楊翠蘭

（西南科技大學(xué) 經(jīng)濟管理學(xué)院，四川綿陽621000）

在知識經(jīng)濟時代，組織在市場競爭中成功與否主要取決于它擁有的知識和運用知識的創(chuàng)新能力，取決于它是否善于進行知識管理。由于組織自身能夠擁有和開發(fā)的知識是有限的，為了實現(xiàn)戰(zhàn)略發(fā)展目標，必須整合組織外部的知識，知識鏈也就運用而生。所謂知識鏈，是指由兩個或兩個以上的擁有不同知識資源的組織構(gòu)成，以實現(xiàn)知識轉(zhuǎn)移、共享和創(chuàng)造為目的，通過知識在參與創(chuàng)新活動的不同組織之間流動而形成的鏈式結(jié)構(gòu)。參與知識鏈的組織包括核心企業(yè)（盟主）、大學(xué)、科研院所、供應(yīng)商、經(jīng)銷商、客戶甚至競爭對手。知識鏈是企業(yè)與供應(yīng)商、客戶、大學(xué)、科研院所甚至競爭對手所建立的一種戰(zhàn)略合作伙伴關(guān)系，由組織之間通過知識轉(zhuǎn)移、知識共享、知識創(chuàng)造等互動活動而形成[1]。

作為一種合作組織，知識鏈不像其它非合作組織一樣對自身的經(jīng)營有較強的約束力；同時，隨著競爭的加劇，知識鏈的范圍越來越廣，成員數(shù)量越來越多，彼此之間的關(guān)系越來越復(fù)雜；加之知識本身具有的復(fù)雜性、隱含性、模糊性、難以量化性等特征，知識鏈面臨著眾多風(fēng)險[2]。評估這些風(fēng)險，并根據(jù)評估結(jié)果對知識鏈風(fēng)險進行有效預(yù)警，已成為需要解決的主要問題之一。

1 知識鏈風(fēng)險的概念及種類

知識鏈風(fēng)險是指由于知識鏈外部環(huán)境的不確定性、一般合作組織的特性和知識自身的特性等因素而導(dǎo)致知識不能在知識鏈成員組織間有效流動、共享和創(chuàng)造，從而導(dǎo)致知識鏈成員組織發(fā)生損失的可能性。根據(jù)知識鏈風(fēng)險是否可以由知識鏈組織控制，將知識鏈風(fēng)險分為不可控風(fēng)險和可控風(fēng)險。不可控風(fēng)險是指超過知識鏈成員組織的能力范圍，不以成員組織意志為轉(zhuǎn)移的風(fēng)險，這類風(fēng)險主要包括自然環(huán)境風(fēng)險、經(jīng)濟環(huán)境風(fēng)險、法律環(huán)境風(fēng)險、技術(shù)環(huán)境風(fēng)險、社會環(huán)境風(fēng)險、政治風(fēng)險和社會風(fēng)險等。由于這類風(fēng)險不可由知識鏈組織控制，不是風(fēng)險管理的重點，本文也不對不可控風(fēng)險進行預(yù)警?？煽仫L(fēng)險是指知識鏈成員組織可采取適當?shù)拇胧┻M行轉(zhuǎn)移、減輕和消除的風(fēng)險。根據(jù)可控風(fēng)險產(chǎn)生的影響因素，可將可控風(fēng)險分為由一般合作組織特性引起的風(fēng)險和由知識本身的特性引起的風(fēng)險。其中，由一般合作組織特性引起的風(fēng)險有機遇識別風(fēng)險、動機差異風(fēng)險、有限信息風(fēng)險、風(fēng)險差異風(fēng)險、道德風(fēng)險、信息風(fēng)險、資金風(fēng)險、契約修改風(fēng)險、違約風(fēng)險、分配不均風(fēng)險等10種；由知識本身特性引起的風(fēng)險有知識實時傳播風(fēng)險、知識轉(zhuǎn)移能力風(fēng)險、知識吸收能力風(fēng)險、喪失核心知識風(fēng)險等4種。

知識鏈的各種風(fēng)險如圖1所示[3～7］。

2 基于Borda序值的知識鏈風(fēng)險評估

為了確定知識鏈中各種風(fēng)險對知識鏈可否成功運作的影響程度的大小，首先構(gòu)建知識鏈風(fēng)險矩陣，將各種風(fēng)險分為高、中、低三個等級；然后再用Borda序值法對各種風(fēng)險的影響程度進行排序。

