摘 要：為解決當(dāng)前物流企業(yè)中普遍存在盈利能力差、利潤(rùn)空間小等問(wèn)題，以M物流公司為研究對(duì)象，在作業(yè)成本法與精準(zhǔn)化成本管理的基礎(chǔ)上引入聚類蟻群算法優(yōu)化X省的布局來(lái)降低成本，并實(shí)驗(yàn)分析其有效性。實(shí)驗(yàn)結(jié)果表明，b值為1時(shí)物流總成本最低，為1.759€？08元；而z值、€%j值以及a值分別取值1、0.48、2.3時(shí)物流總成本最低。在四個(gè)參數(shù)取值下利用聚類蟻群算法優(yōu)化后的物流總成本降低至1.81€？08元，同時(shí)單個(gè)網(wǎng)點(diǎn)的平均利潤(rùn)也優(yōu)于對(duì)比算法。綜合來(lái)看，研究提出的省外成本管理改進(jìn)策略具備有效性，可以有效管控物流成本支出。

關(guān)鍵詞：數(shù)字經(jīng)濟(jì)；智能物流企業(yè)；成本管理；聚類蟻群算法

中圖分類號(hào)：F259.23" " " " " " 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3583（2024）-0059-03

Research on Cost Management of Intelligent Logistics

Enterprises Based on Digital Economy

HE Kun

（Business School， Chuzhou Vocational and Technical College， Chuzhou 239000， China）

Abstract： To solve the common problems of poor profitability and small profit margins in current logistics enterprises， Logistics Company M is taken as the research object. Based on activity-based costing and precision cost management， clustering ant colony algorithm is introduced to optimize its layout in X province to reduce costs， and its effectiveness is experimentally analyzed. The experimental results show that when the value of b is 1， the total logistics cost is the lowest， which is 1.759 €？108 yuan. And the Z value， €%j value and A value are 1，0.48 and 2.3 respectively. Therefore， the total logistics cost optimized using clustering ant colony algorithm with four parameter values was reduced to 1.81€？08 yuan， and the average profit of a single branch was also better than the comparative algorithm. Overall， the cost management improvement strategies proposed in the study are effective and can effectively control logistics cost expenditures.

Keywords： Digital economy; Intelligent logistics enterprises; Cost management; Clustering Ant Colony Algorithm

在數(shù)字化經(jīng)濟(jì)時(shí)代，信息技術(shù)的發(fā)展推動(dòng)了企業(yè)會(huì)計(jì)工作的信息化和數(shù)字化進(jìn)程[1]。在此背景下，物流信息化和數(shù)字化逐漸成為現(xiàn)代物流發(fā)展的轉(zhuǎn)變方式，同時(shí)也成為智能物流企業(yè)成本管理的重要措施[2]。成本管理作為物流企業(yè)盈利的重要突破點(diǎn)，一直是當(dāng)前國(guó)內(nèi)外研究學(xué)者分析的重點(diǎn)，例如Kitsantas T等人利用區(qū)塊鏈技術(shù)提出了針對(duì)物流企業(yè)成本管理的三式會(huì)計(jì)概念模型[3]；黃肖玲等人利用前港后廠的相關(guān)模式提出了針對(duì)鐵礦石采購(gòu)的物流成本管理優(yōu)化方法[4]；李蕊利用新型物流管理模式提出了針對(duì)飼料業(yè)物流成本管理優(yōu)化的相關(guān)策略[5]。然而，當(dāng)前針對(duì)物流企業(yè)盈利能力差、利潤(rùn)空間小等問(wèn)題并沒(méi)有給出一個(gè)較為準(zhǔn)確的成本管理措施，同時(shí)少有學(xué)者會(huì)將大數(shù)據(jù)同物流企業(yè)的實(shí)際物流成本管理進(jìn)行有機(jī)結(jié)合[6]。在此背景下，研究以某智能物流公司（M）為研究對(duì)象，在對(duì)其當(dāng)前的成本管理現(xiàn)狀進(jìn)行剖析后利用數(shù)據(jù)倉(cāng)庫(kù)技術(shù)（Extract-Transform-Load，ETL）工具來(lái)優(yōu)化作業(yè)成本法，并利用聚類蟻群算法來(lái)實(shí)施省外物流成本管控。其目的是在加強(qiáng)企業(yè)內(nèi)部財(cái)務(wù)成本管理的同時(shí)優(yōu)化省外物流運(yùn)輸、布局中的成本管控。同時(shí)，研究提出的方法從理論意義上來(lái)講可以改善物流企業(yè)的業(yè)務(wù)流程和決策效率，在實(shí)踐意義上來(lái)講，可以為大數(shù)據(jù)技術(shù)在物流企業(yè)成本管控中的應(yīng)用提供數(shù)據(jù)支撐。

