[发明专利]一种基于分形思想的学习曲线产品单位成本评估方法

说明书

本发明涉及一种基于分形思想的学习曲线产品单位成本评估方法，包括以下步骤：将产品结构自底向上划分为多个层级，其中最底层包括用于组成上一层级中装配件的零件，中间层级包括用于组成上一层级中装配件的零件和装配件，最顶层为产品，然后建立所有零件的学习曲线模型，根据零件的学习曲线模型从最底层开始采用自底向上的迭代方式构建产品结构中间层级的装配件的学习曲线模型并获取产品的学习曲线模型，根据产品的学习曲线模型获取产品的单位成本。与现有技术相比，本发明采用自底向上的迭代方式进行构建，弥补了历史数据采集困难及其统计方式的弊端，支持自顶向下的学习行为及其学习效应的分析，能够对产品的单位成本进行有效评估分析。

技术领域

本发明涉及一种产品成本评估方法，尤其是涉及一种基于分形思想的学习曲线产品单位成本评估方法。

背景技术

学习曲线也称为经验曲线，源于“二战”时期的飞机工业的生产数据的监测分析结果。它表明了，众多行业的产品在其生命周期中存在一定的学习效应，即通过产品的使用过程，可以不断累计有价值的经验，进而提高产品使用效率。其量化特征体现在，随着产品累计产量的增加，单位产品的成本会以一定的比例下降。学习曲线理论已经成为当前企业经营管理者开展预测与决策活动的重要工具，广泛应用于生产领域。

根据学习曲线的量化特征，国内外学者建立了一系列学习曲线模型，并经过了一定的实证分析，部分模型在生产经营决策中得到了应用。现有的学习曲线模型一般按照影响因素的多少分为单因素(one-factor)、双因素(two-factor)和多因素(multi-factor)三种类型。单因素是最经典的模型，反映了累计产量对单位成本的影响，这一模型体现了产品在使用过程中获得的学习效益，称为learning-by-doing；双因素模型在单因素的基础上，增加了learing-by-researching的学习效应，即通过技术研发提高产品的质量性能，从而使产品效率提升，体现在累计RD投入对降低单位成本的影响；除了累计产量和累计RD投入，其它如：知识溢出、资本投入、原材料价格、人力成本等众多因素也融入到学习曲线模型中，形成了多因素模型。除此以外，从产品结构的视角，提出了component-based的学习曲线模型，该模型将整个产品的学习特征分解为产品组件(子系统)的学习特征的综合效应，每个产品组件对应不同的学习过程及其学习速率。

当学习曲线模型的基本结构确定后，模型构建的主要任务是确定反映学习速率的参数a。a的具体值一般是通过参数拟合获得，即根据单位成本和各个影响因素的历史数据进行回归分析，参数拟合是构建模型的重要内容，也是保证模型有效性的关键环节。随着学习曲线模型研究的逐步加深，历史数据的获取及处理方式已经成为构建学习曲线模型的瓶颈，明显制约了模型的有效性。主要原因表现在以下几个方面。

(1)历史数据获取困难。历史数据通常是自底向上(bottom-up)进行逐级采集，涉及因素较多，跨越时空范围较广，增加了历史数据采集的深度和广度，造成数据质量参差不齐。从现有文献分析来看，历史监测数据的不全面和较大的数据误差使分析结果存在明显的偏差。

(2)历史数据的统计方式过于粗糙。产品组成结构都决定了学习效应具有可分解性，不同组成部分对学习过程的总体效应具有不同的贡献度，基于组件的模型初步体现了这种可分解的特性。然而，现有的历史数据的处理是将数据在同一度量尺度下进行统计，掩盖了不同组成部分对学习的差异性。例如，组成产品的不同装配件和零件由于技术水平和生产规模差异具有不同的学习效应，因此对产品成本的贡献度具有不同的度量，需要从产品结构中的不同组件的尺度分析产品成本的变化。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于分形思想的学习曲线产品单位成本评估方法。

本发明的目的可以通过以下技术方案来实现：