NeuralComput

1、Neural Comput & Applic (2014) 25:717726DOI 10.1007/s00521-014-1546-8 在沖壓模具成本估算上運用的人工神經(jīng)網(wǎng)絡(luò)Burcu Ozcan . Alpaslan FiglahReceived: 4 May 2012 / Accepted: 4 January 2014 / Published online: 14 January 2014 Springer-Verlag London 2014摘要 :盡管神經(jīng)網(wǎng)絡(luò)（ANN）在圖像識別和預(yù)測領(lǐng)域更廣為人知，但是近年來成本預(yù)測已成為其另一個新興的領(lǐng)域。在這次研究中，曾試圖建立一個預(yù)

2、測鈑金沖壓模具全部成本的智能系統(tǒng)。用至今仍在公司運用的傳統(tǒng)方式去估計沖壓模具的成本的同時，檢測人工神經(jīng)系統(tǒng)和多遠回歸分析以及三種成本估算模型的執(zhí)行。這樣的檢測基于某些特定的數(shù)據(jù)，這些數(shù)據(jù)來自于以前的成本數(shù)據(jù)和使用中的很多的關(guān)鍵標(biāo)準(zhǔn)，這些標(biāo)準(zhǔn)是七大模具生產(chǎn)公司的聯(lián)合組織的各個水平上的經(jīng)驗豐富的模具制造者工程師決定的。ANN系統(tǒng)比傳統(tǒng)的線性回歸分析模型和估算模具損耗的傳統(tǒng)方式表現(xiàn)更好。因此，使用人工網(wǎng)絡(luò)系統(tǒng)模型很可能讓沖壓模具生產(chǎn)公司獲得相當(dāng)精確的預(yù)測和確定的標(biāo)準(zhǔn)。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)，成本估算，回歸分析，沖壓模具1. 引言 最近，很多公司面臨著重大的挑戰(zhàn)，這些挑戰(zhàn)包括全世界競爭者的成就，市場占有

3、率的變化和新產(chǎn)品引入市場的速度。因此，不準(zhǔn)確的成本估算將可能導(dǎo)致災(zāi)難性的經(jīng)營方式的決策。相反，當(dāng)成本估算正確時，公司的資產(chǎn)就具有強大的競爭力。所以，成本預(yù)測應(yīng)該取決于定量的方法而不是定性的方法。 文獻1-3上有許多成本估算方法。成本估算技術(shù)主要分為定性成本估算和定量成本估算，如圖1所示。 成本估算定量方法*分析法*類比法*統(tǒng)計法 定性方法*專家決策*推斷 圖1.成本估算方式 定性法:這種方法取決于一種推斷的形式，即經(jīng)驗原則，是為了獲得解決問題的快速結(jié)果，是專家和研究人員4-7為解決問題做決定的捷徑。 推斷法提供了有價值的結(jié)果，但這種依賴于舊認(rèn)知的方法可能不能辯別變化中的情況,并且只在已建立的知

4、識范圍內(nèi)才適用。它們幾乎都建立在專家的能力上。定量法：定量法又被分為統(tǒng)計模型，類比模型或者生成分析模型2，10.統(tǒng)計法分為兩大類：參數(shù)和神經(jīng)網(wǎng)絡(luò)（NN）。在參數(shù)法中，產(chǎn)品特性以能用公式表示的參數(shù)（影響因素）體現(xiàn)，成本預(yù)測以產(chǎn)品特性為基礎(chǔ)。例如，回歸分析 和最優(yōu)化方法已被廣泛運用。在超過40年時間里，由于準(zhǔn)確的數(shù)學(xué)經(jīng)驗，回歸分析都被用于成本預(yù)測。這項技術(shù)至今都在很多不同領(lǐng)域14-17用來做成本估算。在人工神經(jīng)網(wǎng)絡(luò)（ANN）的方法中 ，明確的輸入變量被加權(quán)并融合成輸出變量（成本）。因此，當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成以后，就運用這個網(wǎng)絡(luò)去預(yù)測成本。 類比法是把類似產(chǎn)品分類，回收成本信息并且通過類比來進一步 預(yù)測成

