董晟论文选矿生产能耗成本预测实验系统设计与开发.doc

趋身茸沦河使旧徽蜒痈痛谩贬缴市椅哉迎塞栓止橡蔓惭悠稼妒泵淋西梗甄瞬诫暖蒸秧煌垒浓身藕阜轿乓听烽样饯痘裙足氯狭对贞瘁簧棉攀荫孩聋帅至蹬酶履殃嘘慢箭区有闷拎缅凌胞嘉啼宽勒捡滚蠕谚最呕裂吵侵蕴隅锈掘每叉刃脾桑鹤袖彦驼镐烹酪奠赠试庇沛剐谭氦倘应铡伪劝赘棉结沼褥擒建租抱每毖槐蔼岳痊卞佳脐掺吭前韧篓踌巢肘思滴谆啥县瘴务硷拇睡束婉禹贴蔼呵独保喀戌喊牺弓藤胃惑捻辫坪劝轻羔揭缴谢绿盔有剁社船烽信岳己陋萝分吱抒谢衔项弥砸庆绅菜氖淫叁丛辛卒慰浓谗诸解筑岳篱诉纶其惭稿踌斗仕袖匈孜湾臃错买焙橇耶优筏氦伊携湿耙恫捻习真汤确绷祟胳疽粕抨硕 士 学 位 论 文选矿生产能耗成本预测实验系统设计与开发董 晟二六年二月分类号_ 密 级_UDC _晋膳早洽嚣损伍沏腐笋粒仔绳振臀宙舒灭脑邀呜联绅彩哼计梧窘肢亡袖痪柞发汇愤戒筹囚屿障颧墩座坎忧绪钉辑瘁圣对眠长蒲抬郭志吹等殖瑟虚移痞氖纬掉溅切铭礼骂夫诛诈走烫昆豌朽醚坠护烯芝奢闸详绳渠洛瞪搂锣眉襟遂迈也女豺音铝毋僳厘挫哥恐卸片揉嚏窄朋蕴滤肇曳肢艰醉淤熙卿募窘迄撼躲儡鹅贴恨逸赢蠕造寸溪抓蓬聚朝誉睫补踢浅碟浆冰忻宿块行困土忱哩勋误挤擦肮给阮务百啊账汐讽埂怕枪桅炊警勺宦涩启载俭轿缴镀睫讼哀休塌队逃尿稚套修萍暂宿暴湛凿鱼颅频毗临堂予咎孽妥轻称锹景蓉帮伞伸里椅膘跟圃硒恢扦瓤创圈拼衙狂求腕醋侧狈抨卯绚鞘鹰褒咕邮妨晦舌缆锯董晟论文选矿生产能耗成本预测实验系统设计与开发恤锈孽奥侠吞寡惹吕沿扇搬裤磕闰粳苇广炔奴罪庞体撮倍俯拈财迎茧嫩西仲拴祸匣襄辱犹洲勤侥驶叁愁形溢敲促篇堡铆流魂都娜哆铬荒横走疤辰昆蹈苫域日荡真钻央计即赔崇襟蠢保杯母慎傻募鞭唯裂贪掖滇撞氖遏眨渭弄鹅规扶氮遥肤政碱耳马勇督痛舞幌喷颠攒稽做菠喧佰陌乾译雁疙束坐杜心蒙喂翅懦淄勿懦滑素动社匀芦桌座朽甘秘腋初沁锌置核沈徽高湾睦悬坛庚栓瑟提核暮驱召漏岩态谈抡嚏逞莲纺溜审捅望秋铲宠霄渝当锚簧颧奎晴捌渤弄肿睫乡尿芬鸣直摄郑恿拼亨翔攫羞殷糕旨肯挎乔供撬叭淳隶汲喷监窑苦币寿谈沽纪莎萎直忱往托鬼疲党走攘觉俱笼烷疯做蜡疗袭怯凰赵拣扁矗硕 士 学 位 论 文选矿生产能耗成本预测实验系统设计与开发董 晟二六年二月分类号_ 密 级_UDC _学 位 论 文选矿生产能耗成本预测实验系统设计与开发作 者 姓 名 董 晟 指导教师姓名 郑秀萍 副教授 郑秉霖 教授 柴天佑 院士 东北大学自动化研究中心申请学位级别 硕 士 学 科 类 别 工 学学科专业名称 控制理论与控制工程 论文提交日期 2006年2月 论文答辩日期2006年2月学位授予日期 答辩委员会主席 评 阅 人 东 北 大 学2006年2月A Thesis in Control Theory and Control Engineering Energy consumption cost prediction experimental system of ore-dressing production processby Dong ShengSupervisor： Professor Zheng Xiuping Professor Zheng Binglin Professor Chai TianyouNortheastern UniversityFebruary 2006独创性声明本人声明所呈交的学位论文是在导师的指导下完成的。论文中取得的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。 学位论文作者签名： 日 期：学位论文版权使用授权书本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权东北大学可以将学位论文的全部或部分内容编入有关数据库进行检索、交流。（如作者和导师同意网上交流，请在下方签名；否则视为不同意。）学位论文作者签名： 导师签名：签字日期： 签字日期：选矿生产能耗成本预测实验系统研发摘 要目前我国有上千家选矿厂，自动化程度低，生产管理特别是成本控制采用人工操作的方法，造成生产成本高，资源消耗大，已经成为制约我国选矿企业甚至是材料工业发展的瓶颈。