《制造工艺选择与成本控制》

4. 工艺选择决策模型：决策树模型、加权评分法、层次分析法（AHP）在工艺选择中的应用

在制造工程中，工艺选择并非单一维度的技术匹配，而是一个涉及成本、质量、效率、产能与风险的多目标决策过程。本章聚焦于三种经典的决策模型——决策树模型、加权评分法与层次分析法（AHP），帮助工程师在复杂约束下做出系统、可量化的工艺选择。

4.1 决策树模型：结构化风险与收益分析

决策树模型适用于工艺选择中存在不确定性（如市场需求波动、良品率波动、设备故障率）的场景。它通过树状分支结构，将不同工艺路径下的成本、收益与概率可视化，辅助决策者计算期望值。

核心步骤

1. 识别决策节点：列出所有候选工艺（如铸造、锻造、机加工）。
2. 识别机会节点：列出每种工艺可能面临的不确定事件（如高需求/低需求、高良率/低良率）。
3. 赋值概率与损益：为每个分支赋予发生概率与对应的成本/收益值。
4. 计算期望值：从右向左逆向计算，选择期望收益最大（或期望成本最小）的工艺路径。

4.2 加权评分法：多维度量化比较

当工艺选择涉及多个定性/定量指标（如成本、质量、柔性、交货期）时，加权评分法提供了一种直观的线性综合评估框架。其核心在于权重分配与评分标准化。

实施流程

1. 确定评价指标：如单位成本、表面粗糙度、换型时间、设备投资额。
2. 分配权重：根据企业战略与客户需求，使用专家打分或配对比较法确定各指标权重（总和为1）。
3. 评分：对每种工艺在每个指标上打分（如1-10分），可结合成本数据或实验数据。
4. 计算加权总分：总分 = Σ(权重 × 评分)，选择总分最高的工艺。

示例：三种工艺的加权评分矩阵

计算示例：精密铸造总分 = 0.35×8 + 0.25×6 + 0.20×4 + 0.20×7 = 2.8 + 1.5 + 0.8 + 1.4 = 6.5。本例中数控铣削以微弱优势胜出。

4.3 层次分析法（AHP）：消除主观偏差的成对比较

层次分析法（AHP）由Thomas L. Saaty提出，特别适合定性因素较多且决策者偏好不一致的场景。它通过构建层次结构、成对比较矩阵与一致性检验，将主观判断转化为可量化的权重。

AHP实施五步法

1. 建立层次结构：目标层（选择最优工艺）→ 准则层（成本、质量、交期、柔性）→ 方案层（铸造、锻造、机加工）。
2. 构造成对比较矩阵：使用1-9标度法，对同一层元素两两比较相对重要性。例如，成本比质量“稍微重要”则赋值为3，质量比成本则为1/3。
3. 计算权重向量：对矩阵进行归一化，求特征向量或几何平均法得到各准则权重。
4. 一致性检验：计算一致性比率CR = CI/RI。若CR < 0.1，则判断矩阵可接受；否则需调整。
5. 合成总权重：将方案层对准则层的权重与准则层权重相乘，得到各工艺的总优先级权重。

成对比较矩阵示例（准则层）

经计算，该矩阵的权重向量为：成本(0.56)、质量(0.26)、交期(0.12)、柔性(0.06)，CR=0.04 < 0.1，一致性可接受。

4.4 三种模型的对比与选择建议