羅宇潔+郝婧菲

【摘 要】 將作業(yè)成本法用于質(zhì)量成本的核算解決了傳統(tǒng)質(zhì)量成本核算的難題，對(duì)作業(yè)質(zhì)量成本信息進(jìn)行分析也為質(zhì)量作業(yè)管理提供了可能。文章基于作業(yè)質(zhì)量成本核算的信息，采用回歸分析的方法構(gòu)建了質(zhì)量預(yù)防作業(yè)多元回歸模型并進(jìn)行了實(shí)證分析，針對(duì)分析結(jié)果提出了相關(guān)的作業(yè)改進(jìn)建議。

【關(guān)鍵詞】 作業(yè)質(zhì)量成本； 質(zhì)量作業(yè)； 預(yù)防作業(yè)

中圖分類號(hào)：F234 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-5937（2014）29-0060-07

*基金項(xiàng)目：內(nèi)蒙古自然科學(xué)基金（2010MS1004）；內(nèi)蒙古高?？蒲许?xiàng)目（NJSZ14173）；國(guó)家自然科學(xué)基金（71162027）。

一、理論介紹

（一）作業(yè)質(zhì)量成本簡(jiǎn)介

作業(yè)質(zhì)量成本指的是將作業(yè)成本法用于質(zhì)量成本的核算。費(fèi)根堡姆最早提出了PAF（the prevention appraisal failure）模型，即把質(zhì)量成本分為預(yù)防成本、鑒定成本和損失成本，損失成本包括內(nèi)部故障損失和外部故障損失。PAF模型的分類是面向作業(yè)的，將作業(yè)成本法與質(zhì)量成本結(jié)合，二者使用統(tǒng)一成本數(shù)據(jù)庫(kù)，而作業(yè)成本體系可以為質(zhì)量成本管理和業(yè)務(wù)流程再造提供成本、作業(yè)、過(guò)程方面的信息。兩者的統(tǒng)一目的是持續(xù)地改進(jìn)，共同的宗旨都是促進(jìn)產(chǎn)量、減少損失、降低成本、提高質(zhì)量。

作業(yè)質(zhì)量成本核算模型如圖1所示。

（二）回歸分析簡(jiǎn)介

回歸分析的主要目的是分析自變量與因變量之間的因果關(guān)系，通過(guò)大量樣本數(shù)據(jù)確定變量之間的數(shù)學(xué)關(guān)系式。多元回歸模型指的是有多個(gè)解釋變量的線性回歸模型，研究因變量與多個(gè)自變量之間的因果關(guān)系。

回歸分析的一般步驟是：（1）選取回歸方程中的解釋變量和被解釋變量；（2）構(gòu)建回歸模型；（3）對(duì)回歸方程進(jìn)行檢驗(yàn)；（4）利用回歸方程進(jìn)行預(yù)測(cè)。

二、預(yù)防作業(yè)的多元回歸分析

按PAF分類模型，質(zhì)量作業(yè)分為預(yù)防作業(yè)、鑒定作業(yè)、損失作業(yè)，按照作業(yè)質(zhì)量成本法的原理，對(duì)質(zhì)量成本的管理就體現(xiàn)在對(duì)質(zhì)量作業(yè)的管理上。

企業(yè)的鑒定作業(yè)通常是檢驗(yàn)檢測(cè)作業(yè)，其成本相對(duì)固定，而損失作業(yè)很大部分是由預(yù)防作業(yè)是否起到作用決定的，因此，本文將質(zhì)量作業(yè)的分析重點(diǎn)放在預(yù)防作業(yè)上。

（一）變量的選取

用回歸分析的方法對(duì)預(yù)防作業(yè)進(jìn)行分析，目的是要研究預(yù)防作業(yè)是否真正意義上起到預(yù)防作用，也就是分析質(zhì)量水平與預(yù)防作業(yè)之間的關(guān)系。

