產(chǎn)學(xué)研深度融合與企業(yè)科技創(chuàng)新能力提升研究

張?bào)愠剑瑴崃?/p>

(1.福建師范大學(xué)計(jì)算機(jī)與網(wǎng)絡(luò)空間安全學(xué)院，福建 福州 350117； 2.福建師范大學(xué)數(shù)字福建環(huán)境監(jiān)測(cè)物聯(lián)網(wǎng)實(shí)驗(yàn)室， 福建 福州 350117； 3.廣東外語(yǔ)外貿(mào)大學(xué)經(jīng)濟(jì)貿(mào)易學(xué)院， 廣東 廣州 510006)

1 概述

創(chuàng)新是企業(yè)管理研究的重要組成部分，是決定企業(yè)未來(lái)發(fā)展的關(guān)鍵要素。在激烈的市場(chǎng)競(jìng)爭(zhēng)中，企業(yè)面臨諸多挑戰(zhàn)，發(fā)展機(jī)遇稍縱即逝，全面準(zhǔn)確地評(píng)價(jià)企業(yè)創(chuàng)新能力，有助于企業(yè)決策者把握發(fā)展機(jī)遇，正確制定或及時(shí)調(diào)整發(fā)展經(jīng)營(yíng)戰(zhàn)略，為企業(yè)的進(jìn)一步發(fā)展創(chuàng)造機(jī)會(huì)。

從全球發(fā)展來(lái)看，世界主要強(qiáng)國(guó)均重視產(chǎn)學(xué)研合作，構(gòu)建了相互交織、高效運(yùn)行的“產(chǎn)學(xué)研”技術(shù)創(chuàng)新模式[1]。近年來(lái)，在“協(xié)同創(chuàng)新”理論的引導(dǎo)下，我國(guó)產(chǎn)學(xué)研合作逐步深入，對(duì)產(chǎn)學(xué)研推動(dòng)下的企業(yè)創(chuàng)新體系構(gòu)建進(jìn)行了積極探索[2-3]。雖然目前已涌現(xiàn)出一批產(chǎn)學(xué)研融合推動(dòng)企業(yè)創(chuàng)新的典型組織模式及方式，但整體來(lái)看，產(chǎn)學(xué)研合作的深度及耦合程度仍有待加強(qiáng)[4-5]。究其原因，不同規(guī)模企業(yè)的目標(biāo)定位、市場(chǎng)定位各有側(cè)重，適合的產(chǎn)學(xué)研融合模式不盡相同。

圖1是本文的技術(shù)架構(gòu)圖。針對(duì)企業(yè)科技創(chuàng)新能力的層次性、多維性、時(shí)效性等特點(diǎn)，本文針對(duì)產(chǎn)學(xué)研融合維度進(jìn)行分析，并結(jié)合企業(yè)類型的分類，構(gòu)建企業(yè)的創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)，并引入時(shí)間序列預(yù)測(cè)算法，提出對(duì)企業(yè)創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)趨勢(shì)進(jìn)行預(yù)測(cè)的方法。

2 產(chǎn)學(xué)研深度融合

2.1 融合維度分析

產(chǎn)學(xué)研深度融合是一項(xiàng)跨界融合、協(xié)同創(chuàng)新的系統(tǒng)工程，充分發(fā)揮企業(yè)、大學(xué)、科研機(jī)構(gòu)之間的創(chuàng)新優(yōu)勢(shì)，構(gòu)建多學(xué)科多領(lǐng)域的交叉研究平臺(tái)，探索企業(yè)、大學(xué)、科研機(jī)構(gòu)之間的合作創(chuàng)新活動(dòng)[6]。借鑒以往研究，產(chǎn)學(xué)研融合程度主要體現(xiàn)在企業(yè)與大學(xué)、科研機(jī)構(gòu)之間的融合范圍、合作層次、互動(dòng)次數(shù)等方面。因此，本文重點(diǎn)從廣度、深度、頻度三個(gè)維度[7]分析產(chǎn)學(xué)研深度融合。

