企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)構(gòu)建研究

李曉峰,徐玖平,顏錦江

§經(jīng)濟(jì)與管理學(xué)研究§

企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)構(gòu)建研究

李曉峰,徐玖平,顏錦江

(四川大學(xué)工商管理學(xué)院,四川成都610064)

企業(yè)進(jìn)行技術(shù)創(chuàng)新是一項(xiàng)高風(fēng)險(xiǎn)活動(dòng),如果創(chuàng)新不當(dāng)或創(chuàng)新過(guò)程中控制不力,便會(huì)為企業(yè)帶來(lái)不必要的損失。因此,構(gòu)建科學(xué)的企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)具有重要的現(xiàn)實(shí)意義。探討在建立企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的基礎(chǔ)上,采用基于粗糙神經(jīng)網(wǎng)絡(luò)模型的方法設(shè)計(jì)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)。該風(fēng)險(xiǎn)預(yù)警系統(tǒng)不僅能夠提取企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)的主要特征屬性,減少風(fēng)險(xiǎn)預(yù)警中的信息收集成本,提高預(yù)警效率,而且能克服傳統(tǒng)預(yù)警系統(tǒng)難以處理高度非線性模型、容錯(cuò)性差、缺少自學(xué)習(xí)能力等缺陷。理論分析和實(shí)踐結(jié)果均表明所設(shè)計(jì)的技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)具有可行性和有效性,這為企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)管理提供了一條新的途徑。

企業(yè);技術(shù)創(chuàng)新;風(fēng)險(xiǎn)預(yù)警系統(tǒng);粗糙神經(jīng)網(wǎng)絡(luò)

一、引 言

技術(shù)創(chuàng)新是現(xiàn)代經(jīng)濟(jì)增長(zhǎng)的主要源泉,也是提高企業(yè)競(jìng)爭(zhēng)力、促進(jìn)企業(yè)持續(xù)發(fā)展的主要途徑。然而,技術(shù)創(chuàng)新是一項(xiàng)高風(fēng)險(xiǎn)活動(dòng),有可能由于外部環(huán)境的不確性、技術(shù)創(chuàng)新項(xiàng)目的難度與復(fù)雜性以及企業(yè)的能力與實(shí)力的有限性而導(dǎo)致技術(shù)創(chuàng)新活動(dòng)延期、中止、失敗或達(dá)不到預(yù)期的技術(shù)經(jīng)濟(jì)指標(biāo)。這不僅會(huì)引發(fā)財(cái)務(wù)風(fēng)險(xiǎn)而導(dǎo)致企業(yè)發(fā)生有形的經(jīng)濟(jì)損失,而且會(huì)導(dǎo)致時(shí)間損失、機(jī)會(huì)損失、管理?yè)p失等無(wú)形損失[1]。根據(jù)美國(guó)的一項(xiàng)資料表明,高科技企業(yè)只有60%左右的研究開(kāi)發(fā)計(jì)劃在技術(shù)上獲得成功,而在技術(shù)上獲得成功的研究開(kāi)發(fā)計(jì)劃中只有55%能夠推向市場(chǎng),而推向市場(chǎng)的高科技產(chǎn)品中僅有40%最終獲得了成功[2]。我國(guó)企業(yè)技術(shù)創(chuàng)新項(xiàng)目的成功率則更低,能夠轉(zhuǎn)化為生產(chǎn)力的項(xiàng)目不足15%[3]。因此,建立科學(xué)的企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)對(duì)技術(shù)創(chuàng)新風(fēng)險(xiǎn)進(jìn)行管理是十分必要的。企業(yè)可以根據(jù)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)監(jiān)測(cè)、預(yù)測(cè)、警報(bào)項(xiàng)目風(fēng)險(xiǎn),并根據(jù)警報(bào)大小采取相應(yīng)的防范和控制措施處理風(fēng)險(xiǎn),避免和減少損失,將威脅轉(zhuǎn)化為機(jī)會(huì),保障企業(yè)技術(shù)創(chuàng)新項(xiàng)目的順利進(jìn)行。

目前,企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)預(yù)警系統(tǒng)已引起越來(lái)越多的重視和研究[4-7],但由于我國(guó)風(fēng)險(xiǎn)預(yù)警管理起步較晚,目前尚存在一些問(wèn)題:(1)預(yù)警狀態(tài)偏重定量指標(biāo),忽視定性指標(biāo),因而易失去預(yù)警信息;(2)預(yù)警模型習(xí)慣于采用直線外推、指數(shù)平滑、回歸分析、移動(dòng)平均、灰色預(yù)測(cè)等模型,而對(duì)高度非線性系統(tǒng)難以處理;(3)預(yù)警過(guò)程效率較低,不具備時(shí)變特性,缺乏自適應(yīng)、自學(xué)習(xí)能力等。本文將粗糙集理論和人工神經(jīng)網(wǎng)絡(luò)方法相結(jié)合,建立了企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警的粗糙神經(jīng)網(wǎng)絡(luò)模型,并在此基礎(chǔ)上構(gòu)建企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)。實(shí)證研究表明,該風(fēng)險(xiǎn)預(yù)警系統(tǒng)不僅能夠提取企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)的主要特征屬性,刪除冗余的信息,減少風(fēng)險(xiǎn)預(yù)警中的信息收集成本,而且克服了傳統(tǒng)預(yù)警系統(tǒng)缺少自適應(yīng)、自學(xué)習(xí)能力、難以處理高度非線性問(wèn)題等困難,從而為預(yù)警走向?qū)嵱没於嘶A(chǔ)。