圖1 知識鏈風(fēng)險

2.1 知識鏈風(fēng)險矩陣

風(fēng)險矩陣是美國空軍電子系統(tǒng)中心的采辦工程小組于1995年4月提出的。該方法首先識別項目中可能存在的各種風(fēng)險；然后評估風(fēng)險對項目的潛在影響程度，計算風(fēng)險發(fā)生的概率，根據(jù)預(yù)定標準評定風(fēng)險等級；最后采取措施降低風(fēng)險[8]。本文構(gòu)建的風(fēng)險矩陣主要由4欄構(gòu)成，它們分別是“風(fēng)險”欄、“風(fēng)險影響”欄、“風(fēng)險概率”欄、和“風(fēng)險等級”欄，風(fēng)險矩陣樣例如表1所示。

表1 風(fēng)險矩陣樣例

其中，“風(fēng)險”欄列出了各種風(fēng)險的名稱；“風(fēng)險影響”欄（記為I）描述各種風(fēng)險影響的大小，有關(guān)鍵、嚴重、一般、微小和可忽略五個等級；“風(fēng)險概率”欄（記為P）描述各種風(fēng)險發(fā)生的概率，有 1～10%、11～40%、41～60%、61～90%和91～100%五種可能；風(fēng)險等級欄（記為R）。根據(jù)對應(yīng)的I、P值和風(fēng)險等級對照表2確定各種風(fēng)險的等級［9］。

表2 風(fēng)險等級對照表

本文對各種風(fēng)險“風(fēng)險影響”和“風(fēng)險概率”值的確定采用的是問卷和面談相結(jié)合的調(diào)查方法，調(diào)查是在3所研究院和3所高校中進行的，調(diào)查的專家一共有23人，發(fā)出問卷23份，收回22份，其中有效問卷20份。對照表2，獲得知識鏈風(fēng)險矩陣如表3所示。

2.2 Borda序值對知識鏈風(fēng)險矩陣的完善

表3所示的風(fēng)險矩陣只給出了三個直觀的風(fēng)險等級（高、中、低），并產(chǎn)生出一些風(fēng)險結(jié)，風(fēng)險結(jié)是處于同一等級還可以繼續(xù)細分的風(fēng)險模塊）。如屬于高風(fēng)險等級的道德風(fēng)險、分配不均風(fēng)險和知識轉(zhuǎn)移能力風(fēng)險3個風(fēng)險結(jié)；為了將各種風(fēng)險區(qū)分的更加詳細，需要引入Borda序值法，將風(fēng)險按照重要程度進行排序[10]。

表3 知識鏈風(fēng)險矩陣

設(shè)N為風(fēng)險總個數(shù)，i為某一個特定風(fēng)險，k表示某一準則。風(fēng)險矩陣中只有兩個準則：用k＝1表示風(fēng)險影響I，k=2表示風(fēng)險概率P。rik表示風(fēng)險i在準則k下的風(fēng)險等級，風(fēng)險i的Borda值可由公式（1）給出

由公式（1）可計算出知識鏈風(fēng)險的Borda值，如表4中的“Borda值”欄，算出各風(fēng)險因素的Borda值后，就可以根據(jù)Borda序值的定義算出各種風(fēng)險的Borda序值，其中Borda序值是表示比某一特定風(fēng)險重要的風(fēng)險的數(shù)目。如“道德風(fēng)險”的Borda序值是0，說明沒有比“道德風(fēng)險”更重要的風(fēng)險[11]。知識鏈風(fēng)險的Borda序值如表4中的“Borda序值”欄。

由Borda序值可知，知識鏈風(fēng)險中最重要的風(fēng)險是道德風(fēng)險和知識吸收能力風(fēng)險；其次是知識實時傳播風(fēng)險和知識轉(zhuǎn)移能力風(fēng)險；第三重要的風(fēng)險是分配不均風(fēng)險和信任風(fēng)險；由于知識鏈中存在眾多風(fēng)險，Borda序值法不能將各種不同風(fēng)險的重要程度一一區(qū)分開來，但Borda序值法有效降低了風(fēng)險結(jié)的數(shù)量，為知識鏈風(fēng)險管理提供了更加具體指導(dǎo)。

