论文部分内容阅读
摘 要：重大创新项目是创新型企业实现创新的主要措施和手段，它的成败将会直接影响到企业的创新战略和创新绩效。然而，重大创新项目实施的全过程伴随着高风险，为了能有效地防范、管控风险，对重大创新项目风险进行科学评价是重要的关键环节。因此，基于属性测度理论，以创新型企业创新项目风险评价为研究主线，构建了相应的综合评价模型，并将该模型运用于YT铜业集团的PL铜矿资源开发项目中进行验证，验证结果与实际情况相符合，表明该方法科学、有效。
关键词：创新型企业；属性测度；创新项目；风险评价
中图分类号：F403.3 文献标志码：A 文章编号：1671-1254（2015）01-0073-06
2012年全国科技创新大会明确指出，企业将成为国家发展的创新主体，要在政策上最大限度地支持企业创新，构建极具核心战略竞争力的创新强国。在实际运行过程中，重大创新项目的实现，是企业创新战略规划得以展现的关键路径。然而，据我国工信部对218 家国有大中型企业，2000-2010 年期间开展的1280多个技术创新和新产品开发项目的调查，其中企业重大创新项目失败率高达76.4%，其中完全失败比率为30.8%，部分失败比率为45.6%，这与欧美等发达国家的平均水平相比，分别高出近1/2和1/3[1]。从风险管理视角来看，是由于我国的创新型企业在重大创新项目方面的风险预警、监测、防范和管控能力不足，从而导致创新项目屡屡出现偏差或失误。当前，创新型企业正面临“创新驱动、转型发展”的新形势，亟需提高对重大创新项目的风险管控能力，从而实现企业的创新战略。
目前，相关专家学者主要集中于项目风险识别、评估、评价及应对措施等方面的研究，而关于创新型企业的重大创新项目风险综合评价的相关研究成果还不多，尚未从理论上为创新型企业的创新实践提供支撑和参考。因此，本文尝试以创新型企业的重大创新项目为研究对象，运用属性测度理论，构建一套科学、合理的风险评价模型，并运用铜业集团的PL铜矿资源开发项目为例，进行案例研究，以验证方法的科学性，并从理论上更客观、准确地把握风险状况，为下一步采取有效应对措施奠定基础。
一、相关文献综述
GC.Belev在其研究文献中将企业技术型创新风险划分为技术风险、财政风险和物质风险等六大类[2]；Lovc Ekcnbcrg， Magnus Boman， Joannc Linncroorh-baycr研究了效用最大化理论在项目高风险评价中的应用[3]；Dorota Kuchta研究了模糊数学理论在项目风险测评中的应用[4]；Liu Yubin指出模糊综合评价方法的最大最小隶属度原则是错误的[5]。
我国清华大学傅家骥教授（1992）提出了运用于风险分析的效用函数评价与决策方法[6]。王平（2011）针对企业自主创新项目风险评价中的多维度、非线性问题，提出了一种基于主成分分析和遗传神经网络的风险评价方法[7]。巫英、向刚（2012）运用属性测度理论对创新型企业的战略风险进行了测评，研究结果认为将属性测度理论运用于风险评价方法科学、有效[8]。重大创新项目风险可界定为“由于外部环境的瞬息万变、项目本身的难度与复杂性等因素导致创新型企业创新战略失败，持续创新过程中止，甚至蒙受经济损失的可能性。
二、模型构建
理论界运用定性和半定量方法对创新项目风险评价的相关研究已有丰富成果，且主要集中于双准则评估过滤方法、层次分析法、模糊综合评价法等，但运用较为科学的定量方法对高新技术企业的重大创新项目风险进行综合评价的研究文献尚未多见。此外，鉴于高新技术企业创新项目的技术创新性、产品设计及工艺复杂性、动态性等特点，与一般意义上的企业项目风险评价并不相同。因此，本文尝试运用属性测度理论构建重大创新项目风险的综合评价模型，一方面可丰富重大创新项目风险综合评价方法；另一方面，为下一步有效预警和科学应对重大创新项目风险奠定基础。
（一）构建评价指标和确定指标权重
首先，应构建一套科学、准确的风险因素评价指标体系。根据以往研究经验，将创新型企业的某个重大创新项目可能存在的几类重大风险作为一级指标，再由一级指标分别衍生出几类风险因素，即为二级指标。然后，运用AHP方法确定一级指标和二级指标的权重。
（二）划分属性集
