中文摘要：

如何在钢铁企业复杂生产工况下通过对实际作业参数监控和分析，建立实现成本控制指标优化与资源配置动态协同的成本控制优化方法是个难题。本项目从生产作业环节入手以成本指标优化为基础，建立基于多元回归分析的成本指标与作业参数模型，实现从实际作业参数的变化获取成本指标的变化情况。提出多资源多作业条件下物耗、能耗、费用指标的综合优化方法，在作业、资源、任务多耦合关系约束下，提高成本指标制定的合理性和准确性。提出复杂生产工况下的资源分配系数制定和选配方法，满足非线性、多工艺成组生产的需求，提高分配系数制定合理性和成本计算的准确性。提出基于数据和知识的成本状态分析和预报方法，建立成本指标作业状态图，动态预报成本指标增减情况，并提出生产资源的调整方案实现作业参数和成本指标同步优化。构建了生产工况监控、成本动态核算与成本状态分析和预报的闭环控制体系，为企业实现精细化成本管理以及提高成本控制能力提供了方法支持。

结论摘要：

本项目针对复杂生产作业中钢铁成本控制指标失控、资源分配不合理、成本状态控制能力弱等问题，进行了标准成本优化制定、基于作业参数的成本核算以及成本状态分析等方面的研究。提出了成本控制指标与作业参数关系模型，建立了面向产品、工序的钢铁指标体系，依据生产加工中所消耗的各种材料和费用与生产的密切程度，对成本控制指标进行了细化，实现了企业、分厂、作业等不同管理层面对成本指标的多级管理控制。建立了基于粗糙集的成本指标影响因素关系模型，基于邻域粗糙集理论对影响因素进行了约简，得到了影响成本指标的关键因素，使成本指标转化为生产现场可操控的生产作业参数。提出面向复杂生产工况的成本控制指标制定方法。基于邻域粗糙集、随机分布理论和支持向量机建立作业成本指标制定方法，利用随机属性的置信区间确定作业标准成本的区间范围并最终确定作业标准成本值，并构建作业标准成本的回归模型，预测小批量或新产品的标准成本。建立基于空间划分改进蚁群的标准成本制定方法, 以产品标准成本最小及实际标准加工时间与理想标准加工时间之差最小为目标函数，产品质量要求、作业成本为约束条件，构建标准成本优化数学模型，解决标准成本制定与产品质量和加工效率要求相脱离的问题。提出基于作业参数的成本核算方法。建立基于粗糙集和BP神经网络相结合的混合加工资源消耗计算方法，准确划分资源分配对象，利用BP神经网络建立影响因素与资源消耗的分配关系，进而计算出混合加工时的资源消耗量，实现了在混合加工作业成本动因很难制定情况下的准确成本核算。建立基于产品、批次的实际成本结转方法，以实际成本核算的成本中心结转次数最少为优化目标，构建成本结转数学模型，提高成本核算的准确性，降低成本核算时间。为实现成本细粒度管理及实际成本可追溯、可还原提供方法支持。提出基于数据和知识的成本状态分析方法。建立了成本状态分析模型，确定了成本状态分析维度以及每个维度所包含的属性，实现了从多维度、多属性的角度对成本状态进行管理。建立基于K-means的成本状态分析算法，对成本状态进行分类，实现了成本状态的分类管理，对成本状态进行有效管理与监控。建立了分布式供应商计划方法，不仅以采购物料的价格、供应商的生产能力等为约束条件，而且考虑了生产作业需求，使得产品结构复杂的企业所有的物料能够低成本、准时、齐套到达，为提升企业生产经营业务中成本控制能力提供方法支持。