3 基于RBF神經(jīng)網(wǎng)絡(luò)的知識鏈風(fēng)險預(yù)警

知識鏈中風(fēng)險眾多，且各種風(fēng)險對知識鏈的影響程度不盡相同，如果不對它們加以區(qū)分，所有風(fēng)險都一視同仁的列入風(fēng)險預(yù)警系統(tǒng)，即會增加風(fēng)險預(yù)警系統(tǒng)的復(fù)雜程度，又會分散知識鏈成員組織的能力和資源，影響預(yù)警系統(tǒng)的準確性。因此，根據(jù)表4所示的知識鏈中各種風(fēng)險重要程度的不同，將知識鏈風(fēng)險分為兩大模塊，第一模塊由Borda序值為“0”、“1”、“2”的6種重要風(fēng)險組成，該模塊對知識鏈成功運作與否產(chǎn)生較大的影響；第二模塊由剩余8風(fēng)險構(gòu)成，它們對知識鏈成功運作產(chǎn)生的影響相對較小。因此，可以分別對這兩大模塊風(fēng)險建立各自的風(fēng)險預(yù)警系統(tǒng)，以便有效利用知識鏈資源和能力，提高風(fēng)險預(yù)警的準確性。本文以第一模塊風(fēng)險為例，建立基于RBF神經(jīng)網(wǎng)絡(luò)的知識鏈風(fēng)險預(yù)警機制。

3.1 RBF網(wǎng)絡(luò)模型的結(jié)構(gòu)及原理

RBF徑向基神經(jīng)網(wǎng)絡(luò)是一種三層前向網(wǎng)絡(luò)，其結(jié)構(gòu)如圖2所示。

第一層是輸入層，由信號源結(jié)點xp(p=1,2,…,n)組成；第二層是隱含層，其節(jié)點基函數(shù)是一種局部分布的、對中心徑向?qū)ΨQ衰減的非負非線性函數(shù)，它對網(wǎng)絡(luò)的輸入做出直接非線性映射，隱含層節(jié)點的多少視具體問題而定；第三層為輸出層yq(q=1,2,…,m)，對輸入模式的作用做出響應(yīng)，神經(jīng)元采用線性傳遞函數(shù)，它對隱含層的輸出采用加權(quán)線性求和的映射模式，使得網(wǎng)絡(luò)的收斂速度很快。從輸入層空間到隱含層空間的交換是非線性的，而從隱含層到輸出層空間的交換是線性的。

最常用的徑向基函數(shù)是高斯函數(shù)：

其中，x是n維輸入向量；xi是第i個基函數(shù)的中心，與x具有相同維數(shù)的向量；σi是第i個感知的變量，它決定了該基函數(shù)圍繞中心點的寬度；m是感知單元的個數(shù)，它決定了該基函數(shù)圍繞中心點的寬度；‖x-xi‖是向量x-xi的范數(shù)，它表示x和xi之間的距離。Ri(x)在xi處有一個唯一的最大值，隨著‖x-xi‖的增大，Ri(x)迅速減到零。對于給定的輸入x，只有一小部分靠近x的被激活。

從圖2可以看出，輸入層實現(xiàn)了從x到Ri(x)的非線性映射，輸出層實現(xiàn)了從Ri(x)到y(tǒng)k的線性映射，即：

圖2 徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

其中，p是輸出層節(jié)點數(shù)；wik是隱含與輸出層的連接權(quán)值；i是隱層節(jié)點；k是輸出層節(jié)點［12］。

表5 各類神經(jīng)網(wǎng)絡(luò)性能對比

值得指出的是，由于RBF網(wǎng)絡(luò)的權(quán)值算法是單層進行的，其工作原理采用的是聚類功能，由訓(xùn)練得到輸入數(shù)據(jù)的聚類中心，通過б值來調(diào)節(jié)基函數(shù)的靈敏度，雖然網(wǎng)絡(luò)結(jié)構(gòu)看上去是全連結(jié)的，實際工作時網(wǎng)絡(luò)是局部工作的，即對輸入的一組數(shù)據(jù)，網(wǎng)絡(luò)只有一個神經(jīng)元被激活，其它神經(jīng)元被激活的程度可忽略。所以，RBF網(wǎng)絡(luò)是一個局部逼近網(wǎng)絡(luò)，這使得它的訓(xùn)練速度要比其它神經(jīng)網(wǎng)絡(luò)快得多。表5是各類神經(jīng)網(wǎng)絡(luò)的性能對比［13］。

