您好, 访客   登录/注册

基于隐性知识管理的制造企业核心竞争力评价模型构建

来源:用户上传      作者:

  [摘要]在理论回顾的基础上,分析隐性知识对制造企业核心竞争力的影响因素,设计并建立制造企业核心竞争力的评价指标和突变级数评价模型,目的在于为我国制造企业基于隐性知识管理提升核心竞争力提供一种新的评价方法,在实践中对制造企业产生有效的推动作用,使制造企业在激烈的竞争中获得竞争优势。
  [关键词]隐性知识管理 制造企业 核心竞争力 突变级数法
  [分类号]F062.3
  
  1.引言
  
  制造业是一个国家综合国力的重要表现。目前,我国被公认为是世界四大制造业国家之一,然而我国还不是一个制造业强国,制造企业的核心能力低下,自主创新能力和知识自主学习能力的缺乏成为制约我国制造企业核心能力提升的瓶颈。
  随着知识经济的日益崛起,制造企业的经营和持续发展不再主要依赖资本、自然资源、劳动力等传统资源,而是更多地依赖专业知识、想法和洞察力这些智慧资产。21世纪的社会已经进入一个以知识为主导的时代,知识管理正逐渐成为现代制造企业管理的核心内容。按知识的属性和获取、传递的难易程度,可将制造企业知识划分为显性知识(explicit knowledge)和隐性知识(tacit knowledge)。就知识而言,由于显性知识容易沟通和共享,也极易被竞争对手复制和模仿,所以,显性知识显然难以形成制造企业持续的经营优势。研究表明,制造企业中经验、技能、心智模式和组织惯例等隐性知识具有巨大的客户价值性、稀缺性、不易模仿性和难以复制性,因此越来越多的制造企业将其看成企业的战略资源。
  
  2.理论回顾
  
  企业核心竞争力并非新颖的概念。1959年Penruse就指出:企业的核心竞争力能够使得企业更好地分配和利用资源以获得经济租金。在此基础上,Hamel和Prahalad以《企业核心竞争力》一文为开端,使用“核心竞争力”这一术语描述那些具有中心地位以及战略地位的竞争力,并把其定义为:组织中的累积性知识,特别是如何协调迥异的产品技能以及整合不同的技术流知识。自从Hamel和Prahalad首次提出核心竞争力理论后,出现了从不同角度分析核心竞争力的各类文献,虽然相关提法不一致,但都强调了企业中这些特殊的知识和资源对企业获取持续竞争优势具有重要作用。
  在关于促进企业核心竞争力形成的研究中,学者们对隐性知识管理与开发给予了极大的关注。隐性知识是迈克尔・波兰尼(Michael Polanyi)在1958年从哲学领域提出的概念。他在对人类知识的哪些方面依赖于信仰进行的考察中,偶然发现这样一个事实,即这种信仰的因素是知识的隐性部分所固有的;日本学者野中郁次郎(Iku jiro Nonaka)强调知识创新的关键在于隐性知识的调用和转化,并提出了著名的知识螺旋模型;美国学者彼得・德鲁克认为隐性知识不可用言语来形容和解释,它只能被演示证明它是存在的,学习这种知识唯一的方法是领悟和练习。纳尔逊和温特等学者从组织理论的角度进一步扩展了隐性知识的内涵,他们认为隐性知识不仅存在于人们的头脑中,也存在于组织中,如企业文化,团队的默契、融洽和协同,组织惯例等知识;还有很多学者如Alvin Toffier、LubiI等也从不同角度对隐性知识进行了分析。尽管很多学者对企业核心竞争力和隐形知识都分别进行了深入的研究并提出了自己的观点,但是隐性知识对企业核心竞争力的影响和作用的探索研究不是很多,如何发掘企业中的隐性知识以及研究隐性知识管理对企业核心竞争力的影响,是企业获取和保持持续竞争优势的关键也是本文研究的重点。
  
