كاربرد مدل تلفيقي مبتني بر فعاليت ميانه زمان گراي عصبي- مصنوعي (TDIABC-ANFIS) در هزينه يابي شركت هاي دولتي (مورد مطالعه؛ شركت گاز استان هرمزگان)

Application of integrated model based on neuro-artificial median temporal activity (TDIABC-ANFIS) In costing state-owned companies (Case study; Hormozgan Gas Company)

به‌دليل محدوديت‌هاي هزينه‌يابي بر مبناي فعاليت سنتي (ABC) از جمله داشتن هزينه‌هاي زياد مصاحبه با اشخاص، استفاده از روش‌هاي ذهني و هزينه‌زا براي تأييد اعتبار تخصيص‌ها، مشكلات نگهداري و به‌روز رساني و ...، محققان الگوي هزينه-يابي بر مبناي فعاليت زمان‌گرا (TDABC) يا الگوي هزينه‌يابي بر مبناي فعاليت ميانه زمان‌گرا (TDIABC) را پيشنهاد دادند. ليكن در مدل‌هاي ياد شده فرض مي‌شود بين هزينه و فعاليت رابطه خطى وجود دارد، در صورتي‌كه تابع هزينه هميشه خطى نيست. براي حل اين مشكل و افزايش دقت هزينه‌يابي، مي‌توان از مدل‌هاي هوش مصنوعي و فازي استفاده كرد. لذا در پژوهش حاضر براي نخستين بار به تلفيق روش TDIABC با مدل عصبي- فازي (ANFIS) و مطالعه موردي شركت گاز استان هرمزگان پرداخته شد. براي اين منظور، هزينه فعاليت‌ها بر اساس روش‌هاي ABC، IABC، TDIABC و TDIABC-ANFIS محاسبه شد. در نهايت، نتايج مدل‌ها با شاخص ميانگين قدر مطلق خطا (MAD) با ABC مقايسه شد. نتايج نشان داد كه MAD در IABC معادل 74/0، در TDIABC معادل 63/0 و در تمامي ساختارهاي طراحي شده TDIABC-ANFIS، در بازه (515/0، 245/0) مي‌باشد. در نتيجه هزينه‌يابي بر حسب TDIABC-ANFISاز دقت بيشتري در مقايسه با ABC، IABC و TDIABC برخوردار مي‌باشد. همچنين، در ميان ساختارهاي طراحي شده TDIABC-ANFIS، ساختار Gauss-3- Transig داراي كمترين خطا (245/0) مي‌باشد. در نهايت، از آنجاكه نتايج نشان داد در ميان مدل‌هاي مورد بررسي، مدل TDIABC-ANFIS به‌دليل غيرخطي و فازي كردن رابطه هزينه‌ها و فعاليت‌ها، از دقت بيشتري برخوردار مي‌باشد، به مسئولان حوزه حسابداري مديريت شركت‌ها پيشنهاد شد جهت تخصيص بهينه هزينه‌ها از اين الگوي نوين استفاده كنند.

Given the drawbacks of the conventional Activity-Based Costing model (ABC), including the high costs of interviewing individuals, application of subjective and costly methods for the validation of allocations, as well as the maintenance and renovation issues, etc., the costing model researchers have proposed the Time-Driven Activity-Based Costing (TDABC) model or Time-Driven Intermediate Activity-Based Costing (TDIABC) model. In TDABC and TDIABC models, a linear association is presumed between cost and activity, while the cost function is not always linear. Artificial intelligence (AI) and fuzzy logic models could be used to resolve this issue and further improve the costing accuracy. Accordingly, the present study implemented the TDIABC method in combination with the Adaptive Neuro-Fuzzy Inference System (ANFIS) model for the first time and further embarked on a case study of the Hormozgan Province Gas Company. To this end, activity costs were determined based on the TDIABC, IABC, ABC, and TDIABC-ANFIS methods, respectively. At last, the costing results based on the Mean Absolute Deviation (MAD) were compared with the ABC method's results. The comparison results denoted that MAD in IABC is 0.74, 0.263 in TDIABC, and within the (0.245, 0.515) range in all structures designed via TDIABC-ANFIS. Hence, TDIABC-ANFIS costing is confirmed to be more accurate in comparison to the ABC, IABC, and TDIABC methods. Also, the Gauss-Transig-3 structure was determined to render the lowest error (0.245) among all structures designed with the TDIABC-ANFIS method.