《批次评价在制丝过程控制中的应用》由会员分享，可在线阅读，更多相关《批次评价在制丝过程控制中的应用（4页珍藏版）》请在金锄头文库上搜索。
1、批次评价在制丝过程控制中的应用 侯平贤 陈晓宇 王秋菊 魏保华 一、概述卷烟制丝加工工艺流程较为复杂, 各工序质量指标的稳定性很大程度地决定成品烟丝的质量及产出率, 因此保证工序质量指标的稳定并提高其过程能力是制丝工艺控制的重点。统计过程控制 (SPC) 技术在卷烟制丝工艺控制中得到了广泛的应用和推广, 推动了卷烟质量管控模式从结果控制向过程控制的模式转变。然而, 传统 SPC 技术只是对识别出的关键指标和参数独立地评价, 但车间是以批次为单位进行生产的, 如何判断一个批次质量的好坏就成了值得深入探索研究的重点课题。目前, 评价参数和关键指标只是对稳定生产状态数据使用过程能力指数 (Cpk)
2、、标准偏差、西格玛水平等统计指标, 但这些指标在一些较特殊的情况下不能很真实的反映质量好坏。以 Cpk 为例, 当 Cp=1、K=0.01 时, C p k=0.99;当 C p=9.9、K=0.9 时, C p k 仍为 0.99。但实际上, 第一种情况过程偏移小, 质量状态远好于第二种情况。所以, 针对稳态数据, 需要一个能对数据的中心偏移程度更敏感的评价模式反映真实的稳态数据质量状况。传统处理头料、尾料、断流数据大多采用直接剔除的方式掩盖了诸多质量问题, 因此在批次评价模型中必须要纳入对非稳态数据的评价。鉴于上述问题, 我们基于 SPC 信息系统探索一种参数评价方法和批次评价模型, 全面
3、有效地实现过程质量的总体评价。二、研究应用我们搭建了基于 S P C 技术的工艺质量管理系统 (以下简称“SPC 系统”) , 已初步识别出了制丝过程的关键工序及其重点指标和参数, 并实现上述指标和参数数据的自动采集, 为批次评价的探索和应用提供了基础;另一方面, 为保证上述指标和参数的数据准确性和满足过程控制的需要, 分别对它们进行了特殊处理。例如, 对头料、尾料和断流过程的数据进行了标识, 并对过程中的虚假数据予以剔除;对数据进行分组处理, 精确到每 6 秒钟采集一个原始数据, 每分钟的数据即 10 个原始数据值进行平均后纳入到 SPC 统计计算。经过上述处理后, 即对批次评价方法通过如下
4、三个阶段进行研究应用。(一) 研究参数的评价方式。烟丝的生产过程数据包括头料数据、过程稳态数据、尾料数据三部分, 针对过程稳定生产状态, 既要减少数据的离散程度, 又要确保数据都是围绕规格中心上下波动的;而针对头料、尾料等非稳态就是要尽量减少非稳态的生产时间。为保证批次评价具有普遍的适用性, 以及后续车间能够快速推进应用, 故评价公式先以普遍了解的统计指标 (如 Cpk、标准偏差、合格率等) 开始, 并在此基础上进行改造。其中最基础的统计指标为总体合格率, 表示数据在工艺标准范围内的正态分布概率, 总体合格率计算依靠指标为总体均值和总体的标准偏差, 具体公式为:P=1- ( (USL-) +
5、(LSL-) ) , 数据的总体标准偏差越大则说明数据离散程度越大, 合格率则越低。最常用 Cp 和 Cpk反映生产过程控制能力, 与 Cp 相比, Cpk 考虑了数据的偏移程度 (见图 1) 。图 1 下载原图M 规格中心, 为总体均值如果生产过程非常好, 则数据偏移程度小, Cp 越接近 Cpk, 那么偏移量|M-|就是改善机会。引入偏移量后, 由于各个参数的工艺标准不同, 甚至相差比较大, 如流量参数与精度类参数, 故引入“率”的概念, 即偏移率;K= (|M-|) (T/2) , T 为工艺允差。为保证过程中每一组数据的中心偏移率都在控制范围内, 所以评价时纳入每一组数据的偏移率。整合
6、后的稳态数据公式为:Q 稳态=1- ( (USL-) + (LSL-) ) 100-NK。式中, N 为数据组数, 每一分钟 10 个数据的均值为一组数据, K 为数据总体偏移率;即在数据总体合格率内减去每组数据的中心偏移率 (或减去所有数据的总体中心偏移率) 。要求在生产过程中保证在工艺标准范围的数据离散程度低, 且每组数据都要紧密围绕规格中心波动。除稳态数据之外, 还有头尾料等非稳态数据, 新版卷烟制造规范中将稳态过程中超过工艺标准的数据点纳入非稳态数据。由于头尾料生产不可避免, 那么就要求操作工在尽可能短的时间内完成头尾料的生产, 原因在于头尾料生产时间的长短也是衡量过程质量和操作工操作