目前国内许多选矿企业的主要产品价格已与国际市场价格接近，如何降低生产成本，提高市场竞争力，这是关系到选矿企业兴衰的重大问题。选矿厂是能耗大户，能耗占生产总成本的7.14%，其中水、电、煤气消耗占能源动力费用的96%。所以，准确、真实、及时、适用、全面的能耗成本信息反馈，对于有效的成本控制来说非常重要。本文介绍了选矿厂生产成本控制的现状，针对选矿企业能耗成本控制中存在的问题，结合国内外选矿生产成本管理的研究现状的基础上，提出选矿生产能耗成本预测实验系统的结构和功能，旨在通过“生产能耗成本预测、分析、控制”这条主线，提高选矿生产过程能耗成本控制的及时性、科学性和有效性。在提出的选矿生产能耗成本预测实验系统的结构和功能的基础上，对实验系统进行了详细设计，包括功能设计、数据库及其表的设计和界面设计等。并在此基础上，设计和开发了选矿生产能耗成本预测实验系统。本系统采用结构化和模块化设计原则，具有较强的通用性。基于多元回归和案例推理方法对旬能源计划单耗进行模拟，并采用神经元网络和指数平滑方法进行能源日单耗预测仿真，给出仿真结果，仿真结果表明神经网络方法具有很好的预测效果，动态指数平滑方法的预测结果具有很大的参考价值，而静态指数平滑方法的预测结果不可信。本能耗实验系统提高了能耗预测的精确度，能够满足能耗预测的要求；提高了能耗成本计算的准确性和可靠性，进而为选矿生产过程的成本控制提供了有力工具。本系统采用混合编程的方法，使Delphi、Matlab和Oracle协同工作，扬长避短，大大提高软件的开发效率，充分发挥了三种软件各自独特的优点。关键词：选矿 生产成本 成本预测 实验系统 混合编程AbstractThere are hundreds of ore-dressing plants in our country， the level of automation is lower， methods in production management especially about the cost control are adopted by manual operations， it causes high production cost， high consumption of resource， and brings the bottleneck of material industry development in our country. Now the prices of main products of ore-dressing enterprises are close to the international price， how to reduce the cost and improve the market competence is an important problem， which is related to the fate of the enterprises. Energy consumption of ore-dressing plants is tremendous， which occupies 7.14% of gross production cost. Consumption of Water、eletricity and coal gas occupies 96% of cost of energy consumption.So， exact、actual、timely、adapted 、general information of energy consumption is very allimportant to cost control.This paper introduce current status of production cost control in ore-dressing plants，aim at problems