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）

3 仿真分析

    3.1 DHNN神經(jīng)網(wǎng)絡(luò)的構(gòu)建和輸出判斷

    STEP1導(dǎo)入記憶樣本t={t^l，t²…t^n-1，tⁿ}和參數(shù)τ及h：STEP2令A(yù)={t¹-t²，t²-tⁿ，…，t^n-1-tⁿ}，奇異陣分解A=USV^T并計(jì)算秩；STEP3用u^p={u¹，u²，…u^k-1，u^k}以及u^m={u^k+1，u^k+2，…u^n-1，uⁿ}分別計(jì)算：

    STEP4計(jì)算：

    STEP5計(jì)算：

    使用matlab神經(jīng)網(wǎng)絡(luò)工具箱中的newhop()函數(shù)，因此權(quán)值使用正交化法修正。通過(guò)PDM系統(tǒng)在項(xiàng)目實(shí)施過(guò)程中對(duì)各階段的研究，將其在各階段的6級(jí)指標(biāo)進(jìn)行匯總，見(jiàn)表6。

    表6 DHNN神經(jīng)網(wǎng)絡(luò)待聯(lián)想輸入樣本指標(biāo)匯總表

    輸出步驟如下：

    STEP1首先清空環(huán)境變量；STEP2導(dǎo)入記憶穩(wěn)態(tài)，將表4中的每個(gè)等級(jí)按照表中所示編碼為記憶矩陣，將數(shù)據(jù)保留到grade數(shù)據(jù)，依次為grade_1、grade_2…grade_6分別對(duì)應(yīng)等級(jí)Ⅰ、Ⅱ…Ⅵ；STEP3將待研究的樣本表5，按照表3的權(quán)重分配編碼為待測(cè)矩陣，數(shù)據(jù)保留為sim.mat，依次為sim 1、sim 2…sim 6分別對(duì)應(yīng)C1、C2…C6各個(gè)里程碑節(jié)點(diǎn)；STEP4創(chuàng)建網(wǎng)絡(luò)Net=newhop(T)；STEP5調(diào)用sim()函數(shù)；STEP6結(jié)果輸出。在項(xiàng)目的各個(gè)里程碑節(jié)點(diǎn)得到的研究數(shù)據(jù)，將其導(dǎo)入到學(xué)習(xí)完成的DHNN中，從而分別得到各個(gè)階段的神經(jīng)網(wǎng)絡(luò)仿真輸出狀態(tài)，也就是研究評(píng)價(jià)等級(jí)，見(jiàn)表7。

    表7 DHNN神經(jīng)網(wǎng)絡(luò)模型輸出表

    3.2 小波神經(jīng)網(wǎng)絡(luò)的構(gòu)建和輸出判斷

    根據(jù)DHNN網(wǎng)絡(luò)的輸出判斷，C4，C5和C6階段系統(tǒng)達(dá)到了V級(jí)以上的穩(wěn)定運(yùn)行。由于S企業(yè)新品研發(fā)周期同步于整車(chē)配套，項(xiàng)目周期較為固定。將企業(yè)90個(gè)收費(fèi)license按新品開(kāi)發(fā)主工作流（如圖4所示）排序，從PDM后臺(tái)獲取C5到C6階段連續(xù)4個(gè)項(xiàng)目的收費(fèi)license日利用時(shí)間數(shù)據(jù)X8。用前三個(gè)項(xiàng)目的270個(gè)數(shù)據(jù)訓(xùn)練輸入層4節(jié)點(diǎn)、隱含層6節(jié)點(diǎn)和輸出層1節(jié)點(diǎn)小波神經(jīng)網(wǎng)絡(luò)100次后，來(lái)預(yù)測(cè)第4個(gè)項(xiàng)目的收費(fèi)license日利用時(shí)間，并同時(shí)通過(guò)和實(shí)際日利用時(shí)間比較驗(yàn)證PDM系統(tǒng)的實(shí)施效果。

    圖4 S企業(yè)新品開(kāi)發(fā)主工作流

    構(gòu)建、訓(xùn)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(diǎn)數(shù)，學(xué)習(xí)概率和迭代次數(shù)；

    …

    M=4，%輸入節(jié)點(diǎn)個(gè)數(shù)；N=1，%輸出節(jié)點(diǎn)個(gè)數(shù)；n=6，%隱形節(jié)點(diǎn)個(gè)數(shù)；1r1=0.01，%學(xué)習(xí)概率；1r2=0.001，%學(xué)習(xí)概率；maxgen=100，%迭代次數(shù)

    …

    STEP2 初始化神經(jīng)網(wǎng)絡(luò)權(quán)值、節(jié)點(diǎn)初始值和權(quán)值的學(xué)習(xí)增量；

    STEP3 歸一化輸入輸出、網(wǎng)絡(luò)訓(xùn)練；權(quán)值用誤差對(duì)于權(quán)值的偏導(dǎo)數(shù)和學(xué)習(xí)速率修正；

    STEP4 網(wǎng)絡(luò)預(yù)測(cè)、預(yù)測(cè)輸出反歸一化。

    從輸出的第四個(gè)項(xiàng)目的收費(fèi)license預(yù)測(cè)時(shí)間和該項(xiàng)目的實(shí)際時(shí)間比較如圖5所示，說(shuō)明模型能夠基本擬合實(shí)際指標(biāo)，從而驗(yàn)證了神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)S企業(yè)實(shí)施PDM至穩(wěn)定運(yùn)行期后的實(shí)施效果，同時(shí)通過(guò)比照模型輸出曲線(xiàn)可以預(yù)警和監(jiān)控PDM的實(shí)施效果。

    圖5 小波神經(jīng)網(wǎng)絡(luò)模型輸出時(shí)間驗(yàn)證圖

4 結(jié)語(yǔ)

    采用神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)S企業(yè)實(shí)施PDM至穩(wěn)定運(yùn)行期后的實(shí)施效果是可行的，通過(guò)比照模型輸出曲線(xiàn)，預(yù)警和監(jiān)控了PDM的實(shí)施效果，為未來(lái)的信息系統(tǒng)實(shí)施和PDM軟件的生命周期管理提供了有價(jià)值的管理依據(jù)和分析工具。

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(lài)品牌。

轉(zhuǎn)載請(qǐng)注明出處：拓步ERP資訊網(wǎng)http://www.guhuozai8.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（下篇）

本文網(wǎng)址：http://www.guhuozai8.cn/html/solutions/1401938658.html