熊安言 李善蓮 丁美宙 劉文召 顧 亮 黃光富

(1. 河南中煙工業(yè)有限責任公司技術中心，河南 鄭州 450000；2. 中國煙草總公司鄭州煙草研究院，河南 鄭州 450001；3. 河南中煙工業(yè)有限責任公司黃金葉生產(chǎn)制造中心，河南 鄭州 450000)

卷煙生產(chǎn)過程質(zhì)量穩(wěn)定性評價方法的設計及應用

熊安言1李善蓮2丁美宙1劉文召3顧 亮1黃光富1

(1. 河南中煙工業(yè)有限責任公司技術中心，河南 鄭州 450000；2. 中國煙草總公司鄭州煙草研究院，河南 鄭州 450001；3. 河南中煙工業(yè)有限責任公司黃金葉生產(chǎn)制造中心，河南 鄭州 450000)

為彌補現(xiàn)有質(zhì)量穩(wěn)定性評價方法靈敏性不足，運用統(tǒng)計技術設計一種卷煙生產(chǎn)過程質(zhì)量穩(wěn)定性評價方法。該方法將生產(chǎn)過程中的變量進行分類，針對不同類型的變量采用不同的方法計算其質(zhì)量穩(wěn)定性指數(shù)；根據(jù)不同工序以及工序中不同變量的重要程度賦予不同的權(quán)重，工序內(nèi)采用加權(quán)平均的方法計算其質(zhì)量穩(wěn)定性指數(shù)，工序間(批次內(nèi))采用幾何平均的方法計算其質(zhì)量穩(wěn)定性指數(shù)。將質(zhì)量穩(wěn)定性指數(shù)分成4個檔次，80以上為優(yōu)，質(zhì)量最佳；70～80為良，質(zhì)量較好；60～70為合格，質(zhì)量合格；60以下較差，需要改進。結(jié)果表明，與六西格瑪分析方法相比，該方法能夠準確反映煙絲質(zhì)量水平，提高了批次及工序質(zhì)量穩(wěn)定性評價結(jié)論的可靠性，根據(jù)各參數(shù)指標的計算結(jié)果，可查找出質(zhì)量穩(wěn)定性較差的原因，有效提升了制絲生產(chǎn)過程管控水平。

卷煙；生產(chǎn)過程；質(zhì)量穩(wěn)定性；六西格瑪；評價方法；批次

1 卷煙生產(chǎn)過程質(zhì)量穩(wěn)定性評價方法的設計

1.1 評價方法的組成

卷煙生產(chǎn)過程質(zhì)量穩(wěn)定性評價方法：① 關鍵工序、質(zhì)量指標及其權(quán)重的確定;② 將卷煙生產(chǎn)過程中的變量進行分類，包括有允差要求的望目控制型、無允差要求的望目控制型、極值控制型和范圍控制型。其中，無允差要求的望目控制型變量可利用公式轉(zhuǎn)化為波動量、精度等極值控制型變量，或增加控制限轉(zhuǎn)化為有允差的望目型變量；此外，如滾筒轉(zhuǎn)速、閥門開度等，在生產(chǎn)過程中設定后基本不隨時間變化，監(jiān)視即可；范圍控制型變量，如貯葉時間等要求在一定的范圍內(nèi)，符合要求即可。因此，過程中需重點管控的是望目和極值控制型變量;③ 將分類后的變量進行量化表征。其中，望目控制型變量通過偏離度和離散度來表征，極值控制型變量通過實測值與設定值的偏移程度來表征;④ 進行單變量質(zhì)量穩(wěn)定性評價。根據(jù)變量類型的不同采用不同的評價模型，望目控制型變量采用基于偏離度和離散度的望目控制變量模型進行評價，極值控制型變量采用基于實測值與設定值的偏移程度的極值控制變量模型進行評價;⑤ 進行多變量質(zhì)量穩(wěn)定性評價。多變量評價包括工序綜合質(zhì)量穩(wěn)定性評價和批次綜合質(zhì)量穩(wěn)定性評價兩部分，前者采用基于單變量質(zhì)量穩(wěn)定性評價結(jié)果加權(quán)平均的工序質(zhì)量穩(wěn)定性評價綜合指數(shù)模型，后者采用基于工序綜合質(zhì)量穩(wěn)定性評價結(jié)果加權(quán)平均的批次質(zhì)量穩(wěn)定性綜合評價指數(shù)模型。

