客戶協(xié)同創(chuàng)新伙伴選擇研究與應(yīng)用.pdf

1、客戶協(xié)同創(chuàng)新是美國(guó)麻省理工 Sloan管理學(xué)院的Hippel教授和他的研究團(tuán)隊(duì)對(duì)美國(guó)企業(yè)進(jìn)行大量的研究于2002年提出的概念。它是指將客戶知識(shí)和創(chuàng)造力作為最寶貴的創(chuàng)新資源，利用各種網(wǎng)絡(luò)化協(xié)同工作環(huán)境、創(chuàng)新設(shè)計(jì)工具和知識(shí)融合手段使客戶與專業(yè)設(shè)計(jì)人員共同進(jìn)行產(chǎn)品創(chuàng)新。客戶協(xié)同創(chuàng)新可有效地為企業(yè)價(jià)值網(wǎng)絡(luò)增值。
　　客戶創(chuàng)新并不意味著所有的客戶都會(huì)參與創(chuàng)新活動(dòng)，企業(yè)與客戶進(jìn)行協(xié)同創(chuàng)新時(shí)，由于客戶群體在知識(shí)經(jīng)驗(yàn)等多方面存在差異，不同的客戶對(duì)

2、最終的創(chuàng)新效果差異較大。因此，必須對(duì)參與創(chuàng)新的客戶進(jìn)行選擇才能保證客戶協(xié)同創(chuàng)新的有效實(shí)施。但是企業(yè)在選擇參與協(xié)同創(chuàng)新的客戶伙伴時(shí)，存在著以下難題：1）選擇客戶時(shí)的評(píng)價(jià)指標(biāo)很多，造成指標(biāo)之間關(guān)聯(lián)度增大，由此產(chǎn)生的過(guò)多冗余信息增加了選擇的難度；2）企業(yè)所掌握的協(xié)同創(chuàng)新客戶資料、數(shù)據(jù)較少，缺乏大量的數(shù)據(jù)樣本供分析和決策。
　　本文針對(duì)上述問(wèn)題，提出基于粗糙集（RS）和支持向量機(jī)（SVM）的客戶協(xié)同創(chuàng)新伙伴選擇模型，期望解決數(shù)據(jù)樣本較少以

3、及指標(biāo)過(guò)多的問(wèn)題。論文從以下幾個(gè)方面進(jìn)行了研究：
　　首先，在分析國(guó)內(nèi)外客戶協(xié)同創(chuàng)新的現(xiàn)狀和創(chuàng)新用戶的特征及測(cè)量的基礎(chǔ)上，從客戶參與創(chuàng)新的驅(qū)動(dòng)力、客戶協(xié)同創(chuàng)新的技術(shù)支撐以及客戶協(xié)同創(chuàng)新中知識(shí)共享等方面，研究客戶協(xié)同創(chuàng)新伙伴選擇的重要性。
　　其次，在分析粗糙集和支持向量機(jī)基本原理的基礎(chǔ)上，提出粗糙集和支持向量機(jī)的集合點(diǎn)，即通過(guò)粗糙集方法去掉冗余信息后，使訓(xùn)練集和測(cè)試集簡(jiǎn)化，減少支持向量機(jī)分類器的復(fù)雜性，提高支持向量機(jī)分類器的

4、分類精度，利用支持向量機(jī)較好的抑制噪聲的能力，彌補(bǔ)粗糙集對(duì)噪聲敏感的缺點(diǎn)，可以使分類器具有容錯(cuò)及抗干擾的能力；提出了提出基于粗糙集和支持向量機(jī)的客戶協(xié)同創(chuàng)新伙伴選擇模型，并詳細(xì)說(shuō)明模型的求解過(guò)程，包括屬性約簡(jiǎn)、權(quán)重設(shè)計(jì)等。
　　最后，基于以上理論研究，通過(guò)某企業(yè)的算例將建立的模型應(yīng)用于客戶協(xié)同創(chuàng)新伙伴選擇中，并對(duì)仿真結(jié)果進(jìn)行對(duì)比分析，結(jié)果表明基于粗糙集和支持向量機(jī)的客戶協(xié)同創(chuàng)新伙伴選擇模型可達(dá)到較好的預(yù)測(cè)精度，具有一定的工程應(yīng)用價(jià)