基于GRA的R＆D聯盟知識整合影響因素研究

孫曉宇，陳 偉

(1.哈爾濱工程大學經濟管理學院，哈爾濱 150001;2.哈爾濱理工大學 管理學院，哈爾濱 150080)

基于GRA的R＆D聯盟知識整合影響因素研究

孫曉宇1，2，陳 偉1

(1.哈爾濱工程大學經濟管理學院，哈爾濱 150001;2.哈爾濱理工大學 管理學院，哈爾濱 150080)

知識是R＆D聯盟創新的核心資源，是提升聯盟競爭優勢的關鍵要素。R＆D聯盟知識整合包括知識契合以及個人與組織、顯性與隱性、新知識與原有知識、內部與外部的知識融合。其中，整合動機、技能水平、整合平臺、網絡關系、產權意識是影響聯盟知識整合效果的主要因素。從聯盟發展演化的視角，運用灰色關聯分析(GRA)方法研究聯盟知識整合影響因素的作用效果及其內在關系，明確聯盟知識整合的重點環節，對優化R＆D聯盟知識體系，推動聯盟發展中知識整合功能的全程嵌入，提高聯盟創新績效具有重要現實意義。

R＆D聯盟;知識整合;灰色關聯分析(GRA);聯盟創新績效

隨著市場競爭不斷加劇和資源稀缺性日益嚴重，企業創新風險和創新成本大幅增加，協同創新成為多數企業適者生存的戰略選擇，而戰略聯盟也作為一種新型組織模式應運而生［1］。R＆D聯盟是戰略聯盟的一種，指兩個或兩個以上的企業和有關機構(如高校或科研院所等)基于產業共性技術聯合研發目標而結成的戰略聯盟，它是以合作創新為目的、以契約為紐帶而結成的一種資源集成、優勢互補、利益共享、風險共擔的網絡組織形式［2］。聯盟主要競爭優勢在于創新資源整合，而知識作為核心資源，成為R＆D聯盟獲取、保持和提升競爭優勢的關鍵要素［3］。

R＆D聯盟的劃分方式按照聯盟成員組合方式，可分為基于項目的R＆D聯盟、基于共建實體的R＆D聯盟、基于技術標準的 R＆D聯盟等類型［4］。本文主要以項目型R＆D聯盟為例，從聯盟發展演化階段的視角研究聯盟知識整合的影響因素，運用灰色關聯分析(GRA)方法對聯盟知識整合作用效果及其影響因素的內在關系進行探索，為有效識別各聯盟階段的知識整合關鍵要素，實現聯盟知識整合的動態管理，提高聯盟創新績效提供了思路借鑒和方法指導。

Grant(1996)明確提出了知識整合的概念，并認為是整合的知識而非知識本身形成企業的核心能力［5］。Inkpen等(1996)認為知識整合就是知識的聯結，即個人與組織間通過正式或非正式的關系促進知識的分享與溝通，并使個人知識轉變為組織知識［6］;林向義等(2011)則從知識本體、知識更替、認知論、系統論四個維度對集成創新中的知識整合進行定義［7］。盡管學者們對知識整合的定義角度不同，反映內容也有所區別，但為本文研究奠定了較好的理論基礎。借鑒上述研究成果，本文對R＆D聯盟知識整合進行界定:是指在R＆D聯盟發展演化過程中，圍繞產業共性技術創新的戰略目標，將不同來源、不同層次、不同類別的知識資源按照最優原理進行重新排列組合，通過知識轉化、吸收、融合、運用與創新，促生新知識、新技術、新產品等聯盟創新績效，形成動態匹配的知識體系，推動聯盟可持續發展的過程［8］。聯盟知識整合的內容包括:知識契合、個人與組織知識融合、顯性與隱性知識融合、新知識與原有知識融合、內部與外部知識融合。其中，知識契合具有一定綜合性，它要求R＆D聯盟的知識體系與聯盟使命耦合，組成以產業共性技術研發為核心的知識鏈與知識網，實現其對聯盟創新過程的零時滯響應;而其他四項是指不同層次、不同形態、不同來源知識的融合［9］。

