智能制造对全要素能源效率的影响: History
Please note this is an old version of this entry, which may differ significantly from the current revision.
Contributor: , ,

智能技术是第四次工业革命的核心驱动力,对经济高质量发展产生重要影响。智能制造的生产力效应、规模效应和资源配置效应能够显着提高全要素能源效率,经过内生处理和稳健性检验后结论仍然成立。作用机制结果表明,劳动力价格扭曲和碳排放交易政策是智能制造提高全要素能源效率的重要机制。 

  • intelligent manufacturing
  • total-factor energy efficiency
  • TFEE

一、简介

能源是经济社会发展的重要基石。改革开放以来,中国政府坚定不移地推进能源革命,能源生产和利用方式发生重大变化,基本形成了以煤炭、石油、天然气、电力、核能为主导的能源供应体系、新能源和可再生能源,能源产业取得历史性成就。党的十九大以来,党中央更加关注能源革命,提出坚持新发展理念,构建清洁低碳、安全高效的能源体系,坚定不移推进能源革命。建设美丽中国的步伐。高质量发展引领中国经济发展。当进入新时代时,中国经济面临实现更好发展的问题。经过多年快速发展,资源、环境、人口对经济发展的制约日益明显。过去“三高一低”的粗放式发展模式已经过时,不利于经济持续健康发展。与此同时,“富煤、贫油、少气”的能源结构使中国陷入被动适应国际能源贸易和环境治理规则的困境。过去“三高一低”的粗放式发展模式已经过时,不利于经济持续健康发展。与此同时,“富煤、贫油、少气”的能源结构使中国陷入被动适应国际能源贸易和环境治理规则的困境。过去“三高一低”的粗放式发展模式已经过时,不利于经济持续健康发展。与此同时,“富煤、贫油、少气”的能源结构使中国陷入被动适应国际能源贸易和环境治理规则的困境。1 ]。经济发展面临环境污染和能源短缺的双重制约,能源安全容易受到威胁[ 2 , 3 ]。能源作为经济发展的首要投入要素,发挥着至关重要的作用,被视为经济增长的重要助推器[ 4 , 5 ]。中国是世界上最大的能源消费国[ 6]],特别是在煤炭价格优势显着的前提下,未来较长时期内煤炭消费结构难以扭转。 2020年中国进口30399万吨,同比增长1.5%;原油进口54239万吨(其中成品油2835万吨),同比增长7.3%,近年来能源进口总体呈上升趋势。这意味着通过提高可再生能源和清洁能源消费比重来解决中短期能源约束仍较困难。对此,党的十九大报告指出,“提高全要素生产率是实现经济高质量发展的重要而可靠的路径”。如何提高全要素能源效率(TFEE),有效控制能源消费总量,完成“十四五”单位GDP能耗下降13.5%的目标已成为当前的紧迫命题。
赖特首先提出了“智能制造”的概念,指出智能制造是智能机器人通过集成知识工程、制造软件系统和机器人视觉,在无需人工干预的情况下自行完成小批量生产的过程[7 ]]。随着新一轮数字化、智能化技术革命的加速,IM的发展被赋予了新的内涵。随着近几十年来计算机集成制造、柔性制造、敏捷制造等相关先进制造理念的共同发展,IM中的“智能”概念已从原来狭义的“数字化”升级和拓宽。当前的“数字化、网络化、智能化”[ 8 , 9]。除了自动化、无人化生产之外,IM更深刻的作用在于通过其“生产”机制帮助企业实现大规模生产到定制化生产,不仅提高了生产效率,而且优化了资源配置。 IM可以理解为新一代信息技术与先进的自动化、传感、控制、数字、管理技术以高度灵活、高度集成的方式结合在制造业的各个阶段。它还支持工厂和企业内部和之间以及产品的全生命周期(产品开发设计、生产加工、运营管理、维护服务、报废处理)的实时管理和优化[ 1011 ]。
在绿色低碳发展中,能源产业是主战场[ 12 , 13 ]。提高TFEE成为短期内实现绿色经济目标最可行、最现实的手段[ 14 , 15]。然而,目前的单一终端治理模式已经难以满足改进TFEE的需求。数字技术与自然经济发展融合,正在成为重塑高质量发展竞争力的现实选择。智能系统依靠深度学习、自主决策、动态监测,能够有效、快速地提供应对措施,帮助原材料供应、中间品运输、能源生产等上游环节高效衔接,不仅节省能源,企业的时间成本、交易成本和运输成本,同时也在此基础上绘制更加合理的能源供应蓝图,提高全市能源综合利用效率[16 ]]。国际机器人联合会(IFR)发布的《世界机器人2021工业机器人》数据显示,2020年,我国新增工业机器人近16.8万台,占全球的43.8%,制造业的自动化、智能化程度日益提高。世界经济论坛2021年发布的研究报告《利用人工智能加速能源转型》指出,人工智能技术在能源分散化、数字化、脱碳化过程中具有巨大生产力,在可再生能源领域具有强大应用能源发电能力和需求预测、电网运行和优化、能源需求和分布式资源管理。华为发布的《数字能源2030》报告也指出,数字技术可以让能源系统智能化演进,促进能源价值最大化,是驱动能源行业转型的核心“撬点”。从智能制造的角度探讨其对TFEE的影响对于保障国家能源安全、实现“双碳”目标、加快能源强国建设具有重要参考价值。探讨其对TFEE的影响对于保障国家能源安全、实现“双碳”目标、加快能源强国建设具有重要参考价值。探讨其对TFEE的影响对于保障国家能源安全、实现“双碳”目标、加快能源强国建设具有重要参考价值。

