生产性企业的概念性学习和操作性学习研究

中国管理科学 ›› 2003, Vol. ›› Issue (5): 80-84.

生产性企业的概念性学习和操作性学习研究

杜荣¹, 胡奇英², 万威武³

1. 西安电子科技大学经济管理学院陕西西安 710071;
2. 上海大学商管学院上海 201800;
3. 西安交通大学管理学院陕西西安 710049

收稿日期:2002-02-09 修回日期:2003-09-11 出版日期:2003-10-28 发布日期:2012-03-06
基金资助:
陕西省自然科学基金资助项目(2001G03);陕西省软科学研究项目

Study of Conceptual Learning and Operative Learning in Manufacturing Firms

DU Rong¹, HU Qi-ying², WAN Wei-wu³

1. School of Economics and Management, Xi’an UEST, Xi’an 710071, China;
2. College of Business and Management, Shanghai University, Shanghai 201800, China;
3. Management School, Xi’an Jiaotong University, Xi’an 710049, China

Received:2002-02-09 Revised:2003-09-11 Online:2003-10-28 Published:2012-03-06

摘要/Abstract

摘要： 本文用一个最优控制模型定量刻画了生产性企业计划期内的概念性学习和操作性学习与生产率、单位成本、废品率以及计划期内的总利润等生产经营指标之间的关系。模型的特点在于其能够规范地描绘众多变量之间的复杂关系。并简要阐述了由模型推导出的一些关于最优概念性学习和操作性学习策略的结论,详细分析了这些策略在生产性企业组织学习实践中的应用,获得了不同于传统理论的结果。

关键词: 生产性企业, 学习, 最优控制模型

Abstract: In this paper we build an optimal control model,which quantitatively characterizes the dynamic impacts of conceptual learning and operational learning on variables such as level of cumulative knowledge,productivity,production cost per unit,and quality,and the aggregate impact of these variables on profit in the planning horizon.The distinct feature of our model is that it can normatively formulate the complex relationships among a variety of variables.We summarize the main results about the optimal conceptual learning and operational learning policies derived from the model analysis.More important,we analyze in detail the applications of these results to the practical learing in manufacturing firms.

Key words: manufacturing firms, learning, optimal control model

中图分类号:

F224.0
C931

杜荣,胡奇英,万威武. 生产性企业的概念性学习和操作性学习研究[J]. 中国管理科学, 2003, (5): 80-84.

DU Rong,HU Qi-ying,WAN Wei-wu. Study of Conceptual Learning and Operative Learning in Manufacturing Firms[J]. Chinese Journal of Management Science, 2003, (5): 80-84.

[1]	刘琦铀, 陈嘉, 张成科, 朱怀念. 联邦学习与区块链赋能下的应收账款拍卖融资机制研究[J]. 中国管理科学, 2026, 34(6): 13-21.
[2]	王良, 何俊杰, 黄国庆, 张金辉, 王潇涵. 基于前景理论与Bayes后验信念的风险投资项目最优投资时机研究[J]. 中国管理科学, 2026, 34(6): 22-35.
[3]	杜晨, 林成龙, 石雨葳, 马义中. 基于主动学习随机Kriging模型的在线质量设计方法[J]. 中国管理科学, 2026, 34(6): 171-186.
[4]	王璞, 李鲲鹏, 苏立. 降维能够帮助深度神经网络更好地学习信用风险吗？——基于因子增强可解释学习模型的研究[J]. 中国管理科学, 2026, 34(5): 57-71.
[5]	宋正阳, 周忠宝, 余乐安, 任甜甜. 基于混合集成预测算法和Black-Litterman模型的投资组合优化策略研究[J]. 中国管理科学, 2026, 34(5): 72-85.
[6]	王聚杰, 张欣. 基于混合分位数与时变权重组合的碳价格区间预测研究[J]. 中国管理科学, 2026, 34(4): 298-308.
[7]	姚振, 宋华明, 陈昳垦, 黄强, 古晓宇, 王苏源. 基于用户生成评论的新体验型产品动态定价策略[J]. 中国管理科学, 2026, 34(2): 263-274.
[8]	李聪聪, 梁海明, 董玉成. 多粒度语言环境下基于持续学习和行为建模的个性化语义共识决策模型[J]. 中国管理科学, 2025, 33(9): 201-212.
[9]	邱涌钦, 方匡南, 张庆昭, 余乐安. 高维主动PU学习及其在信用评分中的应用[J]. 中国管理科学, 2025, 33(9): 57-66.
[10]	陈闻鹤, 常志朋, 周涵婷, 程龙生, 文卜玉. 重大疫情下社区韧性治理能力深度迁移学习评价方法[J]. 中国管理科学, 2025, 33(8): 100-111.
[11]	韩雄, 杨扬, 邓晓春, 缑建杰, 郭捷, 张晨. 基于部分抽样检验的在线异常监控方法[J]. 中国管理科学, 2025, 33(8): 123-130.
[12]	孔祥天瑞, 龙艳红, 于凯泽, 弋泽龙, 晏鹏宇. 基于需求学习的数字化鲜活品拍卖平台批量优化策略研究[J]. 中国管理科学, 2025, 33(6): 222-232.
[13]	刘超, 高凤凤, 张梦婉, 谢启伟. 中国金融市场风险溢出效应、冲击效应与风险预警研究[J]. 中国管理科学, 2025, 33(5): 1-12.
[14]	董曼茹, 唐晓彬. 基于双层Attention机制的LSTM模型对CPI的预测研究[J]. 中国管理科学, 2025, 33(5): 113-123.
[15]	谷炜, 刘亚金, Lu Feng Susan, 闫相斌. 人工智能驱动管理决策：应用、感知与偏见[J]. 中国管理科学, 2025, 33(5): 99-112.