知识型企业知识状态系统的熵变研究
熵理论中熵及熵权计算式的不足与修正
张近乐 , 任
杰 : 熵理论中 熵及熵权计算式的不足与修正
1 与 X 2 相近, 权重相近, 从而缓和了熵值权重 y 1, 即 X 的跳跃现象, 说明 X 越大, 对跳跃现象的修正效果
式后 , 既可解决前述特殊情况下出现的问题, 又将其 对熵权的影响控制在了合理的范围之内 ( 可使其微 变在小数点后 2 位或之后 ) 。 证明 : 传统的熵权计算式出现 / 熵值十分相近 , 熵权存在较大误差0 这种情况的原因在于 : 当 H i y 1 时, 由式 Xi = 1- Hi mi= 1
j= 1
E ac
n
, 且/ 假
三、 熵权计算公式的不足与修正
传统的熵权计算公式为 [ 2] 194 1- Hi 1- H i Xi = m = m E (1 - H i) m - E H i
i= 1 i= 1
ij
定0 : 当 acij = 0, P ij = 0 时 , P ij ln P ij = 0, 这是因为 , 当 P ij = 0 时 , ln P ij 在数学上无意义。 本文对概率计算公式给予了修正, 即: 将 P ij 重新 定义为 P ij = acij + 10
一、 引
言
度 , 也可以用熵值来判断某个指标的离散程度。 100 多年来 , 由于熵概念的泛化 , 经过诸多学者 的不懈钻研和应用, 熵不仅在自然科学中得到广泛 应用, 而且在社会科学和管理科学领域的研究中得 到越来越多的应用, 熵已被许多学者认为是自然科 学与社会科学的交叉点
[ 1] 42- 43
i
m
1, 0 [ Xi [ 1, ( i = 1, 2, 3, ,, m) 。
本文中 , 为了既保证对上述熵权跳跃现象的微 小修正 , 同时又不影响风险值的宏观结果以及对风 险的分 析与 比较 , 取 C = m- 1 , m = 10, 即 : X = 1 (1 - H i)。 之所以 m 取值为 10 , 是因为在实际 10 iE = 1 应用中 , 指标过多、 过少都不利或不便于对系统 ( 或 对象) 进行判断与评估( 指标较少时 , 无法准确反映 系统的判断属性, 而指标过多时 , 会使系统的判断属 性过于复杂) , 现实中通常 m = 3 ~ 10。 而取 C = m 及 m > 10, 会使计算在未改变修正精度的情况 下变得较为复杂。
熵的起源历史和发展
熵的起源、历史和发展一、熵的起源1865年,德国物理学家鲁道夫·克劳修斯Rudolf Clausius, 1822 –1888在提出了热力学第二定律后不久,首次从宏观上提出了熵Entropy的概念.Entropy来自希腊词,希腊语源意为“内向”,亦即“一个系统不受外部干扰时往内部最稳定状态发展的特性”另有一说译为“转变”,表示热转变为功的能力.在中国被胡刚复教授一说为清华刘先洲教授译为“熵”,因为熵是Q除以T温度的商数.他发表了力学的热理论的主要方程之便于应用的形式一文,在文中明确表达了“熵”的概念式——dS=dQ/T.熵是物质的状态函数,即状态一定时,物质的熵值也一定.也可以说熵变只和物质的初末状态有关.克劳修斯用大量的理论和事实依据严格证明,一个孤立的系统的熵永远不会减少For an irreversible process in an isolated system, the thermodynamic state variable known as entropy is always increasing.,此即熵增加原理.克劳修斯提出的热力学第二定律便可以从数学上表述为熵增加原理：△S≥0.在一个可逆的过程中,系统的熵越大,就越接近平衡状态,虽然此间能量的总量不变,但可供利用或者是转化的能量却是越来越少.但是克劳修斯在此基础上把热力学第一定律和第二定律应用于整个宇宙,提出了“热寂说”的观点：宇宙的熵越接近某一最大的极限值,那么它变化的可能性越小,宇宙将永远处于一种惰性的死寂状态.热寂说至今仍引发了大量争论,没有得到证明.