创新型企业的使命和责任

创新型企业的使命和责任

大力推进创新型企业建设，是构建创新型国家的基本工程，积极推动和提高企业、地区和国家的竞争力。这是经济增长的主要推动力。目前,有关创新型企业的研究热点主要集中在创新型企业的内涵和评价体系两个方面。其中基于创新型企业内涵的研究中,较多的在探讨科技创新型企业、技术创新型企业、产品创新型企业、学习创新型企业的内涵等等。这类企业具有一定的创新性和核心竞争力,但随着企业间和市场竞争愈演愈烈,单一优势及相应创新已渐渐不能满足企业发展的需要。在评价体系的研究中,往往是针对特定企业特定形式进行研究,如针对某个成功的企业,采用问卷调查,企业调研或专家咨询的方式,而采用的分析方法过于简单,适用范围较窄,重点不够突出。目前,较为成熟的创新型企业在汽车、医药、电子等行业的发展较为迅猛,评价体系渐渐应用于这些行业。本文针对创新型企业评价体系的研究现状,设计的评价体系具有企业数据易采集,评价方法具有代表性,计算公式科学合理,评价过程简单,便于掌握和操作,便于推广和进一步完善等特点。同时,创新型企业的评价体系还处于新的起点,需要不断完善和深入研究。1创新型企业的内涵和特点2006年4月,科学技术部、国务院国资委、中华全国总工会三部委在《关于开展创新型企业试点工作的通知》中给出了创新型企业的初步定义,创新型企业即是在技术创新、品牌创新、体制机制创新、经营管理创新、理念和文化创新等方面成效突出的企业,它需具备以下5个条件:一是具有自主知识产权的核心技术,二是具有持续创新能力,三是具有行业带动性和自主品牌,四是具有较强的盈利能力和较高的管理水平,五是具有创新发展战略和文化。也有学者提出创新型企业的概念,认为具有健全的创新体系和机制,持续创新,并取得显著创新效果的有活力的现代企业是创新型企业。本文认为创新型企业是指拥有自主知识产权的核心技术、知名品牌,具有良好的创新管理和文化,整体技术水平在同行业居于先进地位,在市场竞争中具有优势和持续发展能力的企业。创新型企业代表的是一种崭新的企业运行和发展模式,它能促进企业成为创新的主体,有利于提高产业竞争力。创新型企业具有以下优势:(1)集各创新重点基于一体,或者将这些核心竞争力和创新的侧重点列入企业发展的重点和方向,更具备企业各个方面创新的能力。(2)在面对千变万化的市场动态中,能够更具有敏锐性和适应力。(3)代表了未来企业的发展方向,同时在很大程度上体现了一个国家的发展水平。(4)表现了21世纪新经济的主流企业模式,具有先进性、特殊性和高增长性等优点。2创新企业评价体系的分析2.1设计出合理的评价体系创新型企业评价体系是指由一系列与评价相关的评价制度、评价指标体系、评价方法、评价标准以及评价机构等形成的有机整体。而评价指标体系是评价体系的重要组成部分,并可以较为客观地评价创新型企业目前的发展情况及预计未来发展趋势,也是本文的研究重点。创新型企业评价体系是一个系统,其评价指标也应有系统性。设计的指标体系中各个指标之间应具有很强的逻辑关系,而不是各种指标简单的堆积。其次,设计时要建立在科学的基础上,评价指标的选择要围绕创新的本质,指标的定义、内涵要明确,计算方法要简便,同时结合必要的专项调查和考证、定性、定量相结合,力求全面、客观地反映和描述创新力状况。所选取的指标在同类企业间有完全一致的定义和内涵,数据的统计口径和来源同出一处,以保证同一指标在行业和企业间的可比性。同时,评价体系的可操作和指标的可度量性是建立评价体系的一个基本原则,硬指标最大限度地采用现有统计系统发布的统计数据,而对于采集难度较大的软指标,在结合问卷调查、实地调研、专家评议等方法的同时,尽量将软指标硬化,以便于计算和对比。创新型企业的评价涉及到企业运营,发展,决策,研发等活动的各个环节,为了更准确、更全面地对创新型企业做出评价,根据创新型企业的内涵与特点,从创新投入能力、创新效益能力、研究发展能力等几个方面构建创新型企业的评价指标体系,如表1所示。