張?zhí)烊? 劉 彬, 戴 瑤, 蘇瑩瑩, 王淑梅

(1. 沈陽大學(xué) a. 機械工程學(xué)院, b. 工商管理學(xué)院, 遼寧 沈陽 110044;2. 東北大學(xué) 機械工程與自動化學(xué)院, 遼寧 沈陽 110819)

虛擬聯(lián)盟企業(yè)因其動態(tài)性、臨時性,致使伙伴企業(yè)間的合作關(guān)系復(fù)雜、外部的市場環(huán)境不確定性加大,合作成員的企業(yè)文化和組織能力迥異,增加了其運行的各種風(fēng)險.面向市場激烈競爭,要及時把握市場動態(tài)變化,跟隨新知識、新技術(shù)及新產(chǎn)品的動態(tài)發(fā)展步伐,以求得虛擬企業(yè)在復(fù)雜的市場環(huán)境中及時作出響應(yīng).變化莫測的市場環(huán)境,使得虛擬聯(lián)盟企業(yè)的運行過程相比傳統(tǒng)企業(yè)而言,難度更高.包括如設(shè)備、人力、物料、技術(shù)等硬件設(shè)施和人員素質(zhì)、信息化程度等軟實力,加大了與實際市場需求之間的差距,因此更易產(chǎn)生更多的動態(tài)風(fēng)險.另外,合作伙伴之間由于其合作機制復(fù)雜化、利益訴求差異化、知識產(chǎn)權(quán)及技術(shù)共享方式等諸多因素進一步加大了動態(tài)聯(lián)盟的運行風(fēng)險.對這些風(fēng)險進行合理防控,可有效規(guī)避虛擬企業(yè)動態(tài)聯(lián)盟存在的不可估量的經(jīng)濟損失[1-4].然而,隨著“互聯(lián)網(wǎng)+”的興起,越來越多的行業(yè)同互聯(lián)網(wǎng)融合,在市場經(jīng)濟環(huán)境下,形成了具有獨特優(yōu)勢的新興產(chǎn)業(yè).同時,“互聯(lián)網(wǎng)+”也為各行業(yè)帶來了足夠的效益,最為明顯的是“互聯(lián)網(wǎng)+農(nóng)業(yè)”行業(yè)的發(fā)展[5].

當(dāng)前,對虛擬企業(yè)的研究以其聯(lián)盟成員的評價選擇居多,形成了完整獨立的評價過程,對于合理構(gòu)建虛擬企業(yè)快速響應(yīng)市場起到至關(guān)重要的作用.但是對于虛擬企業(yè)運行過程的風(fēng)險管理是近幾年才發(fā)展起來的研究領(lǐng)域.盧福強從不同角度運用不同方法對虛擬企業(yè)的風(fēng)險管理問題研究較多[6];陳克貴建立了公平偏好下的虛擬企業(yè)道德風(fēng)險及激勵機制[7];孫憲麗對基于分布式?jīng)Q策的虛擬企業(yè)管理過程進行了研究[8];王靜等學(xué)者研究了企業(yè)質(zhì)量管理的風(fēng)險及防范等問題[9],在推動虛擬企業(yè)風(fēng)險管理方面貢獻較大.但目前鮮有文獻將互聯(lián)網(wǎng)的概念引入到企業(yè)的風(fēng)險管理中,本文將從虛擬企業(yè)合作伙伴的信任場角度出發(fā),建立“互聯(lián)網(wǎng)+”背景下的虛擬企業(yè)風(fēng)險評價的指標(biāo)體系;通過對風(fēng)險指標(biāo)的監(jiān)控,使得動態(tài)聯(lián)盟在合作過程中實現(xiàn)對風(fēng)險的有效管控.同時,對其進行風(fēng)險防范和風(fēng)險評價的研究,具有一定的實際意義[10-15].

1 虛擬企業(yè)運行風(fēng)險分析

動態(tài)聯(lián)盟的伙伴成員之間由于其虛擬化的特點,各成員間的合作機制復(fù)雜,利益需求存有較大差異.加之企業(yè)文化不同,技術(shù)保密、知識產(chǎn)權(quán)能否共享等諸多因素使得其運行過程管理風(fēng)險增加.

