企业技术综合评价论文

2022-04-20

[基金项目]国家自然科学基金(70371046)资助，中国博士后科学基金(2004036140)资助[基金项目]冯岑明(1967-)，女，浙江余姚人，河南科技大学经济管理学院硕士生，研究方向为管理信息系统；方德英(1964-)，男，河南南阳人，河南科技大学经济管理学院教授，博士，研究方向为信息管理，系统工程。今天小编为大家推荐《企业技术综合评价论文(精选3篇)》的文章，希望能够很好的帮助到大家，谢谢大家对小编的支持和鼓励。

企业技术综合评价论文篇1：

企业技术创新能力综合评价研究

摘　要：企业技术创新能力是创新主体协调发挥以实现经济利润的能力，企业技术创新能力可分成8个方面：研究开发能力、产品效果能力、营销能力、生产能力、创新意识、投入能力、财务能力和技术进步能力，通过8个一级指标，44个二级指标，建立了评价企业技术创新能力的指标体系并提出评价方法。

关键词：企业；技术创新能力；层次分析法

企业的技术创新是一个复杂的动态过程，在这个过程中起着决定性作用的是企业技术创新能力。评价指标体系的评价方法是系统、全面描述和评价社会经济现象的一种行之有效的方法，对若干重大领域运用评价指标体系的方法进行综合评估，在一些国家已经形成制度。因此，建立评价企业技术创新能力的评价指标体系和方法，对完善企业技术创新理论和指导企业技术创新实践具有现实意义。

一、企业技术创新能力评价指标体系的构建

企业技术创新过程涉及的因素和对象十分复杂，因此，技术创新能力实际上是企业整体的系统能力，并且是以产品创新能力、生产技术创新能力和管理技术创新能力为主体，协调发挥以实现经济利润的能力。

（一）企业技术创新能力评价指标体系的建立

根据企业技术创新内容的广泛性，创新过程的复杂性，以及创新影响的时滞性，对企业技术创新能力的评价既要考虑企业获利状况等现实的经济效益，又要考虑企业产品竞争力增强和市场状态改善等潜在的经济效益，还要考虑企业自身内在的创新能力提高与创新管理经验积累等无形的经济效益。因此，在建立评价指标体系时，坚持以效益标准、竞争标准和发展标准为准则，将企业技术创新能力分成8个一级指标，44个二级指标，建立企业技术创新能力的评价指标体系。其中，目标层：企业技术创新能力A；准则层：效益标准B_１、竞争标准 B₂和发展标准B₃；指标层：（1）创新意识C₁，包括领导层月研究技术创新的次数C₁₁、技术创新规划和计划的规定C₁₂、技术创新的预测和评估C₁₃、与国内外合作研究的次数和能力C₁₄、现代化管理能力C₁₅、技术创新的奖励机制或条例C₁₆和职工技术创新的积极性和参与能力C₁₇；（2）研究开发能力C₂，包括研究开发投入强度C₂₁、研究开发人员构成C₂₂、研究开发成果水平C₂₃、研究开发成功率C₂₄、消化吸收能力C₂₅和拥有专利数或成果获奖数C₂₆；（3）技术进步能力C₃，包括技术进步水平C₃₁、技术进步速度C₃₂、技术进步贡献率C₃₃和劳动生产率C₃₄；（4）生产能力C₄，包括生产设备水平C₄₁、生产人员构成C₄₂、产品生产周期C₄₃、原料利用率C₄₄、能源利用率C₄₅和主要设备有效利用率C₄₆；（5）投入能力C₅，包括外界对企业的科技经费投入C₅₁、企业自身投入资金C₅₂和生产资源的投入强度C₅₃ ；（6）营销能力C₆包括营销强度C₆₁、产品的竞争强度C₆₂、销售组织网络C₆₃和销售服务状况C₆₄；（7）财务能力C₇，包括承担财务风险的能力C₇₁、融资能力C₇₂、投资回收率C₇₃、销售收入成本率C₇₄ 和资金利税率C₇₅；（8）产品效果能力C₈，包括从事产品开发的科技人员数C₈₁、产品更新率C₈₂、新产品开发费用和周期C₈₃、产品市场占有率C₈₄、新产品收益率C₈₅、新产品产值率C₈₆、新产品销售率C₈₇、新产品利税率C ₈₈和名优产品产值率C₈₉。