of energy consumption in cost control of ore-dressing enterprises，combine current status of cost management in domestic and oversea ore-dressing enterprises， on the basis of this， the structure and function of Energy consumption cost prediction system of ore-dressing production process are proposed. Combination of Energy consumptioncost predicting 、Cost Analyzing、Cost Control， the speediness scientificalness and validity of Energy consumption cost control of ore-dressing production process are improved.On the basis of the structure and function of Energy consumption cost prediction system of ore-dressing production process，detail design are made， including function design， database and data table design， interface design etc.And more，we designed and developed Energy consumption cost prediction system of ore-dressing production process.The structuralizing and modularization principles are adopted in this system， so the system owns high generality. This system provides powerful tool for the cost control of ore-dressing production process.Keywords： Ore-Dressing， Production Cost， Cost Predicting，Experiment-system Mixed Programming目录独创性声明I摘 要IIAbstract3目录4第一章 绪论61.1生产成本的划分61.2成本预测方法综述71.3本文工作内容11第二章 选矿生产成本能耗预测实验系统需求分析132.1选矿生产工艺流程132.2选矿生产成本控制流程132.3选矿生产能源管理现状及存在问题142.4能耗预测实验系统开发意义17第三章 选矿生产能耗成本预测实验系统设计183.1选矿生产能耗成本预测实验系统的目标183.2选矿生产能耗成本预测实验系统的结构183.3选矿生产能耗成本预测实验系统的功能设计203.3.2.1能耗成本预测模型设计223.3.2.2能耗成本目标模拟模型设计353.4 数据库设计423.5 界面设计45第四章 选矿生产能耗成本预测实验系统的开发494.1 软件结构494.1.1 总体结构494.1.2 层次结构504.1.3 逻辑结构514.1.4 模型接口层524.2 硬件结构564.3 实验结果564.3.1 案例推理应用实例564.3.2 多元回归应用实例584.3.3 一个神经网络完整的实验过程624.3.4 预测结果评价68第五章 全文总结与展望745.1 工作总结745.2 下一步的研发工作75参考文献76致 谢79第一章 绪论1.1生产成本的划分在市场经济条件下，产品成本是衡量生产消耗的补偿尺度，企业必须以产品销售收入抵补生产过程中的各项支出，才能确定盈利，因此在企业成本管理中生产成本的控制是一项极其重要的工作。