资产管理方法、装置及计算机可读存储介质与流程

本发明涉及大数据技术领域，尤其涉及一种资产管理方法、装置及计算机可读存储介质。

背景技术：

资产管理系统是一种计算机化的资产管理和设备维修管理系统，其以提高资产利用率、降低运行成本为目标，以优化资源为核心，通过信息化手段，合理安排相关资源及维修计划与活动，从而提高效益。资产管理系统与传统的设备管理系统的显著区别在于，首先以工单的提交、审批、执行、关闭为主线，以设备运行历史及台帐为基础，以提高设备的使用率、降低总体维护成本。另一方面，通过合理、优化地安排相关的人、财、物资源将生产效率达到最高。同时，资产管理系统能够集成工作流与业务流，方便地进行系统的授权管理和应用的客户化改造工作。但现有市面上的资产管理系统多为以行政事业单位或者企业为用户群体，缺乏针对行政事业单位下属企业为目标的资产管理系统的能力；而且现有的资产管理系统仅提供资产的部分周期性管理，缺乏针对资产从采购到处置的智能化全生命周期的系统管理。

技术实现要素：

本发明提供一种资产管理方法、装置及计算机可读存储介质，其主要目的在于能够实现资产从采购到处置的智能化全生命周期的系统管理。

为实现上述目的，本发明提供的资产管理方法，包括：

盘点当前资产数据，并根据所述当前资产数据，生成资产采购计划书；

采用预设方法对采购的资产进行登记；

对登记在库的资产进行资产使用管理；及

利用文本相似性分析算法实现对资产进行智能化查询；

根据查询内容中的使用年限与购买价格信息，对资产进行折旧计算。

可选地，所述预设方法为资产卡片管理方法。

可选地，所述对登记在库的资产进行资产使用管理包括：

根据租赁/借用/领用资产信息，指定出库设备、设置设备的状态属性、生成新设备的条码，打印出库单；

根据出库单对资产进行租赁、借用、领用、处置处理；

对归还资产进行检验登记、并更新当前出库状态。

可选地，所述利用文本相似性分析算法实现对资产进行智能化查询，包括：

对搜索关键字进行分词、取停用词、word2vec语义扩展的预处理；

利用深度学习的开源工具包将单词以向量形式表示；

计算文本数据之间的相似度，并从资产管理数据库中查询出来与搜索关键字相匹配的查询内容。

可选地，所述根据查询内容中的使用年限与购买价格信息，对资产进行折旧计算，包括：

根据查询内容，从数据库中搜索该查询内容的使用年限，购买价格信息；

对查询得到的数据信息进行归一化和去相关性处理，降低噪音以及关联特征对最终折旧结果的影响；

将预处理后的数据分别代入多种折旧公式中，计算每一个折旧公式的折旧情况，对折旧后的情况进行去极小极大化处理，采用投票机制计算资产折旧费用。

此外，为实现上述目的，本发明还提供一种资产管理装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的资产管理程序，所述资产管理程序被所述处理器执行时实现如下步骤：

