模具快速报价系统及客户评价研究*

李文华 刘大成 曹 晖 郑 力 丰志华

（清华大学工业工程系，北京 100084）

模具快速报价系统及客户评价研究*

李文华 刘大成 曹 晖 郑 力 丰志华

（清华大学工业工程系，北京 100084）

模具制造中最突出的特点就是种类繁多、差异性强，甚至是单件生产，特别是每套模具上的非标准件也各不相同，对应每个非标准件的加工工序和加工顺序相差很大，使得模具生产的过程也极难控制、评价。由此，低成本的模具快速报价是模具制造商感觉复杂而模糊的问题，难以估计模具生产的价格和成本，也就难以评价单个产品的盈利能力和客户的价值。本文采用数据包络分析方法，利用该方法的强客观性特点，基于模具相关历史数据，实现低成本高效率的快速报价和客户评价。

模具行业 数据包络分析 客户评价 快速报价

与规模化产品生产相比，模具生产更难控制成本、提高效率。多数情况下，一套模具是唯一的，每套模具中的非标准件也是唯一的，每个非标件所需的生产工序和加工顺序也不一样。正是因为模具加工过程的复杂性，使得生产过程难以控制，更加难以估算成本［1］。许多模具厂，在不具备全面信息化情况下，难以知道一套模具究竟花了多少个工时？每个工种，每个工序又各花了多少工时？难以了解单套模具的盈亏而盲目生产；对客户的评价更是如此，厂家难以了解每个客户的利润回报。同时，由于同行的竞争，报价错误会导致利润和客户流失两种风险，如何低成本地快速报价是目前绝大多数模具厂最为关心的问题。

模具报价是关系到模具企业能否成功接到订单并赢得市场的关键所在。目前常用的成本和价格预算方法包括重量法和工时法［2］。重量法简单，但由于模具结构、精度不同，加工工艺差异性很大，得到的结果极不准确；而工时法相对准确，却需要确定模具在各种设备的加工时间，要求企业信息化程度高且数据准确，对于新产品依然难以确定。王玉等2003年提出了基于事例的人工神经网络和遗传算法模型，利用其关联性和非线性的特点来求解相似性［3］，但其事例的改写和学习引入了过多的主观经验；刘波等2004年提出了基于粗糙集的模具报价体系，主要采用了客户分类方法［4］；卿兆波等2005年均研究了模具的模糊相似决策方法［5］，两者也依然没有脱离主观经验方法，如何评价粗糙隶属度和模糊隶属度成为最大的难点；乔延文等2002年提出了基于混合并联分析法的模糊客户行为倾向模型，主要考虑了市场竞争等［6］，但其模型中的模具成本估计和模具交货期估计具有过强的主观要素，对新产品难于指导；柴玉森等2004年提出的基于CAPP的模具报价系统，较为准确地建立了成本报价［7］，但依赖于高信息化和长周期，适用于大型高端模具，对于多数模具企业仍难以使用。

可以看出，目前的研究和应用中主观的因素较多，估价结果与实际成本有时会产生较大出入［8］。本文提出了基于数据包络分析的模具快速报价系统和客户评价体系，充分利用生产前沿面的非参数化估计特征，保证了评价的客观性和低成本、高效率。

1 数据包络分析

数据包络分析（Data Envelopment Analysis，DEA）是通过对投入和输出的分析，采用多目标线性规划的方法，构建一个非参数逐段线性的包络面（或前沿面），将数据包络起来，根据包络面计算出效率测度。DEA无需将多目标函数转变为单目标函数，具有客观性。本文主要引入两个数据包络模型，即规模报酬不变（Constant Returns to Scale，CRS）模型和规模报酬可变（Variable Returns to Scale，VRS）模型［9］。

1.1 CRS模型

假设I个企业，对每个企业有N个投入、M个产出数据，对第i个企业，用xi和qi分别代表它的投入和产出。也就是说，N×I的投入矩阵X和M×I的产出矩阵Q代表了I个企业的所有数据。则CRS模型可表示为

λ是一个N×1的常数向量，θ值是第i个企业的绩效，也可看作为整体效率，且θ≤1，如果值为1，就是说明该点位于前沿面上，即为技术有效性企业。

1.2 VRS模型

VRS模型则为

λ同样是一个N×1的常数向量，δ为该企业的技术效率。

病患又接着说道：“林医生昨天值夜班，顾阿婆死了，你晓得不？林医生啊，人是蛮好的，就是年纪轻轻，刚刚见习没多久，没什么经验咯！”

同时采用CRS和VRS的DEA方法可以对一个企业的规模效率进行测量，这需要将CRS的DEA得到的技术效率值分成两部分，一个是源于规模的无效率，另一个来自“纯”技术无效率（如VRS的技术效率）。如果对同一个企业，CRS和VRS的技术效率值不同，就说明该企业存在规模无效率。

