基于ASP的制造产业链企业合作体系与评价算法

高 琦，赵 武，刘宪军，王 晨

（1.四川大学 制造科学与工程学院，成都 610065；2.装甲兵学院，蚌埠 233000）

基于ASP的制造产业链企业合作体系与评价算法

高 琦1，赵 武1，刘宪军2，王 晨1

（1.四川大学 制造科学与工程学院，成都 610065；2.装甲兵学院，蚌埠 233000）

针对当前制造产业链中企业发掘并选择合作伙伴的需求，提出了基于ASP协同商务平台构建泛型产业链企业合作网络的方案。并借鉴网页搜索引擎PageRank算法，通过构建权重评价模型，推导出面向企业云网络的产业链企业搜索引擎价值排序算法。并进行企业合作适应性修正。在此基础上，采用企业合作记录构建合作网络并作为数据源，利用影响因子对算法做精细化控制，建立细粒度的映射关系并确定转化算式。通过企业实际算例对算法步骤进行说明，并验证了算法的有效性。

制造产业链；ASP；企业Rank；企业重要性；评价算法

0　引言

制造产业链是由上中下游不同类型企业群展开业务协作的复杂网络组织[1]。构成产业链的各个部分联系紧密，互相依存、互相制约、利益相存。不过，目前制造产业链上的企业往往各自为营，既没有合适的途径很好地推广自己的产品和品牌，又没有有效的方法及时与同行比较，发现并改良自身的不足，致使整个产业链结构松散，造成许多不必要的资源闲置和浪费[2]。因此，企业不仅迫切需要能够有效寻找并选择合作伙伴的方案，而且特别需要能及时横向比较，改良自身的途径[3～5]。由此可见，如何快速有效地对企业价值进行评估，并准确地对行业中有价值的企业进行挖掘，已经成为了当前一项重要且亟需解决的问题。

针对上述问题，在算法层面，文献[6]基于物元分析理论，搭建了同盟企业的评价和选择模型；文献[7]提出利用分支定界法解决动态联盟伙伴选择问题；文献[8]在Top-k问题基础上针对动态联盟伙伴选择的特定问题提出了一种较为高效的OP优化算法，并通过进一步优化提出了IMOP算法；文献[9]针对供应商选择评价方法进行研究，将直觉模糊集理论与VIKOR方法相结合构建了评价模型；其他相关方法还有遗传算法[10]、灰色关联度法[11]等。在系统研究层面，文献[1]提出了以整车制造企业为核心的对协作企业进行考核选择的体系，同时提出以业务单据作为数据来源，为上述分析方法提供了有效且稳定的数据支撑；文献[12]考虑到企业的业务需求变化，提出了业务功能在线更新与业务数据库的同步演化方法。文献[13]建立了集群式供应链无契约跨链采购模型,以及由此扩展而来的基于有限超储契约下集群式供应链跨链采购模型,并给出了相应的算法。不过，以上研究仍然存在着以下两个问题：

第一，在云制造模式下，传统产业链的地域界限[14～16]将逐渐变得模糊，制造产业链结构呈网状发展，制造产业链将演化为动态性的多核心产业链[17]。但是，上述研究仍然是围绕单个企业的固定需求对特定的企业进行评价，不仅不具有普适性，而且更不能有效地发掘未知的有价值的企业，不满足多核心产业链的应用需求。

第二，上述研究采用单企业的多个指标进行企业评价研究。为了得到尽可能准确的评价，不得不使用更多指标及更多数据处理手段，加大了评价方法的难度和繁琐程度，不具备快速响应能力和企业的发掘能力。

基于以上问题，本文立足于动态多核心制造产业链的企业评价需求，提出构建基于ASP的泛型产业链企业合作网络，并借鉴网页引擎搜索算法构建产业链企业搜索引擎权重评价模型，从而判定产业链上企业的重要程度。该评价体系作为对传统算法的补充，通过对企业重要度的实时计算来满足企业对合作伙伴的快速挖掘和选择需求。

1　传统考核体系概况与泛型产业链合作体系的提出

1.1传统考核体系

目前一般的传统考核体系是由龙头企业制定考核指标，通过各项考核指标设定参考标准，首先淘汰不满足参考标准下限的企业，然后在此基础上对满足条件的企业再进行评估和采购指标分配。对企业的评估采取选取单个企业的多项指标进行评估，再通过横向比较确定企业优劣的方式[1～6]。传统考核体系最大的瓶颈及考核结果的不确定性在于其考核指标的选取和权重分配[1,6～11]。为了尽量减小甚至避免由考核指标的选择及其权重分配所带来的主观不确定性，需要不断细化对企业的考核指标，从而增加了考核难度，降低了响应速度，且不具备企业挖掘能力。为了解决这些问题，需要提出一种新的考核体系。

