【《开放式环境下产品设计模式与方法国内外研究现状文献综述》9900字】

开放式环境下产品设计模式与方法国内外研究现状文献综述1.1用户需求研究用户需求是产品设计的直接驱动因素和目标，用户满意度是全球众多企业提高市场竞争力与成功产品设计的重要保障。由于用户满意度是衡量产品设计的最佳指标，企业通过用户需求可以有效地设计、开发和制造出更受用户青睐的产品[62]。在经济发展和网络技术的双重推动下，用户日益成为主导市场的核心。企业不仅要具有拓展产品创新的思维，同时需要快速地将创新思维产品化，从而更好地满足多样化及差异化的市场需求，为用户创造更具有实际意义的产品使用价值[63]。快速响应用户需求是企业在激烈竞争环境下保持优势的一个重要因素，在短时间内设计出用户认可的产品方案，能够提前占领市场先机。国外研究表明，在企业所提新产品设计提案中能够商品化新产品的方案不到15%，其中已经推向市场的产品在市场竞争中的淘汰率约占37%[64]。低的产品成功率会消耗大量资源，降低企业流动性水平，同时造成人力和物力上的浪费。而新产品与用户需求之间的差异是造成产品失败的主要原因，企业对用户需求的定位不准，无法准确设计出令用户满意的产品。准确获取并分析用户需求信息对产品设计至关重要，将能成功地开发出更具有市场竞争力的产品。用户需求的获取方法主要分为两种：非用户主导和用户主导。非用户主导：采用问卷调查、客户访谈、焦点小组和可用性测试等方式获取用户需求。该种方式获取用户需求的方法不能全部以用户为主导，用户处于被动状态。比如，在问卷调查过程中，用户处于被问题设计者提供的问卷内容引导的状态。在其它方法中，参与到用户需求获取活动的用户是被选中的用户，不能全面代表用户的实际需求。这些传统的用户需求获取方法灵活性差，信息的有效性和过程迭代率低，且限制了用户的理性表达[65]。用户主导：基于网络平台，用户自主参与的方式获取用户需求。该种方式获取用户需求的特点是以用户为主导，用户处于主动状态。在网络环境下，用户可以积极地参与产品设计，自由表达对产品的喜爱和不满，以及对产品进一步改进的真实想法，同时不再受到时间和地点的限制[66]。与传统方法相比较，基于网络平台的用户需求获取具有高真实性、高质量、高效率、成本低和范围广等优势[67]。（1）非用户主导模式下用户需求获取与分析用户需求具有个性化、离散化、多样化和模糊化等特点，为了有效的指导产品设计，需要对用户需求信息进行分析和处理。Kano[68]等在1984年提出了一种分析用户满意度与需求实现程度的分析模型，如图1.5所示为用户满意度与需求实现程度关系图。图1.SEQ图1.\*ARABIC5Kano二维用户需求与实现程度模型Kano模型定义了五种类型的用户需求，分别为魅力型需求，期望型需求，基本型需求，无差异型需求和逆向型需求。魅力型需求超出用户期望，即使该类型需求不能实现，用户满意度不会降低，但是当此用户需求实现时，用户满意度急剧上升。期望型需求对用户具有一定的吸引力，若该类型需求得到满足或表现良好，用户满意度会显著提升；若该类型需求得不到满足或表现不良，用户满意度也会显著下降。基本型需求属于必备型需求，若该类需求得不到满足，用户很不满意；当该类需求得到满足时，用户满意度也不会提升很多。无差异型需求是否满足对用户满意度无影响。逆向型需求的满足会对用户满意度产生负面影响，满足的程度与用户满意度成反比。kano模型能够识别不同的用户需求，预判用户需求动向，具有操作性强，应用领域广泛等特点，以及帮助企业找到提高用户满意度的切入点[69]。李洋和徐伯初[70]基于Kano模型从不同角度对用户需求进行了物理／功能、生理／心理与主观情感三个层面的划分，分析了用户需求与产品设计理论的相关性，进一步将用户理性与感性思维融合到产品设计过程中。唐中君和龙玉玲[71]提出了一种基于Kano模型的个性化需求获取方法，该方法能够识别和筛选个性化用户需求，同时计算个性化需求的重要性权重，从而平衡了在大规模定制生产中用户需求满意度与产品成本之间的矛盾。Mahima等[72]基于Kano模型，结合用户需求与用户满意度的关系函数和用户需求重要性提出了一种量化用户满意度的综合方法，从而辅助管理者合理分配产品设计资源。