CN102509243A - 卷烟制造过程质量评价方法及其系统 - Google Patents

卷烟制造过程质量评价方法及其系统 Download PDF

Info

Publication number
CN102509243A
CN102509243A CN2011102795635A CN201110279563A CN102509243A CN 102509243 A CN102509243 A CN 102509243A CN 2011102795635 A CN2011102795635 A CN 2011102795635A CN 201110279563 A CN201110279563 A CN 201110279563A CN 102509243 A CN102509243 A CN 102509243A
Authority
CN
China
Prior art keywords
quality
evaluation
module
data
matrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2011102795635A
Other languages
English (en)
Inventor
陈景正
杨运红
王磬
鲍峰伟
苏洪军
姜丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HEBEI CHINA TOBACCO INDUSTRY Co Ltd
Original Assignee
HEBEI CHINA TOBACCO INDUSTRY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HEBEI CHINA TOBACCO INDUSTRY Co Ltd filed Critical HEBEI CHINA TOBACCO INDUSTRY Co Ltd
Priority to CN2011102795635A priority Critical patent/CN102509243A/zh
Publication of CN102509243A publication Critical patent/CN102509243A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种适用于批次卷烟产品的制造过程质量评价方法及其系统，本发明的技术要点是在对某个工序单个质量特性值进行过程质量评价的基础上，根据制丝、卷包和成型等工序的各自特点，采用主成分分析法对多变量工序的过程性能指数进行计算各主成分的权重，最后通过算术加权平均得出该工序的过程性能指数，从而实现对卷烟制造过程质量的评价。本发明的有益效果是该评价方法与其他评价方法相比，评价指标的选择更加符合实际生产需要，其实际应用的范围更广；评价标准的制定充分借鉴现有的研究成果，使其更加科学客观，通过评价可以更好的了解卷烟各生产工序的质量控制情况，为不断提高卷烟的制造过程质量和最终质量提供更为充分的数据支持。

