伙伴联盟（精选八篇）
伙伴联盟 篇1
本文首先讨论了供应链联盟系统的复杂性,并依此从三个方面提出复杂供应链联盟系统中伙伴企业战略选择的视角,最后建立复杂供应链联盟系统中企业的战略选择过程模型,提出了一个基于复杂系统环境中企业战略选择的新模式。
一、供应链联盟系统的复杂性
复杂系统是指具有大量交互成分,内部关联复杂、总体行为具有不确定性的非线性系统。供应链联盟系统除了具有一般系统所具有的整体性、相关性、目的性和环境适应性等特征之外,还体现为结构复杂、关系复杂和行为复杂,有人参与,具有信息反馈功能,是动态、开放的复杂系统。
1. 供应链联盟的层次结构的复杂性。
复杂系统理论认为,系统的层次越多,越容易产生复杂性。供应链联盟系统这种介于市场和企业组织之间的一种组织形式更具多层性的复杂结构。供应链联盟是由许多有相互协作意愿的单体企业组成,单体企业具有从集团公司、分公司、企业管理核心层、企业各部门、车间到个人等多层结构;而联盟也有联盟的最高协调层、核心企业层、外围企业层等多层结构。整个联盟呈复杂的链状、树状、双向树状、星状或者复合状结构。不同企业之间、不同企业管理部门之间、企业内部各部门之间、个人之间、个人与组织之间的各种物流、资金流、信息流、知识流的复杂关系增加了供应链联盟的复杂性。
2. 供应链联盟组成成分的复杂性。
供应链联盟将一些有共同利益的供应商、生产商、分销商、物流商,甚至是竞争对手组成战略共同体,形成你中有我、我中有你的复杂局面。这种具有模糊边界特征的组织形式不像传统企业那样可以通过行政方式进行协调,也不能以纯粹的市场机制进行协调。在这种复杂的组织关系中,合作各方只能通过协商的方式解决各种问题。由于各组成企业加入供应链联盟的根本目的是为了自己利益的最大化,这必然导致各组成企业间的利益不一致性及单体利益与整体利益的不一致性。而各组成企业在辨识环境能力、预测未来能力、决策能力、学习能力、企业文化等各方面的差异,以及单体企业对风险的看法和承担风险的能力方面的差异性,再加上企业之间的委托代理问题的存在,更增加了供应链联盟系统的动态性和复杂性。
3. 供应链联盟系统演化的复杂性。
供应链联盟系统演化是个动态的过程。这种动态过程能产生差异性、突变性、涌现性、混沌性及自组织等特性。其中涌现性、突变性、混沌性和自组织性是供应链联盟系统产生复杂性的主要原因。由多个相关单体企业构成的供应链联盟系统具有了单体企业所不具有的特性和竞争优势,体现了整体与构成部分间的非线性关系。外部环境的非线性性使供应链联盟系统处于非平衡态,牛鞭效应、蝴蝶效应、合成谬误等在这种非平衡系统中更增加了系统的非线性性。这种远离平衡态的供应链联盟系统更容易构成具有耗散结构的复杂系统,系统及成员企业从有序到无序,又从无序到有序的混沌和自组织现象,加速了系统的复杂化趋势。
4. 联盟的动态性。
供应链联盟系统中的伙伴企业的内外部系统是动态变化的。联盟的建立、运作、管理、稳定、解体的每一个阶段都具有不同的特点。伙伴企业内部部门和个人间相互作用频繁多样;联盟系统及联盟外系统更是复杂多变。企业内部系统、联盟系统、联盟外系统相互作用,不断适应、调节,企业系统经过自组织和进化,不适应的企业会被淘汰,又会有新的企业加入。这种动态变化的系统,增加了整个系统的复杂性。
5. 联盟的开放性。
复杂供应链联盟系统中的伙伴企业与联盟之间、伙伴企业与联盟外环境之间、联盟与联盟外环境之间不断地进行物资流、信息流、资金流等的交换。随着各层级系统的任何一种变化,都会波及到联盟系统的运行及功能的实现。
6.供应链联盟外部环境的复杂性。
复杂供应链联盟系统与其内外部的联盟生态环境有着强烈的自觉目的性和互动性,企业必须适应其生长的环境,联盟也必须适应其所处的内外部环境。联盟生态是一个复杂巨系统,这个复杂巨系统是多维、多元、多层次、多目标的系统,系统内部各要素、各子系统的相互作用和综合效应具有更加多样的非线性。
二、复杂供应链伙伴企业战略选择视角
通过对供应链联盟复杂系统的讨论,根据供应链联盟系统的复杂性特征,笔者认为在复杂供应链联盟系统环境下,联盟中的伙伴企业的战略选择应该重点考虑以下三个视角:
1.提升核心能力的视角。企业能力理论认为企业自身的核心能力是企业生存和发展的前提。如果企业缺乏核心能力,则不可能组建联盟(无人响应),也很难进入供应链联盟(对联盟无贡献),同时,企业核心能力的大小也决定了其在供应链联盟中的地位和利益。企业要想进入或者组建供应链联盟,并在联盟中求得生存和发展,首先要从分析企业的内部复杂关系和外部的复杂环境入手,识别和评价自身的核心能力,明确自身的发展优势及提升核心能力的方向,以增强企业在供应链联盟中的地位和利益。因此,复杂供应链联盟系统中的企业在制定企业战略时必须立足于提升企业的核心能力。要注重从内部现有资源与外部环境的匹配转向注重内部核心能力和外部资源能力的整合。
2.树立复杂系统观点的视角。在当前超越于单个企业的供应链竞争时代,供应链的生存和发展与企业的生存和发展息息相关。供应链联盟的竞争优势来源于联盟伙伴贡献的资源和能力,以及联盟对这些资源、能力的整合能力。因此根据复杂系统理论原理,企业必须把自身看作供应链复杂系统中的一个节点,从整个供应链系统的视角来制定企业的发展战略,即不仅要考虑自身的利益,更要考虑供应链联盟的利益。在联盟中贡献自己的核心能力,有效地发挥自身核心能力的杠杆作用。为更好地整合资源和能力,企业必须对联盟的内外部系统进行分析,包括分析自身企业与直接利益相关者(消费者、市场中介、供应商、竞争对手、其他产业企业、其他诸如高校、科研机构、政府等)的关系,以及自身所处的联盟系统与联盟外系统(宏观经济、政策环境、政治、社会、法律、文化等)的关系,将企业放在大系统中来研究企业的战略选择。
3.面向最终客户的视角。新兴的服务科学、管理与工程(Services Sciences, Management, and Engineering)理念认为,无论企业的运作目的如何,接受服务的客户是制定企业战略要求的中心和驱动因素。根据这种理念,企业要实现其商业目标,取得成功,就必须比竞争对手更清楚地认识到客户的具体需求,集中各种资源及运作来满足客户的需求。因此,在供应链联盟的复杂系统中,伙伴企业战略的许多方面不仅要使自己的产品和服务必须面向最终客户,还必须协调联盟的其他伙伴企业战略目标,使联盟的整体战略目标指向最终客户。这就要求企业必须集中联盟的所有资源,统一联盟伙伴的最终战略目标,并充分认识自身在联盟的角色来选择战略。
三、供应链联盟复杂系统伙伴企业的战略选择
战略选择的视角也就是企业在进行战略选择时要关注的重点,供应链联盟复杂系统中伙伴企业的战略选择,主要是研究在高度复杂性条件下,伙伴企业能够围绕自己的发展目标,结合战略选择的视角,选择适应乃至利用复杂性以获取持续发展能力的战略。在这个动态非线复杂系统中,伙伴企业的战略选择逻辑思维是:首先对系统内外部复杂性、企业自身特殊复杂性进行分析,然后确定企业战略选择视角和原则,制定在这种复杂性条件下企业的战略,实施战略,并对实施效果进行评价,最后将实施结果反馈到复杂性分析环节。具体的战略选择包括降低复杂性、利用复杂性或者适应系统的复杂性等战略。
(一)降低复杂性战略
1.稳定性战略。
稳定性战略的核心是在维持现状的基础上,理顺并优化企业内部元素之间、企业与供应链联盟内、外系统之间的运作方式。由于复杂供应链联盟系统具有动态性、开放性、外部环境的复杂性等特征 ,处于复杂系统中的伙伴企业在一定时期内保持组织结构的相对稳定、内部运作方式的相对稳定、人力资源战略的相对稳定等,可以适当地降低系统的复杂性。
2.标准化战略。
鉴于处于复杂供应链联盟系统中的伙伴企业元素的多样性、层次性是内部复杂性提高的重要因素,降低元素间的差异性将使内部复杂性降低。所谓标准化战略就是指在企业的生产经营和管理活动中,通过制定和贯彻各项标准,使内部要素统一化、规范化,以降低复杂性及其不利影响的战略。要保证实物流、信息流、资金流、商流在供应链当中通畅地运作以发挥供应链的优势,没有各要素与各环节的标准化是难以实现的,例如,没有物流设施与设备的标准化,资源与产品的装卸可能就会增加工序,没有信息交换标准可能就会阻碍信息大范围全面共享,没有商务标准可能就会延误商品交易。
在复杂供应链联盟系统中,标准化战略涉及企业的各个层面。按照供应链合理化的目的和要求,制定各类技术标准、工作标准,供应链联盟标准化不仅包括传统的标准化,还包括物流平台的标准化(设施与技术装备标准、作业标准、管理标准、以及服务标准等),以及信息平台的标准化(编码标准、数据采集标准、物流数据结构标准、流程标准、物流信息交换标准、以及物流信息系统及相关标准等)。
(二)利用复杂性战略
由于复杂供应链联盟系统的运作和系统演化的复杂性,处于系统中的伙伴企业之间是一种复杂的合作竞争的网络关系。因此,在复杂供应链联盟系统中伙伴企业利用系统复杂性的战略,包括合作战略和竞争战略。合作竞争战略就是处于复杂供应链联盟系统中的伙伴企业,利用系统的复杂性,选择合适的竞争与合作战略,以有利于企业的生存和发展。是合作性竞争(co-opetition),在竞争中合作。
合作战略可以定义为伙伴企业在与其他供应商与制造商的复杂关系之间,在一定时期内的共享信息、共担风险、共同获利的协议关系。这样一种战略合作关系形成于集成化供应链管理环境下,形成于供应链中为了特定的目标和利益的企业之间。形成的原因通常是为了降低供应链总成本、降低库存水平、增强信息共享、改善相互之间的交流、保持战略伙伴相互之间操作的一贯性、产生更大的竞争优势,以实现供应链节点企业的财务状况、质量、产量、交货期、用户满意度和业绩的改善和提高。在供应链合作关系环境下,制造商选择供应商不再是只考虑价格,而是更注重选择能在优质服务、技术革新、产品设计等方面进行良好合作的供应商。供应链合作战略发展的主要特征就是从以产品/物流为核心转向以集成/合作为核心。在集成/合作逻辑思想指导下,供应商和制造商把他们的相互的需求和技术集成在一起,以实现为制造商提供最有用产品的共同目标。因此,供应链上的合作不仅仅是物质上的交换,还包括一系列可见和不可见的服务(R&D、设计、信息、物流等)。
供应链中的企业都是独立的利益个体,虽然相互间存在战略伙伴关系而却同时存在自身的利益,而这些企业加入供应链的最根本的想法也就是为了获得更多的利益。由于存在利益的分配问题,不免存在着异议、矛盾、甚至冲突。在两层及多层供应链中,既存在供应商与零售商之间的纵向竞争与协调,又有同一层中多个企业间(如多个零售商之间或多个供应商之间)的横向竞争。复杂供应链联盟系统中伙伴企业的竞争战略就是在竞争情况下企业应如何协调设计批发价合同、回购合同、收益共享合同、数量弹性合同及销售折扣合同的参数,使供应链中各参与企业的最优行动集组成惟一的Nash均衡点,以达到供应链竞争均衡和供应链系统最优。
(三)适应复杂性
1.收缩战略。
现代商业竞争越来越体现在供应链之间的竞争上,而处在复杂供应链联盟系统中的伙伴企业只有具备核心能力,才能适应系统的动态性、开放性、运作和演化的复杂性,才能在联盟中起主导作用或处于主动地位,因此,在复杂联盟系统中,企业战略首先要体现在提升核心能力,以适应联盟系统的复杂性。
所谓收缩战略是指企业出售非核心业务,从多元化回归集中化,以降低内部复杂性、增强核心业务的一种战略。收缩战略的实施多发生在经济萧条、产业饱和、企业不景气时,市场竞争的加剧往往使非核心业务出现大量亏损,耗费企业资源,企业内部矛盾激化,复杂性提高。因此,收缩战略的内涵丰富,一方面要剥离非核心业务、分化亏损资产,另一方面要集中资源强化核心业务,通过流程再造、结构重组、外包、标杆管理等提高利润,增加企业价值,它并不完全是一种消极战略。Oracle把自身的成功经验总结为“Wining the War on Complexity(成功战胜复杂性)”的电子商务战略。该战略的核心思想是“企业应该致力于主要业务”,“不应该将重要的资源分散到难以处理且费时的业务上”。
当然,收缩战略的作用是有限度的。首先从长期看,企业规模将随核心业务的增长而扩大;其次,绝对的集中化不利于分散风险,适度多元化依旧是必需的;最后,如前所述,导致复杂性提高的因素多种多样,仅靠收缩企业规模和降低多元化程度不足以充分解决。
2.创新战略。
处于复杂供应链联盟系统中的伙伴企业是一个复杂的非线性反馈动力系统。创新战略目标就是使企业在复杂的商业市场竞争中,通过技术创新、管理创新、组织创新等,建立一个学习型的网络组织,通过创新,共创愿景、系统思考、网络学习、共享知识、协同创新,企业不断地获得新知识和新经验,不断地调整自己的行为规则,同时也不断地改变自己的行为方式、增强对复杂系统的适应性,推动着企业向前发展。
摘要：在具有动态的强非线性网络组织结构特征的复杂供应链联盟巨系统环境中,供应链联盟伙伴企业选择什么样的战略,对企业的生存和发展至关重要。运用复杂系统工程的理论和方法从联盟的层次结构、组成成份、联盟的动态性、联盟的开放性、系统的演化、外部环境等方面研究供应链联盟系统的复杂性。利用系统工程的理论和方法,建立复杂供应链联盟系统中企业的战略选择过程模型。
关键词：复杂系统,供应链联盟,战略选择
参考文献
[1]JamesHoyt,From arms-length to collaborativerelationships in the supply chain,InternationalJournal of physical d istribution&logistics Man-agement,Vol.30 NO.9,2000:750-764.