盘点当前资产数据，并根据所述当前资产数据，生成资产采购计划书；

采用预设方法对采购的资产进行登记；

对登记在库的资产进行资产使用管理；及

利用文本相似性分析算法实现对资产进行智能化查询；

根据查询内容中的使用年限与购买价格信息，对资产进行折旧计算。

可选地，所述对登记在库的资产进行资产使用管理包括：

根据租赁/借用/领用资产信息，指定出库资产、设置资产的状态属性、生成新资产的条码，打印出库单；

根据出库单对资产进行租赁、借用、领用、处置处理；

对归还资产进行检验登记、并更新当前出库状态。

可选地，所述利用文本相似性分析算法实现对资产进行智能化查询，包括：

对搜索关键字进行分词、取停用词、word2vec语义扩展的预处理；

利用深度学习的开源工具包将单词以向量形式表示；

计算文本数据之间的相似度，并从资产管理数据库中查询出来与搜索关键字相匹配的查询内容。

可选地，所述根据查询内容中的使用年限与购买价格信息，对资产进行折旧计算，包括：

根据查询内容，从数据库中搜索该查询内容的使用年限，购买价格信息；

对查询得到的数据信息进行归一化和去相关性处理，降低噪音以及关联特征对最终折旧结果的影响；

将预处理后的数据分别代入多种折旧公式中，计算每一个折旧公式的折旧情况，对折旧后的情况进行去极小极大化处理，采用投票机制计算资产折旧费用。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有资产管理程序，所述资产管理程序可被一个或者多个处理器执行，以实现如上所述的资产管理方法的步骤。

本发明提出的资产管理方法、装置及计算机可读存储介质盘点当前资产数据，并根据所述当前资产数据，生成资产采购计划书，采用预设方法对采购的资产进行登记，对登记在库的资产进行资产使用管理，利用文本相似性分析算法实现对资产进行智能化查询，并根据查询内容中的使用年限与购买价格信息，对资产进行折旧计算。因此，本方案实现了资产从采购到处置的智能化全生命周期的系统管理。

附图说明

图1为本发明一实施例提供的资产管理方法的流程示意图；

图2为本发明一实施例提供的资产管理装置的内部结构示意图；

图3为本发明一实施例提供的资产管理装置中资产管理程序的模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种资产管理方法。参照图1所示，为本发明一实施例提供的资产管理方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。

在本实施例中，资产管理方法包括：

步骤s10、盘点当前资产数据，并根据所述当前资产数据，生成资产采购计划书。

本发明较佳实施例中，所述当前资产数据包括非金融资产以及资金采购计划。

所述非金融资产包括：(1)固定资产：在一定时点上保障国民经济各部门生产、管理、服务以及居民生活正常进行，并在规定的年限内反复使用，其价值符合财务制度规定的物质资料；(2)存货(库存)：在一定时点上准备进入生产过程发挥作用，以及退出了生产过程但尚未售出进入消费领域的物质产品；(3)其他物质资产：包括土地、森林、地下矿产资源，以及文化、文物资产；(4)无形资产：专利权、著作权、商标权、商誉，等等。

本发明较佳实施例根据当前资产数据以及预先设定的每种资产的库存等预警值，以及本年度或者本季度的资金采购计划，生成所述资产采购计划书。

通过所述资产采购计划书，上级机构能了解到下级机构在某年度需要购买或租赁的设备计划大致情况，而通过设备的需求计划和相应的资金计划，掌握某一时间段内从申请、审批、合同签订、合同执行、付款情况以及设备购置或租赁的详细信息和相关的资金信息。

在生成所述资产采购计划书时，首先制定项目计划、服务计划、采购计划等，核定要采购设备的型号信息、性能要求等，并将各个计划汇总形成资产采购计划书。然后对采购任务进行逐级审批，并进行招标采购，签订采购合同；紧接着执行采购任务，主要由供货商完成，对采购到的设备及逆行验货抽检，检验采购设备是否满足采购合同上的数量、性能要求；最后完成设备采购，并交由资产卡片管理模块进行资产登记使用。

步骤s20、采用预设方法对采购的资产进行登记。

本发明较佳实施例采用资产卡片管理的方法对采购的资产进行登记。

所述资产卡片管理能够针对用户群体资产管理特点，对资产进行分类分级管理，将所述资产主要分为：固定资产、流动资产、无形资产、在建资产等。在采用资产卡片管理的方法对采购的资产进行登记时，主要涉及两个方面的内容：一是资产编码；二是资产入库。

