DOI: 10.3969/j.issn.1673-4785.201309042
2. College of Economics and Management, Ningxia University, Yinchuan 750021, China
企业模型是对企业系统的抽象，可以用来分析企业的特性。采用传统建模方法可以开发出功能模型[1]、信息模型[2]、控制模型[3]以及决策模型[4]等。企业处于市场竞争的环境中，企业竞争的实质是一个动态演化过程[5]。一旦市场或用户需求发生变化，企业就需要重新进行模型的开发与设计工作，给模型设计及实现增加了难度。当前，模型的构建方法及模型本身复杂度高，并存在一定的僵化，企业模型适应度差。
Norm来源于组织符号学，相对于惯例、业务规则等传统的语义描述架构来说，具有更丰富的信息存储能力。企业从整体上看是一个组织。规则学习和进化计算是目前对复杂的企业组织进行建模的有效方法。以Norm作为语义工具可以用来描述所有能够反映企业社会文化制度及运营状态的各类规则。利用规则学习中的机器学习分类器系统来分类、提取、学习和验证企业Norm，通过验证企业Norm的有效性获取其所带来的价值信息。
1 Norm及其组织符号学分析 1.1 Norm组织符号学是用符号学的方法来分析、描述和解释组织的结构和行为。它以一种均衡的方式来处理信息和信息系统。
Norm来源于组织符号学中社会心理学的角度，根据特定的社会背景产生，描述不同组织、不同文化背景、不同部门和各组织之间如何进行交互和协作，规定了组织内部以及组织之间应该采取哪些行为才能实现它们之间的协作[6]。Norm的表达通常有2种形式：
1) Norm的通用表达。
Whenever 〈状态集〉If 〈条件集〉 Then 〈主体〉 Is〈Deontic〉 To 〈行动集〉。
2) Norm的通用表达。
Norm={Goal，Scene，Authority，Trigger，Agent，Deontic，Action }；
其中，Trigger={Precondition，Triggern，Postcondition}；
由以上定义可知，Norm由七元组组成[7]：
1) 目标(goal)—Norm所表达的主体的意愿。
2) 场景(occasion)—Norm所需要的时空状态。
3) 权限(authority)—创建Norm的行为主体。
4) 条件(condition)—Norm所适用的系统状态或者环境。
5) 主体(subject)—应用Norm的行为主体。
6) 特征(character)—Norm的作用，根据作用的约束程度可以分为：oblige(强制Norm)、permit(许可Norm)、prohibit(禁止Norm)3类。
7) 内容(content)—Norm所描述的行为。
相对于组织惯例与规则来说，Norm所表达的语义信息更加丰富，且利用Norm来描述这种依赖和协作关系中主体及其意愿、资源等内容，可以容易地实现复杂组织的建模和分析。
1.2 Norm的组织符号学分析及企业Norm库设计 1.2.1 Norm的组织符号学分析借助组织符号学及符号学的相关概念[8]，对企业Norm进行形式化结构分析。比如，对于企业Norm “Whenever采购物品入库 if采购物品一切手续齐全 then仓库管理员is obliged to 入库并登记台帐”来说，涉及到的形式化结构分析如表1所示。
| 场景 | 触发条件 | 权限 | 主体 | 特征 | 内容 |
| 入库 | 采购物品 手续齐全 | 仓库 管理员 | 采购 物品 | obliged | 入库登 记台账 |
1.2.2 企业Norm库的设计
根据组织的运营状态的要求，会产生各项交互的需求。规范的收集采用MEASUR方法来进行，即获取组织的中长期战略后，将所有为完成组织战略目标而进行的不同文化背景下组织间、部门间的交互协作和各类约束信息用Norm进行分类存储和有效表达。信息系统的数据库设计也从这个角度进行。
由Norm的组织符号学分析以及定义可知，Norm由七元组组成，即目标、场景、权限、条件、主体、特征、内容。 因此，任何环节中单一Norm库的设计应包含的信息表单有：目标表单、场景表单、触发条件表单、权限表单、Norm主体表单、主体行为表单、特征集表单、Norm临时表单、企业Norm表单。因此，各表之间的关系设计如图1所示。
|
| 图 1 企业Norm库的设计 Fig. 1 The design of enterprise Norm library |
企业Norm的分类处理离不开与外界环境与企业数据库系统的交互。通过不断地与环境进行交互，企业最终获取对企业真正有商业价值的企业Norm。其中，外界环境与企业数据库、企业Norm的交互关系如图2所示。
|
| 图 2 企业Norm管理系统 Fig. 2 The management system of enterprise Norm |
在进行基于Norm的规则匹配即信息编码的语义符号化阶段，会涉及到Norm的结构与传统的学习分类器系统的结构是否匹配的问题。传统的基于遗传算法的学习分类器系统的分类器产生式规则为：条件/动作(if { condition } then { act })，假设消息、条件、动作结构部分的长度均为l，其中消息、条件及分类器结构定义为