二、熵的发展在克劳修斯提出熵后,19世纪,科学家为此进行了大量研究.1872年奥地利科学家玻尔兹曼L. E. Boltzmann首次对熵给予微观的解释,他认为：在大量微粒分子、原子、离子等所构成的体系中,熵就代表了这些微粒之间无规律排列的程度,或者说熵代表了体系的混乱度The degree of randomness or disorder in a thermodynamic system..这也称为是熵的统计学定义.玻尔兹曼提出了着名的玻尔兹曼熵公式S=klnΩ,k=×10^-23 J/K,被称为玻尔兹曼常数；Ω则为该宏观状态中所包含之微观状态数量,或者说是宏观态出现的概率,一般叫做热力学概率.玻尔兹曼原理指出系统中的微观特性Ω与其热力学特性S的关系,后来这个伟大的等式被刻在他的墓碑上.三、熵的应用自从Clausius提出熵的概念以来,它在热学界发挥的作用有目共睹.提及这个概念,我们往往把它与热力学定律,熵增原理,卡诺循环等联系在一起,除了热学之外,从它的宏观、微观意义出发,它还被抽象地应用到信息、生物、农业、工业、经济等领域,提出了广义熵的概念.熵在其他领域中的应用在此不再赘述,下面仅在热学领域对熵进行一个基本的探讨.一、熵的定义Definition1．宏观：宏观上来说,熵是系统热量变化与系统温度的商.Amacroscopic relationship between heat flow into a system and the system's change in temperature.这个定义写成数学关系是：dS是系统的熵变, δq是系统增加的热量,仅在可逆过程成立,T是温度.注：对于可逆过程,等号成立；对于不可逆过程,大于号成立；所有自发过程都是不可逆过程.2．微观：微观上说,熵是一个系统宏观态对应的相应微观态的数目热力学概率的自然对数与玻尔兹曼常量的乘积.On a microscopic level, as the natural logarithm of the number of microstates of a system.数学表达如下：S是熵,kB是玻尔兹曼常量, Ω微观态的数目热力学概率.二熵的相关定义1．比熵：在工程热力学中,单位质量工质的熵,称为比熵.表达式为δq=Tds, s称为比熵,单位为J/ kg·K 或 kJ/ kg·K.2．熵流：系统与外界发生热交换,由热量流进流出引起的熵变.定义式为：.熵流可正可负,视热流方向而定.3．熵产：纯粹由不可逆因素引起的熵的增加,定义式为：.熵产永远为正,其大小由过程不可逆性的大小决定,熵产为零时该过程为可逆过程.熵产是不可逆程度的度量.三熵和热力学第二定律1．热力学第二定律的三种表述：1克劳修斯描述Clausius statement：不可能将热从低温物体传至高温物体而不引起其它变化.It is impossible to construct a device that operates in a cycle and produces no effect other than the transfer of heat from a lower-temperature body to a higher-temperature body.2开尔文描述Kelvin statement：不可能从单一热源取热,并使之完全转变为有用功而不产生其它影响.It is impossible for any device that operates on a cycle to receive heat from a single reservoir and produce a net amount of work.3熵增原理principle of entropy increase：孤立热力系所发生的不可逆微变化过程中,熵的变化量永远大于系统从热源吸收的热量与热源的热力学温度之比；也可以说成,一个孤立的系统的熵永远不会减少.The second law of thermodynamics states that the entropy of an isolated system never decreases, because isolated systems always evolve toward thermodynamic equilibrium— a state depending on the maximum entropy.2．