基于合作网络的虚拟企业伙伴选择研究

袁 华，刘 耘，钱 宇，邵培基



基于合作网络的虚拟企业伙伴选择研究

袁 华1，刘 耘2，钱 宇1，邵培基1

（1. 电子科技大学经济与管理学院，四川成都610054；2.四川交通职业技术学院计算机工程系，四川成都 611130）

运用合作网络形成虚拟企业有助于成员企业或组织之间建立相互信任、降低寻找合适的合作伙伴花费的成本和时间。本文提出一种基于复杂网络分析的虚拟企业合作伙伴选择方法，该方法在决策过程中引入企业的主观性，从合作伙伴的核心能力、虚拟企业的敏捷性以及成员之间的信任性等多方面构建了合作网络中虚拟企业成员的选择机制，为有效选择虚拟企业成员提供了一种新的视角和方法。

合作网络；虚拟企业；伙伴选择；度中心性；中介中心性

0 引言

面对日益快速变化的竞争环境，没有一个企业能够拥有响应各种商业机会的全部能力和资源。这些企业有时必须联合起来形成一个临时联盟，共享技术和资源以便更好地抓住商业机会[1]，这便形成了虚拟企业（Virtual Enterprise，简称VE）[2]。

虚拟企业的实质是：面向特定的生产/服务任务，选择适当的合作伙伴的过程。合作伙伴选择结果的合理性，决定了最终所形成虚拟企业的效率甚至成败。一个企业要从众多候选者中选出个企业作为合作伙伴时，第一步便是根据预设的多个指标对候选企业进行相应的评价，第二步是选出综合实力最强的个企业作为伙伴。显然第一步是关键，鉴于多层次的指标体系，一般采用AHP层次分析法[3−5]、数据包络分析[6]或模糊评价理论[7−9]来确定指标的权重。最终围绕收集生产/服务任务的各种指标（如核心能力、工期、质量等），把伙伴选择问题转化成一个（多目标）优化问题[10−15]。

以往的研究基本都假设了虚拟企业中存在一个企业盟主[2,6]，但是胡欣悦等认为虚拟企业结盟合作并不是一次性的，也不是长期的，而是在市场机遇驱动下任务导向的间续式结盟。间续式结盟表现为虚拟企业首先拥有自己的合作网络（如企业集群）[16]，当商业机会被合作网络中某一个成员识别时，这个成员作为经纪人（Broker）如何挑选一些其它成员组成一个虚拟组织/企业，在降低寻找合适的合作伙伴花费的成本和时间的同时，如何保证成员企业或机构之间建立足够强度的相互信任是一个值得研究的问题。

目前，已有的研究成果在决策指标和候选方案较多时，需要决策者提供复杂的信息与知识以及在开放的环境中获得目标企业的相关生产活动指标（如时间、质量、成本、服务等），这是一个非常困难的问题。该方法真正实现起来具有一定的难度。最终，专家辅助决策以及模糊化方法被普遍地运用到多目标决策分析过程中，并且起到了很好的决策效果。但是另一方面，专家辅助决策时以专家的主观性代替了企业的主观性，因而对决策结果的科学性和合理性的影响缺乏足够的认识。而应用模糊分析方法过程中，非模糊化处理的计算方法过于复杂且主观，可操作性欠佳。

针对上述问题，本文提出一个基于合作关系网络的虚拟企业合作伙伴选择方法，在决策过程中引入企业的主观性，从合作伙伴的客观核心能力、虚拟企业的敏捷性以及成员之间的信任性等多方面构建了合作网络中虚拟企业成员的选择机制。文章的内容安排如下：第一章介绍了企业合作网络，第二章建立了基于网络分析的合作伙伴选择机制，第三章以某重型装备生产合作网络为例，分析了其合作伙伴选择问题。第四章简要探讨了合作网络中企业成员竞争力问题。第五章总结了全文。

1 企业合作关系网络

随着企业间技术创新合作规模、合作范围的不断扩大，企业合作关系已成为了复杂的社会网络系统[17-19]。合作网络中的所有节点代表了曾经有过合作的企业群，节点之间的连接表示各实体之间以往的具体合作关系。对于企业合作关系网络我们需注意两个事实：首先，一个企业不可能与网络中的所有其它企业都有合作关系；第二，企业之间的竞争力（表现为生产服务能力等技术指标）是不同的。因此，不同企业在合作网络中的地位不同。通过对企业合作网络的分析发现，企业之间的历史合作关系还蕴含着丰富的信息：（1）合作关系建立的次数或持续的时间意味着企业之间信任程度的高低，也揭示了它们的业务过程的兼容程度；（2）企业与其它企业连接的多少以及紧密程度则可以反映该企业在行业中的地位或声誉。所以，从合作关系中不仅可以识别出企业之间存在哪些产业联系，还可以进一步分析出企业的网络位置与核心能力的关系[20]。

