非线性统计过程控制（共8篇）
非线性统计过程控制 篇1
1 引 言
pH值的测量与控制在工业生产中非常普遍, 如采用生物法处理废气时, 由于pH值对溶液的性质、化学反应速度、生成物的成分、性质及微生物的生长和新陈代谢等, 均有很大影响, 为了保持微生物的活性, 最大限度地提高废气处理效率, 必须对生物滴滤池循环水的pH值根据测量的结果用中和剂处理。由于酸碱中和过程滴定曲线具有很强的非线性特性, 尤其是在中和点附近过程增益极高, 对干扰非常敏感, 再加上检测过程的纯滞后环节, 使得对pH值的控制极其困难。一些常规的控制方法[1,2]只是对广义对象的非线性特性采取了补偿措施, 当控制精度要求较高时, 很难取得令人满意的结果。文献[3]将基于自适应粒子群优化的非线性模型预测控制算法应用于pH值的控制, 在输入受限时取得了较好的控制效果。Norquay[4]提出了一种基于Wiener模型的控制方法, 将过程的非线性特性从对象中分离, 克服了控制回路的非线性, 取得了良好的效果, 但针对非线性系统还没有通用的辨识方法, 使其在实际应用中受到限制。
预测控制是直接从工业过程控制中产生的一类新型控制算法, 动态矩阵控制是其中应用较广的一种, 它对对象模型要求不高, 具有很好的鲁棒性。本文针对废气处理中滴滤池的酸碱中和过程, 建立了对象的Wiener模型, 提出了基于此模型的带有自校正参数辨识的非线性动态矩阵控制方法 (NDMC) , 在进行对象的参数辨识时采用最小二乘法来实施参数辨识, 以此提高模型失配时的鲁棒性。仿真实验证明这种方法具有良好的控制性能。
2 pH中和过程的机理模型
滴滤池的中和反应过程如图1所示, 由于微生物在分解有机气体时会产生酸性物质, 使得过程流 (滴滤液) 呈酸性, 为了保持滴滤液的pH值为7或偏碱性, 需要向中和反应池中加入碱液以中和滴滤液。
若过程流被某种强碱溶液 (NaOH) 所中和, 并假设过程流与碱液先经充分调匀后发生中和反应, 则由质量平衡关系得到[5]:
undefined
undefined
x2-x1=[OH-]-[H+]=10pH-14-10-pH=x
式中:F1——过程流流量;c1——过程流氢离子浓度;F2——中和流 (碱液) 流量;c2——中和流氢氧根离子浓度;V——反应池体积;x1, x2——未发生反应时中和池内的酸和碱的浓度 (分别用离解后的氢离子与氢氧根离子浓度来描述) 。
为方便起见, 假设液体在反应池的停留时间基本不变为:
undefined
则式 (1) 和式 (2) 等价于:
undefined
undefined
对于化学溶液的酸度和碱度, 通常可用pH值来表示, 可用数学表达式将其表示为:
undefined
式中:x——溶液中酸碱浓度之差;KW=[H+][OH-]——平衡常数, 在25 ℃时, 其值为10-14。此函数表示的变化曲线即为滴定曲线, 由此可见它是一条典型的非线性曲线。式 (3) ～式 (5) 即为pH中和过程的动态数学模型, 由此可认为广义对象的非线性是由式 (5) 引起的, 这样引入非线性对象的线性化变换, 将非线性特性分离, 从而可以构造过程对象的Wiener模型, 如图2所示。
若中和液流量F2远小于过程流流量F1, 且过程流流量F1恒定, 则式 (2) -式 (1) 得:
undefined
式中:F2——控制量;x——输出变量, 则可得传递函数为:
undefined
式 (3) ～式 (5) 分别对应图2中的动态线性环节和静态非线性环节。由此模型可以看出当把酸碱平衡浓度x而不是pH值作为被控输出时, 就可以把非线性预测控制问题转化为易于求解的线性预测控制, 由对象的动态模型可知, 此时能把过程的非线性特性从对象中分离。
3 非线性预测控制器的设计
由前述可知酸碱平衡浓度x与控制量F2为一一对应的线性关系, 这时模型的一步预测输出为:
undefined
式中:undefined——模型的线性映射关系;n, m——过程输出和输入在模型中的阶数。
通常预测控制都采用多步预测, 设预测步长为P, 在t时刻, 过程输出的多步模型预测可以表示为:
undefined
undefined
当i>k时, x (i) 为未知量, F2 (i) 为待求的控制量。
取酸碱平衡浓度x为被控输出, 这时考虑动态矩阵控制的优化性能指标:
undefined
式中:qi, rj——预测输出误差与控制量的加权系数;P——预测时域;M——控制时域, 一般有M≤P, 则认为k+M-1时刻后控制量不再改变;Ω——允许控制域, 它可以由过程的各种约束共同构成;xr (k+i) ——参考轨迹, 通常采用从现在时刻实际输出值出发的一阶指数函数形式:
undefined
式中:ω——输出设定值;T——采样时间;τ——参考轨迹时间常数。
这样动态矩阵控制的求解就转化为最优化问题, 实时地求出目前及将来时刻要采取的控制序列F2 (k) , F2 (k+1) , …, F2 (k+P-1) , 以满足约束条件并使J最小。当过程模型为线性, 系统无约束时, 可以得到解析表达式形式的解。在k时刻, 虽然已经求出了当前及未来时刻的最优控制量, 但需要实施的只是F2 (k) 。到了F2 (k+1) 时刻, 由于又获得了新的测量数据x (k+1) , 可以递推预测, 再次求解, 实施新的F2 (k+1) 。这样, 在每个采样时刻都重复动态矩阵控制算法一次, 求解此线性优化问题得到的DMC增量控制律为:
ΔF2 (k) =cT (ATQA+R) -1ATQ[xr (k) -xp0 (k) ] (7)
式中:ΔF2——M维控制增量;Q——预测误差权阵;R——控制权矩阵;A——预测模型的阶跃响应系数阵;M维行向量cT=[1 0 0…]表示取首元素的运算, 在k时刻, 虽然已经求出了当前及未来时刻的最优控制量, 但需要实施的只是F2 (k) ;xr——经一阶滤波器柔化后的跟踪轨迹;xp0 (k) ——k时刻模型的预测输出。
为了得到更好的控制效果, 动态矩阵控制采用闭环控制算法。在k时刻, 实际对象输出测量值x (k) 与预测模型输出x (k) 之间的误差为:
undefined
利用该误差对预测输出undefined进行反馈修正, 得到修正后的输出预测值xp0为:
xp0=Xpast+H·e (k) (8)
式中:e——建模误差;H——误差反馈系数阵;Xpast——k时刻以前施加在系统上的控制增量产生的模型输出。
xp=A·ΔF (k) +xp0 (k) (9)
将xp0代入式 (7) 即可得出当前的控制增量ΔF2。这样就在动态优化中排除了非线性关系 (5) 的影响, 控制器结构如图3所示。
图中Gm为中和过程的阶跃响应模型, NL-1所表示的非线性环节即式 (5) 描述的滴定方程的逆过程。以上所述的预测模型是动态矩阵控制的基础, 模型预测的准确性决定了控制的性能。
4 中和过程的参数辨识
对于酸碱中和过程来说, 由于存在各种过程干扰, 过程流中存在一定浓度的未知化学成分, 我们获得的对象模型只是真实对象的一个近似模型。当存在模型失配时, 预测控制算法在选择校正参数时就面临着抗干扰性和鲁棒性的矛盾, 尤其是对象带有强非线性特性时, 微小的误差就会使输出的pH值在中性点附近发生很大的波动。针对这个矛盾, 在预测控制的基础上引入自校正机制, 可以把抗干扰性和鲁棒性分别划分到基础预测层和自校正层处理[6]。通过自校正层在线辨识对象的阶跃响应系数, 使模型尽可能快地跟踪对象的变化, 并以此来修正控制律, 即根据实际对象的输入、输出数据对对象的参数进行辨识, 如图3中, 对对象的阶跃响应模型进行实时的参数辨识。这样DMC的控制参数选择就只须考虑抗干扰性。
