冶金选矿厂成本控制分析

1、ivsl -r MV IT« mht *w 冶金选矿厂成本控制分析本课题得到辽宁省教育厅科研基金（项目编号：05W125 ）的资助郑毅，高青山辽宁工程技术大学，辽宁葫芦岛市（125105）E-mail: Zhengyi586摘要：本文运用多元线性回归分析法建立了精矿成本的预测模型，经检验并和实际数据对比，结果令人满意，达到了成本事前控制的目的，避免了精矿成本决策的片面性和局限性。 关键词：多元线性回归，回归检验中图分类号：F272.11.引言-1-ivsl -r MV IT« mht *w 选矿企业的竞争最直接的体现是成本的竞争，成本是评价选矿企业业绩最关键、最重要的指标，

2、是衡量公司竞争力和赢利水平的一个关键因素。本论文通过运用多元回归分析法建立了精矿成本的预测模型，为选矿企业的成本预测提供了一种比较有效的预测方法。并且， 利用该种方法对甲矿二选厂的精矿成本进行了预测，经检验并和实际数据对比，结果令人满意，说明回归预测模型在精矿成本预测中具有较好的实用价值。2. 甲铅锌矿及其二选厂工艺流程简介甲铅锌矿位于内蒙古，是中国北方少见的大型铅锌金属矿床，始建于1979年，经过二工艺流程的创新与改进，可 从而，可以优化选矿企业的成十六年的建设，已发展成为采、选、冶、机加制造配套成龙的现代化大型矿山企业。甲铅锌 矿现有两个采区、两个选矿厂、一个提升运输工区、一个铅冶炼厂等六

3、个主体生产单位。选矿工艺流程在选矿企业生产过程中起着非常重要的作用，以提高选矿过程中的生产效率及矿石品位、降低物耗与能耗。本管理。冶金选矿工艺流程是由选前的矿石准备作业、选别作业、选后的脱水作业所组成的连续生产过程。矿石经过选矿后， 可得到精矿和尾矿两种产品。冶金选矿生产工艺流程如图-2-ivsl -r MV IT« mht *w -#-ivsl -r MV IT« mht *w 1所示。图1选矿工艺流程Fig1 Process flow of mine-#-ivsl -r MV IT« mht *w -#-ivsl -r MV IT« mht *w 3

4、. 精矿成本主要影响因素的确定本文将以甲铅锌矿二选厂某年的成本汇总表为例来做具体分析:-#-Wi l - jBtF MV-PVW -W 1 表1二选厂成本汇总表Tab.1 cost summary of mine 2项目金额（元）项目金额（元）1人工费合计1980001.1管理人员810004.维修1.2生产工人1215004.1人工费15390合计2025004.2备件251102.材料及供电合计405002.1矿石4464005.承包和咨询2.2磨矿介质及衬板43205.1运输155252.3滤布180005.2其他费168752.4供电2304005.3冶金216002.5其他20800

5、5.4咨询费13500合计7200006.管理费用3药剂6.1旅差费425253.1捕收剂594006.2培训费243003.2调整剂495006.3尾矿坝复垦437403.3起泡剂534606.4其他费用109353.4絮凝剂35640成本总计13500003.1原矿品位对精矿成本的影响分析据业内人士介绍：矿石品位是指有色矿石中可选某种有色金属所占的比率。铅锌原矿石是生产精矿的主要材料，从表1可以看出矿石耗用金额为：446400元，占材料及供电耗用金额的62%，占精矿整个生产成本的33.07%。矿石价格一般都是企业内部价格，波动很小，所以，对精矿成本有影响的当属原矿石耗用量。然而，所耗用原矿

6、石最多可以选多少精矿主要取决于原矿的品位，品位越高,所选的精矿量越多，相应耗用的磨矿介质和衬板以及药剂较 少，所耗用的费用越低；品位越低，所选的精矿量越少，耗用的费用越高。因此，品位的高 低是影响精矿成本的重要因素。3.2电能单位耗用量对精矿成本的影响分析在选矿工艺流程的每一个阶段电能都是不可缺少的，从表1的相关数据来看，电能耗用金额为230400元，占材料及供电耗用金额的32%，占精矿总成本的17.07%。将其和其他影响因素所占精矿总成本的比重进行比较，可以看出电能耗用金额在精矿成本总额中占的比重是比较大的。又因为电能单位价格一般波动不大，所以，电能耗用金额的大小主要取决于单位耗用量的大小。

