基于EBP模型的服務化制造業集群知識共享風險評價

廖夢潔， 張 健, 何 瓊

?

基于EBP模型的服務化制造業集群知識共享風險評價

廖夢潔， 張 健, 何 瓊

(北京信息科技大學 經濟管理學院， 北京 100192)

通過與傳統制造業集群的對比，分析了服務化制造產業集群的知識共享過程，識別了服務化制造業集群知識共享過程中關系、利益與知識共享能力三方面的知識流并生風險，構建了基于EBP(熵值法和BP神經網絡法)的服務化制造業集群知識共享風險組合評價模型。通過實證分析驗證了模型的有效性與合理性，并通過與BP神經網絡模型的誤差對比分析，證實了該模型在知識共享風險識別方面的準確度更高。所提供的模型方法可為服務化制造業集群企業知識共享風險管理提供決策支持。

服務化制造業； 產業集群； 知識共享風險； 組合評價

LIAOMengJie,ZHANGJian,HEQiong

(CollegeofEconomicsandManagement,BeijingInformationScience&TechnologyUniversity,Beijing100192，China)

Keywords：service-orientedmanufacturing;industrialclusters;knowledgesharingrisk;combinationevaluation

傳統制造業集群經營模式正在發生深刻的變革。隨著國家對工業結構優化升級的大力推動以及信息化進程的不斷推進，市場需求由產品導向轉向產品服務系統導向，產業價值鏈中的高價值環節由制造環節轉向服務環節[1]，使得集群內的傳統制造企業轉型為服務型制造企業，積極引導客戶全程參與產品的生產過程，并為之提供“綜合性解決方案”的產品服務[2]，在滿足顧客個性化需求的同時獲得多環節價值鏈利潤。傳統制造業集群在龍頭成員企業結構調整的帶動下，逐步成為以服務型制造企業為主體、集群內其他企業協同向服務化過渡的產業集群，本文將其簡稱為服務化制造業集群。

制造業集群內企業間不可避免地存在知識共享風險。集群內的知識共享可以按照分享意愿分為2種形式：1)集群的地域根植性所帶來集群企業間的知識外溢，在集群內形成非主動的知識共享；2)集群企業為了在激烈的市場競爭中獲得優勢，自發地形成戰略聯盟進行知識協同創新，主動進行知識的共享。無論何種形式的知識共享，都會受到機會主義、共享過程管理不完善等多方面因素的威脅，使企業面臨陷入知識共享風險的窘境。

較傳統制造業集群而言，服務化制造業集群更易出現知識共享風險。隨著客戶參與度的提升，對客戶需求的及時響應僅依靠單一企業很難實現，需整合產業鏈上下游企業的生產與服務資源，通過共同協作來及時滿足顧客的需求，這一過程必然增加了集群成員企業間知識交流的機會。由于顧客參與度的提升、市場的自由競爭性以及知識交流的增多等多方面因素影響，知識共享并生的知識泄露風險也隨之加劇。

因此，本文對傳統與服務化兩類制造業集群的知識共享過程進行系統辨識，并在此基礎上，梳理服務化集群知識共享過程中各知識流并生的知識共享風險，結合相關研究建立服務化制造業集群知識共享風險指標體系。在汲取相關研究方法不足的基礎上，借鑒組合評價的思想，構建了熵值法和BP神經網絡相融合的EBP組合評價模型，并應用實例分析對模型的有效性和可行性進行驗證。

1 服務化制造業集群的知識共享過程

由于形成機制、組織形式等方面的差異，不同類型集群的業務主體與網絡結構各不相同[3]。我國傳統制造業集群的服務化轉型主要依靠集群內大型企業自身的業務改善與運營模式的轉變，帶動集群內其他合作企業共同完成服務化轉型。本文主要研究以核心制造企業為中心，其橫向競爭關系企業與縱向供應鏈關系成員相聯系的集群業務網絡。然而產業集群不僅是依靠供應物流網絡緊密聯系的空間積聚體，更是一個以知識與信息為紐帶所形成的知識整合體。成員企業通過集群這一獨特的媒介進行大量知識與信息的交互與傳遞，使其成為一個多層次、多維度、多因素的復雜知識系統。在這個知識系統中，各個集群企業間存在著一種相互依存與協作的互利互惠關系。本文將傳統制造業集群與服務化制造業集群的知識網絡圖總結為圖1(a)、圖1(b)，將圖中兩類集群知識流的傳遞內容和可能存在的風險總結為表1。