5、本，以此來控制大多數(shù)產(chǎn)品的成本。它們因此能通過產(chǎn)品性能在函數(shù)和幾何上的相似之處來推測成本結(jié)構(gòu)上的相似之處2，19。這項技術(shù)被工廠用來生產(chǎn)小型件和標(biāo)準(zhǔn)件20。由于在不同的工程流程的恰當(dāng)運用，產(chǎn)品特征與四種成本產(chǎn)生因素有關(guān)：幾何形狀，材料，進程，生產(chǎn)計劃21。簡言之，成本是通過其他產(chǎn)品相似之處估計的8。生產(chǎn)成本預(yù)測是一個包含不同生產(chǎn)過程的數(shù)據(jù)分析方法為基礎(chǔ)的。直接和間接成本每個過程都有。在分析方法里，成本是通過每個獨立的有計劃的損失之和求值的8。成本被影射到產(chǎn)品的各個部分，被稱為模塊化成本，而且活動成本受做成本相關(guān)的產(chǎn)品家族設(shè)計決策時的改造影響。對每一個產(chǎn)品開發(fā)系統(tǒng)，采用不同的成本估算方法。在產(chǎn)品

6、設(shè)計和發(fā)展的早期階段，使用直觀的方法將更加方便。由于直觀的成本估算是熟練能力的產(chǎn)物，它將是沒有計劃，沒有跟蹤過程的。當(dāng)粗糙的維度好概念在最終產(chǎn)品上出現(xiàn)時，模擬方法可以提供有用的信息24。 然而，從成本角度上看，基于其他產(chǎn)品的相似之處而得到的成本是不可靠的。參數(shù)化的方法有很多優(yōu)勢，因為每個組件的成本效應(yīng)可以很容易分析。所有特征都是詳細參數(shù)化，并且允許我們通過定義每個組件如何影響成本來得到功能。當(dāng)所有關(guān)于最終產(chǎn)品的信息都知曉時分析方法就可以使用，最終產(chǎn)品意味著這個零件設(shè)計就是生產(chǎn)目的。這一階段之后，開始批量生產(chǎn)。在這種情況下，工具制造商必須確定他們的工作能力，預(yù)算和制造一個給定項目的時間。估計加工

7、成本和在產(chǎn)品開發(fā)過程的早期階段準(zhǔn)備競爭報價是很重要的。當(dāng)公司有廣泛和多樣化的產(chǎn)品范圍時，這個過程有很多困難。和新產(chǎn)品相比，準(zhǔn)備已制造的產(chǎn)品的競爭報價要相對容易。在模具是否制造之前，我們提出一個針對準(zhǔn)備獨立競爭報價的沖壓模具制造商的模型。在第1部分，是對成本估算的文獻調(diào)查。第2.1部分是成本項目的非傳統(tǒng)方法解釋。2.2部分描述了被推薦的且包含成本要素和成本微調(diào)參數(shù)的ANN體系結(jié)構(gòu)。2.3部分給出了多遠線性回歸方程，在2.4部分進行模型的結(jié)果比較。第3部分是模型和結(jié)果總結(jié)。2.沖壓模具成本估算本研究的主要假設(shè)是，通過人工神經(jīng)網(wǎng)絡(luò)技術(shù)，可以為沖壓模具在早期設(shè)計階段開發(fā)出成本估算模型。因此，數(shù)據(jù)樣本是

8、從7家具有20多年的沖壓模具生產(chǎn)經(jīng)驗的公司收集的。可以說使用了非常準(zhǔn)確的規(guī)劃系統(tǒng)。當(dāng)公司接到訂單時，每個部門都已準(zhǔn)備就緒并且很詳細的知道該做什么。從某些角度來說，這可能會被視為企業(yè)的劣勢。這是因為做同樣的工作好多年，企業(yè)可能會有盲區(qū)。長時間的做同樣的工作，人們就會無法看到他們的錯誤。在我們的實驗中，公司利用分析方法給成本所需的報價。然而，在生產(chǎn)早期階段，使用由預(yù)測制造時間和所需材料而得到成本分析方法并不方便。這是因為在開始預(yù)測工具成本時，可能會有毛坯或者信息不足。在這種情況下，公司就會使用從相似的零件或組件上得到的已有技術(shù)和舊的業(yè)務(wù)信息。這么做時就會面臨一些風(fēng)險，因為設(shè)計中沒有出現(xiàn)期望中的變化

