制造企业，其相关的专业数据库少之又少，统计数据十分有限，因此系统动力学中的变量初值的设定很难以历史数据为依据。基于此，本文选择平衡态赋值法对模型中的参数进行赋值，虽然不具备历史数据的支撑，但可以用来分析中小制造企业智能化转型的趋势，并通过模拟分析检验模拟趋势的真实性和可靠性，最后对参数前后变化的效果进行对比（原毅军等，

2013）。

本文对于模型中的状态变量初值设定主要考虑中小制造企业所处的现实情况，假定智能化生产效益、智能化管理效益及智能化产品效益的初值为0，其他初值均为10，并假定各因素的效率水平均为0.5。

（3）主要方程设计思路。在这个系统中，主要存在5 个状态变量（L）、5 个速率变量（R）、12 个辅助变量（A）、20个常量（C），共42个变量。主要方程设计思路如下：

L1智能化投入=INTEG（智能化投入变化量，10）

R1智能化投入变化量=变化率×（0.5×政府财政补贴+0.05×智能化效益）

A1变化率=智能化转型意愿×0.8

A2 智能化转型意愿=员工意愿×0.1+高管意愿×0.6+环境压力×0.2+市场竞争×0.1

A3员工意愿=0.00005×员工综合能力

C1高管意愿=C2环境压力=C3市场竞争=0.5

中小制造企业管理模式粗放，高层管理者具有绝对的话语权。故在中小制造企业转型意愿中，高管意愿占60%；智能化转型意愿与智能化投入变化率存在正相关关系，相关度假定为80%；员工的综合能力越强，其对企业的发展趋势及智能化转型的认知越深刻，就越能够明确智能化的意义，故员工意愿与员工综合能力存在一定的正相关关系，经过多次模拟仿真，假定相关度为0.005%；在系统模拟中，初步设定高管意愿、环境压力、市场竞争为0.5。

A4 人力资源投入=智能化投入×人力资源投入占比

A5 员工综合能力=0.7×人力资源投入+员工综合能力初值

C4人力资源投入占比=0.2

企业通过组织培训等方式来促进员工的综合能力，然而这种对人力资本的投入不一定能够完全转化为员工综合能力。故假定人力资源投入转化为员工综合能力的过程中，折扣率为30%；在系统模拟中，初步假定人力资源投入占比为20%。

A6 智能设备投入=智能化投入×智能设备投入占比+智能设备初值

A7软件、技术研发能力=员工综合能力×0.6+智能设备投入×0.2+网络基础设施建设×0.2+自主创新能力初值

C5智能设备投入占比=0.2

企业的研发能力主要受两个因素的影响：一是企业员工的综合能力，它在很大程度上决定了企业的研发水平，是企业开展研发活动的关键，因此假定员工综合能力与软件、技术研发能力的相关度为60%；二是企业就否配有研发活动所需的设备，其中包括企业自有的智能设备和外部的基础设施，这是企业开展研发活动的基本保障，假设两者与软件、技术研发能力的相关度均为20%。在系统模拟中，初步假定智能设备投入占比为20%。

A8软件、技术引进=智能化投入×软件、技术引进投入占比+软件、技术引进初值

A9 软件、技术应用能力=员工综合能力×0.5+软件、技术引进×0.5+软件、技术应用能力初值

C6 软件、技术引进投入占比=0.2

中小制造企业在智能化转型的过程中考虑从外界（其他企业或集成平台）引进先进的软件与技术；员工的综合能力及软件、技术的引进程度都直接影响了软件、技术的应用，假定相关度均为50%。

L2 智能化产品效益=INTEG（智能产品研发，0）

R2 智 能 产 品 研 发=DELAY1（0.8×软件、技术研发能力，6）

企业产品研发是一个长期的过程，为了保证模拟的真实，采用延迟函数进行模拟。企业的研发活动在6个月开始涌现成果，因此假设从仿真时间第6个月开始会涌现研发产品。L3智能化管理效益=INTEG（人力资源管理，0）

