Stochastic approach to time-driven activity-based costing in an automotive company

Abstract

Traditional costing methods based on volume measures are not efficient in modern times characterized by product diversity, production complexity and market volatility and uncertainty. In such situations, traditional costing systems based on deterministic cost models are not effective. Indeed, decision making must be based on sophisticated, timely and accurate costing systems. Activity-based costing (ABC) models were introduced in the 1980s to help to deal with such complexity. Furthermore, Time-driven ABC (TDABC) was proposed in the 2000s to overcome some of the limitations of the previous cost models based on activities. These models are deterministic but due to the existence of variability and uncertainty, product costing should be approached stochastically. This research focuses on developing a stochastic approach to costing systems that considers the variability in the process cycle time of the different activities that compose business and production processes, e.g., workstations in the assembly lines. This approach provides a range of values for the product costs, allowing for a better perception of the risk associated with costs instead of providing a single value of the cost. The confidence interval for the mean and the use of quartiles one and three as lower and upper estimates are proposed to include variability and risk in costing systems. Furthermore, a stochastic activity-based cost model has been developed to take into consideration variability in manufacturing processes. The stochastic cost model is supported on a set of time equations structured around a cost hierarchy that highlights and differentiates the costs in the production line, namely, workstation specific cost, cost induced by the line bottleneck, planned unused capacity cost and unplanned unused capacity cost. The model supports and can be extended for cost prediction purposes and for cost optimization under conditions of variability in resources, processes and operations conditions, and demand changes imposed by the market. This research also presents and discusses the use of prediction models, based on simple and sophisticated methods such as linear regression for forecasting production quantities, to predict deviant behaviour of each specific production line. The model developed enabled us to draw attention to the importance of production control and planning. With greater control on production quantities, consequently, costs will also be more controlled and less subject to large variations. Finally, optimization models can be used to extend the application of the proposed stochastic cost model. In this case, for instance, such models can help to identify the number of operators required, their allocation to the workstation along with the cost associated with them and also the optimum number of equipment required at each workstation based on the target cycle time and cost of the product. The models and applications presented in this thesis can be further extended by considering more variables that might be relevant in other type of products and industries.

Os métodos tradicionais de custeio baseados em volume não são eficientes nos tempos modernos caracterizados pela diversidade de produtos, complexidade da produção e volatilidade e incerteza do mercado. Neste contexto, os sistemas de custeio tradicionais baseados em modelos de custos determinísticos não são eficazes. De facto, a tomada de decisão deve ser baseada em sistemas de custeio sofisticados, que providenciam informação oportuna e precisa. Os modelos de custeio baseado em atividades (ABC) foram introduzidos na década de 1980 para ajudar a lidar com essa complexidade. Além disso, o modelo de custeio baseado em atividades e tempo (TDABC) foi proposto na década de 2000 para superar algumas das limitações dos modelos de custos anteriores baseados em atividades. Esses modelos são determinísticos, mas devido à existência de variabilidade e incerteza, o custeio do produto deve ser abordado estocasticamente. Esta pesquisa foca-se no desenvolvimento de uma abordagem estocástica para sistemas de custeio que considere a variabilidade no tempo de ciclo do processo das diferentes atividades que compõem os processos de negócio e de produção, por exemplo, postos de trabalho nas linhas de montagem. Esta abordagem fornece uma gama de valores para os custos do produto, permitindo uma melhor perceção do risco associado aos custos em vez de fornecer um único valor de custo. O intervalo de confiança para a média e a utilização do primeiro e terceiro quartis como estimativas inferior e superior são propostos para incluir a variabilidade e o risco nos sistemas de custeio. Além disso, um modelo de custos estocástico baseado em atividades foi desenvolvido para levar em consideração a variabilidade nos processos de fabricação. O modelo de custo estocástico é suportado por um conjunto de equações de tempo estruturadas em torno de uma hierarquia de custos que destaca e diferencia os custos na linha de produção, ou seja, custo específico de cada posto de trabalho, o custo induzido pelo gargalo da linha, o custo da capacidade não utilizada planeada e o custo da capacidade não planeada não utilizada . O modelo suporta e pode ser estendido para fins de previsão de custos e otimização de custos sob condições de variabilidade de recursos, processos e condições de operação e mudanças na procura impostas pelo mercado. Esta pesquisa também apresenta e discute o uso de modelos de previsão baseados em métodos simples e sofisticados, tais como regressão linear para previsão de quantidades de produção, para prever o comportamento desviante de cada linha de produção específica. O modelo desenvolvido permitiu evidenciar a importância do controlo e planeamento da produção. Com maior controlo nas quantidades de produção, consequentemente, os custos também poderão ser mais controlados e estar menos sujeitos a grandes variações. Finalmente, os modelos de otimização podem ser usados para estender a aplicação do modelo de custo estocástico proposto. Neste caso, por exemplo, tais modelos podem ajudar a identificar o número de operadores necessários, a sua alocação ao posto de trabalho juntamente com o custo a eles associado e também o número ótimo de equipamentos necessários em cada posto de trabalho com base no tempo de ciclo e o custo alvo do produto. Os modelos e aplicações apresentados nesta tese podem ser estendidos considerando mais variáveis que podem ser relevantes em outros tipos de produtos e indústrias.