基于多属性决策的虚拟企业联盟成员网络中心性研究

宋丽丽　康鹏

〔摘要〕[目的/意义]创建综合网络中心性指标，对客观掌握网络节点的地位，制定、调整虚拟企业联盟策略具有重要意义。[方法/过程]以社会网络理论为基点，将企业联盟视为复杂社会网络，分析社会网络中心性属性特征，选取度数中心性、接近中心性、中介中心性为基本指标，并采用TOPSIS方法进行多属性决策，对虚拟企业联盟成员进行网络中心性研究。[结果/结论]克服了单一指标的局限性，为考察虚拟企业联盟网络节点的地位提供新方法，并对虚拟企业联盟提供相关对策建议。

〔关键词〕多属性决策；网络中心性；虚拟企业联盟；TOPSIS

DOI：10.3969/j.issn.1008-0821.2018.05.024

〔中图分类号〕F2724〔文献标识码〕A〔文章编号〕1008-0821（2018）05-0152-06

〔Abstract〕[Purpose/Significance]It is of the importance to establish the comprehensive network centrality index to objectively master the status of network nodes，and adjust virtual enterprise coalition tactics.[Method/Process]By using social network theory as the base point and regarding enterprise coalition as complex social network，this paper analyzed social network centrality attributive characters with degree centrality，closeness centrality，and betweenness centrality as the evaluation index，and used TOPSIS method to make multi-attribute decision-making and research on network centrality of virtual enterprise alliance members.[Result/Conclusion]By overcoming the limitation of sole index，this research provided a new method for inspecting the status of enterprise coalition network nodes and provided relative countermeasures and suggestions for virtual enterprise coalition.

〔Key words〕multi-attribute decision-making；network centrality；virtual enterprise coalition；TOPSIS

當今时代，国内外经济环境的不安定因素越来越多，对企业生存和发展提出了更高的要求。企业特别是高新技术企业为了提高竞争能力、高效应对市场，往往需要借助于其它企业的力量，构建企业联盟已成为越来越多的企业合作的新模式。企业联盟是虚拟组织，这一概念由Preiss、Goldman等专家于1991年在《21世纪制造企业研究：一个工业主导的观点》报告中首次提出，之后便得到迅速发展[1]。虚拟企业联盟是指为提高企业的创新能力和市场应变能力，优化资源配置、提高信息效率，通过网络连接在一起的异地异构的特殊组织。联盟组织中的各个企业之间彼此独立，通过合作突破自身的组织界限，进而共享信息资源，达到互惠互利的目的[2]。虚拟企业联盟中的成员之间的合作关系是虚拟企业联盟存在的基础，成员不仅是资源的投入主体也是联盟创新成果的应用主体，每一个成员在联盟中的主体作用各有不同，如何衡量这种作用，进而考察联盟中成员的地位、适应度，对虚拟企业联盟来说尤为重要。

近年来，国内外的学者对虚拟企业联盟的研究投入相当大的精力，从不同的视角对企业联盟进行分析，其中社会网络理论认为，企业联盟是种社会网络，并且随着企业间合作规模的扩大以及合作业务的深入，企业联盟已逐渐成为复杂的社会网络系统。

本文在现有社会网络研究基础上，着重对企业联盟网络内部节点企业的中心性进行研究。从社会网络分析原理入手，利用网络结构的多种中心性属性作为基本指标，采用TOPSIS方法进行多属性决策，构建虚拟企业联盟成员的综合中心性指标，进而考察成员企业在联盟中的地位、作用以及适应程度，为联盟的调整、重组及企业的再选择提供依据。此方法既打破了以往多采用经济类指标作为评价指标的局限性，又克服了单一指标的片面性，丰富了虚拟企业联盟节点考察体系，并使结果更加客观全面。

1社会网络分析的中心性指标

社会网络分析是将研究对象个体和组织及其间的社会关系看作是一种可视化网络，通过图论、数学模型以及软件分析等不同工具对网络的关系数据进行剖析，进而揭示网络结构特征的一种分析方法。社会网络分析正是通过多种指标和工具，不仅将研究对象进行可视化描述，还能揭示网络中节点及其相互关系特征[3]。其中中心性分析是社会网络分析中重要和常用的概念工具。

