统计工具在高性能玻璃纤维产品质量控制中的应用

2021-08-25张啟勇郭仁贤

玻璃纤维 2021年4期

张啟勇，张梅，朱斌，祖群，于水，郭仁贤

（南京玻璃纤维研究设计院有限公司，南京 210012）

0 前言

玻璃纤维是一种典型的无机非金属材料，具有质量轻、强度高、耐高低温、耐腐蚀、隔热、阻燃、吸音、电绝缘等优异性能以及一定程度的功能可设计性，是一种优良的功能材料和结构材料。高性能玻璃纤维是指与传统玻璃纤维相比，某些使用性能有显著提高，能够在外部力、热、光、电等物理以及酸、碱、盐等化学作用下具有更好的承受力。高性能玻璃纤维种类多，纤维制品规格也很多，主要有无捻粗纱、有捻纱、织物3大类，其中纱线类产品根据玻璃类别、线密度、浸润剂类别、捻度、捻向、卷装量等可细分出近千个规格制品。如此大量的产品规格，必然产生庞大的性能测试数据。

随着市场需求的不断提升、生产规模不断扩大，客户对产品的质量要求也越来越严格。

质量管理经历了4个发展阶段：由初级阶段发展到质量检验阶段，接着发展到统计质量控制阶段，再进而发展到全面质量管理阶段，这一系列的跨越离不开统计工具的应用。在各种统计工具的应用中，常用的统计工具、方法有很多。统计分析工具的应用可以帮助公司了解数据的变异，从而有助于组织解决问题并提高有效性和效率，这些工具也有助于更好地利用可获得的数据进行决策，有助于对变异进行测量、描述、分析、解释和建立模型，甚至在数据相对有限的情况下也可实现。同时有助于解决，甚至防止由变异引起的问题，并促进持续改进。也可以规范生产过程中数据分析的方法，为质量分析方法的选择提供指导，熟练运用相应的图表，从而提高工作效率［1，2］。

针对高性能玻璃纤维的质量控制要求，本文以先进复合材料用高性能玻璃纤维产品为例，借助统计分析软件，采用检查表、柏拉图、控制图、正态分布、直方图、不合格品数控制图等方法，通过数据的收集与分析，指导相关技术人员开展工作，并针对不同的数据类型，采用相对应的统计工具和分析方法，从而进一步提高产品的质量稳定性。

1 统计技术用工具的基本原理

在一个统计问题中，称研究对象的全体为总体，构成总体的每个成员称为个体，若关心的是研究对象的某个数量指标，那么将每个个体具有的数量指标X称为个体，这样一来，总体就是某数量指标值X的全体（即一堆数），这一堆数有一个分布，从而可用一个分布描述，简单地说，总体就是一个分布。统计学的主要任务就是：研究总体是什么分布，这个总体分布的均值、方差（标准差）是什么？从总体中抽取部分个体所组成的集合称为样本。样本中的个体在强调其具体实物时也称为样品，样本中所包含的个体的个数称为样本量。常用n表示从总体中抽取样本是为了认识总体，即从样本推断总体，分布，总体均值，总体标准差。对结果有效，对样本的抽样要求。抽样切记受到干扰，特别是人为干扰，某些人为的倾向性会使所得样本不是简单随机样本，从而使最后的统计推断失效［3，4］。

1.1 检查表

检查表是按照系统工程方法，在对一个系统进行科学分析的基础上，找出各种可能存在的风险因素，然后以提问的方式将这些风险因素列成的表格。可按团队、设备、时期等类别，由风险管理专业人员、生产技术人员和现场工人共同参与编制［5］。

1.2 控制图

控制图是对过程质量特性进行测定、记录、评估，从而监控过程是否处于控制状态的一种统计方法的图，由3条平行的直线组成，包括中心线、上控制线、下控制线，并有按时间顺序抽取的样本统计量数值的描点序列。常规控制图的原理是基于“小概率事件不容易发生，一旦发生说明有异常情况”。如果小概率事件发生了，说明制造过程发生了异常波动。表1是常规控制图的控制限公式。

表1 常规控制图控制限公式

表中：A2、A3、B3、B4、D3、D4——系数，查表可知。

1.3 正态分布N（μ、σ2）

质量管理中最重要也是最常用的分布，它能描述很多质量特性X随机取值的统计规律性。正态分布含有两个参数μ、σ，常记N（μ、σ2）。其中μ为正态分布的均值，位置参数，正态分布的中心，质量特性X在μ附近取值的机会最大；σ2是正态分布的离散程度，σ＞0是正态分布的标准差，σ越大，数据分布越分散；σ越小，数据分布越集中［6］。

