本技术介绍了一种基于蒙特卡洛模拟技术的项目研发成本估算方法。该方法首先构建与研究问题相匹配的数学模型,并选择适当的随机变量作为输入参数。接着,为这些随机变量输入部分观测值,通过模拟过程来估算项目研发成本,以提高成本预测的准确性和可靠性。
背景技术
现有的估算方法过程复杂且受人为主观影响较大的问题,杨磊(2017)提出了一种采用粒子群优化模糊神经网络的变电站全生命周期成本估算模型。通过对变电站全生命周期成本进行分解和分析,总结了各项成本的影响因素。分析了模糊神经网络的结构及粒子群优化算法,建立了变电站全生命周期成本的估算模型,并运用算例对该模型的可行性进行了验证,为变电站建设方案的选取提供了参考依据。为了克服数据缺失和不确定因素对建筑项目全寿命周期成本评价的影响,梁喜(2017)将模糊理论引入到建筑项目全寿命周期成本(LCC)的估算评价中,根据项目LCC的组成构建计算模型,然后利用三角模糊函数将变量模糊化,通过Day-Stout-Warren(DSW)算法描点找到LCC模糊函数的变化趋势,最后由MATLAB将离散数据进行最小二乘曲线拟合,明确了建筑项目成本的估算区间,解决了此类不确定问题,考虑了决策者的主观性并使方案的决策简单有效。针对工程项目成本与其影响因素之间的高度非线性特征以及工程实践中小样本数据的情况,杜志达(2020)构建了基于ABC-LS-SVM的成本估算模型。该模型以LS-SVM算法为核心,采用人工蜂群算法调谐模型核心参数取值。结果表明该模型相较于传统成本估算方法,大大提高了估算的精度和建模的效率。在此基础上,依据成本估算值和测试集误差MAPE划定成本控制区间,建立成本控制模型,判断项目成本的状态和管理水平,保证项目实现预定的经济目标和社会效益,为实现项目成本的有效控制提供参考。
大部分情况下,根据项目的特点采用定性与定量分析相结合的方法进行项目成本估算,同时在项目成本估算过程中不确定性因素对项目成本估算的影响也有不同,但目前国内外关于项目成本估算方面的研究还是以大型工程及基础建设项目或软件项目为应用场景,很少涉及企业消费电子新产品研发项目成本估算。很多不确定因素以及实际方法应用场景的考量也以大型工程及基础建设项目或软件开发项目为依据。这样的现状就导致目前的研究不能够很好地适应消费电子研发测试项目中的成本估算场景需求。而基于企业研发投入将不断增加的趋势,有必要去研究如何提升消费电子新产品研发测试项目成本估算的效率和准确度。
实现思路