Description

卷烟制造过程质量评价方法及其系统
技术领域
本发明公开了一种卷烟制造过程质量评价方法及其系统，属于烟草批次生产过程质量综合评价技术领域。
背景技术
中国专利公开了一《基于灰色关联分析的卷烟工序质量综合评价系统及其方法》（专利号200810237698.3），上述专利的技术要点是：所述的系统和方法是单工序质量评价和灰色关联分析方法的结合，首先计算各工艺参数的工序能力指数，然后用灰色关联方法对Cpk值进行综合评价，最后得到的综合评价结果是各评价对象的工序质量优劣排名。通过对Cpk和工序质量优劣排名结果进行分析。上述专利的缺点如下：
（1）由于该方法采用过程能力指数Cpk作为卷烟工序质量的评价指标，因此必须在整个系统各因素均为稳态的条件下才能进行计算和评价，该Cpk指标只能够反映系统稳态时过程加工质量水平，而该稳态的过程在实际生产过程中是很难真正达到的，因此该方法实际应用的机会很少，其适用范围受到很大的限制。具体来说，它是指工序中人、机、料、法、测、环诸因素均处于规定的条件下，操作呈稳定状态时所具有的质量水平，即过程处于稳定状态下的实际加工能力，只有在已经判定过程处于稳态以后才可以通过计算得到。其采样的时间跨度较长，代表一段时期过程规格水平在实际过程中采用规格图进行研究，因此不适用于批次卷烟产品过程质量水平的评价。由于过程能力指数给出的是过程的固有能力，过程的标准偏差可以用统计数据和采样数据的平均极差值来估算。Cpk的计算结果用于周期性过程能力检查，一般情况下过程被接受的评判标准为Cpk≥1.33。
（2）该方法仅对计算得出的结果进行了一个简单的排序来判定过程质量较差的工序进行改进，仅是几个工序相对比较的结果，某些时候不能真实反映工序的实际加工质量水平，在几个工序的过程能力指数Cpk≥1.67时，过程加工质量均处于较高水平，对于相对较差的工序也没有改进的意义。
（3）灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度，但是关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。
发明内容
本发明所要解决的技术问题是提供一种卷烟制造过程质量评价方法及其系统。
本发明解决其技术问题所采用的技术方案：
技术方案一：
一种卷烟制造过程质量评价方法，其步骤如下：
一、计算单变量工序的过程性能指数Ppk，1：
（1）首先采集所述单变量工序的质量特性的N个数据                                                
Figure 354246DEST_PATH_IMAGE001
，N≥50；将所采集的数据进行存储，且剔除所述质量特性数据中的错误或特异样本；
（2）将上述质量特性的标准值、规格中心M和规格公差T进行存储；
（3）按下述公式计算所述质量特性的样本均值
Figure 831363DEST_PATH_IMAGE002
和样本标准差σ：
Figure 698213DEST_PATH_IMAGE003
                 （1）
Figure 136147DEST_PATH_IMAGE004
           （2）
（4）按下述公式计算所述单变量工序的过程性能指数：
Figure 967017DEST_PATH_IMAGE006
            （3）
式中，               （4）
             （5）
其中，
Figure 354639DEST_PATH_IMAGE002
为样本均值，σ为样本标准差，
Figure 681715DEST_PATH_IMAGE009
为规格上限，为规格下限，
Figure 299964DEST_PATH_IMAGE011
为规格公差，M为规格中心；
二、计算某一多变量工序的过程性能指数
Figure 265646DEST_PATH_IMAGE012
：
（一）首先确定所述多变量工序的主成分个数和相应的主成分荷载矩阵
Figure 447229DEST_PATH_IMAGE013
：
（1）选取所述多变量工序的n个质量特性
Figure 89432DEST_PATH_IMAGE014
，通过人工和/或在线自动采集方式同步为每个质量特性收集
Figure 926938DEST_PATH_IMAGE015
组数据，构造
Figure 493048DEST_PATH_IMAGE015
行
Figure 730736DEST_PATH_IMAGE016
列矩阵；
（2）采用z-score方式在列方向上对矩阵
Figure 416113DEST_PATH_IMAGE017
进行标准化处理得到
Figure 785914DEST_PATH_IMAGE018
矩阵
具体步骤如下：求出
Figure 129040DEST_PATH_IMAGE017
矩阵每列数据的均值和标准偏差，构造维均值向量
Figure 472613DEST_PATH_IMAGE019
和
Figure 380527DEST_PATH_IMAGE016
维标准偏差向量，矩阵
Figure 546115DEST_PATH_IMAGE017
每行数据减去均值向量
Figure 579930DEST_PATH_IMAGE019
后，点除标准偏差向量
Figure 291534DEST_PATH_IMAGE020
，得到
Figure 609251DEST_PATH_IMAGE021
矩阵；
（3）利用主成分分析法对
Figure 748109DEST_PATH_IMAGE018
矩阵进行主成分分析，得出
Figure 3641DEST_PATH_IMAGE018
矩阵的得分矩阵
Figure 518936DEST_PATH_IMAGE022
、荷载矩阵
Figure 694090DEST_PATH_IMAGE013
和各主成分的解释方差
Figure 3848DEST_PATH_IMAGE023
、
Figure 746676DEST_PATH_IMAGE024
……
Figure 987034DEST_PATH_IMAGE025
；然后按照下述累计方差贡献率公式求出主成分个数
Figure 826814DEST_PATH_IMAGE026
：
Figure 245157DEST_PATH_IMAGE027
         （6）
从而确定相应的主成分荷载矩阵为
Figure 803177DEST_PATH_IMAGE013
，得分矩阵为，并计算得分矩阵
Figure 541512DEST_PATH_IMAGE022
的第
Figure 130756DEST_PATH_IMAGE028
列的列方向的方差向量
Figure 910493DEST_PATH_IMAGE029
；
（二）确定主成分空间的规格上限
Figure 492653DEST_PATH_IMAGE030
、规格下限
Figure 307025DEST_PATH_IMAGE031
和规格中心
Figure 67171DEST_PATH_IMAGE032
：
具体步骤如下：
所述n个质量特性
Figure 334204DEST_PATH_IMAGE014
的规格上限为，规格下限为
Figure 391864DEST_PATH_IMAGE034
，规格中心
Figure 322910DEST_PATH_IMAGE035
，将
Figure 77240DEST_PATH_IMAGE036
、
Figure 266782DEST_PATH_IMAGE037
和
Figure 727850DEST_PATH_IMAGE038
减去均值向量
Figure 892115DEST_PATH_IMAGE019
，点除标准偏差向量
Figure 320691DEST_PATH_IMAGE020
后，与主成分载荷矩阵
Figure 861394DEST_PATH_IMAGE013
求积，得主成分空间的规格上限
Figure 176969DEST_PATH_IMAGE039
、规格下限
Figure 777714DEST_PATH_IMAGE040
和规格中心
Figure 428007DEST_PATH_IMAGE041
;
（三）根据下述公式分别计算各主成分的过程性能指数
Figure 772401DEST_PATH_IMAGE042
：
Figure 942482DEST_PATH_IMAGE043
               （7）
其中，
