模具快速報價系統及客戶評價研究*

李文華 劉大成 曹 暉 鄭 力 豐志華

（清華大學工業工程系，北京 100084）

模具快速報價系統及客戶評價研究*

李文華 劉大成 曹 暉 鄭 力 豐志華

（清華大學工業工程系，北京 100084）

模具制造中最突出的特點就是種類繁多、差異性強，甚至是單件生產，特別是每套模具上的非標準件也各不相同，對應每個非標準件的加工工序和加工順序相差很大，使得模具生產的過程也極難控制、評價。由此，低成本的模具快速報價是模具制造商感覺復雜而模糊的問題，難以估計模具生產的價格和成本，也就難以評價單個產品的盈利能力和客戶的價值。本文采用數據包絡分析方法，利用該方法的強客觀性特點，基于模具相關歷史數據，實現低成本高效率的快速報價和客戶評價。

模具行業 數據包絡分析 客戶評價 快速報價

與規模化產品生產相比，模具生產更難控制成本、提高效率。多數情況下，一套模具是唯一的，每套模具中的非標準件也是唯一的，每個非標件所需的生產工序和加工順序也不一樣。正是因為模具加工過程的復雜性，使得生產過程難以控制，更加難以估算成本［1］。許多模具廠，在不具備全面信息化情況下，難以知道一套模具究竟花了多少個工時？每個工種，每個工序又各花了多少工時？難以了解單套模具的盈虧而盲目生產；對客戶的評價更是如此，廠家難以了解每個客戶的利潤回報。同時，由于同行的競爭，報價錯誤會導致利潤和客戶流失兩種風險，如何低成本地快速報價是目前絕大多數模具廠最為關心的問題。

模具報價是關系到模具企業能否成功接到訂單并贏得市場的關鍵所在。目前常用的成本和價格預算方法包括重量法和工時法［2］。重量法簡單，但由于模具結構、精度不同，加工工藝差異性很大，得到的結果極不準確；而工時法相對準確，卻需要確定模具在各種設備的加工時間，要求企業信息化程度高且數據準確，對于新產品依然難以確定。王玉等2003年提出了基于事例的人工神經網絡和遺傳算法模型，利用其關聯性和非線性的特點來求解相似性［3］，但其事例的改寫和學習引入了過多的主觀經驗；劉波等2004年提出了基于粗糙集的模具報價體系，主要采用了客戶分類方法［4］；卿兆波等2005年均研究了模具的模糊相似決策方法［5］，兩者也依然沒有脫離主觀經驗方法，如何評價粗糙隸屬度和模糊隸屬度成為最大的難點；喬延文等2002年提出了基于混合并聯分析法的模糊客戶行為傾向模型，主要考慮了市場競爭等［6］，但其模型中的模具成本估計和模具交貨期估計具有過強的主觀要素，對新產品難于指導；柴玉森等2004年提出的基于CAPP的模具報價系統，較為準確地建立了成本報價［7］，但依賴于高信息化和長周期，適用于大型高端模具，對于多數模具企業仍難以使用。

可以看出，目前的研究和應用中主觀的因素較多，估價結果與實際成本有時會產生較大出入［8］。本文提出了基于數據包絡分析的模具快速報價系統和客戶評價體系，充分利用生產前沿面的非參數化估計特征，保證了評價的客觀性和低成本、高效率。

1 數據包絡分析

數據包絡分析（Data Envelopment Analysis，DEA）是通過對投入和輸出的分析，采用多目標線性規劃的方法，構建一個非參數逐段線性的包絡面（或前沿面），將數據包絡起來，根據包絡面計算出效率測度。DEA無需將多目標函數轉變為單目標函數，具有客觀性。本文主要引入兩個數據包絡模型，即規模報酬不變（Constant Returns to Scale，CRS）模型和規模報酬可變（Variable Returns to Scale，VRS）模型［9］。

1.1 CRS模型

假設I個企業，對每個企業有N個投入、M個產出數據，對第i個企業，用xi和qi分別代表它的投入和產出。也就是說，N×I的投入矩陣X和M×I的產出矩陣Q代表了I個企業的所有數據。則CRS模型可表示為

λ是一個N×1的常數向量，θ值是第i個企業的績效，也可看作為整體效率，且θ≤1，如果值為1，就是說明該點位于前沿面上，即為技術有效性企業。

1.2 VRS模型

VRS模型則為

λ同樣是一個N×1的常數向量，δ為該企業的技術效率。

病患又接著說道：“林醫生昨天值夜班，顧阿婆死了，你曉得不？林醫生啊，人是蠻好的，就是年紀輕輕，剛剛見習沒多久，沒什么經驗咯！”

