কস্ট ইনডেক্স ও কস্ট-ক্যাপাসিটি ফ্যাক্টর

Cost indexes & cost-capacity factors

৯ মিনিট পড়া মধ্যবর্তী · Intermediate Python কোডসহ সম্পূর্ণ বাংলায়

এক নজরে · TL;DR

কস্ট ইনডেক্স দিয়ে একটি পুরনো কস্ট এস্টিমেটকে আজকের দামে আপডেট করা যায় — $Cost_2 = Cost_1 \cdot \frac{Index_2}{Index_1}$ — কারণ সময়ের সাথে দ্রব্যমূল্য বদলায়।
কস্ট-ক্যাপাসিটি (পাওয়ার-সাইজিং) মডেল দিয়ে সাইজ/ক্যাপাসিটি বদলালে কস্ট কীভাবে বদলায় তা বের করা যায় — $Cost_2 = Cost_1 \cdot \left(\frac{Capacity_2}{Capacity_1}\right)^x$, সাধারণত $x \approx 0.6$–$0.7$।
$x \lt 1$ হওয়ায় ক্যাপাসিটি দ্বিগুণ করলে কস্ট দ্বিগুণ হয় না, তার চেয়ে কম বাড়ে — এটিই ইকোনমিজ অফ স্কেল।
নিচের কোড সেলে দুটো সূত্রই বাস্তবে প্রয়োগ করে দেখানো হয়েছে যে ক্যাপাসিটি ২.৫ গুণ বাড়ালে কস্ট ২.৫ গুণের চেয়ে কম বাড়ে।

এই পাঠে যা শিখবেন

কস্ট ইনডেক্স কী, এবং কীভাবে একটি পুরনো কস্টকে বর্তমান দামের সাথে সামঞ্জস্য করা হয়
কস্ট-ক্যাপাসিটি (পাওয়ার-সাইজিং) মডেল — সাইজ বদলালে কস্ট কীভাবে স্কেল করে
সাইজিং এক্সপোনেন্ট $x$ কীভাবে ইকোনমিজ অফ স্কেল নির্ধারণ করে
Python-এ উভয় সূত্র বাস্তবায়ন করে সংখ্যাগতভাবে যাচাই করা যে ক্যাপাসিটি বাড়ানোর সুবিধা কস্টে প্রতিফলিত হয়

১ · কস্ট ইনডেক্স দিয়ে পুরনো কস্ট আপডেট করা

কস্ট ইনডেক্সCost Indexএকটি নির্দিষ্ট ধরনের পণ্য বা সেবার গড় দামের সময়ের সাথে পরিবর্তন ট্র্যাক করা একটি সংখ্যাসূচক সূচক (যেমন CEPCI বা ENR কনস্ট্রাকশন ইনডেক্স)। হলো একটি প্রকাশিত সূচক (index) যা সময়ের সাথে দ্রব্যমূল্যের গড় পরিবর্তন ট্র্যাক করে। কোনো পুরনো প্রজেক্ট বা সরঞ্জামের কস্ট জানা থাকলে, একই ইনডেক্স সিরিজের পুরনো ও বর্তমান মান দিয়ে সেই কস্টকে আজকের দামে রূপান্তর করা যায় —

কস্ট ইনডেক্স সূত্র
$$Cost_2 = Cost_1 \cdot \frac{Index_2}{Index_1}$$ $Cost_1$ = পুরনো কস্ট (ইনডেক্স $Index_1$-এর সময়ে), $Cost_2$ = আজকের সমতুল্য কস্ট (ইনডেক্স $Index_2$-এর সময়ে)।

কস্ট-ক্যাপাসিটি সূত্র
$$Cost_2 = Cost_1 \cdot \left(\frac{Capacity_2}{Capacity_1}\right)^x$$ $x$ = সাইজিং এক্সপোনেন্ট (সাধারণত ০.৬–০.৭, প্রসেস/কেমিক্যাল প্ল্যান্ট ইকুইপমেন্টের জন্য টাইপিক্যাল)।

কস্ট ইনডেক্স শুধু দাম-স্তরের পরিবর্তন (একই সাইজের জিনিসের দাম কীভাবে বদলেছে) ধরে — এটি ইনফ্লেশনের সাথে সম্পর্কিত হলেও ঠিক এক জিনিস নয়, কারণ কস্ট ইনডেক্স একটি নির্দিষ্ট শিল্প/সেক্টরের জন্য আলাদাভাবে হিসাব করা হয় (যেমন কনস্ট্রাকশন, কেমিক্যাল ইঞ্জিনিয়ারিং), সাধারণ কনজিউমার প্রাইস ইনডেক্স (CPI) থেকে ভিন্ন হতে পারে।