把中和液流量F2看作控制量u, 取对象模型结构为:
pH (k) =u (k) ·θ+e (k) (10)
式中:θ=[a1…an]T——待辨识模型参数矩阵;e——模型误差。
这里为了方便地获取输入/输出数据样本集, 最初在F2加上一系列的伪随机信号, 得到输出数据, 以此作为参数辨识所用的k组输入/输出数据, 为了使模型拟合的残差平方和最小, 取目标函数J′ (k) 为:
undefined
要使J′最小, 需:
undefined
式中:λ——遗忘因子, 通常选为0.95≤λ≤0.995;U, pH——输入/输出矩阵, 且都是已知数据, 因此可得到最小二乘估计:
undefined
再由第k+1组观测数据得到最小二乘估计的迭代算式:
undefined
K (k+1) =P (k) u (k+1) [λ+uT (k+1) PNu (k+1) ]-1 (14)
其中:
undefined
P (k) =[uT (k) u (k) ]-1 (16)
在对象模型较为稳定时, DMC算法本身具有较好的鲁棒性, 为了减小计算量, 可以不必在整个过程中采取参数辨识策略, 只有当残差e过大时, 才进行以上辨识过程。
5 仿真实验结果
根据前述机理模型, 酸碱中和过程可用一阶系统来等价, 通过对系统的辨识, pH过程增益为K=2, 时间常数T=9, pH计检测传递函数为:G (s) =Kme-2s, 所以本文研究的滴滤池中和反应过程的传递函数可近似为:undefined。取预测时域长度P=20, 控制时域长度M=3。对于作用于对象的阶跃形式的扰动, 如图4所示, 算法总能使pH值回到原设定值, 在100 s时阶跃给定由7降到4时, 常规DMC和本文中的NDMC算法均能使输出快速地跟随给定值, 此时两种算法都显示了良好的鲁棒性。
但当过程流中存在扰动时, 如果此时加入未知浓度的酸液, 使pH值发生波动, DMC算法的控制效果很不理想。如图5所示, 在100 s时, 对象模型发生变化, 这时DMC算法的pH值输出出现剧烈的变化, 而采用NDMC算法, 在算法中加入对象模型参数的辨识后, 此时对象的输出结果明显得到改善, 可见本文算法较常规DMC有较好的鲁棒性。此时模型输出与实际对象输出之间的偏差变化如图6所示, 说明辨识结果是比较令人满意的。
6 结 论
本文针对线性DMC在pH值控制中存在的缺陷, 提出了一种基于Wiener模型的非线性DMC方法。由于引入了对象模型的参数辨识, 可以将抗干扰性和鲁棒性分层优化, 尽可能地使预测模型失配度降低, 使得预测模型能够得到修正, 并以此来修改控制量, 克服了线性DMC对于强非线性系统的缺陷。实验表明该方法能够快速跟踪给定值的变化, 即使对象存在模型失配时, 也能取得比线性DMC更好的控制效果, 具有良好的抗干扰性和鲁棒性。
摘要：化工生产过程中常常涉及到pH值的控制, pH中和过程具有很强的非线性特性。通过对中和过程非线性特性的分析, 引入了对象的Wiener模型, 将中和过程的非线性特性分离。同时针对线性动态矩阵控制 (DMC) 存在的问题, 采用分层优化的策略, 提出了基于此模型的带有自校正参数辨识的非线性动态矩阵控制算法, 实现了pH值的高精度控制。该方法具有很强的稳定性和鲁棒性, 对于抑制过程流中存在的扰动, 取得了比线性预测控制更好的控制效果。
关键词：pH值控制,Wiener模型,动态矩阵控制,参数辨识
参考文献
[1]SALEHI S, SHAHROKHI M, NEJATI A.Adaptive NonlinearControl of pHNeutralization Processes Using Fuzzy Approxima-tors[J].Control Engineering Practice, 2009, 17 (11) :1329-1337.
[2]ELARAFI M, HISHAMS B.Modeling and Control of pH Neu-tralization Using Neural Network Predictive Controller[C]//In-ternational Conference on Control, Automation and Systems.2008:1196-1199.
[3]夏晓华, 刘波, 栾志业, 等.基于APSO的非线性预测控制及在pH中和反应中的应用[J].化工自动化及仪表, 2006, 33 (1) :24-27.
[4]NORQUAY S J, PALAZOGLU A.Model Predictive ControlBased on Wiener Models[J].Chemical Engineering Sci-ence, 1998, 53 (1) :75-84.
[5]王树青.工业过程控制工程[M].北京:化学工业出版社, 2002.
[6]席裕庚.预测控制[M].北京:国防工业出版社, 1993.
非线性统计过程控制 篇2
1、均值极差图无论是数据采集时还是日常监控，每个子组数据都应是连续采集的；
2、对于R图（包括S图、MR图）判异准则通常只有超出控制限这一条，换句话说就是所要监控的是子组数据是否符合要求；
3、对于均值图的判异（包括单值图）不应过于教条于判异准则，要结合过程实际情况（如周期性波动），思考均值图波动的原因以及过程可能会出现的情况；
4、控制图只关注于过程是否受控，不与产品特性是否符合规范要求相联系；
5、在计算控制图控制限时要视实际情况而定，要判断控制图异常数据产生的原因，仅踢走由特殊原因产生之数据，如果异常原因不可避免应视其为普通原因予以考量（见12）；
6、Cpk的前提是过程稳定受控，即需先以控制图监控其过程之状态，并排除特殊原因继而达到过程稳定受控，且可计算Cpk；
7、判异准则通常不可仅用超出控制限点此一条，至少还应有链，即七点连续上升或下降及中心线一侧，若仅有超出控制限点，不可称其为控制图；
8、过度调整即不正常干预，对实际处于统计受控的过程采取措施，将一个变差或错误视为一种特殊原因，但事实上此原因属系统性即为普通原因；
9、七点连续上升或下降，通常在5、6点时就应采取措施，已达到对过程的及时控制；
10、控制限通常不必做定期调整，但当过程有重大变化之情况，且导致控制限发生永久性变化，则需进行控制限调整；
11、单值-移动极差图在日常使用中，每张控制图的第一点应与上张图的最后点相减；
12、同5，控制限计算时不一定要把所有的超差（特殊原因）踢出，如果超差是知其原因，且不可避免并可预测，则不应踢出；
13、控制图特性的选择应结合关键特性，分析潜在失效原因，且参数有足够代表性，即过程的绝大变差能通过此特性反映出来；
14、验收设备所做的Cmk，对具体操作人员没有要求；
15、分析异常原因应从“人、机、料、法、环、测”进行分析，“机”通常可最先排除，而原因是“测”的因素可能最多；
16、控制图只是一种预测的工具，置信区间以猜大之原则；
化学工业的统计过程控制 篇3
1.1 离散制造工艺特征
离散制造的产品常由多个零件经过一系列并不连续工艺的加工装配而成。例如属于航空器、汽车、机械零部件的制造行业等。这种类型的企业一般都包含零部件制造、加工、装配等过程, 整个离散制造业就是由一系列相互配套的企业组成的产业网络。
在离散制造的生产过程中, 过程常被分解为多项并行或串行的子过程。每项子过程仅要求企业部分的资源、机台、人力。企业将功能类似或流程类似的机台和人力资源组成生产组织 (部门、工段) 。加工对象 (原料或半成品) 在不同的机台和部门间流转, 企业要平衡不同的工作流, 设计工艺路线和机台使用计划。产品设计、生产和批次出货量也变动较多。
