La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Obiettivi dellindagine Studiare le relazioni tra attività di HR e performance economica Studiare le relazioni tra attività di HR e performance economica.

Presentazioni simili


Presentazione sul tema: "Obiettivi dellindagine Studiare le relazioni tra attività di HR e performance economica Studiare le relazioni tra attività di HR e performance economica."— Transcript della presentazione:

1 Obiettivi dellindagine Studiare le relazioni tra attività di HR e performance economica Studiare le relazioni tra attività di HR e performance economica Verificare possibili effetti di superadditività dovuti allo sviluppo complementare dei boundles Verificare possibili effetti di superadditività dovuti allo sviluppo complementare dei boundles Verificare differenze su qualità e produttività tra mass production e flexible production Verificare differenze su qualità e produttività tra mass production e flexible production

2 Attività innovative di Risorse Umane Abilità/ Conoscenza Motivazione/ Impegno Integrazione di HR con Produzione, Sistema, S trategia INDICE WORK SYSTEM Lavoro in TeamXXX Gruppi per risolvere problemi X X X Suggerimenti dei dipendenti Eseguiti e implementati X X X Rotazione del lavoroX X Decentralizzazione dei lavori Collegati alla Qualità X X INDICE POLITICHE HRM Selezione e assunzioniXX Risarcimento contingente XX Differenziazione di posizioni X Formazione di nuovi dipendentiXX Formazione di dipendenti con Esperienza X X Attività innovative di HR e il loro collegamento con la performance economica

3 CAMPIONE 62 impianti volume (base di prezzo < $23000) per categorie regionali. 62 impianti volume (base di prezzo < $23000) per categorie regionali. 62TOTALE 6Australia 11 Nuovi entranti 19Europa 14U.S.A. 4 Giappone – Impianti madre nel Nord America 8Giappone n Categoria Regionale

4 Questionario Contattati 90 impianti 1987-1990 Contattati 90 impianti 1987-1990 Ricevute risposte da 70 stabilimenti Ricevute risposte da 70 stabilimenti Considerati 62 impianti categoria volume Considerati 62 impianti categoria volume

5 Composizione degli indici Livello Scorte Componenti Scorte Veicoli in costruzione Aree verniciatura/assemblaggio USO DI BUFFER Area Riparazione (sq.feet come % sullarea Di Assemblaggio) Di Assemblaggio) Controllo Qualità nei Reparti (0=nessuna, 4=intensiva) Indice Rotazione Lavoro (0=nessuno, 4=intensivo) % Suggerimenti implementati Suggerimenti per dipendente % Forza Lavoro in gruppi EI, QC WORK SYSTEM % Forza Lavoro in Team Status: Barriere Manager/worker (0= intense;4= poco) (0= intense;4= poco) Compenso Contingente (0=nessuno; 4=basato sulla Performance dellimpianto) Performance dellimpianto) Formazione per dipendenti con esperienza (0=poco 1=tanto) Formazione per nuovi assunti (0= poco, 1=tanto) POLITICHE HRM Criteri di Selezione (Low= esperienze di lavoro Passate; High= abilità interpersonali, capacità Di acquisire nuove competenze)

6 Convalidare un paniere: risultati (1) Reliability Test: rivela una significativa correlazione tre la variabili incluse: Reliability Test: rivela una significativa correlazione tre la variabili incluse: - α di Cronbach = 0.63 per Uso di Scorte - α di Cronbach = 0.70 per Politiche HRM - α di Cronbach = 0.81 per Sistemi del Lavoro. I tre indici sono anche fortemente correlati: - Uso di Scorte e Sistemi di lavoro: r = 0.62 - Uso di Scorte e politiche HRM: r = 0.48 - Sistemi di Lavoro e politiche HRM: r = 0.62. - α di Cronbach = 0.8 per lindice POI Cluster Analysis: misura Euclidea per la distanza tra centroidi e metodo della media nei gruppi producevano i cluster statisticamente più distinti: soluzioni a due, a tre e a quattro cluster. Cluster Analysis: misura Euclidea per la distanza tra centroidi e metodo della media nei gruppi producevano i cluster statisticamente più distinti: soluzioni a due, a tre e a quattro cluster.

7 Convalidare un paniere: risultati (2) CLUSTER ANALYSIS: Tutti gli items singolarmente sono risultati significativi Tutti gli items singolarmente sono risultati significativi I tre indici hanno fornito i seguenti risultati: VariabileCampione (n = 57) MassProd (n = 29) Transizione (n = 14) (n = 14)FlexProd (n = 14) Indice Uso di Buffer 58.744.762.783.5 Indice Work System 32.018.824.366.7 Indice Politiche HRM 47.326.555.981.8 PRODUTTIVITA36.633.420.9 QUALITA94.173.949.5

8 Risultati: correlazione e significato dei cluster Le correlazioni semplici tra lindice di organizzazione di produzione e la performance sono relativamente alte, e simili: * per Uso di Buffer e produttività r =-0.49 * per Work System e produttività r =-0.50 * per Politiche HRM e produttività r =-0.50 * per Uso di Buffer e qualità r =-0.49 * per Work System e qualità r =-0.43 * per Politiche HRM e qualità r =-0.67 Nota: questo risultato conferma il valore di combinare attività individuali in bundles (corr. Items < corr. Indici).