核心制造企業是集群內部知識創造的引擎以及知識網絡的擴散源，具有較多的技術資源和較高的創新能力，是產業集群與外部領域聯絡的“橋梁”，在集群內部，為從事零部件加工或狹窄范圍產品生產的中小規模供應商提供生存所需要的主要業務來源，連同供應企業與互補企業形成以自身為中心的知識共享小團體。不同于傳統制造企業，服務型制造企業雖然避免了經銷商不當得利所產生的利益風險，但為了開拓更廣泛的業務市場，提升對顧客需求的響應效率，不得不加強與供應企業和互補企業的知識協同創新(如圖1(a)的①、②、③)，積極通過知識共享平臺分享企業內部的知識庫、專利、技術信息、商業信息、經營信息等機密信息，在合作企業間傳閱圖紙、資料和說明書等機密資料[4]，一旦疏于管理或信任缺失，極易造成核心知識的外溢，出現知識泄露風險，甚至導致合作企業間合作關系的破裂。此外，成員企業是否具備合理編碼隱性知識的能力以及對合作企業所傳遞知識的吸納能力，都對集群企業知識共享的效果造成很大影響。

區別于傳統制造企業，服務型制造企業將既有實物產品作為工具或平臺，向顧客提供與物品相關的服務(如圖1(a)的④、⑤)，而非向客戶售賣本身，企業通過顧客的參與式設計、制造和銷售，與其建立業務聯系(如圖1(b)的④)，不再需要獨立的經銷商將產品推向市場，由此完全避免了與經銷商由于信息不對稱產生的利益風險，但卻增加了顧客對企業核心技術、信息等內部知識的了解。由于市場競爭的自由性，客戶可以自由選擇企業進行合作，在比較選擇的過程中，客戶將了解到多個同類企業的服務模式與報價，甚至得到相應的技術信息與商業機密，客戶極易成為競爭企業間知識流動的渠道，甚至成為服務化制造業集群信息外溢的重要隱患(如圖1(a)中的⑦)。

對于集群內以核心企業為競爭對手的同類企業而言，努力迎合市場需求，擴大自身經營業務范圍、提高自身核心競爭力是企業長久發展的目標。由于集群內成員企業業務的同質化以及集群地域的根植性，競爭企業間可能具有共同的供應商或協同合作企業，由此提升了競爭企業間知識外溢的機會(如圖1(a)的⑥、圖1(b)中的⑧)。同時，市場競爭的自由性以及服務型制造行業的特殊性，使得顧客成為同類競爭企業間知識交流的媒介，為競爭企業提供了搶奪核心制造企業客戶、拓寬業務市場以及了解對手核心知識的機會。此外，競爭企業間存在的由社會關系較好的員工群體組成的非正式團體交流或核心部門人才的流失，也提升了企業核心知識泄露的風險。

圖1 服務化制造業和傳統制造業集群知識網絡圖

知識流知識流代碼傳統服務化傳遞內容可能存在的風險共有知識流①①顯性知識:使用說明書、合同、庫存等隱形知識:生產能力、資金實力、經營信息等契約終止風險、知識接收風險、泄露風險、信任缺失風險②②顯性知識:合同、訂單等隱形知識:技術支持、發展計劃、客戶需求等知識技術管理風險、接收風險、核心知識泄露風險、信任缺失風險③③顯性知識:知識庫、專利、技術手冊、合同、訂單、研究報告、使用說明等隱性知識:培訓、技術指導、經營信息等信任缺失風險、核心知識泄露風險、利益分配不均、知識接收風險、契約終止風險⑧⑥顯性知識:基本不存在隱性知識:非正式團體交流、人才流失、共有的供應組織與互補組織產生的知識傳遞等核心知識泄露風險、利益分配不均特有知識流———④顯性知識:價格、產品使用說明等隱性知識:服務包、生產能力等知識技術管理風險、接收風險、核心知識泄露風險———⑤顯性知識:合同、競爭企業報價等隱性知識:客戶需求等知識編碼能力風險、契約終止風險———⑦顯性知識:價格、競爭企業的報價等隱形知識:客戶需求、服務能力、公司實力、競爭企業的服務信息等核心知識泄露風險、契約終止風險、知識接收風險④、⑥———顯性知識:產品使用說明、合同、銷量、維修或銷售記錄等隱性知識:培訓、技術指導、經營狀況、客戶偏好、客戶需求等知識技術管理風險、接收風險、核心知識泄露風險、知識編碼能力風險、利益分配不均、信任缺失風險⑤、⑦———顯性知識:使用說明、合同、價格等隱性知識:使用指導、技術培訓、客戶需求、價格彈性、競爭企業的服務信息等知識技術管理風險、知識編碼能力風險、核心知識泄露風險、契約終止風險、知識接收風險