1.2基于ASP的泛型产业链企业合作体系

应用服务提供商（Application Service Provider, ASP）是一种将应用系统通过Internet发布，并支持多企业进行应用商业模式。基于ASP的协同商务平台由第三方公司搭建，支持产业链上多个企业之间进行商务协同[4]。该模式的低门槛允许大量企业进入电子商务网络，为众多企业尤其是中小企业带来发展机遇[17]，最大限度地满足了多企业对信息服务的需求。同时，随着协同商务平台的发展和大量企业的进驻，企业通过协同商务平台进行线上——线下的合作产生的大量信息，将为大规模的企业重要性评价提供基础数据。企业在ASP模式下的合作模式如图1所示。

图1　企业在ASP模式下的泛型产业链合作体系

在图1中，企业的合作网络由实线和虚线构成。实线代表合同正在执行，虚线代表合同已经过期。实线和虚线将作为企业重要性评价的数据源。在泛型产业链合作网络下，大量企业通过协同商务平台平等地存在于整个云中。云根据相应的规则将数据源量化为可利用的数据，通过与数据中心进行交互实现数据实时交换，并按照一定的算法计算企业的重要性。

2　PageRank算法与企业Rank法

2.1PageRank

PageRank算法是由斯坦福大学的Sergey Brin和Lawrence Page提出，并成功应用于谷歌搜索引擎的算法[18]。目前，以PageRank为基础的改进型算法，如Topic-Sensitive PageRank算法，Hilltop算法，以及IBM的HITS算法系列等[19]，共同构成当前网络搜索引擎的主流算法。PageRank的基本计算公式为：

其中，PR(A)为页面A的PageRank值；d是阻尼系数，取值范围为[0,1]；PR(Ti)是页面Ti的PageRank值且页面Ti链向页面A；C(Ti)是页面Ti链出的链接数量。N是互联网上所有网页的数量。

PageRank算法在应用方面取得巨大成功的同时，也开启了链接分析研究的热潮，并在大量的学者研究下日趋成熟[20]。借鉴PageRank算法，本文利用企业Rank值作为企业重要性的衡量标准，以此作为企业选择合作伙伴的依据。

2.2企业Rank算法

企业的核心竞争力由市场、技术、管理和生产制造等各个层面共同构成[21]。这意味着通过分析有限的指标来判断企业竞争力的方法不仅在指标选取上存在很大的难度，而且得出的结论或多或少存在一定的片面性。不过，从整体的角度来看，企业的竞争力可以由企业建立的合作予以体现。一般来说，拥有广泛合作关系的企业，或是与大型企业合作的公司，往往竞争力较强。同样的，一个企业在不断发展的过程中，所能寻求到的合作企业的竞争力会越来越强，企业间的合作逐渐趋向于稳定，并且企业合作也逐渐多边化。以某原料生产企业为例，该企业的主要产品为氧化钙，其合作伙伴与其自身发展状况的关系如表1所示。

表1　某原料生产企业发展状况与企业合作表

由表1可看出，该企业2014、2015年的研发和技术人员比重、产品质量、制造成本和产品利润都明显优于2013年，在整体经济下行压力较大的情况下，企业2015年各项数据与2014年基本持平，证明企业2015年竞争力要稍优于2014年。这种变化直接体现在其合作企业上：相较于2013年单一地与贸易公司进行合作，2014、2015两年该企业采用以企业间的直接合作为主，与贸易公司合作为辅的合作模式，具有明显的优势。

基于企业选择的合作模式与其自身实力拥有紧密的联系这一前提，本文以通过企业的合作模式来评判该企业的价值为基本思想，提出利用企业Rank值对企业的竞争力进行判断。企业Rank值通过与该企业建立合作的相关企业进行确定，值的大小直接反映相关企业与该企业进行合作的意愿，从而可评判该企业自身的实际价值。

3　数据来源及企业Rank值确定

3.1基于合同的数据来源及企业Rank值的初步计算

确定企业与企业之间是否建立合作关系，最为直接有效的证明就是双方之间签订的合同。因此，本文以合同作为构建产业链合作关系网络的数据来源。企业只需证明合同的真实性，即双方确实存在合作关系，以及提供合同生效的起止时间即可。双方的合作关系在合同期限内以实线连接，逾期不再合作则以虚线连接。则计算一个企业的Rank值的基本计算式为：

