小家电企业联盟决策系统规划

刘荣新 丁怡 刘靖鑫 刘广彬 潘烷诗

摘要：企业联盟是多个企业为了更好的生存和获得更大的利润从而构建而成的一个共同体。联盟内部的管理状况关乎到企业联盟的生命周期长短，即是代表着这一企业联盟是否可以在市场上生产。本文以贝叶斯网络模型为基础，利用Netica软件对模型进行仿真研究，建立以企业联盟相关节点的贝叶斯网络模型。本文分析了企业联盟具有的一般特征，确定八个节点，利用数据挖掘对数据进行收集和分类，通过可拓学理论转化为可拓数据，建立可拓数据库，根据贝叶斯网络因果关系建立父节点和子节点。通过分析贝叶斯网络中各个因素对企业联盟生命周期的影响，确定影响联盟生命周期的主要因素。本文是对2009-2019年间成立的1061个联盟进行调查，研究数据是来自于中国科技产业技术联盟2009-2019年间的记录，本文研究对企业联盟生命周期进行了一定程度的研究，为企业选择联盟提供了有效的依据，对联盟发展有一定的参考价值。

关键词：贝叶斯网络;企业联盟;决策系统;可拓学理论

1 研究目的

随着近年来我国发展成全球第一制造大国，小家电生产已具有产业集群效应，但是依然存在着高投入低产出的情况。与此同时，小家电生产还存在着劳动力成本越来越高，工厂地租逐渐上涨等问题导致生产成本越来越高[1]。为追求更高的利润，企业纷纷通过改善与结盟进行提高企业生命力。于是企业联盟应运而生。

企业联盟从本质上看就是一个复杂的有机系统，是具有客观生命周期的。通过调查了2009-2019年间形成的1061个ICT联盟，研究数据是2009-2019年之间的记录，来自于中国科技产业技术联盟。企业联盟的稳定性与活跃性代表着这个联盟是否值得企业加盟，我们的项目就是通过贝叶斯网络进行建造模型对已有联盟进行生命期分析。

2 方案思路

通过数据挖掘进行收据收集与分类，通过可拓学理论转化为可拓数据，并建立可拓数据库，通过贝叶斯网络父节点与子节点的因果关系、相关度匹配计算，最后提供出客观的方案。可拓学对事物的表述主要采用基元的形式，它主要包括物元、事元与关系元。最常用的是物元模型，其定义为：给定事物名称，关于特征C的量值为v，并以有序的三元组作为描述事物的基本元，简称物元，记为R，表示为。二元组称为N的特征元。

应用方法：

（1）贝叶斯网络是以贝叶斯方法为基础，将变量的因果关系转变成一个带有概率的网络结构图，可以发掘隐藏在数据中的信息，进行不确定性知识的表达及推理，是到目前为止处理不确定性分析和推理的比较有效的方法之一。（2）可拓物元方法是通过建立多指标性能参数的综合评判物元模型来描述矛盾问题，通过建立关联函数对事物质变和量变过程进行定量描述，以定量的数值表示评定结果，能较完整地反映被评价对象的综合水平。

3 解决方案：基于贝叶斯网络决策系统构建

通过Netice软件进行贝叶斯网络模型构建[2]，对企业联盟分类的数据进行输入，并做离散性分析，将企业联盟等级分为4个等级，分别是杰出的（Distinguished）、成熟的（Proficient）、边缘性的（Marginal）、不可接受的（Unacceptable）。通过对贝叶斯网络模型的调整，输入数据得出测试决策系统的稳定性与可行性初始状态如图1所示：

假设状态是发生在小型联盟当中[3]，当联盟积极程度为66-335，联盟董事召开会议的频率是0-30次，退税水平在50-100%，研发经费在41-143，209万元，技术专利在0-40个，人才增长率为20-30%，发展新技术水平为大于0-15%。在这些证据支持下，贝叶斯网络模型给出的该联盟最有可能是处于不可接受联盟，活跃程度低下，概率占30.4%，第二个可能性是边缘性联盟，联盟活跃程度不高，概率为28.2%，同时假设将研发经费设定在21-31等级上，会议召开频率设定在60-90上，联盟的稳定性等级如图2所示结果。

如果在大型企业联盟中，董事会会议召开频率在0到30，联盟积极活跃度是66到335，退税水平在50到100，活动经费在21到31，新技术发展等级在0到15，技术专利是0到40，人才增长率是20到30;那么该联盟最有可能的状态是处于边缘性的，其概率是30.8%，其次等级是不可接受的，概率到25.3%。联盟的稳定性等级如图3所示。

在上述条件不变的情况下，如改变会议召开的频率，将其改变为30-60，该联盟最有可能的等级是处于边缘性的，概率为33.2%，第二个可能是处于成熟的，概率为24.0%，联盟状态的稳定性发展如图4所示。

4 结论

文中，通过建立BN模型，将收集到的数据输入BN模型中，进行对企业联盟的生命周期进行判断，通过模型给出的稳定指数和活跃性指数，可以判断该企业联盟是否值得加入，将成为企业选择企业联盟的依据之一。本文经过实验可以得出，影响企业联盟生命周期的重要因素主要的联盟中会议的召开频率，召开会议次数越多，则联盟活跃性指数越高，生命周期评定指数越大。

除此以外，BN模型中的变量是可变的，每一个变量可以根据企业需求进行确定变量，本文所用的变量是普遍企业联盟具有的特性，若有专门的企业联盟特性，可进行添加，从而建造模型对企业联盟进行专有的生命周期分析。

参考文献

[1]Netica的信息作战目标预排序清单分析[J]. 李京，杨根源. 火力与指挥控制. 2012（10）

[2]基于Netica的自学习贝叶斯网络的构建[J]. 陈静，蒋正凯，付敬奇. 电子测量与仪器学报. 2016（11）

[3] Sevinc Volkan and Kucuk Omer and Goltas Merih. A Bayesian network model for prediction and analysis of possible forest fire causes[J]. Forest Ecology and Management， 2019， 457-464

作者简介：丁怡 （1982 - ），女，河南洛陽人，博士，讲师 ，研究方向：网络优化、网络科学。

基金项目：广东省教育厅创新强校工程项目（Q17115）;广东海洋大学博士科研启动项目（R17015）;大学生创新创业训练计划项目（570119069）