2 服務化制造業集群知識共享風險類型識別

目前，對于企業間知識共享風險的研究大多以供應鏈、虛擬組織、知識聯盟和組織網絡等為研究對象，以合作創新、組織關系、知識特性等某一方面或幾方面為視角，將知識共享風險進行分類。Trkman等[5]建立了包括合作性質、網絡性質、關系程度、知識傳遞方式與合作范圍在內的多模式組織網絡知識共享風險分類框架。Marabelli等[6]以實踐為視角，重點研究了知識轉移所帶來的組織網絡知識共享風險。汪忠等[7]以企業間合作創新知識產權保護風險的形成原因為研究角度，從組織特性、知識產權特性、知識產權環境伴生風險3方面對知識共享風險進行研究。李穎等[8]從關系、知識和環境3方面為視角對引發聯盟合作中知識共享風險的根源進行研究。魏奇峰等[9]根據知識鏈組織間知識共享過程將知識共享風險分為6種：決策風險、道德風險、關系風險、技術風險、知識外溢風險和知識共享不足或過度風險。李柏洲等[10]主要從6個范疇：知識特性、知識轉移過程、知識發送方、知識接收方、主體距離與主體關系研究影響知識轉移風險?，F有研究對于服務化集群知識共享風險的分類具有一定參考價值，但由于服務化集群自身的特點，并不能完全適用于知識共享風險的情況。

知識共享作為服務化制造業集群企業協同合作中最基本的活動，是一項以良好合作關系為根基，以知識共享能力為保障，以利潤最大化為目的的企業間知識交流活動。1)服務化制造業集群企業為了及時滿足客戶的需求，獲得利益空間更大的服務性收益，必須提升與客戶和合作企業的知識流動強度與知識共享頻率，所以對于企業間的關系依賴程度大于其他合作關系。在與服務化制造業集群企業(中關村高新技術園區企業)座談中發現，企業一旦發現合作對象出現過不良信譽記錄，將會大大影響對伙伴企業的印象，無法給予足夠的信任進行更進一步的合作，為了避免不必要的損失，甚至將會及時終止合作關系。2)知識共享的技術手段是企業自身保證知識安全、全面到達接受方的能力，能力的大小直接影響到知識傳遞成功率及安全性的高低，是知識共享過程的保障。3)集群為了追求價值更高的服務性收益進行服務化轉型，根本目的在于提升企業的利潤空間，服務化集群頻繁的知識共享活動同樣以利益最大化為集群企業的最終目的。

本文服務化集群知識共享活動的特性為依據，結合相關研究對風險的分類、服務化集群可能出現的知識共享風險(表1)，按照基礎、過程、目的3個階段將服務化制造業集群的知識共享風險從關系、利益和能力3方面進行分類(如圖2)。

圖2 服務化制造業集群知識共享風險架構

2.1 關系風險

集群內的業務關系網是一個嚴格意義上不受法律約束的組織關系網，成員企業存在背景、目標與預期不同，所以成員對知識共享和知識專有存在著天然的“邊界矛盾”[11]。關系風險的產生原因主要分為有意識的知識泄露和無意識的知識外溢兩類。有意識的泄露所導致的風險主要由于各合作企業的合作目的、動機、地位的不同，無法向著共同利益運作，不能按照契約或滿足所有成員期望的方式進行知識共享[12]。在企業合作過程中，由于知識的模糊性，合作契約具有極大的局限性，為成員企業的機會主義留下了可乘之機[9]。成員企業潛在的機會主義將會對企業間的信任度產生直接影響，降低企業知識共享的意愿，甚至導致企業放棄合作機會，終止契約。企業在合作過程中若出現信任缺失，將造成知識共享不足，從而影響到知識整合和知識創新的效率。無意的外溢所導致的風險主要由于知識傳遞過程中，無法避免的知識外溢使成員企業無意識地失去了作為他們核心競爭優勢的知識和技術。競爭優勢的喪失往往會打破競爭地位的均衡，強大方視弱小方為累贅，從而造成溝通與合作的困難，使合作關系面臨分裂；弱小方在此次合作中，則只能受人擺布[10]。

