某公司积累了21个项目缺陷个数与返工工作量的数据,如下表所示:
项目序号 | 缺陷修复工时 | 缺陷数 |
1 | 9433 | 1445 |
2 | 2990 | 405 |
3 | 634 | 74 |
4 | 647 | 138 |
5 | 4960 | 710 |
6 | 1370 | 246 |
7 | 740 | 66 |
8 | 1223 | 218 |
9 | 2766 | 528 |
10 | 8302 | 1378 |
11 | 626 | 78 |
12 | 611 | 151 |
13 | 811 | 105 |
14 | 2090 | 320 |
15 | 1440 | 235 |
16 | 5160 | 784 |
17 | 7100 | 1030 |
18 | 7560 | 1239 |
19 | 1737 | 321 |
20 | 6830 | 987 |
21 | 3250 | 473 |
对缺陷数与缺陷修复工时做回归分析分析得到如下的方程:
由回归方程:缺陷修复工时=4.0371+6.4217缺陷数 可以推理如下:
1 由于方程的截距为4.0371,斜率为6.4217,则修复缺陷的固定成本为4.0371个工时,每增加一个缺陷增加6.4217个工时的变动成本。
2 如果要降低返工成本,有两种方法:
1)少犯错,即x越小,y就越小。
2)提高缺陷修复的效率,降低方程中的斜率,即可以将变动成本从6.4217降至更低的数值。