7、能力的重点指标。非稳态数据评价要求能精确到每个数据, 即两个操作工非稳态生产时间只有半分钟甚至更短的差距, 在得分上也要能够体现出来。根据这些要求, 首先就是要判定给定的标准非稳态时间与实际非稳态时间的差距, 判断非稳态数据状态主要是根据数据点是否进入工艺标准范围进行判断, 标准头尾料时间则依据大量的历史数据确定, 那么第一个判断标准为 T=T (标准非稳态时间) -T (实际非稳态时间) 。根据精确度要求, 即如果在给定标准时间范围结束非稳态的生产时要有奖励得分, 超过标准时间则要进行惩罚性减分, 故引入基础 (默认) 非稳态得分, 并在该基础得分上进行加减。为将奖罚时间精确到每一组数据且转
8、化为单位时间的奖罚得分, 引入单位时间奖罚得分:Q 单位 = (100-Q 基础 ) T (标准非稳态时间) ;三者整合后即为非稳态数据得分公式:Q 非稳态 =Q 基础 + (T (标准非稳态时间) T (实际非稳态时间) ) ( (100Q 基础 ) T (标准非稳态时间) 。在得到参数非稳态数据得分和稳态数据得分之后, 设定二者的权重算术平均, 得到最后该参数的总得分, 公式为:Q=0.2Q 非稳态 +0.8Q 稳态 。(二) 研究批次的评价方式。确定参数评价方式之后的问题, 就是如何计算整个批次的评价结果。在制丝生产中以及以往的考核办法中已经确定了关键指标和参数, 一般为水分、温度、精度
9、类指标。但这些参数不能固定, 需要进行灵活的增减。关键指标和参数分布在不同的工序和工段中, 每个工段、工序、参数重要程度不一样, 在得分汇总时需要有侧重点。为保证每个批次都能得到最公平的计算, 我们建立批次评价模型, 参数、工序、工段等根据评价模型逐层汇总到批次。针对这两种情况, 直接借鉴行业标准卷烟制造过程能力测评导则对制丝能力测评时采用的设置权重方式进行批次评价模型设置。在从参数汇总到批次过程中, 没有按照测评导则中按照几何加权的方式进行, 而是采用算术加权。如采用几何加权, 则其中一个参数得分为 0 时, 批次的最后得分也将为 0, 无法进行批次间以及参数间的过程评价, 故采用算术加权的
10、方式进行。公式如下:Q 工序 =Q 参数 1权重 参数 1+Q 参数 2权重 参数 2+Q 工段 =Q 工序 1权重 工序 1+Q 工序 2权重 工序 2+Q 批次 =Q 工段 1权重 工段 1+Q 工段 2权重 工段 2+工序、工段及批次通过该算术加权的方式, 按照设定的批次评价模型逐层汇总计算得到批次得分。由于批次评价模型是固定的, 可保证每个层级计算结果的公平与公正;并可在此基础上扩展, 按时间、牌号进行各参数、各工序以及各工段的单独评价。(三) 车间推广应用。经过以上测试验证, 我们将批次评价在制丝车间进行推广应用, 并对比了 2017年 47 月进行批次评价推广应用后的批次得分 (见
11、图 2) 。叶线从 4 月开始推进应用, 评价过程中发现诸多平时忽略的问题项, 如料头处理超时、数据整体偏移中心限较远、掺配瞬时精度、加香加料瞬时精度波动大等。经过对问题项的逐一改进, 至 7 月时评价得分从 71 分上升到 91 分。制丝车间目前目标是保持批次得分在 85 分的前提下逐步增加参数, 从目前纳入考核的 11 个参数逐步增加, 使批次评价覆盖面更广。在批次评价模型及各节点测评的深入推进后, 下一步将建立完善一整套“批次评价体系”, 包括批次的评价、考核、改进, 对批次评价模式进一步深入应用。图 2 下载原图三、项目成果通过建立批次评价模型, 将生产全过程从参数到批次全纳入评价考核, 使批次评价更公平、更科学、更具推广价值。我们创新性建立质量灵敏度更高的参数评价公式, 涵盖均值、标准偏差、中心偏移, 非稳态时间精确评价等, 提高了快速定位问题、分析问题及质量精准控制能力。公式算法没有复杂的数据推导, 根据最基本的判断要求得出, 操作工可快速接受, 具有普遍适用性。综上, 卷烟制丝过程的批次评价模型和评价考核体系的建立, 为丰富烟草行业开展统计过程控制技术方法应用研究提供了参考和借鉴。
