基于人工神經(jīng)網(wǎng)絡(luò)的非標(biāo)產(chǎn)品制造成本估算研究

詹月林ZHAN Yue-lin

（鹽城工學(xué)院，鹽城224051）

0 引言

生產(chǎn)成本評(píng)估是工業(yè)管理活動(dòng)中的一個(gè)重要問(wèn)題。通常情況下，成本的計(jì)算可被分類為預(yù)先計(jì)算，中間計(jì)算，后計(jì)算。前計(jì)算涉及估計(jì)未來(lái)成本，中間計(jì)算在產(chǎn)品開(kāi)發(fā)周期內(nèi)進(jìn)行了成本控制的目的，而計(jì)算后，包括成本核算方法，用來(lái)確定實(shí)際成本作為未來(lái)預(yù)算數(shù)據(jù)。由于產(chǎn)品生命周期成本的很大一部分被定義在設(shè)計(jì)階段，因此在新產(chǎn)品開(kāi)發(fā)過(guò)程中廣泛采用。然而，在這種情況下，通常用來(lái)提供合適的成本計(jì)算方法必需的數(shù)據(jù)，只有不完整的或不確定的產(chǎn)品描述的數(shù)據(jù)[1]。

由于神經(jīng)網(wǎng)絡(luò)能以期望的精度逼近任何非線性函數(shù)，并且它具有自學(xué)習(xí)、自組織、自適應(yīng)、并行處理和容錯(cuò)等功能，因而可以較好的應(yīng)用于產(chǎn)品生產(chǎn)成本估算。

1 成本估算方法分類

從方法論的角度來(lái)看，成本估算，可以分為定性或定量的方法。如圖1。

圖1 估算方法分類

定性的方法依賴于專家判斷和經(jīng)驗(yàn)啟發(fā)式規(guī)則，定量的方法，可進(jìn)一步分類納入統(tǒng)計(jì)的模型，相似模型或生成分析模型。參數(shù)成本模型屬于傳統(tǒng)的統(tǒng)計(jì)方法，統(tǒng)計(jì)標(biāo)準(zhǔn)是用來(lái)確定因果聯(lián)系和關(guān)聯(lián)成本和產(chǎn)品特性，以便取得與一個(gè)或多個(gè)變量的。統(tǒng)計(jì)方法可以依靠公式或替代辦法連結(jié)產(chǎn)品特性，以成本為例，如回歸分析或優(yōu)化方法已被廣泛地應(yīng)用，人工神經(jīng)網(wǎng)絡(luò)也被用來(lái)統(tǒng)計(jì)方法，這要?dú)w功于它們有能力進(jìn)行分類，總結(jié)和推斷的數(shù)據(jù)集合。人工神經(jīng)網(wǎng)絡(luò)模型接受輸入形狀描述和語(yǔ)義的產(chǎn)品特性，并作為輸出產(chǎn)品的成本。搜索引擎優(yōu)化也利用人工神經(jīng)網(wǎng)絡(luò)和統(tǒng)計(jì)相關(guān)性在生命周期成本概念設(shè)計(jì)階段使用[2]。人工神經(jīng)網(wǎng)絡(luò)會(huì)表現(xiàn)出更好的線性回歸模型。類似的方法，而不是找出一個(gè)類似的產(chǎn)品，用成本信息來(lái)估計(jì)未來(lái)成本，調(diào)整產(chǎn)品成本之間的差異。類似的模型，從而推斷出相似的成本結(jié)構(gòu)，功能或產(chǎn)品功能之間的幾何相似。例如，作為一個(gè)多維特征空間中的點(diǎn)之間的距離測(cè)量。生成的分析方法是最準(zhǔn)確的，描繪出實(shí)際的產(chǎn)品制造過(guò)程中。生產(chǎn)過(guò)程的詳細(xì)分析和分解成單一的制造業(yè)務(wù)進(jìn)行，分析特定模型估計(jì)每個(gè)處理階段的成本歸因于資源消耗的貨幣價(jià)值的技術(shù)參數(shù)的基礎(chǔ)上的特征的操作。自下而上的方法，然后利用適當(dāng)總在制造過(guò)程中所產(chǎn)生的成本，通過(guò)各成本項(xiàng)目的總和。一個(gè)詳細(xì)的模型使用的勞動(dòng)時(shí)間和價(jià)格的估計(jì)，材料、數(shù)量和價(jià)格的產(chǎn)品或活動(dòng)，估計(jì)直接成本、間接成本。

