曾志偉

（云南云天化國際化工有限公司紅磷分公司，云南，開遠(yuǎn)，661699）

預(yù)控法與均值極差圖在磷銨生產(chǎn)中的應(yīng)用

曾志偉

（云南云天化國際化工有限公司紅磷分公司，云南，開遠(yuǎn)，661699）

以磷銨生產(chǎn)工藝指標(biāo)中和料漿中N與P物質(zhì)的量比為例，對比分析了預(yù)控法與均值極差圖應(yīng)用效果差異，發(fā)現(xiàn)在標(biāo)準(zhǔn)偏差較小的數(shù)據(jù)分析時，應(yīng)用預(yù)控法效果更佳。

預(yù)控法；均值；極差；磷銨

近年來，科學(xué)技術(shù)迅猛發(fā)展，產(chǎn)品零缺陷正逐步成為許多制造企業(yè)發(fā)展中不可回避的關(guān)鍵詞。對于高質(zhì)量過程控制，傳統(tǒng)的抽樣檢驗技術(shù)與常規(guī)控制圖難以適用，以P控制圖為例，當(dāng)不合格品平均比例為0.5%時，為了檢查到一個或幾個缺陷需要檢查200個單位才能夠檢出僅僅1.00的平均計點數(shù)。

高質(zhì)量過程控制研究領(lǐng)域中，Calvin根據(jù)兩個不合格項之間合格品累計數(shù)提出了累計合格品計數(shù)圖（A Cumulative Count of Conformance chart，簡稱CCC圖）［1］。Quesenberry提出幾何Q控制圖，通過變換，將監(jiān)控隨機(jī)幾何分布的問題轉(zhuǎn)為監(jiān)控正態(tài)分布問題，并且指出：P值越小，控制精度越高，效果也就越好［2］。美國拉斯—斯特朗公司推出工序質(zhì)量預(yù)控法，我國童維先先生將其引入管理界。在企業(yè)推行TQC的過程中，應(yīng)用工序質(zhì)量預(yù)控法對于提高產(chǎn)品質(zhì)量，減少質(zhì)量損失，提高經(jīng)濟(jì)效益有重要的作用。目前，美國、日本等國家多數(shù)企業(yè)應(yīng)用預(yù)控法，取得了較好的效果。

2 預(yù)控法的統(tǒng)計原理

預(yù)控法以小概率事件原理為理論依據(jù)，判斷過程是否異常所設(shè)置的小概率為0.01%［3］。一個事件如果發(fā)生的概率很小（預(yù)控法為0.01%）的話，那么它在一次試驗中是幾乎不可能發(fā)生的，但若在正常情況下發(fā)生了小概率事件的統(tǒng)計結(jié)果，即可判定出現(xiàn)異常狀態(tài)。

預(yù)控法直接與規(guī)格界限相聯(lián)系，而不是與控制界限相聯(lián)系。預(yù)控圖又叫彩虹圖，是一種基于規(guī)格界限來控制過程的簡單運算法則圖。通常預(yù)控圖控制區(qū)域分為三個：目標(biāo)區(qū)（綠區(qū)）、警戒區(qū)（黃區(qū)）、廢品區(qū)（紅區(qū)），見圖1。

圖1 預(yù)控圖的區(qū)域和概率Figure 1 Region and probability of pre－control chart

各區(qū)域所對應(yīng)的概率為［4］：目標(biāo)區(qū)（綠區(qū)），2條預(yù)控線之間的區(qū)域，占整個規(guī)格界限圍的1／2，占整個正態(tài)分布概率的86.64%，近似認(rèn)為86%。

警戒區(qū)（黃區(qū)），在目標(biāo)區(qū)兩側(cè)至規(guī)格界限是警戒區(qū)，各占規(guī)格界限的1／4，占整個正態(tài)分布概率的6.54%，近似認(rèn)為7%。