一、R＆D聯盟知識整合的內涵及影響因素

知識整合是一個動態過程，貫穿于R＆D聯盟創新與發展全過程，受個人、組織、制度、內外部環境等多方面因素影響。Boer等(1999)研究了組織結構方式與知識整合范圍、有效性和靈活性之間的關系，提出從系統化能力、協調能力和社會化能力三個維度衡量企業知識整合能力［10］;陳文春等(2009)研究了兩種關系原型(創業型社會關系和合作型社會關系)通過影響組織學習過程，進而影響組織知識整合能力的形成機制［11］;張可軍(2011)從外因到內因將影響團隊知識整合的過程因素依次歸納為渠道、氛圍、動機及能力［12］。本文認為，整合動機、技能水平、整合平臺、網絡關系、產權意識是影響R＆D聯盟知識整合的重要因素。

第一，整合動機。根據相關文獻，知識整合的動機主要包括利他、互惠、聲譽等［13］，聯盟成員出于對聯盟戰略目標的認同，對自身知識地位、經濟利益的追逐，以及受到聯盟創新氛圍、共享激勵機制、利益分配機制等因素的影響，而被激發實施聯盟知識整合活動。整合動機是R＆D聯盟知識整合的內在驅動力。

第二，技能水平。技能水平是R＆D聯盟知識整合有效實施的基礎和關鍵，主要表現為聯盟成員對知識的理解、吸收、學習和創新能力，對整合手段、創新方法的運用水平等，它是聯盟及其成員既有相關知識存儲量、知識結構、努力程度等因素的函數，低能約束、低跨專業能力以及較大的知識勢差，都將成為聯盟知識整合的主要障礙。

第三，整合平臺。隨著信息化技術不斷深入推廣，知識整合平臺成為聯盟知識整合不可或缺的有力工具。通過知識整合平臺，聯盟成員能夠獲取更多的知識來源，進而從中去粗取精，并互相印證與激發思維;同時，聯盟成員之間可以利用知識整合平臺進行知識溝通、仿真試驗、數據分析、理論推導等，借助智能化為知識整合創造有利條件，提升聯盟運行效率。

第四，網絡關系。R＆D聯盟創新依托于網絡型組織模式，能夠有效集聚企業、高校、科研院所等不同類型、不同距離主體的創新資源，具有響應速度快、創新風險低、資源利用率高等優勢。網絡關系的廣度與深度直接影響著聯盟知識整合范圍與質量。

第五，產權意識。知識產權保護對于R＆D聯盟知識整合既是激勵也是約束。一方面，有效的知識產權保護能提高聯盟整體以及核心成員的知識地位與競爭優勢，使得聯盟成員既有知識整合的積極性又有貢獻知識的自我實現需求;另一方面，知識產權保護無形中增加了知識獲取難度，這也可能對一般聯盟成員的知識整合構成一定的障礙。

二、基于GRA的影響因素關系分析

在R＆D聯盟發展的不同階段，影響因素對知識整合的作用效果存在一個顯著變化過程，進而對聯盟績效的影響也會出現上下波動;同時，就R＆D聯盟的特定階段而言，各影響因素對知識整合效果及聯盟績效也會產生不同程度的影響，每一階段都存在一個對知識整合效果影響最顯著的關鍵要素。因此，本文利用灰色關聯分析(GRA)方法從R＆D聯盟發展演變的視角，研究聯盟知識整合影響因素的作用效果及其內在關系，為對聯盟實施動態管理提供客觀依據。

(一)方法選擇

由于R＆D聯盟發展演化階段的劃分具有明顯的模糊性，且聯盟知識整合的影響因素復雜，整合效果不易測度，可應用灰色系統理論進行研究。灰色關聯分析是根據數列曲線幾何形狀的相似程度來判斷其聯系是否緊密程度，曲線形狀越接近，相應數列之間的關聯度就越大，反之就越小。因此，本文采用灰色關聯分析法尋求R＆D聯盟知識整合影響因素的作用關系與內在聯系，找出影響知識整合的主要因素，從而掌握聯盟知識整合的切入點。其主要步驟如下:

第一步，選擇參考數列。比較數列為di={di(1)，di(2)，…，di(n)}，i=1，2，…，m，參考數列為 d0={d0(1)，d0(2)，…，d0(n)}。

第二步，指標數據規范化處理。即將原始數據轉化為無量綱、同級、正向可加的數據。

第三步，計算灰色關聯系數。將規范化后的數列 u0=(u01，u02，…，u0n)作為參考數列，ui={ui(1)，ui(2)，…，ui(n)}作為比較數列，灰關聯系數ξik的計算公式如下:

其中 i=1，2，…，m;k=1，2，…，n。ρ 是分辨系數，ρ∈［0，1］，一般取 ρ=0.5 為宜。

利用公式(1)計算關聯系數，得到關聯系數矩陣 E=(ξik)m×n(i=1，2，…，m;k=1，2，…，n)，式中，ξik表示第i個評價單元的第k個指標與第k個參考指標的關聯系數。