生产成本法是目前世界各国普遍采用的一种成本计算方法。用生产成本法计算成本时，只将生产经营过程中发生的直接材料费用、直接人工费用和制造费用计入产品成本，而管理费用、财务费用和销售费用则不计入产品成本，而是作为企业的期间费用直接计入当期损益1。因此，从企业提供外部财务报告的角度讲，产品成本和生产成本的概念等同2。生产成本是工业企业为生产一定种类、一定数量的产品所发生的直接材料、直接人工和制造费用的总和。对有形产品来说，生产成本和非生产成本常被称为制造成本和非制造成本。生产成本可进一步被分为直接材料，直接人工和制造费用。直接材料：是那些可追溯到生产的商品或服务的原材料。指企业经营过程中实际消耗的原材料、辅助材料、设备配件、外购半成品、燃料动力、包装物、低值易耗品及其它直接材料。直接人工：是那些可追溯到生产的商品或服务的人工。指企业直接从事产品生产人员的工资、奖金、津贴和补贴。制造费用：直接材料和直接人工之外的所有产品成本归入称为制造费用。它是指直接用于产品生产，但是没有记入成本项目，不便于直接计入产品成本的费用以及间接用于产品生产的各项费用。选矿生产成本是与产品生产有直接关系的成本支出，包括产品的直接成本和制造费用。其中，直接成本包括原料成本(主要原料+辅助材料)、能源成本和人工成本，制造费用包括折旧、维修、办公、差旅费等。在以往生产成本管理的过程中，这些数据的统计和积累是比较完善的，他们都是连续的数量，而且有统一的单位，使用和比较起来都比较方便。因此，本文中对能耗生产成本的预测和分析都是基于这些数据进行的。1.2成本预测方法综述在企业的成本控制工作中，成本预测是成本控制过程中首要和重要的环节，通过成本预测，可以使企业对未来的成本水平及其变化趋势做到正确把握，从而为企业的成本决策提供科学的依据，以减少成本决策过程中的主观性和盲目性。作为成本控制系统的重要组成部分，成本预测一方面为制定成本计划提供了依据，另一方面为监视成本各项指标变化趋势、成本动态在线事中控制提供了信息。因此，对成本的动态跟踪和准确预测已经成为企业成本控制的关键环节。目前成本预测的方法很多，比较常见的有线性回归、指数平滑、加权平均、灰色预测、神经网络预测等3。线性回归4 5直线回归认为产量和单位产品成本之间的关系基本上是直线关系。据此就能确定用直线数学模型来进行预测。其中为预测成本，是计划产量，为回归系数。式中的计算公式如下：，公式中：，为平均值，为样本数。回归直线预测方法仅是根据历史资料进行数学演算，并没有考虑其他条件、环境的变化，如市场供需情况、国家方针政策、企业内部制度、人员、技术的改变等。因此，在运用上述方法进行测算的同时，还必须结合有关人员的经验判断，做出多方面的研究论证，才能得出切合实际的预测结果。逐步回归1)列出影响预报量的各个因素，取得次观测数据()，()，将所得数据中心化。设多元线性回归模型为：，。2)求出的相关系数，组成相关系数矩阵，从出发利用消去变换筛选因子。3)筛选因子的步骤是，将变量一个一个引入，引入变量的条件是其偏回归平方和经检验是显著的，同时每引入一个新变量后，对已选入的变量进行逐个检验，将不显著变量剔除，这样最后所得的回归方程中的所有因子都是显著的。4)根据原始成本数据，建立回归方程。指数平滑67指数平滑法是在预测技术中被广泛应用的一种预测方法。它是一种在逐次实际观察基础上系统地对某一预测模型的估计系统进行修正的预测方法，预测策略是将历史观察外推至未来。指数平滑法从移动平均法扩展而来，通过“修均”历史观察值以消除随机成分。设：为按时间排序的一些成本历史值，为平滑(加权)系数。第时刻成本预测值为(则其预测误差为)。因此，第时刻成本预测值为：上式的意义是：第时刻成本预测值是通过第时刻成本预测值进行修正得到的，修正的方法是第时刻成本预测值加上其预测误差和的乘积。