{
  "id": "material-requirements-planning",
  "title": "物料需求计划",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "物料需求计划根据生产计划，计算所需零部件和物料的数量及需求时间。",
  "category": "economics",
  "subcategory": "business",
  "type": "concept",
  "aliases": [
    "MRP"
  ],
  "generated_at": "2026-11-06",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/material-requirements-planning/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/material-requirements-planning/",
      "json": "https://aiwiki.page/en/material-requirements-planning.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "物料需求计划（MRP）是一种将成品需求计划转化为零部件、子装配件和原材料分时段需求的方法。它综合产品结构、可用存货、尚未完成的订单及补货所需时间等信息，确定必须采购或制造哪些物料、数量多少，以及何时下达订单。其突出特点是，根据使用这些零部件的产品或装配件的计划产量，推算零部件的需求，而不是对每一种物料分别进行独立预测。\n\n复杂产品可能包含数千种零件，且许多零件可用于多种装配件，因此，MRP 成为计算机化制造管理的一项基础技术。生产计划的变动可能因此影响众多采购和制造决策。通过协调这些相互依赖的需求，MRP 将客户需求与整个供应链中的工厂及供应商活动衔接起来。不过，它输出的是计划和异常提示，并不能保证物料按时到货，也不能保证届时有可用的生产能力。\n\n这一术语最初指的是一种范围相对明确的物料计划计算方法。后来，它被纳入范围更广的制造管理和企业管理系统，这些系统还涵盖产能规划、财务控制、采购和车间执行等功能。理解 MRP，需要将其底层计算方法与这些更广泛的系统区分开来，也需要区分数学上自洽的物料计划与实际可行的生产计划。"
    },
    {
      "heading": "历史发展与范围",
      "text": "MRP 源于早期维护零件清单、控制库存和安排制造订单的实践。传统的库存控制方法通常单独处理每种物料：当库存降至再订货点时，就触发补货订单。这种方法对于具有独立需求的货品可能十分有效，但未能充分利用产成品与其零部件之间的已知关系。如果工厂计划组装 500 台机器，就可以直接计算所需电机或机壳的数量，而不必仅凭历史领用量来推断。\n\n20 世纪 50 年代和 60 年代，计算机在商业领域的应用不断扩大，使反复进行多层级计算变得切实可行。计算机能够存储产品结构，维护庞大的物料档案，并重新计算多个计划期内的需求。约瑟夫·奥利基是将这一方法系统化并加以阐释的核心人物。他于 1975 年出版的《物料需求计划：生产与库存管理的新方式》一书，成为阐述这一方法的重要著作，产生了广泛影响。奥利弗·怀特和乔治·普洛斯尔也为制造计划实践的发展和推广作出了重大贡献。\n\n早期 MRP 主要关注物料能否及时供应。其局限性推动了闭环 MRP 的发展，将产能核查以及采购和生产执行环节的反馈与物料计划衔接起来。这样，如果供应商无法交货，或某个工作中心无法完成所需作业，就可以重新考虑相应的计划订单。“闭环”指的是将执行信息反馈到计划环节，而不是消除不确定性。\n\n20 世纪 70 年代末至 80 年代，范围更广的制造资源计划概念（通常写作 MRP II）将这种整合扩展到业务计划、财务预测及其他制造资源。名称中的罗马数字用于将其与物料需求计划区分开来，两者不能互换使用。MRP 仍是这一更大框架中的一项计算功能。\n\n自 20 世纪 90 年代起，企业资源规划（ERP）系统将制造与财务、销售、采购和人力资源等职能整合起来。许多 ERP 应用仍保留 MRP 引擎，但 ERP 并不只是 MRP 的另一个名称。企业即使不从事任何制造活动，也可以使用 ERP；而制造企业则可以在专用软件甚至电子表格中进行 MRP 计算。因此，这一历史发展过程体现的是组织层面整合范围的不断扩大，而不是原有计算方法被一代代取代。"
