发布时间：2024-03-28 14:45:52
绪论：一篇引人入胜的生产物流特点，需要建立在充分的资料搜集和文献研究之上。搜杂志网为您汇编了三篇范文，供您参考和学习。
生产物流是企业物流的重要组成部分，企业的生产效率和生产效益，收到企业生产物流系统是否具有科学性的影响。加强生产物流可以提高企业产品的质量，降低企业生产的成本。 传统的人工生产物流管理系统与现代经济和生产的发展逐渐显得不相适应，生产物流计算机信息化管理，成为企业现代化管理的大方向。
一、生产物流及其特性与主要功能要素
企业的生产物流活动，就是企业在生产工艺中的一种物流活动，是一种工艺过程性物流。生产物流的起点为原材料、外购件的投入，终点为产成品仓库，在这中间的一个个的节点上，加工、搬运、仓储等活动。此过程与生产过程联系紧密，在对生产过程的管理上采用的管理技术要求有相应的物流手段与之相对应。企业生产物流，实现价值的特点与和社会物流不同，即企业物流最本质的特点，是实现加工附加价值的经济活动，而不是实现时间价值和空间价值的经济活动。企业生产物流，一般是在企业的小范围内完成，空间距离的变化不大，在企业内部的储存是对生产的保证，并不是追求利润上的独立。企业生产物流伴随加工活动而发生，为的是实现加工附加价值。
企业生产物流主要功能要素不是运输和储存，而是搬运活动。生产企业的生产过程，即使是配送企业和批发企业的企业内部物流，实际上是物料不停的搬运过程中的加工和形态上的改变，通过搬运，商品完成了分货、拣选、配货工作，完成了大改小、小集大的换装工作，从而使商品形成了可配送或可批发的形态。
二、生产物流管理可降低企业成本、提高竞争力
企业物流的稳定性，企业物流的可控性、计划性便很强，一旦进入这一物流过程，选择性及可变性便很小。对物流的改进只能通过对工艺流程的优化，即物流管理。物流管理是在社会再生产过程中，根据物质资料实体流动的规律，应用管理的基本原理和科学方法，对原材料、燃料、外购件投人生产后，经过下料、发料，对物流活动计划，进行组织指挥、协调控制加工点和存储点，运送监督，从一个仓库流入下一个生产单位火生产环节，按照规定流程，对于产品的加工、储存，通过运输装置，将产品进行点对点的转入与流出，始终体现着物料实物形态的流转过程。
现代物流成本是指从原材料供应开始一直囊括到将商品送达到消费者手上所发生的全部物流费用，物流管理是“降低成本的最后边界”。供应链可以耗费企业30%的运营成本。而通过物流管理和供应链优化，可以实现原材料采购成本将减少10%；将整个供应链库存下降30%；使得企业的运输成本下降15%；供应链整体上的运作费用下降25%。可见，物流能使得企业的总成本大幅度降低的同时，加快企业资金周转，库存积压降低，提高企业整体利润率，为企业带来丰厚的经济效益，成为企业的提高整体利润的最大源泉。生产物流管理可以使各项物流活动实现最佳的协调与配合，通过企业生产物流对自身资源的配置优化，实施管理和决策的科学化，实现物流成本的大幅度降低，用最小的成本为企业带来最大的效益，提高企业的生产物流效率和企业的整体上的经济效益，从而提高企业竞争力。
三、优化生产物流降低物流成本的途径
1、优化生产线设置，实施效率化配送。企业产品一般都是体积庞大，一般都是尺寸超过宽度lin的线体，质量重，产品的型号也不同，艰难地在线体上移动。工人在装配时，有的爬到线体上，有的登在凳子上。还有就是原设定的生产线，仅仅为生产而设定，刚性较强，对产品结构适应性较差，都会给生产企业物流出现内部不平衡的现象。可见，效率化的配送可以降低物流成本。合理安排配车计划，提高装载率，选择最佳运送手段可以实现生产物流效率化。