二、企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的構(gòu)建

企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)是根據(jù)所研究對(duì)象的特點(diǎn),通過(guò)收集相關(guān)的資料信息,監(jiān)控風(fēng)險(xiǎn)因素的變動(dòng)趨勢(shì),并評(píng)價(jià)各種風(fēng)險(xiǎn)狀態(tài)偏離預(yù)警線的強(qiáng)弱程度,向決策層發(fā)出預(yù)警信號(hào)并提前采取預(yù)控對(duì)策的系統(tǒng)。因此,在設(shè)計(jì)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)前,必須先對(duì)企業(yè)技術(shù)創(chuàng)新過(guò)程中的各風(fēng)險(xiǎn)因素進(jìn)行分析、識(shí)別,構(gòu)建企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)預(yù)警(風(fēng)險(xiǎn)因素)指標(biāo)體系。影響企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)因素很多,各因素之間關(guān)系復(fù)雜,需要在構(gòu)建風(fēng)險(xiǎn)預(yù)警指標(biāo)體系時(shí)遵循以下原則:(1)系統(tǒng)全面性原則,即風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的設(shè)置應(yīng)符合風(fēng)險(xiǎn)預(yù)警管理的目標(biāo),能夠全面、深刻、客觀地動(dòng)態(tài)反映企業(yè)技術(shù)創(chuàng)新的各方面、各環(huán)節(jié)的風(fēng)險(xiǎn)水平。(2)簡(jiǎn)明科學(xué)性原則,即風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的大小必須合適,力求指標(biāo)體系完備,并盡量減少指標(biāo)之間的交叉重復(fù),使其簡(jiǎn)繁適當(dāng)。(3)可行有效性原則,即風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的設(shè)置要適合實(shí)際操作,既要考慮其比較、分析和綜合測(cè)評(píng)的功能性,還要考慮企業(yè)技術(shù)創(chuàng)新數(shù)據(jù)資料獲得的可能性和數(shù)據(jù)資料統(tǒng)計(jì)的有效性。(4)定量定性相結(jié)合的原則,即在風(fēng)險(xiǎn)預(yù)警指標(biāo)體系的設(shè)置中既要考慮定量指標(biāo),也要考慮定性指標(biāo),不能忽視任何一個(gè)方面,需要它們相互配合。

將影響企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)因素劃分為六大類:政策因素、技術(shù)因素、生產(chǎn)因素、市場(chǎng)因素、財(cái)務(wù)因素、管理因素。首先,依照上述原則,并參考國(guó)內(nèi)外眾多相關(guān)文獻(xiàn)[8-11],分別構(gòu)造出這六大類風(fēng)險(xiǎn)因素的預(yù)警指標(biāo)(風(fēng)險(xiǎn)因素指標(biāo));然后,通過(guò)專家調(diào)研、統(tǒng)計(jì)分析等方法,對(duì)構(gòu)造出的指標(biāo)體系進(jìn)行細(xì)化、補(bǔ)充和刪除,最終建立起企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。該風(fēng)險(xiǎn)預(yù)警指標(biāo)體系包括48個(gè)風(fēng)險(xiǎn)因素指標(biāo),見(jiàn)表1。

表1 企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)體系

企業(yè)生產(chǎn)規(guī)模x企業(yè)的管理能力x39產(chǎn)品對(duì)原材料或1零5部件的技術(shù)性能要求了解市場(chǎng)信息準(zhǔn)確程度x40x16科學(xué)決策和民主決策水平x41生原材料及零部件供應(yīng)難易程度x17管可行性論證與規(guī)劃x42產(chǎn)因生產(chǎn)新產(chǎn)品對(duì)現(xiàn)有設(shè)備與工藝的調(diào)整x18理因項(xiàng)目組的總體實(shí)力與能力x43素引進(jìn)設(shè)備工藝?yán)щy程度x19素項(xiàng)目負(fù)責(zé)人的水平與能力x44新產(chǎn)品質(zhì)量性能x20項(xiàng)目組織管理能力x45新產(chǎn)品生產(chǎn)成本x21項(xiàng)目進(jìn)度控制能力x46新產(chǎn)品的生產(chǎn)周期x22技術(shù)開(kāi)發(fā)人員的待遇x47上級(jí)領(lǐng)導(dǎo)的支持程度x48

三、企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)的設(shè)計(jì)

根據(jù)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警管理的特點(diǎn),并借鑒宏觀經(jīng)濟(jì)系統(tǒng)、生態(tài)環(huán)境系統(tǒng)、軍事系統(tǒng)、氣象系統(tǒng)等領(lǐng)域的預(yù)警管理系統(tǒng)[12-15],設(shè)計(jì)了企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng),見(jiàn)圖1。從圖1中可以看出,企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)主要由四部分組成:(1)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)信息收集及量化處理;(2)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警的Rough—ANN(粗糙神經(jīng)網(wǎng)絡(luò))模型;(3)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警的判別及警報(bào)信息的輸出;(4)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)的控制。