假如用节点代表合作网络中的企业，两个节点之间有一条边相连，表示企业之间存在合作关系。那么，可用集合= (,)表示企业合作网络，其中是节点集（||，表示总节点数），是边集（||，表示总边数）。由于企业经营活动依赖于交错复杂的外部联系，因此，企业的网络位置是其在合作网络中关系建立的结果。企业在合作网络中的不同地位可以用一些网络指标来描述。在复杂网络分析中，网络中心性（Centrality）是衡量节点在网络中重要性的概念工具，可以用来评价节点的重要与否、衡量其网络位置的优越性以及社会声望等[21]。在企业合作关系网络分析中可被用来检测节点企业获取资源、控制资源的可能性。目前，对网络中心性研究的方法较多，主要包括度中心性（Degree Centrality）、中介中心性（Betweenness Centrality）等。

1.1 度中心性

度（Degree）即一个节点在网络中与其它节点的直接联系数目。度中心性是指一个节点在网络中拥有的连接的数目，为衡量一个节点控制范围大小的指标。度中心性高的节点表示其在网络中与较多的节点有所关联。吴晓伟等使用人际网络节点的度中心性指标来分析了竞争对手的地位状况[22]。在企业合作网络中，如果一个节点有很多连接，那么该节点就可能居于网络中的关键位置，它便拥有很多途径实现其目标，因此具有较强的独立性，也更少地依赖于其它节点。另外，度中心性较高的企业在合作网络中拥有较大的“权力”，往往更容易影响网络中的合作关系。

我们用函数()表示节点的度，则在无向图（由于企业合作关系具有对称性，因而是无向图）中的度中心性C可定义为：

1.2 中介中心性

中介中心性测量的则是节点对资源的控制程度。在网络中，如果一个节点位于许多其它两个节点之间的路径上，则认为该节点居于重要地位，因为它具有控制其它两个节点之间交往的能力。一个节点在网络中占据这样的位置越多，代表它具有很高的中介中心性，即有更多的节点需要通过它才能发生联系。因而，它的竞争地位就越有利。

假设：（1）各条线路的权系数相等；（2）通讯过程中总是走最短路径；（3）当存在不止一条最短路径时，每一条的使用概率相等。则中介中心性的本质是：网络中包含节点的所有最短路的条数占所有最短路条数的百分比。也可以理解为：节点要到达网络中的所有其它成员，对节点的依赖性的大小，或者表明了节点对节点与网络中的其它成员进行相互作用的控制能力。

一般地，在社会网络分析中使用“度中心性”测算某一节点可能对其它节点造成的影响，使用“中介中心性”测算节点可能对其它节点之间建立合作关系的控制影响能力。这两方面的指标说明了企业在合作网络中的位置不同，将会影响其对合作关系的掌握以及合作资源的获取，进而影响企业的竞争力[25]。

2 合作伙伴选择模式分析

2.1 选择合作伙伴的原则

现代大型生产活动中企业之间的合作一般具有以下特征：

（1）同类型企业相互以竞争为主，不同类型企业以合作为主。

由于企业生产内容的分工不同，面对一个需要多种生产内容的项目，则需要合作网络环境中的多个企业合作才能共同完成生产任务。如果生产任务被分成个相对独立的子任务，那么每个生产任务至多被分派给一个企业完成（假设子任务在企业的生产能力范围之内）。因此，在合作网络中如果有多个企业的生产能力能完成任务，那么这些具有相同生产功能的企业之间将形成竞争关系，不同生产功能之间的企业将形成潜在合作关系。这一现象表明，虚拟企业的合作伙伴选择需要考虑完成项目任务所需要的多重生产功能，而以往的研究中一般认为“企业集群中的企业彼此平等独立”[16]。所以，在合作网络中对于需要多重功能才能完成的生产任务，选择合作伙伴的机制（即选择过程和方法）要比以往的研究复杂很多，除了对潜在合作伙伴的一般生产属性评价之外，还要根据生产任务的需要全面考虑虚拟企业（组织）中各节点企业的生产功能互补性。

（2）合作网络结构不严格。

一般地，只要企业满足一些基本条件，并且与网络中的企业成员有过合作关系就可以看作是合作网络中的成员，只不过，这些成员被分为从松散到紧密的不同层次。而且，企业合作网络不同于其它严密的组织架构，在各类生产活动中不断有企业加入到合作网络中来，也有企业因为主营方向转变或者破产而离开合作网络，总体上呈现出动态性。

