动态物流联盟

动态物流联盟（共10篇）

动态物流联盟 篇1

1 引言

随着国内经济的飞速发展,第三方物流企业迎来了前所未有的发展机遇,但因中小型物流企业资产规模有限、服务地域不宽等局限性,企业难以依靠自身能力快速响应市场需求[1]。通过建立动态联盟可以很好的解决这一问题。这种独特的组织形式可以实现对产品、供应商、顾客和技术等资源的重新组合与优化,增大物流服务的范围和品种,为客户提供一站式服务,从而能更好地把握不断变化的市场机遇,保持企业核心竞争力。在动态联盟的组建过程中,面对众多候选企业, 选择最佳的合作组合以确保目标的顺利完成,成为动态联盟组建过程中的一个关键环节,也是有效降低动态联盟所产生风险的基本途径[2]。由于传统的合作伙伴选择方法存在一些缺陷和不足,结合物流企业选择联盟伙伴的现状,研究提出了一种基于改进灰色关联分析法和整数规划法的伙伴选择的新模型。

2 伙伴选择新模型的概述

现实中,一项物流业务通常分为多个物流环节,一般包括运输、仓储、配送等基本环节。核心物流企业根据自身业务需求确立企业动态联盟组合时,有些物流环节往往会对应几家候选企业。先采用改进灰色关联分析法确定单个物流环节中的最优候选企业,然后综合考虑整个物流联盟的优化目标,利用( 0 - 1) 整数规划法,考虑整个物流过程的最佳组合,从而完成了整个联盟企业的组建。

2. 1 最优候选企业的选择

最优候选企业的选择问题是一个包含定性定量指标的多目标评价问题。改进灰色关联分析法是将层次分析法的有关原理融合进灰色关联分析法,特别适用于多目标、多层次、多方案的系统评价问题。采用改进灰色关联分析法,将定性问题定量化,对同一物流环节下的候选企业进行综合评价,能有效反映企业的综合素质。它的主要思想是在一个评价系统中确定参考方案; 然后用层次分析法中的比较原理,逐层确定各指标因素间的相对权重。将各被选对象与参考对象进行由低到高逐层进行灰色关联分析,并计算出各备选对象与参考对象的综合关联度。根据各被选对象的综合关联度值的大小来选取最优对象。

运用层次分析法法的权重确定方法,即不同层次的专家通过Sauty提出的1 ~ 9个层次的标度方法[3],这种标度方法及含义如表1所示,其中,标度栏为不同评价指标两两比较后的相对重要值。据此,构造出不同评价指标成对比较的判断矩阵A = ( aij)n × n。

根据几何平均法,结合( 1) 式可计算出第k个评价指标的相应权重Wk( k = 1,2,…n) :

检验判断矩阵的一致性指标可由式( 2) 计算得到。

式中,λmax为比较矩阵的最大特征值; n为指标个数; RI为常数。CI的值越大,不一致性程度越高。若CR≥0. 1,则判断矩阵满足一致性原则[4]。

若候选企业有m个,评价指标有n个,专家根据各评价指标按既定评分规则对各候选企业进行打分。设比较数列为xi= { xi( k) | k = 1,2,…,n} ,i = 1,2,…m,参考数列[7]为x0= {x 0( k) | k = 1,2,…,n} 为( 通常参考数列是比较数列中对应各评价指标的最大值) 。比较数列xi对参考数列x0在第k个指标上的关联系数可由( 3) 式计算得出。

式中, ρ 为分辨系数,一般取为两级最小差,|为两级最大差 。 第i个候选企业对评价指标的灰色加权关联度ri可由( 4) 式计算得出。

根据灰色加权关联度的大小,对各候选企业进行依次排序[5],综合关联度最大的企业即为最优候选企业。

2. 2 最佳联盟组合的确定

组成物流企业动态联盟时,各业务过程需相互协调配合。 因此各物流环节分别得出的最优候选企业相互合作,其结果不一定会使整个物流联盟产生高效率。所以将根据成本和时间综合考虑多层物流企业联盟优化的目标,利用( 0 - 1) 整数规划法选出最佳组合[6],构成物流企业合作联盟。( 0 - 1) 规划模型如式( 5) ;

其中,Z为目标函数值; C(ij)为候选的物流企业作业成本; C(i*j*ij****)为候选物流企业之间的物流连接成本; T(ij)为候选物流企业的作业完成时间; i*i**∈[1,I],I为每个物流环节的候选伙伴数目,j*j**∈[1,J],J为物流环节个数; Tmin为各组合方案中最短的整体作业时间; Cmin为各组合方案中最小的整体作业成本; W1,W2为两个约束条件成本和时间的权重。 设H(ij)为( 0 - 1) 规划变量即第j种作业环节的第i个候选伙伴企业。若H(ij)为1,则该企业选择进入企业动态联盟; 若为0,则不选择进入联盟。

3 应用案例

某物流公司接受了一项物流业务,但由于自身物流综合水平不能全程地完成客户的物流需求,该公司决定将物流任务外包给其他物流企业。整个业务流程分为三个环节: 首先是产品从产地通过水路运输运往配送中心,然后将产品储存在仓库内,最后完成整个地区的商品配送。通过招标,共有5家水运企业、2家仓储企业、2家配送企业表示有合作意向。 该物流企业计划在每个物流环节各选择一个物流分包伙伴, 组合成物流企业动态联盟,即使得整个物流业务均能达到客户的合同要求,又可以缩减作业成本和作业时间。

3. 1 选择最优水运企业伙伴

由于仓储和配送环节的候选伙伴较少,因此主要针对5家水运企业采用改进灰色关联分析法进行选择。根据该物流公司和物流项目实际情况和特点,将候选企业的评价分为两个层次: 第一层次可概括为四个方面,即服务水平类、发展能力类、顾客满意度类、企业文化类。第二层次中,服务水平类指标包括订单完成率、交货准时率、作业准确率、货物完好率、 售后服务水平; 发展能力类指标包括物流技术水平、管理水平、企业规模、市场占有率; 顾客满意度类指标包括物流服务成本、物流服务质量、营销能力; 企业文化类指标包括经营理念、服务创新能力、合作积极性、企业信誉和精神信念[7]。

便于分析起见,将五家水运企业分别命名为A1、A2、A3、 A4、A5,参考企业为A0。专家组按打分评价原则对各指标因素进行量化。量化值用隶属度( 0 ~ 1) 表示,即评语好的隶属度大,评语的隶属度小,中间状态的评语集合为( 很好、好、一般、 较差、差、很差) ,其隶属度集合为( 0. 8,0. 7,0. 6,0. 5,0. 4,0. 3,0. 2) ,参考对象的各指标量化值定为0. 8[4]。

利用层次分析法构造判断矩阵,由式( 1) 求出第二层各评价指标的权重。以“企业服务类”为例进行说明,其判断矩阵的结果如式( 6) 所示。

求得w = { 0. 285,0. 156,0. 376,0. 101,0. 083} 。再由式 ( 2) 得 λmax= 5. 286,CI = 0. 071,CR = 0. 064 > 0. 10,满足一致性要求和归一性原则。

同理,求得 “发展能力类”各指标的权重w = { 0. 453, 0. 262,0. 118,0. 167 } ; “顾客满意度类”各指标的权重w = { 0. 230,0. 648,0. 122} ; “企业文化类”各指标的权重w = { 0. 277,0. 256,0. 100,0. 277,0. 092} ; 以及第一层各指标的权重w = { 0. 453,0. 172,0. 244,0. 131} ,均满足一致性要求和归一性原则。根据式( 3) 计算出第二层次的灰色关联系数,进而得到各指标的灰色关联度。评价指标的量化值和关联度的计算结果如表2所示。

将各候选物流企业算得的第二层各因素之间的关联度相加,得第一层次候选企业的比较序列,从而得到相应的参考序列,计算结果如表3所示。再根据公式( 3) ,计算出第一层次各指标的关联系数,从而得出其关联度。将候选企业各指标的关联度相加可获得相应的综合关联度,即R1= 0. 696,R2= 0. 614,R3= 0. 678,R4= 0. 616,R5= 1. 425,显然R5最大。所以,A5为最优的水运企业伙伴。

3. 2 确定最佳联盟组合

各环节候选企业之间的连接成本和企业的作业成本和时间如表4所示。其中,两家仓储企业分别用B1、B2表示,两家配送企业用C1、C2表示。对本企业而言,时间和成本两因素中更看重成本,故可将成本的权重定为0. 6,时间的权重定为0. 4。将表4中的数据代入( 0 - 1) 整数规划中,由( 4 ) 式求Z值。可能的联盟组合为: A5 —B1—C1,A5—B1—C2,A5 — B2—C1,A5 —B2—C2。最后得出当A5、B2、C2组合时Z最小为70. 3,所以应该选A5、B2、C2组成物流企业联盟共同完成该项业务。

4 结束语

研究获得的新模型采用改进灰色关联分析法和( 0 - 1) 整数规划法,通过建立科学可行的评价指标体系,由单个物流环节到整项物流业务,逐步缩小合作伙伴的选择范围,最后选出最佳的联盟组合。这样不仅避免了大量无用的运算,而且减少了直接求解的复杂程度。同时,该模型在应用中具有一定的连接性,将改进灰色关联分析法中求得的最佳候选企业根据物流业务进行自由组合后,使用( 0 - 1) 整数规划法求得最优的联盟组合,使得物流企业联盟的伙伴选择更加合理化和科学化。文中根据案例的需要而建立的评价指标体系,在实际的应用中,应根据具体的问题建立合适的评价指标,但该选择联盟伙伴的新模型在进行动态同盟伙伴选择上具有很好的应用价值。

摘要：建立动态合作联盟是我国中小型物流企业发展的必然趋势,如何选择最适合的合作伙伴是建立联盟面临的关键问题之一。针对这一问题,研究提出了一种选择物流企业动态联盟伙伴的新模型。该模型主要采用改进灰色关联分析法和(0-1)整数规划法,实现了从单个物流环节到整项物流业务动态联盟伙伴的选择,即通过候选企业综合关联度的大小选出单个物流环节中的最优候选伙伴,再利用(0-1)整数规划法对目标函数最优值的求解,选出最佳联盟组合。通过案例证明了该模型在解决联盟伙伴选择问题上的有效性。

关键词：动态联盟,伙伴选择模型,改进灰色关联分析法,(0-1)整数规划

联盟会员动态报道 篇2

2014年07月09日下午，易道教育总部运营管理部部长韩敬培老师代表易道教育集团总部前往梧桐网络合肥总部进行战略合作签约仪式，至此，彼此正式成为战略合作伙伴，梧桐网络的微富通平台将为易道教育日后微营销提供技术保障和支持。

合肥梧桐网络技术有限公司是一家以移动互联产业为主体，以研发、运营、培训和销售于一体的综合性公司。目前在合肥、济南、南京、上海等设有分公司。之所以能，是相信能！自信不是盲目的，易道教育对于前路的光明拥有绝对的自信正是来源于懂得寻找最有力的合作伙伴，懂得主动出击。取经、经营、变通……在当下快速发展的高科技时代，微营销已展现出举足轻重的地位，想要成功的高明，不可忽略且要善于利用。

易道教育很高兴能与梧桐网络成为战略合作伙伴，祝愿今后合作顺利合作愉快，成为高明的双赢者！

阿根廷首都就“咖啡文化”向联合国教科文组织申遗

奥地利作家茨威格曾经写下过这样一句话：“我不在家，就在咖啡馆。我不在咖啡馆，就在去咖啡馆的路上。”如果把这位欧洲作家的名言放到阿根廷的首都布宜诺斯艾利斯，那也是再合适不过了。咖啡馆遍布着这个城市的每一个街角，无论是新开的星巴克连锁店，还是传统的百年老店，布宜诺斯艾利斯的市民都来者不拒、欣然前往，而且一坐就是大半天。泡咖啡馆，在布市是一种传统也是一种潮流。于是，布市政府在25日决定要向联合国教科文组织提出申请，要让布宜诺斯艾利斯的咖啡文化进入世界非物质文化遗产行列。

市政府的文化官员埃尔南·隆巴迪向媒体表示，他们已经开始了前期的准备工作，明年将会把有关申遗的详细材料递交给联合国教科文组织，最终结果预计2014年底将会揭晓。隆巴迪补充道，布市的咖啡传统与沙龙、文化、文学、音乐这些要素密不可分。当地居民在社会文化和政治取向上的差异，滋生出不同风格、不同口味的咖啡馆。

最为有趣的是，虽然布宜诺斯艾利斯是个“咖啡之城”，人们有事没事地都爱在咖啡馆碰头，但这并不意味着阿根廷的咖啡消费量就是最高的。根据阿根廷咖啡商会的数据显示，阿根廷人喝咖啡远没有邻国巴西凶猛。阿根廷人每喝掉一公斤咖啡，巴西人就要喝掉将近两公斤。所以说，咖啡在布市所扮演的角色除了必需品以外，更多的是一种文化角色，是一种人与人之间交往联系的纽带。

巴笛小宝：童装倾力打造出真正的绿色企业

巴笛小宝童装专业的市场企划团队在分析国内童装行业现状和市场走向，结合自身的企业特点力求使企业文化更具竞争力。其企业主打“快时尚”这一推广模式。其优秀的研发设计团队在第一时间捕捉市场流行元素，紧随《爸爸去哪儿》、《喜洋洋和灰太狼》等热门节目，了解市场的消费者们的消费动态，有利于企业保持源源不断的创新力，这是美猪猪童装能够经久不衰的最主要原因。针对国内童装业自主品牌的不足，“美猪猪”推行三七比重的复合型经营，满足多层次的消费者需求。同时，因70%是自主品牌，能够形成厂商直销的模式，省去中间大量的投资额，最大的满足消费者和经销商的对商品物美价廉的要求。孩子的安全是每个家长最为关注的，且时下环保健康是当下最热门的社会话题之一，“美猪猪”提倡绿色环保材料，杜绝对儿童有危害的任何重金属等材料，倾力打造出真正的绿色企业。

