一种基于智能化成本核算管理系统及方法
文献发布时间:2024-04-18 19:58:53
技术领域
本发明涉及数据管理技术领域,具体地说,涉及一种基于智能化成本核算管理系统及方法。
背景技术
成本核算管理是实现企业利润最大化的主要手段之一,成本核算与成本预测、成本计划、成本控制、成本分析和成本考核有机构成了成本核算管理系统,组织好成本核算,对全面提高企业管理水平,落实企业各部门经济责任制,提高企业经济效益,有很大的推动作用,在竞争日趋激烈的市场经济环境中,成本管理工作显得尤为重要;
然而,现有技术中的成本核算管理系统在使用时,将多个数据汇总后,核算总的成本数据,导致不方便根据不同的成本项目进行归类,在出现成本较高的异常现象时,不能准确识别出成本较高的原因,影响后续成本的管理;
为了应对上述问题,现亟须一种。
发明内容
本发明的目的在于提供一种基于智能化成本核算管理系统及方法,以解决上述背景技术中提出的问题。
为实现上述技术问题的解决,本发明的目的之一在于,提供基于智能化成本核算管理系统,包括核算数据获取单元、项目归类核算单元、异常检测单元和趋势预测单元;
所述核算数据获取单元用于通过物联网设备获取当前成本相关数据传输至云端数据库存储,成本相关数据包括原材料采购金额、生产设备的能耗数据、人员工资;
所述项目归类核算单元用于整合所述核算数据获取单元的成本相关数据,根据不同的成本项目进行归类,成本项目类别包括直接成本、间接成本和制造成本,并计算归类后各个成本项目的具体数值;
所述异常检测单元用于根据历史成本相关数据建立成本异常模型定义成本项目的标准,将所述核算数据获取单元的当前成本相关数据输入模型中,输出标准成本数值与所述项目归类核算单元的具体数值的差值,若差值超过异常阈值,则发出异常信号,并输出引起异常的原因;
所述趋势预测单元用于在项目归类核算单元的具体数值基础上,基于历史成本数据和市场变化趋势预估未来项目成本,评估成本效益。
优选的,所述核算数据获取单元中的物联网设备包括传感器、智能计量设备和通信设备,用于获取成本相关数据。
优选的,所述项目归类核算单元包括数据整合模块、直接成本归类模块、间接成本归类模块和制造成本归类模块;
所述数据整合模块用于使用数据提取技术将成本相关数据从云端数据库提取出来,并将成本相关数据分别输入直接成本归类模块、间接成本归类模块和制造成本归类模块内,根据直接成本、间接成本和制造成本的定义和原则对成本相关数据进行归类,并采用累加计算技术计算出多个成本项目的具体数值;
所述直接成本归类模块用于确定所有直接成本项目的训练集,作为直接成本的定义和原则,将成本相关数据输入训练集中,输出直接成本数据;
所述间接成本归类模块用于确定所有间接成本项目的训练集,作为间接成本的定义和原则,将成本相关数据输入训练集中,输出间接成本数据;
所述制造成本归类模块用于确定制造成本项目的训练集,作为制造成本的定义和原则,将成本相关数据输入训练集中,输出制造成本数据。
优选的,所述项目归类核算单元还包括成本比例计算模块,所述成本比例计算模块用于探索性分析所述数据整合模块输出的直接成本数据、间接成本数据和制造成本数据的特征,通过回归分析算法确定成本项目之间的关系和影响因素,进而计算成本比例,预测成本项目的比例。
优选的,所述异常检测单元包括特征挖掘模块、异常模型建立模块和异常检测模块;
所述特征挖掘模块用于收集历史的成本相关数据,根据成本项目的需求,提取出能够有效表征成本变化的特征;
所述异常模型建立模块用于根据特征挖掘模块提取的特征采用异常规则检测算法建立成本异常模型,实现输入成本相关数据时,输出标准成本数值;
所述异常检测模块用于将所述数据整合模块归类后的数据分别输入至异常模型建立模块的模型中,输出每个成本项目的标准成本数据,计算标准成本数值与所述数据整合模块输出的具体数值的差值,将差值的绝对值与预设的异常阈值进行比对,若超过异常阈值,则输出异常信号,反之,输出正常信号。
优选的,所述异常检测单元还包括标准更新模块,所述标准更新模块用于使用增量学习的方法,将历史成本相关数据、实时数据和外部数据相结合,根据新数据的加入,动态地更新成本异常模型的参数和阈值,利用滚动窗口或时间窗口的方式,保持模型与数据的实时适应性。
