基于模糊的创新动态联盟伙伴选择多属性决策模型

孙圣兰

(广东药学院 医药商学院，广东 广州 510006)



基于模糊的创新动态联盟伙伴选择多属性决策模型

孙圣兰

(广东药学院 医药商学院，广东 广州 510006)

针对开放式创新合作伙伴选择过程中决策者判断模糊性的特点，考虑到不同的决策者其决策可信性的不同，提出了开放式创新合作伙伴选择的模糊多属性群决策模型。首先描述了开放式创新合作伙伴选择的多属性群决策问题；然后依据该种方法比较突出的特点，考虑到决策者对评价指标权重的不同，对TOPSIS方法加以改进；最后，通过算例说明了该方法的有效性和可行性。

创新；动态联盟；伙伴选择；多属性决策

0 引言

随着现代信息技术的飞速发展和泛知识源时代背景下知识型员工的加速流动，使得企业创新活动的边界日趋模糊，任何技术力量雄厚的组织都难以从其内部获取创新所需要的全部资源。开放式创新已经成为世界上许多著名高科技企业如施乐、英特尔、IBM、朗讯、宝洁公司进行创新范式变革的不二选择。 OECD对12个国家的59个企业的调查表明，有51%的企业将5%的研发经费用于外部研发，有31%的企业外部研发比例已超过10%。与封闭式创新相比，开放式创新突出的特点就是能够充分利用技术与信息在内的外部创新资源，将企业的研发项目向外部组织开放，从外部获取创新支持[1]。在这种模式下，使得企业与顾客、竞争者、供应商、科研机构等外部主体之间双边或者多边联盟更加频繁，这种联盟的形式是一种动态的、临时性的，强调要通过组织间的利益共享和风险共担来完成其合作，并形成一种多方盈利的机制。在建立这种临时性组织的过程中，伙伴的选择则成为一个十分重要的关键问题，直接会影响动态联盟的合作成效及开放式创新的成败。

一般来说，伙伴选择是一个定量分析和定性分析相结合的过程。在定量分析方面：Gaballa[2]和Lee[3]提出了应用混合整数规划对合作伙伴进行选择；Moore和Fearon[4]构造出了伙伴选择的线性规划模型；F Roodhooft等人[5]提出了基于作业成本法的合作伙伴选择和评估方法；Dean和Schniederjars[6]采用双层数学规划对合作伙伴进行了挑选；W.H.Ip[7]等人应用遗传算法求解合作伙伴的最优组合；C C Li等人[8]分析了标准无量纲SUR综合测评的合作伙伴选择方案；S Syam等人[9]构建出了求解联盟策略的分枝定界法和整数规划模型；Babic和Plazibat[10]在合作伙伴选择过程中运用了基于多准则的Promethee决策方法；Nydick和Hill[11]、Tam和Tummala[12]采用AHP法从不同的角度对合作伙伴进行选择，L. Mikhailov[13]应用模糊AHP方法对其进行了改进；钱碧波[14]等人分析了的动态联盟合作伙伴选择的三阶段结构化的进程。在定性分析方面的研究：Maloni MJ和Benton WC[15]分析了伙伴选择的基本框架；Zhan Su[16]提出了伙伴选择的基本原则； Mary Johnson[17]等人应用关系理论将众多的潜在伙伴进行了挑选。

从上面关于伙伴选择的定量和定性的分析我们不难看出，就动态联盟合作伙伴选择问题进行探讨时，大多数研究者都是采用的定量的分析方法。Weber C A[18]等学者在前人研究的基础上，把对该问题的定量分析方法大致分为软计算方法、数学规划法、数据包络分析法、概率统计法、多阶段优化方法和模糊评价算法。在大多数情况下，Bonissone方法的精度是可以满足实际决策的要求。鉴于任何一种方法都不可能完全表示客观事物的模糊性，适度的近似应当是可以的，甚至是有必要的。本文综合模糊理论以及多属性决策理论，把TOPSIS方法加以改进，构建了开放式创新合作伙伴选择问题的模糊模式识别模型。一方面能够充分利用TOPSIS法的真实、直观等特点；另一方面，采用模糊评价法来确定各评价指标的权重，从而使决策者得到更加合理的评价结果。