| $\left\langle {{\rm{message}}} \right\rangle :: = \left\langle {{m_1},{m_2}, \cdots {m_j}, \cdots {m_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$ |
| $\left\langle {{\rm{condition}}} \right\rangle :: = \left\langle {{c_1},{c_2}, \cdots {c_j}, \cdots {c_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$ |
| $\left\langle {{\rm{act}}} \right\rangle :: = \left\langle {{a_1},{a_2}, \cdots {a_j}, \cdots {a_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$ |
| $\left\langle {{\rm{classifier}}} \right\rangle :: = \left\langle {{\rm{condition}}} \right\rangle /\left\langle {{\rm{act}}} \right\rangle 。$ |
该产生式规则与企业Norm对环境反应的概念相符。但通过前面对企业Norm的组织符号学分析，发现其忽略了对组织目标、逻辑算子及条件的发生场景的编码。因此，在其结构中加入组织目标、逻辑算子和场景信息之后，重新对机器学习分类器系统的产生式规则进行设计，其结构为：(目标，场景，条件)/ (权限，主体，特征集，行为)即if {scene，Trigger} then {Agent，Deontic，act}。其中场景、条件、主体、权限、特征集、行为以及分类器结构定义为$\left\langle {{\rm{Goal}}} \right\rangle :: = \left\langle {{g_1},{g_2}, \cdots {g_j}, \cdots {g_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$
| $\left\langle {{\rm{Scene}}} \right\rangle :: = \left\langle {{S_1},{S_2}, \cdots {S_j}, \cdots {S_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$ |
| $\left\langle {{\rm{Trigger}}} \right\rangle :: = \left\langle {{T_1},{T_2}, \cdots {T_j}, \cdots {T_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$ |
| $\left\langle {{\rm{Agent}}} \right\rangle :: = \left\langle {{A_1},{A_2}, \cdots {A_j}, \cdots {A_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$ |
| $\left\langle {{\rm{Authority}}} \right\rangle :: = \left\langle {{{\rm{A}}_{\rm{u}}}_1,{{\rm{A}}_{\rm{u}}}_2, \cdots {{\rm{A}}_{\rm{u}}}_j, \cdots {{\rm{A}}_{\rm{u}}}_l} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$ |
| $\left\langle {{\rm{Deontic}}} \right\rangle :: = \left\langle {{D_1},{D_2}, \cdots {D_j}, \cdots {D_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$ |
| $\left\langle {{\rm{Action}}} \right\rangle :: = \left\langle {{a_1},{a_2}, \cdots {a_j}, \cdots {a_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\};$ | (1) |
| $\left\langle {{\rm{classifier}}} \right\rangle ::{\rm{ = }}\left\langle {{\rm{Goal,Scene}},{\rm{Trigger}}} \right\rangle /\left\langle {{\rm{Authority}},{\rm{Agent}},{\rm{Deontic}},{\rm{act}}} \right\rangle ;$ |