所述资产编码由行财部编号，其编号方式为资产分类编号+购买年份(两位数字)+流水号码+部门编码等。

例如，资产编号中资产分类编号的代码为：

gdzc—固定资产ldzc—流动资产

wxzc—无形资产zjzc—在建资产

购置的资产到达目的地后，执行相关部门的验收。验收合格后，进行资产编号，然后填写《物品签收单》办理入库手续。

步骤s30、对登记在库的资产进行资产使用管理。

所述资产使用管理实现对资产设备使用信息的综合管理。对货位、货架和仓库跟踪设备的种类、成本和库存余量进行登记。记录设备成本，包括平均采购成本，最新采购成本和用户宣言标准成本等。统计任何存储在库存中的设备及备件的使用量，随时获取最新的成本信息和物品库存水平。系统提供周期性盘点，避免在年底一次盘点时出现较大差异。首先核查设备入库单、建立设备卡片和设备台帐，关联合同信息等；其次根据租赁/借用/领用资产信息，指定出库设备、设置设备的各种状态属性、生成新设备的条码，打印出库单等；然后根据出库单对资产进行租赁、借用、领用、处置等处理；最后对归还资产进行检验登记、并更新当前出库状态。

步骤s40、利用文本相似性分析算法实现对资产进行智能化查询，并根据查询内容中的使用年限与购买价格信息，对资产进行折旧计算。

本发明较佳实施例可以实现智能化查询库存、在用、维修和报废状态下的各种设备的全面信息，以及设备的增加与减少、借用与归还、设备的转移与维修记录等内容的查询，查询其条件可任意组合。

本发明较佳实施例通过文本相似性分析算法实现对查询项的智能化搜索。文本相似性分析算法流程如下所示：

(1)对搜索关键字进行预处理：包括分词、取停用词、word2vec语义扩展，在word2vec语义扩展阶段。

(2)利用深度学习的开源工具包将单词以向量形式表示：向量形式表示的主要思想是将查询文本内容的处理简化为向量空间中的向量运算，这样将空间上的相似度转化为语义上的相似度。当查询内容被表示为文档空间的向量时，便可通过计算向量之间的相似性来度量文档间的相似性。其中向量空间模型的基本思想：

给定查询内容d＝d(t1,t2,…ti,…,tn)，若ti在文档中既可以重复出现又存在先后次序，因此分析起来会较为困难。针对上述情况，暂不考虑ti的顺序，并要求ti互异，此时可将t1,t2,…ti,…,tn看作n维坐标，每一维对应相应值wi，因此d(w1,w2,…,wi,…,wn)便可以看作一个n维向量。

(3)相似性计算。余弦相似度计算公式广泛应用于文本数据之间的相似度计算过程中。其数学表达如下：

其中x，y分别为对比相似性的文本词向量(由上一步计算得来)。对文档进行数据预处理操作，数据预处理完成后使用向量空间模型将词组转化为向量后使用余弦相似度计算公式求解文档之间的相似度，从而可以从预定义的数据库中查询出来与查询项相匹配的资产处理流程。

(4)根据查询内容，从数据库中搜索该查询内容的使用年限，购买价格等相关信息。

(5)对查询得到的数据信息进行预处理操作：对于提取的原始数据往往需要进行归一化和去相关性处理用于降低噪音以及关联特征对最终折旧结果的影响。数据归一化处理，形式上是变化表达，本质上是为了比较认识。数据的归一化是将数据按比例缩放，使之落入一个小的特定区间。由于特征向量中的各个特征度量单位是不同的，为了能够将指标参与评价计算，需要对指标进行规范化处理，通过函数变换将其数值映射到某个数值区间。目前常用的归一化处理方法是z-score归一化方法，其核心思想如下所示：

