CN116663974A - 一种基于Excel的大豆加工产品质量分析方法、电子设备及存储介质 - Google Patents
一种基于Excel的大豆加工产品质量分析方法、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116663974A CN116663974A CN202310562414.2A CN202310562414A CN116663974A CN 116663974 A CN116663974 A CN 116663974A CN 202310562414 A CN202310562414 A CN 202310562414A CN 116663974 A CN116663974 A CN 116663974A
- Authority
- CN
- China
- Prior art keywords
- data
- soybean
- excel
- value
- soybean meal
- 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
Links
- 235000010469 Glycine max Nutrition 0.000 title claims abstract description 67
- 244000068988 Glycine max Species 0.000 title claims abstract description 65
- 238000004458 analytical method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 235000019764 Soybean Meal Nutrition 0.000 claims abstract description 68
- 239000004455 soybean meal Substances 0.000 claims abstract description 68
- 238000009826 distribution Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000004519 manufacturing process Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000007599 discharging Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000004140 cleaning Methods 0.000 claims abstract description 6
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 11
- 244000046052 Phaseolus vulgaris Species 0.000 claims description 8
- 235000010627 Phaseolus vulgaris Nutrition 0.000 claims description 8
- 238000004886 process control Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 4
- 230000006872 improvement Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- XDDAORKBJWWYJS-UHFFFAOYSA-N glyphosate Chemical compound OC(=O)CNCP(O)(O)=O XDDAORKBJWWYJS-UHFFFAOYSA-N 0.000 claims description 3
- 238000002329 infrared spectrum Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000003908 quality control method Methods 0.000 abstract description 3
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/177—Editing, e.g. inserting or deleting of tables; using ruled lines