测量和评估 TFEE

现有文献构建的TFEE评价指标体系分为单因素能效(SFEE)和TFEE。但随着研究的深入,SFEE指标也存在一些缺陷;也就是说,只考虑了能源投入因素,没有考虑资本、劳动力等因素,而TFEE指数可以极大地补偿能源消耗、劳动力、资本等因素对产出的影响。李等人。 [ 18]通过比较单因素法和全因素法计算了中国各地区的TFEE,指出全因素法在评价区域要素禀赋影响方面具有单因素法无法替代的优势其 TFEE 上的结构。 TFEE的测量主要基于非参数估计方法中的DEA方法。例如,Hu和Wang[ 19 ]基于输入DEA方法测算了中国各省份的TFEE。此类研究通常将全要素衡量效率分解为纯技术效率和规模效率[ 20]。同时,还有一小部分文献致力于根据生产函数建立包含能源要素的单部门生产模型,属于参数估计[ 21 ]。在TFEE测量方法中,能源使用过程中造成的环境污染问题并未纳入测量范围,因此有可能高估TFEE。因此,为了填补这一空白,一些研究将 SO 2、废水、固体废物或碳排放纳入 DEA 模型中,以测量包含非期望输出的 TFEE [ 22 , 23]。此外,有研究将能源枯竭、生态环境恶化等非预期产出纳入效率测度模型,测算省级TFEE,发现存在“东部高、东部低”的空间差异。西”[ 24 ]。为了获得更准确的TFEE数据信息,相关统计模型和评估体系不断更新和扩展[ 25 ]。