中国的童装业在未来的发展将会不断进行产业升级，逐渐成长直至成熟。其生产集聚地规模会将扩大，商家企业数量也会随之增加，企业的层次逐渐显现。在瞬息万变的市场经济中，美猪猪童装在面对未来新一轮的行业挑战将继续探索市场经济的童装行业走向，做到自身品牌和国际、国内市场的完美接轨。

上三品砂锅演义——欢迎垫江周女士来渝考察

8月4日重庆垫江周女士将会来渝考察上三品砂锅演义总部。在此预祝周女士和总部能顺利签约，生意兴隆！重庆盛华堂餐饮文化有限公司秉承“平凡中大成”的立业信念，以不断实现顾客最优价值为至上目标，以志搏远，持续创新，力创百年字号！

旗下“上三品”砂锅演义连锁餐厅是集砂锅菜研发、餐厅经营、调料配送、品牌连锁、文化推广为一体的专业化创新型连锁机构。“上三品”砂锅演义倾力宏扬砂锅菜“砂锅无界、营养人生”的绿色健康美食文化，将其“味真、醇厚、养生、包容”的核心品质淋漓尽致地呈现。

锅锅辣：打造本土餐饮品牌

锅锅辣麻辣香锅首度将香锅口味分解为八种，麻辣、香辣、甜辣、酸辣、酒香、酱香、干香、脆香，无论你在哪个省市，锅锅辣麻辣香锅都能赢得人心。锅锅辣麻辣香锅品牌选择用全新经营理念，融入中国饮食文化精髓，准确把握市场消费趋势，借鉴国外先进管理模式，打造本土餐饮品牌。

N多寿司：挥洒您的创业激情，成就您的财富梦想

由中国连锁经营协会主办的中国特许展·上海站——2014国际特许加盟（上海）展览会于9月19日至21日在上海新国际博览中心举行。N多寿司作为参展的特许品牌之一，与拥有创业梦想的创业者在展会现场进行面对面沟通交流。

从品牌创立到现在的6年时间里，N多寿司一路走来，不断地创造寿司的神话：2010年被江苏省广播电视总台授予“推荐上榜优秀健康特色美食”；2012年被中华美食营养协会授予“中国餐饮连锁加盟著名品牌”荣誉称号等等；2014年被中国名牌产品市场保护委员会和中国品牌调查统计中心联合颁发授予N多寿司“中国驰名品牌”、“中国名优产品”等称号，同时也被中国品牌认证委员会和中国产品质量评选中心联合颁发授予“中国寿司行业十大品牌”、“中国寿司行业引领品牌”、“中国著名品牌”等荣誉称号，这些奖项都是社会对N多的认可，更重要的是他们已经帮助全国四百位多位的创业者成功创业，走上成功的道路。

目前，N多寿司遍布19个省市自治区近90个大中型城市发展了五百多家门店，20余家省市级代理商的同步发展，夯实了N多寿司全国系统化销售、服务网络。预计2016年底，有望突破千家门店大关。

nlc202309032118

仙芝楼：灵芝孢子油抗肿瘤研究专利发布会隆重举行

2014年9月20日下午，中国灵芝行业十强品牌之一的福建仙芝楼生物科技有限公司在全国各界媒体的共同见证下，隆重举行了主题为“仙芝楼灵芝孢子油抗肿瘤研究专利”的新闻发布会。

会上，福建仙芝楼生物科技有限公司副总裁李晓玉在致辞中对各位媒体朋友的到来表示热烈的欢迎，并简要介绍了仙芝楼的发展历程与相关研发成果。

随后，仙芝楼研发中心总工程师吴长辉向与会媒体朋友介绍了灵芝孢子油抗肿瘤专利的简要内容。据他介绍，这项专利是将破壁灵芝孢子粉提取得到灵芝孢子油，然后经过高科技提取、浓缩、分离等一系列工艺而得到抗肿瘤组合物。通过本发明得到的组合物能抑制体外及体内的肿瘤细胞生长，抑瘤率达到56.3%以上。

灵芝自古就有“常食轻身不老延年”之美誉，属中药中的上药，是肿瘤治疗和康复中应用最多的中药之一。灵芝孢子油是蕴藏在灵芝孢子内的脂质活性物质，是灵芝精华之所在，也是灵芝中抑制肿瘤的重要活性成分，但是该类化合物大约200种，目前国内外对孢子油的有效成分和药效学研究还比较少。所以，按照药理学进行抗肿瘤的有效部位的活性筛选，将研究成果进行转化，具有重要的经济价值和社会价值。

和本堂：携台湾鲜食便当高调进北京

和本堂执行董事张云婷介绍，“和本便当”是由红遍亚洲的台湾“便当达人”，台湾第一便当——台铁便当传奇人物李玉霞领军研发生产。李玉霞，30年专注一款便当，赢得台湾千万人信赖，人称“霞姐”，曾经创造台铁台北餐厅日供20000份便当的销售奇迹，为台铁创造了5亿年收入，台铁便当也成为台湾总统府国宴及商务接待餐最多的选择。

“宋桥”香肠具有50年历史，其严格选用4小时之内宰杀的“温体猪肉”，精心设计配方，坚持用真材和天然香料，是最受台湾大众喜爱的香肠。

张云婷介绍，和本堂于2001年在香港创建控股公司，2005年在广州开设和本堂店，为上班族、大型企业、政府机关以及大型活动提供营养配餐及商务套餐服务，是首批通过ISO2000与HACCP国际认证的餐饮企业，在广州拥有二座大型标准化中央厨房。2011年武广高铁通车，和本堂以“零投诉”的品质保证，在武广高铁上卖起台湾风味便当。历经10年，和本堂已先后成为武广高铁、广交会、南中国7-11便利店、喜士多便利店、广州国际演艺中心等重要客户的常年合作伙伴。

“和本便当自创立以来，从未发生过一起食品安全事件。”张云婷表示：“从便当的卫生品质、到食品安全，再调配出符合大众口味的近千个品种便当，我们一直坚持跟着大自然吃饭，我们的理念就是为广大消费者提供最优质的餐饮服务。”

Isee灰姑娘：于第16届新加坡亚太杯比赛中荣获评委会特别大奖

Isee灰姑娘国际儿童艺术中心参加的第16届CSTD亚太杯比赛在新加坡落下帷幕，这次大赛吸引了全球将近有40多个国家的小选手参加比赛，CSTD亚太杯比赛是澳洲联邦教师舞蹈家协会主办的全球性少儿舞蹈大赛，是全球最具权威性的青少年舞蹈特色的国际赛事。Isee灰姑娘国际儿童艺术中心已经是第三次参加亚太杯盛会了，这次参赛的节目从8月29日的《雪花圆舞曲》和《芭蕾舞solo》到8月30日的《俏皮妞妞》、《梦幻仙子》、《茉莉花》、《仙女们》不仅用生动的肢体语言表达了对舞蹈的热爱，而且其中《俏皮妞妞》还获得“评委会特别大奖”，真为我们未来的小舞蹈家们感到自豪，教育无法功利，得奖不是我们的目的，舞蹈精神无国界、无好坏，每一个热爱舞蹈的孩子都是平等的，我们鼓励所有自信、享受舞蹈、愿意展现和面对竞争的孩子参加比赛，即便机构会为此付出代价。孩子与家长认可和成功，机构才有存在的意义。但是，亲爱的孩子们，你们是Isee灰姑娘的无冕之王！

动态物流联盟 篇3

关键词：风险管理能力,Shapley值法,模糊综合评判法

物流企业动态联盟的风险有很多,常用的分类方法有两种:一种是将其分为内部风险和外部风险,另外一种是按照动态联盟的生命周期对不同阶段面临的风险分别进行归类总结。不管采用哪一种分类方法,联盟运作期间的能力风险(包括时间风险、技术风险、成本风险、质量风险)始终是不可或缺的研究重点;其它机会风险(比如市场风险、政治风险、金融风险)由于自身的特殊性和不确定性,不便定量分析。为了做好定量研究,本文将研究范围界定在能力风险范围内。

1 成员企业的风险管理能力对联盟影响的分析

在诸多研究动态联盟利益分配的文献中,绝大多数都引入了风险因子,如文献[1]、[2]对成员企业实际承担的风险与理想状态下的平均风险进行比较,认为如果前者大于后者,则应该在用Shapley值法进行动态联盟利益分配的基础上,给予成员企业更多的比例适当的利益,反之,则应该相应减少成员企业的利益分配。

与之相类似,另外的很多研究也采用了许多方法测算成员企业在联盟运行中承担的风险系数,以此作为重要的参考依据对利益进行分配。对于基于技术或者产品的动态联盟,这种分配方法具有一定的合理性。但是对于以提供物流服务为目的的物流企业动态联盟,成员企业承担的风险越大,就应该分到更多的利益吗?根据“风险与收益成正比”的原则,应该是风险越大收益越多。但是在物流企业动态联盟这一条件下,假设联盟的运作要求提供仓储服务的企业所提供的仓储面积是500平方米,而这家仓储企业的最大仓储面积也只有500平方米,那么该企业面临的风险是很大的,因为一旦仓储量增加,则企业将无法承受而导致有退出联盟的可能,对于整个联盟而言,可能会导致运作成本升高、时间延迟,甚至有更为严重的后果。从这个角度来看,成员企业并不是承担的风险越大,所得的利益就应该越多,因为是成员企业自身承担风险、控制风险的能力(而不是面临风险的大小)对于降低联盟的运作风险、保证联盟的顺利运作起到关键性的作用。我们将成员企业的“风险承担能力”和“风险控制能力”合称为“风险管理能力”。

第一,风险承担能力分析。文献[3]认为:某伙伴的风险承担能力可以用该伙伴的资本拥有量与该伙伴在合作项目中必须注入的资本量之比来描述,比例越大,表明该伙伴的风险承担能力越大。同样,某伙伴的风险承担能力也可以用该伙伴参与虚拟经营所计划承担的任务对该伙伴的正常生产经营所产生的影响来描述。以参与物流企业动态联盟的运输企业E为例,如果企业E拥有的卡车数量为n,联盟的作业要求其在一定时间内提供的数量是m,在一定范围内n/m越大,则E的风险承担能力越大,越有利于联盟体的稳定,在利益分配时,要将此作为参考依据。尤其是当成员企业为了满足联盟的需要、降低运作过程风险而付出切实可行的努力时,适当增加对该企业的利益分配就显得很有意义。

第二,风险控制能力是指当风险真正出现时,成员企业对风险实施控制的能力。例如,现有一从A地到C地的运输业务,运输企业E可以为联盟提供两种运输方案:一种是从A到B采用公路运输,从B到C采用铁路运输;另一种是从A到C直接采用铁路运输。这样联盟可以根据业务量或其他条件的变化来选择相对经济合理的运输方案,当时间、成本等风险将要发生的时候,企业E能够很好地对其实施控制,提高联盟运作方式的灵活性,保证了联盟运作的稳定性。一旦企业E为了更好地配合联盟的运作而改变了预定方案,可能会导致自身运营成本的增加,在利益分配的过程中要充分考虑到这一点。因为如果利益分配不当,将影响到成员企业的合作积极性,不利于联盟的后续运作。

2 基于Shapley值法的收益分配分析

2.1 Shapley值法介绍

对联盟利益分配研究最有成就的是20世纪50年代的Nash和Shapley。他们主要是从参与人之间的相互作用入手,分析决策主体相互作用时的决策及这种决策的均衡问题,采用的方法是博弈论。本文主要介绍的是Shapley值法,并在此基础上作出一定的改进。设有n个成员企业组成的集合为N,即,Sa是集合N中包含成员a的所有子集,v(s)称为联盟s的特征函数,表示联盟s通过联盟具有的优势所获得的最大收益。N人合作博弈有很多解,寻求一个最为合理的解就是解决问题的目标[4]。

对每个博弈,存在唯一的Shapley值,其中:

其中|s|是联盟成员企业的个数(即子集s的元素个数),w|s|是加权因子,s{a},表示s联盟中去掉成员企业a。

Shapley值法可认为是出自于一种概率解释。假定成员企业依随机次序形成联盟,各种次序发生的概率假定相等,均为1n!,成员企业在与其前面(|s|-1)个成员形成联盟s。成员企业a对这个联盟的贡献率为(实际上为一种边际贡献)。根据这种解释,成员企业a所作贡献的期望值正好就是Shapley值。

2.2 应用实例

假设一物流企业动态联盟由A1、A2、A3三家企业构成,根据预测,联盟收益为100万元。如果三家企业单干,则每家企业获利20万,合计60万元。如果A1、A2联盟,可获利50万,如果A1、A3结盟,可获利60万,如果A2、A3结盟,可获利70万。如果将100万的联盟收益均分,则每个企业大约可分得33.33万,但是作为理性经济人的A2、A3是不会选择加入联盟的,因为二者合作得到的收益大于二者从联盟中得到的收益之和。为了保持联盟的稳定性,可以用Shapley值法来解决这一问题。

将A1、A2、A3三家企业结成的联盟记为,获利情况用va来表示,。以对A1的利益分配为例,由式(1)、(2)可得到表1:

其中,S1是有成员企业A1参与的所有合作形式的集合,v(s)指联盟s(不同合作方式)的收益情况,指从联盟s中去掉成员企业A1后的收益情况,|s|是联盟s的成员数量,。

将表中最后一行各数相加得v1=28.333万元。同理,可求得v2=33.333;v3=38.333。

加入联盟后的收益v1、v2、v3均大于单干时的收益20万元,且v1+v2>v1,2,v2+v3>v2,3,v1+v3>v1,3。所以按此方案分配利益可以很好的保证联盟的稳定性。

