S企業(yè)是一級(jí)汽車零部件供應(yīng)商，公司目前已經(jīng)形成了批量生產(chǎn)各類轎車、輕型客車的等速萬(wàn)向節(jié)傳動(dòng)軸、十字節(jié)、偏心軸等規(guī)模生產(chǎn)能力，年銷售額達(dá)40億元。為提升工程能力及研發(fā)響應(yīng)速度，企業(yè)決定實(shí)施產(chǎn)品數(shù)據(jù)管理PDM(Product Data Management)系統(tǒng)。“組合評(píng)價(jià)/預(yù)測(cè)”是近年來在學(xué)術(shù)界得到較為積極應(yīng)用的研究思路。通過將具有同種性質(zhì)綜合評(píng)價(jià)／預(yù)測(cè)方法組合在一起，就能夠同時(shí)發(fā)揮各種力法的優(yōu)點(diǎn)，而各種方法的缺點(diǎn)將得到彌補(bǔ)。

1 基礎(chǔ)理論

    1.1 DHNN離散霍普菲爾德神經(jīng)網(wǎng)絡(luò)

    二值霍普菲爾德神經(jīng)網(wǎng)絡(luò)，其神經(jīng)元的輸出只有1和-1，稱為離散霍普菲爾德神經(jīng)網(wǎng)絡(luò)DHNN(Discrete Hopfield Neural Network)。二值神經(jīng)元所輸出的離散值1和-1分別表示神經(jīng)元處于激活和抑制狀態(tài)。

    假設(shè)存在一個(gè)有三個(gè)神經(jīng)元組成的DHNN，其網(wǎng)絡(luò)結(jié)構(gòu)是一種單層且輸出值為二值的反饋網(wǎng)絡(luò)。其網(wǎng)絡(luò)結(jié)構(gòu)，如圖1所示。

    計(jì)算公式如下：

    式(1)中，xj為信息的外部輸入，且

    θ_j為第j個(gè)神經(jīng)元閥值：u_j為第j個(gè)神經(jīng)元輸入。一個(gè)DHNN的網(wǎng)絡(luò)狀態(tài)的表現(xiàn)形式是其輸出的神經(jīng)元的集合，如果一個(gè)DHNN神經(jīng)網(wǎng)絡(luò)有n個(gè)神經(jīng)元，其在t時(shí)刻的網(wǎng)絡(luò)狀態(tài)是一個(gè)n維向量：

    每一個(gè)y_i(t)其取值為二值，所以n維向量Y(t)有2ⁿ種狀態(tài)。如果對(duì)于y_i(t)表示某節(jié)點(diǎn)在t時(shí)刻的狀態(tài)則t+1時(shí)刻的狀態(tài)可以用以下公式表示。

    式(3)中，

    f為閥函數(shù)，θ_j為第j個(gè)神經(jīng)元閥值，u_j為第j個(gè)神經(jīng)元輸入。

    圖1 DHNN網(wǎng)絡(luò)結(jié)構(gòu)

    DHNN有串行和并行兩種工作方式，其運(yùn)行方式按照動(dòng)力學(xué)的原理。工作過程是神經(jīng)元從初始狀態(tài)到達(dá)穩(wěn)態(tài)的過程，按照能量函數(shù)（函數(shù)）趨小的方向進(jìn)行變化直至進(jìn)入穩(wěn)態(tài)，而穩(wěn)態(tài)就是網(wǎng)絡(luò)的輸出。為加速網(wǎng)絡(luò)的收斂速度，采用一種特殊型態(tài)的能量函數(shù)一李亞普洛夫(Liapunov function)函數(shù)。網(wǎng)絡(luò)的穩(wěn)定性已經(jīng)有多篇文獻(xiàn)做出過充分的說明，其穩(wěn)定的充分非必要條件是網(wǎng)絡(luò)的權(quán)系數(shù)矩陣W是一個(gè)對(duì)稱矩陣。其權(quán)系數(shù)矩陣的設(shè)計(jì)目的是：權(quán)值對(duì)稱保證穩(wěn)定性，盡可能的減少偽穩(wěn)定點(diǎn)，增加穩(wěn)定點(diǎn)的吸引力，使得有記憶的穩(wěn)定點(diǎn)都能收斂。

    1.2 小波神經(jīng)網(wǎng)絡(luò)

    小波神經(jīng)網(wǎng)絡(luò)是一種以BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為基礎(chǔ)，把小波基函數(shù)作為隱含層節(jié)點(diǎn)傳遞函數(shù)的神經(jīng)網(wǎng)絡(luò)。其結(jié)構(gòu)如圖2所示。

    圖2 小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

    小波變換是指把某一基本小波函數(shù)ψ(t)平移τ后，在不同尺度a下與待分析的信號(hào)x(t)做內(nèi)積。隱含層輸出計(jì)算公式為：

    輸出層計(jì)算公式為：n

    在式(4)和(5)中，ω_ij，ω_ik為連接權(quán)值，x_i是輸入信號(hào)，b_j為小波基函數(shù)h_j的平移因子，a_j為小波基函數(shù)函數(shù)hj的伸縮因子，函數(shù)h_j為小波基函數(shù)。這里使用Morlet作為母小波基函數(shù)：