| $\eqalign{ & \left\langle {{\rm{condition}}} \right\rangle :: = \left\langle {{c_1},{c_2}, \cdots {c_j}, \cdots {c_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\}; \cr & \left\langle {{\rm{act}}} \right\rangle :: = \left\langle {{a_1},{a_2}, \cdots {a_j}, \cdots {a_l}} \right\rangle ,j \in \left\{ {1,2 \cdots ,l} \right\}; \cr} $ |
| $\left\langle {{\rm{classifier}}} \right\rangle :: = \left\langle {{\rm{condition}}} \right\rangle /\left\langle {{\rm{act}}} \right\rangle 。$ |
Norm用来对企业进行语义描述与规则制约，如果把Norm和基于遗传算法的机器学习分类器系统结合，对Norm进行有效地学习和科学处理，则可提高企业模型的学习能力。
根据组织符号学的概念[9]，对Norm进行分类，主要分为3类：组织类、社会类和操作类。组织类Norm主要用于部门职责及目标的确定规范；社会类Norm是人类为了社会共同生活的需要，在社会互动过程中衍生出来或者由人们共同制定并明确施行的社会中普遍认可和遵守的行为准则的集合；操作类Norm涉及企业组织内部和企业组织之间的交互和协作过程的Norm集合。
按照企业的业务顺序，采用分布式设计原则，假设每个业务层级Norm库均有一个分类器系统与之对应，则设计的基于组织学习的企业决策框架如图3所示。
|
| 图 3 基于组织学习的企业决策框架 Fig. 3 Enterprise decision framework based on organizational learning |
利用Norm进行信息的匹配和决策，结合基于遗传算法的多层级机器学习分类器系统对企业信息进行学习，详细的信息处理流程如下所示：
1) 通过与外界环境的交互产生消息，将该消息与目标及场景集合的代码进行匹配，并依次进入社会层、组织层。
2) 根据消息的长度依次截取对应长度的信息编码，与该层Norm的编码进行匹配。在匹配成功的情况下，根据其前件部分获得其动作部分的信息，并执行下一步。否则会抛弃该条消息，系统重新运行，产生新的消息。
注：一般情况下，企业Norm库的设计是根据企业的实际情况进行设计，外界环境的消息输入和企业Norm 匹配之后才能继续系统的运行。
3) 进入操作层，根据截取剩下的信息编码的特征集依次进行匹配，进入采购、生产等层级，并利用其条件部分与该层Norm编码进行匹配，并获得其动作行为部分。同样，匹配成功的情况下，会执行下一步。否则会抛弃该条消息，系统重新运行产生新的消息。
4) 将获得的该层信息编码的动作行为部分进行融合并运行出结果。通过相应的适应度评价机制计算出该多层级分类器系统的产生式规则的适应度。结合桶链算法，根据相应的指标评级机制赋予该层分类器一定的回报，判断系统运行次数是否达到调用遗传算法的交叉和变的周期 Tg 。若满足，则通过交叉变异算子产生新的分类器规则即Norm表达。
注： Tg 可以是一个常数，也可以是随机产生的，或者在系统运行不同阶段产生不同的 Tg 。模型运行的初期， Tg 的值应当比较小，以便尽快将适应度低的分类器规则淘汰出去。模型运行一段时间后，可以将 Tg 的值设大一些 ，以便更好地分类。
5) 调整各分类器的强度和适应度，并从所有的分类器中选择适应度及强度参数值最高的分类器作为下一轮程序运行的消息；
6) 执行新一轮Norm的匹配和调整的操作。
4 煤炭供应链采购Norm的学习机制文章以某制造企业的采购业务为设计对象，对其中的企业Norm的信息处理过程进行举例。
4.1 采购Norm库中表单的设计研究根据各种形式化结构，可以采用针对各自不同特点的编码方式。一般情况下，二进制适合布尔选择，十进制适合多种选择，符号编码适合特殊标记。由于表中内容在需求分析阶段基本确定，且数量有限，采用一位十进制编码，其长度可根据实际情况进行调整。Norm编码表示的前5位代表动作执行前件，其中第1位代表第1层级特征的信息，第2位代表目标，第3位代表场景，第4位代表条件，第5位代表当前操作是否满足条件。后4位代表动作执行后件，其中，第6位代表权限主体，第7位代表逻辑算子部分，第8位代表Norm主体，第9位代表主体行为。
按照上述设计原则，社会Norm、组织Norm、采购环节的操作Norm的形式化表达及其编码方式及表示如表2~5所示。
| 结构 | 内容 | 二进制 | 十进制 | 符号编码 |
| 第1层级特征 | 社会层、组织层、操作层 | √ | ||
| 目标 | 企业组织发展、良好的内外环境分析与评价机制、 建立健全的薪酬绩效体系、推动企业文化的认知与认同度、 合理科学的生产流程、合理科学的采购流程 | √ | √ | |
