一种制丝过程质量评价方法与流程

1.本发明涉及卷烟工艺评价技术领域，尤其涉及一种制丝过程质量评价方法。


背景技术：

2.在卷烟的生产工艺中，制丝是非常重要的环节，也是卷烟制造过程中工序 最多、工艺流程最长的环节。制丝主要是负责生产合格的烟丝，以提供给下一 道工序。烟丝加工品质的好坏，不仅会影响产品的物理质量，还影响产品的内 在品质。制丝过程控制是品牌发展的质量保障。行业经过多年的工艺质量研究 实践，在原料加工特性和分组加工方法以及工序质量评价方法等关键技术上取 得了突破。提高并稳定卷烟制丝过程质量，是当前工艺质量研究的重点，是实 现企业的产品质量目标和效益目标的重要环节。随着卷烟工业企业的整合与重 组，同一品牌多点加工也已成常态化。不同加工点、不同机台、不同批次间卷 烟卷制质量的符合性和稳定性存在一定差异，是客观存在的，也是不可避免的， 问题的关键是如何科学评价和准确识别这种差异，并在此基础通过参数优化降 低这种差异。然而，当前国内研究主要集中在对制丝过程质量影响因素的研究， 并没有与质量的符合性与稳定性相联系，也没有形成制丝过程质量符合性、稳 定性和综合性评价的系统方法。


技术实现要素：

3.为解决或部分解决相关技术中存在的问题，本发明提供一种制丝过程质量 评价方法。
4.本发明提供一种制丝过程质量评价方法，其包括以下步骤：
5.s01)、确定制丝质量评价指标，将各个评价指标根据从属关系构建层次结 构模型，所述层次结构模型自上而下的分成：目标层、中间层和单指标层；所 述单指标层对应单个工艺参数或单个质量指标；
6.s02)、进行单指标质量评价；所述单指标质量评价包括：单指标质量符合 性评价，单指标质量稳定性评价，和单指标质量综合性评价；
7.s03)、进行中间指标的质量综合性评价，其包括：
8.根据其对应的单指标层的各个单指标的单指标质量综合评价指数，以及各 个单指标对应的权重，得到该中间指标的质量综合评价指数；
9.s04)、进行目标指标的质量综合性评价，其包括：
10.根据其对应的中间层的各个中间指标的质量综合评价指数，以及各个中间 指标对应的权重，得到该目标指标的质量综合评价指数。
11.进一步地，所述步骤s02)中的单指标质量综合性评价采用单指标质量综 合评价指数表征，单指标质量综合评价指数愈大，表明其质量愈好；
12.所述单指标质量综合评价指数按照下式计算：
13.14.式中，c
pm
为单指标质量综合评价指数；usl和lsl为单指标的规格限， 两者之差即为公差；μ为单指标总体均值，σ2为单指标总体方差，m为单指标 目标值。
15.进一步地，所述步骤s03)中，采用如下公式，计算得到该中间指标的质 量综合评价指数；
16.zm＝w1×cpm1
+w 2
×cpm2
……
+w n
×cpmn
17.式中，zm为中间指标的质量综合评价指数，c
pm1
、c
pm2
……cpmn
为该中间 指标对应的各个单指标的质量综合评价指数，w1、w2、
……
wn为各个单指标相 应的权重。
18.进一步地，所述步骤s04)中，采用如下公式，计算得到该中间指标的质 量综合评价指数：
19.z＝w
m1
×zm1
+w m2
×zm2
……
+w mn
×zmn
20.式中，z为目标指标的质量综合评价指数，z
m1
、z
m2
……zmn
为该目标指 标对应的各个中间指标的质量综合评价指数，w
m1
、w m2
、
……
w mn
为各个中间 指标相应的权重。
21.进一步地，所述单指标和/或中间指标对应的权重按照如下方式确定：
22.a)、构造判断矩阵
23.对同层的评价指标进行两两比较，采用九级标度法将其相对重要性量化， 构造判断矩阵a；
24.b)、计算指标权重系数
25.计算判断矩阵每行所有元素的几何平均，得到该行对应指标未归一化的权 重；
26.权重系数归一化处理，将各个指标未归一化的权重，分别除以全部指标未 归一化权重之和，得到权重系数向量w；
27.c)、检验判断矩阵一致性。
28.进一步地，所述步骤a)具体为：
29.用同等重要、稍微重要、较强重要、强烈重要与极端重要这5种判断，表 征指标之间的相对重要性，并按以下规则量化：当指标ai与指标aj同等重要 时a
ij