优选的,所述异常检测单元还包括可视化提醒模块,所述可视化提醒模块用于在所述异常检测模块发出异常信号时,通过可视化工具展示所述数据整合模块的具体数值,并发出提醒信号。
优选的,所述趋势预测单元包括时间序列分析模块、市场趋势分析模块和模型融合模块;
所述时间序列分析模块用于根据历史成本数据的时间序列模式和趋势建立时间序列模型,分析时间序列来预测未来成本;
所述市场趋势分析模块用于采用时间序列分析市场趋势来预测未来成本;
所述模型融合模块用于结合所述时间序列分析模块的时间序列分析和所述市场趋势分析模块的市场趋势分析,将两者的预测结果进行加权融合,输出准确的未来成本预测结果,来评估成本效益。
本发明的目的之二在于,提供了基于智能化成本核算管理方法,包括上述中任意一项所述的基于智能化成本核算管理系统,包括以下步骤:
首先通过核算数据获取单元获取当前成本相关数据传输至云端数据库存储,并传输到云端数据库中进行存储;
使项目归类核算单元整合所述核算数据获取单元的成本相关数据,根据不同的成本项目进行归类,并计算归类后各个成本项目的具体数值;
通过异常检测单元根据历史成本相关数据建立成本异常模型定义成本项目的标准,将所述核算数据获取单元的当前成本相关数据输入模型中,输出标准成本数值与所述项目归类核算单元的具体数值的差值,若差值超过异常阈值,则发出异常信号,并输出引起异常的原因;
最后,使趋势预测单元在项目归类核算单元的具体数值基础上,基于历史成本数据和市场变化趋势预估未来项目成本,评估成本效益。
与现有技术相比,本发明的有益效果:通过项目归类核算单元整合所述核算数据获取单元的成本相关数据,根据不同的成本项目进行归类,实现汇总的成本分成不同的成本项目,分别对不同成本项目的具体数值进行展示,方便直观的分析成本的趋势变化;
同时,所述异常检测单元根据历史成本相关数据建立成本异常模型定义成本项目的标准,方便输出标准成本数值与所述项目归类核算单元的具体数值的差值,若差值超过异常阈值,则发出异常信号,并输出引起异常的原因,实现对多个成本项目进行异常异常检测,不仅在出现成本较高或较低的异常现象时,方便及时提醒用户,且可以快速定位异常的成本项目,方便后续及时作出降低措施或改进方案的应对措施,有利于帮助企业优化成本结构和降低成本风险。
附图说明
图1为本发明的整体结构原理图;
图2为本发明的异常检测单元的原理图。
图中各个标号意义为:
100、核算数据获取单元;
200、项目归类核算单元;210、数据整合模块;220、直接成本归类模块;230、间接成本归类模块;240、制造成本归类模块;成本比例计算模块
300、异常检测单元;310、特征挖掘模块;320、异常模型建立模块;330、异常检测模块;标准更新模块、可视化提醒模块
400、趋势预测单元;410、时间序列分析模块;420、市场趋势分析模块;430、模型融合模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1-2所示,本发明的目的之一在于,提供了基于智能化成本核算管理系统,包括核算数据获取单元100、项目归类核算单元200、异常检测单元300和趋势预测单元400;
核算数据获取单元100用于通过物联网设备获取当前成本相关数据传输至云端数据库存储,成本相关数据包括原材料采购金额、生产设备的能耗数据、人员工资,这些数据可以实时或定期采集,并传输到云端数据库中进行存储,方便后续实时进行成本核算;
具体的,核算数据获取单元100中的物联网设备包括传感器、智能计量设备和通信设备,用于获取成本相关数据,根据数据采集需求,合理布置设备,确保覆盖到需要监测的位置和环节,比如,对于原材料采购金额可以通过智能采购系统获取,生产设备的能耗数据可以通过智能电表或传感器获取,人员工资可以通过工资系统获取,并且采集到的数据可以通过无线通信方式,如Wi-Fi、蓝牙、Zigbee等,传输到云端数据库进行存储和处理;
在云端建立数据库,用于存储成本相关数据,可以选择关系型数据库如MySQL、Oracle或者NoSQL数据库如MongoDB、Redis根据数据的特点和需求进行选择,建立数据表,定义字段和数据类型,确保数据的准确性和一致性,可以使用云服务提供商的数据库服务,如AWS RDS、Azure Database等,来管理和维护云端数据库,方便随时调出成本相关数据。
