تخمين تابع هزينه-فعاليت در هزينه يابي بر مبناي فعاليت با استفاده از الگوي ترکيبي شبکه هاي عصبي-تحليل پوششي داده هاي چندلايه در بانک مسکن

تخمين تابع هزينه-فعاليت در هزينه يابي بر مبناي فعاليت با استفاده از الگوي ترکيبي شبکه هاي عصبي-تحليل پوششي داده هاي چندلايه در بانک مسکن

 

 

نویسندگان: سليماني اميري غلامرضا | صادقي عسکري سمانه | خديور آمنه
کلیدواژه ها: تابع هزينه فعاليت | شبکه هاي عصبي | هزينه يابي بر مبناي فعاليت

چکیده:

هزينه يابي بر مبناي فعاليت از زمان معرفي شدن تا کنون توجهات زيادي را به خود جلب کرده است. ليکن عملا مشکلات اجرايي در پياده سازي اين نظام هزينه يابي وجود دارد که باعث مي شود عليرغم برتري محاسباتي هزينه يابي بر مبناي فعاليت نسبت به هزينه يابي سنتي, سازمان ها و شرکت ها همچنان علاقمند به استفاده از اين روش هزينه يابي نباشند. در پژوهش حاضر مشکلات اجرايي که عملا در پياده سازي هزينه يابي بر مبناي فعاليت وجود دارد, بررسي گرديده و براي حل مسئله تخمين رابطه هزينه-فعاليت (CER) و همچنين کاهش هزينه هاي انجام زمان سنجي در سازمان ها از رويکرد شبکه هاي عصبي مصنوعي استفاده شده است. جامعه آماري تحقيق کليه شعب بانک مسکن مي باشد که با استفاده از روش تحليل پوششي داده هاي چند لايه (CI-DEA) و بر اساس مشابهت عملکرد در سال 1395 خوشه بندي گرديده و 450 شعبه به عنوان نمونه انتخاب گرديد و براي آموزش و آزمون مدل شبکه هاي عصبي استفاده شده است. ويژگي متمايزکننده اين الگو نسبت به ساير الگوها در نظر گرفتن رابطه بين هزينه-فعاليت بصورت غيرخطي است. معماري خاص شبکه پيشنهادي باعث مي شود تا علاوه بر پيش بيني هزينه فعاليت, مقدار سهم محرک منبعي (زمان) که به عنوان محرک تسهيم هزينه به فعاليت در مدل اجرايي مرسوم, استفاده مي شود نيز از مدل قابل استخراج باشد. نتايج RMSE و MAE مدل معرفي شده نشان داد که مدل ارائه شده قابليت تخمين رابطه هزينه-فعاليت را دارا مي باشد.

 

دانلود متن کامل

نوشته های اخیر

دسته بندی ها