基于ERP系統(tǒng)的行政事業(yè)單位全面預(yù)算管理應(yīng)用研究

盧 宏

(亳州職業(yè)技術(shù)學院 管理系,安徽 亳州 236800)

ERP系統(tǒng)是行政事業(yè)單位會計中重要的數(shù)據(jù)分析系統(tǒng)之一[1]。通過數(shù)據(jù)描述事物間的相似性和差異性，從而方便人們掌握事物的內(nèi)部規(guī)律[2]。ERP系統(tǒng)是行政事業(yè)單位全面預(yù)算管理中常用的系統(tǒng)，因其具有應(yīng)用廣泛、收斂速度快、能擴展等優(yōu)點被人們廣泛研究及應(yīng)用到各領(lǐng)域[3-4]。現(xiàn)實生活中，許多問題不僅要計算出其極值,還要得出其最優(yōu)值[5]。傳統(tǒng)算法已經(jīng)不能同時滿足解決更多問題，在這種情況下許多學者對相應(yīng)缺陷進行了大量研究，進行了不同的改進[6]。

本文提出了基于ERP系統(tǒng)的行政事業(yè)單位全面預(yù)算管理法。該方法著重解決ERP系統(tǒng)的初始化和搜索全局最優(yōu)中心值的問題，同時滿足不易陷入局部最優(yōu)問題；行政事業(yè)單位全面預(yù)算管理目標是將數(shù)據(jù)集中所有點看做是數(shù)據(jù)中心點從而尋找到更好的數(shù)據(jù)中心。實驗結(jié)果表明CBMLAI能夠達到良好的尋優(yōu)和搜索性能，并得到了滿意的數(shù)據(jù)結(jié)果,很好地彌補了傳統(tǒng)全面預(yù)算管理的不足。

一、基于ERP的數(shù)據(jù)流程分析

ERP是一種比較新型的信息管理系統(tǒng)，它主要的應(yīng)用領(lǐng)域涉及許多不同市場以及不同級別的組織部門，利用自身比較強大的數(shù)據(jù)庫資源和可視化人機交互界面操作系統(tǒng)，能夠高效地進行不同部門以及公司行政管理資源的需要，使得行政管理部門可以高效率地進行各種活動計劃以及實時反映企業(yè)單位的數(shù)據(jù)信息。進而實現(xiàn)對其企業(yè)行政資源的有效管理。

如今在計算機應(yīng)用領(lǐng)域中對數(shù)據(jù)信息的處理方法越來越多，數(shù)據(jù)信息管理也逐漸的在社會生產(chǎn)實踐中使用，在許多的分析數(shù)據(jù)算法中如何確定一種高效、實用性強的算法已經(jīng)成為數(shù)據(jù)信息管理研究者比較注重的問題，“結(jié)構(gòu)化分析”就是一種符合數(shù)據(jù)信息管理的方法，它可以對各種大型化數(shù)據(jù)進行分析，特別是企業(yè)的行政管理全面預(yù)算管理方面。世界上很多跨國大企業(yè)使用的預(yù)算管理系統(tǒng)采用結(jié)構(gòu)化分析的方法，通過仔細的考察和分析國際上通用的預(yù)算方案的數(shù)據(jù)信息管理流程，綜合以往的業(yè)務(wù)流程過程，融入ERP管理模式，可用圖1的流程圖來分析全面預(yù)算管理信息系統(tǒng)。

圖1 預(yù)算管理信息系統(tǒng)的流程圖

二、ERP系統(tǒng)數(shù)據(jù)優(yōu)化過程

本文將DFA與K-means有效地結(jié)合起來改進得到CBMLAI。DFA應(yīng)用到求解數(shù)據(jù)問題中，每個ERP系統(tǒng)的位置代表一組初始中心解，ERP系統(tǒng)的全面預(yù)算管理能力取決于待優(yōu)化數(shù)據(jù)的適應(yīng)度函數(shù)。適應(yīng)度最好的個體則作為K-means的初始數(shù)據(jù)中心，進行精確尋優(yōu)，進一步找到最優(yōu)的預(yù)算管理系統(tǒng)和最優(yōu)的系統(tǒng)數(shù)據(jù)。通過這種轉(zhuǎn)換,既能夠保證預(yù)算管理問題解的可行性,又無須修改ERP系統(tǒng)操作。

