基于犹豫模糊语言的企业合作伙伴选择研究
2020-04-02盛永祥施琴芬
陈 璐，吴 洁，胡 俊，盛永祥，施琴芬
(1.江苏科技大学经济管理学院，江苏镇江 212003；2.苏州科技大学商学院，江苏苏州 215009)
1 研究背景
随着经济与科技全球化进程的加快，技术创新在经济发展中的作用日益凸显。促进技术创新上下游之间的对接耦合，实现技术创新必要生产要素的优化组合，进而提升企业的竞争力。推动企业与高校的合作是整合产业技术创新资源，引导创新要素向企业集聚的迫切要求，也是企业提高创新能力、降低创新成本和创新风险的重要途径。然而，应当注意的是，虽然企业与高校合作会为企业带来更大的发展机会，但由于合作的复杂性，在实际的合作过程中失败率高达50%～60%。企业为了获得更先进技术进行创新，需要选择合适的合作伙伴进行合作。选择最优的合作伙伴有助于促进企业的专利创造，进而提高其价值创造的能力。
企业技术需求大，拥有资金等优势，往往能更加快速地捕捉技术市场的发展机遇，但由于自身研发水平及知识资源的有限，需要具有更多知识资源的高校提供技术支持，因此，企业在合作伙伴选择中处于主导地位，高校则处于被动地位。在进行合作伙伴选择时，往往是由处于主导地位的一方主动去选择处于被动地位的一方。对于合作伙伴的选择，已有较多学者进行了定量研究。姚升保[1]考虑了评价指标间的关联性，提出通过模糊组合决策方法解决产业技术创新联盟的合作伙伴选择问题。韩莹等[2]基于Hotelling博弈模型，考虑产业集群中隐性契约的约束，研究了不同阶段集群企业间的伙伴选择机制。徐雷等[3]基于伙伴选择视角，对产学研协同创新的影响等进行了研究，指出伙伴选择能显著影响产学研协同创新绩效。戴军[4]改进了布谷鸟投影寻踪算法，解决了合作伙伴选择的优化问题，提高了伙伴选择最优解的效率。
发明专利授权数量是衡量知识主体价值的重要指标。然而，专利价值不仅要以专利数量衡量，还要以专利质量来衡量，而且专利质量对于企业专利价值的评价更为重要。但是由于缺乏专利公开交易的数据，相较于市场上有形资产的确定价格，专利质量不能通过精确数字来衡量其价值，往往缺乏对专利质量的客观评估。由于决策问题的复杂性和不确定性，以及人们思维的局限性，决策者往往无法用精确的数值表示某些决策信息，即无法合理量化决策信息，只能进行定性描述。例如，当决策者评价一个企业的ERP优劣程度时，与明确的数值形式相比，用“很好”“好”“一般”“差”或“很差”等语言来表示更符合决策者评价时的思维方式及对事物的认知。对于语言形式的决策问题已有较多的研究。而犹豫模糊语言能够更灵活准确地表达人们的决策观点，很多学者对犹豫模糊语言的性质及方法进行了深层次的研究。加州大学学者Zadeh[5]最早提出了模糊集(Fuzzy Sets，FSs)，将集合隶属度的经典双值逻辑扩展到区间，并超越了数学几乎不能研究不确定性现象的局限性。Torra等[6-7]提出了另一种广义形式的FSs，它由一些犹豫模糊集(Hesitant Fuzzy Sets，HFSs)组成。Lin等[8]在HFSs的基础上引入了犹豫模糊语言集(Hesitant Fuzzy Linguistic Sets，HFLSs)的概念，决策者可以通过HFLSs在更灵活的语言中表达语言变量。
在企业对合作伙伴专利价值的评价过程中，由于人类思维的模糊性，决策者的知识和经验对决策产生巨大的影响，犹豫模糊语言(HFLSs)能够更准确地反映决策者在评价高校专利价值的语言变量。因此，本文从专利价值角度出发，以比亚迪汽车为例，利用犹豫模糊语言评价新能源汽车领域内相关高校的专利价值，研究企业的合作伙伴选择问题，为企业的合作伙伴选择提供一种有效方法。
2 预备知识
2.1 犹豫模糊语言
犹豫模糊集中元素的隶属度是区间的一个子集，因而其可以解决实际问题中由于决策者的犹豫不决而导致的信息不确定性及信息不精确性。