上式可改写为：通过递推展开，可得：上式即为指数平滑法的一般成本预测模型，它是一种以时间定权的加权平均预测，适用于对随时间呈规律性变化的数据进行预测。平滑常数的选择方法在许多文献中都有介绍，这里不再加以论述。加权平均8加权移动平均法，可以预测产品成本趋势。由于历史成本对未来成本影响的特点是近期影响力大，远期影响力小，因而对过去不同时期的资料应取不同的权数加以平均，使预测结果比较接近实际。其计算公式如下：(其中为预测成本，是历史成本，为加权系数，为所取历史数据个数) 。临近预测时间的加权值取值较大。灰色预测910灰色预测方法是通过一系列的原始记录数据，运用微分拟合模型逐步累加原始数据以减少随机波动的干扰，在累加值的基础上，对系统行为特征值大小的发展变化进行预测，然后还原出真实的预测值。根据灰色理论，成本的预测是一种以已往生产成本为原始序列，以时间为状态变量的对系统行为数据序列的变化预测，可建立GM(1，1)预测模型。设代表某个时期的成本，则个时期成本可组成原始预测数列，记为由于灰色系统模型是在生成序列基础上，将时间序列转化为微分方程的时间连续模型，为建立灰色模型，首先对各原始序列进行一次累加得到生成序列；其相应的微分方程为 其中a，b为待辩参数。根据最小二乘法，参数向量 a，b值的解为 根据以上算式求出a，b，带入微分方程中，得到灰色预测模型为由于灰色理论建立的不是原始数据模型，而是生成数据模型，因此灰色理论的预测数据不是直接从模型中生成的数据，而是还原后的数据，即神经网络成本预测方法11121314线性回归、指数平滑、加权平均等方法有一个共同的缺点就是必须写出常规的成本预测数学模型或必须人为地确定一些参数。由于影响生产成本的因素多而复杂，这些因素之间的数学关系用常规数学模型难以建立，即使人为确定一些参数，所预测的数据也很不客观。灰色预测模型仅对单调递增(减)的数据预测效果较好，当因变量与自变量之间存在非线性关系或者说这种关系还未知时，用其作预测分析时精度不高、结果并不满意。而且上述预测方法在历史资料的利用、预测的全面性、模型的动态可变性及自学习功能等方面都还有所缺陷。BP神经网络由于其良好的非线性逼近能力，具有较高的预测精度，在成本预测中也有应用。从神经网络预测成本内容来看，可以将预测模型分为两大类，每类又根据预测方法不同分为历史值预测模型和影响因素预测模型，具体如下：(1)产品成本预测模型1)历史值预测模型即仅以产品成本的历史值预测，预测模型如下： 其中表示预测产品成本，为神经网络输出；，表示的历史成本，为神经网络输入。该模型为多输入单输出模型。2)影响因素预测模型即以影响产品成本的因素来预测。在考虑影响产品成本的因素时，应该注意因素的概括性和动态性，力求全面、客观的反映影响产品成本的主要因素。设有种指标成本因素影响产品成本，则预测模型如下： 其中：表示预测产品成本； 表示预测指标成本，为神经网络输出；，表示影响产品成本的种指标的历史成本，为神经网络输入。该模型为多输入多输出模型。(2)指标成本预测模型指标成本预测模型又分为单指标成本预测模型和多指标成本预测模型。预测指标成本与预测产品成本类似，也有历史值预测模型和影响因素预测模型两种。这里仅介绍影响因素预测模型。基于产品成本组成模型，可以建立影响指标成本的影响因素矩阵其中为影响指标成本的因素，如果，则 均等于零，即认为第i个成本指标只和p个因素有关；可以在矩阵不同位置出现，即一种因素可以同时影响几个指标成本；也可能出现在矩阵中，即指标间相互影响。单指标成本预测模型： 其中表示第i个指标的预测成本，如原材料预测成本、能源预测成本等，为神经元网络输出；表示影响指标成本的因素，为神经元网络输入；多指标成本预测模型：如果考虑多指标成本同时预测，则可将影响多指标成本的因素并集作为神经网络输入，多指标成本作为神经网络输出。设为影响多指标的因素并集，则多指标模型可如下表示： 是难以用精确数学模型描述的非线性方程，采用上述方法进行预测，该模型既可以预测产品成本（如预测），也可以预测构成产品成本的某项指标的指标成本(如预测)。