基于模糊神经网络的模具产品报价系统

　　一、报价系统概论

　　产品报价是指被讯价方根据自身所处市场环境、生产、经营、管理现状等因素而针对讯价方所指定的产品及其特殊的功能需求所报出的价格。产品报价是一种复杂而有重要的经济行为。产品报价的高低好坏有利于报价双方能面对面坐下来并经多次商讨而确定产品的成交价格并最终达成协议，签订合同。产品报价[1]，特别是比较复杂的产品报价，如模具产品报价，需要许多领域人员的协调工作，如技术、财务、商务等，必须考虑各种结构化和非结构化的因素。其中结构化因素如技术参数、结构参数、工艺参数、制造成本、费用分配比例等比较易于确定的因素。而非结构化因素如最终利润率、赢得订单的几率等，则需要考虑企业内外环境等各种不确定因素。从信息系统角度来考虑，整个报价过程是一个信息流动和信息处理的过程，包括信息的产生、传递、处理、存储；具有很复杂的信息流，涉及到销售、经营、设计、会计、生产计划、采购等等。

　　目前国内外开发的报价系统依其功能可大致分为五类，即商务型报价系统、生产型报价系统、工程型报价系统、投标型报价系统和集成型报价系统。工程型报价系统实际上是产品选型、初步设计加成本估算，其最终报价的形成有待提高；商务型报价系统，是在技术报价的基础上，对产品价格进行分析、计算、结合价格变化趋势预测的结果，确定合适的产品价格。其全部价值是基于产品成本而做的加价判断或推理。二者各自突现了自己的重点，如前者对报价的结构化问题处理较好，而后者对报价所涉及的非结构化因素研究较为深刻。

　　二、模具产品的报价

　　模具产品的报价是一个非常复杂的过程。但从单纯的仅考虑结构化因素的技术报价来看。

　　框一、功能分解与评价：

　　根据客户提供的工件图纸及交货期限、或其他特殊的要求分析工件的结构特征、工艺参数等因素，提取有用信息。

　　框二、产品方案设计：

　　根据功能评价所提供的有用信息及交货期限等，考虑自身的生产、经营、管理现状，确定合理的方案。主要有工件排样、模具类型选择、压力机参数估算选型等。

　　框三、结构设计：

　　根据设计方案确定模具的合理结构和大致尺寸，同时选定模架形式等。

　　框四、成本估算：

　　根据工厂积累的有关经验数据（如外构件的价格、人工费用、材料费用、费用分配比例等）和以往开发同类产品的报价经验，由结构设计和方案设计所得的有关信息，估算产品成本。

　　框五、历史经验资料、数据：

　　为方案、结构、成本估算提供各种所需的资料、数据。包括各种工具书、国家标准、材料费用表、人工费用表、费用分配比例、以往开发经验及相关数据等非常有用的各种信息。

　　当然，产品报价还需根据自己所处的环境考虑一定的非结构化因素，在以上产品成本估算的基础上进行报价决策，从而得出最终报价。

　　三、模糊神经网络：

　　自80年代末以来，在国际上掀起了一股强劲的研究模糊系统与模糊神经网络理论与技术的热潮。有些国际著名学者断言：模糊逻辑系统玉神经网络相结合的技术——神经模糊技术将是21世纪的核心技术。该技术所对应的网络成模糊神经网络。

　　模糊逻辑系统，一般来说，是指那些与模糊概念和模糊逻辑有直接关系的系统。模糊逻辑系统有着极其广泛而又重要的应用。因为对绝大多数的应用系统而言，其重要信息有两种：来自传感器的数据信息和

　　来自提供系统性能描述的专家信息即语言信息。数据信息通常用数字表示，如0.56、7.3等，而语言信息可用文字表示，如“大”、“小”、“很相似”等。客观世界中，人类大量的知识是用语言形式来表达。语言信息中通常含有大量的模糊术语。其原因有三：①人们发现有模糊术语来交流和表达知识常常方便而有效；②人们对许多问题的认识在本质上是模糊的；③许多实际系统尚很难用准确的术语来描述。因此尽管语言信息并非十分准确，但却提供了应用系统的重要信息。有时甚至是了解应用系统的唯一来源。模糊神经网络系统由于能有效利用语言信息而成为当今研究的热点。