（二）评价指标体系的设计说明

1.创新意识

创新意识是技术创新能力的关键。这种意识是指自上而下，从领导到一般员工所拥有的创新思想，创新理念；由此，时刻有的一种使命感、生存感、危机感和紧迫感。尤其是企业的领导决策层的创新意识起着决定性的作用。技术创新意识的形成并非一朝一夕，需要在长期的改革开放实践中逐步发展起来，特别是在经济全球一体化和信息化的今天，创新意识对企业的发展起着非常重要的作用。这里均是定性指标。

2.R&D能力

C₂₁指标可以用"研究经费/销售收入"来计算。C₂₂指标用来反映R&D人员的素质，可以用职称、学历来衡量，可用"科学家与工程师之和/R&D总人数"来计算。C₂₃指标反映研究开发成果所达到的层次，不妨把它划分为4个层次：国外、国内、省内和企业水平，可以分别计算各层次水平所占的比例。C₂₄指标反映R&D机构的研究能力，可以用"研究的成功次数/研究总次数"来计算。C₂₅指标反映企业非自主创新率、接受创新扩散的能力，可以用强、中、弱三个档次来评价。C₂₆指标反映的其实是企业的技术积累能力。

3.技术进步能力

C₃₁指标是描述某一时刻的技术状况的指标。C₃₂指标是不同时刻技术水平的变化快慢情况。C₃₃指标是指技术进步对产值增长速度的贡献，可用"技术进步速度/产值增长速度"来计算。C₃₄指标反映工人生产产品的效率，可用"产品产值/工人人数 "来衡量。

4.生产能力

C₄₁指标根据我国的现实情况，可以将其分为4个档次：20世纪90年代水平、80年代水平、 70年代水平和20世纪60年代水平以下，然后在分别计算各年代水平的生产设备占总设备的比例。C₄₂指标反映生产人员的素质，包括生产技术干部和技术工人，前者可按职称（高级、中级和初级）来评价，后者可按技术等级（一级、二级和其他）来评价。C₄₃指标反映从初始原料投入到产品完成所需要的时间，可用产品生产周期占同类产品的平均产品生产周期或估计周期来评价。C₄₄指标反映原料被转化的程度，可用"产成品理论所需原料投入/ 实际原料投入"来衡量。C₄₅指标反映能源使用效率，可用"产成品理论所需能源/为生产该产品而实际耗费的能源"来计算。C₄₆指标反映主要设备的有效利用程度，可用"平均有效利用率或平均作业率"来评价。

5.投入能力

C₅₁指标反映外界环境（主要是政府）对企业的科技经费（包括设备投入价值）的投入情况，可用"外界对企业投入的科技经费/企业投入的总科技经费"来计算。C₅₂指标反映企业自身投入的能力，包括企业自筹资金、银行贷款及其它。C₅₃指标可用"生产成本/新产品的总价值"来计算。

6.营销能力

C₆₁指标可用"营销费用/产品的销售收入"来计算。C₆₂指标反映营销及被市场接受的难度，用"强、中、弱"来评价。C₆₃指标反映企业产品的销售渠道是否畅通，用"好、中、差"来评价。C₆₄指标反映企业现有销售服务的适应性，用"好、中、差"来评价。

7.财务能力

C₇₁指标反映企业所能提供的技术创新的规模、强度，用"强、中、弱"来评价。C₇₂指标包括自筹能力和借贷能力。可分别用"自筹资金/所筹总资金"和"借贷资金/所筹总资金" 来计算。C₇指标反映技术创新的投资回收效率，可用"当年回收资金/当年投入资金 "来计算。C₇₄指标可用"成本/销售收入"来计算。C₇₅指标可用"产品利税/所投资金"来计算。

