2Bear_
Мы как раз и занимаемся бюджетированием производственной себестоимости для больших производственных групп таких как Лукойл.
Сомневаюсь, что Cognos Planning тут сильно поможет. Это добротное, но простенькое бюджетирование.
Производственное бюджетирование самый сложный вариант.
Для решения этой задачи в общем виде нужно иметь матричную систему калькуляции плановой и фактической себестоимости, а желательно еще и прогностический режим. Такой системы нет пока даже в SAP R3. Это всегда внешний компонент.
Без матричного метода вам не обсчитать правильно циклические затраты.
Для маленького завода это не проблема. Просто пренебрегаем 2-3% себестоимости на возвратном цикле и все. А для серьезного предприятия это огромные деньги и упрощение не допустимо.

Юра, это локальные внедрения Cognos. Как есть и локальные внедрения BO в рамках отдельных малых подразделений под их отвественность.
Серьезных вредрений быть не должно, т.к. вас нет в Положении о Калькулировании и Бюджетировании.
Причем Лукойл сейчас избавляется от таких локальных внедрений, например был снесен BO в Перми.

2Bear_
Мы движемся в сторону методик за которые дали в свое время Нобелевские премии по экономике. Матричный метод калькуляции производственных затрат описан в любом хорошем учебнике по экономике.
Для нефтегазовых компаний данный метод считается стандартным и лучшим.
Для примера крупнейшая нефтяная компания Exxon внедрила его первая как и первая внедрила интеграцию таких калькуляций с SAP R3.
В принципе этот метод особенно хорош для крупных промышленных групп и крупных производств, где много возвратных технологических циклов и разнопрофильных производств. Кроме нефтянки это энергетика, машиностроение, производство стройматериалов с вторичной переработкой и т.д.
При сравнительной простоте концепции матричного метода (решение системы линейных уравнений, где компоненты себестоимости есть искомые переменные), реализация его сложна. Точнее эксплутация очень проста, а реализация проблематична. Для реального предприятия вам придется решать матрицы примерно на 2 млрд. элементов, причем решение должно идти методом без погрешности. Для этого нужен серьезный мат. движок оптимизированый для матриц данного вида. Даже улчшие общие алгоритмы не могут решать такие матрицы за 40 секунд. Потом для отображения результатов калькуляций в человеческом виде OLAP-отчетов вам потребуется специфический DWH, который умеет работать с данными в матрицах, а не просто в таблицах.
Кроме этого нужны очень опытные консультанты для построения эк. модели из эк. объектов. Это трансляция тех. объектов в эк.объекты.
Еще полюс матричных калькуляций это автоматическая генерация проводок закрытия всех производственных счетов для всех связанных бухгалтерий.
Кроме этого часто используют бинарные матрицы, где идут многовариантные расчеты. Например, раздельный расчет для экономистов и бухгалтеров, прогностический расчет и т.д.

Нет, мы используем свой алгоритм решения построенный на базе метода Холецкого. Наша реализация быстрее Холецкого в 1000 раз и не генерирует погрешность (алгоритм класса нулевой накопительной погрешности). А сам метод Холецкого быстрее в 1000 раз стандартного решения методом Гаусса. Вот вам и разница в 1 млн. раз.

2backfire. Мне кажется ваше замечание из серии "Мне тоже читали МатАн и тоже что-то помню". Есть теория, а есть практика.
Метод Холецкого довольно часто используют на практике для решения разряженных матриц сколько бы его не критиковали идеалисты. Мощности даже современных ПК хватает для решения таким методом матриц с диагональю 5000 элементов за 10 минут и 1000 элементов за 1 минуту. Такой производительности достаточно для многих задач, поэтому на практике Холецкий очень часто используется в экономических приложениях.
Наш метод и есть вариант прогоночного нулевой погрешности, однако велосипед изобретать стоило, т.к. он заточен именно для реальных матриц для задач по калькуляции себестоимости. Частные оптимизации всегда очень и очень сильны. Такие матрицы действительно разряжены, но их разряженность для задачи себестоимости имеет типовые закономерности которые мы используем для оптимизации.
Поэтому для решения реальной матрицы с диагональю в 35000 элементов (более 1 млрд. ячеек) нужно всего 40 секунд, поэтому не нужно пользователям использовать обычную двухэтапную верификацию данных (это замечание для тех кто практически использует такие решения). Это лучший из известных мне результатов. Наш ближайший конкурент тоже самописный калькулятор которые делают коллеги из Аризоны примерно в 2,5 раза хуже и только движок стоит $40 килобаков.
Однако наш метод может показать результат в 10 раз хуже для матриц других типов специфичных для других задач.