（3）企业对合作伙伴选择具有偏好性。

传统网络理论认为，网络连接是随机设置的。但社会网络的研究表明，社会网络中连接是一个有意识的过程，网络连接具有一定的偏好性[26]，这种偏好性在集群中表现为企业间关系的择优连接（Preferential Attachment）和熟悉连接（Acquaintance Attachment）。

当基于生产任务的分解模式同时考虑上述企业之间合作生产的活动特征，可以制定出不同的合作伙伴选择原则。在合作网络环境下，我们的研究主要考虑以下三个通用原则[2]：

● 核心能力原则

针对特定的生产项目，要求参与虚拟企业的合作伙伴必须为虚拟企业贡献核心能力，并且这一能力是生产过程所必需的。这样，除了避免生产工具的重复投资外，还可以大大提高项目的完成质量和效率。

我们知道，企业合作网络是社会网络的一种形式[1]，而社会网络中连接关系的产生是一个有意识的过程。其中，网络连接偏好性的“择优连接”表明企业会倾向于选择连接数目较多的网络节点，这类节点一般具有较强的生产能力和较高的行业声誉（Prestige）[21]。有研究结果表明，与较高声望的企业合作可以提高企业自身（在合作网络中）的地位，而与较低声誉的企业合作的结果则相反[27]。择优连接机制的存在一方面是时间的原因，通常集群中的老企业有较长的时间来积累与其它企业的关系连接；另一方面，一些企业通过先进的技术、有竞争力的产品以及良好的管理，在短时间内也能够获得大量的关系连接[28]。

根据前面的讨论，可以考虑最大化虚拟企业成员的度中心性来实现核心能力原则，即要求参与虚拟企业的伙伴的生产能力尽量地高。因此，在选择合作伙伴时可采用择优连接模式实现。

● 敏捷性原则

通常虚拟企业的“敏捷性”是指企业应对不确定的（需求、竞争、市场等）商务环境变化，并且将变化转换成机会的能力[29]。从合作关系网络中建立虚拟企业的目的就是为了更好地把握快速变化的市场机会，它包括对（虚拟企业）外部环境变化的快速反应以及在内部伙伴之间实现快速任务协作。因此本研究将虚拟企业的“敏捷性”同时定位于（1）外部敏捷性：对虚拟企业之外的商务环境变化的快速反应能力（例如市场策略的调整、伙伴的重新选择等），以及（2）内部敏捷性：对虚拟企业内部的快速协调控制能力[30]（例如组织内部信息、材料的快速调派）。由于与传统企业不同，虚拟企业缺乏高层级的调控机制，因而伙伴间的协同控制变得非常重要[31]。这就要求在评价候选伙伴时，除生产能力之外还需同时兼顾信息和材料交流的便捷性[30,31]，而不是片面地追求评价指标的全网络最优。

考虑到形成虚拟企业的本质就是为了提高企业应对外部环境变化的敏捷性，因而在合作伙伴的选择过程中，我们的方法更加侧重于关注提升内部敏捷性的问题。内部敏捷性要求虚拟企业伙伴间的协调成本尽量地小。在已经形成的合作网络中选择合作伙伴形成虚拟企业，那么虚拟企业也是合作网络的一个子网络，最小化该子网络的直径可以保证任意两个伙伴之间的生产信息和材料传输路径最短，从而增强内部敏捷性[32]。假设在网络中搜寻合作伙伴的沟通成本与它们之间的距离成正比。于是，敏捷性原则便反映为虚拟企业成员间沟通的便捷（中介节点尽量少）问题。我们可以用图的直径（任意两个节点之间距离的最大者）来度量图中节点沟通的便捷性，表示为

● 风险最小化（信任）原则

由于合作伙伴的选择面临着不确定性，除了能力不确定性之外，合作伙伴可信任度及动机的不确定性会为企业间交互关系带来很大的风险[11]。因此，合作伙伴选择偏好性的“熟悉连接”表明相互熟悉的合作者具有再次合作的先行优势。而且，企业间往往愿意通过不断重复过去的交往关系来提升相互的熟悉度（Familiarity），这种熟悉度可以清楚地预知与一个给定的合作伙伴进行（再次）合作所带来的收益。反过来，熟悉度也会带来较高的（相互）信任度[12]。因此，虚拟企业中各实体之间的以往合作经历是一个重要的参考[13]。

