人工神经网络在组织网络化发展评价中应用.docVIP

人工神经网络在组织网络化发展评价中的应用 　　摘 要：通过对给定样本模式的学习，构建的三层神经网络模型能够获取评价专家的经验、知识、主观判断以及对目标重要性的权重协调能力，较好地保证评价结果的客观性。实例证明，人工神经网络方法应用于组织网络化发展评价是可行和有效的。 　　关键词：人工神经网络；组织网络化；评价 　　中图分类号：F120.3;TP18文献标志码：A 　　文章编号：1001-3695(2007)06-0000-00 　　传统的企业组织的理论认为，层级化的科层制是理想的企业组织形式。可是信息技术在企业生产和管理活动中的广泛应用――尤其在电子商务等IT领域的开发和应用，打破了传统的以分工、等级制、清晰的职能边界为基础的组织形式，取而代之以边界模糊化、结构柔性化为特征的企业网络组织。目前，组织网络化发展已经成为组织理论研究的前沿领域和实现范式转换的新生点［1］。在现实的企业组织网络化发展过程中，企业迫切希望对网络化进行评价，并与其他相关企业进行比较，找出本企业与同行之间的差距并探索原因。因此，企业组织网络化发展评价研究具有很强的现实意义。?? 　　组织网络化发展的评价涉及指标因素众多，指标因素又有定量、半定量和定性等多种描述方式。由于评价工具的限制，目前还未能建立令人满意的评价模型。本文尝试把人工神经网络方法应用于组织网络化发展评价，使用该方法产生的模型，更接近人类思维模式的定性与定量相结合的特征［2］。首先，它具有对给定样本模式的学习能力，并具备获取评价专家的经验、知识、主观判断及对目标重要性的权重协调能力；其次，当需要对样本模式以外的对象系统作综合评价时，该方法便可以再现评价专家的经验、知识和直觉思维，从而较好地保证了评价结果的客观性。?? 　　 　　1 基于ANN的组织网络化发展评价模型 　　1.1 评价原理?? 　　基于ANN的企业组织网络化发展评价原理如下［3］：?? 　　(1)将用来描述评价对象特征的信息作为神经网络的输入向量，将代表相应综合评价的向量作为神经网络的输出；(2)用足够的样本训练这个网络，使不同的输入向量得到相应的输出量值；?? 　　(3)最终神经网络所持有那组权值和阈值，便是网络经过自适应学习所得到的正确内部表示。?? 　　训练好的神经网络可以作为一种有效工具，对样本模式以外的对象作相应的评价。这样，该网络系统不仅可以模拟专家对企业组织网络化发展进行评价，而且还可以避免评价过程中的人为失误。同时，该网络系统还具有很强的容错能力。?? 　　1.2 评价指标体系以及权值的确定?? 　　企业组织网络化的本质是以企业知识获取、创造和应用过程为基础，重构企业的内部权力配置和外部的市场边界，从而打破内部传统的层级制权力结构和外部与竞争者、供应者、客户以及其他利益相关者的交易关系模式，使企业真正实现“通过创造知识来创造市场价值”。从这个意义上说，企业组织网络化应该包括相互联系的两方面内容，即内部权力结构的扁平化和外部交易边界的虚拟化，也就是通常说的组织内部网络化和组织外部网络化［4］。因此，组织网络化发展评价的一级指标有两个： 　　①B1――组织内部网络化；②B2――组织外部网络化。?? 　　通过对内部和外部组织网络化特征的分析，本文在案例研究并结合有关文献[4－7]的基础上选取9项较为典型的二级指标来评价内部和外部组织网络发展。它们分别是：?? 　　（1）C1――部门成员间的独立程度；?? 　　（2）C2――决策的分散化程度；?? 　　（3）C3――部门间的协调程度；?? 　　（3）C4――层级的数量；?? 　　（5）C5――团队的数量；?? 　　（6）C6――合资开发新产品数量占全部新产品数量的比重；?? 　　（7）C7――和大学或研究机构共同研发的项目占全部研发项目的比重；?? 　　（8）C8――产品创新依赖战略联盟的程度；?? 　　（9）C9――客户关系管理。?? 　　这些指标主要刻划了企业组织的水平性、协作性、分散性和适应性等方面的内容，以及企业组织在产品创新方面以及与外部组织的合作程度；既包括对组织水平程度的分析，也包含对组织动态适应能力的分析［5,9,10］。?? 　　2.3三层BP神经网络的结构设计?? 　　BP（ Back Propagation）神经网络被认为是最适用于模拟输入、输出的近似关系，它也是ANN中算法最成熟、应用最广泛的一种网络结构。本文选取隐含层为一层，总层数为三层的BP神经网络进行组织网络化发展评价的结构设计（如图1所示）。它由输入层、隐含层、输出层组成。对企业组织网络化发展进行评价时，从输入层输入组织网络化发展指标评价体系，经隐含层处理后传入输出层，输出即为评价结果。在正向传播阶段，输入信息从输入层经隐含层逐层