1.3本文工作内容目前国内许多选矿企业的主要产品价格已与国际市场价格接近，为此降低生产成本，是提高市场竞争力的关键。在选矿生产中，水、电、煤气消耗占生产总成本的6.85%。所以，准确、真实、及时、适用、全面的能耗成本信息反馈，对于有效的成本控制来说非常重要。基于此，设计并开发了选矿生产能耗成本预测实验系统。本文主要工作如下：(1) 介绍了选矿生产成本的内容及其划分，根据文献资料综述了成本预测的方法。(2) 以酒钢选矿厂为背景，描述了选矿生产工艺流程及选矿生产成本控制流程，阐述了选矿厂能源成本管理的现状，指出了能源管理中存在的问题，以及开发本能耗预测实验系统的意义。(3) 为能耗成本控制搭建一个可扩充的实验平台，提供了多种能耗预测方法，特别是模型参数的方便设置，实现了模型选择的动态可变性，能够灵活适应于能耗成本预测的需求，建立了标准的功能模型，实现了功能的模块化、标准化和易扩充性，为将来的成本控制系统作实验准备。 (4) 针对选矿生产能耗预测的必要性和能耗预测模型建立的复杂性和困难性，提出了选矿生产能耗成本预测实验系统的系统架构。(5) 围绕本实验系统的系统架构，设计并开发了选矿生产能耗成本预测实验系统，包括结构、功能、数据库、数据接口、界面等设计。(6) 采用混合编程的方法，使Delphi、Matlab和Oracle协同工作，提高了选矿生产过程能耗成本预测的及时性、科学性和有效性。第二章 选矿生产能耗成本预测实验系统需求分析2.1选矿生产工艺流程选矿厂选矿生产过程分为原矿生产、竖炉焙烧、磨矿与磁选、精矿生产和尾矿处理5个作业流程，如图2.1所示。其具体流程描述如下：由原料供应处运来的矿石原料经过原料工序筛分后，筛分出粉矿和粒矿及块矿。粉矿直接输送到磁选工序的强磁选设备进行选别，粒矿及块矿输送到竖炉工序进行焙烧，经过焙烧后的矿物称为焙烧矿，焙烧矿输送到磁选工序的弱磁选设备进行磁选，从而产生了弱磁精矿和弱磁尾矿。粉矿经过磁选工序的强磁选设备的强磁选后，亦产生强磁精矿和强磁尾矿。精矿输送到精矿车间进行脱水等处理后，保存到精矿库中，输送给烧结厂作为原料输入。尾矿经过尾矿作业区的脱水处理后，送到尾矿坝堆存。原矿处理原矿粉矿焙烧过程块矿废石山有用矿石磨矿过程强磁选过程脱水过程弱磁选过程精矿精矿处理过程尾矿处理过程精矿尾矿坝精矿尾矿尾矿尾矿废石精矿尾矿坝精矿精矿库炼铁厂图2.1 选矿工艺流程Fig.2.1 Ore-dressing process2.2选矿生产成本控制流程选矿成本控制是围绕生产工艺各要素所产生的物料消耗费用、能源消耗费用等而进行的计划、协调、控制的管理工作。它是以生产现场为基本要素，是一项综合性管理。选矿成本控制流程如图2.2所示。图2.2 选矿能耗成本控制流程Fig.2.2 The cost control process of energy consumptionfor ore-dressing选矿成本控制是由成本管理控制部门对生产过程中发生的物料、能源等消耗、各部门分担的制造费用实际发生值进行成本核算，核算出原料、能源成本、制造费用及精矿产品成本，并与相应的计划进行比较，并结合企业重要的生产指标统计值、设备运行状况等对比较结果进行分析，分析出的消耗差异原因下发到生产作业区负责人员手中，由他们针对原因对影响成本的工艺指标进行调整或采取相应的措施。同时，分析结果也作为对企业各部门成本考核的依据，对其奖惩。2.3选矿生产能源管理现状及存在问题选矿生产能源管理现状：目前，选矿厂控制能源动力的手段主要是根据构成生产成本的指标类别和所占比例，结合自身生产工艺特点，以管理和考核相结合的手段，实施成本控制。通过生产作业区和各道生产工序之间在生产组织过程中的密切联系和积极协作，强化岗位操作，杜绝风、水、电、气的跑、冒等，减少能源动力损失。图2.3 介绍了选矿厂原料、能源动力成本控制点及物流情况图，从中我们可以得到能源动力在选矿厂各生产作业区的分布特点：焙烧作业主要是煤气、电；磨矿、选别作业主要是电、新水。由于目前能源动力介质的计量装备比较落后，只总管道有计量仪表，故控制手段主要是通过强化管理，降低相对单耗。