3 引入风险管理能力对利益分配结果进行优化

上述算法是在各成员企业的风险管理能力相等的假设条件下进行的,即假定了。但实际上,当风险真正发生时,成员企业的风险管理能力是不同的。较强的风险管理能力可以降低联盟的整体风险,为联盟的成功运作提供保障。因此,在按照Shapley值法进行利益分配后,还要结合成员企业实际的风险管理能力M'a与Ma的差距,对分配结果进行修正[3,4]。

企业的实际利益分配修正量为:,V是联盟的总体收益,,则成员企业实际分配利益为。

具体修正方案即为:

当ΔMa≥0时,表示伙伴实际的风险管理能力比理想情况下高,应给予它适当多的利益分配,利益增值为:,即该伙伴企业实际分得利益为:。

同理,当ΔMa≤0时,表示成员企业实际的风险管理能力比理想情况下低,应从原来分得的利益中扣除相应的部分:,则该成员企业实际分得的利益为:。

采用模糊综合评判法[5]对成员企业A1、A2、A3的风险管理能力进行测评,可以将风险管理能力细化为三个指标:企业原有的设施或能力f1;企业适应联盟运作方案变化的能力(或者称企业柔性)f2;企业为配合联盟的运作而付出努力的意愿和能力f3。因此,指标集;设定评语集,赋予评语集各元素以量值。为了便于研究,设定三个指标权重各为三分之一,邀请10位专家对企业A1、A2、A3分别进行评价,以企业A1为例,评价过程及评价结果分别如表2、表3所示:

同理,A2、A3的综合得分分别为77.333、73.333。归一化处理后得。

联盟总体收益。

调整后的利益分配结果发生了变化,由于成员企业A2的风险管理能力相对较强,其利益分配额由原来的33.333万元增加到34.233万元;而A3的风险管理能力相对较弱,对联盟的稳定性构成了一定的威胁,分配额由原来的38.333万元减少到37.433万元。

4 结论

改进后的利益分配不仅考虑了成员企业的贡献,同时也将风险管理能力纳入到了物流企业动态联盟的利益分配体系中,使得分配结果更加公平、合理,能够充分调动成员企业配合联盟运作的积极性,有利于联盟的稳定、顺利运作。当然,本文介绍的Shapley值及其优化算法也存在一定的问题,如不同结盟情况下联盟的实际获利值不易准确测定;另外,表示风险承担能力的n/m的最优取值范围也有待于进一步研究。

参考文献

[1]戴建华,薛恒新.基于Shapley值法的动态联盟伙伴企业利益分配策略[J].中国管理科学,2004(4):33-36.

[2]闫黎,赵艳萍,罗建强.中小物流企业联盟的收益分配策略研究[J].工业工程,2010(5):25-27.

[3]张青山,郑国用,赵忠华.虚拟企业联盟对象间风险分担和利益分配[J].商业研究,2001(1):42-44.

[4]曹模珍.物流联盟中收益及其分配机制对稳定性的影响[J].物流科技,2011(10):38-40.

经济学与计算数学的动态联盟 篇4

一、经济研究需要数学参与

现代经济学越来越多地借助严密的数学语言、复杂的数学工具和先进的数学方法，表现出鲜明的数学化倾向。而且，随着古诺、杰文斯、门格尔、瓦尔拉斯、戈森、埃奇沃思、马歇尔、帕累托等一批经济学家的作品问世，传统的经济学研究方法论也发生了“巨变”——经济学开始和数学结盟，开辟出研究的新天地。经济学思想的大转变通常出现在危机之后，如2008年世界金融危机之后，中国经济转型的速度加快，研究经济学与计算数学之间的关系就显得尤为重要。

虽然数学语言、方法和思想广泛运用于其他学科，但在经济学中的运用却引发了最为激烈和持久的争论，主要原因有三个：一是经济学科太复杂，既连接政治，又关乎民生；二是数学本身难度高，精通数学和经济学的学者不多；三是两门学科的融合度有待提高。

目前，在经济学和数学关系问题上存在两种偏向：一是对在现代经济学中运用数学持否定态度，认为数学模型在现代经济领域中没有多大用处；二是过分推崇数学，认为只有运用数学模型表达的经济学思想才算完善。

二、经济学借力数学迅速发展

如果经济研究囿于纯粹的定性分析，不度量各变量或因素在数量上的重要性，那么研究可能陷入持续的争论中，难以形成结论或形成模糊地结论。如面临中国宏观经济下行压力，有人主张降低工资，以增加企业利润，从而刺激经济活动；有人则提出增加工资，刺激消费需求，从而刺激产出和就业；有人建议降低利率，刺激企业投资增加或新企业的创建；有人建议提高利率，以增加银行储蓄，提高银行的放贷能力。如果不考虑各种正向效应和反向效应的相对大小，上述建议似乎都合理，但是借助数学工具计量，就能清楚地分析它们的利弊。

古诺、埃奇沃思、杰文斯、瓦尔拉斯等认为数学对经济研究十分重要，他们把数学方法引入经济领域。1838年，古诺在《财富理论的数学原理研究》中指出：“数学的用处绝非是单纯地计算出数字结果，它还可以用来发现不能用数字表达的量之间的关系，以及不能由代数表达式来表述的函数之间的关系。”埃奇沃思是分析工具的发明者，他给我们带来了效用函数的一般形式、无差异曲线及这些曲线的凸性、契约曲线等，推动了经济学研究的发展。杰文斯指出，应改革古典经济学家充分利用的演绎法，便于公开使用数学技术，因为“经济学如果是一门科学，它必须是一门数学的科学”。瓦尔拉斯认为：“面对同样的事物，当使用数学语言可以做出简洁、精确而清楚的表达时，为什么一定要像李嘉图经常做的那样，或者像穆勒在《政治经济学原理》中说的那样，用日常语言在极其笨拙并且不正确的方式下来解释这些事物呢？”

19世纪中期以来，对经济学理论发展作出重要贡献的是那些具有数学头脑的人。约翰·穆勒在其名著《政治经济学原理》中断言，价值和价格理论已经得到详尽的阐述，无论是他自己或其他人，都没什么可添加的了。但事实并非如大师所言，继穆勒之后，经济学理论出现了两次突破，都是借助数学在经济学中的运用来实现的。

如竞争性市场中一般均衡的存在性及其福利含义的证明和分析必须借助于角谷不动点定理、李雅普诺夫定理、支撑超平面定理及其他一些集合理论等数学工具；保险学中保费以及养老金的计算，正是利用了大数概率论定律等数学知识；随机微分方程与数理统计在期权定价、投资风险分析与优化等金融问题中扮演着重要角色。

十几年来，我国“文字经济学家”推动了许多房地产政策出台，却造成了今天危机四伏的局面。从数学的角度来看，房地产业的变量很多，但主要变量有限，内部变量主要是供求和地域，外部变量主要是资金和政策。试想，如果有一个较好的“中国房地产发展模型”系列跟踪房地产业，辅助中央和地方决策，引导生产、投资、消费三者的思想行为，情况可能会大不相同。

三、数学经济模型的功能及其局限

数学经济模型是为了经济目的，用字母、数字及其他数学符号建立起来的等式或不等式，以及用图表、图像、框图等描述客观经济事物的特征及刻画内在联系的数学结构。

数量经济学的方法主要是数学经济模型方法，有经济计量分析、经济系统分析、成本收益分析、投入产出分析、最优规划分析、电子计算机模拟等。这些建模研究在经济实践中非常有用，它可以运用于国民经济的最优计划和管理、部门联系的平衡研究、经济预测、企业经济决策、扩大再生产的数量分析等方面。

但是，数学作为工具和方法，必须在经济学理论（思想）的框架下发挥作用。分析工作，即数学推理，必须预先假定我们对事实及其意义的洞察力足够清晰到可以提出有意义的问题和假设，从而建立相应理论。否则，数学方法可能会误导经济研究。与文字逻辑相比，数学推理具有如下功能：①数学语言更简练、严谨和精确，理解问题更深刻；②推理的每一个阶段都可做出明确的假设；③能够处理n个变量的一般情况，有助于从具体的经济现象中抽象出本质，所获结论的适用性更广；④在合理假设的前提下，使复杂问题的分析变得更加简单，既不改变其本质，又具有一般性。

经济学作为社会科学的分支学科，是人类活动中有关经济现象和经济行为的理论，它受文化、历史和制度等诸多因素的影响。数学工具运用于经济学，离不开一定的假设条件，它不是无条件适用于任何场合，否则会导致理论指导实践的失效。如果忽视经济学中社会科学的特性，而把经济学简单地看成一系列抽象假定、复杂公式的科学，那么它就失去了人文性和科学性。微观经济学和宏观经济学的奠基人马歇尔和凯恩斯都使用了抽象的研究方法，也都充分认识到抽象分析的局限性。

四、数学知识恰当渗透经济研究

中国经济学界借力数学存在两种不良倾向：一是滥用数学工具。即使很简单的结论也能编制一大套数学模型，制造一连串的推导；为编制模型，抽象掉不该被抽象的实际情况，列出的假定条件与客观情况不符；套用不适合中国实情的西方经济学模型，得出一些错误的结论。二是把工具当作目的。研究时过分追求数学化，甚至把经济学当数学，以数学公式的多少当成区分经济学的标准，实际上区分的标准是内容，而非数学工具的运用。

马歇尔和凯恩斯等经济学大师重视思想，对运用数学保持高度警惕，而把数学推理放在附录和脚注。马歇尔认为：“近年来对经济学的研究使我日益感到，一个能够很好处理经济假说的数学定理极不可能成为好的经济学定理。”凯恩斯认为：“近代所谓‘数理’经济学，大部分只是杂凑，而其倡导者却在自命不凡但毫无用处的符号迷阵中，把现实世界之复杂性与息息相通性置之脑后了。”

能够对经济主体的行为产生决定性影响的变量非常多，而且它们相互联系着。研究者如果为了使问题变得可控、可操作而删除某些（不能测度的）变量，据此建立的数学模型将完全与现实经济问题脱节。

动态物流联盟 篇5

英国著名供应链管理专家马丁·克里斯托弗在1992年指出:21世纪的竞争不再是企业与企业之间的竞争, 而是供应链与供应链之间的竞争[1]。随着供应链物流向着综合化、集约化发展, 单个企业的资源能力有限, 为了适应大物流系统的发展, 一些物流企业开始采用企业联盟的形式增强自身的竞争力。上海海运学院的戴勇博士提出虚拟物流企业联盟的概念, 并从联盟的构建到联盟的管理, 分析了联盟成立的可行性:指出物流企业之间应建立基于自身核心竞争力的价值链合作联盟, 在联盟成员的选择上建立了一个融合AHP、DEA、 (0—1) 整数规划的伙伴选择模型, 解决了物流联盟伙伴选择的定性、定量以及局部、全局选优问题;设计了虚拟物流企业联盟的信息平台, 对伙伴企业信息协调共享问题建立了参与利润分配的模型[2]。中国农业大学的徐凤琴博士从博弈论的角度分析了现实中决策者有限理性的条件下企业联盟从竞争到合作的演变机制, 并提出了联盟利润的分配方案[3]。此外, 还有其他学者也在此领域进行了研究, 但总的来说该领域的研究还处于起步阶段。本文运用动态博弈的思想, 对运输企业联盟形成机制及其稳定性进行研究, 分析各种联盟结构的最大一致集, 并运用联盟均衡的思想寻找最稳定的战略联盟。

二、合作博弈基本思想

最早的竞合思想是美国著名管理学大师迈克尔·波特教授在《竞争优势》一书中提出的, 即“建立一种既竞争又合作的观念[4]”;而最早的“竞合”概念是Novell公司创始人Noorda提出的, 该概念首先用于描述现实世界中特别是经济、政治领域内竞争与合作同时存在的现象[5]。而解决竞合问题最有效的工具就是合作博弈理论了。

作为博弈论的重要分支之一, 合作博弈强调局中人在合作前能够达成具有普遍约束力的基本协议, 保证合作联盟的稳定。即假设合作博弈的局中人能够组成合作联盟, 该联盟能给局中人带来比之不参与联盟更多的利润。与非合作博弈相比, 合作博弈强调在集体理性的条件下实现局中人公平的分配超额利润。而公平值联盟稳定存在的首要前提。现定义如下[6]-[8]:

定义5:如果一个可行策略其结果使得不可能有其他可行策略会使一部分局中人更优, 却不使其他局中人更差, 那么该策略即为帕累托有效策略。

而且, 核心中的每个分配都是帕累托有效的。

定义7:Shapley值是核心中同时满足匿名性、有效性、可加性和虚拟性的唯一解。

三、问题描述

所示:该系统为M、N、T三个城市之间的物流运输系统, 其中企业1的主要业务范围在M、N之间, 而企业2, 、3的主要业务范围在N、T之间。根据上述情况, 在该运输系统中如果形成运输联盟, 则有两种主要的联盟形式:纵向联盟 (企业1、2或者企业1、3之间的联盟) 和横向联盟 (企业2、3之间的联盟) 。

在不影响问题本质的前提下作如下简化:

(1) 假设该系统中运输需求函数为线性;

(2) 假设各企业固定成本为0, 即不考虑企业规模对联盟形成的影响;

对于N、T之间的运输而言, 如果2、3企业不结成联盟, 各自为政情况下其需求函数如下:

如果2、3企业形成企业联盟则N、T之间的运输需求函数i=NT, 对于M到N, 则其需求函数i=1

对于从M到T的整个系统而言, 如果2、3企业不联盟, 则对于客户而言有两种选择:经企业1从M到N, 然后再经企业2从N到T;或者经企业1从M到N, 再经企业3从N到T。其需求函数分别为:

如果2、3企业形成了联盟, 则对于客户而言就仅有一种选择, 其需求函数为:

四、模型建立

令为该系统中合作博弈局中人集合, 即该运输系统中所有运输企业的集合。N的一个子集称为一个联盟, 全集N为总联盟。在各种可能的联盟情况中, 定义如下四种联盟结构: (1) 不联盟; (2) 两个运输企业横向联盟, 即运输企业2、3联盟; (3) 两个运输企业纵向联盟, 即运输企业1、2或者1、3联盟; (4) 三个运输企业组成总联盟。设当企业i和企业j不联盟时, 即两者各自定价;当企业i和企业j联盟时, 联盟统一定价为Pij, 且满足, 联盟内部成员之间平均分配利润。

(1) 不联盟

可得:

将三者的价格代入需求函数可得均衡时各运输线路的需求量。

综上, 三者的利润分别为:

(2) 两个运输企业横向联盟, 即运输企业2、3联盟

当企业2、3组成联盟时, 它们对城市N与T之间的运输线路形成垄断, 为使利润最大化, 2、3会对N———T之间的运输线路统一定价, 为使企业2、3之间的联盟稳定, 它们会平均分配联盟利润, 故

将上述价格代入需求函数, 可得均衡时的需求量:

由上述价格与需求量可得利润:

(3) 纵向联盟:企业1和2联盟

三运输企业的利润如下:

由于运输企业2和3完全对称, 故1、3组成的纵向联盟同上。

(4) 3个运输企业组成联盟

可得:

代入需求函数可得各线路的需求量:

由上述价格和各线路的需求量可得三运输企业的利润如下:

五、结论

综上所述, 随着不同企业之间运输可替代性的增强, 即该运输劳务标准化的程度越高企业获得的利润越多;从总的趋势来看, 横向联盟比纵向联盟更有效, 能给企业带来更大的利润;当运输服务的可替代性较大或较小时, 企业偏向于不联盟;以前的研究普遍认为, 所有企业共同参与的联盟总会带来联盟总体利润的最大化, 但通过本文的研究可以发现, 在运输服务之间的替代性较小时, 所有企业共同参与的联盟并非最有效的。

参考文献

[1]马丁·克里斯托弗 (著) , 何明珂, 卢丽雪, 张屹然 (译) .物流与供应链管理 (第四版) [M].北京:电子工业出版社, 2012.

