ERP項目風險評價論文

導語：ERP項目風險評價論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要論文確立erp項目實施風險評價指標體系；通過對以往風險評價方法分析，建立模糊神經網絡風險評價模型，該評價模型分為模糊量化模塊和模糊神經網絡(FNN)模塊。評價模型具有根據具體問題情況進行調節的能力，優于神經網絡完全黑箱操作的特點。模糊神經網絡風險評價模型不僅用于企業ERP實施風險，也可達到對風險管理預警的目的。

關鍵詞ERP項目實施模糊神經網絡風險評價

1問題提出

企業ERP項目實施涉及到原有工作模式、業務流程變革、組織結構調整等許多方面，因此在實施ERP過程中要認識到它的復雜性和艱巨性，要認識到它的高風險性。然而，目前對ERP項目實施風險評價不是很多，有效性也不高。文獻分析，常用風險評價方法主要有層次分析法、神經網絡評價法和模糊綜合評判法等。

本文提出用模糊神經網絡模型來評價企業ERP項目實施風險。將模糊神經網絡用于實施ERP企業風險問題的評價，具有一定的進步性，是一種有益的嘗試，同其他方法相比，模糊神經網絡風險評價方法具有科學、簡潔、可操作性強等特點，而且模型的結構與方法應用前景廣闊。

2企業ERP項目實施風險評價指標體系

在分析了ERP項目實施過程風險影響因素，我們考慮的是可能導致項目失敗風險因素；因此要從企業實施ERP項目戰略角度、實施中人為風險因素、業務流程重組、ERP實施項目管理和關鍵事件分析和評估。該指標體系有三級，一級指標8個，二級指標26個，各二級指標相互獨立反映了前一項指標屬性內涵。評價指標體系的風險影響因素能從不同的角度反映這些風險指標度量屬性，其最終風險評價指標體系結構，如表1所示。

