引言
项目管理的可持续发展依赖于管理知识(包括经验和技术等等一切有价值的信息)的采集、积累、发现与传递。岗位是项目管理中的核心要素。由于岗位是人员与任务连接的桥梁。因此岗位管理是项目管理的重心,岗位知识是项目管理知识的核心内容。岗位知识来自两个方面:一是既往的经验知识,即成熟知识,是用以指导岗位工作的知识。随着项目管理学科体系及实践管理体系的完善与发展。这部分知识将主要来自统一规范的知识库。二是实践知识,是在具体岗位操作过程中动态采集的知识。这两个方面的知识对岗位而言可以理解为从上到下的和从下到上的知识。其中从下到上的知识是项目管理的知识来源.是项目管理发展的基础。如何有效地采集实践知识,并有利于知识的有效存贮、积累、挖掘和再利用,是项目管理研究的重要内容。
1 岗位Agent
Agent是具有目标、知识和能力的独立实体。岗位Agent是实现岗位功能的Agent,它将岗位功能分解,并通过一个个Agent去实现。在本文中,一个Agent实现一项功能,岗位功能通过多Agent系统完成。这是从管理角度和项目实现计算机系统管理的需要出发考虑的。具有特定功能的Agent的内部有着不同的结构,以实现不同的功能目标。随着项目管理的深入和要求的提高,Agent的设计会越来越复杂。但对具体的目标而言,复杂性不会太高。
1.1 利用岗位Agent实现知识的智能采集
智能采集的意义是指对知识的自动感应接收、自动存贮记忆、自动反馈分发。实现知识智能采集的岗位Agent必须是一个具备相应内部结构和工作机制的装置。这个装置可以是虚拟的,也可以固化为实体。从发展的眼光来看,这个装置以虚拟为佳,即以软件包或者子程序模块的形式存在。这样,随着管理需要的延伸,软件升级更新更为低廉迅捷,也更容易适应动态需求的变化。另外,虚拟岗位Agent的内部设计可以无限制地深入和细化.实际上其内部是一组有机结合的子程序集,内部功能可以无限发展。与外界的联系通过程序链接实现,使岗位Agent智能化程度不断提高,并且这种智能性的增加必然具有自组织性。具体的岗位Agent的内部结构如图1所示。
1.2 多Agent系统的构成
处理任何一项任务与岗位之间的协作,都需要调用多个Agent来完成。多Agent系统内部各个Agents间以某种特定的关系联接存在,主要有并列、排序、组合、嵌套、随机等关系。具体来说,并列是指各个Agent之间没有先后次序,其中一个被调用,就意味着其它的也将被调用,但任何一个Agent都没有优先权;排序是指各Agent的调用具有一定的先后顺序,其中一个被调用就意味着下一个被调用的Agent已经确定;组合是指各Agent间的关系不是单一的,可能是并列的,也可能是排序的,还可能是其它关系;嵌套则是指各Agent之间是包含与被包含的关系,虽然在设计上一个Agent实现一项功能,但是功能的划分是变动的。而且若干个Agent在一起又可能实现某一项功能,在这种情况下,各Agent形成一个“大”Agent,它们之间的关系就是嵌套;随机是指各Agent之间没有必然的逻辑联系,是岗位在具体实践过程中可能调用的Agent群体。对于一个大型项目而言,在由整个项目的Agent群体构成的多Agent系统内部,各Agent的关系必然是随机的,不能保证哪个Agent一定被调用,以什么关系被调用。
2 基于自组织神经网络的项目管理协作模式
2.1 自组织神经网络