熵增原理：根据这一原理,我们得到了对于孤立体系的熵判据：ΔS 孤＞0 自发ΔS 孤=0 平衡ΔS 孤＜0 非自发利用熵判据能够对孤立体系中发生的过程的方向和限度进行判别.如：把氮气和氧气于一个容器内进行混合,体系的混乱程度增大,熵值增加即ΔS＞0,是一个自发进行的过程；相反,欲使该气体混合物再分离为N2 和O2,则混乱度要降低,熵值减小ΔS＜0,在孤立体系中是不可能的.当然,若环境对体系做功,如利用加压降温液化分离的方法可把此混合气体再分离为O2 和N2,但此时体系与环境之间发生了能量交换,故已不是孤立体系了.四熵的性质1．非负性：SnP1,P2,…,Pn≥0；2．可加性：熵是一个状态函数,对于相互独立的状态,其熵的和等于和的熵；3．极值性：当状态为等概率的时候,即pi=1/n,i==1,2,…,n其熵最大,有SnP1,P2,…,Pn≤Sn1/n,1/n,…,1/n=㏑n；4．影响熵值的因素：①同一物质：S高温＞S低温,S低压＞S高压；Sg＞Sl＞Ss；②相同条件下的不同物质：分子结构越复杂,熵值越大；③S混合物＞MS纯净物；④对于化学反应,由固态物质变成液态物质或由液态物质变成气态物质或气体物质的量增加的反应,熵值增加.5．对于纯物质的晶体,在热力学零度时,熵为零.热力学第三定律6．系统的熵越大,就越接近平衡状态,虽然此间能量的总量不变,但可供利用或者是转化的能量却是越来越少.In a physical system, entropy provides a measure of the amount of thermal energy that cannot be used to do work.四、参考资料Reference工程热力学第三版高等教育出版社；现代化学基础清华大学出版社；薛凤佳熵概念的建立和发展；李嘉亮,刘静玻尔兹曼熵和克劳修斯熵的关系；顾豪爽熵及其物理意义；熵——百度百科；Introduction to entropy, From Wikipedia, the free encyclopedia；A History of Thermodynamics——Springer。
熵的概念及其在化学中的应用
熵的概念及其在化学中的应用熵是热力学的一个重要概念，用于描述系统的无序程度。
它可以帮助我们理解和解释化学反应、相变和平衡态等现象。
本文将简要介绍熵的概念，并探讨其在化学中的应用。
一、熵的定义及背景知识熵是由德国物理学家鲁道夫·克劳修斯在19世纪中叶提出的。
它通常用符号S表示，单位是焦耳/开尔文（J/K）。
熵的定义可以简单描述为“系统的无序程度”。
一个系统越无序，其熵值越大。
为了理解熵的概念，我们需要先了解热力学第二定律，该定律表明不可逆过程中系统熵的增加是不可逆性的表现。
对于孤立系统来说，其熵永远不会减少，只会增加或保持不变。
当一个系统达到热力学平衡时，其熵达到最大值，也就是最大的无序状态。
二、熵与化学反应熵在化学反应中发挥着重要的作用。
根据热力学第二定律，一个化学反应只有在熵增加的条件下才能自发进行。
换言之，反应物到产物的转化必须 begingroupentails些程度上的“混乱”或无序。
这是因为无序状态对应着熵增加，而熵增加是自然趋势。
例如，考虑一个化学反应：A + B → C + D。
在该反应中，原子和分子从有序的状态（A和B）转变为无序的状态（C和D）。
这个过程begingroupentails熵的增加，因此可以自发进行。
相反，如果反应导致熵的减少，则需要外界施加能量才能进行，称为非自发反应。
三、熵与相变熵在相变（例如液态到气态的蒸发）中也起到关键的作用。
相变是物质状态的转变，伴随着分子的重新排列、能量的转移和熵的变化。
根据热力学，将液态水转化为气态水所需的能量称为潜热。
在相变过程中，潜热作为能量输入，使分子脱离彼此的相互作用力。