9、，這種變化被稱為工程變量。從成本工程的角度看，工程變量的管理是相當(dāng)重要的。業(yè)務(wù)來自于對問題的要求（RFQ）。從客戶手上收到RFQ后，項目管理部門準(zhǔn)備一個全球工作時間并提交從客戶到公司所有部門的全部數(shù)據(jù)。某些特定工作需要時間和成本的影響。一般來說，這些數(shù)據(jù)包含3D CAD數(shù)據(jù)和一些生產(chǎn)的限制和條件。在3D CAD數(shù)據(jù)中我們將發(fā)現(xiàn)沖壓的部分材料，厚度和所有部分的工程性質(zhì)。如果沒有，就做一些假設(shè)。從項目管理部門得到所需信息后，模具過程團隊準(zhǔn)備沖壓件所需的初步模流程并決定這個工作所需的工程工時。CAD團隊使用初步模工藝流程表來計算設(shè)計模具和給予毛坯沖壓模具尺寸和重量所需的工程時間。CAM團隊還定義了他

10、們的工時需求。車間規(guī)劃團隊準(zhǔn)備詳細的時序并估計生產(chǎn)成本（材料，標(biāo)準(zhǔn)件，機械加工，裝配，選拔賽，測量，測試，等等）。項目管理團隊收集上面提到的所有信息和準(zhǔn)備一個完整的報價。有些團隊在計算或估算制造成本時會考慮材料成本，工作，合作，設(shè)計，制造，測試，測量和運輸?shù)鹊某杀?5。成本估計和預(yù)測的準(zhǔn)確性主要取決于隨最終產(chǎn)品變化的可變成本二不是最終成本。2.1 傳統(tǒng)的成本預(yù)測方法 在公司，當(dāng)準(zhǔn)備一套模具費用時才會用到這種分析方式。甚至成品的CAD數(shù)據(jù)是在一個非常早期的階段，或者一個非常詳細的時間，成本并不能放映所有的成本組件。當(dāng)一些數(shù)據(jù)丟失，就做假設(shè)。對于這些支出，所有的單位成本以每小時的薪水為基礎(chǔ)來定義。

11、下一步是做一個公司所有成本的詳細分析。在公司里有下面五種主要支成本：* 材料成本：包括鑄鐵鐵材料成本，鋼鐵材料成本，聚乙烯泡沫塑料成本，標(biāo)準(zhǔn)件成本，凸輪裝置成本，點單位成本，氣彈簧成本，配適器板成本，自動化成本，嘗試材料成本和檢查固定成本。* 資源成本：CAD成本聚苯乙烯泡沫塑料數(shù)控成本,模具數(shù)控成本、計劃成本、制造成本模式,預(yù)備加工成本、粗加工成本,完成加工成本、裝配和組裝成本,發(fā)現(xiàn)成本、激光切割成本、表面硬化成本,3 d CMM成本質(zhì)量和過程的研究成本,供應(yīng)商工具嘗試成本和其他資源的使用成本。* 間接成本：硬件和軟件維護成本,機器保養(yǎng)成本、管理和工程成本、培訓(xùn)成本、保費和保修費用。* 攤銷

12、成本：建筑攤銷成本，機器放置攤銷成本。* 外部成本：調(diào)試成本、包裝成本、運費和保險費用 沖壓模具的制造總成本是這些單獨的成本的總和。根據(jù)分解公司的沖壓模具成本估算的分析方法，表1顯示了這些成本的百分比。2.2提出了成本估算的ANN模型ANN模擬生物神經(jīng)網(wǎng)絡(luò),可以被認(rèn)為是并行信息處理系統(tǒng)。ANN開發(fā)是如事件的信息之類的例子。因此，各種例子的概括，到目前為止看不見的事件，都能產(chǎn)生解決方案36。人工神經(jīng)網(wǎng)絡(luò)的主要應(yīng)用領(lǐng)域中包括分類預(yù)測建模，此外,還有這樣的優(yōu)勢,它不需要數(shù)學(xué)模型,不需要規(guī)則庫,并擁有學(xué)習(xí)和自組織能力27。ANN是一個包括許多相互連接的被稱為神經(jīng)元的處理元素的計算系統(tǒng)。起初，隨機值可以

