協(xié)同產(chǎn)品創(chuàng)新中的創(chuàng)新客戶重要度評價方法

李 斐，楊 育＋，謝建中，2，張 峰

（1．重慶大學 機械傳動國家重點實驗室，重慶 400030；2．富士康科技集團，廣東 深圳 518101；3．武漢理工大學 機電工程學院，湖北 武漢 430060）

0 引言

客戶協(xié)同產(chǎn)品創(chuàng)新作為一種新型的協(xié)同產(chǎn)品開發(fā)模式，最早由美國學者Von Hippel教授提出［1］。自提出至今，國內(nèi)外學者在其相關研究中取得了許多成果，包括客戶協(xié)同創(chuàng)新的概念框架［2－3］、客戶參與協(xié)同創(chuàng)新的驅動因素［3］、客戶協(xié)同創(chuàng)新的組織結構與流程［4］等，為客戶協(xié)同產(chǎn)品創(chuàng)新的深入研究奠定了基礎。但是，上述成果多集中在對客戶協(xié)同產(chǎn)品創(chuàng)新理論的探討，仍有諸多實際問題需要研究。

在協(xié)同創(chuàng)新過程中，企業(yè)的成本和資源有限，而相關的創(chuàng)新客戶數(shù)量較多。如何采用科學、合理、有效的方式對參與協(xié)同創(chuàng)新設計的創(chuàng)新客戶進行重要性評價，以確定對產(chǎn)品創(chuàng)新貢獻明顯的關鍵創(chuàng)新客戶，進而更有針對性地管理創(chuàng)新客戶，降低企業(yè)在創(chuàng)新客戶管理等方面的產(chǎn)品創(chuàng)新成本，提高企業(yè)主導的產(chǎn)品創(chuàng)新綜合競爭力，成為企業(yè)亟待解決的重要問題。

Von Hippel［5］最早定義了創(chuàng)新客戶這類特殊群體，并對他們的特點進行了總結；Franke等［6］指出，為了識別創(chuàng)新用戶，產(chǎn)品知識應作為一個變量構成要素加以考慮；譚鴻予等［7］建立了識別創(chuàng)新型用戶的指標體系，運用層次分析法（Analytic Hierarchy Process，AHP）構建了創(chuàng)新型用戶的模糊綜合評判模型；楊潔等［8］在考慮客戶學習效應的基礎上，應用粗糙集和小波神經(jīng)網(wǎng)絡對客戶進行客觀評價，建立了協(xié)同創(chuàng)新客戶綜合評價模型。

上述研究從定性角度或客戶的知識水平對創(chuàng)新客戶進行評價，無法避免人的主觀判斷對評價的影響，而且忽略了客戶參與協(xié)同創(chuàng)新的過程以及創(chuàng)新客戶間的相互作用。Marchi等［9］的實證研究表明，興趣和知識水平是創(chuàng)新用戶的兩個關鍵要素，興趣決定了客戶參與協(xié)同產(chǎn)品創(chuàng)新的欲望，可通過客戶參與協(xié)同產(chǎn)品創(chuàng)新過程的深入程度衡量，但其并未提出可量化的指標和計算方法。因此，本文基于復雜網(wǎng)絡相關理論，針對創(chuàng)新客戶參與協(xié)同產(chǎn)品創(chuàng)新的實際過程，建立面向客戶參與的客戶協(xié)同創(chuàng)新網(wǎng)絡 （Customer Collective Innovation Networks，CCIN）模型，綜合考慮創(chuàng)新客戶參與的協(xié)同產(chǎn)品創(chuàng)新過程和客戶知識水平對協(xié)同創(chuàng)新網(wǎng)絡效率的影響，進而利用復雜網(wǎng)絡節(jié)點的重要度評價方法對創(chuàng)新客戶的重要性排序，期望對客戶協(xié)同產(chǎn)品創(chuàng)新中的創(chuàng)新用戶管理和資源分配有一定的指導意義。