表1星火ERP項目實施風險評價指標體系表

風險項二級風險評價指標風險影響因素

信息化規劃風險U1信息化戰略地位u111)沒有信息化戰略或不健全、信息戰略執行不到位；

2)信息化投入總額的比重、網絡性能水平、沒有其他信息化設施；

3)是否接觸其他單模塊MIS系統每百名管理人員計算機擁有量。

信息基礎建設風險u12

信息化應用狀況風險u13

基礎數據風險U2基礎數據規范性風險u211)企業數據的完整程度、數據的不規范性；

2）數據編碼體系與ERP要求是否存在較大差別、編碼體系不完整；

3)品種繁多且雜亂、工藝復雜、工藝不規范、業務數據不一致。

編碼系統完整性風險u22

產品繁雜度風險u23

人力資源風險U3高層領導的指導力u311)高層領導參與度、對風險的認識程度以及支持力度；

2)項目經理的實施經驗和協調溝通能力。

項目經理的控制力u32

需求分析風險U4需求分析量化程度u411)企業需求分析不全面、需求分析報告不能反映實際情況；

2)外部市場牽引力度不當、需求拉動力誤導、政府推動力不強；

3）沒有咨詢顧問指導、需求分析反復修改、企業診斷結論錯誤。

需求動力分析風險u42

信息需求不明確u43

管理基礎風險U5行業（特點）風險u511)企業規模大小、企業體制、企業地理位置、企業的類型；

2)企業文化與ERP文化相抵制、新文化的形成；

3)企業管理水平低、管理模式落后、與ERP管理不符合度。

企業文化風險u52

管理不規范性u53

協作方選擇風險U6軟件商選擇風險u611)軟件供應商類型選擇不當、供應商綜合能力不強；

2)咨詢方行業經驗、雙方配合度不高；

3)監理基本能力不足、行業經驗不足。

咨詢方選擇風險u62

監理方選擇風險u63

軟硬件選擇風險U7硬件選擇不當u711)安全風險、后續維護風險、價格不合理；

2)系統集成性不高、二次開發工具水平；

3)軟件成熟度、類型選擇錯誤、選型方法或步驟不對；

4)質量先天性缺陷、質量不高、不可靠性風險。

軟件技術風險、u72

選型匹配風險u73

軟件質量風險u74

項目管理風險U8項目進度風險U811)沒有合理進度計劃、進度控制不嚴、進度延期、人員不變動；

2)硬件維護費用增加、實施費用無計劃地增加、維護費用增加；

3)實施效果難以衡量、沒有制定相應質量目標、階段成果未達標；

4)范圍無限擴大、不嚴格控制計劃，實施范圍不清楚風險；

5)對業務流程變革認識不統一、缺乏有效流程控制體系、重組變革方式和工具選擇、過多地改變軟件原有流程。

項目成本風險U82

項目質量風險U83

實施范圍風險U84

業務流程重組風險U85

3基于模糊神經網絡ERP項目實施風險評價模型

模糊神經網絡在SPSS、Excel和Matlab等統計分析軟件工具的幫助下，使這種預測評價變得簡單可行，具有很強的操作性和實用價值。模糊神經網絡作為人工智能領域一種新的技能、正向著更高層次的研究與應用方面發展。模糊神經網絡模型也用于企業風險評價方面，張英才提出基于模糊神經的人力資源風險評價，吳沖等提出基于模糊神經網絡的商業銀行信用風險的評價。

3.1模糊神經網絡評價模型建立

根據企業實際結合已有的研究成果及風險評價指標體系，確定了8個評價的變量。選擇[0,1]上的數據對上述8種因素的風險進行評判。同時，我們可以用以下數學語言描述：設ui(i=1,2,……7)為ERP項目實施風險評價的輸入變量，Ui為其論域。在本系統中，ui∈[0,1］，將ui的風險類別模糊化為一個定義在Ui上的模糊子集Aj(j=1,2,3,4,5分別代表風險低、較低、一般、高、較高五種類型)，其模糊性用Ui的模糊分布一隸屬函數UAj(ui)來表示。具體模糊量化過程為：

（1）選擇影響因素的集合；本文采用風險指標體系子要素層中的評價影響集合。（2）確定評價等級空間U；U={cl，c2，…，ck}，若ck+1比ck“強”，記作ck+1>ck，一般地，評價等級統計取4至6個等級較合適，本文風險等級分5個等級,即風險低、風險較低、風險一般、風險較高和風險高。

（3）確定子要素層每一因素對U中的各評價等級的隸屬度；通過專家打分后，采用統計方法獲得，第i個因素對各等級的隸屬度為Ri＝（ri1，ri2，ri3，ri4，ri5）。

（4）計算每個因素的評價值；將5個評價等級數量化后視為一個向量，例如取C=(0.9,0.7,0.5,0.3,0.1)，則第i個因素的數值化風險評價值為Xi=Ri*CT。根據所評價ERP項目實施風險評價中指標，模糊神經網絡ERP項目實施風險評價結構確定為(8,m,5)，即輸入層節點8個(根據評價階段指標體系確定)；隱含層節點數為m，一般人為給定m值后，經k-means方法調整出合適值；輸出層節點5個。通過上述模糊化方法處理得出每個風險影響因素的模糊化數值xi后，作為神經網絡輸入層節點的輸入值。輸出層節點輸出企業ERP項目實施風險綜合評價值。因此所建模型如圖1所示，模糊神經網絡風險評價模型分兩大模塊:前一部分是模糊量化模塊，作用是將輸入變量模糊化，模糊化處理是將數字表示形式的輸入量轉化為通常用語言值表示的某模糊論語的序數。后一部分是模糊神經網絡(FNN)模塊，此模型中FNN模塊采用BP神經網絡。該網絡模型兩大模塊包括三層:輸入層、隱含層和輸出層。