廢品區(qū)（紅區(qū)），2個警戒區(qū)之外，即超出規(guī)格界限的區(qū)域。2個不合格品區(qū)域的概率為0.135%。

3 預(yù)控法與均值極差圖在磷銨生產(chǎn)中的應(yīng)用

磷銨生產(chǎn)工藝指標(biāo)中和料漿N與P物質(zhì)的量比工藝安全操作規(guī)程要求指標(biāo)控制范圍為1.40～1.60，規(guī)格界限即為1.40～1.60。

取中和料漿N與P物質(zhì)的量比某階段的數(shù)值進(jìn)行對比探討，數(shù)據(jù)以n＝5進(jìn)行分組。見表1。

表1 磷銨中和料漿N與P物質(zhì)的量比某階段數(shù)值Table 1 Phase value of the N and P molar ratio in process indicators and slurry of the production of ammonium phosphate

3.1 數(shù)據(jù)正態(tài)性分析

對分組數(shù)據(jù)均值運用安德森－達(dá)令檢驗，結(jié)果見表2（受篇幅原因，省略部分?jǐn)?shù)據(jù)）。

從表2數(shù)據(jù)可知，p值大于顯著性水平（0.05），接收零假設(shè)，即數(shù)據(jù)分布服從正態(tài)分布。表明數(shù)據(jù)分布良好，且可運用于控制圖、預(yù)控圖等分析。

表2 數(shù)據(jù)正態(tài)性分析Table 2 Data normality analysis

3.2 應(yīng)用均值極差圖對數(shù)據(jù)進(jìn)行處理

均值極差圖最常用，判斷工序是否正常的效果好，但計算、工作量大，適用于產(chǎn)品批量大的工序［5］。借助計算機(jī)各類軟件，如SPSS、SAS等，可對數(shù)據(jù)進(jìn)行快速有效的處理，本文數(shù)據(jù)處理運用Excel電子表格6SQ插件進(jìn)行數(shù)值分析。

對表1數(shù)據(jù)作均值圖與極差圖，見圖2與圖3。

圖2 均值圖Figure 2 Mean figure

圖3 極差圖Figure 3 Poor chart

圖4 預(yù)控圖Figure 4 Pre－control map

均值圖中，控制下限（LCL）為1.462，中心線（CL）為1.481，控制上限（UCL）為1.500。極差圖控制下限（LCL）為0，中心線（CL）為0.033，控制上限（UCL）為0.070。分析極差圖，未見異常情況，數(shù)據(jù)極差可判穩(wěn)。分析均值圖，第17、19、28個點超出控制線（遠(yuǎn)離中心線，超過3個標(biāo)準(zhǔn)偏差），此3點可判定異常。

3.3 應(yīng)用預(yù)控法對數(shù)據(jù)進(jìn)行處理

指標(biāo)控制范圍為1.40～1.60，規(guī)格界限即為1.40～1.60。分析規(guī)格中心＝（1.40＋1.60）÷2＝1.50，上預(yù)控線UPCL＝（規(guī)格中心＋規(guī)格上限）÷2＝（1.40＋1.50）÷2＝1.45，下預(yù)控線LPCL＝（規(guī)格中心＋規(guī)格下限）÷2＝（1.50＋1.60）÷2＝1.55。

對表1數(shù)據(jù)作預(yù)控圖，見圖4。

分析預(yù)控圖，第28個點落入警戒區(qū)（黃區(qū)），但緊接著的第29個點落入目標(biāo)區(qū)（綠區(qū)），則說明過程正常，無須采取任何行動。

3.4 預(yù)控圖與均值極差圖對比分析

磷銨生產(chǎn)中，因工藝操作嫻熟，指標(biāo)中和料漿中N與P物質(zhì)的量比數(shù)據(jù)較為穩(wěn)定，波動較小。運用均值極差圖對數(shù)據(jù)進(jìn)行統(tǒng)計分析時，存在理論控制界限（相對規(guī)格界限）較?。?.462－1.500），導(dǎo)致異常數(shù)據(jù)增多（異常數(shù)據(jù)仍在規(guī)格界限內(nèi)），且不易查明異常原因。