9 Variabili Dipendenti Produttività (ore di lavoro per veicolo) Qualità (difetti per 100 veicoli) Variabili Indipendenti Uso di Buffer Work System Politiche HRM POI

10 Variabili di controllo Numero medio pesato di anni fino allintroduzione di un modello più importante per ogni prodotto Età Design Prodotto Variazioni nel n° dei fili del sistema di condutture elettriche, colore esteriore,combinazioni motore/trasmissione; n° di parti dellarea di assemblaggio; % di parti comuni tra i veicoli; e n° di fornitori delle parti dellarea di assemblaggio Complessità Componenti Gamma di piattaforme e modelli diversi nellimpianto Complessità Gamma Modelli Numero medio di veicoli costruiti durante un giorno standard Scala di Produzione Stock di automazione totale, definita come % di passi di produzione diretta che sono automatizzati Automazione Totale Descrizione Nome variabile

11 Specificazione del modello Equazioni di regressione base case Log(Produttività)= Log(Automazione Totale)+Log(Età Modello Prodotto)+ +Log(Scala) +Log(Complessità Gamma Modelli)+ +Log(Scala) +Log(Complessità Gamma Modelli)+ +Log(Complessità Pezzi) +Log(Complessità Pezzi) Log(Qualità)= Log(Automazione Totale)+Log(Età Modello Prodotto)+ +Log(Scala) +Log(Complessità Gamma Modelli)+ +Log(Scala) +Log(Complessità Gamma Modelli)+ +Log(Complessità Pezzi) +Log(Complessità Pezzi) Nota: trasformazione logaritmica delle variabili in accordo con la funzione di produzione Cobb-Douglas funzione di produzione Cobb-Douglas

12 Missed values 5 impianti nel campione hanno valori mancanti per alcune variabili negli indici Sistema Lavoro e politiche HRM e dati completi per le restanti variabili. POSSIBILI SOLUZIONI: 1. Eliminazione delle 5 osservazioni; 2. Sostituzione dei valori mancanti con le rispettive medie campionarie. La soluzione 2 è preferibile per preservare i gradi di libertà, dato lalto numero di variabili da inserire nella equazione di regressione e la dimensione relativamente piccola del campione.

13 Regressioni Produttività 9.0*** 3.6*4.6**3.5*- F per Cambiamento R 2 da BaseCase 13.3*** 11.4***11.7***11.4***12.4*** F per Equazione 0.5480.5570.5060.5130.5050.483 Adjusted R 2 -0.29*** (.096) ----- Log POI (additivo) --0.07*** (.021) ---- Log POI (moltiplicativo) ---0.08* (0.04) --- Log Politiche HRM ----0.09** (.043) -- Log Work System -----0.09* (.048) - Log Uso di Buffer Eq. 6Eq. 5Eq. 4Eq. 3Eq. 2Base CaseVariabile

14 Regressioni Qualità 26.6***14.0***10.3***5.0**1.5- F per Cambiamento R 2 da BaseCase 6.6***4.1***3.4***2.3**1.6 F per Equazione 0.4290.2930.2410.1490.0750.064 Adjusted R 2 -0.65*** (.125) ----- Log POI (additivo) --0.12*** (.032) ---- Log POI (moltiplicativo) ---0.20*** (.062) --- Log Politiche HRM ----0.15** (.065) -- Log Work System -----0.11 (.094) - Log Uso di Buffer Eq. 6Eq. 5Eq. 4Eq. 3Eq. 2Base Case Variabile

15 Japan Effect… Aggiunta di due dummy: Location Giapponese e Management Giapponese. Aggiunta di due dummy: Location Giapponese e Management Giapponese. Regressione produttività: Regressione produttività: * correlazione tra indici e dummies * effetto interazione tra indici immutato Regressione qualità: Regressione qualità: * dummies non significative * Work System non più significativo

16 CONCLUSIONI Attività HR influenzano la performance sia individualmente sia come paniere. Attività HR influenzano la performance sia individualmente sia come paniere. Regressione Produttività: indici tutti significativi Regressione Produttività: indici tutti significativi Regressione Qualità: Uso di Buffer non significativo Individuazione 3 cluster (Mass Production, Transition, Flexible Production). Individuazione 3 cluster (Mass Production, Transition, Flexible Production). Gli impianti a produzione flessibile, con bundle di attività HR integrate con strategie di produzione/business, superano gli impianti a produzione di massa sia in produttività che in qualità. Gli impianti a produzione flessibile, con bundle di attività HR integrate con strategie di produzione/business, superano gli impianti a produzione di massa sia in produttività che in qualità.

17 Limiti e sviluppi Limiti: I dati non includono tutte le variabili che influenzano la performance; I dati non includono tutte le variabili che influenzano la performance; Misure di automazione non catturano tutti gli input di capitale per il processo di produzione; Misure di automazione non catturano tutti gli input di capitale per il processo di produzione; Difficoltà misurazione HR. Difficoltà misurazione HR. Possibili sviluppi: Collezione di dati longitudinali dallo stesso campione per verificare la diffusione del sistema di produzione flessibile Collezione di dati longitudinali dallo stesso campione per verificare la diffusione del sistema di produzione flessibile


Scaricare ppt "Obiettivi dellindagine Studiare le relazioni tra attività di HR e performance economica Studiare le relazioni tra attività di HR e performance economica."

Presentazioni simili


Annunci Google