x＝(x-μ)/σ。

其中x为原始数据(例如：使用年限、购买价格等等)，μ为原始数据集合的平均值，σ为原始数据方差。在特征提取与处理时，涉及高维特征向量的问题往往容易陷入维度灾难和特征关联性强的问题。随着数据集维度的增加，算法学习需要的样本数量呈指数级增加。有些应用中，遇到这样的大数据是非常不利的，而且从大数据集中学习需要更多的内存和处理能力。另外，随着维度的增加，数据的稀疏性会越来越高。在高维向量空间中探索同样的数据集比在同样稀疏的数据集中探索更加困难。主成分分析，是一种用于探索高维数据结构的技术。pca通常用于高维数据集的探索与可视化。还可以用于数据压缩，数据预处理等。pca也可以把可能具有相关性的高维变量合成线性无关的低维变量，称为主成分。新的低维数据集会尽可能的保留原始数据的变量。pca将数据投射到一个低维子空间实现降维。例如，二维数据集降维就是把点投射成一条线，数据集的每个样本都可以用一个值表示，不需要两个值。三维数据集可以降成二维，就是把变量映射成一个平面。一般情况下，高维相关数据可以通过映射降成低维非相关数据。

(6)将预处理后的数据分别代入折旧公式中，计算各个公式的折旧情况，对折旧后的情况进行去极小极大化处理，采用投票机制计算资产折旧费用。

本发明较佳实施例采用如下各个公式：

①年限平均法是最简单并且常用的一种方法。此法是以资产的原价减去预计净残值除以预计使用年限，求得每年的折旧费用。在各使用年限中，资产转移到产品成本中的价值均是相等的，折旧的累计额呈直线上升的趋势。其计算公式如下所示：

年折旧率＝(1－预计净残值率)÷预计使用寿命(年)×100％；

月折旧额＝固定资产原价×年折旧率÷12。

②工作量法是根据实际工作量计提折旧额的一种方法。它的理论依据在于资产价值的降低是资产使用状况的函数。根据企业的经营活动情况或设备的使用状况来计提折旧。假定固定资产成本代表了购买一定数量的服务单位(可以是行驶里程数，工作小时数或产量数)，然后按服务单位分配成本。这种方法弥补了平均年限法只重使用时间，不考虑使用强度的特点。其计算公式如下所示：

单位工作量折旧额＝固定资产原价×(1－预计净残值率)/预计总工作量；

某项固定资产月折旧额＝该项固定资产当月工作量×单位工作量折旧额。

③双倍余额递减法是指在不考虑固定资产预计净残值的情况下，根据每期期初固定资产原价减去累计折旧后的金额(即固定资产净值)和双倍的直线法折旧率计算固定资产折旧的一种方法。其计算公式如下所示：

年折旧率＝2÷预计使用寿命(年)×100％；

月折旧额＝固定资产净值×年折旧率÷12。

④年数总合法是将固定资产的原价减去预计净残值的余额乘以一个固定资产尚可使用寿命为分子、以预计使用寿命逐年数字之和为分母的逐年递减的分数计算每年的折旧额。其计算公式如下所示：

年折旧率＝尚可使用寿命/预计使用寿命的年数总合×100％；

月折旧额＝(固定资产原价－预计净残值)×年折旧率÷12。

本发明所述极小极大化处理的计算公式如下所示：

其中，fi为折旧为第i个折旧方法计算得到的折旧费用，max{fi}和min{fi}为折旧费用集合的最大值和最小值。

本发明较佳实施例的优点如下:

能够根据输入内容自动进行语义分析，从数据库中查找与输入内容相匹配的资产数据，实现资产数据的自动化查询；能够对输入资产进行智能化的资产折旧，利用多种资产折旧方法对输入资产进行折旧后进行统计判断，保证资产折旧的准确性。

实现了从资产采购、资产登记、资产管理、资产智能化查询的系统性统一管理，保证了系统的完备性和智能化。

本发明还提供一种资产管理装置。在本发明实施例中，资产管理装置1可以是pc(personalcomputer，个人电脑)，也可以是智能手机、平板电脑、便携计算机等终端设备。较佳地，所述资产管理装置为服务器或者服务器组。

参照图2所示，为本发明一实施例提供的资产管理装置的内部结构示意图。

所述资产管理装置1至少包括存储器11、处理器12，通信总线13，以及网络接口14。

其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是资产管理装置1的内部存储单元，例如该资产管理装置1的硬盘。存储器11在另一些实施例中也可以是资产管理装置1的外部存储设备，例如资产管理装置1上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，存储器11还可以既包括资产管理装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于资产管理装置1的应用软件及各类数据，例如资产管理程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