1.2 評價參數(shù)和質(zhì)量指標及其權(quán)重的確定

通?？刹捎脤＜易稍儭哟畏治鯷22]、德爾菲法[23]等方法，分析確定各變量及其分析評價權(quán)重。本研究中采用專家咨詢法根據(jù)重要程度對關鍵工序及相關參數(shù)和質(zhì)量指標賦予權(quán)重，結(jié)果見表1、2。為評價方便，制絲和卷包分開賦予權(quán)重，整批評價時，制絲權(quán)重為60%，卷包權(quán)重為40%。

1.3 變量量化表征

對檢測或采集數(shù)據(jù)通過與技術標準要求相比較進行變量量化表征。

1.3.1 望目控制型變量的量化表征 望目控制型變量通常為在線采集的連續(xù)數(shù)據(jù)，可通過偏離度和離散度來表征。

(1) 偏離度：偏離度是指實際數(shù)據(jù)與目標數(shù)據(jù)相差的絕對值所占目標數(shù)據(jù)的比重，表征的是實際控制值與技術標準值的偏離程度，即準確度。望目控制型變量又分為有允差和無允差兩類。

① 有允差望目控制型變量(χpv±3δpv)，一般要求控制在允差范圍內(nèi)(或3倍標偏)，采用式(1)進行計算和表征。其中，A值越小，表征實際控制均值與技術標準值越接近，即控制準確度越好，生產(chǎn)過程質(zhì)量越穩(wěn)定。

表1 制絲關鍵工序及權(quán)重設置?Table 1 Key process and weight settings

? 無摻配牌號，摻配精度質(zhì)量穩(wěn)定性指數(shù)賦值100。

表2 卷包評價項目及權(quán)重設置Table 2 Evaluation items and weight settings

(1)

式中：

A——偏離度；

χpv——技術標準值；

δpv——設計標準偏差，δpv=允差/3。

② 無允差望目控制型變量，采用式(2)可計算出相對變化量等轉(zhuǎn)化為極值控制型變量，或增加控制限轉(zhuǎn)化為有允差的望目控制型變量。因此，以下望目控制型變量均指有允差望目控制型變量。

(2)

式中：

B——相對變化量。

(2) 離散度：離散度表征的是實際控制波動情況(標準偏差)對技術標準要求的滿足程度，即精準度，采用式(3)進行計算和表征。其中，P值越小，表征實際控制的波動情況越能滿足技術標準要求，即控制精度越好。

(3)

式中：

P——離散度；

s——實測標準偏差。

1.3.2 極值控制型變量的量化表征 極值控制型變量通常為離線檢測數(shù)據(jù)，在技術標準中通常有望大(≥χpv)、望小(≤χpv)設定，主要通過實測值相對于設計值的偏移程度來表征，采用式(4)進行計算：

(4)

式中：

C——偏移程度；

χbest——理論或?qū)嶋H最優(yōu)值。

1.4 單變量質(zhì)量穩(wěn)定性評價

1.4.1 望目控制型變量模型 望目控制型變量要求控制中心值和標準偏差，即對偏離度和離散度均有要求，其質(zhì)量穩(wěn)定性指數(shù)I采用式(5)計算：

(5)

式中：

Ic——望目控制型變量質(zhì)量穩(wěn)定性指數(shù)；

Ibest——最優(yōu)水平；

Ibase——基線水平；

A——偏離度；

P——離散度。

令Ibest=100，Ibase=60，可得：

(6)

1.4.2 極值控制型變量模型 極值控制型變量有望大、望小兩種類型，其質(zhì)量穩(wěn)定性指數(shù)Id采用式(7)計算：

(7)

式中：

Id——極值控制型變量質(zhì)量穩(wěn)定性指數(shù)；

χpv——設定要求，等于χbase；

χbest——理論或?qū)嶋H期望最優(yōu)值；

C——偏移程度。

令Ibest=100，Ibase=60，可得：

Id=60+40×C。

(8)

1.5 多變量質(zhì)量穩(wěn)定性評價

多變量質(zhì)量穩(wěn)定性評價涉及工序及批次的質(zhì)量穩(wěn)定性分析評價，批次(或工序)質(zhì)量穩(wěn)定性指數(shù)取基于各工序(或單變量)質(zhì)量穩(wěn)定性指數(shù)的加權(quán)平均值。構(gòu)建量化的批次(或工序)質(zhì)量穩(wěn)定性指數(shù)模型，采用式(9)、(10)進行計算：

(9)

式中：

G——工序質(zhì)量穩(wěn)定性指數(shù)；

Ii——第i個變量的質(zhì)量穩(wěn)定性指數(shù)；

wi——第i個變量的權(quán)重。

(10)

