تبیین الگوی نوین هزینه‌یابی مبتنی بر فعالیت زمان‌گرای عصبی‌فازی (tdabc‌-anfis) (مطالعه موردی شرکت گاز استان هرمزگان)

در روش‌های هزینه‌یابی مبتنی بر فعالیت از جمله هزینه‌یابی بر مبنای فعالیت سنتی (abc) و هزینه‌یابی بر مبنای فعالیت زمان‌گرا (tdabc) فرض می‌شود بین هزینه و فعالیت رابطه خطى وجود دارد، لیکن تابع هزینه همیشه خطى نیست. برای حل این مشکل، پژوهش‌گران از مدل‌های هوش مصنوعی و فازی استفاده کردند. بی‌تردید تلفیق همزمان مدل‌های هوش مصنوعی و فازی منجر به افزایش دقت هزینه‌یابی خواهد شد. لذا در پژوهش حاضر برای نخستین بار به تلفیق روش tdabc با مدل عصبی‌ فازی (anfis) و مطالعه موردی شرکت گاز استان هرمزگان پرداخته شد. برای این منظور، ابتدا منابع و فعالیت‌های موضوع هزینه شناسایی شد. سپس ارتباط اقلام هزینه با فعالیت‌ها در ماتریس وابستگی هزینه‌ فعالیت تعیین شد. پس از آن، نرخ‌های تسهیم در ماتریس جایگزین شده و هزینه فعالیت‌ها بر اساس روش‌های abc، iabc، tdabc و tdabc-‌anfis محاسبه شد. در نهایت، نتایج هزینه‌یابی بر اساس روش میانگین قدر مطلق خطا (mad) با روش abc مقایسه شد. نتایج نشان داد که mad در iabcمعادل 0.74، در tdabcمعادل 0.60 و در تمامی 18 ساختار طراحی شده tdabc‌-anfis، در بازه (0.591، 0.213) می‌باشد. در نتیجه هزینه‌یابی بر حسب tdabc‌-anfis از دقت بیشتری در مقایسه با abc، iabc و tdabc برخوردار می‌باشد. همچنین، در میان ساختارهای طراحی شده tdabc-anfis، ساختار gauss2‌4‌ logsig دارای کمترین خطا (0.213) می‌باشد. از آنجاکه نتایج نشان داد در میان مدل‌های مورد بررسی، مدل tdabc‌-anfis به‌دلیل غیرخطی و فازی کردن رابطه هزینه‌ها و فعالیت‌ها، از دقت بیشتری برخوردار می‌باشد، به مسئولان حوزه مالی شرکت‌ها پیشنهاد می‌شود از الگوی نوین tdabc-anfis استفاده کنند.

explaining of costing new model based on neuro‌-fuzzy time driven activity ( case study of hormozgan gas company)

assumed that, activity‌based costing methods, such traditional activity‌based costing (abc) time driven activity based costing (tdabc), to have a linear relationship between cost and activity,but the cost function is linear, always. to solve this problem, researchers used artificial and fuzzy intelligence models. undoubtedly, the simultaneous combination of artificial and fuzzy intelligence models will lead increased cost accuracy. therefore, for the first time, in the present study, the tdabc method combined with the neural‌fuzzy model (anfis) and the case study of hormozgan gas company. for purpose, at first, resources and activities of the cost subject were identified. then, the relationship between cost items and activities was determined in the cost‌activity dependency matrix. subsequently, the sharing rates in the matrix were replaced and the cost of activities was calculated based on the abc, iabc, tdabc and tdabc-‌anfis methods. finally, the costing results were compared with the abc method based on the mean absolute error magnitude (mad) method results showed that mad was 0.74 in iabc, 0.60 in tdabc and tdabc-‌anfis in all 18 designed structures in the range (0.591, 0.213). as a result, costing based on tdabc-‌anfis is more accurate than on abc, iabc, and tdabc. also, among the structures designed by tdabc-‌anfis, the gauss2‌4‌logsig structure has the lowest error (0.213). based on the results, among the studied models, the tdabc‌-anfis model is more accurate due to the nonlinear and fuzzy relationship of costs and activities, so, suggesting to the officials of the companies’ financial field to use the new tdabc‌-model.