[2]张光明.扩展型企业的复杂系统特征及管理哲理探讨[J].工业技术经济,2004(3):40-42.
[3]邓硕华.复杂系统理论在大型企业物流改革中的应用[J].企业技术开发,2005(12):94-95.
[4]许国志.系统科学[M].上海:上海科技教育出版社,2000.
[5]高志亮.系统工程方法论[M].西安:西北工业大学出版社,2004.
伙伴分析与联盟绩效的理论分析框架 篇2
尽管研究者已经认识到联盟伙伴选择时应注意战略互补、技能互补和管理思想一致性等问题，但是并没有给出联盟伙伴影响联盟绩效的内在依赖关系。因此，本文在对合伙人资源和市场关系分析的基础上，提出了一个分析合伙人特征如何影响联盟绩效的理论分析框架。
一、联盟绩效
目前，研究者在联盟绩效的评价上仍有较大分歧。有人偏爱主观评价指标如感觉到的满意；有人偏爱客观评价指标如收益和销售增长或收入和成本；还有人用联盟的存在和终结作为联盟绩效的评价标准。此外，在通过联盟自身还是通过组成联盟的伙伴公司来评价联盟绩效的问题上，也存在两种不同的观点。一是认为联盟是可分离的实体，因此联盟的绩效可由这些可分离的实体的收益性和增长率来评价。二是合伙公司通过联盟来实现某些战略目的，因此联盟绩效应根据合伙公司的总体效果来评价，即可通过预期的合伙公司战略目标的实现来评价联盟绩效。本文中，联盟绩效被定义为联盟中伙伴公司双方战略目标的实现程度。
二、伙伴公司分析
伙伴公司的选择是战略联盟的一个主要的研究方向。它强调伙伴公司应在资源方面相互匹配。认为资源状况决定了竞争者，即资源相似的公司是潜在的竞争对手（Barney，1991）。尽管资源很重要，但伙伴公司的匹配研究不应只局限于资源分析，还应包括市场分析。因为市场和资源是企业制定战略的两个最重要的基础。综合分析伙伴公司的市场关系和资源特征两方面能够更全面地检验它们的匹配程度。市场分析涉及伙伴公司的市场趋同性，资源分析包括资源特征和资源组合。
1、市场分析
在分析两个公司的市场关系时，市场趋同性是一个很重要的概念。所谓市场趋同性，就是竞争者与目标公司在市场中存在的重叠程度（Chen，1996）。描述市场趋同性有两个维度，一是特定市场对目标公司的重要性，即在该市场的收入占其总销售收入的比例；二是目标公司在该市场的占有份额。从这两个维度，市场趋同性基本上反映了竞争者对目标公司的重要性和威胁程度。
2、资源分析
联盟的资源分析主要是对伙伴公司的资源特征以及与伙伴公司资源的组合进行分析。前者是关于联盟聚合资源的特征，而后者则是合伙人投入的资源之间的配合类型。
3、联盟状况的特征
联盟状况是指在联盟的生命周期的某个时期，联盟中各个选择特征的集合。以前的研究发现了一些联盟绩效的决定因素，如学习、知识获得、议价能力、伙伴公司之间冲突与控制等。它们可被总结成三个主要的联盟状况特征：集体力量、公司之间冲突和相互依赖性。联盟集体力量是指所有联盟资源的价值创造能力，它取决于伙伴公司资源的有机结合和资源优化配置程度。合资企业和交易联盟就是利用增补性资源和／或互补性资源来增强联盟的集体力量。联盟中伙伴公司之间冲突是指联盟中伙伴公司具有不易协调的竞争利益、偏好和习惯的程度。冲突既存在于企业之间也存在于联盟内部。相互依赖性是指为了实现联盟的目标，伙伴公司之间彼此需要的程度。公司一般没有发展所需要的一切资源，因此需要建立公司间联系来管理对外部资源的依赖。只有存在对所需要资源一定程度的依赖时，联盟才会产生和延续。相互依赖性是联盟形成和延续的一个重要前提。
集体力量、伙伴间冲突和相互依赖性是三个主要的联盟状况变量，它们之间也存在着相互作用。首先，冲突加剧显然会侵蚀联盟力量。如果不能有效地加以管理，将会削弱联盟的集体力量和降低联盟的稳定性。第二，当联盟的集体力量处于下降状态时，很可能会增加合伙人之间的分歧。进而引发的对控制联盟权的争夺无疑会进一步加剧在联盟战略方向和管理方面的分歧。此外，当集体力量下降时，合伙公司会更加关心自己的私人利益，从而更加不利于实现共同利益。第三，伙伴公司之间冲突和相互依赖性负相关。当具有较强的相互依赖性时，由于害怕受到激进的报复，会减弱冲突的动机，增强合作意识。此外，冲突也会削弱。伙伴公司之间的相互依赖性，因为它们认识到彼此的需要实际上正受到妨碍和侵蚀。最后，集体力量和相互依赖性之间正相关。一是当两个合伙人能实现单个公司不能达到的集体力量水平时，彼此需要程度高。强大的资源和能力也增强了相互依赖的必要性。二是较强的依赖性也能鼓励合伙人贡献更多的资源和能力，从而产生更大的集体力量。
三、伙伴公司对联盟状况的影响
1、伙伴公司之间市场趋同性与联盟的集体力量正相关
当两个公司以相同的产品在同一细分市场竞争时，联盟的市场份额或市场力量是各自市场份额的直接相加。尽管有些研究者警告，与竞争者共谋的结局是灭亡，但像索尼公司和菲利普公司之间的联盟本质上就是直接竞争者间的合作。联盟无疑有利于在共同市场上的力量集聚。例如，汽车行业的公司之间已经建立了许多增强在共同市场中竞争力的联盟（例如通用和丰田）。显然，市场趋同性高的伙伴公司业务上重叠较大，因此联盟也多建于这些重叠的业务上，以便产生规模经济。此外，直接竞争者之间的建立联盟有助于降低彼此的竞争，增强了伙伴公司的力量。
2、联盟中伙伴公司之间的市场趋同性与它们的冲突之间正相关
市场趋同性高的联盟伙伴公司之间也可能存在比较大的冲突，主要是因为它们往往是直接竞争者。直接竞争者之间的合资企业联盟解散的可能更大，原因是它们在合资企业中存在着难以协调的目标冲突。联盟还可能改变竞争者在共同市场中的竞争地位，一个公司的所得往往是其他伙伴的损失。因此伙伴公司之间的利益冲突使直接竞争者难以结成长期利益联盟。
3、联盟中资源流动性、可模仿性和替代性与合伙人相互依赖性负相关
流动性用来衡量要素市场中资源的可交易性；模仿性是关于复制其他公司有价值的资源的难易程度；替代性是关于用其他资源来满足同样的需要。资源的流动性、模仿性、替代性对联盟形成非常重要。如果一个公司需要的资源具有完全流动性、模仿性和替代性，那么它就不需要与其他企业建立联盟。需要资源的公司既可以从市场购买或自己复制，也可以开发出功能相同的替代资源。有时资源的这三个特征是获得资源的障碍，因此需要建立战略联盟来获得需要的资源。
联盟形成后，所贡献资源的流动性、模仿性和替代性仍然会继续影响伙伴公司之间的依赖程度。不完全流动性意味着一个公司要确保持续地使用需要的资源必须停留在联盟中。例如，小公司通过联盟依靠联盟中大公司的商誉，因为商誉是不能流动的无形资源，对大公司的这种依赖不可能随着时间而减弱。同样，不完全替代性说明所需要资源具有特殊性，只有在联盟中才能获得。联盟中最重要的资源特征是可模仿性。当资源可模仿性差时，有益于公司更好地保护资源，保持独家专有。资源可模仿性对于联盟经验—学习至关重要。学习知识和技能常是建立联盟的一个重要动机，因为这些资源在潜在的应用上具有高度通用性并且通常不能由产权来保护。因此联盟具有学习竞赛的特征，公司努力在对方复制自己知识之前自己复制对方的知识。
4、联盟中资源流动性、模仿性和替代性与合伙人间的冲突正相关
联盟中某合伙人的学习行为常常损害其他合伙人的利益，因此可模仿程度高的资源容易引起潜在的利益冲突。一旦合伙人感觉到在学习竞赛中落后了，可能依赖于附加的控制机制来确保安全，例如限制两个公司的人员接触等。但这类控制机制会降低了合伙人之间的信任并且暗示了存在不信任。同样，资源流动性和替代性也对冲突的有推动作用，因为公司可能要提防合伙人从其他渠道获得并替代它们所贡献的资源。
此外，这三个资源特征与集体力量没有显著的关系。资源流动性、模仿性和替代性的程度与保持合伙公司在联盟中资源异质性有关，而与竞争优势本身无关。
5、联盟的集体力量与增补型和互补型资源组合正相关，与过剩型和浪费型资源组合无关
过剩型和浪费型资源组合不仅不会增加联盟的集体力量，反而可能会有削弱作用。但是影响程度还不足以作为评价集体力量的一个主要因素。然而，增补型和互补型资源组合对联盟集体力量的决定性影响是企业制定投资战略和交易战略的基础。利用联盟伙伴的增补资源加强联盟的资源基础，从而为企业创造价值。通过集聚增补资源，联盟获得规模经济效应的同时也剥夺了竞争者获得这些资源的机会。因此，在战略上，需要不仅仅从资源充分利用的角度来认识增补型资源组合的价值。互补型资源组合的观念也得到了研究者更加广泛的关注。这是因为建立战略联盟的基本原理是获得自己没有的但又十分需要的资源。这种资源组合显然对联盟的集体力量有重要强化作用。
6、联盟中伙伴公司的冲突与过剩型组合负相关，而与浪费型资源组合正相关，与增量组合和互补资源组合无关
四种合伙资源组合中，增补型和互补型资源组合与合伙人冲突没有显著的关系，因为自己投资增加工作资源对产生和减少冲突没有任何意义。然而，过剩型资源组合有助于减轻联盟中的资源约束，从而减少合伙人冲突的潜力。当过剩资源容易获得时，联盟会缺乏选择最佳资源配置方式的动力。如果拥有过剩资源的组织更有可能分散地制定决策，自治程度高的合伙人在联盟运行中应该有较少的冲突。在浪费型组合中，倾向于加剧合伙人冲突，合作也不顺利，原因是不相同的和不相容的资源表明合伙人在战略导向、企业文化等方面存在差异。此外，不相同的资源会增加合伙人之间沟通的难度，这不仅会增加冲突的机会，也会降低冲突解决措施的效力。
7、伙伴的相互依赖性与增补型和互补型资源组合正相关，而与过剩型和浪费型资源组合负相关
合伙公司的增补型组合和互补型组合增加了公司间的相互依赖性。当资源贡献对称时，投入联盟的工作资源越多，合伙人彼此的依赖性越强。资源依赖理论也认为对合伙人的依赖程度与需要资源数量和选择的余地有关。显然，增补型资源和互补型资源组合会加强了依赖程度。而合伙人间的相互依赖性与资源过剩负相关。大量相同的但是非工作资源表明彼此需要程度在降低。当资源既相同又过剩，不存在增补组合效益。如果关键资源十分丰富，那么公司能够容易地得到，因此也就不存在对其他公司的依赖。