廣度主要反映了企業(yè)創(chuàng)新及生產(chǎn)過(guò)程中，各環(huán)節(jié)進(jìn)行產(chǎn)學(xué)研合作的廣泛程度。產(chǎn)學(xué)研融合廣度越高，表示大學(xué)、科研機(jī)構(gòu)參與企業(yè)創(chuàng)新及生產(chǎn)過(guò)程的環(huán)節(jié)越多，有助于聚集創(chuàng)新資源，搭建完善的創(chuàng)新體系。企業(yè)可以從大學(xué)、科研機(jī)構(gòu)獲取更多的知識(shí)、技術(shù)及人才；同時(shí)，大學(xué)、科研機(jī)構(gòu)可以從企業(yè)獲得研發(fā)資助，市場(chǎng)技術(shù)需求動(dòng)向和技術(shù)驗(yàn)證平臺(tái)。

深度主要反映在企業(yè)、大學(xué)、科研機(jī)構(gòu)共建利益的程度，形成利益融合機(jī)制，有利于實(shí)現(xiàn)對(duì)知識(shí)、技術(shù)及人才等創(chuàng)新資源的共享與最優(yōu)配置，有效形成知識(shí)轉(zhuǎn)移與人才培養(yǎng)。較高的產(chǎn)學(xué)研融合深度意味著產(chǎn)學(xué)研伙伴間的良好互信關(guān)系，高效的產(chǎn)學(xué)研融合效率與效果。

頻度主要反映了企業(yè)、大學(xué)、科研機(jī)構(gòu)之間的合作次數(shù)，體現(xiàn)了企業(yè)對(duì)大學(xué)、科研機(jī)構(gòu)的深度利用與依賴程度。同時(shí)，過(guò)高的合作次數(shù)往往會(huì)導(dǎo)致企業(yè)對(duì)大學(xué)、科研機(jī)構(gòu)的過(guò)度信任，這意味著對(duì)合作伙伴監(jiān)督力度的降低及產(chǎn)品核心知識(shí)自主研發(fā)能力的下降。

圖1 技術(shù)架構(gòu)圖

2.2 基于聚類的企業(yè)分類

參考從業(yè)人員、營(yíng)業(yè)收入、資產(chǎn)總額等指標(biāo)，可以按照企業(yè)規(guī)模直接將企業(yè)劃分為大型、中型、小型等不同規(guī)模類型，但考慮到企業(yè)所處行業(yè)以及創(chuàng)新依賴度各不相同，即便相同規(guī)模的企業(yè)對(duì)產(chǎn)學(xué)研融合需求依然不盡相同。因此，本文引入快速聚類算法，依照企業(yè)對(duì)產(chǎn)學(xué)研融合的廣度、深度、頻度3個(gè)維度的不同需求，自適應(yīng)地將企業(yè)劃分為不同類型。

將產(chǎn)學(xué)研融合的廣度、深度、頻度歸一化處理，并以此為坐標(biāo)軸構(gòu)造三維空間，將需要分類的企業(yè)數(shù)據(jù)集繪制在空間中，空間中每個(gè)數(shù)據(jù)點(diǎn)對(duì)應(yīng)一個(gè)企業(yè)的廣度、深度、頻度歸一化數(shù)據(jù)。

快速聚類算法[8-9]首先定義了局部密度與距離2種變量。算法思想為數(shù)據(jù)簇中心的密度比圍繞它的點(diǎn)密度要高，同時(shí)不同數(shù)據(jù)簇中心之間的距離相對(duì)較大。局部密度ρi可以通過(guò)cut-off函數(shù)計(jì)算：

(1)

(2)

式中，第i個(gè)數(shù)據(jù)點(diǎn)與第j個(gè)數(shù)據(jù)點(diǎn)間的距離用dij表示，dc為預(yù)設(shè)的截?cái)嗑嚯x。

另一個(gè)變量距離δi的計(jì)算如下：

(3)

式中，I表示局部密度小于第j個(gè)數(shù)據(jù)點(diǎn)局部密度的集合。

分析可知，距離δi表示第i個(gè)數(shù)據(jù)點(diǎn)與比之局部密度更高的點(diǎn)集合之間的最短距離取值。定義每個(gè)數(shù)據(jù)點(diǎn)的權(quán)重γi如下：

