[矿山企业生产成本控制.docVIP

　　生产成本的控制是T业企业成本控制的重点与核心内容。生产成本是反映企业生产组织的合理程度、劳动生产率的高低、设备利用程度、经营管理水平的一项综合指标。节约的生产成本可以被企业利用在技术开发、环境改善和职工待遇等各个方面，极大地提高企业的竞争力。据调查，一般生产企业的生产成本占整个工业企业发生成本的平均比例约为60%～80%，而对于黄金生产企业来说，其生产成本的控制更为重要。黄金矿山属于资源型企业，其生产经营活动受到地质资源条件的制约，受限于企业的资源条件，即受限于企业生产成本。黄金矿山企业所生产的产品为标准化产品，企业在市场中参加的竞争不可能在产品上做文章，只能通过减少生产成本，才能获得更多的利润，才能比其他同行企业略胜一筹，立于市场的不败之地。 　　一、生产成本的模块化模型 　　黄金矿山企业成本的控制与核算存在路径组成不一样的情况，即成本核算是按照成本的组成进行的，如生产成本包括生产人工费、材料消耗费和设备折旧费等，而成本控制是通过部门来实现的。因此，要做成本的有效控制，必须将成本核算与控制结合在一起，按照现有的成本控制路径进行，即按照成本控制单位进行成本的划分与核算。据此，按照生产过程对牛产成本进行了模块化划分，即采矿模块、选矿模块与冶炼模块三大模块，并对这三大模块的成本组成进行了详细的划分。 　　(一)生产模块的成本组成 　　采矿作业成本分为采矿作业成本、掘进作业成本、钻探作业成本、坑内运输作业成本、通风作业成本、充填作业成本、提升作业成本、排水作业成本和坑口制造作业成本，不同作业分别发生对应成本。由于每月所采矿石量不同，影响到每月各个工作段的成本。为取消因采矿量不同对各个成本的影响，在成本分析中的数据采用每吨矿石负担的作业成本为原始数据，即以每月每吨矿石负担的各个作业成本：采矿作业成本、掘进作业成本、钻探作业成本、坑内运输作业成本、通风作业成本、充填作业成本、提升作业成本，排水作业成本和坑口制造作业成本作为分析变量。 　　(二)选冶模块的成本组成 　　金属矿山的生产过程中，选矿和冶炼过程从概念上讲是同筹重要，都很复杂，但在许多黄金企业的生产实际中本来由冶炼过程完成的许多工序都被作为冶炼前期准备工作，归人了选矿过程，如“氰化的过程”本该属于冶炼的过程归人了选矿的过程，这样就使得冶炼这个重要复杂的过程变得相当简单，并且花费成本较少且固定，可控制的地方少。在实际的生产中，企业也将选矿和冶炼的过程合并在一起，冶炼成为选矿的最后一步，即继续为黄金提纯的一起，冶炼成本费用一起统计。因此，将选矿和冶炼的过程合并在一起研究，将冶炼看做是选矿过程的最后一步，称为选冶过程。 　　选冶过程发生的成本有原矿处理作业成本，精矿处理作业成本、污水处理作业成本、冶炼作业成本、电解作业成本和选冶制造费用。原始数据仍然以每吨矿石负担的各个作业成本：原矿处理作业成本、精矿处理作业成本、污水处理作业成本、冶炼作业、电解作业，选冶制造费用作为分析变量。 　　选矿处理作业按照其作业工序分为破碎作业、磨矿作业、新二段再磨作业、浮选作业、供水作业、尾矿作业和精尾输送作业。根据选矿处理作业的各个工序，将其成本凶素(即每月每吨矿石负担的各个作业成本)分为破碎作业成本、磨矿作业成本、新二段再磨作业成本、浮选作业成本、供水作业成本、尾矿作业成本、精尾输送作业成本和选矿制造费用。 　　氰化作业可以分为精矿再磨、金精压滤、浸出洗涤、置换、硫精压滤和污水处理等作业，氰化作业成本因素可以分为精矿再磨成本、金精压滤成本、浸出洗涤成本、置换成本、硫精压滤成本、污水处理成本和氰化制造费用。 　　二、生产成本的预测模型 　　对生产成本的预测由于黄金矿山企业生产成本所受因素的影响较多，且变化大，因而需要反复学习、修正而成，所以最适合的预测模型是人工神经网络模型，我们采用人工神经网络中应用比较成熟的BP网络模型作为成本预测模型，其建立模型的步骤如下。 　　(一)BP网络的设计 　　BP神经网络主要由输入层、隐含层和输出层组成。此过程最主要的是确定各层的数目。输入层的数目就是成本组成的数量，输出层一般就是预测的成本值。对于隐层单元数的选择是一个十分复杂的问题，因为隐层单元数的选择没有很好的解析式来表示，除单元数的选择与问题的要求和输入/输出单元的多少都有直接关系。如果隐单元数过少，网络不强壮，不能识别以前没有看到的样本，容错性差，或由于网络太小可能训练不出来;但隐单元数太多又使学习时间过长，误差也不一定最小，因此存在一个最佳的隐单元数。隐含层节点的数目选择与需解决的实际问题、输入/输出单元都有关系，但目前没有一个较好的解析式来表达，常见的经验公式有：n1= 　　 　　+α，n1=log2n,式中n1为隐含层节点数，n为输入层节点数，m为输出层节点数，α为1～10之间的常数。 　　(二)初