基于模糊认知图的虚拟企业资源关系研究

摘要 虚拟企业为了抓住新出现的机遇而组建，通过整合各成员的资源来构成完整的价值链，以迎合新的需求。资源的丰富程度与质量很大程度上决定了虚拟企业的未来。资源间存在不同程度的积极或消极的影响关系。在组建阶段的伙伴选择中，有必要分析资源间影响关系对于组织整体服务的影响。但这种影响具有模糊性，且会随着组织的动态演化在资源网络中传导。本研究基于资源间关系的以上特点，选取模糊认知图为工具，综合定性与定量分析方法，给出量化的分析结果以支持管理者进行决策。

关键词虚拟企业；模糊认知图；企业资源

中图分类号 TP182 文献标识码A 文章编号 1674-6708（2014）110-0098-03

Research on Relation between Virtual Enterprise Resources Based on Fuzzy Cognitive Map

Chen Ya-wei

The School of Software Engineering of Tongji University， Shanghai 201800， China

AbstractThe virtual enterprise （VE） is established to seize new market opportunities. Integrate members’ resources to form a complete supply chain to cater new demand. To a great extent， the richness and quality of resource determine the whether the VE was a success. There exists positive or negative influence relation between resources. During partner selection， it is necessary to consider the impact of influence relation. However， it is difficult because of its fuzziness and dynamic. This paper uses fuzzy cognitive map as a tool and gives the principles that combines qualitative analysis and quantitative analysis to work out quantitative result so as to support decision making.

Keywordsvirtual enterprise; fuzzy cognitive map; enterprise resource

0 引言

虚拟企业是指多个互相独立的企业或实体，为了抓住新的市场机遇，依靠信息技术所组建的动态经济联盟，是协作网络组织中最主要的形式。经济全球化以及电子商务的快速发展使得商业环境发生了巨大变化，尤其是用户需求的更新速度大大加快，要求企业能够做出快速的响应。而企业由于自身在地域、技术等多方面的限制难以单独应对这种快速的变化。企业或实体通过组成虚拟企业来整合各自的优势资源，以达到成本最小化、利益最大化的目的。

虚拟企业的组建过程通常是由一家核心企业发起，对潜在的合作伙伴进行一系列的研究分析，最终挑选出最优的组织成员。针对伙伴选择的方法，目前比较多的研究成果，分析方法涵盖了遗传算法、粒子群算法等，具有较高的理论价值，但是对于评价对象的选择，往往各有侧重，导致了分析结果的片面。虚拟企业组建的核心就是共同利益前提下的资源整合，因此达到最优的资源配置是虚拟企业伙伴选择过程中的重要目的，使得以资源为评价对象的分析方法有很高的研究价值。

针对资源的评价方法，主要是对于资源质量以及各成员间资源是否互补的研究。对于虚拟企业而言，通过调研是能够掌握一个潜在合作伙伴所拥有的资源的情况的。资源间的互补主要考察的不仅仅是资源的多样性，还有资源之间的影响关系，一个新成员的加入对虚拟企业现有资源会产生多方面的影响。主要原因在于一个稍具规模的虚拟企业中的资源种类往往比较多，相互之间的影响关系是可传递的。这种可传递性构成了一个复杂的因果关系网络，也导致资源互补性的分析有一定的复杂度。

模糊认知图是一种模糊推理计算工具，应用模糊集理论将模糊的因果关系转化为可计算的数值模型，其带有的循环反馈机制尤其适用于动态系统中的关系推理计算。本文提出的方法就是应用模糊认知图工具，对虚拟企业中的资源关系进行评价，以得出能够支持管理者决策的量化分析结果。

1 虚拟企业资源及关系概念

现代企业管理对于企业资源的定义体现在ERP（企业资源规划）系统中，既指企业所拥有的，而且在生产产品或向用户提供服务的过程中可以用于达到生产经营目的的各种生产要素的集合。由于组建虚拟企业的目的在于克服单个成员自身拥有资源的不足，可以认为各成员在整个虚拟企业中所拥有的资源，是相对于其他成员而言的优势资源。成员在一个虚拟企业中所扮演的角色也主要取决于其自身拥有的优势资源。比如一个虚拟企业中同时有物流公司与仓储服务供应商，那么物流公司的主要职责在于货物的运输，即使其有仓储资源，也应当主要交给仓储服务公司，因为相对仓储服务公司，其仓储资源并非优势资源。

一个完整的虚拟企业组织首先应当使得各个成员的优势资源形成有效互补，构成完整的供应链或价值链，同时尽可能地提高资源质量。资源与虚拟企业的功能或服务存在着对应的关系，在虚拟企业应用较多的各种架构框架，如DoDAF中，都有用于描述资源及其与服务或功能对应关系的视图和矩阵。资源的质量直接决定了整个组织的功能的强弱与服务的优劣。

可以将一个虚拟企业组织定义为3元组:

其中，M是组织中成员的有限集合；R是资源的有限集合；S是服务及功能的有限集合。

存在函数f（M， R）=S，将成员及其拥有的资源映射到相对应的职能，即该成员提供的功能或服务。

资源之间的互补并非简单的相加，实质上，资源之间存在一定的影响关系。一个技术类资源可能对另一个技术类资源有指导作用，从而起到了积极的影响。而虚拟企业中资源间的消极影响往往发生在成员间能力的不匹配时，成员拥有的优势资源是相对于其他成员而言的，因此不同成员的优势资源在各自行业内的所处的地位未必是相同的，一个处于行业平均水平的仓储企业成员，必然制约另一个行业领先的物流企业的运输能力。在市场本身的竞争机制，以及政策、法律等其他外部因素的影响下，企业合作中的能力不匹配往往是不可避免的。虚拟企业作为企业合作的一种形式，也必然存在这种成员间优势资源的相互制约，这是核心企业在伙伴选择的过程中希望避免却难以完全避免的。

将资源间的影响关系添加到虚拟企业的一般化定义中构成新的4元组：

其中IR是资源间关系的有限集合：

这种成员优势资源之间的影响关系，以及影响的程度等情况，对于领域专家来说通过定性分析是很容易获取的。但正由于是基于定性的方法，分析结果本身无法得出量化的数据，缺乏直观性，需要管理者或决策者再次进行权衡。

2 模糊认知图

模糊认知图是认知图与模糊集理论相结合的一种模糊推理计算工具。最初由Tloman提出的认知图是一种用于描述复杂系统中概念间关系的图论工具，但是这一工具本身的可计算性较差，不便于定量分析。其后，Axelord在认知图的基础上，对图中的有向边增加了正负两种类型，使其能够表示出因果关系对结果的影响方向，形成因果关系图。Kosko在因果关系图的基础上提出了模糊认知图，将概念间的关系从正负类型扩展到了区间上的模糊关系，大大增强了可计算性。

模糊认知图目前是一种主流的认知图工具，其应用经过长时间的验证已比较成熟，尤其是在支持决策系统中作为推理工具在各个领域被广泛地应用。ChrysostomosStylios和Voula Georgopoulos将其用在医疗决策支持系统中。同时由于其具备循环反馈机制，其推理可以多次迭代，对于系统内的演化有很强的预测能力，Papageorgiou和Papandrianos利用模糊认知图构建了传染病预测工具，有较强的应用价值。这种机制与虚拟企业动态演化的特点有很强的契合性。同时，对于规模大且结构复杂的虚拟企业组织，如果资源分类如果比较细致，可能导致其数据量较大。而模糊认知图的计算本质上是其对应的邻接矩阵的乘法计算，极大的简化了计算的复杂度。对于矩阵计算的成熟高效的实现方法较多，可以通过不同的技术实现一个模块并集成到现有的决策支持系统中。

模糊认知图的一般化定义是一个三元组：。其中V是所有节点的集合，。E是节点之间有向边的集合。W表示有向边的权值，，的值表示了节点i与节点j之间关系的描述，取值为[-1,1]，正负符号代表正向及负向影响，绝对值代表影响的程度。

利用集合W可以得到模糊认知图对应的邻接矩阵：

将模糊认知图中n个节点的状态通过一个的状态矩阵来表示：

模糊认知图的推理过程就是矩阵的乘法运算以及阈值函数的结合：

其中t表示的是经过迭代的次数。在经过一定次数的迭代后，系统中的节点通常能够达到稳定的状态，其趋于稳定的过程能够反应系统中的变化趋势。

3 研究方法

资源间的影响关系是一种不能直接通过数值精确描述的因果关系，但是这种影响程度的强弱对于领域专家而言是清楚的，可以视为专家的模糊知识。模糊认知图是一种将模糊集理论与认知图的因果推理相结合的工具，正符合对于虚拟企业中资源关系间的研究。同时，模糊认知图的循环反馈机制与虚拟企业的动态演化特点有很高的契合性，能够帮助管理者对于其演化过程中的趋势进行分析。

3.1 建立模糊认知图系统

利用模糊认知图进行计算的先决条件是，将资源及其关系映射到模糊认知图中，建立模糊认知图系统。本研究中资源到节点、关系到有向边的映射关系比较清晰。将虚拟企业定义中表示资源和关系的集合直接转化为模糊认知图所定义的节点及有向边集合：

表示有向边权值的集合W通过两步来获取。首先由领域专家通过定性分析得出资源间关系的模糊描述，这种描述包含的主要信息是影响的性质（积极或消极）和程度。然后通过模糊量化的方法处理这些描述，取值范围是[-1，1]。正负符号由影响的性质决定，绝对值取决于影响程度，由于程度具有相对性，根据不同的修饰词得到绝对值的大小。