1 問題的描述

1．1 客戶協(xié)同創(chuàng)新網(wǎng)絡

協(xié)同網(wǎng)絡的概念最早由Camarinha等提出，是指在計算機網(wǎng)絡的支持下，為了創(chuàng)造價值，由大量自發(fā)的，地域上分散的，在運營環(huán)境、文化、社會資本以及目標等方面各異的協(xié)同主體組成的網(wǎng)絡系統(tǒng)［10］。協(xié)同網(wǎng)絡一般包括協(xié)同創(chuàng)新網(wǎng)絡、協(xié)同生產(chǎn)網(wǎng)絡、協(xié)同營銷網(wǎng)絡等。

客戶協(xié)同產(chǎn)品創(chuàng)新是一種客戶深度參與的協(xié)同創(chuàng)新方式，其創(chuàng)新主體包括創(chuàng)新客戶和企業(yè)專業(yè)設計人員等。在協(xié)同創(chuàng)新過程中，多創(chuàng)新主體借助各種網(wǎng)絡化協(xié)同工作環(huán)境、創(chuàng)新設計工具和知識融合手段，通過協(xié)同進行產(chǎn)品創(chuàng)新設計，創(chuàng)新過程呈現(xiàn)出開放性、動態(tài)性、多樣性及不確定性等復雜系統(tǒng)的特點［11］。上述特點使得創(chuàng)新主體間存在復雜的協(xié)同知識工作關系，從而形成復雜的知識工作網(wǎng)絡——客戶協(xié)同創(chuàng)新網(wǎng)絡，創(chuàng)新客戶、專業(yè)設計人員等創(chuàng)新主體為網(wǎng)絡的節(jié)點，相互之間的聯(lián)系和關聯(lián)性等為網(wǎng)絡的邊。

客戶協(xié)同創(chuàng)新網(wǎng)絡是協(xié)同創(chuàng)新網(wǎng)絡的一種特殊形式，是在網(wǎng)絡環(huán)境下工作的多創(chuàng)新主體組成的信息—知識交流關系網(wǎng)絡，具有復雜網(wǎng)絡的特點［11－12］：① 客戶協(xié)同創(chuàng)新網(wǎng)絡中多創(chuàng)新主體為了獲取更多的外部資源，加強彼此或與外部的密切聯(lián)系，使得客戶協(xié)同產(chǎn)品創(chuàng)新的過程更為開放；② 新成員的加入、新協(xié)同關系的形成、客戶需求的動態(tài)變化以及創(chuàng)新主體的自主學習等，使得網(wǎng)絡一直處于動態(tài)變化中；③ 創(chuàng)新主體既包括專業(yè)創(chuàng)新設計人員又包括協(xié)同創(chuàng)新客戶，且各自具有不同的特點，使客戶協(xié)同創(chuàng)新網(wǎng)絡呈現(xiàn)出多樣性的特點；④ 協(xié)同創(chuàng)新過程存在大量隨機、模糊、不確定因素的影響。

1．2 網(wǎng)絡的節(jié)點重要度

復雜網(wǎng)絡節(jié)點重要度的研究最早始于圖論的最關鍵節(jié)點和最關鍵邊問題，以期通過節(jié)點重要性的評估找出關鍵節(jié)點和關鍵邊，進而通過對他們的重點保護來提高整個網(wǎng)絡的可靠性。網(wǎng)絡節(jié)點的重要性可以通過節(jié)點中心性進行衡量，常用指標有度、接近度、介數(shù)、特征向量等［13］。這類指標以不破壞網(wǎng)絡結構的整體性為基礎，但大多考慮的因素簡單，忽略了節(jié)點集的重要性及節(jié)點間的相互作用。

針對上述問題，有學者提出了基于節(jié)點刪除的復雜網(wǎng)絡中心性指標，如最大連通片尺寸、平均最短路徑長度、網(wǎng)絡效率等［14］。指標通過考察刪除節(jié)點對網(wǎng)絡連通性的破壞程度來衡量節(jié)點的重要性，即破壞性越大其重要性越大。基于節(jié)點刪除的指標能較好地反映節(jié)點刪除對網(wǎng)絡連通性的影響，進而對網(wǎng)絡的節(jié)點重要性進行評價。其中，網(wǎng)絡效率衡量了信息在網(wǎng)絡上傳播的有效程度，包含了最短路徑等統(tǒng)計信息，不僅能更形象地描述一個網(wǎng)絡的屬性，更好地反映網(wǎng)絡節(jié)點刪除對網(wǎng)絡整體結構的影響，還能較好地表征客戶協(xié)同創(chuàng)新網(wǎng)絡中的創(chuàng)新主體間的協(xié)同效率［14］。因此，本文采用網(wǎng)絡效率指標，即刪除創(chuàng)新主體節(jié)點前后創(chuàng)新網(wǎng)絡的效率變化程度，來衡量客戶協(xié)同創(chuàng)新網(wǎng)絡中創(chuàng)新客戶的重要程度。