1.1 虛擬企業(yè)風(fēng)險管理的目標(biāo)和范圍

以較低投入的經(jīng)濟手段消除可能造成嚴(yán)重?fù)p失的一切風(fēng)險為最終目標(biāo),解決虛擬動態(tài)聯(lián)盟在組建及運作過程中可能出現(xiàn)的各種風(fēng)險.首先,根據(jù)實際情況降低動態(tài)聯(lián)盟企業(yè)的運行成本,保持其動態(tài)運行;其次,降低伙伴企業(yè)對動態(tài)聯(lián)盟潛在損失的憂慮;進一步保證響應(yīng)市場和盈利的穩(wěn)定性.

風(fēng)險管理范圍一般集中在聯(lián)盟建立和運行過程中的伙伴間風(fēng)險和聯(lián)盟外風(fēng)險;還有管理運行過程中各伙伴間可能出現(xiàn)的未知風(fēng)險.

1.2 聯(lián)盟企業(yè)運行過程風(fēng)險管理

虛擬企業(yè)的風(fēng)險管理主要是以動態(tài)管理為主,盟主根據(jù)動態(tài)聯(lián)盟的內(nèi)外部環(huán)境實時變化情況,管理其所面臨的風(fēng)險.同時會隨著市場變化及時調(diào)整,以便更好地適應(yīng)動態(tài)變化的市場,因此該過程是循環(huán)往復(fù)的.為了降低在構(gòu)建和運行動態(tài)聯(lián)盟過程中存在的風(fēng)險,企業(yè)建立風(fēng)險分析機制、風(fēng)險防控機制、風(fēng)險事后預(yù)警方案措施,有效地降低“互聯(lián)網(wǎng)+”環(huán)境下風(fēng)險帶來的不良后果,確保動態(tài)聯(lián)盟合理穩(wěn)步運營的全過程.圖1描述了風(fēng)險防控的具體管理過程.

圖1虛擬企業(yè)風(fēng)險管理過程
Fig.1 Process of risk management for virtual enterprise

2 虛擬企業(yè)運行風(fēng)險識別

分析動態(tài)虛擬企業(yè)聯(lián)盟運行的實際情況,從內(nèi)外部兩個角度,將虛擬企業(yè)風(fēng)險進行分類[6]235,如圖2所示。

圖2虛擬企業(yè)風(fēng)險分類
Fig.2 Risk classification of virtual enterprise

虛擬企業(yè)面臨的各類風(fēng)險成因各異,從盟主企業(yè)的角度考慮,對聯(lián)盟存在的各類風(fēng)險進行識別,識別過程如圖3所示.

圖3 虛擬企業(yè)風(fēng)險識別Fig.3 Identification of risk for virtual enterprise(a)—虛擬企業(yè)外部風(fēng)險識別; (b)—虛擬企業(yè)內(nèi)部風(fēng)險識別.

3 虛擬企業(yè)風(fēng)險評價

在“互聯(lián)網(wǎng)+”背景下,通過建立動態(tài)評價指標(biāo)體系,引入Elman反饋型神經(jīng)網(wǎng)絡(luò)模型,評價所有風(fēng)險要素對整個聯(lián)盟運行產(chǎn)生的各類影響和其自身的風(fēng)險水平,有利于增強評估的可靠性.

3.1 風(fēng)險評價指標(biāo)體系及評價

擬客觀評價變化多樣的運行風(fēng)險,構(gòu)建切實可行的風(fēng)險評價動態(tài)指標(biāo)體系極為必要.評價指標(biāo)的遴選工作須遵循全面性、實用性和可操作性的評價原則,必須體現(xiàn)伙伴企業(yè)的實際情況和動態(tài)聯(lián)盟的網(wǎng)絡(luò)化、虛擬化、及時化等特點與共性,采取統(tǒng)一標(biāo)準(zhǔn)進行評價,并可進行定量化或數(shù)量化.由于評價指標(biāo)的臨時性、網(wǎng)絡(luò)動態(tài)性,以及大量評價指標(biāo)的模糊性,若采用傳統(tǒng)的定量化數(shù)據(jù)進行描述,勢必會出現(xiàn)不準(zhǔn)確的的情況,所以以定性化的方式由行業(yè)或者領(lǐng)域?qū)＜疫M行模糊評定給分的量化方式更為合理科學(xué).表1列出了一系列具有代表性的風(fēng)險指標(biāo),由行業(yè)或者領(lǐng)域?qū)＜腋鶕?jù)經(jīng)驗,按照{(diào)1,2,3,4,5}五等級評定標(biāo)準(zhǔn)進行,其中1表示風(fēng)險最小,5表示風(fēng)險最大.各位專家經(jīng)過對伙伴企業(yè)運行狀態(tài)的了解,結(jié)合自身經(jīng)歷,按照相應(yīng)要求和指標(biāo)體系標(biāo)準(zhǔn)評分.如若專家難以取舍相鄰兩分值時,{0.5,1.5,2.5,3.5,4.5}可作為指標(biāo)得分.