    },
    {
      "heading": "独立需求、相关需求与生产进度计划",
      "text": "物料需求计划（MRP）的概念基础是区分独立需求与相关需求。独立需求来自所规划产品结构的外部，例如客户对自行车成品或替换用泵的订单。相关需求则由另一物料的生产需求派生而来，例如组装这些自行车所需的车轮。同一零件可能同时存在这两类需求：例如，电动机既可用于新设备，也可作为维修备件单独销售。\n\n这一区分决定了预测应当用于何处。制造商可以预测成品销量，但一旦确定其生产数量，零部件的理论需求量就可由产品结构推算出来。如果每台机器需要四个支架，那么一张生产75台机器的订单，在考虑报废、成品率和现有库存等调整因素之前，就会产生300个支架的需求。对支架领用量另行开展独立预测，可能会掩盖装配进度计划中已经隐含的需求时间和数量。\n\n连接市场需求与详细物料计划的主要接口是主生产计划（MPS）。它规定选定成品、主要装配件或其他纳入主生产计划的物料的生产数量和日期。主生产计划不一定与销售预测相同。预测描述的是预期需求；主生产计划则是在综合考虑订单、库存、经营重点和生产约束后确定的生产安排。在备货生产模式下，它通常安排成品的生产；而在按订单装配的环境中，它可能安排模块或选配件的生产。\n\n必须协调客户订单与预测，以避免重复计算。一种常见机制是预测冲减：在规定的时间段内，用实际订单冲减预测中的相应部分。如果某月预测为1,000件，且已收到符合冲减条件的600件客户订单，计划就不应自动将两者相加，视为1,600件的需求。具体的冲减规则取决于订单日期、产品分组和计划政策。\n\n主生产计划也界定了MRP的运作范围。如果主生产计划中的产量不切实际，或优先顺序已经过时，那么即使物料计算在内部逻辑上正确，其结果也可能不符合经营需要。同样，如果计划展望期过短，未能涵盖交货周期较长的采购需求，就可能掩盖未来的物料短缺。计划展望期通常需要覆盖相关的累计补给时间，包括相互衔接的采购和制造阶段。因此，稳定的近期生产承诺、适当的需求汇总，以及对维修服务需求的明确处理，都是确保最终计划质量的关键。"
    },
    {
      "heading": "产品结构与计划记录",
      "text": "最主要的结构性输入是物料清单（BOM），其中记录了制造一个父项所需的零部件及其数量。单层物料清单描述某个装配件的直接子项。多层物料清单则将这些关系连接成一个产品结构，从产成品一直延伸到外购物料。假如一个产品包含两个模块，每个模块又包含三个轴承，那么在没有其他轴承需求来源的情况下，根据这种直接用量关系，每件产品需要六个轴承。\n\n实际的产品结构并非只涉及乘法运算。零部件可能由多个产品共用，也可能在规定条件下被替代，或通过工程变更引入。物料清单可能注明生效日期或适用的序列号范围，以确保使用正确的修订版本。计划物料清单可以表示产品族或预期的选配组合，而制造物料清单则描述实际生产所用的结构。混淆这两种用途，可能会为实际客户从未订购过的组合生成物料需求。\n\n库存记录是第二类主要信息来源。对于每个库存保有单位，通常还会细化到每个厂址或计划地点，库存记录列明现有库存量、未结订单、计划收货日期、已分配数量以及计划参数。实物库存并不总是可用库存。物料可能处于隔离状态、已经过期、归客户所有、已分配给其他订单，或所在地点使其无法及时满足需求。MRP 必须采用相应的可用性规则，而不能直接使用所有地点记录的库存总量。\n\n物料参数通常包括采购或自制类型、补货提前期、订货批量规则、安全库存、订货倍数以及废品损耗预留量。计量单位尤其需要谨慎处理。同一种零部件可能按千克采购、按卷存储、按米耗用。即使计划运算引擎中的每一步算术运算都正确，错误的换算系数仍可能造成系统性短缺。\n\n处理产品结构时，通常需要遵循一定的顺序，确保在对某个零部件进行计划之前，已汇总其所有父项的需求。