胡铁军 | 宁波钢铁有限公司经营财务部会计处副处长

罗国军 | 宁波钢铁有限公司经营财务部副部长

宁波钢铁有限公司（以下简称宁钢）作为典型的流程型制造企业，产品成本及品种盈利管控水平直接决定了企业的生存能力与发展空间。随着公司向产品高端化、管理精益化持续迈进，原有基于企业资源计划（ERP）系统的日成本管理系统逐渐难以满足管理要求。基于此，宁钢结合目前钢铁行业成本管理现状与发展趋势以及大数据系统的进展，开发了一套明细产品成本管理大数据系统，通过构建三级联动的实时成本管控架构，推行研、产、销跨部门全流程协同成本管理，助力降本提质增效与企业高质量发展。

（一）核心特征

流程型制造企业的成本结构迥异于离散制造企业，其核心特征可概括为“三多一动态一归因”，这既是管理的复杂性来源，也是数字化改造的重点靶点。

1.工序环节多，成本结转复杂。以钢铁生产为例，需依次经过焦化、烧结、炼铁、炼钢、热轧、冷轧等多道主工序，每道主工序下又包含大量子工序与辅助工序（如炼钢的倒罐、转炉、精炼、连铸）。各工序产生焦炭、铁水、钢坯、热轧卷等中间产品，成本需逐步结转，且部分中间产品可外销，分摊逻辑异常复杂。

2.成本影响因素多，隐性成本占比高。除直接材料、人工、制造费用外，能源成本、质量成本（如降级改判损失、再处理费）、工艺调整成本（如精炼延时导致的能耗增加）、批次成本（如连浇炉数影响成材率与耐材消耗）等隐性因素对钢种实际成本影响巨大。近两年，宁钢年均仅降级及现货的质量成本损失即超过3 000万元，品种钢的隐性成本往往更高，若不能正确反映，将严重误导产品结构优化方向。

3.数据维度多，核算与分析难度大。成本核算需覆盖“钢种—炉次—班组—产线—宽度—厚度”等多维度交叉。仅热轧卷产品的钢种维度就有超500种细分生产钢种，加上规格分类，核算对象可达数万级别，传统模式根本无法实现多维交叉分析。

4.成本动态性强，实时性要求高。 原辅材料价格日均波动，生产过程中的设备工况（如转炉炉龄）、工艺参数（如精炼温度）实时变化，均导致成本动态波动，需实时监控以支撑管控与定价。如2023年2月宁钢含钼钢种因钼价单日上涨8%，若未及时发现调整定价，单批次产品潜在盈利损失可达20万元。

5.“实际计量消耗≠成本消耗”，需成本归因。实际计量仅能捕捉“显性消耗”（如投入的矿石重量、消耗的电量），无法涵盖“隐性消耗”，如钢水成分不达标被改判为低牌号产品，前期投入的高价值合金消耗无法通过计量体现；某钢种加热时间长导致轧机待料，期间的空转电耗需进行成本归因至该钢种。

（二）成本管理痛点

1.成本预测管理粗放。成本测算由财务人员按照Excel模板进行人工计算处理及复核，效率较低且容易出现计算错误，历史数据散列在不同文件中，不方便集中数据进行追溯对比分析，无法与实际品种盈利形成闭环管理。

2.成本核算粒度粗，决策支撑不足。ERP系统仅能核算大类产品（如热轧卷）的综合成本，无法细化至具体钢种与炉次。因核算粒度问题导致无法精准识别“高盈利牌号”与“亏损牌号”，错失了产品结构优化的时机。

3.成本监控滞后，异常响应慢。传统日成本管理需次日才能生成报表，且需人工调整分摊差异、补录数据。成本异常（如某班组电耗突增20%）无法实时发现，管控窗口错失。成本管控仍然需要定期（周、日）进行成本核算，然后通过公司级、厂部级、车间级逐层进行人工进行分析，往往花费大量的人工投入却只能得到粗略分析结果，分析效率和结果准确性较差，严重影响企业经营决策。

4.盈利分析低效，闭环管理缺失。成本测算基于标准消耗，与实际盈利脱节。实际盈利需结合销售数据（定价、优惠）、质量成本手工分析，财务人员需花费3个工作日才能完成单月品种盈利分析，且无法穿透至具体影响因子（如盈利下降源于原料涨价还是质量损失），无法形成“测算→执行→分析→优化”的PDCA闭环。

5.新产品研发费用归集不规范，合规风险高。高新技术企业要求研发费用按“项目—工时—物料”单独归集。但宁钢此前未实现“炉炉清”实际成本核算，新产品研发成本消耗按标准估算，归集准确率不高，存在资质申报不合规风险。

（一）实时成本管理技术架构设计

为突破传统“生产数据→财务数据”单向传输及单体系统局限，项目构建了“数据层—计算层—应用层”三级实时成本管理架构（见图1），实现“研发—生产—销售—财务”数据双向流动与深度融合。