然而，Kano模型属于一种定性分析模型，同时通过Kano模型获取的用户需求数量受到限制，且用户被标准化问卷主导，无法反映出其真实想法。众多学者与技术人员从不同的角度研究了用户需求的分析与处理方法，并在相关领域取得了较多的成果。袁波[73]将用户需求分为表层需求和潜在需求，从心理学、社会学和统计学的角度分析了用户需求获取的方法，为满足用户的审美需求、行为需求和情感需求提供了理论基础。针对用户需求不同的重要性和影响因素的模糊性，郑明君等[74]通过层次分析法和模糊综合评估法建立了一种用户需求的模糊综合评估模型，为产品设计提供了科学的决策依据。陈素娜[75]运用外部市场调查和内部数据相结合的方法获取用户需求，结合粗糙集、模糊集和灰色理论筛选并确定用户需求，构建了基于用户需求划分的产品平台模型，使用户需求在企业改进和设计新产品过程中发挥有效的作用。马晓杰[76]提出了一种使用情景的复杂机电产品用户需求获取方法，构建了的用户需求分类模型，结合具体产品的用户需求特点和企业资源，实现了用户需求的规范化、有序化以及层次化，对复杂机电产品的个性化定制具有重要的理论意义。曹国忠等[77]描述和归纳了用户需求多层次属性，根据需求的多层次性和动态性提出了一种多维度用户需求获取方法，并利用层次分析法评估了多层次的用户需求，为企业提供了明确的产品设计参考方向。针对用户需求不完整和不确定的特点，Nahm等[78]结合顾客偏好评估法和用户满意度评估法分析了用户需求的相对重要性等级，从而实现了以用户为中心的产品设计模式。Franceschini和Maisano[79]基于Thurstone的比较判断法则，结合用户需求的收集过程和数学模型，描述了用户需求的相对重要性，将多个用户需求的评估转换成分布在一个区间内的评估值，从而对用户需求优先级进行了划分。Zheng等人[80]提出了一种区间粗糙数的方法来分析用户的各种需求偏好，该方法利用区间数描述了用户需求的重要性权重，根据多种因素为用户分配了不同的权重，解决了用户异质性的融合问题。Chong和Chen[81]使用人工免疫和神经系统理论对用户需求进行了分析和预测，通过定量和定性的用户需求信息来支持产品设计，从而降低快速变化的市场对近期产品开发带来的风险。Wu和Shieh[82]考虑到用户需求可能随时间的推移而变化，从机率的角度应用马尔可夫链模型分析了用户需求，通过调研用户过去和现在的需求计算用户需求变化的概率，为决策者提供了一个分析当前和未来用户需求的方法。上述方法从不同角度对用户需求的重要性权重进行了较深入的分析，但在需求重要性的研究方面侧重于评估方法，忽略了用户的主动意愿。在收集需求信息的过程中，用户处于被动状态，无法全面描述更深层次的实际期望和偏好。（2）用户主导模式下用户需求获取与分析在开放式环境下，用户处于主导状态，可以自由地表述产品需求及与其他用户相互作用。通过网络技术，用户的权利可以得到大幅的提升，用户可以对产品设计发挥更大的作用，不再是简单的产品功能上的需求，对用户需求与市场发展的交互性也发挥了积极的作用[83]。用户需求的被动获取方式逐渐转化为以用户为中心的需求表达方式，获取模式也从单用户为主逐步转向以网络平台为主的交互式，并且基于网络的用户需求获取方式具有信息量大、实用性强和成本低等特点[84]。李德顺和祁东辉[85]开发了一种基于网络技术，以C/S（Client/databaseServer）为架构的富网络应用程序，通过非语言符号和多媒体技术实现了网络用户之间的交互及用户需求的获取与分析。经有国[86]研究了在基于Web人机交互的产品定制过程中，面向异质用户的需求获取与处理问题。根据用户需求情境相关信息和模糊推理规则获取了众多用户的需求信息，通过半结构化用户需求信息的数学描述方法和转换处理问题的形式化描述方法对用户需求进行预处理，实现了非结构化的用户需求信息到结构化的转变，并将其应用于企业在线产品的设计，提高了非专业用户对新研发产品的满意度。Jin等[87]使用情感分析技术，结合用户对产品需求的积极观点和消极观点研究了网络用户需求的描述，从而帮助企业对竞争对手进行深入的了解，使其在市场竞争中占据优势地位。