（1）選取被解釋變量也就是因變量y。將質(zhì)量水平作為被解釋變量，選取每個(gè)月的產(chǎn)品質(zhì)量的標(biāo)準(zhǔn)差作為衡量質(zhì)量水平的標(biāo)準(zhǔn)，也就是被解釋變量Y。當(dāng)標(biāo)準(zhǔn)差減小說(shuō)明質(zhì)量水平的波動(dòng)幅度減小，認(rèn)為質(zhì)量水平得以提高。（2）選取解釋變量也就是自變量x。選取預(yù)防作業(yè)成本作為自變量x。（3）為了使模型更完善，引入變量t1，t2…表示控制變量，是對(duì)質(zhì)量水平產(chǎn)生影響的其他外界因素，如溫度等；ε表示隨機(jī)誤差項(xiàng)。

（二）模型構(gòu)建

構(gòu)建多元回歸模型：

y=β0+β1x1+β2x2+…βpxp+βmtm+…βntn+ε（1）

式（1）是一個(gè)多元線性回歸模型，有p個(gè)自變量x和若干控制變量t。因變量y是由自變量、控制變量和一些隨機(jī)因素決定的，隨機(jī)因素包括隨機(jī)誤差ε和未知參數(shù)β0、β1…βp、βm…βn?；貧w方程確定后用最小二乘法（OLSE：Ordinary Least Square Estimation）進(jìn)行回歸擬合，對(duì)回歸方程中的未知參數(shù)進(jìn)行估計(jì)。參數(shù)估計(jì)是基于樣本數(shù)據(jù)而得到的，得到的參數(shù)是參數(shù)真值的估計(jì)值。具體步驟如下：

1.用因子分析對(duì)數(shù)據(jù)進(jìn)行處理

因子分析法是用少數(shù)幾個(gè)因子描述多個(gè)變量之間的關(guān)系。在實(shí)際中收集到的數(shù)據(jù)可能會(huì)因?yàn)橄嚓P(guān)度較強(qiáng)而不能發(fā)揮預(yù)期效果，用因子分析進(jìn)行公因子提取減少變量個(gè)數(shù)，排除變量之間較強(qiáng)相關(guān)度的問(wèn)題，使回歸效果更佳。在做因子分析之前要檢測(cè)變量之間是否存在較強(qiáng)的相關(guān)關(guān)系，如果相互獨(dú)立就不必做因子分析了。相關(guān)度較強(qiáng)時(shí)對(duì)自變量進(jìn)行因子分析得到公因子，將公因子作為解釋變量X，再進(jìn)行回歸分析。

2.對(duì)回歸模型進(jìn)行檢驗(yàn)

在建立回歸模型后，必須對(duì)其進(jìn)行檢驗(yàn)，通過(guò)檢驗(yàn)可以證明兩個(gè)變量的關(guān)系是否合理，也可以說(shuō)明變量間的關(guān)系是統(tǒng)計(jì)顯著的。只有通過(guò)檢驗(yàn)的方程才能用于說(shuō)明變量關(guān)系和進(jìn)行因變量的預(yù)測(cè)。通常進(jìn)行回歸方程的擬合優(yōu)度檢驗(yàn)、顯著性檢驗(yàn)以及回歸系數(shù)的顯著性檢驗(yàn)。

（1）進(jìn)行擬合優(yōu)度檢驗(yàn)。相關(guān)系數(shù)是可解釋誤差SSR與總誤差SST之比，它代表了Y與X之間的線性相關(guān)程度以及回歸模型的擬合程度。R2越大說(shuō)明相關(guān)程度越高，即擬合優(yōu)度越高。

（2）進(jìn)行顯著性檢驗(yàn)F檢驗(yàn)。由于事先并不確定Y和X的相關(guān)關(guān)系為何種類型，現(xiàn)假設(shè)它們之間存在著線性關(guān)系，所以在建立多元回歸模型后還必須對(duì)多元線性回歸方程是否成立進(jìn)行顯著性檢驗(yàn)。F檢驗(yàn)是檢驗(yàn)因變量與所有自變量的綜合線性關(guān)系是否顯著成立，即檢驗(yàn)各自變量的回歸系數(shù)是否同時(shí)為0。它表示的是回歸方程所能解釋的變量的變差與不能解釋的變量的變差的比例。多元回歸F統(tǒng)計(jì)量數(shù)學(xué)定義為：