3.2 基于RBF神經(jīng)網(wǎng)絡(luò)的知識鏈風(fēng)險預(yù)警

指標預(yù)警方法是傳統(tǒng)預(yù)警方法的基礎(chǔ)，也是最常用的預(yù)警方法，圖3為指標預(yù)警方法示意圖。知識鏈風(fēng)險預(yù)警系統(tǒng)可視為一個包含輸入層、隱含層和輸出層的三層前向式神經(jīng)網(wǎng)絡(luò)，是一個從“警兆指標”到“警情”再到“警度”的映射函數(shù)逼近過程，是一個優(yōu)化過程，這些正是RBF最擅長的領(lǐng)域。從圖3可見，RBF網(wǎng)絡(luò)與預(yù)警系統(tǒng)十分相似，輸入量對應(yīng)“警兆指標”，隱含層對應(yīng)“警情”，輸出層對應(yīng)“警度”。所以，RBF網(wǎng)絡(luò)非常適合于知識鏈風(fēng)險預(yù)警。

圖3 指標預(yù)警示意圖

本文采用問卷和面談相結(jié)合方法邀請專家對知識鏈中第一模塊風(fēng)險，即道德風(fēng)險、知識吸收能力風(fēng)險、知識實時傳播風(fēng)險、知識轉(zhuǎn)移能力風(fēng)險、分配不均風(fēng)險和信任風(fēng)險進行評估，分別評估它們給知識鏈可否成功運作帶來的影響，用1.0、0.7、0.5、0.3、0.1等5個數(shù)字來表示，其中，0表示不會對知識鏈造成影響，1表示給知識鏈造成100%的影響，即知識鏈會解體。此次專家打分法一共邀請了17位專家，他們分別來自6所研究院，打分情況如表6。

表6中，r1-r6分別代表道德風(fēng)險、知識吸收能力風(fēng)險、知識實時傳播風(fēng)險、知識轉(zhuǎn)移能力風(fēng)險、分配不均風(fēng)險和信任風(fēng)險；D代表對知識鏈的影響程度；第一行中的數(shù)字1－17代表專家打分的次數(shù)；表6中其它數(shù)據(jù)是專家打分結(jié)果。

采用matlab中的newrb函數(shù)設(shè)計一個徑向基網(wǎng)絡(luò)，輸入為專家對6種風(fēng)險的發(fā)生概率的打分結(jié)果矩陣，矩陣維數(shù)為6×15（剩余兩次打分結(jié)果用來對訓(xùn)練后的網(wǎng)絡(luò)進行仿真），輸出為專家對6種風(fēng)險發(fā)以某種特定概率發(fā)生后對知識鏈影響程度的打分結(jié)果矩陣，矩陣維數(shù)為1×15。由于網(wǎng)絡(luò)具有自動增加徑向基網(wǎng)絡(luò)隱層直到均方差滿足為止，所以，只需對newrb函數(shù)中的均方差GOAL和徑向基函數(shù)分布SPREAD進行反復(fù)調(diào)試。初始設(shè)定GOAL＝0.01，SPREAD＝1，分別觀察各次訓(xùn)練結(jié)果，最終當GOAL＝0.0000001，SPREAD＝0.54時，訓(xùn)練結(jié)果和期望輸出結(jié)果非常接近，如表7所示。

對訓(xùn)練好的網(wǎng)絡(luò)用matlab中的工具函數(shù)sim進行仿真，用剩余的兩組數(shù)據(jù)進行測試，自動生成的測試結(jié)果如表8所示。

