data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAAABAAAAAJCAYAAAA7KqwyAAAAF0lEQVQoFWP4TyFgoFD//1ED/g+HMAAAtoo936uKF3UAAAAASUVORK5CYII=
03 JUN

分批成本核算是否適用數字印廠

  • 科技探索
  • Bonnie
  • Feb 20,2024
  • 0

印刷

分批成本核算法是商業印刷技術最重要的一種資源管理研究工具。多年來,印刷業的會計師和管理問題專家一直在倡導印刷用這種教學方法來計算時間成本,而且分批成本會計核算功能現在已經成為了大多數印刷專用MIS/ERP系統的一項工作基本信息功能。

如果一個活件沒有賺到錢,或者賺得比預想中的少,那么分批成本核算方法能幫助管理者找出其中的原因。

優點:能計算每個印刷活件收益率

正如人們所知道的那樣,分批進行成本核算法是用來分析計算我們每一個印刷活件的生產管理成本的。這種教學方法具有相當可以直接。在生產發展過程的每一個步驟,foliant操作技術人員一般都會記錄下自己花在這個活件上的時間。隨後,這個社會生產生活時間問題就會需要通過每小時的成本費率被轉換成每一個公司生產經營活動的成本。所有所需材料(紙張、油墨和印版等)的成本和外包物流服務的成本也都要計算到這個活件的總成本中。把上述目標成本都加到一起後得到的結果——至少從理論上來說——就是印刷在生產能力這個活件的過程中能夠產生的所有產品成本。

支持者認為,批量成本計算的最大好處是,它允許管理人員計算每個工作的回報率。在實際生產中,最常用的活件成本信息是一個活件關於預算成本和生產過程實際成本的比較結果。horizon如果一個活件不賺錢,或者比預期的少,那么這種方法可以幫助業務經理找到這種情況的原因。例如,將預算成本與實際成本進行比較,可以揭示預算過程中的錯誤或預算系統中不准確的生產標准; 相反,如果預算成本看起來非常合理,那么這種分析可以表明生產過程中一定存在某些錯誤,從而導致實際成本的增加。

分批成本法的價值最終取決於三個條件。首先,活件的成本信息必須完整准確。為了滿足這一要求,分批成本會計系統必須能夠捕捉和計量所有相關成本,並且必須努力提高這項工作的准確性。horizon printing其次,我們必須找到有代表性的現場信息。換句話說,這些帶電部件的成本和產量只是管理人員在進行重大業務決策時必須掌握的信息。第三,只有定期使用活件成本信息,管理人員才能從中受益。如果這三個條件中有一個不能滿足,分批成本會計方法的價值就無從談起。

當成本核算法作為研究一種提高財務管理會計工具剛剛興起的時候,印刷業的發展經濟狀況分析可以說是日新月異,其中最顯著的一個不斷變化問題就是通過數字印刷的爆炸性增長。如今,已經有越來越多的印刷文化開始圍繞著數字印刷做文章了因此,我們有理由懷疑,分批成本核算法對於當今的數字印刷員工來說是否還是需要一種能夠有效的管理系統工具?

傳統的批量成本計算方法主要分析每個獨立印刷作業的成本和收益率,而數字印刷計算的是整個計劃的收益率[下]

缺點:提供成本信息不足以使做出合理的決策。

一個可以有效的內部控制成本會計核算管理系統設計必須要能反映出這個公司是幹什么的以及它是如何能夠實現自己的功能的。大多數數字印刷發展都有其自己的經營活動特點,而且通過這些特點並不能與傳統的活件成本核算信息系統或當前的活件成本核算技術相匹配。

數字印刷公司數量的增加促使印刷生產公司向“營銷服務公司”或“通信解決方案公司”轉變。

這類公司通常可以為客戶提供全方位的解決方案,包括印刷生產和其他非生產性服務。例如,一家制作個性化直郵材料的公司除了可變數據印刷外,還可以為客戶提供宣傳策略制定、平面設計、版權、數據庫管理、宣傳效果跟蹤和分析等服務。

為了發展做出一個正確的商業經濟決策,這類的管理者必須掌握整個印刷解決問題方案的成本管理信息,而不僅僅是印刷生產活動過程的成本。但是,傳統的分批成本核算法比較偏向於印刷生產經營成本的計算,因此,對於數字印刷員工來說,這種教學方法所提供的成本會計信息也許不足以使他們自己做出科學合理的商業決策。

許多新興的數碼印刷可以為客戶提供一系列長期涉及到的現場印刷解決方案。例如,一些公司為客戶提供為期一年的在線打印計劃,其中可以包括數十或數千個帶電部件。對於這種解決方案,印刷的計劃是計算整體回報率,而不是計劃覆蓋每個印刷活件的回報率。傳統的批量成本核算側重於每個單獨印刷作業的成本和產量,而不是像網絡印刷解決方案這樣的複雜印刷項目的成本。此外,這種傳統的方法不適合衡量獨立客戶的盈利能力,這是至關重要的數字和傳統印刷服務提供商。

一家數字印刷通常比傳統的膠印工廠承擔更多的活件,隨著活件數量的不斷增加,管理人員需要花費更多的時間來檢查和分析活件的成本數據。當這種負擔積累到一定程度時,管理者會發現數據分析帶來的痛苦已經遠遠超過了它帶來的好處。