圖1 企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警管理系統(tǒng)基本構(gòu)架

(一)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)的量化處理

將企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)劃分為五個(gè)風(fēng)險(xiǎn)級(jí)別:一級(jí)風(fēng)險(xiǎn)、二級(jí)風(fēng)險(xiǎn)、三級(jí)風(fēng)險(xiǎn)、四級(jí)風(fēng)險(xiǎn)、五級(jí)風(fēng)險(xiǎn),即低風(fēng)險(xiǎn)、較低風(fēng)險(xiǎn)、一般風(fēng)險(xiǎn)、較高風(fēng)險(xiǎn)、高風(fēng)險(xiǎn),且各風(fēng)險(xiǎn)級(jí)別之間存在臨界值。當(dāng)企業(yè)技術(shù)創(chuàng)新項(xiàng)目某一風(fēng)險(xiǎn)因素指標(biāo)xi(i=1,2,…48)處于低風(fēng)險(xiǎn)(一級(jí)風(fēng)險(xiǎn))時(shí),其量化結(jié)果為模糊值XU2∈[0,1],當(dāng)xi處于較低風(fēng)險(xiǎn)(二級(jí)風(fēng)險(xiǎn))時(shí),XU2∈[2,3];當(dāng)xi處于一般風(fēng)險(xiǎn)(三級(jí)風(fēng)險(xiǎn))時(shí), XU2∈[2,3];當(dāng)xi處于較高風(fēng)險(xiǎn)(四級(jí)風(fēng)險(xiǎn))時(shí),XU2∈[3,4];當(dāng)xi處于高風(fēng)險(xiǎn)(五級(jí)風(fēng)險(xiǎn))時(shí),XU2∈[4,5]。

企業(yè)的技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)對(duì)應(yīng)的評(píng)價(jià)值由下述方法檢測(cè)確定:

請(qǐng)對(duì)企業(yè)的技術(shù)創(chuàng)新項(xiàng)目所屬領(lǐng)域熟悉的f位專家,給企業(yè)的技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)xi評(píng)分。例如,第一位專家認(rèn)為指標(biāo)xi處于一級(jí)風(fēng)險(xiǎn)(低風(fēng)險(xiǎn)),則對(duì)該指標(biāo)的評(píng)分值為u1(u1∈[0,1]),第二位專家認(rèn)為指標(biāo)xi處于二級(jí)風(fēng)險(xiǎn)(較低風(fēng)險(xiǎn)),則對(duì)該指標(biāo)的評(píng)分值為u2(u2∈[1,2])。設(shè)第a位專家對(duì)風(fēng)險(xiǎn)指標(biāo)xi的評(píng)分值為ua,則該風(fēng)險(xiǎn)指標(biāo)xi的評(píng)價(jià)值vi為

(二)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警的方法

目前預(yù)警方法中經(jīng)常采用直線外推、指數(shù)平滑、回歸分析、移動(dòng)平均、灰色預(yù)測(cè)等模型,而對(duì)高度非線性系統(tǒng)難以處理,不具備時(shí)變特性,缺乏自適應(yīng)、自學(xué)習(xí)能力。本文將粗糙集(Rough)理論和人工神經(jīng)網(wǎng)絡(luò)(ANN)方法結(jié)合起來(lái),建立企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警的Rough—ANN(粗糙神經(jīng)網(wǎng)絡(luò))模型,利用該模型對(duì)企業(yè)技術(shù)創(chuàng)新項(xiàng)目綜合風(fēng)險(xiǎn)進(jìn)行測(cè)度。

1.Rough集的知識(shí)約簡(jiǎn)方法和人工神經(jīng)網(wǎng)絡(luò)方法概述

(1)Rough集的知識(shí)約簡(jiǎn)方法

Rough集理論是20世紀(jì)80年代初由波蘭數(shù)學(xué)家Z.Paw lak首先提出的一種分析數(shù)據(jù)的數(shù)學(xué)理論,它是一種新的處理模糊和不確定性知識(shí)的數(shù)學(xué)工具。Rough集理論已經(jīng)在機(jī)器學(xué)習(xí)、從數(shù)據(jù)庫(kù)中發(fā)現(xiàn)知識(shí)、決策支持和分析等方面得到了廣泛應(yīng)用。其主要思想是在保持分類能力不變的前提下,通過(guò)知識(shí)約簡(jiǎn)導(dǎo)出問(wèn)題的決策和分類規(guī)則。知識(shí)約簡(jiǎn)方法是粗糙集理論的核心內(nèi)容之一。知識(shí)庫(kù)中的知識(shí)(屬性)并不是同等重要的,甚至其中某些知識(shí)是冗余的[16]。所謂知識(shí)約簡(jiǎn)就是保持知識(shí)庫(kù)分類能力不變的條件下,刪除其中不相關(guān)或不重要的知識(shí)。詳細(xì)的Rough集的知識(shí)約簡(jiǎn)算法請(qǐng)參考李龍俯等人的文獻(xiàn)[17]。

(2)人工神經(jīng)網(wǎng)絡(luò)方法

人工神經(jīng)網(wǎng)絡(luò)是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上,依據(jù)人腦基本功能特征,試圖模仿生物神經(jīng)系統(tǒng)的功能或結(jié)構(gòu)發(fā)展起來(lái)的一種新型信息處理系統(tǒng)或計(jì)算體系。這種系統(tǒng)在處理各種模糊、隨機(jī)、量大、低精度信息等方面具有其獨(dú)特的功能:一是能對(duì)大量的專家評(píng)估結(jié)果精心學(xué)習(xí),把專家頭腦中的評(píng)估方法量化、具體化,并把它應(yīng)用到實(shí)際評(píng)估中去,減少人為的非理性因素的影響;二是能不斷地對(duì)新的樣本進(jìn)行學(xué)習(xí),不斷改進(jìn)自身的評(píng)估方法,以動(dòng)態(tài)的調(diào)整適應(yīng)技術(shù)、經(jīng)濟(jì)的不斷發(fā)展對(duì)評(píng)估對(duì)象的影響[18]。BP神經(jīng)網(wǎng)絡(luò)模型是人工神經(jīng)網(wǎng)絡(luò)的重要模型之一,它由輸入層、隱含層和輸出層構(gòu)成。典型的三層前向型BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖2所示。