在对加工对象进行测量时, 测量数据是反应单一产品的特征, 同等类型的数据相互独立且服从正态分布, 大量采用单变量统计的离散制造业各制造环节并不耦合, 工作流呈线性状态。在30年代, 始于休哈特的统计方法很好的帮助了离散制造企业提高了生产质量水平。
1.2 连续制造工艺特征
化工企业从其制造方式上讲, 属于典型的流程型材料的连续制造业, 不但具备连续制造的基本特征, 也具备其自身特点。
(1) 工艺流的特殊性:
在化工企业, 工艺介质常为非均相体系, 一个产品要经过一连串化学反应, 反应可能是平行、串联、可逆、链反应等, 生产的中间过程或最后阶段的产出可能有多个异构体, 伴随中间产品, 联产品或副产品。很多的化工产品也是不同物质的混合, 使用规格指标来定义产品等级, 经常发生过程质量特性输出不合格不一定导致产品不合格。
(2) 制造环节的耦合:
在化工行业, 常以流程规格来定义化工产品制造全过程所需经过的生产路线, 每个变化的流程规格有各自的生产阶段, 阶段可根据企业的具体生产情况、管理需求、计量统计手段而定。一个生产阶段可同时对应多个阶段, 也可以多个阶段对应一个阶段。
(3) 抽样的特殊性:
抽样的目的是要保证样本尽可能代表总体, 离散制造行业通常有多种抽样方法, 具备严格的统计原理 (如GB/T2828) 。而在化工行业很多采用等距抽样。抽样点的设置要考虑管理要求、工艺特点、计量方法。
2 化工行业的质量统计
化学工业是复杂的生产过程, 其统计过程控制有其自身特点:
2.1 工艺数据的庞杂
化工生产中, 一套装置需要采集的工艺参数非常多, 让作业人员同时监控大量的数据是不可能的, 大量的数据独立或者相互关联, 需要通过多元统计分析将大量的数据分类并投影到少数独立因子上去, 呈现给作业人员。
2.2 统计分析平台
化工生产的产品质量数据往往是在产后抽样化验得到, 目前在线测量质量特性的设备并不普及, 对在线工艺参数调整存在滞后性, 常需要建立与工控系统统一的统计分析平台, 对生产过程的大量生产数据建模并分析, 得到不同生产方案的预测模型, 使得作业人员调整工艺参数时候, 便能得到相应的质量数据。
2.3 质量数据特征
化工产品的变量数据之间相互关联, 同一变量多个采集点之间也具备相关性, 单一数据并不呈正态分布, 常应用于离散制造业的单变量统计方法是无效的。
3 正态情况下过程统计
3.1 正态分布的过程能力指数
对于单变量且正态分布的数据, 常使用过程公差限的宽度和过程度量值的变化宽度的比值, 来评价过程满足顾客要求的能力, 当产生的计量数据独立、过程稳定, 且服从正态分布时, 可通过下列公式计算过程能力指数和过程绩效指数。-=99865.0PCp
Cp和Pp是假定过程输出的均值与目标值重合时的过程能力, 大多数情况下, 过程输出均值和目标值并不重合, 引入Cpk和Ppk的目的是同时考虑到均值的偏移, 当然, 当实际过程中心和公差中心越靠近时, Cpk和Ppk的数值也一定会和Cp和Pp数值越靠近。
3.2 正态分布的控制图:
在流程性材料的连续制过程中, 在产品内部均匀情况下, 产品抽样是每次只能取一个样, 受控对象每次只能得到一个测定值, 很多情况下测量费用高, 多次测量不经济, 对于这种单值数据常采用单值-移动极差控制图。
移动极差:指一个测定值xi与紧邻的测定值xi+1之差的绝对值, 记作MR,
其控制限为:
中心线:
参数列表:n为子组大小 (表1) 。
4 非正态情况下的过程统计
4.1 非参数计算
流程性材料的测量数据往往不呈正态分布, 这就有必要将过程能力推广到非正态分布的情况下, 在数据为偏态情况下, 曾有人提出以下计算方法:
此公US式L用-上µ分µ位-数9L9S.8L65%到下分位数=0.1M3i5n%之间的距离, 替代6σ, 以50%分位数替代μ, 进而3推σ广到一般3σ化的情形, 但此公式的缺陷是需要大量的观测样本, 如果直接利用数据计算分位数是有条件的, 样本量n通常要满足:
取p在0.00135时, 样本量n要超过740个, 即使取p在0.005, 样本量n也要超过200个, 在控制要求允许的情况下, 同样可用下列方法计算以减少样本量要求:
4.2 数据变换:
在样本量较少的情况下, 通常对数据做变换处理, 以改变原分布类型, 将非正态分布的数据转化为类正态分布, 常见有 等, 常用的有Box-Cox法和Johnson变换法。
Box-Cox法常选定一个合适的λ, 带入下列公式, 形成新的随机变量y*, 最终得到新的服从正太分布的变量y*
Johnson变换具备一系列变换曲线, 数理上拥有更好的变换为正态数据的能力, 它将一般数据分为三大数学类型, 对应不同的变换公式
通式:
Z为标准正态分布变量, X为原始非正态分布变量, ξ定义为位置因子, λ定义为尺度因子, 参数γ和δ控制分布形状。 (表2)
5 多变量情况下的过程统计
5.1 多变量下的过程能力指数
产品的质量特征会通过多个关键指标来表达, 多个指标间可能存在相互制约相互影响的可能性, 应用单变量分析会丢失很多有用信息, 并不能全面评价其过程能力, 因此需引入多变量统计技术进行过程能力的计算。
多元统计中的主成份分析是用多个指标化为少数相互无关的综合指标的统计方法, 去考察变化最大、最能区分各观测样本的成分。
设有这样一个m*n矩阵, m为质量特征, n为样本数量。
计算此矩阵的协方差矩阵S, 并对S做正交化处理, 得到对角矩阵D, 对角数值λ1, λ2….λm即为矩阵S的特征值, E1, E2….Em为这些特征值的特征向量, Ei就是个变量在第i因子上的载荷, 每个因子贡献率为:
所以因子的载荷矩阵L为
转换的质量特性上下规范限为
那么对应因子的过程能力指数即为:
计算式中有
5.2 多变量情况下的控制图
多元过程统计控制MSPC由Hotelling发展起来的, 简称为T2图, 它是对各指标均值的联合控制, T2控制图点子链是按照时间顺序画出, 这样我们可以看到均值是否收到特殊因素影响。总体的均值向量μo和协方差矩阵Σ0也是未知, 当数据按组出现时, 利用各子组均值向量 和各子组协方差阵平均阵Sp代替, 第i批T2统计量为:
式中, n是自组样品的个数
式中, 是第j批抽样子组的均值向量, Sj是第j批抽样子组协方差
这样其UCL可表示为:
而下限LCL为0
6 结论
非线性统计过程控制 篇4
公司在产品生产过程中做了大量的工作, 如首件鉴定、供方监造、检验点前移、首件检验、进货检验、过程检验、最终检验、启用FRACAS系统等。在上述各个控制过程中产生了大量的数据, 然而目前我们缺乏每个环节过程数据的分析, 即缺乏过程能力分析并对过程进行改善。以生产过程产生数据为例, 受人、机器、材料、方法和环境等基本因素的影响, 产品的加工尺寸存在波动。这种波动分为正常波动和异常波动两种。正常波动对产品质量影响较小, 技术上难以消除, 经济上也不值得消除。异常波动由系统原因 (异常因素) 造成, 对产品质量影响大, 但能够通过有效措施避免和消除。因此需要对生产过程进行控制, 消除和避免异常波动, 使过程处于正常波动状态。
统计过程控制 (SPC) 可以有效的解决这些问题。SPC指应用统计分析技术对生产过程进行实时监控, 科学的区分出生产过程中产品质量的随机波动与异常波动, 从而对生产过程的异常趋势提出预警, 以便生产管理人员及时采取措施, 消除异常, 恢复过程的稳定, 从而达到提高和控制质量的目的。