13、分配網(wǎng)絡(luò)權(quán)重，即w。一個示例的每種情況都可以“加載”在網(wǎng)絡(luò)的輸入層,輸入節(jié)點只是將這些值發(fā)送到輸出節(jié)點。每個輸出節(jié)點計算輸入的加權(quán)和,即凈值,使用權(quán)重賦值到連接。神經(jīng)元的輸出或激活價值是由傳遞函數(shù)決定。重量值由指定學(xué)習(xí)規(guī)則調(diào)整28。ANN被應(yīng)用于各種領(lǐng)域,比如在金融、軍事和醫(yī)療保健行業(yè)的應(yīng)用。普遍在這些領(lǐng)域中的接受檢測。這種方法應(yīng)用于執(zhí)行評估,分類、數(shù)據(jù)關(guān)聯(lián)、數(shù)據(jù)篩選、識別和匹配,識別和解釋這些功能。人工神經(jīng)網(wǎng)絡(luò)用于預(yù)測時使用網(wǎng)絡(luò)提供的信息,預(yù)測輸出值?？梢耘e例,比如天氣預(yù)報29、30,股票市場31、32,匯率33,能源需求和系統(tǒng)34、35和時間序列36、37。在這項研究中,我們試圖以能估算的

14、鈑金沖壓模具制造和相關(guān)科目的總成本的智能系統(tǒng)來結(jié)束。領(lǐng)域的成本估算和回顧總結(jié)如下: 表1 沖壓模具成本百分比 公司 材料 資源 直接 攤銷 外觀 代碼 成本 成本 成本 成本 成本 1 36 21 12 28 3 2 43 22 6 27 2 3 42 24 10 23 1 4 45 23 4 26 2 5 40 24 10 24 2 6 39 21 11 28 1 7 41 24 10 23 2 平均值 41 23 9 25 2張和Fuh38根據(jù)這些特性（材料類型，印刷板，印刷特性和生產(chǎn)需求）確定了包裝商品的的有效功能成本。共有17個樣品測試數(shù)據(jù)被用于ANN技術(shù)并且17個中的15個都是成功的

15、。因此ANN技術(shù)在設(shè)計階段是成功的。 在鋼管的設(shè)計階段,ANN接收CAD數(shù)據(jù)作為輸入15。彎曲數(shù)量,軸的數(shù)量,管道的內(nèi)部和外部直徑、彎曲部位和和管道尾部之間的距離都是成本估算輸入因素。與回歸分析相比，它將得到更好的結(jié)果?？缀蚇ahavandi39分析了金屬機加工過程中關(guān)鍵的操作,比如工具階段。這個過程包含大量不確定性比如準(zhǔn)備,維護和故障。因此,很難估計成本。我們使用ANN與理論模型創(chuàng)建了刀具壽命和維修計劃。工具參數(shù)、橫向進給材料參數(shù)和工藝條件的機器被用來作為輸入層參數(shù)，刀具磨損狀態(tài)和使用類型作為輸出層參數(shù)。本研究展示了成功的結(jié)果,是從其他研究成果上出發(fā)的。Cavalieri et al .40

16、檢查了參數(shù)和ANN閘盤技術(shù)在汽車行業(yè)的成本和估計了單位生產(chǎn)成本。原始磁盤重量,材料的種類、數(shù)量和鑄造核心的類型,磁盤的類型和幾何形狀是確定成本的動因,然后,對結(jié)果進行了比較。 Kim et al.17估計了建設(shè)項目的成本。相比其他技術(shù)(MRA-multiple回歸分析、CBR-case-based推理),ANN技術(shù)能更精確的估計,而CBR技術(shù)在持久性上有更好表現(xiàn)。 Gunaydin and Dogan 41在建筑領(lǐng)域使用了ANN技術(shù)估算成本。確定了八個設(shè)計參數(shù)（建筑總面積，標(biāo)準(zhǔn)層面積占建筑總面積之比，底層面積占建筑總面積之比，樓層層數(shù)，建筑的控制臺方向，建筑物的地基系統(tǒng)，建筑的樓層類型，核心建