圖2 典型的三層BP網(wǎng)絡(luò)結(jié)構(gòu)

傳統(tǒng)BP網(wǎng)絡(luò)模型把一組樣本的輸入/輸出問(wèn)題變?yōu)橐粋€(gè)非線性優(yōu)化問(wèn)題,使用了優(yōu)化中的最普通的梯度下降算法,對(duì)問(wèn)題的識(shí)別具有很強(qiáng)的功能,對(duì)于復(fù)雜的非線性模型仿真從理論上來(lái)說(shuō)其誤差可以達(dá)到任意小的程度。雖然它具有許多優(yōu)點(diǎn),但仍存在一些不足[19]。筆者對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的確定和學(xué)習(xí)速率的選取等方面進(jìn)行了改進(jìn),提出了改進(jìn)的BP算法,從而使得BP神經(jīng)網(wǎng)絡(luò)具有良好的容錯(cuò)能力、記憶能力、分類能力和動(dòng)態(tài)推理性能[20]。

2.構(gòu)造Rough—ANN模型的基本原理

影響企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)因素指標(biāo)很多(見(jiàn)表1),這些指標(biāo)量化后的數(shù)據(jù)(評(píng)價(jià)值)之間可能存在相關(guān)性,如果把它們都作為人工神經(jīng)網(wǎng)絡(luò)的輸入變量,顯然會(huì)增加網(wǎng)絡(luò)的復(fù)雜度,降低網(wǎng)絡(luò)性能,大大增加計(jì)算運(yùn)行的時(shí)間,影響計(jì)算的精度。Rough集理論中的知識(shí)約簡(jiǎn)方法為解決這一難題提供了較好的思路。我們可以通過(guò)Rough集理論減少信息表達(dá)的屬性指標(biāo),去掉冗余的信息和指標(biāo),使神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集簡(jiǎn)化,減少神經(jīng)網(wǎng)絡(luò)系統(tǒng)的復(fù)雜性和訓(xùn)練時(shí)間。即先使用Rough集理論中的知識(shí)約簡(jiǎn)方法“壓縮”企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo),將簡(jiǎn)化后的指標(biāo)作為BP網(wǎng)絡(luò)的輸入變量,再用改進(jìn)的BP算法進(jìn)行學(xué)習(xí)。這樣做的目的在于,雖然Rough集理論能從數(shù)據(jù)的相關(guān)性出發(fā),發(fā)現(xiàn)數(shù)據(jù)模式,提取數(shù)據(jù)規(guī)則,約簡(jiǎn)數(shù)據(jù)變量,但在知識(shí)推理和預(yù)測(cè)上不存在優(yōu)勢(shì),而神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力、推理能力和分類能力很強(qiáng),善于從大量的數(shù)據(jù)中發(fā)現(xiàn)規(guī)則,提取信息,并具有良好的動(dòng)態(tài)預(yù)測(cè)功能。因而,取長(zhǎng)補(bǔ)短,將兩種方法有機(jī)地結(jié)合起來(lái),從而增強(qiáng)了人工神經(jīng)網(wǎng)絡(luò)處理像技術(shù)創(chuàng)新風(fēng)險(xiǎn)預(yù)警這類非結(jié)構(gòu)化、非線性的復(fù)雜問(wèn)題的能力。

3.Rough—ANN模型構(gòu)造

根據(jù)傳統(tǒng)BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),將企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警的Rough—ANN模型結(jié)構(gòu)設(shè)計(jì)為三層:

(1)輸入層:根據(jù)企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)預(yù)警指標(biāo)體系,運(yùn)用Rough集理論中的知識(shí)約簡(jiǎn)方法去掉冗余指標(biāo),將剩余的指標(biāo)作為神經(jīng)網(wǎng)絡(luò)的輸入層變量。

(2)隱含層:至于隱含層的選取,按照改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)調(diào)整學(xué)習(xí)算法,先將隱含層節(jié)點(diǎn)數(shù)設(shè)置大一些,讓網(wǎng)絡(luò)自調(diào)整學(xué)習(xí),最終得到大小合適的隱層節(jié)點(diǎn)數(shù)。

(3)輸出層:對(duì)企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)進(jìn)行測(cè)度是一個(gè)從定性到定量再到定性的過(guò)程。通過(guò)神經(jīng)網(wǎng)絡(luò)模型將定性轉(zhuǎn)化為定量輸出,然后結(jié)合評(píng)價(jià)集和輸出結(jié)果,對(duì)企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)進(jìn)行測(cè)度。由于將企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)級(jí)別分為五級(jí):低風(fēng)險(xiǎn)、較低風(fēng)險(xiǎn)、一般風(fēng)險(xiǎn)、較高風(fēng)險(xiǎn)、高風(fēng)險(xiǎn),在神經(jīng)網(wǎng)絡(luò)中,分別使用輸出向量(0,0,0,0,1)、(0,0,0,1,0)、(0, 0,1,0,0)、(0,1,0,0,0),(1,0,0,0, 0)來(lái)表示,因此,神經(jīng)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)數(shù)為5。