| 第2层级特征 | 战略规划、薪酬绩效体系、企业文化、 企业组织、生产过程、采购过程 | √ | √ | √ |
| 触发条件 | 企业业务受到外部环境的影响、薪酬 绩效体系不合理、企业需要提升企业文化认知度、 企业重组、没有发生物料短缺、组织或者生产采购的规模变大 | √ | ||
| 权限 | 规划发展部、财务部门、企业策划部、总经理、生产人员、采购人员 | √ | ||
| 逻辑操作 | oblige、permit、prohibit | √ | √ | |
| Norm主体 | 企业外部环境相关资料、原企业发展战略、薪酬考核表、 原薪酬绩效体系、企业文化推动计划、原企业文化推动计 划、组织或者生产采购的规模、产品、采购程序、采购数量 | √ | ||
| 主体行为 | 收集、执行、上报、制定、变大、变小、不变、生产 | √ |
| Norm形式化表达 | 第1层级特征 | 目标 | 场景 | 条件 | 是否满足 | 执行动作 |
| whenever 战略规划 if企业业务受到外部环境的影响 then规划发展部is oblige to收集企业外部环境相关资源 else执行原企业发展战略 | 0 0 | 0 0 | 0 0 | 0 0 | 1 0 | 0000 0011 |
| whenever薪酬绩效体系 if薪酬绩效体系不合理 then 财务部门 is oblige to上报薪酬考核表 else执行原薪酬绩效体系 | 0 0 | 1 1 | 1 1 | 1 1 | 1 0 | 1022 1031 |
| Norm形式化表达 | 第1层级特征 | 目标 | 场景 | 条件 | 是否满足 | 执行动作 |
| Whenever企业组织发生变动if企业重组 then总经理is permitted to 组织或者生产采购的规模变大 else组织或者生产采购的规模变小 else组织或者生产采购的规模不变 | 1 1 1 | 3 3 3 | 3 3 3 | 3 3 3 | 1 0 # | 3164 3165 3166 |
| Norm形式化表达 | 第1层级特征 | 目标 | 场景 | 条件 | 是否满足 | 执行动作 |
| Whenever 生产过程 if没有发生物料短缺 then 生产人员 is obliged to 生产产品 else 采购人员 is obliged to 采购程序 |
# # | 4 4 | 4 4 | 4 4 | 1 0 | 4077 5081 |
| Whenever采购过程if组织或者生产采购规模变大 | # | 5 | 5 | 5 | 1 | 5094 |
| then采购人员is obliged to采购数量变大 | # | 5 | 5 | 5 | 0 | 5095 |
| else采购数变小量else采购数量不变 | # | 5 | 5 | 5 | # | 5096 |
4.2 信息处理
假设系统在运行过程中，因为遇到生产资料短缺，生产过程无法进行，需要进行采购物料来维持生产状态。在运行至 Tg -1次时，作为程序的入口，产生的消息代码为：znxtxb-9-06-698-01110-02220-1333#-#4440-#5550。以该消息为处理对象，其处理过程如下所示。
1) 依次进入社会层和组织层，根据消息的长度依次截取对应长度的信息编码，并根据该消息和对应层Norm进行匹配。若匹配成功则根据其前件部分获得其动作部分的信息。即0011-1031-2051-3166。否则会抛弃该条消息，系统重新运行产生新的消息。
2) 进入操作层，根据截取剩下的信息编码的特征集依次进行匹配，进入第2层即采购层。利用其条件部分与该层Norm编码进行匹配，获得其动作行为部分。即5081-5096。同样，在匹配成功的情况下，会执行下一步。否则会抛弃该条消息。
3) 将该消息代码对应的执行动作后件部分融合，按照一定的评价指标运行出结果。通过一定的适应度评价算法赋予该消息一定的适应度。利用桶链算法对该情况赋予一定的回报。若此时达到 Tg 的运次数。则调用遗传算法的交叉和变异操作。有限次变异的情况下，变异后消息代码变为：00001-01111-02221-13331-#4440-#5551。
4) 若以企业收益指标对2种情况进行评价，通过程序执行的结果可知，变异后的消息代码对应的适应度会比前一种情况的适应度高。利用桶链算法对后一种情况赋予较高的回报。分类器系统会以该消息代码对应的企业Norm代替前一条消息代码对应的企业Norm，作为下一轮程序运行消息。
5) 执行新一轮的Norm的匹配和调整的操作。
通过2种运行情况的比较，得出以下结论：企业进行有效地重组对企业的战略发展十分有益，企业在实际经营过程中可以通过重组战略来增强企业的核心竞争力。不同的动作部分导致系统运行出不同的结果，而不同的动作部分反映出其条件部分的变化，进而帮助企业决策。
5 结束语本文提出基于组织学习的企业决策框架。该框架采用组织符号学中的Norm来描述企业规则，引入Norm的形式化结构，并且提出一种改进的面向Norm的改进型遗传机器学习分类器产生式规则，使得对企业规则的描述更加准确。结合多层级的基于遗传算法的机器学习分类器系统(GALCS)，对企业Norm进行编码、分类、融合、学习和验证。实践证明，Norm的引入可以很好地反应企业的业务规则、社会目标、约束和组织结构等特性，反映出企业组织本身的态度以及信念，具有一定的智能性。