此外，浪费型资源组合也倾向于与相互依赖性负相关，因为来自合伙人的不相同的非工作资源表明资源缺乏相容性。这种不相容性削弱了合作的有效性，而且大量的资源浪费弱化或破坏了相互依赖关系。即使合伙人确实需要在某些领域彼此合作，但浪费资源也会降低合伙公司的协同效应和合作的可行性。
1、集体力量与联盟绩效正相关
合伙人的集体力量是联盟绩效的一个主要的决定因素（Beamish，1987）。建立联盟的基本原理是通过组合合伙公司的资源来开发单个公司自己不能利用的机会。联盟积聚的集体力量越大，更有可能获得满意的绩效。尽管可能存在目标成就的不对称，即一个合伙人的目标成就可能比其他公司的目标成就更大，但集体力量无疑有助于实现合伙人各自的目标，因而提高联盟的绩效。
2、联盟中合伙人间冲突与联盟绩效负相关
即使冲突最终能够得到有效的管理和解决，也不利于联盟绩效，因为它不仅制约了有效的决策而且浪费了组织的能量。如果组织文化和管理习惯不相容会损害联盟绩效。尤其是当合伙人的共同目标少时，合伙人冲突会上升，进而会影响到联盟绩效。相容的目标可使合资公司中合伙人得到更多的满足，这是直接竞争的公司间结成企业联盟的一个重要原因。一般地，合伙人间的冲突不利于实现满意的联盟绩效。因此有效的管理是实现相关租金或联盟成员共同享有的非正常收益的一个关键决定因素。
3、合伙人之间的相互依赖性与联盟绩效正相关
伙伴联盟 篇3
在竞争激烈的全球经济环境下, 几乎没有一个企业/公司拥有进行有效竞争的所有资源, 联盟给企业/公司间的资源互补和创新提供了有效机制, 并在企业知识资源交换和创造价值中扮演了重要角色。
联盟的价值创造取决于联盟伙伴间知识资源交换的性质以及相对于一个公司 (盟主公司) 的合作伙伴的角色 (供应商、客户、补充者、竞争者或其他) 。盟主公司的合作伙伴可能具有多重角色 (既是一个竞争者又是一个补充者) , 伙伴角色的转变会导致知识交换性质的变化, 并影响联盟的价值创造[1]。因此, 理解不同合作伙伴对联盟企业知识交换和创造价值的影响和作用, 实现联盟合作伙伴角色的合理配置, 提高联盟学习能力, 是有效转化联盟知识、最大化联盟价值的根本保证。
2 知识资源的性质及其价值
知识的交换和转移依赖于知识是否易于被移植、理解和吸收, 因此, 知识转化过程中伴随着知识的模糊性。知识资源的模糊性主要来源于知识的隐性 (tacit) 、特殊性 (specificity) 和复杂性 (complex) [2], 它们是联盟学习和知识转化的最大影响因素。本文用隐性、特殊性和复杂性表示参与交换的知识资源性质以及价值。
2.1 资源的隐性价值
显性知识包括合同、手册、数据库、许可证或有关产品的信息。隐性知识则驻留在个体的大脑中, 如雇员的专长、工作经验知识以及组织的商标和文化等, 它们是高度私有化的、难以共享和转移的, 但具有更大的战略意义。
2.2 资源的特殊性价值
特殊性是指用于完成一个特定事务所需的专门资源条件。特殊资源不但给伙伴制造了知识转移的障碍, 也是联盟创造价值的优势资源。如:一个财务软件开发公司与一个计算机公司合作, 从而使计算机公司获得更专业化的信息平台。
2.3 资源的复杂性价值
在联盟环境下, 复杂性是指合作伙伴相互依赖的程度。如果联盟伙伴的合作只是联营 (资源替换) 和顺序访问 (技术准入) , 则伙伴资源依赖关系只是资源的访问/替换, 不是知识的内化;如果联盟伙伴资源交换是互惠交换 (如:联合研发) , 则属于高级的复杂依赖关系, 这种联盟专心于高度集成和内在化伙伴知识资源, 因此也就最具有获得创造价值的机会, 这种合作可能构成一个唯一的资源组合并难以模仿。
3 行业联盟网络的伙伴角色
行业联盟是企业战略联盟网络中最具凝聚力和吸引力的一种联盟网络, 它主要开展产业链上企业协作, 形成以制造企业为盟主, 吸引为其配套的上、下游企业以及相关的服务业、管理机构等形成动态行业联盟, 共同完成从原材料采购到成品生产、销售、售后服务等全生命周期的企业协作和管理, 提高企业和整个行业的综合竞争力。
一个行业盟主的合作伙伴角色有补充者、竞争者、供应商、客户及其他 (行业外) 。如果客户拥有某个公司的产品价值比拥有你公司的产品价值少/多, 则该公司是你的竞争者/补充者;或如果供应商向你公司提供的资源比给某个公司的少/多, 则该公司是你的竞争者/补充者。
一般来说, 某个盟主公司的合作伙伴可能具有多重角色, 既是竞争者又是补充者。事实上, 联盟合作伙伴都在与竞争者合作。由此, 提出了一个战略管理问题:在联盟中交换什么样的知识资源可能取得更多的价值?怎样从不同类型的伙伴那里学习、转移和吸收更多具有战略意义的知识?
4 基于伙伴角色的联盟知识资源交换模型
联盟企业知识资源交换本质上会导致联盟联合学习, 从而会给联盟伙伴带来价值, 大量的知识资源交换和补充知识的集成会使联盟企业联合创造新产品、新技术和提供联合优质服务。图1为基于伙伴角色的联盟知识资源交换模型。知识资源交换和预期的价值随着知识资源的隐性、特殊性和复杂性程度的提高而提高。如果联盟中交换的知识资源是有价值的和具有竞争优势的资源, 则它们应在隐性、特殊性和复杂性方面具有难以模仿的特性, 即知识资源的模糊性越大, 模仿的难度就越大, 创造的价值和具有的竞争优势就越强。
基于伙伴角色的联盟知识资源交换和价值创造:
4.1 模型右上角
当联盟合作伙伴双方都贡献战略资源 (即高度隐性、极特殊和高度复杂的资源) 时, 进行的是资源的互惠交换, 可获得最高的价值创造和竞争优势。
4.2 模型左下角
当联盟合作伙伴双方贡献的资源属于显性、不特殊和不复杂的资源, 这种联盟实施的是资源共享, 其目的是改善操作、降低风险和减少成本, 实现规模经济。如:公司与他们的供应商联合以获得JIT交付, 改善物料和部件的质量并减少成本。
4.3 模型左上角和右下角
联盟合作伙伴的一方提供一个战略资源而另一方提供的是低级资源。这种情况下, 通常交换的只是编码格式的知识, 伙伴之间没有新产品或技术开发, 因此只有极小的联合作用或集成。由一方提供的隐性知识常常不被共享, 只是资源的顺序交换。如:一个伙伴提供了客户知识、市场准入或一个商标 (高度的隐性资源) , 而另一个伙伴只提供了进入市场的产品 (低隐性资源) 。
联盟伙伴的资源贡献Y=f (P1T, S, C, P2T, S, C, P1*P2) , 它是每个合作伙伴资源贡献的作用P1T, S, C和P2T, S, C以及两者的相互作用P1*P2的函数, 其中变量PiT, S, C反映某个合作伙伴Pi交换资源时对联盟创造价值的贡献。图1中P1T, S, C表示伙伴1将隐性的、特殊的和复杂的知识资源贡献给联盟创造的价值, 如:伙伴1提供一个网站和有经验的工程师到联盟环境中工作。
随着市场经济的发展和产业结构的不断调整, 企业/公司在行业价值网中的角色不断变化, 联盟网络的价值创造不仅受到联盟伙伴交换的知识资源性质的影响, 还取决于联盟伙伴在网络中的角色。当联盟伙伴双方进行资源交换时, 不同角色的合作伙伴对联盟的贡献和创造的价值不同。
4.3.1 补充者联盟
与补充者联盟的目的是稳定和增加公司产品的客户群体。假设一个计算机硬件公司是联盟的盟主公司, 则它与补充者 (如:软件公司、网络公司) 的联盟对联盟合作伙伴双方都是有利的, 因为计算机行业依赖于网络的外部化, 需要增加互补产品, 这类联盟常常采取研发协议的方式, 联合开发新产品有助于销售盟主公司的产品, 联合开发市场联盟有助于盟主公司将补充者的产品与其产品“捆绑”。这类联盟的目标是赢得市场地位和市场份额。其知识交换的联盟绩效可用联盟企业的产品附加值和市场评价指标衡量。
4.3.2 竞争者联盟
与竞争者的联盟通常采用许可协议、合资和联营的形式。这种联盟可能的目的有技术密集型产品研发、获得规模经济、高风险——低成本以及学习伙伴的知识。想获得竞争者的市场准入许可的原因可能有:想在产品生命周期的早期建立行业标准, 或需要避免今后法律上的问题。这类联盟的知识交换价值可根据企业市场规模和经营效益评价。
4.3.3 供应商联盟
与供应商联盟可以在减少成本、改善操作的有效性和提高盟主公司的服务质量方面取得更好的集成绩效。供应商也可从与盟主公司的合法联合上获利, 特别是如果盟主公司是一个市场的领袖。供应商要经历技术及零件与盟主公司产品的配套联合, 所以供应商联盟可能需要联盟双方投资开展产品配套研发。
这种联盟的知识交换价值可从联盟企业的供应链运营绩效和新产品研发成果等方面给与评价。
4.3.4 客户联盟
客户联盟可以使合作伙伴双方都获益, 客户联盟常被看成是“关系市场”, 它是加强已有产品或开发新产品、定制设计、改善客户服务和减少成本的重要资源。这类联盟的知识交换价值主要来自联盟企业的组织效率和文化, 以及与联盟目标密切相关的金融绩效和运营绩效。
4.3.5 “其他”联盟
与行业外的伙伴联盟可能引入新的收益流。通常联盟中的每个新成员都能带来新的能力或新的知识, 这些都可被集成用于研发新产品或服务。如:Sun公司提供计算机技术专家, Kodak公司提供照相技术专家。
联盟企业通过此模型和伙伴资源贡献函数评估联盟伙伴的知识资源交换的价值创造, 及时调整和修正企业联盟战略, 构建良好的联盟结构, 更加有效地实现企业战略目标。
5 提高联盟学习能力
联盟伙伴的一般知识资源交换主要发生在联盟的初始阶段, 随着联盟的逐步发展, 联盟企业要想理解和吸收具有高度隐性、特殊性和复杂性的联盟知识和技能, 获取更大的联盟价值, 其关键是要具有联盟学习能力。为此, 我们需要了解联盟合作伙伴应该“学习”什么、如何有效和正确地理解和吸收联盟知识。
