文摘
模糊规则的专家系统开发来评估知识资本。模糊语言的方法帮助经理理解和评估每个智力资本项目的水平。提出了模糊基于规则的专家系统应用模糊语言变量来表达水平的定性评价和标准的专家。验证了该模型的可行性的结果为样本公司智力资本绩效评估。
1。介绍
今天的“新经济”实际上是“知识经济”或“知识社会”。这一发展特点是数字化、全球化以及知识的应用程序(1]。智力资本包括资产通过智力活动从获取新知识(学习)和发明创造有价值的关系2]。在战略决策,一个智力资本评价模型应该是一个可行的工具经理处理和改进现有的智力资本有效且高效地依照不同的性能水平的每个项目和标准1]。
Tai和陈3)提出了一个可行的企业智力资本评价模型通过二元数组模糊语言的方法来帮助经理理解智力资本的性能。在这个模型中,专家应用语言变量来表达知识项目的水平。Fasanghari et al。4)提出了一种模糊专家系统可以测量智力资本基于三类:知识资本,管理资本和市场资本。本专家系统使用27规则评估知识资本水平基于这三个组件。然而,这些测量模型有助于企业管理者理解知识资本的地位,但他们经常使用术语“知识资本”,其在一个无所不包的时尚物品及时的风险对象的身份将成为不清楚(5]。经理们面临着许多问题,如:“智力资本是什么?”、“员工的知识是什么意思?”,“我怎么能发现员工的知识水平在我公司吗?”,或者“我的公司员工的知识重要吗?“一组规则,确定智力资本项目的级别由经理问一些问题是有用的。经理的回答这些问题的表达与语言标签。在这里,我们处理一个定性模型基于语言作为一个系统模型描述。Sugeno和Yasukawa6)定义模糊建模定量定性建模方案,我们使用自然语言描述系统行为。因此,一个合适的模糊专家系统,确定智力资本的表现程度,提出了。
提出了模糊规则的专家系统性能评估程度的智力资本基于提出的模型Tai和陈3)使用性能水平和每个知识项的重要性水平。在此专家系统,每个知识项的重要性和性能水平确定间接通过从经理问一些问题。
本文的主要贡献如下。(我)而不是直接问经理的地位企业的知识元素所以以前工作重要性和性能水平的智力资本确定间接通过问一些问题。(2)完全开发两套规则(约80规则)为每一个智力资本项目的整体状态评估知识资本更有效(重要性级别的一个规则集,另一个用于性能水平)。
本文组织如下。部分2介绍了智力资本的概念和模糊控制规则。节3,提出了模糊专家系统来评估知识资本。节4所提出的系统中实现一个真正的公司。最后,提出了一些结论和未来的工作在论文的最后一部分。
2。背景
2.1。智力资本(IC)
Edvinsson和马龙7)定义了公司的市场价值与账面价值之间的差异作为智力资本的价值。斯图尔特(8)将智力资本定义为“知识原料知识、信息、知识产权、经验,可以用来创造财富”。他意识到人力资本、结构资本和客户资本。Sveiby [9]提出智力资本包括员工能力、内部结构和外部结构。Edvinsson [10)资本结构分为组织资本和客户资本。Liebowitz和赖特11)智力资本划分为四个独特的类别,如人力资本,客户资本,资本的过程,和创新的资本。经济合作与发展组织(OECD) [12形容知识资本”两类无形资产的经济价值的公司:组织资本和(“结构性”)人力资本”。Bukh et al。13智力资本的识别,在大多数模型,人力资本,客户资本和组织资本是智力资本的组件。
人力资本是集成电路的基础,一个主要元素执行集成电路的功能。等因素指的是员工的知识,技能,能力和态度培养表演的关系,消费者愿意支付和公司的利润来源。客户资本,充当桥梁和催化剂操作的集成电路,主要要求和行列式在集成电路转化为市场价值,于是组织业务性能14]。结构资本的使用知识资本的一部分,属于公司。Edvinsson [6)一词的定义是:“硬件、软件、数据库、组织结构专利,商标,以及其他的组织能力,支持员工的生产力。一切都留在办公室,当员工回家。与人力资本、结构资本可以拥有,从而交易。”