算法1 :CBMLAI執(zhí)行過程如下：

輸出：k個數(shù)據(jù)集,每個數(shù)據(jù)集包含的數(shù)據(jù)子集。

(1)初始化ERP系統(tǒng)信息數(shù)據(jù)；

(2)循環(huán)以下過程當達到最大搜索次數(shù)終止運算管理；

2.更新相對全面預(yù)算管理能力并記錄預(yù)算管理能力最強的ERP系統(tǒng)?位置和數(shù)據(jù)結(jié)果，決定ERP系統(tǒng)的預(yù)算管理能力；

3.若當前預(yù)算管理能力最強的ERP系統(tǒng)超出預(yù)算額度,則進行隨機擾動，更新ERP系統(tǒng)的位置和預(yù)算額度；

4.解碼最優(yōu)適應(yīng)度值的個體得到數(shù)據(jù)中心值，該數(shù)據(jù)中心為K-means算法的初始中心；

5.執(zhí)行K-means算法；

6.計算試圖替換后的目標函數(shù)值，最終替換為更小的目標函數(shù)值。

(3)輸出結(jié)果

CBMLAI算法的時間復雜度為O(n)2，n是ERP系統(tǒng)數(shù)目。

三、ERP系統(tǒng)下CBMLAI的實現(xiàn)

針對ERP系統(tǒng)中原有的固定值a在搜索解的過程中算法精度低，易陷入局部最優(yōu)解的問題。通過下式計算行政事業(yè)單位全面預(yù)算管理大小：

(1)

其中：α′為ERP系統(tǒng)每一代的ERP系統(tǒng)因子，D(ci)t+1為ERP系統(tǒng)信息數(shù)據(jù)移動后的數(shù)據(jù)集間距離的和。

在優(yōu)化中，對于一個類數(shù)據(jù)集來說，它的數(shù)據(jù)集間距離的和反映了該數(shù)據(jù)集的聚合程度。定義如下：

D(ci)=dist(x-ci)2

(2)

對ERP系統(tǒng)位置更新,公式為

(3)

其中：β′為預(yù)算額度，α′為ERP系統(tǒng)因子，新的預(yù)算額度公式如下：

β′=βmin+(β0-βmin)e-γrij

(4)

fitness=min(dist(-ci)2)

(5)

其中，dist(-ci)2是樣本x到對應(yīng)數(shù)據(jù)中心的距離。

四、實驗結(jié)果與分析

(一) 實驗相關(guān)設(shè)置

本文選用UCI作為數(shù)據(jù)庫，C語言編程環(huán)境實現(xiàn)算法，并且采用了3個不同數(shù)據(jù)規(guī)模的數(shù)據(jù)集來驗證改進后的算法的有效性。測試集信息如表1所示。

表1 數(shù)據(jù)集信息統(tǒng)計表

(6)

其中，n是數(shù)據(jù)集的樣本數(shù)，error是每一次實驗數(shù)據(jù)結(jié)果的錯誤率，Class(i)是標準數(shù)據(jù)集的數(shù)據(jù)結(jié)果集，Cluster(i)是實驗結(jié)果數(shù)據(jù)集。

魯棒性指標可直接用多次實驗結(jié)果的均方差來參考，計算公式如下：

(7)