式中：

L——批次質(zhì)量穩(wěn)定性指數(shù)；

Gi——第i個工序的質(zhì)量穩(wěn)定性指數(shù)；

di——第i個工序的權(quán)重。

1.6 評價分析

對照表3質(zhì)量指數(shù)得分進行過程穩(wěn)定性分析評價，表中指數(shù)80以上的為優(yōu)，指數(shù)70～80的為良，指數(shù)60～70的為合格，指數(shù)60以下的為不合格。質(zhì)量指數(shù)變化大和得分低的項目需要進行分析和改進。

2 卷煙生產(chǎn)過程質(zhì)量穩(wěn)定性評價方法的應用

卷煙生產(chǎn)過程質(zhì)量穩(wěn)定性評價是將中控室自動采集數(shù)據(jù)與人工檢測數(shù)據(jù)相結(jié)合，用于評價卷煙生產(chǎn)過程多參數(shù)、多指標、多工序以及批次質(zhì)量穩(wěn)定性的綜合評價方法。利用黃金葉生產(chǎn)制造中心“黃金葉”品牌某規(guī)格卷煙制絲關鍵工序中控室自動采集數(shù)據(jù)和質(zhì)量檢測數(shù)據(jù)，以六西格瑪評價方法為對照，分別對批次綜合質(zhì)量穩(wěn)定性指數(shù)優(yōu)、良2個檔次進行應用效果分析。

2.1 各工序單變量質(zhì)量穩(wěn)定性評價

(1) 松散回潮工序：主要考察出料含水率和回風溫度。由表4可知，六西格瑪評價結(jié)果為合格率100%，即為優(yōu)；但質(zhì)量穩(wěn)定性指數(shù)評價結(jié)果，出料含水率為良，回風溫度為優(yōu)，這與松散回潮采用定量加水造成出料含水率控制效果不理想的結(jié)果相吻合。

(2) 篩分加料工序：主要考察入口物料流量、出料含水率、熱風溫度和加料精度。由表5可知，六西格瑪評價結(jié)果為合格率100%，即為優(yōu)；質(zhì)量穩(wěn)定性指數(shù)評價結(jié)果雖然也全部為優(yōu)，但數(shù)值上多數(shù)不是100，說明未達到最優(yōu)程度。例如入口物料流量，013號比014號穩(wěn)定性指數(shù)差，其標準偏差也剛好差于014號，從而真實地反映了生產(chǎn)過程的波動性。

(3) 薄板烘絲工序：主要考察入口含水率、入口物料流量、HT蒸汽流量、Ⅰ區(qū)筒壁溫度、Ⅱ區(qū)筒壁溫度、熱風溫度和出料含水率。由表6可知，六西格瑪評價結(jié)果除014號的入口含水率和物料流量外，其他合格率均為100%，014號入口含水率合格率為95.71%，即為優(yōu)；質(zhì)量穩(wěn)定性指數(shù)評價結(jié)果則是014號入口含水率、Ⅰ區(qū)筒壁溫度、Ⅱ區(qū)筒壁溫度均為良，入口物料流量為差，出口含水率雖然為優(yōu)，但指數(shù)值僅為85.33。因此，014號由于流量的異常波動，造成入口含水率、筒壁溫度、出料含水率波動。可見，質(zhì)量穩(wěn)定性指數(shù)能夠清晰地反映這一生產(chǎn)過程，六西格瑪評價結(jié)果僅能發(fā)現(xiàn)因物料流量出現(xiàn)異常波動而引起入口含水率波動，且影響較小。

表3 質(zhì)量指數(shù)得分區(qū)間Table 3 Quality index score interval

表4 松散回潮工序采集數(shù)據(jù)及兩種評價方法的計算結(jié)果Table 4 The results of data collection and two different evaluation methods of the loose resurgence

表5 篩分加料工序采集數(shù)據(jù)及兩種評價方法的計算結(jié)果?Table 5 The results of data collection and two different evaluation methods of the screening feeding

? 加料精度為極值控制型變量，對應極值控制型變量的計算方法和指標表征。

(4) 摻配加香工序：主要考察流量波動、加香精度、出料含水率、填充值、整絲率和碎絲率，摻配精度穩(wěn)定性指數(shù)賦值100。由表7可知，六西格瑪評價結(jié)果為兩批次的加香精度和013號碎絲率合格率在70%～80%，其他合格率在80%以上；質(zhì)量穩(wěn)定性指數(shù)評價結(jié)果則是兩批次的填充值、013號整絲率為良，013號碎絲率為合格，其他指標為優(yōu)。從檢測數(shù)據(jù)可以看出，兩批次的填充值平均值為4.2 cm3/g，與標準要求(≥4.0 cm3/g)的下限值較為接近，013號的碎絲率和整絲率情況類似。而兩批次的加香精度值均在0.09%以下，能夠滿足標準要求(≤0.5%)?？梢姡|(zhì)量穩(wěn)定性評價方法能夠真實地反映生產(chǎn)質(zhì)量完成情況。