(三)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警的模式

企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)根據(jù)Rough—ANN模型對(duì)風(fēng)險(xiǎn)測(cè)度的結(jié)果,向企業(yè)決策者發(fā)出警報(bào)(輸出預(yù)警信號(hào)),其目的是引起決策者的注意,及時(shí)調(diào)整策略,預(yù)防和控制技術(shù)創(chuàng)新項(xiàng)目中的風(fēng)險(xiǎn),使企業(yè)技術(shù)創(chuàng)新活動(dòng)得以順利進(jìn)行。

1.企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警判別

企業(yè)技術(shù)創(chuàng)新過(guò)程中,并非技術(shù)項(xiàng)目的某一種風(fēng)險(xiǎn)因素一出現(xiàn)風(fēng)險(xiǎn),預(yù)警系統(tǒng)就必須發(fā)出警報(bào)。警報(bào)是否發(fā)出以及發(fā)出何種程度的警報(bào),主要取決于技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)的整體水平,即技術(shù)創(chuàng)新項(xiàng)目的綜合風(fēng)險(xiǎn)等級(jí)的大小。

(1)當(dāng)企業(yè)技術(shù)創(chuàng)新項(xiàng)目綜合風(fēng)險(xiǎn)處于一級(jí)風(fēng)險(xiǎn)→不發(fā)出警報(bào)→繼續(xù)監(jiān)測(cè),項(xiàng)目照常進(jìn)行;

(2)當(dāng)企業(yè)技術(shù)創(chuàng)新項(xiàng)目綜合風(fēng)險(xiǎn)處于二級(jí)風(fēng)險(xiǎn)→發(fā)出一般警報(bào)→進(jìn)行對(duì)策預(yù)控;

(3)當(dāng)企業(yè)技術(shù)創(chuàng)新項(xiàng)目綜合風(fēng)險(xiǎn)處于三級(jí)風(fēng)險(xiǎn)→發(fā)出中度警報(bào)→進(jìn)行對(duì)策預(yù)控;

(4)當(dāng)企業(yè)技術(shù)創(chuàng)新項(xiàng)目綜合風(fēng)險(xiǎn)處于四級(jí)或四級(jí)以上風(fēng)險(xiǎn)→發(fā)出高度警報(bào),進(jìn)行對(duì)策預(yù)控。

2.企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警信號(hào)輸出

在企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)中,可以采取“亮燈”的方式,輸出預(yù)警信號(hào):當(dāng)風(fēng)險(xiǎn)等級(jí)為一級(jí)風(fēng)險(xiǎn)時(shí),亮“綠燈”;當(dāng)風(fēng)險(xiǎn)等級(jí)為二級(jí)風(fēng)險(xiǎn)時(shí),亮“藍(lán)燈”;當(dāng)風(fēng)險(xiǎn)等級(jí)為三級(jí)風(fēng)險(xiǎn)時(shí),亮“黃燈”;當(dāng)風(fēng)險(xiǎn)等級(jí)為四級(jí)風(fēng)險(xiǎn)時(shí),亮“紅燈”;當(dāng)風(fēng)險(xiǎn)等級(jí)為五級(jí)風(fēng)險(xiǎn)時(shí),亮“紫燈”。如表2所示。

表2 企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)等級(jí)及其預(yù)警信號(hào)

(四)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)控制對(duì)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)進(jìn)行控制,應(yīng)從兩方面采取措施:第一,對(duì)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)進(jìn)行預(yù)控;第二,對(duì)技術(shù)項(xiàng)目的創(chuàng)新過(guò)程進(jìn)行跟蹤監(jiān)控。

1.風(fēng)險(xiǎn)預(yù)控

風(fēng)險(xiǎn)預(yù)控是指企業(yè)在技術(shù)創(chuàng)新項(xiàng)目實(shí)施前,預(yù)先制定的多種風(fēng)險(xiǎn)狀態(tài)下的備選對(duì)策及防范風(fēng)險(xiǎn)的方案構(gòu)思或框架——風(fēng)險(xiǎn)對(duì)策庫(kù)。當(dāng)預(yù)警系統(tǒng)發(fā)出警報(bào)時(shí),可調(diào)用或參考相應(yīng)的對(duì)策、方案或思路。技術(shù)創(chuàng)新風(fēng)險(xiǎn)對(duì)策庫(kù)的建立有賴于企業(yè)技術(shù)創(chuàng)新實(shí)踐經(jīng)驗(yàn)的積累。

2.跟蹤監(jiān)控

跟蹤監(jiān)控指企業(yè)在技術(shù)創(chuàng)新項(xiàng)目實(shí)施過(guò)程中,對(duì)項(xiàng)目的進(jìn)度、費(fèi)用、困難、成功可能性、風(fēng)險(xiǎn)隱患等進(jìn)行跟蹤監(jiān)控。這不僅包括發(fā)現(xiàn)創(chuàng)新過(guò)程中的新信息,而且包括將影響程度發(fā)生變化的風(fēng)險(xiǎn)因素交由粗糙神經(jīng)網(wǎng)絡(luò)模型進(jìn)行風(fēng)險(xiǎn)再次測(cè)度,以及針對(duì)某些明顯的風(fēng)險(xiǎn)狀態(tài)向預(yù)控對(duì)策庫(kù)尋求防范與處理方法。通過(guò)跟蹤監(jiān)控,企業(yè)可以逐步發(fā)現(xiàn)風(fēng)險(xiǎn)因素的作用規(guī)律和技術(shù)創(chuàng)新的進(jìn)展趨勢(shì),并由此做出合適的預(yù)警判別。