2、利用物流供应链管理，优化生产物流管理。企业为了降低投资成本，可以将物流外包给专业化的第三方，不仅可以减少商品周转过程的费用和损失，而且可以大大缩短商品在途时间。让第三方物流公司直供上线，实现零库存，降低成本，优化生产物流管理，对商品流通的全过程，实现供应链管理。使由生产企业、第三方物流企业、销售企业、消费者组成的供应链的整体化和系统化，实现物流一体化，使整个供应链利益最大化，从而有效降低企业物流成本。
3、借现代化的信息系统，转变管理模式。企业的成本控制受诸多因素的影响，为实现各个环节的最优控制，企业可以借助现代化的信息管理系统控制，准确而快捷地对各种物流作业，对企业各项业务进行处理。企业借现代化的信息系统，通过信息数据汇总，做出科学的预测分析，有效地控制物流成本。
4、加强企业职工的“战略性成本意识”。物流管理部门要加强职工的成本管理意识，从产品的开发，到生产，到销售，这一整个过程，都要进行物流成本管理，使企业员工具有长期发展的“战略性成本意识”。
总之，各国的企业把生产物流管理作为新的战略视角，越来越重视通过物流管理，实现现代企业管理的新着眼点。制定各种物流战略，优化物流管理途径，为企业获取更大的利润空间，从而增强企业的竞争力。
参考文献：
[1]朱江华.新玛德公司物流管理优化策略及实施研究[D].北京交通大学.2008年
[2]原慧琳.物流管理信息系统的优化设计[J].燕山大学学报.2007年01期
[3]高超.我国生产型企业集团物流管理协同化发展的三大趋势[J].改革与战略，2006年07期
[4]周林，王杰，肖素梅.中小型制造企业物流管理信息系统的探讨[J].中国制造业信息化.2005年02期
[5]陈祥锋，石代伦，朱道立.融通仓与物流金融服务创新[J].科技导报.2005年09期
[6]储雪俭，梁虹龙.对发展物流金融中信贷风险防范的思考[J].物流技术.2005年02期
一、引言
随着物流一体化的发展，目前国内很多企业都在对企业的“第三利润源”——物流系统进行研究和改进，进一步增强企业的物流服务能力，提高企业竞争力。当前国内生产企业正处于经济一体化的大环境中，企业对客户的快速反应和高质、高效、个性化的服务是每个企业追求的目标。企业产品的生命周期交货期都在缩短，多品种、中小批量的生产方式比重大幅增加，产品结构日趋复杂，产品功能日益完善。因此，制造业生产物流系统也更加复杂，必须通过现代物流管理手段来加强企业自身的物流管理，来满足物流量的增大、流速的提高的要求，达到流程的更加有效。
现代物流系统是一个庞大复杂的系统，它包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节，每个环节的信息流量都十分巨大。同时，信息化物流网络体系的应用也使得数据库规模不断扩大，巨大的数据流使企业难以对其进行准确、高效的收集和及时处理。决策管理人员在日常管理业务中收集并存储了大量的数据，但却很难掌握到所希望得到的信息，这是因为一方面缺乏足够的信息来支持科学的决策，另一方面，积累的丰富数据没有发挥应有的作用。由于涉及的数据量大，且来源广泛，传统的操作型数据库已无法支持生产物流管理系统的分析功能。为了帮助决策者快速、准确地做出决策，实现对物流过程的控制，提高企业的运作效率，降低整个过程的物流成本，增加收益，就需要一种新的数据分析技术来处理数据。
二、生产物流与数据挖掘的理论研究
1.生产物流概述
（1）生产物流的定义
