棉纺企业动态成本预测研究

发布时间：2020-10-10 20:27

　　 棉纺成本分析是目前棉纺经营管理的热点,棉纺行业的原料成本占成本的80%以上,所以成本核算更是成本管理的重中之重。 中国棉纺企业多年来处于亏损边缘,整个行业利润偏低,另外,由于中国棉纺织行业企业数量较多,在国际市场占有重要地位,决定了有必要对其棉纺企业的成本进行动态预测研究。 建立数据库和数据仓库是成本分析研究领域中的一个重要手段,利用时间序列回归预测模型和序列模式挖掘(GSP)则是进行成本预测的重要方法。其研究目的是将成本预测应用在棉纺企业日常生产管理过程中,形成成本分析预测报告。在海量数据中正确地提取成本信息是成本分析和成本预测的关键,获取成本信息既需要快速高效的挖掘算法,又需要较高的处理能力来满足海量数据计算速度的要求。传统的成本核算只是粗略地解决了接单时的报价问题,其所利用的数据有限,不能对成本走势做出很好的判断,无法进一步提出降低成本的方法和管理思路,更无法及时提供成本发展趋势。并且经营者单纯从经验出发得到控制成本的管理手段,由于缺乏理论支持和科学依据。因此,没有抓住成本分析的主要矛盾。本文实现了棉纺企业很难实现的动态成本核算,值得行业内其他企业借鉴和推广。 本论文在充分研究现代棉纺业的背景知识和目前先进的计算机技术后,针对棉纺行业的需求设计并开发了基于数据仓库和数据挖掘技术的棉纺成本管理系统,同时,采用基于时间序列的回归预测模型和改进的序列模式挖掘算法QIMS对成本进行预测,提高了成本预测的准确率和及时性。 本文最后对研究成果进行了总结,提出将本文研究结果运用于其它经济领域的积极意义,同时指出了基于数据挖掘技术的智能棉纺企业预测决策支持系统的未来研究和发展方向。
【学位单位】：贵州大学
【学位级别】：硕士
【学位年份】：2009
【中图分类】：F426.81;F406.72
【部分图文】：

本根据企管办的工资总额表、纺织部月产量表和棉纱折标系数表核算，并按定额系数法进行分配。用电费用根据用电核算表核算。制造费用根据财务总帐系数提供的折旧与机物料修理费汇总表以及纺部月产量表核算，并按产量在各支产品分配。纺织部纱生产成本核算流程见下图2.2。

二、纺织部的布生产成本核算方法设计纺织部生产成本主要包括经纬纱成本、浆料成本、包装成本、人工成本、用电费用及制造费用。如图2.3纺织部的布成本结构图。布布成戈卜卜 血血接材料费!{直接人工赞 赞赞变动制造间接费用用 )))lllll浆 {{{包包 包书 LLLLL姗姗，，){乡， ，，料 lll装装 装物 物 物定定幸幸!少;{遥少 少少成 !!!成成 成料 料 料资资成成{}几只 只只本 ;;;木木 木成 成 成产产料料…本 本本 本 本 本本 本 本林林他 他他 他 他 他 他 他他他费 费费 费 费 费 费 费费费川 川川 川 川 川 川 川川川图2.3布成本结构图各种布的经纬纱成本根据(由本月用纱表、上月用纱表、纺织部半成品盘点汇总表形成)各种布的本期用纱表与百米用纱定额表和入库布产量表核算，并按定额法分配至各产品。浆料成本和包装成本根据供应部入库布产量表与财务部的材料帐核算，并按定额法分配。燃料成本根据各种布本期经纱用量表、及燃料系数表核算，入库布产量表核算，并按定额法分配。人工成本根据工资汇总表、工费系数表与入库布产量表核算，并按定额法分配。用电费用根据企管办提供的分厂用电核算表核算。制造费用根据财务部财务软件总帐系统提供的制造费用总额以及供应部入库布产量表核算

