版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、相對(duì)于傳統(tǒng)企業(yè)而言,虛擬企業(yè)更具靈活、適應(yīng)性與競爭力,但在當(dāng)今技術(shù)、經(jīng)濟(jì)與政治等諸多因素的限制下,虛擬企業(yè)的運(yùn)作仍然要面臨成員的選擇以及規(guī)模的控制問題。本課題從這一現(xiàn)實(shí)情況出發(fā),提出虛擬企業(yè)的邊界理論。 本課題分析了虛擬企業(yè)邊界的影響因素,將其分為成員與環(huán)境兩大因素,從關(guān)系論與系統(tǒng)論的角度指出核心企業(yè)的協(xié)調(diào)力與控制力、優(yōu)勢資源與核心能力以及組織柔性與相容性是成員因素的主要成份;對(duì)環(huán)境因素的分析則僅考察了市場因素:規(guī)模、成本與周期
2、。 基于以上分析本課題提出虛擬企業(yè)邊界理論,以“耦合度C”指標(biāo)考察成員間的相互作用,耦合度值越小,意味著成員間合作產(chǎn)生的能量越高;以“組織熵E”度量由組織對(duì)環(huán)境應(yīng)對(duì)能力,這個(gè)差值越小,則虛擬企業(yè)的組織熵量越高,綜合兩個(gè)指標(biāo),當(dāng)其和值達(dá)到最小時(shí),虛擬企業(yè)的能量達(dá)到最大,從而找到最佳合作伙伴與規(guī)模。 考慮到虛擬企業(yè)尋找和確定成員的過程,本課題選擇K-Means算法和Java語言作為工具,考慮到經(jīng)濟(jì)意義及運(yùn)行成本,本課題以耦合
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于K-means的智能存儲(chǔ)算法.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- 結(jié)合距離的基于密度的k-means算法研究.pdf
- 基于概念格的K-Means算法研究及應(yīng)用.pdf
- 基于K-means聚類算法的負(fù)荷模型研究.pdf
- K-means初始化算法研究.pdf
- 基于K-means聚類的RCNA識(shí)別算法.pdf
- K-means聚類算法的改進(jìn)研究.pdf
- 基于mapreduce的k-means并行算法設(shè)計(jì)
- 基于mapreduce的k-means并行算法設(shè)計(jì)
- 基于優(yōu)化K-means算法的電力負(fù)荷分類研究.pdf
- 基于K-Means聚類算法的客戶細(xì)分研究.pdf
- K-means聚類算法的改進(jìn).pdf
- (6)K-means聚類算法.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- 基于K-means算法的貴州民營科技型企業(yè)客戶細(xì)分研究.pdf
- K-means算法與智能算法融合的研究.pdf
- K-means算法若干改進(jìn)和應(yīng)用.pdf
- 基于混合PSO的K-means算法及并行化研究.pdf
- K-means聚類算法研究及其應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論