- G06F40/18—Editing, e.g. inserting or deleting of tables; using ruled lines of spreadsheets
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Linguistics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Fuzzy Systems (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marine Sciences & Fisheries (AREA)
- Evolutionary Biology (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Game Theory and Decision Science (AREA)
Abstract
一种基于Excel的大豆加工产品质量分析方法、电子设备及存储介质,属于大豆加工产品检测技术领域。为提高大豆加工产品质量的分析的准确性。本发明采集大豆加工生产线的豆粕出料水分数据,将采集的大豆加工生产线的豆粕出料水分数据进行数据清洗,得到待分析的豆粕数据;将步骤S1得到的待分析的豆粕数据进行正态分布分析,基于Excel绘制大豆加工产品质量分析曲线;将步骤S1得到的待分析的豆粕数据进行制成能力量化分析,构建大豆加工产品质量的制成能力指标等级;基于步骤S2和步骤S3,对待分析的大豆加工产品进行质量分析。本发明对大豆加工产品质量控制水平的准确性和精确度都有体现。
Description
技术领域
本发明属于大豆加工产品检测技术领域,具体涉及一种基于Excel的大豆加工产品质量分析方法、电子设备及存储介质。
背景技术
以往判定大豆加工产品质量的分析方法多为平均值,以平均值是否接近标准值来判断工艺控制水平。但实际上平均值只能反应大量产品的中心值,对于实际产品质量的偏差并不能识别出来,无法准确的判断出产品控制的真实水平。以43%豆粕的水分为例,标准值为13.0%,实际生产过程中两个生产期的产品水分可能分别为13.5%和12.5%,虽然平均值仍然是13.0%,但水分13.5%的产品往往会引发客户投诉,最终给客户一定的水分补偿,而水分为12.5%的样品,虽然不会有投诉,但却会给公司造成一定的经济损失,丢失品率,亟需解决大豆加工产品质量的分析的准确性问题。
发明内容
本发明要解决的问题是提高大豆加工产品质量的分析的准确性,提出一种基于Excel的大豆加工产品质量分析方法、电子设备及存储介质。
为实现上述目的,本发明通过以下技术方案实现:
一种基于Excel的大豆加工产品质量分析方法,包括如下步骤:
S1、采集大豆加工生产线的豆粕出料水分数据,将采集的大豆加工生产线的豆粕出料水分数据进行数据清洗,得到待分析的豆粕数据;
S2、将步骤S1得到的待分析的豆粕数据进行正态分布分析,基于Excel绘制大豆加工产品质量分析曲线;
S3、将步骤S1得到的待分析的豆粕数据进行制成能力量化分析,构建大豆加工产品质量的制成能力指标等级;
S4、基于步骤S2和步骤S3,对待分析的大豆加工产品进行质量分析。
进一步的,步骤S1利用近红外光谱或微波处理在线检测设备,采集大豆加工生产线的豆粕出料水分数据,对采集的数据进行数据清洗,去除刚开机时的不合格品数据、停机排料时的异常指标数据。
进一步的,步骤S2的具体实现方法包括如下步骤:
S2.1、将步骤S1得到的待分析的豆粕数据输入到excel表的一列中,得到的待分析的豆粕数据组为D={D1,D2,…,Dm},设定豆粕质量的标准值为U,豆粕质量标准的平均值TS,期望的标准偏差为σs;
S2.2、计算待分析的豆粕数据组的极差R;
S2.3、设置待分析的豆粕数据组的分组数K和分组组距H,对待分析的豆粕数据组进行豆粕数据分组,将得到的豆粕数据分组计算分组内豆粕数据的频数O;
S2.4、基于步骤S2.1-S2.3得到的数据,基于Excel绘制大豆加工产品质量分析曲线。
进一步的,步骤S2.2的具体实现方法包括如下步骤:
S2.2.1、通过Excel表格引用公式max和min,计算出待分析的豆粕数据组的最大值Tmax,最小值Tmin,计算公式为
Tmax=MAX(D1:Dm)
Tmin=MIN(D1:Dm)
S2.2.2、极差为豆粕数据组的最大值与最小值之间的差,计算公式为:
R=Tmax-Tmin。
进一步的,步骤S2.3的具体实现方法包括如下步骤:
S2.3.1、Excel表中以样本数量的开方计算分组数K,计算公式为:
K=ROUNDUP(SQRT(COUNT(D1:Dm)),0);