1" 數(shù)字經(jīng)濟(jì)下智能物流企業(yè)成本管理現(xiàn)狀與改進(jìn)策略

1.1" Z智能物流企業(yè)成本管理現(xiàn)狀分析

為解決當(dāng)前物流企業(yè)中盈利能力差、利潤(rùn)空間小等問(wèn)題，研究以某智能物流公司（M）為研究對(duì)象，針對(duì)其成本管理現(xiàn)狀提出改進(jìn)策略。數(shù)字經(jīng)濟(jì)時(shí)代下物流企業(yè)逐漸朝著智能化、自動(dòng)化發(fā)展，而M公司作為一家新成立的經(jīng)營(yíng)快遞服務(wù)的公司，主要服務(wù)范圍為J省及周邊省市。M公司作為第三方物流公司因?yàn)椴簧婕皩?shí)際的生產(chǎn)與銷售，因此其內(nèi)部的業(yè)務(wù)流程也比較簡(jiǎn)單。依據(jù)M物流公司的成本構(gòu)成得到的2019年的成本支出如圖1所示。

從圖1中可以看出，M公司的運(yùn)輸配送成本在總成本中占比較多，高達(dá)49.13%。綜合來(lái)看，M公司的物流成本管理有效與否完全取決于對(duì)運(yùn)輸配送成本的實(shí)際管理優(yōu)化。另外，當(dāng)前的M智能物流企業(yè)成本管理問(wèn)題有三個(gè)方面：成本核算不準(zhǔn)確、作業(yè)成本法實(shí)施困難以及省外運(yùn)輸成本控制不佳。

1.2" Z智能物流企業(yè)成本管理改進(jìn)策略研究

針對(duì)Z智能物流企業(yè)的成本管理現(xiàn)狀與問(wèn)題，考慮其實(shí)際的財(cái)力和物力，研究提出了利用大數(shù)據(jù)技術(shù)來(lái)對(duì)其成本管理進(jìn)行優(yōu)化。其中，針對(duì)成本核算不精確和實(shí)施困難的問(wèn)題，研究引入ETL工具來(lái)輔助作業(yè)成本法的實(shí)施；針對(duì)省外運(yùn)輸成本控制不佳的問(wèn)題，研究在精細(xì)化管控的基礎(chǔ)上引入聚類蟻群算法來(lái)輔助相關(guān)網(wǎng)址的選定，以此降低成本。傳統(tǒng)的成本核算法已經(jīng)難以適應(yīng)M公司當(dāng)前的成本管理需求，因此不得不引入作業(yè)成本法進(jìn)行替換，然而M公司需要面對(duì)的是海量成本數(shù)據(jù)的增長(zhǎng)，引入ETL工具來(lái)輔助作業(yè)成本法的實(shí)施。同時(shí)利用ETL對(duì)這些復(fù)雜的數(shù)據(jù)進(jìn)行一定程度的清理，根據(jù)M公司財(cái)務(wù)人員執(zhí)行作業(yè)成本法的要求，從中提取出數(shù)據(jù)，最終將所需的數(shù)據(jù)輸入到指定的位置。

ETL工具的使用不僅可以滿足M公司財(cái)務(wù)人員對(duì)于數(shù)據(jù)處理的需求，同時(shí)還能為后續(xù)作業(yè)成本法以及成本管理控制提供必要的數(shù)據(jù)支撐。在此基礎(chǔ)上，針對(duì)成本控制優(yōu)化的需求，研究提出了運(yùn)輸成本精細(xì)化管控的決策。在實(shí)際的物流運(yùn)輸中，M公司的變動(dòng)成本難以進(jìn)行相應(yīng)的成本分?jǐn)?，因此需要設(shè)計(jì)詳細(xì)的變動(dòng)成本管控考核指標(biāo)以對(duì)其進(jìn)行科學(xué)管理。在該精細(xì)化成本控制的基礎(chǔ)上，研究引入聚類蟻群算法來(lái)對(duì)其省外選址進(jìn)行規(guī)劃。合理設(shè)計(jì)出的物流總成本的相關(guān)計(jì)算表達(dá)如式（1）所示。