项目归类核算单元200用于整合核算数据获取单元100的成本相关数据,根据不同的成本项目进行归类,成本项目类别包括直接成本、间接成本和制造成本,并计算归类后各个成本项目的具体数值,实现汇总的成本分成不同的成本项目,分别对不同成本项目的具体数值进行展示,方便直观的分析成本的趋势变化;
进一步的,项目归类核算单元200包括数据整合模块210、直接成本归类模块220、间接成本归类模块230和制造成本归类模块240;
数据整合模块210用于使用数据提取技术将成本相关数据从云端数据库提取出来,并将成本相关数据分别输入直接成本归类模块220、间接成本归类模块230和制造成本归类模块240内,根据直接成本、间接成本和制造成本的定义和原则对成本相关数据进行归类,并采用累加计算技术计算出多个成本项目的具体数值;
直接成本归类模块220用于确定所有直接成本项目的训练集,作为直接成本的定义和原则,直接成本指的是可以直接与产品或服务相关联的成本,可以追溯到具体的产品或服务,直接成本项目如原材料、零部件、直接人工等,将成本相关数据输入训练集中,输出直接成本数据,直接成本数据包括原材料采购记录、加工记录、直接人工工时等;
间接成本归类模块230用于确定所有间接成本项目的训练集,作为间接成本的定义和原则,间接成本指的是无法直接追溯到具体产品或服务的成本,它们通常是企业的一般经营费用,间接成本项目包括租金、折旧费用、电力费用等,将成本相关数据输入训练集中,输出间接成本数据,间接成本数据包括各项费用支出记录、使用时间等;
制造成本归类模块240用于确定制造成本项目的训练集,作为制造成本的定义和原则,制造成本是指直接与产品的制造过程相关的成本,包括直接材料成本、直接人工成本和制造间接费用,制造成本项目包括直接材料成本、直接人工成本和制造间接费用,将成本相关数据输入训练集中,输出制造成本数据,制造成本数据包括原材料的采购记录、直接人工工时统计、制造过程中间费用的支出记录等;
因此,通过将成本相关数据分别输入到直接成本归类模块220、间接成本归类模块230和制造成本归类模块240内用于定义直接成本、间接成本和制造成本的训练集内,将成本相关数据分成直接成本、间接成本和制造成本三种类别,方便将采集到的成本相关数据按照不同的成本项目进行归类和管理,有利于企业可以根据需要对不同成本项目进行分析、报表生成和决策支持,提升成本管理的效果和决策的准确性。
同时,异常检测单元300用于根据历史成本相关数据建立成本异常模型定义成本项目的标准,将核算数据获取单元100的当前成本相关数据输入模型中,输出标准成本数值与项目归类核算单元200的具体数值的差值,若差值超过异常阈值,则发出异常信号,并输出引起异常的原因,实现对多个成本项目进行异常异常检测,不仅在出现成本较高或较低的异常现象时,方便及时提醒用户,且可以快速定位异常的成本项目,方便后续及时作出降低措施或改进方案的应对措施,有利于帮助企业优化成本结构和降低成本风险;
值得说明的,异常检测单元300包括特征挖掘模块310、异常模型建立模块320和异常检测模块330;
特征挖掘模块310用于收集历史的成本相关数据,包括成本项目的具体数值和相关影响因数的信息,根据成本项目的需求,提取出能够有效表征成本变化的特征,包括时间特征、相关性特征、业务特征;
异常模型建立模块320用于根据特征挖掘模块310提取的特征采用异常规则检测算法建立成本异常模型,实现输入成本相关数据时,输出标准成本数值;
异常检测模块330用于将数据整合模块210归类后的数据分别输入至异常模型建立模块320的模型中,输出每个成本项目的标准成本数据,计算标准成本数值与数据整合模块210输出的具体数值的差值,将差值的绝对值与预设的异常阈值进行比对,若超过异常阈值,则输出异常信号,反之,输出正常信号;
假设预设的异常阈值为m,标准成本数值为A,具体数值为a,采用基本的差值计算公式,|A-a|<m,则输出正常信号,表示具体数值在标准数值的预估范围内,|A-a|≥m,则输出异常信号,表示具体数值超过了标准数值的预估范围,可能是成本较高或较低,在成本较高时影响效益,成本较低时易出现质量问题,都需要进行警惕,同时,对每个成本项目依次进行异常检测,方便快速锁定异常出现的项目,有利于异常原因的锁定。
趋势预测单元400用于在项目归类核算单元200的具体数值基础上,基于历史成本数据和市场变化趋势预估未来项目成本,评估成本效益。