Decker和Trusov[88]提出了一种经济计量框架，并采用自然语言处理技术和负二项回归（NBR）模型将网络平台上的大量个人用户需求转化为用户偏好数据。Qi等[89]通过隐狄利克雷分配模型（LatentDirichletAllocation），并结合网络用户需求的语义关系和术语频率深度挖掘大批量用户需求信息，获得了实时性且更有价值的需求信息，进而使企业有效提高新产品开发的成功率。在网络环境中，用户需求受到社会环境、经济发展和科学技术等因素的影响，同时用户之间的相互作用和相互影响使用户需求不断地发展变化。虽然学者们与产品设计人员对开放式环境下的用户需求进行了大量的研究，但是多数方法都集中于分析在网络平台上获得的用户需求信息，忽略了用户之间的相互作用及用户需求的动态变化。1.2设计需求研究用户对产品的需求是产品设计的前提和出发点，同时也是连接市场与产品设计之间的桥梁。对用户需求进行快速响应，并将其准确的反映到产品设计中是企业赢得市场的关键因素[90]。用户需求通常与产品的功能和性能相关，且希望这些需求能够最大程度的得到满足，因此需要运用科学的方法将用户需求信息转换为设计需求，直至产品的成功设计。质量功能展开（QualityFunctionDeployment，QFD）是将用户需求转换为设计需求，并将其融合到产品设计阶段的有效方法[91]。在分析设计需求过程中，QFD通过质量屋（HouseOfQuality，HOQ）的形式量化分析用户需求与设计需求之间的关系，实现用户需求到设计需求的映射，从而指导设计人员在产品设计过程中做出正确的决策，最大程度的提升用户对所设计产品的满意度[92]。质量屋的结构如图1.6所示，其中主要包括用户需求信息及其权重、工程特征、用户需求与工程特征关系矩阵、工程特征内部关系矩阵、竞争评估和评估结果。通过质量屋中用户需求信息确定工程特征重要性是产品配置的重点。针对用户需求信息不完备条件下设计方案选择问题，崔勇和孙枫[93]结合QFD的群体决策特点，提出了一种利用HOQ的方案选择模型，通过模糊折衷方法确定设计需求的优先次序，为产品设计方案择优提供了可靠的依据。王美清和唐晓青[94]综合考虑用户需求以及产品全生命周期各阶段定性和定量约束，通过QFD与网络分析法确定了设计需求的相对重要度，使产品设计规划过程中的信息更加准确与完备。王增强等[95]提出了一种基于QFD，且考虑企业内外部环境的用户需求与设计需求关联度评估方法，该方法分析了市场竞争对用户需求与设计需求关联度的影响因素，从而缓解了产品设计中资源分配不均的问题。Galetto等[96]提出了一种基于QFD的鲁棒性分析法评估了设计需求重要性的优先级，根据等级量表汇总收集到的用户需求和设计需求数据，避免了数据假设中的争议问题。Jia等[97]在QFD中建立了一个多层次的递阶结构，将目标设计需求进一步分解为多个基本设计需求，结合基于算法的模糊证据推理，λ模糊测度和基于模糊离散Choquet积分方法对设计需求的重要程度进行了量化处理。通常情况下在QFD中评估设计需求时，产品配置人员主要依靠个人经验，大部分用户需求到设计需求转化存在主观性和复杂性，同时忽略了产品设计的资源和技术水平等方面的约束。图1.SEQ图1.\*ARABIC6质量屋结构随着网络技术的发展，用户逐渐趋向于通过网络平台表达对产品的偏好，利用在线用户需求转换的设计需求更为客观和准确[98]。彭佳丽等[99]通过爬取在线评论和设计问卷收集用户需求，并使用TF-IDF（TermFrequency-InverseDocumentFrequency）方法提取其关键词，结合情感分析法和K-means聚类分析法研究了产品的设计需求。袁远[100]利用互联网反馈信息获取用户需求，采用模糊层次分析法确定用户需求的重要度，并基于数据挖掘和多层感知器技术提出一种用户需求向设计需求转化方法，实现了用户需求数据向设计需求权重的转化。Jin等[101]通过成对比较法，以在线用户需求的特征满意度为目标，结合顺序分类法和纯整数线性规划模型对设计需求进行了优先排序。