17、筑的位置)，而ANN在運作時有7%的錯誤率。 Caputo和Pelagagge42使用ANN和參數(shù)分析，預(yù)測了有大型復(fù)雜結(jié)構(gòu)的壓力容器的生產(chǎn)成本。影響成本參數(shù)變量是產(chǎn)品類型，減速器的類型，建筑設(shè)施，減速器的軸向長度，材料類型，每個減速器的薄板和熱處理數(shù)量。所得到的結(jié)果是令人鼓舞的，結(jié)果表明，神經(jīng)網(wǎng)絡(luò)要優(yōu)于其它方法。 Cos et al.43研究了三種不同的方法（PPR投影尋蹤方法，局部加權(quán)回歸多項式方法和ANN），以提高金屬部件的準(zhǔn)確性。八個因素被確定為影響參數(shù)。據(jù)觀察，人工神經(jīng)網(wǎng)絡(luò)能給出比其他方法更好的結(jié)果。 在Verlinden et al18重量的部分，片材厚度，邊框的長度和寬度，輪廓長

18、度，孔的數(shù)量和彎曲的方向被確定為用于金屬板的成本估算的輸入數(shù)據(jù)。根據(jù)結(jié)果，人工神經(jīng)網(wǎng)絡(luò)能給出比回歸分析更好的結(jié)果。 Duran et al. 44研究了一個準(zhǔn)確的成本估算，在早期設(shè)計階是否可能在熱交換上運用ANN。因此，設(shè)計參數(shù)，外殼直徑，管徑，后排頭部因素和固定頭系數(shù)確定為ANN的輸入層。研究結(jié)果表明，神經(jīng)網(wǎng)絡(luò)技術(shù)可以保證低錯誤率的條件下預(yù)測復(fù)雜的問題。 Sonmez 45 利用有自舉區(qū)間的ANN技術(shù)分析了建設(shè)成本。確定了總共21個輸入11個輸出。在本文中，神經(jīng)網(wǎng)絡(luò)的自舉預(yù)測區(qū)間給出了建筑成本的范圍估計。一種綜合模型被展示出來。 ANN在文獻中是作為一種廣泛使用的估算技術(shù)。甚至，有大量的各種

19、應(yīng)用領(lǐng)域，但并沒有實現(xiàn)在模具成本估算上的運用。本研究提出直接影響一個沖壓模具成本的正確因素和所提出的方法成功的預(yù)測結(jié)果，并且可以看出，該結(jié)果與文獻類似。ANN是用于模具的成本估算一個很好的選擇，它擁有自學(xué)習(xí)能力，容錯能力，處理不完全信息的能力，以及處理模糊數(shù)據(jù)的能力。 該算法的主要步驟如下，在圖2中給出了工序圖。 步驟1：通過頭腦風(fēng)暴 確定輸入和輸出變量 步驟3：劃分該數(shù)據(jù)集分成兩個子集：訓(xùn)練和測試 第6步：計算實際產(chǎn)出和ANN模型輸出之間的誤差 步驟5：通過運行ANN估計輸入和輸出之間的關(guān)系步驟4：單次單因子（OFAT）實驗，以確定最佳的神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu) 第2步：收集數(shù)據(jù)集，規(guī)范所有數(shù)據(jù) 圖