对于模具企业来说，是否有效率取决于两方面的原因：①报价问题，即源于规模的无效率；②生产问题，即生产控制是否得力，浪费是否严重，即“纯”技术是否无效率。

因此对于同一模具企业，当CRS与VRS的技术效率不同时有效，说明该企业规模无效率，原因是包括报价过低，生产控制不力、浪费严重。

表1 各模具输入输出数据

2 模具的生产效率评价

2.1 模具产品的DEA模型构建

结合DEA要求，将某精密模具企业模具生产的投入划为8项：①设计工时；②慢线切割工时；③快线切割工时；④火花机工时（EDM）；⑤普通数控铣工时（CNC）；⑥高速数控铣工时（CNC高速）；⑦钳工工时；⑧磨、车、抛光、钻等其他工序工时；产出只有1项，即该模具的合同额。因此构建一个多投入、单产出的模型。统计数据包括14套模具数据，如表1所示。

分别建立CRS和VRS模型，采用lingo软件，可得计算结果，如表2所示。

表2 模具的DEA结果

2.2 DEA结果分析

根据表2的计算结果，可得出如下分析：

（1）总体效率θ的平均值为0.699，说明模具生产的总体效率不高。该企业的模具生产极有可能处于亏损状态。造成总体效率不高的原因可能有：①报价低，模具的规模小，合同额小；②成本高，生产控制不力，生产浪费严重。

（2）总体效率的取值范围为0.116～1，可以看出其数值波动很大。对同一企业来讲，总体效率相差如此之大，很大程度上是因为报价的不合理性，有些报价过低或过高。

（3）表2中，模具09R014和09R047的总体效率很低，但技术效率却为1。技术效率为1，说明生产控制得很好，而总体效率却非常低，可知这两套模具报价相对过低。

（4）技术效率δ的平均值为0.875，相对来讲不是很高，因此该企业生产控制不力。

（5）技术效率的取值范围是0.347～1。为什么会有这么大的波动呢？跟踪发现该企业采用项目管理，产生这么大的技术效率取值波动，是由于人员素质参差不齐，导致有些模具控制很好，有些很不好。

（6）前9套模具属于规模无效率，造成此状态的原因包括报价过低和生产控制不力。

2.3 DEA结果与实际状况核对分析

通过对企业高层领导的实际调研，了解该企业目前的确处于入不敷出的状态，其中报价问题和生产控制问题突出，浪费严重，员工流失率较高。上面DEA的分析结果完全符合目前企业的生产状况。另外，DEA分析结果与企业财务处所得的结果有着惊人的相似。如表3所示，利润是由财务处估算的。

表3 各模具的盈亏情况

因此要想低成本快速地判断一套模具生产效率（即快速报价）是否有效，不必去计算该套模具的各种成本，而替代以DEA模型，只要记录下该套模具的主要投入，并将该套模具与以往生产有效的模具进行比较（建立CRS模型和VRS模型，θ和δ值），从而可以衡量该套模具是否生产有效。若生产无效，也可以迅速分析出其为什么生产无效；同时也可以找出使之从生产无效变为生产有效的方法，从而实现快速报价。

3 客户的生产效率评价

3.1 客户的DEA模型构建

客户价值不同，收益也不同，客户管理就是将客户进行有效分类，发掘优质客户、一般客户和劣质客户，并给予不同的服务管理。甄选客户的关键是对客户进行评价，分析优质、劣质和具有潜力的客户群。

本文提出的客户生产效率分析与模具的生产效率分析类似。对某一客户，模型投入也包括8项，即：①设计总工时；②慢线切割总工时；③快线切割总工时；④火花机总工时（EDM）；⑤普通数控铣总工时（CNC）；⑥高速数控铣总工时（CNC高速）；⑦钳工总工时；⑧磨、车、抛光、钻等其他工序总工时；而产出只有1项，即该模具的合同总额。数据来源于该模具企业的2009年上半年，将属于同一客户的所有数据相加，得到表4（投入单位：工时；产出单位：元）。

表4 各客户的输入输出数据

同理，建立CRS和VRS模型，得到生产效率结果，如表5所示。

表5 各客户的DEA结果

3.2 客户的DEA结果分析

根据表5的计算结果，可得出如下分析：

（1）总体效率θ的平均值为0.637，说明客户的总体效率不高，企业可能与很多客户的业务来往都处于亏损状态。

（2）总体效率θ的取值范围为0.217～1，波动很大。说明现存客户质量参差不齐，有盈利的，也有亏本的。如此，更需要加强客户管理，对客户进行甄别。

（3）客户K24总体生产效率很低，但技术效率却为1。技术效率为1，说明生产控制得很好；总体效率非常低，说明与这两个客户的业务肯定是亏本的。其原因可能是这两个客户对模具质量的要求较高，从而使得总体效率较低；但也不排除本企业市场报价人员吃回扣的可能性。因此，对于这两家企业的报价，要尤其注意，要么加强管理，要么放弃。