其次，由于企业间合作的重复性，不同的生产任务需要不同类型企业来完成。有合作关系的企业不一定覆盖产业内所有的生产类型。因此完全依靠历史合作关系，有可能使得某些生产任务无法实施。例如，对图1(a)中节点而言，如果其信任的节点（直接邻居）无法完成某项任务，合作伙伴的认可以及推荐也能降低一个潜在伙伴在质量和动机上的不确定性。但是，如果邻居推荐了；同时，另一个邻居推荐了与有相同生产能力的。那么，现在的问题是和该如何选择？按照社会网络中的信任传递关系，需要评价和分别对其推荐的邻居和是否有足够的（资源、信息、信任）控制能力，以使得或者能够被监督（从而被信任）地加入到虚拟企业中来。

(a) 邻居节点的推荐与控制

(b) 节点中介中心性对信任关系的传递与控制

图1 邻居节点对信任关系控制与传递

一般地，中介中心性可用于测量网络中处在某一位置上的个体能够控制与其他个体之间的交往程度。因而网络中具有较高中介中心性的节点本质上更容易担当中介（Broker）或者桥梁（Bridge）的作用[33]。这正是基于这样的事实：高介数节点在网络中非常重要，损失这些节点可能破坏网络的结构；进一步地，网络中没有其它的可以绕开这些高介数节点的短路径[34]。在企业合作关系网络中，两个非邻接（没有直接合作关系）的成员间的相互作用依赖于网络中的其它成员，特别是位于两成员之间路径上的那些成员。Freeman认为中间成员对路径两端的成员具有“更大的人际关系影响”[24]。它们对这两个非邻接成员的相互作用具有某种控制和制约作用[35]。

风险最小化即选择正确的伙伴以期在最大程度上回避或减少虚拟企业整体运行风险。在这里主要体现为企业之间的信任。为了缓和与降低合作伙伴选择风险，企业间合作交互目前主要倚重两种形式的社会资源：过往联系和第三方联系关系[36]。因而，合作网络中企业的信任主要来自两方面：（1）邻居（以往的合作伙伴）；（2）具有较高中介中心性的邻居所推荐的节点。对于后者，一个可信邻居的中介中心性大小表明了其对所推荐节点的控制能力。因此，对信任问题的风险最小化可以转化为最大化有推荐能力的邻居的中介中心性问题。（评价图1(a)中a和c的控制能力即是比较其中介中心性大小[37]）。

在图1(b)中，首先从直接邻居中选择合作伙伴。为了优化虚拟企业的生产能力，它也接受可信邻居的推荐节点加入虚拟企业。出于信任问题的考虑，当邻居向推荐自己的其他邻居（的二阶邻居）时，只有对被推荐的节点有足够的控制能力时，才能够信任的推荐，这就要求的中介中心性足够高。类似地，如果邻居关系路径= {,,, ...,}上的中介节点的中介中心性足够高：（其中为信任传递阈值），甚至可以信任多阶（≥2）邻居的推荐。值得说明的是，信任强度是随着传递距离的增加而衰减，所以传递距离越短越好。这与敏捷性原则一致。另外，如果出现了重复推荐情况，则需要同时考虑最大化虚拟企业的核心能力和推荐者的中介中心性。

2.2 合作伙伴选择机制

上述合作伙伴选择机制分别表示最大化企业核心能力，最大化虚拟企业的选择敏捷性（即最小化图的直径，通信距离短）以及最小化选择风险性（即最大化中介中心性，信任度高）。因此，该选择机制构成了一个多目标决策问题。在三个原则中，基本的原则是核心能力原则，而信任和敏捷原则可以看作是对核心能力原则的约束。更进一步，出于对网络规模的考虑，敏捷性原则在伙伴选择中也十分重要，对于反映敏捷性的指标——图的直径，有如下性质。

引理1说明在全联通网络和星形网络中，节点之间的距离最短。所以，以这种方式形成的虚拟企业敏捷性和信任性都会很高。下面的定理讨论了在必要情况下，信任的传递控制问题。

定理1如果是层星形网络，则。

证明当是1层星形网络时，整个网络只有一个节点，。当是2层星形网络时，根据引理1-(2)，。（见图2-(a)）。

当是+1层星形网络时，将前层结构看作一个节点，那么它与第+1层的节点组成一个新的星形网络（图2-(b)）， 则。■

图2多层星形网络

星形方式连接的虚拟企业的敏捷性要大于（直径小于）线性方式连接，只需满足。这说明，如果中离越近的节点能够推荐多个具有较高能力（声誉）的邻居加入则越小，此时虚拟企业具有较高的敏捷性（通信距离短）和节点之间信任性（信任传递距离短）。