20、2.人工神經(jīng)網(wǎng)絡(luò)成本估算方法的工藝流程圖 步驟1 所提出的ANN模型有建模、訓(xùn)練和測試階段。它包括數(shù)據(jù)的檢查，成本預(yù)測的的參數(shù)定義和網(wǎng)絡(luò)結(jié)構(gòu)和規(guī)則和選擇。在我們的例子中，八個項目被考慮作為ANN的輸入。這些成本組分是一個使用頭腦風(fēng)暴法的公司多次會議后確定。從各個部門各個層面的人員都但加了這些會議。項目細節(jié)的說明如下：1. 模具種類 由沖壓模具沖壓得到的零件要么是覆蓋件要么是汽車的一個結(jié)構(gòu)件。這種差異決定了模具的種類。A類沖壓模具用于覆蓋件，而B類模具用于結(jié)構(gòu)件。因此，我們有兩種類型模具種類。對于A類沖壓模具，要求經(jīng)驗更豐富的工藝，以獲得沖壓板第一類表面，在推出期間需要更多試用以得到滿意的面板。

21、2. 覆蓋件尺寸 這一因素直接影響模具的尺寸。在我們的例子中，三種尺寸分別被定義為小型，中型和大型覆蓋件。模具尺寸的增加意味著在制造中會使用更多的鑄造材料。 3. 覆蓋件孔數(shù) 在沖壓模具中使用的標(biāo)準(zhǔn)或特殊的凸模和襯套都是固定成本。4. 覆蓋件復(fù)雜性 在發(fā)行階段，工時和試用設(shè)施隨覆蓋件的復(fù)雜性的提高而提高。在這個案例中，這些因素被確定為簡單，中等和困難的覆蓋件。在一輛車中，車身覆蓋件如外機罩頂，或前后門，和大的車身側(cè)外覆蓋板更難以沖壓并需要更復(fù)雜的操作。結(jié)構(gòu)件，如鐵軌，也需要復(fù)雜的沖壓操作。5. 覆蓋件材質(zhì) 到現(xiàn)在為止，所有的項目共使用了六種不同的材料類型。覆蓋板所用的高強度材料將需要更多的工程

22、技術(shù)和更多的試用工作用在沖壓模具上來克服回彈效果和材料變薄的問題。 6. 覆蓋件材料厚度 材料厚度的增加意味著更堅固或更強的金屬模具，在沖壓模具中將需要更多的鑄造材料。這也將增加成本。7. 模具中凸輪單位數(shù)量 沖孔和剪切在沖壓方向需要凸輪單位才不會被切斷或刺穿，這是沖壓模具的額外成本。此外，在沖壓模具中沖孔 、削減法蘭和翻轉(zhuǎn)角時需要凸輪單位。8. 總的生產(chǎn)時間 在公司里，每件事每個單位都有其每小時的成本，他們對成本的有直接影響。 所提出的模型包括了傳統(tǒng)模具的成本，但也有間接的關(guān)系。例如，對于需要高的表面靈敏度A類組件，在傳統(tǒng)模式下的資源成本就會很高。類似地，隨著覆蓋板尺寸增大，傳統(tǒng)模式定義的資

23、源和材料成本將上升。ANN和傳統(tǒng)模式的成本項目之間的其它關(guān)系如圖3所示。 該模型包括傳統(tǒng)模式間接成本的不同組合，它也包含額外的投入。因為在設(shè)計過程中，與傳統(tǒng)模式相比，它更容易預(yù)測成本項目，所以作為ANN模型的輸入時，它能更方便的使用這些項目。 因此，所推薦的模型已被設(shè)計成包含一個有8個神經(jīng)元的輸入層和有一個作為成本預(yù)算的神經(jīng)元的輸出層，輸入層的8個神經(jīng)元與8個輸入因素分別對應(yīng)（圖4）。 步驟2 在模型的訓(xùn)練階段中使用的觀測數(shù)量沒有一般化的規(guī)則;然而，應(yīng)選擇為訓(xùn)練而采集的觀測用來代表人口46。每一個因素的變化幅度都是確定的。該模型可以在意外情況的情況下進行修訂。新的數(shù)據(jù)可以增加，并且該網(wǎng)絡(luò)可根據(jù)