在我国SPC理论的应用还没有普及。随着市场竞争的日益激烈, 企业对产品质量提出了更高的要求, 特别在全球一体化经济背景下, 企业要想加入全球产业链之中, 就必须按照国际统一的质量管理标准和方法进行质量管理。近年来, 越来越多的国内企业意识到这一点, 纷纷通过了ISO9000、ISO/TS16949等质量管理认证。国际标准化组织 (ISO) 也将SPC作为ISO9000族质量体系改进的重要内容, ISO/TS16949认证也将SPC列为一项重要指标, IRIS认证同样将SPC列为一项重要指标。鉴于此, 世界许多大公司不仅自身采用SPC, 而且要求供应商也必须采用SPC控制质量, SPC业已成为企业质量管理必不可少的工具和质量保证手段, 也是利用高新技术改造传统企业的重要内容。综上SPC具体作用如下:
(1) 提高产品合格率, 降低生产成本, 提高企业效益
(2) 降低产品售后服务费用, 包括因质量原因引发的退货、换货、修理。
(3) 实时监控企业质量管理过程, 全面掌握质量动态, 及时发现质量变异。
(4) 多种控制图提供质量变异分析方法, 提供质量管理决策支持, 使质量管理者能找出真正使质量变异的原因, 有助于企业持续改善质量。
(5) 获得采购商对质量管理的认可, 从而获得更多客户。
(6) 提升现代管理及信息化建设水平, 改善企业形象。
2 过程能力分析
2.1 技术原理
统计过程控制是一种借助数理统计方法的过程控制工具。它认为, 当过程仅受随机因素影响时, 过程处于统计控制状态 (简称受控状态) , 当过程中存在系统因素的影响时, 过程处于统计失控状态 (简称失控状态) 。由于过程波动具有统计规律性, 当过程受控时, 过程特性一般服从稳定的随机分布;而失控时, 过程分布将发生改变。SPC正是利用过程波动的统计规律性对过程进行分析控制。因而, 它强调过程在受控和有能力的状态下运行, 从而使产品和服务稳定地满足顾客的要求。
2.2 关键技术指标
过程能力 (简称PC) 是指过程质量方面的能力。这种能力表现在过程稳定 (受控) 的程度上, 用过程能力指数Cpk表征。Cpk计算步骤如下:
步骤1:计算极差均值 (n表示测试组数, R1为第1组测得N个样件的最大值与最小值的差值;Rn为第n组测得N个样件的最大值与最小值的差值) , N取值范围3~5。
步骤2:计算标准差σ。。其中, d2为中心线系数。参见表1。
步骤3:计算过程能力指数Cpk。
T的大小是标准要求, 往往是根据顾客的要求确定的, 一般是不变的, 因而过程能力指数Cpk主要取决于标准偏差σ, 标准偏差σ越小, Cpk越大。参考评价表见表2。
说明:Cp、Cpk并不是越大越好, 如果过大, 表明过程能力过高, 产生浪费, 需要节俭, 如果过小, 则过程能力不足, 需要进行改善。
3 过程能力实例分析
3.1 沈阳地铁实例分析
由图1工序能力图来看, Cpk值为0.928, 在0.67~1.0之间, 属于第4等级。过程能力不足, 技术管理能力很差, 需整改。
本过程能力不足, 具体原因需从以下几个方面分析:
(1) 从设备、工装方面分析:首先对设备的各种参数进行了评估, 尤其对设备的各种重要参数进行了分析, 初步判断各种参数可能对设备稳定性的影响程度, 经过筛选, 判断转轴的转速对加工的效果有着不同寻常的制约作用, 因此对转轴的转速为300±20r/min, 调整为260±20r/min。
(2) 从人员的作业方法分析, 通过对作业人员作业方法的确认, 作业时完全按照工艺卡片的要求执行, 所以出现的过程波动与作业方法没有任何关系。
(3) 从原材料方面分析, 通过对原材料的复验分析, 原材料的成分与原来的成分相吻合, 所以对出现的过程波动, 与原材料没有任何关系。
(4) 从人员方面分析, 通过对作业人员的工作认真程度、责任心等方面的全方位分析, 确认出现的波动与人员没有任何关系。
(5) 从测量设备方面进行分析, 对过程使用的测量设备进行测量系统的稳定性的分析, 从控制图的点的分布及情况及折线的走势, 可以判断, 出现的波动与测量设备没有关系。从下图即可看出测量系统稳定。
经过调整并重新运行一个月, 运行情况从下图可以看出, Cpk由0.928提高到1.345, 即过程能力明显提高。
3.2 其它应用实例
公司生产部门曾经提出要增加五面铣设备申请, 相关部门利用统计过程能力分析方法对转向架构架加工工序做了三个月控制图分析, 结果显示构架加工过程非常稳定, 不需要进行全数检验, 利用现有检测能力通过抽检即可保证产品质量, 无需增加新设备。
4 结论
非线性统计过程控制 篇5
数据质量是统计工作的“生命线”。统计数据质量的高低,不仅关系到决策的正确性和科学性,还关乎统计机构的形象和声誉,进而影响政府的公信力。30多年来,国际组织和各国政府统计机构,对统计数据质量的评估与管理进行研究,取得了重大进展。对数据质量内涵的认识突破了准确性,扩展至适用性、准确性、及时性、可比性、衔接性、可解释性、可取得性和有效性等特征;从统计数据提供者、生产者和用户等多个角度衡量数据质量,制定了有关数据质量的基本准则、评估框架和保证体系。中国国家统计局建立了对主要统计指标数据质量评估的实施办法,但统计数据质量管理相对滞后,数据质量控制目标锁定在结果,而不是在数据生产前期和生产阶段。本研究旨在从全局质量控制角度出发,针对统计调查过程中存在的问题,提出数据质量控制原则和具体标准,给出进一步提高中国统计数据质量的建议。
二、文献回顾
国内外对统计调查过程中数据质量控制的探讨,归并在对数据质量研究之中,鲜有单独列出。目前统计数据质量研究主要集中在数据质量管理体系及数据质量评估方法两个方面。前者又分为两类,一类是国际组织、政府统计机构的数据质量保证框架,如国际货币基金组织《数据质量评估框架》(DQAF)对数据质量评估从6个方面进行,即数据质量的前提条件、保证诚信、方法健全性、准确性和可靠性、适用性以及可获得性。其评估内容分为5个层次,即质量方面层、要素层、指标层、重点问题层和关键层。另一类是单项统计数据质量管理机制,比如英国零售物价指数质量认证标准体系。
国内对数据质量管理体系的研究也主要围绕这两类展开。余芳东系统地阐述统计数据质量的概念和衡量标准,介绍国外数据质量评价和管理的方法和经验,提出了加强我国统计数据质量管理的参考建议。刘洪等以经济理论为基础,以国内生产总值(GDP)为数据质量评估的实证对象,利用相关影响因素构造计量模型,进行数据质量评估。
数据质量评估方法主要分成定性和定量两类。定性类比较有代表性的是Aebi et al,从理论的角度对数据质量进行多维度分析,但没有探讨各维度的具体评估方法。Rahm et al提出应从一个更宽广的角度来理解数据质量。定量评估研究主要集中在评估技术与方法上,许涤龙等认为统计数据质量的评估方法有逻辑关系检验法、计量模型分析法、核算数据重估法、统计分布检验法、调查误差评估法以及多维评估法6个类别。刘云霞等介绍了利用Benford法则检测统计数据质量的一般方法。
从现有的研究来看,以国外已有的质量管理框架为基础来评价中国数据质量问题的较多,而研究如何建立起中国数据控制标准的较少;针对宏观统计数据的质量评估文献较多,而从微观层面研究具体阶段、具体地区、具体部门数据所存在问题的较少;单项指标评估以GDP的评估较多,而反映宏观经济运行的其他指标较少;以静态方法为主,而考虑系统动态较少。本文拟从控制标准入手,以全面、动态、多维的视角,探讨调查过程中的数据质量控制标准。
三、调查过程中存在的数据质量问题
(一)统计调查制度改革比较滞后
相对完善的统计调查制度是保证统计调查质量的先决条件。在体制转轨、机制转换、经济升级、社会转型过程中,统计调查制度没有及时跟上其步伐,反应比较迟缓,新制度的制定、旧制度的修订和更新完善不及时,造成统计调查工作一度陷入被动。