7、因此，在进行精矿成本预测时电能耗用量是必须考虑的因素之一。4. 样本数据的选取为了对该选厂精矿成本预测模型中各影响因素对应的回归系数进行比较精确的估计，为了下文能求解出三因素与精矿成本之间的关系表达式，本节选取了甲铅锌矿二选厂1990年到2004年共15年的数据资料，如表 2所示。w.1 - JBLF MV-PVW -W 1 表2样本数据表Tab.2 data table of specimen年度精矿成本Y原矿铅品位X1电能单能X2原矿锌品位X(万元)(kg/t)(kwh/t)(%)1990 175.566.92818.9750.7781991 181.116.36818.9551.5199

8、2 162.2246.05818.552.11993 176.0095.37818.451.61994 165.006.54817.8951.51995 150.2217.09818.2511996 149.9996.69818.351.21997 130.997.30818.5452.41998 170.766.69818.6251.41999 175.2316.08818.451.22000 190.6896.36818.950.22001 157.2366.79818.6351.62002 182.006.48818.9351.1152003 181.2216.31818.9151.52

9、004 161.226.71818.6515. 精矿成本预测模型的求解本节将依据表2中，原矿铅品位、电能单耗、原矿锌品位的历年数据来对精矿成本预测 模型中的回归系数进行求解。根据多元线性回归分析法 可知精矿成本预测模型为：Y二？o+ gxi+ 际+ &X3(1)其中：X1代表原矿铅品位、X2代表电能单耗、X3代表原矿锌品位将数据带入spss15统计软件进行多元线性回归分析，结果如下：表3相关系数汇总表Tab.3 Model SummaryModelRR SquareAdjusted R SquareStd. Error of theEstimate1.912(a).832.7867.2

10、4877a Predictors: (Constant), VAR00004, VAR00002, VAR00003表4 方差表Tab.3 ANOV A(b)ModelSum ofSquaresdfMean SquareFSig.1Regression2867.3393955.78018.190.000(a)Residual577.9921152.545Total3445.33114a Predictors: (Constant), VAR00004, VAR00002, VAR00003 b Dependent Variable: VAR00001-4-ivsl -r MV IT«

11、! <rv*wv *w 表5 系数表Tab.3 Coefficients(a)ModelUnstandardized CoefficientsStandardizedCoefficientstSig.BStd. ErrorBetaBStd. Error1(Constant)620.445256.2062.422.034VAR00002-20.1794.122-.605-4.896.000VAR0000320.4186.351.4113.215.008VAR00004-13.6533.827-.457-3.567.004a Dependent Variable: VAR00001由此得到精

12、矿成本预测模型的回归系数，则可得：Y = 620.445- 20.179 X1 +20.418 X2 - 13.653 X3(2)这就是该精矿成本与原矿铅品位、电能单耗及原矿锌品位四者之间的线性关系表达式。6. 精矿成本预测模型回归效果检验在精矿成本预测模型确定后，该模型是否可用于实际，是否有意义，要解决这一问题，还需要对该模型的回归效果进行以下判断和检验。6.1该模型拟合度的评价通过对该模型拟合度的评价，可以判断出原矿铅品位、电能单耗、原矿锌品位与精矿2成本结合的紧密程度。判断该模型拟和程度的指标-可决系数R，并且由于该模型属于多2元线性回归模型，所以须用修正自由度的可决系数R来对该模型的拟

13、和程度进行评价。2 2根据表3的计算结果可知，可决系数R =0.832，修正自由度的可决系数R =0.7862R越接近与1说明拟和程度越高，由此说明，前述回归模型解释了精矿成本变差的78.6%，有着高的代表性，并且也进一步说明了原矿铅品位、电能单耗、原矿锌品位与精矿成本的确存在着很高相关度和紧密程度。6.2回归系数的显著性检验进行回归系数的检验主要目的是为了检验各回归系数对应的自变量对因变量的影响是否显著，以便对自变量的取舍做出正确的判断。根据上面的计算结果，对精矿成本预测模型中的各回归系数进行t检验。t ? = 2.422 >2.201说明常数项对精矿成本预测具有实际意义；tg = 4