其中，R(A)为A企业的Rank值，α是实线权重，β是虚线权重，N是该行业进入ASP商务平台的所有企业的数量，d为阻尼系数，范围为(0,1)，R(T)是企业T的Rank值，且企业T与企业A建立合作关系。CAc(Ti)是企业Ti的实线连接数，CDo(Tj)是企业Tj的虚线连接数。n是与企业A建立合作关系的企业总数。m是与企业A曾经有过合作关系的企业总数。

由于企业之间的合作属于互利共赢的性质，买卖双方建立合作关系是建立在彼此认可的基础上。因此，实线或虚线的连接不存在指向性，任何一条线路的连接将同时影响双方的企业Rank值。在这种情况下，若采用式(1)进行计算，由于企业A与企业Ti的Rank值相互影响，将导致计算发散。因此，计算企业A的Rank值时，企业Ti的Rank值应取未与企业A合作时的Rank值进行计算，同理，企业Ti在计算Rank值时，企业A的Rank值也应取未与企业Ti合作时的Rank值进行计算。

因此，企业A的企业Rank值实际应为：

企业A的企业Rank值对企业Ti和Tj的企业Rank值的影响值分别为：

由式(2)、式(3)式联立可得：

则式(4)即为企业A的企业Rank值的基本计算式。

3.2数据源转化与映射关系确定

为了将数据源量化为可用数据，并对计算结果做精细化控制，需要建立细粒度的映射关系并确定转化算法。引入企业合作时间变量s，将企业合作记录作为数据源DA，则建立映射DA→DA(s)，且其中，s是合同自生效起至当前经过的时间，Ts是合同有效时间，ς((ss))是合同过期后虚线权重关于时间的函数。

通过对DA的量化可建立映射关系Ts→ε(h)，ς(s)→f(t)。f(t)的值随着合同失效时间而快速衰减，ε((hh)的)值与g(x)的值由企业之间合作的紧密程度确定：

4　算法实现与分析

山西某石灰生产企业A是一家新兴的高技术环保生产企业，与当地的传统企业存在长期竞争关系。下面利用企业Rank值排序法分别对A和某传统企业B进行分析。

企业A和企业B的Rank值计算步骤为：

步骤1：获取两企业与其他企业合作情况，记为

DAA和DAB，建立映射DA→DA(s)。

通过企业提供的证明，可得两企业自成立以来与其他的企业的合作情况如表2所示。

表2　企业合作情况

表3　权重及影响因子赋值

表4　企业A与企业B在相关企业合作中的占比

步骤2：对DA进行量化建立映射关系Ts→ε(h)，ς(s)→f(t)，确定f(t)、ε((hh)和)g(x)。

按照企业之间进行合作与相互认同度之间的关联度，给出相关权重及系数的值如表3所示。

通过获取企业合作数据，可求得企业A与相关合作企业同年的对外合作情况以及企业A在相关企业的合作中占据的比重如表4所示。

步骤3：利用式(11)计算企业Rank值。假设当前进入ASP平台的石灰生产企业为100家，则N=100。通过计算可得两企业的Rank值如表5所示。

表5　企业Rank值计算结果

通过对两企业历年Rank值比较可以看出，企业A的行业认同度不断提高，竞争力不断增强，逐渐超越B企业；而B企业的行业认同度提高缓慢，在2015年度甚至出现回落。通过对两企业的进一步调查可以得知两企业的基本情况如表6和表7所示。

表6　企业A基本状况

表7　企业B基本状况

通过表6和表7可发现，企业B成立时间较长，在企业A成立之初仍然具备一定优势。但是企业B采用土窑进行石灰烧制，技术落后，产品含钙量低、质量差，且达不到环保要求。随着采用新型环保工艺的企业A成立及发展，尤其是在淘汰落后产能的大背景下，传统企业B的竞争力处于明显劣势；相反，企业A采用新型环保工艺，产品质量高，且满足环保要求。因此在众多落后产能被淘汰改造的情况下，逐渐在石灰生产领域处在了明显的优势地位。2015年初，企业A已收购企业B部分业务。两企业的实际情况与利用企业Rank值排序算法所得出的结论一致。