通過網(wǎng)絡效率衡量創(chuàng)新客戶在協(xié)同產(chǎn)品創(chuàng)新中的重要程度，首先需要建立客戶協(xié)同創(chuàng)新網(wǎng)絡的數(shù)學模型，然后提出客戶協(xié)同創(chuàng)新網(wǎng)絡的效率計算方法，并形成完整的協(xié)同創(chuàng)新客戶評價過程。

2 客戶協(xié)同創(chuàng)新網(wǎng)絡的數(shù)學模型

建立客戶協(xié)同創(chuàng)新網(wǎng)絡數(shù)學模型，需做如下假定和說明：

（1）創(chuàng)新主體為節(jié)點，創(chuàng)新主體間的協(xié)同關系（信息或知識交流關系）為邊。

（2）為對創(chuàng)新型客戶進行重要度評價，此處的創(chuàng)新主體節(jié)點僅選取創(chuàng)新客戶。

（3）任意兩個創(chuàng)新主體間不考慮信息流的方向，即網(wǎng)絡為無向網(wǎng)絡。

（4）創(chuàng)新客戶存在知識水平差異，導致創(chuàng)新客戶間的聯(lián)系強度不同，即網(wǎng)絡為加權網(wǎng)絡。

客戶協(xié)同創(chuàng)新網(wǎng)絡可用無向加權圖G＝（V，L，W）表示，網(wǎng)絡共有n個節(jié)點和m 條邊，V＝｛v1，v2，…，vn｝為創(chuàng)新主體集，L＝｛（vi，vj）｝為附加權重wij的邊l＝（vi，vj）的集合。網(wǎng)絡為無向網(wǎng)絡，因此（vi，vj）與（vj，vi）對應同一條邊，即（vi，vj）＝（vj，vi）。

權重wij為相似權，代表了創(chuàng)新客戶i和創(chuàng)新客戶j的協(xié)同關聯(lián)強度。因為客戶協(xié)同創(chuàng)新過程中創(chuàng)新客戶的協(xié)同關聯(lián)強度與客戶的知識水平呈正相關［9］，且受知識水平較低的客戶所限，所以無向加權客戶協(xié)同創(chuàng)新網(wǎng)絡的邊權重

式中wi和wj分別代表創(chuàng)新客戶i和j的知識水平，i和j的知識水平越高，其協(xié)同關聯(lián)強度越大。

對于客戶協(xié)同創(chuàng)新網(wǎng)絡的拓撲結構，本文用鄰接矩陣的轉化形式A＝｛aij｝表示，其中aij表示創(chuàng)新客戶i和j之間的協(xié)同關系，其中

3 基于節(jié)點重要度的創(chuàng)新客戶重要性評價方法

3．1 協(xié)同關聯(lián)強度賦值

本文采用模糊綜合評價方法確定創(chuàng)新客戶的知識水平，進而確定創(chuàng)新客戶間的協(xié)同關聯(lián)強度?；谀：C合評價理論，首先構建客戶知識水平的綜合評價指標體系及評價尺度集，然后運用AHP和熵值法綜合確定各指標的權重，其次建立評判指標的隸屬度矩陣，最后對創(chuàng)新客戶的知識水平進行模糊綜合評判［15－16］。

（1）確定評價指標集及評價尺度集

評價指標體系的構建并非本文的研究重點，因此，應用文獻［8］中創(chuàng)新客戶識別的部分相關指標，構建創(chuàng)新客戶知識水平評價指標體系，具體如圖1所示。

