kalkulator - THE DATA SCIENCE LIBRARY http://sigmaquality.pl/tag/kalkulator/ Wojciech Moszczyński Tue, 02 May 2017 06:32:00 +0000 pl-PL hourly 1 https://wordpress.org/?v=6.8.3 https://sigmaquality.pl/wp-content/uploads/2019/02/cropped-ryba-32x32.png kalkulator - THE DATA SCIENCE LIBRARY http://sigmaquality.pl/tag/kalkulator/ 32 32 12_PY. Analiza zależności kosztów w Python 3 https://sigmaquality.pl/uncategorized/12_py-analiza-zaleznosci-kosztow-w-python-3/ Tue, 02 May 2017 06:32:00 +0000 http://sigmaquality.pl/?p=2419 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 [...]

Artykuł 12_PY. Analiza zależności kosztów w Python 3 pochodzi z serwisu THE DATA SCIENCE LIBRARY.

]]>

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

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: 
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: 
print('Cena sprzedaży jednostki produktu: 
print('Koszt zmienny: 
print('Koszt stały: 
print('Koszt jednostkowy: 
print('Wynik jednostkowy: 
print('wynik_produkcji: 

Teraz proszę tak przebudować kod, aby użytkownik kalkulatora mógł wybrać jeden z pięciu poziomów produkcji: 100

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: 
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: 
print('Cena sprzedaży jednostki produktu: 
print('Koszt zmienny: 
print('Koszt stały: 
print('Koszt jednostkowy: 
print('Wynik jednostkowy: 
print('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.

 

Artykuł 12_PY. Analiza zależności kosztów w Python 3 pochodzi z serwisu THE DATA SCIENCE LIBRARY.

]]>