第四步，計算單層次關聯度。考慮到各指標的重要程度不同，關聯度計算方法采取加權關聯系數。應用AHP法結合專家意見，得到某一層的各指標相對于上層目標的優先權重為W=(w1，w2，…，wn)，式中，∑nk=1wk=1，n表示該層中的指標個數。關聯度計算公式如下:

第五步，計算多層評價系統的最終關聯度。對一個由L層組成的多層評價系統，最終關聯度的計算方法如下:將第k層各指標的關聯系數進行合成，分別得到它們所屬的上一層即k－1層各指標的關聯度;然后把這一層所得到的關聯度作為原始數據，繼續合成得到第k－2層各個指標的關聯度，依次類推，直到求出最高層指標的關聯度為止。

(二)指標設計

以項目型R＆D聯盟為例，按照完成一次技術或產品創新活動所需經歷的過程，將R＆D聯盟發展演化過程分為組建階段、運營階段、收益階段和調整階段。首先在每一階段設置相應的標志，然后在每一階段結束時考察并記錄知識整合效果以及各影響因素的狀態，各指標設立相應的評價標準和調查問卷，由聯盟研發人員、管理人員以及知識管理專家和方法專家等10人進行打分，指標值區間為［0，1］，各階段的權重根據AHP法確定，經計算分別得到聯盟知識整合的指標權重、影響因素值、整合效果值，如表1所示。

表1 某項目型R＆D 聯盟知識整合的影響因素與效果值

(三)灰色關聯分析

第一，作用效果分析。即評價各影響因素對聯盟知識整合效果的影響程度，以每個知識整合效果指標為參考數列，以影響因素指標為比較數列，計算灰色關聯系數，本文中取ρ=0.5。例如，考察各因素對“知識契合”效果指標的影響程度，依據公式(1)計算關聯系數矩陣:

根據專家咨詢結果并結合AHP法，得到權重向量為:

進而計算各影響因素對“知識契合”效果指標的灰色關聯度:

同理，可以得到各影響因素對聯盟知識整合效果其他指標的灰色關聯度，并將各影響因素對不同知識整合效果指標的影響程度進行等權綜合，得到各影響因素對知識整合效果的綜合作用系數，如表2(見下頁)所示。

表2 影響因素對知識整合效果的作用系數

由此可見，在五個影響因素中，影響程度的大小順序為:整合平臺＞網絡關系＞技能水平＞整合動力＞產權意識，即整合平臺是對R＆D聯盟知識整合效果影響最大的因素，網絡關系和技能水平對知識整合效果也具有重要影響，而整合動力和產權意識對聯盟知識整合效果的影響相對較弱。其中，影響知識契合的最重要因素是整合動力，影響個組融合和顯隱融合的最重要因素是技能水平，影響新舊融合的最重要因素都是整合平臺，影響內外融合的最重要因素是網絡關系。從單項因素對影響聯盟知識整合效果的視角考察，應重視整合平臺的建設和完善，為R＆D聯盟知識整合提供前提條件;加強聯盟成員的知識積累和學習溝通能力的培訓，促進聯盟成員與聯盟系統知識的融合;同時注重培育聯盟成員關系網絡的廣度與深度，促進聯盟內外知識的融合，提高聯盟知識整合的效率和效果。

第二，內在關系分析。即測量聯盟知識整合各影響因素之間的相互作用關系。在計算各影響因素與其中某一影響因素的關系時，以該影響因素指標值為參考數列，以各影響因素指標值為比較數列。例如，考察各影響因素與“整合動力”的內在關系，得到關聯系數矩陣:

將關聯系數矩陣與權重綜合，得到各影響因素與“整合動力”指標的灰色關聯度:

同理，可得到聯盟知識整合各影響因素對其他影響因素的灰色關聯度，如表3所示。

表3 聯盟知識整合影響因素的內在關聯系數

從上表可以看出，聯盟網絡關系、整合平臺與技能水平之間存在著較強的關聯關系，即網絡關系和整合平臺的強弱對聯盟知識整合技能水平具有重要影響，而技能水平對聯盟網絡關系和整合平臺的反作用也較大，同時，網絡關系與整合平臺之間也具有較強的相互影響關系。另外，整合平臺與產權意識之間也存在一定的相互影響關系。而整合動力與其他影響因素之間的內在關系則相對較弱，即整合動力這一影響因素獨立性較強。從各影響因素的聯動關系考察，應充分重視聯盟網絡關系對其他知識整合影響因素的帶動作用，尤其是利用聯盟網絡關系、整合平臺和技能水平之間的聯動關系，同時強化聯盟成員的知識整合動力，全面提升聯盟知識整合效果，充分發揮聯盟知識創新功能，提高R＆D聯盟績效。