　　神经网络是被相互连接起来的处理器节点矩阵，每个节点是一个神经元，这是对人大脑神经细胞的简单近似模拟。每个神经元接受一个以上与权因子相乘的输入，并把这些输入加到一起去产生输出。神经元可被分层安排，第一层接受基本输入，然后传递其输出至第二层，第二层又有其权因子和代数和等，直到最后一层输出。神经网络本质上市模糊的，与传统处理信息的方法相比，有如下两个优点：①神经网络是自适应和可以训练的，即其具有自调整功能，自动调整权值直到期望输出。②其结构本身决定其是大规模并行机制，可快速处理大量数据。

　　由于神经网络主要是数据的处理，其对语言信息的处理比较欠缺；而模糊逻辑系统尽管能有效处理语言信息，但其对大型数据的处理功能不强。模糊逻辑系统模仿的是人脑的逻辑思维，而神经网络模仿的是人脑神经元的功能，两者各有千秋，详见表一：

　　表一、模糊逻辑系统和神经网络的比较

　　名称组成应用范围优点缺点

　　神经网络多个神经元连成的网络映射任意函数关系，用于建模估计等并行处理强，容错能力强，有自学习能力和知识性知识表达困难，学习速度慢
模糊逻辑系统模糊规则模糊推理控制难以建立精确模型而凭经验可控制的系统处理不确定信息，可利用专家经验难以学习，推理过程模糊性增加

　　如果把两者相结合，就能各取其长，共生互补。从而进行人脑结构和功能的模拟——大脑神经网络“硬件”拓扑结构 + 信息模糊推理“软件”思维功能。

　　两者结合的方式很多，常见的有：

　　① 以与、或运算代替神经网络中的sigmoid函数；

　　② 神经网络的权值是模糊量；

　　③ 神经网络的输入是模糊量；

　　④ 神经网络的输入和权值是模糊量；

　　⑤ 以上各种形式的复合。

　　四、课题的构想：

　　一个产品的报价应该是一个企业在现有实际生产条件下的报价，应该是一个企业实际市场环境、实际生产能力、技术水平、生产经营管理现状等的综合体现。更重要的是其应该能反映本企业自身的特色（其往往是一个企业奈以生存和发展的基石）。而以往在实际生产中产生和积累的经验数据资料往往是企业在一定条件下以上各种因素的综合反映，有很强的代表性，因而如果指定合适的考核指标，提取有用的相关的数据作为样本，便可以较好的反映该企业的特色，反映其结构化和非结构化的因素，为新产品的报价提供良好的依据。同样，对新工件进行功能分解，大多数能在以往样本中找到相似的功能单元，进行相似的方案和结构设计，因此利用以往实际工作中的典型数据为样本，通过功能分解，结构比较，合理报出新产品的价格，在技术和原理上是可行的。

　　主要功能模块说明：

　　1．相似信息输入

　　由于模糊神经网络的输入可以是语言信息，因此可用“相似”、“非常相似”、“不相似”等模糊信息来表达两个产品间的相似信息。

　　2．模糊神经网络

　　在语言信息输入后，利用其模糊推理规则，把其转化为模糊神经网络能接受的数据信息，进行加权运算，并在不符合精度要求时进行自学习调整，直到得到期望输出为止，然后报出产品价格。

　　五、本课题的难点和着眼点

　　本课题的难点和着眼点在于：

　　1．如何找出合适的考核指标，捕捉新产品与样本之间的有用信息。这是准确报价的基础。

　　2．如何设计模糊神经网络，使其能正确处理语言信息，同时对差异进行自调整，直到得到期望输出为止。

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。