Lai等[102]利用网络爬虫收集在线用户需求，然后应用自然语言处理技术对其进行结构化处理，结合图论分析法研究了设计需求的重要性，并将其应用到产品设计与市场分析中。虽然通过网络平台收集用户需求的方式来获取产品设计需求能有效指导产品设计，但是多数方法集中于对需求的语言分析。在网络平台中用户之间会相互影响，且用户需求呈离散化，动态化和碎片化的形态，因此在获取与分析设计需求时需要对网络用户的动态变化及组织形式作进一步研究。1.3设计方法研究产品设计的核心理念是满足用户需求，因此设计方法的主要作用是利用理论和实践知识将人类需求转化为客观产品。用户需求可以抽象为产品功能，通过Gero[103]提出的功能-行为-结构（Function-Behavior-Structure,FBS）模型可以有效的指导产品设计，以及实现知识的重用和共享。FBS模型可以分为八个设计过程[104]（如图1.7所示）。过程1为描述过程，分析设计问题，将其描述为功能并转换为期望行为；过程2为综合过程，将期望行为转换为结构解；过程3为分析过程，通过结构解推导实际行为：过程4为评估过程，比较期望行为和实际行为，确定是否接受结构解；过程5为设计描述过程；过程6为再重构过程，主要处理设计状态空间中的结构变化问题；过程7为再重构过程，主要处理设计状态空间中的行为变化问题；过程8为再重构过程，主要处理设计状态空间中的功能变化问题。基于FBS理论知识，唐敦兵和康与云[105]建立了一种功能本体驱动的产品结构-功能映射模型，通过功能本体还原设计者的设计思想，为面向“二次创新”的设计提供了有效的指导。刘郡[106]对FBS模型做了进一步的研究，建立了分布式环境下需求-功能-结构-行为（RFSB）模型，该模型对产品设计过程中融入外部资源有重要的参考作用。图1.SEQ图1.\*ARABIC7FBS设计过程模型FBS主要通过对功能、行为、结构的描述及它们之间关系的定义来激发设计者产生创造性思维。为了揭示产品设计过程规律，拓展设计者的创新思维，实现产品创新设计，国内外学者提出了众多的产品设计方法。阿奇舒勒[107]（GenrichS.Altshuller）通过研究世界近250万份专利，揭示了创造发明内在的规律和原理，提出了一种发明问题解决理论TRIZ（TheoryoftheSolutionofInventiveProblems），该理论可将产品设计过程转换为获得创新性问题最有效解的过程。罗以洪[108]通过对TRIZ理论的研究，集成分形理论、模糊数学和多属性决策理论方法，构建了一种集成产品创新设计流程框架，解决了从用户需求到产品设计的主要矛盾问题。通过对大量设计过程的综合分析，Suh教授[109]探索了设计活动的潜在准则与规律，提出了公理化设计方法，从而缩短设计过程的迭代时间，指导设计者做出科学和正确的设计决策。公理化设计方法在教育、企业和科研机构等不同领域都受到了广泛的关注，王平[110]提出了一种基于公理化与CAD软件的产品设计理论，通过知识驱动的产品设计情境，实现了产品CAD模型的自动更新，从而提高了产品设计过程中CAD建模的效率与质量。王永升[111]结合公理化设计和精益制造理论，研究了精益制造系统的产品设计过程，避免了因产品设计缺陷而导致的企业资源浪费。以“精益理念”为基础，殷复鹏[112]建立了从用户需求到产品设计的过程价值模型，通过分析模型中的变量、参数和约束条件，解决了在不同环境下企业的产品设计过程优化问题。基于用户需求，唐钊山[113]使用专家调研的手段分析了影响需求偏好的用户主特征，提出了一种面向用户集群的产品设计方法，根据用户属性的差异，针对目标群体进行产品设计，从而满足特定用户群体的需求偏好。尽管这些方法成功地应用于产品设计领域，但是传统的设计模式多依靠企业内部知识与资源来完成产品的设计，很难适应快速变化的市场需求及竞争日益激烈的市场环境。随着互联网技术的发展，企业可以打破资源的边界，使用户参与到开放式产品设计过程中。虽然国内外学者对网络资源的获取做了大部分的研究，却关注于在线观点的处理分析，或是任务的分配，忽略了对用户整体智慧的融合与利用。