6．減少非確定因素的影響
鈑金零件非標件多，因為一些非確定性因素的影響，會導致成本估算和實際的消耗的成本總有誤差。由于從影響因素到實際成本的具體映射關系是一種十分復雜的非線性關系，無法用經典的解析表達式來表達，人工神經網絡具有強大的非線性處理能力，因此選用人工神經網絡來解決這一問題。把對結果影響大的特征參數，例如重量、材料、主要工藝、形狀特征等作為輸入，同時把估算成本作為輸入，把實際成本作為輸出。通過網絡進行自學習訓練，調整各層權重，把誤差降到最低。使估算成本更接近實際成本。如圖2所示。
圖2 利用ANN減少誤差
三、結束語
本文對鈑金的全生命周期的成本估算進行了研究，并將全生命周期劃分為五個過程，分別研究各個過程的成本估算，以及對全生命周期成本的影響，并提出了利用成組技術構件數據庫和相似函數進行相似性對比。還引入了人工神經網絡以減少非確定因素的影響，使成本估算更準確合理。