(二)统计职能体现得不够充分
信息、咨询、监督3项统计基本职能,各自的内涵已经随着社会主义市场经济的建立发生了变化,但在实际工作中没有得到及时反映,服务对象对统计调查存在不同程度的误解。只有充分发挥统计职能,调查结果能为基层、调查对象、用户所用,能够指导具体生产经营活动和现实生活,调查对象才能理解和配合,从源头上提高填报的数据质量。
(三)统计调查环境不理想
统计调查机构资源保障力度不够,在很大程度上影响了调查数据质量。人、财、物、机构等软硬件不到位,即使再好的统计调查制度,执行起来也会打折扣。统计调查制度宣传不到位,不但直接影响了调查对象的配合程度,而且专业化术语与公众相去甚远,与公众现实感受不相一致,社会对统计信息失去信任。
(四)缺乏全面的统计数据质量控制体系
完整统计数据质量控制体系的建立,是现代化统计调查的要求,也是提高统计公信力的积极措施之一。简单的事后质量抽查,已经远远不能满足质量控制的要求。构建全过程统计数据质量控制体系,进一步改进和完善调查制度的设计、实施、评估,已经迫在眉睫。
(五)统计法制观念有待加强
调查对象统计法制观念淡薄、统计执法力度较弱,直接影响了调查数据质量。自觉和自愿的统计调查申报制度、统计调查对象较低的违法成本,以及与调查对象社会经济利益不挂钩等原因造成建立、健全、执行统计法制困难重重。
(六)统计调查体制机制需要完善
独立性和公正性是统计调查工作追求的目标之一。在各级各种考核压力下,统计调查工作在一定程度上有所扭曲。目前统计管理体制、运行机制造成外部抗干扰能力较弱,在各级政府各种考核中,部分考核数据来源于统计部门,统计调查工作面临各种挑战和困难,已经与统计调查工作的初衷和统计科学的本质渐行渐远。进一步完善统计调查体制机制,提高地方统计调查质量任重道远。
四、调查过程中数据质量控制的基本原则
(一)科学化
统计调查的科学化是提高调查数据质量的核心。在实践过程中,能够以事实为依据,注重客观性,按照统计科学基本理论,以及科学、标准的程序开展调查,调查结果能够反映客观情况,调查结论能够信服公众。
(二)专业化
统计调查工作要充分体现统计科学的专业水平,力图排除非专业因素的影响。只有专业化才能客观化,只有专业化才能体现统计调查的科学化、标准化,才能避免主观化、随意化,调查结果才会得到用户认可。同时,专业化调查结果在面向非专业用户时,需要运用用户语言做出解释,这是专业化应用水平的体现。
(三)标准化
统计调查制度标准制定的成败、执行标准的力度和程度,与调查数据质量高低有着密不可分的关系。标准化的统计调查制度,不论哪个层面执行都具有统一性和规范性,没有灵活操作空间,也没有变通性的例外。
(四)法制化
统计法制建设是提高统计调查数据质量的重要机制保障。法律的强制性、统一性、普遍性的特征,规范和约束了个人和社会行为。统计法制主要任务是要保证调查的独立性、公正性和保密性。统计调查双方的权利和义务只有通过法律的形式加以固定,调查质量才能保证。
(五)信息化
信息化是实施统计调查的基本手段,是提高调查数据质量的重要抓手。信息化贯穿统计调查始终,是提高现代统计调查效率和数据质量的重要保障。
五、调查过程中数据质量评估的方法
统计调查过程中的数据质量评估方法,应是多维度评估。一是对统计调查过程程序的评估,二是对调查数据质量进行定性和定量评估。实际调查过程中,往往形成注重检查内容,不重视程序的状况。但对于统计调查来说,对调查过程程序的评估,更具有价值。调查过程中数据质量评估,不仅是保证调查过程中数据质量的前提,而且是检验事前质量控制成效的条件,也是事后质量评估的必要参考,更是调查全过程数据质量控制体系的重要组成部分。
六、调查过程中数据质量控制的具体标准
结合目前统计调查过程中存在的问题,本研究从3个层面提出14条标准,并将标准细化和分解,方便统计调查机构实践,为操作提供指南。
(一)统计调查环境资源支持层面
标准1:法律法规和调查制度建立健全。一是已经建立统计法律制度、法规和调查制度。调查主体与调查对象双方法律关系明确,权利义务清晰明了。二是统计调查文件完整。有调查过程质量控制手册,有调查过程实施的程序规定,有质量管理和记录表格。三是完善的统计调查质量控制体系。内部质量控制体系对调查程序的规范性、科学性、专业性进行监督。外部质量控制体系运行顺畅。
标准2:调查资源充足。一是调查人员数量配备充足,参加并通过了调查培训,对调查人员有物质和精神奖惩措施。二是调查人员具有统计调查证件,其学历、从事统计调查年限、奖惩情况符合本次调查的设计要求。三是成本控制下的调查经费充足,调查物资准备充分。四是配合调查的宣传氛围较好,媒体运用得当,社会知晓率和调查对象参与率、配合率高。
标准3:诚信与职业道德。一是建立调查单位的统计调查分级信用档案,调查对象没有统计违法记录,也没有纸质和电子质询记录,调查对象信用可靠。二是坚持实事求是原则,调查人员必须客观公正,不会修改调查源数据。三是依法统计,保守秘密。
标准4:调查具有独立性。一是调查过程建立在统计科学基础之上,调查方法和程序专业、科学、标准。二是调查不受外界干预,独立完成。审核内容包括背景审核、委托方和调查参与方的性质、调查目的、资助比例、调查过程参与程度,以及对调查结论的认定方式。
标准5:调查具有保密性。一要签署保密协定。调查对象基本情况、采集的数据、数据资料的保管必须保密。二是保密协定权责清晰明了。保密的范围、期限、人员、渠道、保管都有明确规定,对违反保密规定的行为和当事人,有具体的处罚措施。
(二)统计调查过程中的质量控制层面
标准6:调查方案具有可行性。一是调查方案目的清楚、行动具体、操作程序统一、依法进行。二是规定了具体调查方式方法、调查工具、调查步骤、注意事项等。
标准7:调查工作机制完备。工作机制是保障统计调查按调查方案执行、调查程序顺畅运行、调查过程有效运转,获得较高数据质量的保障。审核内容包括调查机构设置、机构职能分工、调查人员职责、调查协商制度、调查质量审计制度的建立等。
标准8:适合的调查方法和方式。针对调查目的,确定适合的调查方法和方式。主要是根据不同的调查方法,确定数据采集方式。包括数据来源、现场登记记录、数据修改记录、数据输入、多源头数据比对记录,以及采用效率高、成本低的调查方法。
标准9:程序科学合理。统计调查过程步骤清楚,调查程序科学合理。调查程序依据统计学基本原理进行设计,体现科学化、系统化、专业化、标准化的特质。主要审核调查过程是否按照方案规定的程序执行,在规定的时间严格执行规定的调查,不提前、不滞后、不拖延。
标准10:调查对象配合程度。建立在调查对象诚信基础上的调查,其数据质量是不言而喻的。被调查者的合作,有利于调查顺利、高效地完成。主要审核调查对象拒答率和调查项目回答完整率。
(三)统计调查过程中的数据质量审核层面
标准11:适用性和相关性。一是要有调查实施方与调查对象的互动机制。二是在调查过程中,根据现场调查情况,对调查方案及时做出修正并记录修正前后的差异。三是在调查中,根据预先掌握的调查对象的基本情况,对其填报的数据质量做初步分析判断。
标准12:可获得性和可靠性。一是开展摸底工作。调查人员事前对所有抽中调查对象进行了初步摸底,掌握其所在的地理方位、工作时间等基本情况,分析调查难点重点。二是数据来源可靠且获取简便。数据产生于调查对象的会计、统计、生产(销售)记录、行政记录,在调查过程中,以上资料能够充分、及时获得,并且具有较高的可靠性和可信度。
