棉线工程项目数据分析与挖掘（工程项目组织与管理）.docx

《棉线工程项目数据分析与挖掘（工程项目组织与管理）.docx》由会员分享，可在线阅读，更多相关《棉线工程项目数据分析与挖掘（工程项目组织与管理）.docx（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、泓域咨询/棉线工程项目数据分析与挖掘棉线工程项目数据分析与挖掘xxx（集团）有限公司一、 项目背景分析棉纺指把棉纤维加工成为棉纱、棉线的纺纱工艺过程。这一工艺过程也适用于纺制棉型化纤纱、中长纤维纱以及棉与其他纤维混纺纱等。棉织物服用性能产好，价格低廉，且棉纺工序比较简单，所以在纺织工业中占首要地位。我国棉纺行业几经沉浮，目前形成了传统山东、河南、江苏三大棉纺行业聚集省份和新兴的新疆棉纺产业基地。按我国年产650万吨棉纱产量计算，前三大主产省份山东、河南、江苏占比分别约为25%、18%和17%，目前新疆年纺纱量占比约13%。国家产业政策指引叠加新疆纺织业发展比较优势明显，未来有望吸引东部地区纺织

2、业产能加速向中西部转移。棉纱是棉纤维经纺纱工艺加工而成的纱，经合股加工后称为棉线。根据纺纱的不同工艺，可分为普梳纱和精梳纱。普梳纱:是用棉纤维经普通纺纱系统纺成的纱。精梳纱:是用棉纤维经精梳纺纱系统纺成的纱。精梳纱选用优质原料，成纱中纤维伸直平行、结杂少、光泽好、条干匀、强力高，这类棉纱多用于织造高档织物。棉纱产业链上游是皮棉，皮棉是把籽棉进行轧花，脱离了棉籽的棉纤维叫做皮棉。而一般意义上说的棉花就是指皮棉。棉纱产业链中游是由皮棉加工厂将皮棉加工成棉纱。下游是将棉纱织造成混纺交织布和棉布。随着“中国制造2025”的落地实施，作为中国传统支柱产业的中国纺织行业在传统纺织技术与新技术之间的差距不断

3、拉大的情况下也在进行着一场变革。随着纺织工业“十三五”发展规划的发布，中国纺织行业正式迈进智能化、数字化的转型当中。其中自动化、数字化、智能化纺织装备开发，推进智能工厂(车间)建设，培育发展大规模个性化定制均被列入未来五年的重点任务当中。随着国内纺织服装消费持续升温，行业增长的驱动因素由出口拉动向国内消费转变我国纺织需求增加呈现“内销增长、外销拉动”内外销并举的市场特征。我国纺织品外销每年大幅增长的同时，国内销售比例也在不断提高。我国拥有13亿人口的巨大内需市场，内需将是我国纺织工业发展的主要动力。同时技术进步和工艺创新成为促进产业升级和提升产品档次的主要动力。纺织行业将着力增强自主创新能力，

4、转变经济增长方式，提高经济运行的质量和效益，加快纺织先进生产力建设。主要包括“三大创新”:科技创新、经营管理创新、产业链整合创新。二、 层次分析法的基本步骤当一个决策者在对问题进行分析时，首先要将分析对象的因素建立起彼此相关因素的层次系统结构，这种层次结构可以清晰地反映出相关因素（目标、准则、对象）的彼此关系，使得决策者能够把复杂的问题顺理成章，然后进行逐一比较、判断，从中选出最优的方案。运用层次分析法大体上分成四个步骤：建立层次结构模型；构造比较判别矩阵；单准则下层次排序及其一致性检验；层次总排序及其一致性检验。（一）建立层次结构模型层次分析法先将决策的目标、考虑的因素（评价准则）和决策对象

5、（行动方案）按它们之间的相互关系分为最高层、中间层和最低层，其中最高层称为目标层，这一层中只有一个元素，就是该问题要达到的目标或理想的结果；中间层为准则层，层中的元素为实现目标所采用的措施、政策、准则等，准则层中可以不止一层，可以根据问题规模的大小和复杂程度，分为准则层、子准则层；最低层为方案层，这一层包括了实现目标可供选择的方案。据此绘出层次结构模型图，模型中，目标、评价准则和行动方案处于不同的层次，彼此之间关系用线段表示，评价准则可细分多层。在层次结构模型中，各层均由若干因素构成，当某个层次包含因素较多时，可将该层次进一步划分成若干子层次。通常应使各层次中的各因素支配的元素一般不超过9个，

6、这是因为支配元素过多会给两两比较带来困难。一个好的层次结构模型对解决问题极为重要，因此，在构建层次结构模型时，应注意以下四点：1自上至下顺序地存在支配关系，用直线段表示上一层次因素与下一层次因素之间的关系，同一层次及不相邻元素之间不存在支配关系；2整个结构不受层次限制；3最高层只有一个元素，每个元素所支配元素一般不超过9个，元素过多可进一步分层；4对某些具有子层次结构可引入虚元素，使之成为典型层次结构模型。（二）构造比较判别矩阵层次结构建立后，评价者根据自己的知识、经验和判断，从第一个准则层开始向下，逐步确定各层不同因素相对于上一层因素的重要性权数。层次分析法在确定各层不同因素相对于上一层各因

