基于企业可持续发展的评价方法研究

2009-08-01瞿天易

中国管理信息化 2009年12期

瞿天易

［摘要］本文首先阐述了企业可持续发展的涵义，对现有可持续发展的评价方法进行了分析比较，在此基础上提出了利用专家系统和模糊神经网络推理构建企业可持续发展评价方法。该方法采用基于规则推理和案例推理的专家系统对企业可持续发展的财务等情况进行定量评价；利用模糊神经网络对社会、文化等不确定因素的影响进行评价，并将二者所得信息有机地融合在一起以获得较为准确的评价结果。

［关键词］企业；可持续发展；专家系统；模糊神经网络

doi:10.3969/j.issn.1673-0194.2009.12.037

［中图分类号］F272.5；F270.7［文献标识码］A［文章编号］1673-0194（2009）12-0106-04

一、企业可持续发展的概念

１９８７年世界环境与发展委员会在《我们共同的未来》报告中第一次阐述了可持续发展（Sustainable Development）的概念，得到了国际社会的广泛共识。

可持续发展是指既满足当代人的需求，又不损害后代人满足需求的能力，经济、社会、资源和环境保护协调发展，既要达到发展经济的目的，又要保护好人类赖以生存的自然资源和环境，使子孙后代能够永续发展和安居乐业。可持续发展的核心是发展，但要求在严格控制人口、提高人口素质和保护环境、资源永续利用的前提下进行经济和社会的发展。

借鉴经济和社会可持续发展含义与性质，本文将企业可持续发展定义为:企业在追求永续发展的过程中既要考虑近期利润增长和市场扩大化，又要考虑长期持续的利润增长;企业在实现效益、利润增长的同时，也做到了与人口、环境、生态相协调、相一致的发展。企业可持续发展涉及自然、资源、环境、社会、技术、人力等众多因素，也与政策密切相关。

据统计，国内企业的平均寿命一般为短短几年。企业经营的成功与否，一方面受市场、银行利率、经济、政治等外在因素的影响，另一方面受自身经营管理方式的影响。市场经济的发展，一方面为企业的生存和发展提供了更为广阔的空间，另一方面也使企业之间的竞争更趋激烈。在市场经济竞争激烈的情况下，企业应能够随着外部各种因素的变化而不断改变自身的经营策略和方式，善于管理，才能在竞争中立于不败之地。但是，一些企业可能因为经营管理不善，或受外部各种不利因素的影响等，使财务状况发生困难，表现为产品滞销、积压、资金周转不灵、产品开发研究滞后等，导致盈利能力下降或出现亏损、现金流转不畅、资金短缺、难以按期偿还到期债务的局面。因此，研究企业可持续发展的评价体系对于广大企业经营者和社会具有较大的实际意义。

目前，正确处理企业的可持续发展问题，走可持续发展之路，已成为世界各国企业的共识。然而，如何判别企业发展的可持续性仍然是一个悬而未决的问题，并已成为当前各国企业界、学术界的研究重点。这是因为，企业可持续发展系统总是处于不断的发展变化中，某一时刻反映企业发展变化的主要矛盾或矛盾的主要方面，在另一时刻可能会降为次要矛盾或矛盾的次要方面。由于人们对企业发展变化的特征与规律的认识具有相对性，因而这种基于对企业发展变化的认识建立起来的评价指标体系也具有相对性，所以必须随着企业的发展变化，不断修改补充评价指标体系。同时，企业可持续发展系统又具有空间差异性。在我国，地域发展的不平衡往往导致企业发展的不平衡，企业间二元结构严重，基础条件差异大，因而在建立可持续发展评价指标体系时，必须在对企业可持续发展系统一般性认识的基础上，考虑具体企业的特殊性。同时，即使是同一个企业，由于企业生命周期的客观存在，不同发展阶段的企业要想在“代内”实现可持续发展，也同样需针对不同发展阶段考虑不同的主要矛盾，进而尽力延长企业代内的发展轨迹。所有这些因素都对企业持续发展评价体系的建立带来了许多困难。