自组织特征映射网络(SOM)是由芬兰赫尔辛基大学神经网络专家Kohonen教授于1981年提出的,这种网络模拟大脑神经系统自组织特征映射的功能,采用竞争学习规则,在学习中无监督地进行自组织学习。它的主要特点和优点是:能将任意输入模式在输出层映射成一维或者二维离散图形.并保持拓扑结构不变:在竞争层中将分类结果表示出来;经过反复学习,连接权矢量空间分布能反映输入模式的统计特征。上述特点是以自组织神经网络为基础和依托建立项目管理协作模式的必要条件。
2.2 基于组织神经网络的项目管理协作模式
协作通常表现为人与人之间的协作、行为与行为之间的协作,事实上可以统一地视为岗位之间的协作。岗位是人员与任务之间的桥梁,行为是人员与岗位结合后为完成岗位任务而作出的反应和举动。以岗位为核心的协作模式将更有利于项目的全面深入管理,也更易于实现项目过程管理的系统化、软件化。岗位协作模式涉及到3个方面的问题:一项任务的完成由什么岗位参与、岗位的参与程度、岗位之间的协作关系。基于自组织特征映射神经网络的协作模式研究必须综合反映上述3个方面的问题.其具体的实现方式关键在于:一是设立岗位Agent作为SOM网络的输入层;二是将岗位作为输出层和竞争层;三是输入输出层之间的连接权值反映岗位Agent对相应岗位而言的重要性程度。如图2所示,其中,w表示输入层岗位Agent和输出层岗位之间的连接权值。
图2 自组织网络建立协作模式结构
结合管理实践的需要,建立项目管理协作模式的自组织网络工作步骤与学习规则如下:
(1)确定输出层岗位数量m和输入层岗位Agent数量n。针对一项任务的协作,首先是进行任务的分解,这里分解是指将任务划分为以岗位为承载体的单元。一项任务的完成是一系列岗位之间的协作。对任务的分析可以确定完成任务所需要的岗位数量,这就是输出层岗位的数量m;对任意一个岗位i(i=1,2,K,m)进行功能划分,设计相应的岗位Agent。设计的目的是使Agent具有智能采集、处理、反馈或者输出相关信息的能力。这样。完成一项任务所需要的岗位功能全部分解完毕.并且岗位Agent的数量就是输入层神经元的数量。输入输出层神经元数量的确定,事实上是项目管理过程中日常必需的计划管理工作,是任务分配、落实、实施与完成的前提。
特别地,岗位Agent作为自组织神经网络(SOM)的输入层神经元,可以使整个SOM完全智能地进入项目管理系统。也使SOM智能地从项目管理系统中采集信息,并自动输入到SOM中。这可以保证SOM的知识发现与项目进程同步,并伴随项目的进展而不断获得知识更新。知识发现模型与项目进程同步的重要价值还在于,项目的一次性导致项目既无完全的先验信息指导,项目过程的失误也无从弥补。因此。与项目同步发现的知识可以有效而及时地指导项目的进行,保证项目获得最充分及时的引导。
(2)初始化连接权值埘。埘的赋值考虑的是被岗位调用的岗位Agent对于岗位的重要程度,wji(j=1,2,K,n;i=1,2,K,m)的赋值区间是[0,1],重要性越强赋值越大。
(3)自组织神经网络的学习模式以二进制规则提供给网络的输入层。即当岗位Agent被调用时,输入神经元赋值为1,否则为0。Pk=(Pk1,pk2,pkn)代表一个学习模式,任意一个岗位的一次活动构成一个学习模式。网络学习模式的数量q理论上应当等于在任务履行期间所有参与任务完成的岗位上所发生的所有活动的数量之和Q。活动的划分越细,Q值越大;q值越接近Q值,则网络反映的协作关系越为精细,越接近和反映实际协作情况。在实际学习训练中,q值根据研究的精度确定。
对输入学习模式进行归一化处理:
(9)令t=t+l,返回步骤3,直到t=T。