表6 風(fēng)險影響程度專家打分匯總

表7 RBF網(wǎng)絡(luò)訓(xùn)練結(jié)果與期望結(jié)果

表8 RBF網(wǎng)絡(luò)測試結(jié)果與期望結(jié)果

從表8可以看出，采用RBF神經(jīng)網(wǎng)絡(luò)，可以對知識鏈風(fēng)險進行實時預(yù)警。具體做法如下：首先定期請專家對知識鏈中第一模塊的風(fēng)險發(fā)生的概率進行評估；然后，將評估結(jié)果應(yīng)用已訓(xùn)練好的RBF網(wǎng)絡(luò)和matlab中的工具函數(shù)sim進行仿真（像對16、17組數(shù)據(jù)的測試一樣，可以得出總的風(fēng)險結(jié)果），根據(jù)自動生成的仿真結(jié)果對當前知識鏈整體的風(fēng)險進行評估，決定是否加強風(fēng)險控制和如何進行風(fēng)險控制，從而有效防控知識鏈風(fēng)險，維持知識鏈的正常運行。同樣，也可以定期對第二模塊的風(fēng)險進行預(yù)警和控制，但為了節(jié)省知識鏈成員組織的資源和提高風(fēng)險預(yù)警的效率，第一模塊的風(fēng)險和第二模塊的風(fēng)險的評估頻率和關(guān)注程度有所不同。

4 結(jié)論

風(fēng)險是知識鏈的一個固有屬性，如何對知識鏈風(fēng)險進行有效測評與預(yù)警是知識鏈風(fēng)險管理的一項重要任務(wù)，應(yīng)根據(jù)各種風(fēng)險重要程度的不同，對風(fēng)險進行分類，并根據(jù)分類情況采取不同的風(fēng)險預(yù)警方法，這樣有助于有效利用知識鏈資源和提高知識鏈風(fēng)險預(yù)警的效率。基于RBF神經(jīng)網(wǎng)絡(luò)的風(fēng)險預(yù)警是一種行之有效的風(fēng)險預(yù)方法，它可以根據(jù)專家對各種風(fēng)險的評估結(jié)果，計算出知識鏈整體的風(fēng)險狀況，從而指導(dǎo)知識鏈成員組織的合作行為，有效維護知識鏈的正常運行。

[1]顧新，郭耀煌，李久平.社會資本及其在知識鏈中的作用[J].科研管理，2003，24（5）.

[2]Paik，Yongsun.Risk Management of Strategic Alliances and Acquisitions between Western MNCs and Companies in Central Europe[J].Thunderbird International Business Review，2005，47（4）.

[3]Lau,Henry C.W,Wong,Eric T.Partner Selection and Information Infrastructure of a Virtual Enterprise Network[J].International Journal of Computer Integrated Manufacturing，2001，14（2）.

[4]Zhou，Q，Besant，C.B.Information Management in Production Planning for a Virtual Enterprise[J].International Journal of Production Research，1999，37（1）.

[5]Park S H,G R Ungson.The Effect of National Culture,Organizational Complement aritity,and Economic Motivation on Joint Venture Dissolution[J].Acad Management,1997,(40).

[6]Ouzizi，Latifa.A Model for Cooperative Planning within a Virtual Enterprise[J].International Journal of Computer Integrated Manufacturing，2006，19（3）.

[7]Marshall，R.Scott.Nguyen，Thang V.Bryant，Scott E.A Dynamic Model of Trust Development and Knowledge Sharing in Strategic Alliances[J].Journal of General Management，2005，31（1）.

[8]黨興華，黃正超，趙巧艷.基于風(fēng)險矩陣的風(fēng)險投資項目風(fēng)險評估[J].科技進步與對策，2006,（1）.

[9]朱啟超，匡興華，沈永平.風(fēng)險矩陣方法與應(yīng)用述評[J].中國工程科學(xué)，2003，5（1）.

[10]許曉東,吳松,路小剛.簡單多數(shù)票法和Borda法的防策略性分析[J].華中科技大學(xué)學(xué)報（自然科學(xué)版），2005，33（11）.

[11]王曉敏，胡毓達.群體決策的模糊Borda數(shù)規(guī)則[J].系統(tǒng)工程理論方法應(yīng)用，2003，12（1）.

[12]張毅，彭毓.RBF神經(jīng)網(wǎng)絡(luò)在工程項目自然風(fēng)險預(yù)測中的應(yīng)用[J].建筑技術(shù)開發(fā)，2005，32(5).

[13]張美戀，王秀珍.基于徑向基神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行風(fēng)險預(yù)警系統(tǒng)研究[J].集美大學(xué)學(xué)報，2005，10（3）.