S2.3.2、Excel表中以极差和分组数计算分组组距,计算公式为:
H=R/K。
S2.3.3、Excel表中对所有豆粕数据进行分组,以Tmin为分组的第一个数据,H为分组间距,将分组数据列于N列,将所有的数据分为K组,计算公式为:
N1=Tmin
N2=N1+H
N3=N2+H
……
Nk=Nk-1+H。
S2.3.4、设置频数为待分析数据组在每个小组出现的频率,在excel表格引用公式FREQUENCY计算所有待分析数据在分组内豆粕数据的频数O,计算公式为:
O=FREQUENCY(D1:Dm,N1:Nk)。
进一步的,步骤S2.4的具体实现方法包括如下步骤:
S2.4.1、以分组为横坐标,频数为纵坐标,绘制柱形图,体现待分析数据在各分组区间内数量的分布;
S2.4.2、绘制期望的正态分布图,根据设定的豆粕质量标准的平均值TS、期望的标准偏差σs,在excel表格中引用NORMDIST公式,计算期望的正态分布数据P,计算公式为:
P=NORMDIST(N,TS,σs,0)
然后以分组为横坐标,期望的正态分布数据为纵坐标,绘制期望的正态分布图;
S2.4.3、绘制实际的正态分布图,计算待分析数据实际的样本实际平均值、样本实际标准差,以及在excel表格中引用公式NORMDIST公式,计算实际的正态分布数据P实,计算公式为:
P实=NORMDIST(N,样本实际平均值,样本实际标准差,0)
然后以分组为横坐标,实际的正态分布数据为纵坐标,绘制实际数据的正态分布图。
进一步的,步骤S3的具体实现方法包括如下步骤:
S3.1、设定豆粕质量的标准值U的浮动上限值为Umax、下限值为Umin,则豆粕质量的标准值的公差TU的计算公式为:
TU=Umax-Umin;
S3.2、计算待分析的豆粕数据组D={D1,D2,…,Dm}的平均值和标准差σ,计算公式为:
S3.3、计算准确度Ca:准确度为衡量实际数据的平均值与设定标准值的一致性,Ca的绝对值越小,表示平均值与设定标准值越接近,准确度越高,计算公式为:
S3.4、计算精密度Cp:精密度为衡量规格公差宽度与数据实际宽度之间的比例,Cp值越大,表示精密度高,数据分布越集中,计算公式为;
S3.5、计算制成能力指数CPK:制成能力指数综合衡量Ca和Cp,制程水平的量化反映,赋予一个可量化的数值,其实质作用是反映制程合格率的高低,计算公式为:
Cpk=Cp(1-︱Ca︱)
S3.6、根据根据粮油行业产品质量特点,设置不同产品质量制程能力等级,根据产品质量的历史数据分别计算Ca、Cp和Cpk值,结合计算结果和制程水平,综合考虑历史数据、工艺控制能力和改进方案,设定Ca、Cp和Cpk值的等级标准,将每个标准分为4-5级。
进一步的,步骤S3.6的具体实现方法包括如下步骤:
S3.6.1、准确度Ca的等级划分:Ca的绝对值小于20%,结果为A级;Ca的绝对值大于等于20%且小于35%,结果为B级;Ca的绝对值大于等于35%且小于50%,结果为C级;Ca的绝对值大于等于50%,结果为D级;
S3.6.2、精密度Cp的等级划分:Cp的绝对值大于等于1.2,结果为A+级;Cp的绝对值小于1.2且大于等于0.75,结果为A级;Cp的绝对值小于0.75且大于等于0.35,结果为B级;Cp的绝对值小于0.35且大于等于0.2,结果为C级;Cp的绝对值小于02,结果为D级;
S3.6.3、制程能力指数Cpk的等级划分:Cpk的绝对值大于等于1.2,结果为A+级;Cp的绝对值小于1.2且大于等于0.75,结果为A级;Cp的绝对值小于0.75且大于等于0.45,结果为B级;Cp的绝对值小于0.45且大于等于0.2,结果为C级;Cp的绝对值小于0.2,结果为D级。
电子设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现所述的一种基于Excel的大豆加工产品质量分析方法的步骤。
计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的一种基于Excel的大豆加工产品质量分析方法。
本发明的有益效果:
本发明所述的一种基于Excel的大豆加工产品质量分析方法,对于大豆加工产品质量控制的分析更科学、客观,对大豆加工产品质量控制水平的准确性和精确度都有体现。本发明方法最终结果以图形进行展示,更直观,实现实时分析,以时间、班组等不同维度进行分析对指导生产的意义重大。对不同时期、不同班组、或其他不同维度的待分析数据进行收集后,计算的制程能力指数,以可量化的数据评价某一组数据的结果,将结果进行对比,可以判断那组数据控制水平更好。
附图说明
图1为本发明所述的一种基于Excel的大豆加工产品质量分析方法的流程图;