这一转变导致了水分子之间的无序程度的增加，也就是熵的增加。
相反，将气态水转化为液态水需要从系统中释放能量，该过程称为冷凝。
冷凝过程中，水分子重新排列成有序状态，无序程度降低，熵减少。
四、熵在平衡态中的应用熵在平衡态中也具有重要意义。
熵的最大值对应着系统达到平衡的状态。
熵的理论和应用
熵的理论和应用熵是一个非常重要的概念，不仅在物理学中有着广泛的应用，而且在信息科学、化学以及统计学等很多领域都起到至关重要的作用。
熵理论的建立和发展是一个复杂而又具有挑战性的过程，它的应用涵盖了很多方面，给人类社会带来了诸多福利。
在本文中，笔者将会详尽地介绍熵的理论和应用，并且探讨一些未来可能的研究方向。
一、熵的理论1. 熵的定义熵一词最初来自热力学，是描述热量转移的一个重要概念。
在20世纪初期，熵的定义从热力学扩展到了统计学和信息论中，成为了一种普遍的物理量。
根据热力学的定义，熵常被描述为一个系统的混乱程度，它的大小取决于系统的状态，随着系统微小改变而微小改变，当系统达到平衡态时达到最大值。
2. 熵的热力学意义熵与系统的混乱程度有关，具体来说，热力学意义的熵可以表示系统的无序程度。
比如一个有序的水晶是具有低熵的，而一个无序的气体则是具有高熵的。
此外，熵还有一个重要的特性，即不可逆性。
根据热力学的第二定律，系统的熵会随时间的推移而不断增加，也就是说，一个系统可以降低其内部的能量，但是不能降低其熵。
3. 熵的信息学意义在信息科学中，熵的意义与热力学是有关联的。
与热力学中的系统具有无序程度类似，信息论中的熵可以表示信息序列中的随机程度。
具体来说，假设有一组由0和1组成的二进制数列，它在信息量上的不确定性就可以用熵来表示，而且熵的大小与二进制数列中的随机性成正比。
二、熵的应用1. 热力学应用从热力学的角度来看，熵是一个复杂的、有趣的、多样化的物理量，对许多领域都有着广泛的应用。
在宇宙学中，黑洞的热力学属性以熵的形式表示，它的大小与该黑洞的质量、温度和面积等参数有关。
此外，熵还可以用于预测化学反应的热力学性质、分析物质中的相变等过程。
2. 信息学应用在信息科学中，熵的应用也是非常广泛的。
比如说，信息熵可以用于测量网络协议中的无序行为、衡量密码学中密码随机性、量化音频编码中的压缩效率等。
此外，熵还被应用于网络安全、奇异性等众多领域，产生了巨大的效益。
工科大物热学熵和熵变
2
1 可逆
dQ 积分可沿任一 T 可逆过程(12).
6
——克劳修斯熵 或宏观熵
初态1到末态2的熵变： S 2 S1
dQ 微小可逆过程中的熵变： dS T
2
1 可逆
dQ T
克劳修斯 熵变公式
dQ TdS
注意 dQ 是与过程有关的小量 但 dS 与过程无关
故微小可逆准静态过程满足：
可用熵增加原理判断绝热过程及孤立封闭系统内 的任何过程是否可逆. 例: 判断理想气体绝热自由膨胀是否可逆。
P1V1 P2V2
绝热đ Q=0 自由đW=0
dQ dE dW
dE 0
内能不变温度不变 而理想气体的熵变为： S CV ,m
T2 V2 ln R ln T1 V1
三. 克劳修斯等式不等式
1854年克劳修斯指出： 对于热力学系统经历的任意循环过程， 吸收的热量与相应热源的温度T的比值 沿循环回路的积分都满足关系：
dQ T 0
=，可逆循环， 克劳修斯等式。 克劳修斯不等式。 ＜，不可逆循环，
——热力学第二定律的一种数学表述形式
5
四. 克劳修斯熵变公式
dQ (1)对任一可逆循环有: T 0 可逆
S 2 S1
2
1 可逆
dQ T
克劳修斯熵
宏观熵
八.熵变的计算
S 2 S1
2
1 可逆
dQ T
2
1
dE pdV T
可逆
dQ dE pdV 对无穷小可逆过程： dS T T
注意： 积分路线必须是连接始末两态的任一可逆过程。
若系统从一个平衡态到另一平衡态实际经历的是 不可逆过程，则不能直接用上式计算系统熵变。 但熵是态函数，熵变只与始末状态有关，与过程无关， 故可设计一个始末状态与之相同的可逆过程来代替， 13 再用克劳修斯熵公式计算熵变。
熵变的计算一、熵随温度和压力的变...
