多品种小批量制造产品快速报价系统研究

《多品种小批量制造产品快速报价系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：密级：UDC：编号：学位论文多品种小批量制造产品快速报价系统研究刘超指导教师姓名：熊立华副教授河北工业大学申请学位级别：硕士学科、专业名称：管理科学与工程论文提交日期：年月论文答辩日期：2012年12月学位授予单位：河北工业大学答辩委员会主席：评阅人：2012年11月ThesisSubmittedtoHebeiUniversityofTechnologyforTheMasterDegreeofTechnologyEconomyandManagementSTUDYOFTHEFASTQUOTATIONSYST

2、EMFORTHEPRODUCTSTHATARESMALLBATCHANDVARIETYbyLiuChaoSupervisor：Prof.XionglihuaNovember2012河北工业大学硕士学位论文多品种小批量制造产品快速报价系统研究摘要在现代企业竞争中，企业生产方式已由原来的单品种大批量式向多品种小批量式转变，传统的依靠经验或者历史数据的报价方式已经不能适应现代生产的需要了。又由于需求的不确定性会导致了企业研发、生产等一系列的不确定性，这就要求企业能够及时掌握客户需求的动向，随时做出调整，而快速报价系统正

3、是企业响应客户需求为企业做出更好决策的重要手段。基于此，本文选取多品种小批量生产方式下的快速报价系统为研究对象，该项研究具有非常重要的现实意义。本文首先运用文献分析法对国内外关于报价系统的研究分析对比，发现基于产品模块化的快速报价系统更适合多品种小批量的生产方式；通过对比多种成本估算方法的优缺点，确定采用BP神经网络方法对未知模块成本进行估算。然后建立客户需求权重矩阵，通过对客户需求与技术需求相关性的定量化分析，运用质量功能配置（QFD）中的质量屋得出技术需求的绝对重要度，建立从客户需求到技术需求的映射，并同样利

4、用QFD建立从技术需求到功能模块的映射；并在此基础上对报价系统模型中的已知模块的检索路径进行了优化，提出了从产品结构树的两端分别对模块进行检索的优化方案；对于未知模块的产品报价分析时，根据BP神经网络的非线性原理，将需求映射出的未知模块的各个构成要素作为BP神经网络的输入，未知模块的成本作为输出来设计该网络结构，并通过MATLAB神经网络工具箱实现了网络的参数设计和运行，将已知模块和未知模块的成本输入到计算模型中得出该产品的报价。最后以某电梯企业轿厢成本估算为例进行实证分析，选取多组历史数据训练神经网络，对其进行

5、了成本估算，从而验证该报价系统的实用性，并分析了下一步快速报价系统研究的工作重点。关键词：快速报价，模块化，QFD，BP神经网络i多品种小批量制造产品快速报价系统研究STUDYOFTHEFASTQUOTATIONSYSTEMFORTHEPRODUCTSTHATARESMALLBATCHANDVARIETYAbstractsTheproductionmodeofthecontemporaryenterpriseshaschangedfromsingleandmassproductiontosmallbatchand

6、varietyproductioninthecurrentmarketcompetition.Thetraditionalquotationmethodsbasedonexperienceandhistoricaldatacan’tmeettheneedsofmodernproduction'sanymore.Theuncertaintyofthecustomerdemandsleadtoseriesofuncertaintysuchasproductresearchandproductionwhichrequi

7、retheenterprisestomasterthecustomerdemandstimelyandmakeadjustmentsanytime.Thefastquotationsystemistheverymeansbywhichtheenterprisescanresponsetocustomerdemandsandmakebetterdecision.Consequently,itisofmuchsignificationtostudythefastquotationsystembasedonthecus

8、tomerpersonalization.Basedonthis,thispapertakesthefastquotationsystemforthesmallbatchandvarietyproductionmodeasresearchobjectwhichisofveryimportantrealisticsignificance.Firstly,thispapera