定义1[9]设X为一个论域，其中犹豫模糊元hA(x)表示论域中X的元素x的可能隶属度的集合，且这些可能隶属度都是[0,1]的子集。则X中的犹豫模糊集A定义为：
犹豫模糊语言(HFLSs)的概念是模糊数(FN)和犹豫模糊集(HFSs)概念的延伸。犹豫模糊语言的基本定义及其运算如下：
定义2[8]S={s0,s1,…,si}是一个由l+1个语言术语组成的语言评价集，si代表一个语言变量的可能值，而奇数l+1被称为语言术语集S的粒度，在实际的决策中，l+1通常取3，5，7等。
任何语言集都应该满足以下条件。
(1)有序性：如果si>sj则i>j(即si优于sj)；
(2)最小值：如果si≤sj(即si不优于sj)，则min(si，sj)=si；
(3)最大值：如果si≥sj(即si不劣于sj)，则max(si，sj)=sj；
(4)逆运算：neg(si)，且i+j=l。
令sα，sβ∈S，则运算规则如下：
(1)sα⊕sβ=sα+β；
(2)sα⊗sβ=sα×β；
(3)λsα=sλα，λ>0；
(4)(sα)λ=sαλ，λ>0。
定义3[8]设X为一个论域，S={s0,s1,…,sl为语言评价集，则A={〈x，sθ(x)，hA(x)〉|x∈X}称为论域X上的犹豫模糊语言集(HFLSs)，其中a(x)=〈sθ(x)，hA(x)〉〉记为犹豫模糊语言变量(HFLV)，hA(x)表示集合X中的元素x隶属于语言评价值sθ(x)∈S的可能隶属度的集合，且这些可能隶属度都是[0,1]的子集。
定义4[8]设a=
两个犹豫模糊语言的距离定义如下：
2.2 灰色关联度
对于一个多方案的多属性决策问题，评价指标的确定十分重要。灰色关联将定性分析和定量分析相结合，是灰色系统理论的一个重要组成部分，其可以克服主观或客观权重的不足，现已被广泛应用于各个领域，以有效地衡量多个数据序列之间的关系，并确定标准的权重。Chen等[11]考虑了模糊权重与模糊灰色关联系数的高相关性，并对灰色关联分析方法进行了改进。Zhou等[12]提出了基于灰色关联模型的新型灰色预测模型。Lin等[13]使用灰色关联分析来测量任意两种模式的相似度以适应粗糙集。
通过灰色关联分析确定权重的方法如下：
然后计算关联系数：
取分辨系数ρ=0.5。
通过公式(2)得到灰色关联度判断矩阵：
2.3 几何Bonferroni Mean(HFLWGBM)算子
Bonferroni[14]提出的Bonferroni Mean(BM)算子是一种集成算子，它能够反映数据间相互影响及相互依赖的关系特性。Xia等[15]结合Bonferroni Mean (BM)算子与几何平均(GA)算子，提出几何Bonferroni Mean (GBM)算子来计算综合评价值。
定义6[15]令p，q>0，ai(i=1，2，…，n)是一个非负实数集合。则GBM算子的定义如下：
(4)
2.4 犹豫模糊语言加权几何Bonferroni Mean(HFLWGBM)算子
在犹豫模糊语言环境中扩展GBM算子。根据定义1和定义2，给出HFLWGBM算子的定义如下：
利用HFLWGBM算子集成的评价信息仍是犹豫模糊语言变量，则：
3 案例分析
2010年国务院发布了《关于加快培育和发展战略性新兴产业的决定》，将新能源汽车产业与节能环保等其他产业共同列为中国七大战略性新兴产业。这既有利于缓解能源和环境压力，推动汽车工业转型升级，也是培育新经济增长点，抢占新一轮科技创新制高点的战略举措。新能源汽车作为战略性新兴产业之一，自2009年1月以来，中国实施“十城千辆”的新能源汽车政策，发展迅速。由于汽车升级带来的机遇和这些机会的巨大回报，汽车制造商们正在争夺日益增长的新能源汽车市场。中国是世界上最大的新能源汽车市场，中国汽车技术研究中心2016年7月的数据显示，中国已经注册了200多家新能源汽车企业；全球市场份额已超过50%。
