鋼鐵企業重點產品成本預測模型及系統開發

劉清泉，張志清，潘開靈

LIU Qing-quan, ZHANG Zhi-qing, PAN Kai-ling

（武漢科技大學 管理學院，武漢 430081）

0 引言

隨著新經濟時代的到來，鋼鐵制造業已進入生產高度自動化、產品多元化、組織柔性化、服務理念客戶化、信息系統網絡化以及經濟全球化的時代，其成本形成過程以及成本結構都發生了變化，傳統的成本管理方法已不能適應現代鋼鐵生產制造模式，這就導致現代鋼鐵企業成本管理觀念和成本管理的原則方法體系將發生重大變化，使得鋼鐵企業成本管理的探索和創新迫在眉捷[1]。尤其是各礦業巨頭所采用的鐵礦石短期定價模式，加劇了鋼材價格的波動，導致其制造的長期成本預測難度加大，鋼鐵行業已無法避免遭受到沖擊。受到原材料價格上漲預期的影響，許多貿易商和消耗鋼材企業，普遍加大了鋼材儲備，導致流通庫存量的增加，高產量、高庫存已經成為業界的常態。因此，現代鋼鐵企業迫切希望通過管理優化生產結構，通過控制成本來提高企業競爭力。

通過文獻分析及研究發現，當前鋼鐵企業成本預測主要存在以下問題：

1) 現行的鋼鐵企業成本控制，通常是從價差、量差、效能差異和人工差異等方面尋找降低成本的方法，是一類在管理會計范疇內通過報表等方式實施的靜態成本控制方法，已經不適應現代的鋼鐵生產制造模式[2]。

2) 目前鋼鐵企業的成本管理主要以事后計算為主，即按照鋼號和產品規格進行成本計算，原材料費用根據實際消耗情況計算，而生產費用和制造費用則在月末按成本科目分類匯總為財務憑證，再根據產量或預先設定的工時系數分攤到相應的產品成本中，存在很多不足[3]。

3) 鋼鐵企業雖然大規模實施了信息化項目，但是成本預測卻多未納入系統實施范疇，很多企業仍然在用Excel等電子表格工具進行管理，其共享性、可管理性很差。毫無疑問，當前的成本已不能準確地反映產品真實成本及其增值過程，以致與之相關的鋼鐵企業決策失效。

綜上所述，針對鋼鐵企業成本管理存在的問題，研究鋼鐵產品的成本構成特征，尋找有效的預測方法和模型，并設計可以用于成本預測的支持系統具有非常重要的研究價值和意義。

1 鋼鐵生產成本構成分析

鋼鐵行業屬于比較典型混合流程工業（Hybrid Process Industry，HPI），具有生產周期短、生產批量大、工藝過程相對固定和產品規格少等特點[4]。其具體生產過程始于投入原料，經歷原料預處理、煉鐵、煉鋼和軋鋼等一系列作業工序，最終形成擴張的、特征屬性多樣的產品流[5]。由于鋼鐵企業生產過程的復雜性，導致了成本控制也具有了復雜性的特征，具體表現在如下三個方面：

圖1 鋼鐵產品成本構成

1) 分散的成本發生地。鋼鐵工業屬于多段運輸、多段生產、多段存儲的大型生產和管理模式，工序多而形式不一，成本產生的地點分散，且擁有各種原材料、在制品和制成品，亦致使其產品成本構成分散。

2) 多元的成本控制重心。在煉鋼階段，超過80%的鋼錠成本由主要原材料成本構成，因此，成本管理的重點在于直接成本的控制；而在軋制環節，因為已確定上游作業中心結轉的坯料等成本，因此，成本控制的重點在于電耗、水費等間接成本。由此可見，對于不同的生產環節，其成本控制的重點是有差別的。