低层码编制根据物料在相关产品结构中出现的最深层级，为其赋予层级代码。这样，共用零部件的净需求计算便会在所有上层父项的需求汇总完毕后进行。如果不按这一顺序处理，系统可能过早地为某个零部件制订计划，从而遗漏来自另一装配件的额外需求。\n\n这些记录使 MRP 高度依赖数据治理。工程变更、仓库出入库及移库、采购订单确认和生产完工，都会改变同一计划模型中的不同部分。如果这些信息的更新时点彼此不协调，那么即使计算在形式上自洽，其所描述的工厂状态也可能已不符合实际运营情况。因此，记录的准确性并非仅仅是行政管理问题，而是物料需求计算机制本身的一部分。"
    },
    {
      "heading": "需求展开、净需求计算与提前期倒排",
      "text": "MRP 计算结合了三项操作：需求展开，根据上层物料的订单推导零部件需求；净需求计算，扣除可用供应量；以及提前期倒排，按照相应的提前期，将订单下达时间安排在所需到货时间之前。这些操作沿产品结构逐层重复进行。时间通常划分为日或周等时段，不过有些系统会保留更精确的日期，并在显示时按时段汇总。\n\n对于时段 \\(t\\) 内的某项物料，设 \\(G_t\\) 为毛需求量，\\(S_t\\) 为现有订单的预计到货量，\\(P_{t-1}\\) 为上一时段结转的预计可用库存。设 \\(SS_t\\) 为要求的期末安全库存水平。基本的净需求量为\n\n\\[N_t=\\max\\left(0,\\;G_t+SS_t-P_{t-1}-S_t\\right).\\]\n\n订货批量规则将 \\(N_t\\) 转换为计划到货量 \\(Q_t\\)。预计库存余额变为\n\n\\[P_t=P_{t-1}+S_t+Q_t-G_t.\\]\n\n采用逐批订货法时，\\(Q_t=N_t\\)。其他规则可能使计划到货量更大。这些方程描述的是一种简化的计算约定；不同系统在处理预留量、短缺、安全库存以及时段内到货时，采用的方法有所不同。\n\n假设第 6 周需要 100 件产品 A。现有 A 的可用库存为 20 件，另有一笔现有订单预计于第 6 周到货 10 件。在不要求安全库存的情况下，还需到货 70 件。如果组装 A 需要一周，则计划在第 5 周下达订单。每件 A 需要 2 件 B 和 3 件 C，假定两种零部件均在组装开始时投入使用。\n\n物料 | 需求时段 | 毛需求量 | 期初可用库存 | 可用的预计到货量 | 计划到货量 | 提前期 | 计划下达时间\nA | 第 6 周 | 100 | 20 | 10 | 70 | 1 周 | 第 5 周\nB | 第 5 周 | 140 | 30 | 20 | 90 | 2 周 | 第 3 周\nC | 第 5 周 | 210 | 10 | 0 | 200 | 1 周 | 第 4 周\n\n假定 B 的 20 件预计到货量最迟在第 5 周到货。关键在于，B 和 C 的需求来自新计划生产的 70 件 A，而不是全部 100 件成品需求。A 的现有库存和已经安排的到货量满足了其余 30 件需求。现有 A 订单所需的零部件，应当已经体现在该订单的物料需求中。\n\n在此例中，所有零部件都在上层物料的开工日期投入使用。更精细的系统可以将零部件的需求时间安排在实际消耗该零部件的工序。如果 C 在组装后期才安装，其需求时间就可能晚于 A 的最初订单下达时间。这种按工序确定需求时间的方式，避免了将所有零部件都视为第一道生产工序必需物料的做法，但需要准确的工艺路线和工序信息。"
    },
    {
      "heading": "批量确定、缓冲与计划稳定性",