处理器12在一些实施例中可以是一中央处理器(centralprocessingunit,cpu)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行资产管理程序01等。

通信总线13用于实现这些组件之间的连接通信。

网络接口14可选的可以包括标准的有线接口、无线接口(如wi-fi接口)，通常用于在该装置1与其他电子设备之间建立通信连接。

可选地，该装置1还可以包括用户接口，用户接口可以包括显示器(display)、输入单元比如键盘(keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在资产管理装置1中处理的信息以及用于显示可视化的用户界面。

图2仅示出了具有组件11-14以及资产管理程序01的资产管理装置1，本领域技术人员可以理解的是，图1示出的结构并不构成对资产管理装置1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

在图2所示的装置1实施例中，存储器11中存储有资产管理程序01；处理器12执行存储器11中存储的资产管理程序01时实现如下步骤：

步骤一、盘点当前资产数据，并根据所述当前资产数据，生成资产采购计划书。

本发明较佳实施例中，所述当前资产数据包括非金融资产以及资金采购计划。

所述非金融资产包括：(1)固定资产：在一定时点上保障国民经济各部门生产、管理、服务以及居民生活正常进行，并在规定的年限内反复使用，其价值符合财务制度规定的物质资料；(2)存货(库存)：在一定时点上准备进入生产过程发挥作用，以及退出了生产过程但尚未售出进入消费领域的物质产品；(3)其他物质资产：包括土地、森林、地下矿产资源，以及文化、文物资产；(4)无形资产：专利权、著作权、商标权、商誉，等等。

本发明较佳实施例根据当前资产数据以及预先设定的每种资产的库存等预警值，以及本年度或者本季度的资金采购计划，生成所述资产采购计划书。

通过所述资产采购计划书，上级机构能了解到下级机构在某年度需要购买或租赁的设备计划大致情况，而通过设备的需求计划和相应的资金计划，掌握某一时间段内从申请、审批、合同签订、合同执行、付款情况以及设备购置或租赁的详细信息和相关的资金信息。

在生成所述资产采购计划书时，首先制定项目计划、服务计划、采购计划等，核定要采购设备的型号信息、性能要求等，并将各个计划汇总形成资产采购计划书。然后对采购任务进行逐级审批，并进行招标采购，签订采购合同；紧接着执行采购任务，主要由供货商完成，对采购到的设备及逆行验货抽检，检验采购设备是否满足采购合同上的数量、性能要求；最后完成设备采购，并交由资产卡片管理模块进行资产登记使用。

步骤二：采用预设方法对采购的资产进行登记。

本发明较佳实施例采用资产卡片管理的方法对采购的资产进行登记。

所述资产卡片管理能够针对用户群体资产管理特点，对资产进行分类分级管理，将所述资产主要分为：固定资产、流动资产、无形资产、在建资产等。在采用资产卡片管理的方法对采购的资产进行登记时，主要涉及两个方面的内容：一是资产编码；二是资产入库。

所述资产编码由行财部编号，其编号方式为资产分类编号+购买年份(两位数字)+流水号码+部门编码等。

例如，资产编号中资产分类编号的代码为：

gdzc—固定资产ldzc—流动资产

wxzc—无形资产zjzc—在建资产

购置的资产到达目的地后，执行相关部门的验收。验收合格后，进行资产编号，然后填写《物品签收单》办理入库手续。

步骤三、对登记在库的资产进行资产使用管理。

所述资产使用管理实现对资产设备使用信息的综合管理。对货位、货架和仓库跟踪设备的种类、成本和库存余量进行登记。记录设备成本，包括平均采购成本，最新采购成本和用户宣言标准成本等。统计任何存储在库存中的设备及备件的使用量，随时获取最新的成本信息和物品库存水平。系统提供周期性盘点，避免在年底一次盘点时出现较大差异。首先核查设备入库单、建立设备卡片和设备台帐，关联合同信息等；其次根据租赁/借用/领用资产信息，指定出库设备、设置设备的各种状态属性、生成新设备的条码，打印出库单等；然后根据出库单对资产进行租赁、借用、领用、处置等处理；最后对归还资产进行检验登记、并更新当前出库状态。

