基于ASP的制造產業鏈企業合作體系與評價算法

高 琦，趙 武，劉憲軍，王 晨

（1.四川大學 制造科學與工程學院，成都 610065；2.裝甲兵學院，蚌埠 233000）

基于ASP的制造產業鏈企業合作體系與評價算法

高 琦1，趙 武1，劉憲軍2，王 晨1

（1.四川大學 制造科學與工程學院，成都 610065；2.裝甲兵學院，蚌埠 233000）

針對當前制造產業鏈中企業發掘并選擇合作伙伴的需求，提出了基于ASP協同商務平臺構建泛型產業鏈企業合作網絡的方案。并借鑒網頁搜索引擎PageRank算法，通過構建權重評價模型，推導出面向企業云網絡的產業鏈企業搜索引擎價值排序算法。并進行企業合作適應性修正。在此基礎上，采用企業合作記錄構建合作網絡并作為數據源，利用影響因子對算法做精細化控制，建立細粒度的映射關系并確定轉化算式。通過企業實際算例對算法步驟進行說明，并驗證了算法的有效性。

制造產業鏈；ASP；企業Rank；企業重要性；評價算法

0　引言

制造產業鏈是由上中下游不同類型企業群展開業務協作的復雜網絡組織[1]。構成產業鏈的各個部分聯系緊密，互相依存、互相制約、利益相存。不過，目前制造產業鏈上的企業往往各自為營，既沒有合適的途徑很好地推廣自己的產品和品牌，又沒有有效的方法及時與同行比較，發現并改良自身的不足，致使整個產業鏈結構松散，造成許多不必要的資源閑置和浪費[2]。因此，企業不僅迫切需要能夠有效尋找并選擇合作伙伴的方案，而且特別需要能及時橫向比較，改良自身的途徑[3～5]。由此可見，如何快速有效地對企業價值進行評估，并準確地對行業中有價值的企業進行挖掘，已經成為了當前一項重要且亟需解決的問題。

針對上述問題，在算法層面，文獻[6]基于物元分析理論，搭建了同盟企業的評價和選擇模型；文獻[7]提出利用分支定界法解決動態聯盟伙伴選擇問題；文獻[8]在Top-k問題基礎上針對動態聯盟伙伴選擇的特定問題提出了一種較為高效的OP優化算法，并通過進一步優化提出了IMOP算法；文獻[9]針對供應商選擇評價方法進行研究，將直覺模糊集理論與VIKOR方法相結合構建了評價模型；其他相關方法還有遺傳算法[10]、灰色關聯度法[11]等。在系統研究層面，文獻[1]提出了以整車制造企業為核心的對協作企業進行考核選擇的體系，同時提出以業務單據作為數據來源，為上述分析方法提供了有效且穩定的數據支撐；文獻[12]考慮到企業的業務需求變化，提出了業務功能在線更新與業務數據庫的同步演化方法。文獻[13]建立了集群式供應鏈無契約跨鏈采購模型,以及由此擴展而來的基于有限超儲契約下集群式供應鏈跨鏈采購模型,并給出了相應的算法。不過，以上研究仍然存在著以下兩個問題：

第一，在云制造模式下，傳統產業鏈的地域界限[14～16]將逐漸變得模糊，制造產業鏈結構呈網狀發展，制造產業鏈將演化為動態性的多核心產業鏈[17]。但是，上述研究仍然是圍繞單個企業的固定需求對特定的企業進行評價，不僅不具有普適性，而且更不能有效地發掘未知的有價值的企業，不滿足多核心產業鏈的應用需求。

第二，上述研究采用單企業的多個指標進行企業評價研究。為了得到盡可能準確的評價，不得不使用更多指標及更多數據處理手段，加大了評價方法的難度和繁瑣程度，不具備快速響應能力和企業的發掘能力。