界定所有一级、二级指标的测度标准、一级指标及综合评价结果的属性。为了研究方便，对于经过无量纲归一化处理的评价指标因子，可依据所构建的评价体系架构折算其相应的评价分数（本文在研究过程中将按5分制折算评价指标因子的得分），将定性评价指标因子按其评价等级划分为5种等级标准，即C=（C1，C2，C3，C4，C5）={最小，中等偏下，中等，中等偏上，最大}，相应的评价区间为[0，2]、[2，4]、[4，6]、[6，8]、[8，10]，各级指标的评分分值越大，其相对应的评价等级就越好。
（三）指标属性测度函数的建立及相关运算
将企业重大创新项目风险综合属性值设定为A，其相对应的指标评价属性空间记为F，则可得出，评价级别C=（C1，C2，C3，C4，C5）为F的分割，其中Ck（1≤k≤5）为对应的属性集，属性测度a=ajk（j∈Ck），表示为Aj（1≤j≤3）中具有属性Ck的对应度；属性测度δijk=δ（tij∈Ck），表示为xij中Ck具有属性的对应度。
通过对A中的指标进行赋值（本研究中设定为t），依据上文所阐述的等级划分确定相对应的指标属性测度函数δijk（t），进而确定指标Ij的属性测度。具体等级划分如表1所示：
根据表1中的单指标等级划分表计算I1，I2，I3的单指标属性测度函数，如图1所示。依据以上所构建的属性测度函数，将二级指标度量值（上述第一步中所得到的原始数值）作为输入量，可运算得到二级指标测度向量。 （四）构建多指标综合属性测度分析子系统
对于被评价对象A，可采用加权和的方法，得到一级指标的评判矩阵X：
X=Wj·（U1，U2，U3）
=（XU1，XU2，XU3）T
=XU11 XU12 XU13 XU14 XU15
XU21 XU22 XU23 XU24 XU25
XU31 XU32 XU33 XU34 XU35
式中：Wj为第j个指标Ij的权重，ωj≥0，∑mj=1ωj=1。
（五）建立属性识别子系统
通过相关研究文献可知，评价指标体系中的指标属性可通过管理科学中的置信度进行评判，置信度主要是指评价指标的合理性量度。对于本文所研究的样本总体X，设θ为总体分布的未知参数，对于给定的数λ（0<θ<1），存在统计量：
θ=θ（X1，X2，…，Xn），θ=θ（X1，X2，…，Xn），使得P{θ<θ<θ}=λ，
即（θ，θ）为θ的双侧置信区间，其中λ为置信度。
而一般管理科学中的置信度λ的置信区间一般为0.6和0.7之间，即有：
P{0.6<θ<0.7}=λ
依据本文所得到的相关数据，并通过数据的无量纲归一化处理，得到符合本文研究的置信度为λ=0.65，并有：
k0=min{k：∑kl=1Xil≥λ，i=U1，U2，U3；1≤k≤K}
（六）风险属性值和综合属性值的确定
综合上述内容可得：
V=W·A=（V1，V2，V3，V4，V5），
其中，W表示为一级指标的相对权重，V为指标体系A的综合评价结果。故有，创新型企业的重大创新项目风险综合属性和风险等级为：
k0=min{k：∑kl=1Vi≥λ，1≤k≤K}
三、案例分析——铜业集团铜矿资源开发项目
（一）案例概况
YT铜业集团成立于1996年，是国内继江铜和铜陵集团之后的第三大铜业公司，其全资控股的上市子公司——铜业股份被国家五部委于2012年第二批授权为创新型企业，而运用创新型企业的相关要求和标准来衡量，铜业集团也属于名副其实的省级创新型企业。
经过长期努力，近年来成功获得了PL铜矿资源项目的开发权力。如果这个重大创新项目能按照预期顺利实施和完成，对铜业集团顺利完成“十二五”科技发展的创新战略目标起到关键性支撑作用。因该项目是一项复杂的系统工程项目，使得整个项目的开发过程充满了不确定性。为了能更好地监测、防范和应对这些风险，保证项目顺利完成，本文尝试运用前面构建的理论模型对PL铜矿资源开发项目风险进行综合评价，为下一步科学应对奠定基础。
（二）基于属性测度的PL铜矿资源开发项目风险评价
1.风险因素识别和指标构建。根据项目的背景情况，可以分析得出PL铜矿资源开发项目主要面临三大类风险，即外部环境风险、项目资源风险和项目管理能力风险。每一类风险都包含多个风险因素，将风险因素赋予量化指标，就可转变为相应的风险指标。归纳起来可构建如表2所示的风险评价指标体系。
2.确定指标权重。通过邀请政府部门、高校及研究院、中国铜业总公司、铜业集团高管5位专家对该评价指标体系中的各维度进行打分，并通过AHP方法可求得相关指标权重，如下所示：