2.2 利益風險

集群企業進行知識共享的出發點是開拓業務市場，提升自身核心競爭能力，最終目的是使企業獲得長遠利益。依據亞當斯的公平理論，一旦各參與方自我感知的利益分配標準差異較大時，就會感到不公平。Ouchi[13]將分配機制的公平性作為知識共享的必須條件。若在知識共享過程中，無論是由于龍頭企業對小企業的利益侵占，還是未按照契約分配利益，一旦合作過程中企業蒙受利益風險，將直接影響知識共享的積極性與合作意愿，甚至可能導致個別企業為獲取短期利益損害他人利益的情況發生，這將造成知識供應鏈內部知識的外溢，為成員企業帶來不必要的損失。

2.3 能力風險

知識共享能力風險(簡稱能力風險)按照知識傳遞的過程(如圖2)分為知識接收風險、知識技術管理風險、知識編碼能力風險與知識泄露風險。對于知識傳遞方而言，由于技術、經驗等隱性知識的編碼難度較大，增加了知識的交易成本，同時提升了知識專用性風險[14]，如果知識傳遞方具有較弱的知識表達能力，在知識傳遞過程中易出現知識共享不完全的現象，造成知識接收方對知識的理解和吸納困難，引起這一不良后果的風險稱為知識編碼能力風險。知識技術管理風險受到知識傳遞過程中客觀條件因素的影響，關系到知識共享平臺與知識管理制度的完善程度、知識傳遞媒介的豐富度，具有監督效力的管理制度、多樣化的知識傳遞媒介以及完善的知識轉移平臺為集群企業的知識共享提供了安全的知識交流環境，降低了知識在傳遞過程中泄露的風險，提升了成員企業知識共享的意愿。知識泄露風險指在知識傳遞過程中所發生的核心知識外泄給知識接受方以外對象的風險。造成知識泄露風險受知識傳遞過程中主觀因素的影響，較常見的因素包含知識供給方的保護意識薄弱、人員的流失、參與知識共享過程的企業過多以及企業內部員工與競爭企業存在交往頻繁的非正式團體等。知識接收風險發生于知識傳遞過程中的知識接收方，與知識接收企業的組織學習能力、知識傳遞雙方的知識背景差異等具有直接聯系，組織學習能力越強，知識傳遞雙方的知識背景差異越小，知識接收風險出現的可能性則越小。綜上，建立服務化制造業集群知識共享風險層次，如圖3所示。

圖3 服務化制造業集群知識共享風險層次結構

3 服務化制造業集群知識共享風險的評價模型

3.1 指標體系的構建

根據可靠性原則、互補性原則和定性與定量相結合的原則，結合上文對服務化制造業集群知識共享過程的分析、風險層次的建立以及現有相關文獻[15-28]對知識共享風險評價指標的結論，本文從關系、利益、能力三方面進行服務化制造業集群企業知識共享風險識別指標體系的建立，如下表2所示。

3.2 評價方法

知識共享風險的識別方法從最初的理論、定性研究逐漸轉向融入數學模型的定量研究。早期學者利用層次分析法(AHP)確定知識共享風險指標體系的權重，由此識別出較為重要的影響因素。但層次分析法中所普遍采用的專家打分較為主觀，且受專家資質、領域或經驗的限制較大。在此基礎上，史成東等[29]利用粗糙集和模糊集方法建立了物流聯盟知識共享風險預警模型；焦亮[30]基于灰色聚類理論建立了虛擬企業的知識共享風險評價模型；并且以上模型均通過實證研究驗證了模型的可行性，但都未解決指標體系權重確定較為主觀的問題。而后，以BP神經網絡法為代表的客觀評價方法被應用于知識共享風險的評價。例如肖玲諾等[31]利用BP神經網絡法建立了產學研知識創新聯盟的風險識別模型；張偉等[32]為了降低BP網絡訓練的次數，又在此基礎上融入遺傳算法，針對企業內部的知識共享風險建立了GABP風險預測模型，并通過實證研究證實了該模型預測結果準確度的提升?？陀^知識共享風險評價方法在一定程度上克服了主觀賦權受所選打分專家的偏好影響較大的問題，但是也存在一些不足，集中表現為當風險識別指標數量較多或者識別指標值差異不大時，預測準確度不高。對此，本文延續了知識共享風險識別方法的發展趨勢，對于現有方法模型所存在的不足，借鑒組合評價的思想，構建了熵值法(entropyvaluemethod)和BP神經網絡相融合的EBP組合評價模型。首先選取客觀賦值的熵值法確定指標體系的權重，再將線性加權處理后的樣本數據用于BP網絡的訓練，避免了上述層次分析法的不足，從而提升了BP網絡預測結果的準確性。