训练结果是指:最终获胜的输出层神经元是协作关系中居于核心地位的岗位,它反映的是所有参与协作任务的岗位在任务进行时间段内(也是网络学习模式采集时间段内)的相对综合地位与作用。不同考察时间段内的核心岗位一般是不同的,而且事实上所有岗位在任务进行过程中在协作关系上的地位与作用都在不断地发生变化,这与实际情况相符合。如果学习模式的采集是按照任务进行的时间顺序安排的.则网络的学习训练过程就反映了这一变化过程,每个岗位在任务进行过程中的位置都在不断发生变化,最后获胜的神经元(也就是核心岗位)是一个综合判断结果。自组织神经网络训练的结果可以明确地反映出各岗位间的协作序列,在以获胜神经元为中心的竞争邻域内,随着网络学习过程的深入,岗位在任务进行过程中的地位和作用不断发生变化,岗位的综合作用逐渐表现出层次序列,距离获胜神经元越近的神经元所代表的岗位,在整个任务中的作用越重要。处于同一个竞争邻域内的岗位。其重要性程度相近,属于同一协作序列。网络训练结束后的结果反映的是岗位在整个训练过程中的综合重要性程度。
3 基于自组织神经网络(SOM)项目管理协作模式的应用
3.1 项目管理环境分析
项目管理系统是SOM的支持系统和工作环境。一方面,项目以及项目管理系统的特点决定着建立在其上的知识发现模型的特点;另一方面,建立合理有效的知识发现模型又制约着项目以及项目管理系统的运行方式。其中有两个关键点:一是及时性。项目信息需要及时采集,知识发现需要及时完成;二是完整性。项同信息采集要能够全面动态地反映项目的实际存在状况,知识发现所需要的项目信息能够全面立体地进入知识发现模型。前者离不开Agent辅助作用。后者主要依赖以岗位为核心的项目管理系统。综合地说,岗位Agent在项目管理系统中的作用是非常巨大的。特别是在基于SOM的项目管理协作模式中,岗位Agent是SOM知识发现模型与项目管理系统连接的接口:岗位Agent既是SOM的输入层神经元,又是项目管理系统的运行单元(见图3)。
图3 知识发现模型与项目管理环境间的接口关系
(1)项目要能够被项目管理系统完整刻画,这是建立知识发现模型的基础。项目是复杂的,应该真实全面地刻画项目;项目是动态的,应该跟踪刻画项目的变化;选择岗位去刻画整个项目经历了一个比较复杂的选择过程,简单地说,主要应考虑人员的流动性、任务的可变性等等因素。只有岗位对于具体的项目是同定的,而且岗位是人员与任务之间连接的桥梁,才可以将项目按照岗位进行分解,将岗位固定下来,并保持到项目的终结,以完整反映项目的体系结构和发展变化。同时,按照分解任务的需要可以随时凋整岗位组合,而不会影响已经完成的以岗位概念来刻画的项目的结构和内容。此外。刻画项目的岗位要成为项目管理系统的有效控制环节:在项目管理运行系统中必须是整个动态系统信息流的统一入口和出口,这样才能保证项目管理系统获得统一、全面、动态的信息。项目运行系统才能将项目管理系统发出的信息传递到合适的运行位置而没有遗漏;必须保证项目管理系统内部各管理子系统的正常协调运行,即岗位还必须是管理子系统管理流程的有机组成部分。
(2)项目信息要及时进入项目管理系统和知识发现模型。实现的办法就是利用岗位Agent,将岗位功能分解,由Agent分别实现。由于Agent本身同有的智能性和灵活性,可以使项目的岗位管理更加机动,进而使整个项目的管理有更大的智能化发展空间。比如,岗位Agent可以使原来的工序优化走向功能优化,提高整个项目管理系统的优化程度,对提高项目管理效率意义重大。最后,知识发现所需要的信息要能够全面、立体、动态地进入并且存储于模型SOM中,这一点是通过神经网络本身的大规模并行存储与处理功能实现的,神经网络也是一种合适的非线性的存储器。总之,以岗位为核心的项目管理系统是SOM模型有效工作的项目管理环境,否则知识发现从信息来源到知识的再利用上都得不到渠道上的保证。这是最根本的也是最基础的信息源管理。