5　结论

针对当前制造产业链中企业发掘并选择合作伙伴的需求，提出了基于ASP协同商务平台构建泛型产业链企业合作网络的方案。同时提出了泛型产业链合作网络中企业重要性评价算法（企业Rank值法），并验证了算法的有效性。方案利用大量企业间相互合作的意愿来确定企业的竞争力，简化了企业评价步骤，降低了利用单个企业指标进行企业评价的不确定性，提高了企业评价效率。通过与一般考核算法比较可以得出，企业Rank值法有如下两点优势：

1）数据获取方便：相较于一般算法复杂的数据源获取方式和复杂的考核指标数据的确定，企业Rank值法利用企业合作证明作为数据源，极大降低了数据获取的难度。

2）与一般算法针对单个企业的多项指标进行评价的思路不同，企业Rank值法采用大数据的分析思路，通过大量企业对单个核心指标——企业合作意愿对企业进行考核，不仅优化了评价结构，而且满足企业对合作伙伴进行快速挖掘与选择的需求。同时该思路也对相关问题的分析提供了参考。

[1] 李斌勇,孙林夫,田冉.基于SaaS的汽车产业链云服务平台多联盟考核体系[J].计算机集成制造系统,2014,20(11).

[2] 李斌勇,孙林夫,王淑营,等.面向汽车产业链的云服务平台信息支撑体系[J].计算机集成制造系统,2015,10.

[3] 国艳群,韩敏,孙林夫.开放SaaS产业服务平台模型与体系结构[J].西南交通大学学报,2014,49(6):1068-1072.

[4] 赵慧娟,唐慧佳,孙林夫.基于应用服务提供商的汽车产业链协同商务平台解决方案[J].计算机集成制造系统,2006,12(5):745-752.

[5] 王淑营.产业链协同商务平台动态数据交换技术[J].计算机集成制造系统,2010,16(6):1336-1343.

[6] 陈静,孙林夫.基于物元分析的产业链协同联盟盟员评价与优选模型[J].计算机集成制造系统,2009,15(9):1743-1748.

[7] 曾志斌,李言,朱文兴.基于工期约束的动态联盟伙伴选择[J].计算机集成制造系统,2006,12(8):1340-1344.

[8] 凌云,顾烨,魏贵义.动态联盟中伙伴选择的Top-k问题的优化算法[J].计算机集成制造系统,2010,16(3):650-658.

[9] 袁宇,关涛,闫相斌,李一军.基于混合VIKOR方法的供应商选择决策模型[J].控制与决策,2014,29(3):551-560.

[10] 李剑,景博,牛少彰,杨义先.基于自适应遗传算法的企业动态联盟伙伴选择模型[J].通信学报,2009,30(8):78-83.

[11] 刘琦,陈琼,韦司滢.基于多层灰色关联度的知识联盟伙伴选择模型[J].华中科技大学学报,2004,32(7):54-56.

[12] 王淑营.支撑产业链协同的SaaS平台自适应演化技术[J].西南交通大学学报,2012,47(1):39-45.

[13] 刘春玲,肖位春,黎继子,等.有限超储契约下集群式供应链跨链采购决策模型及算法[J].计算机集成制造系统,2013,19(5):1115-1126.

[14] 王淑营.产业链协同商务平台动态数据交换技术[J].计算机集成制造系统,2010,16(6):1336-1343.

[15] 刘强,王磊,陈新度,陈新.云制造服务平台的资源使用及访问控制[J].计算机集成制造系统,2013,19(6):1414-1422.

[16] 王时龙,郭亮,康玲,李强,宋文艳,陈桂松.云制造应用模式探讨及方案分析[J].计算机集成制造系统,2012,18(7):1637-1643.

[17] 郭伟,仝克宁,邵宏宇,王磊,郑庆.基于RS与AHP的中小企业云制造模式下多服务主体信用评价体系构建[J].计算机集成制造系统,2013,19(9):2340 -2347.

[18] 钱永杰,曹宝香.基于垂直搜索引擎的网页排序算法研究[J].电子技术,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] 李绍华,高文宇.搜索引擎页面排序算法研究综述[J].计算机应用研究,2007,24(6):4-7.

[21] 张苑苑,刘思峰,米传民,万寿庆.企业核心竞争力的动态不确定多尺度决策研究[J].控制与决策,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计划：汽车及工程机械多产业链业务协同服务平台研发（2013AA040606）；四川省科技支撑计划：汽车关键零部件及应用技术研究（2013GZX0141）

高琦（1990 -），男，山西人，硕士研究生，研究方向为机电一体化及产业链。