2.2 各工序及批次綜合管控能力評價

由表8可知，六西格瑪評價結(jié)果為兩批次差異不大，014號稍差于013號，但均處于優(yōu)以上；質(zhì)量穩(wěn)定性指數(shù)評價結(jié)果則是014號顯著差于013號，013號整體質(zhì)量穩(wěn)定性指數(shù)為優(yōu)，而014號僅為良，原因在于松散回潮和薄板烘絲的質(zhì)量穩(wěn)定性指數(shù)較差，這與上述分析相符合。

表6 薄板烘絲工序采集數(shù)據(jù)及兩種評價方法的計算結(jié)果Table 6 The results of data collection and two different evaluation methods about dry plate drying

表7 摻配加香采集、檢測數(shù)據(jù)及及兩種評價方法的計算結(jié)果?Table 7 The results of data collection，test and two different evaluation methods about Blending flavoring

? 流量波動、加香精度、填充值、整絲率和碎絲率為極值控制型變量，對應極值控制型變量的計算方法和指標表征。

表8 各工序及批次評價結(jié)果Table 8 Evaluation results of the stability of the process and batch quality

3 結(jié)論

(1) 卷煙生產(chǎn)過程質(zhì)量穩(wěn)定性評價方法將物料流量、加料比例等無允差望目型變量轉(zhuǎn)化為極值控制型變量，或增加控制限轉(zhuǎn)化為有允差的望目控制型變量進行評價，有利于對該類參數(shù)或質(zhì)量指標進行客觀評價。

(2) 采用卷煙生產(chǎn)過程質(zhì)量穩(wěn)定性評價方法，利用中控室自動采集數(shù)據(jù)和人工檢測數(shù)據(jù)來評價過程質(zhì)量穩(wěn)定性，能夠節(jié)省人力、物力，實現(xiàn)對各工序工藝參數(shù)和質(zhì)量指標以及對整批次質(zhì)量穩(wěn)定性的評價。

(3) 與六西格瑪分析方法相比，卷煙生產(chǎn)過程質(zhì)量穩(wěn)定性評價方法具有明顯的技術優(yōu)勢，能夠準確反映煙絲質(zhì)量穩(wěn)定性水平，發(fā)現(xiàn)問題改進點，提升質(zhì)量穩(wěn)定性評價的科學性和指導性。

[1] 國家煙草專賣局. 卷煙工藝規(guī)范[S]. 北京: 中央文獻出版社, 2003: 1-4, 118.

[2] 李玉玲. 基于過程能力指數(shù)的工序質(zhì)量控制研究[D]. 重慶: 重慶大學, 2008: 3-10.

[3] 王國棟. 中小制造企業(yè)精益質(zhì)量導航方法及關鍵技術研究[D]. 杭州: 浙江大學, 2011: 4-15.

[4] 湯淑明, 王飛躍. 過程能力指數(shù)綜述[J]. 應用概率統(tǒng)計, 2004(2): 207-216.

[5] 馬逢時, 周暐, 劉傳冰. 六西格瑪管理統(tǒng)計指南:MINITAB使用指導[M]. 2版. 北京: 中國人民大學出版社, 2012: 609-622.

[6] 馬林, 何楨. 六西格瑪管理[M]. 2版. 北京: 中國人民大學出版社, 2007: 400-539.

[7] 孫東亮. 過程檢驗數(shù)據(jù)在過程能力評價中的應用[J]. 中國煙草學報, 2008, 14(3): 20-23.

[8] 文杰, 唐著寬, 楊明權(quán), 等. 過程能力分析在制絲工藝技術改進中的應用[J]. 煙草科技, 2012(3): 12-16.

[9] 劉澤春, 黃華發(fā), 洪偉齡, 等. 過程能力分析在卷煙加料均勻性評價中的應用[J]. 煙草科技, 2010(10): 5-7, 21.

[10] 王光宇, 呂希勝. 制絲質(zhì)量評價系統(tǒng)研究與實現(xiàn)[J]. 制造業(yè)自動化, 2011, 23(12): 24-26, 52.

