基于数理统计视角的废烟支消耗分析.docVIP

基于数理统计视角的废烟支消耗分析[摘要] 结合车间生产实践，运用数理统计理论和方法，借助MACD技术分析，以废烟支为例，研究车间物料消耗的性态和规律，尝试构建物料消耗关联关系分析模型，建立物料消耗实时监测反馈机制，以实现对物料消耗的控制。[关键词] 废烟支 物料消耗 关联关系 监测 反馈1 概述物料消耗是生产成本的直接决定因素之一，降低生产成本是烟草工业企业扩大税利的重要途径。未来烟草工业企业将逐步走上物料消耗精细化管理之路，而建立有效的物料消耗分析和监控体系则是最为关键的一步。为此，本文以夯实卷包车间管理基础为出发点，以废烟支消耗为例，构建关联关系分析模型和监测与反馈机制。关联关系分析模型是依据统计学的基本原理推出，借助数理统计软件，采用描述性统计、相关关系分析和多元线性回归分析等统计方法，对车间废烟支消耗的原始数据进行处理和分析，掌握每一机组和每一牌号的废烟支消耗性态及规律；废烟支消耗实时监测与反馈机制则借鉴平滑异同移动平均线（MACD）并加以修正，建立三线分析模块，辅之以红黄绿预警线，实现废烟支消耗的实时监测与反馈。2 变量设计和数据处理以废烟支单箱消耗作为被解释变量，以有效作业率、停机频次、停机时间等作为解释变量。各变量设计如表1所示。根据上述变量设计，从管理信息系统、制造执行系统和其它手工记录等采集相应的数据。由于公司某牌号产品质量稳定且产量较大，集中在3台同型号的机组上生产，因此选择该牌号产品作为研究对象，采集2012年2～4月的相关数据（包含57个有效生产日），共计616条记录。剔除废烟支消耗约首尾各1.25%的极端异常值，剩下599条有效数据记录。3 建立废烟支消耗关联关系分析模型3.1 废烟支消耗描述性统计被解释变量（即废烟支单箱消耗）是由当班废烟支量除以某牌号正品入库量得到，其单位为kg/箱。利用SPSS16软件进行描述性统计，得到如表2、表3结果。描述性统计显示，废烟支消耗最大值为1.0443kg/箱，最小值为0.0651kg/箱，平均值为0.3071kg/箱。5%分位和95%分位对应的废烟支单耗为0.1255kg/箱和0.5508kg/箱，界定了窗口内该牌号废烟支消耗的正常波动范围。3.2 相关关系分析在本文的样本中，质量事件和人为事故没有有效的数据记录，因此在相关关系分析中剔除这两个变量。相关关系分析结果见表4。表中显示了各个变量之间的相关关系系数（略去p值），其中带有**上标的系数表示在0.01的水平上具有显著性，带有*上标的系数表示在0.05的水平上具有显著性。在上述变量中，显著的相关关系集中在废烟支单耗、废烟支量、正品产量、停机频次、停机时间和轮保这几个变量之间。废烟支单耗与废烟支量、停机频次、停机时间、扫尾和排空呈显著的正相关关系，与有效作业率和换牌呈显著的负相关关系；废烟支量与正品产量呈显著的正相关关系，与停机时间和换牌呈显著的负相关关系；排空与换牌、轮保、扫尾呈显著正相关关系。上述变量之间的相关关系，是纯粹从数据趋势上来看两个变量的线性关联度，无法说明因果关系，但可以作为多元线性回归分析结果的重要参考。3.3 多元线性回归分析多元线性回归分析假定被解释变量是连续正态分布，解释变量则可以是连续型数据也可以是离散型数据。废烟支单耗属于平稳的时间序列，可以以之为被解释变量进行多元线性回归分析。在本文所采集的数据中，主要材料问题、质量事件和人为事故三个变量无有效数据，因此暂剔除这些变量。3.3.1 模型一为保证线性回归的全面性和客观性，以废烟支单耗为被解释变量，以常数、废烟支量、正品产量、停机频次、停机时间、有效作业率、辅助材料问题、换牌、轮保、扫尾、排空为解释变量建立模型一，进行多元线性回归，得到结果，如表5所示。a. Dependent Variable： 废烟支单耗回归模型的R=0.931，p值=0，回归模型具有显著性。常数项、废烟支量、正品产量、有效作业率的p值为0，其余变量的p值大于0.05。回归结果不理想，回归模型需要改进。废烟支单耗和废烟支量具有线性同源性，放入同一模型将产生极大的偏差，因此剔除废烟支量这一变量。结合实际生产情况，在机器正常开动的情况下，正品产量的大小将影响废烟支单耗，且正品产量与废烟支单耗是反函数关系，因此模型中应当保留正品产量这一变量。3.3.2 模型二以废烟支单耗为被解释变量，以常数、正品产量、停机频次、停机时间、有效作业率、换牌、轮保、扫尾、排空、辅助材料问题为解释变量建立模型二，进行多元线性回归，结果见表6。a. Dependent Variable： 废烟支单耗回归模型的R=0.606，p值=0，回归结果具有显著性。常数项、正品产量、停机频次、停机时间、有效作业率、换牌、扫尾的p值小于0.05，回归系数具有显著性，模型较为理想。然而，停机时间和换牌两个变量