EXPLAINABLE LEARNING MODEL FOR COST ESTIMATION USING TIME-DRIVEN ACTIVITY-BASED COSTING

Savastham, Theethawat

doi:10.24507/ijicic.22.01.129

EXPLAINABLE LEARNING MODEL FOR COST ESTIMATION USING TIME-DRIVEN ACTIVITY-BASED COSTING

2026-02-01

0

PRE

AI

S

Savastham, Theethawat *

S

Suvonvorn, Nikom

DOI：10.24507/ijicic.22.01.129

原文链接

原文求助

摘要

En 中文

成本是利润计算的重要组成部分。许多研究使用机器学习来估算生产成本，但可解释性是一个挑战。相比之下，回归和曲线拟合方法信息丰富且易于解释，但计算复杂度高。本文旨在提出一种混合机器学习和曲线拟合方法。在参数化成本估算中用人工神经网络（ANN）替代传统的成本估算关系（CER），同时采用基于时间的作业成本法（TDABC）来定义成本参数。该模型通过结合模拟数据集和一家蟹类巴氏杀菌工厂的实际生产数据的混合方法进行仔细评估。本文通过添加更新方程、激活函数和预处理步骤改进了早期的时间驱动成本估算学习模型（TDCE）。该模型在简单数据集上的验证误差为9.33%，在实际数据集上的误差为15.79%。此外，该设计允许解释模型的超参数（如内部权重），以反映成本变量的行为。

Keyword:

Cost estimation

Neural network-like

Time-driven activity-based costing

Explainable machine learning

EXPLAINABLE LEARNING MODEL FOR COST ESTIMATION USING TIME-DRIVEN ACTIVITY-BASED COSTING

摘要

期刊

机构

引用论文