基于大数据的烘丝质量指标相关因素判定及质量改进

摘要：本文介绍了如何界定影响烘丝机各质量指标的各相关因素数据。为了达到质量改进的目标，利用现有传感器或安装新的传感器进行相关因素数据采集，编制Python程序对各质量指标的各相关因素采集大量数据;实验各相关因素对质量指标的影響。对采集到的数据编制Python程序进行数据清洗、数据集成、数据标准化或离散化处理。然后利用数据分析工具对数据进行分析，找到影响此质量指标的强相关因素，制定改进措施改善影响各质量指标的各相关因素，达到改进提升此质量指标的目的。

关键词：防振动;惯性静止;在线质量检测设备;取料斗

一、烘丝质量改进的现状和必要性

烟丝烘丝质量直接影响到卷烟的品质，现有烟丝烘丝质量标准有来料流量稳定性、热风温度、薄板温度、烘丝出口水分、出料罩负压等，目前烟丝烘丝质量控制都是围绕某一项质量指标对设备或者控制工艺进行改进，没有交叉系统的考虑多个相关因素对某一项质量指标的影响，没有对影响烟丝质量指标的相关数据进行大数据的统计分析，数据处理，因此不能深入透彻的深入问题的本质，找到影响某一质量指标的强弱相关性比例，进而不能进行有针对性的精确的控制改进，不能更进一步的提升烟丝烘丝质量。

从万方知识数据服务平台上以“烘丝机”、“相关性”进行查询，查到1.薄板烘丝机入口水分影响因素的相关性分析;2.浅析叶丝在线膨胀各技术参数之间的相关性——对燃油管道式烘丝机处理低档叶丝时有关参数的优化;3.叶丝干燥工序薄板烘丝机工艺参数优化研究，共三篇论文，对烘丝质量相关性分析还处于取样实验阶段，存在取样数据量有限，实验次数少，结论不精确现象，基于大数据的烘丝质量指标相关因素相关性判定的研究尚且没有，真正投入实践的技术更是相对粗糙。

而现有烘丝质量发展要求更高标准，烘丝质量既着眼于产品、又需要关注过程的改进。这就需要检测到产品中有多少缺陷，找出如何系统地减少缺陷，使产品尽量完美的方法。根据6西格玛质量要求，6σ是一个目标，这个质量水平意味的是所有的过程和结果中，99.99966%是无缺陷的，也就是说，做100万件事情，其中只有3.4件是有缺陷的，这几乎趋近到人类能够达到的最为完美的境界。但大多数产品质量在3σ～4σ间运转，也就是说每百万次操作失误在6210～66800之间。

通过采集对某一项质量指标的影响的多个相关因素数据，并对各因素进行正交实验，数据分析，找到影响此质量指标的强相关性因素，针对这些因素进行改进，提升烟丝此质量指标。

三、编制Python程序对各质量指标的各相关因素采集大量数据。

利用现有传感器采集关键因素数据，并送入可编程控制器S7进行处理，然后通过连接上位机软件kepserver收集上述关键数据并送入 MYsql建立的数据库中。下图为连接kepserver成功后数据传输情况。

五、制定改进措施改善影响各质量指标的各强相关因素并检验结果。

针对找到的强相关因素，制定措施，提出改进计划，定出目标。并在黑带大师的带领下按照制定计划目标加以执行。检查实际执行结果看是否达到计划的预期效果。⑴总结成熟的经验，纳入标准制度和规定，以巩固成绩，防止失误 ⑵把本轮PDCA循环尚未解决的问题，纳入下一轮PDCA循环中去解决。

六、使用说明和优点

本文从实际应用出发，针对影响烘丝机质量指标的关键要素利用工控技术和信息化技术进行数据采集、整理、分析。并利用六西格玛思想使用质量改进工具对数据进行相关性分析，找到真正影响烘丝机质量指标的关键要素。制定改进计划和目标，在黑带大师的带领下严格执行计划目标，并检查改进效果，对成熟的改进纳入标准制度巩固成绩，对尚未解决的问题，纳入下一轮此PDCA循环中解决，反复优化影响烘丝机质量指标的关键要素，达到质量最优。

七、结束语

实际运用中，界定分析现状，找出存在的主要质量问题 ，分析产生质量问题的各种影响因素，比改进更重要。相比之下使用工控技术和信息化技术进行数据采集、整理、分析，以及使用质量工具分析数据找到问题的根本原因，只要有专业人士将不是问题。

因此对质量有不懈追求的思想，具有领导力的黑带，发现问题的能力，以及包含各种人才的团队将是企业质量改进提升中的核心力量。

参考文献

[1] 《六西格玛管理法》[美] 彼得 S. 潘迪 著，毕超，崔丽野，马睿 译

[2] 《六西格玛管理第三版》何桢，中国质量协会 编 著

[3] 《Python编程 从入门到实践》第2版，[美] 埃里克·马瑟斯 著

[4] 《西门子S7-1200/1500 SCL语言编程——从入门到精通》，北岛李工  编 著

作者简介：王红超（1976-11-）男，汉族，河南禹州人，本科，河南中烟工业有限责任公司。