R3 人力资源管理=人力资源管理初值+人力资源管理效率×（员工综合能力+软件、技术应用能力+网络基础设施建设）

L4智能化生产效益=INTEG（生产过程管理，0）

R4 生产过程管理=生产过程管理初值+生产效率×（软件、技术应用能力+软件、技术研发能力）

人力资源管理及生产过程管理的方程主要参考陆秋琴（2021）的研究，并考虑软件、技术的应用及基础设施的建设能够优化企业的人力资源管理活动，软件、技术的研发及应用能够促进企业生产过程的管理。

A10智能化效益=智能化产品效益+智能化生产效益+智能化管理效益

L5政府财政收入=INTEG（城市化水平，10）

R5 城市化水平=城市化水平初值+城市化水平效率×智能化效益×0.0001

A11网络基础设施建设=网络基础设施投入程度×政府财政收入+基础设施建设初值

A12政府财政补贴=财政补贴程度×政府财政收入

C7 政府财政补贴程度=C20 网络基础设施投入程度=0.1

政府通过建设基础设施及为中小型制造企业提供一定的资金支持为其智能化转型助力。本文假定网络基础设施投入程度及政府财政补贴程度均为10%。

四、有效性演化和仿真分析

1.有效性分析。系统动力学模型是对现实情况的仿真和模拟，主要考察模型结构是否反映现实情况，模型结构的正确性远比参数的选择更为重要。因此，模型的检验应该以理论检验为主，主要关注模型结构的有效性、一致性。仿真运行结果见图7。

图7 模型结构测试

由图7可以看出，在整个模拟期内，企业的智能化产品效益、智能化管理效益、智能化生产效益、政府财政收入皆呈现上升趋势。具体来说，政府财政收入在企业智能化转型的过程中呈现平稳的增长趋势，增幅相对稳定。企业的智能化相关绩效呈现非线性增长趋势，在初期阶段增长缓慢，后期增速明显加快。这表明各个因素对中小企业智能化转型有促进作用，但各个因素的相互作用、相互影响需要一定的时间。有了前期的积累，后期各个因素的促进效果越来越显著，形成了后期智能化相关效益快速增长的局面。这与企业智能化转型的现实情况吻合，智能化转型就是一项系统性的投资活动，投资金额大，建设周期长，短期投资效益不明显（Aral和Weill，2007）。

2.灵敏性分析。在有效性分析的基础上，本文通过灵敏度分析来寻找模型中较为敏感的参数。通过对系统不断进行调试，技术、软件投入占比，人力资源投入占比，高管转型意愿，环境压力及政府财政补贴程度对系统较为敏感。

（1）技术子系统。软件、技术引进是企业技术进步的主要方式，本文指的是企业直接购入其他企业的相关技术、软件、专利等。在保持其他参数不变的情况下，将软件、技术引进投入占比调整到0.2、0.4、0.6 三种情况。通过vensim仿真得到图8。由图8可知，在其他变量不变的情况下，随着软件、技术引进投入占比的逐步提升，智能化效益也在不断增加，软件、技术引进投入占比与智能化效益表现出很强的正相关关系。同时，智能化效益的斜率逐渐增大，表明智能化效益的上升速度在不断加快。此外，智能化效益在36个月后显现出明显的增长趋势，这可归因于企业需要一段时间对引进的技术进行学习、融合及运用。经济实力落后，研发资源匮乏，以及自主研发的高风险、高投入，软件、技术引进已成为中小制造企业技术进步的最佳选择，为中小制造企业的智能化转型提供技术支持。

图8 软件、技术引进投入占比灵敏度分析

（2）组织子系统。组织子系统中人力资源投入及高管转型意愿对系统较为敏感。本文将人力资源投入分为三种情况，即人力资源投入占比为0.2、0.4及0.6，在保持其他变量不变的情况下，调整人力资源投入占比，对模型进行模拟仿真得到图9。前30个月，人力资源投入对企业智能化效益的作用并不明显，这是因为人力资源投入转化为企业的员工综合能力需要一定的沉淀时间。之后，智能化效益呈现显著的增长趋势。模拟结果表明，人力资源投入占比越高，越利于企业进行智能化转型。