28
一、剩余性质
T1,p1 ●
负 H1 剩
S1
余 性
质
H , S
● T2,p2
剩 余 性
H 2 S2
质
●
(T1,p1)ig
H ig , S ig
●
(T2,p2)ig
H1 H1R
H2
H
-T
V T
p
dp
HT
p2
V
T
V
dp
p1
T p
真实流体的p－V－T关系
H p
T2C
T1
pdT
真实流体的热容关系
C p f T, p
真实流体的等压焓变 无法计算
19
四、真实流体的焓变
T1,p1 ●
H
● T2,p2
剩
H1
余 性
质
剩
余 性
H 2
质
●
(T1,p1)ig
H ig
p p1
p2
S ig＝S ipg＋STig＝
C ig
T2 p
T1 T
dT
Rln
p1 p2
Sig f (T , p)
23
三、液体的熵变
S S p ST
C T2 p dT T T1
p2 V dp p1 T p
膨胀系数
1 V
V T
p
例题3-3，P33
S Sp ST
T2 C p dT T T1
p
T
V
T
V T
p
,
H ig p
熵的研究和应用
熵的研究和应用在物理学、化学、信息论等领域中，熵是一个非常重要的概念。
熵被定义为系统内分子的混乱程度，也可以简单地说成是无序度量。
在自然界和科学技术中，熵的研究和应用都起着十分重要的作用。
一、熵的研究和理论发展熵的概念最早可追溯到 19 世纪中叶，当时物理学家 Clausius引入了熵的概念，用于研究热量在物体之间传递的问题。
熵作为一个物理量，被应用于热力学中，可以用来描述系统的热力学状态或过程。
熵在热力学中的应用，是描述物质能量转化的过程中有多少能量被耗散的物理量。
随着现代物理学和化学的发展，熵的概念逐渐演化出了更加广泛的理论体系。
在现代物理学中，熵的概念被广泛应用于热力学、统计物理学、信息论等领域。
熵的运用，可以揭示系统的性质和变化，帮助人类更好地理解自然现象和物质世界的本质。
二、熵的应用1、热力学中的应用热力学中，熵通常被称为热熵，是一个热力学量纲，可用于描述无定形固体、气体和溶液的微观结构。
热熵可以用来衡量热力学系统的混乱程度，通常是随系统的复杂性和无序程度增加而增加。
例如，当有机化合物燃烧时，原子团聚在一起，熵降低，能源就会被释放。
相反，当物质分解、蒸发或溶解时，熵增加，能量就会被吸收。
2、统计物理学中的应用在统计物理学中，熵被用来描述微观粒子的混乱程度与排列方式。
这一理论有助于揭示分子和原子如何组成物质，并且有助于研究物质的性质和行为，如导电性、磁性、机械性能等。
3、信息学中的应用熵的概念也被应用于信息学中。
信息熵，通常被称为信息量度或信息混乱度，是用来衡量信息的无序度量。
例如，在通信系统和编码中，熵被用来衡量数据的信息密度。
对于一个随机的消息，信息熵越高，消息传输的差错率就越高。
4、生态学中的应用在生态学中，熵被用来描述自然界的生态平衡状态。
当生态系统中的物种数目、密度、分布等属性发生改变时，系统整体的熵也会发生变化。
例如，当一些外来物种进入生态系统中时，整个生态平衡会失去平衡，熵会增加。
热力学中的熵变与自由能变化分析
热力学中的熵变与自由能变化分析热力学是研究物质间能量转化和宏观系统状态变化的学科。
在热力学中，熵变与自由能变化是两个重要的概念。
本文将对熵变和自由能变化进行详细的分析和探讨。
一、熵变的概念及计算方法熵是热力学系统不可逆性的度量，即熵变是系统熵的变化量。
根据热力学第二定律，自然界中任何封闭系统的熵变都不会小于零。
熵变的计算公式为：△S = S_final - S_initial其中，△S表示熵变，S_final表示系统的最终熵值，S_initial表示系统的初始熵值。
熵变的计算需要考虑系统经历的过程和状态的变化。