表2 服務化制造業集群知識共享風險的評價指標體系

3.3 評價模型的整體流程

Step1 將n組樣本數據整合為數據矩陣

。

(1)

rij為第i個被調查企業第j個指標的數值，其中i=1,2,…,n,j=1,2,…,17。

Step2 計算指標j下被調查企業i的占比

。

(2)

Step3 計算各指標熵值

i=1,2,…,n, j=1,2,…,17。

(3)

Step 4 計算各指標差異系數

gj=1-ej, j=1,2,…,17。

(4)

Step 5 求各指標權數

。

(5)

Step 6 處理樣本數據

j=1,2,…,17。

(6)

Step 7 訓練BP神經網絡風險識別模型

本文選擇含有一個隱含層的兩層BP神經網絡進行知識共享風險等級評價，網絡模型如圖4所示。根據表2指標體系的指標層數將輸入層的節點數設置為17，根據目標層數將輸出層的節點數設置為1，目的在于輸出被調查企業的知識共享風險等級，具體分為5個等級：風險巨大(5)、風險較大(4)、風險一般(3)、風險較小(2)、無任何風險(1)。將n組樣本數據分為兩類：m組作為訓練集,n-m組作為驗證集。設置網絡訓練狀態的顯示幅度、學習速率、動量系數、最大訓練次數及誤差精度。將訓練集輸入網絡進行訓練。

圖4 知識共享風險評價BP網絡模型

Step 8 將預測值與實際值進行比對

將檢驗組數據代入訓練完畢的知識共享風險評價BP網絡模型，比對輸出值與實際值，生成數據折線圖，進行誤差分析。

4 實例分析

本文采用問卷調查法進行數據收集，問卷按照李克特五級量表對表3中服務型制造業集群企業知識共享風險各影響因素進行客觀性描述設置。調查以中關村科技園作為服務化制造業集群的研究對象，面向具有豐富的組織間合作研發經歷、知識管理經驗的管理人員或專家，以及一線員工展開。通過“問卷星”網絡平臺共發放問卷100份，回收有效問卷72份。

4.1 數據處理

將回收的樣本數據利用熵值法通過Step 1～Step 5求出各指標權重。對于熵值法而言，權重越小的指標代表其樣本越趨同，差異性越小，信息量越少；指標越大的指標代表其樣本數據越平均、分散，差異性越大，信息量越大。為了比較服務化制造業集群指標權重的差異，將集群指標的均值作為基準，偏差度用百分比表示，如圖5所示。

圖5 服務化制造業集群知識共享風險評價指標權重

通過Step 6對服務化制造業集群樣本數據進行加權處理，將處理后數據的前61組樣本作為訓練集，后11組作為檢驗集，利用matlab7.0工具軟件的神經網絡工具箱進行訓練，各網絡參數設置如下。

net=newff(minmax(train1),[40，1],{‘tansig’,‘purelin’},‘trainlm’,‘learngdm’,‘mse’);

(表示：所使用的神經網絡包含40個隱層神經元，1個輸出神經元)

net.trainparam.show=50;(表示：將網絡訓練狀態的顯示幅度設為50)

net.trainparam.lr=0.01; (表示：將權重閾值的調整幅度(學習速率)設為0.01)

net.trainparam.mc=0.9; (表示：將動量系數設為0.9)

net.trainparam.epochs=500; (表示：將訓練次數設為500次)

net.trainparam.goal=0.000 01。 (表示：將允許的誤差精度設為0.000 01)

4.2 評價模型的準確性分析

圖6為EBP組合評價模型的預測結果示意圖，圖7為未經熵值法處理的BP風險識別模型的預測結果示意圖。由圖6、7的預測結果可見，本文提出的EBP組合評價模型的預測值與實際值在整體上更加貼近，一方面體現出本模型的良好預測性能，另一方面也對本文所建立的服務化制造業集群知識共享風險識別指標體系進行了肯定。