评估知识资本的整体性能,我们应该定义智力资本组件的性能。因此,通过文献回顾,本文使用以下分类:人力资本可以被定义为员工的知识、员工的创新性,满意度,员工的流动率。客户资本可以分为市场份额率、顾客忠诚度、顾客满意度,和客户的关系。资本结构可以分为商标,操作流程,信息系统和企业文化。通过定义每一项的表现程度,我们可以评估知识资本的表现程度。每个知识项的重要性程度和性能是使用语言变量决定的。模糊集理论适用于定性评估。对于每个知识条目,我们定义一个模糊规则集来评估项目通过提问经理。
2.2。模糊控制规则
传统的基于规则的专家系统利用人类专家知识解决实际问题,通常需要人类智慧。专家知识的形式往往是代表rulesor datawithin计算机。根据问题的要求,这些规则和数据可以召回来解决问题15]。专家系统的一些重要优势如下(16]:(我)能够捕获和保存人类不可替代的经验;(2)开发一个系统的能力比人类专家一致;(3)减少人类的专业技能在许多地方在同一时间(尤其是在一个充满敌意的环境对人类健康的危害);(iv)可以比人类更快开发解决方案专家。
专家系统的基本组成如图1。知识库存储所有相关信息、数据、规则、专家系统使用的情况下,和人际关系。知识库可以结合多个人类专家的知识。规则是一个条件语句,联系给定条件操作或结果(16]。
德(17)指出,准确定性分析人文系统的行为不太可能有很多与现实世界的社会,政治,经济,和其他类型的问题涉及人类作为个体或群体。他认为语言分析的定量分析。Mamdani是第一个应用模糊逻辑控制(图2)。这个话题被称为模糊算法控制或语言控制。模糊控制可以看作是人类操作员的定性建模的结果。
3所示。提出了模糊专家系统来评估知识资本的性能
3.1。问题域的概述
智力资本是无形的,评估其组件需要专家知识的知识资本。在知识经济时代,企业应该管理他们的智力资本在资本市场,以保持其竞争优势。管理智力资本,企业应测量它。在本文中,我们开发了一种模糊专家系统规则库。使用知识资本的知识专家,该专家系统帮助企业决策者确定组织的表现程度的智力资本。模糊专家系统模型类似于经典的专家系统模型,在输入空间映射到一个输出空间。模糊专家系统使用一个集合的模糊隶属度函数和规则知识表示和推理和观察系统状态数据。模糊专家系统中的一种近似推理过程执行如下(18]。模糊化,形成一个模糊集是模糊专家系统的子过程:
模糊化
会员对于每个规则的程度匹配的前提是由语言与输入变量的实际值(18]。例如,在提出的评价模型,“与大学学位的员工比例”是语言变量,和“高”是一个模糊集。可以由模糊集将成员的值分配给每个对象的间隔。成员值代表一个对象的程度属于一个模糊集,让表示话语的宇宙,在那里代表宇宙的一个元素,和表示一个模糊集,模糊集是因此以其隶属函数,(19]
隶属函数的州值分配给通用集的元素,,在规定的范围内。与此同时,它表明这些元素在模糊集的隶属度。一个模糊集在宇宙的话语,也可以被定义为一组命令对(19]
图3显示了隶属度函数的模糊集“很低”,“低”、“中”、“高”,“非常高”。水平轴的图在图3代表“与大学学位的员工比例”的比例(通用集),纵轴代表的程度这一比例的公司可以标记为“很低”,“低”、“中”、“高”,“非常高”。
形成模糊集
代表一个模糊集计算机,我们需要定义它的隶属函数。一种方法是调查一群人对他们了解的术语,我们正试图代表模糊集(20.]。例如,考虑员工高比例的概念与大学学位。我们可以问专家到什么程度,他们认为智力资本具有大学学历的人员比例高。获取答案的比例后,我们可以执行简单平均产生一组模糊的高比例的员工拥有大学学位。我们现在可以使用这个函数把一个信念(或会员价值)属于一个给定的比例高的模糊集。我们可以继续这个投票占等描述比例非常低,低,中,和非常高的(如图3)。
使用语言变量的模糊专家系统使经典的模糊专家系统的所有模块。
模糊知识获取
这个模块包括专家系统的适应到一个特定的领域。齐默尔曼(18]国家,这个模块的目的是提取和组织内的知识和专业技能的问题域。知识获取是形容在文学最困难的过程,其中一个最大的困难,最大的瓶颈,或者最耗时的任务。没有包罗万象,如何获取知识的统一理论,可能永远不会(21]。