生产物流（Production Logistics），也称厂区物流、车间物流等，是企业物流的核心部分。它在《物流术语国家标准》中的定义是：生产过程中原材料、在制品、半成品、产成品等在企业内部的实体流动。
生产物流的过程大体为：原材料、零部件、外购件、燃料等辅助材料从企业仓库或企业的“门口”开始，进入生产线的开始端并投入生产，经过下料、发料、运送到各个加工点和存储点，以在制品的形态，从一个生产单位（仓库）流入另一个生产单位，随生产加工过程一个一个环节的“流”，在“流”的过程中按照规定的工艺过程进行加工、储存，借助一定的运输装置，在某个点内流转，又从某个点内流出，始终体现着物流实物形态的流转过程，同时生产一些废料、余料，直到生产加工终结，再“流”至成品仓库终结了企业生产物流过程。生产过程中的物流示意图如图1-1所示。
（2）生产物流过程中的数据特点
生产物流管理中所涉及的数据量大，且来源广泛，其特点主要表现在以下几个方面：生产物流决策管理的信息来源于不同的数据库，包括生产、配送、仓储等各类数据，这些数据缺乏组织性，存在许多重复和不一致的地方，同时也蕴涵了不同的业务处理逻辑；生产物流决策管理的关键是对大量的历史数据进行分析以便于进行决策；
生产物流决策管理分析对数值计算能力和数据的集成综合处理能力的要求较高。
2.数据挖掘技术概述
近年来，以互联网为代表的计算机信息技术的迅速普及，使人们的生活条件和社会环境发生了巨大的变化。大量的数据库被广泛的应用于企业管理、科学研究、电子商务、金融预测、商品零售、医药化工、政府办公以及工程开发等社会生活的各个领域，并且这一趋势仍将继续。人们积累的信息已经达到了TB级，甚至PB级。因此在需求的呼唤下数据挖掘技术应运而生，并得以在社会生活的各个领域蓬勃发展。
（1）数据挖掘的定义
数据挖掘（Data Mining），就是从海量数据中挖掘出隐含在其中的知识。数据挖掘的概念应该分为狭义的和广义两种。一般认为，广义的数据挖掘又称数据库中的知识发现（Knowledge Discovery in Database），简称知识发现（KDD）。它是从大量的、不完整的、有噪声的、模糊的和随机的数据中，提取隐含在其中的、人们事先不知道的、但又是可信的、潜在的和有价值的信息和知识的过程。狭义的数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据之间关系的过程，是知识发现过程中的一个步骤。
（2）数据挖掘过程
数据挖掘过程包括问题定义、数据准备、数据挖掘、结果分析、知识的运用五个阶段。其一般流程主要包括三个阶段：数据准备、数据挖掘、结果解释和评价。如图1-2所示的数据挖掘过程。
（3）数据挖掘系统的体系结构
在常用的数据挖掘系统中，一般将其分为三层结构，如图1-3所示。第一层是数据源，包括数据库、数据仓库以及其他数据源，主要用于搜集并存储信息。第二层是挖掘器，主要职责是利用数据挖掘系统提供的各种数据挖掘方法分析和提取数据库中的数据，从大量冗杂的数据信息中得出有价值的信息，以达到用户的需求。第三层是用户层，该层的主要功能是使用多种方式将获取的信息和发现的知识反映给用户，为用户的活动提供科学的依据。
三、数据挖掘在生产物流过程中的应用分析
1.数据挖掘在生产物流过程中的应用方面
一般来讲，数据挖掘在生产物流过程中可以应用在以下几个方面：
（1）产量预测