圖8給出了兩類風險識別模型結果相對誤差的比較示意圖。如圖8所示，相較未經熵值法處理的BP風險識別模型而言，由于通過熵值法進行線性加權處理有利于把握預測樣本的整體趨勢和特征，使得本文構建的EBP風險識別模型在預測性能上有所提升，數據相對更加平穩。

圖6 EBP知識共享風險評價模型預測結果

圖7 未經熵值法處理的BP風險識別模型預測結果

圖8 兩類風險識別模型結果相對誤差的比較示意圖

5 結論與討論

在對服務化制造業集群知識共享系統辨識的基礎上，圍繞服務化制造業集群知識共享的風險識別展開研究，結論如下。

1)對比分析了傳統制造業集群與服務化制造業集群的知識共享過程，將知識流傳遞內容按照顯性知識與隱形知識進行分類，將傳遞過程中可能出現的風險按照共有知識流與特有知識流進行分類，并針對各知識流以及傳遞內容的特點分析了知識流可能產生的知識共享風險。

2)構建了服務化制造業集群知識共享風險層次結構和評價指標體系，將服務化制造業集群知識共享風險分為關系風險、能力風險、利益風險。其中關系風險包含信任缺失風險、契約終止風險；知識共享能力風險包含知識編碼能力風險、知識技術管理風險、知識泄露風險和知識接收風險；共包含17項指標。

3)構建了基于EBP的服務化制造業集群企業知識共享風險組合評價模型，通過實證分析驗證了模型的有效性與合理性，并通過與BP神經網絡模型的誤差對比分析證實了本文模型良好的預測性與穩定性。

本文所構建的EBP服務化制造業集群知識共享風險組合評價模型具有以下2點應用：1)對于集群管理部門而言，可以利用本模型對園區整體的風險情況進行評價，了解目前園區所處狀態，為集群制定行之有效的知識共享風險管理制度提供參照；2)對于集群內企業而言，本模型作為企業知識風險管理自評的方法之一，可以及時幫助企業發現自身待改進問題，提升企業的知識風險管理能力，避免不必要的損失。

本文的創新在于2方面：1)提出關系、利益、共享能力三維度的服務化制造業集群知識共享風險識別體系；2)構建了知識共享風險識別精度更高的EBP組合評價模型。然而，由于目前我國制造業服務化轉型尚在起步階段，在一定程度上限制本文研究的實證樣本，隨著我國制造業集群服務化的日益成熟，可以將研究對象轉向已完成服務化轉型的服務型制造業集群企業并不斷增加樣本數據，提升網絡的訓練精度，降低模型的預測誤差。

[1] 安筱鵬. 制造業服務化路線圖[M]. 北京：商務印書館, 2012.

[2]汪應洛. 創新服務型制造業,優化產業結構[J]. 管理工程學報, 2010,24(S1):2-5.

WANG Yingluo. Innovating services manufacturing industry, optimizing industrial structure[J]. Journal of Industrial Engineering, 2010, 24(S1):2-5.

[3]王磊. 論我國企業集群類型的劃分[J]. 科技進步與對策, 2004(6):117-119.

WANG Lei. Analysis on the type division of enterprises cluster in China[J]. Science & Technology Progress and Policy, 2004(6):117-119.

[4]祁紅梅, 黃瑞華. 動態聯盟形成階段知識產權沖突及激勵對策研究[J]. 研究與發展管理, 2004,16(4):70-76.

QI Hongmei, HUANG Ruihua. Study on intellectual property conflict and the incentive countermeasures in the stage of dynamic alliances[J]. R&D Management, 2004, 16(4):70-76.

[5]TRKMAN P, DESOUZA K C. Knowledge risks in organizational networks: an exploratory framework[J]. Journal Of Strategic Information Systems, 2012, 21(1):1-17.

[6]MARABELLI M, NEWELL S. Knowledge risks in organizational networks: the practice perspective[J]. Journal Of Strategic Information Systems, 2012,21(1):18-30.

[7]汪忠, 黃瑞華. 合作創新的知識產權風險與防范研究[J]. 科學學研究, 2005,23(3):419-424.

WANG Zhong, HUANG Ruihua. The intellectual property risk and control in cooperative innovation[J].Studies in Science of Science, 2005,23(3):419-424.