ω=（0.45，0.39，0.16）
WU1=（0.36，0.24，0.40）
WU2=（0.48，0.32，0.20）
WU3=（0.29，0.35，0.36）
3.计算指标的风险测量度。通过5位专家对各类风险因素指标的分值进行加权平均后，依据表1、图1所示，可得出3类一级风险指标的测量度值指标如下：
U1=000.30.70
000.40.60
000.50.50
U2=0000.80.2
000.40.60
00.30.700
U3=00.20.800
000.30.70
00.40.600
然后，可得一级指标的评判矩阵X：
X=000.2960.5960.108
00.060.2680.5760.096
00.2020.5530.2450
4.确定指标的风险属性值。取λ=0.65，对各级指标进行属性识别：
U1：0+0+0.296+0.596=0.892>0.65，k0=4
U1属于C4类，即PL铜矿资源开发项目的外部环境风险较大，可能是由于外部环境风险的三个二级指标风险都较大的原因所致。
外部环境风险权值相对较高，源于铜矿开发过程中对周边环境影响相对较大，属高污染项目，而且环保问题对项目和企业都具有一票否决权。这种情况将导致风险较大。
项目所需的机器设备、人力、技术都比平原有更高的要求，也会带来较大的风险，从而导致整个项目的自然环境风险相对较大。
价格风险较大，是由于国际市场上的铜价变动幅度过大，对未来收益产生不确定性。因为，此项目的回收周期是按照铜价5万元/吨进行核算的，如果铜价波动过大，对整个项目的收益、回收期等都会造成巨大的影响。
U2：0+0.06+0.268+0.576=0.904>0.65，k0=4
U2属于C4类，即PL铜矿资源开发项目的资源风险较大，可能是由于项目资源风险的3个二级指标风险都较大的原因所致。
技术资源风险包括铜矿资源的勘探技术风险和开采技术风险。依据现场勘查和相关资料分析，PL铜矿所蕴藏的铜资源丰富，但也存在着实际勘探低于预期，或因技术问题而无法勘探等不确定因素，使得资源勘探技术资源风险较大。 PL铜矿项目存在着投资金额巨大，且较大一部分资金还需要向银行贷款，能否向银行申请到投资额度70%的贷款，而且贷款会产生较大的利息负担等不确定因素，从而使项目财政风险相对较大。
人力资源是企业创新项目的主体，核心技术人员的团队竞争力是创新项目得以实现的主要因素。因本项目实施区域偏远，技术人员相对匮乏，从而使该项目的人力资源因素不确定性增大，风险系数高。
U3：0+0.202+0.553=0.755>0.65，k0=3
U3属于C3类，即PL铜矿资源开发项目的管理能力风险一般，可能是由于项目管理风险的3个二级指标风险都较大的原因所致。
项目团队管理能力是一个项目成功运行的根本，本文所研究的项目人员结构复杂，技术要求相对较高，各部分互相衔接，故导致不确定性增大。
铜矿资源开发是一项复杂的系统工程，需要各方面的资源配合。若在项目运行过程中资源调配转化能力不够，将会直接阻碍项目的按期完成。
项目决策层架构的不完整性，也是导致项目管理能力风险系数增大的重要因素。只有在意见统一的领导层下，项目各项进程、所需要的各项资源才能得到保证，项目也才能顺利运行。
5.确定评价指标的风险综合属性值
通过上述得到的权重及一级指标判断矩阵X，可得到该创新项目风险的综合属性值：V=（0，0.0557，0.3262，0.5321，0.086）
取λ=0.65，计算0+0.0557+0.3262+0.5321=0.914>0.65，k0=4，属于C4类，即该项目的风险评价等级为较大。
运用该方法对PL铜矿资源开发项目进行总体评价之后，认为项目综合风险属性属于较大。这与实际情况是相符合的。因为该项目的三大类风险中，有两大类风险（外部环境风险、项目资源风险）是属于较大风险属性值范围。整体来看，风险较大是符合客观事实的。针对该风险综合评价值属性，铜业集团下一步还需在后续的项目实施中高度关注各风险的动态变化情况，实时监控，尽可能采取各种措施将综合风险值控制在可承受范围之内，以保证项目顺利完成，降低项目遭受损失的可能性，提高风险管控能力。
四、结论