創(chuàng)新客戶知識水平的評價指標集K＝（K1，K2，K3，K4，K5，K6，K7，K8，K9，K10）。對于創(chuàng)新客戶所具有的相應知識水平，運用語言變量與模糊數(shù)學相結合的方法量化定性指標，制定q＝5級分數(shù)制評價尺度：很高（0．9），高（0．7），較高（0．5），低（0．3），較低（0．1），用評價尺度集T＝（0．9，0．7，0．5，0．3，0．1）表示。

（2）計算隸屬度，構造隸屬度矩陣

根據(jù)評價專家做出的評價結果，計算各創(chuàng)新客戶的隸屬度

式中：b表示參加評價的專家人數(shù)，bikj表示對創(chuàng)新客戶vk的第i項評價指標Ki做出Tj評價尺度的專家q人數(shù)，且∑rikj＝1。j＝

1由此，可求得各創(chuàng)新客戶的隸屬度矩陣Rk＝｛rikj｝。（3）運用AHP法和熵值法確定各指標綜合權重對于

不同的評價指標，應賦予不同的權重U，

權重的確定主要有主觀賦權法和客觀賦權法兩種。基于主觀的AHP賦權方法具有解釋性強的優(yōu)點，但具有一定的主觀隨意性，影響了決策的準確性和可靠性；基于客觀的熵值法充分挖掘原始數(shù)據(jù)信息，能反映各項指標的差異程度，從而避免賦權的主觀隨意性。因此，本文充分利用AHP和熵值法的互補性，采用主客觀相結合的方式確定各指標的權重。

根據(jù)AHP，本文采用1～9標度法對各指標的重要性進行兩兩比較，形成指標權重向量矩陣H（hij）。其中，hii＝1，hij＝1/hji。

運用方根法計算各指標權重，歸一化處理后可得到權重Ui′。

根據(jù)熵值法，第i個評價指標隸屬于各評語的隸屬度rij可以看作第i個評價因素系統(tǒng)不同狀態(tài)發(fā)生的概率Pij，因此第i個評價指標的熵定義為

取gi′＝1－gi，可得第i個指標的熵權

利用幾何平均值的方法，對上述兩類指標權重值進行處理，可得

通過歸一化處理，可得各指標綜合權重U。

（4）綜合評價創(chuàng)新客戶的知識水平

根據(jù)模糊理論的綜合評定概念，選擇加權平均型算子計算每一待評價創(chuàng)新客戶的綜合評定向量，即

計算創(chuàng)新客戶知識水平的綜合評價值

3．2 客戶協(xié)同創(chuàng)新網(wǎng)絡的效率衡量

Latora等為衡量信息在網(wǎng)絡節(jié)點間傳輸?shù)碾y易程度提出了網(wǎng)絡效率的概念，并將兩個節(jié)點間的效率定義為兩點之間最短距離dij的倒數(shù)，即

將網(wǎng)絡中所有節(jié)點的效率取平均值，就得到了網(wǎng)絡的全局效率，即

上述公式可以衡量知識等信息在網(wǎng)絡并行傳播時系統(tǒng)的效率，但它主要針對無權網(wǎng)絡和相異權。客戶協(xié)同創(chuàng)新網(wǎng)絡的邊權為相似權，權重越大，節(jié)點間的關系越緊密，即創(chuàng)新客戶的知識水平越高。創(chuàng)新客戶間的協(xié)同關系越強，創(chuàng)新客戶間信息的傳遞效率越高。在網(wǎng)絡效率計算過程中，相異權和相似權的差異影響了最短路徑長度dij的定義和計算。

針對上述問題，國內(nèi)學者田柳等提出了調(diào)和平均值［17］的概念，以求解相似權網(wǎng)絡的節(jié)點最短路徑長度。假設（i，j）通過節(jié)點k相連，當權重為相異權時，權重和距離成正比，邊權和兩節(jié)點距離可直接轉化，則i和j間的距離dij＝dik＋dkj＝wik＋wkj；當權重為相似權時，權重和距離成反比，令dik＝1/wik，頂點i和j的距離通過調(diào)和平均值dsij＝wik×wkj/（wik＋wkj）求得。因此，相似權網(wǎng)絡的節(jié)點最短路徑長度可用式（14）表示，即