24、新的數(shù)據(jù)38重新訓(xùn)練。為了有效地工作并提高模型的性能，數(shù)據(jù)被歸一化到一個0-1的標(biāo)度47，48。在這項研究中，將歸一化值是通過輸入向量的值除以每個值而獲的： x = x / X 其中，x是輸入值中，x是新輸入的定標(biāo)值，并且X是輸入向量的大小。 ANN模型 傳統(tǒng)模型 模具種類 材料 材料 材料成本 覆蓋件尺寸 覆蓋件孔數(shù) 資源成本 覆蓋件復(fù)雜性 間接成本 覆蓋件材質(zhì) 覆蓋件材料厚度 攤銷成本 模具中凸輪單位數(shù)量 外部成本 總的生產(chǎn)時間圖3 ANN模型與傳統(tǒng)模型的成本項目系 圖四 所推薦的模型體系結(jié)構(gòu)和權(quán)重 模具種類 -0.1991 覆蓋件尺寸 0.2111 覆蓋件孔數(shù) -0.2304 沖壓模具成

25、本 覆蓋件復(fù)雜性 0.1799 覆蓋件材質(zhì) 0.8282 -7.4116 覆蓋件材料厚度 -0.4199 隱藏3.2829 輸出 7.427模具中凸輪單位數(shù)量 0.0346 總的生產(chǎn)時間 -7.032 步驟3 數(shù)據(jù)被分為兩組：一組用于訓(xùn)練模型，另一組用于規(guī)范被訓(xùn)練的模型的性能。共有85的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)和其他15%數(shù)據(jù)被用于確定該模型的有效性。 步驟4 對于權(quán)值和閾值，這取決于動量變化的值。TRAINGDM被用作訓(xùn)練功能而 LEARNGDM被用于函數(shù)的學(xué)習(xí)。學(xué)習(xí)初始值和動量系數(shù)的確定是和網(wǎng)絡(luò)學(xué)習(xí)的性能密切相關(guān)的。學(xué)習(xí)率確定權(quán)重的改變量。如果選擇一個較大的值，則糾纏網(wǎng)絡(luò)的局部解和振蕩會被提及。選

26、擇較小的值會增加學(xué)習(xí)時間。經(jīng)驗表明，在0.2和0.5的值經(jīng)常使用49，50。以類似的方式，動量系數(shù)影響著學(xué)習(xí)表現(xiàn)。用安裝的splash 網(wǎng)絡(luò)去尋找能提供更好結(jié)果的局部解時，這尤其正確。如果這些值都較小，這使得它很難擺脫局部解。如果值很大，有可能出現(xiàn)只有單一解的問題。經(jīng)驗表明，在0.4和0.5之間的值是動量系數(shù)51。我們進行了單次單因子（OFAT）實驗，在同一時間里，保持其他因素不變52只改變其中一個因素。為學(xué)習(xí)率，范圍為0.2-0.4（0.2，0.3，0.4）之間的都被嘗試了。對于動量系數(shù)，0.4和0.5的值都試過，而用于隱藏神經(jīng)元的數(shù)目，范圍為1-8也被嘗試了。每個參數(shù)的組合在實驗中都被用了

27、12次，從中選出了參數(shù)集（學(xué)習(xí)率= 0.3，動量系數(shù)= 0.5，隱神經(jīng)元= 1的數(shù)），它給出了實驗中最小解和最小平均值。步驟5 許多ANN模型是由內(nèi)在反向傳播算法53制定的。反向傳播網(wǎng)絡(luò)（BPN）被用來預(yù)測提出模型在沖壓模具。Log-sigmoid傳遞函數(shù)的使用是因為導(dǎo)數(shù)的使用。每個神經(jīng)元是由在方程（1）和（2）給出的每個隱藏神經(jīng)元的輸出的表示函數(shù)來進行修改的： 其中，xi是輸入變量值，wij和wjk分別是輸入層和隱藏層以及隱藏層和輸入層之間的關(guān)聯(lián)權(quán)重。ij 和jk 是第i個和第k個神經(jīng)元的偏差值; I，J，k分別是每個層的神經(jīng)元的數(shù)目。 BPN使用''梯度下降規(guī)則”，在誤差空