＝1，当ai比aj稍微重要时a
ij
＝3，当ai比aj较强重要时a
ij
＝5，当ai比aj强烈重要时a
ij
＝7，当ai比aj极端重要时a
ij
＝9，如果相对重要性介于两者之间， 则用2、4、6、8评分；且a
ij
＝1/a
ji
，并按相对重要标度构建n
×
n的判断矩阵a ＝(a
ij
)；n为归属于同一上层指标的下层指标数。
30.进一步地，所述步骤c)具体为：
31.c1)、计算判断矩阵的最大特征值λ：
32.由判断矩阵a右乘权重系数向量w，得到向量aw；然后，分别计算向量aw与权重系数向量w的对应元素之比，比值之和即为最大特征值λ；
33.c2)、检验判断矩阵的一致性：
34.计算一致性指标ci，ci等于最大特征值λ与指标数n之差除以指标数n 减1；
35.根据指标数n，得到平均随机一致性指标ri值；
36.计算判断矩阵的随机一致性比率cr，随机一致性比率cr等于一致性指标 ci与平均随机一致性指标ri之比，根据随机一致性比率cr检验判断矩阵的 一致性是否符合要求。
37.进一步地，所述步骤s02)中的单指标质量符合性评价采用t检验；单指 标质量稳定性评价采用χ2检验。
38.进一步地，所述t检验采用双尾检验或单尾检验。
39.进一步地，所述χ2检验采用单尾检验。
40.现对于现有的制丝过程质量评价方法，本发明提供的技术方案可以包括以 下有益效果：
41.对卷烟制丝过程质量进行分析评价，有利于提升质量管控能力，提高在制 品和成品质量的控制精度。本发明构建了制丝过程质量评价层次结构模型，提 供了单指标质量符合性、稳定性和综合性评价方法，以及中间指标和目标指标 质量综合性评价方法，丰富了工序质量评价的内涵，为科学、规范开展制丝过 程质量评价工作提供方法依据和实操指南，确保评价结果的规范性、可靠性和 可比性，有利于制丝过程质量稳定性、均匀性、协调性和一致性的全面提升， 为深化“控制指标向控制参数转变、结果控制向过程控制转变、人工控制经验 决策向自动控制科学决策转变”创造条件，更好地实现企业的产品质量目标和 效益目标。
42.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的， 并不能限制本发明。
附图说明
43.通过结合附图对本发明示例性实施方式进行更详细地描述，本发明的上述 以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施方式 中，相同的参考标号通常代表相同部件。
44.图1是本发明实施例示出的制丝过程质量评价方法的流程框图；
45.图2是本发明实施例中某工序质量综合评价的层次结构模型；
46.图3为本发明实施例中使用minitab统计软件对松散回潮工序中叶片出口 含水量率的质量符合性评价的操作流程示意图；
47.图4为本发明实施例中使用minitab统计软件对松散回潮工序中叶片出口 含水量率的质量稳定性评价的操作流程示意图；
48.图5为本发明实施例中使用minitab统计软件对松散回潮工序中叶片出口 含水量率的质量综合性评价的操作流程示意图。
具体实施方式
49.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清 楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造 性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
50.在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本 发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该
”ꢀ
也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中 使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可 能组合。