2" 改進(jìn)策略中省外物流管控方法性能驗(yàn)證

由于作業(yè)成本法和ETL工具采集的數(shù)據(jù)比較大，因此在進(jìn)行案例模擬時(shí)主要驗(yàn)證聚類蟻群算法，分析在X省網(wǎng)點(diǎn)布局并降低其運(yùn)輸成本的效果。運(yùn)用作業(yè)成本法進(jìn)行運(yùn)算成本統(tǒng)計(jì)時(shí)，主要核算U、V兩家公司的運(yùn)輸業(yè)務(wù)直接成本與間接成本。通過(guò)大量運(yùn)算后得到的傳統(tǒng)成本法與運(yùn)用ETL輔助作業(yè)成本法的運(yùn)算結(jié)果對(duì)比如圖2所示。

從圖2可以看出，如果按照傳統(tǒng)的成本計(jì)算，兩家公司的直接成本和間接成本幾乎沒(méi)有任何區(qū)別。但是運(yùn)用作業(yè)成本方法后，雖然兩家公司的直接成本沒(méi)有什么區(qū)別，但管理成本卻有相差6776元的區(qū)別。其原因是盡管雙方的運(yùn)輸量和路程距離相差不大，但兩家都有特定的運(yùn)輸需求，在入庫(kù)出庫(kù)環(huán)節(jié)的卡車、叉車的數(shù)量上存在著顯著的不同。這種差異導(dǎo)致了間接成本的不同，由此可以看出，在作業(yè)成本法下，獲得的成本計(jì)算數(shù)據(jù)更為準(zhǔn)確。另外，實(shí)際的聚類蟻群算法涉及信息素因子（a）、啟發(fā)函數(shù)因子（b）、信息素?fù)]發(fā)因子（ｐ）以及信息素常數(shù)（z）四個(gè)參數(shù)。其中，在設(shè)置最大循環(huán)次數(shù)為100次時(shí)，參數(shù)b和z的取值范圍如圖3所示。

根據(jù)圖 3 可以看出，當(dāng) b 值為 0 時(shí)的物流總成本最高，為 1.794×108 元，隨著 b 值的增大而呈現(xiàn)波動(dòng)變化，在處于 0～3.5 之間時(shí)波動(dòng)最為明顯，可以明顯地發(fā)現(xiàn) b 值為 1 時(shí)物流總成本最低，為 1.759×108元，因此 b 取值為 1。另外，在 z 值處于 0～2.5 之間時(shí)物流總成本變化更為頻繁，并在處于 3.5～5 之間時(shí)達(dá)到最大值，為 1.732×108 元。z 的增大使得物流總成本的變動(dòng)更加平穩(wěn)，可以發(fā)現(xiàn) z 值為 1 時(shí)物流總成本最低，因此 z 取值為 1。而參數(shù) a 和 的取值范圍如圖 4 所示。

綜合圖 4 可以看出，參數(shù) a 的增大使得物流總成本的波動(dòng)更為頻繁，其中，在a值處于 0～2 之間波動(dòng)降低，并在超過(guò) 2.3 之后波動(dòng)增長(zhǎng)，其值為 2.3 時(shí)物流總成本最小，因此 a 取值為 2.3。另外，值的增大呈現(xiàn)明顯的波動(dòng)降低和波動(dòng)增長(zhǎng)的趨勢(shì)，并且其值在為 0.48 時(shí)物流總成本達(dá)到最低，因此 取值為0.48。綜合圖 3 和圖 4 的參數(shù)取值，并利用矩陣實(shí)驗(yàn)室（Matrix Laboratory，MATLAB）分析后給出四個(gè)成本最低的方案，分別為 ABCD、AECF、ABCF 以及AECD，A～F 分別為 X 省內(nèi) 6 個(gè)城市。其中，各方案運(yùn)輸量、占比以及優(yōu)化對(duì)比結(jié)果如表 1 所示。