[8]李穎, 趙惠芳, 王羽萱. 聯盟合作中知識共享風險及防范策略研究[J]. 圖書情報工作, 2010,54(4): 117-120.

LI Ying, ZHAO Huifang, WANG Yuxuan. Study on knowledge sharing risk and protection in strategic alliance[J]. Library and Information Service, 2010, 54(4):117-120.

[9]魏奇鋒, 張曉青, 顧新. 基于模糊集與風險矩陣的知識鏈組織之間知識共享風險評估[J]. 情報理論與實踐, 2012,35(3):75-78.

WEI Qifeng, ZHANG Xiaoqing,GU Xin. Analysis and evaluates on the knowledge sharing risk among organizations in the knowledge chain based on the theory of fuzzy and the risk matrix[J]. Information Studies: Theory & Application, 2012, 35(3):75-78.

[10] 李柏洲, 徐廣玉, 蘇屹. 基于扎根理論的企業知識轉移風險識別研究[J]. 科學學與科學技術管理, 2014(4):57-65.

LI Bozhou, XU Guangyu, SU Yi. Research on knowledge transfer risk identification based on grounded theory[J]. Science of Science and Management of S.&T., 2014,35(4):57-65.

[11]姜文, 姜嵐. 網絡組織企業間知識共享手段中的風險因素分析[J]. 科技管理研究, 2009(11): 349-351.

JIANG Wen, JIANG Lan. Analysis on risk factors of knowledge sharing among network organizations[J]. Science and Technology Management Research, 2009(11): 349-351.

[12]張偉, 張慶普. 基于模糊德爾菲法的企業知識管理創新風險評價研究[J]. 科技進步與對策, 2012,29(12):112-116.

ZHANG Wei, ZHANG Qingpu. Research on the evaluation of enterprise knowledge management innovation risk based on fuzzy delphi[J].Science & Technology Progress and Policy, 2012,29(12): 112-116.

[13]OUCHI W G. Markets, bureaucracies, and clans[J]. Administrative Science, 1980, 25(1):129-141.

[14]張旭梅, 陳偉. 供應鏈企業間知識共享的市場機制[M].北京：科學出版社, 2012.

[15]徐銳. 戰略聯盟知識共享的關系風險及其控制方式[J]. 情報雜志, 2005(8):2-4.

XU Rui. Knowledge sharing relationship risk of the strategic alliance and its control method [J].Journal of Information, 2005(8):2-4.

[16] FANG Y, LIANG Q, JIA Z. Knowledge sharing risk warning of industry cluster: an engineering perspective [J]. Systems Engineering Procedia, 2011, 2:412-421.

[17]方永恒, 瞿偉. 基于模糊神經網絡的虛擬企業知識共享風險預警研究[J]. 科技與管理, 2006(3):53-55.

FANG Yongheng, QU Wei. Research on the knowledge sharing risk in virtual enterprise [J]. Sci-Technology and Management, 2006(3):53-55.

[18]馬亞男, 朱愛輝. 知識聯盟組織間知識共享不足風險的識別與衡量研究[J]. 科技進步與對策, 2008,25(5):161-165.

MA Yanan, ZHU Aihui. The identification and evaluation of the risk on insufficiency knowledge sharing in alliance[J]. Science & Technology Progress and Policy, 2008, 25(5):161-165.

[19]姜嵐, 姜文. 知識自身所包含的知識共享風險因素分析[J]. 科技管理研究, 2009(7):357-359.

JIANG Lan, JIANG Wen. Analysis on the risk factors of knowledgesharing [J]. Science and Technology Management Research, 2009(7):357-359.

[20]李志剛. 虛擬聯盟知識共享的風險防范研究[J]. 情報雜志, 2006(12):56-58.

LI Zhigang. Research on the risk prevention of virtual alliance knowledge sharing [J].Journal of Information, 2006(12):56-58.

[21]馬亞男, 李慧. 知識聯盟組織間知識共享不足風險形成過程研究[J]. 科學學與科學技術管理, 2008(1):93-97.

MA Yanan, LI Hui. The process of the risk of insufficiency knowledge sharing among knowledge alliance partners[J].Science of Science and Management of S.&T., 2008(1):93-97.

[22]閆威, 陳燕, 陳林波. 基于集值統計的動態聯盟知識產權風險評價[J]. 科學學與科學技術管理, 2008(6):28-31.