2 傳統(tǒng)估算方法

在大型非標(biāo)產(chǎn)品的情況下，經(jīng)常不解析建模的實(shí)際制造過(guò)程，而是分配給每個(gè)工作中心的過(guò)程計(jì)劃涉及每小時(shí)的成本，估計(jì)各成本中心的資源利用時(shí)間。

在這種情況下，一般的成本模型如下：

Cp是最終產(chǎn)品的成本，CMP是原材料成本，n是工作中心的數(shù)量，λi是第i個(gè)工作中心每小時(shí)的直接成本，Ti在每個(gè)成本中心制造的小時(shí)數(shù)所考慮的產(chǎn)品。使總費(fèi)用和間接費(fèi)用為每個(gè)產(chǎn)品參考時(shí)間的總時(shí)間，其制造過(guò)程中利用公司的資源配置。λGi值的計(jì)算可以用下面的公式進(jìn)行[3]：

CAi是第i個(gè)工作中心的工作時(shí)間，TAi是每年各工作中心總的工作時(shí)間。

在每個(gè)成本中心的制造時(shí)間的估計(jì)仍然是一個(gè)艱巨的任務(wù)，留給成本部門的經(jīng)驗(yàn)和歷史數(shù)據(jù)的依賴。估計(jì)誤差是相當(dāng)重要的，一些歷史數(shù)據(jù)不可用。由于經(jīng)常發(fā)生在工程師對(duì)按訂單生產(chǎn)的任何產(chǎn)品和過(guò)去不同，因?yàn)樗怯煽蛻舻囊?guī)格和設(shè)計(jì)的。這種傳統(tǒng)的方法是對(duì)制造時(shí)間的估計(jì)[4]。

因此，利用標(biāo)準(zhǔn)時(shí)間的方法是相當(dāng)困難的，在投標(biāo)階段，許多需要精確估計(jì)到工作中心的數(shù)據(jù)是沒(méi)有的，必須從過(guò)去的經(jīng)驗(yàn)中得到，但是，由于是非標(biāo)產(chǎn)品，極有可能缺乏具體的經(jīng)驗(yàn)，進(jìn)一步增加了時(shí)間和成本的不確定性。這種不確定性導(dǎo)致以下問(wèn)題：報(bào)價(jià)風(fēng)險(xiǎn)，與失去投標(biāo)報(bào)價(jià)的可能性。

針對(duì)這個(gè)問(wèn)題，下面介紹一種基于人工神經(jīng)網(wǎng)絡(luò)的估算方法。

3 ANN成本建模

人工神經(jīng)網(wǎng)絡(luò)的信息處理模型的基本計(jì)算的數(shù)量單元（神經(jīng)元）相連的的加權(quán)連接。人工神經(jīng)網(wǎng)絡(luò)對(duì)一組訓(xùn)練數(shù)據(jù)是能夠自學(xué)習(xí)，并進(jìn)行分類，聚類，函數(shù)逼近和控制任務(wù)。特別是，神經(jīng)網(wǎng)絡(luò)被認(rèn)為是“普??遍回歸工具”能夠逼近任意連續(xù)函數(shù)，利用在成本估算應(yīng)用。在特定的神經(jīng)網(wǎng)絡(luò)非參數(shù)估計(jì)，這意味著要作出任何假設(shè)的形狀近似函數(shù)訓(xùn)練前。這是一個(gè)很大的實(shí)用優(yōu)勢(shì)，因?yàn)樗?jié)省了時(shí)間和費(fèi)用成本，專家需要提供適當(dāng)類型的函數(shù)參數(shù)成本。

多層感知器網(wǎng)絡(luò)已被用作此配置提供了最好的結(jié)果作為函數(shù)逼近，而嘗試和錯(cuò)誤的過(guò)程中已經(jīng)定義了的詳細(xì)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。事實(shí)上，網(wǎng)絡(luò)結(jié)構(gòu)可以有顯著影響的估算精度。但神經(jīng)網(wǎng)絡(luò)理論尚未提供控制變量的最優(yōu)設(shè)置，適用規(guī)則和拓?fù)浣Y(jié)構(gòu)[5]。