（4）技术效率δ的平均值为0.746，相对来讲不是很高，因此该公司的生产控制不力。这与模具生产评价中分析出的问题是一样的。

（5）技术效率的取值范围是0.271～1。同样，有很大的波动，也是因为该企业实施的是项目管理。有些项目控制得好，有些项目控制不力。

（6）通过整体效率θ值的大小，可以对客户进行相应的评价（也可以根据θ值，将客户分为若干个等级，从而区别对待）。从结果可以得出结论：客户K07、K35，要重点维持，进一步拓展业务往来；客户K24不应该保留；客户K08、K12、K54要谨慎对待，分析造成总体效率不高的原因，然后再确定相应的客户管理办法；对于K47、K50、K42这些客户的项目团队，要注意其能力素质的培训，因为造成这些客户总体效率不高的原因在于这些管理团队。

3.3 DEA结果与实际状况核对分析

可以看出，通过DEA模型评价模具生产和客户的生产效率，得出了许多相似的结论。经过现场调研，发现与该企业现实情况相符。另外，根据财务核算，2009年上半年与以上各客户业务往来的利润如表6所示。

表6 各客户的利润

表6的数据基本上印证了DEA分析结论的正确性。

4 快速报价系统

从两个模型结果可以看出，基于DEA的评价模型可以客观、准确地评价模具生产和客户的生产效率。那么从另一个角度来考虑，完全可以运用数据包络分析来进行快速报价，其主要思路是：企业保留数套已经完工的模具数据，也就是第2章提到的8项投入数据，而且这些模具必须是盈利的，且利润率刚好是公司的利润目标，如20%。然后设定待报价的模具的整体效率θ（一般定为1），将估算工时输入快速报价系统。快速报价系统根据设定的整体效率θ值、估算工时，按照数据包络分析的方法，反推出产出项，也就是“合同额”，从而来指导报价。

如某模具 需要报价，其大体步骤如图1。

通过以上3步，就可以得出一个合理的报价。该快速报价系统最关键的两点是：（1）历史数据的准确性。厂家必须根据自己的实际情况，跟踪若干模具的生产，以获得准确的数据。（2）对待报价的模具所需资源预测的准确性。一般经验比较丰富的生产管理者，还是能比较准确地估算出来的。（其实不一定要将案例中的8项投入全部估算出来。投入可以根据需要采用4项，或者10项。然后分别测试其估算效果。）

以上模具快速报价系统不仅简单（快速报价系统里只是一个DEA的算法，开发费用较低），而且比较准确，很实际，非常符合目前模具企业的需求。

5 结语

数据包络分析具有很强的客观性，各个投入、产出不需要进行折算，从而有效地避免了评估过程中的主观影响，同时通过相对有效性原则，很好地解决模具行业中的模具生产效率评价、客户评价以及模具的快速报价问题。各种评价过程简单，准确性好，而且费用也低，便于推广。

［1］FONSECA M J，HENRIQUES E，FERREIRA A，et a1.Assisting mould quotation through retrieval of similar data［C］.Proceedings of the 3 rd International CIRP Sponsored Conference on Digital Enterprise Technology.Berlin，Germany：Springer，2007：527 －534.

［2］刘航.模具价格估算［M］.北京：机械工业出版社，2000.

［3］王玉.基于事例的推理循环中人工神经网络和遗传算法的四种应用模型［J］.上海交通大学学报，2003（2）：20 －20.

［4］刘波，许超.粗糙集理论在模具报价系统中的应用［J］.模具制造，2004（9）：1 －3.

［5］卿兆波，王晓林.基于模糊相似比较的模具报价方法的研究［J］.数学的实践与认识，2005（5）：22 －25.

［6］乔延文.面向产品协同商贸的模具报价决策支持系统［J］.中国机械工程，2002（11）：1923 －1927.

［7］柴玉森.基于CAPP的模具报价系统的开发［J］.模具工业，2004（1）：7－9.

［8］Tehman S，Guenov M.A methodology for modeling manufacturing costsat conceptual design［J］.Computer&Industrial Engineering，1998，35，（3）：623－626.

［9］Timothy J Coelli著.刘大成译.效率和生产率分析导论［M］.北京：清华大学出版社，2009.

如果您想发表对本文的看法，请将文章编号填入读者意见调查表中的相应位置。

Study on The Mold Rapid Quoting System and Customer Evaluation

LI Wenhua，LIU Dacheng，CAO Hui，ZHENG Li，FENG Zhihua
（Dept.of Industrial Engineering，Tsinghua University，Beijing 100084，CHN）

The prominent feature of mold production is its wide varieties and differences.Sometimes it is even piece production.Moreover，the non －standard parts of mold，which vary sharply in its processing procedure and sequence，make it even harder to control and evaluate the mold producing procedure.As a result，a rapid low cost mold quoting system is extremely hard to build for producers，which causes enormous difficulties for evaluating the profitability of products and customer evaluation.This paper provides a DEA（data envelopment analysis）method based on the historical data to realize the rapid low cost mold quoting and customer evaluation system.

Mold Industry；Data Envelopment Analysis；Customer Evaluation；Rapid Quoting

* 国家自然科学基金项目（70871067）

李文华，男，1986年生，硕士研究生，主要研究方向：生产系统、企业信息化。

（编辑 李 静） （

2010－04－30）

10711