标准13:准确性和及时性。一是源数据来源真实准确。调查对象要如实据实申报调查项目。调查人员要重点关注实物量记录。根据实物量的增减来判断价值量的变化情况。二是采用多角度评价方法进行控制。其中,一类针对总量数据,通过分析时间序列数据进行,一类针对个体数据,通过分析横截面数据进行。三是调查项目填报及时有效。
标准14:一致性和可比性。一是调查时间统一。二是调查过程要在统一方案内进行。三是统计口径唯一。四是调查数据可以与其他数据比对。与来源于其他渠道的数据、与同类数据、与历史数据、与其他地方同一类型调查相同口径数据,可以进行相互比对和印证。
七、思考
统计过程技术在质量控制中的应用 篇6
随着我国市场竞争的日益激烈,特别是我国加入WTO的环境下,企业面临的竞争将更加残酷,企业间的竞争实质就是产品质量的竞争,产品质量是企业生存与发展、取得竞争优势的关键所在,因而都纷纷从质量入手,去赢得市场,从而,对产品管理提出了更高的要求。作为一种提高产品质量和保证能力的重要技术措施——统计过程控制(Statistical Process Control,SPC)。由于其特殊的预防方法及功能,正在受到越来越多企业的重视和采用,它可以帮助企业降低废品率,提高产品质量,增加企业效益,推进全面质量管理。
然而,因其在国内企业中应用的普及时间不长,很多企业对SPC还不甚了解,不知如何在实践中实施这种技术。本文首先介绍了SPC的概念,并分析了其在过程质量控制中的重要作用。接着着重阐述了统计过程控制的核心监控工具——控制图及其使用程序。最后提出了企业在实施SPC技术应遵从的步骤以及在实施过程中应注意的问题。
1 SPC技术及其在过程质量控制中的作用
1.1 SPC技术简介
SPC技术一种统计控制技术,它研究的对象是过程,采用的方法是统计,即对过程采用统计的方法进行控制,是一种借助数理统计方法的过程控制工具[1]。其本质就是对生产过程中样本的质量特性数据进行统计、分析评价,根据反馈信息从而区分生产过程中产品质量的正常波动和异常波动,以便对过程的异常及时提出预警,提醒管理人员采取措施消除异常,恢复过程的稳定,使过程维持在仅受随机因素影响的受控状态从而提高产品的质量和过程的效能。所体现的是“一切以事实为依据”的科学管理思想[2]。
那么SPC技术包括哪些内容呢?广义的SPC技术包括线外控制技术和在线控制技术。线外控制技术主要有频数直方图、散布图、排列图、回归分析、实施设计、工艺流程分析和测量设备分析等,其中控制图是SPC技术的核心工具。
1.2 SPC在过程质量控制中的作用
质量管理是企业管理的中心环节,而实施SPC是实现有效的预防为主的质量管理的重要工具。在管理科学中最先引入统计数学的就是质量管理,由于质量管理的变化发展的需要,统计技术的作用以及地位不断得以加强,特别是20世纪二三十年代休哈特提出的SPC技术,现在更得到了广泛的应用。质量管理发展历史的每一阶段都于统计技术密不可分[3]。
在当今市场竞争日益激烈的环境下,企业都对产品的质量提出了更高的要求。特别是对我国企业来说,SPC理论的普及和应用才是近几年的事,再加上我国已加入WTO,面临产品竞争是全球化的,而产品竞争的重要法宝就是以质取胜。
由于SPC技术更加注重质量管理的实效性、系统性,更加注重企业于外界的采供关系,更加支持国际化的经营等,并且在ISO9000、QS9000等质量管理体系中对SPC技术在质量管理的作用和地位都有深刻体现。近几年,统计过程控制(SPC)技术作为一个有效的质量控制技术,在国内外许多行业得到广泛的应用[4],并且许多企业纷纷通过质量管理体系认证。其实企业都意识到了这一点,并以建立企业产品质量优势为核心。
SPC技术作为企业质量管理中必不可少的工具。对于它的有效实施,是企业通过认证后,进一步提高质量管理层次的有效途径。作为现代质量管理方法的全面质量管理和被誉为20世纪最后一种管理方法“6西格码”管理,SPC技术有其特有的不可替代的作用,成为他们中一项必不可少的重要组成部分。SPC真正地使企业的质量管理从被动的事后把关发展到过程中积极地以事前预防为主,大大降低了企业的生产成本,提高了产品质量增加了企业效益。有鉴于此,世界上许多大公司不仅自身采用SPC技术,而且要求供应商也必须采用SPC技术实施质量控制。
2 监控工具——控制图
SPC的一些统计方法被广泛用于监测和改进制造过程的质量和生产力,其中最核心的方法是控制图技术[5]。其在工业和服务等行业得到推广应用。
2.1 控制图的分类
根据受控质量指标的情况和数据性质,控制图主要分为计量型控制图和计数型控制图。
①计量型控制图,即通过测量获得的是计量型数据,在概率统计中称为连续型随机变量,如尺寸、强度、容量、纯度、温度、时间和产量等,主要包括:均值-极差控制图、均值-标准差控制图中位数-极差控制图、单值-移动极差控制图(X-RS图),其中标准差控制图用于样本容量大于10的场合,极差控制图用于容量不小于2又不大于10的场合。
②计数型控制图又分为计件型控制图和计点型控制图,计数型控制图的数据,在概率统计理论中称为离散型随机变量。计件型的控制图可用于不合格品率(不合格品数)、交货延迟率、材料利用率、缺陷率和出勤率等,分为计件的不合格品率控制图(P图)与不合格品数控制图(Pn图)。计点型的控制图可用于控制对象所出现的疵点或缺陷的数目,如结石、节瘤、划伤、气孔、机器设备的故障次数等,它分为计点的单位缺陷控制图(U图)与缺陷数控制图(C图)。
对于控制图的判断分析,一般遵循两个大的原则:点子是否出控制界限、界限内的点子排列是否有异常现象。
2.2 控制图的使用程序
为了系统地了解控制图的使用,下面介绍针对控制图的使用程序:
①选定产品的质量特性及所用的控制图;
②有目的地收集预备数据作分析用控制图;
③用分析用控制图判断生产过程是否处于稳定状态,若发现有异常,需对异常找出原因,并将异常数据剔除,重新计算控制限或重新收集数据;
④判断生产过程是否能够满足规定质量要求,如能满足,则可将此时的分析用控制图转化为控制用控制图;
⑤用控制用控制图对生产过程进行监控,在生产过程中取样并将其结果在控制图上标出,用判断规则对生产过程状态进行判断,一旦发现生产过程处于非稳定状态,则要查明原因,加以消除;
⑥修改控制图,出现下述情况之一,控制图应修改:大修、停产工况发生较大变化、质量发生明显改进,原控制界限已失去控制作用。
3 实施SPC技术的步骤及其在实施过程中应注意的问题
3.1 实施SPC技术的一般步骤
①企业应制定系统的SPC推行计划。计划可包括:确定实施SPC的实施小组及其负责人,实施的目标,人员的培训,实施的日程表等,这对于SPC的顺利推行是非常重要的。
②对全体员工进行SPC及相关知识的培训。这是实施SPC的关键,对全体员工进行SPC培训,一方面,可以使员工了解SPC的重要性,另外一方面,可以创造良好的SPC的推行氛围。且对于实际的操作者应重点培训,针对不同的工作岗位与性质,因材放施教。
③确定关键的质量特性。SPC的控制对象,应该是过程的主要质量指标或经常发生质量问题的工序,以及对质量指标影响较大的工艺参数,在生产过程中,不同的工序有着不同的质量特性,通过控制这些重要特性,观察其变化趋势,以及时发现异常,便能很好的预防各个工序不良的产生。
④选择合适的控制图。因为SPC的内容众多,不同的统计处理方法针对不同的问题。必须针对具体问题选择合适的控制图。
⑤收集数据作分析用控制图。每个控制点至少收集25组数据,每组4-9个数据,做出分析用控制图,如果进行分析时,有异常点,则必须把异常加以剔除,经过校核后处于稳定状态的控制图才可供工序控制使用。
⑥做控制用控制图。控制图受控后,延长其控制线作为控制用控制图,这时对于数据的收集一定要即时,这样才能保证实时监控,使控制图上的点趋势代表过程的变化趋势。