2.3 合作伙伴选择算法

基于公式（4）的合作伙伴选择机制，我们提出了如下合作网络的伙伴选择步骤：

步骤1：确定一个项目机会，该项目被分解成个生产任务模块，。

步骤2：企业识别了项目机会，开始在合作网络中选择−1个合作伙伴形成虚拟企业。

步骤5：如果步骤4中选择的伙伴不足以完成−1个生产任务，则降低阈值回到步骤4，直到中的成员刚好满足−1个生产任务的分派。

上述步骤中，（即初始解决方案中的成员）从邻居开始搜索体现了敏捷性原则。如果有多个相同功能的节点处于备选，则选择度中心性较大的节点体现核心能力原则。

3 重型装备行业合作网络中的伙伴选择

重型装备是指装备制造业中技术难度大、成套性强，对国民经济具有重大意义、对国计民生具有重大影响，需要大型企业集团或企业集群才能完成的重大成套技术装备。重型装备制造业的产业性质是资本/技术密集型，产业链条长、工艺复杂、配套环节多，需要适宜的生产组织方式才能获得很强的竞争力。

接下来，以我们收集到的全国重型装备制造业合作关系网络为例，运用前面阐述的方法来说明如何在合作网络中选择伙伴形成虚拟企业。

3.1 样本数据获取及初步分析

为了界定参与重型装备行业生产活动的企业，以项目为纽带寻找企业间的合作关系是一个可行的办法。Z设备是典型的重型装备制造业合作生产的产品项目，本文搜集整理了在2006、2007、2008和2009年开工建设的11个Z设备，共29个机组项目（每个Z设备一般包括了多个机组）的生产企业合作关系。主要的数据采集来源是：

● 通过政府和行业协会的项目招标网内容，发现合作竞标成功的企业群体；

● 通过企业网站中的参与项目介绍，发现合作关系；

● 媒体新闻对Z设备的生产报道中同时出现的合作企业群体。

为适应网络分析需要，对合作网络中的企业节点数据进行如下简化处理：

（1）企业只作功能上的区分，不考虑其规模差异。在面临相同的生产任务时，它们之间表现为竞争关系，只是竞争成功的能力不同，这种不同表现在其与其它企业合作次数或合作项目金额上。

（2）企业类型的化分，对应着伙伴选择过程的生产任务分解。我们把完成Z设备生产任务所需要的企业类型划分为六类（如表1所示）。其中能够实现多个生产功能的企业集团只划归其主业类型，但是在任务响应时，它可以响应承担多个任务。

（3）合作过多次的不同生产功能企业之间的关系形成下次合作的局部先行优势。

表1 生产Z设备所需的合作企业

通过对搜集到的数据进行整理、编码，然后生成企业的合作网络。在这个网络中，节点是参与Z设备相关生产活动的企业；节点和节点之间的连接表示它们所代表的企业之间在生产过程中存在的合作关系；连接的权重可以是合作的次数或合作的金额。最后我们得到了包含42个企业的合作网络关系（潜在合作企业不一定包含在以往的合作关系中），如图3所示。

图3重型装备制造业的合作关系网络

3.2 合作伙伴选择示例

在重型装备业的企业合作网络中，C5企业是一个比较活跃的用户。如果C5获得了市场上关于Z设备的项目建设需求P= {,,,,}，且(5) =，那么它将在邻居中（表2）发布项目合作消息。邻居对各自感兴趣的任务进行反应：(2) =(13) =，(2) =(5) =，(1) =(11) =，(2) =(5) =。以C5作为起始的节点在合作网络中进行搜索，按照设计的算法，最后得到下面的虚拟企业的组合方案：V(P) = {5,2,1,1,2}。

表2 C5的邻居关系

图4 C5的历史合作伙伴关系

图4显示了C5的历史伙伴选择情况（边的粗细说明该合作关系的频繁程度）。事实上，通过对C5企业的历史合作关系数据统计研究，我们发现上面的计算结果也是C5常用的伙伴选择关系。

实证研究中，我们发现重型装备制造业合作网络中节点度的概率分布按幂律指数的规律衰减，显示出很强的无标度特征（图5）。根据Barabasi和Albert对无标度网络的解释，增长和择优连接是实现网络无标度特性的两种演化机理。所谓成长性是指网络节点数的增加[39]。大多数现实世界的网络是开放的，它们通过不断地增加新节点并连接到已存在的节点上进而扩展。优先连接性是指新加入的节点总是优先选择与度值较高的节点相连，即一个新的节点选择连接到网络中的某个节点的概率与该节点的度有关，连接越多的节点被选择的可能性就越大。这就是所谓的“马太效应”现象（“富者愈富”），从而，在网络中出现了少数拥有大量连接的中枢节点。

图5 重型装备制造业合作网络的节点度分布

重型装备制造业合作网络的无标度特性表明该网络是开放的，且节点之间的合作具有很强的优先连接性。后者也印证了在合作网络中运用核心能力和敏捷性原则来选择虚拟企业合作伙伴的合理性。

