熵增加原理在组织系统中的科学应用

熵增加原理在组织系统中的科学应用

［摘要］论文将广义熵增加原理应用于组织系统，分析了热熵和信息熵的博弈关系，并根据组织运行的实际情况提出了降低组织系统熵值的途径，这对于有效降低组织系统的不确定度和无序度有积极的意义。

［关键词］组织热熵信息熵熵增加博弈

组织膨胀是现代社会的一个普遍现象。人们一般比较关注组织的人员、物质、能量等，而很少去关注组织系统的熵增加问题。实际上，对于一个组织系统来说，熵值越大，无序度（混乱度）就越大，内耗加剧，绩效就会越低，进而影响组织的生存与发展。目前有不少专家、学者研究了组织系统的熵值，主要集中于管理熵，组织架构对于熵值的影响等。例如，马扬等（2004）从熵理论的基本原理出发，探讨了科研组织管理熵的内涵与特征，分析了影响科研组织管理熵流的基本因素，建立了相应的计量模型，对科研组织的管理工作提出了新的理论思考[1]；高璇等（2004）以复杂系统中的“熵定律”来阐述企业组织的一些结构特征及行为规律，并以此理论为基础探讨企业的可持续发展之路[2]；张言彩（2003）把熵理论的时效熵和质量熵概念应用于组织结构的优化设计，从量化的角度，以通用电气集团公司和国际商用机器公司的组织结构为例，比较两公司组织结构的时效熵和质量熵，得出通用电气集团公司的组织结构有序度优于国际商用机器公司组织结构有序度的结论[3]；辛志红等（2006）分析了开放系统中子系统信息与系统信息之间的关系，建立了企业组织系统演进的熵模型[4]；艾新波等（2005）分析了组织结构对组织内部信息流的影响，从信息流的时效性和准确度两方面构建了组织结构的有序度评价模型，通过引入信息流的时效和质量的概念，对比分析塔式结构和扁平化结构的有序度，得出扁平化结构有序度优于塔式结构有序度的结论[5]。本文试图将广义熵增加原理应用于组织系统，通过分析热熵和信息熵对组织运行的影响，进而探究降低组织系统熵值的措施，开辟一条从新的角度、新的视野去研究组织系统得以有序运行的途径。

1.广义熵增加原理[6-10]

熵（克劳修斯称之为“entropy”）是组成系统的微观粒子的无序性（或混乱度）的量度。一般认为，熵有热力学熵和信息熵两种形式。

1.1热力学熵（Energetic Entropy）。熵在物理学中用S表示，它是热力学几率W的函数，即S=f(W)。克劳修斯从宏观角度论述了热力学熵增加原理，他指出：当热力学系统从一个平衡态I（Initial）经过绝热过程到达另一个平衡态T

（Terminal），它的熵永不减少，即对于可逆过程来说，对于不可逆过程来说

玻尔兹曼从微观角度论述了热力学熵增加原理，他提出了热力学熵计算公式：其中k为玻尔兹曼常数，W为热力学几率。该式揭示了熵的统计意义：热力学几率W越大，即某一宏观态所对应的微观态数目越多，系统内的分子热运动的无序性（混乱度）就越大，熵值越大。综合克劳修斯和玻尔兹曼的研究，可以得出这样的结论：在孤立系统中发生的任何不可逆过程都将导致熵增加，而在孤立系统中发生的一切可逆过程，其熵不变，即△S≥0。

1.2信息熵（Information Entropy）。信息是物质系统本身的三种属性（质量、能量、信息）之一，是系统本身有序度（肯定度）大小的量度。信息量表示解除事态不确定性的量度。信息熵则是指信息量的缺失。信息量相当于负熵，即信息熵Si的减少意味着信息量I的增加，即现代信息论将信息熵定义为：

i为信号的序号，Pi为每个信号的可能性（或精确性）概率，其中对数的底是不定的，可取2，e，10等。本文将要考虑的信息熵为二元信源的信息熵，精确性概率不小于0.5，因为我们追求的是较高的信息精确率和较低的信息熵值。

1.3广义熵增加原理。现代信息论创始人香农（C.E.Shannon）在传统意义上的热力学熵增加原理基础上引入了信息熵，使之扩展为广义熵增加原理。

该原理可用公式表述为：

广义熵增加原理表明，系统的熵由热力学熵和信息熵两部分组成。当向组织系统中引入信息流时，信息量增加，信息熵就会减少，整个系统的熵值也会减少，从而系统趋于有序。

2.广义熵增加原理应用于组织系统分析

根据玻尔兹曼熵的计算公式当热力学几率W越大，即某一宏观态所对应的微观态数目越多，系统内的分子热运动的无序性就越大，熵就越大。将该理论应用于组织系统表明，某一组织系统内的要素（包括人员、物质、能量等）越多，则组织系统的无序性就越大，热熵越大。

组织系统大都有不断膨胀的趋向。当组织系统在扩张时，其内部要素（包括人员、物质、能量等）越积越多，尽管扩张能够带来规模效应，但是由于组织系统内的要素增加，组织系统的热熵在无形中就增大了，组织系统开始走向无序和混乱，如果组织系统一直是孤立和封闭的，则组织系统必将走向灭亡，这是一

个不可逆转的过程，就像生物要走向衰老和死亡一样，无可避免。

人可以通过一些健康养生的方法延长寿命，组织系统也可以通过引入信息流降低信息熵的方法，来延长组织系统的生命周期。根据信息熵的计算公式：

可知当可能性概率Pi越大，则信息量I就越大，信息熵Si 就越小，从而可以使系统的熵值减小。

但是，信息熵Si是不可能无限减少的，因为信息量I增加到一定程度会造成信息的“超负荷”，这会导致人们对于所传递的信息麻木不仁。例如，基地组织在袭击包括世贸大楼等美国多个重要目标时，美国政府事先曾获得相关信息，但是面对信息的超负荷，这些重要信息被忽视了。这就说明，当信息量过多时，人们可能会忽视某些重要信息而将之束之高阁，此时信息熵Si将不再减小。以上分析过程可用曲线图1表示：当信息量I增加到“满负荷信息量”I*处，信息熵Si达到最小值而当信息量I继续增加的时候，信息熵Si则不再减小，保持

不变。同时，根据最大熵原理，二元信源的信息熵的最大值为，当且仅当Pi=0.5。

根据以上分析，我们可以得出这样的结论：组织系统不能无限扩张，因为无限扩张必然导致热熵Se无限增大，此时即使引入大量的信息流，不断降低信息熵Si，但由于信息熵Si是不可能无限减少的，它是有限度的，当信息熵的减少量不足以抵消热熵的增大量此时的热熵Se将会不受约束的增大，从而整个系统的熵值也不断增大，最终必然导致组织灭亡。以上分析过程可用图2表示。

图中处，信息量I达到最大值，即信息熵Si达到了最小值，不再减少，设此时信息熵最小值为：，则此后Se在不断增大的过程中，信息熵不再减少，系统的总熵值将随着Se的增大而增大，则成为一个常量，不再减少。当Se增加到处，组织可能走向衰亡。

3.热熵、信息熵关系博弈及其实际应用

对于组织系统来说，无论是热熵还是信息熵，低熵都是上策。当热熵和信息熵都比较小的时候，组织系统总熵值最小，此时组织的有序性最高，效率也最高。但在实际生活中，这种状态出现或者保持的可能性是很小的，或者是热熵高信息熵低，或者是信息熵高热熵低，或者是热熵信息熵都很高，热熵和信息熵都比较低的理想状态不是一种稳态。