同時采用CRS和VRS的DEA方法可以對一個企業的規模效率進行測量，這需要將CRS的DEA得到的技術效率值分成兩部分，一個是源于規模的無效率，另一個來自“純”技術無效率（如VRS的技術效率）。如果對同一個企業，CRS和VRS的技術效率值不同，就說明該企業存在規模無效率。

對于模具企業來說，是否有效率取決于兩方面的原因：①報價問題，即源于規模的無效率；②生產問題，即生產控制是否得力，浪費是否嚴重，即“純”技術是否無效率。

因此對于同一模具企業，當CRS與VRS的技術效率不同時有效，說明該企業規模無效率，原因是包括報價過低，生產控制不力、浪費嚴重。

表1 各模具輸入輸出數據

2 模具的生產效率評價

2.1 模具產品的DEA模型構建

結合DEA要求，將某精密模具企業模具生產的投入劃為8項：①設計工時；②慢線切割工時；③快線切割工時；④火花機工時（EDM）；⑤普通數控銑工時（CNC）；⑥高速數控銑工時（CNC高速）；⑦鉗工工時；⑧磨、車、拋光、鉆等其他工序工時；產出只有1項，即該模具的合同額。因此構建一個多投入、單產出的模型。統計數據包括14套模具數據，如表1所示。

分別建立CRS和VRS模型，采用lingo軟件，可得計算結果，如表2所示。

表2 模具的DEA結果

2.2 DEA結果分析

根據表2的計算結果，可得出如下分析：

（1）總體效率θ的平均值為0.699，說明模具生產的總體效率不高。該企業的模具生產極有可能處于虧損狀態。造成總體效率不高的原因可能有：①報價低，模具的規模小，合同額小；②成本高，生產控制不力，生產浪費嚴重。

（2）總體效率的取值范圍為0.116～1，可以看出其數值波動很大。對同一企業來講，總體效率相差如此之大，很大程度上是因為報價的不合理性，有些報價過低或過高。

（3）表2中，模具09R014和09R047的總體效率很低，但技術效率卻為1。技術效率為1，說明生產控制得很好，而總體效率卻非常低，可知這兩套模具報價相對過低。

（4）技術效率δ的平均值為0.875，相對來講不是很高，因此該企業生產控制不力。

（5）技術效率的取值范圍是0.347～1。為什么會有這么大的波動呢？跟蹤發現該企業采用項目管理，產生這么大的技術效率取值波動，是由于人員素質參差不齊，導致有些模具控制很好，有些很不好。

（6）前9套模具屬于規模無效率，造成此狀態的原因包括報價過低和生產控制不力。

2.3 DEA結果與實際狀況核對分析

通過對企業高層領導的實際調研，了解該企業目前的確處于入不敷出的狀態，其中報價問題和生產控制問題突出，浪費嚴重，員工流失率較高。上面DEA的分析結果完全符合目前企業的生產狀況。另外，DEA分析結果與企業財務處所得的結果有著驚人的相似。如表3所示，利潤是由財務處估算的。

表3 各模具的盈虧情況

因此要想低成本快速地判斷一套模具生產效率（即快速報價）是否有效，不必去計算該套模具的各種成本，而替代以DEA模型，只要記錄下該套模具的主要投入，并將該套模具與以往生產有效的模具進行比較（建立CRS模型和VRS模型，θ和δ值），從而可以衡量該套模具是否生產有效。若生產無效，也可以迅速分析出其為什么生產無效；同時也可以找出使之從生產無效變為生產有效的方法，從而實現快速報價。

3 客戶的生產效率評價

3.1 客戶的DEA模型構建

客戶價值不同，收益也不同，客戶管理就是將客戶進行有效分類，發掘優質客戶、一般客戶和劣質客戶，并給予不同的服務管理。甄選客戶的關鍵是對客戶進行評價，分析優質、劣質和具有潛力的客戶群。

本文提出的客戶生產效率分析與模具的生產效率分析類似。對某一客戶，模型投入也包括8項，即：①設計總工時；②慢線切割總工時；③快線切割總工時；④火花機總工時（EDM）；⑤普通數控銑總工時（CNC）；⑥高速數控銑總工時（CNC高速）；⑦鉗工總工時；⑧磨、車、拋光、鉆等其他工序總工時；而產出只有1項，即該模具的合同總額。數據來源于該模具企業的2009年上半年，將屬于同一客戶的所有數據相加，得到表4（投入單位：工時；產出單位：元）。