在内外部环境瞬息万变的状态下，企业组织重大创新项目的实施过程常伴随着高风险。因而，对重大创新项目的风险进行科学评价，进而有效管控就显得尤为重要。基于属性测度理论，通过以创新型企业创新项目风险评价为研究主线，从企业重大创新项目外部环境、项目资源和管理能力三维度出发，构建了相应的综合评价模型，并将该模型运用于铜业集团PL铜矿资源开发项目案例中。验证结果表明，综合评价结果客观、真实，该评价方法可复制、可验证。
当然，运用属性测度理论模型对重大创新项目风险进行综合评价时，指标的选定及各项指标权重的原始数据赋值时，还是存在一定的主观性。从评价方法的分类来说，仍属于定性评价方法。将来的研究如果能尝试更加客观的原始赋值方法，以及选用完全定量方法对风险进行综合评价，将是非常有意义的研究。
参考文献：
[1]国家工业与信息化部. 十一五以来中国国有企业的技术创新状况统计调查分析[R].2010：124-126.
[2]GC BELEV. Minimizing Risk in High-tech Programs[J]. Cost Engineering. 1989，31（10）：11-14.
[3]LOVE EKENBERG， MAGNUS BOMAN， JOANNE LINNEROORH-BAYER. Catastrophic Risk Evaluation[J]. Interim Report of International Institute for Applied System Analysis. 1997：2-4.
[4]DOROTA KUCHTA. Use of Fuzzy Number in Project Risk Assessment[J]. International Journal Economics. 2001，（19）：305-310.
[5]LIU YUBIN. Max-Min Algorithm of Fuzzy Synthetic Judgment is Wrong[J]. Systems Engineering Theory & Practice. 1998（6）：84-88.
[6]傅家骥.技术创新——中国企业发展之路[M].北京：企业管理出版社，1992：36-38.
[7]王平，朱帮助.企业自主创新项目风险评价模型与实证研究[J].科技管理研究，2011（6）：15-18.
[8]巫英，向刚.基于属性测度的创新企业战略风险评价研究[J].科学技术管理，2012，33（8）：159-164.
关键词：创新型企业；属性测度；创新项目；风险评价
中图分类号：F403.3 文献标志码：A 文章编号：1671-1254（2015）01-0073-06
2012年全国科技创新大会明确指出，企业将成为国家发展的创新主体，要在政策上最大限度地支持企业创新，构建极具核心战略竞争力的创新强国。在实际运行过程中，重大创新项目的实现，是企业创新战略规划得以展现的关键路径。然而，据我国工信部对218 家国有大中型企业，2000-2010 年期间开展的1280多个技术创新和新产品开发项目的调查，其中企业重大创新项目失败率高达76.4%，其中完全失败比率为30.8%，部分失败比率为45.6%，这与欧美等发达国家的平均水平相比，分别高出近1/2和1/3[1]。从风险管理视角来看，是由于我国的创新型企业在重大创新项目方面的风险预警、监测、防范和管控能力不足，从而导致创新项目屡屡出现偏差或失误。当前，创新型企业正面临“创新驱动、转型发展”的新形势，亟需提高对重大创新项目的风险管控能力，从而实现企业的创新战略。
目前，相关专家学者主要集中于项目风险识别、评估、评价及应对措施等方面的研究，而关于创新型企业的重大创新项目风险综合评价的相关研究成果还不多，尚未从理论上为创新型企业的创新实践提供支撑和参考。因此，本文尝试以创新型企业的重大创新项目为研究对象，运用属性测度理论，构建一套科学、合理的风险评价模型，并运用铜业集团的PL铜矿资源开发项目为例，进行案例研究，以验证方法的科学性，并从理论上更客观、准确地把握风险状况，为下一步采取有效应对措施奠定基础。
一、相关文献综述
GC.Belev在其研究文献中将企业技术型创新风险划分为技术风险、财政风险和物质风险等六大类[2]；Lovc Ekcnbcrg， Magnus Boman， Joannc Linncroorh-baycr研究了效用最大化理论在项目高风险评价中的应用[3]；Dorota Kuchta研究了模糊数学理论在项目风险测评中的应用[4]；Liu Yubin指出模糊综合评价方法的最大最小隶属度原则是错误的[5]。
