基于机器学习融合的石化企业抢维修业务成本预测与优化研究

Journal: Economics DOI: 10.32629/ej.v9i7.3601

谷润泽

中原油田地面工程抢维修中心计划财务办公室

Abstract

针对抢维修业务突发、高成本、调度复杂及传统核算粗放、预测不准问题,本文以A 油田为例,融合ABC、机器学习与多目标优化,构建“核算—预测—优化”框架。ABC分解 四作业中心,建立时间/距离/技能/物料四维模型,MAPE=4.2%。基于9246条工单与20 特征,XGBoost预测MAPE=7.8%、R²=0.878,误差较经验降76%。将预测成本嵌入多目标 模型,改进遗传算法求解,30天仿真成本降27.7%、响应时间缩27.6%、资源利用率由 68%升至82%(p<0.001)。

Keywords

作业成本法；机器学习；XGBoost；多目标优化；遗传算法；成本预测

References

[1] 徐春茸.基于作业成本法的石化企业成本核算研究[J].市场周刊,2026,39(9):142- 145.
[2] Geurtsen M,Adan J,Atan Z.Production, maintenance and resource scheduling:A review[J]. European Journal of Operational Research,2023,305(2):501-529.
[3] 赵志成,马璐璐,孙萌颖.降本增效视角下油气企业数智化转型的思考与建议[J].中 外能源,2026,31(5):1-5.

Copyright © 2026 谷润泽

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License