2 研究模型構(gòu)造

    2.1 模型構(gòu)造和設(shè)計(jì)步驟

    應(yīng)用上述構(gòu)造步驟有機(jī)組合AHP法（層次分析法）和兩種神經(jīng)網(wǎng)絡(luò)，模型構(gòu)造如圖3所示。

    圖3 模型構(gòu)造和設(shè)計(jì)步驟圖

    設(shè)計(jì)綜合評(píng)價(jià)等級(jí)見表1。

    表1 綜合評(píng)價(jià)等級(jí)表

    針對(duì)S企業(yè)PDM的實(shí)施特點(diǎn)，綜合各種因素后從8個(gè)方面設(shè)計(jì)了研究評(píng)價(jià)指標(biāo)，分別為：

    實(shí)施團(tuán)隊(duì)和管理方法(X1)；流程匹配程度和BPR確認(rèn)度(X2)；信息系統(tǒng)的集成能力(X3)；數(shù)據(jù)準(zhǔn)備和應(yīng)變響應(yīng)能力(X4)；培訓(xùn)應(yīng)用能力(X5)。系統(tǒng)功能模塊利用率(X6)：企業(yè)產(chǎn)品開發(fā)時(shí)間目標(biāo)達(dá)成率(X7)：收費(fèi)license的日利用時(shí)間(X8)。

    S企業(yè)定制的PDM系統(tǒng)有多個(gè)功能模塊，見表2。

    表2 企業(yè)PDM功能模塊表

    研究假設(shè)當(dāng)X1至X7的綜合評(píng)價(jià)指標(biāo)達(dá)到V級(jí)以上穩(wěn)定后，PDM的實(shí)施效果和收費(fèi)license的日利用時(shí)間正相關(guān)。這是由于當(dāng)PDM使用實(shí)施進(jìn)入穩(wěn)定時(shí)期，收費(fèi)license的日利用時(shí)間實(shí)際表示研發(fā)等終端用戶依賴和自愿使用PDM標(biāo)準(zhǔn)迅速完成研發(fā)工作的程度。該指標(biāo)最為客觀，其有效性由X1至X7的綜合評(píng)價(jià)指標(biāo)保證。

    2.2 指標(biāo)權(quán)值矩陣

    請(qǐng)企業(yè)管理層，企業(yè)工程專業(yè)實(shí)施核心人員及軟件商項(xiàng)目開發(fā)組專業(yè)人員共同組成的專家團(tuán)隊(duì)，為7個(gè)指標(biāo)賦權(quán)。

    根據(jù)層分法的標(biāo)度含義見表3。得到：

    表3 AHP1-9標(biāo)度

    求解該正互反矩陣的最大特征根所對(duì)應(yīng)的特征矢量，并通過一致性檢驗(yàn)。得到各指標(biāo)權(quán)值，同時(shí)根據(jù)權(quán)重，對(duì)下一步神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)中的神經(jīng)元分配，見表4。

    表4 神經(jīng)元分配表

    2.3 設(shè)計(jì)DHNN穩(wěn)態(tài)

    記憶輸出模式

    由于DHNN記憶聯(lián)想特點(diǎn)，為了將上述賦權(quán)引入到網(wǎng)絡(luò)中去，需要特別設(shè)計(jì)記憶穩(wěn)態(tài)。在研究分析中引入600個(gè)神經(jīng)元作為記憶神經(jīng)元，同時(shí)將每個(gè)待賦權(quán)的指標(biāo)對(duì)應(yīng)表1的6級(jí)指標(biāo)。這樣使得每一個(gè)指標(biāo)的級(jí)別有100個(gè)神經(jīng)元參與網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，而每一級(jí)各個(gè)指標(biāo)分別按照賦權(quán)分配神經(jīng)元數(shù)，最終各級(jí)各指標(biāo)的記憶穩(wěn)態(tài)，見表5。

    表5 神經(jīng)網(wǎng)絡(luò)記憶穩(wěn)態(tài)和輸出模式表

    網(wǎng)絡(luò)記憶樣本允許值為(0.13～0.15)n，當(dāng)n～100時(shí)，其至少能夠記憶13個(gè)樣本，因此基于上述記憶穩(wěn)態(tài)而設(shè)計(jì)的DHNN網(wǎng)絡(luò)是能夠正常運(yùn)行的。

基于神經(jīng)網(wǎng)絡(luò)的S企業(yè)PDM實(shí)施研究及效果預(yù)測(cè)模型（下篇）

核心關(guān)注：拓步ERP系統(tǒng)平臺(tái)是覆蓋了眾多的業(yè)務(wù)領(lǐng)域、行業(yè)應(yīng)用，蘊(yùn)涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務(wù)管理理念，功能涉及供應(yīng)鏈、成本、制造、CRM、HR等眾多業(yè)務(wù)領(lǐng)域的管理，全面涵蓋了企業(yè)關(guān)注ERP管理系統(tǒng)的核心領(lǐng)域，是眾多中小企業(yè)信息化建設(shè)首選的ERP管理軟件信賴品牌。

轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.ezxoed.cn/

本文標(biāo)題：基于神經(jīng)網(wǎng)絡(luò)的S企業(yè)PDM實(shí)施研究及效果預(yù)測(cè)模型（上篇）

本文網(wǎng)址：http://www.ezxoed.cn/html/solutions/1401938628.html