比亚迪股份有限公司是从电池研发生产的业务发展起来的企业，从进军汽车领域起就着手布局新能源产品，现已掌握了领先对手的核心三电技术，还攻克了新能源汽车领域的关键技术难题——IGBT，打破了国际巨头的技术垄断。其综合技术和产品设计方面优势带来的直接效益就是生产成本下降与生产质量提升，形成了行业内无可替代的竞争壁垒。作为新能源汽车的引领者，比亚迪依靠自身的资源整合能力，已经实现了从原材料、电池生产、整车制造到销售终端最长的全产业链布局。得益于技术创新的红利，比亚迪已连续四年蝉联全球新能源汽车销量第一，在2018年52万辆的总销量中，新能源汽车占比约为24.7万辆，超过了国际新能源巨头特斯拉。
尽管目前比亚迪具有较大发展优势，但其面临的挑战还有很多。首先，2018年比亚迪销量同比增长22%，利润下降33%，成本压力巨大；其次，新能源汽车的质量问题频发，尤其是电池的续航能力；第三，虽然国家在补贴、税收、牌照及限行等方面对新能源汽车提供了极大的优惠，是新能源汽车发展的有力辅助，但随着新能源汽车的日益普及，从2017年开始政策性补贴已经开始退坡，2018年的财政补贴更是整体下降超30%，新能源汽车与传统燃油汽车的竞争正逐步从“政策导向”过渡到完全的“市场导向”；第四，比亚迪并非是新能源汽车领域的唯一企业，许多传统车企也加入到了这一领域中，近年来，北汽、吉利长城以及长安都在计划推出新能源汽车。这意味着，新能源汽车市场日趋成熟，未来新能源汽车的发展要大力发展技术，在激烈的竞争中需靠技术取胜。比亚迪目前需要做的就是寻求高校的合作，突破技术上的局限以继续保持已有竞争优势。
3.1 方案选择
综合考虑合作可能性及高校在新能源汽车领域的技术和专利，从开展具有前沿性、前瞻性的科学研究和具有应用基础的关键共性核心技术研究的高校中选择5家高校来评价他们的专利价值，分别是重庆大学(A1)、吉林大学(A2)、同济大学(A3)、清华大学(A4)、武汉理工大学(A5)。
(1)重庆大学。重庆大学建立了新能源汽车实验平台，主要研究领域在新能源汽车混合动力控制、高安全性动力电池系统集成技术及动力耦合系统构型等方面，目前已经开展了混合动力系统在电动汽车整车测试评价体系的研究。
(2)吉林大学。吉林大学在我国汽车工业领域属于老牌强校，其车辆工程学科很早就被确立为国家级重点学科，在汽车工业学科领域具备领先实力，基础研究和原始创新能力突出、技术储备丰富、人才优势明显。
(3)同济大学。同济大学的新能源汽车工程中心是教育部指定的工程研究中心。也是上海市电动汽车工程技术研究中心，该平台的发展目标是占领新能源汽车领域的技术制高点，依托同济大学及其汽车学院的巨大优势，在基础科研方面较为突出，科技成果转化率较高。
(4)清华大学。清华大学在新能源汽车领域拥有两个国家级重点科研机构，在车辆动力工程科学研究与技术开发领域具备领先实力。我国第一批燃料电池混合动力城市客车即为该机构研制，目前正在突破锂电池系统安全及锂电池系统集成关键技术。
(5)武汉理工大学。武汉理工大学与武汉市政府联合成立了武汉新能源汽车工业技术研究院，致力于新能源汽车关键技术研发、孵化及其产业化，重点进行新能源汽车整车设计与开发、电池及动力系统、电子控制等领域的研究。
从Patsnap数据库中检索新能源汽车领域5家高校近20年的相关专利数据如图1所示，清华大学是领域内拥有发明专利授权数量最多的高校，而同济大学的发明专利授权数量较少，吉林大学近两年的发明专利增速较快，重庆大学与武汉理工大学的发明专利授权数量及其增长趋势接近。总体来看，各高校的发明专利授权数量趋势大体一致。
图1 5家高校在新能源汽车领域的发明专利授权数量
发明专利授权数量不能完全代表知识主体的专利价值，还需要通过对专利质量的评价来判断知识主体的价值。决策者通过犹豫模糊语言(HFLSs)评估方案Ai， 设语言集S={s0，s1，…，sl}={非常差，差，稍差，一般，稍好，好，非常好}。
3.2 评价指标
根据Fischera等[16]的实证研究，本文选择权利要求(C1)、一般性 (C2)、专利年限(C3)、专利族大小(C4)、引用数 (C5)等为高校的专利价值评价指标。