基于以上問題，本文立足于動態多核心制造產業鏈的企業評價需求，提出構建基于ASP的泛型產業鏈企業合作網絡，并借鑒網頁引擎搜索算法構建產業鏈企業搜索引擎權重評價模型，從而判定產業鏈上企業的重要程度。該評價體系作為對傳統算法的補充，通過對企業重要度的實時計算來滿足企業對合作伙伴的快速挖掘和選擇需求。

1　傳統考核體系概況與泛型產業鏈合作體系的提出

1.1傳統考核體系

目前一般的傳統考核體系是由龍頭企業制定考核指標，通過各項考核指標設定參考標準，首先淘汰不滿足參考標準下限的企業，然后在此基礎上對滿足條件的企業再進行評估和采購指標分配。對企業的評估采取選取單個企業的多項指標進行評估，再通過橫向比較確定企業優劣的方式[1～6]。傳統考核體系最大的瓶頸及考核結果的不確定性在于其考核指標的選取和權重分配[1,6～11]。為了盡量減小甚至避免由考核指標的選擇及其權重分配所帶來的主觀不確定性，需要不斷細化對企業的考核指標，從而增加了考核難度，降低了響應速度，且不具備企業挖掘能力。為了解決這些問題，需要提出一種新的考核體系。

1.2基于ASP的泛型產業鏈企業合作體系

應用服務提供商（Application Service Provider, ASP）是一種將應用系統通過Internet發布，并支持多企業進行應用商業模式。基于ASP的協同商務平臺由第三方公司搭建，支持產業鏈上多個企業之間進行商務協同[4]。該模式的低門檻允許大量企業進入電子商務網絡，為眾多企業尤其是中小企業帶來發展機遇[17]，最大限度地滿足了多企業對信息服務的需求。同時，隨著協同商務平臺的發展和大量企業的進駐，企業通過協同商務平臺進行線上——線下的合作產生的大量信息，將為大規模的企業重要性評價提供基礎數據。企業在ASP模式下的合作模式如圖1所示。

圖1　企業在ASP模式下的泛型產業鏈合作體系

在圖1中，企業的合作網絡由實線和虛線構成。實線代表合同正在執行，虛線代表合同已經過期。實線和虛線將作為企業重要性評價的數據源。在泛型產業鏈合作網絡下，大量企業通過協同商務平臺平等地存在于整個云中。云根據相應的規則將數據源量化為可利用的數據，通過與數據中心進行交互實現數據實時交換，并按照一定的算法計算企業的重要性。

2　PageRank算法與企業Rank法

2.1PageRank

PageRank算法是由斯坦福大學的Sergey Brin和Lawrence Page提出，并成功應用于谷歌搜索引擎的算法[18]。目前，以PageRank為基礎的改進型算法，如Topic-Sensitive PageRank算法，Hilltop算法，以及IBM的HITS算法系列等[19]，共同構成當前網絡搜索引擎的主流算法。PageRank的基本計算公式為：

其中，PR(A)為頁面A的PageRank值；d是阻尼系數，取值范圍為[0,1]；PR(Ti)是頁面Ti的PageRank值且頁面Ti鏈向頁面A；C(Ti)是頁面Ti鏈出的鏈接數量。N是互聯網上所有網頁的數量。

PageRank算法在應用方面取得巨大成功的同時，也開啟了鏈接分析研究的熱潮，并在大量的學者研究下日趨成熟[20]。借鑒PageRank算法，本文利用企業Rank值作為企業重要性的衡量標準，以此作為企業選擇合作伙伴的依據。

2.2企業Rank算法

企業的核心競爭力由市場、技術、管理和生產制造等各個層面共同構成[21]。這意味著通過分析有限的指標來判斷企業競爭力的方法不僅在指標選取上存在很大的難度，而且得出的結論或多或少存在一定的片面性。不過，從整體的角度來看，企業的競爭力可以由企業建立的合作予以體現。一般來說，擁有廣泛合作關系的企業，或是與大型企業合作的公司，往往競爭力較強。同樣的，一個企業在不斷發展的過程中，所能尋求到的合作企業的競爭力會越來越強，企業間的合作逐漸趨向于穩定，并且企業合作也逐漸多邊化。以某原料生產企業為例，該企業的主要產品為氧化鈣，其合作伙伴與其自身發展狀況的關系如表1所示。