而在开放式环境下，任何有设计知识的个体都可以发挥自己的特长，因此需要研究在开放式环境下用户参与的产品设计方法，将用户的碎片化知识应用到产品设计，提高产品设计的创新能力及降低企业的资源消耗。1.4产品装配序列规划研究科学技术的快速发展及网络的逐步普及导致市场竞争异常激烈，加快产品设计与开发速度是企业赢得市场先机和发展的重要条件。现代产品的竞争主要体现在价格、质量、性能和创新等方面，而这些竞争因素与产品装配技术密切相关。大量实践表明，因装配困难或装配误差而导致产品生产成本增加和生产周期延长的主要原因是在产品设计过程中未考虑产品装配规划[114]。近年来国内外学者对产品装配技术的研究都做出了大量的贡献，其研究重点主要包括两个部分：装配建模和装配序列优化。（1）装配建模装配建模是产品设计和装配序列规划的基础，在产品设计过程中设计者需要考虑零件的几何信息和装配体关系信息。装配模型能够反映装配体中不同零部件的位置、装配关系和层次关系等信息。此外，装配模型可以提供装配序列规划及最优化产品设计过程所需的必要信息。目前应用较为广泛的装配模型主要包括连接图模型、层次装配模型、和Petri网装配模型等。法国学者Bourjault[115]基于二维拓扑结构，根据零件之间的连接关系，提出了一种连接图（ConnectionGraph）装配模型。该模型表示为，其中E和V分别为装配体中的零件和零件之间的关系，G为装配体。HomendeMello和Sanderson[116]在此基础上建立了五元组装配模型，进一步完善了装配体中零件之间的装配关系。层次模型以分层的形式体现了装配体中零件之间的关系，整体呈树状结构，树的顶端代表装配体，末端代表零件，介于顶端和末端的节点代表子装配体或零件，节点之间的连线为从属关系[117]。层次模型中下层零件的装配顺序优于上层零件，隶属于子装配体中的零件或子装配体可并行装配。Petri网装配模型以图形的形式描述系统的结构，具有易理解和直观性强的特点[118]。在Petri网装配模型中，使用库所表示零件或子装配体，变迁表示零件之间的装配操作，流控制弧表示零件装配操作之间的相关性[119]。李凤英等[120]提出了一种基于赋时Petri网的装配建模方法，通过分析装配操作和装配可行性保证了装配模型的完备性和可靠性。杨大春[121]表明拆卸法是装配建模最直接有效的方法，即先对产品零部件进行拆卸，然后根据拆卸的逆向顺序可以获取产品装配模型。张晴[122]建立了一种基于产品三维模型装配信息和产品关键特性的产品装配模型，该模型可以清晰地描述产品的装配加工信息，以及装配体中零件的装配约束、装配结构和装配序列，从而降低产品设计的返工率及缩短产品生产周期。（2）装配序列优化方法装配序列规划（AssemblySequencePlanning,ASP）是以装配建模为基础，从满足一定约束条件的可行性装配序列中获取最优的产品装配序列，从而提高装配效率、降低装配成本及缩短装配时间。根据可行性装配序列来获取最优装配序列在本质上属于NP（Non-deterministicPolynomial）组合优化问题。当装配体中包含的零件较多时，产品可行性装配序列的数量呈爆炸式增长，为获取最优装配序列增加了难度。因此，国内外学者提出了多种装配序列优化算法，应用较广泛的算法有遗传算法、蚁群算法、神经网络算法、模拟退火算法和粒子群算法等。遗传算法（GeneticAlgorithm,GA）是一种模仿生物进化过程的随机搜索算法，该算法通过结合装配序列和种群遗传规则求解所有装配序列中的最优解。Bonneville等[123]将所有的可行性装配序列设定为遗传算法中的初始种群，通过编码来表示每一个可行性装配序列，利用交叉和变异操作，基于优胜劣汰的原理生成最优产品装配序列。蚁群算法是一种模仿蚂蚁集体觅食的进化算法，该方法根据蚂蚁在搜寻路径中分泌的信息素获取最优路径。Wang等[124]提出了一种基于蚁群算法的装配序列生成和优化方法，其中不同的装配体对应不同数量的蚂蚁集，通过蚂蚁之间协同工作，且基于状态转换规则及本地和全局更新规则以最少的重新定向为标准从装配序列中获取最优解。神经网络算法是模仿神经网络结构、功能和基本特性进行分布式并行信息处理的优化算法。