1 模型与方法

1.1 开放式创新合作伙伴评价指标体系

本文按照科学性、简便性以及宏观性的原则，构建出了开放式创新合作伙伴评价指标体系。技术能力水平(C1)：该组织在同行之间的地位，尖端技术的差距以及核心技术能力的竞争力强度等；技术的完整性(C2)：该组织是否完整掌握产品发展所需的各项配备技术，组织的研发是否以追求技术完整性为目标；组织政策(C3)：该组织的研发活动是集权或者是分权，研发组织是结构化还是弹性化，研发绩效评量着重是有形短期还是无形长期等以及服务质量(C4)和信誉(C5)。

1.2 基于模糊评价法的描述

在对每一个指标进行评估时，专家的主观判断通常会具有模糊性。依据模糊评价的理论，开放式创新合作伙伴选择评价指标应首先建立评价因素集，并确定权重集。评价因素集，即开放式创新合作伙伴选择评价指标的集合，记为C={C1，C2，…,C5}。权重用以描述各指标对于评价目的的相对重要性程度，权重集是与评价因素集相对应的集合，指标权重可确定为，W={C1,C2,C3,C4,C5}T，其中C1+C2+C3+C4+C5=1；

将向量W=(W1，W2，…,Wn)T进行归一化处理，作为TOPSIS法评价指标体系中的指标权重。

1.3 运用TOPSIS方法进行综合评价

作为经典的多属性决策方法之一，逼近理想解的排序方法TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)，最早是由Hwang和Yoon提出的，该方法借助多属性问题的正理想解以及负理想解给方案集中各方案排序。正理想解是方案集中不一定存在的、虚拟的最佳方案，它的每一个属性值都是决策矩阵中该属性的最好的值；负理想解则是虚拟的最差方案，它的每一个属性值都是决策矩阵中该属性的最差的值[19]。把方案集中的各备选方案和理想解、负理想解的距离来加以比较，靠近理想解又远离负理想解的方案就是方案集中的最佳方案，并且可以就此排定方案集中各方案的优劣顺序。

开放式创新合作伙伴选择实质是一个非常复杂的多属性优化问题。由于开放式创新所需信息具有很大的不确定性，在评价的对象中，很多因素都是模糊的、难以量化的。鉴于此，本文综合模糊理论以及多属性决策理论，把TOPSIS方法稍加改进，并将改进后的方法运用于开放式创新合作伙伴的选择。

(1)评价模型

如有n个待选择的合作伙伴(记为A1，A2，…，An) 。 候选伙伴采取m个评价指标(C1，C2，…，Cm)给予评价，记Ai对于这m个指标的评价值为 (xi1，xi2，…，xim)，其中xij≥0，是第i个候选伙伴Ai对于第j个评价指标Cj的评价值(i=1,2,…,n；j=1，2，…，m) 。然后基于Topsis方法，通过与理想解的相对接近度综合评价各评价对象。

(2)评价算法

单纯利用“绝对”贴近度所计算的结果会出现均一化、可比性差的现象。为了有效地评价，本文对Topsis方法进行改进，研究了的评价算法。下面给出其具体步骤。

首先，建立初始评判矩阵

若有A1，A2，…，An共n个方案组成方案集A={A1，A2，A3，…，An}，每个方案的评价指标X1，X2，…，Xm组成指标集X={X1，X2，X3，…，Xm}，记Ai对于这m个指标的评价值为 (xi1，xi2，…，xim)，其中xij≥0，是第i个方案Ai对于第j个评价指标Cj的评价值(i=1,2,…,n；j=1，2，…，m) ，则建立初始评判矩阵为：

(1)

其次，确定权重

判断矩阵U的元素按行相乘，得到各行元素乘积Mi为：

(2)

(3)

再次，指标值归一化

在这里，我们选取候选伙伴中各指标的最优值作为基准进行指标的归一化。我们把评判对象分为越大越优的收益类指标和越小越优成本类指标两类。对于越大越优的收益类指标Cj，归一化得

(4)

对于越小越优的成本类指标Cj，归一化得

(5)

接下来，确定标准模型。我们可以将两个标准模糊集A+，A-作为我们的参照基准。A+表示最优合作伙伴的参照基准，A-则是最差合作伙伴的参照基准。

最后，计算相对贴近度

设τ表示贴近度，相对贴近度是合作伙伴的模糊集和最差参照基准、最优参照基准贴近程度的相对度量，我们可以将模糊集Ai和两个参照基准的“绝对”贴近度τ(Ai，A+)、τ(Ai，A-) 来加以表示：

(6)

“绝对”贴近度表示方法有很多，选择的贴近度不同，最后的评价结果也有可能会出现差异。在这里，我们按照动态联盟伙伴选择的具体特点选用一个“绝对”贴近度试图对问题加以求解。

(7)

合作伙伴的评价过程通常是一个主观决策的过程，除了考虑客观评价指标外，还需要对决策者的主观偏好加以考虑。于是，我们把这一思想在贴近度中体现出来。因此，为了更方便的满足我们的要求，将上述绝对贴近度稍加改进：

(8)

2 算例分析

某一公司经市场调研后发现，某一产品具有很大的市场潜力，需要对这4个候选的具有较强研发实力的合作伙伴进行评价和考察，组建动态联盟来开发该种产品。出于对组建的动态联盟战略发展的考虑，决策小组由4名专家组成，现以前文中的5项指标作为评价标准。

表1 研发类候选伙伴各项评价指标值

把表1中各指标值归一化后并确定参照基准，可得到表2：

表2 各候选伙伴的模糊向量与参照标准值

2.1TOPSIS方法的评价

按照TOPSIS方法，根据表2中的数据，单纯利用“绝对”贴近度公式(7)计算，可得到表3。

表3 各方案的贴近度以及评价指标

根据表3的结果我们可以看出4个候选伙伴的优劣顺序(候选伙伴2最好，候选伙伴4次之，最差的是候选伙伴3)。但是，单纯利用“绝对”贴近度所计算出来的结果出现了均一化的现象，尤其是候选伙伴1、3和4的评价结果非常的接近(如果我们的计算结果都是保留两位小数的话，候选伙伴1、3和4的评价结果都为0.85)。但是，运用本文提出的多目标权重组合算法则可以解决此类问题。

2.2 改进的TOPSIS方法

首先，建立初始评判矩阵，通过向有关专家咨询，对候选伙伴的5项指标进行比较，并利用加权几何平均综合判断矩阵法，得到相对重要性判断矩阵A-B。

其次，确定指标权重W={0.5148,0.1703,0.0463,0.0718,0.1968}T。

根据表2中的数据，按照本文提供的模糊模式识别方法，利用公式(8)计算，可得到表4。

表4 各方案改进后的贴近度以及评价指标

我们从表4不难看出，虽然改进后评价的计算结果与单纯利用“绝对”贴近度所得的评价结果是一致的，但是本文所提供的模式识别方法能有效地避免了传统模式识别方法结果出现均一化和可比性差的现象。

3 结论

本文采用模糊理论，把TOPSIS方法借助于一个多属性决策问题的“理想解”与“负理想解”去排序的思想运用到开放式创新合作伙伴选择过程中，考虑决策者对评价指标权重的不同，对TOPSIS方法加以改进，并构造出“相对”贴近度，以此折衷地衡量开放式创新合作伙伴的优劣。该方法弥补了以往学者忽视决策者思维模糊性的不足，从而避免了单纯利用“绝对”贴近度所造成的结果均一化、可比性差的现象，从某种程度上来说，改进后的方法减少了因贴近度选用的不同而造成的结果的差异。

[1] 陈钰芬,陈劲.开放式创新：机理与模式[M].北京：科学出版社,2008.

[2] Gaballa A A. Minimum cost allocation of tenders[J]. Operational Research Quarterly, 1974, 25(3): 389-398.

[3] Kaslingam R, Lee C. Selection of vendors——a mixed integer programming opproach[J]. Computers and Industrial Engineering, 1996, 31(3): 47-50.

[4] Moore D L, Fearon H E. Computer-assisted Decision-making in purchaing[J]. Journal of Purchasing, 1973, 9(4): 5-25.

[5] Roodhooft F, Konings J. Vendor selection and evaluation: an activity based costing approach[J]. European Journal of Operational Research, 1996, 96: 97-102.

[6] Dean B, Schniederjans M. A multiple objective selection methodology for strategic industry selection analysis[J]. IEEE Transaction on Engineering Management, 1991, 38: 53- 62.

[7] W. H. Ip, Min Huang, K. L. Yung et al. Genetic algorithm solution for a risk-based partner selection problem in a virtual enterprise[J]. Computer and Operations Research, 2003, 30: 213-231.

[8] Lyon T P. Competition and technological complexity in procurement: an empirical study of dual sourcing[R]. Kelley School of Business, Indiana University, 1999.

[9] Syam S, Shetty B. Coordinated replenishments from multiple suppliers with price discounts[J]. Naval Research Logistics, 1998, 45: 579-598.

[10] Babic Z, Plazibat N. Ranking of enterprises based on multicriteria analysis[J]. International Journal on Production Economics, 1998, 56: 29-35.

[11] Nydick R, Hill R. Using the AHP to structure the supplier selection procedure[J]. Journal of Purchasing and Materials Management, 1992, 25(2): 31-37.

[12] Tam M, Rao Tummada V M. An application of the AHP in vendor selection of a telecommunications system[J]. Omega—the International Journal of Management Science, 2001, 29: 171-253.

[13] Mikhailov L.. Fuzzy analytical approach to partnership selection in formation of virtual enterprise[J]. Omega—the International Journal of Management Science, 2002, 30: 393- 401.

[14] 钱碧波,潘晓弘,程耀东.敏捷虚拟企业合作伙伴选择的方法研究[J].中国机电工程,2000,11(4):397- 401.

[15] Maloni M J, Benton W C. Supply chain partnerships: opportunities for operations research[J]. European Journal of Operation Research, 1997,101: 419- 448.

[16] Zhan S, Poulin D. Partnership management within the virtual enterprise in a network[C]. IEMC, 1996: 645- 650.

[17] Mary Johnson, Laura Meade, Jamie Rogers. Partner selection in the agile enviroment[C]. 4th Annual Agility Forum Conference, 1995: 496-505.

[18] Weber C A, Current J R, Benton W C. Vendor selection criteria and methods[J]. European Journal of Operational Research, 1991, 50: 2-18.

[19] 崔春生.基于TOPSIS思想的技术创新方案的Vague集评价方法及其应用[J].运筹与管理,2013,22(4):151-155.

Multi-attribute Decision Making Mode of Dynamic Alliance Partner Selection Based on Fuzzy

SUN Sheng-lan

(SchoolofMedicalBusiness,GuangdongPharmaceuticalUniversity,Guangzhou510006,China)

According to the characteristics of fuzzy decision for partner selection process of open innovation and considering the different decision makers who have the credibility of different decision, this paper proposes a multiple attributes decision making model for dynamic alliance partner selection of open innovation. Firstly, a description of the multiple attributes decision making problem is given. Then, in accordance with the prominent characteristic of the method and considering the different decision makers to understand a problem with different weight, it improves TOPSIS. Finally, the validity and feasibility of the proposed method are explained by a numerical example.

innovation; dynamic alliance; partner selection; multi-attribute decision making

2014- 03-29

广东科技厅软科学资助项目(2013B070206071); 广东药学院人文思政研究专项课题资助(RWSZ201215)

孙圣兰(1974-)，女，管理学博士，副教授，研究方向：技术创新管理。

F224

A

1007-3221(2015)04- 0036- 05