表1　某原料生產企業發展狀況與企業合作表

由表1可看出，該企業2014、2015年的研發和技術人員比重、產品質量、制造成本和產品利潤都明顯優于2013年，在整體經濟下行壓力較大的情況下，企業2015年各項數據與2014年基本持平，證明企業2015年競爭力要稍優于2014年。這種變化直接體現在其合作企業上：相較于2013年單一地與貿易公司進行合作，2014、2015兩年該企業采用以企業間的直接合作為主，與貿易公司合作為輔的合作模式，具有明顯的優勢。

基于企業選擇的合作模式與其自身實力擁有緊密的聯系這一前提，本文以通過企業的合作模式來評判該企業的價值為基本思想，提出利用企業Rank值對企業的競爭力進行判斷。企業Rank值通過與該企業建立合作的相關企業進行確定，值的大小直接反映相關企業與該企業進行合作的意愿，從而可評判該企業自身的實際價值。

3　數據來源及企業Rank值確定

3.1基于合同的數據來源及企業Rank值的初步計算

確定企業與企業之間是否建立合作關系，最為直接有效的證明就是雙方之間簽訂的合同。因此，本文以合同作為構建產業鏈合作關系網絡的數據來源。企業只需證明合同的真實性，即雙方確實存在合作關系，以及提供合同生效的起止時間即可。雙方的合作關系在合同期限內以實線連接，逾期不再合作則以虛線連接。則計算一個企業的Rank值的基本計算式為：

其中，R(A)為A企業的Rank值，α是實線權重，β是虛線權重，N是該行業進入ASP商務平臺的所有企業的數量，d為阻尼系數，范圍為(0,1)，R(T)是企業T的Rank值，且企業T與企業A建立合作關系。CAc(Ti)是企業Ti的實線連接數，CDo(Tj)是企業Tj的虛線連接數。n是與企業A建立合作關系的企業總數。m是與企業A曾經有過合作關系的企業總數。

由于企業之間的合作屬于互利共贏的性質，買賣雙方建立合作關系是建立在彼此認可的基礎上。因此，實線或虛線的連接不存在指向性，任何一條線路的連接將同時影響雙方的企業Rank值。在這種情況下，若采用式(1)進行計算，由于企業A與企業Ti的Rank值相互影響，將導致計算發散。因此，計算企業A的Rank值時，企業Ti的Rank值應取未與企業A合作時的Rank值進行計算，同理，企業Ti在計算Rank值時，企業A的Rank值也應取未與企業Ti合作時的Rank值進行計算。

因此，企業A的企業Rank值實際應為：

企業A的企業Rank值對企業Ti和Tj的企業Rank值的影響值分別為：

由式(2)、式(3)式聯立可得：

則式(4)即為企業A的企業Rank值的基本計算式。

3.2數據源轉化與映射關系確定

為了將數據源量化為可用數據，并對計算結果做精細化控制，需要建立細粒度的映射關系并確定轉化算法。引入企業合作時間變量s，將企業合作記錄作為數據源DA，則建立映射DA→DA(s)，且其中，s是合同自生效起至當前經過的時間，Ts是合同有效時間，?((ss))是合同過期后虛線權重關于時間的函數。

通過對DA的量化可建立映射關系Ts→ε(h)，?(s)→f(t)。f(t)的值隨著合同失效時間而快速衰減，ε((hh)的)值與g(x)的值由企業之間合作的緊密程度確定：

