基于人工智能的成本预测方法技术

本发明专利技术涉及服务器技术领域，具体提供一种基于人工智能的成本预测方法

【技术实现步骤摘要】
基于人工智能的成本预测方法、系统、终端及存储介质


[0001]本专利技术属于服务器
，具体涉及一种基于人工智能的成本预测方法
、
系统
、
终端及存储介质
。

技术介绍

[0002]成本预测是生产过程中非常重要的一环，传统的成本预测方式，大都是采用手工记账或者供应链系统方式，将年
/
月投入
、
产出
、
消耗统计下按照比例手工折算，无法了解产品的实际成本，也就无法进行产品成本的类比分析，传统的成本预测已经无法满足生产决策的需要
。
[0003]随着计算机技术不断发展，将物联网
、
大数据
、
人工智能技术应用于实际生产中的成本预测成为可能
。
现有的成本预测系统，利用物联网或大数据与成本预测相结合对生产数据进行采集或分析，提高了管理效率
。
但企业的生产经营活动是一个复杂的过程，仅仅利用物联网或大数据从生产数据角度对成本进行分析，仍然会存在成本预测模型不够准确的问题，使成本预测受到计算模型僵化的限制，而导致最终的成本预测分析与生产实际存在较大偏差
。
[0004]如何将计算机技术与成本预测结合起来，构建一套现代成本预测系统，实现基于生产中直接材料配比和间接生产费用等多个维度统筹分析进行成本预测，得到效率更高
、
成本更低
、
效果更好的成本预测模型，仍是需解决的问题
。
专利技术内容
[0005]针对现有技术存在的成本预测误差大的问题，本专利技术提供一种基于人工智能的成本预测方法
、
系统
、
终端及存储介质，以解决上述技术问题
。
[0006]第一方面，本专利技术提供一种基于人工智能的成本预测方法，包括：
[0007]采集历次生产中的各类原料投入量
、
对应原料单价和各项其它成本数据；
[0008]根据各类原料投入量和对应原料单价计算历次生产的原料成本，计算各类原料的投入比例和各项其他成本数据与原料成本的比例关系；
[0009]基于
PSO
‑
SVM
算法对历次生产中的所述比例关系进行选择，得到其它成本计算参数；
[0010]基于灰狼算法建立原料成本预测模型，对各类原料投入比例进行寻优；
[0011]指定产量并根据各类原料投入比例和其它成本计算参数计算生产成本
。
[0012]在一个可选的实施方式中，
[0013]所述各类原料包括原棉
、
再用棉
、
落棉
、
回花；
[0014]所述其它各项成本数据包括：用于棉纱生产过程中的间接材料费
、
水费
、
电费
、
燃气费
、
人工费
、
维修费
、
设备折旧费
、
外协加工费
。
[0015]在一个可选的实施方式中，所述基于
PSO
‑
SVM
算法对所述比例关系进行选择，包括，
[0016]优化
SVM
的惩罚因子
c
和核函数参数
g
，初始化粒子群规模，设定算法的权重因子，终止条件和初始粒子编码；
[0017]将每个粒子的个体极值设置为当前位置，利用适应度函数计算每个粒子的适应度值，取适应度好对应的个体极值作为最初的全局极值；
[0018]按照粒子的位置和速度更新公式进行迭代计算，更新粒子的位置
Xi
和速度
Vi
；
[0019]按照粒子的适应度函数计算每次迭代后每个粒子的适应度值，将每个粒子的适应度值与其个体极值的适应度值作比较，如果更优的话，则更新个体极值，否则保留原值；将更新后的每个粒子的个体极值与全局极值比较，如果更优的话，则更新全局极值，否则保留原值；
[0020]迭代至满足终止条件，达到最大迭代次数，得到最佳的参数组合
。
[0021]在一个可选的实施方式中，所述各类原料投入量，数据来自物联数据采集系统，所述数据采集系统与生产车间的机台直接相连，通过机台的二维码扫描功能直接获取上线原料信息
。
[0022]在一个可选的实施方式中，基于灰狼算法建立原料成本预测模型，对各类原料投入比例进行寻优，包括，
[0023]将优化的目标设为原料成本；
[0024]输入参数为原料投入比例和对应原料单价；
[0025]模型的约束条件为单价最高的原料占比为百分之百时的原料成本；
[0026]经过优化后最终输出最低原料成本和最优原料投入比例
