基于BP网虚拟研发团队关键成功因素分析方法研究.docVIP

基于BP网虚拟研发团队关键成功因素分析方法研究 　　面对动态、快速、多变的市场环境，一种超越传统意义的全新企业研发组织――虚拟团队应运而生。而信息网络技术的发展和应用，特别是计算机支持的协同技术将给虚拟研发团队的生存和发展提供强大的支持。国外对虚拟团队的研究始于20世纪90年代初期，Hertel和Geister等认为虚拟团队包含以下几个方面：两个或两个以上的成员；为了一个共同的目标而相互合作；至少有一个成员位于不同的地点、时区或组织通过电子媒体（电子邮件、传真、电话、视频会议等）来沟通和协调。在1995年以后虚拟团队的研究得到蓬勃发展，其研究范围已经从虚拟团队的概念和定义探讨、虚拟团队的探索性研究发展到对虚拟团队的影响因素、团队过程和团队结果的研究，并取得了比较丰硕的成果，而且研究方法也从理论探讨、定性研究转向定量和实证研究。本文参考了近几年来国内外关于虚拟团队的研究文献，拟从理论模型研究上来揭示企业虚拟研发团队关键成功因素问题，以期帮助我们对企业虚拟研发团队的组织治理和运行机制有更好的了解。 　　 　　一、虚拟团队关键成功因素（CSF）构建 　　 　　对于影响虚拟团队绩效的关键成功因素（CSF），随着研究的不断深入，学者们也得出了一些结论。这些研究结论既有定性的分析，也有定量的研究。对这些研究结论进行进一步的分析和归纳，可整理为以下一些关键成功因素： 　　目标一致性（X1）：成员对虚拟研发团队目标的共识程度；知识互补性（X2）：虚拟研发团队成员在知识、技能、专长方面的互补程度；学习能力（X3）：为适应项目需要，虚拟研发团队成员学习新知识、技能的能力；专家品质（X4）：虚拟研发团队成员具备某方面的技术专长和能力；文化差异协调（X5）：对虚拟研发团队团队成员中存在的国际、组织、功能等文化差异进行协调的行为；信息沟通规范（X6）：虚拟研发团队成员运用现代通信工具确保有效沟通而共同遵守的一组行为准则；信任（X9）：虚拟研发团队成员彼此相信各自的正直、诚实和工作能力；激励机制（X8）：虚拟研发团队为确保成员努力工作而制定的奖励和惩罚措施；团队领导能力（X7）：虚拟研发团队领导制定目标、提供指导以及处理内外部关系的能力。 　　 　　二、基于BP网的虚拟研发团队关键成功因素分析 　　 　　1.人工神经网络模型的优点 　　人工神经网络是由大量简单处理单元（人工神经元）互连构成的，模拟生物神经系统的自适应、非线性动态系统。它具有分布并行处理、非线性映射、自适应学习和鲁棒容错性等特性，在模式识别、控制优化、智能信息处理以及故障诊断等方面都有广泛的应用。其中的BP网络模型具有很好的函数逼近能力，通过对训练样本的学习，能很好地反映出对象输入/输出之间复杂的非线性关系。 　　BP网络模型能很好的解决传统计量模型面临的两个主要问题：首先，神经网络模型中变量间的关系隐含于网络权重和阈值中，隐含于网络结构中，因而不存在设定函数关系的问题；其次，神经网络模型的求解是通过不断的训练过程体现的。当将训练数据提供给网络后，网络会按照误差最小的目标自动的对网络权值和阈值进行调整，因而不存在参数估计问题。 　　2.基于BP网的关联分析方法 　　根据导数（偏导数）的定义，导数（偏导数）衡量了自变量的微小变化所引起的因变量的变化情况。因此它反映了自变量对因变量作用的方向和强弱，即反映了自变量和因变量的依赖关系。根据这一思想，提出了基于BP网的关联分析方法，具体步骤如下： 　　Step1选择自变量和因变量，建立BP网络模型。输入层神经元个数为自变量的个数，输出层神经元个数为因变量的个数，中间层神经元个数由“裁剪算法”确定，隐层采用对数S型函数，输出层采用纯线性函数。 　　Step 2收集输入变量和输出变量的已知数据对，对网络进行训练直至收敛。 　　Step 3计算在X =（x1，x2，…，xn）处网络输出对输入的偏导数?i/?j |X，记为rij|X，这里用xj表示第j个输入节点所对应的自变量，yi表示第i个输出节点所对应的因变量，则： 　　 　　其中Wkj（1）是输入层节点j与输出层节点k的连接权值，是隐层节点k的总输入（bk(1)是隐层节点k的阈值），ak=f（netk(1)）是隐层节点k的输出，Wkj(2)是隐层节点k与输出层节点i的连接权值，neti(2)=bi(2)是输出节点i的总输入（bi(2)是输出层节点i的阈值）。 　　式中利用了对数S型函数的一个特性，即对数S型函数的导数可以用其自身表示： 　　f＇(x)=f (x)[1-f (x)] 　　Step 4利用Step 3中的计算结果对实际问题进行分析、预测、控制和评价。 　　偏导数rij反映了变量yi与xj的依存关系。首先从符号上看，若rij0，说明经济变量xj