一种基于分类和预测技术的产品成本估算系统研究与应用

２００６薤第２７卷

９月

第３期

郑州大学学报（工学版）

ＪｏｕｒｎａｌｏｆＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ（ＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ）

Ｓｅｐ．２００６

Ｖ０１．２７Ｎｏ．３

文章编号：１６７１—６８３３（２００６｝０３—００７７—０４

一种基于分类和预测技术的产品成本估算系统研究与应用

李向宁１’２，郝克刚１

（１．西北大学计算机科学系，陕西西安７１００６９；２．西安电子科技大学机电工程学院，陕西西安７１００７１）

摘要：应用分类和预测技术对机械产品设计数据库进行数据挖掘，针对各种部件影响成本的关键因

素建立了基于判定树的产品成本预测模型，并与专家系统相结合，通过数据挖掘来调整专家系统的规则

库，从而使专家系统规则不仅可以来自专家经验的总结，而且可以来自对以往产品数据的挖掘，拓宽了

知识获取的途径。提高了知识获取的效率．最后给出了一个基于分类和预测技术的产品成本评估系统的

框架．

关键词：数据挖掘；专家系统；成本估算；分类；预测

中图分类号：ＴＰ３９１文献标识码：Ａ

０引言

在机械产品设计和开发过程中，成本是决定产品竞争力和生命力的关键因素．影响产品成本的因素很多，对于机械产品的设计人员而言，产品设计方案对产品成本的影响非常明显．如果能够在方案设计阶段就能够大致给出给定设计要求下的产品预测成本，那么在设计方案选择、优化与评估，项目报价与利润估算，投标竞标等活动中将起到非常重要的指导作用．

产品设计方案与成本之间存在着某些联系．比如：如果轴的精度参数要求比较高，它的成本相应也会比较高，小模数齿轮的成本比大模数齿轮高等等．获取这些知识通常的做法是在领域专家的帮助下建立成本评估专家系统，以规则的形式把知识储存到规则库中．由于设计方案与成本之间关系的复杂性，知识的获取往往是很困难的．而企业在产品设计过程中积累了大量产品设计数据，其中包含产品的设计参数和成本．这些历史数据中蕴藏着很多产品设计参数与成本之间关联性的知识，如果能找出这些知识，就可以利用它们对新设计方案的成本进行预测（评估）．

数据分类…（ＤａｔａＣｌａｓｓｉｆｉｃａｔｉｏｎ）是数据挖掘中一项非常重要的任务．分类是指通过分析训练数据集中由属性描述的数据元组，建立一个分类函数或分类模型（也常常称作分类器）．预测是指利用分类得出的模型对未知变量的类别进行推测，也就是把要进行预测的数据项映射到给定类别中的某一个．因此可以利用分类技术对产品设计数据库中的数据元组进行分类，建立一个以成本为类别，以影响产品成本的关键设计参数为属性的分类器，利用该分类器对新设计方案进行成本预测．应用数据分类和预测技术对产品设计方案（或设计要求）进行成本估算是一个两步过程．第一步，利用分类技术对产品设计数据库中筛选出的数据进行分析并建立一个分类模型．第二步，从模型中提取分类规则，利用分类规则对设计方案（或设计要求）进行成本预测．

笔者应用数据挖掘中的分类和预测技术，对产品设计数据库进行数据挖掘，建立了基于判定树算法的分类模型，并与专家系统结合，实现了一个基于数据挖掘技术的方案成本评估系统框架．

１构造训练数据集

建立分类模型，首先要构造被分析的数据元组，也即训练数据集．构造训练数据集也就是准备被挖掘的数据的过程．由于训练数据集中的每个元组都被预先明确标注为一个成本类别，建立分类模型也称为有指导的学习（即模型的学习在被告知每个训练样本属于哪个类别的“指导”下进

收稿日期：２００６—０３—３１；修订日期：２００６—０５—１４

基金项目：国家“８６３”高技术研究发展计划资助项目（２００４ＡＡｌｌ５０９０）

作者简介：李向宁（１９７６一），男，河北冀州人，西北大学在读博士研究生，主要从事工作流模型、数据挖掘、软件理论等方面的研究．

万方数据