結 論

在R＆D聯盟發展演化過程中，整合動機、技能水平、整合平臺、網絡關系、產權意識等因素不同程度地影響著聯盟個人與組織知識、顯性與隱性知識、原有與新知識、內部與外部知識的融合效果，以及聯盟知識體系對產業共性技術創新目標的契合效果和響應速度。因此，明確聯盟發展各階段知識整合的重點和關鍵，找出主要影響因素并提出整合方案，有利于推動R＆D聯盟創新與發展過程的動態化、科學化、智能化管理，為優化聯盟知識結構，完善聯盟知識體系，提高聯盟創新績效和綜合優勢提供方法指導。

［1］生延超.技術聯盟創新系統理論與實證研究［M］.北京:經濟科學出版社，2010:1－6.

［2］王珊珊，田金信.基于專利地圖的R＆D聯盟專利戰略制定方法研究［J］.科學學研究，2010，(6):846－852.

［3］李玥，劉希宋.科技成果轉化與知識管理的耦合關系研究［J］.圖書情報工作，2011，(8):117－120.

［4］王雪原，王雅林.R＆D聯盟產出分配研究［J］.科研管理，2011，(3):29 －35.

［5］GRANT R M.Prospering in Dynamically Competitive Environment:Organizational Capability as Knowledge Integration［J］.Organization Science，1996，(4):375 －387.

［6］INKPEN，ANDREW C.Creating Knowledge Through Collaboration［J］.California Management Review，1996，(1):123－140

［7］林向義，羅洪云，王艷秋，韓曉琳.集成創新中的知識整合模式研究［J］.科學管理研究，2011，(3):16 －20.

［8］李玥，劉希宋，喻登科.科技成果轉化的知識整合模式及策略研究［J］.中國科技論壇，2010，(4):24－27.

［9］陳力，魯若愚.企業知識整合研究［J］.科研管理，2003，(3):32 －38.

［10］Boer D M，Fransa J，Van D B，et al.Management Organizational Knowledge Integration in the Emerging Multimedia Complex ［J］.Journal of Management Studies，1999，(6):379 －398.

［11］陳文春，袁慶宏.關系原型對組織知識整合能力形成的作用機制:基于組織學習的視角［J］.科學管理研究，2009，(6):61 －64.

［12］張可軍.基于知識離散性的團隊知識整合階段及其影響因素分析［J］.圖書情報工作，2011，(6):124－128.

［13］宋哲，王樹恩，柳洲，張芹.ANP－GRAP集成方法在企業技術創新風險評價中的應用［J］.科學學與科學技術管理，2010，(1):55 －58.

［責任編輯:盛 今］

Research on the Influencing Factors of R＆D Alliance Knowledge Integration Based on Grey Relational Analysis

SUN Xiao-yu1，2，CHEN Wei1
(1.School of Economics and Management，Harbin 150001，China;2.School of Management，Harbin University of Science and Technology，Harbin 150080，China)

Knowledge is not only the core resource of R＆D alliance innovation，but also the essential factor of promoting the alliance competitive advantage.The connotation of R＆D alliance knowledge integration is defined，and the primary influencing factors of alliance knowledge integration effect are put forward:integration motive，integration skill level，integration platform，network relation，intellectual property awareness.From the perspective of alliance development and evolution，the function effect and internal relation of influencing factors of alliance knowledge integration are explored using grey relational analysis(GRA)，then the important links of alliance knowledge integration are made clear.This paper has practical significance for optimizing the knowledge system of R＆D alliance，promoting knowledge integration function embedded in the alliance development process，and improving alliance innovation performance.

R＆D alliance;knowledge integration;influencing factor;grey relational analysis(GRA)

G302

A

1009－1971(2012)05－0111－05

2012－06－03

國家自然科學基金項目(71173062);國家軟科學計劃項目(2010GXS5D198);黑龍江省自然科學基金項目(G201016)

孫曉宇(1977—)，男，黑龍江哈爾濱人，副教授，博士，從事管理科學與工程研究;陳偉(1957—)，男，黑龍江哈爾濱人，教授，博士生導師，從事創新管理研究。