Figure 714129DEST_PATH_IMAGE044
为第
Figure 854648DEST_PATH_IMAGE028
个主成分的规格上限；
Figure 737154DEST_PATH_IMAGE045
为第
Figure 27321DEST_PATH_IMAGE028
个主成分的规格下限；
Figure 969869DEST_PATH_IMAGE046
为第
Figure 594754DEST_PATH_IMAGE028
个主成分的规格中心；
Figure 218633DEST_PATH_IMAGE029
为得分矩阵
Figure 425624DEST_PATH_IMAGE022
的第
Figure 726024DEST_PATH_IMAGE028
列的列方向的方差向量；
Figure 651255DEST_PATH_IMAGE047
为1,2，…
Figure 813246DEST_PATH_IMAGE026
；
（四）计算各主成分的过程性能指数
Figure 140322DEST_PATH_IMAGE042
的权重系数
Figure 346044DEST_PATH_IMAGE048
：
Figure 758571DEST_PATH_IMAGE049
                      （8）
式中，
Figure 724253DEST_PATH_IMAGE050
为第
Figure 905836DEST_PATH_IMAGE028
个主成分的解释方差；
（五）计算所述某一多变量工序的过程性能指数
Figure 539249DEST_PATH_IMAGE051
：
Figure 173493DEST_PATH_IMAGE052
                （9）
三、按照上述第二步可计算所有工段各多变量工序的过程性能指数
Figure 677287DEST_PATH_IMAGE051
；
四、按照下述过程性能指数
Figure 978955DEST_PATH_IMAGE053
的评价标准表对各工段的每一工序逐个进行制造过程质量评价：
Ppk 级别 含义
Ppk≥2.00 Ⅰ 制造过程质量过高；
1.67≤Ppk<2.00 Ⅱ 制造过程质量良好，表示技术管理能力已很好，应继续维持；
1.33≤Ppk<1.67 Ⅲ 制造过程质量较好，表示技术管理能力较好，应设法提高为Ⅱ级；
1.00≤Ppk<1.33 Ⅳ 制造过程质量一般，表示技术管理能力较差，应立即采取措施进行改善；
Ppk<1.00 Ⅴ 制造过程质量不足，表示技术管理能力很差，应采取紧急措施进行全面检查和整改，必要时可停工整顿。
下面对过程性能指数的评价标准表的制定说明如下:
根据美国质量学术界和工业界对过程性能指数Pp和Ppk值的解释。Pp和Ppk适用于大批量生产前，它反映的是一种潜在的过程能力，可通过小样本量的计算得出，无需任何过程稳定的假设。为了便于各企业对批次卷烟产品制造过程质量的控制，所以采用过程性能指数作为卷烟制造过程质量评价的指标，用于卷烟生产企业对卷烟生产各工序过程质量水平的评价，考虑到Pp和Ppk值计算所采用的数据在时间上仅是较短时间（批次生产的时间），并未包含所有的变差。因此Pp和Ppk的要求应该比过程能力指数更为严格。参照《质量专业理论与实务》（中级；2008年2月第一版；中国人事出版社出版）一书中对过程能力指数的评价标准，制定了过程性能指数Ppk的评价标准表。
技术方案二：
所述的卷烟制造过程质量评价系统，包括权限管理模块、数据导入模块、数据选择及预处理模块、工序类别选择模块、工艺标准管理模块、制造过程质量评价模块、评价结果输出模块、权限数据库、质量特性值数据库、工序类别数据库、工艺标准数据库、输出设备和评价结果数据库；
所述权限管理模块与权限数据库连接，所述数据导入模块分别与质量特性值数据库、权限管理模块和数据选择及预处理模块连接，工序类别选择模块分别与工序类别数据库和数据选择及预处理模块连接，工艺标准数据库分别与工艺标准管理模块和制造过程质量评价模块连接，数据选择及预处理模块与制造过程质量评价模块连接，制造过程质量评价模块依次经评价结果输出模块、输出设备和评价结果数据库连接。
所述数据导入模块根据用户的指令将质量特性值数据库中的数据导入所述系统中进行运算。
所述数据选择及预处理模块根据用户的要求对导入数据进行选择和处理，剔除所述导入数据中的错误和特异样本。
所述工序类别选择模块根据所要评价的工序，用户从工序类别数据库中选择相应的工序；所述工序类别选择模块还包括评价方式的选择，所述评价方式包括按月评价和按年评价。
所述工艺标准管理模块根据用户的要求从制造过程质量评价模块中录入或从工艺标准数据库中采集批次产品的质量特性值标准即规格中心M和规格公差T。
所述制造过程质量评价模块利用主成分分析法对质量特性值采集的数据进行统计、分析，计算某个工序的过程性能指数。
所述评价结果输出模块将评价结果发送给输出设备，并将评价结果保存到评价结果数据库中。
本发明所述制造过程质量评价方法的原理如下：
本发明采用过程性能指数Ppk作为制造过程质量的评价指标，主要是因为Ppk能够反映出系统当前的实际状态，其并不要求在过程稳态的条件下进行计算和评价，不同于Cpk必须要求在过程稳态的条件下才能进行计算和评价。Ppk指标的高低同样是对过程能力和管理能力的反映，因其具有不同于Cpk的特点，反映了实时过程的性能，适用于过程的任何状态（稳态和非稳态），因此其适用范围更为广泛。另外，它是对当前过程性能的估计，实际过程中常用直方图法进行研究。采样时间是在过程研究和试验的初期或某一时间段，根据较为集中的数据，随时反映实时过程的性能，适用于批次产品制造过程质量水平的评价。它反映的是过程总变差（固有变差+特殊变差）。用样本统计量来衡量标准差。Ppk的结果用于对实时过程性能研究及初始过程能力的评估，一般情况下过程被接受的评判标准为Ppk≥1.67。
主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。在统计学中，主成分分析（principal components analysis,PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。
其优点主要是它可以利用降维技术用少数几个综合变量来代替原始多个变量，这些综合变量集中了原始变量的大部分信息。其次它通过计算综合主成分函数得分，对客观经济现象进行科学评价。再次它在应用上侧重于信息贡献影响力综合评价。
过程性能指数是衡量工序能力满足产品要求（制造过程质量）的一种既方便又好用的评价工具，目前主要应用在单个质量特性的评价上。由于卷烟制造各工序包括多项质量特性，且各质量特性间存在不同程度的相关性，采用单变量工序性能指数评价工序能力，很难得到全面的评价结果。因此，在进行工序过程质量评价时，需要对其多个质量特性进行综合评价。本方法是在对某个工序单个质量特性值进行过程质量评价的基础上，根据制丝、卷包和成型等工序的各自特点，采用主成分分析法对多变量工序的过程性能指数进行计算各主成分的权重，最后通过算术加权平均得出该工序的过程性能指数，从而实现对卷烟制造过程质量的评价。因此该评价方法与其他评价方法相比，显得更为全面和客观，它可以实现对卷烟生产各工序的质量控制水平进行评价，并可以更好的了解卷烟各生产工序的质量控制情况，使卷烟制造过程质量评价变的更为全面和客观。
本发明的有益效果如下：
（1）本发明是利用主成分分析的方法对工序的多个质量特性值进行综合研究，通过对数据的转换和计算得出各主成分的权重，然后进行算术加权平均得出工序的过程性能指数，从而对某个工序的制造过程质量进行评价，该方法可以实现较为全面的反映工序的整体加工质量状况。
（2）本发明能够真实反映工序的实际加工质量水平，根据各工序生产过程质量评价的结果，对过程质量情况较差的工序或参数，可以从人、机、料、法、环等方面着手，尽快采取针对性的措施进行改进，促进制造过程质量控制水平的不断提升。
（3）本发明对企业卷烟制造全过程的质量控制情况进行全面客观的评价，有助于企业工艺质量管理的创新，提升企业的质量控制和工艺管理水平，提高卷烟加工过程质量的稳定性，对卷烟最终质量的稳定具有不可替代的作用。
（4）本发明方法的评价指标的选择更加符合实际生产需要，其实际应用的范围更广；评价标准的制定充分借鉴现有的研究成果，使其更加科学客观，通过评价可以更好的了解卷烟各生产工序的质量控制情况，为不断提高卷烟的制造过程质量和最终质量提供更为充分的数据支持。
 