28、間內(nèi)執(zhí)行梯度下降，以減少預(yù)測誤差和輸出層的實際成本，用來更新連接權(quán)重。在這項研究中，處理元件隱藏層是經(jīng)過各種測試階段試驗選擇得到的。1層輸入神經(jīng)元的 權(quán)重為 -0.19907 0.21113 -0.2304 0.1799 0.82813 -0.41996 0.0346 -7.032;從所述隱藏層到輸出層的權(quán)重為-7.4116;從輸入層到隱藏層中的偏差值是3.2829，而從隱藏層到輸出層的偏差值是7.427（圖4）。 步驟6 輸出是被按8個使用權(quán)重和閾值的項目，以及實際輸出和ANN模型輸出之間的誤差來計算的，如表2所示。 2.3 回歸模型自從20世紀(jì)70年代，回歸技術(shù)就已被用于成本估算，因為其良

29、好定義的數(shù)學(xué)背景18。 為成本估算的目的，回歸技術(shù)用來檢查不同的變量對成本的影響，并以可能會影響成本的一系列變量開始。表2 三種模型的結(jié)果 實際成本 傳統(tǒng) ANN 回歸 誤差（%） 傳統(tǒng) ANN 回歸1 70,444 63,000 65,634 58,484 0.106 0.068 0.170 2 70,234 63,000 67,804 52,575 0.103 0.035 0.2513 65,024 58,000 62,458 42,403 0.108 0.039 0.3484 69,555 63,500 68,630 54,787 0.087 0.013 0.2125 85,585 76

30、,000 74,276 76,916 0.112 0.132 0.1016 97,520 87,000 71,427 68,522 0.108 0.268 0.2977 49,500 51,000 48,937 49,653 0.030 0.011 0.0038 74,714 67,000 81,116 84,001 0.103 0.086 0.1249 56,720 50,000 65,181 38,289 0.118 0.149 0.32510 58,861 52,000 63,206 46,537 0.117 0.074 0.20911 74,038 70,000 72,336 62,3

31、51 0.055 0.023 0.15812 86,482 81,000 92,878 84,150 0.063 0.074 0.02713 85,941 80,000 82,258 77,789 0.069 0.043 0.09514 78,582 70,000 82,061 78,907 0.109 0.044 0.00415 94,758 85,000 88,551 98,724 0.103 0.066 0.04216 72,483 65,000 63,762 53,016 0.103 0.120 0.26917 90,064 80,000 88,166 101,218 0.112 0.

32、021 0.12418 68,990 63,000 65,661 57,092 0.087 0.048 0.17219 92,659 80,000 82,130 100,396 0.137 0.114 0.08320 47,342 42,000 55,369 17,783 0.113 0.170 0.62421 58,904 51,000 60,625 45,049 0,134 0.029 0.23522 48,462 42,000 57,647 28,713 0.133 0.190 0.40823 61,868 55,000 56,398 43,024 0.111 0.088 0.305 平

33、均值 10.09 % 8.28 % 19.95 % 為預(yù)測的沖壓模具成本，使用了多元回歸分析的統(tǒng)計學(xué)方法。類似于ANN輸入，覆蓋板尺寸，孔數(shù)，覆蓋板復(fù)雜性，材質(zhì)，材料厚度，在模具中所使用的單元數(shù)和總的制造時間被確定為在多重回歸分析中使用的獨立的參數(shù)，而成本被確立為相關(guān)參數(shù)。 方程4給出的多元線性回歸模型。 估計費用=46637+1688×模具類型23446×覆蓋板尺寸沖孔數(shù)×382 6674×覆蓋件復(fù)雜性20352×材質(zhì)26154×材料厚度 328×模具中使用的單元數(shù)42.4×總的制造時間 （4） 實際成本與ANN的預(yù)測成本，回歸模型和傳統(tǒng)方法的比較在2.4部分。2.4 結(jié)果所有方法的成本模型都是基于七個不同的公司的總共150套沖壓模具。的總金屬模具，從公司均勻地選擇出來的，總模具85（127套模具）的成本數(shù)據(jù)被用作訓(xùn)練數(shù)據(jù)，而數(shù)據(jù)的15（23套模具）被用于確定所