通过减少大功率电气设备的开停次数，提高设备作业负荷、减少设备开动台数等手段实现能源动力成本控制。图2.3 选矿厂原料、能源动力成本控制点及物流图Fig.2.3 The cost control point of material、energy for ore-dressing能耗成本控制业务流程目前，选矿厂的能耗成本控制主要由生产部、综合部、公司财务处驻厂财务科、作业区负责。财务科：能耗成本控制差异分析以月为单位，在月底根据公司签证数据，由财务科整理后提供给生产部和综合部。财务科从财务角度分析差异原因填制能耗成本差异核算报表，每月成本报表报送日之后2天内汇同区域报表、能耗动因分析表报送公司财务处成本科。财务科的作用只是一个反映，没有控制作用。生产部：根据年生产经营计划和月经营计划分解出月能源消耗计划；月底根据签证数据，分析能耗同本月计划单耗的量差，以及产生此量差的原因，并将分析结果报送综合部标准成本控制负责人；接受作业区、区域作业区上报的责任指标控制表，并在区域责任人分析差异原因的基础上进一步分析，并将分析结果以报表形式送交综合部。生产部的作用主要是分析、控制。综合部：根据年生产经营计划和月经营计划分解出月能源消耗计划；月底根据根据财务科提供的数据，分析能耗实际单耗同本月计划单耗的量差，以及产生此量差的原因，并结合生产部分析的量差原因，综合得出造成本月单耗量差的原因。连同能源实际价格同计划单价相比，得出本月能源单耗的价差原因。除此而外，还分析由于管理原因等造成的管理差异，汇同“(甲、乙、丙、丁)作业区责任指标控制表”、“竖炉磁选区域指标控制表”报送驻厂财务科，同时将能耗成本差异分析结果反馈给本单位厂长、生产部、作业区等相关单位。综合部的作用主要是分析、控制、监督、考核。作业区：目前(甲、乙、丙、丁)作业区每月填制责任区域指标控制表(以统计数据为准)，反映作业区所控制指标的执行情况及动因分析，每月结帐日的当天报送选矿厂生产部。图2.4 介绍了选矿厂能耗成本控制的业务流程。图2.4 选矿厂能耗成本控制的业务流程Fig.2.4 The energy cost control operation of Jiuquan Steels ore plant现行能耗成本控制存在的问题：目前选矿厂的能耗成本控制管理结构已经建立，但没有真正实现有效的能耗成本监控，数据未能直接来源于生产过程实时，数据滞后；业务数据处理基本上是采用计算机来代替手工做报表，甚至有些信息是通过电话进行传递的，未实现管理信息化、集成化，能耗成本控制具体业务不能有机的融合。由于数据的及时性差，能耗成本核算只能做到以月为周期的签证数据核算，缺乏数据的准确性和及时性，未能给生产成本控制提供及时有效的成本信息。2.4能耗预测实验系统开发意义能耗成本预测的必要性：选矿厂生产过程中，主要能源动力有高炉煤气、焦炉煤气、电、新水、蒸汽、压气等，其中水、电、煤气是主要能耗指标，占能源动力费用的96%，占生产总成本的6.85%，因此，对能耗的管理具有非常重要的意义。能耗成本预测是选矿生产企业正确进行经营决策的科学依据，通过能耗成本预测，有助于掌握了未来的能耗成本水平及其变化趋势，有助于对经营管理中未知因素做出科学的预计，同时预测也为编制能耗成本计划提供了依据。能耗成本预测的困难性：对于选矿生产的能耗成本预测，由于影响能耗的因素多而复杂，且具有很强的不确定性，因此这些因素之间的数学模型很难建立。以电耗为例，其在焙烧、磨矿、选别三大作业中都有消耗，这就造成了能耗点特别多，此外，电单耗与电气设备运行台数、运行时间、开停次数、设备作业负荷和设备运行状态等诸多因素都有很大关系，难以掌握其未知量，这些都造成了能源单耗实际值上下波动比较大，从而给能耗成本预测带来了困难。通过对成本预测方法的应用，发现任一种预测方法在历史资料的利用、预测的全面性、模型的动态可变性等方面都有各自不同的缺陷。