在常见的过程中，如等温过程、等熵过程、绝热过程等，熵变的计算方法有所不同。
在等温过程中，系统的温度保持不变，因此熵变可以简化为：△S = Q/T其中，Q表示系统从外界吸收或放出的热量，T表示系统的温度。
二、自由能变化的概念及计算方法自由能是热力学系统中可利用的能量，常用来衡量系统在非平衡状态下的稳定性。
自由能变化是系统自由能的变化量，即△G = G_final - G_initial其中，△G表示自由能变化，G_final表示系统的最终自由能，G_initial表示系统的初始自由能。
自由能的计算需要考虑系统的内能、熵以及与系统相互作用的外界力（压力、温度等）。
对于恒温、恒容条件下的系统，自由能变化的计算公式为：△G = △U - T△S其中，△U表示系统的内能变化，T表示系统的温度，△S表示系统的熵变。
对于恒温、恒压条件下的系统，自由能变化的计算公式为：△G = △H - T△S其中，△H表示系统的焓变化，T表示系统的温度，△S表示系统的熵变。
三、熵变与自由能变化的关系熵变与自由能变化之间存在着密切的关系。
根据热力学基本方程，有以下关系式：△G = △H - T△S当△G小于零时，系统处于稳定的平衡态，反应是可逆的；当△G等于零时，系统处于稳定的平衡态，反应是平衡的；当△G大于零时，系统处于非稳定的不平衡态，反应是不可逆的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
则系统的总熵变 dS < 0, 这表明负熵流 de S 可使系统 的熵减少 , 从而有可能在系统中产生有序化结构 。 这种在远离平衡态的开放系统中 , 由于与外界不断 地进行物质和能量的交换 , 有可能从“ 无序 ” 走向 “ 有序 ” ,形成非平衡态的稳定有序结构 , 就是耗散 结构理论 。 耗散结构是自组织现象中的重要部分 , 知识型 企业知识状态系统的形成和演变都是一个自组织过 [1] 程 。知识型企业知识状态系统的自组织特性是 指知识型企业通过自发地 、 自主地向结构和知识存 量增加 、 知识创新能力增强方向演变的过程和结果 。 首先 ,每一个知识型企业知识状态系统都是一个开 放性的系统 ,它同所处的环境之间存在着知识流 、 信 息流等的交换 ,这种开放系统的交换一旦停止 ,系统 的也就无法演变 。其次 , 从各种角度看知识型企业 知识状态系统都处于一种远离平衡的状态中 。比 如 ,知识工作者之间的冲突 ,知识工作者与知识型企 业之间的知识挖掘 、 搜索目标的冲突 ,知识工作者与 外在环境子系统之间的冲突 ,行业竞争者 、 知识交流 平台商以及政府它们之间的冲突等等 , 这与处于平 衡态的各要素单一 、 无序 、 熵值极大等特征相比 , 显 然知识型企业知识状态系统在时间 、 空间及功能上 保持着相对的有序性 。再次 , 知识型企业知识状态 系统内部要素和子系统之间是非线性结构 , 它们之 间存在着正反馈的倍增效应及负反馈的饱和效应等
知识型企业知识状态系统
[1]
, 是基于知识型企
R&D 资本存量对产品的影响 ,表现出较为可行的结
业网络成员间为了适应外部环境的变化 、 抵制竞争 者的打击 、 反抗捕食者的狩猎而形成的 。面对复杂 动态的全球环境 ,一方面知识型企业不得不将供应 商等其他组织纳入企业的范畴进行规划和经营 ; 另 一方面企业网络形成的主要动机是向网络联盟伙伴 学习 、 提供资源规模优势以及充分利用成员企业的 核心能力
孙 锐 ,赵 坤
(华侨大学工商管理学院东方企业管理研究中心 ,福建泉州 362021 )
摘 要 : 文章首先分析知识型企业知识状态系统在知识存量增加 ,系统演变过程中耗散结构的形成 ,然后从熵 变的角度进行研究 ,通过建立知识型企业知识状态系统的熵变模型 ,试图说明知识型企业知识状态系统演变 的内在机理 。 关键词 : 知识型企业 ; 知识型企业知识状态系统 ; 熵变 中图分类号 : F270 文献标识码 : A