[11] 李永華, 姜麟, 劉秀明, 等. 基于六西格瑪管理建立制絲線過程能力評價體系[J]. 信息系統(tǒng)工程, 2014(6): 139-140, 149.

[12] 王蔚. 六西格瑪管理在QC小組活動中的創(chuàng)新整合應用[J]. 科技資訊, 2015(9): 145.

[13] 羅志雪. 六西格瑪管理在企業(yè)管理實踐中的應用[J]. 企業(yè)改革與管理, 2015(5): 28-29.

[14] 李永華, 姜麟, 劉秀明, 等. 六西格瑪與多元線性回歸模型在煙絲含水率設計中的應用[J]. 科技和產(chǎn)業(yè), 2014,14(8): 159-164.

[15] 高樹華. 推行精益六西格瑪管理提升卷煙物流管理水平[J]. 改革與開放, 2015(2): 124-125.

[16] 范勝興, 范林暉, 歐亞敏, 等. 煙絲質(zhì)量評價方法的改進[J]. 中國煙草學報, 2011, 17(2): 25-28.

[17] 黃雯華. FMEA 在卷包工序產(chǎn)品品質(zhì)風險管理中的應用[J]. 煙草科技, 2014(4): 26-30, 34.

[18] 張勇剛, 吳鍵, 項波卡, 等. 基于改進模糊灰色關聯(lián)分析法的烤煙化學品質(zhì)評價[J]. 煙草科技, 2014(10): 83-86.

[19] 尤長虹, 張楚安, 彭傳新. 制絲質(zhì)量評價方法的設計與應用[J]. 煙草科技, 2001(7): 22-24.

[20] 范勝興, 范林暉, 歐亞敏, 等. 層次分析法在煙絲質(zhì)量評價中的應用[C]// 中國煙草學會工業(yè)專業(yè)委員會煙草工藝學術研討會論文集. 青島: 中國煙草學會, 2010: 45-48.

[21] 李善蓮, 張煒, 張超, 等. 基于功效系數(shù)法的卷煙加工過程管控評價方法[J]. 煙草科技, 2016, 49(5): 75-82, 99.

[22] 侯定丕. 層次分析[M]. 合肥: 安徽科學技術出版社, 1990: 100-168.

[23] 趙松山, 白雪梅. 用德爾菲法確定權(quán)數(shù)的改進方法[J]. 統(tǒng)計研究, 1994(4): 46-49.

The design and application of evaluation method for quality stability of cigarette production process

XIONG An-yan1LIShan-lian2DINGMei-zhou1LIUWen-zhao3GULiang1HUANGGuang-fu1

(1.TechnologyCenter,HenanBranchofChinaTobaccoIndustryCo.,Ltd.,Zhengzhou,Henan450000,China; 2.ZhengzhouTobaccoResearchInstituteofCNTC,Zhengzhou,Henan450001,China; 3.GoldLeafProductionManufacturingCenter,HenanBranchofChinaTobaccoIndustryCo.,Ltd.,Zhengzhou,Henan450000,China)

In order to make up for the deficiency of the existing evaluation method of quality stability, a new method of evaluating the quality stability of cigarette production process was developed by using statistical techniques. This method first classified the variables in the production process, and different types of variables using different methods were used to calculate the quality stability index. Moreover, different weights were determined according to both the importance of different processes and different variables in processes, and then the process using weighted average method was applied to calculate the stability of quality index. Furthermore, the process (batch) using geometric mean method was used calculate the stability of quality index. The quality stability index was divided into 4 grades as follows, more than 80 for the best, the best quality; 70～80 for good, good quality; 60～70 for qualified, the quality of qualified; 60 the following poor, needed to be improved. The results showed that the method could accurately reflect the tobacco quality level and improve the reliability and stability of batch process quality evaluation conclusion compared with the six sigma analysis method. The reason of poor stability was revealed according to different parameter indexes, and the management and control during silk production process could be significantly improved.

cigarette; production process; quality stability; six sigma; evaluation methods; batch

河南中煙工業(yè)有限責任公司重點科技項目(編號：ZW2013031)

熊安言，男，河南中煙工業(yè)有限責任公司技術中心工程師。

顧亮(1975-)，男，河南中煙工業(yè)有限責任公司技術中心工程師。E-mail: gul@hatic.com.cn 黃光富(1969—)，男，河南中煙工業(yè)有限責任公司技術中心工程師。E-mail: huanggf@hatic.com.cn

2016-11-05

10.13652/j.issn.1003-5788.2017.02.039