根据模糊认知图的定义，由以上3个集合可以建立模糊认知图系统。

3.2 推理计算

在执行推理计算前，需要首先定义阈值函数，以保证在多次迭代后能够达到稳定的状态或极限环。本研究中计算的主要目的，是为了确定了资源间的关系在动态发展过程中所产生的影响，即影响的性质及传递过程。所以为了便于观察，将阈值函数定义为三值函数。

然后执行模糊认知图的计算，通过多次迭代直至达到稳定或极限环的状态。根据稳定或极限环状态的状态向量，以及达到该状态前多次计算得出的一组状态向量，可以分析出潜在伙伴的资源所带来的影响关系的一系列传递过程及影响性质。

3.3 简单虚拟企业案例

在一个提供音乐教学的虚拟企业中，现有培训机构、乐器商和音乐学院的某班级，分别提供专业师资、乐器及兼职陪练。已知陪练的音乐学院的学生有较好的乐器知识，能够帮助调校与保养乐器。陪练的学生与机构的教师互相比较认可，不同程度上激发了积极性，提高了教学效果。现需要寻觅一个教学地点，一个靠近社区的中学学校是潜在合作伙伴。考察该地点发现其位置距离乐器商所在地较远，不便于检查使用状况及学生上门购买乐器，但是距离培训机构很近。通过定性分析得到的资源关系如表1：

陪练 乐器 师资 场地

陪练 / 积极影响较强 积极影响弱 无

乐器 无 / 无 无

师资 积极影响强 无 / 无

场地 无 消极影响较弱 积极影响弱 /

表1 资源间关系的模糊描述

依据表2对资源间的影响关系做模糊量化：

无 很弱 弱 较弱 普通 较强 强 很强

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

表2 修饰词的模糊量化标准

得到资源间关系的量化描述，既表示节点间关系的描述的集合及其对应的邻接矩阵，得到表3：

陪练 乐器 师资 场地

陪练 / +0.5 +0.2 0

乐器 0 / 0 0

师资 +0.6 0 / 0

场地 0 -0.3 0.2 /

表3 模糊量化后的资源关系表

而且对应的邻接矩阵如下：

把初始状态定义为以研究新的教学场地对其他资源的影响。利用迭代公式多次迭代计算：

可见从状态2开始达到一个长度为2的极限环。

由以上分析结果可知，从长远考虑，新的教学场地带给整个虚拟企业的积极影响要大于消极影响。由过程可知，这是由于其对乐器商的消极影响并没有持续传递所导致的。

4 结论

虚拟企业组织中各成员所拥有的资源间，存在不能以数字精确描述的影响关系。而组织在其生命周期中有动态演化的特点，使得虚拟企业中各资源之间的关系存在循环传递。本研究利用模糊认知图工具，将资源间的关系进行模糊量化，同时利用模糊认知图的动态反馈机制，在推理计算的过程中，包含了对虚拟企业动态发展的预测。通过这种定性与定量相结合的分析方法，得到更直观的量化结果，以支持管理者的决策。本研究提出的方法主要应用于虚拟企业组建阶段中的伙伴选择，针对少量新资源对整个组织的影响进行分析。在虚拟企业，甚至是更为一般化的协作网络组织中，在其他更抽象或者更具体的层次中，存在着很多模糊描述的因果关系网络。对于这种关系网络的分析，本研究的方法提供了一种思路。由于协作网络的动态演化特性，在组建阶段之后的运转过程中也会有成员的退出与变更，本研究的方法可以推广到伙伴选择之外其他成员变更事件的分析研究中。

参考文献

[1]M.T Martinez，P Fouletier，K.H，Park，J Favrel. Virtual enterprise-organization，evolution and control[J].International Journal of Production Economics，2001，74(1): 225-238.

[2]冯蔚东，陈剑，赵纯均.基于遗传算法的动态联盟伙伴选择过程及优化模型[J].清华大学学报，2000，40(10): 120-124.

[3]赵强，肖人彬.改进粒子群算法求解虚拟企业伙伴选择问题[J].工业工程与管理，2009，14(2): 38-41.

[4]Jose L Salmeron.Augmented fuzzy cognitive maps for modelling LMS critical success factors[J]. Knowledge-Based Systems，2009，22(4): 275-278.

[5]Mathijs van Vliet，Kasper Kok，Tom Veldkamp. Linking stakeholders and modellers in scenario studies: The use of Fuzzy Cognitive Maps as a communication and learning tool[J].Futures，2010，42(1): 1-14.

[6]Stylios C，Georgopoulos V.Fuzzy Cognitive Maps for Medical Decision Support-A paradigm from obstetrics[C].Buenos Aires: Engineering in Medicine and Biology Society （EMBC），2010 Annual International Conference of the IEEE，2010:1174-1177.

[7]Papageorgiou E，Papandrianos N.A fuzzy cognitive map based tool for prediction of infectious diseases[C].Jeju Island: IEEE International Conference on Fuzzy Systems，2009，2009:2094-2099.