联盟学习有3种[3]: (1) 内容学习, 访问和/或内化合作者一些关键信息、技术或技能, 它是公司参与联盟的潜在动机, 这种学习将产生私有利益; (2) 伙伴学习, 到联盟合作伙伴环境中去学习如何管理合作过程和更好地协同工作, 这种学习是支持联盟成功合作的关键; (3) 联盟管理学习, 学习一个公司怎样管理它的联盟, 以及如何提高联盟学习能力。
不论是补充者合作还是竞争者合作, 一个良好的相互学习的环境和科学的思维方式会激发知识的有效吸收和转移。联盟有效学习、理解和吸收知识的基本要素包括:
(1) 建立良好的学习氛围和文化在联盟内建立一系列跨职能团队, 建立联盟成员之间的友谊和开展联盟社区联谊活动, 克服联盟合作伙伴之间的交流障碍;建立网络环境, 鼓励双方积极对话, 提供合作伙伴紧密联系的纽带。
(2) 在联盟过程中树立系统化思想, 需要有反馈过程提供有关已经学习了什么和已经做了什么的信息。联盟成员必须从系统角度看问题, 正确理解相关因素的交互作用, 运用整体论方法解决问题。
(3) 呈现、改变和共享智力模式。战略联盟成员需要发展深思、询问和相互交谈的技能, 实现有效呈现、改变和共享智力模式。联盟成员智力模式的微小变化的积累将逐渐影响根深蒂固的观念。
(4) 具有知识访问、转移和创造的潜质。Levinson等认为如果企业在联盟过程中具有确定新知识、转移和理解新知识、及时调整学习行为和制度化学习的能力, 则此联盟是一个能提供联合学习的组织[4]。
(5) 建立学习关系联盟的关键成功因素是创造学习关系的能力。为了战略联盟的学习, 管理者应成为联盟学习的设计者、教师和服务员。
(6) 开发联合学习组织、战略和过程为支持联盟学习过程, 需要开发联合学习组织、战略和过程, 包括① 设计奖励系统;② 建立从联盟内部和外部收集和转移信息、知识的机制;③ 开发专门的学习能力等。
6 结 论
根据知识资源的隐性、特殊性和复杂性及其价值, 建立基于伙伴角色的联盟企业知识资源交换的概念模型, 对行业联盟中不同伙伴角色的资源交换和价值作用进行了分析, 联盟知识资源交换创造的价值是合作伙伴各自贡献的资源作用和双方资源相互作用的函数。当联盟伙伴双方贡献的是高度隐性、或极特殊、或高度复杂的知识资源, 联盟企业可获得最高价值的战略资源, 创造的价值最大。反之, 当联盟的双方或一方交换的是显性的、或不特殊、或不复杂的资源, 则获取的资源只能用于改善操作、降低风险和减少成本, 实现规模经济或市场准入。联盟企业应根据企业目标合理配置联盟结构, 建立补充者联盟、竞争者联盟、供应商联盟、客户联盟等多维联盟结构, 提高可持续发展的能力。
为确保最大化联盟价值, 联盟企业还必须不断提高联盟学习能力, 关注内容学习、伙伴学习和联盟管理学习。建立良好的联盟学习氛围, 培养科学的思维方式和不断改善认知结构, 建立良好的联盟个体间和联盟组织间的学习关系和开发联盟学习组织机制和战略, 挖掘联盟知识创新潜能, 促进联盟企业知识资源的转化和吸收, 为企业创新和取得竞争优势打下基础。
摘要：战略联盟已成为企业取得竞争优势的有效机制, 但动态市场和日益增长的商业成本, 使管理者深感从联盟获取价值变得越来越困难。根据行业联盟合作伙伴的不同角色, 从企业知识资源的性质及其创造价值的作用, 提出基于伙伴角色的联盟企业知识资源交换模型, 通过联盟伙伴资源贡献函数评估联盟企业在行业联盟网络中创造的价值。提高联盟学习能力是联盟企业有效转化联盟知识、最大化联盟价值的根本保证。
关键词：联盟知识,资源交换,伙伴角色,创造价值,联盟学习能力
参考文献
[1].Stuart X.Inter-organizational Alliances and the per-formance of Firms:A Study of Growth and Innovation Rates in aHigh-Technology Industry[J].Strategic Management Journal, 2000, (21) :791~811
[2].陈菲琼.我国企业与跨国公司知识联盟的知识转移层次研究[J].科研管理, 2001, 22 (2) :66~73
[3].Prashant Kale et al.Learning and protection of propri-etary assets in strategic alliances:building relational capital[J].Strategic Management Journal, 2000, (21) :217~237
伙伴联盟 篇4
1 基于AHP法的联盟伙伴选择模型
基于AHP(Analytic Hierarchy Process)法所构建的战略联盟伙伴选择模型较为常见,AHP法是上世纪70年代中期发展起来的一种定性与定量相结合的多目标决策方法,可以将定性指标和定量指标统一在一个模型中。该方法的关键在于准则层指标的选取,在战略联盟伙伴选择模型中,常见的准则层指标一般为:互补性、兼容性、成长性、对等性、信赖性等,通过对各指标权重的测算来进行多层次的分析以筛选方案层中的候选伙伴。从其准则层指标不难看出该方法基于信息完全的假设,否则将无法测算各指标权重。另外此类模型一般侧重于长期战略联盟伙伴的选择。在经济危机时期,一方面经济和企业的发展均脱离了常规轨道,准确信息的获取难度骤然加大甚至是不可能的,因此完全信息假设不复存在,AHP法中所需要的准则层指标无法准确衡量;另一方面,企业的联盟战略更多考虑的是削弱经济危机对自身的冲击,应对短期内的风险,一般不着眼于长期的发展。正基于此,在经济危机时期企业需要更有效的战略联盟伙伴选择模型,该模型需要在信息不完全假设基础上侧重于短期联盟策略。为此,本文以经济危机时期采购联盟为例构建了新模型。
2 经济危机时期联盟伙伴选择模型
2.1 以采购联盟为例的模型
经济危机时期的一个重要经济特征是本国货币贬值,对原材料较依赖国际市场的企业冲击较大。采取采购联盟的形式在国际市场上购买原材料可以扩大订单量,增加企业的话语权,有效缓冲货币贬值。
现假设企业A需要寻找联盟伙伴共同进行国际采购,采购过程可分解为n个子过程,每个子过程需要寻找一个联盟伙伴,各子过程之间呈串联关系。不妨假定第j项子过程的候选联盟伙伴的数量为n,其中的第k个候选联盟伙伴完成第j项子过程所需要的时间区间估计值为[tjk,],其中();第k个候选联盟伙伴完成第j项子过程的风险区间估计值为[rjk,rjk],其中();第k个候选联盟伙伴完成第j项子过程的成本区间估计值为[cjk,],其中()。A企业期望完成采购的总时间不超过T,可承受的失败风险程度为R,目标为采购联盟完成的总成本最小,即mixC。
则目标函数为
该项联盟的约束条件如下:
s.t-1:每项子过程的联盟伙伴为1个:
s.t-2:时间约束条件为:
s.t-3:风险约束条件为:
2.2 模型应用中需要注意的问题
首先,目标函数的选择,采购联盟的宗旨是降低采购成本,因此模型将目标函数选择为实施联盟的总成本最小。其他联盟形式伙伴选择模型的目标函数则未必是成本最小化,比如研发联盟的目标函数应是风险最小,生产联盟的目标函数应是时间最短,营销联盟的目标函数则可以界定为收益最大,另外,根据需要企业还可以选择多目标函数的模型形式。其次,约束条件的变动。采购联盟中有三个约束条件,分别为伙伴个数、联盟实施的时间以及失败风险。然而,不同形式的联盟需要不同的约束条件,经济危机时期瞬息万变的经济环境要求企业灵活变动约束条件来实现联盟伙伴的优化选择。第三,结合AHP法运用模型。基于AHP法的战略联盟伙伴选择模型在企业所掌握的信息量较大时还是十分有效的,因此,即便在经济危机时期企业选择联盟伙伴时也不能完全忽视AHP法的作用。企业选择战略联盟伙伴时首先应考虑对候选企业是否熟知和信任,如果同时具备两个条件,则应采用AHP法进行联盟伙伴选择;其次,考虑此项联盟的时间长度,如果着眼于长期联盟,企业应付出较大成本获取关于联盟伙伴的信息并采取AHP法进行伙伴选择;第三,随着企业与联盟伙伴的不断合作,相互之间的信息透明度也会越来越高,也就具备了从新模型到AHP法模型转换的条件,企业可以考虑与联盟伙伴建立长期的合作关系。总之,企业在选择所应用的模型时,最关键的因素是衡量自身对候选联盟伙伴信息的掌握程度,基于完全信息假设选取AHP法或基于不完全信息假设选择使用新模型。
3 当前形势下我国企业如何选择国际联盟伙伴
由美国次贷危机引起的全球性金融危机已经波及到实体经济层面上,主要发达国家基本上都处于经济危机状态之中。此轮经济危机对我国出口导向型企业影响较大,一方面国际市场大幅萎缩,另一方面人民币升值造成出口商品相对价格上涨。我国企业应采取联盟战略,积极与国外企业联合应对经济危机的冲击。
当前形势下的联盟主方向为营销联盟,只有借助于国外联盟伙伴的力量才能应对国际市场萎缩和人民币升值带来的出口困难。企业在选择联盟伙伴时应充分考虑以下四点:首先,联盟伙伴在进口国拥有成熟的营销模式和丰富的市场资源,可以帮助我国企业快速进入目标市场,促进国际扩展;其次,联盟伙伴掌握大量的国际市场知识,熟悉资本和金融运作,可以减少合作过程中的摩擦,实现联盟中的无缝对接;第三,联盟伙伴有一定的企业规模,财务状况稳定,我国企业应对联盟伙伴的财务状况仔细审查,防止在国际合作中遭遇虚假企业骗局;最后,联盟伙伴企业文化与本企业文化的吻合程度,相近的或互补的企业文化有助于联盟双方更好的展开合作。跨国联盟中最关键的因素是联盟风险的控制,因此,在根据上述标准确定候选联盟伙伴之后,企业应该以风险程度为目标函数进行联盟伙伴选择,选择风险系数相对较小的联盟伙伴。建议企业可以通过一系列的系统的短期联盟维护市场,并待经济形势好转之时谨慎地选择一个长期联盟伙伴,共同打造一个成熟的市场。
参考文献
[1]李再扬,杨少华.企业战略联盟理论的新发展[J].济学家,2003,(3).