。
[0027]在一个可选的实施方式中，指定产量并根据各类原料投入比例和其它成本计算参数计算生产成本，包括，
[0028]所述生产成本表示为：
[0029]C
生产成本
＝
C
原料
+C
其它
＝
B
原料
*P
综
+C
其它
[0030]其中
B
原料
为原料投入总量，
P
综
为综合原料单价，
C
其它
为生产中的其它生产成本；
[0031]B
原料
＝
m
产量
/
生产率
[0032]P
综
＝
P1*x1+P2*x2+P3*x3+...P
n
*x
n
(x1+x2+x3+...x
n
＝
1)
[0033]C
其它
＝
C
原料
*y1+C
原料
*y2+C
原料
*y3+...+C
原料
*y
n
[0034]m
产品
为产品数量，
[0035]其中，
y1、y2、y3....
为各项其他成本数据与原料成本的比例关系，
[0036]P1、P2、P3....P
n
为各类原料的价格，
[0037]x1、x2、x3...x
n
为各类原料投入比例
。
[0038]第二方面，本专利技术提供一种基于人工智能的成本预测系统，包括：
[0039]数据采集模块，用于采集历次生产中的各类原料投入量
、
对应原料单价和各项其它成本数据；
[0040]数据分析模块，用于根据各类原料投入量和对应原料单价计算历次生产的原料成本，计算各类原料的投入比例和各项其他成本数据与原料成本的比例关系；...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的成本预测方法，其特征在于，包括：采集历次生产中的各类原料投入量
、
对应原料单价和各项其它成本数据；根据各类原料投入量和对应原料单价计算历次生产的原料成本，计算各类原料的投入比例和各项其他成本数据与原料成本的比例关系；基于
PSO
‑
SVM
算法对历次生产中的所述比例关系进行选择，得到其它成本计算参数；基于灰狼算法建立原料成本预测模型，对各类原料投入比例进行寻优；指定产量并根据各类原料投入比例和其它成本计算参数计算生产成本
。2.
根据权利要求1所述的方法，其特征在于，所述各类原料包括原棉
、
再用棉
、
落棉
、
回花；所述其它各项成本数据包括：用于棉纱生产过程中的间接材料费
、
水费
、
电费
、
燃气费
、
人工费
、
维修费
、
设备折旧费
、
外协加工费
。3.
根据权利要求1所述的方法，其特征在于，所述基于
PSO
‑
SVM
算法对所述比例关系进行选择，包括，优化
SVM
的惩罚因子
c
和核函数参数
g
，初始化粒子群规模，设定算法的权重因子，终止条件和初始粒子编码；将每个粒子的个体极值设置为当前位置，利用适应度函数计算每个粒子的适应度值，取适应度好对应的个体极值作为最初的全局极值；按照粒子的位置和速度更新公式进行迭代计算，更新粒子的位置
X
i
和速度
V
i
；按照粒子的适应度函数计算每次迭代后每个粒子的适应度值，将每个粒子的适应度值与其个体极值的适应度值作比较，如果更优的话，则更新个体极值，否则保留原值；将更新后的每个粒子的个体极值与全局极值比较，如果更优的话，则更新全局极值，否则保留原值；迭代至满足终止条件，达到最大迭代次数，得到最佳的参数组合
。4.
如权利要求1所述的方法，其特征在于，所述各类原料投入量，数据来自物联数据采集系统，所述数据采集系统与生产车间的机台直接相连，通过机台的二维码扫描功能直接获取上线原料信息
。5.
如权利要求1所述的方法，其特征在于，基于灰狼算法建立原料成本预测模型，对各类原料投入比例进行寻优，包括，将优化的目标设为原料成本；输入参数为原料投入比例和对应原料单价；模型的约束条件为单价最高的原料占比为百分之百时的原料成本；经过优化后最终输出最低原料成本和最优原料投入比例
。6.
根据权利要求1所述的方法，其特征在于，指定产量并根据各类原料投入比例和其它成本计算参数计算生产成本，包括，所述生产成本表示为：
C
生产成本
＝
C
原料
+C<...

【专利技术属性】
技术研发人员：张红霞，张艳红，马法红，尹景霖，李锃祥，
申请(专利权)人：魏桥纺织股份有限公司，
类型：发明
国别省市：