8.产品效果能力

C₈₁指标可用"从事产品开发的人员/企业职工总人数"来计算。C₈₂指标反映新产品在企业总产品中所占的份额，可用"新产品数/产品总数"来计算。C₈₃指标反映产品研究、开发所需要的时间和费用，可用"新产品开发的周期/占同类产品的开发周期或估计周期"来评价。C₈₄指标反映企业创新产品的商业化程度，可计算其市场占有份额。C₈₅指标反映的实际上是产品的附加值大小，可以用"新产品净收入/新产品销售收入"来衡量。C₈₆、 C₈₇、 C₈₈指标反映新产品在企业总产品中的所占份额，可分别用"新产品的产值/企业产品生产总值"、"新产品销售收入/企业产品销售总值"、"新产品利税/企业产品的总利税"来计算。C₈₉指标反映企业产品的品牌状况，名优产品可指获得省级以上荣誉称号的产品。可用"名优产品产值/企业总产值"来计算。

二、企业技术创新能力的评价方法

层次分析法是一种实用的多维决策方法，它可以把不能量化的因素给予量化，把复杂的决策问题表示为一个有序的递阶层次结构，利用人们的判断对决策方案进行排序；它可以把定性和定量结合起来，具有实用性、系统性和简洁性等优点，特别适合在经济系统中应用。本文即采用层次分析法对企业技术创新能力进行综合评价。

在评价指标体系结构中目标层就是企业技术创新能力，准则层包括3个方面：效益标准、竞争标准和发展标准，一级指标层包括8个方面：创新意识、研究开发能力、技术进步能力、生产能力、投入能力、营销能力、财务能力和产品效果能力。首先，利用专家打分的方法，构造判别矩阵，计算层次单排序和层次总排序，从而给出一级指标的权重αi=(i=1,2…，8)。其次，根据企业的实际情况，由专家给出二级指标的实际得分值，利用加权平均的方法算出一级指标的实际得分值bi=(i=1,2…，8)。然后，由式∑[DD(]8[]i=1a1b1算出企业技术创新能力的实得分值。

三、实证分析

根据对某企业实地调研的数据和资料，利用上面建立的指标和方法，对该企业技术创新能力进行如下实证分析。

根据企业技术创新能力的评价方法，建立该企业的层次分析模型如图1。再根据构造的判别矩阵，得出层次单排序、总排序和一致性检验，如表1。然后，根据对该企业调查的实际情况，按照10分制，由专家给出企业技术创新能力各项指标的实际得分值后，加权平均算得C₁、C₂、C₃、C₄、C₅、C₆、C₇、C₈实际得分值分别为6、3、4、7、3、7 、3和6分。由此得出该企业技术创新能力的综合评判结果如表2。

由表2可以看出某企业技术创新能力总得分为4.8243分，换算成100制即为48.243分，其中，较为好的指标分别是生产能力（占21.50%）、创新意识（占18.59%）、营销能力（占13.0 9%）、研究开发能力（12.59%）、产品效果能力（占12.01%）和技术进步能力（占11.76% ），较差的是财务能力（占4.57%）和投入能力（占5.90%）。

参考文献：

［1］吴林海.中国科技园区技术创新能力综合评价［J］. 经济理论与经济管理，2001，（4）.

［2］王莲花，李战国，赵铭钦，等.卷烟企业技术创新能力评价方法的研究［J］. 河南农业大学学报，2001，（3）.

［3］刘思峰，党耀国，李炳军，等.河南各时期技术进步贡献率测度［J］.河南农业大学学报，1998，（3）.

［4］沈继红，施久玉，高振滨，等.数学建模［M］.哈尔滨：哈尔滨工程大学出版社，1996.

Study on Comprehensive Evaluation of Technological Innovation Capacity in Enterprises

WANG Lian - hua

(Basic Science College, Henan Agricultural University, zheng zhou 450002, China)

Key words: enterprises; technological innovation capacity; AHP .