根据普利高津的理论 , 一个与外界交换能量 和物质的开放系统 ,其熵变由两部分组成 ,即
dS = di S + de S
[ 12 ]
其中 di S 是由系统内部的不可逆过程引起的熵变 , 亦称熵产生 ; de S 是系统与外界交换物质和能量引 起的熵变 ,也称为熵流 ,按照 C lausius的热力学第二 律 ,则有 di S ≥ 0 对于开放系统 ,系统的总熵变 dS 取决于 di S 和
[4]
,也
就是说知识存量要注意范围的问题 。目前 , 国外学 术界对知识存量的研究 , 多倾向于实证分析 。如
Kyriakos Kyriakopoulos和 Ko Deruyter 认为公司投
[5]
资于系统 (例如 ISO , 知识中心 , IT 系统 ) 时采用两 种不同类型的知识存量 : 存量程序型 ( stocks - p ro2
第 26 卷 第 2期 2008 年 4 月 文章编号 : 1003 - 2053 (2008) 02 - 0339 - 05
科 学 学 研 究 Studies in Science of Science
Vol . 26 No. 2 Ap r . 2008
知识型企业知识状态系统的熵变研究
个人知识存量表示与度量方法 ; 李顺才等人
。一个企业的知识来自于多年企业员
[3]
了知识存量与流量 : 内涵 、 特征及其相关性等等 。 上述对知识存量的研究其角度大多局限在单个 企业 、 组织甚至个人 ,较少上升到企业网络层面 。从 系统学的角度来说 , 系统的演化来源于网主知识型 企业知识存量的不断增加与流动 , 在二维方向 (时 间和空间 ) 上实现知识的增值过程 。其次 , 由于知 识型企业知识状态系统是一个远离平衡态的系统 , 所以它在演化的过程中 , 由于其开放性还会受到外 界各种涨落影响 (主要是外在知识搜索空间的扩展 变化 ) ,使得知识型企业知识状态ቤተ መጻሕፍቲ ባይዱ统的状态函数 随时间从一种平衡态向新的平衡态跃迁 。以比利时 著名化学家普利高津 ( I . Prigogine ) 教授为首的布鲁 塞尔学派于 1969 年提出的耗散结构理论
成及其熵变分析
1. 1 知识型企业知识状态系统耗散结构的形成
非线性关系 。在远离平衡态的非线性区内 , 系统处 于一种动态平衡中 , 知识型企业知识状态系统不断 受到系统内外部各种因素的影响而产生无数个“ 小 涨落 ” ,当涨落影响的程度达到一定的结果时 , 整个 系统就会产生“ 巨涨落 ” , 当知识存量变化达到一定 阈值时 ,知识型企业知识状态系统又通过自组织从 原有混浊无序的混乱状态 (假定每一次的变化都带 来无序 )转变为时间 、 空间或功能上的有序状态 , 形 成新的耗散结构 ,从而不断地推动知识型企业知识 状态系统发生演变 。 当然 ,我们在涉及“ 质” 的问题时 ① ,存在这样一 种假设 ,即任何两项知识之间 ,倾向于互相强化和促 进 ,而不是倾向于相互抵消和压抑 (知识的互补性 问题 ,不同于知识学习刚性 ,后者是认识主体的认识 差异性造成的在知识学习过程中的“ 选择性吸收 ” 问题 ) ,按照经济学的假设 , 当资源是稀缺的时候 , 就会发生有关于稀缺资源的竞争 , 然而技术性的知 识具有“ 非竞争性 ” ,只有生产者积累其专业知识并 形成令竞争对手难以模仿的竞争优势时 , 才能实现 知识积累的收益递增性质 。从这个意义上讲 , 知识 型企业知识状态系统的演变不仅仅是一个知识存量 的量的增加的问题 , 而是一个知识型企业知识专业 化加深的过程 ,是知识型企业 、 知识工作者的知识结 构专业化的过程 ,也就是认知主体 (知识工作者 ) 向 着处于较高的专业知识浓度转化 , 以宏观角度来看 是知识“ 本土化 ” 的过程 。