F= （2）

統(tǒng)計(jì)量服從自由度為（p，n-p-1）的F分布，給定顯著性水平α，通過(guò)（3）式拒絕或接受原假設(shè)，以判定線性關(guān)系是否顯著。用SPSS軟件可以自動(dòng)計(jì)算出統(tǒng)計(jì)量的觀測(cè)值和對(duì)應(yīng)的概率值。

F>Fα（p，n-p-1）（或F≤Fα（p，n-p-1）） （3）

（3）進(jìn)行回歸系數(shù)顯著性檢驗(yàn)T檢驗(yàn)。對(duì)單個(gè)回歸系數(shù)進(jìn)行顯著性檢驗(yàn)，零假設(shè)和備擇假設(shè)分別是：H0：βi=0；H1：βi≠0（i=1，2，…，p）。根據(jù)給定的顯著水平α確定臨界值，用SPSS軟件可以計(jì)算出統(tǒng)計(jì)量的觀測(cè)值和對(duì)應(yīng)的概率值進(jìn)行判斷。

3.對(duì)回歸結(jié)果進(jìn)行分析endprint

得到回歸方程后對(duì)方程進(jìn)行分析預(yù)測(cè)，方程自變量前面的系數(shù)表示自變量X對(duì)因變量Y影響的大小，正回歸系數(shù)表示Y隨著X的增大而增大，負(fù)回歸系數(shù)表示Y隨著X的減小而減小?；貧w系數(shù)絕對(duì)值越大表示X對(duì)Y影響越大，關(guān)系越密切。

4.針對(duì)得到的結(jié)果進(jìn)行分析改進(jìn)

當(dāng)回歸系數(shù)為正或者為0時(shí)，表明作業(yè)與質(zhì)量水平標(biāo)準(zhǔn)差之間成正相關(guān)或者無(wú)關(guān)，當(dāng)作業(yè)增加時(shí)標(biāo)準(zhǔn)差增加或不變說(shuō)明作業(yè)的變化使得質(zhì)量水平下降或不變；反之，如果回歸系數(shù)為負(fù)，則表示當(dāng)作業(yè)增加時(shí)質(zhì)量水平提高了。

三、實(shí)證分析

選取內(nèi)蒙古JM稀土企業(yè)作為分析對(duì)象，對(duì)該企業(yè)的質(zhì)量成本進(jìn)行核算，按照作業(yè)質(zhì)量成本法，先進(jìn)行作業(yè)的劃分和作業(yè)中心的確定，然后對(duì)質(zhì)量成本進(jìn)行歸集分配，以得到的2012年3月—2013年10月共20個(gè)月的預(yù)防作業(yè)的成本數(shù)據(jù)作為樣本。得到的數(shù)據(jù)結(jié)果如表1所示。

（一）用因子分析對(duì)預(yù)防作業(yè)的數(shù)據(jù)處理

以JM稀土企業(yè)預(yù)防作業(yè)的成本作為分析對(duì)象，通過(guò)實(shí)地調(diào)研獲取了2012年3月—2013年10月共20個(gè)月的預(yù)防成本數(shù)據(jù)作為樣本，運(yùn)用SPSS16.0統(tǒng)計(jì)軟件進(jìn)行因子分析。

第一，匯總預(yù)防作業(yè)，如表2所示。

第二，得到各預(yù)防作業(yè)項(xiàng)目的相關(guān)系數(shù)矩陣表，如表3所示。

從表中可以看出各項(xiàng)目之間相關(guān)性較強(qiáng)，有必要做因子分析。

第三，通過(guò)KMO和Bartlett檢驗(yàn)，如表4。

從表4可以看出，KMO值為0.51，大于0.5，Bartlett值為412.323，Sig.值為0，說(shuō)明數(shù)據(jù)適合做因子分析，因子分析結(jié)果較好。