附图说明
图1为本发明所述系统的原理框图；
图2为本发明所述方法的操作过程示意图。
具体实施方式
卷烟生产过程包括制叶丝、制梗丝、制膨胀丝、制薄片丝、掺配加香、滤棒成型、卷包七个主要工段。每个工段又包括各自的工序，每个工序又包括数量不等的质量特性，如果某工序只包括一个质量特性，该工序被称为单变量工序，例如制梗丝工段的水洗梗工序只包括一个质量特性，即水温；如果某工序包括2个以上的质量特性，该工序被称为多变量工序，例如制叶丝工段的松散回潮工序包括含水率、温度、流量、热风温度和蒸汽注入量5个质量特性。
实施例1（卷烟制造过程质量评价方法）：
按照上述发明内容部分中的技术方案一操作即可。
下面结合制叶丝工段中的松散回潮工序的制造过程质量评价例子进一步说明本方法：
对松散回潮工序的5个质量特性各采集50个数据如下表1。
表1 松散回潮工序质量特性监测表
Figure 913599DEST_PATH_IMAGE055
该工序各项质量特性的规格要求分别为：含水率(19.0±1.0)%、温度(53.0±3.0)℃、流量(6000.0±100.0)Kg/h、热风温度(70.0±3.0)℃、蒸汽注入量(1000.0±50.0)Kg/h。
对表1数据进行所述标准化处理，标准化后的数据见表2、各列均值和标准偏差见表3。
表2 松散回潮工序质量特性监测结果标准化数据
Figure 221083DEST_PATH_IMAGE056
表3 各质量特性数据的均值和标准偏差
项目 含水率 温度 流量 热风温度 蒸汽注入量
均值 19.214 53.192 5994.138 70.216 990.642
标准偏差 0.353 0.656 41.659 0.285 8.749
对标准化后数据进行主成分分析，得出载荷矩阵、得分矩阵
Figure 361264DEST_PATH_IMAGE058
和各主成分解释方差
Figure 907783DEST_PATH_IMAGE059
，计算结果分别见表4、表5、表6。
表4 载荷矩阵
Figure 815696DEST_PATH_IMAGE057
-0.234 0.674 0.195 0.648 0.183
0.426 0.603 0.029 -0.314 -0.596
0.621 0.061 0.465 -0.152 0.609
0.611 -0.259 -0.337 0.643 -0.180
-0.062 -0.333 0.795 0.214 -0.456
表5 得分矩阵
Figure 13328DEST_PATH_IMAGE058
Figure 981284DEST_PATH_IMAGE060
表6 各主成分的解释方差
项目 λ1 λ2 λ3 λ4 λ5
均值 1.374 1.339 1.109 0.610 0.568
依据累积方差贡献率
Figure 15099DEST_PATH_IMAGE061
≥90%的原则确定主成分个数
Figure 726703DEST_PATH_IMAGE026
为5。
将含水率、温度、流量、热风温度、蒸汽注入量5个质量特性的规格上限和规格下限及分布中心标准化后投影到新空间，得到主成分规格上限、主成分规格下限、规格中心、分布中心、列方向的方差向量，其主成分规格下限和主成分规格上限分别如下：
Figure 781771DEST_PATH_IMAGE062
=-9.295、
Figure 920628DEST_PATH_IMAGE063
=8.442；
Figure 441740DEST_PATH_IMAGE064
=-0.909、
Figure 957035DEST_PATH_IMAGE065
=0.56；
Figure 863680DEST_PATH_IMAGE066
=-1.743、
Figure 173438DEST_PATH_IMAGE067
=3.833；
Figure 181845DEST_PATH_IMAGE068
=-8.614、
Figure 235252DEST_PATH_IMAGE069
=7.453；=-5.445、
Figure 742643DEST_PATH_IMAGE071
=5.04；规格中心分别为：-0.427、-0.735、1.045 、-0.581 、-0.203；由于原始数据均经标准化处理，分布中心均为0；列方向的方差向量分别为： 
。
计算各主成分Ppk值，
Figure 16815DEST_PATH_IMAGE073
的结果分别为2.400、-0.161、0.552、3.182、2.228。
计算各主成分权重，
Figure 565925DEST_PATH_IMAGE074
的结果分别为0.275、0.268、0.222、0.122、0.114。
计算该工序过程性能指数
Figure 345662DEST_PATH_IMAGE075
，结果为1.380。
根据该工序计算得出的过程性能指数，则可确定该工序的制造过程质量情况属于Ⅲ级，说明该工序的制造过程质量较好，技术管理能力较好，应设法提高为Ⅱ级。其它各工序均可按照该方法计算工序的过程能力指数Ppk，然后对其制造过程质量情况进行综合评价，对于制造过程质量情况较差的工序或参数，可以从人、机、料、法、环等方面着手，尽快采取针对性的措施进行改进，促进制造过程质量控制水平的不断提升。
实施例2（卷烟制造过程质量评价系统）：
按照上述发明内容部分中的技术方案二实施即可。
本发明的操作步骤如下：
（1）用户输入用户名和密码，权限管理模块1根据权限数据库8中的数据查找用户权限。满足条件，则允许用户进行操作使用，负责强制用户退出系统；
（2）用户通过数据导入模块2将质量特性值数据库9中的数据导入所述系统；
（3）用户通过工序类别选择模块4从工序类别数据库10选择要评价的工序类别，并将数据发送给数据选择及预处理模块3；
（4）数据选择及预处理模块3根据工序类别对导入所述系统的数据进行预处理；并剔除导入数据中的错误和特异样本；
（5）制造过程质量评价模块6结合工艺标准数据库11中的数据对预处理后的数据进行计算得出该工序的过程性能指数，然后进行卷烟制造过程质量评价；
（6）评价结果输出模块7将最终评价结果，发送给输出设备12并保存到评价结果数据库13中。
本发明能够对卷烟生产过程汇总的七个主要工段的所有工序的制造过程质量进行评价，较为科学全面的反映企业在卷烟生产加工全过程中存在的工艺参数和质量指标的偏差对最终产品质量的影响，进而为明确工序对产品质量的影响、加工工艺技术优化和产品质量控制提供依据。同时，通过对存在的问题进行有效整改，可以不断提高企业的在线工艺质量控制水平，从而提高企业的工艺质量保障能力，保证产品质量的稳定。通过本发明的实施,卷烟加工过程工艺质量控制水平得到明显提高，关键工序的46个主要质量特性值的过程性能指数能够达到1.33以上的，由26个提高到实施后的39个，达标率（过程性能指数大于1.33）由原来的54.3％提高到84.8％。
    本发明所建立的卷烟制造过程质量评价方法可以适用于不同的卷烟生产企业的不同生产线和不同品牌、不同规格的产品，通过对同一卷烟生产企业、同一生产线、同一品牌、同一规格产品，不同时间、不同批次的评价结果进行对比，可为明确工序对产品质量的影响、加工工艺参数优化和产品质量控制提供依据。