二、现有可持续发展评价方法

我国在可持续发展评价指标体系研究方面十分活跃，目前已建立并正式提出了多种评价。其中主要有以下两类：

（1）宏观区域可持续发展评价系统。该类评价系统的对象是中国可持续发展的总体水平和能力，具有宏观、综合、全面、动态等特点。主要包括以下几种评价方法：①系统论的可持续发展评价方法。该种方法属于复合的、庞大的和具有理念性结构的评价方法，采用了可测的、可比的、可以获得的指标，体现了“发展、协调、持续”统一的可持续发展本质，具有重要的理论意义和应用价值。但由于其指标数量过于庞大，而且指标的选取人为因素影响明显，有些指标相关密切，计算出现重复，从而影响到实用性和评价结果的客观准确性。②资源环境容量型可持续发展评价方法。该评价框架通过不同时段协调程度的比较，可以判断一个国家或地区的发展是否符合可持续发展的战略要求，特别是该指标体系提出的新国民生产总值的概念，消除了通常使用GNP所带来的资源空心化以及盲目开采和浪费现象，为测度可持续发展能力提供了一个新的更科学的核算手段。但该方法目前仅仅是一个框架，没有给出衡量区域可持续发展的具体指标，同时自然资本耗减与退化数据收集与量化都相当困难，因此可操作性受到限制。③压力—状态—响应型可持续发展评价方法。该方法突出了环境受到的压力和环境退化的因果关系，但对于社会和经济指标，这种逻辑关系的界定还是不太清楚，而且该方法指标数目庞大，粗细分解不均，有些指标相关系数过高，出现了重叠计算现象，因此有待进一步对指标进行遴选。

（2）中观微观区域可持续发展评价方法。该类方法中主要包括：①地区（地带）可持续发展评价方法。主要针对局部某一地区的具体特点而设计的。目前，此类指标体系呈现多元化发展趋向，但都还处于探索阶段，较少应用于实践操作。②省区可持续发展评价方法。③城市可持续发展评价指标体系。相对国家和区域层次，城市可持续发展指标体系研究的范围和尺度较小，通用性弱，但针对性很强。

但是，上述两类评价方法都是广泛意义上的评价，缺乏对企业可持续发展评价的针对性。为此，本文主要对企业管理人员可以根据自己企业发展的实际情况进行评价的一些方法进行研究。

三、基于专家系统和模糊神经网络的企业可持续发展评价方法

近40年来人工智能（Artificial Intelligence，AI）获得了迅速的发展，作为人工智能一个重要分支的专家系统（Expert System，ES）是在20世纪60年代初期产生并发展起来的一门新兴的应用科学。专家系统是一种智能的计算机程序，它运用知识和推理步骤来解决只有专家才能解决的复杂问题。建立专家系统的主要目的，是利用某一特定问题领域的专家知识，支持和帮助该领域的非专家去解决复杂问题。专家系统是目前人工智能中一个最活跃且最有成效的研究领域。专家系统有3个特点：①启发性，能运用专家的知识和经验进行推理和判断。②透明性，能解决本身的推理过程，回答用户提出的问题。③灵活性，能不断地增长知识，修改原有知识[7]。

目前已研究的专家系统模型有很多种。其中较为流行的有基于规则的专家系统、基于案例的专家系统、基于框架的专家系统、基于模糊逻辑的专家系统、基于人工神经网络的专家系统和基于遗传算法的专家系统等。根据企业可持续发展的相关知识和各种专家系统的特点，本文选择基于规则的专家系统、基于案例的专家系统作为定量分析的研究工具。

基于规则推理（Rule Based Reasoning，RBR）的方法是根据以往专家诊断的经验，将其归纳成规则，通过启发式经验知识进行推理。它具有明确的前提，可以得到确定的结果。RBR是构建专家系统最常用的方法，这主要归功于大量的成功实例和工具的出现。基于规则的方法容易使知识工程师与人类专家合作，易于被人类专家理解。规则库中的规则具有相同的结构，这种统一的格式便于管理，同时便于推理机的设计。