时间序列模型与QIMS实验过程.1GSp与QIMS实验比较GsP与QIMs样本数据准备为了验证QIMs算法比GsP有效，选取了某棉纺企业成本数据库作为实验对6年7月一1998年7月的财务成本数据，数据的总量10.4MB。将此三年中的所数据序列，每次采购入库的原料物资作为一个交易(transaotion)，订单为1我们分别采用了算法QIMS和算法GSP对实验数据进行处理。在运行算法Q验数据U中所占的比例为90%;同时，使用算法GSP直接对实验数据进行处果显示，算法QIMS所需的运行时间优于算法GSP4一7倍。表1中的实验结果大小约占整个数据库的10%，候选序列数约占5%。表1最小支持度=0.01
【相似文献】

相关期刊论文 前10条

1 李先杰;蔡乐才;赵洪英;;基于数据挖掘的白酒企业决策支持系统研究[J];四川理工学院学报(自然科学版);2011年03期

2 张馨方;黄敏儿;;数字矿山建设及其现状简介[J];科技致富向导;2011年21期

3 王佳;;石油勘探开发一体化数据仓库的设计与应用[J];石油工业计算机应用;2011年02期

4 张洋;;基于SOA集成平台的烟草行业企业总控中心建设探析[J];信息技术与信息化;2011年03期

5 中海油工程数字化(EDIS)项目组;俞勇;刘丽媛;邱惠;杨晓霞;赵辉;;海上油气田平台数字化实践和方法论研究[J];中国信息界;2011年07期

6 王珣;;南京钢铁联合有限公司信息自动化公司经理 孙茂杰 提升信息应用层次[J];信息方略;2010年22期

7 丛方杰;刘正;张进强;;ERP在金属矿山企业的应用研究[J];中国矿业;2011年08期

8 黄贻彬;马小雨;;Microsoft SQL Server中的星形连接查询优化[J];煤炭技术;2011年09期

9 承耀华;;提升精细化管理能力[J];中国制造业信息化;2011年12期

10 张兆东;;迎接云计算时代的数字化印刷[J];印刷世界;2011年05期

相关博士学位论文 前10条

1 孟京辉;经营单位级森林经营数据仓库研建及应用研究[D];中国林业科学研究院;2011年

2 朱传华;三峡库区地质灾害数据仓库与数据挖掘应用研究[D];中国地质大学;2010年

3 陈燕;数据仓库的设计与实现[D];大连理工大学;2000年

4 克里木;自适应数据仓库系统的研究与实现[D];大连理工大学;2003年

5 宋杰;面向多类型数据源的数据仓库构建及ETL关键技术的研究[D];东北大学;2008年

6 陈金玉;数据仓库实体化视图联机—致性维护研究[D];重庆大学;2002年

7 汤春蕾;交易序列数据挖掘研究[D];复旦大学;2011年

8 佘春东;数据挖掘算法分析及其并行模式研究[D];电子科技大学;2004年

9 徐小博;客户关系管理系统的安全防护机制[D];吉林大学;2012年

10 麦永浩;数据仓库和数据挖掘方法研究及其在公安信息建设中的应用[D];华东理工大学;2000年

相关硕士学位论文 前10条

1 陈学萍;基于数据仓库的决策支持系统技术及实现[D];上海海运学院;2002年

2 刘波;基于数据仓库的决策支持系统的研究与应用[D];西安建筑科技大学;2001年

3 师智斌;基于数据仓库的股票交易数据分析与预测研究[D];华北工学院;2002年

4 张圣阳;数据仓库和数据挖掘技术在企业管理中的一个应用[D];浙江大学;2002年

5 郭永生;数据仓库增量维护技术的研究[D];东南大学;2004年

6 袁小珍;基于数据仓库的动态报表查询系统[D];北京化工大学;2004年

7 宋鹤飞;数据仓库和数据挖掘在纳税评估中的应用[D];内蒙古大学;2010年

8 陈俊;基于数据仓库的制导仿真数据管理研究[D];国防科学技术大学;2010年

9 钟国祥;采用移动代理技术建立数据仓库的研究[D];西南师范大学;2001年

10 邵伯余;基于Web的数据仓库应用研究[D];南京理工大学;2002年

本文编号：2835544