2、智能制造对全要素能源效率的影响

2.1. IM影响TFEE的机制分析

生产力效应:TFEE反映了生产生活中电能、煤炭、石油、天然气的投入产出效率。技术进步是指通过技术改进、人力资本积累和组织管理效率提高,扩大生产前沿,提高既定要素组合投入下的最大产出能力。实体经济“数字化智能化”的典型例子就是智能机器人在工业领域的快速普及和规模化应用。通过在传统生产过程中引入大数据和人工智能等现代数字技术,“智能化”可以有效提高不同生产要素配置组合的运行效率,实现传统生产要素的边际产出,帮助传统企业“老树发芽”,全面促进实体经济领域适应新要求。数字经济发展[44 ]。随着中立技术进步的IM,天然承载着数字技术的渗透性、协同性、替代性特征,可以渗透到社会生活的各个领域[ 45]]。一方面,摩尔定律的存在使得芯片化、数字化、信息化的产品不断更新,相关产品的价格也会随着技术的变革和普及而迅速下降,这将有助于相关厂商逐步淘汰能耗高、效率低的生产设备,降低能源消耗,提高能源边际生产率。另一方面,相关行业标准和客户需求将随着劳动生产率、工艺技术、生产工艺的提高而提高。更严格的工厂标准和高水平的市场需求,将引发企业对高效、清洁、高质量的衍生需求。所以,企业可以通过降低能源消耗总量、使用强度、提高能源利用效率来对冲生产成本增加和市场竞争加剧的负面影响。
规模效应:新兴技术最显着的特点是替代低技能劳动力、补充高技能劳动力。这将通过数字化、信息化、智能化缓解企业对劳动力要素的依赖,快速完成人力短时间内无法完成的包装、分拣、中转等重复性任务,用相同的能耗和劳动力获得更大的经济产出,提高企业全要素生产率[ 46]]。 IM在智能化活动过程中,涉及人与智能机器的协同交互与配合,利用自动化的理念进行柔性化、智能化、高度集成化的工作,从而实现传统工厂向数字化工厂的转变,使制造企业、通过数字化开发,提高产品质量和管理效率。一个成熟的智能制造工厂或企业往往不是简单地对生产设备进行智能化改造,而是将市场需求和消费者需求融入到生产流程和产品设计中。产品生产的各个环节借助智能产品、智能设计、智能生产、智能管理串联起来。企业管理者利用互联网、物联网等技术,实现智能生产的横向整合和纵向拓展,再利用移动通信技术和智能设备,实现整个智能生产价值链的数字化转型,从而形成和打通全程智能管理系统[47 ]。企业还引进工业机器人和高新技术人才,扩大生产规模,通过规模经济推动相关产业链、供应链不断完善和延伸,提高资源利用效率。
资源配置效应:IIM可以降低单位产出能耗,提高综合TFEE。一个典型的例子是,传统能源行业只关注瓦特流量,发电、输电、配电、存储、使用等节点相互孤立,使其相互配合,导致能源系统运行效率低下。而且全链路“哑设备”较多,人工维护运维效率低。 IM通过引入5G、AI、大数据等数字技术对能源进行数字化处理,创新性地将电力电子技术与数字技术融合,基于瓦流添加比特流,用比特管理瓦特,实现全链路互联、数字化、和智能协作,最大限度地提高电力生产效率、设备运维效率和TFEE。此外,现阶段世界能源体系正在进行结构调整和版图重构:集中式和分散式可变可再生能源并入电网,能源消费电气化趋势日益凸显,消费者参与生产活动正在涌现。能源需求的灵活性特征越来越强调能源供应的及时性和效率。能源数字化使智能建筑、交通、车辆和工业设施能够为能源系统提供新的灵活负载源,帮助供应商减少能源供应并支持社区更好地消耗他们生产的能源。通过提高终端用户的使用效率和系统效率,整个能源系统将受益于避免能源设施的重复投资,减少生产和分配中的无效损失,优化可再生资源的组合,增强能源安全。作为一种普遍的技术进步,即时通讯本身就代表了典型的非竞争性公共产品。当其在某一领域进行创新活动时,往往会产生“能源技术扩散”和“能源技术溢出”,即技术创新的无意识流出和相关主体的无意识接受。避免能源设施的重复投资、减少生产和分配的无效损失、优化可再生资源组合、增强能源安全,将使整个能源系统受益。作为一种普遍的技术进步,即时通讯本身就代表了典型的非竞争性公共产品。当其在某一领域进行创新活动时,往往会产生“能源技术扩散”和“能源技术溢出”,即技术创新的无意识流出和相关主体的无意识接受。避免能源设施的重复投资、减少生产和分配的无效损失、优化可再生资源组合、增强能源安全,将使整个能源系统受益。作为一种普遍的技术进步,即时通讯本身就代表了典型的非竞争性公共产品。当其在某一领域进行创新活动时,往往会产生“能源技术扩散”和“能源技术溢出”,即技术创新的无意识流出和相关主体的无意识接受。作为一种普遍的技术进步,即时通讯本身就代表了典型的非竞争性公共产品。当其在某一领域进行创新活动时,往往会产生“能源技术扩散”和“能源技术溢出”,即技术创新的无意识流出和相关主体的无意识接受。作为一种普遍的技术进步,即时通讯本身就代表了典型的非竞争性公共产品。当其在某一领域进行创新活动时,往往会产生“能源技术扩散”和“能源技术溢出”,即技术创新的无意识流出和相关主体的无意识接受。48]。 IM的溢出效应具体表现在将机械设备自动化技术嵌入到应用部门,实现生产环节要素投入与科学技术的互动,进而促进生产、运输、储存和消费形成新的企业生产模式和新能源技术装备、节能环保意识。同时,人工智能平台有助于数据要素的共享。借助要素流通和知识技术溢出,构建能源互联和全球能源配置网络的智能管理系统,将传统烟囱独立系统架构和孤岛管理整合为统一架构、统一管理、综合应用,实现全链路统筹协调、优化,从而促进全社会低碳发展,提高能源利用效率。人工智能技术与传统生产要素的结合,通过拓展数字能源的应用场景、升级数字化管理,可以有效提高原有生产要素的配置质量和组合效率,从而提高生产企业组织管理的协调性和要素的整体效率。例如,中国大唐集团有限公司(中国北京)通过先进的通信技术和软件架构实现了3D虚拟电厂,实现了空间和地理分散的聚合、协调和优化。其智能控制系统实时控制电力生产过程,完成能量储存和合理分配。其智能控制系统实时控制电力生产过程,完成能量储存和合理分配。其智能控制系统实时控制电力生产过程,完成能量储存和合理分配。