Claims (8)

1.一种卷烟制造过程质量评价方法，其特征在于其步骤如下：
一、计算单变量工序的过程性能指数Ppk，1：
（1）首先采集所述单变量工序的质量特性的N个数据                                               ，N≥50；将所采集的数据进行存储，且剔除所述质量特性数据中的错误或特异样本；
（2）将上述质量特性的标准值、规格中心M和规格公差T进行存储；
（3）按下述公式计算所述质量特性的样本均值和样本标准差σ：
Figure 666072DEST_PATH_IMAGE003
                 （1）
Figure 882289DEST_PATH_IMAGE004
           （2）
（4）按下述公式计算所述单变量工序过程性能指数
Figure 702478DEST_PATH_IMAGE005
：
Figure 54962DEST_PATH_IMAGE006
            （3）
式中，
Figure 187390DEST_PATH_IMAGE007
               （4）
Figure 625325DEST_PATH_IMAGE008
             （5）
其中，为样本均值，σ为样本标准差，
Figure 456195DEST_PATH_IMAGE009
为规格上限，
Figure 491016DEST_PATH_IMAGE010
为规格下限，为规格公差，M为规格中心；
二、计算某一多变量工序的过程性能指数
Figure 578238DEST_PATH_IMAGE012
：
（一）首先确定所述多变量工序的主成分个数和相应的主成分荷载矩阵
Figure 905314DEST_PATH_IMAGE013
：
（1）选取所述多变量工序的n个质量特性
Figure 376615DEST_PATH_IMAGE014
，通过人工和/或在线自动采集方式同步为每个质量特性收集组数据，构造
Figure 489245DEST_PATH_IMAGE015
行列矩阵
Figure 313030DEST_PATH_IMAGE017
；
（2）采用z-score方式在列方向上对矩阵
Figure 150536DEST_PATH_IMAGE017
进行标准化处理得到矩阵：
具体步骤如下：求出
Figure 942616DEST_PATH_IMAGE017
矩阵每列数据的均值和标准偏差，构造
Figure 568770DEST_PATH_IMAGE016
维均值向量和
Figure 997794DEST_PATH_IMAGE016
维标准偏差向量
Figure 340919DEST_PATH_IMAGE020
，矩阵
Figure 137974DEST_PATH_IMAGE017
每行数据减去均值向量
Figure 684493DEST_PATH_IMAGE019
后，点除标准偏差向量
Figure 857985DEST_PATH_IMAGE020
，得到
Figure 993301DEST_PATH_IMAGE021
矩阵；
（3）利用主成分分析法对
Figure 961257DEST_PATH_IMAGE018
矩阵进行主成分分析，得出矩阵的得分矩阵
Figure 690364DEST_PATH_IMAGE022
、荷载矩阵
Figure 758814DEST_PATH_IMAGE013
和各主成分的解释方差
Figure 897672DEST_PATH_IMAGE023
、
Figure 670980DEST_PATH_IMAGE024
……
Figure 920696DEST_PATH_IMAGE025
；然后按照下述累计方差贡献率公式求出主成分个数
Figure 843652DEST_PATH_IMAGE026
：
Figure 153411DEST_PATH_IMAGE027
         （6）
从而确定相应的主成分荷载矩阵为
Figure 411086DEST_PATH_IMAGE013
，得分矩阵为
Figure 464493DEST_PATH_IMAGE022
，并计算得分矩阵的第
Figure 722616DEST_PATH_IMAGE028
列的列方向的方差向量
Figure 202007DEST_PATH_IMAGE029
；
（二）确定主成分空间的规格上限
Figure 996788DEST_PATH_IMAGE030
、规格下限
Figure 691075DEST_PATH_IMAGE031
和规格中心
Figure 529586DEST_PATH_IMAGE032
：
具体步骤如下：
所述n个质量特性
Figure 574903DEST_PATH_IMAGE014
的规格上限为
Figure 907795DEST_PATH_IMAGE033
，规格下限为
Figure 456588DEST_PATH_IMAGE034
，规格中心
Figure 746229DEST_PATH_IMAGE035
，将、
Figure 884266DEST_PATH_IMAGE037
和减去均值向量
Figure 999039DEST_PATH_IMAGE019
，点除标准偏差向量
Figure 487789DEST_PATH_IMAGE020
后，与主成分载荷矩阵
Figure 428063DEST_PATH_IMAGE013
求积，得主成分空间的规格上限
Figure 951448DEST_PATH_IMAGE039
、规格下限
Figure 302664DEST_PATH_IMAGE040
和规格中心
Figure 544290DEST_PATH_IMAGE041
;
（三）根据下述公式分别计算各主成分的过程性能指数
Figure 22676DEST_PATH_IMAGE042
：
Figure 400567DEST_PATH_IMAGE043
               （7）
其中，
Figure 188264DEST_PATH_IMAGE044
为第
Figure 651606DEST_PATH_IMAGE028
个主成分的规格上限；
Figure 933683DEST_PATH_IMAGE045
为第
Figure 431660DEST_PATH_IMAGE028
个主成分的规格下限；
Figure 127608DEST_PATH_IMAGE046
为第
Figure 343826DEST_PATH_IMAGE028
个主成分的规格中心；
为得分矩阵的第
Figure 380418DEST_PATH_IMAGE028
列的列方向的方差向量；
Figure 756036DEST_PATH_IMAGE047
为1,2，…
Figure 442232DEST_PATH_IMAGE026
；
（四）计算各主成分的过程性能指数的权重系数
Figure 949623DEST_PATH_IMAGE048
：
Figure 812536DEST_PATH_IMAGE049
                      （8）
式中，
Figure 36844DEST_PATH_IMAGE050
为第
Figure 550871DEST_PATH_IMAGE028
个主成分的解释方差；
（五）计算所述某一多变量工序的过程性能指数
Figure 835222DEST_PATH_IMAGE051
：
Figure 919853DEST_PATH_IMAGE052
                （9）
三、按照上述第二步计算所有工段的各多变量工序的过程性能指数
Figure 947851DEST_PATH_IMAGE051
；
四、按照下述过程性能指数
Figure 319314DEST_PATH_IMAGE053
的评价标准表对各工段的每一工序逐个进行制造过程质量评价：
Figure 774567DEST_PATH_IMAGE054
。
2.一种实施权利要求1所述方法的系统，其特征在于包括权限管理模块（1）、数据导入模块（2）、数据选择及预处理模块（3）、工序类别选择模块（4）、工艺标准管理模块（5）、制造过程质量评价模块（6）、评价结果输出模块（7）、权限数据库（8）、质量特性值数据库（9）、工序类别数据库（10）、工艺标准数据库（11）、输出设备（12）和评价结果数据库（13）；
所述权限管理模块（1）与权限数据库（8）连接，所述数据导入模块（2）分别与质量特性值数据库（9）、权限管理模块（1）和数据选择及预处理模块（3）连接，工序类别选择模块（4）分别与工序类别数据库（10）和数据选择及预处理模块（3）连接，工艺标准数据库（11）分别与工艺标准管理模块（5）和制造过程质量评价模块（6）连接，数据选择及预处理模块（3）与制造过程质量评价模块（6）连接，制造过程质量评价模块（6）依次经评价结果输出模块（7）、输出设备（12）和评价结果数据库（13）连接。
3.根据权利要求2所述系统，其特征在于所述数据导入模块（2）根据用户的指令将质量特性值数据库（9）中的数据导入所述系统中进行运算。
4.根据权利要求3所述系统，其特征在于所述数据选择及预处理模块（3）根据用户的要求对导入数据进行选择和处理，剔除所述导入数据中的错误和特异样本。
5.根据权利要求4所述系统，其特征在于所述工序类别选择模块（4）根据所要评价的工序，用户从工序类别数据库（10）中选择相应的工序；所述工序类别选择模块（4）还包括评价方式的选择，所述评价方式包括按月评价和按年评价。
6.根据权利要求5所述系统，其特征在于所述工艺标准管理模块（5）根据用户的要求从制造过程质量评价模块（6）中录入或从工艺标准数据库（11）中采集批次产品的质量特性值标准即规格中心M和规格公差T。
7.根据权利要求6所述系统，其特征在于所述制造过程质量评价模块（6）利用主成分分析法对质量特性值采集的数据进行统计、分析，计算某个工序的过程性能指数。
8.根据权利要求7所述系统，其特征在于所述评价结果输出模块（7）将评价结果发送给输出设备（12），并将评价结果保存到评价结果数据库（13）中。
CN2011102795635A 2011-09-20 2011-09-20 卷烟制造过程质量评价方法及其系统 Pending CN102509243A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011102795635A CN102509243A (zh) 2011-09-20 2011-09-20 卷烟制造过程质量评价方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011102795635A CN102509243A (zh) 2011-09-20 2011-09-20 卷烟制造过程质量评价方法及其系统