产量会影响企业的生产物流和规划活动。通常产品在进入市场后，并不会永远保持最高销量。一般来讲，随着时间的推移，产品会遵守销量变化的模式，经历四个阶段，即导入期、增长期、成熟期和衰退期。在各个阶段，产品的生产要求和实物分拨策略是不同的。如在导入期，产品逐步得到市场的认可，销售量可能会快速的增长，这时需要提前的生产计划、生产作业安排以及适合的库存和运输策略，指导企业的生产，合理地控制库存和安排运输。
（2）物流需求预测
企业生产规划和控制物流活动需要准确估计生产过程中所处理的原材料、在制品、半成品和产成品的数量以及种类，这些估计主要采用预测和推算的方式。
数据挖掘可以对生产物流活动中的各种物料类型随时间变化的规律和趋势进行建模描述。时间趋势分析可以对现有物料在时间上的变化找出趋势，然后确定需要注意和开发的物料的类型。空间趋势分析可以根据物料在厂区地理位置的变化找到趋势，然后确定需要重点关注的工艺环节。这对于企业经营的长远发展也是至关重要的。
（3）部门绩效分析
通过对各部门的绩效考核，可以达到激励与监督的管理效应，从而有助于提高企业的运作效率。部门绩效分析可将生产物流管理策略转化为企业内部各个部门的执行力，通过制定各个部门包括财务、仓储、配送、生产等方面的考核指标，在统计分析的基础之上形成各个部门的绩效考核体系。
2.生产物流过程中实施数据挖掘应注意的问题
（1）明确数据挖掘的目标，充分发挥数据挖掘过程模型的指导作用
数据挖掘是一个复杂的过程。在实施数据挖掘之前，先制定采取什么样的步骤，每一步都做什么，达到什么样的目标是有必要的。有了好的计划才能保证数据挖掘有条不紊的实施并取得成功。很多数据挖掘软件供应商提供一些数据挖掘过程模型，可以指导物流企业逐步开展数据挖掘工作。
（2）注重企业数据仓库的建设和数据的积累，提高数据的准确度
实施数据挖掘的前提和基础是拥有大量、真实的数据。数据不足，导致无法有效开展数据挖掘；而数据欠缺准确性，则会严重影响数据挖掘结果的可靠性。企业在日常的工作中，应注意数据的收集、分类和整理，并将它贯穿于企业信息系统的构建和应用中，从而为今后的数据挖掘奠定良好的基础。
（3）针对不同的问题，合理选用数据挖掘算法
任何一种数据挖掘的算法，不管是统计分析方法、神经元网络、决策树分析方法，还是遗传算法，没有一种算法是万能的。不同的问题，需要用不同的方法去解决。即使对于同一个问题，可能有多种算法，也需要预先评估。
（4）数据挖掘项目需要多方面人员共同合作
数据挖掘过程的分步实现，不同的步骤需要有不同专长的人员，他们可以分为三类：物流作业分析人员、数据分析人员和数据管理人员。各方人员需要通力合作，寻找适合企业生产的方法，逐步建立数据挖掘模型。
3.数据挖掘在生产物流过程中的应用举例
（1）聚类分析的具体应用
聚类也称细分，它基于一组属性对事例进行分组，在同一个聚类中的事例或多或少的会有一些相同的属性。在生产物流过程中应用数据挖掘技术，根据聚类算法将会很容易的看出物料、生产物流环节、工作人员、部门等各自之间的相同属性。
图3-1中描述了一个简单的原材料数据集，其中包含订货批量和价格两个属性，基于这两个属性值，聚类算法把这个数据分为了3类。聚类1是订货批量和价格都相对较低的原材料；聚类2是低订货批量的高价格原材料；聚类3是高订货批量的低价格原材料。以此类推，应用聚类分析可以给生产物流环节、工作人员等进行归类，以便于管理调度活动的顺利进行。
（2）关联规则的具体应用
关联是另一种常见的数据挖掘任务。典型的关联问题是分析一个生产物流事务表，找出相互关联的物流活动并且确定在同一次生产物流活动过程中的哪些物流环节比较频繁出现。关联规则通常用来确定一组项集（频繁项集）和规则，以达到对生产物流过程中的交叉物流的合理调度。就关联而言，项是一个物流环节，或者一个属性/值对。关联模式分析的目的，是为了挖掘出频繁项集和关联规则（隐藏在数据间的相互关系）。即通过量化的数字，描述物流环节A的出现对物流环节B的出现有多大影响。