第四，得到方差解釋表，如表5。

表5中給出了每個(gè)公因子所解釋的方差及其累計(jì)和。觀察初始特征值一欄下的累計(jì)%列，前3個(gè)公因子解釋的累計(jì)方差達(dá)到83%以上，所以提取這3個(gè)公因子就能較好地解釋原來(lái)所有變量所包含的信息。

根據(jù)表5中初始特征值一欄下合計(jì)列繪制得到碎石圖，如圖2所示。觀察發(fā)現(xiàn)第三個(gè)公因子后的特征值變化趨緩，所以選取前3個(gè)公因子是比較恰當(dāng)?shù)摹?/p>

第五，得到旋轉(zhuǎn)后的因子載荷矩陣，如表6。

因子載荷是變量與公共因子的相關(guān)系數(shù)，載荷絕對(duì)值較大的因子與對(duì)應(yīng)的公因子的關(guān)系更密切，更能代表這個(gè)變量。從表5中可以看出，第一公因子更能代表X10、X9、X11、X3、X1這五個(gè)變量，第二公因子更能代表X2、X4、X5、X8、X12這五個(gè)變量，第三個(gè)公因子更能代表X7、X6這兩個(gè)變量。

根據(jù)各個(gè)變量的特點(diǎn)，筆者發(fā)現(xiàn)與第一公因子相關(guān)的作業(yè)都是作業(yè)模式比較固定的作業(yè)。比如生產(chǎn)準(zhǔn)備階段的作業(yè)和生產(chǎn)整理階段的作業(yè)，如X10代表的預(yù)防作業(yè)10，該作業(yè)中心中包括“記錄”、“清潔整理交接班”兩個(gè)作業(yè)，這兩個(gè)作業(yè)都是作業(yè)模式比較固定的作業(yè)。與第二公因子相關(guān)的作業(yè)都是作業(yè)模式比較靈活多變由人為控制的作業(yè)。比如生產(chǎn)過(guò)程中發(fā)生的作業(yè)，如X2代表的預(yù)防作業(yè)2，該作業(yè)中心中包括“調(diào)整投礦量”這個(gè)作業(yè)，這個(gè)作業(yè)模式不固定，需要人為調(diào)節(jié)投礦量。與第三公因子相關(guān)的作業(yè)是處于兩者之間的作業(yè)。

第六，得到因子得分系數(shù)矩陣，如表7。

由表7可得最終的因子得分公式為：

F1=0.137X1-0.102X2+0.220X3-0.089X4-0.036X5

+0.173X6+0.048X7-0.020X8+0.239X9+0.249X10+0.199X11

-0.014X12 （4）

F2=0.002X1+0.278X2-0.073X3+0.272X4+0.236X5

-0.030X6-0.025X7+0.219X8-0.049X9-0.061X10-0.027X11

+0.169X12 （5）

F3=0.268X1-0.038X2-0.030Xn-0.076X4+0.005X5

-0.551X6+0.573X7+0.020X8-0.085X9-0.084X10+0.045X11

+0.112X12 （6）

這樣通過(guò)因子得分公式可以最終計(jì)算出公因子的量。

（二）用回歸分析法對(duì)預(yù)防作業(yè)的分析

1.回歸分析自變量與因變量的選取

分析JM稀土企業(yè)預(yù)防成本與質(zhì)量水平之間的關(guān)系，首先要選取JM稀土企業(yè)的質(zhì)量衡量指標(biāo)。對(duì)于稀土產(chǎn)品的質(zhì)量水平來(lái)說(shuō)，品位是最重要的衡量指標(biāo)，所以選取產(chǎn)品品位的標(biāo)準(zhǔn)差作為產(chǎn)品質(zhì)量的衡量標(biāo)準(zhǔn)，即用每個(gè)月產(chǎn)品品位的標(biāo)準(zhǔn)差作為因變量Y，把因子分析得到的三個(gè)公因子作為自變量X，進(jìn)行回歸分析。由于JM稀土企業(yè)生產(chǎn)過(guò)程中對(duì)質(zhì)量影響的其他因素是固定不變的，比如，溫度是直接設(shè)定好的，所以在此例中未涉及控制變量。