在本文中,我们使用直接的方法对知识获取的过程。直接的方法或面试好获得的知识域(21]。面试由问感兴趣的领域专家的问题域和他们如何执行他们的任务22]。
获得的知识从专家知识资本,我们给他们提供了一组指标可能包含在一个智力资本语句。我们使用一个结构化面试的专家被要求确定这些指标有影响的重要性和智力资本组件的性能。接下来,专家们被要求确定在多大程度上他们是有效的输出。最后,他们被要求指标彼此连接,输出,输出通过规则和指标。例如,智力资本专家认为这一比例具有大学学位的人员积极与员工的知识资本,因此,例如,一个提取规则如下:比例的员工拥有大学学位非常低,员工的知识程度非常贫穷。
大部分指标都获得“智力资本的声明的指导方针s”(1)和其他人是由专家决定的。像大提出的智力资本评价模型和陈3),我们使用一个分类知识资本组件(如图4),我们评估每个组件通过其重要性程度和性能的程度。然后,通过结合所有这些度,智力资本的整体性能将(表确定1和2)。
模糊知识库
知识库是知识相关问题域。知识库是基地的一个子集,其中包含符号信息和数字信息(18]。事实性知识和观察系统状态或事实在一个以知识为基础的系统表示为事实基础。观察系统状态的符号
“isr”是“包含”的缩写,“相似”,“兼容”,等等18]。简而言之,它通常表示为
专家系统的用户输入的事实性知识和选择语言术语观测系统的状态(18]。例如,在提出了专家系统在这篇文章中,一个观察系统状态如下:大学学历的员工比例isr高和30 - 50岁的员工比例isr中
或简言之符号:
知识库的另一部分是含有启发式规则库。他们使用的领域专家诊断、预测、控制等系统行为(18]。专家的智力资本领域使用启发式评估知识资本的组成部分。规则库的符号
例如,在本文提出了专家系统,观察系统状态如下:拥有大学学位的雇员比例isr高和的比例30 - 50年龄的员工isr介质,
员工的知识程度isr好
在知识获取阶段,领域专家提供这些规则。语言术语及其成员价值观和/或功能也在这些规则中指定的专家(18]。
模糊推理机制
推理机制使用知识库和推理规则库和派生决定给定的观测事实18]。我们在本文中使用的推理机制是数据驱动或正向链接。正向链接是一个推理策略,它始于一组已知事实,得出新的事实使用规则的前提与已知事实,继续这个过程,直到达到目标状态,直到没有进一步匹配已知或派生规则前提事实(图5)[20.]。例如,本文模型评价过程的员工的知识资本正向链接基于规则的专家系统(图5),系统的规则如下。
我们认为下面的事实到工作记忆所提供的样本公司的专家。(我)员工拥有大学学位的比例很高。(2)30 - 50岁的员工比例的媒介。(3)总培训成本/总工资费用很高。(iv)数量的员工能力发展计划/总员工中。(v)被培训的员工数量作为项目经理/总员工中。
系统将每个规则,检查它的前提是在工作记忆中列出。当系统发现匹配所有的前提,它将在工作记忆规则的结论。
从最初的信息进入工作记忆,系统总结新信息。(1)员工的知识程度很好。(2)员工的知识对公司很重要。
自提出专家系统是一个使用语言变量的模糊专家系统、模糊推理应该用来评估员工的知识资本。
模糊推理
执行前期会员的连接组合,将每个规则的结论部分来确定其隶属程度的18]。在本文中,我们使用Mamdani类型的语言模型推理如下。
步骤1。每个规则评估的前提。当先行词的规则有多个部分,模糊十字路口t规范)和模糊联盟(t-conorms)应用于获得一个成员值。模糊的十字路口是指,通过狙击兵,我们解释它t规范。因此,两个模糊集的交集一个和B上定义X给药 模糊联盟是指,或者通过狙击兵,我们解释它t-conorm。因此,联盟两个模糊集一个和B上定义X给药
步骤2。随之而来的每条规则的模糊集,和前期价值取得了一步1。获得一个新的模糊集,我们应用模糊蕴涵算子。我们使用最低运营商削减顺向的隶属函数(图6)。