7、素的重要性权数时，通常使用两两比较的方法。（三）单准则下层次排序及其一致性检验层次分析法的信息基础是比较判断矩阵。由于每个准则都支配下一层若干个因素，这样对于每一个准则及它所支配的因素都可以得到一个比较判断矩阵。因此，根据比较判断矩阵如何求出各因素对于准则的相对排序权重的过程称为单准则下的排序。计算权重的方法有多种，其中和法和根法是比较成熟并得到广泛应用的方法。1和法2根法3判断矩阵一致性检验由于客观事物的复杂性，会使我们的判断带有主观性和片面性，完全要求每次比较判断的思维标准一致是不大可能的。事实上，在构建比较判断矩阵时，我们虽然不要求判断具有一致性，但一个混乱的，经不起推敲的比较判断矩阵有

8、可能导致决策的失误，所以我们希望在判断时应大体上的致。而上述计算权重方法，当判断矩阵过于偏离一致性时，其可靠程度也就值得怀疑了，故对于每一层次作单准则排序时，均需要作一致性的检验。（四）层次总排序及其一致性检验1层次总排序计算同一层次中所有元素对于最高层（总目标）的相对重要性标度（又称排序权重向量）称为层次总排序。2总排序一致性检验人们在对各层元素作比较时，尽管每一层中所用的比较尺度基本一致，但各层之间仍可能有所差异，而这种差异将随着层次总排序的逐渐计算而累加起来，因此需要从模型的总体上来检验这种差异尺度的累积是否显著，检验的过程称为层次总排序的一致性检验。三、 时间数据分析方法（一）时间数据

9、时间数据也称时间序列（Timeseries）或动态数据，是按时序排列的一组来自同一现象的观察值。时间序列可按日、月、季度、年等收集，有些呈现很强的季节性，建模时应给予反映。气象、水文、生态环境、经济及社会活动都能观察到周期性时间序列。实际观测并记录的时间序列，实际上是随机过程的样本，即，在产生时间序列的实际过程的每一时点上，人们看到的只是该时点随机变量的样本，并不能观察到母体。时间序列可分为平稳和非平稳序列，还可以分成线性和非线性时间序列。（二）时间序列分析1概述时间序列分析是根据随机过程理论，研究时间序列的统计规律。时间序列分析广泛应用于信息压缩、利用卫星照片识别地球资源、石油勘探、经营管理

10、、预测（气象、水文、地震、地下水位、农作物病虫灾害）、控制（环境污染、生态平衡）（天文学和海洋学）等方面。时间序列预测的基本依据是：（1）客观过程是连续的，有惯性，现在是过去的继续，过去的信息会传递到现在与未来，利用过去的数据或信息能推测未来。（2）偶然因素会影响到客观过程，使其行为与模式有随机性。预测要利用时间序列各时点随机量的相关关系。时间序列的趋势与波动称为“模式”，时间序列分析首要要识别其模式，然后用适当的曲线拟合。拟合模式的各种参数根据按“最优预测”原则估算出的时间序列数字特征（期望值、方差、协方差、自相关函数）等确定。2.时间序列成分时间序列常含有4种成分：趋势、季节变动、规则波动

11、和不规则波动。所谓趋势，是长期持续向上或持续向下的倾向。季节变动，是实际过程受气候、市场状况、节假日或风俗习惯等影响而呈现的周期性波动。规则波动，是周期不等的变动，呈涨落交替之状。波动的周期可能很长，但与趋势不同。不规则波动，是时间序列除去趋势、季节变动和周期波动之后的波动。不规则波动总是夹杂在时间序列中，致使时间序列产生一种波浪形或震荡式的变动。时间序列经常是各种周期成分的叠加，例如地震或人工地震波的记录。这样的序列要做频域分析。频域分析确定时间序列各周期成分称为“谱”或“功率谱”的能量分布形态。频域分析又称谱分析。谱分析的重要内容就是通过序列的周期图（）的极值点寻找各种分量的周期。3时间序

12、列建模时间序列建模一般有如下几个步骤（1）取得时间序列样本。（2）将样本点画成图，进行相关分析。时间序列图形可显示出变化趋势和周期，并发现离群点和转折点。若离群点确实为观测值，建模时应加以考虑，若非，应加以调整。转折点指时间序列趋势突变的点。如果发现转折拐点，则在建模时须分段用不同的模型拟合时间序列，例如用门限回归模型。（3）模式识别与拟合。时间序列模式众多。小样本可用趋势模型、季节模型加上随机误差拟合。对于样本容量（即观测值个数）大于50的平稳时间序列，可用ARMA（自回归移动平均）模型拟合。非平稳时间序列可经差分化为平稳时间序列，再用ARMA模型拟合。（4）预测未来。利用建成的模型预测时间

