为了做好数控设备的购置决策，应用LCC评价法进行评估，必须在各项费用未发生之前对它们进行预估；在设备上使用与维修阶段，为了选择使用与维修方式，确定经济寿命，进行技术改造或更新决策等，也要对没有发生的各种费用进行预估。
要想最终得到每台数控设备的LCC必须按照费用分解结构逐项求出各项费用的值。由式(1-1)可知，设备的LCC可由购置费与维持费求和得到。由于购置费是一定的，因此在这里主要工作是，选择一定的预测方法，利用已知的维持费，对尚未发生的维持费进行预估。寿命周期内所发生的维持费可由下式得到：
1．灰色预测方法
（1）灰色预测方法的基本原理
灰色预测通过原始数据的处理和灰色模型的建立，掌握系统发展规律，对系统的未来状态做出科学的定量预测。
①灰色理论将随机变量看作是在一定范围内变化的灰色量，将随机过程当作措施在一定范围内变化的、与时间有关的灰色过程；
②灰色理论将无规律的原始数据经生成后，使其变为较有规律的生成数列再建模，所以灰色模型（GM-GreyModel）实际上是生成数列模型；
③灰色理论通过灰数的不同生成方式，数据的不同取舍，不同级别的残差对灰色模型进行调整、修正以提高预测精度；
④GM所得数据必须经过逆生成作还原后才能使用。GM(n，h)表示对h个变量用n阶微分方程建立的模型，GM(1，1)是灰色预测中最常用的预测模型，利用它可以进行数列预测。首先进行累加生成，累加生成是使灰过程由灰变白的一种方法，通过累加可以看出灰量积累过程的发展态势，使杂乱的原始数据中蕴涵的积分特性或规律充分显露。其基本步骤为：
对GM（1，1）灰微分方程
设有一原始数列X(O)
做r=1的一次累加生成（1-AGO）(AccumulatedGeneratingOperator)即可得到数列X(1),
对X(1)可以建立下述白化形式的微分方程
参数列为按最小二乘法解可得到：
其中白化微分方程的解或称时间响应函数为：
最后对方程检验精度，灰色模型的精度通常用后验差方法检验，其方法如下：
设k时刻实际值与计算值（预测值）之差，称为k时刻残差
其中还原数列
记实际数据Xk(0),k=1,2,∧,n的平均值为
记残差qk，k＝1,2,∧，n的平均值为
记S12为原始数据（实际数据）方差，
记S22为残差方差，
则后验差比值：C=S2/S1(1-15)
小误差概率：
一个好的预测，要求C越小越好，一般要求C＜0.35,最大不超过0.65。另一个指标是小误差概率要大。所谓小误差是指绝对偏差∣qk-q∣＜0.6745s1,或者说，相对偏差＜0.6745。一般要求p＞0.95，不得小于0.7。
模型的精度由C与p两个指标共同刻划，可综合评定预测模型的精度。一般地，将模型的精度分为四级，见表1-1所示。
表1-1模型的精度
（2）灰色预测方法的选则
灰色预测方法特别适用于消息量不太大的情况，而实际中数控设备数据统计年份较少，比较适合采用灰色预测方法；若采用其它预测方法如回归方法，精度将较低，不能得到较为精确的预测值。并且灰色预测方法运用简单，精度也较高，因此本章采用此方法进行费用预估。