3) 多變的產品成本構成形態。根據鋼鐵產品的加工狀態、類型以及質量特性，可以將其分為不同構成形態的產品成本類型，包括原材料、在制品和制成品。

根據鋼鐵產品形成的過程，各階段發生的成本構成如圖1所示。

2 系統動力學模型構建

鋼鐵企業要進行產品報價、成本事前控制，就要對不同特征屬性的產品進行準確的成本預測。從預測方法看，目前常用的有參數法、類比法、分析法等成本預測方法和模型[6]。其中，參數法使用最為廣泛，主要是通過回歸、擬合等統計分析方法建立相關變量之間的函數關系，適合簡單、快速的成本預測，但預測精度不高；類比法以基于實例推理法(Case-Based Reasoning，CBR)[7]為代表，通過與類似實例的對比來進行目標產品的成本預測，適用于成本實例充足且相似度較為顯著的成本預測場合，其精度依賴于原始實例的合理性與準確性；分析法通過對產品各構成要素與成本消耗進行詳細的分解和分析，來達到更為精確的成本預測，典型的分析法有基于特征的成本預測方法(Feature- Based Cost Estimation，FBCE)與作業成本法(Activity Based Costing，ABC)[8,9]。前者通過特征識別與特征分類，提供了一種從產品設計層識別初始成本動因的方法，該方法最大的難點在于如何保證特征成本的準確性與可統計性；后者的優勢在于面向生產過程的準確追蹤成本消耗、進行精細成本處理和計算等方面，但由于其缺乏與設計層之間的關聯，該方法的使用范圍與獨特優勢的發揮都受到了極大限制。

在復雜的信息系統中會大量存在需要經過多次轉換的數據，內含復雜的算法或者折算方法，用普通的工具非常難以描述，數據字典、數據流程圖等主要的描述工具，圖2是采用數據字典來描述數據間結構的例子，可以看出，這樣的方法在完整性和共享性方面存在著明顯不足。

圖2 數據字典示例

圖3 鋼鐵產品成本構成系統動力學基礎模型

綜上所述，傳統的分析方法均屬于靜態的描述方法，存在很多不足。提出一種新的思路，即采用系統動力學來進行數據關系分析和描述，系統動力學能幫助我們理解復雜系統的結構和動態行為特征，因為系統動力學建模包含三個重要組件：因果反饋圖、流圖以及方程式。因果反饋圖能夠描述各變量之間的因果關系，流圖能夠幫助研究者用符號表達模型中的復雜概念，微分方程式所組成了系統動力學模型的主要結構，每一個連接狀態變量和速率的方程式即是一個微分方程式。系統中，可以對變量之間的關系進行自行定義，通過數據關系鏈形成一個復雜的網絡，可以選擇其中任何一個節點進行分析，包括其影響的因素或者哪些因素影響它等等。

采用Vensim系統動力學仿真工具作為研究和分析平臺，通過分析，繪制了某類鋼鐵產品成本構成的系統動力學基礎模型，如圖3所示。

3 系統分析與設計

3.1 系統需求分析

3.1.1 功能需求

1) 基礎數據管理

基礎數據管理主要包括原料的管理、產品數據管理、年度品種結構管理、鋼種的維護、系統中涉及到的初始數據的維護，在初始數據管理中主要完成的是一些變量和相關系數的設定，比如鐵水成本、期間費用率、期望價格和期望數量等等。

2) 報表功能

報表功能是很重要的部分在整個系統中，報表有兩個作用，一個是對統計數據進行圖表形式的顯示；另一個是通過圖形界面做出預測決策。報表分為各個分廠的統計匯總報表、月度和年度各個分廠成本信息匯總的報表，除此之外還有各分廠重要參數匯總對比的報表。

3) 統計分析

統計分析包括月度成本分析、工序費用比較分析、軋制費用比較以及原料附加成本比較分析。統計分析有很多分析的維度和參數，比如工序費用比較可以根據預算進行比較，也可以按照考核來比較。