  3.隐性知识管理对制造企业核心竞争力的影响因素分析及指标体系构建
  
  3.1隐性知识管理对制造企业核心竞争力的影响因素分析
  核心竞争力是制造企业保持持续竞争优势的源泉,隐性知识更胜于显性知识,是提高制造企业核心竞争力的有力手段。隐性知识对制造企业核心竞争力的影响手段主要通过隐性知识学习、隐性知识整合、隐性知识共享以及隐性知识创新四个部分,这四个部分的有效运行和管理能够使新知识和新技术在制造企业内部得到最大程度的积累和复合,为核心竞争力的提升提供和扩充知识储备与资源,形成新的良性循环。隐性知识对制造企业核心竞争力的影响是动态的、内在的和持续的。
  3.1.1隐性知识学习 制造企业在提升核心竞争力的过程中非常重视隐性知识的学习,隐性知识的学习可以通过建立学习型组织来有效完成,制造企业需要不断地学习进行自我充实,而学习过程又是一个循序渐进的过程,是通过长期的积累和转化后逐渐形成的。制造企业组织和接受培训的能力、人均知识学习时间与费用的安排以及获得有效知识信息的广度和速度,都是制造企业通过隐性知识学习所要成长的重要衡量因素,通过不断“学习-修正-学习-修正-学习……”的循环,隐性知识才能得以沉淀和积累,从而延续与扩展企业的竞争优势。
  3.1.2隐性知识整合 制造企业的隐性知识体系具有复杂的系统特征,是多元知识资源要素融合的体系。但是这些多元知识资源的无序性会造成知识融合的困难,而条理性秩序化的知识便于知识的融合。知识整合的最开始离不了组织中技术、管理、营销人才的参与协作,这是制造企业知识整合的组织基础。知识的整合从最开始的知识“源”体开始,通过一系列的受力动态活动,摒弃无用的知识,使制造企业员工和组织的隐性知识能够有机地融合在一起,使知识系统的新旧知识、内外知识和零散知识资源得以有效整合,满足核心竞争力培育与提升的知识需求。
  3.1.3隐性知识共享 隐性知识共享比显性知识共享更富价值性,企业核心竞争力的形成更有赖于企业隐性知识的共享,以使隐性知识资源通过社会化、外部化、整合化和内部化四个知识共享过程,在企业内部螺旋状发展和延伸。
  社会化和外部化主要是通过制造企业信息平台的建设与利用水平体现,整合化和内部化主要是通过知识共享制度的完善、知识共享激励措施的制定和事实来形成助推作用力。隐性知识共享有利于组织实现跨部门、跨团队、跨项目、跨产品领域之间的知识交流和信息流通,企业藉此实施专业化战略,将优势覆盖多种产品领域,并向其他经营领域延伸,体现范围经济,实现知识的流动性价值。
  3.1.4隐性知识创新 隐性知识创新的过程中企业更专注于技术和知识的转移和扩散,帮助企业填补在市场上的“知识结构洞”(structural hole)。“结构洞”原指“社会网络中某个或某些个体发生直接联系,但与其他个体不发生直接联系。无直接或关系间断的现象,从网络整体看好像网络结构中出现了洞穴”。隐性知识的创新目标主要是在企业家精神的带领下完成新知识的开发和利用,通过制造企业的研发努力形成自己独有的专利、技术秘密和技术诀窍以及通过知识创新奖励的实施等手段弥补市场空白的知识空缺,形成企业独

特的知识资源,通过知识重组和商业化运作,协助制造企业改善其内部的创新流程从而实现知识的创新。
  因此,制造企业核心竞争力在某种程度上体现为知识的学习、整合、共享和创新,制造企业为了提高核心竞争力,就必须加强对隐性知识的管理,促进知识创新和流动,使知识在流动中实现增值,从而达到提高制造企业核心竞争力的直接目的和使企业获得持续竞争优势的终极目标。
  