图2为本发明所述的一种基于Excel的大豆加工产品质量分析方法的大豆加工产品质量分析曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施方式,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅用以解释本发明,并不用于限定本发明,即所描述的具体实施方式仅仅是本发明一部分实施方式,而不是全部的具体实施方式。通常在此处附图中描述和展示的本发明具体实施方式的组件可以以各种不同的配置来布置和设计,本发明还可以具有其他实施方式。
因此,以下对在附图中提供的本发明的具体实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定具体实施方式。基于本发明的具体实施方式,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他具体实施方式,都属于本发明保护的范围。
为能进一步了解本发明的发明内容、特点及功效,兹例举以下具体实施方式,并配合附图详细说明如下:
具体实施方式一:
一种基于Excel的大豆加工产品质量分析方法,包括如下步骤:
S1、采集大豆加工生产线的豆粕出料水分数据,将采集的大豆加工生产线的豆粕出料水分数据进行数据清洗,得到待分析的豆粕数据;
进一步的,步骤S1利用近红外光谱或微波处理在线检测设备,采集大豆加工生产线的豆粕出料水分数据,对采集的数据进行数据清洗,去除刚开机时的不合格品数据、停机排料时的异常指标数据;
S2、将步骤S1得到的待分析的豆粕数据进行正态分布分析,基于Excel绘制大豆加工产品质量分析曲线;
进一步的,步骤S2的具体实现方法包括如下步骤:
S2.1、将步骤S1得到的待分析的豆粕数据输入到excel表的一列中,得到的待分析的豆粕数据组为D={D1,D2,…,Dm},设定豆粕质量的标准值为U,豆粕质量标准的平均值TS,期望的标准偏差为σs;
S2.2、计算待分析的豆粕数据组的极差R;
进一步的,步骤S2.2的具体实现方法包括如下步骤:
S2.2.1、通过Excel表格引用公式max和min,计算出待分析的豆粕数据组的最大值Tmax,最小值Tmin,计算公式为
Tmax=MAX(D1:Dm)
Tmin=MIN(D1:Dm)
S2.2.2、极差为豆粕数据组的最大值与最小值之间的差,计算公式为:
R=Tmax-Tmin;
S2.3、设置待分析的豆粕数据组的分组数K和分组组距H,对待分析的豆粕数据组进行豆粕数据分组,将得到的豆粕数据分组计算分组内豆粕数据的频数O;
进一步的,步骤S2.3的具体实现方法包括如下步骤:
S2.3.1、Excel表中以样本数量的开方计算分组数K,计算公式为:
K=ROUNDUP(SQRT(COUNT(D1:Dm)),0);
S2.3.2、Excel表中以极差和分组数计算分组组距,计算公式为:
H=R/K。
S2.3.3、Excel表中对所有豆粕数据进行分组,以Tmin为分组的第一个数据,H为分组间距,将分组数据列于N列,将所有的数据分为K组,计算公式为:
N1=Tmin
N2=N1+H
N3=N2+H
……
Nk=Nk-1+H。
S2.3.4、设置频数为待分析数据组在每个小组出现的频率,在excel表格引用公式FREQUENCY计算所有待分析数据在分组内豆粕数据的频数O,计算公式为:
O=FREQUENCY(D1:Dm,N1:Nk)。
S2.4、基于步骤S2.1-S2.3得到的数据,基于Excel绘制大豆加工产品质量分析曲线;
进一步的,步骤S2.4的具体实现方法包括如下步骤:
S2.4.1、以分组为横坐标,频数为纵坐标,绘制柱形图,体现待分析数据在各分组区间内数量的分布;
S2.4.2、绘制期望的正态分布图,根据设定的豆粕质量标准的平均值TS、期望的标准偏差σs,在excel表格中引用NORMDIST公式,计算期望的正态分布数据P,计算公式为:
P=NORMDIST(N,TS,σs,0)
然后以分组为横坐标,期望的正态分布数据为纵坐标,绘制期望的正态分布图;
S2.4.3、绘制实际的正态分布图,计算待分析数据实际的样本实际平均值、样本实际标准差,以及在excel表格中引用公式NORMDIST公式,计算实际的正态分布数据P实,计算公式为:
P实=NORMDIST(N,样本实际平均值,样本实际标准差,0)
然后以分组为横坐标,实际的正态分布数据为纵坐标,绘制实际数据的正态分布图。
S3、将步骤S1得到的待分析的豆粕数据进行制成能力量化分析,构建大豆加工产品质量的制成能力指标等级;
进一步的,步骤S3的具体实现方法包括如下步骤:
S3.1、设定豆粕质量的标准值U的浮动上限值为Umax、下限值为Umin,则豆粕质量的标准值的公差TU的计算公式为:
TU=Umax-Umin;
S3.2、计算待分析的豆粕数据组D={D1,D2,…,Dm}的平均值和标准差σ,计算公式为:
S3.3、计算准确度Ca:准确度为衡量实际数据的平均值与设定标准值的一致性,Ca的绝对值越小,表示平均值与设定标准值越接近,准确度越高,计算公式为:
S3.4、计算精密度Cp:精密度为衡量规格公差宽度与数据实际宽度之间的比例,Cp值越大,表示精密度高,数据分布越集中,计算公式为;
S3.5、计算制成能力指数CPK:制成能力指数综合衡量Ca和Cp,制程水平的量化反映,赋予一个可量化的数值,其实质作用是反映制程合格率的高低,计算公式为:
Cpk=Cp(1-︱Ca︱)
S3.6、根据根据粮油行业产品质量特点,设置不同产品质量制程能力等级,根据产品质量的历史数据分别计算Ca、Cp和Cpk值,结合计算结果和制程水平,综合考虑历史数据、工艺控制能力和改进方案,设定Ca、Cp和Cpk值的等级标准,将每个标准分为4-5级。
进一步的,步骤S3.6的具体实现方法包括如下步骤:
S3.6.1、准确度Ca的等级划分:Ca的绝对值小于20%,结果为A级;Ca的绝对值大于等于20%且小于35%,结果为B级;Ca的绝对值大于等于35%且小于50%,结果为C级;Ca的绝对值大于等于50%,结果为D级;
S3.6.2、精密度Cp的等级划分:Cp的绝对值大于等于1.2,结果为A+级;Cp的绝对值小于1.2且大于等于0.75,结果为A级;Cp的绝对值小于0.75且大于等于0.35,结果为B级;Cp的绝对值小于0.35且大于等于0.2,结果为C级;Cp的绝对值小于02,结果为D级;
S3.6.3、制程能力指数Cpk的等级划分:Cpk的绝对值大于等于1.2,结果为A+级;Cp的绝对值小于1.2且大于等于0.75,结果为A级;Cp的绝对值小于0.75且大于等于0.45,结果为B级;Cp的绝对值小于0.45且大于等于0.2,结果为C级;Cp的绝对值小于0.2,结果为D级。Ca、Cp和Cpk值的等级标准如表1所示:
表1Ca、Cp和Cpk值的等级标准
S4、基于步骤S2和步骤S3,对待分析的大豆加工产品进行质量分析。
进一步的,正态分布图形的越高越窄,说明数据的准确度较高,集中性好。正态分布的对称线位置表示了数据的中心。根据设定的平均值和标准偏差所作出的图形是工厂期待的数据结果,如图2所示。
对比期望的正态分布数和实际的正态分布图,可以直观的看出实际正态分布图形相对于期望正态分布的差别:
(1)实际正态分布宽且矮说明工艺控制水平的稳定性还不能达到期望的值,样品的质量数据比期望值更分散,偏差更大。
(2)实际正态分布窄且高,说明工艺控制水平的稳定性还不能达到期望的值,样品的质量数据比期望值更集中,样品质量波动更小。
(3)实际正态分布的对称线与期望正态分布的对称线距离很近,甚至重合,说明工艺控制水平的中心值(平均值)与标准值接近,所有数据围绕标准值波动。
(4)实际正态分布的对称线与期望正态分布的对称线距离很远,说明工艺控制水平的中心值(平均值)与标准值偏差很大,所有检测数据发生了整体的便宜,控制中心值不准确。
(5)从直方图也能看出样本数的分布区间,可以看出样品的检测结果具体集中在哪个范围内,对后期控制也有一定的指导作用。
图2为某一生产期内豆粕水分的3352个数据的分析结果,其中菱形曲线为实际的正态分布曲线,星形曲线为期待的正态分布曲线,柱形图为各分组内实际结果出现的频率。
从图2分析可知:
1.从直方图中可以看出大量的样本数集中在12.489%-13.448%之间,豆粕水分大多集中在12.489%-13.448%之间。
2.实际正态分布图比设定正态分布图形要矮且宽,说明实际检测结果与标准相比,比较分散,不集中,数据整体波动较大。豆粕水分波动较大。
3.实际正态分布的对称线比设计正态分布的对称线略偏左,说明实际的检测结果低于设定标准中心值。
整体评价:样品偏左意味样品水分过低,长期来看对公司的效益有消极影响,样品分布分散,说明我们控制的质量不稳定,波动大。
进一步的,计算某一生产期内豆粕水分的3352个数据的Ca=-6.1%,为A级,Cp=0.35为C级,Cpk=0.33为C级。工厂期望的制程能力是逐步上升的趋势,同时随着生产水平的不断上升,制程能力等级可以进行一定的修正,修正的方法包括:对等级划分细化、提高等级分解值等,以便达到更好的指导生产的目的。对不同时期、不同班组、或其他不同维度的待分析数据进行收集后,计算的制程能力指数,以可量化的数据评价某一组数据的结果,将结果进行对比,可以判断那组数据控制水平更好。
具体实施方式二:
电子设备,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现所述的基于Excel的大豆加工产品质量分析方法的步骤。
本发明的计算机装置可以是包括有处理器以及存储器等装置,例如包含中央处理器的单片机等。并且,处理器用于执行存储器中存储的计算机程序时实现上述的基于Excel的大豆加工产品质量分析方法的步骤。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
具体实施方式三:
计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的基于Excel的大豆加工产品质量分析方法。
本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质,包括但不限于非易失性存储器、易失性存储器、铁电存储器等,计算机可读存储介质上存储有计算机程序,当计算机装置的处理器读取并执行存储器中所存储的计算机程序时,可以实现上述的基于Excel的大豆加工产品质量分析方法的步骤。
所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
虽然在上文中已经参考具体实施方式对本申请进行了描述,然而在不脱离本申请的范围的情况下,可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是,只要不存在结构冲突,本申请所披露的具体实施方式中的各项特征均可通过任意方式相互结合起来使用,在本说明书中未对这些组合的情况进行穷举性的描述仅仅是出于省略篇幅和节约资源的考虑。因此,本申请并不局限于文中公开的特定具体实施方式,而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种基于Excel的大豆加工产品质量分析方法,其特征在于,包括如下步骤:
S1、采集大豆加工生产线的豆粕出料水分数据,将采集的大豆加工生产线的豆粕出料水分数据进行数据清洗,得到待分析的豆粕数据;
S2、将步骤S1得到的待分析的豆粕数据进行正态分布分析,基于Excel绘制大豆加工产品质量分析曲线;
S3、将步骤S1得到的待分析的豆粕数据进行制成能力量化分析,构建大豆加工产品质量的制成能力指标等级;
S4、基于步骤S2和步骤S3,对待分析的大豆加工产品进行质量分析。
2.根据权利要求1所述的一种基于Excel的大豆加工产品质量分析方法,其特征在于,步骤S1利用近红外光谱或微波处理在线检测设备,采集大豆加工生产线的豆粕出料水分数据,对采集的数据进行数据清洗,去除刚开机时的不合格品数据、停机排料时的异常指标数据。
3.根据权利要求1或2所述的一种基于Excel的大豆加工产品质量分析方法,其特征在于,步骤S2的具体实现方法包括如下步骤:
S2.1、将步骤S1得到的待分析的豆粕数据输入到excel表的一列中,得到的待分析的豆粕数据组为D={D1,D2,…,Dm},设定豆粕质量的标准值为U,豆粕质量标准的平均值TS,期望的标准偏差为σs;
S2.2、计算待分析的豆粕数据组的极差R;
S2.3、设置待分析的豆粕数据组的分组数K和分组组距H,对待分析的豆粕数据组进行豆粕数据分组,将得到的豆粕数据分组计算分组内豆粕数据的频数O;
S2.4、基于步骤S2.1-S2.3得到的数据,基于Excel绘制大豆加工产品质量分析曲线。
4.根据权利要求1所述的一种基于Excel的大豆加工产品质量分析方法,其特征在于,步骤S2.2的具体实现方法包括如下步骤:
S2.2.1、通过Excel表格引用公式max和min,计算出待分析的豆粕数据组的最大值Tmax,最小值Tmin,计算公式为
Tmax=MAX(D1:Dm)
Tmin=MIN(D1:Dm)
S2.2.2、极差为豆粕数据组的最大值与最小值之间的差,计算公式为:
R=Tmax-Tmin。
5.根据权利要求4所述的一种基于Excel的大豆加工产品质量分析方法,其特征在于,步骤S2.3的具体实现方法包括如下步骤:
S2.3.1、Excel表中以样本数量的开方计算分组数K,计算公式为:
K=ROUNDUP(SQRT(COUNT(D1:Dm)),0);
S2.3.2、Excel表中以极差和分组数计算分组组距,计算公式为:
H=R/K。
S2.3.3、Excel表中对所有豆粕数据进行分组,以Tmin为分组的第一个数据,H为分组间距,将分组数据列于N列,将所有的数据分为K组,计算公式为:
N1=Tmin
N2=N1+H
N3=N2+H
……
Nk=Nk-1+H。
S2.3.4、设置频数为待分析数据组在每个小组出现的频率,在excel表格引用公式FREQUENCY计算所有待分析数据在分组内豆粕数据的频数O,计算公式为:
O=FREQUENCY(D1:Dm,N1:Nk)。
6.根据权利要求5所述的一种基于Excel的大豆加工产品质量分析方法,其特征在于,步骤S2.4的具体实现方法包括如下步骤:
S2.4.1、以分组为横坐标,频数为纵坐标,绘制柱形图,体现待分析数据在各分组区间内数量的分布;
S2.4.2、绘制期望的正态分布图,根据设定的豆粕质量标准的平均值TS、期望的标准偏差σs,在excel表格中引用NORMDIST公式,计算期望的正态分布数据P,计算公式为:
P=NORMDIST(N,TS,σs,0)
然后以分组为横坐标,期望的正态分布数据为纵坐标,绘制期望的正态分布图;
S2.4.3、绘制实际的正态分布图,计算待分析数据实际的样本实际平均值、样本实际标准差,以及在excel表格中引用公式NORMDIST公式,计算实际的正态分布数据P实,计算公式为:
P实=NORMDIST(N,样本实际平均值,样本实际标准差,0)
然后以分组为横坐标,实际的正态分布数据为纵坐标,绘制实际数据的正态分布图。
7.根据权利要求6所述的一种基于Excel的大豆加工产品质量分析方法,其特征在于,步骤S3的具体实现方法包括如下步骤:
S3.1、设定豆粕质量的标准值U的浮动上限值为Umax、下限值为Umin,则豆粕质量的标准值的公差TU的计算公式为:
TU=Umax-Umin;
S3.2、计算待分析的豆粕数据组D={D1,D2,…,Dm}的平均值和标准差σ,计算公式为:
S3.3、计算准确度Ca:准确度为衡量实际数据的平均值与设定标准值的一致性,Ca的绝对值越小,表示平均值与设定标准值越接近,准确度越高,计算公式为:
S3.4、计算精密度Cp:精密度为衡量规格公差宽度与数据实际宽度之间的比例,Cp值越大,表示精密度高,数据分布越集中,计算公式为;
S3.5、计算制成能力指数CPK:制成能力指数综合衡量Ca和Cp,制程水平的量化反映,赋予一个可量化的数值,其实质作用是反映制程合格率的高低,计算公式为:
Cpk=Cp(1-︱Ca︱)
S3.6、根据根据粮油行业产品质量特点,设置不同产品质量制程能力等级,根据产品质量的历史数据分别计算Ca、Cp和Cpk值,结合计算结果和制程水平,综合考虑历史数据、工艺控制能力和改进方案,设定Ca、Cp和Cpk值的等级标准,将每个标准分为4-5级。
8.根据权利要求7所述的一种基于Excel的大豆加工产品质量分析方法,其特征在于,步骤S3.6的具体实现方法包括如下步骤:
S3.6.1、准确度Ca的等级划分:Ca的绝对值小于20%,结果为A级;Ca的绝对值大于等于20%且小于35%,结果为B级;Ca的绝对值大于等于35%且小于50%,结果为C级;Ca的绝对值大于等于50%,结果为D级;
S3.6.2、精密度Cp的等级划分:Cp的绝对值大于等于1.2,结果为A+级;Cp的绝对值小于1.2且大于等于0.75,结果为A级;Cp的绝对值小于0.75且大于等于0.35,结果为B级;Cp的绝对值小于0.35且大于等于0.2,结果为C级;Cp的绝对值小于02,结果为D级;
S3.6.3、制程能力指数Cpk的等级划分:Cpk的绝对值大于等于1.2,结果为A+级;Cp的绝对值小于1.2且大于等于0.75,结果为A级;Cp的绝对值小于0.75且大于等于0.45,结果为B级;Cp的绝对值小于0.45且大于等于0.2,结果为C级;Cp的绝对值小于0.2,结果为D级。
9.电子设备,其特征在于,包括存储器和处理器,存储器存储有计算机程序,所述的处理器执行所述计算机程序时实现权利要求1-8任一项所述的一种基于Excel的大豆加工产品质量分析方法的步骤。
10.计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-8任一项所述的一种基于Excel的大豆加工产品质量分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310562414.2A CN116663974A (zh) | 2023-05-18 | 2023-05-18 | 一种基于Excel的大豆加工产品质量分析方法、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310562414.2A CN116663974A (zh) | 2023-05-18 | 2023-05-18 | 一种基于Excel的大豆加工产品质量分析方法、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116663974A true CN116663974A (zh) | 2023-08-29 |