图3-2描述了原材料及物流环节的关联模式。图中的每一条线表示两个节点之间的关系，箭头的方向表示预测的方向。
（3）序列分析的具体应用
序列分析和关联分析有点相似，它们都包含一个项集或一组状态。两者的区别在于：序列模型分析的是状态的转移，关联模型认为每个相关联的项都是平等的和相互独立的。通过序列模型可知，先进行物流环节A再进行物流环节B和先进行物流环节B再进行物流环节A都是两个不同的序列。但是如果使用关联算法，则认为它们是相同的项集。
图3-3描述了一个生产物流过程中的物流活动序列，每一个箭头都表示生产物流活动的转移，每个转移都用一个权值表示，表示从一种物流活动转到另一种物流活动的概率。在实际应用过程中，根据历史记录数据即可得到具体的序列分析图。
四、数据挖掘在生产物流过程中的应用的发展前景
数据挖掘技术已经在商业、金融业、保险业、电信业等多个领域开始得到应用，取得了令人满意的效果。我国企业的生产物流方面对数据挖掘应用还处于起步阶段，经验不足，应用实践在国内生产物流中还并不多见。但随着数据挖掘应用研究的深入开展，以及企业追求运营绩效愿望的增强，将会有越来越多的生产物流引入数据挖掘，为企业在激烈的竞争中掌握主动，在未来的发展中提供更广阔的空间，发挥重要的作用，数据挖掘在生产物流中将会有更加广阔的前景。
1.框架方面
数据挖掘是基于数据库或数据仓库而进行的，而数据库是基于企业各方面的底层经营资料搭建而成的，数据仓库的组织是面向主题的。生产物流则是一个过程，包含了计划、实施和控制的功能。那么，如何使数据挖掘技术全面地支撑起其在现代生产物流中的应用呢？
在这种整体框架方面的研究已引起了广泛关注。基于活动的生产物流剖析方法把生产物流按照其生产活动进行剖析，把生产物流活动的分析同日常的经营联系起来。依据这种理念，生产物流管理在第一次的剖析中，可以分析出生产物流过程中相互依赖的活动；接下来，基于第一次剖析结果中的几种活动再分别进行第二次剖析。
2.数据方面
数据挖掘技术源于物流的直接需求，虽然它在各种领域都存在广泛的使用价值，但是物流领域是数据挖掘的主要应用领域之一。这是因为条形码等技术的发展，物流部门可以利用前端PC系统收集、存储大量的数据、进出历史记录、货物进出状况和服务记录等等。生产物流同样积累了大量的数据，这些数据正是数据挖掘的基础。数据挖掘技术有助于识别生产过程中的运输行为，发现生产的新模式和趋势，改进生产运作的效率，取得更高的核心竞争力。
RFID，即无线射频技术在物流领域的引入，正在或即将改变生产物流的各个环节。主要表现在以下几个方面：
（1）数据信息更加准确。利用无线射频技术进行数据采集，由于在读取时受遮盖、方向和位置的影响很小，避免了因条形码退化、磨损、易复制和人工识别所造成的误差，从而数据挖掘所得到的结果更加符合实际。
（2）广阔的数据存储量。RFID标签的信息存储空间比条形码高出几万倍，所以有关物料的各项信息在相应的环节都能写入标签，而不会出现信息存储空间不足的情况。
3.技术方面
数据挖掘的研究随着信息技术的发展在不断地进步与完善。数据挖掘领域新技术或新算法的引入，也为生产物流领域的应用提供了更多更准确的方法。
目前数据挖掘的研究主要从以下几个方面开展：
（1）针对不同的数据挖掘任务开发专用的数据挖掘系统。一个功能很强的数据挖掘系统要能够处理各种类型的数据是不现实的，应当根据特定类型数据的挖掘任务构造专用的数据挖掘系统，如关系数据库挖掘，空间数据库挖掘等。