4 合作网络中企业成员竞争力讨论

网络中心性高的企业，在网络的历史合作中获得了较多的机会，是网络中的核心企业。以任务导向为基础的间续式结盟关系中，核心企业与其协作配套企业之间的联结模式属于产业链（或价值链）的上下游之间的合作关联关系。而产业链上同一环节中那些具有相同生产功能的企业之间的联结属于竞争关联关系。所以，企业在产业链的纵向位置表明了其在产业中的地位是否有利，而横向位置则表明了其同行竞争的能力。因而我们可以利用企业节点的中介中心性来度量其产业内地位，用度中心性来度量其同行竞争能力。综合行业中介中心性和企业度中心性这两项指标所形成的合作网络企业竞争力矩阵（图6）能够直观评估出企业在合作网络中的竞争力状况。

图6 合作网络企业竞争力矩阵

然而，网络节点的中介中心性计算复杂度较高而且需要了解网络的全局信息。因此，在实际运用中受到一定的限制。为了简化计算，我们可以根据历史经验来判断某一类型企业的整体中介中心性，并用它来代替单个节点的中介中心性进行计算。重型装备制造行业合作网络中不同类型企业的整体中心性如表3所示。

表3 不同企业类型在价值链中的竞争地位

图7 C5企业在重型装备合作网络中的竞争力

这一统计结果与事实是相符合的：工程设计院掌握了工厂设计、工艺、关键零部件的设计等技术，11个设备中的大多数都是由它们担任工程总承包商的角色，即使部分是由国外的重型装备制造企业承担，也是由它们在前期进行可行性分析。而对工业设备安装公司来说，与工程设计院的历史渊源有利于它们竞争地位。而系统集成商和最终用户的行业竞争地位相对弱小。这一结果也进一步验证了用行业平均中介中心性来度量行业的竞争地位的合理性。同时，在虚拟企业伙伴选择过程中，应该尽量考虑具有较高中介中心性的邻居所推荐的伙伴。图7显示了重型装备合作网络中的企业个体列入矩阵后所显示出的竞争地位情况。

5 结论

本文运用复杂网络分析方法，提出一个基于合作关系网络的虚拟企业合作伙伴选择方法。该方法包括三部分：从企业之间的历史合作经历出发构建合作关系网络、根据合作网络的节点性质度量潜在合作伙伴的能力、在合作网络中搜索虚拟企业的伙伴成员方案。

本研究的主要贡献体现在：（1）在决策过程中引入企业的主观性来代替传统的专家决策主观性，合理运用企业以往的合作经历数据客观度量了合作网络中不同企业的核心能力；（2）以复杂网络分析方法建立了合作网络中虚拟企业成员选择模型；（3）运用合作网络成员的客观核心能力、虚拟企业敏捷性以及成员之间的信任性等多方面内容构建了合作网络中虚拟企业成员节点的选择机制，实现了网络搜索算法。

通过分析重型装备制造业合作网络中的虚拟企业成员选择问题，表明了该方法的可行性和有效性。同时说明，基于复杂网络分析的产业环境调研方法为虚拟企业伙伴选择问题的研究提供了一种新的视角、方法和途径。它不仅简单易用，而且可以得到更加客观真实的量化结果。

[1] Camarinha-Matos Luis M, Afsarmanesh Hamideh. Collaborative networks: a new scientific discipline [J]. Journal of Intelligent Manufacturing, 2005, 16(4-5):439-452.

[2] 赵纯均,陈剑,冯蔚东.虚拟企业及其构建研究[J].系统工程理论与实践, 2002, 22(10):49-55.

[3] 赵乃岩,范玉顺.基于产品结构的动态联盟盟员选择算法[J].计算机集成制造系统, 2002, 8(2):99-104.

[4] 曹杰,杨以文,陈森发.基于层次分析法的联盟企业过程管理绩效评价[J].计算机集成制造系统, 2008, 14(8):1652-1657.

[5] 李凌丰,谭建荣,赵海霞.基于AHP模糊优先权的虚拟企业伙伴选择方法[J].系统工程理论与实践, 2004, 24(12):1-7.

[6] 陈菊红,汪应洛,孙林岩.虚拟企业伙伴选择过程及方法研究[J].系统工程理论与实践, 2001, 21(7): 48-53.

[7] 周庆敏,殷晨波.虚拟企业伙伴选择的粗糙集方法[J].控制与决策, 2005, 20(9):1047-1051.

[8] 刘书庆,董雅文.生产型虚拟企业制造合作伙伴选择模型研究[J].中国管理科学, 2006, 14(6):77-85.

[9] 黄彬,高诚辉,陈亮.模糊完工时间和模糊交货期下的虚拟企业伙伴选择[J].系统工程理论与实践, 2010, 30(6):1085-1091.