圖1風險評價中模糊神經網絡模型

輸入層：在ERP項目實施風險評價指標體系中，輸入層評價指標經過模糊化處理后輸入。但由于指標值量綱不相同，代表了不同的物理含義。因此，在進行綜合評價之前可將各指標值轉化成無量綱的標準化數據，這樣就可以利用同一標準進行衡量一般可采用直線型無量綱化方法，如利用極差變換公式將各類指標標準化。輸入層中神經元的輸入與輸出為Ui=Xi，Oij=Xi,（其中i=1,2,…..,8；j=1,2,……,m）。同時，我們將上述的風險因素和ERP項目實施風險評價的結果按照風險的大小程度分別用5個語言變量表示，并用各個語言變量的隸屬函數代表其模糊性。

隱含層：其作用是對輸入量進行評語等級分化處理，即根據隸屬函數求出每一輸入的各等級隸屬度值。本文選用梯形函數，它對樣本數據要求相對簡單，雖然它的準確性不如非線性隸屬函數高，但是經過模糊神經網絡的控制也能達到良好的效果。圖2說明了用梯形函數來表示ERP項目實施風險隸屬函數。

3.2模糊神經(FNN)網絡學習訓練

模糊神經網絡模型應用具體步驟包括兩個過程①學習訓練過程：在現有的ERP項目實施企業中，選擇成功與失敗典型樣本對網絡進行學習訓練，經過反復迭代，使系統平均誤差降低到滿意的程度，從而獲得穩定的網絡結構、連接權值和各參數。②模型確定后，可用來進行ERP項目實施風的評價。

(1)樣本數據的獲得

選取若干具有代表性的數據，通過專家意見調查，收集相關數據作為樣本數據。論文研究選擇對象主要面向大中小各類企業，除已實施ERP的企業外，也包括將要實施ERP的企業。我們通過東西部地區200多家案例企業獲得樣本數據，進行統計分析。先對樣本數據進行穩定性處理，鑒于論文取得的樣本數據容量較大，各指標取值范圍較廣，數據具有一定的平滑性，因此選用兩倍、三倍標準差檢驗法進行異常數據剔除，最終獲得（167個）樣本數據。

(2)網絡學習訓練結果

模糊神經網絡的學習過程也就是網絡參數修正的過程，本系統的網絡學習采用有教師的學習方法，網絡參數的修正采用梯度法實現。

(3)ERP實施風險評價輸出

模糊神經網絡訓練趨向穩定后，并滿足指定的性能指標(如訓練誤差)，說明神經網絡已訓練結束，可以用來評價企業ERP項目實施風險。將待評價的對象按模糊規則轉換后得到n個輸入量，已訓練好的網絡模型就可以通過輸入量到輸出實現；輸出結果為隸屬度向量O=(O1，O2，O3，O4,,O5)，定義為最大隸屬度。即，=MAX(O1，O2，O3，O4，O5)。

根據最大隸屬度原則就可以確定待評價的ERP項目實施風險的大小。在每次評價工作中，無論評價結果是否得到了專家的認可，都可以把它作為新的學習樣本讓這個模糊神經網絡評價系統不斷學習、繼續完善，以使它做出更準確的評價。

4結論

本文確立了企業ERP實施風險評價的指標體系，建立了基于模糊神經網絡的ERP項目實施風險評價模型，利用神經網絡實現風險評價功能，可以充分利用以往的經驗，使評價系統具有學習能力。模糊神經網絡用于評價企業ERP實施風險非常適合，這不僅可以評價ERP項目實施各階段風險大小，也可以利用網絡的預測評價功能，預測將要實施ERP企業的風險大小，而且網絡預測誤差小，適合用于各類企業ERP項目實施風險評價。

參考文獻

[1]陳啟申.ERP——從內部集成起步.北京:電子工業出版社[M].2004

[2]劉暉.我國企業發展與實施ERP的現狀分析[J].情報科學.第23卷第6期.2005.6.28~29

[3]吳沖,呂靜杰等.基于模糊神經網絡的商業銀行信用風險評估模型研究[J].系統工程理論與實踐，2004.11.1~6

[4]S.W.Han.ERP-EnterpriseResourcePlanning:Acost-basedbusinesscaseandimplementationassessment.HumanFactorsandErgonomicsinManufacturing[C].Volume14.Issue3,2004.239~256.