高时间估计的精度；文献[5]的结论说明支持向量机模型对学习样本的数量要求远低于模糊神经网络模型，样本的数量对精度影响不大，适用于小样本情况。
1.2 并行工程产品开发计划制订
文献[6]提出了一种新的活动组网络模型，着重描述由于下游设计发现上游设计的错误而导致的设计迭代, 同时也体现上游设计活动对下游设计活动进度的影响。该模型关注上下游设计活动之间存在重叠的情形, 而不是纯粹的串行或平行的情形。在并行工程模式下, 项目的每个阶段都可以用若干组相互重叠的设计活动(包括产品设计活动及其相关的过程设计活动)来描述，因此产品开发项目就可以yongshe计活动组(组内包含若干相互重叠的设计活动)构成的网络来描述如图1。
文献[6]也给出了一种分枝定界算法解决此最优问题，在分配给各项目的资源确定时，调整分配的资源数量，最小化完成时间的同时使平均资源利用率不低于一个给定值。为了更好地模拟现实中的情况，又引入了扩展随机高级判断Petri网模型来描述实际生产中存在的生产设计过程的中断，该模型和算法能够较zhenshi的反映和解决实际生产中的问题。
1.3 并行工程产品开发的团队组织
文献[7]使用一个整数规划模型描述产品开发团队zuzhiwenti，在这一模型中, 考虑了团队组织的几个主要原则, 即已完成的产品开发设计活动和当前设计活动的相似性, 开发人员的技术水平, 创新能力, 管理能力及产品开发设计活动对开发人员数量和工作负荷的要求，并使用Tabu搜索算法解决了这个问题。
2 项目规划与团队组织系统的总体设计
本系统主要由三部分组成：产品设计时间估计，产品开发计划制订，产品开发团队组织。其中后一步的计算都需要用到前一步的结果。具体结构如图2。
2.1 产品设计时间估计模块的设计
产品设计时间估计模块主要作用是根据各产品设计过程所具有debutong特征，对比从样本库中学习到的规律，估计其完成设计活动所需要的时间。
作为整个系统的第一步，设计时间估计的精度对后两个模块计算的准确性有着相当大的影响。由于设计时间估计的精度很大程度上依赖于学习样本的数量和质量。考虑到用户并不一定拥有大量的高质量样本，所以提供了两种算法供用户选择。模糊神经网络模块对样本数量的敏感性比较强，样本数量越多精度越高，随着样本数量的减少精度的下降速度比较快；支持向量机模块则偏向于小样本情况，其精度随样本数量的减少下降不明显。
为了用户录入的方便和输出结果的统一，两个模块共用同一输入输出界面。设计时间估计的统一输入为影响产品设计时间的各方面的特征描述，例如产品的复杂程度，某些部分对整体的重要性，工艺精度的要求等，其中有部分量为数值型，另一部分为模糊型。该输入可以由用户经验得到，也可以由其他方式例如QFD质量屋评估得到，为此系统提供了相应接口，只要输入fuhe格式要求即可无缝结合。由于考虑到用户输入量比较大，或者数据有可能来自于其它程序得到得数据文件，所以在输入方式上考虑有手工输入和文件导入两种方式并存。所有输入作为独立的表存入数据库中，用户通过前台程序对数据库进行操作。
无论是模糊神经网luomo块还是支持向量机模块均包含产品设计时间训练和产品设计时间计算两部分。
2.1.1 产品设计时间训练
此部分主要功能是对样本进行学习和训练，模拟出其内部的规律。由于此部分需要处理daliangdeyang本数据，jinxingfu杂的迭代运算，所以耗费时间比较长，经测shizaiPIII733MHZ，256兆内存的机器上，使用微软的.net平台，对应于46组样本的模糊神经网络训练需要50秒左右；对