[2]戴勇.虚拟物流企业联盟的构建与管理[D].上海海运学院, 交通运输规划与管理, 2002.

[3]徐凤琴.企业联盟及联盟竞争的博弈分析[D].中国农业大学, 管理科学与工程, 2004.

[4]迈克尔·波特.竞争优势[M].北京:华夏出版社, 1997.

[5]施锦华.竞争合作企业间的协同资源计划研究[D].哈尔滨工业大学, 2007.

[6]谭春桥, 张强.合作对策理论及应用[M].北京:科学出版社, 2011.

[7]施锡铨.合作博弈引论[M].北京:北京大学出版社, 2012.

动态物流联盟 篇6

关键词：动态物流联盟,伙伴选择,模糊语言群体决策,多时段,模糊语言标度

动态物流联盟是现代物流组织演变的基本趋势,它是基于核心能力关联、由核心物流企业联合其他提供专业化物流服务的企业所组成的、以快速响应客户物流服务需求为战略目标而结成的一种暂时性联盟[1]。这一联盟因物流市场机遇的产生而成立,并随物流市场机遇的消失而解散。当下一次物流市场机遇来临时,又开始新一轮的结盟。动态物流联盟的组建过程是一项复杂的系统工程,其中一个关键环节是选择灵敏的、有竞争力的和相容的合作伙伴,合作伙伴选择的恰当与否直接关系到动态物流联盟的市场反应速度及合作的绩效与成败。

当前国内外理论界关于供应商选择、供应链合作伙伴选择等类似问题的研究非常众多,评价方法也很丰富。一些学者以此为借鉴,针对物流行业的特殊性,提出了物流联盟合作伙伴选择的过程和思路[2,3,4,5]。然而,这些研究绝大多数均是建立在信息完全的基础上的,且基本上都是在特定时刻对潜在合作伙伴进行评价与最优排序,属于静态决策。而现实中有许多信息都是隐蔽的,盟主企业(核心物流企业)不可能完全了解潜在合作伙伴的情况,再加上人类思维的模糊性以及受一些主、客观因素(如时间紧迫,专业知识结构和水平等)的影响,决策者给出潜在合作伙伴的评估信息也通常是不完全的,很难用精确的实数值来量化,相反,采用模糊语言变量来刻画它们则显得更为合理。同时,盟主企业在优选合作伙伴的过程中,不仅仅只注重其现有的评价信息,对潜在合作伙伴过去不同时段的历史评价信息也非常重视,具有多时段性、动态性等特点。动态物流联盟合作伙伴的选择是一个复杂的决策过程,需要不同领域的专家共同参与,而现有的研究对此没有足够的重视。基于此,本文在借鉴已有相关研究成果的基础上,充分考虑到动态物流联盟合作伙伴选择过程所面临的信息不完全性、多时段性,引入模糊语言变量来描述决策者的评估信息,并结合多属性群决策理论,建立多时段条件下模糊语言多属性群体决策模型,为动态物流联盟合作伙伴的选择提供一种更加适宜的方法。

1 动态物流联盟合作伙伴评价指标体系

根据Steven E.Leahy等的研究结果,目前对于物流企业的评估一般将顾客服务、成本节约和合作关系作为基本准则,据此,文献[2]、[3]设计了相应的虚拟物流中心合作伙伴评价指标体系;文献[5]将地理位置和交通条件、联结成本、组织的相容性、组建所需的时间、通信基础、各物流实体组织的发展战略和政策、决策系统的兼容性以及文化融合性等作为综合评价合作伙伴应考虑的因素;文献[6]考虑虚拟物流中心的动态合作特性,将物流业务能力、合作成本及风险等方面建立盟员选择的评价指标体系;文献[7]把企业素质、历史与发展、与其他企业的合作情况作为基本准则层,也建立了相应的评价指标等。综合已有相关研究文献,并针对动态物流联盟合作伙伴评价的特殊性,本文提出了包括8个指标(属性)的评价体系:

①企业素质C1:这是一种对候选物流企业基本面的评估, 包括该企业的硬件和软件条件。主要指资产规模大小、人力资源、财务状况、技术水平、管理和服务水平等。②合作经验与历史信誉C2:经验主要指合作伙伴以往参与类似合作所积累的经验与知识,历史信誉指在以往合作过程中的工作实绩。有丰富经验和良好商誉的物流合作者知道如何去配合其他伙伴及如何调整自身适应合作中的变化。③合作关系C3:物流企业之间的合作关系将反映以往的合作历史基础对构建动态物流联盟的影响。在这里采用累计合作时间、合作意愿、联系便利性以及战略、文化、管理兼容性等指标来衡量。④合作成本C4:选择物流合作伙伴需要考虑的重要经济因素便是合作成本。在选择伙伴时,必须全方位估算合作成本,除考虑对方报价外,一定要适时了解对方真实情况,考虑间接成本。⑤合作风险C5:动态物流联盟的成功运行应建立在伙伴间相互信任的基础上。但是,由于伙伴间不对称情况的存在,某些伙伴在利益的驱动下可能会产生单方面违约和弄虚作假等行为,与此类企业合作必然会带来合作风险,故风险分析也是合作伙伴选择时必不可少的一步。⑥物流业务能力C6:主要指储运能力和储运管理能力。物流业务能力是评价指标的第一要素,是合作伙伴选择的根本参考。⑦企业环境C7:主要指地理位置、交通条件,以及政治、法律、经济、社会文化、技术等环境。⑧历史和发展C8:主要考察合作伙伴的发展历史和前景,包括资信等级、企业所处的生命周期和企业的发展前景等。

2 多时段条件下合作伙伴选择的模糊语言群体决策模型

2.1 问题描述

设某核心物流企业需要从K个候选合作伙伴中选择最优的合作伙伴来实现某一物流市场机遇,候选合作伙伴集合记为X={X1,X2,…,XK}。评价候选合作伙伴的M指标(属性)记为C={C1,C2,…,CM}。为了全面准确地评价候选合作伙伴的水平,邀请n位专家组成决策小组D={d1,d2,…,dn},并考虑T个时段内候选合作伙伴的状况。假定各专家给出第t(t=1,2,…,T)个时段候选合作伙伴指标评价值矩阵为:

$A{}^i(t)=(e{}_{km}^i(t)){}_{{\rm K}\times {\rm M}}‚i=1,2,\cdots ,n;t=1,2,\cdots ,{\rm T}$

其中,eikm(t)(k=1,2,…,K;m=1,2,…,M)为专家di给出候选合作伙伴Xk在第t个时段关于指标Cm的评价值。由于不同时段的指标评价值在综合评价中的地位不同,因此需要考虑各时段的相对权重,设T个时段的权重向量为λ=(λ1,λ2,…,λM),且满足$0\le \lambda {}_t\le 1‚{\displaystyle \sum _{t=1}^{{\rm T}}\lambda }{}_t=1$。为体现含时间因素的信息对现在决策的影响程度,在此假定λ1≤λ2≤…≤λT,以反映“厚近薄远”的思想。

因此,动态物流联盟合作伙伴选择问题就转化为:根据n位决策者给出的候选合作伙伴指标评价值矩阵序列{Ai(t)}T1,i=1,2,…,n,对K个候选合作伙伴X1,X2,…,XK进行排序,并按照排序的结果,对其进行优选。

2.2 模糊语言评估标度的确定

由于在不完全信息条件下,决策者往往用模糊语言变量来测度候选合作伙伴的评估信息,即指标评价值矩阵Ai(t)中的属性值eikm(t)以模糊语言变量形式给出。为此,需引入模糊语言评估标度:

设S={sα|α=-L,…,L}为模糊语言评估标度,其中sα表示模糊语言变量,特别地,s-L和sL分别表示决策者实际使用的模糊语言变量的下限和上限,且满足条件[5]:①若α>β,则sα>sβ; ②存在负算子neg(sα)=s-α.S中的术语个数一般为奇数,此处取S={s-5,…,s5}={极差,很差,差,较差,稍差,一般,稍好,较好,好,很好,极好}。

在对候选合作伙伴指标评价的模糊语言信息集成过程中,集成结果往往与模糊语言评估标度S中的元素不相匹配。为了便于计算和避免丢失决策信息,在原有标度S的基础上定义一个拓展标度$\overline{S}=\{s{}_{\alpha }|\alpha \in [-q,q]\}$,其中q(q>L)是一个充分大的自然数,且若α∈{-L,…,L},则称sα为本原术语;若α∉{-L,…,L},则称sα为拓展术语,拓展后的标度仍满足条件①和②。

为了便于对候选合作伙伴进行比较和排序,下面给出模糊语言评估标度的运算法则及几个模糊语言集结算子[8]:

定义1 设sα,sβ∈$\overline{S}$, y,y1,y2∈[0,1],则:

①sα♁sβ=sβ♁sα=sa+β;

②ysa=sya;

③y(sα♁sβ)=ysα♁ysβ;

④(y1+y2)sα=y1sα♁y2sα.

定义2 设EOWA:$\overline{S}$n→$\overline{S}$:若

$\begin{array}{l}E{\rm O}WA{}_{\omega }(s{}_{\alpha (1)},s{}_{\alpha (2)},\cdots ,s{}_{\alpha (n)})\\ =\omega {}_{1}s{}_{\beta (1)}\oplus \omega {}_{2}s{}_{\beta (2)}\oplus \cdots \oplus \omega {}_{n}s{}_{\beta (n)}=s{}_{\overline{\beta }}\end{array}$

其中,$s{}_{\overline{\beta }}={\displaystyle \sum _{j=1}^n\omega }{}_j\beta (j)‚\omega =(\omega {}_1,\omega {}_2,\cdots ,\omega {}_n)$是与EOWA相关联的加权向量,$\omega {}_j\in [0,1](j\in {\rm N})‚{\displaystyle \sum _{j=1}^n\omega }{}_j=1$,且sβ(j)是模糊语言数据组(sα(1),sα(2),…,sα(n))中第j大的元素,则称函数EOWA是拓展的有序加权平均(EOWA)算子。

定义3 设EWAA:$\overline{S}$n→$\overline{S}$:若

$\begin{array}{l}EWAA{}_{\omega }(s{}_{\alpha (1)},s{}_{\alpha (2)},\cdots ,s{}_{\alpha (n)})\\ =\omega {}_{1}s{}_{\alpha (1)}\oplus \omega {}_{2}s{}_{\alpha (2)}\oplus \cdots \oplus \omega {}_{n}s{}_{\alpha (n)}=s{}_{\overline{\alpha }}\end{array}$

其中,$s{}_{\overline{\alpha }}={\displaystyle \sum _{j=1}^n\omega }{}_j\alpha (j)‚\omega =(\omega {}_1,\omega {}_2,\cdots ,\omega {}_n)$是模糊语言数据组(sα(1),sα(2),…,sα(n))的加权向量,且$\omega {}_j\in [0,1](j\in {\rm N})‚{\displaystyle \sum _{j=1}^n\omega }{}_j=1$,则称函数EWAA是拓展的加权算术平均(EWAA)算子。

定义4 设LHA:$\overline{S}$n→$\overline{S}$:若

$\begin{array}{l}L{\rm H}A{}_{\omega ‚w}(s{}_{\alpha (1)},s{}_{\alpha (2)},\cdots ,s{}_{\alpha (n)})\\ =w{}_{1}s{}_{\beta (1)}\oplus w{}_{2}s{}_{\beta (2)}\oplus \cdots \oplus w{}_{n}s{}_{\beta (n)}\end{array}$