四、實(shí)證研究

成都前鋒電子公司是目前全國(guó)名列前三位的燃?xì)鉄崴魃a(chǎn)廠家,是成都市高新技術(shù)企業(yè)和工業(yè)支柱企業(yè)。自1982年以來(lái),成都前鋒電子公司開(kāi)發(fā)了一系列燃?xì)鉄崴鳟a(chǎn)品。下面,我們運(yùn)用文中設(shè)計(jì)的企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)預(yù)警系統(tǒng),對(duì)成都前鋒電子公司目前正在從事的技術(shù)創(chuàng)新項(xiàng)目P(恒溫冷凝QFM 0568A型)進(jìn)行預(yù)警管理。

選取近10年來(lái)成都前鋒電子公司在燃?xì)鉄崴鞣矫娴牡湫偷?2個(gè)技術(shù)創(chuàng)新項(xiàng)目作為風(fēng)險(xiǎn)預(yù)警系統(tǒng)中Rough—ANN模型的學(xué)習(xí)樣本,待網(wǎng)絡(luò)訓(xùn)練好后對(duì)技術(shù)創(chuàng)新項(xiàng)目P(恒溫冷凝QFM 0568A型)進(jìn)行風(fēng)險(xiǎn)測(cè)度和預(yù)警。選擇的技術(shù)創(chuàng)新項(xiàng)目有:項(xiàng)目1(煙道式QFM 0601YD型)、項(xiàng)目2(普通強(qiáng)排式QFM 0807YQ型)、項(xiàng)目3(薄巧QFM 1061D型)、項(xiàng)目4(標(biāo)準(zhǔn)QF0971D型)、項(xiàng)目5(智能恒溫QFM 1062TQ型)、項(xiàng)目6(數(shù)碼恒溫QFM 1601Q型)、項(xiàng)目7 (強(qiáng)排星QF1051Q型)、項(xiàng)目8(大眼睛QF1011型)、項(xiàng)目9(戶外式QF119型)、項(xiàng)目10(無(wú)氧紫銅QFM 1021D型)、項(xiàng)目11(自動(dòng)QFM 1051D型)、項(xiàng)目12(全自動(dòng)QF139型)。

(一)企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警指標(biāo)的量化處理及知識(shí)約簡(jiǎn)

首先,使用文中第三部分第(一)節(jié)所描述方法,得到成都前鋒電子公司技術(shù)創(chuàng)新項(xiàng)目1至項(xiàng)目12的48個(gè)風(fēng)險(xiǎn)預(yù)警指標(biāo)的評(píng)價(jià)值。然后,根據(jù)Rough集理論中的知識(shí)約簡(jiǎn)算法去掉冗余指標(biāo)。從最終的約簡(jiǎn)結(jié)果(限于篇幅,計(jì)算過(guò)程略)可以看出,原先的48個(gè)風(fēng)險(xiǎn)預(yù)警指標(biāo),被約簡(jiǎn)為25個(gè)風(fēng)險(xiǎn)預(yù)警指標(biāo)。這25個(gè)風(fēng)險(xiǎn)預(yù)警指標(biāo)分別是:宏觀經(jīng)濟(jì)形勢(shì)變動(dòng)、進(jìn)口產(chǎn)品的沖擊程度、技術(shù)成熟程度、技術(shù)先進(jìn)程度、技術(shù)復(fù)雜程度與難度、技術(shù)積累程度、技術(shù)的可替代性、科技人員實(shí)力、產(chǎn)品對(duì)原材料或零部件的技術(shù)性能要求、原材料及零部件供應(yīng)難易程度、引進(jìn)設(shè)備工藝?yán)щy程度、新產(chǎn)品質(zhì)量性能、新產(chǎn)品生產(chǎn)成本、競(jìng)爭(zhēng)對(duì)手實(shí)力、競(jìng)爭(zhēng)者的不正當(dāng)競(jìng)爭(zhēng)行為、用戶對(duì)產(chǎn)品的要求、消費(fèi)者需求變動(dòng)、企業(yè)信譽(yù)與知名度、信貸資金來(lái)源難易程度、創(chuàng)新資金需求量大小、企業(yè)資金實(shí)力、企業(yè)的管理能力、可行性論證與規(guī)劃、項(xiàng)目負(fù)責(zé)人的水平與能力、項(xiàng)目組織管理能力。

(二)Rough—ANN模型的建立

根據(jù)風(fēng)險(xiǎn)預(yù)警指標(biāo)知識(shí)約簡(jiǎn)的結(jié)果,可以確定神經(jīng)網(wǎng)絡(luò)采用25個(gè)輸入變量(即輸入層取25個(gè)節(jié)點(diǎn)),中間隱層取大一些,這里取60個(gè)節(jié)點(diǎn),輸出層為5個(gè)節(jié)點(diǎn),則網(wǎng)絡(luò)結(jié)構(gòu)為25—60—5。對(duì)網(wǎng)絡(luò)進(jìn)行初始化(取誤差上限ε=0. 0002,學(xué)習(xí)速率η=0.5,慣性參數(shù)a=0.1),將12個(gè)技術(shù)創(chuàng)新項(xiàng)目的25個(gè)風(fēng)險(xiǎn)預(yù)警指標(biāo)(經(jīng)知識(shí)約簡(jiǎn)后剩余的風(fēng)險(xiǎn)預(yù)警指標(biāo))的評(píng)價(jià)值轉(zhuǎn)化為[0,1]之間(各評(píng)價(jià)值分別除以10),將處理后的數(shù)據(jù)作為學(xué)習(xí)樣本數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中,按改進(jìn)的BP算法訓(xùn)練網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)訓(xùn)練后,網(wǎng)絡(luò)結(jié)構(gòu)自動(dòng)調(diào)整為25—32—5(輸入層節(jié)點(diǎn)數(shù)為25,隱層節(jié)點(diǎn)數(shù)為32,輸出層節(jié)點(diǎn)數(shù)為5),同時(shí)得到最優(yōu)化的網(wǎng)絡(luò)權(quán)值距陣。