11关于网络中心性的相关研究

Wasserman S等学者的研究表明，网络中心性可以用网络中的个体所拥有的连接数目来体现，数目越大表明个体在此网络中的人际关系越广泛，即网络中心性越强[4]。Brass D J认为网络中心性作为表示个体在网络中结构位置的重要指标，在一定程度上反映其在网络中的声望或受欢迎程度[5]。Perry-Smith J E等认为个体的网络中心性不仅仅是一个结构属性，同时也是个体在社会网络中的影响力指标，反映了个体对网络中资源的掌控状况[6]。

有些学者将网络中心性应用于某些领域，研究个体对网络中资源的掌控能力。管玉娟采用社会网络中心性分析方法确定供应链网络中的核心企业[7]。李纲等运用合作网络中心性指标对科研团队学术带头人的胜任特征进行测试[8]。施杨等通过网络中心性研究发现团队知识扩散的深度和广度与组织成员中心性显著正相关[9]。王学东等应用社会网络中心性分析，得到了可以表征学术博客知识交流网络的分析数据[10]。赵云辉等研究网络中心性等指标与知识创造之间的相互关系[11]。

12网络中心性及其量化含义

中心性是社会网络结构的重要属性，反映的是节点在社会网络结构中的位置或优势的差异。常用的中心性指标有3种：度数中心性、接近中心性和中介中心性[12]。为描述3种中心性，用G=（V，E）表示企业联盟网络，V是节点集，E是边集，并用n表示节点数目。

121度数中心性

度数中心性指网络中节点的连接数，测量的是企业联盟中节点企业的合作伙伴数量，是最直接地反映节点在联盟网络中位置重要性的指标，它表示企业控制资源的数量。

CDi=degi（1）

其中CDi表示中G节点i的度数中心性，degi为节点i的连接数，此度数为绝对中心性，没有考虑网络规模，为此构建相对度数中心性C′Di：

C′Di=CDin-1（2）

此值越大说明该节点企业在联盟网络中地位越显著，具有更大的权势协调其它企业的利益和冲突。

122接近中心性

接近中心性指一个节点与网络中其它节点的距离之和，测量的是企业联盟中节点企业的接近程度，反映了节点企业接触网络中信息和资源的便捷程度。

CFi=∑nj=1diji≠j（3）

其中CFi表示G中节点i的接近中心性，dij为节点i和节点j之间的最短距离，显然值越小表示此节点与其它节点越接近，构建相对接近中心性C′Fi：

C′Fi=（n-1）CFi（4）

式中字母含义同上。

值越小的节点企业越能较快地掌握整个网络的市场信息，更具有核心企业的潜力。

123中介中心性

中介中心性指经过某节点且连接其它节点的最短路径数与这两点之间全部最短路径数之比，测量的是节点控制其它节点交流信息的程度。

CBi=∑j≠k≠igjk（i）gjk（5）

其中CBi表示G中节点i的中介中心性，gjk表示节点j和节点k之间的最短路径数，gjk（i）表示gjk中经过节点i的数目，其相对中介中心性C′Bi：

C′Bi=CBi/[（n-1）（n-2）/2]（6）

值越大说明该节点企业在联盟网络中对信息的协调作用越强，在网络中处于枢纽地位。

从以上分析可以看出，每一种中心性表示的是某一方面的网络结构特征，单独使用某一个中心性指标考察网络节点会得到不同的结果，不能全面反映企业联盟网络中节点的综合重要性，需要将3个中心性综合考虑，进行多属性决策。

2基于TOPSIS方法的企业联盟网络节点中心性指标构建

TOPSIS（Technique for Order Preference by Similarity to Ideal Solution）是多属性决策分析中常用的一种方法，其基本原理是通过测量评价对象与最优解、最劣解的距离来进行排序，如果评价对象远离最劣解，则较优，距离最大者即为最优解；相反，如果评价对象接近最劣解，则较劣，距离最小者即为最劣值，此方法又称优劣解距离法[13]。

21TOPSIS方法的基本算法

211建立规范化决策矩阵

根据各指标值得到初始化矩阵R。

22基于TOPSIS方法的网络中心性指标

将社会网络分析的度数中心度、中介中心度和接近中心度作为TOPSIS初始矩阵的指标，最终得到的贴近度可以作为一个新的网络中心性指标，用此指标对网络的节点进行研究，可以更客观地衡量节点在该社会网络关系中关系的紧密程度，反映节点在社会网络地位的重要程度，用以识别重要节点，避免单一指标的片面性[14]。

