12_PY. Analiza zależności kosztów w Python 3

May 2, 2017 admin Uncategorized 0

Dzisiaj zapoczątkujemy tworzenie kalkulatora finansowego.  Przedmiotem kalkulacji będzie: analiza zależności kosztów stałych i zmiennych oraz wpływ wielkości produkcji na wynik finansowy.

Analiza zależności kosztów na przykładzie firmy produkującej filtry

Firma produkująca filtry olejowe ma następująca charakterystykę: Maksymalne zdolności produkcyjne firmy wynoszą: 14 tys. sztuk filtrów olejowych miesięcznie. Koszty stałe firmy, niezależnie od wielkości produkcji wynoszą 395 tys. zł miesięcznie. Jednostkowa cena sprzedaży filtra do hurtowni wynosi: 42 zł za sztukę. Jednostkowy koszt zmienny wytworzenia filtra wynosi: 32 zł za sztukę. Przy zakładanych poziomach produkcji: 100%, 80%, 50%, 20%, 10%, proszę obliczyć, jaki będzie zysk/strata jednostkowa jednego filtra oraz zysk/strata z całej produkcji.

Tak wygląda typowa analiza zależności kosztów.

Proszę wykonać w Pythonie kalkulator, który będzie obliczał zysk/stratę jednostkową z jednego filtra oraz zysk/strata z całej produkcji dla wybranego przez użytkownika procentowego poziomu produkcji.

Rozwiązanie:

k_stale = 395000
max_produkcja = 114000
print('Proszę podać zakłądany poziom produkcji w procentach')
poziom_produkcji = input()
poziom_produkcji = float(poziom_produkcji)
poziom_produkcjiproc = poziom_produkcji/100
print('Dla produkcji na poziomie: %s procent' % poziom_produkcji)
poziom_produkcji = int(poziom_produkcji)
wielkosc_produkcji = max_produkcja * poziom_produkcjiproc
wielkosc_produkcji = int(wielkosc_produkcji)
cena_sztuki = 42
k_zmienny_sz = 32
k_staly_sz = k_stale / wielkosc_produkcji
k_staly_sz = round(k_staly_sz,3)
TKW = k_zmienny_sz + k_staly_sz
TKW = round(TKW,3)
wynik_sz = cena_sztuki - TKW
wynik_sz = round(wynik_sz,3)
wynik_produkcji = wynik_sz * wielkosc_produkcji
wynik_produkcji = int(wynik_produkcji)
print('Liczba produkowanych elementów: %s sztuk.' % wielkosc_produkcji)
print('Cena sprzedaży jednostki produktu: %s złotych sztuka' % cena_sztuki)
print('Koszt zmienny: %s złoty sztuka' % k_zmienny_sz)
print('Koszt stały: %s złotych stuka' % k_staly_sz)
print('Koszt jednostkowy: %s złotych sztuka' % TKW)
print('Wynik jednostkowy: %s złotych sztuka' % wynik_sz)
print('wynik_produkcji: %s złotych' % wynik_produkcji)

Teraz proszę tak przebudować kod, aby użytkownik kalkulatora mógł wybrać jeden z pięciu poziomów produkcji: 100%, 80%, 50%, 20%, 10%.

k_stale = 395000
max_produkcja = 114000
zakladane_poziomy = {'A':100,'B':80,'C':50,'D':20,'E':10}
print('''Proszę podać zakłądany poziom produkcji w procentach:
A. 100%
B. 80%
C. 50%
D. 20%
E. 10%''')
wybor_poziomu = input()
wybor_poziomu = str.capitalize(wybor_poziomu)

poziom_produkcji = zakladane_poziomy[wybor_poziomu]
poziom_produkcji = float(poziom_produkcji)
poziom_produkcjiproc = poziom_produkcji/100
print('Dla produkcji na poziomie: %s procent' % poziom_produkcji)
poziom_produkcji = float(poziom_produkcji)
wielkosc_produkcji = max_produkcja * poziom_produkcjiproc
cena_sztuki = 42
k_zmienny_sz = 32
k_staly_sz = k_stale / wielkosc_produkcji
TKW = k_zmienny_sz + k_staly_sz
wynik_sz = cena_sztuki - TKW
wynik_produkcji = wynik_sz * wielkosc_produkcji
print('Liczba produkowanych elementów: %s sztuk.' % wielkosc_produkcji)
print('Cena sprzedaży jednostki produktu: %s złotych sztuka' % round(cena_sztuki,2))
print('Koszt zmienny: %s złoty sztuka' % round(k_zmienny_sz,2))
print('Koszt stały: %s złotych stuka' % round(k_staly_sz,2))
print('Koszt jednostkowy: %s złotych sztuka' % round(TKW,2))
print('Wynik jednostkowy: %s złotych sztuka' % round(wynik_sz,2))
print('wynik_produkcji: %s złotych sztuka' % round(wynik_produkcji))

Język Python 3 zyskuje w ostatnich latach ogromne popularność wśród analityków finansowych.
Przedstawiona w tym wpisie analiza zależności kosztów stałych i zmiennych wygląda jak obliczenia dokonywane w początkach lat 90 na popularnych wtedy programach działających w środowisku DOS: Clipper czy Dbase.

Język Python 3 dzięki rozbudowanemu systemowi bibliotek i repozytoriów stał się potężnym narzędziem analitycznym i statystycznym. Możliwościami i elastycznością analiz przewyższył on popularne: Excel czy Access.