⑦即时公布推行的成果。企业在推行SPC的过程中,应及时公布应用SPC所取得的成果,这是非常有必要的,也只有有形的成果才能提升员工的信心和决心,加快SPC推行的进度[6]。
3.2 实施SPC技术应注意的问题
在应用SPC技术中,我们应注意以下几个问题:
①管理层的认知和重视。不少企业领导者认为产品质量差是由于有关操作人员素质差或不负责任造成的。事实上,如果采用先进的质量管理技术和工具,在原有条件不变的情况下,质量就可以得到明显的改进,SPC正是这样一种行之有效的工具[7]。其实,任何一项计划的执行,都必须应该得到管理层的支持,否则就很难把计划进行下去。所以SPC的实施,必须得到高层管理者的重视和支持,明确统计过程控制应用的目的是“帮助企业了解变异”,使质量管理者真正做到预防为主。
②明确SPC的使用条件。任何一种SPC中的技术是都有其应用条件的,忽视了这些条件,不仅不能产生满意的效果,还可能得到错误的结论。如不少统计推断是在总体服从正态分布的前提下使用的,如工序能力评价。
③正确合理地选择SPC工具。SPC的内容众多,不同的统计处理方法针对不同的问题。企业要正确地选择SPC,关键的关键是科学地分析企业的质量管理实际,在实践过程中不断地改进和提高。
④实施循环,达到持续改进。借助SPC工具不断地分析质量问题中各种影响因素,分析影响质量问题的主要原因,针对主要原因采取解决措施并进行针对性预防,在下一循环中改进,所以应用SPC来改进质量是一个渐进的过程,不可能一蹴而就。
4 结束语
21世纪也是质量的世纪。质量管理水平的提高,不仅需要提高质量管理的硬件设施、人员素质,也需要采用科学的质量管理工具来加以保证,而SPC就是其中最合适的工具之一。
摘要：首先介绍了统计过程控制(简称SPC)的概念,并分析了其在过程质量控制中的重要作用。接着着重阐述了SPC的核心监控工具——控制图及其使用程序。最后提出了企业在实施SPC技术应遵从的步骤以及在实施过程中应注意的问题。
关键词：统计过程控制(SPC),质量控制,控制图
参考文献
[1]陶靖轩、刘春雨:《统计过程控制的进一步讨论》[J];《中国计量学院学报》2007(3)62-65。
[2]于涛:《统计过程控制在先进制造环境中的内涵和作用》[J];《工业工程与管理》2005(3):51-54。
[3]张公绪著:《新编质量管理学》[M];高等教育出版社,1999:132-143。
[4]姜媛媛、杨建国:《SPC技术在毛纺织品加工质量管理中的研究与实践》[J];《毛纺科技》2006(1):46-49。
[5]张黎:《SPC、EPC与田口方法的比较及整合》[J];《制造业自动化》2005(8):28-33。
[6]祝进平:《SPC与烟草加工——如何在卷烟厂应用统计技术》[J];《中国质量》2003(4):28-30。
非线性统计过程控制 篇7
1 建立简易统计过程控制的模型
1.1 常规统计过程控制的模型
过程能力评价→能力充足,转入统计过程控制;能力不足,则改善提高过程能力。
过程能力评价就是对过程能力的现状进行评价并计算过程能力指数的过程。进行过程能力评价并确认相应过程的过程能力充足,是实施统计过程控制的基础。按常规思维,如果一个生产过程的过程能力不足,则该生产过程即使在统计上受控也没有大的意义。
1.2 简易统计过程控制的模型
过程能力评价→能力充足,转入统计过程控制;能力不足,则改善提高过程能力,但出现改善暂时无果、日程又紧急的情况时,在明确检验方式的前提下,边改善边实施简易统计过程控制。
过程能力评价后必然会碰到能力不充足的情况,并且在设备、加工方法等客观因素的制约下,部分项目无法马上实施改善。生产不能停滞,质量又不能放松,笔者认为在明确检验方式确保不良品不流出的前提之下,可以对这类项目实施简易统计过程控制。这是一种贴近制造企业实际、极具可操作性的统计过程控制活用方法,也是本文阐述的重点。
2 简易统计过程控制的框架格式——倾向管理图
统计控制图是实施统计过程控制的主要工具,通过使用统计控制图,能够对过程绩效及其波动原因进行直观而实时的监控和分析,帮助人们及早地发现和识别引发过程变化的异常原因。在单变量的情况下,一般由分别监控过程均值和过程标准差的两个相互关联的统计控制图组成。根据该基本原理,笔者确立了能看数据倾向的“倾向管理图”,该图区别于传统控制图,但也包含了部分传统控制图的基本要素,其最显著特征是简单、直观。本文以单变量计量型数据为模型进行说明。笔者以为,对常规的制造企业来说,对单变量计量型数据进行倾向分析和管理是最基础、最重要的数据活用方式。
2.1 倾向管理图的作法及使用方法
A生产时数据收集→B数据当日及时输入表格→数据通过以下两种途径运用:
(1) C自动产生折线图表→D倾向是否异常判断→E如果有异常及时进行分析改善;
(2) C’自动计算过程能力→D’过程能力是否异常判断→E’如果有异常及时进行分析改善;
第一种运用是通过均值、最大值、最小值进行倾向判定(与统计控制图的均值相关要素接近);
第二种运用是通过过程能力进行余量判定(与统计控制图的标准偏差相关要素接近)。
2.2 倾向判定的实施(第一种运用)
作成倾向管理图进行倾向判定。传统统计控制图与倾向管理图如图1和图2所示,这两个图的对比见表1。
2.3 余量判定的实施(第二种运用)
在倾向管理图中,设置过程能力的栏目,根据每日输入的数据自动计算,随时监控过程能力的变化。如果过程能力充足(Cpk≥1.33)则判定有余量,过程能力不太足(1.33>Cpk≥1.0)则判定不太有余量,过程能力不足(1.0>Cpk)则判定没有余量。另外,过程能力采用上限侧、下限侧同步跟踪的方式(标准有上下限时),如果过程能力恶化或良化,是哪侧在变化,一目了然。
3 简易统计过程控制的基础——过程能力评价
过程能力不足也实施简易统计过程控制,并不是否定、摒弃过程能力评价,相反,过程能力评价仍然是简易统计过程控制的基础。过程能力评价一般可以在两个阶段介入,一是在新产品试制阶段,二是在产品批量生产阶段。
在新产品开发过程中,在试制阶段就实施过程能力评价,是一种事前的管理,投入的成本相对较低。在新产品设计完成,实物样品试制之前,根据图纸、式样书上记载的信息,由产品开发部门初步作成试制阶段要实施过程能力评价的项目清单(尽可能多罗列项目),召集设计、制造、质量等部门一起,考虑相对于老产品的变化点、项目重要程度、老产品工序市场不良状况等因素,进行充分探讨后最终决定试制阶段要实施过程能力评价的项目。项目决定后在每个试制阶段对指定项目进行数据收集,并对各项目进行过程能力评价,过程能力不足则实施改善。在新产品试制阶段全面运用过程能力评价,提前发现问题,采取改善措施,这是一种事前的管理。选定项目时采取撒网式的管理,可以有效避免评价项目的遗漏。
另外,在产品批量生产过程中,根据市场、工序等出现的质量问题,也可以指定项目实施过程能力评价,如果能力不足则着手推进提高过程能力的改善活动。相对于前面新产品试制阶段的撒网式选定项目,在产品量产过程中追加的项目是非常有针对性和指向性的。相对于新产品试制阶段的事前管理,量产过程追加的项目是“亡羊补牢”式的事后管理,当然,亡羊补牢为时不晚。
4 确立简易统计过程控制的前提——检验方式选定
对指定的项目实施过程能力评价,对于过程能力不足的项目实施改善,改善后再评价……反复循环,作为最终的评价结果,过程能力都充足是最理想的。但是,实际新产品试制过程中,不是每个能力不足的项目改善后都能提高过程能力,因为改善需要时间、需要投入,而新产品上市日程已排定……因此,如何既能尊重、面对新产品开发过程的客观事实使新产品尽早投入批量生产,又能不让不良品流出到市场呢?