1.4 柏拉图

柏拉图又称为排列图，帕累托图，主次因素分析法、柏拉托图法等，它是根据“关键的少数和次要的多数”的原理而制做的。也就是将影响产品质量的众多影响因素按其对质量影响程度的大小，用直方图形顺序排列，从而找出主要因素。柏拉图的结构为两个纵坐标和一个横坐标，由数个直方形和一条折线构成。左侧纵坐标表示频率，右侧纵坐标则表示累计频率（以百分比表示），横坐标表示影响质量的各种因素之名称，按影响大小顺序排列，直方形高度表示相应的因素的影响程度（即出现频率为多少），上方折线则表示累计频率线（又称帕累托图曲线）。通常累计百分比将影响因素分为三大类：占0～80%为A类因素，也就是主要因素；80%～90%为B类因素，是次要因素；90%～100%为C类因素，即一般因素［7］。

1.5 直方图

直方图又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。这是一个连续变量（定量变量）的概率分布的估计，它是一种条形图。为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。这些值通常被指定为连续的，不重叠的变量间隔。间隔必须相邻，并且通常是（但不是必须的）相等的大小。它是表示资料变化情况的一种主要工具［8，9］。用直方图可以解析出资料的规则性，比较直观地看出产品质量特性的分布状态，对于资料分布状况一目了然，便于判断其总体质量分布情况。

1.6 分析软件

采用美国SAS软件公司的JMP统计分析软件，JMP的算法强调统计方法的实际应用，交互性、可视化能力强，使用方便，适合非统计专业背景的数据分析人员使用。

2 数据收集及数据库建立和分析

2.1 检查表实例分析

统计方法进行质量控制主要依据是数据，数据要反映客观的实际情况，不应有虚假的成分，否则即使进行了严格的、精确的计算和分析，其结果仍不可信，调查表就是一种很好的收集数据的方法。根据现有标准文件中规定的要求，收集了织物外观检验的数据，将需要统计的关键特性录入Word中，制定成统一的格式，受控下发。

通过图1可以看到布卷外观检验记录表的情况，对工序质量或产品质量进行检查与确认。尤其是织物外观的检查项目多，易遗漏，图1的检查表可以逐项进行，避免了错误和重复性的检查。使操作人员能够严格遵守操作规程的要求，保证产品质量，在批量很大的工作中，可以收集有意义、有价值的数据，为后续开展质量分析、质量控制提供了织物外观的数据积累和支撑。

图1 外观检验记录表

2.2 控制图

2.2.1 计量控制图实例分析

选用一个典型性的产品，并选取其生产过程产品线密度进行数理统计分析。将数据输入Excel表中，再将上述Excel数据导入统计分析软件，如表2所示，报表的行列设计应兼顾JMP软件中数据表中计算取值规则。通过统计软件操作，可以获得线密度均值和移动极差控制图，见图2。

图2 线密度控制图

表2 线密度数据表

2.2.2 计数控制图实例分析

选用一个典型性的织物产品，选取其生产的过程产品外观疵点进行数理统计分析。将数据输入Excel表中，再将上述Excel数据导入统计分析软件，如表3所示，报表的行列设计应兼顾JMP软件中数据表中计算取值规则。通过统计软件操作，可以获得外观疵点控制图，见图3。

图3 外观疵点控制图

表3 外观疵点数据表

以下判定准则为GB/T 4091-2001《常规控制图规定》的判定准则，可优先选用的判定准则。也可以按其他方式确定判定规则，但必须在作业指导书或工艺文件得到规定，并经过批准方可使用。一旦发生异常波动，就应该尽快找出原因，采取措施加以消除。

通过以上汇总的结果，可以看到有捻纱的线密度、织物疵点数的测试结果都在控制限内，过程稳定。如果控制图出现异常，表明需采取纠正措施，根据异常判定原则［5］，异常产生后的措施包括：

（1）对过程进行验证，如条件允许，可停工进行验证。

（2）提高检测频率，并对异因进行分析调控，直至过程受控。

（3）将最后时段生产的产品进行隔离，加大抽检量，如有可能对其进行全检，找出不合格品。

（4）将所有不合格品进行隔离并进行标识。

（5）不合格品返工、返修或报废。

（6）如原因不在本工段，通知责任区域/部门。

2.3 数据分布实例分析

跟踪240 tex无捻粗纱在线监测线密度数据，对数据进行汇总分析，通过统计软件的操作，形成线密度正态分位数图，见图4、图5。可以看出，无捻粗纱线密度整体呈正态分布，均值为239.59 tex，散度σ为3.65，散度较小，说明集中度较好，以239.59 tex为中心值，线密度在230~250 tex阶段的粗纱概率为100%。根据标准要求，240 tex无捻粗纱公称线密度为240 tex，合格范围为222~258 tex，这表明生产的粗纱线密度质量稳定可靠。

图4 无捻粗纱线密度概率密度分布

如果对产品的线密度按批次进行正态分位数图做进一步分析，对比该产品线密度均值和散度σ历史水平，可以知道现行生产的批次产品线密度的分布情况，如有较大偏离，应及时进行原丝或纱团配比组合，起到提前预警作用。如图5所示，当线密度在238~239 tex之间出现“缺口”（该段出现概率偏低）时，应考虑增加部分该段内的线密度粗纱，使产品分布更加合理，最终满足客户对线密度更窄控制范围要求。由此可见，数据的分析结果，可科学、有效地实施批产品性能参数合理分布及质量可控的目的，同时提高了工作效率。