基于粗糙集与BP神经网络集成的ERP实施风险的评价研究

来源：互联网 sk006 | 刘树良，白艳玲

【分　类】信息科技
【关键词】电力企业；ERP实施风险；粗糙集；BP神经网络；
【来　源】互联网
【收　录】中文学术期刊网

正文：

　　摘要：当今社会发展日新月异，信息化已渗透到经济社会发展的各个领域。电力企业作为大型的国有电力垄断企业，应积极打破传统发展思路，创新适应新时期要求的发展模式。ERP是企业实现资源的量化管理，给企业带来显著的效益,也是推进企业信息化建设重要基础,随着信息化在电力企业的发展，ERP的应用在电力企业中有着很重要的作用，但是它高失败率也是众所周知的。本为借助粗糙集与BP神经网络集成的综合方法评价了电力企业在ERP实施中的风险，并提出了对电力企业 ERP项目风险进行控制的可行性意见。

　　关键字：电力企业;ERP实施风险;粗糙集;BP神经网络;

　　在全球经济一体化的快速发展的今天，ERP已成为企业实现信息化的重要标志，也是企业竞争核心能力、管理水平和员工综合素质的重要体现。尤其对于电力企业来说，要想在愈加激烈的竞争环境中不断做到更大更强，必须下大力气提高自身管理水平。这就要求企业必须要进行管理升级，而最直接有效的方式就是上线ERP系统，因为它包含了BPR(业务流程重组)、企业全面信息集成和供需链管理，可以从根本上改变企业的面貌和管理模式，可以说是企业管理上的革命。

　　在国外，大型电力企业应用企业资源计划(ERP)很普遍也很成功。但在中国，由于引进时间不长，成功经验不多，中小企业ERP失败率较高同样，大型电力企业实施ERP，也意味着成功与失败同在，效益与风险并存，只有正确认识风险控制风险降低风险消除风险才能成功实施ERP系统，达到提高企业管理水平，实现企业快速发展的目标。

　　1 ERP实施风险评价模型的建立

　　1.1基于粗糙集属性约简算法的简介(这里主要介绍基于属性重要性约简算法)

　　1.1.1 粗糙集理论

　　粗糙集理论认为, 信息系统 S可表示为有序四元组: ，是论域，式中: 是有限个处理样本的集合, 即全体样本集。A是有限个属性的集合, 可进一步分为两个互相独立的子集, ,是条件属性集合，是决策属性集合，反映对象的类别。是属性集的集合, 表示属性,的属性值范围, 即属性的值域;成为信息函数, 用于确定中每一个对象的属性值。

　　1.1.2 基于粗糙集的属性约简

　　对等价关系族，存在,如果: 则称为中可省略的, 否则称为中不可省略的, 表示集合中元素关于不可分辨关系 ( indiscernibility relati on)。对于属性子集,若存在,,使得,且为最小子集, 则称为的简化, 记为，中所有简化属性集中包含的不可省略关系的集合,即简化集。若存在, 有,则称为中可省略的, 为的相对简化。计算步骤如下：

　　1) 确定属性集。对所有能够搜集到的有关研究成果进行分析, 确定广泛的属性集, 即评价指标体系, 又叫条件属性, 明确决策属性。

　　2) 数据收集。尽可能利用已有的历史数据进行分析。如果没有现成的数据,，则可以通过问卷调查等方法收集数据。

　　3) 属性值语义界定。界定属性值语义, 并对每个属性界定属性值，并进行离散化处理。

　　4) 构建属性约简决策表。属性约简决策表类似二维的关系数据表, 其中每一项数据是论域中的一个元素, 每一列为一个属性, 最后一列为决策属性。

　　5) 属性约简。根据粗糙集理论属性约简原理进行属性约简。

　　1.2 BP神经网络模糊综合评价:

　　1.2.1有量纲向无量纲转化

　　在对系统进行评价时，有时给出的评价指标是有量纲的值，由于它们的量纲各异，难于进行综合对比，因此必须做无量纲处理，即对评价指标的值做标准化、正规化处理，以消除指标量纲的影响造成的困难。对于指标体系中无量纲的指标，采取了线性递增函数进行刻画：

　　BP网络是单向传播的多层网络，它是一个由输入层、中间隐含层和输出层三个神经元层次构成的模型。第一层为输入层，输入各评价因素值;第二层为隐含层，实现模糊综合评价问题中求各因素对各指标隶属度值;第三层为评价结果输出层，输出评价结果向量的各元素,表示第i个因素与第j个指标之间的模糊关系隶属函数. 为第i个因素的权重值;为评价结果隶属于第j个指标的程度,如图：

　　输入层隐含层输出层

　　uij(.)

　　x1 a1

　　x2 bj

　　… … an

　　1.3 粗糙集与BP神经网络集成的模型

　　BP神经网络评价模块

　　数据预处理

　　训练样本集

　　BP神经网络模型

　　测试样本集

　　结果输出