[2]Gulati R.Network Location and Learning:The influence of network resources and firm capabilities on alliance formation, Strategic Management Journal,1998.21:397-420.
伙伴联盟 篇5
产业链动态联盟是一种多盟主、多产品订单、动态可变的产品开发组织模式。在指定的时间内指定的产业链节点上选择最优的合作伙伴及合适的评价指标是产业链动态联盟组建的关键环节。目前,国内外学者在合作伙伴选择方法方面,研究成果丰富,提出了模糊层次分析法[1,2]、神经网络法[3]、传统的及扩展的遗传算法[4,5,6]、传统的及优化的蚁群算法[7,8]、多粒子群算法[9]等,这些方法都有其特有的应用条件和优缺点。但由于产业链动态联盟涵盖了数量巨多、类型多样的合作伙伴,上述单一的研究成果并不适用。
关于合作伙伴评价体系,传统的方法如文献[1-5]是以成本、时间、质量等经济指标为主,建立定性和定量指标,然后对每个指标分配一定的权重系数,把多个经济规划指标转化为单一指标来进行评价。近年来,随着人们对环保问题的日益重视,研究者已把环保作为评价合作伙伴的重要指标,如文献[6],把含碳量和含铅量作为环保指标加入到伙伴评价体系中,但在现有的文献评价体系中未有发现社会责任指标。
本文在分析产业链联盟成员类型及性质、多目标评价指标的基础上,构建了一种多层次的可持续发展的产业链合作伙伴选择组织框架,并提出了初选和精选两个阶段的伙伴选择方法及评价策略。
1 产业链动态联盟组织模型
产业链动态联盟涵盖整个产业链上所有企业,包括上游的原材料供应商、中游的产品设计和制造商,以及下游的产品销售商和相关服务商,如图1所示。在每个产业链节点上,各联盟伙伴之间也是n-n的分层合作关系。其中,位于中游的产品开发链是整个产业链动态联盟的核心,而且它也是企业动态联盟的管理模式。该环节的合作伙伴是由具有产品设计能力和产品生产能力的企业成员组成的。
基于多变不确定的客户需求及合作伙伴类型的复杂化,本文提出的产业链动态联盟组织框架见图2。
该联盟框架可分为以下五部分:
(1)根据产品需求,初步征集产业链上各节点候选企业集。
(2)建立合作伙伴评价指标及准则集。可持续发展、绿色产品设计与制造的需求要求企业在选择合作伙伴时,在考虑传统意义上的经济性指标的同时,还要关注企业的社会责任感及产品的环保问题,因此本文建立了包含经济、社会、环保三方面的合作伙伴选择指标集。
(3)基于上述指标,初步筛选合作伙伴。
(4)基于多目标优化模型,精选最优条件的合作伙伴。
(5)维护及再评价合作伙伴。
2 多目标函数
产业链上各节点的伙伴在整个产品生命周期起着不同的功用,因此选择不同类型的合作伙伴时,需要考虑的指标侧重点是不同的。在引用多个文献提出的经济指标的基础上,本文又添加了环保、社会方面的指标,表1列出了一级评价指标、二级评价指标及其影响因素。
对核心企业(盟主)来说,最佳的合作伙伴是在满足最低总费用、最小合作风险、最短交货时间的基础上能够提供优质、环保产品的企业,并且能最大限度提高其社会地位和价值。基于表1中的评价指标,建立的目标函数如下:
上述五个目标函数f(x1,x2,…,xn)中的xi分别对应于表1中各评价指标的影响因素,它们受以下条件的约束:
其中:C0为产品总预算;Q0为确保产品合格的最低质量要求水平;T0为产品完成的预计时间;V0为候选企业在社会各指标方面能满足的最低值;E0为产品在环保方面的合格值,具体包括允许排放的有害气体最大值、废品处置合格值。
3 两层次的合作伙伴选择方法
产业链的时间序列面向产品全生命周期,多产品订单的环境使得在每个时间点上都需要对多个候选企业进行评价,如某汽车产品,将涉及到从材料供应商到售后服务的机械、石油、纺织企业以及科研院所、销售商、保险多个行业的众多企业。因此,整个汽车产业链上的候选企业数量庞大。本文建立了初选和精选的伙伴选择机制,并使用不同的算法来实现产业链各阶段合作伙伴的选择。
3.1 基于规则的FAHP伙伴初选
在伙伴初选阶段,盟主可以组织专家团,采用基于规则的FAHP对各候选企业的经济、社会和环保指标进行评估,如图3所示。由于FAHP方法在很多文献中都有详细阐述,这里仅简单描述初步筛选合作伙伴的过程:①确定各指标的影响因素数据,把输入参数分为低、中、高三种级别,将输出参数分为非常低、低、中、高、非常高五种级别;②基于各企业的指标值,统一构建“if-then”模糊规则;③ 利用MATLAB模糊逻辑工具箱进行模糊分析,选出较优的候选企业集。
经过初选,该汽车产品在生命周期各阶段内的候选企业数目大大减少,降低了精选阶段多目标同时优化的计算难度。
3.2 基于多目标优化的伙伴精选
传统的伙伴选择方法分为两步,即首先采用加权方法把多目标转化为单一目标优化问题,然后再对单一目标函数设计合适的算法,进行求解。这种优化模型有两个缺点:①各目标函数有不同的单位、量纲,很难准确地分配合适的权重系数;②权重系数对优化结果非常敏感,它的微小变化将会导致差别很大的结果。
Pareto优化方法在多目标优化问题方面具有同一时间实现多个目标函数优化、优化结果非唯一非劣质解、对目标函数改变不敏感三个方面的特性。 利用Pareto优化方法,所设计的伙伴选择方案如下:
如果评价结果S和S1满足条件:{C(S)<C(S1),T(S)<T(S1),Q(S)>Q(S1),V(S)<V(S1),E(S)>E(S1)},那么解S优于S1。如果不存在一个解S1优于S,那么S为伙伴选择的Pareto解。
例如,三家汽车玻璃材料供应商的评价结果为:
通过比较,供应商S1明显优于S2,但S1和S3互为非劣质解,因此S1、S3为Pareto解。
由于猫群算法一方面克服了遗传算法在局部搜索能力方面的不足,另一方面解决了粒子群算法易陷入局部最优解的缺陷[11],因此本文在合作伙伴精选阶段,采用Pareto-猫群算法,其流程如图4 所示。具体步骤如下:
(1)根据在伙伴精选阶段内整个产业链上所有候选企业数目以及影响其目标函数的主要因素来确定生成多少只猫,即猫的数目等于各目标函数参数,并初始化猫的位置和速度。
(2)计算猫的适应度,将非支配解存放到Pareto解集中。
(3)确定混合比率,将猫群随机地分为搜索和跟踪两种模式。
(4)根据判断条件,对处于两种模式的猫群进行迭代计算。由于很多文献,如文献[11]和[12]对猫群算法的求解过程已有了详细描述,这里不再赘述。
(5)重新计算所有猫的适应度,进行Pareto排序,更新Pareto解集。
Pareto解集存放了猫在搜索和跟踪两种模式下得到的非支配解,且随着迭代的递进而随时更新解集。
对某产品精选产业链上各节点合作伙伴,只需要设置猫群个数、SMP(Seeking Memory Pool,搜索记忆池)值、MR(Matching Ratio,配比)值、运行迭代次数,即可求解出Pareto非劣质解集。评价专家组根据这些优化解集评选出性价比最高的各节点合作伙伴。
4 总结
本文在分析产业链动态联盟成员类型特性的基础上,说明了当前建立动态联盟必须要考虑经济、社会和环保三方面的评价指标,提出了涵盖多目标、多评价层次的产业链动态联盟组成框架;由于产业链上的候选企业数目繁多,存在计算量大、实际操作性弱的缺点,本文提出两层伙伴选择模型,实现了从初选到精选的伙伴选择过程,并详细描述了两层伙伴选择所采用的方法;尤其精选阶段,实现了多目标同时优化的目标,使伙伴选择更科学、合理及有效。
摘要：分析了产业链上各节点的企业联盟成员类型及性质;构建了多层次的集经济、环保和社会评价指标于一体的产业链动态联盟组织框架;提出了基于规则的FAHP(Fuzzy Analytic Hierarchy Process,模糊层次分析法)伙伴初选和基于多目标优化的伙伴精选的两层合作伙伴选择机制;在精选阶段采用Pareto-猫群算法实现了多目标同时优化。
关键词：绿色产业链,动态联盟,多目标优化,Pareto-猫群算法
参考文献
[1]Lee Amy H I,Kang He-Yau,Hsu Chang-Fu,et al.Agreen supplier selection model for high-tech industry[J].Expert Systems with Applications,2009,36(4):7917-7927.
[2]Krishnendu Shaw,Ravi Shankar,Surendra S Yadav,et al.Supplier selection using fuzzy AHP and fuzzy multi-objective linear programming for developing low carbon supply chain[J].Expert Systems with Applications,2012,39(9):8182-8192.
[3]徐晓燕.制造型企业供应链合作伙伴选择问题及方法研究[J].中国科学技术大学学报,2002(4):505-511.
[4]马祖军.基于遗传算法的供应链联盟伙伴选择[J].系统工程理论与实践,2003(9):81-84.
[5]董文辉,巩亚东,王宛山.基于遗传算法的网络化制造伙伴选择与优化[J].东北大学学报(自然科学版),2005,26(5):474-477.
[6]Yue Zhang,Fei Tao,Yuanjun Laili,et al.Green partner selection in virtual enterprise based on Pareto genetic algorithms[J].The International Journal of Advanced Manufacturing Technology,2013,67(9-12):2109-2125.
[7]甘屹,齐从谦,杜继涛.基于蚁群算法的动态联盟伙伴选择研究[J].系统仿真学报,2006(2):517-520.
[8]江资斌.虚拟企业合作伙伴选择的改进蚁群算法[J].统计与决策,2009(22):30-32.
[9]Niu S H,Ony S K,Nee AY C.An enhanced ant colony optimiser for multi-attribute partner selection in virtual enterprises[J].International Journal of Production Research,2012,50(8):2286-2303.
[10]贾瑞丽,刘开丽.虚拟企业伙伴选择的遗传粒子群混合算法[J].计算机工程与应用,2014,50(1):58-62.
[11]Pyari Mohan Pradhan,Ganapati Panda.Solving multi-objective problems using cat swarm optimization[J].Expert Systems with Applications,2012,39(3):73-84.