51.应当理解，尽管在本发明中可能采用术语“第一”、“第二”、“第三”等来描 述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信 息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为 第二信息，类似地，第二信息也
可以被称为第一信息。由此，限定有“第一”、“第 二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述 中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
52.本发明实施例提供一种制丝过程质量评价方法，请参见图1，本施例提供 制丝过程质量评价方法包括以下步骤：
53.s01)、确定制丝质量评价指标，将各个评价指标根据从属关系构建层次结 构模型，所述层次结构模型自上而下的分成：目标层、中间层和单指标层；所 述单指标层对应单个工艺参数或单个质量指标；
54.s02)、进行单指标质量评价；所述单指标质量评价包括：单指标质量符合 性评价，单指标质量稳定性评价，和单指标质量综合性评价；
55.s03)、进行中间指标的质量综合性评价，其包括：
56.根据其对应的单指标层的各个单指标的单指标质量综合评价指数，以及各 个单指标对应的权重，得到该中间指标的质量综合评价指数；
57.s04)、进行目标指标的质量综合性评价，其包括：
58.根据其对应的中间层的各个中间指标的质量综合评价指数，以及各个中间 指标对应的权重，得到该目标指标的质量综合评价指数。
59.本发明提供的制丝过程质量评价方法，运用数理统计方法，按层次组织产 品工艺质量数据，科学、规范地开展制丝过程质量分析评价，有利于提升过程 质量管控能力，提高在制品和成品质量的控制精度。
60.为了提高评价结果的精准度和可靠性，本发明实施例中所采用的分析评价 数据按照如下采集规则构建：
61.1)、数据来源
62.过程数据由离线检测仪器、在线检测仪器检测，检测数据可通过自动采集、 人工干预或人工采集获得；有详细的测量仪器的校准及管理要求以及相关检测 操作规程。根据卷烟重要工艺质量指标和关键工艺参数的特点，确定适宜的数 据采集方法。对关键工序重要参数和指标进行变异源分析，据此确定合适的数 据采集的时间间隔、样本容量，规范采集频率、数据批次归属、批次有效数据 和稳态数据的界定。
63.2)、自动采集数据基本原则
64.数据采集系统能根据采集规则确定合适的采集起始时间点；合理确定每批 次数据最小样本量；数据采集频次应能兼顾样本量及系统能力且能反映生产加 工实际过程。
65.确定自动采集数据剔除原则，下述原因引起的异常数据可列入剔除范围： 设备固有性能造成数采数据异常；材料更换或异常造成数采数据异常；自动采 集系统本身异常造成数采数据异常；更换生产批次、换牌号时形成的数采数据 异常；其它原因造成的数采数据异常。
66.3)、人工干预自动采集数据基本原则
67.人工干预自动采集数据应用于无自动采集数据状况；检测仪器工作参数实 现标准化；人工干预自动采集数据应有完整的电控系统、数据记录、备份系统； 人工采集数据应在无自动采集数据及人工干预自动采集数据采集的情况下采 用，并有完整的记录。
68.4)、检测仪器、在线检测仪器的检验标准和操作要求
69.检测仪器、在线检测仪器由计量管理部门负责管理，并保持完好(或有效 性)；检测仪器、在线检测仪器应具有完备的校准规程与操作规程。
70.5)、测量周期与测量条件
71.依据参数与指标的特性及重要程度，确定合适的测量周期；每项关键参数 与指标的统计样本至少应保持60个以上数据。
72.上述步骤s01是基于层次分析法将各个评价指标根据从属关系构建层次结 构模型。多指标综合评价的关键是要确定各质量指标的相对重要性，即权重。 评价指标权重的确定方法可分为主观赋权法和客观赋权法两大类型。主观赋权 法其特点在于集中专家的经验与意见，确定各指标的权重；客观赋权法是依据 评价指标的统计性质来确定权重，其权重的大小取决于评价指标原始数据的分 布状况。常用的主观赋权法有：层次分析法、德尔菲法、定量评分法等；常用 客观赋权法有：偏差权重法、相关分析法、主成分分析法等。其中，层次分析 法是一种定性和定量相结合的主观赋权方法，它是由美国运筹学家萨第于20 世纪70年代提出的，一种常用的指标定权方法。