我国清华大学傅家骥教授（1992）提出了运用于风险分析的效用函数评价与决策方法[6]。王平（2011）针对企业自主创新项目风险评价中的多维度、非线性问题，提出了一种基于主成分分析和遗传神经网络的风险评价方法[7]。巫英、向刚（2012）运用属性测度理论对创新型企业的战略风险进行了测评，研究结果认为将属性测度理论运用于风险评价方法科学、有效[8]。重大创新项目风险可界定为“由于外部环境的瞬息万变、项目本身的难度与复杂性等因素导致创新型企业创新战略失败，持续创新过程中止，甚至蒙受经济损失的可能性。
二、模型构建
理论界运用定性和半定量方法对创新项目风险评价的相关研究已有丰富成果，且主要集中于双准则评估过滤方法、层次分析法、模糊综合评价法等，但运用较为科学的定量方法对高新技术企业的重大创新项目风险进行综合评价的研究文献尚未多见。此外，鉴于高新技术企业创新项目的技术创新性、产品设计及工艺复杂性、动态性等特点，与一般意义上的企业项目风险评价并不相同。因此，本文尝试运用属性测度理论构建重大创新项目风险的综合评价模型，一方面可丰富重大创新项目风险综合评价方法；另一方面，为下一步有效预警和科学应对重大创新项目风险奠定基础。
（一）构建评价指标和确定指标权重
首先，应构建一套科学、准确的风险因素评价指标体系。根据以往研究经验，将创新型企业的某个重大创新项目可能存在的几类重大风险作为一级指标，再由一级指标分别衍生出几类风险因素，即为二级指标。然后，运用AHP方法确定一级指标和二级指标的权重。
（二）划分属性集
界定所有一级、二级指标的测度标准、一级指标及综合评价结果的属性。为了研究方便，对于经过无量纲归一化处理的评价指标因子，可依据所构建的评价体系架构折算其相应的评价分数（本文在研究过程中将按5分制折算评价指标因子的得分），将定性评价指标因子按其评价等级划分为5种等级标准，即C=（C1，C2，C3，C4，C5）={最小，中等偏下，中等，中等偏上，最大}，相应的评价区间为[0，2]、[2，4]、[4，6]、[6，8]、[8，10]，各级指标的评分分值越大，其相对应的评价等级就越好。
（三）指标属性测度函数的建立及相关运算
将企业重大创新项目风险综合属性值设定为A，其相对应的指标评价属性空间记为F，则可得出，评价级别C=（C1，C2，C3，C4，C5）为F的分割，其中Ck（1≤k≤5）为对应的属性集，属性测度a=ajk（j∈Ck），表示为Aj（1≤j≤3）中具有属性Ck的对应度；属性测度δijk=δ（tij∈Ck），表示为xij中Ck具有属性的对应度。
通过对A中的指标进行赋值（本研究中设定为t），依据上文所阐述的等级划分确定相对应的指标属性测度函数δijk（t），进而确定指标Ij的属性测度。具体等级划分如表1所示：
根据表1中的单指标等级划分表计算I1，I2，I3的单指标属性测度函数，如图1所示。依据以上所构建的属性测度函数，将二级指标度量值（上述第一步中所得到的原始数值）作为输入量，可运算得到二级指标测度向量。 （四）构建多指标综合属性测度分析子系统
对于被评价对象A，可采用加权和的方法，得到一级指标的评判矩阵X：
X=Wj·（U1，U2，U3）
=（XU1，XU2，XU3）T
=XU11 XU12 XU13 XU14 XU15
XU21 XU22 XU23 XU24 XU25
XU31 XU32 XU33 XU34 XU35
式中：Wj为第j个指标Ij的权重，ωj≥0，∑mj=1ωj=1。
（五）建立属性识别子系统
通过相关研究文献可知，评价指标体系中的指标属性可通过管理科学中的置信度进行评判，置信度主要是指评价指标的合理性量度。对于本文所研究的样本总体X，设θ为总体分布的未知参数，对于给定的数λ（0<θ<1），存在统计量：
θ=θ（X1，X2，…，Xn），θ=θ（X1，X2，…，Xn），使得P{θ<θ<θ}=λ，
即（θ，θ）为θ的双侧置信区间，其中λ为置信度。
而一般管理科学中的置信度λ的置信区间一般为0.6和0.7之间，即有：
P{0.6<θ<0.7}=λ