伙伴联盟 篇6
党的十八大报告中指出: 推进信息网络技术广泛运用,支持小微企业特别是科技型小微企业发展。 小微企业由于自身条件的限制,企业联盟协同创新是必由之路。 企业联盟作为一种新的组织模式打破了现有企业的价值链结构,实现各种资源的重新优化组合,提升了市场反应速度,提高了自身的竞争力。 在企业联盟的组建过程中,最关键、最核心的问题莫过于合作伙伴的选择。 在企业联盟合作伙伴的选择方法上,有诸多学者进行研究,取得了很多成果。 但研究方法大都是从企业所具有的特性进行选择, 而没有从盟主所需要的或者客户所需要的角度分析。 本文基于我国目前小微企业联盟合作的发展现状,通过分析顾客和盟主的需求来确定企业的具体目标,从而建立以市场为导向的小微企业联盟合作伙伴选择模型。
二、质量功能展开方法
质量功能展开 ( Quality Function Deployment,QFD) 是由日本学者Yo ji Akao于1966年首次提出,它作为一种产品设计方法于1972年在日本三菱重工神户造船厂首次得到应用。
质量屋( Houseof Quality,HOQ) 是质量功能展开基本原理的核心,它由顾客需求、工程技术措施、关系矩阵、相关矩阵、顾客竞争性和技术竞争性评估等组成,质量屋原型如图1所示。
其中屋顶是措施方案间的相关关系矩阵:是指为更好的实现顾客满意,各措施方案之间的相互关系,根据它们之间的相互影响关系,通常用正相关或负相关来表示;房间是指客户要求和企业措施方案之间的关联关系,根据它们之间关联的程度,通常用强、中等、弱三种定性关系来确定。
三、基于QFD的企业联盟合作伙伴选择方法
本文使用质量功能展开对小微企业联盟伙伴选择进行分析。 在盟主选择其合作企业时,这个“ 产品”就可以认为是企业本身。 通过QFD可以将盟主的需求( 包括潜在需求) 与企业本身所具有的特性的关系进行矩阵展开和量化评估分析,找出对盟主需求影响最大的因素,把握重点。
1、客户要求及其重要度的确定
影响企业联盟合作伙伴选择的因素有很多且相互关联,本文采用层次分析法( AHP) 来比较各相联关系的重要性,即两两比较客户需求相对重要性后,在评价两者之间重要程度比率的基础上, 确定各个客户需求的绝对重要度。 重要度用数字1—9依次表示从相同到绝对重要的程度,而刻度值的倒数即为权重。
假定F1,F2, … ,Fn是一组对目标有贡献的元素 ,为所得的方阵 ,若其中aij=a,那么aji=1 a/;若 i=j ,则 aij=1。
计算主要的特征向量,经过归一化之后,就获得了权重向量ai。 特征向量为:
其中 λmax是方阵A的最大特征值,w特征向量。
进而计算一致性指标C.I.
然后根据判断矩阵的阶数从平均随机一致性指标表 ( 表1) 中查出对应的平均随机一致性指标R.I.。
最后根据以下公式
便可以计算出一致性比例C.R.。当C.R.<0.1时便可认为判断矩阵的一致性是可以接受的。
2、方案措施的确定
针对盟主的需求,将企业所有的特性加以展开,按树状系统整理成表格,形成质量屋中的天花板部分。
3、关联关系矩阵的确定
盟主要求和企业所具有的特性之间往往有着密切的关联关系,这就是关系矩阵。 如果盟主的要求和企业所具有的特性之间有着直接的因果关系, 表示关联程度高,属强相关,否则属弱相关,用0—9的数字来表示他们之间的关联关系。
4、方案措施相关矩阵的确定
这些关系可以帮助我们解决特性之间的冲突。 企业所具有的特性之间的相关关系,分别用正相关和负相关来表示。 其中1—9表示正相关,- 1—- 9表示负相关,0表示不存在交互作用。
5、市场竞争能力的评估
市场竞争评估是从盟主的角度对企业和其他类似企业满足他们需求方面的评估。 它反映了本企业的优势和弱点以及需要改进的地方。
定义计算企业的市场竞争力指数公式如下
其中P为企业的市场竞争力指数,ai为竞争指标权重矩阵,M为专家打分所获得的各个企业的竞争指标得分矩阵。
6、技术竞争能力的评估
通过调查盟主、顾客等多方人士,面向被调查者进行模糊统计, 作为确定企业竞争能力项目要素的客观依据, 确定最终的主要影响因素。
( 1) 评价因素的权重系数的确定
由专家及盟主给出特性与需求之间的关联矩阵。 然后根据公式计算出需求的重要度,公式如下:
其中,R,rij———分别为需求与企业特性的关联矩阵 , 需求与企业特性的关联系数;
Ws,wsj———分别表示各个影响因素的重要度及其重要度矩阵。
( 2) 企业的技术竞争力综合指数评价
先建立评判矩阵,通过对客户的调查,对企业技术指标其进行打分,分值分别为1、2、3、4、5,分值越大,表示等次越高再由此确定评判矩阵。
由评判矩阵可以得到各个企业的技术水平矩阵,根据以下公式计算企业的技术竞争力评价指数:
其中F为企业的技术竞争力评价指数,S为权重系数矩阵,T为技术水平判断矩阵。
至此,用QFD方法对企业联盟的合作伙伴选择模型已经建立。
四、基于QFD的企业联盟合作伙伴选择方法的实证
1、需求及其权重的确定
经过前期对本地区小微企业的走访及问卷调查分析, 我们将需求定义为合作成本( A) ,企业素质( B) ,产品质量 ( C) ,合作能力( D) ,基础设施( E) 五个方面,五方面的关系见表2。
经过一系列计算得到:说明该判断矩阵的一致性是可以接受的。
经过计算可得出五个影响因素的权重为:A- 0.453, B- 0.197,C- 0.202,D- 0.099,E- 0.049。
2、企业特性的确定
针对此次盟主的需求,选取企业主要特性为信息技术能力( a) 、服务能力( b) 、生产能力( c) 、研发能力( d) 、企业经营状况( e) 、商誉( f) ,形成质量屋中的天花板部分。
3、企业市场竞争力分析
此次实例主要是分析了4个企业, 为了描述的方便, 以其中的一个企业为本企业( Ⅰ) ,其余的都为竞争企业, 分别为竞争企业1( Ⅱ) ,竞争企业2( Ⅲ) ,竞争企业3( Ⅳ) 。 通过专家对这4个企业打分, 获得竞争指标比较判断表, 如表3所示:
由以上可得ai={0.453 0.197 0.202 0.099 0.049},本企业的市场竞争力指标得分矩阵M=( 4 5 3 4 5)T,则根据公式4可得本企业的市场竞争力指数P=4.448,同理可得其他企业的市场竞争力指数P1=4.054,P2=3.65,P3=3.074。
4、企业的技术竞争力指数
( 1) 计算需求重要度的权数
专家给出在此次实例中特性与需求之间的关联矩阵。 如表4所示:
将计算结果标准化可得权数的系数矩阵 :S=( 0.155 0.194 0.140 0178 0.194)。
( 2) 建立评判矩阵及计算各个企业的技术竞争力指数
通过对客户以及专家的调查,对企业技术指标进行打分,确定评判矩阵,见表5。
由表5,得到本企业的技术水平矩阵T=( 3 4 3 3 4 5)T, 代入公式6可得本企业的技术竞争力指数,结果为3.763。 同理可得竞争企业的技术竞争力评价指数,分别为F1=3.586, F2=3.685,F3=3.687。
通过以上计算,即可得到核心企业也就是盟主抓住市场机遇选择合作伙伴的HOQ。
五、结论
伙伴联盟 篇7
关键词：高新技术企业,研发联盟伙伴选择,遗传算法
0 引言
改革开放三十年来, 高新技术企业已成为国民经济发展的重要支撑力之一, 在许多行业和领域具有突出优势。但随着高新技术的不断革新, 知识经济的不断深入, 高新技术企业的创新活动所要面对的技术问题越来越复杂, 技术淘汰率也越来越高, 并且消费者需求的日益个性化和多样化使产品生命周期在不断缩短, 研发成本在不断上升。
高新技术企业如何能在研发成本不断提高、研发风险不断加大的环境下求生存, 求发展, 已经受到了国内外学者越来越多的关注。许多学者的研究结果表明, 研发联盟为企业破解这些难题提供了可能。研发联盟是通过协议或契约与外部企业建立合作的行为方式, 并联合致力于研究开发, 具有资源共享、优势互补、风险共担、利益共享的特点。
目前已经有一些关于企业研发联盟理论的研究, 但主要是针对研发联盟进行了一般分析, 例如研发联盟的相关概念、特征、机理等, 也有部分针对其风险机制、企业博弈的分析, 而针对高新技术企业研发联盟的伙伴关系选择的专门研究相对较少。因此, 对于高新技术企业伙伴选择问题的研究无论是对进一步完善研发联盟理论体系, 还是对增强企业的管理决策水平, 提高经济效益, 都具有较高的理论价值和实际意义。
1 国内外研究述评
国外学者Christoph Bronder等 (1992) 认为联盟成功的关键在于对联盟的发展过程的理解, 并提出了建立联盟关系的四个决定性的阶段:联盟的决策、联盟的配置、伙伴选择、联盟管理[1]。Michael G等 (1995) 为了提高选择联盟伙伴的成功率, 提出了一个三阶段的决策过程, 并建议在决策过程中应系统的评估宏观环境、行业环境及潜在伙伴的组织环境[2]。Hiroshi Yasuda等 (2005) 基于两大经济学理论:资源论和社会交易理论, 构建了联盟活动的分析模型[3]。Paul E.Bie rly III等 (2007) 从三个方面对联盟伙伴选择的影响因素进行研究, 即战略协调性、信任及战力权宜, 认为后两者对联盟伙伴选择过程至关重要[4]。此外, 对研发联盟伙伴选择研究的学者还有Glaister, J akki Mohr等, 提出了联盟伙伴选择的影响因素。
国内学者黄瑞华等 (2004) 通过一个不完美信息动态博弈模型, 分析了促进高质量伙伴参与合作创新而低质量伙伴不参与合作创新的均衡产生模型[5];曾德明等 (2005) 采用层次分析法来研究协作研发选择伙伴的问题[6];崔征 (2006) 提出了战略联盟伙伴选择的步骤、原则, 并运用层次分析法对潜在的合作伙伴进行分析评价, 从中选出最适合的合作伙伴[7];桂黄宝等 (2007) 运用模糊层次分析法 (FAHP) 对合作技术创新伙伴的选择问题进行定性和定量相结合的研究[8];田波等 (2008) 运用网络分析法 (ANP) 给出了基于网络关系判断信息的企业创新合作成员选择方法[9]。
相关文献可以看出, 学者们从不同的角度对研发联盟伙伴选择问题进行了研究, 总体来说, 体现为以下几个方面: (1) 主要偏重于评估潜在的联盟伙伴之间的信任, 互补关系, 关注的问题往往是看联盟关系是否具有战略价值, 组建的联盟是否具有明确的战略目标, 而对于像联盟伙伴的实力对比、联盟失败的风险等这一类重要因素考虑的较少。 (2) 对于选择合作伙伴所采用的方法虽然较多, 但从文献中可看出将定性和定量指标统一结合的方法在建立研究联盟伙伴选择模型时受到众多学者的青睐。这些方法提出是国内学者在借鉴国外联盟伙伴选择的理论成果基础上做出的大胆创新, 其中博弈论、层次分析法是学者们在研究合作伙伴选择问题时使用频率较多、比较有代表性的方法。
2 研究方法的比较与选择
从文献中可以看到, 国内学者研究伙伴的选择问题时多采用的博弈论及层次分析法, 但这些方法在实际运用中是很繁琐的, 并不利于企业具体的操作。其中博弈论具体表现在对博弈主体的理性要求过于苛刻, 并且当博弈遇上多重均衡时, 博弈论本身也无法确定究竟应该达到哪一个均衡。而层次分析法虽然可以对多目标复杂决策问题提供简便的决策方法, 帮助决策者选择最佳方案提供依据, 但从层次结构模型的建立到给出成对判断矩阵, 人的主观因素对整个过程的影响较大, 带有一定的主观臆断性, 使可信度降低;当遇到因素众多、规模较大的问题时, 判断矩阵难以满足一致性的要求, 往往难于进一步对其分组。在这些情况下, 这些方法自身的优越性就很难体现出来, 得出的结论往往与实际偏差很大。由于外界环境的变化会对企业的发展带来高度的不确定性, 任何的先决、假设条件, 主观的判断都会影响最终的选择结果。