其中,w=(w1,w2,…,wn)是与LHA相关联的加权向量,$w{}_j\in [0,1](j\in {\rm N})‚{\displaystyle \sum _{j=1}^{n}w}{}_j=1$。sβ(j)是加权模糊语言数据组($\overline{s}$α(1),$\overline{s}$α(2),…,$\overline{s}$α(n))中第j大的元素,这里$\overline{s}{}_{\alpha (i)}=n\omega {}_{i}s{}_{\alpha (i)}(i\in {\rm N})$,ω=(ω1,ω2,…,ωn)是模糊语言数据组(sα(1),sα(2),…,sα(n))的加权向量,$\omega {}_j\in [0,1](j\in {\rm N})‚{\displaystyle \sum _{j=1}^n\omega }{}_j=1$,且n是平衡因子,则称函数LHA是模糊语言混合集结(LHA)算子。

2.3 多时段条件下模糊语言群体决策步骤

多时段条件下动态物流联盟伙伴选择的模糊语言群体决策方法引入模糊语言变量来描述决策者的评估信息,并把多属性群决策理论与时间序列动态决策结合起来,实现对候选合作伙伴的排序与择优,反映了合作伙伴选择的信息不完全性、动态性与群体决策等特点。

(1)各时段候选合作伙伴的群体综合评价

考虑第t个时段,利用拓展的有序加权平均(EOWA)算子,对指标评价值矩阵Ai(t)=(eikm(t))K×M中第k行模糊语言评估信息进行集结,得专家di(i=1,2,…,n)给出的关于候选合作伙伴Xk在t时段的综合属性评估值zik(t)(i=1,2,…,n;k=1,2,…,K):

$\begin{array}{l}z{}_k^i(t)=E{\rm O}WA{}_{\beta }(e{}_{k1}^i(t),e{}_{k2}^i(t),\cdots ,e{}_{k{\rm M}}^i(t))\\ =\beta {}_{1}a{}_1\oplus \beta {}_{2}a{}_2\oplus \cdots \oplus \beta {}_{{\rm M}}a{}_{{\rm M}}(1)\end{array}$

其中,am是模糊语言数组(eik1(t),eik2(t),…,eikM(t))中第m个最大的元素;β=(β1,β2,…,βM)是与EOWA算子相关联的加权向量(可按文献[9]所给的方法适当地选取),$\beta {}_m\in [0,1](m\in {\rm M})‚{\displaystyle \sum _{m=1}^{{\rm M}}\beta }{}_m=1$。

再利用模糊语言混合集结(LHA)算子,对n位专家给出的关于同一候选合作伙伴Xk在t时段的综合属性评估值zik(t)(i=1,2,…,n)进行集结,得候选合作伙伴Xk在t时段的群体综合属性值zk(t)(k=1,2,…,K):

$\begin{array}{l}z{}_k(t)=L{\rm H}A{}_{\omega ,w}(z{}_k^1(t),z{}_k^2(t),\cdots ,z{}_k^n(t))\\ =w{}_{1}b{}_1\oplus w{}_{2}b{}_2\oplus \cdots \oplus w{}_{n}b{}_n(2)\end{array}$

其中, bi是语言变量组(nω1z1k,nω2z2k,…,nωnznk)中第i个最大的元素;ω=(ω1,ω2,…,ωn)为专家权重向量,$\omega {}_i\in [0,1]‚{\displaystyle \sum _{i=1}^n\omega }{}_i=1$,且n是平衡因子;w=(w1,w2,…,wn)是与LHA相关联的加权向量(位置向量),$w{}_i\in [0,1],{\displaystyle \sum _{i=1}^{n}w}{}_i=1$,且由下式确定[10,11]:

$w{}_i=Q(i/n)-Q((i-1)/n),i\in {\rm N}(3)$

这里,模糊语义量化算子Q由下式给出:

式中,a,b,r∈[0,1]。对应于模糊语义量化准则:“大多数”“至少半数”“尽可能多”的算子Q中参数对分别为(a,b)=(0.3,0.8),(a,b)=(0,0.5),(a,b)=(0.5,1)。

(2)T时段内各候选合作伙伴的总体评价

利用拓展加权算术平均(EWAA)算子,对候选合作伙伴Xk在T时段内的群体综合属性值zk(t)(t=1,2,…,T)进行集结,得候选合作伙伴Xk在T时段内的总体评估值zk(k=1,2,…,K):

$\begin{array}{l}z{}_k=EWAA{}_{\lambda }(z{}_k(1),z{}_k(2),\cdots ,z{}_k({\rm T}))\\ =\lambda {}_{1}z{}_k(1)\oplus \lambda {}_{2}z{}_k(2)\oplus \cdots \oplus \lambda {}_{{\rm T}}z{}_k({\rm T})(5)\end{array}$

其中,λ=(λ1,λ2,…,λT)为T个时段的权重向量,且满足$0\le \lambda {}_t\le 1‚\lambda {}_1\le \lambda {}_2\le \cdots \le \lambda {}_{{\rm T}}‚{\displaystyle \sum _{t=1}^{{\rm T}}\lambda }{}_t=1$。

(3)候选合作伙伴的排序与择优

利用候选合作伙伴Xk在T时段内的总体评估值zk(k=1,2,…,K)对候选合作伙伴进行排序,选择最优的合作伙伴组建动态物流联盟。

3 仿真算例

假设某大型物流企业(盟主企业)为实现某一物流市场机遇欲寻求合作伙伴以建立动态物流联盟,经过初步筛选,确定5家物流企业作为候选合作伙伴(即X={X1,X2,…,X5})。为了全面准确地评价候选合作伙伴的水平,由3位专家组成决策小组D={d1,d2,d3},依据本文所确定的评价指标体系考查各候选合作伙伴最近3个年度(分别记为T1,T2,T3)的状况,并利用上述所建立的模型对候选合作伙伴进行优选。以下逐步讨论其决策过程。

步骤1: 模糊语言评价值矩阵的确定

各专家利用2.2节中的模糊语言评估标度,对各候选合作伙伴按照本文所确定的评价指标体系进行测度,给出模糊语言评价值矩阵Ai(t)(i=1,2,3)如下(限于篇幅,以下只给出T1年度各候选合作伙伴评价值矩阵):

步骤2: 各时段候选合作伙伴的群体综合评价值的确定

利用EOWA算子对各专家给出的模糊语言评价值矩阵Ai(1)(i=1,2,3)中每一行进行集结(假定EOWA算子的加权向量为β=(β1,β2,…,β8)=(0.15,0.10,0.12,0.10,0.12,0.13,0.15,0.13),得各专家关于每一个候选合作伙伴的综合属性评估值zik(1)(i=1,2,3;k=1,2,…,5):

然后利用LHA算子(假定专家权重向量为ω=(0.30,0.40,0.30)对3位专家给出的候选合作伙伴Xk的综合属性评估值zik(1)(i=1,2,3)进行集结。首先利用n(n=3)及z${}_k^i$ (1)(i=1,2,3;k=1,2,…,5),求解nωizik(i=1,2,3;k=1,2,…,5),得:

假设在“模糊多数”准则下,即令参数对为(a,b)=(0.3,0.8),由式(3)和式(4),求得LHA算子的加权向量为w=(w1,w2,w3)=(1/15,10/15,4/15)。因此可求得候选合作伙伴Xk在T1年度的群体综合属性值zk(1)(k=1,2,…,5):

类似上述步骤,可求得候选合作伙伴Xk在T2、T3年度的群体综合属性值zk(2),zk(3)(k=1,2,…,5):

步骤3: T时段内各候选合作伙伴的总体评价值的确定

再利用EWAA算子对候选合作伙伴Xk在3个年度内的群体综合属性值zk(t)(t=1,2,3)进行集结(假定最近3个年度的权重为λ=(λ1,λ2,λ3)=(0.2,0.3,0.5),得候选合作伙伴Xk在3个年度内的总体评估值zk(k=1,2,…,5):

步骤4: 候选合作伙伴的排序与择优

利用zk(k=1,2,…,5)对5个候选合作伙伴进行排序,得X4≻X3≻X1≻X5≻X2.故候选合作伙伴X4应为盟主企业组建动态物流联盟的最佳合作伙伴。

4 结束语

现有的关于物流合作伙伴选择的研究多是建立在信息完全的基础上,且基本上是属于静态决策,往往只考虑单个决策者参与的情形。本文充分考虑到动态物流联盟合作伙伴选择过程中所面临的信息不完全性、评价的多阶段性,以及单一主体决策的片面性,提出多时段条件下模糊语言群体决策方法来优选动态物流联盟合作伙伴,有效地弥补了现有研究的不足。模型中采用模糊语言变量度量指标信息,克服了用具体数字来刻画的困难;EOWA算子在指标权重信息完全未知的情况下对专家给出的模糊语言评价信息进行集结;LHA算子不仅体现了各专家的重要性程度,而且对各专家给出的综合属性评估信息按从大到小的顺序重新进行排序,并通过对数据所在的位置进行加权、集成,减少了群决策过程中个别专家主观因素的影响;EWAA算子对候选合作伙伴在各时段的群体综合属性值根据其相对重要性进行加权、集成,最终得各候选合作伙伴的总体评估值。仿真实例表明,由于语言标度的引入,以及EOWA算子、LHA算子和EWAA算子的合理运用,多时段条件下模糊语言群体决策模型操作简便、快捷,且计算结果较为精确、不易丢失任何决策信息,为动态物流联盟合作伙伴的合理选择提供了一种更加科学、有效的方法。

参考文献

[1]余福茂,肖亮.动态物流联盟系统规划技术研究[M].北京:航空工业出版社,2005.

[2]李芳等.AHP法在虚拟物流中心伙伴选择中的应用[J].华北电力大学学报,2004,31(4):82~85.

[3]戴勇.基于AHP的DEA分析基础上的虚拟物流企业联盟伙伴选择[J].系统工程,2002,20(3):47~51

[4]沈立新,陈燕.基于径向基函数网络的虚拟物流企业伙伴选择方法研究[J].数学的实践与认识,2005,35(2):43~49.

[5]汪贻生等.虚拟物流组织伙伴选择与优化方法研究[J].工业工程,2004,7(6):20~25.

[6]胡君等.虚拟物流企业盟员初选指标体系及模糊层次综合评价[J].物流科技,2006,29(133):95~97.

[7]陈飞儿,张仁颐.物流企业联盟伙伴的选择[J].上海海事大学学报,2004,25(3):47~50.

[8]徐泽水.不确定多属性决策方法及应用[M].北京:清华大学出版社,2004.

[9]Yager R R.Families of OWA operators[J].FuzzySets and Systems,1993,59:125~148.

[10]Herrera F,et al.Multiperson decision-making basedon multiplicative preference relations[J].EuropeanJournal of Operational Research,2001,129:372~385.

陶瓷产业动态联盟企业模型研究 篇7

动态联盟的优势在于对市场机遇把握的敏捷性和灵活性。当前陶瓷企业的竞争主要侧重点不仅在于产品质量、产品价格、销售品牌等方面的竞争, 更重要的是市场机遇的竞争。在当前以订单为驱动的生产模式下, 如果企业的生产能力、产品质量、信誉度等大致相当, 优先抢到订单的企业在市场竞争过程中胜出的可能性就会偏大。

在动态联盟机制下, 企业基于市场机遇临时结盟, 利用网络组织动态虚拟合作, 提高了生产的灵活性。陶瓷企业不再局限于原有的客户关系群体, 可以拥有更多的盟员合作伙伴, 从而集中各个企业的核心能力, 提高自身的竞争能力。市场机遇实现后, 联盟组织解散, 盟员企业可以另外寻找新的市场机遇组建新的动态联盟。

陶瓷区域性动态联盟可以进一步发挥行业协会等外部环境因素的作用。陶瓷行会等第三方组织可以在动态联盟平台中起到调解员和监督员的作用, 审核陶瓷企业的生产能力和市场机遇的真实性, 监督各企业间合同的履行情况, 从而提高企业的信誉, 保障动态联盟模式的实施。

鉴于陶瓷行业的特点和信息化实施程度较低, 陶瓷行业动态联盟研究方面还处于起步阶段, 实用化的理论和模型有案例出现, 但大规模推广和应用尚不成熟。

2 包含环境因素的动态联盟企业模型

企业不能孤立的生存, 任何企业的运营必然与周围的各种环境有着密切联系。动态联盟模型是以企业实体为基础的虚拟组织, 描述的对象是区域性群体企业。引入环境因素是跟动态联盟的特点分不开的, 动态联盟的特点为虚拟性、敏捷性、基于契约。在计算机网络环境中, 动态联盟企业组织是虚拟的, 企业的信息资料具有不透明性和隐蔽性, 单凭企业信息介绍和交易特征不能得到真实、准确、全面的信息。因此, 动态联盟企业在虚拟环境下开展业务需要第三方机构的监督, 建立良好的运作体制和虚拟企业运作环境, 以确保企业信息和业务信息的真实性, 谨防商业欺诈。动态联盟本身是靠契约和信用组织起来的利益联合体, 各盟员之间必须严格履行契约中承担的责任和义务。盟员企业的信誉度和动态联盟的成败有着直接或间接的关系, 如果中途其中任何一个盟员不能履约, 那么动态联盟将会受到严重的影响, 甚至导致动态联盟的失败。如何确保契约的履行和提高企业的信誉是动态联盟正常运作的有力保障。所以, 这种起监督作用的第三方机构是必要的, 我们要把它放到环境因素中去分析。

3 陶瓷产业动态联盟模式关键技术

本课题所用的关键技术有:①使用非结构化转化为结构化模式完成了任务描述和存储, 并设计成灵活的编辑方式, 各任务子项可以增、删、改, 从而实现了联盟任务的描述和扩展。②利用AHP进行动态联盟盟员伙伴选择是由盟主企业、盟员企业、专家协会三方共同完成的, 专家协会发挥了评审和信誉保障作用。在组建动态联盟时, 盟主企业不必亲自考察各个盟员企业的生产能力、技术专长、信誉评价等各方面因素, 把这些繁琐的任务交给专家协会来完成, 可以直接利用由专家协会提供的企业客观描述数据和企业综合评分, 只要每次确定AHP算法所需要的各因素的权重加上企业报价因素即可找到合适的联盟伙伴。于是, 盟主企业可以专注于自身的业务, 既缩短了组盟的时间, 又提高了组盟的安全性和组盟质量。