Publications (1)

Publication Number Publication Date
CN102509243A true CN102509243A (zh) 2012-06-20

Family

ID=46221321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011102795635A Pending CN102509243A (zh) 2011-09-20 2011-09-20 卷烟制造过程质量评价方法及其系统

Country Status (1)

Country Link
CN (1) CN102509243A (zh)

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578037A (zh) * 2012-07-26 2014-02-12 中国海洋大学 一种评价烟叶原料质量的方法及系统
CN104331773A (zh) * 2014-11-05 2015-02-04 国家电网公司 一种电网规划方案综合评估方法
CN106066998A (zh) * 2016-05-27 2016-11-02 大连楼兰科技股份有限公司 基于Z‑score的车辆低速碰撞信号特征数据标准化处理方法
CN107111305A (zh) * 2014-12-05 2017-08-29 赛峰飞机发动机公司 基于对统计指标的同时分析制造部件的方法
CN107679715A (zh) * 2017-09-19 2018-02-09 国网天津市电力公司电力科学研究院 一种基于spc的电能表综合误差过程能力评价方法及评价系统
CN109222208A (zh) * 2018-10-30 2019-01-18 杭州安脉盛智能技术有限公司 面向卷烟生产指标控制的制丝工艺分析优化方法及系统
WO2019041732A1 (zh) * 2017-08-31 2019-03-07 江苏康缘药业股份有限公司 制造过程能力评价方法及装置
CN109558999A (zh) * 2017-09-26 2019-04-02 同济大学 航天大型薄壁件产品加工质量评估系统
CN109697571A (zh) * 2018-12-28 2019-04-30 龙岩烟草工业有限责任公司 产品质量分析方法、装置以及存储介质
CN109859066A (zh) * 2017-11-30 2019-06-07 阿里巴巴集团控股有限公司 一种确定工艺参数的方法和装置
CN109903822A (zh) * 2019-01-24 2019-06-18 广州金域医学检验中心有限公司 检测结果评估方法及装置、计算机可读存储介质
CN109902898A (zh) * 2017-12-11 2019-06-18 红塔烟草(集团)有限责任公司 一种基于切尖打叶复烤生产的过程能力测评方法
CN110147935A (zh) * 2019-04-18 2019-08-20 红云红河烟草(集团)有限责任公司 一种烟草卷包车间质量综合决策模型的建立方法
CN110442092A (zh) * 2019-07-05 2019-11-12 柳州钢铁股份有限公司 一种基于热连轧生产的自动统计和分析方法
CN110514096A (zh) * 2019-07-26 2019-11-29 云南中烟工业有限责任公司 一种基于保润剂成膜性能的卷烟保润性能评价方法
CN110543155A (zh) * 2019-09-02 2019-12-06 暖流信息科技（上海）有限公司 先进制造工艺管理系统及其执行方法
CN112085316A (zh) * 2020-07-24 2020-12-15 中铁物总技术有限公司 一种钢轨质量整体评估方法
CN112215493A (zh) * 2020-10-12 2021-01-12 广西中烟工业有限责任公司 一种卷烟制丝工段工艺质量的判定和评价方法
CN112465242A (zh) * 2020-12-03 2021-03-09 华润电力技术研究院有限公司 一种火电厂运行优化分析方法、装置、设备及存储介质
CN112714934A (zh) * 2018-10-15 2021-04-27 赛多利斯司特蒂姆数据分析公司 细胞选择的多变量方法
CN113126584A (zh) * 2021-04-29 2021-07-16 陕西中烟工业有限责任公司 一种卷烟生产过程质量稳定性评价系统
CN113361661A (zh) * 2021-07-20 2021-09-07 红云红河烟草(集团)有限责任公司 一种数据协同能力评价的建模方法及装置
WO2022011767A1 (zh) * 2020-07-15 2022-01-20 南京翱翔信息物理融合创新研究院有限公司 一种卷烟包装处理方法、系统及装置
CN114324764A (zh) * 2021-12-30 2022-04-12 红云红河烟草(集团)有限责任公司 基于物料特性值的卷烟制丝过程制品质量多维评测方法
CN114444959A (zh) * 2022-02-08 2022-05-06 王国芸 一种可追溯的生产供应链质量管理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6625511B1 (en) * 1999-09-27 2003-09-23 Hitachi, Ltd. Evaluation method and its apparatus of work shop and product quality
CN1975706A (zh) * 2005-11-28 2007-06-06 颐中烟草(集团)有限公司 卷烟感官质量定性指标评估方法
CN1987696A (zh) * 2006-12-19 2007-06-27 将军烟草集团有限公司 采用因素筛选进行工序质量检测的方法
CN101414183A (zh) * 2008-12-03 2009-04-22 山东中烟工业公司 基于灰色关联分析的卷烟工序质量综合评价系统及其方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6625511B1 (en) * 1999-09-27 2003-09-23 Hitachi, Ltd. Evaluation method and its apparatus of work shop and product quality