（2）高效率的挖掘算法。数据挖掘算法必须是高效的，即算法的运行时间必须是可预测的和可接受的，带有指数甚至是中阶多项式的算法，没有实际使用价值。
（3）提高数据挖掘结果的有效性、确定性和可表达性。对已发现的知识应能准确地描述数据库中的内容，并能用于实际领域。对有缺陷的数据应当根据不确定性度量，以近似规律或定量规则形式表示出来。还应能很好地处理和抑制噪声数据和不希望的数据。
（4）数据挖掘结果的可视化。数据挖掘任务由非领域专家指定，所以希望最后发现的知识用用户理解的方式表达出来。
（5）多抽象层上的交互式数据挖掘。交互式数据挖掘允许用户交互地精炼数据挖掘需求，动态改变数据焦点，逐步深化数据挖掘过程，从不同角度不同抽象层次上灵活地观察数据和挖掘结果。
五、结论
文章运用数据挖掘技术，结合了生产物流的实际情况，借鉴了国内外学者的研究成果，对数据挖掘在生产物流过程中的应用进行了研究。数据挖掘作为一门新兴的多学科交叉的技术还处于初级发展时期，它能够挖掘蕴藏在海量数据中大量未知的和有价值的信息，为管理提供各种决策信息，减轻管理者从事低层次信息处理和分析的负担，提高了管理和决策的水平。
伴随着信息时代的数据量剧增的显著特征，深化生产物流信息管理的最有效的方法是在其中引进数据挖掘技术。在分析其系统体系结构的基础上，提出基于数据挖掘的生产物流决策管理系统，将分散的、标准不同的、逻辑关系不一致的数据经过分析、抽取、转换、整合到统一的数据仓库中，通过数据挖掘，形成生产物流决策管理人员所需要的信息和数据，从而有利于生产物流决策管理人员做出科学的决策，提高自身在市场竞争中的地位。数据挖掘可以从数据中发现趋势和模式。人们可以将通过数据挖掘发现的新趋势和模式应用到决策上，以提高利润，降低成本等。
总之，充分、合理的利用数据挖掘技术，可以进行市场预测和分析，这必将为正确的决策奠定坚实的基础，同时也为生产物流的管理和发展指明了方向。
参考文献
[1]李义华，庞燕.物流企业工作流程的数据挖掘[J].中国物流与采购，2009（21）.
[2]王羽.物流管理数据挖掘综述[J].现代经济，2008，7（8）.
[3]魏新军.数据挖掘物流企业提升竞争力的利器[OL].中国储运网.Http：//.
[4]夏国成，赵佳宝.数据挖掘在现代物流中应用的再度分析[J].现代管理科学，2005（6）.
[5]张敏.数据挖掘技术及应用[J].信息技术，2010（8）.
[6]王锐，马德涛，陈晨.数据挖掘技术及其应用现状探析[J].电脑应用技术，2007（69）.
[7]杨毓玲，范波峰.生产物流计划与控制策略研究[J].科技经济市场，2008（6）.
[8]孙俊玲.浅析数据挖掘技术在现代物流管理中的应用[J].河南财政税务高等专科学校学报，2009，23（3）.
[9]范坤，何智文.基于数据挖掘在物流管理决策中的应用[J].湖北广播电视大学学报，2008，28（10）.
[10]方霞.生产过程中的物流管理系统及其应用研究[D].电气与信息工程，2004.
[11]刘伟.物流领域CRM中数据挖掘技术的应用研究[D].大连海事大学，2006.
[12]李廷佳.基于数据挖掘技术的物流信息系统的研究与实现[D].北京邮电大学，2008.
[13]方志斌.基于数据挖掘技术的物流决策支持系统的研究与实现[D].国防科技大学研究生院，2006.
[14]杨永刚.数据挖掘在物流领域中的应用[D].武汉理工大学硕士论文，2006.