      "text": "净需求并不能唯一确定订货量。逐批订货法在每个期间恰好供应计算出的需求量，从而减少剩余库存，但可能造成大量订货或生产准备作业。固定订货量规则按标准数量供应，而订货倍数规则则将需求量向上取整为包装单位或工艺批量的整数倍。期间订货量法将指定期间数内的需求合并订货。这些选择既会改变库存水平，也会改变相关需求的发生时间。\n\n经济订货批量体现了订货成本与库存持有成本之间的权衡。在其基本的需求恒定模型中，\n\n\\[Q^*=\\sqrt{\\frac{2DK}{h}},\\]\n\n其中，\\(D\\) 为单位时间内的需求量，\\(K\\) 为每次订货或生产准备的固定成本，\\(h\\) 为同一时间单位内的单位库存持有成本。该公式所依据的假设，对于按时段分布的相关需求往往并不成立。对需求间歇出现的零部件机械地套用这一公式，可能会在实际需要之前很久就形成库存。\n\n动态批量确定方法则按期间考虑需求。1958 年提出的瓦格纳—惠廷法，在需求、生产准备成本和库存持有成本已知的特定有限计划期模型下，确定成本最低的订货计划。西尔弗—米尔法和零件期间平衡法等启发式方法，则力求通过较简单的计算取得实用的折中结果。即使某项物料的批量计划达到了最优，也不一定能使整个工厂实现最优，因为共享产能、供应商约束以及各生产阶段之间的相互影响，可能仍未纳入模型。\n\n缓冲措施应对的是不确定性，而不只是订货的经济性。安全库存用于防范需求、交付或产出率的波动，安全时间则通过提前需求时间来提供时间上的保障。两者并不等同。增加库存可以弥补数量短缺；增加时间则只有在物料确实能于使用前到位的情况下，才能消化交付延误。在每一层级都设置大量缓冲，还可能推高库存，并掩盖造成不可靠性的根本原因。\n\n一个反复出现的问题是MRP 紧张性：需求量或需求时间的较小变化，可能引起计划订单的大幅调整。一项需求从一个期间移至相邻期间，就可能改变整个订货批量，进而改变多个下层零部件的订单。固定订货倍数和需求合并规则可能加剧这种不连续变化。反复要求供应商提前、推迟或取消订单，可能产生库存计算中未体现的成本。\n\n计划时界用于限制近期计划的变更幅度。在冻结期内，变更可能需要明确授权；对于更远的未来，系统则可以逐步允许更大的灵活性。确认的计划订单可以在重新计算时保留计划人员设定的数量或日期。这些机制以牺牲部分响应能力来换取稳定性。其经济意义部分在于维护对供应商的承诺、既定的生产准备安排以及已投入的协调工作——这些都属于单纯的物料平衡计算无法涵盖的交易成本。"
    },
    {
      "heading": "产能、提前期与生产可行性",
      "text": "传统物料需求计划回答的是一个有前提的问题：如果执行拟定的生产进度计划，需要哪些物料？它本身并不能证明该计划可以执行。多个计划订单可能同时需要使用同一台机器、同一套工装或同一批熟练工人。因此，即使物料齐备，计划仍可能超出工厂的生产能力。\n\n常见的做法是，先在主生产计划层面进行粗略产能核查，再对各个工作中心开展更详细的能力需求计划。工艺路线规定了所需的工序、工序顺序，以及各工序的准备时间和加工时间。如果某道工序需要两小时的准备时间，每件产品还需加工0.1小时，那么一批100件产品就会形成12小时的工作中心名义负荷。随后，必须将计算出的负荷与相应时段内的可用产能进行比较。\n\n可用产能取决于工作日历、班次、人员可用情况、计划检修，以及对有效利用率的假设。一台机器即使安排了40小时的工作时间，也不一定能提供40小时的有效加工时间。另一方面，有些工作中心配有多台可并行作业的机器，或可灵活调配人员。如何恰当地表示产能，取决于资源是否真正能够相互替代，以及特定产品是否必须使用指定设备。\n\n提前期带来了更深层的难题。传统物料需求计划通常使用预先设定的补货提前期来倒推订单时间，但实际制造提前期包括等待、运输、检验、准备和加工时间。排队等待时间可能远远超过加工时间，尤其是在负荷较高的资源处。延长计划提前期可能使订单更早下达；而增加的订单下达量又可能推高在制品数量，加剧拥堵，从而削弱原本期望实现的改善。\n\n与此相关的一个关系是利特尔定律。对于边界和统计口径一致的稳定系统，它将平均在制品数量 \\(L\\)、吞吐率 \\(\\lambda\\) 和平均流动时间 \\(W\\) 联系起来：\n\n\\[L=\\lambda W.\\]\n\n这一定律并不提供排程规则，但它说明了为什么不能将​​在制品数量与提前期视为互不相关的量。在吞吐率没有相应提高的情况下，增加投产量通常并不能让所有订单都更早完工。\n\n有限产能排程在安排各项作业时间时，会明确遵守资源限制。这类排程可由高级计划与排程应用程序提供，也可由采用数学优化或启发式方法的其他生产控制系统提供。随后，需要通过反复调整，使物料可用日期与产能可用日期相互协调。某个时段负荷过高时，可能需要加班、外协、改用其他工艺路线、缩小批量，或调整向客户承诺的交付安排。每种应对措施都会改变原物料计划赖以制定的条件。"