步骤四、利用文本相似性分析算法实现对资产进行智能化查询，并根据查询内容中的使用年限与购买价格信息，对资产进行折旧计算。

本发明较佳实施例可以实现智能化查询库存、在用、维修和报废状态下的各种设备的全面信息，以及设备的增加与减少、借用与归还、设备的转移与维修记录等内容的查询，查询其条件可任意组合。

本发明较佳实施例通过文本相似性分析算法实现对查询项的智能化搜索。文本相似性分析算法流程如下所示：

(1)对搜索关键字进行预处理：包括分词、取停用词、word2vec语义扩展，在word2vec语义扩展阶段。

(2)利用深度学习的开源工具包将单词以向量形式表示：向量形式表示的主要思想是将查询文本内容的处理简化为向量空间中的向量运算，这样将空间上的相似度转化为语义上的相似度。当查询内容被表示为文档空间的向量时，便可通过计算向量之间的相似性来度量文档间的相似性。其中向量空间模型的基本思想：

给定查询内容d＝d(t1,t2,…ti,…,tn)，若ti在文档中既可以重复出现又存在先后次序，因此分析起来会较为困难。针对上述情况，暂不考虑ti的顺序，并要求ti互异，此时可将t1,t2,…ti,…,tn看作n维坐标，每一维对应相应值wi，因此d(w1,w2,…,wi,…,wn)便可以看作一个n维向量。

(3)相似性计算。余弦相似度计算公式广泛应用于文本数据之间的相似度计算过程中。其数学表达如下：

其中x，y分别为对比相似性的文本词向量(由上一步计算得来)。对文档进行数据预处理操作，数据预处理完成后使用向量空间模型将词组转化为向量后使用余弦相似度计算公式求解文档之间的相似度，从而可以从预定义的数据库中查询出来与查询项相匹配的资产处理流程。

(4)根据查询内容，从数据库中搜索该查询内容的使用年限，购买价格等相关信息。

(5)对查询得到的数据信息进行预处理操作：对于提取的原始数据往往需要进行归一化和去相关性处理用于降低噪音以及关联特征对最终折旧结果的影响。数据归一化处理，形式上是变化表达，本质上是为了比较认识。数据的归一化是将数据按比例缩放，使之落入一个小的特定区间。由于特征向量中的各个特征度量单位是不同的，为了能够将指标参与评价计算，需要对指标进行规范化处理，通过函数变换将其数值映射到某个数值区间。目前常用的归一化处理方法是z-score归一化方法，其核心思想如下所示：

x＝(x-μ)/σ。

其中x为原始数据(例如：使用年限、购买价格等等)，μ为原始数据集合的平均值，σ为原始数据方差。在特征提取与处理时，涉及高维特征向量的问题往往容易陷入维度灾难和特征关联性强的问题。随着数据集维度的增加，算法学习需要的样本数量呈指数级增加。有些应用中，遇到这样的大数据是非常不利的，而且从大数据集中学习需要更多的内存和处理能力。另外，随着维度的增加，数据的稀疏性会越来越高。在高维向量空间中探索同样的数据集比在同样稀疏的数据集中探索更加困难。主成分分析，是一种用于探索高维数据结构的技术。pca通常用于高维数据集的探索与可视化。还可以用于数据压缩，数据预处理等。pca也可以把可能具有相关性的高维变量合成线性无关的低维变量，称为主成分。新的低维数据集会尽可能的保留原始数据的变量。pca将数据投射到一个低维子空间实现降维。例如，二维数据集降维就是把点投射成一条线，数据集的每个样本都可以用一个值表示，不需要两个值。三维数据集可以降成二维，就是把变量映射成一个平面。一般情况下，高维相关数据可以通过映射降成低维非相关数据。