参考文献

建设项目动态联盟风险识别及预警 篇8

建设项目动态联盟是两个或两个以上的企业或者特定的事业部和职能部门,为完成特定项目目标,通过公司协议或联合组织等方式而结成的一种网络式联合体[1]。项目结束之后,联盟的资源组合即解散。动态联盟的价值主要立足于系统的协调一致,如果这个条件没有得到满足,则整个联盟容易解体,因此,项目动态联盟时刻面临风险和冲突。

目前动态联盟中的风险问题还未引起理论界和应用者的足够重视,在强调“联盟目标”和“利润共享”原则的掩盖下,人们容易忽略联盟在实际运行中存在的内外部风险,其结果不但不能实现利润共享,反而承担了不必要的风险损失[2]。因此,如何认识和有效地防范风险是动态联盟运行成功的重要前提。然而,由于这个领域没有被得到深入的研究,现在找不到现成的成熟理论来驾驭之,我们只能把其他风险的研究方法“嫁接”过来使用,使用已经成熟的研究风险体系的方法论,从系统、科学的角度出发对这个问题进行研究,以便得到比较合理的结论。

在针对具体事件的风险分析领域中,已有许多成熟的理论方法,如Flanagan和Norman(1993)的Brainstorming法,Tree diagrams法和Influence Diagrams等识别方法[3]; 此外, 通过风险测量、敏感性分析、概率分析、模拟技术等方法对风险出现的后果、概率分布进行分析(L.Y.Shen,1990,1993)[4]。Cohen(1997)从资产配置角度, 监理一个以软件项目风险来源和处置动机为核心来识别风险本质、 分配风险的理论模型[5]。经Weber(1999)、 Pfleeger(1997)、 Thurwachter(2000)等努力,从风险发生可能性和风险损失额度对该理论模型进行了拓展[6,7,8]。

针对建设项目的风险研究主要有:Prananta Kumar Dey(2002)采用层次分析法来研究项目风险评价,对风险因子的发生概率和严重性进行定量估计[9]; J.H.M.Tah(2000)则使用模糊评价法来评价,使用因果图来表示风险因子、风险和风险结果之间的关系[10];J.H.M.Tah(2000)还使用信息建模方法来评价建设项目风险[10];D.N.Ford等(2002)采用实物期权来研究不确定建设项目战略规划和管理风险评价[11]。王守清等(2004)提出了适用于发展中国家的描述风险的层次级别和相互影响关系的风险影响矩阵和外星人眼睛风险模型(alien eye’s risk model),风险具有和外星人类似的特性,如不确定、不精确, 难以理解和可能带来损失或危险,将风险模型类似的称为外星人眼睛风险模型以更好的反映建设项目风险的特性,并将建设项目风险划分为三种层次( 国家、市场和项目),以不同层次风险相互影响的矩阵或表格形式进行分析,能够识别建设项目的28种关键风险[12];贾晓霞等(2004)提出了项目投资区域风险的识别方法和预警模式,利用聚类分析法系统识别了项目投资所面临的六类区域风险,建立了基于界面集成的预警模式,并运用管理熵对风险警度进行了量化[13]。

对于建设项目动态联盟的风险研究目前基本上处于初级阶段, 因此正式的资料比较少。但是, 金融系统、股票、 气候、 粮食、 交通等的风险研究已经进行得比较深入细致, 我们可以借鉴这些方法, 针对动态联盟系统的特有特点, 开展建设项目动态联盟风险的识别和预警研究。在该领域, Chiristogh Schlueter Langdon等(2000)运用SWARM技术对建设项目的供应链风险进行了仿真研究[14]; C.Riddalls等(2000)对建设项目供应链风险进行了动态模拟[15];彭本红等(2004)从系统动力学的角度对企业动态联盟敏捷性的评价问题进行一些比较初步研究[16];贺思辉、李家军(2004)运用相对熵对动态联盟风险尤其是金融风险的测度进行了尝试性研究[17];彭本红等(2004)从系统熵的角度上对建设项目动态联盟的价值评价模型进行了设计[18];吴英(2005)专门针对建设项目动态联盟中存在的道德风险进行了较为全面的分析、识别与防范研究,运用复熵概念对道德风险进行了定义,并提出了一系列道德风险控制策略[19]。

这些研究对于建设项目动态联盟的风险结构仍然没有统一认识,也没有形成针对动态联盟的风险识别、预警机制的系统研究。我们知道,项目动态联盟的成败不仅取决于项目的技术、物资、市场、财务、资金等条件,也取决于动态联盟成员企业相互之间的配合、信任以及合约的完整公平性。基于风险和利润两方面的考虑,项目业主以及参与单位决策者必须对面临的动态联盟风险进行有效管理。作为风险防范和感知侧面,风险识别和预警能够对风险现状和未来及时作出准确分析和评价,建立预防控制手段,实践中迫切需要建立一个针对项目动态联盟的风险识别和预警模式,将项目动态联盟前期活动融为一个整体,因此,本文尝试从企业风险管理和管理熵角度出发,提出适合项目动态联盟风险识别预警的模型,并给出量化评价的方法基础,以利于项目动态联盟业主及参与单位能够最大限度回避风险,创造良好的项目管理环境。

2 建设项目动态联盟风险识别

风险识别是建设项目动态联盟风险预警的基础。Al-Bahar等(1990)指出:企业风险识别是一种系统地、持续地对风险相关事件进行挖掘与分类的过程[20]。英国皇家社科院(The Royal Society,1991)界定了五种类型: 自然危险、 技术危险、 社会危险、 健康危险和财务风险[21]。Chicken(1994)提出了三种主要风险类型:技术型、经济型和社会-政治型,并强调任何风险评估均可基于这一分类体系[22]。而AS/NZS4360(1995)则建议不要对风险进行分类,提出了基于风险源的列表,最初的列表中包括了八种风险来源:商务法律、经济环境、人的行为、自然事件、政治环境、技术、管理活动、个体活动。[23]

本文按建设项目动态联盟风险的不确定性来源来进行识别,具体而言,动态联盟的风险分为外部风险和内部风险。

外部风险包括:政治风险,如法规政策的变动,社会稳定,政府干预等;金融风险,利率、汇率、股市波动等;技术风险,如技术成熟度、复杂性、相关性等;市场风险,如需求变动、竞争风险、上下游市场变动等。

内部风险则按动态联盟的寿命周期来分,包括:生成期风险,主要是对市场机遇的识别风险;发展期风险,如伙伴选择、利益分配方案风险等;运作期风险,如沟通、质量、协调、道德风险等;解体期风险,如利益分配、执行风险,结算风险等。具体如表1所示。

建设项目动态联盟内外风险的集成如图1所示。

其风险识别的过程主要有:

(1)确认不确定性的客观存在。辨认所发现或推测的因素是否存在不确定性,要确认不确定性是客观存在的。

(2)列出初步清单。列出客观存在和潜在的各种风险。

(3)确立各种风险事件并推测其结果。推测与各类风险相关联的各种合理的可能性后果。

(4)制定风险预测图。

(5)风险分类。对根据风险性质进行分类。

(6)建立风险目录摘要。对项目动态联盟可能面临的风险汇总并排列出轻重缓急。

3 建设项目动态联盟风险预警模式

建设项目动态联盟是一个复杂的动态系统,需要与之相应的风险预警系统。该预警系统为每个子系统确定相应的“雷达”,即危机指标。

国外从20世纪70年代开始,相继出现了战略风险预警、财务风险预警等研究。Altman(1968)首次创立了多元变量判定模型——Z分数模型[24]。Laitinen等(1999)构造了中小企业风险预警系统[25]。随着信息流量和信息集成概念的建立, Aziz、 Emanuel和Lawom在1988年提出用现金流量信息预测财务风险的模型[26]。Jerry Miccolis等(1998)认为应集中利用风险管理资源从战略角度来考虑风险识别、分析、评价及控制[27]。Lucy Nottingham(2002)提出每个企业必须根据自己的风险管理实践,整合组织核心资源来设计合适的风险集成模型[28]。Dickinson Gerry(2001)研究了ERM在保险行业的应用,将ERM在保险行业的应用定位于一种识别、衡量和管理风险的新理念、综合观[29]。国内对于建设项目风险预警的研究主要集中在项目投资领域,如贾晓霞等(2004)运用界面集成的思路对之进行了深入分析, 并提出了一个集成了六要素的项目区域投资风险预警模式[13]; 周高平等(2005)对基础设施项目的投资风险预警指标体系进行了设计[30]; 吴国付(2006)对区域港口项目投资的风险预警机制进行了设计[31]。

以上相关研究都没有从建设项目总体层面来进行风险预警研究,尚缺乏对建设项目动态联盟风险预警模式的研究。本文参照贾晓霞等(2004)基于界面集成的投资风险预警模式[13],对之加以全寿命周期的拓展,系统地将管理熵概念引入项目动态联盟集成道德风险预警系统,以从企业复杂系统的自组织角度提出风险预警识别、量化的初步理论框架。

建设项目动态联盟风险预警识别体系要有一个系统的模式将企业范围内的风险管理活动融为一个有机的整体。而该模式又离不开风险预警目标、组织、方法、信息、文化及过程。由此提出了基于管理熵的动态联盟集成风险预警模型如图3所示。

该模型集成了动态联盟风险预警的基本6要素(目标、文化、方法、组织、信息、过程),以过程为中轴、战略为基石、组织为实体、方法为中枢、文化为灵魂、信息为纽带,集中反映了管理熵思维下的预警识别的战略、组织、方法、信息、文化和过程集成性特点,是风险预警量化的基础。在此模型中,我们可以清楚看出设置风险预警识别体系的运作过程以及特点:目标是要把所有风险预警活动符合动态联盟的整体战略目标,必须从整体角度集成动态联盟各阶段、各成员的风险预警活动;组织指的是项目动态联盟必须建立相应的风险预警机构,是一种具有动态性。创新性和灵活性的组织模型;方法是指要求用系统思维的方法解决风险预警问题,要从整体角度出发对各类项目的风险进行评价、分类、排序和优化;信息是指要从集成角度研究风险预警的信息特征、原则及模型,建立全方位立体性的信息网络;文化是指风险预警要形成统一规范的风险预警语言、态度;过程则是指风险预警必须满足项目全寿命周期各阶段风险预警的要求。

在实际操作过程中,还必须注意以下几点:

(1)确定各个联盟成员的职能以及需要提供的信息类型与强度、准确性;

(2)必须明确模型中的信息通道的终端是什么部门,以便对风险的处理及时、有效、准确;

(3)必须明确模型中的决策部门,我们建议在模型中引入监督人,它是联盟以外的经过联盟共同认可的中间组织,监督整个联盟的运作状态以及过程;

(4)信息传递的过程应当采用多重联合传输的形式。

4 熵思想在动态联盟风险预警系统中的应用

4.1 熵的概念

(1)熵与条件熵

当系统可能处于n种不同的状态,每种状态出现的概率为Pi(i=1,2,…,n)时,该系统的熵可表示为:

$E=-{\displaystyle \sum _{i=1}^n{\rm P}}{}_i\ln {\rm P}{}_i$

其中,Pi满足$0\le {\rm P}{}_i\le 1‚{\displaystyle \sum _{i=1}^n{\rm P}}{}_i=1$。

设系统A,B统计相关,则E(A/B)是系统B已知时,系统A的熵或成为条件熵。

(2)信息准确性与价值的新测度——传递熵

在状态空间x∈En上的信息A,对于xi,yi∈x,信息A的条件熵定义为其相应状态的条件概率的下列形式:

${\rm H}(A/x)=\frac{1}{n}{\displaystyle \sum _{k=1}^n{\displaystyle \sum _{l=1}^n\left|{\rm P}(y{}_k/x{}_i)\ln {\rm P}(y{}_k/x{}_i)\right|}}$

它反映了信息A的各状态下不确定度的均值。

已知状态空间x的信息A的条件概率为P(yk,xi),k,l=1,2,…,n, 定义A的传递矩阵:E(A)=[e1,e2,…,en],其中$e{}_l=\frac{1}{n-1}{\displaystyle \sum _{k=1}^n[}{\rm P}(y{}_l/x{}_l)-{\rm P}(y{}_k/x{}_l)]‚l=1,2,\cdots ,n.$

很明显,传递矩阵中的元素表示状态l发生是信息A预报的平均准确度,可靠度,数值越大则准确度越高。

令:

$h{}_k=\{\begin{array}{cc}-e{}_k\text{l}\text{n}e{}_k‚& \frac{1}{e}<e{}_k<1\\ \frac{2}{e}-e{}_k\ln \left|e{}_k\right|‚& \frac{-1}{n-1}\le e{}_k\le \frac{1}{e}\end{array}$

${\rm H}(A)={\displaystyle \sum _{k=1}^{n}h}{}_k$称为信息A的传递熵, 它是一个在$\left[\frac{-1}{n-1},1\right]{}^n$上的非负连续函数,能准确表明信息A传递状态的不确定度。

4.2 熵思想的应用

影响系统熵值的主要因素有很多,这个问题值得考虑进一步研究,根据熵增原理及其应用成果,把熵作为系统的状态函数,数值越大,系统越不稳定,越无序,联盟内道德风险越大。基于上述考虑,列出下列几条影响系统熵值大小的主要因素[33]:①组成元素的多少(系统的规模性)影响熵值,其他条件相同时,规模越大,熵值越大;②元素种类及元素之间的关系(系统复杂性)也影响熵值的大小,元素之间的关系越多、越复杂,熵值越大;③所拥有的有用信息量(系统的确定程度)增多,系统的熵值减少;④系统的目标对熵值起决定性作用。从这个意义上讲,我们要在能够实现联盟功能的前提下,尽量降低系统的复杂程度,做到各个盟员责、权、利层次分明;尽量增加系统对于外界的信息挖掘量和准确性,使得系统有更加准确的判断力,从而增强系统的与经济环境的融合程度;加强成员企业的思想教育和联盟文化宣传,增强系统的亲和力,加强奖惩和法制的力度;努力追求低熵水平——默契,降低联盟工作效率低下、相互扯皮、人浮于事等资源内耗现象,增强系统之间信息的交换数量与质量。所有这些都可以达到降低系统熵值的作用,增强联盟的综合核心竞争能力。