相異權網(wǎng)絡的邊權權重與節(jié)點間的距離成正比，與網(wǎng)絡效率成反比，而相似權的網(wǎng)絡情況則相反。因此，相似權網(wǎng)絡節(jié)點間的效率不能直接用最短路徑長度的倒數(shù)表示，兩節(jié)點間的效率eij可用（i，j）間的最短路徑長度dsij表示［17］。由此可得加權客戶協(xié)同創(chuàng)新網(wǎng)絡的網(wǎng)絡效率

進而可得到刪除節(jié)點vi后的客戶協(xié)同創(chuàng)新網(wǎng)絡效率的變化程度，即

式中：E（G）為正常狀態(tài)的客戶協(xié)同創(chuàng)新網(wǎng)絡效率，E（G，vi）為刪除節(jié)點vi后的網(wǎng)絡效率值。

3．3 基于網(wǎng)絡效率的創(chuàng)新客戶重要性評價

通過以上分析，選用網(wǎng)絡效率的變化程度作為協(xié)同創(chuàng)新過程中創(chuàng)新客戶的重要度評價依據(jù)，歸納客戶協(xié)同創(chuàng)新網(wǎng)絡中創(chuàng)新客戶的重要度評價步驟如下：

步驟1 收集客戶協(xié)同創(chuàng)新過程中的創(chuàng)新客戶協(xié)同關系信息。

步驟2 選擇專家按照評價指標體系對創(chuàng)新客戶的知識水平進行評價。

步驟3 通過專家評價結果和式（3）計算各創(chuàng)新客戶的隸屬度矩陣。

步驟4 通過專家打分，按照式（4）～式（9），計算各評價指標綜合權重。

步驟5 按照式（10）和式（11）計算各創(chuàng)新客戶知識水平的綜合評價值，根據(jù)式（1）即得到邊權。

步驟6 根據(jù)步驟5計算的邊權和式（2），建立客戶協(xié)同創(chuàng)新網(wǎng)絡無向加權圖G＝（V，L，W）。

步驟7 按照式（14）和式（15），分別計算正常狀態(tài)下客戶協(xié)同創(chuàng)新網(wǎng)絡效率和刪除各創(chuàng)新客戶節(jié)點后的網(wǎng)絡效率。

步驟8 按照式（16）計算各創(chuàng)新客戶的重要度C，并對其進行排序。

4 案例分析

國內(nèi)某集團公司以生產(chǎn)手機為主，且較早引入客戶協(xié)同產(chǎn)品創(chuàng)新設計方式。以該企業(yè)某次完整的協(xié)同創(chuàng)新設計任務為例，共有18名專業(yè)設計人員和52名創(chuàng)新客戶協(xié)作參與，耗時4個月開發(fā)一款新式手機。對其中52名創(chuàng)新客戶的協(xié)同關系進行統(tǒng)計，作為本文方法的驗證對象。

根據(jù)上述專家對52名創(chuàng)新客戶知識水平的打分和式（3），計算并構建各創(chuàng)新客戶的隸屬度矩陣Rk。

通過邀請5位專家依據(jù)1～9標度法對各指標的重要性進行兩兩比較，得到指標的權重判別矩陣H，歸一化可得主觀權重向量U′＝（0．032 1，0．105 1，0．321 6，0．111 3，0．318，0．084，0．023 8，0．166 6，0．101 8，0．097 5）。通過專家打分所得的隸屬度矩陣統(tǒng)計信息，結合式（7）和式（8），可得客觀權重向量α＝（0．095 2，0．047 3，0．075 2，0．121 7，0．203 3，0．042，0．083 6，0．176 5，0．081 1，0．074 1）。根據(jù)式，通過歸一化后可得綜合權重U＝（0．050 1，0．063 9，0．141，0．105 5，0．230 5，0．053 8，0．040 4，0．155 4，0．082 4，0．077）。

根據(jù)式（10）和式（11），計算得到各創(chuàng)新客戶知識水平的綜合評價值，如表1所示。

根據(jù)式（1）可計算客戶協(xié)同創(chuàng)新網(wǎng)絡節(jié)點間的邊權，具體如表2所示，其中零代表創(chuàng)新客戶間不存在協(xié)同關系。