2.2多层比较的指标权重目前,对创新型企业的评价指标体系的研究主要是采用层次分析法,专家评价赋值法,多级模糊综合评价方法等来确定所选各指标的权重,但由于企业间各行业形式和特点的不同,这种评价指标体系并不够完善,这些方法具有一定的优点,如:简单明了,易于操作,但缺点是人为干扰因素多,所用的指标体系需要有专家系统的支持,如果给出的指标不合理则得到的结果也就不准确,尤其是在指标较多时,很难确定指标权重。在进行多层比较的时候需要给出一致性比较,如果不满足一致性指标要求,往往就失去了作用;于是本文采用一种在机械,电子,人工智能应用较广的神经网络BP(BackPropagation)分析方法,具有一定的遗传学和学习能力。BP分析方法由输入层、中间层、输出层组成的阶层型神经网络,中间层可扩展为多层。相邻层之间各神经元进行全连接,而每层各神经元之间无连接,当一对学习模式提供给网络后,各神经元获得网络的输入响应产生连接权值(Weight)。然后按减小希望输出与实际输出误差的方向,从输出层经各中间层逐层修正各连接权,回到输入层。此过程反复交替进行,直至网络的全局误差趋向给定的极小值,即完成学习的过程。可以为特定的企业进行分析,也可以建立企业间广泛的分析论证提供有效的分析。指标体系是合理可行的,逐渐完善后可以在行业中形成创新型企业的评价体系的评价标准。同时,在评价过程,也可以求得影响企业创新能力的各指标权重,这样既可对企业创新情况进行评价,也可比较容易地得到各指标对于企业创新强弱的权重排序,并得到对企业创新影响最大的因素,即敏感性因素或主导性因素,从而为提升企业创新能力提供理论依据。2.3种bp神经网络形式为了企业创新评价的需要,本文将创新型划分为正向指标(越大越好)和反向指标(越小越好)两种类型,为了对这两种类型的指标进行标准化,将各具体指标的基本数据变换到范围内。应用图1所示的三层BP神经网络来建企业评价工作引向规范化。BP神经网络学习算法具有推广性,企业创新能力的分析符合实际情况,从一定程度上可以证明本文构建的创新型企业评价。(1)防4:2.2负向型指标正向型指标,标准化采用的隶属函数为:Ri={1(Xi≤Μini)Μaxi-XiΜaxi-Μini(Xi∈Di)0(Xi≥Μaxi)(1)Ri=⎧⎩⎨⎪⎪⎪⎪1(Xi≤Mini)Maxi−XiMaxi−Mini(Xi∈Di)0(Xi≥Maxi)(1)负向型指标,标准化采用的隶属函数为:Ri={1(Xi≥Μaxi)Μaxi-XiΜaxi-Μini(Xi∈Di)0(Xi≤Μini)(2)Ri=⎧⎩⎨⎪⎪⎪⎪1(Xi≥Maxi)Maxi−XiMaxi−Mini(Xi∈Di)0(Xi≤Mini)(2)其中,Ri为目标值Xi的满意度,Di=[Mini,Maxi]为第i个评价指标的值域,Mini和Maxi,分别表示评价指标Xi的最小值与最大值。(2)隐蔽层数根据前面所列出的创新型企业评价指标体系,确定各神经网络的参数如表2所示。其中,对于隐含层层数,He-maRao等人指出:只有一个隐含层的神经网络,只要节点数足够多,就可以以任意精度逼近一个非线性函数,因此,选取隐含层层数为1。隐含层神经单元数可自行设定,则根据如下规则确定隐含层的神经元数:隐含层的神经元数目大于输入层和输出层神经元数和的一半,小于输入层和输出层神经元数和。(3)元阈值和wjk初始化神经网络的连接权值Wjk(0)和神经元阈值θj(0),Wjk(0)和θj(0)为足够小的非零随机数,这样可以使节点的初始净输入在零点附近,使网络的学习速度加快。(4)rp1,rp2,对每一个学习样本,样本模式的特征值矩阵Rp(Rp1,Rp2,…Rpi,…,Rpn;p=1,2,3,…,P)由创新型企业评价指标体系中的三级指标按固定次序构成。