2.對(duì)JM稀土企業(yè)預(yù)防成本進(jìn)行回歸分析

用SPSS16.0統(tǒng)計(jì)軟件對(duì)提取的主成分以及因變量產(chǎn)品質(zhì)量水平的標(biāo)準(zhǔn)差進(jìn)行回歸。首先，得到回歸分析基本情況表。R2統(tǒng)計(jì)量的值大于75%，說(shuō)明自變量能夠較好地解釋因變量，認(rèn)為擬合優(yōu)度較高，被解釋變量可以被模型解釋的部分占絕大多數(shù)，未被解釋的部分很少，如表8所示。

其次，進(jìn)行顯著性檢驗(yàn)得到回歸方差分析表，如表9。表9中各列數(shù)據(jù)項(xiàng)的含義依次是：被解釋變量的變差來(lái)源、離差平方和、自由度、均方、回歸方程中顯著性檢驗(yàn)的F統(tǒng)計(jì)量的觀測(cè)值和概率p值。F統(tǒng)計(jì)量的觀測(cè)值為61.530，對(duì)應(yīng)的p值小于顯著性水平0.05，說(shuō)明解釋變量和被解釋變量之間的線性關(guān)系是顯著的，可以建立線性方程。

最后，得到多元線性回歸系數(shù)分析表，如表10?；貧w系數(shù)顯著性檢驗(yàn)中t統(tǒng)計(jì)量對(duì)應(yīng)的p值都小于0.05，應(yīng)該拒絕零假設(shè)，說(shuō)明解釋變量與被解釋變量的線性關(guān)系是顯著的，通過(guò)了t檢驗(yàn)。容忍度都較高接近于1，方差膨脹因子VIF接近于1，遠(yuǎn)遠(yuǎn)小于10，說(shuō)明多重共線性較弱，變量之間不能相互取代。endprint

所以得到最終的回歸方程是：

y=185.571-0.003x1-0.025x2-0.011x3 （7）

由式（7）回歸方程可以看出解釋變量前的系數(shù)都為負(fù)，說(shuō)明x與y成反向變動(dòng)，即當(dāng)作業(yè)增加質(zhì)量水平提高。

解釋變量對(duì)質(zhì)量水平標(biāo)準(zhǔn)差都是有影響的，但是影響的程度不同。x2的系數(shù)最大，表示x2與y的關(guān)系最密切。x2每增加一單位，y減少0.0248個(gè)單位，質(zhì)量水平提高較明顯。解釋變量x2，也就是因子分析中公因子F2，它代表了X2、X4、X5、X8、X12這五個(gè)作業(yè)，這些作業(yè)中心中分別包含了“確定最佳窯轉(zhuǎn)速”作業(yè)，“檢查出料情況”、“調(diào)整窯轉(zhuǎn)速、溫度并記錄”，“通知焙燒崗位增減鐵粉加入量”，“注意壓力表”、“檢查壓力情況”、“確保管道暢通”幾個(gè)作業(yè)，這些作業(yè)都是由工人掌控且操作比較靈活的作業(yè)，這些作業(yè)與質(zhì)量水平關(guān)系密切。由此可以看出，預(yù)防作業(yè)中對(duì)質(zhì)量水平貢獻(xiàn)最大的是這些靈活操作的作業(yè)。而x1與x3前面的系數(shù)都較小，說(shuō)明對(duì)質(zhì)量水平的影響較小。