表1 創(chuàng)新客戶知識水平綜合評價值

表2 客戶協(xié)同創(chuàng)新網(wǎng)絡的邊權

根據(jù)收集的創(chuàng)新客戶協(xié)同關系、邊權和式（2），建立客戶協(xié)同創(chuàng)新網(wǎng)絡無向加權圖G，并繪制拓撲圖如圖2所示。

相異權網(wǎng)絡的邊權與節(jié)點間的距離成正比，邊權越大，兩個節(jié)點之間的距離越遠，信息在節(jié)點對間傳播的效率越低，網(wǎng)絡效率越低，而相似權的網(wǎng)絡情況相反。在此客戶協(xié)同創(chuàng)新網(wǎng)絡中，邊權越大，代表創(chuàng)新客戶的知識水平越高，彼此間的協(xié)同關聯(lián)越緊密，兩個創(chuàng)新客戶間的距離越小，信息在兩個創(chuàng)新客戶之間傳播的效率越高，網(wǎng)絡效率越高。因此，該客戶協(xié)同創(chuàng)新網(wǎng)絡符合相似權網(wǎng)絡特征，可按照式（14）和式（15），分別計算正常狀態(tài)下客戶協(xié)同創(chuàng)新網(wǎng)絡效率和刪除各創(chuàng)新客戶節(jié)點后的網(wǎng)絡效率，然后根據(jù)式（16）計算刪除各節(jié)點后的網(wǎng)絡效率變化值，具體如表3所示。

表3 節(jié)點刪除后的網(wǎng)絡效率及其變化值

對上述客戶進行重要性排序，并與僅通過知識水平評價的結果進行對比，排序及對比結果如表4所示。

表4 創(chuàng)新客戶重要度排序結果

對比排序后的數(shù)據(jù)發(fā)現(xiàn)，兩種方法的客戶重要性排序結果相差較大。以兩種方法評價的最重要客戶v2和v50為例，v2的知識層次屬于中等水平，但它對于整個協(xié)同創(chuàng)新過程中的創(chuàng)新主體間知識、信息等的傳遞效率發(fā)揮著最重要的樞紐作用，v50雖具有最高的知識水平，但它并未深入?yún)⑴c協(xié)同創(chuàng)新過程。因此，基于復雜網(wǎng)絡理論的節(jié)點重要度方法綜合考慮了創(chuàng)新客戶的知識水平及其參與協(xié)同創(chuàng)新任務過程中的表現(xiàn)，能充分挖掘客戶協(xié)同創(chuàng)新過程的有關信息，有效地實現(xiàn)制造企業(yè)對創(chuàng)新客戶的重要性評估。

5 結束語

本文基于復雜網(wǎng)絡的相關理論和思想，建立了客戶協(xié)同創(chuàng)新網(wǎng)絡模型，提出了一種基于節(jié)點重要度的創(chuàng)新客戶重要度評價方法。以刪除創(chuàng)新客戶前后網(wǎng)絡效率的改變程度為指標，相對于定性或者僅依據(jù)客戶知識水平進行創(chuàng)新客戶重要性評價的方法而言，能夠考慮到創(chuàng)新客戶的知識在協(xié)同創(chuàng)新過程中的作用和創(chuàng)新客戶間的相互作用。通過對某企業(yè)創(chuàng)新客戶的重要性評價問題進行實例分析，表明了該方法的實用性和可行性。該方法可為創(chuàng)新客戶管理、協(xié)同創(chuàng)新資源分配等問題提供輔助決策參考。因此，如何根據(jù)創(chuàng)新客戶的重要度進行利潤及資源等的分配方案設計，將是下一步的研究方向。

［1］ THOMKE S H，VONHIPPEL E．Customers as innovators：a new way to create value［J］．Harvard Business Review，2002，80（4）：74－81．

［2］ OJANEN V，HALLIKAS I．Inter－organisational routines and transformation of customer relationships in collaborative innovation［J］．International Journal of Technology Management，2009，45（3/4）：306－322．

［3］ ETGAR M．A descriptive model of the consumer co－production process［J］．Journal of the Academy of Marketing Science，2008，36（1）：97－108．