下一步将收集完整的企业信息，并组建Norm库，实现该框架下企业组织的学习，通过验证企业Norm的有效性为企业获取有价值的信息资源。
| [1] | 周颖, 郑国梁, 李宣东. 基于MDA的UML模型转换:从功能模型到实现模型[J]. 计算机应用与软件,2005, 22 (11) : 1 –4. Yi ng, ZHENG Guoliang, LI Xuandong. The UML model based on MDA transformation: from a functional model to the implementation model[J]. Journal of Computer Applications and Software,2005, 22 (11) : 1 –4. |
| [2] | 程鹏飞, 王金亮, 徐申, 等. 区域森林生物量遥感信息模型构建研究[J]. 遥感技术与应用,2012, 27 (5) : 722 –727. Pengfei, WANG Jinliang, XU Shen, et al. The regional forest biomass remote sensing information model to construct study[J]. Journal of Remote Sensing Technology and Applications,2012, 27 (5) : 722 –727. |
| [3] | 邵艳华,李坚石,田丰,等. 基于Agent 的企业演化模型仿真研究[J]. 计算机工程与设计, 2009, 30(10): 2489-2491.SHAO Yanhua, LI Jianshi, TIAN Feng, et al. Enterprise evolution model based on Agent simulation[J]. Computer Engineering and Design, 2009, 30(10): 2489-2491. 张世超.Norm支持的虚拟组织关键技术研究[D].上海:复旦大学, 2005: 2-7.ZHANG Shichao. Norm support of key techniques of virtual organization [D]. Shanghai: Fudan University, 2005: 2-7. |
| [4] | 曲培新, 王建平. 加入信息增益比的矿井塌方风险决策模型仿真[J]. 计算机仿真,2013, 30 (3) : 243 –246. Peixin, WANG Jianping. Add information gain ratio of mines, risk decision model simulation[J]. Computer Simulation,2013, 30 (3) : 243 –246. |
| [5] | 邵艳华, 李坚石, 田丰, 等. 基于Agent 的企业演化模型仿真研究[J]. 计算机工程与设计,2009, 30 (10) : 2489 –2491. SHAO Yanhua, LI Jianshi, TIAN Feng, et al. Enterprise evolution model based on Agent simulation[J]. Computer Engineering and Design,2009, 30 (10) : 2489 –2491. |
| [6] | 张世超.Norm支持的虚拟组织关键技术研究[D].上海:复旦大学， 2005： 2-7. ZHANG Shichao. Norm support of key techniques of virtual organization [D]. Shanghai: Fudan University, 2005： 2-7. |
| [7] | Von WRIGHT G H. Norm and action: a logical enquiry. London: Routledge[M]. 1963 : 12 -17. |
| [8] | 杨宏桥, 李书章, 赵军平, 等. 自适应临床路径建模中组织符号学方法研究[J]. 计算机工程与设计,2009, 30 (13) : 3189 –3192. Hongqiao, LI Shuzhang, ZHAO Junping, et al. Adaptive clinical path modeling of organizational semiotics research[J]. Computer Engineering and Design,2009, 30 (13) : 3189 –3192. |
| [9] | 王凯. 基于规范的多视图企业建模研究[D]. 宁夏:宁夏大学, 2012: 6-7. WANG Kai. Based on the specification of multiview enterprise modeling research[D]. Ningxia: Ningxia University, 2012: 6-7. |