四、預(yù)防作業(yè)的改進(jìn)建議

經(jīng)過(guò)分析得知JM的預(yù)防作業(yè)都對(duì)質(zhì)量水平起到了正向的作用，沒(méi)有需要剔除的作業(yè)，且x2代表的作業(yè)即由工人掌控且操作比較靈活的作業(yè)對(duì)質(zhì)量水平的貢獻(xiàn)最為明顯。企業(yè)可以通過(guò)質(zhì)量培訓(xùn)來(lái)提高員工的素質(zhì)和質(zhì)量意識(shí)，將產(chǎn)品的質(zhì)量與員工績(jī)效考核相關(guān)聯(lián)，對(duì)生產(chǎn)工藝流程進(jìn)行進(jìn)一步的完善，并要求員工嚴(yán)格按照操作手冊(cè)操作，以此來(lái)改善預(yù)防作業(yè)，從而提高企業(yè)的質(zhì)量水平。

【參考文獻(xiàn)】

[1] Feigenbaum.A.V.Total quality control[M]. Harvard Business Review，1956，34（6）：93-101.

[2] Cooper. R，Kaplan，R.S. Measure costs right：Make the right decisions[J]. Harvard Business Review，1988，66（5）：96-103.

[3] Tsai.W.H.Quality cost measurement under activity-based costing[J]. Quality cost measurement，1998，15（7）：719-751.

[4] Letza. S.R，Gadd.K. Should activity-based costing be considered as the costing method of choice for total quality organizations？[J].The TQM Magazine，1994，6（5）：57-63.

[5] 羅鳳明，邱勁飚，李明華，等.如何使用統(tǒng)計(jì)軟件SPSS進(jìn)行回歸分析[J].電腦知識(shí)與技術(shù)，2008（1）：293-294，304.endprint

所以得到最終的回歸方程是：

y=185.571-0.003x1-0.025x2-0.011x3 （7）

由式（7）回歸方程可以看出解釋變量前的系數(shù)都為負(fù)，說(shuō)明x與y成反向變動(dòng)，即當(dāng)作業(yè)增加質(zhì)量水平提高。

解釋變量對(duì)質(zhì)量水平標(biāo)準(zhǔn)差都是有影響的，但是影響的程度不同。x2的系數(shù)最大，表示x2與y的關(guān)系最密切。x2每增加一單位，y減少0.0248個(gè)單位，質(zhì)量水平提高較明顯。解釋變量x2，也就是因子分析中公因子F2，它代表了X2、X4、X5、X8、X12這五個(gè)作業(yè)，這些作業(yè)中心中分別包含了“確定最佳窯轉(zhuǎn)速”作業(yè)，“檢查出料情況”、“調(diào)整窯轉(zhuǎn)速、溫度并記錄”，“通知焙燒崗位增減鐵粉加入量”，“注意壓力表”、“檢查壓力情況”、“確保管道暢通”幾個(gè)作業(yè)，這些作業(yè)都是由工人掌控且操作比較靈活的作業(yè)，這些作業(yè)與質(zhì)量水平關(guān)系密切。由此可以看出，預(yù)防作業(yè)中對(duì)質(zhì)量水平貢獻(xiàn)最大的是這些靈活操作的作業(yè)。而x1與x3前面的系數(shù)都較小，說(shuō)明對(duì)質(zhì)量水平的影響較小。

四、預(yù)防作業(yè)的改進(jìn)建議

經(jīng)過(guò)分析得知JM的預(yù)防作業(yè)都對(duì)質(zhì)量水平起到了正向的作用，沒(méi)有需要剔除的作業(yè)，且x2代表的作業(yè)即由工人掌控且操作比較靈活的作業(yè)對(duì)質(zhì)量水平的貢獻(xiàn)最為明顯。企業(yè)可以通過(guò)質(zhì)量培訓(xùn)來(lái)提高員工的素質(zhì)和質(zhì)量意識(shí)，將產(chǎn)品的質(zhì)量與員工績(jī)效考核相關(guān)聯(lián)，對(duì)生產(chǎn)工藝流程進(jìn)行進(jìn)一步的完善，并要求員工嚴(yán)格按照操作手冊(cè)操作，以此來(lái)改善預(yù)防作業(yè)，從而提高企業(yè)的質(zhì)量水平。

【參考文獻(xiàn)】

[1] Feigenbaum.A.V.Total quality control[M]. Harvard Business Review，1956，34（6）：93-101.