遗传算法 (Genetic Algorithm, GA) 是一类在模拟达尔文的进化论和孟德尔的遗传学理论基础上, 借鉴生物界自然选择和自然遗传机制的随机搜索与优化算法。该算法最早是由美国密执安大学的J.Holland教授于1975年首先提出的[10]。遗传算法求解问题时, 在编码方案、适应度函数及遗传算子确定后, 算法将利用进化过程中获得信息自行组织搜索。由于基于自然的选择策略为“适者生存, 不适应者被淘汰”, 因而适应度大的个体具有较高的生存概率。进化算法的这种自组织、自适应特征, 使它具有能根据环境变化来自动发现环境的特性和规律的能力。自然选择消除了算法设计过程中的一个最大障碍, 即需要事先描述问题的全部特点, 并要说明针对问题的不同特点算法应采取的措施。
与以上方法相比, 遗传算法的主要特点和优点是:
2.1遗传算法仅使用问题本身的目标函数进行搜索和优化, 不需要其他任何假设条件或主观信息的判断, 因而使用操作简单, 且得出的结果较为客观。
2.2遗传算法是在一定的范围内而不是在一个点上进行寻优, 从而更容易达到全局最优或最满意解得把握性越大。
基于以上比较, 本文选用具有自组织、自适应的遗传算法研究研发联盟伙伴选择问题。
3 目标函数的确定
为了提高适应力和快速反应能力, 增强竞争力, 高新技术企业之间可以通过研发联盟, 将外部技术资源内部化, 实现资源共享和优势互补, 获得相应的资本和组织资源使产品生命周期日益缩短, 降低研发时间及风险, 迅速提升企业的自主研发能力, 从而提高技术创新能力。Keith D.Brouthers等 (1995) 提出了一个具有普遍意义的选择标准框架, 包括互补的能力、合作的文化、兼容的目标、相称的风险四个方面[11]。一般来说, 为使研发联盟获得成功, 达到合作双方预期的目标, 高新技术企业在选择联盟伙伴时应遵循如下的原则:优势互补原则、兼容性原则、相似度原则、风险最小化原则。
3.1 优势互补原则及目标函数
企业选择研发联盟而不是自主研发的主要原因往往是企业不具备研发所需的全部资源, 高新技术企业在这方面尤为突出, 所以企业进行研发联盟, 很多都是考虑要利用外部的能力以及资源来弥补自身的缺陷, 从而达到企业的目标。
从这一原则出发, 可以考虑联盟者的技术创新能力、联盟者提供的研发资金, 这两方面往往是大部分高新技术企业寻求联盟的主要目的。具体选择如下因素考察此原则:企业的创新成功率, 企业知识产权量以及提供研发资金的数量。
目标函数1:
其中CEO表示优势互补 (Complement Each Other) , isi表示候选企业i创新成功率, ipi表示为企业知识产权量, rfi表示企业i提供研发资金的数量, ui表示第i个伙伴被选中。
3.2 兼容性原则及目标函数
建立研发联盟的企业之间必须在企业文化和管理模式以及企业的规模和实力上具有一定的兼容性, 这才能保证减少合作过程中不必要的冲突, 从而使企业研发联盟保持稳定、有序的状态。
此项原则考察的因素是企业文化, 企业管理水平。由于企业文化和管理水平本身是一个极为抽象的概念, 难以用量化的数值来表达。这里, 将采用基于专家、相对于企业基准对比的方法来对伙伴选择因素的进行比较。
3.3 相似度原则及目标函数
企业所选择的伙伴必须有能力与自己合作, 这样合作才有价值。如果联盟的各方实力相差悬殊, 这样的联盟便不能在互惠互利的基础上进行, 其遭到失败可能性就越大。
此原则考察的企业间实力的对比, 可以从联盟双方的市场占有率, 企业规模进行评价, 其中市场占有率=企业产品销售量/市场上同类产品销售量×100%, 企业规模大小可以从企业的销售额, 资产总额, 从业人员数量得出。
3.4 风险最小化原则及目标函数
研发本身就是一项面临着高投入、低产出风险的工作。虽然联盟能够共担风险, 但研发项目合作的风险还是存在的。例如道德风险、联盟者机会主义行为等。所以, 在选择联盟者时, 应考虑伙伴对风险抵抗力, 最大限度的回避或减少联盟的风险。
其中R表示风险 (Risk) , ri为选择候选企业ui所冒的风险度量。
4 基于遗传算法研发联盟伙伴选择模型的实现
4.1 编码设计及种群设定
如下图所示, 代码串中的每一位ui表示一个候选伙伴的状态, ui=1表示第i个伙伴被选中参与企业的研发联盟, 否则ui=0表示未被选中。编码设计完成后, 随机产生群体规模为G的初始群体。
4.2 适应度函数的设计
4.3.3 变异操作
4.3.4 算法终止条件
将平均适应度与最大适应度相结合进行判断, 如果平均适应度与最大适应度之差在限差范围内, 并判断是否在若干步后相邻代适应度没有明显变化 (≤0.000001) , 则运算终止, 最终输出群体中具有较优结构的个体作为最终结果以供选择。
5 结论
本文通过分析了有关研发联盟伙伴选择的国内外文献, 得出研发联盟伙伴选择的四个原则, 在对各个原则的分析基础上提出伙伴选择的影响因素, 并与文献中常用的伙伴选择方法进行比较, 选用较优的遗传算法建立高新技术企业研发联盟伙伴的选择模型。本文仅是建立了研发联盟伙伴选择的探索性模型。此模型将为以后的实证研究奠定理论基础, 并且今后将通过实证分析验证模型的可靠性。
参考文献
[1]Christoph Bronder, Rudolf Pritzl.Developing strategic alliances:A conceptual framework for successful cooperation[J].European Man-agement Journal, 1992, 10 (4) :412-421.
[2]Michael G.Harvey, Robert F.Lusch.A systematic assessment of potential international strategic alliance partners[J].International Busi-ness Review, 1995, 4 (2) :195-212.
[3]Hiroshi Yasuda, Junichi Iijima.Linkage between strategic al-liances and firm’s business strategy:the case of semiconductor in-dustry[J].Technovation, 2005, 25 (5) :513-521.
[4]Paul E.Bierly III, Scott Gallagher.Explaining Alliance Partner Se-lection:Fit, Trust and Strategic Expediency[J].Long Range Planning, 2007, 40 (2) :134-153.
[5]黄瑞华, 祁红梅, 彭晓春.基于合作创新的知识产权共享伙伴选择分析[J].科学学与科学技术管理.2004.25 (11) :24-28.
[6]曾德明, 华金科, 孙耀吾.基于技术标准的企业协作研发伙伴选择研究[J].科学学与科学技术管理.2005.26 (11) :39-41.
[7]崔征.企业战略联盟的伙伴选择[J].北京理工大学大学学报 (社会科学版.2006.8 (2) :74-77.
[8]桂黄宝, 赵付民.基于模糊层次分析法 (FAHP) 的合作技术创新伙伴选择研究[J].科学学与科学技术管理.2007.28 (9) :50-54.
[9]田波, 李春好, 孙永河.网络分析法在选择企业创新合作成员中的应用[J].情报科学.2008.26 (8) :1257-1260.
[10]Holland J H.Outline for a logical theory of adaptive systems[J].Journal of the Association for Computation Machinery, 1962, 9 (3) :297-314.
伙伴联盟 篇8
技术联盟是两个或两个以上具有独立法人地位的企业为实现技术创新、增强竞争实力而结成的一种战略联盟[1]。可见,进行联盟的动机是为了企业竞争力的构建和竞争优势的积累,因此,从源头来讲,技术联盟的目的是源于战略联盟(Strategic Alliance)。按美国DEC公司总裁J.Hopland和管理学家R.Nigel的观点:当两个或两个以上能够形成优势互补或强强联合的企业,由于共同的利益目标,达成联合占有市场并共同享用资源的某种协议或契约,而结成的一种合作模式即为战略联盟[2]。通过Verspagen和Duysters(2004)的研究发现,由于在事实上85%以上的企业所结成的战略联盟都是与技术活动相关,因而国外有些学者干脆把企业战略联盟称为企业技术联盟[3]。
大量的研究已经证明,有效技术联盟的建立确实能够帮助企业达到技术创新并提升竞争力的目的,但前提是只有找到对的伙伴才能产生合作效力。由此可见,联盟伙伴的选择方法是决定技术联盟合作成败的关键。目前对于联盟伙伴选择方法的研究大多集中在AHP、模糊理论、神经网络等解决不确定问题的实证方法上[4-6]。但这些方法要么将管理问题过于数学化而忽视了管理者的主观能动性,要么过多依赖管理者的主观能动性而使所建立的模型没有坚实的基础(梁家强和韩学功,2010)[7],笔者认为,由于证据理论方法既考虑了随变的客观评价标准,同时又考虑到评价者个人的主观能能动性,并通过权重修正的方法把这种主观因素的影响降到最低,做到了客观性和主观性的统一,因此D-S算法在企业技术联盟的伙伴选择中是一种比较可靠的方法。
2 案例对象背景介绍
广西柳工机械股份公司(以下简称LG公司)是中国制造业500强企业。在LG公司的发展过程中,公司坚持“合作创造价值”的理念,通过积极组建技术联盟推动技术创新活动的开展。在此,本文选取LG公司在矿山机械上的联盟项目作为案例对象,来说明D-S算法在企业技术联盟伙伴选择时的应用方法。为了保证项目的有效进行,并能达到预期的经济效益,LG公司选择了“自身拥有资源状况”及“自身技术创新能力”两项指标作为对备选企业的关键考察指标。通过多方的考察、筛选,最后确定有机会成为技术联盟伙伴的备选企业(以下简称备选企业)有:北京首钢重型汽车制造股份有限公司(以下简称A公司)、本溪重型汽车厂(以下简称B公司)、北方重型汽车有限责任公司(以下简称C公司)。
A公司创建于1999年7月,是国产品牌的矿用汽车专业制造厂家。公司在产品性价比、销售渠道和售后服务方面形成了一定的优势,产品市场占有率逐年上升。目前产品已经销往国内外40 多个大中型矿山,遍布煤炭、冶金、有色、化工、水泥、水电等行业。B公司系国家批准的大二型企业,是生产矿用自卸汽车的专业工厂,自主开发实力强劲,拥有35吨、45吨、55吨、68吨、85吨重型矿用自卸汽车系列产品和60吨、80吨矿用多功能洒水车及各种公路改装车产品,产品都已通过国家部级鉴定,有的甚至荣获过国务院颁发的国家重大技术装备奖和国务院授予的科技进步特等奖,并被批准为替代进口产品,B公司自主开发实力强劲。C公司成立于1988年,系由北方重型汽车有限责任公司整体变更设立的有外商投资的股份制公司,于2000年6月挂牌上市,资金实力雄厚。也是专业从事矿用自卸车及相关工程机械产品、集研发与生产于一体的国家级高新技术合资企业,技术实力和资金实力兼备。