4) 查詢

查詢分按品種結構查詢、主要參數查詢、單位信息查詢、收益相關參數的查詢等等。其中在品種結構查詢中可以分為按照年度和月度品種結構查詢兩種；單位信息查詢中包括單位查詢、人員查詢、電話查詢和部門協作會議查詢；收益相關參數的查詢又分為成本查詢、收入查詢、固定費查詢和收益查詢。

5) 預測與決策

預測與決策是綜合各種數據信息對重點產品成本預測的關鍵，預測有銷售價格和銷售數量的預測、根據預測和實際的情況做出對未來的決策，預測還包括每條生產線的毛利預測和產量預測等。

3.1.2 非功能需求

所謂非功能性需求，是指軟件產品為滿足用戶業務需求而必須具有且除功能需求以外的特性。軟件產品的非功能性需求包括系統的性能、可靠性、可維護性、可擴充性和對技術和對業務的適應性等。

1) 系統的完整性

系統的完整性指為完成業務需求和系統正常運行本身要求而必須具有的功能。該系統包含的主要功能有系統初始設置、基本數據管理、查詢、報表功能以及預測和決策等，除此之外，系統還有一個很重要的功能是能夠和公司現有的ERP系統對應的數據庫進行交換，保證數據同步的同時還具有按時備份數據庫、數據導入導出功能。

2) 系統的可擴充性與可維護性

系統的可擴充性與可維護性指系統對技術和業務需求變化的支持能力。為了便于后期系統的維護升級系統必須有一定的可擴充性。

3) 技術適應性與應用適應性

根據公司對功能需求的分析研究，該系統采用C/S架構模式，技術上足以滿足所要求的功能，從運行效率和安全性來說都是適應的。在功能權限控制上，通過登錄界面的部門和用戶名的組合確定了用戶所擁有的權限以及所能訪問的界面，保證了系統的安全性。

4) 易用性

系統最終的目的是服務用戶，因此系統必須是簡單易用的，該系統在功能劃分和菜單劃分上都按照類別劃分，也就是同一類功能的菜單放在一起，這樣方便用戶使用，除此之外，該系統還有系統使用說明書，大大方便了用戶對系統的使用。

3.2 業務流程圖

系統業務流程圖如圖4所示。

圖4 重點產品預測業務流程圖

3.3 數據流程圖

鋼鐵企業重點產品的預測最重要的一個環節是預排程會議，通過預排程會議做出對重點產品一定時間內的預測，其中在預排程會議之前關鍵的數據來源是財務部門和銷售部門，無論是做出主需求計劃還是對沒來一定時間重點產品的預測，銷售數據是必不可少的，通過各種不同產品的銷售數據，部門領導很容易得出那些是重點產品，同時財務數據也是不可或缺的，財務部作為公司的核心部門，對于物料、原材料以及成品的價格控制是最為關鍵也是最難的，通過價格的控制不僅可以控制成本，而且可以在激烈的市場競爭下獲取更多的客戶。

系統的流程首先是從銷售部門和財務部門開始，財務部門給出各種產品的當前的銷售價格、人工成本、成本等，然后通過預排程會議，各部門領導通過成本預算系統對各種預測產品做出系統的分析，然后確定出重點產品，最后將重點產品打印分發給各個分廠，同時將數據再次返送到銷售部和財務部。數據流程如圖5所示。

4 系統實現

4.1 開發工具

PowerBuilder（簡稱PB）是美國Sybase公司在20世紀90年代初推出一款的基于C/S架構的面向對象的數據庫開發工具。該產品一上市便獲得了良好的社會反響，并受到廣大開發人員的熱烈歡迎，時至今日，它所開發的系統已經廣泛應用于保險、金融、郵電等多個領域，并發揮著巨大的作用。PowerBuilder 10.5版是SYBASE公司2006年推出的新一代4GLPlus數據庫開發工具。在這個新版本中增加了構建Web Services、JSP Web、EJB的功能，使企業應用可以平滑過渡到基于瀏覽器和Web的應用模式下。同時，PowerBuilder 10.5所擁有的卓越的應用開發效率以及強大的Web功能也為其增色不少。