২ · কস্ট-ক্যাপাসিটি মডেল ও ইকোনমিজ অফ স্কেল

সাইজ বা ক্যাপাসিটি বদলালে দাম কীভাবে বদলায় তা প্রায়ই লিনিয়ার নয় — একটি ট্যাংক দ্বিগুণ আয়তনের হলে তার দাম দ্বিগুণ হয় না, কারণ পৃষ্ঠক্ষেত্র (surface area, যা মেটেরিয়াল খরচ নির্ধারণ করে) আয়তনের চেয়ে ধীরে বাড়ে। এই সম্পর্কটাই কস্ট-ক্যাপাসিটি মডেলে সাইজিং এক্সপোনেন্ট $x$ দিয়ে ধরা হয় — $x \lt 1$ হলে বড় সাইজে প্রতি-ইউনিট কস্ট কমে যায়, যাকে বলা হয় ইকোনমিজ অফ স্কেল।

৩ · Python-এ দুটো সূত্রই প্রয়োগ

নিচের কোডে প্রথমে একটি পুরনো ইকুইপমেন্টের কস্ট ইনডেক্স দিয়ে আজকের দামে আপডেট করা হয়েছে, তারপর একটি ছোট ট্যাংকের কস্ট থেকে কস্ট-ক্যাপাসিটি মডেল দিয়ে একটি বড় ট্যাংকের কস্ট এস্টিমেট করে দেখানো হয়েছে ক্যাপাসিটি রেশিও ও কস্ট রেশিও সরাসরি তুলনা করে ইকোনমিজ অফ স্কেল কীভাবে দেখা যায়।

Python

# ১) কস্ট ইনডেক্স আপডেট -- Cost_2 = Cost_1 * (Index_2 / Index_1)

def cost_index_update(cost1, index1, index2):
    return cost1 * (index2 / index1)

cost1 = 150_000
index1 = 180     # সেই সময়ের ইনডেক্স মান
index2 = 225     # বর্তমান ইনডেক্স মান
cost2 = cost_index_update(cost1, index1, index2)

print("== ১) কস্ট ইনডেক্স দিয়ে পুরনো কস্ট আপডেট ==")
print(f"পুরনো কস্ট = ${cost1:,.0f}  (ইনডেক্স = {index1})")
print(f"বর্তমান ইনডেক্স = {index2}")
print(f"বর্তমান কস্ট = ${cost1:,.0f} * ({index2}/{index1}) = ${cost2:,.2f}")

# ২) কস্ট-ক্যাপাসিটি (পাওয়ার-সাইজিং) স্কেলিং -- Cost_2 = Cost_1 * (Capacity_2/Capacity_1)^x

def cost_capacity_scale(cost1, capacity1, capacity2, x):
    return cost1 * (capacity2 / capacity1) ** x

tank_cost1 = 80_000
capacity1 = 10_000     # গ্যালন
capacity2 = 25_000     # গ্যালন
x = 0.65                # টাইপিক্যাল সাইজিং এক্সপোনেন্ট

tank_cost2 = cost_capacity_scale(tank_cost1, capacity1, capacity2, x)

capacity_ratio = capacity2 / capacity1
cost_ratio = tank_cost2 / tank_cost1

print("\n== ২) কস্ট-ক্যাপাসিটি স্কেলিং (ইকোনমিজ অফ স্কেল) ==")
print(f"পুরনো ট্যাংক: {capacity1:,} গ্যালন, ${tank_cost1:,.0f}")
print(f"নতুন ট্যাংক: {capacity2:,} গ্যালন, সাইজিং এক্সপোনেন্ট x = {x}")
print(f"নতুন কস্ট = ${tank_cost1:,.0f} * ({capacity2}/{capacity1})^{x} = ${tank_cost2:,.2f}")
print()
print(f"ক্যাপাসিটি রেশিও (Capacity_2/Capacity_1) = {capacity_ratio:.4f}x")
print(f"কস্ট রেশিও      (Cost_2/Cost_1)         = {cost_ratio:.4f}x")

assert cost_ratio < capacity_ratio
print("\nকস্ট রেশিও ক্যাপাসিটি রেশিওর চেয়ে কম -- ইকোনমিজ অফ স্কেল নিশ্চিত (x < 1 হওয়ায়)।")

কস্ট আপডেট: $150,000 * (225/180) = $187,500। কস্ট-ক্যাপাসিটি: ক্যাপাসিটি ২.৫ গুণ (২৫,০০০/১০,০০০) বাড়লেও কস্ট প্রায় ১.৮১ গুণ বাড়ে (2.5**0.65 ≈ 1.814) — অর্থাৎ কোডে assert দিয়ে প্রমাণ হয় কস্ট রেশিও সবসময় ক্যাপাসিটি রেশিওর চেয়ে কম, যতক্ষণ $x \lt 1$।

মূল কথা · Key takeaway

কস্ট ইনডেক্স সময়ের সাথে দামের পরিবর্তন ধরে, আর কস্ট-ক্যাপাসিটি মডেল সাইজের সাথে দামের পরিবর্তন ধরে — দুটোই একটি জানা কস্ট থেকে একটি নতুন পরিস্থিতির কস্ট এস্টিমেট করার দ্রুত পদ্ধতি। পরের পাঠে দেখা যাবে যখন একটি প্রসেস বার বার পুনরাবৃত্তি হয় (যেমন উৎপাদন), তখন লার্নিং কার্ভ কীভাবে প্রতি-ইউনিট সময়/কস্ট কমিয়ে আনে।

ভাবনার প্রশ্ন

প্রতিটি প্রশ্ন নিজে কিছুক্ষণ ভাবুন — তারপর "→ উত্তর" চাপুন।

প্র ০১ যদি $x = 1$ হতো, তাহলে কস্ট-ক্যাপাসিটি সূত্র কী দেখাত, এবং এটি বাস্তবসম্মত কেন নয়?