3 联盟伙伴选择的模型构建
D-S算法(即用Dempster-Shafer理论进行实证计算的方法)是一种对不确定事件的概率进行估算的方法,需要涉及证据、识别框架、基本可信度分配、信度函数、焦元、合成法则等基本要素。
(1)证据
D-S算法里的证据包含经验和知识两方面的内容,通过对所选指标项进行观察后,结合观察者的经验进行打分形成考察结果。因此,证据具有主观特性,但这与管理决策人员的基本属性是并不冲突的。
(2)识别框架
设X为待求解问题。针对X,确定其所有可能的互相独立的命题(或结果),由这些命题(或结果)构成的有限集合称为识别框架,用集合Θ 表示。识别框架Θ 的选取依赖于考察者的经验、知识和期望等。
(3)基本可信度分配
设Θ 为识别框架,如果集函数m:2Θ→[0,1](2Θ为Θ的幂集)同时满足:
则m称为识别框架Θ 上的基本可信度分配,也称为mass函数;m(A)为命题A的基本概率,它表示对A的信任强度(简称信度)。
(4)信度函数(信任函数)
设Θ 为识别框架,m是Θ 上的一个基本可信度分配。定义集函数Bel:2Θ→[0,1]为
称Bel为Θ 上的对应于m的信度函数。Bel(A)表示对A的总信度。
(5)焦元
若A⊆Θ且m(A)>0,则称A为Θ上的焦元。
(6)Dempster合成法则
设Bel1和Bel2为同一识别框架Θ上的两个不同信度函数,m1和m2分别是Bel1和Bel2所对应的mass函数,焦元分别是A1,A2,…,Ak和B1,B2,…,Bl,设
并联系式(1),给出下列函数m:2Θ→[0,1]
则m为基本可信度分配,记作m = m１ m２, 表示直和。由m１ m２确定的信度函数Bel１Bel２称为Bel１和Bel２的组合。用式(5)求两个信度函数的组合的规则就称为这两个信度函数的Dempter合成法则。
同理可以推出多个证据联合作用的情况,也就是多个信度函数的合成规则:
设Bel１,Bel２,…,Belｎ为同一识别框架Θ 上的n个信度函数,m１,m２…,mｎ分别是其对应的基本可信度分配。如果这n个信度函数的组合存在,并且mass函数为m,则Dempter合成法则可以表示为m = ((m１ m２)…)mｎ,即
Dempter合成法则满足交换律和结合律,因此在多个信度函数进行合成时可任意选择合成的次序。
4 用D-S模型进行联盟伙伴选择的方案实施
4.1 联盟伙伴选择时的评价指标体系构建
企业在进行技术联盟时,要有自己的联盟伙伴选择标准。本文特别借鉴了王道劬等的研究成果,从资源状况V１、研发能力V２、伙伴间的相容性程度V３、投入V４和信誉V５五个方面构建了LG公司技术联盟伙伴选择的评价指标体系［８］,如表1所示。
(1)确定技术联盟伙伴选择专家评议组。这里的“专家”是指在知识、阅历和经验等方面与普通决策者相比具有优势的人或咨询单位。用专家决策代替普通决策,具有其科学性;同时为了克服单个专家带来的局限性,进而引进若干个专家评议组,凭借集体智慧对重要问题作出科学决策。证据理论D-S算法中的专家评议组的引进优势在于它并不是简单的“少数服从多数”的引进,也不是对某个专家意见的目的性消除,而是客观地对专家意见进行综合,而这种综合的实际效果是传统专家决策(如德尔菲法等)所达不到的。
(2)确定评价级别。换言之,就是确定专家评议组可以给出哪几类评语作为决策依据。在本文中,Q={A1,A2,A3,A4}表示评语集合,其中A1,A2,A3,A4分别代表“优秀、良好、一般、差”四个级别,这四个级别依次分别反映了专家认为备选企业非常适合、较为适合、一般适合、不适合成为技术联盟伙伴的观点。这样设定的评语集合允许专家的评价存在多种程度的差异,因此专家可以提出不完全肯定或者不完全否定的意见。
指标体系的主要来源:依据王道劬,李芸:技术联盟的伙伴选择———基于AHP-TOPSIS方法的研究,以及LG公司进行联盟伙伴选择时所关注的指标所整理。
(3)专家评议组对备选企业进行评价。这一步骤是获取对备选企业的基本可信度分配,实际操作中是向专家们发放备选企业评价表以及各备选企业的相关背景资料。专家评议组在此基础上,根据各自的知识与经验对备选企业进行赋值评价。评价表包含以下内容:备选企业Pi(i=1,2,…)、评价指标Vn(n=1,2,3,4,5)、评价等级Ak(k=1,2,3,4)以及与Pi、Vn和Ak三者相关的分值rikn(0≤rikn≤1)。专家们在评价过程中将对照评价表上的评价项目逐一给出分值。根据前文D-S算法基本可信度分配的概念,评价过程应遵循的规则为:对每个备选企业Pi的每一评价指标Vn,所有评价等级的分值之和应为1,用公式表示为:。
(4)收集评价表并整理专家组的意见。将各专家组反馈的评价数据收集并加以整理,以便系统快捷地代入模型公式进行各种运算。在这一步骤中还需预先设置好专家组权重。由于各专家组在学识、经验等方面的不同,因此所给出的关于备选企业评价的可靠性也不同,知识较广、经验较丰富的专家所给出的评价更具有说服力,那么引入专家组权重、修正对备选企业的评价是很有必要的。比如将专家的全体集合记为E,根据专家在知识、经验和资历等方面的情况,可以将E分为四组,即E={E1,E2,E3,E4},各专家组Ej(j=1,2,3,4)分别对应权重wj(0≤wj≤1)。专家组成员的知识和经验越丰富,其对应的专家组权重就越大;反之,则权重越小。记W={w1,w2,w3,w4},要求W的各个元素之和应为1。本文实例部分采取的权重将根据所确定的各个专家组的实际情况进行最终确定。
(5)将评价数据代入模型进行求解与比较,确定最佳联盟伙伴。这一步需要利用数据进行多步骤计算和综合。对数据的综合,就是利用基于D-S算法的评价模型,按步骤计算得出最终可信度分配,并运用各个专家组权重进行修正,求出最终评价结果的过程。例如,经过计算合成求得每个专家组Ej对备选企业Pi的综合评价结果,并结合相应的专家组权重进行一次“整体评价”,得出Pi的最终评价结果Ci=(a1,a2,a3,a4),其中a1、a2、a3、a4的值分别表示全体专家对Pi关于“优秀、良好、一般、差”四个评价级别的合成信度。在对所有备选企业的最终评价结果进行比较时,先看a1的值,因为它代表的是备选企业为“优秀”的合成信度。如果Pi的a1值相比其它备选企业的a1值都大,则可认为Pi就是最优选择;如果所有备选企业的a1值都相等,则依次比较a2、a3、a4的值,以确定最佳联盟伙伴。
4.2 数据收集与整理
将A、B、C三个公司分别记为P1、P2、P3.选取LG公司内部高管3人、矿山机械专业方向的技术骨干9人以及外部专家12人,共计24名专家对这三个备选企业进行评价。为了表示对备选企业的尊重,本文在此对有关数据进行了技术处理,并按专家类型把24组数据合并成了四组数据,由此确立了专家集E={E1,E2,E3,E4}。A1,A2,A3,A4分别代表“优秀、良好、一般、差”四个级别。对每个Pi,Θi={“Pi为Ak”|k=1,2,3,4}为识别框架。各专家组Ej在考虑企业Pi的评价指标Vn(n=1,2,3,4,5)时,针对评价级瘪Ak(k=1,2,3,4)所赋予的分值,可以视为Ej关于Vn对命题“Pi为Ak”的信度。记各专家组Ej所对应的权重分别为wj(0≤wj≤1),并记权重集W={w1,w2,w3,w4}。依据各专家组的综合实力与经验,确定W={0.3,0.2,0.3,0.2}。根据前文建立的技术联盟伙伴选择评价指标体系,对各评价指标数据进行收集与整理,得到表2。
4.3 D-S算法求解伙伴选择最优结果
按前述模型及数据,用D-S算法进行结果运算,得到伙伴选择最优结果。针对评价模型的具体计算步骤如下:
(1)分别求专家组Ej对备选企业Pi的综合评价
记专家组Ej对备选企业Pi的综合评价为mij.
①求E1对P1的综合评价m11
记mn(n=1,2,3,4,5)为E1对P1关于评价指标Vn的基本可信度分配。
第一步:合成m1m2为m1+2
根据式(6)中关于系数K的计算式,得到m1+2所对应的系数:K1+2=0.75,则1-K1+2=0.25。故(m1+2(A1),m1+2(A2),m1+2(A3),m1+2(A4))=(0.24,0.36,0.24,0.16)。
第二步:合成m1+2m3为m1+2+3
计算m1+2+3所对应的系数:K1+2+3=0.732,则1-K1+2+3=0.268。故(m1+2+3(A1),m1+2+3(A2),m1+2+3(A3),m1+2+3(A4))=(0.45,0.40,0.09,0.06)。
第三步:合成m1+2+3m4为m1+2+3+4
计算m1+2+3+4所对应的系数:K1+2+3+4=0.636,则1-K1+2+3+4=0.364。故(m1+2+3+4(A1),m1+2+3+4(A2),m1+2+3+4(A3),m1+2+3+4(A4))=(0.49,0.45,0.05,0.01)。
第四步:合成m1+2+3+4m5为m1+2+3+4+5
计算m1+2+3+4对应的系数:K1+2+3+4+5=0.654,则1-K1+2+3+4+5=0.346。(m1+2+3+4+5(A1),m1+2+3+4+5(A2),m1+2+3+4+5(A3),m1+2+3+4+5(A4))=(0.57,0.39,0.04,0)。
综上结果,E1对P1的评价m11=(0.57,0.39,0.04,0)。
②同理,分别计算m12、m13、m14、m21、m22、m23、m24、m31、m32、m33、m34.结果如表3。
(2)备选企业Pi的最终评价结果
考虑各组专家权重后,可以计算出Pi的最终评价结果。
P1的最终评价结果为:(0.67,0.28,0.05,0)。该计算结果表明:P1属于“优秀”的合成信度是0.67,属于“良好”的合成信度是0.28,属于“一般”的合成信度只有0.05,而属于“差”的合成信度是0。
P2的最终评价结果为:(0.47,0.45,0.08,0)。该计算结果表明:P2属于“优秀”的合成信度是0.47,属于“良好”的合成信度是0.45,属于“一般”的合成信度只有0.08,而属于“差”的合成信度也是0。
P3的最终评价结果为:(0.29,0.49,0.22,0)。该计算结果表明:P3属于“优秀”的合成信度只有0.29,属于“良好”的合成信度却有0.49,属于“一般”的合成信度是0.22,属于“差”的合成信度同样是0。
综合比较备选企业P1、P2、P3的评价结果,可以看出3个最终计算结果有一个共同特征,那就是对P1、P2、P3的评价为“差”的合成信度均为0。这不难理解,因为三个备选企业都是经过LG机械公司的筛选后初步确定的,其各项指标成绩相对来说符合联盟伙伴的大体要求。但如何在三个中选择最优的联盟伙伴才是模型想要解决的问题。由计算结果可以看出,P1、P2、P3中最可能是“优秀”的是:在P1的综合评价(0.67,0.28,0.05,0)中,P1为“优秀”的合成信度最大(0.67大于其他数值);在P2的综合评价(0.47,0.45,0.08,0)中,P2为“优秀”的合成信度最大(0.47大于其他数值);在P3的综合评价(0.29,0.49,0.22,0)中,P3为“良好”的合成信度最大(0.49大于其他数值)。但与其他两个企业相比,P1为“优秀”的合成信度更大,因为0.67>0.47>0.29。因此,理智的管理决策者应选择P1(A公司)为联盟合作伙伴。
5 启示