Переделов смотря каких. Если формальных (как крупные группы технологий) то наверное десяток. Если как переход между объектами в тех. цепочке, то около 40. Это для нефтегазовой отрасли.
Завязки на число переделов нет.
Методику обычно реализует в наших проектах наш партнер ПАКК.
Методика это их copyright, поэтому в открытом форуме не могу говорить о деталях, на встрече можно хоть толмуты полистать.
Для сотрудничества по таким вопросам public форум не уместен. Пишите в почту ivanov-soft@inbox.ru

Только разреженные матрицы с диагональю в 100000 элементов, я решал лет 5-7 назад с затратами времени порядка 1 секунды на PIII-450. Писал сам на Fortran, исходный код могу показать, на Backup СD, записанном еще в 99 году.


Буратино говорил про такое просто - "Врете дяденька!". С такой скоростью может работать только метод исключений. А это очень и очень частный случай.
В прочем буду рад ошибиться и посмотреть ваш код. Как это можно сделать?
Обидно если какие-то 125 неожиданно всплывших проблем помешают этому.


И численные методы мне читали, не в курсе матана как будущему учителю физики, а по-взрослому, как будущему инженеру-исследователю.


Володя, тебе так хочется меня обидеть? Думаю это не так просто сделать.
Володя, ты плохо знашь академическую систему бывшего СССР.
Я действительно по образованию профессиональный педагог и закончил самый сильный педун в СНГ (второй к слову этом плане даже не МГУ, а педун в Москве). Но ты ошибаешься если думаешь что курс обучения в Герцовнике состоял из изучения школьного учебника физики (собственно мы его даже не открывали, т.к. это частный случай методики и не более). Обучение состояло на 80% из профессионального изучения дидактики (общие основы преподавания чего-либо вообще) и как тебе не удивительно будет узнать из специального физ. обучения на глубоком уровне. Все физ. факульты обязательно в СССР имели глобальную специализацию. Физика в Герцовнике это физика твердого тела, т.е. физика кристаллов и полупроводников. Соотвественно по этой тематике там были и есть лучшие спецы. Тот же Гороховатский до сих пор при министре за эту тему отвечает.
То что тебе не читали в курсе численные методы это понятно. Нам и в универе в СПБ это читали в даже несколько разных курсов. Ответ прост. В универе СПБ велась почти вся вычислительная физика СССР (узнай кто такой Мордовин), а в Герцовнике полупроводники. И то и другое в СССР было предано анафеме как происки империалистов и спецы-десиденты уехали в Питер, поэтому даже в МГУ курсы вычисл. физики появились только в 1992г.
Физика полупроводников это очень серьезная вычислительная физика, т.к. там почти все решения делаются на основе квантовой теории. Поэтому мне даже после нескольких специальных курсов по вычислительной физике не хватало знаний и главное практики. Я уже студентом был не будущим, а действующим физиком-исследователем и мне удалось найти интересные моменты в гибридных состояниях, которые сейчас даже в учебники включают. Хотя за это я и получил гранты Сороса и РАН, я до сих пор считаю это баловством.
По окончанию ВУЗа, я мог пойти по двум направлениям вычислительная физика в твердом теле или дидактика. Я выбрал второе. Мне больше нравиться организовывать и обучать людей. Потом физиков и информатов навалом, а вот специалистов обученных профессионально воздествовать на мозги и мотивацию людей мало. Забавно только последние 2-3 года консалтеры заговорили об проф. организации мотивации персонала. Мне же Ланина читала куда более сильный курс по мотивации много лет назад.

Вот такое письмецо за жизнь после поездки в сарахарные заводики в Казахстан. Все сдали, пора пить пиво!