2.2.劳动力价格扭曲的中介路径

在新古典经济增长理论中,全要素生产率提高的首要源泉在于技术进步和资源配置效率[ 49 ]。价格机制是市场经济条件下资源配置的本质体现。然而,扭曲的要素价格并不能真实反映要素市场资源的稀缺程度和供求关系。生产要素是经济周期的起点,要素价格扭曲会通过影响资源配置效率,影响消费、投资、总产出、全要素生产率等宏观经济变量[50 ]]。要素配置无效或过度拥挤造成的生产效率损失被认为是降低一国资源配置效率乃至居民福利的重要因素。而且,现有研究发现,要素配置效率的提高对全要素生产率提高的贡献度提高[ 51 , 52 ]]。劳动力要素具有较强的能动性和吸附性,是连接其他生产要素的重要纽带,知识、技术、管理、数据要素依附于劳动力本身并通过劳动力桥梁实现激活和运行。然而,扭曲的劳动力市场不仅可能使企业之间的资源配置失衡,而且会阻碍有效率的企业进入市场,从而产生更大的效率损失[ 53,54,55 ]
目前,我国劳动力价格主要表现为低价扭曲,劳动力供给者报酬低于边际贡献,欠发达地区价格扭曲严重[ 56 , 57 ]。低估的劳动报酬将使生产效率低下的企业利用许多有形的低成本要素来获取更多的利润。其形成的套利空间将导致大量劳动力流向见效快、不确定性低的粗放型生产项目,使经济增长突出为要素驱动的外延式增长,加剧工业低端锁定。结构,不利于生产过程中TFEE的提高[ 58]。就劳动力价格扭曲而言,负的价格扭曲会让企业产生劳动力要素活跃的错觉,从而雇佣更便宜的劳动力。这种低成本劳动力的价格优势,降低了企业对资本要素的需求以及依附于资本品的技术创新,使得管理者长期停留在低端生产环节,导致技术进步对TFEE的贡献较低。此外,不同地区劳动力要素扭曲程度不同,要素价格扭曲程度也存在地区异质性。这种差异会导致部分地区劳动力要素价格被严重低估,使那些本应被市场淘汰的企业,通过向成本较低的地区转移、转移,继续生产经营。这加剧了以劳动密集型产业为主导产业的地区产业结构低端锁定的困境,产业结构合理化和升级难以开展,不利于技术进步和生产力水平的提高。 TFEE。
引导人力资本较高的劳动力向生产力先进的地区、部门、行业流动,有利于提高全要素生产率。 IM在纠正劳动力要素市场扭曲、畅通要素通道、强化资源配置效率等方面具有显着优势。首先,以IM为底层逻辑的智能技术的快速发展,有助于降低信息搜索成本、简化采集路径。借助互联网技术,劳动者可以对岗位薪资、技能需求、劳动力需求等信息进行收集、整理、比较和分析,形成劳动报酬合理性的准确信息,有利于减少市场信息不对称。同时,可以简化市场交易业务流程,提高交易过程的信息透明度,形成覆盖全国的网络交易体系,在一定程度上减少地方保护主义和行政壁垒形成的市场分割,减少价格扭曲。51 , 59]。其次,互联网技术衍生的网络平台弱化了距离和时间的物理障碍,信息可以更快速地跨地域、跨时间传播,可以实现跨部门的传输和共享,要素需求者和劳动力供给者可以将各自的期望结合起来。更广泛的市场精准匹配,节省交易成本时间,从而打通劳动力要素自由流动渠道,提高要素市场一体化水平。远程办公、在线会议、远程服务等新型线上工作方式,使劳动者在不改变居住地、工作场所的情况下,参与全社会分工,形成隐形流动劳动力,走上低费率轨迹。回报率达到高回报率,从而减少价格扭曲。第三,IM对就业的市场影响主要通过生产力效率、补偿效应和破坏效应产生。 IM技术利用技术优势和资本优势取代传统的、可编程的劳动规则,人类劳动具有不断创造新任务、经济活动和工作形式的比较优势;数字技术中劳动者的不同技能导致数字产业的效率更高,需要落实到新兴岗位上,实现高效匹配,获得更合理的劳动报酬。劳动规则可编程,人类劳动具有不断创造新任务、经济活动、工作形式的比较优势;数字技术中劳动者的不同技能导致数字产业的效率更高,需要落实到新兴岗位上,实现高效匹配,获得更合理的劳动报酬。劳动规则可编程,人类劳动具有不断创造新任务、经济活动、工作形式的比较优势;数字技术中劳动者的不同技能导致数字产业的效率更高,需要落实到新兴岗位上,实现高效匹配,获得更合理的劳动报酬。