CN1975706A (zh) * 2005-11-28 2007-06-06 颐中烟草(集团)有限公司 卷烟感官质量定性指标评估方法
CN1987696A (zh) * 2006-12-19 2007-06-27 将军烟草集团有限公司 采用因素筛选进行工序质量检测的方法
CN101414183A (zh) * 2008-12-03 2009-04-22 山东中烟工业公司 基于灰色关联分析的卷烟工序质量综合评价系统及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨运红等: "卷烟物理质量特性的多变量工序能力评价方法", 《中国质量》, no. 7, 31 July 2010 (2010-07-31) *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103578037A (zh) * 2012-07-26 2014-02-12 中国海洋大学 一种评价烟叶原料质量的方法及系统
CN104331773A (zh) * 2014-11-05 2015-02-04 国家电网公司 一种电网规划方案综合评估方法
CN107111305A (zh) * 2014-12-05 2017-08-29 赛峰飞机发动机公司 基于对统计指标的同时分析制造部件的方法
CN106066998A (zh) * 2016-05-27 2016-11-02 大连楼兰科技股份有限公司 基于Z‑score的车辆低速碰撞信号特征数据标准化处理方法
WO2019041732A1 (zh) * 2017-08-31 2019-03-07 江苏康缘药业股份有限公司 制造过程能力评价方法及装置
CN107679715A (zh) * 2017-09-19 2018-02-09 国网天津市电力公司电力科学研究院 一种基于spc的电能表综合误差过程能力评价方法及评价系统
CN109558999A (zh) * 2017-09-26 2019-04-02 同济大学 航天大型薄壁件产品加工质量评估系统
CN109859066A (zh) * 2017-11-30 2019-06-07 阿里巴巴集团控股有限公司 一种确定工艺参数的方法和装置
CN109902898A (zh) * 2017-12-11 2019-06-18 红塔烟草(集团)有限责任公司 一种基于切尖打叶复烤生产的过程能力测评方法
CN112714934A (zh) * 2018-10-15 2021-04-27 赛多利斯司特蒂姆数据分析公司 细胞选择的多变量方法
CN112714934B (zh) * 2018-10-15 2024-05-10 赛多利斯司特蒂姆数据分析公司 细胞选择的多变量方法
CN109222208A (zh) * 2018-10-30 2019-01-18 杭州安脉盛智能技术有限公司 面向卷烟生产指标控制的制丝工艺分析优化方法及系统
CN109222208B (zh) * 2018-10-30 2021-07-06 杭州安脉盛智能技术有限公司 面向卷烟生产指标控制的制丝工艺分析优化方法及系统
CN109697571A (zh) * 2018-12-28 2019-04-30 龙岩烟草工业有限责任公司 产品质量分析方法、装置以及存储介质
CN109903822A (zh) * 2019-01-24 2019-06-18 广州金域医学检验中心有限公司 检测结果评估方法及装置、计算机可读存储介质
CN110147935A (zh) * 2019-04-18 2019-08-20 红云红河烟草(集团)有限责任公司 一种烟草卷包车间质量综合决策模型的建立方法
CN110147935B (zh) * 2019-04-18 2022-07-05 红云红河烟草(集团)有限责任公司 一种烟草卷包车间质量综合决策模型的建立方法
CN110442092A (zh) * 2019-07-05 2019-11-12 柳州钢铁股份有限公司 一种基于热连轧生产的自动统计和分析方法
CN110514096A (zh) * 2019-07-26 2019-11-29 云南中烟工业有限责任公司 一种基于保润剂成膜性能的卷烟保润性能评价方法
CN110543155B (zh) * 2019-09-02 2021-08-10 暖流信息科技（上海）有限公司 制造工艺管理系统
CN110543155A (zh) * 2019-09-02 2019-12-06 暖流信息科技（上海）有限公司 先进制造工艺管理系统及其执行方法
WO2022011767A1 (zh) * 2020-07-15 2022-01-20 南京翱翔信息物理融合创新研究院有限公司 一种卷烟包装处理方法、系统及装置
CN112085316A (zh) * 2020-07-24 2020-12-15 中铁物总技术有限公司 一种钢轨质量整体评估方法
CN112085316B (zh) * 2020-07-24 2023-04-07 中铁物总技术有限公司 一种钢轨质量整体评估方法
CN112215493A (zh) * 2020-10-12 2021-01-12 广西中烟工业有限责任公司 一种卷烟制丝工段工艺质量的判定和评价方法
CN112465242A (zh) * 2020-12-03 2021-03-09 华润电力技术研究院有限公司 一种火电厂运行优化分析方法、装置、设备及存储介质
CN113126584A (zh) * 2021-04-29 2021-07-16 陕西中烟工业有限责任公司 一种卷烟生产过程质量稳定性评价系统
CN113361661A (zh) * 2021-07-20 2021-09-07 红云红河烟草(集团)有限责任公司 一种数据协同能力评价的建模方法及装置
CN114324764A (zh) * 2021-12-30 2022-04-12 红云红河烟草(集团)有限责任公司 基于物料特性值的卷烟制丝过程制品质量多维评测方法
CN114444959A (zh) * 2022-02-08 2022-05-06 王国芸 一种可追溯的生产供应链质量管理方法及系统