學(xué)習(xí)樣本的網(wǎng)絡(luò)推理結(jié)果(輸出結(jié)果)見(jiàn)表3。從表中可以看出,學(xué)習(xí)樣本的網(wǎng)絡(luò)推理結(jié)果和實(shí)際結(jié)果完全一致。這表明企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)預(yù)警的Rough—ANN模型具有可行性和有效性。

表3 網(wǎng)絡(luò)推理輸出

(三)企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)預(yù)警

運(yùn)用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),對(duì)成都前鋒電子公司目前正在從事的技術(shù)創(chuàng)新項(xiàng)目P(恒溫冷凝QFM 0568A型)進(jìn)行風(fēng)險(xiǎn)測(cè)度。

首先,使用文中第三部分第(一)節(jié)所描述方法,得到成都前鋒電子公司的技術(shù)創(chuàng)新項(xiàng)目P的25個(gè)風(fēng)險(xiǎn)預(yù)警指標(biāo)(經(jīng)知識(shí)約簡(jiǎn)后剩余的風(fēng)險(xiǎn)預(yù)警指標(biāo))評(píng)價(jià)值。然后,將該項(xiàng)目的風(fēng)險(xiǎn)預(yù)警指標(biāo)評(píng)價(jià)值轉(zhuǎn)化為[0,1]之間(各評(píng)價(jià)值分別除以10),將處理后的數(shù)據(jù)輸入到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行計(jì)算,得到該項(xiàng)目的輸出結(jié)果,見(jiàn)表3最后一行。根據(jù)最大隸屬度原則,可知技術(shù)創(chuàng)新項(xiàng)目P的綜合風(fēng)險(xiǎn)級(jí)別為一般風(fēng)險(xiǎn)(三級(jí)風(fēng)險(xiǎn))。

根據(jù)企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)預(yù)警的模式可知,成都前鋒電子公司目前正在從事的技術(shù)創(chuàng)新項(xiàng)目P綜合風(fēng)險(xiǎn)處于三級(jí)風(fēng)險(xiǎn)時(shí),預(yù)警系統(tǒng)將發(fā)出中度警報(bào)(預(yù)警信號(hào)顯示“黃燈”),需進(jìn)行風(fēng)險(xiǎn)控制。

(四)企業(yè)技術(shù)創(chuàng)新項(xiàng)目的風(fēng)險(xiǎn)控制

對(duì)成都前鋒電子公司目前正在從事的技術(shù)創(chuàng)新項(xiàng)目P(恒溫冷凝QFM 0568A型)的25個(gè)風(fēng)險(xiǎn)預(yù)警指標(biāo)進(jìn)行認(rèn)真分析后,可以發(fā)現(xiàn)某些指標(biāo)(風(fēng)險(xiǎn)因素)風(fēng)險(xiǎn)較大。這些指標(biāo)有:技術(shù)成熟程度、技術(shù)復(fù)雜程度與難度、產(chǎn)品對(duì)原材料或零部件的技術(shù)性能要求、新產(chǎn)品質(zhì)量性能、新產(chǎn)品生產(chǎn)成本、消費(fèi)者需求變動(dòng)、創(chuàng)新資金需求量大小等。對(duì)這些風(fēng)險(xiǎn)較大的指標(biāo)需要跟蹤監(jiān)督,并采取相應(yīng)的對(duì)策進(jìn)行風(fēng)險(xiǎn)控制,力爭(zhēng)降低項(xiàng)目P的整體風(fēng)險(xiǎn)水平,使其處于正常風(fēng)險(xiǎn)狀態(tài)。

五、結(jié)束語(yǔ)

技術(shù)創(chuàng)新是一項(xiàng)高風(fēng)險(xiǎn)活動(dòng),如何對(duì)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)進(jìn)行預(yù)警是長(zhǎng)期困擾企業(yè)發(fā)展的一個(gè)難題。本文基于Rough(粗糙)集理論和ANN (人工神經(jīng)網(wǎng)絡(luò))方法建立了企業(yè)技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng),不僅解決了傳統(tǒng)預(yù)警系統(tǒng)難以處理非結(jié)構(gòu)化、非線性的復(fù)雜問(wèn)題,而且克服了傳統(tǒng)預(yù)警系統(tǒng)缺少自適應(yīng)、自學(xué)習(xí)能力,費(fèi)時(shí)、效率低等困難,顯示出粗糙神經(jīng)網(wǎng)絡(luò)是進(jìn)行風(fēng)險(xiǎn)預(yù)警的一種比較好的應(yīng)用工具,從而為預(yù)警走向?qū)嵱没於嘶A(chǔ)。在文末,給出了一個(gè)基于Rough—ANN模型的企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)預(yù)警實(shí)例。實(shí)驗(yàn)結(jié)果表明,該系統(tǒng)可行、有效,為技術(shù)創(chuàng)新項(xiàng)目風(fēng)險(xiǎn)的動(dòng)態(tài)預(yù)警提供了一條新的途徑。

[1]許慶瑞,主編.研究、發(fā)展與技術(shù)創(chuàng)新管理[M].北京:高等教育出版社,2000.