3基于TOPSIS方法的网络中心性指标在虚拟企业联盟中的应用

近年，辽宁省政府相关部门发起成立了多个省级产业技术创新联盟，这种政府主导的企业联盟常会出现参与主体并未意识到自身积极投入和参与联盟发展的重要性，或者一些参与的主体合作中互相的信任度比较低，导致联盟没有達到当初设计的效果，此时相关部门需要对联盟整体有客观了解，对联盟的成员进行有效的识别，为联盟的调整和重组提供依据。

31虚拟企业联盟合作网络构成

社会网络由节点和关系构成。虚拟企业网络中节点即为联盟中的所有成员企业。关系这里我们界定为合作关系，利用专家法及企业调查问卷法，根据企业间合作的内容及深度将合作进行类型的划分，并赋予不同的重要度等级，见表1。

33建立规范化决策矩阵

根据TOPSIS法对指标单调性的要求，利用式（7）对CFi指标进行处理，3个指标即满足单调统一。将初始矩阵进行规范化处理后得到矩阵S，关于指标权重的确定有很多方法，如专家法、综合模糊评价法、熵权法等，在本次应用中，通过企业专家与科研专家共同确定权重，进一步得到矩阵V，以及最优方案V+和最劣方案V-。

34求最优解向量、最劣解向量及贴近度向量

根据式（12）～（14）求得最优解向量D+、最劣解向量D-以及贴近度向量B。

根据联盟网络中各节点的贴近度值，可以将其作为一个综合性的中心性指标，方便有效地对虚拟企业联盟成员进行网络中心性分析。其中C2节点企业的贴近度最高为1，是联盟网络中最核心的节点，该企业拥有网络中最强的度数中心性、接近中心性以及中介中心性，在现实中C2企业是此虚拟企业联盟的主导企业，参与该联盟的所有项目，代表并组织联盟成员进行项目的谈判与计划工作，并与大部分联盟成员有合作关系，掌控着联盟网络的大部分资源并起着协调其它成员的作用，是联盟网络的桥梁和枢纽。C9、C5、C14拥有较高的贴近度，在网络中的地位也相对较高，在现实联盟运作中担负着某方面重要的任务或者局部的协调作用，比如C14成员是物流企业，承载了联盟中大部分项目的物流任务，并积极开展多级联合库存模式，降低联盟库存成本。C16、B2、A3、C22节点的贴近度比较低，与最优方案的距离较大，其中A3节点的接近中心性最弱，C22的结点中心性以及中介中心性都是最弱，通过调查发现C22企业本身有自己的技术优势，但这种优势与联盟的主体项目之间存在一定的偏差，而该企业又未能将自己的技术信息发布，造成在企业联盟网络中处于边缘地位。

另外科研单位A1、A2、A3和高校B1、B2的贴近度均小于05，是由于本身的特殊性造成的，学研单位在企业联盟中以技术创新、技术指导、成果推广为主要任务，不需要与更多的节点有直接的合作关系，对整个联盟网络中的资源以及交流信息的控制作用有限，但贴近度仍然能反映出学研单位在整个联盟网络中相对的重要程度，这里A1和B1贴近度值较大，二者参与了联盟较多的项目研发工作，而有些学研单位在联盟中的作用不明显。

4结论与建议

随着虚拟企业联盟数量的不断增长和联盟形态的不断演化，对联盟成员的中心性进行测算具有重要的现实意义。传统的利用经济数据进行测算的方法存在数据获取困难、数据量巨大、指标选取不统一等弊端。本文利用虚拟企业联盟的网络特征，以社会网络分析的度数中心性、接近中心性和中介中心性为基本数据，运用TOPSIS方法进行处理，得到网络节点的综合中心性指标。将此指标应用于虚拟企业联盟，对联盟中的成员进行权力与地位的比较，克服单一中心性的局限，为虚拟企业联盟决策提供更可靠的依据。

41提高虚拟企业联盟企业成员的合作意识

虚拟企业联盟由于成员企业的虚拟性、分散性、风险性等特点，有些成员可能会对合作有些担忧，特别是政府主导下的联盟组织成员，有些并未意识到自身积极投入和参与联盟发展的重要性，“搭便车”现象也时有发生，这样会严重阻碍企业联盟创新能力的提升，也不利于联盟成员企业的成长，此时需要主导者提高虚拟企业成员的合作意识，可利用中心性指标定期对其进行评价，明确其在联盟中的地位及发展潜力，并积极为其创造合作机会。