(责任编辑：书明责任校对：育川)

收稿日期： 2002-11-20

作者简介：王莲花（1964-），女，河南宁陵人，河南农业大学副教授，硕士，主要从事应用数学和经济管理研究工作。

作者：王莲花

企业技术综合评价论文篇2：

企业技术创新能力的综合评价方法研究

[基金项目]国家自然科学基金(70371046)资助，中国博士后科学基金(2004036140)资助

[基金项目]冯岑明(1967-)，女，浙江余姚人，河南科技大学经济管理学院硕士生，研究方向为管理信息系统；方德英(1964-)，男，河南南阳人，河南科技大学经济管理学院教授，博士，研究方向为信息管理，系统工程。

[摘要]随着世界经济一体化的不断发展和各国经济开放程度的不断提高，企业技术创新能力的强弱已经成为决定企业生存和发展的关键要素。应从规范与实证结合的角度来研究企业技术创新能力的确定问题，探求构建企业技术创新能力的一般途径。

[关键词]技术创新能力；企业；神经网络

一、企业技术创新能力评价指标体系的构建

目前，企业技术创新能力评价已引起了国内外有关学者的广泛关注。然而，由于技术创新能力涉及的因素众多，其评价理论和方法尚处在探索之中。国内外有不少学者提出用层次分析法、密切值法、灰色系统理论等方法进行多指标评价，但这些方法还存在计算量大、评价指标的确定准确度较低且无法进行大规模评价的缺陷。为此，笔者将神经网络模型引入到企业技术创新能力评价中。

根据系统论的思想与企业技术创新的内涵，将其逐级分解，形成各有侧重，又相互联系，能系统、综合反映企业技术创新活动的评价指标体系^[4-6]，作为评价和优化企业技术创新活动的依据，根据企业技术创新活动所包括的主要内容，遵循指标体系设计原则，提出包括企业技术创新管理能力、投入能力、研发能力、创新能力和实施能力5个方面，共20个评价指标的评价指标体系(详见表1)。

二、基于神经网络的企业技术创新能力评价方法

综合评价的方法有很多种，每种方法都基于一定的模型假设和数据结构，都有其适用范围和优缺点。鉴于上述企业技术创新能力评价指标体系是一个多层次多目标的复杂系统，同时也为了提高综合评价结果的有效性和可靠性，减少单一方法可能造成的偏差，避免主观随意性，笔者选用人工神经网络方法对企业的科技创新能力进行综合评价和分析。因为这种方法适用于多层次的数据结构，同时能客观地确定各个指标的权重且信息损失较少^[7-10]。

(一)人工神经网络方法

人工神经网络是对人脑功能作某种简化、抽象和模拟，是—个高度复杂、非线性动力学系统，它具有学习、记忆、联想、归纳、概括和抽取、容错以及自学自适应的能力。BP网络是—种单向传播的多层前项网络，具有三层或三层以上的神经网络，包括输入层、中间层(隐层)和输出层。上下层之间实现全连接，而每层神经元之间无连接。BP网络的学习过程是由正向传播和反向传播两部分组成的，其算法描述如下：

第一步：设置初始参数ψ和θ，(ψ为初始权重，θ为临界值，均随机设为较小的数)。

第二步：将训练样本集和相应的目标样本集进行预处理，然后随机选取一组输入和目标样本加到网络上。

第三步：根据输入样本，利用下式算出它们的输出值。Y_yj

第五步：随机选取下一个学习样本提供给网络，返回第三步，直到m个训练样本训练完毕；

第六步：重新从m个学习样本中随机选取一组输入和目标样本，返回第三步，直到网络全局误差小于预先设定的一个极小值，即网络收敛。

(二)评价指标的归一化

由于评价指标体系中，既有定性指标，，又有定量指标，为了使各指标在整个系统中具有可比性，必须对各指标进行归一化处理，处理后的指标值才能作为神经网络的学习样本。因此，对于评价指标体系中的定量指标，在综合评价前必须把指标的实测值按某种隶属度函数将其归一化到某一无量纲区间。对于定性指标，可采用评价等级隶属度的方法确定，如1，0．75，0．5，0．25，0，分别对应很好，好，一般，较差，差。

