基于作业成本法的间接制造成本估算方法.pdf

《基于作业成本法的间接制造成本估算方法.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、I毫习：工北工召曹习I而而丽丽基于作业成本法的间接制造成本估算方法郑永前陈萌(同济大学机械学院，上海201804)摘要：为了准确估算产品的间接制造成本，提出基于作业成本(Activity—basedCosting，ABC)理论。利用神经网络算法进行间接制造成本估算的方法。利用该方法，能够有效地解决产品在设计阶段信息不完备的问题，提高产品间接制造成本估算的快速性和准确性。关键词：成本估算作业成本法生产制造中图分类号：N32文献标识码：AResearchonAManufacturingCostEstimatingMethodBasedonABCZHENYon

2、gqian，CHENMeng(MechanicalCollege，Ton~iUniversity，Shanghai201804，CHN)Abstract：Inordertoestimatetheindirectmanufacturingcostaccurately，thisarticleputsforwardanmethodbasedonABC(activity—basedcosting)．Itfiltersoutthecostdriverdataintheprocessofdirectcostestima-tionandpredictsoutputby

3、neuralnetwork，SOastoraisetheaccuracyandeficiencyofindirectcostses—timation．Keywords：CostEstimation；Activity—basedCosting；ProductionManufacturing众所周知，传统的会计方法由于间接成本的分配后利用时间研究的方法并最终得到其直接制造成本。不科学，严重扭曲了产品的真实成本。而作业成本法在间接作业成本估算方面，本文提出利用神经网通过作业动因将间接成本向作业归集，作业向产品归络进行预测。产品在设计阶段，生产尚未进行，会计部集

4、，更大程度地还原了产品成本的真实面貌。目前，国门无法得到全部成本动因数据。于是如何利用有限的内外在利用作业成本法进行成本估算方面做出了一些信息进行成本估算即成为间接成本估算的难点。神经探索。但是现有文献并没有提及怎样准确预计间接成网路算法能够有效地解决该问题。在本文中，利用企本，亦没有注意到在直接作业成本估算阶段提取出的业作业成本核算的数据进行神经网络训练，即可得到成本动因与问接成本之间隐含的关系。针对以上问有限的成本动因与问接成本之间的隐含关系。在间接题，本文提出基于作业成本理论，根据直接成本估算过成本估算时，输入能够预先估算的成本动因值，网络的程中预

5、计的生产数据，利用神经网络算法进行问接成输出即为产品的问接成本。本估算的方法，力求更加准确地估计企业的间接制造图1所示即为利用作业成本法进行制造成本估算的流程。成本1作业成本估算方法2间接成本估算产品的间接成本估算一向是成本估算领域的软产品的制造成本包括直接作业成本以及问接作业肋。由于估算进行之时，产品大都还未生产，而进行作成本。一般来说，直接作业成本与产品的数量、批量或业成本核算的企业一般只在其正在生产中的产品中进者品种数量成线性关系，如产品的人工成本、搬运成本行分别归集间接成本。此外，产品在估算时无法得到以及机器加工的成本等等。间接作业成本与产品的数

6、全面的成本动因。因此，本文提出利用神经网络算法量、批量或者品种数量成非线性关系，如机器的维护成进行间接成本估算，因为其在历史资料的利用、预测的本、信息系统的维护成本、生产管理成本等等。全面性、模型的动态可变性及学习功能等方面都体现在直接作业成本估算方面，企业首先应根据产品了良好的优势。的BOM表分析其工艺加工路线，得到产品BOA表，而·36·、{I等奎习：工北工召司哥习I作为输入，这部分数据可以由直接作业成本估算过程中得到。而网络的输出即为问接成本的预测值。在本文中选用反向传播神经网络(BackPropaga—tionNeuralNetwork)进行成本

7、估算。BP网络是一种多层前馈型神经网络，其神经元的传递是s型函数，输出量为0到1之间的连续量，能够实现从输入到输出的任意非线性映射。隐层神经元传递函数：)=(1)本文采用三层BP神经网络，输入节点Y，输出节点。输入节点与隐层节点之问的网络权值为，隐层节点与输出节点之间的网络权值为，阈值0。当输出节点的期望值为t时，输出节点的误差：圈1基于ABC成本估算程=÷∑(。一_厂(∑∑一)一0))2．1神经网络算法(2)神经网络(NNS)，又称人工神经网络(Artificial通过网络学习，使上述函数的误差达到0．001时，NeuralNetwork，ANN)，是

8、模拟生物神经网络进行信息学习结束。处理的一种数学模型。它由大量简单的神经元相互连