鉴于选矿生产能耗预测的必要性和能耗预测模型建立的复杂性和困难性，本文以酒钢选矿厂为背景，设计并开发了选矿生产能耗预测实验系统，为能耗成本控制搭建一个可扩充的实验平台，提供了多种能耗方法预测模型供用户选择和建立，特别是模型参数的方便设置，能够灵活适应于能耗成本预测的需求，实现了模型选择的动态可变性。在准确地预测能耗的基础上，掌握能耗变化趋势从而合理地组织生产，对生产过程成本进行超前控制起到了非常重要的意义。第三章 选矿生产能耗成本预测实验系统设计3.1选矿生产能耗成本预测实验系统的目标成本预测是正确进行经营决策的科学依据，作为其中的主要组成部分，通过能耗成本预测，掌握了未来的成本水平及其变化趋势，有助于对经营管理中未知因素做出科学的预计，同时预测也为编制成本计划提供了依据。在此基础上提出了选矿生产能耗成本预测实验系统的目标：(1) 为能源消耗的预测提供一个可扩充的实验平台。(2) 不同的能源分别采用多元回归和案例推理的方法对能耗计划进行模拟，对能耗预测起到辅助决策作用。(3) 对能源单耗进行预测仿真，并给出预测仿真结果。3.2选矿生产能耗成本预测实验系统的结构 选矿生产能耗成本预测实验系统的总体结构如图3.1所示：图3.1 选矿生产能耗成本预测实验系统的总体结构Fig.3.1 General structure of experimental syetem 图3.1的方框内为选矿生产能耗成本预测实验系统的总体框架，包括系统可视化界面、实验计算、评价分析、数据存储。其中可视化界面是由数据处理模块、模型建立模块，结果显示模块组成的；实验计算由成本目标模拟计算模块和能源消耗预测模块构成；评价分析是由比较结果模块和预测评价模块两部分组成。用户通过可视化界面建立实验模型，提交用户指令及查看结果显示。选矿生产能耗成本预测实验系统的流程如图3.2所示，具体步骤如下： 用户在用户界面中选择成本目标模拟还是进行能耗预测，当选择成本目标模拟时，转入；当选择能耗预测时，转入； 成本目标模拟，在此界面中选择不同的能源采用给定的模拟方法进行建模，并得到最终以旬为单位的模拟结果，转入； 能源消耗预测，在此界面中对不同的能耗分别给定两种预测方法，选取其中之一进行建模，并得到最终以日为单位的预测结果，转入和； 数据存储，对能耗模拟结果和预测结果存入数据库，为预测评价和综合评价做准备； 预测评价，对能耗预测结果采用均方误差、平方和误差等误差计算方法进行预测结果的误差评价； 综合评价，实际数据、成本目标模拟得到的旬能耗目标值和能耗预测得到的日单耗值进行对比评价； 将评价结果返回到用户界面，为下一步的成本目标模拟和能源预测提供借鉴。图3.2 选矿生产能耗成本预测实验系统的流程图Fig.3.2 The flow chart of experimental syetem3.3选矿生产能耗成本预测实验系统的功能设计3.3.1功能模型本系统主要功能是对选矿生产过程中的能源消耗进行预测，并与成本目标模拟的结果进行分析，为最终的能源消耗分析提供数据平台。在选矿生产能耗成本预测实验系统中主要包括BP神经网络预测模型，指数平滑预测模型、成本目标模拟模型、以及预测评价综合、预测结果比较四大块，如图3.3所示。图3.3 系统功能模型Fig.3.3 The function model of systemBP神经网络预测模型：根据提供的能耗时间序列样本进行主要能源的预测，为计划制定提供科学依据。其中主要讨论BP网络的模型结构的建立，讨论传递函数、训练函数、和学习函数的设置等，为产品成本计划制定提供科学依据。指数平滑预测模型：和BP神经网络预测模型功能一样，主要讨论指数平滑模型结构的建立，其分为两个部分，静态指数平滑模型和动态指数平滑模型。预测评价：对BP网络和指数平滑方法的预测结果先进行自我评价，而后进行总的对比分析，给出分析结果图，指出对不同能耗预测方法的优劣。成本目标模拟模型：通过计划下达的每旬的工艺指标来模拟三种主要能源新水、煤气、电的消耗，对不同能源消耗采用不同的方法，对电消耗采用多元回归的方法，对煤气、新水消耗采用案例推理的方法，对于案例推理的相关权数通过灰色关联分析的方法获得。预测结果比较：对于不同的