建材装备业订单成本预测与订单监控的研究与应用.pdf

《建材装备业订单成本预测与订单监控的研究与应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、建材装备业订单成本预测与订单监控的研究与应用口李超武汉理工大学机电工程学院武汉430070摘要：对建材装备制造企业订单成本组成成分进行研究，根据实际情况对订单成本进行分部门统计。通过ERP系统对订单成本进行信息化集成，建立订单成本实例库，增加了专家系统模块，并通过BP神经网络模型对订单成本进行预测。同时，在ERP系统中增加了订单监控模块，对订单成本发生进度进行实时监控。将ERP系统与专家系统模块结合起来，达到订单成本快速预测与成本实时监控的目的。关键词：建材装备业订单成本专家系统BP神经网络中图分类号：TH

2、一3文献标志码：A文章编号：1000—4998f2016)03—0084—03建材装备制造企业是为建材行业提供重型机械表1订单成本分部门规划装备和相关技术的企业，其产品形式多以单件、小批部门费用部门费用量生产为主，由于越来越多的客户追求个性化、多样技术部技术外协生产部班组承包化等需求，导致产品种类繁多、结构形式复杂]。黑色金属厂内分包建材装备产品具有大型化、复杂性的特点，导致外购件生产外协市场部加工件财务部销售费用装备产品的零部件众多，生产周期长[23，对其进行订单油漆涂料管理费用成本估算愈发困难。目前，许

3、多建材装备制造企业的电气电料制造费用订单成本依然依靠人的经验进行估算，缺乏准确性和其它材料费运费指导意义_3]。笔者针对目前建材装备制造企业订单成费用进行更细致的统计，以便获得更加准确的订单成本估算的要求．提出成本预测方法，并在ERP系统中本。图1为对技术部、生产部、市场部的物料成本费用建立订单成本监控模块，为订单成本预测与成本控制的细致划分。提供了极大便利。如此．订单成本的基本成分已经划分成功．总体订单成分分为3层，第一层是部门成本费用，第二层、第1订单成本规划三层为订单成本的更细致划分，这样可以更加清晰

4、、准建材装备制造企业生产产品物料种类多种多样．确地统计订单成本。以及对订单成本进行更加准确的构成产品的BOM(物料清单)多达十几层．导致针对监控。BOM进行订单成本预算成为一件十分困难的事情，而2订单成本估算且销售费用、制造费用和管理费用将无从统计，基于此，有必要对订单成本进行重新规划。根据对A建材根据所设计的订单成本规划方法，采用ERP系统装备制造公司的调研发现，建材装备制造企业的订单成本总费用制造流程为：市场部接收订单一技术部进行图纸和BOM设计一技术部将一部分产品部件进行技术部ll市场部外协加工，另一

5、部分由公司生产制造-"BOM成型后交由采购部进行物料采购一生产部门生产技制造一组装，运输。建材装备业主要的订单成本术外垂{；}{j{j；耋}{薹都发生在对物料的分配上，因此一个订单的成本便可以划分为4个部门的总体费用，其分别为技术部、市场部、生产部和财务部。而4个部门的成包工事本又往下划分，具体划分见表l。料其中，对除财务部外的其它3个部门的物料外I1ll1囊1I饕ll孽ll协武汉理工大学自主创新研究基金支持项目(编号：2015一zy一047)▲图1订单成本材料成本细致划分收稿日期：2015年9月2016／

6、3机械制造54卷第619期对订单成本进行统计，将历史订单成本中第一、二、三层第个神经元到隐含层第个神经元的连接权值；层成本发生情况放置于数据库中，通过历史订单成本为输出层节点阈值；o，()为隐含层第个神经元的输．情况．建立订单成本实例库。ERP系统的信息化集成出；()为输出层第c个神经元的输入；为隐含层技术能够很好地建立第三层订单成本实例库，然而第个神经元到输出层第c个神经元的连接权值；OycERP系统在数据处理方面却没有很好的机制，对订单(尼)为输出层第c个神经元的输出；兢(后)为输入层对i成本的估算只能

7、通过人为经验进行，效率低下。而通个神经元的输入。过研究发现，专家系统有很好的推理能力。因此，将(4)计算误差。ERP系统的信息化集成技术与专家系统的推理分析()=oyo()[1一O()][O()一do()]能力结合起来，这样能够很好地建立订单成本实例三(3)ej(k)=22do()q(后)[1-~(k)]库，以及完成对订单成本的预测。=1专家系统的推理算法是采用人工神经网络的自式中：d()为输出层第c个神经元的一般化误差；学习方法．对通过ERP系统获取的企业订单成本实例e，()为隐含层第个神经元相对每个神经

8、元的误差；．库进行非线性预测，可以很好地完成订单成本估算⋯。do(后)为输出层第c个神经元的期望输出。专家系统与ERP系统相互结合，利用ERP系统的信(5)修改连接权值、以及、盯。息化集成技术来获取、传送数据和信息，利用专家系=+ozo~(k)()，6l=()耵=+c￡()e()，。-c=+()(4)统处理、yj'-析数据．以达到订单成本预测的目的。专家系统的推理机制采用的是BP神经网络算法，通过BP式中：为因数