YAN Wei, CHEN Yan, CHEN Linbo. Mass statistic approach on the evaluation of intellectual property risks in alliance[J]. Science of Science and Management of S.&T., 2008(6):28-31.

[23]藺豐奇, 劉益. 知識聯盟中關系風險的成因及影響因素分析[J]. 中國科技論壇, 2007(3): 94-98.

LIN Fengqi, LIU Yi. Analysis on the causes and influencing factors of relationship risk in knowledge alliance [J].Forum on Science and Technology in China, 2007(3): 94-98.

[24]NOOTEBOOM B. Trust，opportunism，and governance：a process andcontrol model[J]. Organization Studies, 1996(17):985-1007.

[25]WILLIAMSON O E. Calculativeness, trust, and economic organization[J]. Journal of Law & Economics, 1993, 36(1):453-486.

[26]R L, L B, K H. The inter organizational learning dilemma：collective knowledge development instrategic [J]. Organization Science, 1998(9):285-305.

[27]周在天. 虛擬企業中知識共享問題研究[J]. 價值工程, 2005(9):92-94.

ZHOU Zaitian. Research on the problem of knowledge sharing in virtual enterprise [J]. Value Engineering, 2005(9):92-94.

[28]DE VRIES J, SCHEPERS J, VAN WEELE A, et al. When do they care to share? How manufacturers make contracted service partners share knowledge[J]. Industrial Marketing Management, 2014, 43(7): 1225-1235.

[29]史成東, 邊敦新. 基于粗集和模糊集物流聯盟知識共享風險預警[J]. 計算機工程與應用, 2008, 44(33):198-200.

SHI Chengdong, BIAN Dunxin. Knowledge sharing risk early-warning of logistic alliance (virtual logistic) based on rough sets and fuzzy sets[J] .Computer Engineering and Applications, 2008, 44(33):198-200.

[30]焦亮. 基于灰色聚類分析的虛擬企業知識共享風險評價的研究[J]. 工業技術經濟, 2010, 29(8):147-149.

JIAO Liang. Research on assessment of knowledge sharing risk in virtual enterprise based on grey cluster analysis [J]. Journal of Industrial Technological Economics, 2010, 29(8):147-149.

[31]肖玲諾, 史建鋒, 孫玉忠. 基于BP神經網絡的產學研知識創新聯盟風險評價研究[J]. 中國軟科學, 2011(12):173-179.

XIAO Lingnuo, SHI Jianfeng, SUN Yuzhong. Risk assessment of industry-unicersity-research knowledge innovation alliance based on BP neural network algorithm[J]. China Soft Science, 2011(12):173-179.

[32]張偉, 張慶普, 單偉. 基于GABP的企業內知識共享風險預測研究[J]. 情報雜志, 2012,31(1): 134-141.

ZHANG Wei, ZHANG Qingpu, SHAN Wei. Research on risk forecast of knowledge sharing in an enterprise based on GABP[J]. Journal of Intelligence, 2012, 31(1): 134-141.

Evaluating Knowledge Sharing Risk in the Service-oriented Manufacturing Cluster Based on the EBP Model

Incontrastwithtraditionalmanufacturingcluster,theprocessofknowledgesharingwithinservice-orientedmanufacturingclusterisanalyzedandthethreeknowledgesharingrisksi.e.therelationshiprisk,theinterestsriskandtheknowledgesharingcapacityrisk,areidentified.Then,anEBPriskmeasurementmodelintegratingentropymethodwithBP(backpropagation)neuralnetworkmethodisestablishedinordertoevaluatetheknowledgesharingwithinservice-orientedmanufacturingcluster.Finally,anempiricalstudyisconductedtoprovethevalidityandrationalityofthemeasurementmodel.TheresultindicatesthattheEBPriskmeasurementmodelisofhigherpredictionperformancecontrastedwithBPneuralnetworkmodel,whichishelpfulforefficientdecisionmakingconcerningknowledgesharingriskmanagement.

2016- 02- 26

國家自然科學基金資助項目 (71171021)；北京市社科基金資助項目 (15JDJGC041,15JGC177)；北京知識管理研究基地資助項目

廖夢潔(1989-)，女，北京市人，碩士研究生，主要研究方向為知識管理.

10.3969/j.issn.1007- 7375.2016.05.018

F

A