42持续增强虚拟企业联盟核心企业优势

通过中心性指标找出处于核心性地位的企业，该企业综合了位置优势、中介优势以及接近优势，在联盟中具有一定的威望，其它企业为了自身的发展也一定会与该企业主动寻求合作机会，这样其它企业会凝聚在核心企业周围，使核心企业短期内获取较多的异质性创新资源，在联盟中的优势地位也更明显。同时该企业应不断审视进而调整自己在网络中的位置，避免累积较多的冗余信息而影响企业优势。

43为联盟成员企业寻求能力提升提供途径

通过中心性指标可以看出，虽同处于一个联盟网络，但在网络中的地位差别很大，处于劣势地位的成员企业，为了利用企业联盟提升本企业的能力，可通过中心性指标快速找到联盟内的核心企业并分析其拥有资源类型，立足本企业从外延合作开始逐步向内涵式合作推进，扩大与核心企业进行信息资源共享的广度与深度，最终提升本企业的能力。同时争取使自己占据联盟网络中的有利位置，方便获取更多的信息资源，努力成为核心成员。

44实时监督联盟成员中心性变化，确保联盟健康发展

对于中心性指标过高的联盟成员，容易使其它成员形成对其的依赖性，如果这种依赖性过强，造成核心企业的不可替代性，这种不可替代性可能会对其他企业以至整个联盟带来一定的风险，因此有必要对联盟成员的中心性变化进行监督，以确保联盟健康发展，不断提升创新能力。

本研究存在一定的局限性，首先指标的选取不够丰富，仅考虑网络节点之间的连接属性，下一步工作计划引入网络子群重叠度指标，因为对于复杂网络会产生较多的合作派系，而派系之间存在一定的重叠，节点可能同时存在于不同的派系之中，此时对重叠度的测算可以用来评价节点的权力和地位；其次在权重的确定上过于主观，希望能够结合社会网络分析特点以及问题研究重点，寻求定性与定量相结合的确定权重的方法，使研究更客观、完善。

参考文献

[1]Preiss K，Goldman S L，Nagel R N.21st Century Manufacturing Enterprises Strategy：An Industry-Led View[R]. Iacocca Institute， Lehigh University，1991.

[2]曲靖野，张向先，孙笑宇.虚拟企业联盟信息生态系统构建研究[J].情报科学，2015，33（5）：28-32.

[3]刘军.社会网络分析导论[M].北京：社会科学文献出版社，2004：4-9.

[4]Wasserman S，Faust K. Social Network Analysis：Methods and Applications[M].Cambridge University Press，1994.

[5]Brass D J.Being in the Right Place：A Structural Analysis of Individual Influence in an Organization[J].Administrative Science Quarterly，1984，29：518-539.

[6]Perry-Smith J E，Shalley C E.The Social Side of Creativity：A Static and Dynamic Social Network Perspective[J]. Academy of Management Review，2003，28（1）：89-106.

[7]管玉娟.基于社會网络中心性分析的供应链网络核心企业选择[J].商业经济研究，2015，（22）：19-20.

[8]李纲，刘先红.基于合作网络中心性指标的科研团队学术带头人识别研究[J].科技管理研究，2016，（8）：127-132.

[9]施杨，李南.研发团队知识交流网络中心性对知识扩散影响及实证研究[J].情报理论与实践，2010，33（4）：28-31，37.

[10]王学东，杜晓曦，石自更.面向学术博客知识交流的社会网络中心性分析[J].情报科学，2013，31（3）：3-8，16.

[11]赵云辉，崔新健.社会资本、组织学习与知识创造关系研究——基于一种文献计量的元分析方法[J].现代情报，2014，34（4）：112-116，120.

[12]林聚任.社会网络分析：理论、方法与应用[M].北京：北京师范大学出版社，2009：105-114.

[13]于会，刘尊，李勇军.基于多属性决策的复杂网络节点重要性综合评价方法[J].物理学报，2013，62（2）.

[14]彭丽徽，李贺，张艳丰.基于SNA与模糊 TOPSIS的网络舆情关键节点识别分类模型研究[J].现代情报，2017，38（8）：17-25.

（实习编辑：陈媛）