13、序列未来值。4时间序列常用模型（1）ARMA模型（2）回归模型四、 数据分析与挖掘概述（一）信息分析信息分析是根据咨询问题的具体需要，对与之有关的信息进行整理、鉴别、评价、分析和综合，以便取得咨询所需新信息的过程。信息分析有如下几种用途：1跟踪。所谓跟踪，就是及时了解各领域新动向、新发展，从而发现问题、提出问题。2比较。比较各种事物的内部矛盾之后，把握事物间的联系，认识事物的本质，从而提出问题、确定目标、拟定方案并作出选择。3预测。利用已掌握的信息、知识和手段，推断事物的未来或未知方面。4评价。进行评价时应选择合适的变量和评价指标，应当考虑评价对象之间的可比性。信息分析所用方法，可分为定性和定

14、量分析两种。定性方法主要靠逻辑推理；而定量方法涉及数据间的数量关系，要建立数学模型，计算、求解。如今，信息越来越复杂，定性与定量分析已无法单独奏效，只能越来越多地结合起来。（二）数据分析数据分析是信息分析的一部分，数据分析是对收集数据进行系统的分析，建立适当的模型，揭示数据中隐含的技术、经济、社会和其他关系，以及发展趋势，为有关的咨询活动提交的有用的数字、信息或建议。数据分析的对象可分为时间序列和截面数据。如企业历年的咨询收入、利润总额等就是时间序列。截面数据是在同一时间的数据，如企业同一年咨询业务数目、营业额、费用、收入、人工耗费等。两种数据都要注意样本容量大小。对于截面数据，常用线性或非线

15、性回归模型体现数据之间的各种关系。数据分析属定量分析，包括数据统计分析、时间数据分析、空间数据分析。（三）数据挖掘数据挖掘就是从数据中挖掘出隐含、先前未知、有潜在用途，最终可为人理解的关系、模式、趋势和其他有用信息，并建立模型，用于预测、判断或决策，帮助企业更好地适应变化并做出更明智的决策的过程。数据挖掘广泛应用于制造、金融、零售、保健、中医药及电信等行业的客户关系管理、风险防范、供应链管理、竞争优势分析、部门分析等领域。数据挖掘要用到统计分析、人工智能、数据库和神经网络等方面的知识，如记忆推理、聚类分析、关联分析、决策树、神经网络、基因算法等。数据挖掘需要用户参与，并非某种单一工具、技术或软

16、件即可独自完成。另一方面，并非所有信息查询都可视为数据挖掘。例如，使用数据库管理系统查找个别记录，或用搜索引擎查找互联网特定的网页，属于信息检索，不能视为数据挖掘。当然，数据挖掘技术也有强大的信息检索能力。五、 项目名称及投资人（一）项目名称棉线工程项目（二）项目投资人xxx（集团）有限公司（三）建设地点本期项目选址位于xx（以选址意见书为准）。六、 结论分析（一）项目选址本期项目选址位于xx（以选址意见书为准），占地面积约25.00亩。（二）项目实施进度本期项目建设期限规划24个月。（三）投资估算本期项目总投资包括建设投资、建设期利息和流动资金。根据谨慎财务估算，项目总投资11140.12万

17、元，其中：建设投资8948.52万元，占项目总投资的80.33%；建设期利息241.73万元，占项目总投资的2.17%；流动资金1949.87万元，占项目总投资的17.50%。（四）资金筹措项目总投资11140.12万元，根据资金筹措方案，xxx（集团）有限公司计划自筹资金（资本金）6206.84万元。根据谨慎财务测算，本期工程项目申请银行借款总额4933.28万元。（五）经济评价1、项目达产年预期营业收入（SP）：23000.00万元。2、年综合总成本费用（TC）：18435.98万元。3、项目达产年净利润（NP）：3340.28万元。4、财务内部收益率（FIRR）：23.65%。5、全部投

18、资回收期（Pt）：5.63年（含建设期24个月）。6、达产年盈亏平衡点（BEP）：8346.92万元（产值）。（六）主要经济技术指标主要经济指标一览表序号项目单位指标备注1占地面积16667.00约25.00亩1.1总建筑面积29838.08容积率1.791.2基底面积9333.52建筑系数56.00%1.3投资强度万元/亩339.002总投资万元11140.122.1建设投资万元8948.522.1.1工程费用万元7442.352.1.2工程建设其他费用万元1274.082.1.3预备费万元232.092.2建设期利息万元241.732.3流动资金万元1949.873资金筹措万元11140.123.1自筹资金万元6206.843.2银行贷款万元4933.284营业收入万元23000.00正常运营年份5总成本费用万元18435.986利润总额万元4453.707净利润万元3340.288所得税万元1113.429增值税万元919.2510税金及附加万元110.3211纳税总额万元2142.9912工业增加值万元7280.8413盈亏平衡点万元8346.92产值14回收期年5.63含建设期24个月15财务内部收益率23.65%所得税后16财务净现值万元4674.06所得税后