圖2 人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖2表示出了在使用的神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)。人工神經(jīng)網(wǎng)絡(luò)的輸入包括所有的產(chǎn)品特征變量的值（在0-1的范圍內(nèi)歸一），而單一的輸出是歸一化所需的制造時(shí)間。定性變量具有離散非線性數(shù)值，如材料的類型（碳鋼或不銹鋼），生產(chǎn)工廠標(biāo)識(shí)（現(xiàn)場(chǎng)＃1或＃2）型減速器（圓錐形，圓形，錐形，無(wú)減速機(jī)），頭形狀（橢圓形，半球形，不存在）和類型的支持（懸臂，立柱）被分配預(yù)定義的數(shù)值在0-1的范圍內(nèi)。人工神經(jīng)網(wǎng)絡(luò)模型在Matlab數(shù)值計(jì)算環(huán)境訴諸專用神經(jīng)網(wǎng)絡(luò)工具箱實(shí)施。網(wǎng)絡(luò)培訓(xùn)的一個(gè)子集的數(shù)據(jù)庫(kù)，代表在類似的情況下，所遇到的可能的數(shù)據(jù)集的大小[6]。

開(kāi)展的培訓(xùn)過(guò)程中，在估計(jì)的制造時(shí)間，得到百分比誤差訓(xùn)練集，如圖3所示。

圖3 百分比誤差（ANN訓(xùn)練集）

整體的計(jì)算方法描繪在圖4和5中。

圖4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程

圖5 ANN實(shí)施階段

4 結(jié)論

為了評(píng)估兩個(gè)成本核算方法，現(xiàn)借用對(duì)某一船舶估算結(jié)果，如表1。

表1 總體估算誤差比較

在面對(duì)成本估算的問(wèn)題上，模擬的選擇要根據(jù)不同的產(chǎn)品或過(guò)程，具體的資料和案例。另外，選擇還取決于各自的優(yōu)點(diǎn)，不同方法的局限性和能力。

統(tǒng)計(jì)或類似的模型也被稱為“'lump-sum”的方法[7]，因?yàn)樗麄儾豢紤]生產(chǎn)過(guò)程的特點(diǎn)，或不顯示詳細(xì)的成本結(jié)構(gòu)。事實(shí)上，這種方法試圖建立一個(gè)整體的相關(guān)性（稱為CER，成本估算關(guān)系）的總制造成本和成本影響產(chǎn)品特性（即變量之間的相關(guān)產(chǎn)品的配置或物理特性，如重量，尺寸等，可作為成本動(dòng)因）的關(guān)系。

統(tǒng)計(jì)方法的神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)是，它們可以有效地推斷和概括。數(shù)據(jù)模型之間的功能關(guān)系是隱藏的或不能以多項(xiàng)式的形式表示，不了解變量之間的函數(shù)關(guān)系。神經(jīng)網(wǎng)絡(luò)具有的優(yōu)點(diǎn)是不需要詳細(xì)定義了單一的制造過(guò)程的階段和神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)自適應(yīng)，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集可擴(kuò)展新的數(shù)據(jù)成為可用的變化來(lái)反映或在制造業(yè)務(wù)性能的提高和相關(guān)資源，得到一個(gè)連續(xù)的知識(shí)獲取。

[1]Verna Allee.Reconfiguring the value network[J].Theory in Action,Jul./Aug.,2000:36-39.

[2]Dorian Selz.Value Webs-Emerging forms of fluid and flexible organizations[D].Dissertation St.Gallen,#2310,Difo-Druck,Bamberg,1999.

[3]David Bovet and Jaseph Martha.Valuenets-breaking the Supply Chain to Unlock Hidden Profit[M].New York:John Wiley&Sons,Inc，2000.

[4]黃文權(quán).機(jī)械制造產(chǎn)品成本估算方法研究及應(yīng)用[D].杭州：浙江大學(xué)機(jī)械工程學(xué)系，2003.

[5]焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論[M].西安：西安電子科技大學(xué)出版社，1990.

[6]Ralph G Kauffman,Peter T L Popkowski Leszczyc.An optimization approach to business buyer choice sets:How many supplier should be included[J].Industrial Marketing Management,2005,34:3-12.

[7]常偉，劉文劍，許之偉等.基于人工神經(jīng)網(wǎng)絡(luò)的工藝知識(shí)表示方法的研究[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2000，32(3)：132-136.