(6)将预处理后的数据分别代入折旧公式中，计算各个公式的折旧情况，对折旧后的情况进行去极小极大化处理，采用投票机制计算资产折旧费用。

本发明较佳实施例采用如下各个公式：

①年限平均法是最简单并且常用的一种方法。此法是以资产的原价减去预计净残值除以预计使用年限，求得每年的折旧费用。在各使用年限中，资产转移到产品成本中的价值均是相等的，折旧的累计额呈直线上升的趋势。其计算公式如下所示：

年折旧率＝(1－预计净残值率)÷预计使用寿命(年)×100％；

月折旧额＝固定资产原价×年折旧率÷12。

②工作量法是根据实际工作量计提折旧额的一种方法。它的理论依据在于资产价值的降低是资产使用状况的函数。根据企业的经营活动情况或设备的使用状况来计提折旧。假定固定资产成本代表了购买一定数量的服务单位(可以是行驶里程数，工作小时数或产量数)，然后按服务单位分配成本。这种方法弥补了平均年限法只重使用时间，不考虑使用强度的特点。其计算公式如下所示：

单位工作量折旧额＝固定资产原价×(1－预计净残值率)/预计总工作量；

某项固定资产月折旧额＝该项固定资产当月工作量×单位工作量折旧额。

③双倍余额递减法是指在不考虑固定资产预计净残值的情况下，根据每期期初固定资产原价减去累计折旧后的金额(即固定资产净值)和双倍的直线法折旧率计算固定资产折旧的一种方法。其计算公式如下所示：

年折旧率＝2÷预计使用寿命(年)×100％；

月折旧额＝固定资产净值×年折旧率÷12。

④年数总合法是将固定资产的原价减去预计净残值的余额乘以一个固定资产尚可使用寿命为分子、以预计使用寿命逐年数字之和为分母的逐年递减的分数计算每年的折旧额。其计算公式如下所示：

年折旧率＝尚可使用寿命/预计使用寿命的年数总合×100％；

月折旧额＝(固定资产原价－预计净残值)×年折旧率÷12。

本发明所述极小极大化处理的计算公式如下所示：

其中，fi为折旧为第i个折旧方法计算得到的折旧费用，max{fi}和min{fi}为折旧费用集合的最大值和最小值。

可选地，在其他实施例中，所述资产管理程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述资产管理程序在资产管理装置中的执行过程。

例如，参照图3所示，为本发明资产管理装置一实施例中的资产管理程序的程序模块示意图，该实施例中，资产管理程序可以被分割为采购模块10、登记模块20、使用管理模块30、折旧管理模块40，示例性地：

所述采购模块10用于：盘点当前资产数据，并根据所述当前资产数据，生成资产采购计划书；

所述登记模块20用于：采用预设方法对采购的资产进行登记；

所述使用管理模块30用于：对登记在库的资产进行资产使用管理；及

所述折旧管理模块40用于：利用文本相似性分析算法实现对资产进行智能化查询，以及根据查询内容中的使用年限与购买价格信息，对资产进行折旧计算。

上述采购模块10、登记模块20、使用管理模块30及折旧管理模块40等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有资产管理程序，所述资产管理程序可被一个或多个处理器执行，以实现如下操作：

盘点当前资产数据，并根据所述当前资产数据，生成资产采购计划书；

采用预设方法对采购的资产进行登记；

对登记在库的资产进行资产使用管理；及

利用文本相似性分析算法实现对资产进行智能化查询；

根据查询内容中的使用年限与购买价格信息，对资产进行折旧计算。

本发明计算机可读存储介质具体实施方式与上述资产管理装置和方法各实施例基本相同，在此不作累述。

需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。