[10] 李莉,薛劲松,朱云龙.虚拟企业伙伴选择中的多目标决策问题[J].计算机集成制造系统, 2002, 8(2):91-94.

[11] Wu Naiqi, Su Ping. Selection of partners in virtual enterprise paradigm [J]. Robotics and Computer-Integrated Manufacturing, 2005, 21(2):119-131.

[12] Huang XG, Wong YS, Wang JG. A two-stage manufacturing partner selection framework for virtual enterprises [J]. International Journal of Computer Integrated Manufacturing, 2004, 17(4):294-304.

[13] Lin Chun-Wei R, Chen Hong-Yi S. A fuzzy strategic alliance selection framework for supply chain partnering under limited evaluation resources [J]. Computers in Industry, 2004, 55(2):159-179.

[14] Zhao Qiang, Zhang Xinhui, Xiao Renbin. Particle swarm optimization algorithm for partner selection in virtual enterprise [J]. Progress in Natural Sciences, 2008, 18(11):1445-1452.

[15] Jiao Lei, Ni Zhonghua, Liu Xiaojun,. Partner selection of virtual enterprise using two-layer ant colony optimization [C]. In Proceedings of 2010 2nd International Conference on Computer Engineering and Technology (ICCET), 2010:345-349.

[16] 胡欣悦,汤勇力,李从东.任务导向的虚拟企业问续式结盟治理机制[J].系统工程理论与实践, 2007,27(11):34-42.

[17] 李明,钱燕云.技术创新合作网的演化机理与特征研究[J].上海理工大学学报, 2005, 27(5):401-405.

[18] Danilovic Mike, Winroth Mats. Corporate manufacturing network–from hierarchy to self-organizing system [J]. International Journal of Integrated Supply Management, 2006, 2(1-2):106-131.

[19] Liu Li-lan, Sun Xue-hua, Shu Zhi-song,. A production-collaboration model for manufacturing grid [M]. Life System Modeling and Intelligent Computing (LNCS), Berlin: Springer Berlin Heidelberg, 2010:166-175.

[20] 胡海青,张宝建,张道宏.网络能力、网络位置与创业绩效[J].管理工程学报, 2011, 25(4):67-74.

[21] Wasserman S, Faust K. Social network analysis [M]. Cambridge: Cambridge University Press, 1994.

[22] 吴晓伟,徐福缘,宋文官.基于人际网络节点中心度的竞争对手分析[J].情报学报, 2006, 25(1):122-128.

[23] Brandes Ulrik. A faster algorithm for betweenness centrality [J]. Journal of Mathematical Sociology, 2001, 25(2):163-177.

[24] Freeman LC. Centrality in networks conceptual clarification [J]. Social Networks, 1978, 79(1):215-239.

[25] 罗家德.社会网络分析讲义[M].北京:社会科学文献出版社,2005.

[26] Skvoretz J. Biased net theory: approximations, simulations, and observations [J]. Social Networks, 1990, 12(3):217-238.

[27] Podolny JM. A status-based model of market competition [J]. American Journal of Sociology, 1993, 98(4):829-872.

[28] 蔡宁,吴结兵.产业集群企业网络体系：系统建构与结构分析[J].重庆大学学报(社会科学版), 2006, 12(2):9-14.

[29] Sharifi H, Zhang Z. A methodology for achieving agility in manufacturing organizations: An introduction [J]. International Journal of Production Economics, 1999, 62(1-2):7-22.

[30] Wu NaiQi, Mao Ning, Qian YanMing. An approach to partner selection in agile manufacturing [J]. Journal of Intelligent Manufacturing, 1999, 10(6):519-529.

[31] Lau HCW, Wong ETT. Partner selection and information infrastructure of a virtual enterprise network [J]. International Journal of Computer Integrated Manufacturing, 2001, 14(2):186-193.

[32] Yu J, Noel E, Tang KW. A graph theoretic approach to ultrafast information distribution: Borel Cayley graph resizing algorithm [J]. Computer Communications, 2010, 33(17):2093-2104.

[33] Isherwood D, Coetzee M.Enhancing digital business ecosystem trust and reputation with centrality measures [C]. In Proceedings of Information Security South Africa (ISSA), 2011: 1-8.

[34] Borgatti SP, Li X. On social network analysis in a supply chain context [J]. Journal of Supply Chain Management, 2009, 45(2):5-22.

[35] 马艳艳,刘凤朝,孙玉涛.中国大学专利被企业引用网络分析——以清华大学为例[J].科研管理, 2012, 33(6):92-99.

[36] Gulati R, Gargiulo M. Where do inter-organizational networks come from? [J]. American Journal of Sociology, 1999, 104(5): 439-1493.