依据本文所得到的相关数据，并通过数据的无量纲归一化处理，得到符合本文研究的置信度为λ=0.65，并有：
k0=min{k：∑kl=1Xil≥λ，i=U1，U2，U3；1≤k≤K}
（六）风险属性值和综合属性值的确定
综合上述内容可得：
V=W·A=（V1，V2，V3，V4，V5），
其中，W表示为一级指标的相对权重，V为指标体系A的综合评价结果。故有，创新型企业的重大创新项目风险综合属性和风险等级为：
k0=min{k：∑kl=1Vi≥λ，1≤k≤K}
三、案例分析——铜业集团铜矿资源开发项目
（一）案例概况
YT铜业集团成立于1996年，是国内继江铜和铜陵集团之后的第三大铜业公司，其全资控股的上市子公司——铜业股份被国家五部委于2012年第二批授权为创新型企业，而运用创新型企业的相关要求和标准来衡量，铜业集团也属于名副其实的省级创新型企业。
经过长期努力，近年来成功获得了PL铜矿资源项目的开发权力。如果这个重大创新项目能按照预期顺利实施和完成，对铜业集团顺利完成“十二五”科技发展的创新战略目标起到关键性支撑作用。因该项目是一项复杂的系统工程项目，使得整个项目的开发过程充满了不确定性。为了能更好地监测、防范和应对这些风险，保证项目顺利完成，本文尝试运用前面构建的理论模型对PL铜矿资源开发项目风险进行综合评价，为下一步科学应对奠定基础。
（二）基于属性测度的PL铜矿资源开发项目风险评价
1.风险因素识别和指标构建。根据项目的背景情况，可以分析得出PL铜矿资源开发项目主要面临三大类风险，即外部环境风险、项目资源风险和项目管理能力风险。每一类风险都包含多个风险因素，将风险因素赋予量化指标，就可转变为相应的风险指标。归纳起来可构建如表2所示的风险评价指标体系。
2.确定指标权重。通过邀请政府部门、高校及研究院、中国铜业总公司、铜业集团高管5位专家对该评价指标体系中的各维度进行打分，并通过AHP方法可求得相关指标权重，如下所示：
ω=（0.45，0.39，0.16）
WU1=（0.36，0.24，0.40）
WU2=（0.48，0.32，0.20）
WU3=（0.29，0.35，0.36）
3.计算指标的风险测量度。通过5位专家对各类风险因素指标的分值进行加权平均后，依据表1、图1所示，可得出3类一级风险指标的测量度值指标如下：
U1=000.30.70
000.40.60
000.50.50
U2=0000.80.2
000.40.60
00.30.700
U3=00.20.800
000.30.70
00.40.600
然后，可得一级指标的评判矩阵X：
X=000.2960.5960.108
00.060.2680.5760.096
00.2020.5530.2450
4.确定指标的风险属性值。取λ=0.65，对各级指标进行属性识别：
U1：0+0+0.296+0.596=0.892>0.65，k0=4
U1属于C4类，即PL铜矿资源开发项目的外部环境风险较大，可能是由于外部环境风险的三个二级指标风险都较大的原因所致。
外部环境风险权值相对较高，源于铜矿开发过程中对周边环境影响相对较大，属高污染项目，而且环保问题对项目和企业都具有一票否决权。这种情况将导致风险较大。
项目所需的机器设备、人力、技术都比平原有更高的要求，也会带来较大的风险，从而导致整个项目的自然环境风险相对较大。
价格风险较大，是由于国际市场上的铜价变动幅度过大，对未来收益产生不确定性。因为，此项目的回收周期是按照铜价5万元/吨进行核算的，如果铜价波动过大，对整个项目的收益、回收期等都会造成巨大的影响。
U2：0+0.06+0.268+0.576=0.904>0.65，k0=4
U2属于C4类，即PL铜矿资源开发项目的资源风险较大，可能是由于项目资源风险的3个二级指标风险都较大的原因所致。
技术资源风险包括铜矿资源的勘探技术风险和开采技术风险。依据现场勘查和相关资料分析，PL铜矿所蕴藏的铜资源丰富，但也存在着实际勘探低于预期，或因技术问题而无法勘探等不确定因素，使得资源勘探技术资源风险较大。 PL铜矿项目存在着投资金额巨大，且较大一部分资金还需要向银行贷款，能否向银行申请到投资额度70%的贷款，而且贷款会产生较大的利息负担等不确定因素，从而使项目财政风险相对较大。