應(yīng)用預(yù)控圖，以規(guī)格界限為中心，厘定相應(yīng)的預(yù)控限，簡單明了。在對數(shù)據(jù)進(jìn)行有效監(jiān)控的同時，亦可通過預(yù)控限判定數(shù)據(jù)是否異常。

可見，工序能力富裕，統(tǒng)計分析標(biāo)準(zhǔn)偏差較小的數(shù)據(jù)時，應(yīng)用預(yù)控法效果更佳。

4 中和料漿中N與P物質(zhì)的量比應(yīng)用實踐

生產(chǎn)實際運行中，指標(biāo)控制范圍為1.40～1.60，即厘定為規(guī)格界限，預(yù)控限為1.45－1.55（亦可根據(jù)生產(chǎn)實際適當(dāng)調(diào)整），設(shè)為執(zhí)行指標(biāo)。指標(biāo)風(fēng)險分析及改進(jìn)措施詳見表3。

表3 中和料漿N與P物質(zhì)的量比風(fēng)險評價Table 3 Risk evaluation of the molar ratio of N and P in slurry

應(yīng)用實踐中，針對工藝指標(biāo)中和料漿中N與P物質(zhì)的量比，連續(xù)抽取5個時點樣品，若其實測值全部落入目標(biāo)區(qū)（執(zhí)行指標(biāo)范圍）即可開始預(yù)控法的操作。將每一個時點樣品實測值錄入MES系統(tǒng)（生產(chǎn)制造執(zhí)行系統(tǒng)），MES系統(tǒng)會自動生成數(shù)據(jù)趨勢圖，崗位人員依據(jù)趨勢圖一方面可判斷指標(biāo)變化趨勢，一方面及時發(fā)現(xiàn)異常情況并及時處理（如指標(biāo)值為1.42，可及時依據(jù)表中改進(jìn)措施采取相應(yīng)的處置）。這樣可有效提升指標(biāo)合格率的同時，確保裝置穩(wěn)定運行與產(chǎn)品質(zhì)量合格。

［1］Calvin，T.W.Quality Control Techniques for‘Zero Defects’［J］.IEEE Transactions on Components，Hybrids and Manufacturing Technology.1983，CHMT－6：323－328.

［2］Quesenberry，C.P，Geometric Q Charts for High Quality Processes［J］.Journal of Quality Technology. 1995，27（4）：304－314.

［3］劉宏.應(yīng)用預(yù)控法監(jiān)控過程質(zhì)量［J］.電子質(zhì)量. 2006（8）：35－37.

［4］顧亮，鮑文華，吳慶華，等.預(yù)控圖技術(shù)在卷煙生產(chǎn)制絲過程中的應(yīng)用［J］.安徽農(nóng)學(xué)通報.2011（20）：98－102.

［5］邢文英.QC小組基礎(chǔ)教材［M］.北京：中國社會出版社，2008：164

Application of Pre－control Law and Mean Range Chart in Ammonium Phosphate Production

ZENG Zhi－wei

（International Chemical Co.Yuntianhua red phosphorus Branch，Kaiyuan 661699，China）

Taking the N and P molar ratio in process indicators and slurry of the production of ammonium phosphate as example，the difference between pre－control method and application effect of differences in the mean range chart was compared and analyzed.It was found that the application of pre－control method would be better when data with smaller standard deviation was used for analysis.

pre－control method；mean；poor；AP

T545

A

1004—275X（2004）05-0058-04

12.3969／j.issn.1004-275X.2014.05.015

收稿：2014－06－05

曾志偉（1985－），四川樂山人，化工工藝工程師、國家注冊質(zhì)量工程師，從事磷肥與復(fù)肥技術(shù)研發(fā)工作。