5 动态联盟风险预警系统的量化模型

5.1 内部因素引起的风险度量

(1)风险度矩阵确立

设有m个影响因素、n个节点企业,rij表示第i个影响因素对第j个节点企业的风险度。设a宝石基于i影响因素的节点企业可以采取决策的数目,决策问题的决策矩阵为O=(oij)n×a,条件结果值oij发生的概率为pij,节点企业j的条件结果期望值为:

$\overline{o{}_j}={\displaystyle \sum _{i=1}^{a}p}{}_{ij}o{}_{ij},j=1,2,\cdots ,n$

标准差为:

$\sigma {}_{oj}=\sqrt{{\displaystyle \sum _{i=1}^{a}p}{}_{ij}(o{}_{ji}-\overline{o{}_j}){}^2},j=1,2,\cdots ,n$

在多个节点企业存在的动态联盟中,假定彼此之间是信息不对称的,即从长期来看,节点企业在做决策时没有考虑其他企业决策者可能出现的道德风险,即各个节点企业同时做出决策,道德风险的影响还没有出现。于是,节点企业的风险度为:

$d{}_j=\sigma o{}_j\sqrt{o{}_j}‚j=1,2,\cdots ,n$

考虑m个影响因素,可得到n个节点企业对于m个影响因素的风险矩阵:

$\widehat{R}=(\widehat{r}{}_{ij}){}_{m\times n}$

标准化,可得:

$R=(r{}_{ij}){}_{m\times n}$

其中,rij为第j个节点企业在因素i上的值,有:$r{}_{ij}\in [0,1]‚r{}_{ij}=[\widehat{r}{}_{ij}-\underset{j}{{\displaystyle \min }}(\widehat{r}{}_{ij})]/[\underset{j}{{\displaystyle \max }}(\widehat{r}{}_{ij})-\underset{j}{{\displaystyle \min }}(\widehat{r}{}_{ij})]$,对于任意的第i个影响因素,可以假定rij大者风险大。

(2)熵权的确定

确定了风险度矩阵之后,要对之进行调整,对于(m,n)评价问题,第i个影响因素的熵定义为:

${\rm H}{}_i=-{\rm K}{\displaystyle \sum _{j=1}^{n}f}{}_{ij}\text{l}\text{n}f{}_{ij}‚i=1,2,\cdots ,m$

其中,$f{}_{ij}=(1-r{}_{ij})/{\displaystyle \sum _{i=1}^m(}1-r{}_{ij})‚{\rm K}=1/\ln n$, 且当fij=0时, fijlnfij=0。

则第i个影响因素的熵权wi定义为:

$w{}_i=\frac{1-{\rm H}{}_i}{m-{\displaystyle \sum _{i=1}^m{\rm H}}{}_i}‚0\le w{}_i\le 1‚{\displaystyle \sum _{i=1}^{m}w}{}_i=1$

熵权具备的性质有:①各节点企业在影响因素i上的值相差较大,熵值较小, 熵权较大时,说明该影响因素向决策者提供了有用的信息。同时还说明在该问题中,各节点企业在该影响因素上有明显差异,应重点考察。②各节点企业在影响因素i上的值完全相同时,熵值达到最大值1,熵权为0,这也意味着该影响因素向决策者未提供任何有用信息,该影响因素可以考虑被取消。③影响因素的熵值越大,其熵权越小,该影响因素越不重要。

为了反映各个因素对某个节点企业的综合影响,将决策者对各影响因素给出的权重(主观权重)ui与熵权(客观权重)wi相结合,最后得到关于影响因素i的综合权重:$W{}_i=u{}_{i}w{}_i/{\displaystyle \sum _{i=1}^{m}u}{}_{i}w{}_i$,于是各节点企业的熵权评价值为:$\lambda {}_i={\displaystyle \sum _{i=1}^{m}W}{}_{i}r{}_{ij}.$

因为动态联盟是一个系统,各个节点企业是它的子系统,引起内部风险的因素看作是系统中的要素,我们用风险熵表示整个动态联盟系统的无序程度,即内部风险发生的程度,根据以上分析,可以得到动态联盟系统内部的风险熵为:

$S{\rm I}=-{\rm K}{\displaystyle \sum _{i=1}^n\lambda }{}_i\ln \lambda {}_i$

对之求全微分,可得:

$dS{\rm I}=-{\rm K}{\displaystyle \sum _{i=1}^n[}△\lambda {}_i+△\lambda {}_i\ln △\lambda {}_i+o(△)]$

5.2 外部因素引起的风险度量

外部环境的影响因素的变化并不直接带来系统内部风险熵的变化,而是通过使各个节点熵的决策人的行为发生变化,从而导致风险熵变化。决策人的行为可以用决策矩阵表示oij. 假设外部因素有b个,它们对内部因素的影响用矩阵die表示,则外部因素对各个节点决策人的风险度矩阵为:

$(c{}_{je}){}_{n\times t}=(o{}_{ji}){}_{n\times m}\times (d{}_{ie}){}_{m\times t}$

计算出熵权之后,得到各个节点企业的熵权评价值λj,由它引起的风险熵为:

$SD=-{\rm K}{\displaystyle \sum _{i=1}^n\lambda }{}_i\ln \lambda {}_i$

对SD求全微分,可得:

$dSD=-{\rm K}{\displaystyle \sum _{i=1}^n[}△\lambda {}_i+△\lambda {}_i\ln △\lambda {}_i+o(△)]$

5.3 总体风险度量

根据上文分析,动态联盟系统风险熵的变化可氛围dSI和dSD,因此总体风险度量可表示为:

dS=dSI+dSD

5.4 信息准确性与价值的新测度——传递熵

为更加明确各个元素表示状态l发生是信息A预报的平均准确度,计算信息A的传递矩阵为:

$E(A)=[e{}_1,e{}_2,\cdots ,e{}_n]$

其中,$e{}_l=\frac{1}{n-1}{\displaystyle \sum _{k=1}^n[}{\rm P}(y{}_l/x{}_l)-{\rm P}(y{}_k/x{}_l)]‚l=1,2,\cdots ,n.$

${\rm H}(A)={\displaystyle \sum _{k=1}^{n}h}{}_k$称为信息A的传递熵,其中

$h{}_k=\{\begin{array}{cc}-e{}_k\text{l}\text{n}e{}_k‚& \frac{1}{e}<e{}_k<1\\ \frac{2}{e}-e{}_k\ln \left|e{}_k\right|‚& \frac{-1}{n-1}\le e{}_k\le \frac{1}{e}\end{array}$

在准确赋值的基础上,主要针对上面所得到的动态联盟风险的预测系统的结果,推算出发生的频率,再采用统计学中多元非线性回归分析的方法,得到我们的每一种状态空间所对应的不同的风险熵模型,从而确定出风险的大小、警度等。

6 结束语

在项目全寿命周期风险管理范畴下,研究建设项目动态联盟风险的预警系统模式仍然面临着许多新的难题。本文提出的风险熵预警量化模型对于大型建设项目动态联盟的风险评价在理论和实践上提供了较为可行的方法,通过这个预警系统发出的信息使动态联盟各企业尤其是盟主企业决策者掌握系统中风险程度。但对于更加复杂、动态性更大的动态联盟,在主观判断不可避免成为重要数据来源的情况下,如何强化定性与定量方法的科学结合,仍然需要进一步深入探讨。

摘要：建设项目动态联盟的成败在很大程度上取决于决策者对于联盟面临风险的识别和预警。本文针对建设项目动态联盟面临的风险进行了风险识别设计,首先依据风险的来源划分了项目动态联盟可能面临的风险的种类,其次明确了动态联盟风险识别程序;在此基础上,构建了包含六元素(目标、文化、方法、组织、信息、过程)的建设项目动态联盟风险预警模式,六个元素构成了风险预警的有机整体,运用管理熵理论对动态联盟风险预警度量进行了量化处理,以熵权从内外两个来源确定动态联盟的风险度量,并以传递熵概念来明确预警信号指标的准确性,给出了一个较为完整和准确的量化预警模型,以期利于建设项目动态联盟决策者的风险防范应对策略制定。

动态物流联盟 篇9

关键词：物流；战略联盟；成长动力

物流战略联盟是以物流为合作基础的企业战略联盟，它是指两个或两个以上独立经营的物流企业组织在某个时期内出于对整体市场的预期和企业自身经营目标、经营风险的考虑，为达到共创市场、共担风险、共享利益等战略目标，通过签订协议、契约等方式结成的优势互补、风险共担、要素水平双向或多向流动的松散型网络组织。现代物流在我国的发展开始于改革开放以后，进入本世纪以来，成为经济发展的一个热点，物流企业如雨后春笋般大量涌现。据官方统计，目前我国国内已经注册的物流企业有70多万家，但绝大多数物流企业普遍存在规模不足与战略资源短缺等弊端，中国加入WTO后，面对外资物流企业的激烈竞争，必须改变原有的孤立经营的传统模式，物流企业之间从对立竞争向协作竞争转换的迫切性越来越明显，组建物流战略联盟已成为物流企业进一步发展的重要策略。

一、发展物流战略联盟的意义

（一）降低生产成本

由于企业之间存在着资源的相互依赖和经济活动的互补性，这些资源和经济活动在联盟中能够得到新的组合和延伸，从而使企业降低交易成本，获取更多的潜在利润。

（二）学习并形成新的知识和技能

在联盟过程中，可以利用与伙伴的合作机会相互学习，一个公司要保持战略领先，必须有不断学习的能力和机会，不断更新知识和技能对于一个企业来说是非常重要的。

从长期来看，企业可持续竞争优势来自于企业比竞争对手更强的学习和吸收能力。这里的学习不仅包括知识的传输，还包括知识的创造。战略联盟创造了学习机会和一个分享知识的环境，使公司容易接受新技术并能在内部进行顺利转换，循序渐进地提高效率。

（三）获取本身缺少的战略资源

优势互补是企业战略联盟的优势性所在，拥有关键的战略性资源的公司可以从中获得持续的竞争利益。随着一些战略资源日趋复杂化，它们不容易被分拆引进、也不能被模仿和再造。在这种情况下，那些需要使用其他公司战略资源的公司最好使用联盟的方式达到目的，因为如果买进另外一个公司的全部或部分以期掌握战略资源，很可能导致更高的成本。战略联盟也可用于获取那些补充性资源，如分销网络，而无需花费巨额成本在内部构建那些资源。

（四）提高运作效率

由于联盟各方都是以各自的核心资源进行联合协作，在当今分工日益深化的社会经济背景下，企业战略联盟的实力是单个企业无法比拟的，它可以综合各方面的资源优势来完成单个企业难以胜任的各项经营任务，具有提升企业竞争力、分担风险、防止过度竞争、扩张市场以及获得规模经济和范围经济效应等高效功能。

（五）应对潜在竞争者的威胁

在我国实行市场经济的情况下，物流企业之间的竞争是不可避免的。随着现代物流需求的增长、现代物流理念的传播，大型传统储运企业纷纷向第三方物流企业转型，一些大型制造企业如海尔、一汽、青啤等企业的物流部门也有向专业物流企业转型的趋势。此外，随着中国物流热的掀起，大大小小的运输、仓储企业甚至小型送货、送报企业都纷纷打起了物流的牌子，进入物流市场，使国内物流市场竞争更加激烈。

这些新进入者的加入会导致物流行业服务能力的扩大，在需求相对未见增长的情况下必然引起与现有物流企业的激烈竞争，使服务价格下跌；新加入者要获得物流服务所需的资源也必然导致对有限资源的竞争，使行业生产成本升高，二者都导致行业的获利能力下降。

所以现有物流企业一方面可以通过与客户企业建立联盟战略来规避这一风险，另一方面也可以与现有物流企业的竞争者结成战略联盟，将威胁化解为更大的机遇。

二、物流战略联盟伙伴的选择

战略联盟面对的是共同的客户以及客户的客户，为使战略联盟获得成功，达到合作双方预期的目标，物流企业在选择联盟伙伴时应从以下几个方面考虑。

（一）互补性

互补性是物流战略联盟伙伴选择的前提，互补性主要体现在三个方面：第一，潜在合作伙伴能否提供本企业所需的资源和能力。物流企业建立战略联盟的一个主要目的就是希望通过联盟来弥补自己所缺乏的资源和能力。第二，本企业能否满足潜在合作伙伴的需求。与本企业一样，合作伙伴也期望通过联盟获得其所需的资源，实现其战略目标。第三，联盟伙伴的市场是否重叠以及重叠程度如何。对联盟企业来说，高的市场重叠度意味着企业之间存在激烈的竞争，而低的市场重叠度则意味着联盟企业之间可能有更大的互补性，其战略联盟也可能更易成功。

（二）兼容性

兼容是一个成功的战略联盟所必须具备的重要条件之一。进行联盟的企业，如果缺乏兼容性，那将很难经受时间的考验，也很难应付变化的市场和环境。物流企业在选择战略联盟的伙伴时，必须从企业战略、组织文化、经营方式等方面综合评估双方的兼容性。