人力资源是企业创新项目的主体，核心技术人员的团队竞争力是创新项目得以实现的主要因素。因本项目实施区域偏远，技术人员相对匮乏，从而使该项目的人力资源因素不确定性增大，风险系数高。
U3：0+0.202+0.553=0.755>0.65，k0=3
U3属于C3类，即PL铜矿资源开发项目的管理能力风险一般，可能是由于项目管理风险的3个二级指标风险都较大的原因所致。
项目团队管理能力是一个项目成功运行的根本，本文所研究的项目人员结构复杂，技术要求相对较高，各部分互相衔接，故导致不确定性增大。
铜矿资源开发是一项复杂的系统工程，需要各方面的资源配合。若在项目运行过程中资源调配转化能力不够，将会直接阻碍项目的按期完成。
项目决策层架构的不完整性，也是导致项目管理能力风险系数增大的重要因素。只有在意见统一的领导层下，项目各项进程、所需要的各项资源才能得到保证，项目也才能顺利运行。
5.确定评价指标的风险综合属性值
通过上述得到的权重及一级指标判断矩阵X，可得到该创新项目风险的综合属性值：V=（0，0.0557，0.3262，0.5321，0.086）
取λ=0.65，计算0+0.0557+0.3262+0.5321=0.914>0.65，k0=4，属于C4类，即该项目的风险评价等级为较大。
运用该方法对PL铜矿资源开发项目进行总体评价之后，认为项目综合风险属性属于较大。这与实际情况是相符合的。因为该项目的三大类风险中，有两大类风险（外部环境风险、项目资源风险）是属于较大风险属性值范围。整体来看，风险较大是符合客观事实的。针对该风险综合评价值属性，铜业集团下一步还需在后续的项目实施中高度关注各风险的动态变化情况，实时监控，尽可能采取各种措施将综合风险值控制在可承受范围之内，以保证项目顺利完成，降低项目遭受损失的可能性，提高风险管控能力。
四、结论
在内外部环境瞬息万变的状态下，企业组织重大创新项目的实施过程常伴随着高风险。因而，对重大创新项目的风险进行科学评价，进而有效管控就显得尤为重要。基于属性测度理论，通过以创新型企业创新项目风险评价为研究主线，从企业重大创新项目外部环境、项目资源和管理能力三维度出发，构建了相应的综合评价模型，并将该模型运用于铜业集团PL铜矿资源开发项目案例中。验证结果表明，综合评价结果客观、真实，该评价方法可复制、可验证。
当然，运用属性测度理论模型对重大创新项目风险进行综合评价时，指标的选定及各项指标权重的原始数据赋值时，还是存在一定的主观性。从评价方法的分类来说，仍属于定性评价方法。将来的研究如果能尝试更加客观的原始赋值方法，以及选用完全定量方法对风险进行综合评价，将是非常有意义的研究。
参考文献：
[1]国家工业与信息化部. 十一五以来中国国有企业的技术创新状况统计调查分析[R].2010：124-126.
[2]GC BELEV. Minimizing Risk in High-tech Programs[J]. Cost Engineering. 1989，31（10）：11-14.
[3]LOVE EKENBERG， MAGNUS BOMAN， JOANNE LINNEROORH-BAYER. Catastrophic Risk Evaluation[J]. Interim Report of International Institute for Applied System Analysis. 1997：2-4.
[4]DOROTA KUCHTA. Use of Fuzzy Number in Project Risk Assessment[J]. International Journal Economics. 2001，（19）：305-310.
[5]LIU YUBIN. Max-Min Algorithm of Fuzzy Synthetic Judgment is Wrong[J]. Systems Engineering Theory & Practice. 1998（6）：84-88.
[6]傅家骥.技术创新——中国企业发展之路[M].北京：企业管理出版社，1992：36-38.
[7]王平，朱帮助.企业自主创新项目风险评价模型与实证研究[J].科技管理研究，2011（6）：15-18.
[8]巫英，向刚.基于属性测度的创新企业战略风险评价研究[J].科学技术管理，2012，33（8）：159-164.