[2]MOTIAR R M,KUMARASWAM Y M.Risk management trends in the construction industry:moving towards joint risk management[J].Engineering Construction and A rchitectural Management,2003,(3):79-86.

[3]吳貴生.技術(shù)創(chuàng)新管理[M].北京:清華大學(xué)出版社,2000.

[4]PARNELL G S,FRIM PON M.Safety risk analysisof an innovative environmental technology[J].Risk Analysis, 2003,23(1):143-155.

[5]黃繼鴻,柯孔林.基于集值統(tǒng)計(jì)的技術(shù)創(chuàng)新風(fēng)險(xiǎn)度量及其預(yù)警[J].科學(xué)學(xué)研究,2005,(2).

[6]王立新,李勇,任榮明.基于灰色多層次方法的企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)評(píng)估研究[J].系統(tǒng)工程理論與實(shí)踐,2006, (7).

[7]尚慶琛,覃正.基于隸屬概率算法的新產(chǎn)品開(kāi)發(fā)風(fēng)險(xiǎn)因素診斷[J].統(tǒng)計(jì)與決策,2008,(21).

[8]RUBENSTEIN A H,CHA KRABARTIA K.Facto rs Influencing Innovation Success at the Project Level[J].Research M anagement,1976,(19).

[9]COOPER R G.Identifying Industrial Product Success and Failure[J].Ind.Market.Manag.,1979,(8).

[10]BENAROCH M.Op tion-based managementof technology investment risk[J].IEEE Transactionson Engineering Management,2001,48(4).

[11]王宗軍,楊萍.企業(yè)自主技術(shù)創(chuàng)新風(fēng)險(xiǎn)的影響因素研究[J].技術(shù)經(jīng)濟(jì),2008,27(4).

[12]杜丹麗,肖燕紅,龍想平.船舶工業(yè)企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)評(píng)價(jià)研究[J].中國(guó)造船,2009,503:158-164.

[13]趙海信.企業(yè)技術(shù)創(chuàng)新風(fēng)險(xiǎn)預(yù)警管理研究[J].科技進(jìn)步與對(duì)策,2006,(8).

[14]劉洪渭,丁德臣.基于ERM框架的保險(xiǎn)公司全面風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究[J].統(tǒng)計(jì)與決策,2009,(20).

[15]柴國(guó)榮,高旭,周福洲.基于界面集成的供應(yīng)鏈全生命周期風(fēng)險(xiǎn)預(yù)警模式研究[J].科技進(jìn)步與對(duì)策,2009, 26(2).

[16]PAWLA K Z.Rough set theory and its app lications to data analysis[J].Cybernetics and Systems,1998,29 (1).

[17]李龍俯,程慧霞,盧冰原.基于凸Rough集的數(shù)據(jù)約簡(jiǎn)和規(guī)則發(fā)現(xiàn)研究[J].東南大學(xué)學(xué)報(bào),2002,32(6).

[18]張乃堯,閻平凡.神經(jīng)網(wǎng)絡(luò)與模糊控制[M].北京:清華大學(xué)出版社,1998.

[19]ERGEZINGER S,TOMSEN E.An accelerated algo rithm for multiplayer perceptions op timization layer by laye [J].IEEE Transactions Neural Networks,2001,(6):31-42.

[20]李曉峰,徐玖平.動(dòng)態(tài)全參數(shù)自調(diào)整BP神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)[J].中國(guó)管理科學(xué),2004,12(6).

Study on the Construction of Risk Early Warning System for Enterprise Technological Innovation Projects

L I Xiaofeng,XU Jiuping,YAN Jinjiang

(Business school,Sichuan University,Chengdu 610064,Sichuan,China)

Technological innovation is a high-risk activity.If it is postponed,or terminated,or failed,or the innovation p rocess is imp roperly controlled,it w ill cause unnecessary losses to enterp rises.Therefore,it isof great significance to construct a scientific risk p re-warning system of technology innovation.In this paper,the establishment of the system based on system index and Rough ANN model w ill be discussed.The system can not only identify themain attributesof technological innovation risk,reduce the cost of information accumulation in risk early warning,imp rove the p re-warning efficiency,but also overcomemany limitationsof traditionalwarning system,including highly non-linear model,bad performances of fault tolerance,lack of self-learning,etc..Both theoretical analyses and experimental results show the feasibility and validity of the risk early w arning system,pointing a new way for risk management of enterp rise technological innovation.

enterp rise,technological innovation,risk early warning system,Rough-ANN

book=88,ebook=79

F273.1

A

1006-0766(2010)05-0088-08

(責(zé)任編輯:慧 宇)

2009-12-14

國(guó)家自然科學(xué)基金項(xiàng)目(70672014);四川大學(xué)青年基金資助項(xiàng)目。

李曉峰(1972—),男,陜西西安人。四川大學(xué)博士,副教授,主研方向:技術(shù)創(chuàng)新風(fēng)險(xiǎn)管理;徐玖平(1963—),男,重慶人。四川大學(xué)教授,博士生導(dǎo)師,主研方向:現(xiàn)代企業(yè)管理技術(shù)與方法;顏錦江(1973—),男,江蘇鹽城人。四川大學(xué)博士生,講師,主研方向:企業(yè)信息管理。