在小批量、多品种的汽车制造企业生产车间里，由于生产过程中各种非确定性因素的干扰导致生产物流的成本时常发生漂移现象，严重影响和制约了汽车制造企业生产效率的提高。因而对生产物流系统成本动态变化进行有效预测，对提高企业制造水平至关重要。目前，用于汽车制造企业生产物流成本预测方法有基于成本外部特征表现、基于统计分析及仿真技术和基于成本度等三种，但上述三种成本预测方法在成本预测方法上都存在一定的不足，在实现手段上也存在一定的困难。本文基于成本漂移指数数学模型来构建汽车制造企业生产物流成本预测方法，进而实现生产物流系统成本的连续动态预测。
一、成本多态性概念模型及定义
汽车制造企业生产物流系统的成本多态性是生产物流系统成本在成本漂移的情况下表现出来的多种形式，是对系统成本动态变化特性的直接反映。成本多态性通常表现为四种形态，分别为迟钝型、灵敏型、渐离型和渐向型，本文通过对这四种形态进行描述来为研究汽车制造企业生产物流的成本漂移规律提供理论依据。
记sl和Sj分别为影响制造单元成本度的第l个因素和系统成本的集合，且l=1，2，…，m和j=1，2，…，n。对主次成本和上述四种成本形态进行定义为：在系统成本集合Sj中，若j为主成本，则j对系统的有效产出影响最大，次成本为主成本消除后最有可能成为主成本的成本；记为sl的m个影响因素均发生单位变化时j的成本度变化量，若其变化量的绝对值||小于或等于敏感等级评定标准值α，即||≤α，则j为迟钝型成本，反之j为灵敏性成本；其中，α的大小通常为各制造单元成本漂移指数均值的1.5倍左右。若j的成本度在成本漂移综合变化时呈现递减趋向，则j为渐离型成本，反之j为渐向型成本；若j同时为灵敏型和渐向型成本，则j为正灵敏型成本，反之j为负灵敏型。
二、成本指数的数学描述
用于表征制造单元固有动态特性的成本度是指任一制造单元在企业生产内部要素和外部要素共同作用和影响下都有成为成本的能力。制造单元的成本度与加工任务成正比，与加工需求成反比。根据上述成本度的特点，可将制造单元的加工需求和加工能力作为参数，通过构建成本指数IBN的数学模型来衡量成本度的大小。其中，加工需求分为质量需求和生产负荷，而加工能力分为质量能力和生产能力。度量质量需求和质量能力通常采用无量纲的指标，而度量生产负荷和生产能力则采用时间为参数。因而，加工单元和运输单元成本指数IBN的数学模型分别为：
三、成本漂移指数数学模型建立
通过将成本指数作为基础，构建的汽车制造企业生产物流成本漂移指数数学模型为：
四、构建成本多态性预测机制
本文将成本漂移指数作为基点来构建汽车制造企业生产物流成本多态性预测机制，并进而实现四种成本形态和正负灵敏型成本共六个成本的判定，具体的判定机制为：
式中，Bsl、Bsv、Bd、Bg、Bsv+和Bsv-分别表示迟钝型、灵敏型、渐离型、渐向型、正灵敏型和负灵敏型成本；为时刻T生产物流系统成本单元的集合。
五、汽车制造企业生产物流瓶颈闭环预测方法
在汽车制造企业生产车间内，不同的制造单元对系统绩效所产生的影响不同。当有且仅有一个瓶颈在系统中存在时，则具有正灵敏性的非瓶颈单元对系统绩效具有较大的影响；当多个瓶颈同时存在于系统中时，主次瓶颈和正负灵敏型瓶颈对系统绩效具有较大的影响；当无瓶颈在系统中时，重点且具有正灵敏性的非瓶颈单元则需要特别管理。因而根据上述描述，则以主次瓶颈、正负灵敏型瓶颈和重点且具有正灵敏性的非瓶颈单元为对象，并以瓶颈指数作为基础，便可构建汽车制造企业生产物流成本闭环预测方法。
六、结论
本文以成本指数为基础，对成本多态性的四种成本形态迟钝型、灵敏型、渐离型和渐近型进行了定义，给出了成本指数的数学描述和建立了成本漂移指数数学模型，并构建了成本多态性的预测机制。
参考文献：
[1]李佛赏.我国汽车物流发展成本研究[J].物流技术，2012，31（9）： 85-87.
[2]刘敏，王翠.生产物流的成本辨识及转移研究状况分析[J].企业经济，2011， 25（8）： 41-43.