Family
ID=87725263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310562414.2A Pending CN116663974A (zh) | 2023-05-18 | 2023-05-18 | 一种基于Excel的大豆加工产品质量分析方法、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116663974A (zh) |
-
2023
- 2023-05-18 CN CN202310562414.2A patent/CN116663974A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5761093A (en) | Quality forecasting engine | |
JP4394728B2 (ja) | 影響要因特定装置 | |
US8473498B2 (en) | Natural language text analytics | |
CN111160404B (zh) | 配电网线损标杆合理值的分析方法及装置 | |
CN109582741B (zh) | 特征数据处理方法和装置 | |
CN111858245A (zh) | 一种异常数据的分析方法、装置、电子设备及存储介质 | |
KR101162861B1 (ko) | 생산 지표 정보 생성 장치, 기록 매체 및 생산 정보 생성 방법 | |
CN116663974A (zh) | 一种基于Excel的大豆加工产品质量分析方法、电子设备及存储介质 | |
CN108519760A (zh) | 一种基于变点检测理论的制丝过程稳态识别方法 | |
CN107506515B (zh) | Pcb加投率计算模型构建方法和装置 | |
CN116596383A (zh) | 基于Excel的大豆加工产品品质分析方法、电子设备及存储介质 | |
CN114022167A (zh) | 基于工业互联网标识编码的新品价格弹性计算方法及装置 | |
CN117171157A (zh) | 基于数据分析的清算数据采集清洗方法 | |
CN110852617B (zh) | 基于实时数据采集的smt产线分析方法及系统 | |
CN115295016A (zh) | 一种设备运行状态监控方法、装置、设备及存储介质 | |
CN114219461A (zh) | 基于多生产工况的生产控制方法和装置 | |
Kadir et al. | Comparison between four methods to construction number of defectives control chart | |
Urooj et al. | Evaluation of Test Statistics for Detection of Outliers and Shifts | |
Birdawod et al. | Comparison of efficiency and sensitively between (three sigma, six sigma and median absolute deviation) by using xbar control chart | |
US20060066617A1 (en) | Computerized method and software for data analysis | |
Amerise et al. | A new method to detect outliers in high-frequency time series | |
CN111882289A (zh) | 一种项目数据审核指标区间测算的装置和方法 | |
Chen et al. | Optimal process mean setting by considering sampling inspection and process capability | |
US20070255673A1 (en) | Method for judging standardization order of workpieces | |
Jung | The interaction between China, Japan, and Korea in the export market |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |