基本信息
- 项目名称：
- 基于因子分析与神经网络的产品成本估算研究
- 来源：
- 第十二届“挑战杯”省赛作品
- 小类：
- 数理
- 大类：
- 自然科学类学术论文
- 简介：
- 传统观点将成本视为会计核算的产物，从财务信息出发进行成本控制，而成本企划认为成本是生产制造过程的产物，产品设计决定了产品结构、生产流程工艺，也就基本确定了产品成本。研究表明，设计阶段的实际投入费用虽然只占产品总成本的5%，但是却决定了70%~80%的产品成本以及80%以上的产品特性。因此成本控制应从生产阶段转移到开发设计阶段。此作品就是通过实验分析找到能影响手机80%的成本的几个关键因素。
- 详细介绍：
- 在产品设计阶段进行成本评估对于成本控制及新产品开发有重要意义。为提高成本估算的准确度，采用并行工程理论与因子分析方法提取特征参数，提出了基于因子分析和BP神经网络的成本估算模型DCEM。既简化了BP神经网络的输入，又避免了输入参数间的耦合。实验结果表明，该模型性能稳定，能够在产品设计早期对成本进行更精确的动态估算。
作品专业信息
撰写目的和基本思路
- 传统观点将成本视为会计核算的产物，从财务信息出发进行成本控制，而成本企划认为成本是生产制造过程的产物，产品设计决定了产品结构、生产流程工艺，也就基本确定了产品成本。研究表明，设计阶段的实际投入费用虽然只占产品总成本的5%，但是却决定了70%~80%的产品成本以及80%以上的产品特性。因此成本控制应从生产阶段转移到开发设计阶段。此作品就是通过实验分析找到能影响手机80%的成本的几个关键因素。
科学性、先进性及独特之处
- 神经网络用于成本估算是将影响产品成本的因素作为神经网络的输人，待估的成本值作为神经网络的输出，采取有监督的学习或无监督的学习方法用历史成本数据训练神经网络。Bode和Bina比较了成本估算中的回归分析和神经网络方法，结果显示基于神经网络的估算模型可以得到更好的成本预测数据，尤其在解析表达式中输入和输出变量之间关系未知的情况下，评估者不需要提供或知晓输出的产品成本与输入的特征属性之间的关系。
应用价值和现实意义
- 该模型可以应用于手机产品的早期设计工作中，能够在早期产品设计期间对成本进行精确的动态估算进而控制成本并计算预期利润，有利于辅助生产厂家进行产品研发决策。
学术论文摘要
- 在产品设计阶段进行成本评估对于成本控制及新产品开发有重要意义。为提高成本估算的准确度，采用并行工程理论与因子分析方法提取特征参数，提出了基于因子分析和BP神经网络的成本估算模型DCEM。既简化了BP神经网络的输入，又避免了输入参数间的耦合。实验结果表明，该模型性能稳定，能够在产品设计早期对成本进行更精确的动态估算。
获奖情况
- 无
鉴定结果
- 无
参考文献
- BT神经网络、并行工程和因子分析、参数拟合
同类课题研究水平概述
- 针对成本估算问题，各国学者已经进行了较为深入的研究。按照估算原理将这些方法归类，一般可以分为传统的基于成本核算的估算方法、分析估算方法和基于统计和参数拟合的方法三大类。 1 传统的基于成本核算的估算方法 这种方法是汇总产品生产过程中发生的所有费用，包括材料费、人工费、制造费用等，这些数据的获取取决于产品加工流程等详细信息，成本估算的准确性也就取决于上述信息的准确程度。因此，这种方法主要适用于产品设计的后期或设计完成后，如在设计中期使用，则估算精度很低。 2 分析估算方法 分析法的出发点是跟踪产品生命周期的设计、制造、装配、销售、使用、维护、报废等行为，通过详细分析这一过程中成本动因来实现产品的成本估算。该类估算方法主要有作业成本法、基于特征和加工工艺的估算方法，因为它始终面向产生成本的“动因”，因此这种估算方法是建立在产品信息比较完备的基础上，更适合于在产品设计的后期阶段或设计完成后的成本估算。 3 基于统计和参数拟合的方法 此类方法通过建立一些表征产品特征的参数（如性能、重量、尺寸等）与成本之间的函数关系来评估产品成本。其最大特点是无需对产品本身作详细结构分析，充分利用己有类似产品的结构和成本信息来弥补待估产品设计信息的不足，特别适合解决产品设计早期的成本估算问题，而工作量相对较小。缺点是由于新产品设计信息尚未完全确定，造成估算精度不高。