图9 人力资源投入占比灵敏度分析

在保持其他参数不变的情况下，调节高管转型意愿参数。本文将高管转型意愿分为三种情况，即高管转型意愿（0.2）、高管转型意愿（0.5）和高管转型意愿（0.8）。对模型进行仿真模拟得到图10。由图10 可知：高管转型意愿越强烈，越能促进中小企业的智能化转型。这是由于企业高层管理者智能化转型意愿增强，激发出更多的智能化转型动力，同时更倾向于为智能化转型分配所需要的各种资源，并建立适配的企业管理制度，从各方面为企业智能化转型提供保障。

图10 高管转型意愿灵敏度分析

（3）环境子系统。环境系统中环境压力及政府财政补贴程度对系统较为敏感。在保持其他参数不变的情况下，调节环境压力初始值。本文将高管转型意愿分为三种情况，即环境压力（0.2）、环境压力（0.5）和环境压力（0.8）。对模型进行模拟仿真得到图11。由图11 可知：随着外界环境所施加的压力不断增大，企业智能化转型的意愿会更强烈，从而提高企业智能化效益。同样，调整政府财政补贴程度。由图11 不难看出，加大政府的财政补贴程度，能够有效地提高企业的智能化效益，促进企业的智能化转型。一方面，政府的财政补贴能够反映政府对中小制造企业进行智能化转型的支持程度，为中小企业的转型提供外部环境的保障；另一方面，政府的财政补贴能够缓解中小制造企业在转型过程中面临的财务压力，增加企业在智能化转型中的投入，为企业研发创新、人才引进等提供坚实的资金基础。

图11 环境子系统灵敏度分析

五、结论与建议

1.结论。本研究基于TOE 理论框架，从技术、组织及环境三个层面分析了中小制造企业智能化转型的影响因素，在此基础上构建系统动力学模型并分析了各影响因素之间的关联机理，动态地模拟了中小制造企业智能化转型的全过程。通过模拟仿真得到以下结论：各因素对中小制造企业智能化转型均有正向影响，但各因素的促进程度存在差异；软件、技术投入占比，人力资源投入占比，高管转型意愿，环境压力及政府财政补贴程度较其他因素而言影响效果更为显著；中小制造企业的智能化转型是一个日积月累的过程，企业投入的各种资源需要经过吸收、融合、沉淀、应用才能转化为企业内在的能力，各因素也需要一定的时间才能发挥作用，故智能化转型效果存在一定的滞后性。

2.建议。基于上述结论，本文提出如下建议：

（1）在技术层，加强软件、技术引进投入占比。智能化转型本质上是技术变革，中小制造企业应该充分意识到技术水平的决定性作用。在资源约束强、自身基础薄弱的条件下，中小制造企业的自主研发创新具有探索性和试错性特征，面临失败即出局的风险。所以，在智能化转型初期，软件、技术引进等非研发创新是中小制造企业提高自身竞争力的最佳选择。中小制造企业应该加强软件、技术引进投入占比，通过对引进技术的消化和创新，将引进的技术转变为自身竞争力，提高企业自身的研发水平，为自主研发创新打牢基础，先易后难，分步推进，加快企业的智能化转型。

（2）在组织层，中小制造企业的高层管理者应该认识到企业智能化转型已经不是选择题，而是必然趋势，积极拥抱智能化，将智能化转型纳入企业发展规划中。同时，中小制造企业应该改变“人治”的管理现状，健全管理体系，提高人力资源管理水平，充分发挥企业现有资源的协调效应。最后，科技人才是科学技术的载体，已经成为各方争夺的战略资源。中小制造企业应健全激励、培养、引进等人才政策，补全中小制造企业智能化转型的短板。