步骤3。对于每个规则相结合获得的输出到一个模糊集,使用狙击兵规范(8)。
最后子流程去模糊化的模糊专家系统。模糊值需要转换成一个脆值。
去模糊化
整个输出模糊集转换为脆数量可变域(固定在底座上18]。在这个模型中我们使用狙击兵去模糊化方法(9)。
例如,定义性能程度的员工的知识、模糊推理机制如下。
系统1。具有大学学位的员工比例非常低,低,公平的,高,非常高。
假设一个用户选择高,然后系统规则k-1-4和k-1-5第二个前提的规则k-1-4和k-1-5。
系统2。30 - 50岁的员工比例低,媒介,高。
假设一个用户选择媒介。使用Mamdani推理和狙击兵年代规范和t范数,输出如图7。
defuzzifying员工的知识,表现程度是0.7038。抽样程序测量员工的知识表现提出了模糊专家系统如图8。
用户界面
在许多情况下,令人失望的历史,推理系统已经可以追溯到缺乏尊重用户。努力成功的系统使用操作技术和决策过程用户舒适。否则,沮丧的用户将会关闭系统,迅速回到他们旧的做事方式。用户界面必须至少能够显示和更新系统消息或问题结果好了解地(21]。提出了评估专家系统的知识资本,一个用户提供交互式界面,获得的信息从他们公司通过问问题。在图9一个视图的显示了员工的知识资本评估小组。
4所示。案例研究
评估的适用性提出了模糊专家系统,实现在一个工业公司,它的活动是设计、来源、组装、安装、和委员会控制系统,精密仪器,电力系统发电厂以及采矿和加工工业。本公司拥有大量不同领域的专家,和智力资本起着重要的作用。因此,使用一个专家系统帮助经理处理,并高效地理解知识资本的地位是非常重要的在这个公司。
最初经理回答系统,以确定性能问题的程度和重要性程度的每一项使用语言术语(见表3)。
每个元素的总性能是由性能度乘以重要性程度的每个元素。因此,智力资本对一个公司的整体业绩的总和等于所有元素的总性能的程度。
整体员工的知识是0.3593度结果的乘法的表现程度和重要性程度的员工的知识。根据员工的知识模糊集(类似于图30.3593),属于“低”模糊集与0.2035会员价值,属于“媒介”与0.7965成员值模糊集。因此,员工的知识资本的公司中(0.7965 > 0.2035)。员工的性能或人力资本业绩评价通过员工的知识员工的创新,员工的满意度,员工的流动率。大学学历、年龄、培训成本和能力发展计划用于评估员工的知识。数量的专利,数量的新产品介绍在过去的12个月里,和成本的研究和开发用于评估员工的创新性。通过添加更多的因素到每个项目,员工的表现会更精确地评估。
整体性能的智力资本总和的每个元素的脆程度= 3.7989(规模划分的。如果所有的知识项目公司的最佳程度,知识资本的整体性能将11)。
所有之前的工作评估知识资本是基于专家判断的知识条目。专家评估每个知识条目使用语言变量。这样的评价很大程度上取决于专家的概念对知识条目,从而导致misevaluation在许多情况下,最后不可靠的结果。所以,最好是确定影响每一个知识项目的指标。这样,一组规则集定义连接每一项指标,通过专家评价指标,每个知识项评估。本文提出了专家系统使用一组规则来评估公司的智力资本项目性能更可靠的结果,并提供公司独立于个人的判断。
5。结论和未来的工作
本文提出了一种基于规则的专家系统模糊揭示和评估整体表现程度的智力资本。提出通过使用专家系统,管理人员可以了解企业情况在每一项知识资本,即使他们不知道每一项是什么意思,他们也了解每一项很重要的决策。此外,使用语言术语项评价导致更准确的判断。最近提出的模型(3]问专家的表现程度和重要性程度的每个知识资本项目。这样,总有风险,专家的每一项都没有一个清晰的概念,他/她的判断会做一些不准确。因此,使用模糊专家系统可以帮助专家来提高他/她的判断是有用的。
建议未来的研究是关注不同的隶属度函数的语言术语来找到最好的一个。最后,模型被视为未来扩展开放和发展,特别是扩展通过添加更精确和详细规则专家系统更准确地评价智力资本绩效。