表1 虛擬企業(yè)風(fēng)險管理評價指標(biāo)體系

通過專家對以上三層指標(biāo)體系的評分,決策者便可獲取原始的數(shù)據(jù)矩陣,應(yīng)用本文提出的評價模型,得到輸入與輸出之間的非線性映射關(guān)系,以方便后續(xù)神經(jīng)網(wǎng)絡(luò)進行數(shù)據(jù)處理.同時采用歸一化方法對原始數(shù)據(jù)統(tǒng)一處理,于是原始數(shù)據(jù)便可轉(zhuǎn)化為無量綱值,并且滿足[0,1]區(qū)間,由式(1)計算而來.

x′=(x-m)/(M-m).

(1)

式中:M表示被評價指標(biāo)得分的最大值;m表示被評價指標(biāo)得分的最小值.

3.2 Elman反饋型神經(jīng)網(wǎng)絡(luò)模型

Elman神經(jīng)網(wǎng)絡(luò)模型于1990年由J.L.Elman提出的.鑒于該網(wǎng)絡(luò)模型的特點,將其歸屬為局部回歸網(wǎng)絡(luò),是一種典型的反饋型網(wǎng)絡(luò)計算模型[15]55,如圖4所示.

圖4 Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Structure of Elman neural network

反饋型神經(jīng)網(wǎng)絡(luò)的優(yōu)勢在于能夠隨著時間的推移動態(tài)演化,同時可分析非線性動態(tài)系統(tǒng);系統(tǒng)智能性、記憶聯(lián)想性俱佳.

3.3 Elman神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程

本文算法模型的學(xué)習(xí)過程以BP神經(jīng)網(wǎng)絡(luò)算法為基礎(chǔ),式(9)為算法的判據(jù)的誤差函數(shù).

(9)

式中:d(k)為期望輸出;y(k)為網(wǎng)絡(luò)實際輸出.Elman學(xué)習(xí)算法流程如圖5所示.

圖5 Elman神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程
Fig.5 Learning process of Elman neural network

具體的推導(dǎo)過程如下:

針對于以上網(wǎng)絡(luò)學(xué)習(xí)過程多次重復(fù)進行,如若可將樣本實際和期望的統(tǒng)計誤差控制在設(shè)定范圍內(nèi),便可將學(xué)習(xí)過程中的測試數(shù)據(jù)直接輸入模型網(wǎng)絡(luò),神經(jīng)網(wǎng)絡(luò)評估的合理結(jié)果亦可由此而得.

3.4 基于Elman神經(jīng)網(wǎng)絡(luò)的風(fēng)險管理評價實現(xiàn)

(1) 訓(xùn)練樣本

由于虛擬動態(tài)聯(lián)盟具有臨時組建的特性,真正運行前各環(huán)節(jié)、各伙伴之間沒有進行過合作,可能存在信息不對等的情況,易出現(xiàn)較大運行風(fēng)險,因此只對企業(yè)運行和風(fēng)險管理過程進行定性評價.將其劃分為高風(fēng)險(0,0,1)、一般風(fēng)險(0,1,0)和低風(fēng)險(1,0,0)三個等級.首先由行業(yè)專家分析評價指標(biāo)體系,其次給定評價值,最后將數(shù)據(jù)再做處理,得到樣本矩陣如下:

為了更好地進行分析,訓(xùn)練數(shù)據(jù)由1～16組產(chǎn)生,測試數(shù)據(jù)由17～20組產(chǎn)生.

(2) 神經(jīng)網(wǎng)絡(luò)設(shè)計與訓(xùn)練

由樣本數(shù)據(jù)可得,17個神經(jīng)元于網(wǎng)絡(luò)輸入層中, 3個神經(jīng)元于輸出層中.由于已經(jīng)確定Elman反饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),因此,擬定中間層神經(jīng)元數(shù)目從6依次增加至23,觀察網(wǎng)絡(luò)預(yù)測誤差值,判定誤差值的范圍,以確定最中間層神經(jīng)元個數(shù).由經(jīng)驗公式(16)進一步確定結(jié)果.

(16)

式中:m、n分別為輸出層和輸入層節(jié)點數(shù);a取整數(shù),范圍為1～10.