Hong和Cho[125]基于在专家系统中得到装配约束和装配成本，以装配重定向次数和成本为指标，利用神经网络算法实现了装配序列的最优化。模拟退火算法（SimulatedAnnealing,SA）是通过模拟固体退火过程来寻求最优解的方法，该算法适用于大规模组合优化问题的求解。Milner等[126]采用网络连接图表达了装配序列，通过扰动网络连接的路径确定候选序列，依靠模拟退火算法从大量的候选序列中获得了可使装配成本降到最低的装配序列。粒子群算法（ParticleSwarmOptimization,PSO）是模拟鸟群搜索食物，利用群体中的信息共享获取最优解的方法。Lv和Lu[127]将离散粒子群优化算法应用到了产品序列规划中，该方法使用粒子群来表示装配序列，并对粒子的位置和速度进行编码，根据粒子的最优解更新其速度和位置，从而获得产品的最优装配序列。近年来，研究人员深入研究了经典算法在装配序列规划中的应用，并探索新方法来处理装配序列的组合优化问题。杨东梅[128]结合遗传算法和蚁群算法的特点，提出了一种遗传蚁群混合的装配序列优化算法，该方法利用蚂蚁的漫游构建可行性装配序列，然后通过遗传算法从可行性装配序列中寻找全局最优解。曾聪文[129]提出了一种适用于装配序列规划的多智能体进化算法，在该方法中智能体之间可以进行知识共享，且智能体的进化遵守一定的约束条件，从而克服传统优化算法中的盲目搜索，提升了求解效率。上述优化方法均在求解装配序列规划问题上做出了一定的贡献，但是目前的研究大部分致力于根据已有的装配体及装配体中零件之间的关系寻求最优的装配序列，以及对装配优化算法的改进，而忽略了资源变化对装配序列的影响。随着信息技术的发展，来自不同领域的专业人士都可以通过网络平台参与到开放式产品设计过程中，并提供多元化的装配知识。由于网络用户的参与，适用于产品设计与装配的外部资源急速增加，需要研究新的装配序列优化方法来集成网络用户智慧和提升装配序列优化效率。参考文献[1]索尼株式会社传媒中心(编),索尼源流-从废墟上起步[M].北京:华夏出版社,1999年9月.[2]黎万强,参与感—小米口碑营销内部手册[M].北京:中信出版社,2014年8月.[3]戚桂杰,李娜,王凯平,徐琳越.开放式创新平台用户交互、信息冗余与知识贡献研究[J].现代情报,2020,40(12):45-54.[4]蒋旋,孟庆良,徐信辉,孙妮妮.双边视角下用户参与众包创新的知识获取前因及其对创新绩效的影响[J].运筹与管理,2021,30(2):225-231.[5]彭晓东,张同颉.顾客参与、双向开放式创新开放度与创新质量——基于高技术服务型企业的实证研究[J].燕山大学学报(哲学社会科学版),2021,22(2):90-96.[6]张辉,赵晨曦,王杨,张乐,赵传信.基于改进粒子群算法的空间众包任务分配模型[J]计算机应用研究,2020,37(9):2698-2700+2705.[7]柳洲,陈士俊,王洁.论跨学科创新团队的异质性知识耦合[J].科学学与科学技术管理,2008(6):188-191.[8]DeBressonC,AmesseF.NetworkofInnovators:aReviewandIntroductiontotheIssue[J].ResearchPolicy,1991,20(5):363-379.[9]AmidonDM.InnovationStrategyfortheKnowledgeEconomy:theKenAwakening[M].Routledge,1997.[10]姜文.物联网协同创新中知识共享的管理策略研究[J].中国商论,2018(16):22-23.[11]张永云,张生太,彭汉军.虚拟社区:开放式知识共享[J].企业管理,2016,(5):101-103.[12]WallinMW,VonKroghG.Organizingforopeninnovation:focusontheintegrationofknowledge[J].Organizationaldynamics,2010,39(2):145-154.