表 1 中 Y 和 Q 表示運(yùn)輸量和占比。從表 1 中可以看出，按照實(shí)際的輸出兩個(gè)和比例來(lái)看，四個(gè)方案的方差分別為 0.011、0.001、0.004 以及 0.012，因此選擇方案 2 進(jìn)行后續(xù)的網(wǎng)點(diǎn)鋪設(shè)。在選擇方案 2 后，M公司可以更好地對(duì)運(yùn)輸路線和實(shí)際的倉(cāng)儲(chǔ)計(jì)劃進(jìn)行規(guī)劃，并對(duì)此對(duì)運(yùn)輸配送的成本進(jìn)行合理的管理控制。綜合來(lái)看，利用聚類蟻群算法優(yōu)化后的物流總成本降低至 1.81×10⁸ 元，表明了算法的有效性。為了進(jìn)一步驗(yàn)證其優(yōu)越性，研究引入遺傳算法（Gen etic Algorithm，GA）、粒子群算法（Particle SwarmOptimization，PSO）以及傳統(tǒng)的蟻群算法進(jìn)行對(duì)比。其中，四種算法的物流平均總利潤(rùn)、標(biāo)準(zhǔn)差、運(yùn)行時(shí)間以及收斂速度對(duì)比結(jié)果如圖 5 所示。

根據(jù)圖5可以看出，聚類蟻群算法單個(gè)網(wǎng)點(diǎn)平均利潤(rùn)達(dá)到32000元，大于其他三個(gè)算法的平均利潤(rùn)，同時(shí)其運(yùn)行時(shí)間最低，為0.06。另外，從收斂速度上來(lái)看，聚類蟻群算法在110輪左右收斂，而對(duì)比算法較早陷入局部最優(yōu)。綜合來(lái)看，研究提出的聚類蟻群算法在物流利潤(rùn)上優(yōu)于對(duì)比算法，同時(shí)運(yùn)行時(shí)間與收斂速度均優(yōu)于對(duì)比算法，表明其具備更高的優(yōu)越性。

3" 結(jié)論

為解決當(dāng)前物流企業(yè)中普遍盈利能力差、利潤(rùn)空間小等問(wèn)題，研究以某智能物流公司（M）為研究對(duì)象，提出了相應(yīng)的成本管理改進(jìn)策略，并針對(duì)策略中省外物流成本管控的有效性進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，當(dāng)b值為1時(shí)物流總成本最低，為1.759€？08元；z取值為1時(shí)物流總成本最低，a值與€%j值分別為0.23和0.48時(shí)物流總成本最低。在四個(gè)參數(shù)設(shè)置下，利用聚類蟻群算法優(yōu)化后的成本優(yōu)化成果達(dá)到0.21€？08元。同時(shí)，在與其他算法對(duì)比中，聚類蟻群算法單個(gè)網(wǎng)點(diǎn)平均利潤(rùn)達(dá)到32000元，大于其他三個(gè)算法的平均利潤(rùn)。綜合來(lái)看，改進(jìn)策略中省外物流總成本管理方法具備有效性。但是，研究并未就成本管控中公司內(nèi)部的ETL工具進(jìn)行詳細(xì)分析，因此后續(xù)需要整理相關(guān)數(shù)據(jù)進(jìn)行深入研究。

參考文獻(xiàn)：

[1]高冬梅.基于電商發(fā)展的皮革企業(yè)物流成本控制研究[J].中 國(guó)皮革，2022，51（5）：39-41.

[2]Cherchata A， Popovychenko I， Andrusiv U， et al. Innovationsin logistics management as a direction for improving the lo- gistics activities of enterprises[J]. Management Systems inProduction Engineering， 2022，30（1）：9-17.

[3]Kitsantas T， Chytis E. Blockchain Technology as an Ecosys- tem： Trends and Perspectives in Accounting and Management[J]. Journal of Theoretical and Applied Electronic Commerce Re- search， 2022，17（3）：1143-1161.

[4]黃肖玲，代霞梅，紀(jì)國(guó)良，等.基于“前港后廠”模式的進(jìn)口鐵 礦石采購(gòu)物流成本優(yōu)化[J].中國(guó)管理科學(xué)，2021，29（8）：218 -228.

[5]李蕊.電子商務(wù)環(huán)境下飼料業(yè)物流管理與優(yōu)化策略[J].中國(guó) 飼料，2021，1（4）：84-87.

[6]周林榮，駱欣.基于DEA與灰色關(guān)聯(lián)模型的中西部18省物 流業(yè)效率研究[J].遵義師范學(xué)院學(xué)報(bào).2022，24（3）：53-58.

（責(zé)任編輯：羅智文）