1.数据层：破解“孤岛”，秒级同步。采用IBM InfoSphere CDC工具实时采集生产物流、工序消耗、工艺参数、质量判定、设备工况、销售收入、库存等数据，通过Kafka实现数据实时传输，彻底解决“数据孤岛”问题，数据延迟控制在秒级。

2.计算层：“流”“批”结合，平衡性能。采用“Flink实时计算+Spark批处理”混合模式。Flink处理实时性要求高的成本看板数据（如炉次成本动态更新），Spark处理多维度分析数据（如月度品种盈利分析），有效平衡时效性与系统性能。

3.应用层：业财融合，智能决策。开发“成本中台”，整合细类测算、实时监控、盈利分析、研发归集功能，实现“生产数据→成本数据→决策支持”的端到端转化。例如，生产端的“炉次消耗数据”实时转化为财务端的“单位成本数据”，并与销售端结合，实时生成产品盈利结果数据。

（二）核心系统模块开发

围绕业务场景研发四大核心模块，形成产品成本设计、成本控制、成本及盈利分析的产品成本及盈利管理闭环。

1.产品成本测算模块。建立线上可灵活配置的测算模型，可根据产线、产品不同灵活配置产品对象、作业动因、工艺路径等参数。提供成本试算作业，支持产品开发人员实时在线进行产品工艺消耗优化调整，实时反馈调整成本结果，方便产品设计人员在线优化成本。测算版次采购价格、消耗指标、成本结果、销售定价分别由采购部、技术中心、经营财务部、销售部授权人员确认后发送上线审批。建立钢种成本差异对比分析模型，可输出不同钢种、不同版本的成本差异对比分析表。

2.多维实时成本模块。实时收集各工序产线的生产物流信息，建立工序产品产耗关系；按照作业成本法规则，针对各工序成本消耗的工艺特征及成本相关性，同时评估前端数据质量的可用性，确认并收集各工序的生产工艺数据，将其转化为作业成本动因数据。针对某些重点成本消耗，为提升作业动因的相关性及品种成本核算结果准确性，采用多工艺数据公式计算复合作业动因，如热轧加热炉煤气消耗建立了在炉时间、出入炉温度、轧制节奏的3因素复合动因。突破事后报表限制，开发“炉炉清、班班明”实时成本看板，覆盖炉次、班组、产线、钢种等多个维度，可以通过不同维度的聚合生成“炉炉清”成本、班组消耗指标竞赛看板、钢种标准成本差异分析表、日（周）目标报表完成情况表等。建立异常检核看板，实时监控各层次的成本数据质量及现场成本异常，从源头进行成本控制，主要做法包括：在数据处理流程中嵌入数据质量检查点，加入消耗越界、缺失检核；与成本消耗标准、产品成分设计标准等对比计算差异率设定超差检核（如钢铁料消耗超范围、合金消耗偏离标准）；对分摊规则、消耗标准等基本资料与现实发生数据对比，检测资料是否维护完整等。异常数据发生后，会自动触发邮件/流程消息报警，通知预设的责任人及时处置，并定期对异常发生的频次及处理及时性进行统计，对相关部门进行考核评价。

3.实时产品盈利及增效分析模块。通过明细产品成本与合同结算数据的勾连，无需等待常规账务月关账，可实时查看当前已销售产品的盈亏结果，可按结算月、合同月、客户、牌号、规格、工序路径、期现货、质量改判等不同维度进行筛选和组合查询分析，并可下钻查询价格组成、成本明细、该销售产品对应的各工序半成品编号及成本履历，公司研产销产品项目组对负增效或与预测盈利偏差较大的品种及时进行查询分析，公司定期组织会议研究优化改善措施，提高品种经营效益。针对盈利溯源难问题，创新开发穿透式多因素对比分析算法，在海量的数据条件下，通过建立成本、收入、价格、品种结构等与盈利之间的目标函数，对基期与报告期数据构建二维数组，按维度结构、数量、单价等因子定义进行矩阵计算，直接量化各因子对目标值的影响。可支持不同钢种、同一钢种不同时期、测算与实际盈利对比，并穿透至底层影响因子（如盈利下降5%，自动识别3%源于钼价上涨，2%源于改判损失），分析时间从3个工作日缩短至2小时，准确率提升至99%。

4.新产品研发费用模块。实现新产品研发费用源头自动归集，自动化抛账。创新“炉次号标识+规则自动判定+财务抛账”模式，通过技术中心设定科研项目与牌号、炉次号等规则关联，自动区分研发与常规生产，基于炉次号自动归集该炉次的材料、能源消耗及产出，建立研发费用自动抛账规则，大数据平台归集数据通过应用程序编程接口（API）自动同步至ERP财务系统生成凭证，无需人工录入。费用归集准确率达99.5%，且方便历史数据溯源查询，满足高新技术企业规范要求。