3.2 应用实例分析
只有在项目进行过程中,才能真实发现项目的管理协作模式。项目的管理协作行为表现为某一时刻岗位间的协作关系.但是发现协作关系必须研究一定时间段内的协作行为。假定项目的生命周期为T,t是项目生命周期内的任意时刻,在[0,t]区间内,当t取不同的值时,所发现的项目协作关系是不同的。这一点非常容易理解,即在项目的不同阶段,项目协作关系是不同的,协作关系本身是随着项目的进行而发展变化的,在某一个时间段内居于中心位置的岗位可能在另一个时间段内被闲置起来,一定时间段内的项目协作关系是对此时间段内综合情况的反映。这从一个侧面说明,研究项目管理协作模式要考虑时间样本空间,发现协作模式这一知识应当是动态的.有关项目信息的采集必须及时,否则知识发现可能与项目本身脱离,也就谈不上利用所发现的知识对该项目及时进行引导与指导了。
现假定某项目在进行到一定阶段时内部岗位数设置为9个,也即SOM网络的特征映射网络层内神经元的个数为9。为原始真实地反映项目管理的协作模式,岗位设置的规则是:只增不减,即需要设立的岗位增加,一旦岗位不需要则保留岗位位置,只不过该岗位不再被调用。换言之,岗位与岗位Agent之间联接的权值为0。为简便起见,设计输入层神经元数目为2,即参与协作的相关岗位的职能统一划分为两个岗位Agent承担.这两个岗位Agent 以是单一的Agent,也可以是Agent包(或者说是Agent群,即由多个Agent组成的复合Agent)。将发现项目管理协作模式的考察时间段划分为几个区间,每个区间内采集一次样本数据,则相应地SOM网络有n个输入模式。输入模式中每个输入神经元的取值范围可以为{0,1},也可以是[0,1]中的给定值。网络权值和输入模式均采用随机赋值,而且不考虑映射层中神经元之间的相互影响。应用MATLAB6.5中的神经网络工具箱,可以便捷地显示出网络自组织学习与映射分类的过程和结果。
图4 SOM神经网络结构
按照图4所示的结构训练网络,假定网络训练步长为1 000,当输入模式为(0,1)时,岗位1胜出;当输入模式为(1,1)时,岗位7胜出,当输入模式为(1,O)时,岗位2胜出。胜出的岗位就是项目管理协作模式中的核心岗位。事实上,当岗位功能被细致地分割并且由岗位Agent承担时,SOM中输入层神经元的数量将是巨大的,输入模式及网络权值将能够充分发现项目管理的协作模式,即准确定位核心(或者核心层)岗位、各岗位之间的亲疏关系、岗位在协作模式中的参与程度等。综合考虑特定时间段内的输入模式,则可以找到在该时间段内的综合项目管理协作模式。
4 结束语
本文在建立和分析岗位Agent工作机制的基础上,以自组织特征神经网络SOM为依托,建立了项目管理协作模式的知识发现模型。目的是通过对项目信息的及时与智能化采集,建立健全项目信息的管理机制,并在此基础上建立与项目进程同步的知识发现模型:项目管理协作模式的发现模型。协作是任何项目管理活动中不可或缺的要素,项目管理活动中有谁参与、如何参与、参与程度和效果如何等等对于项目管理的成败都有着举足轻重的作用。文中有关项目管理协作模式的发现还建立在如下观点基础之上:协作行为表面上是人与人、任务与任务之间的协作行为,事实上是岗位之间的协作行为。协作之所以会发生,本质上是因为岗位之间的协作需求,人之所以会去参与协作或者得到其他人的协作,依据的是其所在岗位的职责和权限,离开岗位谈协作是没有实质意义的。
CIO之家 www.ciozj.com 公众号:imciow