曾志伟

（云南云天化国际化工有限公司红磷分公司，云南，开远，661699）

预控法与均值极差图在磷铵生产中的应用

曾志伟

（云南云天化国际化工有限公司红磷分公司，云南，开远，661699）

以磷铵生产工艺指标中和料浆中N与P物质的量比为例，对比分析了预控法与均值极差图应用效果差异，发现在标准偏差较小的数据分析时，应用预控法效果更佳。

预控法；均值；极差；磷铵

近年来，科学技术迅猛发展，产品零缺陷正逐步成为许多制造企业发展中不可回避的关键词。对于高质量过程控制，传统的抽样检验技术与常规控制图难以适用，以P控制图为例，当不合格品平均比例为0.5%时，为了检查到一个或几个缺陷需要检查200个单位才能够检出仅仅1.00的平均计点数。

高质量过程控制研究领域中，Calvin根据两个不合格项之间合格品累计数提出了累计合格品计数图（A Cumulative Count of Conformance chart，简称CCC图）［1］。Quesenberry提出几何Q控制图，通过变换，将监控随机几何分布的问题转为监控正态分布问题，并且指出：P值越小，控制精度越高，效果也就越好［2］。美国拉斯—斯特朗公司推出工序质量预控法，我国童维先先生将其引入管理界。在企业推行TQC的过程中，应用工序质量预控法对于提高产品质量，减少质量损失，提高经济效益有重要的作用。目前，美国、日本等国家多数企业应用预控法，取得了较好的效果。

2 预控法的统计原理

预控法以小概率事件原理为理论依据，判断过程是否异常所设置的小概率为0.01%［3］。一个事件如果发生的概率很小（预控法为0.01%）的话，那么它在一次试验中是几乎不可能发生的，但若在正常情况下发生了小概率事件的统计结果，即可判定出现异常状态。

预控法直接与规格界限相联系，而不是与控制界限相联系。预控图又叫彩虹图，是一种基于规格界限来控制过程的简单运算法则图。通常预控图控制区域分为三个：目标区（绿区）、警戒区（黄区）、废品区（红区），见图1。

图1 预控图的区域和概率Figure 1 Region and probability of pre－control chart

各区域所对应的概率为［4］：目标区（绿区），2条预控线之间的区域，占整个规格界限围的1／2，占整个正态分布概率的86.64%，近似认为86%。

警戒区（黄区），在目标区两侧至规格界限是警戒区，各占规格界限的1／4，占整个正态分布概率的6.54%，近似认为7%。

废品区（红区），2个警戒区之外，即超出规格界限的区域。2个不合格品区域的概率为0.135%。

3 预控法与均值极差图在磷铵生产中的应用

磷铵生产工艺指标中和料浆N与P物质的量比工艺安全操作规程要求指标控制范围为1.40～1.60，规格界限即为1.40～1.60。

取中和料浆N与P物质的量比某阶段的数值进行对比探讨，数据以n＝5进行分组。见表1。

表1 磷铵中和料浆N与P物质的量比某阶段数值Table 1 Phase value of the N and P molar ratio in process indicators and slurry of the production of ammonium phosphate

3.1 数据正态性分析

对分组数据均值运用安德森－达令检验，结果见表2（受篇幅原因，省略部分数据）。

从表2数据可知，p值大于显著性水平（0.05），接收零假设，即数据分布服从正态分布。表明数据分布良好，且可运用于控制图、预控图等分析。

表2 数据正态性分析Table 2 Data normality analysis

3.2 应用均值极差图对数据进行处理

均值极差图最常用，判断工序是否正常的效果好，但计算、工作量大，适用于产品批量大的工序［5］。借助计算机各类软件，如SPSS、SAS等，可对数据进行快速有效的处理，本文数据处理运用Excel电子表格6SQ插件进行数值分析。

对表1数据作均值图与极差图，见图2与图3。

图2 均值图Figure 2 Mean figure

图3 极差图Figure 3 Poor chart

图4 预控图Figure 4 Pre－control map

均值图中，控制下限（LCL）为1.462，中心线（CL）为1.481，控制上限（UCL）为1.500。极差图控制下限（LCL）为0，中心线（CL）为0.033，控制上限（UCL）为0.070。分析极差图，未见异常情况，数据极差可判稳。分析均值图，第17、19、28个点超出控制线（远离中心线，超过3个标准偏差），此3点可判定异常。

3.3 应用预控法对数据进行处理

指标控制范围为1.40～1.60，规格界限即为1.40～1.60。分析规格中心＝（1.40＋1.60）÷2＝1.50，上预控线UPCL＝（规格中心＋规格上限）÷2＝（1.40＋1.50）÷2＝1.45，下预控线LPCL＝（规格中心＋规格下限）÷2＝（1.50＋1.60）÷2＝1.55。

对表1数据作预控图，见图4。

分析预控图，第28个点落入警戒区（黄区），但紧接着的第29个点落入目标区（绿区），则说明过程正常，无须采取任何行动。

3.4 预控图与均值极差图对比分析

磷铵生产中，因工艺操作娴熟，指标中和料浆中N与P物质的量比数据较为稳定，波动较小。运用均值极差图对数据进行统计分析时，存在理论控制界限（相对规格界限）较小（1.462－1.500），导致异常数据增多（异常数据仍在规格界限内），且不易查明异常原因。

应用预控图，以规格界限为中心，厘定相应的预控限，简单明了。在对数据进行有效监控的同时，亦可通过预控限判定数据是否异常。

可见，工序能力富裕，统计分析标准偏差较小的数据时，应用预控法效果更佳。

4 中和料浆中N与P物质的量比应用实践

生产实际运行中，指标控制范围为1.40～1.60，即厘定为规格界限，预控限为1.45－1.55（亦可根据生产实际适当调整），设为执行指标。指标风险分析及改进措施详见表3。

表3 中和料浆N与P物质的量比风险评价Table 3 Risk evaluation of the molar ratio of N and P in slurry

应用实践中，针对工艺指标中和料浆中N与P物质的量比，连续抽取5个时点样品，若其实测值全部落入目标区（执行指标范围）即可开始预控法的操作。将每一个时点样品实测值录入MES系统（生产制造执行系统），MES系统会自动生成数据趋势图，岗位人员依据趋势图一方面可判断指标变化趋势，一方面及时发现异常情况并及时处理（如指标值为1.42，可及时依据表中改进措施采取相应的处置）。这样可有效提升指标合格率的同时，确保装置稳定运行与产品质量合格。

［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］刘宏.应用预控法监控过程质量［J］.电子质量. 2006（8）：35－37.

［4］顾亮，鲍文华，吴庆华，等.预控图技术在卷烟生产制丝过程中的应用［J］.安徽农学通报.2011（20）：98－102.

［5］邢文英.QC小组基础教材［M］.北京：中国社会出版社，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

曾志伟（1985－），四川乐山人，化工工艺工程师、国家注册质量工程师，从事磷肥与复肥技术研发工作。