$x = 1$ হলে $Cost_2 = Cost_1 \cdot (Capacity_2/Capacity_1)$ — অর্থাৎ কস্ট ক্যাপাসিটির সাথে একদম লিনিয়ারভাবে বাড়বে (ক্যাপাসিটি দ্বিগুণ = কস্ট দ্বিগুণ)। বাস্তবে এটি সাধারণত ভুল, কারণ বড় ইকুইপমেন্টে ফিক্সড খরচ (ডিজাইন, বেসিক স্ট্রাকচার) এবং কম পৃষ্ঠক্ষেত্র-প্রতি-আয়তনের সুবিধা থাকে, যা কস্টকে ক্যাপাসিটির চেয়ে ধীরে বাড়ায় — তাই $x \lt 1$ই বাস্তবসম্মত।

প্র ০২ একটি কস্ট ইনডেক্স ২০ বছরের পুরনো একটি প্রজেক্টের কস্ট আপডেট করতে ব্যবহার করা কতটা নির্ভরযোগ্য?

খুব বেশি পুরনো ডেটার ক্ষেত্রে নির্ভরযোগ্যতা কমে যায়, কারণ ২০ বছরে প্রযুক্তি, ডিজাইন স্ট্যান্ডার্ড ও নিয়ন্ত্রক প্রয়োজনীয়তা এত বেশি বদলাতে পারে যে "একই জিনিসের দাম" ধারণাটাই আর ঠিক থাকে না। কস্ট ইনডেক্স শুধু সাধারণ দাম-স্তরের পরিবর্তন ধরে, প্রযুক্তিগত পরিবর্তনের প্রভাব ধরে না — তাই বহু পুরনো ডেটার জন্য এটি শুধু একটি রাফ প্রাথমিক এস্টিমেট হিসেবেই ব্যবহার করা উচিত।

প্র ০৩ দুটো সূত্রই ($Cost_2 = Cost_1 \cdot Index_2/Index_1$ এবং $Cost_2 = Cost_1 \cdot (Capacity_2/Capacity_1)^x$) কি একসাথে ব্যবহার করা যায়?

হ্যাঁ। ধরুন একটি পুরনো ছোট ট্যাংকের কস্ট জানা আছে পুরনো সময়ে — প্রথমে কস্ট ইনডেক্স দিয়ে সেই কস্টকে আজকের দামে আপডেট করা হয়, তারপর কস্ট-ক্যাপাসিটি মডেল দিয়ে সেই আজকের-দামের কস্টকে কাঙ্ক্ষিত নতুন সাইজের জন্য স্কেল করা হয়। দুটো ধাপ একসাথে করলে সময় ও সাইজ — উভয়ের প্রভাবই এস্টিমেটে সঠিকভাবে যুক্ত হয়।

অনুশীলন

চিন্তা করুন: দুটো ইঞ্জিনিয়ার একই ট্যাংক স্কেল করছে — একজন $x = 0.6$ আর আরেকজন $x = 0.9$ ব্যবহার করছেন। ক্যাপাসিটি বাড়ানোর সময় কার এস্টিমেট বেশি কস্ট দেখাবে, এবং কেন?

$x = 0.9$ ব্যবহারকারীর এস্টিমেট বেশি কস্ট দেখাবে, কারণ $x$ যত ১-এর কাছাকাছি যায়, কস্ট তত বেশি লিনিয়ারভাবে (ক্যাপাসিটির প্রায় সমানুপাতিক হারে) বাড়ে — অর্থাৎ কম ইকোনমিজ অফ স্কেল। $x = 0.6$ অনেক বেশি ইকোনমিজ অফ স্কেল দেখায়, তাই সেই এস্টিমেট তুলনামূলক কম হবে।
পরীক্ষা করুন: উপরের কোড সেলে capacity2 = 25_000-কে capacity2 = 40_000-এ বদলে Run চেপে দেখুন cost_ratio ও capacity_ratio কীভাবে বদলায় — assert কি তখনও পাস করে?

capacity_ratio = 40,000/10,000 = 4.0, আর cost_ratio = 4.0**0.65 ≈ 2.3714 — অর্থাৎ ক্যাপাসিটি ৪ গুণ বাড়লেও কস্ট মাত্র প্রায় ২.৩৭ গুণ বাড়ে। assert এখনও পাস করবে, কারণ $x=0.65 \lt 1$ থাকা পর্যন্ত কস্ট রেশিও সবসময় ক্যাপাসিটি রেশিওর চেয়ে কম থাকবে।