γi=ρiδi

(4)

將所有數(shù)據(jù)點(diǎn)的權(quán)重γi依次從大到小進(jìn)行排序，則可以獲得自適應(yīng)分類的各個(gè)聚類中心。進(jìn)而可將每個(gè)聚類中心及其周圍圍繞點(diǎn)的集合歸為一個(gè)數(shù)據(jù)簇。

至此，每個(gè)數(shù)據(jù)簇表示對(duì)產(chǎn)學(xué)研融合的廣度、深度、頻度3個(gè)維度的需求相近的企業(yè)集合。

3 企業(yè)科技創(chuàng)新能力

3.1 創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)

通過(guò)聚類算法可以將企業(yè)在產(chǎn)學(xué)研融合三維空間中劃分為不同的類型。將融合的廣度、深度、頻度最好的數(shù)據(jù)簇作為企業(yè)產(chǎn)學(xué)研融合發(fā)展目標(biāo)，定義其為目標(biāo)數(shù)據(jù)簇；同時(shí)，將當(dāng)前待評(píng)估的企業(yè)所在數(shù)據(jù)簇作為待評(píng)估數(shù)據(jù)簇。這樣，2個(gè)數(shù)據(jù)簇之間的相似程度即可作為當(dāng)前待評(píng)估企業(yè)的創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)。

為了計(jì)算待評(píng)估企業(yè)的創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)，構(gòu)建高斯混合模型進(jìn)行計(jì)算。在三維空間中，設(shè)有產(chǎn)學(xué)研融合發(fā)展程度不同的k個(gè)數(shù)據(jù)簇，則第i個(gè)數(shù)據(jù)簇Zi的表達(dá)式為：

(5)

其中，μi與Σi分別為均值向量與方差矩陣。

則k個(gè)數(shù)據(jù)簇構(gòu)成的高斯混合模型為：

(6)

令目標(biāo)數(shù)據(jù)簇與待評(píng)估數(shù)據(jù)簇分別用Z1和Z2表示，M表示從Z1和Z2中各抽取一半的點(diǎn)構(gòu)成的集合，表達(dá)式如下：

(7)

則2個(gè)集合間的Kullback-Leibler散度為：

(8)

數(shù)據(jù)簇Z1和Z2之間的差異為：

(9)

最終，2個(gè)數(shù)據(jù)簇之間的相似程度，即當(dāng)前待評(píng)估企業(yè)的創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)如下：

Orate(Z1，Z2)=1-DJS(Z1，Z2)

(10)

顯然，創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)Orate(Z1，Z2)的取值范圍是[0，1]，當(dāng)企業(yè)的廣度、深度、頻度發(fā)展到目標(biāo)情況時(shí)，評(píng)價(jià)指標(biāo)的值為1。

3.2 創(chuàng)新能力發(fā)展趨勢(shì)預(yù)測(cè)

構(gòu)建企業(yè)創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)后，準(zhǔn)確地預(yù)測(cè)指標(biāo)發(fā)展趨勢(shì)，有助于向企業(yè)決策者提供更多的決策參考信息，從而對(duì)企業(yè)當(dāng)前產(chǎn)學(xué)研融合策略進(jìn)行及時(shí)準(zhǔn)確地調(diào)整，保證企業(yè)的健康發(fā)展。

伴隨著企業(yè)的發(fā)展，創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)沿時(shí)間軸動(dòng)態(tài)變化，此時(shí)，企業(yè)創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)趨勢(shì)預(yù)測(cè)可簡(jiǎn)化為一個(gè)時(shí)間序列預(yù)測(cè)問(wèn)題。本文采用相關(guān)向量機(jī)(relevance vector machine， RVM)方法實(shí)現(xiàn)評(píng)價(jià)指標(biāo)的建模及預(yù)測(cè)。

模型輸入值x與預(yù)測(cè)值t之間的非線性映射關(guān)系可以表示為：

t=wTφ(x)+ε

(11)

式中，w為權(quán)值矩陣，φ(x)為核函數(shù)。

似然函數(shù)的計(jì)算式如下：

(12)

權(quán)重w的逆方差被描述為α。則先驗(yàn)概率分布定義為：

(13)