（三）可靠性

联盟伙伴的可靠性直接决定着战略联盟的成败。这主要从企业信誉、联盟合作的投入以及企业本身的经营状况去考察。企业信誉反映企业在以往经济活动中是否遵循诚信的原则、遵守诺言等。虽有实力但缺乏信誉的企业难以成为可靠的联盟伙伴。联盟合作的投入是指备选合作伙伴愿意在联盟中进行的人、财、物等方面的投入。一般来说，联盟伙伴对联盟合作的投入越大，它对联盟的忠诚度越高，可靠性更强。企业运营状况是一个综合性的概念，包括业务运作状况、财务状况、管理状况等。选择一个运营状况良好的联盟伙伴，是联盟能够顺利运行的保证。

三、物流战略联盟的成长动力分析

物流市场实现增长与物流企业的发展，不仅需要依赖传统的资源、合作与集成能力，更需要创新与变革的竞争力。

（一）内部动力——服务创新

物流业的服务创新是指物流企业战略联盟为了提高物流服务质量和创造新的市场价值而发生的物流服务要素变化，对物流服务系统进行有目的、有组织的改变的动态过程，主要包括服务理念创新、服务内容创新和服务方式创新等。

“成长”是企业生存与发展的一种存续状态。实现持续成长是任何一个企业都在极力追求的战略目标。从外延角度来看，成长的方式主要体现为规模经济与范围经济。而从内涵上来看，企业成长的方式则体现为新要素的引入和要素组合的改变。物流服务创新要素的引入是新经济时代物流企业实现内涵式成长的一种重要策略。物流企业在运营环节中引入物流服务创新要素，一方面通过物流服务在企业运营过程中增加软性竞争优势，提升顾客的满意度和忠诚度；另一方面通过物流服务创新活动来优化流程、人员及技术等配置，提升企业自身的经营效率，从而增强物流企业的核心竞争力，促进物流企业不断成长。

（二）外部动力——市场创新

物流业的市场创新是以客户为中心，努力寻找市场机会、挖掘客户物流需求，并为赢得顾客的满意而进行的开创性的活动，它包括物流市场广度的拓展和深度的挖掘。对于战略联盟下的物流企业，通过联盟的力量扩大物流服务网络开拓新的物流市场，提高物流服务能力，满足客户多元化深层次需求，在保持原有客户的基础上挖掘新客户，都是市场创新的表现。通过战略联盟实现市场创新，对物流企业的成长具有非常重要的积极意义。市场是否兴旺发达与企业生死攸关，市场兴则企业兴，市场衰则企业衰，市场亡则企业亡。因此，最大限度地找到企业的潜在客户，尽可能拓展企业的市场生存空间，几乎是所有企业面临的共同任务。在市场经济条件下，任何一种产品

从其研究开发到其导入市场、在市场成长、成熟、衰退乃至消亡，都要经历一个发展过程。市场是物流企业的生命源泉，持续不断的市场创新是物流企业不断成长的外部动力。物流企业只有不断地研究市场需求，适应市场需求，满足市场需求，并创造市场需求，才能使企业充满活力，健康持续成长。

（三）物流战略联盟的成长动力模型

在传统的内部成长机制下，我国物流企业势单力薄，仅凭自身力量被动地去适应市场的需求。由于单个物流企业的能力有限，物流市场竞争日益激烈，物流需求层次不断提高，企业成长主要表现为被动成长，发展空间很小，生存和成长的压力很大。战略联盟是我国物流企业内外成长动力的助推器。由图1物流战略联盟的成长动力模型可以看出，通过战略联盟，我国物流企业可以使其成长变得更具有主动性。

如图1所示，战略联盟下的物流企业成长主要通过服务创新和市场创新来实现。服务创新是物流企业成长的内部动力，市场创新是物流企业的外部动力，两者的合力共同推动联盟下的物流企业成长。战略联盟有力地推动物流企业实现服务创新和市场创新。在战略联盟的条件下，物流企业共享联盟资源，突破自身能力限制，增强物流服务能力，为客户提供一体化物流服务，在服务理念、服务内容、服务方式等方面进行创新以实现服务创新；组建市场联盟，拓展市场广度，挖掘市场深度，开辟新市场促进市场创新。总体来看，战略联盟从根本上推动了物流企业的成长。

参考文献：

1、洪华.优选供应商的几个问题[J].中国物流与采购,2004(6).

2、韩臻聪.论企业物流战略联盟的建立[J].现代管理科学,2003(9).

3、孟卫东,张卫国,龙勇.战略管理[M].科学出版社,2004.

4、迈克尔·波特.竞争优势[M].中国财经出版社,1988.

5、杨杜.企业成长论[M].中国人民大学出版社,1996.

小微企业动态联盟及运行模式探究 篇10

关键词：小微企业,动态联盟,运行模式

1 动态联盟的涵义

动态联盟, 又称“虚拟企业”或“虚拟组织”, 是企业间通过加强合作, 形成的一种协作性竞争组织, 组织成员保持自身独立生产和经营的基础上, 通过协作把企业间的资源、优势和核心能力进行互补、使得组织成员的市场竞争力得以加强。简而言之, 动态联盟是企业通过联合进行优势互补, 得以快速的响应市场需求的一种合作方式。这是一种针对传统组织制度模式的创新, 目前已成为现代企业增强自身竞争优势的重要途径。

2 小微企业构建动态联盟的必要性

我国小微企业由于资金少、规模小、人才匮乏等不可避免的劣势, 面对内外部激烈的竞争, 有必要构建动态联盟来提高自身的竞争能力和技术水平。理由如下:

2.1 适应外部环境的要求

2.1.1 应对经济全球一体化的挑战

在经济全球一体化的大背景下, 市场竞争日趋残酷和激烈, 面临消费者需求的多样化和个性化、产品寿命周期的缩短、产品技术含量和研发费用的增加等挑战, 小微企业不但要维持和扩大市场份额, 同时还要面对竞争对手对市场的争夺。而小微企业由于自身的资源和能力的不足, 在这样的环境中难以生存和发展。因此, 必须采取敏捷制造的生产模式以适应市场快速变化和发展要求。动态联盟具有敏捷制造, 整合核心竞争力的特点, 这正是小微企业顺应经济全球化要求的最好选择。

2.1.2 提高技术创新水平, 降低创新成本

当新兴技术在日新月异的发展时, 它们的生命周期却日趋缩短, 同时掌握核心技术的企业日益分散, 当今社会已经没有企业能长期实施技术垄断;同时技术开发费用越来越高, 面对高额的技术产品研发费用, 单单依靠小微企业自身的力量是不现实的。因此, 小微企业应尽可能的充分利用联盟内其他成员的现有技术资源, 实现企业内部资源与外部资源的匹配和衔接。通过联盟成员间科研人员的技术合作, 加快产品的研发进程。实践证明, 动态联盟不仅能整合联盟企业成员的资金优势、技术优势, 还能比传统管理组织拥有更活跃的创新机制和更经济的创新成本, 有更强的竞争力。

2.1.3 适应日益深化的社会分工, 防止过度竞争

企业之间的竞争加剧和科学技术变革的加速, 使社会分工日趋深入, 小微企业一般只承担产品生产过程中的某个环节, 因此负责不同生产环节的企业势必会建立一定的合作关系;同时随着分工的深化, 在同一领域的小微企业在成本、价格及贸易等方面的竞争更加激烈, 往往会通过低价竞争造成两败俱伤, 更可能会因为竞争过度而扰乱市场。企业之间必须建立联盟, 加强合作, 维护竞争秩序。

2.2 企业内部因素的要求

2.2.1 弥补企业产能不足, 缺乏核心竞争力的劣势

小微企业的生产能力往往会因为其规模小, 雇员少, 资本不足的劣势而受到严重影响。在这种情况下, 生产相同或类似产品的小微企业间往往会进行合作, 通过建立生产联盟关系的方式来提高产能, 实现规模生产。另一方面, 小微企业主在经营管理、技能、经验等方面存在着较为严重不足, 企业主要从事贴牌或低层次生产, 处于产业链的底端, 企业没有自己的核心竞争力, 在市场竞争力不足, 很多小微企业在面临较大环境变化时受冲击较大甚至倒闭。因此有必要通过联盟的方式抱团取暖, 共同抵抗外来的风险。

2.2.2 人力资源竞争的需求

当今企业之间的竞争更多地表现为人才的竞争, 小微企业相对于大中型企业, 在人力资源方面往往处于弱势。面对落户、住房、子女入学、个人未来发展等问题, 小微企业单单依靠自身的力量难以解决。而作为补偿的高薪资即使能吸引企业所需的高级人才, 也很难留住, 最终人才的匮乏严重制约了企业的发展。因此通过建立人才联盟, 实现人力资源的共享, 不仅可以加强企业之间人才的交流合作、人尽其用, 更能降低人才使用成本。

2.2.3 解决小微企业融资难的问题

由于小微企业的规模小, 投资风险大, 因此, 银行、信托投资公司和其它非银行金融机构都不会冒险向它们贷款, 小微企业大多会面临融资困难的窘境。通过小微企业融资合作联盟, 以市场机制为基础, 引入政府指导机制, 通过建立信息共享平台, 把政府、银行、担保机构和小微企业四方链接起来, 企业与企业间形成担保联盟, 能有效整合各种社会资源, 来解决小微企业融资难的问题, 提高融资效率。

3 小微企业动态联盟的结构及运行模式的选择

3.1 小微企业动态联盟的结构

动态联盟组织是一个复杂的系统, 它规模大、层次多、要处理大量的交互信息、受到众多因素的影响。就联盟的结构形式而言, 普遍认同的有星形和网状两种:在星形结构中, 处于联盟中心的盟主往往是掌握核心产品或技术的企业, 其他企业均为盟员。这种运行模式多见于跨国公司和国有大型企业的总部与分部之间;而网状形式更适合小微企业组建动态联盟, 在网状结构中, 小微企业间没有固定的盟主, 企业既是盟主又是盟员, 互相联系并影响。通常由最早识别出市场机遇或者掌握某一关键技术的企业发起建立联盟的号召, 其他相关企业不断加入联盟, 组成网状结构, 盟员间互相协作、共担风险、共同受益。处在这种网状联盟结构中的小微企业在各自的领域内的技术水平和竞争力水平都能得到提升。

3.2 小微企业动态联盟的运行模式选择

动态联盟的出现归因于企业适应市场快速变化的需要。小微企业要在瞬息万变的市场中求得生存和发展, 必须拥有较强的竞争优势, 这是小微企业进行动态联盟的根本动机。在实践中, 企业间可根据各自的实际情况选择以下的联盟模式:

3.2.1 人才联盟合作机制

企业动态人才联盟就是依据市场机遇, 灵活动态集结盟员间的人力资源, 通过人才互换机制使联盟企业从企业内部挑选出优秀的员工, 由这些优秀员工对联盟内其他企业的员工进行培训;或者联盟企业根据企业间现有员工的素质以及所需员工的素质, 在联盟各企业间实行员工轮岗, 安排各自的员工到最合适的工作岗位, 实现人尽其才, 人尽其用。可见小微企业间的人力资源通过盟员间的整合, 可以有效解决企业人力资源匮乏和使用不充分的问题。

3.2.2 供应链联盟和技术联盟

供应链联盟可以是小微企业之间建立起来的合作关系。这种联盟合作机制主要是以产品或服务为线索在小微企业间建立起来。供应链联盟不但保持了联盟内企业各自经营的灵活性, 而且可以强化企业的核心技术和专业人才, 使企业更具竞争力。小微企业还可以借助联盟力量分享和学习先进技术, 推进技术创新。在创新过程中, 通过联盟整合, 实行费用分摊, 风险分担, 在合适的风险控制下开展技术创新。

3.2.3 价格联盟和营销联盟合作机制

在价格战中, 小微企业一般处于弱势地位, 而“囚徒困境”模型来告诉我们, 价格联盟可以使联盟企业总体利益增加。因此, 小微企业通过价格联盟可以达到双赢或多赢的经营目标。另外小微企业还可以建立营销联盟, 即生产同质或同类产品的小微企业间由联盟体共同出资建立销售公司或销售渠道, 统一销售联盟内企业的产品。

3.2.4 融资联盟的合作机制

小微企业融资合作联盟是在地方政府引导下, 由小微企业、担保公司、信用评级机构和银行等机构参与的, 为小微企业提供融资的合作经济组织。融资联盟的成立, 使得原来银行与小微企业的双方信贷关系转变成为政府助保、机构担保、企业互保的“三合一”集合担保的信贷关系, 形成交互性的约束。同时融资联盟会在事前对提出加入联盟的企业进行严格的挑选, 又有银行和担保公司对小微企业诚信的调查, 这些措施确保了加入融资联盟企业成员都具有较高的商业信誉和还款保障。另外, 联盟企业成员之间都彼此了解并互相监督, 一旦有成员恶意逃债将失去联盟其他成员的信任, 不再会得到任何的融资机会, 这些会使融资联盟成员被高额的违约成本所约束。因此小微企业融资联盟的建立有助于提高联盟成员的信用, 增强融资效率, 对于缓解小微企业融资困局具有现实的意义。

4 结束语

本文提出了适合小微企业需求的动态联盟的结构和运作模式。小微企业联盟必须建立在市场动态的环境基础上, 小微企业动态联盟的发展和运作必须有政府、社会与企业的共同参与和努力。同时, 企业只有选择适合各自的联盟伙伴、建立正确的联盟协议和机制, 对联盟的资源进行合理有效的配置和利用, 联盟才会给小微企业带来规模经济、速度经济、协同等效应等优势, 联盟企业才能能够在市场中取得成功并成长。

参考文献

[1]郑延中.中小企业动态联盟合作相制研究[J].市场论坛, 2011 (07) .

[2]周跃锋, 温星彬.中小企业竞争合作模式探讨[J].经营管理2012 (6) .

[3]王华栋, 王润孝.面向中小企业的动态联盟及其运行模式研究[J].航空制造技术, 2009 (07) .

[4]罗新星, 曾字星.动态联盟与中小企业的成长[J].企业技术开发, 2004 (12) .

[5]高原.战略联盟的博弈分析[D].武汉理工大学硕士学位论文, 2006.