从上述转换可以看出，对于效益型指标来说．当实测值X_ij大于平均值时，转换后其隶属度函数值大于0，实测值越大，隶属度函数值越大，当原始值达到一定数值时，隶属度函数值接近“饱和”。这样处理是为了防止某一指标隶属度函数值过大，从而影响整个综合指标。对于成本型指标，当X_ii，越大，隶属度函数值反而越小，取负值；X_ii越小，其隶属度函数值越大，取正值。　

(三)BP神经网络模型评价程序

1．企业技术创新能力评价模型网络构建。基于BP神经网络的评价模型由数据预处理器和BP网组成。数据预处理器将评价指标体系中各个指标的实测值，按—定规则进行归一化。BP网的输入层单元数量由数据预处理器产生的向量维数决定，这里就是指标的个数；输出层单元一个，即评价结果；隐含层的神经元数目选择是一个十分复杂的问题，往往需要根据设计者的经验和多次实验来确定，因而不存在一个理想的解析式来表示。隐单元的数目与问题的要求、输入／输出单元的数目都有着直接关系。隐单元数目太多会导致学习时间过长、误差不一定最佳，也会导致容错性差、不能识别以前没有看到的样本，因此一定存在一个最佳的隐单元数，可以用下列公式作为选择最佳的隐单元数的参考公式：

n₁=log₂n　(11)

式11中，n为输入单元个数；n₁隐含层单元个数。

2．对企业技术创新能力进行评价的步骤。(1)根据以上构建的BP网络模型进行网络学习。即选取—定数量的样本(不同企业的指标值)，进行归一化处理，输入网络，选用适当的学习算法，对网络进行训练、验证，确定出各指标隐含在网络中的权重。(2)对需要评价企业指标值进行归—化处理。(3)将处理过的指标值输入训练好的网络，网络会给出—个合理的输出。

(4)根据输出对企业技术创新能力作出客观的评价。

三、实例验证

笔者以洛阳市的8家国有大型企业进行实例验证(过程略)。用检验样本仿真评价结果与专家对企业技术创新能力评价结果相比，结果基本相同。该应用实例表明，该网络具有较强的泛化能力，能够通过样本学习掌握专家知识，可用于对其他待评价的企业进行技术创新能力的评价。

四、结论

企业技术创新能力是企业发展的根本动力，能有效地评价企业的技术创新能力，可以为企业的发展提供依据。由于企业技术创新能力涉及的因素较多，评价中存在较多的主观性和模糊性。笔者在建

立企业技术创新能力评价指标体系的基础上，提出基于神经网络的综合评价方法，并通过仿真试验，取得了较为满意的结果。神经网络不仅可以模拟专家对技术创新能力进行定量评价，而且避免了评价过程中的人为失误。

[参考文献]

[1]Hamel．G C K,Rrahalad．Competing for Future[M]Harvard Bursiness School Press,Boston MA，1994．

[2]Gronhaug,Kjell and Kaufmann．Innovation：A Cross-Disciplinary Perspective [M]．Oslo,Norway：NorwegianUniversity Press，1998．

[3]Kohli,A．K．And Jaworski,B，J．Market Orientation：theConstruat，Research Propositions and Manageriallmplications[J]Journal of(Marketing,54，1-18,1990．

[4]沈平，冯涛．构建我国企业技术创新体系的思考[J]．经济与管理研究，2001，(1)

[5]吴海燕，王伯安．提升我国石化企业技术创新能力的研究[J]．经济与管理研究，2001，(1)．

[6]姚晚霞．着力提高企业自主技术创新能力[J]．经济问题探索，2000，(12)．

[7]李文博，郑文哲．基于神经网络的企业技术创新能力综合评价研究[J]．科技进步与对策,2005，(1)．

[8]Han Min,Cheng lei & Meng Hua．Application of four-layer neural network On information extraction[J]．NeuralNetworks,2003，16(5)：38-40．

[9]K ihlgren A．Promotion of innovayion activity in Russiathrough the creation of science parks：the case of SLPetersburg(1992-1998)[J]．Tec-hnovation,2003,23：39-43．

[10]袁曾任．人工神经元网络及其应用[M]．北京：清华大学出版社，1999．

责任编辑：学诗

作者：冯岑明　方德英