基于BP神经网络的研发人员能力评价方法研究

摘要

国内的高新企业近年来发展迅猛，企业间的竞争也日趋白热化，只有当研发人员的工作能力被充分发挥的时候，才能够帮助企业在激烈的竞争中脱颖而出。因此，设计一个能够全面、准确的评价研发人员工作能力的模型，有着重要的实际应用意义。传统员工能力模型的指标设计过于笼统、脱离实际研发过程，在评价时通常采用层次分析、专家打分或是模糊评价等方法，造成评价过程繁琐、评价结果主观性强的问题。
　　以正逐渐被国内企业所采纳的能力成熟度模型(CMMI，Capability Maturing ModelIntegration)为理论基础，提出一个基于研发产品生命周期模型的员工能力评价模型。模型指标的选取涵盖了研发过程中核心过程和管理与支持两大部分中的所有关键点，从工作效率、成果物质量、承担工作的重要度以及性格特质等方面着手，全面的衡量一个研发人员的工作能力。对于评价模型中一些使用模糊语言进行评估的定性指标，利用GIOWA算子以及模糊理论对其进行定量化处理，完成从定性指标到定量指标的转化;根据广义重要度理论对模型进行连续属性约简以得到一个最简的属性集，简化能力模型结构，方便后续的数据分析工作。借助某企业CMMI体系数据库中的员工绩效数据来训练BP神经网络，通过选择合适的网络参数和改进算法，建立一个能够对员工进行准确评价的神经网络，并通过测试数据来验证该技术的可行性和先进性。
　　基于对CMMI体系和员工能力评价理论的研究设计一个研发人员能力管理系统，并对系统功能的具体实现、数据库的建立过程进行讨论并给出数据库主体E-R图。该系统目前已在一自动化产品制造企业的研发部投入运行，实现了对研发部人员日常工作的量化控制以及对研发项目流程的可视化监控，使对研发人员能力评价模型的研究更具实际意义。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 CMMI体系相关理论及应用现状

1．3 员工能力模型及评价方法研究

1．4 论文主要内容

2 研发人员能力模型

2．1 能力模型的指标设计

2．1．1 研发项目的生命周期模型

2．1．2 评价指标选择

2．2 模型属性的定量化处理

2．2．1 广义的导出有序加权平均算子(GIOWA)

2．2．2 模糊语言评估标度体系

2．2．3 基于GIOWA算子和模糊语言评估的多属性群决策方法

2．3 本章小结

3 数据预处理

3．1 属性的广义重要度

3．1．1 经典粗糙集的属性重要度

3．1．2 属性和属性子集的广义重要度

3．2 连续属性约简

3．2．1 实域粗糙集理论模型

3．2．2 基于广义重要度的连续属性约简

3．3 本章小结

4 BP神经网络的评价功能

4．1 人工神经网络概述

4．2 BP神经网络

4．2．1 BP神经网络结构

4．2．2 BP算法原理

4．2．3 BP算法收敛性

4．2．4 BP神经网络的特点和问题

4．3 BP神经网络评价功能的实现与验证

4．3．1 网络模型确定

4．3．2 样本数据标准化

4．3．3 网络学习

4．3．4 网络验证与结果分析

4．4 本章小结

5 研发人员能力评价模型的应用实例

5．1 整体架构和开发环境

5．1．1 系统整体架构

5．1．2 数据采集系统功能图

5．1．3 开发环境

5．2 数据库设计

5．2．1 数据库系统的选择与设计要求

5．2．2 数据库关键表设计

5．3 运行实例

5．3．1 员工工时管理模块

5．3．2 研发项目监控管理模块

5．3．3 项目流程管理模块

5．4 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