4　算法實現與分析

山西某石灰生產企業A是一家新興的高技術環保生產企業，與當地的傳統企業存在長期競爭關系。下面利用企業Rank值排序法分別對A和某傳統企業B進行分析。

企業A和企業B的Rank值計算步驟為：

步驟1：獲取兩企業與其他企業合作情況，記為

DAA和DAB，建立映射DA→DA(s)。

通過企業提供的證明，可得兩企業自成立以來與其他的企業的合作情況如表2所示。

表2　企業合作情況

表3　權重及影響因子賦值

表4　企業A與企業B在相關企業合作中的占比

步驟2：對DA進行量化建立映射關系Ts→ε(h)，?(s)→f(t)，確定f(t)、ε((hh)和)g(x)。

按照企業之間進行合作與相互認同度之間的關聯度，給出相關權重及系數的值如表3所示。

通過獲取企業合作數據，可求得企業A與相關合作企業同年的對外合作情況以及企業A在相關企業的合作中占據的比重如表4所示。

步驟3：利用式(11)計算企業Rank值。假設當前進入ASP平臺的石灰生產企業為100家，則N=100。通過計算可得兩企業的Rank值如表5所示。

表5　企業Rank值計算結果

通過對兩企業歷年Rank值比較可以看出，企業A的行業認同度不斷提高，競爭力不斷增強，逐漸超越B企業；而B企業的行業認同度提高緩慢，在2015年度甚至出現回落。通過對兩企業的進一步調查可以得知兩企業的基本情況如表6和表7所示。

表6　企業A基本狀況

表7　企業B基本狀況

通過表6和表7可發現，企業B成立時間較長，在企業A成立之初仍然具備一定優勢。但是企業B采用土窯進行石灰燒制，技術落后，產品含鈣量低、質量差，且達不到環保要求。隨著采用新型環保工藝的企業A成立及發展，尤其是在淘汰落后產能的大背景下，傳統企業B的競爭力處于明顯劣勢；相反，企業A采用新型環保工藝，產品質量高，且滿足環保要求。因此在眾多落后產能被淘汰改造的情況下，逐漸在石灰生產領域處在了明顯的優勢地位。2015年初，企業A已收購企業B部分業務。兩企業的實際情況與利用企業Rank值排序算法所得出的結論一致。

5　結論

針對當前制造產業鏈中企業發掘并選擇合作伙伴的需求，提出了基于ASP協同商務平臺構建泛型產業鏈企業合作網絡的方案。同時提出了泛型產業鏈合作網絡中企業重要性評價算法（企業Rank值法），并驗證了算法的有效性。方案利用大量企業間相互合作的意愿來確定企業的競爭力，簡化了企業評價步驟，降低了利用單個企業指標進行企業評價的不確定性，提高了企業評價效率。通過與一般考核算法比較可以得出，企業Rank值法有如下兩點優勢：

1）數據獲取方便：相較于一般算法復雜的數據源獲取方式和復雜的考核指標數據的確定，企業Rank值法利用企業合作證明作為數據源，極大降低了數據獲取的難度。

2）與一般算法針對單個企業的多項指標進行評價的思路不同，企業Rank值法采用大數據的分析思路，通過大量企業對單個核心指標——企業合作意愿對企業進行考核，不僅優化了評價結構，而且滿足企業對合作伙伴進行快速挖掘與選擇的需求。同時該思路也對相關問題的分析提供了參考。

[1] 李斌勇,孫林夫,田冉.基于SaaS的汽車產業鏈云服務平臺多聯盟考核體系[J].計算機集成制造系統,2014,20(11).

[2] 李斌勇,孫林夫,王淑營,等.面向汽車產業鏈的云服務平臺信息支撐體系[J].計算機集成制造系統,2015,10.

[3] 國艷群,韓敏,孫林夫.開放SaaS產業服務平臺模型與體系結構[J].西南交通大學學報,2014,49(6):1068-1072.

[4] 趙慧娟,唐慧佳,孫林夫.基于應用服務提供商的汽車產業鏈協同商務平臺解決方案[J].計算機集成制造系統,2006,12(5):745-752.