因此 , 对于知识型企业知 识状态系统来说 ,能否在演变的过程中形成耗散结 构 ,则是确保知识型企业 (网主企业 ) 获得持续竞争 优势的关键 。 1. 2 知识型企业知识状态系统的熵变分析 熵的概念是 C lausius为了将热力学第二定律形 式化而引入的 ,在式 dS = di S + de S 中 , 熵产生 di S 一 定大于零 , 而熵流 de S 则可正可负 。对于开放系统 , 要使整个系统的熵变小于零 , de S 必小于零 , 而且满 足 | de S | ≥di S ,系统总的熵值减小 , 这样系统才能向 更有序的方向发展 。 在知识型企业知识状态系统的演变过程中 , 系 统的熵产生可以表述为 : 知识型企业中认知主体 (知识工作者 )自己的学习能力 、 对外界环境的适应 能力等等较强 ,知识型企业知识存量的增加以及知 识状态系统的演变主要来自于网主企业内部认知主
第 2期
孙 锐 赵 坤 : 知识型企业知识状态系统的熵变研究
・341・
体 (知识工作者 )的知识挖掘和知识创新 , 我们称之 为“ 内生型 ” , 是一个熵增过程 , 是系统逐渐由有序 状态向无序状态演变的过程 ; 知识型企业知识状态 系统的熵流 ,表示网主知识型企业同外界环境发生 交换时的熵变 ,它的作用是使知识型企业知识状态 系统有序化 ,它的大小代表了系统对外界环境交换 量的大小 。在此种情况下 , 知识型企业认知主体 (知识工作者 )自己的学习能力 、 对外界环境的适应 能力较弱 ,只有在外界环境较大的冲击下才能改变 知识型企业知识状态系统演变方向 , 我们称之为 “ 外生型 ” 。 不管是“ 内生型 ” 还是“ 外生型 ” ,都起因 于系统知识存量由低密集向高密集的演变 。需要说 明的是 ,知识型企业知识状态系统作为一个非平衡 系统 ,其内部有许多变化着的因素 ,并且这里的“ 内 生型 ” 和“ 外生型 ” 并没有一个严格的界定 , 它们既 相互联系又相互制约 , 共同决定着系统的可能结构 和可能的演变方向 。 知识型企业知识状态系统内部 , 由于呈现出有 效知识存量逐渐减少 , 而无效知识存量不断增加的 一个不可逆的过程 , 存在着系统结构中的知识利用 效率递减规律 。这个规律之所以会存在 , 主要原因 在于系统内部各个知识工作者之间复杂运动和管理 过程受各种不确定性 、 又相互影响的变量要素控制 。 因此 ,可以认为处于非平衡态的知识型企业知识状 态系统的熵的增加 , 是因为有关系统内部组态的知 识存量随时间的演化而减少了 。而系统负熵流的引 入 ,是使系统有序度的增加大于自身无序度的增加 , 从而形成新的有序结构和产生新的能量的过程 。由 于知识型企业知识状态系统中知识利用效率递减规 律 ,所以负熵的增加 , 使系统的知识利用效率递增 。 用数学观点来构建函数 , 即可认为熵增函数与负熵 流函数必然存在一个交点 。所以 ,知识型企业知 识状态系统演变过程中 , 知识存量的利用效率是时 间的函数 ,随着熵增与负熵流的不断变化成一波动 趋势延伸 ,在这对矛盾的不断循环运动并同系统辨 证统一相互作用过程中 , 知识型企业知识状态系统 不断有规律地波动性地向前演变 (如图 1 所示 ) 。 我们定义知识型企业知识状态系统的边际熵增 和边际负熵流 ,在知识型企业知识状态系统演变的 过程中 ,边际熵增就是当时间发生微小变化时所引 起的系统熵值变化 ; 边际负熵流是时间发生微小变 化时所引起的系统熵值反向变化 。扩展文献 [ 13 ] 的思路 ,当知识型企业知识状态系统的边际熵增与
① 这里的“ 质” 是相对于知识的属性而言的 ,如 : 知识的沿时间和空间的互补性 、 系统嵌入性 、 默示性和路径依赖性等 。