基于BP神经网络的ERP系统实施效果评价

□文/马计斌 王 星

（1.邯郸学院；2.河北工程大学经济管理学院 河北·邯郸）

引言

随着经济市场的快速变化和需求的多样化，企业之间的竞争力日趋加剧，企业面临着复杂的生存与发展压力。企业信息化不仅可以提高企业的价值和发展潜力，更是提高企业核心竞争能力的有效方法和手段。因此，ERP（Enterprise Resource Planning）作为会计信息化的最高阶段，有效地整合了企业内部各部门之间的信息，降低了企业运营成本，提高了效率，实现资源共享与决策支持，进而提升企业竞争力。

目前，我国许多企业开始实施了ERP，但是当中有许多企业以失败而告终，是因为ERP系统是复杂的系统工程，其实施过程具有不确定性，耗费时间长，且受多因素的制约和影响。因此，怎样才能客观、准确、全面地评价ERP系统的应用效果成为了大批学者的研究对象。

本文根据ERP系统的主要评价指标，利用BP神经网络方法的模型对ERP实施效果进行评价。

一、ERP实施效果评价指标体系

由于ERP系统使用者不同、承担责任不同，因此对企业ERP实施的效果评价要从多角度、多指标来考虑，这样可以涉及到企业的方方面面。ERP系统的实施是个复杂的项目，对于ERP实施效果的评价指标体系就要与企业的管理思想、管理模式、管理机制、组织结构及业务流程等相关经济指标融合进来，更好地帮助企业在管理方面的改进、提高和创新。

作为衡量和评价ERP实施效果的标尺，评价指标应具备全面性、可操作性、创新性、可测性及可比性等特点，结合这些特点及针对目前我国企业ERP应用现状，从运营管理和应用价值两个方面建立ERP实施效果评价指标体系。（表1）

二、BP神经网络的原理

（一）BP神经网络的学习过程。BP（Back Propagation）神经网络是目前应用最为广泛的一种神经网络，包括输入层、隐含层、输出层三层，它是由正向传播和反向传播两个学习过程组成，正反两个过程反复进行，并调整各层间的连接权值，使误差信号不断减少，直到误差达到预先指定的精度为止。BP神经网络的结构图如图1所示。（图1）

图1 BP神经网络结构图

（二）BP神经网络的算法流程。BP算法实质是求取误差函数的最小值问题。这种算法采用非线性规划中的梯度下降方法，按误差函数的负梯度方向修改权系数。具体流程如下：

1、设置初始权值：给各连接权值分别赋一个区间（-1，1）之间的随机数，并设定学习速率和误差目标。

表1 ERP实施效果评价指标体系

2、输入一个样本X，以及对应期望输出Y。

3、求出隐含层、输出层各单位输出以及误差。

4、如果误差小于误差目标，训练结束。

5、球误差精度，修改权值，跳到2，重新计算实际输出和误差，直至误差限制在规定的范围内。

6、训练结束。

三、BP神经网络在ERP系统实施效果评价中的应用实践

本文的研究借助Matlab系统工具箱对BP神经网络进行仿真分析。应用BP神经网络模型对ERP应用效果评价按如下步骤：

1、根据上述建立的评价指标确定评价因素。

2、评价结果的确定。本文拟将企业ERP实施效果分为四个等级：优、良、中、低，通过专家打分方式确定各指标的等级评判标准，采用0～10分制：9～10分为优、8分为良、5～8分为中、0～5分为低。

3、样本数据选取。选取企业日常运营中记录下来并存入数据库的实际数据进行刷选，从中选取样本数据，并将样本数据分为两个部分：一部分用于训练数据；另一部分用于检验数据。

4、训练网络。用经过处理的数据训练网络，直至实际输出结果与期望结果之间的误差小于指定的误差时，训练完成；否则，继续训练。

5、ERP实施效果评价。将检验指标数据样本输入此训练好的BP神经网络进行效果的评价与检验，看评价结果是否与专家打分的结果接近。

四、结束语

借助于神经网络的自学习、自适应能力和容错性强等特点，建立企业ERP实施效果评价体系，可操作性强，评价结果更加客观准确，不仅提高了ERP实施成功率，还增强了企业的竞争力。

［1］汪嘉杨.基于BP神经网络的企业绩效综合评价方法［J］.成都信息工程学院学报，2004.19.1.

［2］Mackay D J C1Bayesian interpolation1 Neural Computation，1992.4.

［3］http：//baike.haosou.com/doc/5444399.html.网页资源.

［4］石剑平，姜麟，徐润林.Mat lab数据库工具箱在数学建模中的应用［J］.信息系统工程，2010.9.