    },
    {
      "heading": "计划运算、订单控制与执行反馈",
      "text": "MRP 通常提供建议，而非自动形成具有约束力的承诺。典型输出包括计划采购订单和计划生产订单、订单下达建议，以及要求加急、推迟、减少或取消现有供应的提示信息。计划订单代表经计算得出的未来行动；已下达的采购订单或生产订单则代表实际运营中的承诺，会带来进一步的商务或执行后果。\n\n传统的两种计算模式是全重排计划和净变更计划。全重排运算根据当前输入，对选定的计划范围进行全面重算。净变更运算则重新计算受新增需求、库存结余修订或产品结构调整等变化影响的物料。后一种方法可以减少处理工作量，但必须确保变更沿依赖关系正确传递。现代软件可能将定期全面重算与更频繁的选择性更新相结合。\n\n需求追溯用于识别某项供应或零部件需求所对应的需求来源。采购员发现短缺 200 个轴承时，可以通过需求追溯确定哪些装配件或对客户作出的交付承诺会受到影响。当同一零部件用于多种产品时，这一点尤为重要。有些系统会维护明确的供需关联，另一些则动态计算这些关系。需求追溯是一种用于诊断的关联，并不一定意味着对特定实物作出不可更改的分配。\n\n执行反馈使计划形成闭环。采购订单确认信息用于更新预计交货日期；收货事务记录实际到货情况；生产报工记录完工数量、物料消耗和报废情况。如果原本应供应 100 件的订单最终只产出 95 件可用产品，缺少的 5 件就可能形成新的需求。如果一批延迟到货的物料仍显示为按原定日期到货，下一次计算就可能掩盖短缺，而不是将其揭示出来。\n\n制造执行系统可以提供详细的车间作业状态，仓库系统则报告实物移动情况和库位可用情况。通过应用程序编程接口或其他数据交换机制建立接口，本身并不能保证数据一致性。事务发生的时点、重复消息、计量单位换算，以及纠错责任的归属，都会影响共享计划的质量。\n\n异常提示需要结合实际情况解读。将订单提前十天交付的建议，在现实中可能根本无法实现；取消订单的建议也可能未考虑合同违约金，或供应商已经生产出的物料。如果每一次微小的日期变动都会触发警报，重要的短缺信息就可能淹没在大量低价值消息中。因此，组织会使用容差、优先级和升级处理规则，筛选出需要采取行动的偏差。计划计算在运营中的目的，不只是生成更多消息，而是将物料方面的影响与仍能改变结果的决策联系起来。"
    },
    {
      "heading": "实施、经济影响与绩效衡量",
      "text": "实施 MRP 既是一项组织变革，也是一项软件项目。工程部门负责管理产品结构，仓库人员维护库存记录，采购部门管理供应商的供货承诺，生产管理部门报告在制品情况。只有各方采用的定义与职责划分相互协调，系统才能统筹这些活动。即使系统在技术上成功上线，如果各部门采用的日期口径不同、物料标识不一致，或对可用库存的假设互不相容，生成的计划仍可能质量不佳。\n\n核实库存记录尤为重要。循环盘点通过反复盘点选定物料来核实库存，而不是仅依赖年度实物盘点。账实差异可能暴露出发料错误、报废未入账、库位错误或计量单位问题。盘点本身并不能纠正造成差异的流程；如果不调查原因，只是反复调账，或许能暂时使账实相符，却仍会让后续计划面临同样的错误。\n\nMRP 所追求的经济效益包括减少物料短缺、降低不必要的库存、提高交货承诺的可靠性，以及更好地协调采购与生产。这些效果的实现需要一定条件，并不会自动出现。减少库存可以释放营运资本，但如果因此加剧缺料，就可能影响产出和客户服务。反过来，增加库存虽然能提高物料可得性，却也可能掩盖供应不可靠或批量不合理的问题。\n\n成本也会在不同类别之间转移。缩小批量可以降低平均库存，却可能增加采购工作量、收货作业量和生产准备次数。扩大批量或许能在订购或加工环节实现规模经济，但同时也会增加仓储、库存过时和融资成本。因此，评估 MRP 策略时，需要考虑资金与产能的机会成本，而不能只看库存的账面价值。采购价格最低，并不一定意味着整个生产系统的成本最低。