(1)被引次数C1。专利的引用情况能够揭示专利之间的相互联系，专利的被引次数反映了专利的重要性及其对其他专利的新奇性的限制程度，是专利技术水平和价值的重要反映。高校的专利被引次数越多，说明专利所蕴含的技术水平越高，其价值也相应越大。
(2)专利族规模C2。专利族规模代表了知识主体专利申请领域的广度，可以用来了解知识主体的潜在布局市场；由于专利申请和维护费用相对高昂，例如翻译费、专利代理人申请费、考试费等，若高校对专利的布局较为完整，其专利族规模越大，则越能反映该专利的潜在价值。
(3)权利要求C3。权利要求是对专利或专利申请在科学术语上的保护范围的界定，对专利申请和专利诉讼具有重要的影响。因此，将专利与所谓的优先技术分开的限制越少，就越有价值。
(4)一般性C4。专利的影响程度和重要性可以用一般性来表达。如果专利具有较高的通用性，则说明该专利在许多领域影响了后续的技术创新。
(5)专利年限C5。专利的时代是有限的。随着专利年龄的增长，专利申请范围在一定期限内增加。但超过一定限度后，专利会随着时间的推移逐渐失去其财产的价值，专利时代越长，专利的潜在技术就越有可能被淘汰。
3.3 决策过程
表1 决策矩阵
步骤1：计算得比较序列：
步骤2：通过式(1)得到距离矩阵如下：步骤3：通过式(2)得到判断矩阵如下：
步骤5：令p=q=1，以a1为例，通过HFLWGBM算子集结犹豫模糊语言信息的计算方法为：
表2各方案的期望值
通过计算得到各方案的排序：A3A4A2A5A1。即同济大学是比亚迪的最优合作伙伴。
根据评估结果，可以知道同济大学在专利族规模和专利一般性方面都很好；很明显，由于同济大学在新能源汽车领域的专利布局，其在未来有着广阔的发展前景。另一方面，虽然清华大学的发明专利授权数量很大，知识共享程度较好，但是其收益分配系数不是很合理，对于风险的厌恶程度较低，且专利族规模相比于同济大学较为薄弱。因此，清华大学的综合评价低于同济大学。综合多方面因素，比亚迪应该选择具有更高知识价值和广阔前景的合作伙伴。
4 结论
通过犹豫模糊语言对新能源汽车领域主要的高校(重庆大学、吉林大学、同济大学、清华大学及武汉理工大学)进行评估，对各高校进行排名，并为比亚迪选择最优的合作伙伴。评价结果表明，同济大学是比亚迪的最优合作伙伴。
同济大学建有国内第一个汽车整车风洞科研平台，拥有新能源汽车及动力系统国家工程实验室、国家燃料电池及动力系统技术研究中心。围绕新能源汽车的研究开发工作，设置有动力平台集成、电驱动、电子信息、燃料电池系统和新能源/新材料五个专业部门，建立了包括纯电动汽车、混合动力汽车、燃料电池汽车在内的新能源汽车动力系统技术平台，同时还在燃料电池用氢能源及其他车用先进替代清洁能源技术领域内取得了重要突破。同济大学在新能源汽车研发方面取得标志性科研成果，目前在技术上主要攻克的方向是高功率、高能量密度的电池；还在智能化领域研究整车平台化，实验分布式驱动电动汽车；同时也在进行智能辅助驾驶的研发等，为国内新能源汽车重大战略需求提供了强有力的科技支撑。比亚迪与同济大学进行协同创新，在商业模式和服务方面找到适合电动化和智能化发展的有利技术。双方的合作能够优势互补，进一步促进新能源汽车领域的技术创新，特别是比亚迪能够充分利用同济大学的整合平台、技术等方面的优势，对未来的产品布局更有利。
技术先进性和成果转化能力是企业核心竞争力的重要体现。企业在选择合作高校的时候要充分考虑高校的价值，通过相关指标判断其专利价值，以有效评估高校的科研创新能力。对于高校专利价值指标的评价中，需要在充分了解高校各方面信息的基础上，使用更能体现决策者心理不确定性的犹豫模糊语言对高校的专利价值进行评价，寻找满足企业前沿科技技术需求的高校，建立起良好的校企合作关系，实现研发资源及相关技术的共享、优势互补，为企业赢得知识优势，以促进企业的技术创新。