[37] Luo JD. Particularistic trust and general trust: A network analysis in Chinese organizations [J]. Management and Organization Review, 2005, 1(3):437-458.

[38] 郑纬民,汤志忠.计算机系统结构[M].北京:清华大学出版社, 2001.

[39] Barabasi AL, Albert R. Emergence of scaling in random networks [J]. Science, 1999, 286(5439):509-512.

Partner Selection for Virtual Enterprise in a Collaboration Network

YUAN Hua1, LIU Yun2, QIAN Yu1*, SHAO Pei-ji1

(1. School of Management and Economics, University of Electronic Science and Technology of China, Chengdu 610054, China;2. Sichuan Vocational and Technical College of Communications, Chengdu 611130, China)

With the rapidly changing market environment, no enterprises can have all necessary capabilities and resources in order to capitalize on growing business opportunities. As a result, many virtual enterprises (VE) are emerging to provide capabilities not possessed by other companies. The essence of VE is the process of partner selection for specific business/production tasks. If a VE belongs to part of a collaboration network, it may help members communicate better with each other due to previously established trust and collaborative experiences.

This kind of VE generation could also reduce the cost of partner selection. However, when the number of VE candidates are increased the collaboration network also becomes larger and more complicated. It’s very difficult for decision-makers to efficiently select appropriate partners from a collaborative network because of complex information, knowledges, and relevant production indicators, such as the time, quality, cost, and service. Therefore, we propose a complex-network-analysis based partner selection method to resolve this issue. In addition, we introduce the enterprise subjectivity into the decision making process, and build a VE creation mechanism. This mechanism can help understand objective core competencies of network members, VE business agility as well as members’ credibility. The study provides a new method with a collaboration network perspective to solve partner selection problems for VE.

In this work, we first briefly introduce the enterprise collaboration network which analyzes the collaboration from the perspective of social networking. We use theto denote enterprises’ importance of a collaboration network and use theto measure an enterprise’s ability to control other enterprises. Both indicators show different positions of an enterprise in a cooperation network. These two indicators can affect VE’s resource control ability, cooperation relation, and competitiveness.

Second, we build up a partner selection mechanism based on the social network analysis method. In view of the production characteristics of cooperation between enterprises, we introduce three generalized principles, including enterprise’s capacity, agility and trustfulness, to analyze the optimal partner selection process. Moreover, we address an algorithm for partner selection in a collaboration network.

Third, we conduct an empirical study of partner selection using the real data of a heavy equipment production collaboration network. This work has collected the cooperation relationship among manufacturers from 29 projects started in 2006, 2007 and 2009. A total of 42 enterprises in the industry participated in this study. They are divided into 6 different types of firms according to their dominant business. Empirical results show this heavy equipment production collaboration network follows the power-law distribution with an exponent of 2.59. It means this network shows a strong preferential attachment characteristic. In an open network, it refers to that new nodes (previous outside the network) are always preferentially to connect with the nodes having high connections. In general, the greater degree the note the greater the possibility the note will be selected to create a new connection.

Finally, member competitiveness in a collaborative network has been discussed. We use the betweenness centrality of enterprises to measure its industry status and degree centrality to measure its competitiveness. Moreover, weconstruct an enterprises competitiveness matrix model to assess the competitiveness of enterprises in the cooperation network. Furthermore, we use the empirical data to demonstrate enterprises’ competitiveness status in a heavy equipment production collaborative network.

This paper has four major contributions. First, this paper argues that each of the previous collaboration between any two enterprises is the result of a partner selection. Thus, it is reasonably to use the cooperation experience data to measure an enterprise’s core competence in the collaboration network. In this work, we introduce the enterprise subjectivity (such as previous evaluation and cooperation, etc) into the decision-making process instead of the traditional expert objective decision. Second, based on the complex network analysis method, we construct a new partner selection model of VE in the collaborative network. Third, we propose a method to map core competencies, agility and trustfulness into a series of network measures. Fourth, we present a new partner selection mechanism and algorithm for efficient VE generation in collaboration networks with visual and simple network measures.

collaboration network; virtual enterprise; partner selection; degree centrality; betweenness centrality

中文编辑：杜 健；英文编辑：Charlie C. Chen

TP-319

A

1004-6062(2016)01-0080-08

10.13587/j.cnki.jieem.2016.01.010

2013-01-29

2013-08-31

国家自然科学基金资助项目（71271044，71102055，70932005，U1233118）；教育部高等学校博士学科点专项科研基金资助项目（2010018512002）

袁华（1973—），男，四川达州人。电子科技大学经济与管理学院副教授，博士，研究方向：信息系统管理，电子商务与商务智能。