14、.896>2.201说明原矿铅品位对精矿成本的影响是显著的；t ? = 3.215>2.201说明电能单耗对精矿成本的影响是显著的；t ? = 3.567 >2.201说明原矿锌品位对精矿成本的影响是显著的。6.3精矿成本预测模型的显著性检验由于该模型属于多元线性回归模型，包含了四个回归系数，所以应对该回归方程进行显著性检验。根据表 4的计算结果知道 F统计量为18.19,根据第一自由度3 ,第二自由度11,和显著性水平a=1%，查F(3,11)分步表可知Fa =6.22。因为，F的值远远大于Fa,即认为回归模型中，原矿铅品位、电能单耗、原矿锌品位与精矿成本的线形关系显著，并

15、且这一组回归系数有意义，可以利用所建立的多元线性回归预测模型进行实际成本预测。7. 进行成本预测、成本控制分析2经过以上检验，说明前面得出的回归模型方程应用效果是比较好的，它具有相当的代表性所以，可以借助该模型预测未来年度精矿成本，并可依此开展成本控制分析。表6成本预测分析表Tab.6 analysis table of cost forecast年度原矿铅品位X1(%)电能单耗X2 (kwh/t)原矿锌品位X 3(%)精矿成本 Y(万元)2005年预测6.728 18.8651.56165.832005年实际6.876 18.8551.63161.692006年预测7.031 18.8651

16、.56159.722006年实际7.016 18.8451.67158.112007年预测7.05318.8751.71157.43由表6可知,根据年初确定的原矿铅品位、电能单耗、原矿锌品位资料，应用预测模型 即可预测出二选厂全年的精矿成本，得到预测值。2005年与2006年的预测值与实际发生值见表6。同理可预测2007年的精矿成本值。因此，当2007年原矿铅品位为 7.053%，电能单耗为18.87kw/t时,原矿锌品位为 51.71%预测的精矿成本置信范围在144.4528到170.4072之间,其概率保证程度为90%,若要求精度提高到95%时，则预测的精矿成本置信区间在141.5256

17、到 173.3344 之间。经过精矿成本的预测值与实际值的比较，一方面，可以看出原矿铅品位、电能单耗、原 矿锌品位与精矿成本间存在着线性关系，预测的差异较小、模型精度较高，这说明了精矿成本预测效果令人满意；另一方面，精矿成本持续降低，这也说明了成本的事前控制是比较成功的。8. 成本预测对甲铅锌矿二选厂的现实意义甲铅锌矿二选厂成本预测几乎都是根据以往的经验，这种来自领导下达式的经验数据，没有可靠的依据，其结果往往收效不大，并且在现代企业制度下，如果还是凭借那种经验来推 算精矿成本的话，必定丧失市场竞争能力。而且也不利于该选厂的成本计划与成本控制具体实施.最终也将不利于其成本的降低和经济效益的提高

18、。在这种情况下，本文通过对该矿二选厂成本影响因素的分析，选取了对精矿成本影响最大的三个因素，即：原矿铅品位、电能单耗、原矿锌品位。并且在此分析的基础上，收集整理了三大影响因素15年的历史数据，利用多元回归分析法建立了精矿成本预测模型，而且该预测模型已经过一系列的精度判断与检验，具有一定的可靠性和可操作性。通过建立该预测模型， 一方面，可以给二选厂的管理者提供一种成本预测的工具”帮助其减少在成本预测时的盲目性。另一方面，便于对精矿成本进行科学准确地预测，在成本预测数据比较准确后， 才会使成本计划和成本控制更为有效。因为，成本预测既是成本计划的基础，也是成本事前控制的起点和成败的关键。参考文献1 马庆国.管理统计学:M.第1版北京：科学出版社2002.267-2732 Mark S.Better,“ Cost Management: Control and Profitability” J Journal of Cost Management