[13]MoustaghfirK,SchiumaG.Knowledge,learning,andinnovation:researchandperspectives[J].JournalofKnowledgeManagement,2013,17(4):495-510.[14]李奕莹,戚桂杰.企业开放式创新社区中用户生成内容的创新贡献[J].中国科技论坛,2017,4:95-102.[15]BrennerW,KaragiannisD,KolbeL,etal.User,Use&UtilityResearch[J].Business&InformationSystemsEngineering,2014,6(1):55-61.[16]李纲,刘益.知识共享、知识获取与产品创新的关系模型[J].科学学与科学技术管理,2007,28(7):103-107.[17]周玉泉,李垣.组织学习、能力与创新方式选择关系研究[J].科学学研究,2005,23(4):523-530.[18]国务院关于加快构建大众创业万众创新支撑平台的指导意见[J].中华人民共和国国务院公报,2015,29:7-12.[19]唐丽艳,葛轩彻,邢蕊.开放式创新视角下传统产业转型的仿真模型——以制造业为例[J].科学经济社会,2017,35(3):60-68.[20]陈劲,阳银娟.外部知识获取与企业创新绩效关系研究综述[J].科技进步与对策,2014,1:162-166.[21]林向义,罗洪云,纪锋,等.企业开放式创新中外部知识获取能力评价[J].技术经济,2013,32(7):18-23.[22]祝琳琳,李贺,洪闯,翟倩.开放式创新模式下知识共享研究综述[J].现代情报,2018,38(1):169-177.[23]张克永.开放式创新社区知识共享研究[D].长春:吉林大学,2017.[24]钟炜,蒲岳,杜泽超.开放式创新社区网络平台知识共享系统动力学模型构建[J].价值工程,2017,36(1):239-243.[25]王海花,周嵩安.企业外部知识网络能力的影响因素:一个交互效应的实证研究[J].华东经济管理,2015,29(2):164-172.[26]姚铮.开放式创新中企业资源禀赋对新产品开发绩效作用机理研究[D].湖南大学,2016.[27]ChesbroughHW,OpenInnovation:TheNewImperativeforCreatingandProfitingfromTechnology[M].HarvardBusinessSchoolPress,Boston,2003.[28]RadziwonA,BogersM.OpeninnovationinSMEs:Exploringinter-organizationalrelationshipsinanecosystem[J].TechnologicalForecastingandSocialChange,2019:573-587.[29]NdouV,DelVecchioP,SchinaL.OpenInnovationNetworks:TheRoleOfInnovativeMarketplacesForSmallAndMediumEnterprises'ValueCreation[J].InternationalJournalofInnovationandTechnologyManagement,2011,8(3):437-453.[30]SinghSK,GuptaS,BussoD,etal.Topmanagementknowledgevalue,knowledgesharingpractices,openinnovationandorganizationalperformance[J].JournalofBusinessResearch,2021,128:788-798.[31]CammaranoA,MichelinoF,CaputoM.Openinnovationpracticesforknowledgeacquisitionandtheireffectsoninnovationoutput[J].TechnologyAnalys