\n\n常用的绩效指标包括库存准确率、计划执行符合率、按时交货率、供应商交货可靠性、缺货频率、催单活动和库存周转率。每项指标在解读时都有局限。如果承诺交货日期频繁修改，那么即使按这些日期计算的订单完成率很高，也未必说明客户服务可靠。较高的库存周转率也可能与少数关键零件短缺、其他零件库存过剩的情况并存。考察汇总指标时，还需要结合物料层面和订单层面的影响。\n\n如果实施 MRP 的同时还改变了培训、产品设计、供应商协议和业务记录规范，就很难将改进明确归因于 MRP。采用软件并不是一项孤立的干预措施。进行比较时，必须区分计算方法的改进与基础运营流程的改进。有价值的评估应当考察：计划是否更具可执行性，异常是否得到更早处理，以及生产率或库存绩效的提升，是否并非仅仅通过将成本转嫁给供应商、客户或其他生产阶段而实现。"
    },
    {
      "heading": "其他计划方法与当代扩展",
      "text": "MRP 常被拿来与准时化生产及拉动式控制相比较，但它们之间的区别并非绝对。MRP 通常根据预期需求生成按时间安排的订单，而拉动机制则根据下游的消耗情况发出补货指令。看板就是传递这类指令的一种手段。工厂可以使用 MRP 规划采购提前期较长的物料及总体产能，同时对生产内部稳定、重复的物料流采用拉动式补货。\n\n这些方法适用于不同的运营条件。对于结构复杂、产量较低且采购提前期较长的装配生产，清晰掌握未来的零部件需求十分有益。对于补货周期短且可靠的重复性生产线，则可以通过消耗信号和限定的容器数量，有效控制许多物料。产品多样性、需求波动、换型准备时间以及供应商的可靠性，共同决定了这些方法在实践中的适用边界。单凭“推动式”或“拉动式”的标签，并不能判定哪一种方法表现更好。\n\n需求驱动物料需求计划（DDMRP）是一种独立的方法体系，它在选定的解耦点设置库存缓冲，并采用基于缓冲的计划与执行规则。这些解耦点阻断了需求沿整个产品结构直接传递的过程。不能将 DDMRP 与仅仅接收了最新客户订单的普通 MRP 混为一谈；它的核心特征在于，以特定方式运用战略性设置的缓冲及相应的补货逻辑。其成效取决于这些缓冲的位置和参数与运营环境的匹配程度。\n\n多工厂生产和全球分布式生产扩展了这一基本问题的范围。一个零部件可能先由企业集中采购，再在工厂之间调拨，交由分包商加工，最后在另一地点完成装配。计划必须反映调拨时间、各地点的库存、工作日历，以及所有权或采购来源规则。配送需求计划采用类似的分时段逻辑，为整个配送网络安排补货，不过它主要追踪物料在各库存地点之间的移动，而不是物料按照制造物料清单（BOM）发生的零部件转化。\n\n现代系统还纳入了备选供应商、替代物料、保质期约束、批次追溯和产品配置等功能。这些功能使模型更贴近实际，但也引入了额外的决策规则和潜在冲突。名义上可用的替代物料可能需要客户批准；现有批次可能在使用前就已过期；承诺交货提前期最短的供应商也可能产能不足。正确建模这些约束，有时比提高重新计算的频率更重要。\n\n机器学习可以辅助估计需求、交货可靠性或提前期，而仿真则可以检验计划策略在多变条件下的表现。这些方法起到的是补充作用，并不能消除对明确物料关系和数量守恒的需要。预测的到货日期仍存在不确定性，即使准确预测了零部件短缺，也仍然需要可执行的应对措施。因此，当代的发展既着眼于提高预测质量，也着眼于加强物料计划、资源约束与实际生产事件之间的协调。"
    }
  ],
  "links": [
    "inventory",
    "supply-chain",
    "stock-keeping-unit",
    "data-governance",
    "transaction-cost",
    "mathematical-optimization",
    "application-programming-interface",
    "working-capital",
    "economies-of-scale",
    "opportunity-cost",
    "productivity",
    "machine-learning"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}