（3）在环境层，政府应充分发挥其引导作用，研究制定中小制造企业智能化转型的政策措施，通过财政税收相关政策，给予中小制造企业财政资金扶持，减少中小制造企业的成本压力。同时，政府应对各方资源进行有机整合，建立面向中小制造企业的云制造、云服务平台，使中小制造企业低成本、高效率地进行智能化转型。同时，产业链其他参与主体或同行业龙头企业可以依托平台实现以大带小、以强带弱，形成大中小制造企业协同转型的局面，共促企业智能化。有为政府和有效市场的结合，能为中小制造企业的智能化转型提供有利的发展环境。

【 主要参考文献】

李伯虎，张霖，王时龙等.云制造——面向服务的网络化制造新模式［J］.计算机集成制造系统，2010（1）：1 ～7+16.

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.

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+30.

刘军，曹雅茹，鲍怡发等.制造业智能化对收入差距的影响研究［J］.中国软科学，2021（3）：43 ～52.

陆秋琴，丁洁，黄光球.企业高端化转型升级中提升技术变迁能力影响因素分析［J］.科技管理研究，2021（2）：128 ～137.

孟凡生，徐野，赵刚.“工业4.0”背景下新能源装备制造企业智能化升级过程及影响机理研究［J］.管理评论，2022（7）：326 ～338.

孙新波，李祎祯，张明超.传统制造业企业智能化发展影响因素研究［J］.创新科技，2021（1）：44 ～52+2.

王柏村，陶飞，方续东等.智能制造——比较性综述与研究进展［J］.Engineering，2021（6）：80 ～122.

王层层.辽宁装备制造业转型升级与智能化建设的系统动力学研究［J］.科技管理研究，2020（7）：190 ～199.

杨志波，杨兰桥.我国中小型制造企业智能化转型困境及破解策略［J］.中州学刊，2020（8）：25 ～31.

原毅军，田宇，孙佳.产学研技术联盟稳定性的系统动力学建模与仿真［J］.科学学与科学技术管理，2013（4）：3 ～9.

臧冀原，王柏村，孟柳等.智能制造的三个基本范式：从数字化制造、“互联网+”制造到新一代智能制造［J］.中国工程科学，2018（4）：13 ～18.

钟润阳，徐旬，Eberhard Klotz 等.对工业4.0背景下的智能制造的回顾［J］.Engineering，2017（5）：96 ～127.

钟志华，臧冀原，延建林等.智能制造推动我国制造业全面创新升级［J］.中国工程科学，2020（6）：136 ～142.

周济，周艳红，王柏村等.面向新一代智能制造的人-信息-物理系统（HCPS）［J］.Engineering，2019（4）：71 ～97.

周源，臧冀原，苗仲桢等.推进智能制造的技术升级路线——并行推进、融合发展［J］.Engineering，2019（4）：211 ～234.

Aral S.，Weill P..IT assets，organizational capabilities，and firm performance：How resource allocations and organizational differences explain performance variation［J］.Organization Science，2007（5）：763 ～780.

Chryssolouris G.，Mavrikios D.，Papakostas N.，et al..Digital manufacturing：History，perspectives，and outlook［J］.Proceedings of the Institution of Mechanical Engineers，Part B：Journal of Engineering Manufacture，2009（5）：451～462.

Ghobakhloo M.，Ching N.T..Adoption of digital technologies of smart manufacturing in SMEs［J］.Journal of Industrial Information Integration，2019（C）：100107.

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（1）：86 ～96.

Shukla M.，Shankar R..An extended technology-organization-environment framework to investigate smart manufacturing system implementation in small and medium enterprises［J］.Computers & Industrial Engineering，2022（C）：107865.

Wang Z.，Shou M.，Wang S.，et al..An empirical study on the key factoroof intelligent upgrade of small and medium-sized enterprises in China［J］.Sustainability，2019（3）：619.

Zhou J.，Lan S.，Liu Y.，et al..Research on the relations between cognition and intelligent transformation of executive teams in small and medium-sized manufacturing enterprises［J］.Advanced Engineering Informatics，2022（C）：101539.