(5)输出层的jpji=1,2,n,p,k,,nQpj=f(netpj)(p,j=1,2,⋯,m)(3)netpj=n∑i=0VijRpj(i=1,2,⋯,n;k=1,2,⋯,l)(4)Qpj=f(netpj)(p,j=1,2,⋯,m)(3)netpj=∑i=0nVijRpj(i=1,2,⋯,n;k=1,2,⋯,l)(4)对于输出层有:Ypk=f(netpk)(p=1,2,⋯,Ρ;k=1,2,⋯,l)(5)netpj=m∑j=0WjkΟpi(j=1,2,⋯,m;k=1,2,⋯,l)(6)Ypk=f(netpk)(p=1,2,⋯,P;k=1,2,⋯,l)(5)netpj=∑j=0mWjkOpi(j=1,2,⋯,m;k=1,2,⋯,l)(6)其中,Ypk为神经网络神经元Uk在第p个样本点下的实际输出,netpk表示BP模型的神经网络神经元Uk在第p个样本点下的输出,f(x)=1/(1+e-x)为Sigmoid型函数,Vij为输入层神经元Ui到隐含层神经元Uj的连接权值,Wjk为从隐含层神经元Uj到输出层神经元Uk的连接权值。(6)计算单元的学习效率从输出层开始,按下列各式反向调整权系数值和神经元阈值:Wk(t+1)=Wk+ηδYpk+α(Wk(t)-Wk(t-1))(7)Wjk(t-1)=Wjk(t)+ηδkΟpj+α(Wjk(t)-Wjk(t-1))(8)θ(t+1)=θ(t)+ηδ+α(θ(t)-θ(t-1))(9)θk(t+1)=θk(t)+ηδk+α(θk(t)-θk(t-1))(10)其中,η∈表示计算单元的学习效率,η∈(0,1);α为惯性系数,α∈(0,1);T为调整次数;δ和δK分别表示输出层输出单元和隐单元层第k单元的输出误差,有:δ=Ypk(1-Ypk)(Τpk-Ypk)(11)δk=Ypk(1-Ypk)δWk(12)其中,Tpk为创新型企业评价神经网络的神经元Upk在第p个样本点下的理想输出(期望值)。(7)收敛值的确定Ep=12l∑k=1(Τpk-Ypk)2(13)E=12l∑k=1(Τk-Yk)2(13)判断指标是否满足精度要求,如果E≤ε,ε为给定的收敛值,则学习结束,否则转第6步。直至E≤a或学习次数达到规定的次数为止。评价指标的具体值经输入层进入网络,网络便用训练好的权值进行运作,最后输出层的值就是创新型企业创新影响因素,再将其与评价时规定的影响因素标准进行比较,即可确定企业创新影响的主要因素的类别。(8)企业技术创新影响因素的评价标准创新型企业的评价体系中的各级指标均可以在BP神经网络学习算法中得到相应定性的计算结果,并可以设定在某个区间内为相应的评价等级,表3所示为评价值的评价指标价值标准。在这一评价过程中,可以求得影响企业技术创新的因素各指标的权重,从而对创新影响因素进行评价;可比较容易得到各指标对于企业创新影响程度的权重排序,得到对企业创新影响最大的因素(即敏感性因素或主导性因素),为进一步改善企业的内外环境,给创新型企业提供一个良好的运作平台提供指导性的基础。2.4测试指标的计算本文运用BP神经网络的评价体系研究方法,对某地区积极加快建设成为创新型企业的部分品牌汽车生产企业进行调研和实证研究。以A、B、C公司为代表,根据3.3节提出的评价指标的计算方法,采集公司评价指标的具体数据,得到二级指标的计算值如表4所示。根据表3所给出的评价值的取值范围及表4中的二级指标的计算值得到计算结果为:技术创新能力、运营能力、盈利能力、市场开发能力等等级为“优”,制度创新能力、管理创新能力、财务发展能力等等级为“良”。评价体系的结果可见,部分企业的发展重点主要集中在产品,运营能力、盈利能力、市场开发的创新中;在制度和管理的创新中投入不够显著,在其他某些方面有所忽视。由此可以说明两方面问题,首先是在市场竞争激烈的大背景下,创新型企业往往在全面创新的基础上将产品创新和盈利能力等作为核心竞争力,并作为创新型企业创新的首要目标;其次,在管理创新中需要引进国际发达国家企业的管理思想,模式和人才,这同时也取决于在我国企业现有发展水平阶段