基于案例推理（Case Based Reasoning，CBR）的方法就是通过搜索曾经成功解决过的类似问题，比较新、旧问题之间的特征、发生背景等差异，重新使用或参考以前的知识和信息，达到最终解决新问题的方法。这种类比推理比较符合人类的认知心理。基于案例的专家系统具有诸多优点：无需显示领域知识；无需规则提取，降低了知识获取难度；开放体系、增量式学习，案例库的覆盖度随系统的不断使用而组建增加。基于案例的推理方法适用于领域定理难以表示成规则形式，而容易表示成案例形式并且已积累丰富案例的领域。综合CBR和RBR的专家评价方法的结构如图1所示。

在基于规则推理和案例推理的企业可持续发展模型都可以包含在规则库中，并且模型越多、模型越准确、数据越详细、成功实例越多，则该方法越准确，同时，经过多次判断以后，该模型还可以利用专家系统的自学习的方法提高以后评价的准确度。

利用专家系统对企业可持续发展情况进行评价，得出相关结果。但这一结果并未考虑到非量化因素的影响，这样就可能造成评价的不准确性。为此，还需对非量化因素进行考虑。考虑到非量化因素的模糊性和不确定性，本文采用在这方面具有良好应用经验的模糊神经网络推理法进行评价。

模糊理论是以控制领域、计算机领域及OR（Operations Research）领域为中心进行研究的。模糊控制是把控制经验方面的知识记述在包含模糊集合的if-then规则中，并且用推理处理得出结果的一种方法。在评价中，可否持续发展往往是模糊的，解决模糊诊断问题的常用方法是将各条模糊推理规则产生的模糊关系矩阵进行组合，用与逻辑或并逻辑。

随着模糊理论的发展及完善，模糊理论的一些优点逐步被重视，如模糊理论可适应不确定性问题；模糊知识库使用语言变量来表述专家的经验，更接近人的表达习惯；模糊理论能够得到问题的多个可能的解决方案，并可以根据这些方案的模糊度的高低进行优先程度排序等。企业可持续发展评价中的不确定因素对于要求严格匹配搜索的专家系统来说，很容易导致错误的结果，若在专家系统中融入模糊理论后，由精确推理变为近似推理，在相当程度上会增强专家系统的容错性。本文采用的模糊推理控制法可用一个如图2所示的神经网络构成。图中e和P为模糊推理控制法的2个输入，NA，NB，NG等是e和P划分的7个模糊集，可用三角型隶属度函数Gauss表示，μ′为总的输出，Wi为第i个模糊规则对于输出的作用权值，μi表示第i条模糊推理规则的隶属度。

一般模糊神经网络（Back Propagation，BP）学习方法是一种建立和调整模糊推理的良好方法，但这种方法本质上是一种只考虑局部区域的梯度法，缺乏全局性，有可能仅优化到局部极值部分，其调整的收敛性依赖于初始状态的选择。而遗传算法（Genetic Algorithms，GA）是一种基于生物进化过程的随机搜索的全局优化方法，它通过交叉和变异大大减少了初始状态的影响，使搜索得到最优化结果而不停留在局部最小处。遗传算法不仅可以优化模糊神经推理系统的参数，而且可以优化模糊神经推理的结构。使用遗传算法可以修正冗余的隶属度函数和网络的节点数，以优化模糊神经推理系统的结构。为了发挥GA算法和BP算法的长处，我们可用GA算法优化具有全局性的参数和网络结构，用BP算法调节和优化具有局部性的参数。这样，在GA算法作为一种离线训练模糊神经推理法的情况下，用BP算法作为一种在线调节神经网络的局部性参数。这两种方法综合使用，可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。对于图2所示的模糊神经推理网络，它的前提是部分采用了Gauss型的隶属函数，其中心参数和宽度参数是全局性参数，可用遗传算法来调整和优化，而推理规则的结论部分中的权值具有局部性，所以我们可采用BP算法在线调节。这样把两种学习算法结合起来，取长补短，发挥各自的优点。

经分析可知，基于专家系统的企业可持续发展评价方法在企业定量数据准确、详细，非量化因素影响少的情况下有较高的准确性，而对非量化因素影响大，定量数据不够全面、准确的情况下则准确性较低。而基于模糊神经网络推理的企业可持续发展评价方法则正好相反。因此，各企业可以根据自身的不同情况来选择合适的评价方法。如无法确定，可以选择基于上述两者结合的综合评价方法，其结构如图3所示。