此外,趋势预测单元400包括时间序列分析模块410、市场趋势分析模块420和模型融合模块430;
时间序列分析模块410用于根据历史成本数据的时间序列模式和趋势建立时间序列模型,分析时间序列来预测未来成本,常用的时间序列模型包括移动平均模型、自回归模型和自回归移动平均模型,利用建立好的模型,可以通过自动化的方式进行未来成本的预测和评估;
市场趋势分析模块420用于采用时间序列分析市场趋势来预测未来成本,包括供应链情况的变化、原材料价格的波动和劳动力成本的变动等,基于市场趋势的预测可以通过分析相关的市场指标和外部数据来实现;
模型融合模块430用于结合时间序列分析模块410的时间序列分析和市场趋势分析模块420的市场趋势分析,将两者的预测结果进行加权融合,输出准确的未来成本预测结果,来评估成本效益,需要注意的是,在进行趋势预测时,建立模型需要充分考虑数据的稳定性、周期性和季节性等特点,同时,及时更新模型参数以适应市场动态变化是非常重要的,这可以通过实时获取和处理最新成本和市场数据来实现,通过持续监控和精细调整模型,可以提高预测的准确性和成本效益的评估结果。
由于项目归类核算单元200在根据不同的成本项目进行归类,并计算归类后各个成本项目的具体数值时,若不能明确每个成本项目之间的关系和影响因素,导致不方便确定成本的规律,因此,使项目归类核算单元200还包括成本比例计算模块,成本比例计算模块用于探索性分析数据整合模块210输出的直接成本数据、间接成本数据和制造成本数据的特征,包括数据的分布、偏度、峰度等统计量的计算,辅助了解成本项目的特征和数据的变化情况,通过回归分析算法确定成本项目之间的关系和影响因素,进而计算成本比例,预测成本项目的比例,其中,回归分析算法的原理如下:使用多元线性回归模型,将多个成本项目作为自变量,目标成本比例作为因变量,通过建立回归方程来分析各个成本项目对目标成本比例的影响,实现确定成本项目中成本的比例。
由于市场的不断变换,导致历史数据在不断的更新,若不能适应实际更新成本异常模型,影响标准成本数据的输出准确性,因此,使异常检测单元300还包括标准更新模块,标准更新模块用于使用增量学习的方法,将历史成本相关数据、实时数据和外部数据(如市场指标、经济数据等)相结合,根据新数据的加入,动态地更新成本异常模型的参数和阈值,利用滚动窗口或时间窗口的方式,保持模型与数据的实时适应性,更准确地检测成本异常,并及时调整标准。
考虑到在异常检测模块330发出异常信号时,不能直观的提醒用户,使异常检测单元300还包括可视化提醒模块,可视化提醒模块用于在异常检测模块330发出异常信号时,通过可视化工具展示数据整合模块210的具体数值,并发出提醒信号,数据可视化工具,如Tableau、Power BI等,将成本数据进行可视化展示,并生成成本报表和图表,这可以帮助管理者更直观地了解成本分布和变化情况。
本发明的目的之二在于,提供了基于智能化成本核算管理方法,包括上述中任意一项的基于智能化成本核算管理系统,包括以下步骤:
首先通过核算数据获取单元100获取当前成本相关数据传输至云端数据库存储,并传输到云端数据库中进行存储;
使项目归类核算单元200整合核算数据获取单元100的成本相关数据,根据不同的成本项目进行归类,并计算归类后各个成本项目的具体数值;
通过异常检测单元300根据历史成本相关数据建立成本异常模型定义成本项目的标准,将核算数据获取单元100的当前成本相关数据输入模型中,输出标准成本数值与项目归类核算单元200的具体数值的差值,若差值超过异常阈值,则发出异常信号,并输出引起异常的原因;
最后,使趋势预测单元400在项目归类核算单元200的具体数值基础上,基于历史成本数据和市场变化趋势预估未来项目成本,评估成本效益。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
- 一种水稻田智能化种植管理系统及其应用方法
- 一种智能化燃煤筒仓管理系统及方法
- 一种基于区域智能化的养殖基地自动化电子信息管理系统
- 一种基于电子信息技术的区域智能化基地养殖管理系统
- 一种工程项目考勤管理系统及项目成本核算方法
- 一种基于元宇宙平台的钢铁物料智能化管理系统及方法