王国园，高复高，丁 超，张洪召

（江苏中烟工业有限责任公司徐州卷烟厂，江苏徐州 221000）

0 引言

在卷烟加工生产过程中，制丝工艺是影响和决定卷烟内在品质最为关键的一个环节，也是各家卷烟厂追求品牌高质量发展路上最为重要的攻关努力方向[1]。制丝环节具有工序最多、工艺流程最长的特点，因此提升制丝全流程工艺控制水平需对各控制参数更加精细化和精准化。制丝生产过程中，各工序控制参数类型主要分为望目控制性和极值型，且以望目控制性为主，如出口水分、出口温度、物料流量、工艺气温度、蒸汽注入量等。目前我厂制丝各岗位、各参数均执行稳定较好，按照常规企业内控标准统计指标合格率均较高，已不能准确区分数据反应出各关键参数的执行情况。为实现追求指标合格向追求指标优质转变目标，亟需进一步深入细化统计方式，剖判制丝生产各工序的质量状态，减少制丝批次间和批次内控制差异，为提高产品质量同质化水平和制丝生产过程控制能力打下基础。

1 现状描述

异地技改整体搬迁完毕后，经过对问题的持续跟踪改善，目前制丝各工序各参数均执行较好，生产过程稳定性相较于前期大幅提高，初步具备了由“追求指标合格向追求指标优质转变”条件。对照“十四五”高质量发展“推动制丝工艺水平和品质保障能力成为行业示范”这一目标要求，目前制丝质量管控及考核尚未有整体统一尺度的评价标准。本文将结合徐州卷烟厂实际控制情况，以数据统计分析中表征稳定性更加精准的偏离度E 和离散度D 为基础，采用功效函数原理构建望目控制类型数据评价模型，深入剖判出制丝生产环节各批次、各参数执行的差异情况，为“十四五”目标追求指标优质奠定基础。

2 数据统计分析方法

日常监控和统计分析制丝过程数据时，常规统计分析方法主要有合格率、CPK[2]等。其中，偏离度E 表示指标批次数据实际运行平均值与标准中心值的偏离程度，为实际数据平均值与目标数据相差的绝对值与过程标准偏差设计值的比值；离散度D表示指标批次内全部数据的波动程度，为批次内全部数据标准偏差与过程标准偏差设计值的比值。

其中，X 表示数据实际运行平均值，A 表示标准设计中心值，σ 为标准偏差设计值。

当生产过程处于统计控制状态时，根据GB/T 17989.2—2020《常规控制图》，标准偏差设计值为设计允差的1/3，即σ=允差/3=T/6 进行估计（T 为指标公差幅度）。

可以看出，当正常生产时，期望偏离度和离散度均越小越好。偏离度越小，表示批次数据实际运行平均值越贴近标准中心值要求；离散度越小，表示批次内波动程度越小、控制越稳定。理想情况下即生产控制严格按照标准中心值生产，且过程无波动。

3 模型得分构建评价方法

模型得分构建评价方法以功效函数为基础[3]，功效函数是用来处理多目标决策相关问题的方法，指各项评价指标的实际值与该指标允许变动范围的相对位置。该方法对各项评价指标分别确定满意值和不允许值——满意值为上限，不允许值为下限，分别计算评价对象各项指标的功效系数，并转化为相应的功效评分值，作为指标的评价值。参照各项指标的权重比例，通过计算得到指标的得分，再加总求出各类指标的总得分，即综合评价分数，是一种常见的定量方法。

如果理想情况下采取100 分为满分，一般是依据实际情况规定达到一定效果时基本得分多少（如60 分），然后其他的40分再根据本单位的指标高低确定。采用的计算公式为：

其中，di表示指标评价得分，Xi表示指标实际值，Xs表示指标不允许值，Xu表示指标满意值。

4 模型评价表征方法

望目控制性数据指标质量评价得分受生产过程指标数据的E 和D 二者共同影响，故应由二者综合有机组合构成。根据望目控制性数据特点，在构建模型与相关分析中，因变量指标“质量评价得分值”均随自变量指标“偏离度、离散度”的增大（减小）而减小（增大），在这种情况下因变量和自变量的相关系数为负值（即负相关）。根据GB/T 17989.2—2020 要求，常规质量管控要求为指标生产实际运行平均值偏移标准要求中心值应在3 倍标准偏差设计值之内，指标生产实际标准偏差应在标准偏差设计值之内，即对应的指标偏离度E/3 小于等于1、离散度D 小于等于1。

（1）根据控制图要求及偏离度与离散度相关性分析，二者综合评价可用图中“P 至原点O 点”的距离L 表示（图1）：

图1 偏离度与离散度组合对应图

（2）定义评价得分为Q。根据功效系数原理，则理想状态原点O 点为最优值，评价得分Q最优值为100；橙色边界线为不允许值，评价得分Q不允许值为60 分（图2）。

图2 评价得分与组合对应图

根据上述功效系数法评价原理，则望目控制型数据质量评价得分Q 为：

其中，Q 表示望目控制型数据质量评价得分，E 表示指标偏离度，D 表示指标离散度。

5 望目控制性数据评价得分模型结果验证

数据评价得分模型构建完成后，开发对制丝生产过程数据自动评价系统，进而实现对制丝各工序望目控制型数据的自动评价得分。组织选取最新月度163 个批次加香出口烟丝含水率与加料出口温度为参数验证。统计工艺参数批次合格率，同时根据批次过程执行平均值和标偏转换成偏离度和离散度后计算其批次质量评价得分Q 值，对比结果见图3～图4。

图3 加香后水分合格率与得分对比

从图3 和图4 可以看出：

（1）批次望目控制型工艺参数模型评价得分总体和参数合格率趋势一致，且更加注重对工艺参数的过程稳定性评判，模型评价得分效果较好，可以起到敦促后续控制尽可能地按照标准中心值执行和减少过程波动效果，从而缩小制丝批次间差异，提高同质化水平。

（2）从合格率来看，除极个别批次之外，各批次控制合格率并无明显差异、不能做出区分，但相同合格率水平其批次质量得分Q 差别较大，可以较好地拉开差距、做出区分，从而找出控制差异，方便后续进行改进。

（3）部分批次合格率虽然较低，但仍在统计指标范围以上。而批次质量得分Q 可以更明显地放大、拉低其得分，从而更易找出控制瓶颈，为后续针对性提升质量管控水平指明方向。

6 结论

构建望目控制类型数据质量评价模型，实现了深入剖析制丝生产环节各批次、各参数执行差异情况的目的。经效果验证，该模型可以较好地满足当前企业追求高质量发展背景下的功能需求，解决常规企业内控标准统计指标合格率已不能准确区分出各批次间关键参数的执行差异问题，助力企业实现“由追求指标合格向追求指标优质转变”的目标，提高制丝批次内和批次间同质化水平。