[2] Cooper. R，Kaplan，R.S. Measure costs right：Make the right decisions[J]. Harvard Business Review，1988，66（5）：96-103.

[3] Tsai.W.H.Quality cost measurement under activity-based costing[J]. Quality cost measurement，1998，15（7）：719-751.

[4] Letza. S.R，Gadd.K. Should activity-based costing be considered as the costing method of choice for total quality organizations？[J].The TQM Magazine，1994，6（5）：57-63.

[5] 羅鳳明，邱勁飚，李明華，等.如何使用統(tǒng)計(jì)軟件SPSS進(jìn)行回歸分析[J].電腦知識(shí)與技術(shù)，2008（1）：293-294，304.endprint

所以得到最終的回歸方程是：

y=185.571-0.003x1-0.025x2-0.011x3 （7）

由式（7）回歸方程可以看出解釋變量前的系數(shù)都為負(fù)，說(shuō)明x與y成反向變動(dòng)，即當(dāng)作業(yè)增加質(zhì)量水平提高。

解釋變量對(duì)質(zhì)量水平標(biāo)準(zhǔn)差都是有影響的，但是影響的程度不同。x2的系數(shù)最大，表示x2與y的關(guān)系最密切。x2每增加一單位，y減少0.0248個(gè)單位，質(zhì)量水平提高較明顯。解釋變量x2，也就是因子分析中公因子F2，它代表了X2、X4、X5、X8、X12這五個(gè)作業(yè)，這些作業(yè)中心中分別包含了“確定最佳窯轉(zhuǎn)速”作業(yè)，“檢查出料情況”、“調(diào)整窯轉(zhuǎn)速、溫度并記錄”，“通知焙燒崗位增減鐵粉加入量”，“注意壓力表”、“檢查壓力情況”、“確保管道暢通”幾個(gè)作業(yè)，這些作業(yè)都是由工人掌控且操作比較靈活的作業(yè)，這些作業(yè)與質(zhì)量水平關(guān)系密切。由此可以看出，預(yù)防作業(yè)中對(duì)質(zhì)量水平貢獻(xiàn)最大的是這些靈活操作的作業(yè)。而x1與x3前面的系數(shù)都較小，說(shuō)明對(duì)質(zhì)量水平的影響較小。

四、預(yù)防作業(yè)的改進(jìn)建議

經(jīng)過(guò)分析得知JM的預(yù)防作業(yè)都對(duì)質(zhì)量水平起到了正向的作用，沒(méi)有需要剔除的作業(yè)，且x2代表的作業(yè)即由工人掌控且操作比較靈活的作業(yè)對(duì)質(zhì)量水平的貢獻(xiàn)最為明顯。企業(yè)可以通過(guò)質(zhì)量培訓(xùn)來(lái)提高員工的素質(zhì)和質(zhì)量意識(shí)，將產(chǎn)品的質(zhì)量與員工績(jī)效考核相關(guān)聯(lián)，對(duì)生產(chǎn)工藝流程進(jìn)行進(jìn)一步的完善，并要求員工嚴(yán)格按照操作手冊(cè)操作，以此來(lái)改善預(yù)防作業(yè)，從而提高企業(yè)的質(zhì)量水平。

【參考文獻(xiàn)】

[1] Feigenbaum.A.V.Total quality control[M]. Harvard Business Review，1956，34（6）：93-101.

[2] Cooper. R，Kaplan，R.S. Measure costs right：Make the right decisions[J]. Harvard Business Review，1988，66（5）：96-103.

[3] Tsai.W.H.Quality cost measurement under activity-based costing[J]. Quality cost measurement，1998，15（7）：719-751.

[4] Letza. S.R，Gadd.K. Should activity-based costing be considered as the costing method of choice for total quality organizations？[J].The TQM Magazine，1994，6（5）：57-63.

[5] 羅鳳明，邱勁飚，李明華，等.如何使用統(tǒng)計(jì)軟件SPSS進(jìn)行回歸分析[J].電腦知識(shí)與技術(shù)，2008（1）：293-294，304.endprint