Similar Documents

Publication Publication Date Title
CN102509243A (zh) 卷烟制造过程质量评价方法及其系统
CN110458474B (zh) 一种卷烟卷制物理质量综合评价方法
CN110070282B (zh) 一种基于综合关联度的低压台区线损影响因素分析方法
CN101414183B (zh) 基于灰色关联分析的卷烟工序质量综合评价系统及其方法
CN108181263B (zh) 基于近红外光谱的烟叶部位特征提取及判别方法
WO2017045296A1 (zh) 在线近红外样本量确定方法
CN105334185B (zh) 基于光谱投影判别的近红外模型维护方法
CN103324147A (zh) 基于主成分分析的卷烟工序质量评价方法及其系统
CN109597968A (zh) 基于smt大数据的锡膏印刷性能影响因素分析方法
WO2020029851A1 (zh) 一种基于工作流的振动光谱分析模型优化方法
CN106980910B (zh) 中长期电力负荷测算系统及方法
CN111790762B (zh) 一种基于随机森林的热轧带钢轧制力设定方法
CN105184078A (zh) 基于专利相对量分析的技术成熟度评价方法
CN107807206B (zh) 一种基于工业需求的片烟适宜醇化环境及其适宜醇化时间的判定方法
CN109324016A (zh) 一种复烤片烟香型风格的判定方法
CN114266457A (zh) 一种配电线路异损诱因检测的方法
CN111445132B (zh) 数据处理方法、数据处理系统及计算机存储介质
CN116843225A (zh) 基于lstm和tpa机制的制丝加香工艺质量预测方法、系统
CN113076309B (zh) 烟草生丝水分加水量预测系统及方法
CN115828114A (zh) 一种铝型材挤压机能耗异常检测方法
CN114414524A (zh) 快速检测航空煤油性质的方法
CN106959668A (zh) 一种机械制造设备切削状态辨识与数据处理方法方法
CN111543668B (zh) 一种打叶复烤配方模块的设计方法
CN114357886A (zh) 一种基于多模型加权平均的酒醅近红外光谱建模方法
CN114638484A (zh) 一种制丝过程质量评价方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120620