2.3.碳排放交易政策的调节作用

科斯产权理论表明,在产权能够明确的前提下,自发的市场交易可以实现帕累托最优的资源配置。碳排放交易政策的深刻逻辑是碳排放权的商品化、资产化、数据化。通过限制控制企业温室气体排放和排放配额,借助市场机制将环境负外部成本转化为企业内部生产成本,反向传导控制完成绩效条件,推动碳市场达到帕累托最优局面,最终实现整个经济社会的能源利用质量和效率、节能减排[ 6061 ]。适当合理设计的环境规制政策将促进受限个体在有限条件下激发技术创新意识,动态整合要素投入组合,提高绿色全要素生产率[ 62]]。碳排放交易政策释放了环境监管的引导信号,其政策影响力的扩散不仅可以通过上级行政指令下的“试点扩散”推动能源改革、消费革命和绿色产业体系,还可以促进环境治理的改善。绿色低碳循环发展经济体系的同时,还可以引导和鼓励科研开发和技术创新,拓展先进绿色技术的应用场景,促进非领域学习模仿后的“主动扩散”自组织。 - 试点地区 [ 63]。作为市场化环境监管手段,碳排放交易政策从成本压力、政策引导和利益激励三个方面对TFEE产生影响。具体来说,政府根据碳排放强度监管要求,以“碳排放许可证”制度为载体,向各市场主体发放一定的免费排放配额。超过配额的监管机构需要在交易市场购买碳排放配额,具有碳减排优势的企业可以出售碳排放权或转让绿色技术作为利润。基于控制排放成本、消除化石能源消费依赖的考虑,原有高耗能企业自主开展节能减排,加大绿色技术研发,不断优化生产工艺,改进生产技术,更换和淘汰落后设备,从而带来更高的TFEE[64 , 65]。同时,政策指令的长期性、强制性、支持性特征将优化产业间生产要素的配置方式和关联性。碳交易政策释放绿色市场信号,引导资金、技术、人才、能源等要素向低碳产业发展。原来的高耗能、高碳排放的老产业,迫于环境约束压力,被迫向绿色、高效、低碳的新产业转变。直接影响是一个地区最终将经历先进的产业结构变革,同时减少碳排放并提高TFEE。作为低碳转型的重要助推器,与数字网络深度融合的“梅特卡夫定律”,先进的智能化技术与传统电力、能源、交通行业相结合,可以有效赋能企业绿色IM和能源管理,引领绿色产业和流程再造,推动关键碳产业能源消耗全生命周期,实现TFEE和生产效率的提升。双重促销。而且,数字技术帮助行政部门摸清“碳背景”,在碳排放监管背景下开展“碳排查”和“碳规划”,显着增强政府部门对城市碳排放和低碳的监管。治理能力[推动关键碳素产业能源消费全生命周期,实现TFEE和生产效率的双提升。而且,数字技术帮助行政部门摸清“碳背景”,在碳排放监管背景下开展“碳排查”和“碳规划”,显着增强政府部门对城市碳排放和低碳的监管。治理能力[推动关键碳素产业能源消费全生命周期,实现TFEE和生产效率的双提升。而且,数字技术帮助行政部门摸清“碳背景”,在碳排放监管背景下开展“碳排查”和“碳规划”,显着增强政府部门对城市碳排放和低碳的监管。治理能力[大幅提升政府部门对城市碳排放的监测和低碳治理能力[大幅提升政府部门对城市碳排放的监测和低碳治理能力[66 ]。因此,碳排放交易政策在通过IM提高TFEE的过程中,主要通过对“三高”企业施加环境压力来倒逼产业升级和低碳转型,进一步削弱企业对能源消耗的依赖,最终提高TFEE。

This entry is adapted from the peer-reviewed paper 10.3390/su15053944

This entry is offline, you can click here to edit this entry!