论文部分内容阅读
目前,我国企业新产品开发项目中普遍存在着成功率较低的现象,新产品开发项目往往在时间、费用、技术或性能上未能实现人们的预期。产生这种现象的原因主要是缺少有效的新产品开发项目风险评价机制,导致在新产品开发项目中由于风险问题造成大量的损失。
对企业新产品开发项目风险进行测度研究,可以帮助企业决策人员明确不同新产品开发项目的风险大小,从中选择出风险最小的项目,减少不必要的损失。本文致力于企业新产品开发项目风险评价问题的研究,通过构建企业新产品开发项目风险评价系统,为企业新产品开发项目选择提供理论和实际上的建议。
企业新产品开发项目风险评价系统包括评价指标体系和评价方法体系两大部分。评价指标体系由环境风险、技术风险、生产风险、市场风险和管理风险五个层次组成,包括32个底层指标；评价方法体系采用粗糙集数据挖掘方法和人工神经网络方法。
使用粗糙集数据挖掘方法做为神经网络的输入层预处理系统,目的在于降低神经网络的复杂性和训练时间,提高神经网络学习能力、推理能力和分类能力,克服神经网络方法用于评价新产品开发项目风险时黑箱性的缺陷。
人工神经网络作为一种平行分散处理模式,是对人类大脑神经运作的模拟,具有非线性复杂系统的处理能力,可以克服统计学的局限。人工神经网络模型对样本没有假设性要求,具有空间映射能力,非常适合处理新产品开发项目风险评价这类复杂的非线性和不确定性决策问题。
本文以新产品开发项目的事后评价数据作为研究样本,演示了神经网络方法对新产品开发项目进行风险评价的过程,证实了神经网络方法的可行性。对于具有新产品开发项目风险案例数据库的企业而言,本文建立的风险评价模型对企业成功选择有投资价值的新产品,优化投资结构都是具有实际意义的。