每個(gè)權(quán)重wi都有一個(gè)超參數(shù)αi。則權(quán)重的后驗(yàn)概率可以表示為：

P(w|t，α，β)=N(m，∑)

(14)

式中，β用于替代σ-2，m和∑分別為均值和協(xié)方差。

邊際似然計(jì)算式為：

(15)

通過(guò)證據(jù)近似法，可以找到使邊際似然最大化的α和β。則新輸入x′在t上的預(yù)測(cè)分布可以表示為：

P(t|x′，α，β)=N(mTφ(x′)，σ2(x′))

(16)

式中，mTφx′)表示t分布的平均值，σ2(x′)為預(yù)測(cè)置信度的方差。

至此，通過(guò)RVM建模即可實(shí)現(xiàn)企業(yè)創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)的趨勢(shì)預(yù)測(cè)。

3.3 創(chuàng)新能力提升對(duì)策

產(chǎn)學(xué)研融合模式呈現(xiàn)多樣化的發(fā)展態(tài)勢(shì)，具體表現(xiàn)在：融合層面多樣，包含外委研發(fā)、合作研發(fā)、共建研發(fā)等；融合內(nèi)容多樣，包含人才培養(yǎng)、團(tuán)隊(duì)攻關(guān)、技術(shù)轉(zhuǎn)移等；融合關(guān)系多樣，包括不定期合作、短期合作、長(zhǎng)期合作等[4， 10]。

企業(yè)決策者在掌握企業(yè)創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)的預(yù)測(cè)趨勢(shì)后，可以從產(chǎn)學(xué)研融合模式的融合層面、融合內(nèi)容、融合關(guān)系等方面對(duì)當(dāng)前產(chǎn)學(xué)研融合策略進(jìn)行及時(shí)調(diào)整，使企業(yè)朝著目標(biāo)數(shù)據(jù)簇的方向發(fā)展。

融合廣度方面，擴(kuò)大企業(yè)與創(chuàng)新鏈或產(chǎn)業(yè)鏈上的相關(guān)企業(yè)、高校、科研院所的合作創(chuàng)新活動(dòng)，擴(kuò)充人才培養(yǎng)、團(tuán)隊(duì)攻關(guān)、技術(shù)轉(zhuǎn)移的范圍。融合深度方面，從外委研發(fā)的低級(jí)融合層次，朝著合作研發(fā)、共建研發(fā)的高級(jí)融合層次發(fā)展。融合頻度方面，以加快產(chǎn)品更新速度及提升產(chǎn)品質(zhì)量為評(píng)判標(biāo)準(zhǔn)，盡可能的優(yōu)化配置產(chǎn)學(xué)研融合的頻度。

4 結(jié)論與建議

為了使企業(yè)決策者及時(shí)準(zhǔn)確地掌握企業(yè)產(chǎn)學(xué)研合作情況，對(duì)產(chǎn)學(xué)研融合策略做出及時(shí)調(diào)整，本文引入快速聚類等數(shù)據(jù)分析算法提供支撐。首先，針對(duì)產(chǎn)學(xué)研融合維度進(jìn)行分析，自適應(yīng)對(duì)企業(yè)類型進(jìn)行分類；進(jìn)而構(gòu)建企業(yè)的創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)；其次，引入時(shí)間序列預(yù)測(cè)算法，預(yù)測(cè)企業(yè)創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)發(fā)展趨勢(shì)?；诖耍屯苿?dòng)產(chǎn)學(xué)研深度融合下的企業(yè)科技創(chuàng)新能力提升給出如下建議。

1)在大數(shù)據(jù)時(shí)代，充分挖掘數(shù)據(jù)價(jià)值，可以為企業(yè)發(fā)展提供幫助[11-12]，推動(dòng)技術(shù)創(chuàng)新模式管理朝著精細(xì)化方向發(fā)展。

2)建立的創(chuàng)新能力發(fā)展評(píng)價(jià)指標(biāo)可以準(zhǔn)確描述企業(yè)當(dāng)前的產(chǎn)學(xué)研深度融合情況，適用于企業(yè)創(chuàng)新能力提升的管理。