表4 各客戶的輸入輸出數據

同理，建立CRS和VRS模型，得到生產效率結果，如表5所示。

表5 各客戶的DEA結果

3.2 客戶的DEA結果分析

根據表5的計算結果，可得出如下分析：

（1）總體效率θ的平均值為0.637，說明客戶的總體效率不高，企業可能與很多客戶的業務來往都處于虧損狀態。

（2）總體效率θ的取值范圍為0.217～1，波動很大。說明現存客戶質量參差不齊，有盈利的，也有虧本的。如此，更需要加強客戶管理，對客戶進行甄別。

（3）客戶K24總體生產效率很低，但技術效率卻為1。技術效率為1，說明生產控制得很好；總體效率非常低，說明與這兩個客戶的業務肯定是虧本的。其原因可能是這兩個客戶對模具質量的要求較高，從而使得總體效率較低；但也不排除本企業市場報價人員吃回扣的可能性。因此，對于這兩家企業的報價，要尤其注意，要么加強管理，要么放棄。

（4）技術效率δ的平均值為0.746，相對來講不是很高，因此該公司的生產控制不力。這與模具生產評價中分析出的問題是一樣的。

（5）技術效率的取值范圍是0.271～1。同樣，有很大的波動，也是因為該企業實施的是項目管理。有些項目控制得好，有些項目控制不力。

（6）通過整體效率θ值的大小，可以對客戶進行相應的評價（也可以根據θ值，將客戶分為若干個等級，從而區別對待）。從結果可以得出結論：客戶K07、K35，要重點維持，進一步拓展業務往來；客戶K24不應該保留；客戶K08、K12、K54要謹慎對待，分析造成總體效率不高的原因，然后再確定相應的客戶管理辦法；對于K47、K50、K42這些客戶的項目團隊，要注意其能力素質的培訓，因為造成這些客戶總體效率不高的原因在于這些管理團隊。

3.3 DEA結果與實際狀況核對分析

可以看出，通過DEA模型評價模具生產和客戶的生產效率，得出了許多相似的結論。經過現場調研，發現與該企業現實情況相符。另外，根據財務核算，2009年上半年與以上各客戶業務往來的利潤如表6所示。

表6 各客戶的利潤

表6的數據基本上印證了DEA分析結論的正確性。

4 快速報價系統

從兩個模型結果可以看出，基于DEA的評價模型可以客觀、準確地評價模具生產和客戶的生產效率。那么從另一個角度來考慮，完全可以運用數據包絡分析來進行快速報價，其主要思路是：企業保留數套已經完工的模具數據，也就是第2章提到的8項投入數據，而且這些模具必須是盈利的，且利潤率剛好是公司的利潤目標，如20%。然后設定待報價的模具的整體效率θ（一般定為1），將估算工時輸入快速報價系統。快速報價系統根據設定的整體效率θ值、估算工時，按照數據包絡分析的方法，反推出產出項，也就是“合同額”，從而來指導報價。

如某模具 需要報價，其大體步驟如圖1。

通過以上3步，就可以得出一個合理的報價。該快速報價系統最關鍵的兩點是：（1）歷史數據的準確性。廠家必須根據自己的實際情況，跟蹤若干模具的生產，以獲得準確的數據。（2）對待報價的模具所需資源預測的準確性。一般經驗比較豐富的生產管理者，還是能比較準確地估算出來的。（其實不一定要將案例中的8項投入全部估算出來。投入可以根據需要采用4項，或者10項。然后分別測試其估算效果。）

以上模具快速報價系統不僅簡單（快速報價系統里只是一個DEA的算法，開發費用較低），而且比較準確，很實際，非常符合目前模具企業的需求。

5 結語

數據包絡分析具有很強的客觀性，各個投入、產出不需要進行折算，從而有效地避免了評估過程中的主觀影響，同時通過相對有效性原則，很好地解決模具行業中的模具生產效率評價、客戶評價以及模具的快速報價問題。各種評價過程簡單，準確性好，而且費用也低，便于推廣。

［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］劉航.模具價格估算［M］.北京：機械工業出版社，2000.

［3］王玉.基于事例的推理循環中人工神經網絡和遺傳算法的四種應用模型［J］.上海交通大學學報，2003（2）：20 －20.

［4］劉波，許超.粗糙集理論在模具報價系統中的應用［J］.模具制造，2004（9）：1 －3.

［5］卿兆波，王曉林.基于模糊相似比較的模具報價方法的研究［J］.數學的實踐與認識，2005（5）：22 －25.

［6］喬延文.面向產品協同商貿的模具報價決策支持系統［J］.中國機械工程，2002（11）：1923 －1927.

［7］柴玉森.基于CAPP的模具報價系統的開發［J］.模具工業，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.劉大成譯.效率和生產率分析導論［M］.北京：清華大學出版社，2009.

如果您想發表對本文的看法，請將文章編號填入讀者意見調查表中的相應位置。

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

* 國家自然科學基金項目（70871067）

李文華，男，1986年生，碩士研究生，主要研究方向：生產系統、企業信息化。

（編輯 李 靜） （

2010－04－30）

10711