逐一檢查計算結(jié)果,由經(jīng)驗確定12為中間層神經(jīng)元個數(shù),此時診斷誤差值相對于整個神經(jīng)網(wǎng)絡(luò)為最小值,故選為12.其計算代碼為:

由此創(chuàng)建Elman反饋型神經(jīng)網(wǎng)絡(luò),threshold對輸入元素的MAX值和MIN值做了規(guī)定;[12,3]和{′tansig′,′purelin′}表示對應(yīng)于傳遞函數(shù)tansig的中間層有12個神經(jīng)元,對應(yīng)于傳遞函數(shù)為purelin的輸出層有3個神經(jīng)元.進一步對反饋型神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,其訓(xùn)練代碼為:

P為輸入向量,T為目標(biāo)向量.得到以下結(jié)果:

TRAINGDX,Epoch 8 300/10 000,MSE 1.553 07e-008/1e-008. Gradient 1.616 34e-005/1e-006

TRAINGDX,Epoch 8 400/10 000,MSE 1.381 10e-008/1e-008. Gradient 2.590 14e-005/1e-006

TRAINGDX,Epoch 8 500/10 000,MSE 1.238 35e-008/1e-008. Gradient 5.782 99e-005/1e-006

TRAINGDX,Epoch 8 500/10 000,MSE 1.114 07e-008/1e-008. Gradient 7.637 13e-005/1e-006

TRAINGDX,Epoch 8 682/10 000,MSE 9.962 63e-009/1e-008. Gradient 3.752 88e-006/1e-006

TRAINGDX,Performance goal met.

由此可知,8 682次訓(xùn)練結(jié)果后,整個反饋型神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差僅為3.752 88e-006,神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果見圖6,訓(xùn)練結(jié)果在規(guī)定誤差范圍,已獲得可被接受的反饋型神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練效果.

圖6訓(xùn)練結(jié)果與期望結(jié)果
Fig.6 Training and expected results

最后測試反饋型神經(jīng)網(wǎng)絡(luò),以確定是否可獲取正確的計算結(jié)果,代碼如下:

結(jié)果為:

由此可見,該反饋神經(jīng)網(wǎng)絡(luò)得出的測試樣本,雖然其實際輸出的數(shù)值具有一定的誤差,但是正確的風(fēng)險評價結(jié)果可以從中獲取,而且測試結(jié)果所反映出的結(jié)論非常明了、合理可靠.如果訓(xùn)練樣本或者測試樣本數(shù)據(jù)不準(zhǔn)確,可導(dǎo)致Elman反饋型神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差亦或測試誤差差別較大,應(yīng)予以避免.

(3) Elman反饋型神經(jīng)網(wǎng)絡(luò)應(yīng)用

根據(jù)風(fēng)險管理評價指標(biāo)體系對某伙伴企業(yè)進行的專家評分,并做歸一化處理,結(jié)果見表2.

表2 風(fēng)險評價標(biāo)準(zhǔn)化后的數(shù)據(jù)Table 2 Standardized risk assessment data

訓(xùn)練可行的Elman反饋型神經(jīng)網(wǎng)絡(luò)中輸入已歸一化處理的原始數(shù)據(jù),輸出結(jié)果為(1.034 5 -0.187 9 0.030 0).根據(jù)前文所述進行分析,結(jié)果顯示為低風(fēng)險,可進一步合作.

4 風(fēng)險評價系統(tǒng)構(gòu)建

風(fēng)險評價系統(tǒng)包括任務(wù)發(fā)布、伙伴管理與選擇、風(fēng)險評價與防范等模塊.要求系統(tǒng)功能完備、系統(tǒng)模塊化、人機界面友好、安全可靠、便于溝通協(xié)調(diào).

4.1 系統(tǒng)體系結(jié)構(gòu)

系統(tǒng)工作界面為WWW瀏覽器,瀏覽器(Browser)端和服務(wù)器端(Server)分別處理信息量較小和較大的邏輯事務(wù),以此構(gòu)建圖7所示的三層B/S結(jié)構(gòu).

圖7 Brower/Server結(jié)構(gòu)示意圖
Fig.7 Schematic diagram of Brower/Server

B/S結(jié)構(gòu)具有開發(fā)與維護簡便易行,運行成本及系統(tǒng)負(fù)荷低、安全性與實時性相對于C/S結(jié)構(gòu)較好等特點.本文基于B/S結(jié)構(gòu)的三層模型支持系統(tǒng)如圖8所示.