  3.1基于隐性知识管理的制造企业核心竞争力的评价指标体系
  在制造企业核心竞争力评价指标体系的确定过程中,为了减少主观随意性,确保指标体系的科学性,可以采用经验确定法与数学方法相结合的方式筛选指标。参照国内外专家学者对核心竞争力要素构成及评价指标设计原则等理论研究方面的结论和成果,并参照我国2010年统计年鉴的条目,结合上述隐性知识管理对制造企业核心竞争力的影响因素分析,通过认真的调查研究、归纳总结,在充分考虑到制造企业的生产、管理、销售及行业特点的基础上,构建了包括4个二级指标和15个三级指标的基于隐性知识管理的制造企业核心竞争力评价指标体系。4个二级指标包括知识学习、知识整合、知识共享和知识创新;15个三级指标在不同程度上反映了隐性知识对核心竞争力的影响作用,具体如表1所示:
  
  
  4.制造企业核心竞争力突变级数评价模型
  
  20世纪60年代中期,法国数学家雷内・托姆(Rene Thorn)创立了突变理论(catastrophe theory),这是突变级数法的理论基础。突变理论是研究不连续现象的一个新兴数学分支,一般所讲的突变理论实际上是初等突变理论(包括折迭型突变、尖点型突变、燕尾型突变、蝴蝶型突变、双曲型脐点、椭圆型脐点和抛物型脐点),其主要数学渊源是根据势函数把临界点分类,进而研究各种临界点附近非连续态的特征,即为有限个数的若干初等突变。把这样得到的知识与对不连续现象的理论分析和观察资料相结合,建立数学模型。突变级数法是利用模糊数学与突变理论结合产生的突变模糊隶属函数对问题进行评价的方法,由归一公式进行综合量化计算,最后归一为一个参数,即求出总的隶属函数从而得到综合评价结果。评价过程中不需人为确定权重,只需考虑各评价指标的相对重要性,对解决多准则评价问题精确、易行。在评价问题中常用的突变模型有3个,即:
  尖点突变:f(x)=x4+kx2+lx (1)
  燕尾突变:f(x)=x5+kx3+lx2+mx (2)
  蝴蝶突变:f(x)=x6+kx4+lx3+mx2+nx (3)
  f(x)表示一个状态变量x的势函数;状态变量的系数k,l,m,n是状态变量的控制变量,控制变量的共同作用决定了系统的状态。使用该方法评价的主要步骤包括建立层次结构模型、建立递级突变模型(也就是确定评价指标体系各层次的突变系统类型)、用突变系统的分歧集方程导出归一化公式,利用归一化公式进行综合评价。
  
  4.1建立层次结构模型
  结合评价目的对总指标分解,直到某一层次指标的下级子指标容易被量化,停止分解。需要注意的是,在分解过程中每一层次指标的下级指标数量不要超过4个。在层次结构确定后,需要由评价者结合经验(如专家经验或参考相关文献)对同一层次中同一属性的指标,即这些指标的上一层次指标是同一个指标,按其重要性进行排序。3种模型控制变量的作用和主次地位如表2所示:
  
  
  4.2建立递级突变模型
  层次结构模型建立起来后,要确定同一层次同一属性的指标所属的突变模型类型。确定递级突变模型的主要原则是:若一个指标可分解为两个子指标,该系统可视为尖点突变系统;若一个指标可分解为3个子指标,该系统可视为燕尾突变系统;若一个指标可分解为4个子指标,该系统可视为蝴蝶突变系统。
  
  4.3归一化公式的确定
  为了便于评价的进行,需要对突变模型的分歧集进行归一化处理。尖点突变、燕尾突变、蝴蝶突变的归一化公式如表3所示:
  