[5] 王淑營.產業鏈協同商務平臺動態數據交換技術[J].計算機集成制造系統,2010,16(6):1336-1343.

[6] 陳靜,孫林夫.基于物元分析的產業鏈協同聯盟盟員評價與優選模型[J].計算機集成制造系統,2009,15(9):1743-1748.

[7] 曾志斌,李言,朱文興.基于工期約束的動態聯盟伙伴選擇[J].計算機集成制造系統,2006,12(8):1340-1344.

[8] 凌云,顧燁,魏貴義.動態聯盟中伙伴選擇的Top-k問題的優化算法[J].計算機集成制造系統,2010,16(3):650-658.

[9] 袁宇,關濤,閆相斌,李一軍.基于混合VIKOR方法的供應商選擇決策模型[J].控制與決策,2014,29(3):551-560.

[10] 李劍,景博,牛少彰,楊義先.基于自適應遺傳算法的企業動態聯盟伙伴選擇模型[J].通信學報,2009,30(8):78-83.

[11] 劉琦,陳瓊,韋司瀅.基于多層灰色關聯度的知識聯盟伙伴選擇模型[J].華中科技大學學報,2004,32(7):54-56.

[12] 王淑營.支撐產業鏈協同的SaaS平臺自適應演化技術[J].西南交通大學學報,2012,47(1):39-45.

[13] 劉春玲,肖位春,黎繼子,等.有限超儲契約下集群式供應鏈跨鏈采購決策模型及算法[J].計算機集成制造系統,2013,19(5):1115-1126.

[14] 王淑營.產業鏈協同商務平臺動態數據交換技術[J].計算機集成制造系統,2010,16(6):1336-1343.

[15] 劉強,王磊,陳新度,陳新.云制造服務平臺的資源使用及訪問控制[J].計算機集成制造系統,2013,19(6):1414-1422.

[16] 王時龍,郭亮,康玲,李強,宋文艷,陳桂松.云制造應用模式探討及方案分析[J].計算機集成制造系統,2012,18(7):1637-1643.

[17] 郭偉,仝克寧,邵宏宇,王磊,鄭慶.基于RS與AHP的中小企業云制造模式下多服務主體信用評價體系構建[J].計算機集成制造系統,2013,19(9):2340 -2347.

[18] 錢永杰,曹寶香.基于垂直搜索引擎的網頁排序算法研究[J].電子技術,2015,5(7):16-19.

[19] ALMEIDA J P A,WEGDAM M,FERREIRA P L,etal.An approach to dynamic reconfiguration of distributed systems based on objectmiddleware[A].Proceedings of the 19th Brazilan Symposium on Computer Networks(SBRC 2001).Santa Catarina:IEEE[C].2001:210-225.

[20] 李紹華,高文宇.搜索引擎頁面排序算法研究綜述[J].計算機應用研究,2007,24(6):4-7.

[21] 張苑苑,劉思峰,米傳民,萬壽慶.企業核心競爭力的動態不確定多尺度決策研究[J].控制與決策,2009,24(4):508-513.

[22] MENS T,WENNELINGER M.Challenges in software evolution [A].Proceedings of the 2005 English International Workshop on Principles of Software Evolution( IWPSE’05).Lisbon: IEEE[C].2005:13-22.

Manufacturing industry chain enterprise cooperation system and evaluation algorithm based on ASP

GAO Qi1, ZHAO Wu1, LIU Xian-jun2, WANG Chen1

TP311；TP393

A

1009-0134(2016)02-0018-06

2015-11-27

863計劃：汽車及工程機械多產業鏈業務協同服務平臺研發（2013AA040606）；四川省科技支撐計劃：汽車關鍵零部件及應用技術研究（2013GZX0141）

高琦（1990 -），男，山西人，碩士研究生，研究方向為機電一體化及產業鏈。