比较合理的方法是根据最终试制阶段各项目的过程能力状况选择合理的检验方式,过程能力充足(Cpk≥1.33)选择不检或抽检,过程能力不太足(1.33>Cpk≥1.0)选择抽检或全检,过程能力不足(1.0>Cpk)选择全检。对于精度需求高的企业,(C,值的范围段可以自行调整,比如Cpk≥1.67时认为过程能力充足。另外,选定检验方式时除了考虑过程能力之外,法规、安全、重要度等因素也要结合在一起考虑。
总之,如果要进入量产,必须要选定合适的检验方式,而选定检验方式时,最重要的考虑要素就是过程能力,这样即可以避免不良品流入后道工序或流入市场,造成不必要的损失;也可以避免不必要的检验投入、减少浪费,进而打造一个有效、经济的检验管理体系。
5 实施简易统计过程控制——倾向管理
在选定了检验方式、在确保不良品不会流出的前提下,接下来要确定哪些项目在新产品进入批量生产后要实施倾向管理。在新产品试制阶段实施过程能力评价的项目很多,但在产品批量生产阶段要遵循精简、高效的原则,选定部分重要项目进行实施即可。一般来说,对于Cpk≥1.0的项目,如果与法规、安全、老产品市场不良等相关,则考虑实施倾向管理,其他则可以不考虑;而对于Cpk<1.0的项目,在实施分析改善的同时,一般建议能同步实施倾向管理,以便于在观察是否有倾向、余量异常的同时,动态跟踪改善效果。
项目确定以后,按前面介绍的框架模式(倾向管理图)实施倾向管理,将每个项目的日常检查数据输入到专用表格中,每日对照判定准则对倾向、余量进行判断,及时提出倾向异常、余量不足的课题。
在实际产品生产过程中经常会出现一些干扰信息,如果不及时加以识别很容易造成误判。因此,需要特别注意两个方面,一是对于不同模号、不同位置、不同供应商等信息要密切关注,必要的话可以按不同组合分开来输入数据分别进行倾向、余量判定;二是不遗漏地把握变化点信息,有变化点出现时,将变化点信息及时在倾向管理图中标注出来,便于观察后续的数据倾向,变化点前后的过程能力也需要分段计算以便于进行比较。
对于已经发现的倾向、余量课题,要进行持续的改善和跟踪,倾向管理的作用能否真正发挥起来,就在于此!这需要从3个方面展开管理。
首先,将发现的异常课题罗列成清单,并明确每个课题的推进责任人。
其次,组织倾向管理月度例会,对相关异常课题进行探讨,实施PDCA循环管理。月度例会主要围绕倾向异常、余量不足课题的推进进度、后续改善方向展开探讨。同时,为及时优化倾向管理,月度例会还可以追加探讨两个议题,第一是倾向管理项目检验方式的调整探讨,比如,改善后过程能力已充足,则检验方法可以探讨由全检变成抽检或不检,反之亦然;第二是倾向管理项目增减探讨,根据市场、工序的质量异常信息可以探讨是否追加项目,对余量充足(连续3个月Cpk≥1.33)且倾向无异常的项目可以探讨是否删减。
最后,将倾向管理的实施情况纳入到企业月度质量会上进行汇报,使企业高层了解、掌握企业倾向管理的整体状况,便于高层作出合理的指示,集整个企业之力来推进倾向管理,使倾向管理作用发挥到最大化。
6 结束语
实施统计过程控制,确保产品在生产过程中稳定受控,是产品质量管理的重要措施之一。制造企业可从实用性、便利性的角度出发,在生产活动过程中活用统计过程控制,强化预防性质量管理,持续保证和提高产品质量,提升产品的市场竞争力,实现企业健康持续发展。
参考文献
[1]蒋家东,冯允成.统计过程控制[M].北京:中国质检出版社,2011.
[2]王毓芳,肖诗唐.统计过程控制的策划与实施[M].北京:中国经济出版社,2005.
非线性统计过程控制 篇8
吉林燃料乙醇有限责任公司是国家批准建立的首个大型生物燃料乙醇生产基地,以玉米为原料生产燃料乙醇、玉米油和酒糟蛋白饲料产品。为实现对各阶段产品质量有效监控、及早预警的目的,在生产过程中应用统计过程控制理论(SPC),达到了预期的控制目的,收到了较好的经济效益。
过程控制图的形成[2]
1过程控制数据的前期收集整理
工艺在控制过程中是有波动的:装置刚刚维修之后,由于系统是新处理过的,挥发酸含量非常低的,但此时不能作统计整理。随着生产时间的推移,装置进入平稳运行的生产阶段,挥发酸在一定的水平上波动,此时的统计数据是可以纳入日常的统计,但对于可以确定由异常因素产生的数据是不做统计的。随着生产时间的进一步延长,装置进入需要维修阶段,此时数据不做统计数据收集。
通常公司的质检中心将每隔一定的时间间隔,抽取预发酵罐、主发酵罐的样品,分析样品中挥发酸等指标。收集2008年公司检修后8月份到年末的分析数据,计算每天的平均值和极差值,运用minitab软件[3]绘制均值-极差控制图。
2控制用控制图的形成
在原始分析数据的基础上,剔出异常点之后,重新进行数据的统计计算,并绘制控制图,见图1。
图1,样本极差控制图反映的是控制项目在一天之内的波动水平,样本均值控制图反映的是控制项目在一段时间内的波动情况。各控制图中的中线表明统计量的均值,上下控制线是均值±3σ。
在样本均值控制图和样本极差控制图中,应首先考虑样本极差控制图的稳定,在样本极差控制图判定稳定的前提下,继续对样本均值控制图数据进行处理判定,确定数据稳定后,才能作为控制图使用。
对控制图是否处于稳定,可依据国家标准GB4091-2003《常规控制图》判异准则[4]进行判定。在实际生产中,公司对挥发酸的控制是希望越少越好,因而在对预发酵和主发酵罐的控制中,是采取不能超出上限为原则,同时参照判异准则对异常现象进行预警。
同理,进行主发酵罐的挥发酸控制图的绘制(图2)。
调整后的控制图,所有的统计点均在控制线之内,是能够反映工艺在正常状态下的控制水平,可作为控制用控制图使用。
在日常过程中的控制数据的应用
1统计控制图的使用
在2008年控制图的基础上,采用得到的控制区间,对每天的分析数据进行整理。计算每天的数据极差,绘制在样本极差控制图上,在样本极差控制图上不超出控制线的前提下,计算当天的数据平均值,并绘制在样本均值控制图上,整理2009年1月份数据,绘制图形(图3)。
由图3可以看出,在挥发酸水平呈上升趋势,超出预期的控制水平,或长期在平均值与上控制线范围内运行,工艺都做出了及时的调整。总的来讲,在此月内,预发酵罐的挥发酸指标还是较为满意的。
同理对主发酵罐的挥发酸进行统计,控制情形见图4。
同预发酵罐的分析类似,在此张控制图上12日出现超出控制范围时,也是及时采取手段有效加以控制。
2控制限的使用
在整个统计过程中,预发酵挥发酸的控制上限为:0.117 72,主发酵的控制上限为:0.147 04,在工艺过程中制定的控制指标为小于0.15,由此可见在满足统计控制要求的情形下,是完全能够保证工艺的正常生产的。在超出统计控制上限,系统发出警告的情形下,仍然给工艺留有调整的空间和时间,这对装置的稳定运行时非常有意义。
控制效果评价
控制图的使用,使得在工艺操作过程中,日常得到的零散数据,具有了深一层次的意义。在大量统计数据的基础上,可以整理出由于操作的偶然波动形成的可以接受的波动区间,但是当有异常因素或非可控制的因素起作用时,统计数据将发生异常,即对生产过程提出警示,可及早分析产生变化的原因并加以排除,做到防微杜渐。
采用控制图运行后,我们收集前后三个月的预发酵罐和发酵罐的数据,整理超控制限的天数,见表1。
同时对发酵过程最后的成熟醪液酒份波动情况进行考核,以判断前期控制的效果,整理数据见表2。
由表1的数据可以看出,超出控制限的天数有下降的趋势,预发酵罐和主发酵罐分别降低11%和4.5%,工艺对系统的调整更加精细和及时,后续的成熟醪液中的主要成分酒精含量波动幅度下降0.3%,生产的稳定程度提高。这对后续的醪液蒸馏是非常重要的,一方面降低了工艺操作的难度,保证了后续产品质量的稳定性,另一方面降低了调整工艺波动带来的各项能耗、物耗及人力消耗,生产事故率也随之降低,对整个工艺的生产成本控制是有利的,真正体现了产品质量是过程控制出来的理念。
结语
统计过程控制(SPC)是一种非常有效的控制手段,大量的统计数据运用,使得整个控制是一种具体的有形的控制,在趋势图的表述下,可以很清晰明了地判断出来工艺的整体运行态势[5]。对过程产品的质量有了完全的把握,通常在控制限内的产品质量有99.73%是合格品。同时它强大的预警功能也降低了人员凭经验判断带来的风险,提高了对工艺波动的管理依效率,生产过程也相应变得非常经济。另外作为一种动态管理,随着管理水平和操作能力的提升,各项指标的变化和参数的优化,统计控制图也将重新进行调整,以适应新条件下的使用。
统计过程控制(SPC)作为一种低投入,高收益的控制手段,将越来越得到广泛的应用。
参考文献
[1]张公绪,孙静.质量工程师手册[M].2版,北京:企业管理出版社,2003.
[2]国家质量监督检验检疫局质量管理司.质量专业理论与实物[M].北京:中国人事出版社,2002.
[3]聂微.SPC实施指南-SPC软件应用技术手册.广州:广东经济出版社,2006.
[4]GB/T4091-2001,常规控制图[S].