基于灰色关联度的虚拟企业合作伙伴选择评价方法

邵际树，余祖伟

（1.宁波大红鹰学院 经济与管理学院，浙江 宁波 315175;2.宁波工程学院 经济与管理学院，浙江 宁波 315212）

基于灰色关联度的虚拟企业合作伙伴选择评价方法

邵际树1，余祖伟2

（1.宁波大红鹰学院 经济与管理学院，浙江 宁波 315175;2.宁波工程学院 经济与管理学院，浙江 宁波 315212）

文章构建了基于灰色关联度的虚拟企业合作伙伴择优评价体系,构建了包含产品设计研发能力、企业互补性、企业整体实力、学习和创新能力、企业的可整合性的虚拟企业合作伙伴择优评价指标体系，分析了传统的基于欧氏距离的TOPSIS方法的不足，提出利用灰色关联度改进欧氏距离的度量策略，给出了基于灰色关联度的虚拟企业合作伙伴择优评价方法。最后实证对比分析了传统TOPSIS方法与基于灰色关联度的TOP⁃SIS方法在虚拟企业合作伙伴择优评价中的优缺点。

虚拟企业；合作伙伴；TOPSIS；灰色关联度

0 引言

高技术带有较高的附加值，能产生丰厚的利润回报，但是其时效性也快，很容易被其他企业快速复制，因此为快速实现高技术向成果转换，与相关实力企业共同组建虚拟企业来实现科技成果的快速转化是现阶段高技术成果转换成产品的主要途径，也是最好的选择。而关于虚拟企业合作伙伴的选择则关系到虚拟企业成败的关键，因此，构建虚拟企业合作伙伴择优评价体系具有重要的实际应用意义。

国内外学者从不同的角度对虚拟企业合作伙伴择优评价进行了研究，并给出了不同的评价方法，但是评价方法复杂度较高，不利于实际应用。理想解法是多属性决策中常用的方法，也是大家最熟悉的方法，本文将对传统的基于欧氏距离的理想解方法(TOPSIS)进行分析，指出其不足，并对其改进，以提升评价结果的合理性和科学性。本文的主要创新在于对虚拟企业合作伙伴择优评价的指标体系进行了分析，构建了一套新的评价指标体系；数值仿真分析了传统欧氏距离的TOPSIS的不足，提出利用灰色关联度来取代欧氏距离描述向量之间的贴近度，给出一种基于灰色关联度的虚拟企业合作目标择优评价方法。

1 虚拟企业合作伙伴评价指标体系和方法

1.1 虚拟企业合作伙伴评价指标体系

虚拟企业合作伙伴选择过程中，最主要的是考虑从哪些方面来评价备选企业的能力，即要先确定虚拟企业合作伙伴选择的评价指标体系，通过对现有学者的研究成果的分析和总结，并结合实际企业运作需要考虑的因素，最终本文选择如下指标集合作为虚拟企业合作伙伴评价指标体系集合。

（C1）产品设计研发能力：虚拟企业均是以高技术成果转换成产品为主，在实际成果转换成产品的过程中，会遇到一定的技术难题，因此，需要不断的进行技术攻关，这就需要加盟企业必须要具有较强的产品研发能力，从而为虚拟企业的顺利投产提供技术支持保障。

（C2）企业互补性：主要是考虑所加盟企业是否与各企业之间具有互补性，虚拟企业的组建最基本的原则是各企业之间利用自己的优势资源来快速完成技术成果的转换，因此，互补性是加盟企业之间必须具有的一个特性。

（C3）企业整体实力：企业整体实力也是在进行虚拟企业构建过程中必须考虑的问题，高技术成果转换虽然能得到较丰厚的利润，但是前期投入也较大，整体实力较雄厚的企业在财力和人力资源提供方面会更具有优势，在各种资源整合与企业管理经验上更为成熟，特别是对产品营销方面具有更多的优势，有利于产品快速的投入市场，获得更多的顾客认可度。

（C4）学习和创新能力：主要是所选择的企业要具有较强的学习能力和创新能力，在虚拟企业中，更多的是彼此之间的互补性，为了及时了解和掌握技术，就必须具有较强的学习能力，在学习并掌握的同时，实现技术创新，以推动产品的不断创新，保证企业的核心竞争力，以获取更多的利润和产品市场周期。

（C5）企业的可整合性：主要是指最终的企业之间是否能快速的整合，如果不能快速的将各企业之间进行整合，形成一个统一体，则有碍于虚拟企业的正常运行，甚至影响技术转换为产品的周期，最终导致虚拟企业的失败。

通过以上的分析可以看出，影响虚拟企业合作伙伴选择的主要因素为五个方面，分别是企业的研发能力、虚拟企业之间的互补性、加盟企业的整体实力、加盟企业的学习和创新能力以及企业之间的可整合性。

在对虚拟企业合作伙伴选择过程中，一般是通过初期的调查，选择与项目相关且有能力合作的企业作为备选虚拟企业合作伙伴，设针对某高技术成果，欲组建一个虚拟企业将该高技术成果转化成产品投入市场，主要组织企业通过前期的调查和筛选，最终确定有n个企业有资历加入该项目共同组成虚拟企业进行技术成果转换，但是考虑到资源需求的有限性等原因，最终只需要选择两家企业作为最终的合作伙伴。为了选择最优的企业加盟构成新的虚拟企业，组织企业聘请相关专家构成评审团对n个企业进行调查和评价，设最终得到的评价信息如表1所示。

表1 群组专家对备选企业的评价信息

其中Xij表示第i个虚拟企业在第j个指标下的群组专家评价值。

在对虚拟企业合作伙伴择优选择过程中，一般预设一个最好的正理想的虚拟企业合作伙伴评价准则和一个最差的负理想虚拟企业合作伙伴评价，所有备选企业评价结果与预设的正理想虚拟企业合作伙伴评价准则的贴近度越大，而与预设的最差虚拟企业合作伙伴评价准则贴近度越远，则表明对应备选企业越优秀，因此，基于理想解的评价方法常用于虚拟企业合作伙伴择优的评价和排序。

1.2 欧氏距离的理想解法TOPSIS评价方法

依据传统基于欧氏距离的TOPSIS评价方法，给出虚拟企业合作伙伴选择的计算步骤：

（1）考虑到每个评价指标的重要性不同，可以采用相关的权重确定方法来确定五个虚拟企业合作伙伴择优评价指标的指标权重，设最终确定的指标权重向量为：

其中ωj＞0表示第i个择优评价指标的权重值。

（2）构造虚拟企业合作伙伴择优评价加权归评价矩阵V。对表1中给出的虚拟企业合作伙伴择优评价数据的每个列向量乘其对应权值，得到加权归一化决策矩阵V：

（3）确定虚拟企业合作伙伴择优标准的正理想状态向量正理想和正理想状态向量其中

（4）计算备选企业的加权评价向量与正理想向量v+和负理想向量v1之间的欧氏距离S+和S-。其中第i个备选企业与正理想状态向量v+的欧氏距离为：

其中第i个备选企业与正理想状态向量v+的欧氏距离为：

（5）计算备选虚拟企业与理想状态的相对贴近度。相对贴近度定义为：

备选虚拟企业与正理想状态之间的欧氏距离Si+越接近，Ci越接近1。

（6）对每个备选虚拟企业根据对应的贴近度指标Ci来进行排序，Ci越大，表明对应虚拟企业的评价结果越好，在虚拟企业合作伙伴选择过程中，应该优先考虑。

1.3 基于改进灰关联度的企业运营绩效评价方法

在传统基于欧氏距离的TOPSIS方法中，在计算每个备选虚拟企业的评价向量与理想状态之间的距离时，采用的是欧氏距离，但是欧氏距离在出现单个数据跳变时，会对欧氏距离产生较大的变化，如虚拟企业的一个理想状态数据为：

给定一个虚拟企业的评价向量分别为：Sup1=(8.9，8，7.1，7.2，6)，另外一个虚拟企业的评价向量为：Sup2=(8.7，7.8，7，7，7.1)，当采用基于欧氏距离的方式计算两个虚拟企业评价向量与理想状态评价向量之间的距离时，则：

对v+，Sup1和Sup2的向量作图如图1所示：

图1 v+，Sup1和Sup1向量元素对应位置图

通过图1可以看出，向量Sup1除了第五个元素外，其他所有元素均与理想状态v+的位置很贴近，而向量Sup2则是除第五个元素外，其他所有元素与理想状态v+的位置均较远，按照客观事实来看，应该是Sup1到理想状态的距离要比Sup2到理想状态的距离要近，但是通过欧氏距离计算得到的结果却是Sup2比Sup1更贴近于理想状态，从而说明了在理想解方法中，采用欧氏距离来度量向量之间的距离会产生与客观事实不符的情况。因此，利用欧氏距离来刻画向量之间的相似度容易受到单个因素的影响。下面给出一种灰关联度理想解评价方法来实现对虚拟企业合作伙伴的择优评价方法。

灰色关联度作为灰色系统中的一个子系统，主要是用来描述存在不完备信息向量过程的序列之间的几何贴近度。灰色关联度主要用来分析比较序列构成的曲线与给定的参考序列构成的曲线中，两条曲线之间的几何接近程度和发展趋势，这种方法要比用欧氏距离来描述两个向量之间的距离更为科学和合理，也不容易受到单一数据的影响，因此本文采用灰色关联度来实现对虚拟企业合作伙伴的择优选择。

同样，将群组专家对各备选企业的评价值进行指标影

响因素加权，得到加权矩阵为：

对经过指标加权的群组专家对备选企业的评价值分别计算正负理想状态，得到

取分辨系数ρ∈(0，1)，计算第i个备选虚拟企业加权评价向量与正理想参考序列之间的第k个元素之间的关联系数为：

则第i个备选虚拟企业加权评价向量与正理想参考序列之间的灰色关联度为：

则第i个备选虚拟企业加权评价向量与负理想参考序列之间的灰色关联度为：

则计算每个备选企业与正、负理想状态之间的灰关联度贴近度指标为：

根据灰关联度指标Ci即可实现对所有备选企业的评价和排序，同理，Ci越大，对应企业被选中作为虚拟企业合作伙伴的机会越多。

2 实证分析

设科研院所经过不断的实验和研究，最终得到一种实用性加强的科研成果，在准备将其转换成产品投入市场的过程中，拟组建一个虚拟企业。通过前期的招标和考察，最终有六个企业适合作为组建虚拟企业的合作对象，但是考虑到虚拟企业组成后的管理和利润分成，只需要在六家备选企业中选择两家企业作为最终组建虚拟企业的合作伙伴，以组成虚拟企业实现对科研成果的顺利转化。通过前期的调查，并聘请专家组对六家备选企业进行评价，采用本文所建立的虚拟企业合作伙伴择优评价指标进行评价，最终得到的评价数据如表2所示：

表2 群组专家对六家备选企业的评价信息

考虑到在对虚拟企业合作伙伴择优评价过程中，每个指标的重要性不同，分别采用主观赋权法和客观赋权分别得到两种赋权法的权重，并最终将两种赋权法得到的权重进行加权组合得到最终的虚拟企业合作伙伴评价指标的组合权重。其中组合权重计算公式为：

本文取风险因子α=0.4，对主客观赋权法进行组合加权，得到组合权重见表3所示。

表3 群组专家对六家备选企业的评价信息

对评价结果进行加权得到指标加权矩阵为：

则对应的正理想状态为:

负理想状态为：

依次计算每个备选方案与正、负理想状态之间的欧氏距离为：

则贴近度为：

采用灰色关联度来计算六个备选企业与正负理想状态之间的灰色关联度，最终得到的灰色关联度为：

则灰关联贴近度为：

其排序结果作图如图2所示。

根据基于欧氏距离的TOPSIS方法得到的企业排序结果为：

根据灰关联度的TOPSIS方法得到的企业排序结果为：

图2 六个企业与理想状态的贴近度示意图

根据图2可以看出，利用基于欧氏距离得到的虚拟企业的贴近度指标数值较近，不便于对企业的排序，而采用基于灰关联度的虚拟企业合作伙伴择优的灰贴近度指标数值离差较大，更容易分辨，考虑到灰色关联度能有效克服欧氏距离的不足，因此，基于灰色关联度的虚拟企业合作伙伴择优评价结果更为科学和可信。根据最终基于灰色关联度的TOPSIS评价方法得到的结果，最终应该选择备选企业A2和备选企业A5作为该科研院所的虚拟企业合作伙伴。

3 结论

高技术成果通过组建虚拟企业快速实现成果转化，是技术产生生产力的主要表现，也是促进区域经济发展的重要措施和方向。在组建虚拟企业过程中，合作伙伴选择的好坏对虚拟企业运行具有重要的作用，选择合理的虚拟企业合作伙伴评价方法，对选择最优合作伙伴具有重要的意义。本文对传统的TOPSIS方法进行了分析，指出其不足，给出一种新的评价方法，对提升虚拟企业合作伙伴择优评价结果的可信度具有重要的参考意义。

[1]张新香.虚拟企业合作伙伴选择三阶段模型及方法研究[J].管理评论,2011,(3).

[2]金莹，张以文.虚拟企业伙伴选择指标综合权重确定方法[J].统计与决策,2013,(10).

[3]马蕾.基于不确定信息的虚拟企业合作伙伴的选择方法[J].统计与决策,2012,(11).

[4]陈伟，张永超，马一博，田世海.高技术虚拟企业合作伙伴选择组合评价研究[J].科技与经济,2011,(3).

[5]王丽波,许晓兵.基于可拓学优度评价法的虚拟企业合作伙伴选择研究[J].技术与创新管理,2012,(1).

[6]杨坚.基于群决策模型的虚拟企业合作伙伴选择问题研究[J].统计与决策,2011,(16).

[7]罗党,刘思峰.灰色关联决策方法研究[J].中国管理科学,2005,(1).

[8]刘思峰,蔡华,杨英杰,曹颖.灰色关联分析模型研究进展[J].系统工程理论与实践,2013,(8).

（责任编辑/易永生）

F270

A

1002-6487（2016）23-0040-04

浙江省社会科学规划课题（14NDC057YB）

邵际树（1968—），男，湖北嘉鱼人，博士，副教授，研究方向：企业管理。余祖伟（1971—），男，湖北武汉人，博士，讲师，研究方向:发展经济学。