PB為用戶提供面向對象的系統設計、開發、測試以及發布的功能。尤其是其中的數據窗口功能，為廣大開發人員創建企業報表提供了非常便捷的方式，極大地縮短了系統的設計開發周期，從而讓開發者能專注于新的應用開發需求。

4.2 系統功能及界面

系統的登陸界面如圖6所示。

系統的主要功能界面如圖7所示。

5 結論

圖5 數據流程圖

圖6 系統登陸界面

圖7 系統主要功能界面

針對鋼鐵企業的成本管理現狀，對成本構成模型進行系統分析，重點引入系統動力學對鋼鐵企業成本構成進行描述，建立了基于系統動力學的鋼鐵企業生產成本預測模型，通過因果關系識別來分析成本預測所涉及的輸入、處理和輸出，并通過改變某些輸入來做出比較和優化。在系統分析的基礎上，利用PowerBuilder10.5和MS SQL Server 2005技術開發了一套鋼鐵企業重點產品成本預測系統，重點引入了不同的預測方法，較為準確地預測了產品在生產制造過程中的成本信息，提高了企業管理者的成本決策和分析能力。針對鋼鐵企業重點產品的成本預測，進行了系統、深入的研究，得到如下結論：

1) 以某鋼鐵企業成本預測管理實踐為背景，提出鋼鐵企業重點產品成本預測模型，以系統動力學和時間序列預測為核心，以鋼鐵企業物料消耗特征為平臺，為企業管理者提供詳細的成本預測信息，輔助管理者進行決策，最終提高企業的經濟效益。

2) 針對現行成本預測方法的不足，引入系統動力學對鋼鐵企業成本構成進行描述，建立了鋼鐵企業成本構成系統動力學基礎模型，通過因果關系識別來分析成本預測所涉及的輸入、處理和輸出，并通過改變某些輸入來做出比較和優化，進而實現成本預測與生產流程的集成，更加準確地反映多成本對象的成本信息，為鋼鐵企業作業成本管理奠定了基礎。

3) 可以按照品名、鋼號、對應鋼種、規格等進行成本歸集，能夠按月份或者季度進行重點產品的成本預測，并提供報表統計功能，能夠實現各種成本、會計報表的打印，全方位多角度為企業成本管理提供詳細信息，也為企業成本管理政策的確定及優化提供可靠依據。

[1]張浩,馬少輝.基于ERP/MES的鋼鐵企業成本管理系統研究[J].中國制造業信息化,2008(15:17-18.

[2]薄洪光,張楠,劉曉冰,等.基于消耗鏈的鋼鐵作業成本控制方法[M].計算機集成制造系統,2010(03).580-581.

[3]張浩,任楠.鋼鐵企業作業成本管理系統研究[J].計算機工程與設計,2009,30(06):1521-1522.

[4]Liu Xiaobing,Meng Qiunan,Ma Yue.The Design and Implementation of the Special Steel Enterprise—oriented Manufacturing Execution System[c].The Third International Conference on Electronic Commerce Engineering. Hangzhou,2003.

[5]KALLUN KIJP, SILVOLAH.The effect of organizational life cycle stage on the use of activity-based costing[J].Management Accounting Research,2008,19(1):62-69.

[6]NIAZIA, DAIJS , BALABANIS, et al. Product cost estimation:technique classification and methodology review[J].Journal of Manuf acturing Science and Engineering,2006,128(2):563-575.

[7]Khanum A, Mufti M, Javed M Y, et. Al. Fuzzy case-based reasoning for facial expression recognition[J].Fuzzy Sets and Systems,2009,160(2): 231-250.

[8]Tseng Y.J, JIANG B.C.Evaluating multiple feature-based machining methods using an activity-based cost analysis model[J]. International Journal of Advanced Manufacturing Technology.2000,16(5):67-83.

[9]唐蘇州,王德倫,黃亮.基于分層動態映射的產品成本預測方法[J].計算機集成制造系統,2010(02).365-366.