［4］ YANG Yu，XING Qingsong，LIU Aijun，et al．Organization model and coordination efficiency in customer collaborative products innovation［J］．Computer Integrated Manufacturing Systems，2012，18（4）：719－728（in Chinese）．［楊 育，邢青松，劉愛軍，等．客戶協(xié)同產(chǎn)品創(chuàng)新中的組織模型及協(xié)調(diào)效率［J］．計算機集成制造系統(tǒng)，2012，18（4）：719－728．］

［5］ VONHIPPEL E．Lead users－a source of novel product concepts［J］．Management Science，1986，32（7）：791－805．

［6］ FRANKE N，VON HIPPEL E，SCHREIER M．Schreier．Finding commercially attractive user innovations：A test of lead－user theory［J］．Journal of Product Innovation Management，2006，23（4）：301－315．

［7］ TAN Hongyu，YANG Yu，SONG Lijun，et al．Identification and fuzzy evaluation of innovative user in collaborative product innovation［J］．Journal of Chongqing University，2008，31（2）：130－135（in Chinese）．［譚鴻予，楊 育，宋李俊，等．協(xié)同產(chǎn)品創(chuàng)新中創(chuàng)新用戶的識別及評估［J］．重慶大學學報，2008，31（2）：130－135．］

［8］ YANG Jie，YANG Yu，WANG Weili，et al．Evaluation of collaborative innovative customer based on PWNN model and its application［J］．Computer Integrated Manufacturing Systems，2008，14（5）：882－890（in Chinese）．［楊 潔，楊 育，王偉立，等．基于預處理小波神經(jīng)網(wǎng)絡模型的協(xié)同創(chuàng)新客戶評價與應用研究［J］．計算機集成制造系統(tǒng)，2008，14（5）：882－890．］

［9］ MARCHI G，GIACHETTI C，DE GENNARO P．Extending lead－user theory to online brand communities：the case of the community ducati［J］．Technovation，2011，31（8）：350－361．

［10］ CAMARINHA M L，AFSARMANESH H．Collaborative networks：a new scientific discipline［J］．Journal of Intelligent Manufacturing，2005，16（5）：439－452．

［11］ PETER A，GLOOR ROB LAUBACHER，SCOTT B C．Dynes，et al．Visualization of communication patterns in collaborative innovation networks－analysis of some w3cworking groups［C］//Proceedings of the 12th International Conference on Information and Knowledge Management．New Orleans，La．，USA：Association for Computing Machinery，2003：56－60．

［12］ WANG Xiaolei，YANG Yu，ZENG Qiang，et al．Research on the complexity of customer collaborative product innovation and innovation agent stimulus－response model［J］．Studies in Science of Science，2009，27（11）：1729－1735（in Chinese）．［王小磊，楊 育，曾 強，等．客戶協(xié)同創(chuàng)新的復雜性及主體刺激－反應模型［J］．科學學研究，2009，27（11）：1729－1735．］

［13］ KIM Hyoungshick，TANG John，ANDERSON Ross，et al．Centrality prediction in dynamic human contact networks［J］．Computer Networks，2012，56（3）：983－996．

［14］ LATORA V，MARCHIORI M．Efficient behavior of smallworld networks［J］．Physical Review Letters，2001，87（19）：1－5．

［15］ LIU Fei，ZHANG Xiaodong，YANG Dan．Manufacturing system engineering［M］．Beijing：National Defence Industry Press，2000（in Chinese）．［劉 飛，張曉冬，楊 丹．制造系統(tǒng)工程 ［M］．北京：國防工業(yè)出版社，2000．］

［16］ KANG H Y，LEE A H I．Priority mix planning for semiconductor fabrication by fuzzy AHP ranking［J］．Expert Systems with Applications，2007，32（2）：560－570．

［17］ TIAN Liu，DI Zengru，YAO Hong．Effect of distribution of weight on the efficiency of weighted networks［J］．Acta Physica Sinica，2011，60（2）：803－808（in Chinese）．［田 柳，狄增如，姚 虹．權重分布對加權網(wǎng)絡效率的影響［J］．物理學報，2011，60（2）：803－808．］