其中：mean為算法多次運行得到的平均值，R是該問題的真實最優(yōu)值。E越小，魯棒性越高。

(二)實驗結(jié)果與分析

CBMLAI與K-means、DFA(DFA-Kmeans)進行比較。不同行政事業(yè)單位全面預(yù)算管理性能結(jié)果如表2至表4所示。

表2 Iris數(shù)據(jù)集實驗結(jié)果

表3 Glass數(shù)據(jù)集實驗結(jié)果

表2和表3中已經(jīng)表明K-means、DFA、CBMLAI數(shù)據(jù)誤差，所得到的結(jié)果證明了所提出的方法的準確性和效率。本方法與其他方法相比可以減少數(shù)據(jù)管理誤差。加入ERP系統(tǒng)后的DFA,在準確率上得到提高、錯誤率范圍最小，表明了本文算法的穩(wěn)定性優(yōu)于K-means。同時由表1～3可以看出，數(shù)據(jù)結(jié)果的準確度也受數(shù)據(jù)類型和維數(shù)的變化而影響。Iris數(shù)據(jù)集的數(shù)據(jù)效果最好，而Glass數(shù)據(jù)集本身的數(shù)據(jù)屬性較為復雜，數(shù)據(jù)間的差異度大，所以得到的數(shù)據(jù)結(jié)果準確度低。同一算法優(yōu)化不同的數(shù)據(jù)集，整體來說CBMLAI的數(shù)據(jù)結(jié)果最為滿意，比K-means和DFA有更好的效率。

為了直觀的看到不同算法的收斂速度和信息數(shù)據(jù)進化，比較K-means、DFA和CBMLAI，表明CBMLAI數(shù)據(jù)效果更好，繪制出尋優(yōu)過程,如圖2、圖3所示。

圖2 Iris數(shù)據(jù)集尋優(yōu)曲線

圖3 Glass數(shù)據(jù)集尋優(yōu)曲線

由圖2、圖3的適應(yīng)度進化曲線可以看出，本文CBMLAI算法在收斂早期根據(jù)信息數(shù)據(jù)最優(yōu)的ERP系統(tǒng)預(yù)算額度所有ERP系統(tǒng)個體全局尋優(yōu)且保持一個高的收斂速度；CBMLAI算法還保持DFA原有的特點，并能利用數(shù)據(jù)大小收縮跳出局部最優(yōu)，彌補了DFA算法的不足，整體表現(xiàn)著較快的收斂速度及較高的收斂精度，算法性能最優(yōu)。K-means雖然尋優(yōu)速度最快，但隨著數(shù)據(jù)復雜程度的增加，尋優(yōu)效果表現(xiàn)的差強人意。

五、結(jié)語

本文針對行政事業(yè)單位全面預(yù)算管理問題，利用ERP系統(tǒng)較強的隨機搜索性，解決了K-means對初始數(shù)據(jù)的依賴，提高了算法穩(wěn)定的尋優(yōu)能力。通過在算法中加入ERP系統(tǒng)，有效防止了算法陷入局部最優(yōu)值,提高了捕獲到全局最優(yōu)值的可能性，并提高了算法的求解精度。因此，改進后的預(yù)算管理方法更有效。

[參考文獻]

[1] Ciais, P., Gervois, S., Vuichard, N., Piao, S.L., & Viovy, N..Effects of land use change and management on the european cropland carbon balance[J].Global Change Biology, 2015，17(1)：320-338.

[2] Ramos, C.M., Nardi, N.M., Brito, Z.P., Bove, A., Delgado, G., & Cervera, R., et al.Integration of signal processing methods into eeg/erp system[J].Medicine, 2011， 85(2)：95-104.

[3] Fu, H., Pel, A.J., & Hoogendoorn, S.P.Optimization of evacuation traffic management with intersection control constraints[J].IEEE Transactions on Intelligent Transportation Systems, 2015，16(1)：376-386.

[4] Rojek, I., & Jagodziński, M.Hybrid artificial intelligence system in constraint based scheduling of integrated manuDFActuring erp systems[J].Journal of Infectious Diseases,2012，125(3)：229-240.

[5] Mcbane, S.E., Dopp, A.L., Abe, A., Benavides, S., Chester, E.A., & Dixon, D.L., et al..Collaborative drug therapy management and comprehensive medication management-2015[J].Pharmacotherapy, 2015，35(4)：39-50.

[6] Zandi, F.A bi-level constraint-oriented outsourcing framework for orchestration of an erp system[J].International Journal of Production Research, 2014，52(1)：130-148.