圖8 系統(tǒng)軟件結(jié)構(gòu)Fig.8 System software architecture

4.2 支持系統(tǒng)實現(xiàn)

本文設(shè)計的支持系統(tǒng)開發(fā)環(huán)境是操作系統(tǒng)為Windows 7及以上,推薦火狐、360等瀏覽器,1 600×900分辨率的顯示器.以Dreamweaver CS5、Access數(shù)據(jù)庫、IIS服務(wù)器、ASP技術(shù)、ODBC技術(shù)為開發(fā)工具.

(1) 系統(tǒng)總體界面

系統(tǒng)登錄后進入對應(yīng)權(quán)限子模塊系統(tǒng)操作,操作者可瀏覽整體系統(tǒng)結(jié)構(gòu),熟悉流程;操作者可留言與管理人員溝通交流,如圖9所示.

圖9 系統(tǒng)主界面Fig.9 Main interface of system

(2) 伙伴企業(yè)界面

伙伴企業(yè)界面是系統(tǒng)提供主要信息的溝通平臺,為伙伴企業(yè)及潛在伙伴企業(yè)提供有效信息.伙伴企業(yè)經(jīng)過注冊登錄后,可在該部分進行操作,以隨時更新用戶資料,如圖10所示.

圖10 企業(yè)用戶注冊頁面Fig.10 Registration interface of enterprise user

在用戶登錄本子系統(tǒng)界面后,依據(jù)其實際企業(yè)狀態(tài)投標(biāo)適合的環(huán)節(jié)和業(yè)務(wù)之前,提交已在調(diào)查表單內(nèi)完成的企業(yè)基本信息,隨后系統(tǒng)處理相關(guān)數(shù)據(jù)并發(fā)布結(jié)果.

伙伴企業(yè)若已參與項目投標(biāo),便可通過登錄系統(tǒng)關(guān)注招標(biāo)結(jié)果,以取得進一步聯(lián)系,并開展下一階段工作.此外,還可以發(fā)起質(zhì)疑或建議,通過系統(tǒng)界面與盟主企業(yè)或?qū)＜疫M行溝通.

(3) 專家成員模塊

與企業(yè)成員模塊功能一致,專家成員通過注冊和登錄后,根據(jù)系統(tǒng)賦予的權(quán)限工作,查看企業(yè)情況,如圖11所示.

圖11 候選企業(yè)信息頁面Fig.11 Information interface of candidate enterprise

專家對參評企業(yè)評分,如圖12所示;同時,為更好地防控整個動態(tài)聯(lián)盟組建后的風(fēng)險,行業(yè)或領(lǐng)域?qū)＜覍⒃u企業(yè)的風(fēng)險狀況亦要進行分值評定,專家評分后的評價結(jié)果不可見,降低對專家判斷的客觀影響程度,使得風(fēng)險評價過程更為合理、穩(wěn)定、可靠.

圖12 專家評分頁面Fig.12 Experts rating interface

(4) 系統(tǒng)管理員模塊

管理員權(quán)限具有特殊性,只對個別管理人員進行授權(quán),授權(quán)后可直接登錄,以輔助各領(lǐng)域?qū)＜覍锇槠髽I(yè)現(xiàn)狀進行分值評定.獲取的評定結(jié)果可用來對伙伴企業(yè)進行有針對性的評價并進行風(fēng)險管理,以便于采取必要措施進行風(fēng)險防范,如圖13所示.

5 結(jié) 論

(1) 通過對相關(guān)理論的概括,對“互聯(lián)網(wǎng)+”環(huán)境下的虛擬企業(yè)組建、運行等全生命周期內(nèi)可能面臨的風(fēng)險給予了分類與識別,構(gòu)建風(fēng)險評價的動態(tài)性、網(wǎng)絡(luò)化的指標(biāo)體系.進而引入Elman神經(jīng)網(wǎng)絡(luò),結(jié)合人工神經(jīng)網(wǎng)絡(luò)算法模型對合作伙伴企業(yè)的風(fēng)險狀況做出風(fēng)險評估,評估結(jié)果與理想結(jié)果存在一定的誤差,但是誤差極小,不影響風(fēng)險評估的結(jié)果.

(2) 驗證了評估方法的合理性和評價指標(biāo)體系的實用性,進一步說明了在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上通過Matlab工具箱進行評價的可行性.通過構(gòu)建的評價系統(tǒng),對本文相關(guān)研究的技術(shù)可行性和理論正確性進行了驗證,為管理者提供了決策支持,為整個聯(lián)盟的發(fā)展提供交流平臺,以便快速響應(yīng)市場,降低風(fēng)險,提升獲利空間.