基于神經網絡的S企業(yè)PDM實施研究及效果預測模型（上篇）
3 仿真分析
3.1 DHNN神經網絡的構建和輸出判斷
STEP1導入記憶樣本t={tl，t2…tn-1，tn}和參數(shù)τ及h：STEP2令A={t1-t2，t2-tn，…，tn-1-tn}，奇異陣分解A=USVT并計算秩；STEP3用up={u1，u2，…uk-1，uk}以及um={uk+1，uk+2，…un-1，un}分別計算：
STEP4計算：
STEP5計算：
使用matlab神經網絡工具箱中的newhop()函數(shù)，因此權值使用正交化法修正。通過PDM系統(tǒng)在項目實施過程中對各階段的研究，將其在各階段的6級指標進行匯總，見表6。
表6 DHNN神經網絡待聯(lián)想輸入樣本指標匯總表
輸出步驟如下：
STEP1首先清空環(huán)境變量；STEP2導入記憶穩(wěn)態(tài)，將表4中的每個等級按照表中所示編碼為記憶矩陣，將數(shù)據保留到grade數(shù)據，依次為grade_1、grade_2…grade_6分別對應等級Ⅰ、Ⅱ…Ⅵ；STEP3將待研究的樣本表5，按照表3的權重分配編碼為待測矩陣，數(shù)據保留為sim.mat，依次為sim 1、sim 2…sim 6分別對應C1、C2…C6各個里程碑節(jié)點；STEP4創(chuàng)建網絡Net=newhop(T)；STEP5調用sim()函數(shù)；STEP6結果輸出。在項目的各個里程碑節(jié)點得到的研究數(shù)據，將其導入到學習完成的DHNN中，從而分別得到各個階段的神經網絡仿真輸出狀態(tài)，也就是研究評價等級，見表7。
表7 DHNN神經網絡模型輸出表
3.2 小波神經網絡的構建和輸出判斷
根據DHNN網絡的輸出判斷，C4，C5和C6階段系統(tǒng)達到了V級以上的穩(wěn)定運行。由于S企業(yè)新品研發(fā)周期同步于整車配套，項目周期較為固定。將企業(yè)90個收費license按新品開發(fā)主工作流（如圖4所示）排序，從PDM后臺獲取C5到C6階段連續(xù)4個項目的收費license日利用時間數(shù)據X8。用前三個項目的270個數(shù)據訓練輸入層4節(jié)點、隱含層6節(jié)點和輸出層1節(jié)點小波神經網絡100次后，來預測第4個項目的收費license日利用時間，并同時通過和實際日利用時間比較驗證PDM系統(tǒng)的實施效果。
圖4 S企業(yè)新品開發(fā)主工作流
構建、訓練和輸出步驟(部分程序)如下：
STEP1 清空環(huán)境變量，配置各層節(jié)點數(shù)，學習概率和迭代次數(shù)；
…
M=4，%輸入節(jié)點個數(shù)；N=1，%輸出節(jié)點個數(shù)；n=6，%隱形節(jié)點個數(shù)；1r1=0.01，%學習概率；1r2=0.001，%學習概率；maxgen=100，%迭代次數(shù)
…
STEP2 初始化神經網絡權值、節(jié)點初始值和權值的學習增量；
STEP3 歸一化輸入輸出、網絡訓練；權值用誤差對于權值的偏導數(shù)和學習速率修正；
STEP4 網絡預測、預測輸出反歸一化。
從輸出的第四個項目的收費license預測時間和該項目的實際時間比較如圖5所示，說明模型能夠基本擬合實際指標，從而驗證了神經網絡模型預測S企業(yè)實施PDM至穩(wěn)定運行期后的實施效果，同時通過比照模型輸出曲線可以預警和監(jiān)控PDM的實施效果。
圖5 小波神經網絡模型輸出時間驗證圖
4 結語
采用神經網絡模型預測S企業(yè)實施PDM至穩(wěn)定運行期后的實施效果是可行的，通過比照模型輸出曲線，預警和監(jiān)控了PDM的實施效果，為未來的信息系統(tǒng)實施和PDM軟件的生命周期管理提供了有價值的管理依據和分析工具。
核心關注：拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務領域、行業(yè)應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業(yè)務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業(yè)務領域的管理，全面涵蓋了企業(yè)關注ERP管理系統(tǒng)的核心領域，是眾多中小企業(yè)信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.ezxoed.cn/
相關文章