（一）实时成本方案反复优化，存在项目延期风险

因宁钢生产工艺复杂（如多产线交叉、工艺参数频繁调整），实时成本核算规则（如费用分摊标准、成本动因选择、跨工序成本结转方法）经过跨部门协调多次调整，影响项目进度。通过分阶段推进，将开发方案优化分为“试点开发验证→小范围推广→全产线落地”三阶段，先选择部分功能请外部技术专家协助开发，然后由宁钢与专业技术公司按已确认规则协同开发保证逻辑打通，最后针对调整规则修改调优；多部门协同，成立“财务+制造+技术+外协”联合工作组，每周召开方案评审会，及时解决工艺与核算规则的冲突；预留缓冲期，在项目计划中预留方案优化缓冲期，但确保方案落地质量。

（二）炼钢“炉炉清”数据质量差，影响核算准确性

项目初期炼钢工序“炉炉清”数据存在三大问题——数据完整性不足（20%炉次缺失合金消耗数据）、计量精度低（部分炼钢辅料如石灰计量误差超5%）、机旁备料收发存管理混乱（无法准确区分炉次用料）。宁钢通过开发数据检核逻辑，针对数据传递路径，开发逐级数据对账功能，对过程机—ERP生产系统—ERP原料系统定期进行对账，发现差异并分析原因后逐个处置，最终解决了数据传输问题；在系统中嵌入“数据异常检核”功能，及时发现各类业务层面异常数据，要求生产厂部分析原因并处置；升级计量设备，生产厂联合设备部对计量仪表设备（如电度表、合金秤）进行校准或更换，将计量误差控制在1%以内；优化机旁备料管理，制定《机旁备料收发存管理规范》，建立备料标准及定期盘点制度，发现异常及时纠偏，保证总体送料量与“炉炉清”数据符合性提升。

（三）数据存储选型难，需平衡时效性与性能问题

项目初期由于对实时处理技术方向把握不足，面临实时存储（Kudu/Doris）和批处理存储（HIVE）的选型困境——Kudu/Doris实时性强，但对硬件要求高（需新增服务器投入），HIVE成本低，但实时性不足（数据更新周期小时级）。宁钢进行了分阶段优化，项目上线初期由于成本动因调整等问题，业务逻辑调整后需要全部数据“重跑”，采用HIVE批处理方案反而易于操作，对业务冲击小，成本看板数据按“小时级”批量更新，满足基本实时需求；待系统逻辑稳定后，切换为Kudu/Doris存储及流式修理，实现“分钟/秒级更新”；通过“数据分区（按日期分区），区间滑移增量处理”提升HIVE批处理效率。

（四）跨部门数据标准不统一，业财数据对接难

技术部门“钢种分类”规则不明确，无法从系统获取规范的规则数据；销售部门与财务部门针对运费补贴口径不统一导致数据无法直接关联。建立数据标准规则表，联合技术中心、销售部等相关部门明确相关标准及取数逻辑。对于前端系统缺失的规则，要求相关部门优化系统，实现相关功能的系统化。

一是精益成本管理能力显著跃升。从公司到生产班组使用“统一的成本语言”进行交流。成本核算粒度从大类产品精准细化至炉次级，管控维度由财务端全面延伸至生产端，车间级成本管控参与度提升 60%，成本管理水平迈入行业前列，实现从“事后核算”到“事前预测、事中监控、事后分析” 的全流程精益管控。

二是业财协同效率大幅提升。跨部门数据标准统一、业务流程全面线上化，“成本测算—生产—销售—核算”协同周期从3天压缩至2小时，数据实时互通、作业高效协同，彻底打破信息孤岛，为公司产品经营提供实时、精准的数据支撑。

三是成本异常响应与盈利分析智能化升级。实现成本异常自动检核、实时报警与快速处置，盈利差异可穿透量化归因，分析时间从3个工作日缩短至2小时，准确率提升至99%，有效规避价格波动、质量损失等带来的盈利风险。

四是研发费用管理合规化、自动化。新产品研发费用实现炉次级自动归集与财务自动抛账，归集准确率达99.5%，满足高新技术企业资质申报规范要求，消除人工归集误差与合规隐患，历史数据可便捷溯源查询。

五是数字化管理成果与价值凸显。成本管理体系落地形成多项核心成果，项目成果《面向产品成本预测场景的钢铁企业实时多维成本管控及品种增效管理应用案例》入选工信部2024年钢铁行业重点场景数字化转型典型案例（业财管理方向唯一入选案例）、获授权发明专利1项、申报公司级技术秘密2项，核心数据资产获浙江省数据知识产权登记证书，为流程型制造企业成本管理数字化转型提供可复制、可推广的实践方案。

主要参考文献

[1]何宇城，赵莹，冉瑞文，等.中国宝武以“极致成本，极致效率”为核心的战略成本管理实践[J].财务与会计，2023，（2）：29-33.

[2]瞿涛，罗国军.宁波钢铁月度预算控制下的“日清日结”成本管理实践[J].财务与会计，2023，（15）：37-40.