  
  4.4综合评价
  这里所谓的评价,就是利用最底层指标已得数据,结合归一化公式逐级计算出各层次的指标值,最终得到对评价目标的评价结果。正如步骤(1)中描述的那样,一个系统中的上级指标为状态变量,下级指标为控制标量,状态变量可以由下级指标通过归一化公式计算得到,在计算状态变量x的值时要依据情况选取归一公式计算得到的值中的最小值或平均值:若系统的各控制变量不可相互弥补不足,按“大中取小”原则取小值,反之取其平均值。
  按照上述步骤建立起制造企业核心竞争力水平的突变级数评价模型如下:
  ・制造企业核心竞争力评价的层次结构模型。前文已经构建了制造企业核心竞争力的指标体系,其中准则层与方案层组成的系统基本满足突变级数评价要求的层次结构要求,而目标层与准则层构成的系统中,控制变量的数量为6,与突变级数评价要求的层次结构要求不符,同时知识的学习是企业从内部组织和外部环境获取和挖掘知识的基础能力;制造企业在获取和挖掘了充足的、新的组织需要的新知识以后,需要通过知识的整合和共享将这些新知识进行分类处理、消化和吸收,以便能使企业的能力得以提升,因此知识的整合和共享是更高一层级的能力;最后,制造企业要想获取持续的竞争优势就必须努力完成知识的创新,以便能够占领更广阔的市场,这就需要对知识进行创新,因此知识创新是辅助制造企业提升核心竞争力的高级能力,为此我们在原有目标层与准则层之间再引入一层:基础能力、中级能力及高级能力。建立起的层次结构模型见图1。
  
  ・制造企业核心竞争力递级突变模型。由图1可以清晰地看出各级指标所处的突变系统模型。基于知识管理的制造企业核心竞争力指标体系的三级指标中,知识学习指标B1、知识整合指标B2、知识创新指标B4可视为蝴蝶突变系统,知识共享B3可视为燕尾突变系统;二级指标中,中级能力可视为尖点突变系统;一级指标制造企业的核心竞争力则可视为燕尾突变系统。
  ・由确定的制造企业核心竞争力递级突变模型,结合表3给出的各突变模型的归一化公式,很容易得出制造企业核心竞争力评价指标体系中各指标对应的归一化公式,如表4所示:
  
  ・综合评价。这里只需要根据收集来的相关数据进行计算。需要注意的是,由于指标体系在设计的时候遵循独立性的原则,各指标间具有较强的互补性,因此控制变量在取值时应该利用平均值来计算。在计算的过程中,只需要知道底层的信息就可以对制造企业做出评价,所建立的指标体系中的各指标都是正向型指标,为此在利用该模型进行实证评价的过程中,可以将单项的指标最高值设为一百分。
  在计算结束后根据最大隶属度原则进行核心竞争力的判断。突变级数评价法为企业核心竞争力评价开辟了新的方法与思路,具有不需要对评价指标赋权的优点,而是根据各自目标在归一公式本身中的内在机制决定,避免了专家赋权的主观性,使评价结果更为科学准确。本文基于突变级数法构建了基于隐性知识管理的制造企业核心竞争力评价模型,与以往对核心竞争力的评价模型不同,此评价模型更具针对性,重点评价制造企业在核心竞争力提升的过程中,基于隐性知识管理的基础能力、中级能力和高级能力分别如何,以及每种能力构成因素的现实状态及其对核心竞争力的影响,以便采取相应的措施。
  
  5.结语
  
  隐性知识常常潜伏于个人或组织中,要使其发挥独特的作用并使其转化为企业核心竞争优势,必须通过有效的组织和管理。能否有效地发掘制造企业中的隐性知识,充分发挥隐性知识的作用成为获取和保持持续竞争优势的关键。本文在对隐性知识管理理论和其对制造企业核心竞争力影响解析的基础上得到了制造企业核心竞争力的评价指标体系,不仅科学有效地分解了核心竞争力的构成,而且使之满足突变级数评价法的要求。根据已经建立的应用模型,在今后的实践研究过程中,可以根据相关的数据将此模型应用在制造企业核心竞争力评价、知识产出绩效评价等方面,并将其推广到其他相关行业对制造企业核心竞争力的创新评价中。


转载注明来源:https://www.xzbu.com/1/view-152192.htm