对于各工序工艺参数与质量指 标权重的确定，yc/z 602-2014《卷烟制丝过程数据采集与处理指南》和yc/t 295-2009《卷烟制造过程能力测评导则》中给出了部分工艺参数与指标的相对 重要程度，可作为评定工艺参数与指标权重的参考。在此基础上，本发明可以 采用层次分析法确定各工序工艺参数与指标的权重。因此，本实施例首先基于 层次分析法将各个评价指标根据从属关系构建层次结构模型。在深入分析评价 对象和评价目的基础上，将各评价指标按照不同属性自上而下地分解成若干层 次，同一层的相关指标从属于上一层指标。该层次结构模型自上而下的分成： 目标层、中间层和单指标层；其中，最高层为目标层，通常只有1个指标，中 间层可以有一个或几个层次。单指标层对应单个工艺参数或单个质量指标。建 立起层次结构模型为后续的指标权重计算，以及质量综合性评价的量化提供了 科学的框架。
73.请参见图2，下面以某工序质量综合评价为例说明层次结构模型的建立， 某工序质量综合评价为最高层，也就是目标层；工序质量综合评价可从工艺参 数a和质量指标b等二个方面来进行评价，这就是中间层。最低层的a1、a2 和a3从属于工艺参数a，b1、b2和b3从属于质量指标b。进一步地，以对 松散回潮工序质量综合性评价为例，松散回潮质量综合评价为最高层，也就是 目标层；工序质量综合评价可从工艺参数a和质量指标b等二个方面来进行评 价，这就是中间层。最低层的物料流量、热风风速、热风温度、滚筒转速、蒸 汽加注量和加水量等从属于工艺参数a，叶片出口含水率、出口温度、松散效 果等从属于质量指标b。
74.优选的，上述层次结构模型中：
75.目标层的评价指标选自真空回潮工序、松散回潮工序、叶片加料工序、热 风润叶工序、切丝工序、烘丝工序和加香工序中的一种或几种；中间层的评价 指标为与上述工序指标相对应的工艺参数和/或质量指标。单指标层为与上述工 艺参数相对应的单个工艺参数，和/或，与上述质量指标相对应的单个质量指标。
76.或者，
77.目标层的评价指标为卷烟制丝综合质量；中间层为两层，自上而下的第一 中间层的评价指标选自真空回潮工序、松散回潮工序、叶片加料工序、热风润 叶工序、切丝工序、烘丝工序和加香工序中的一种或几种；第二中间层的评价 指标为与上述工序指标相对应
的工艺参数和/或质量指标。单指标层为与上述工 艺参数相对应的单个工艺参数，和/或与上述质量指标相对应的单个质量指标。
78.上述步骤s02是从单指标质量符合性评价、单指标质量稳定性评价和单指 标质量综合性评价这三个维度对单指标进行评价，其中：
79.【关于单指标质量符合性评价方法的构建】
80.制丝过程单指标(单个质量指标或单个工艺参数)质量符合性评价，也称 一致性评价，其实质是单个工艺参数或单个质量指标与标准(或规范)设计值 的符合性评价，也就是评价该工艺参数或质量指标的总体均值(分布中心)与 相对应标准(或规范)的设计值是否存在统计学显著差异：若两者间存在统计 学显著差异，则表明该工艺参数或质量指标不符合标准的要求；若两者间不存 在统计学显著差异，则表明该工艺参数或质量指标符合标准的要求。
81.在统计上，单个工艺参数或质量指标与标准(或规范)设计值的符合性评 价，其实质就是统计上的单个总体均值检验。由于正常情况下工艺参数或质量 指标的总体标准差是不能准确确定的，而且在实际评价应用中有时可能是大样 本，有时可能是小样本。因此，本实施例优选采用单个总体均值t检验法对单 指标进行单指标质量符合性评价。
82.t检验统计量：其中，为样本平均数，s为样本标准偏 差，n为样本数。
83.t检验可以采用单尾检验或者双尾检验。其中，双尾检验用于判断工艺参数 或质量指标与标准(或规范)设计值的符合性；单尾检验用于判断工艺参数或 质量指标总体均值(分布中心)是否大于或小于标准(或规范)的设计值。
84.显著水平：一般取α＝0.05，即置信度为95％。
85.统计分析工具可以采用minitab统计软件或excel统计函数。
86.下面结合具体实施例对单指标质量符合性评价进行描述：
87.实施例1-松散回潮工序中叶片出口含水量率的质量符合性评价
88.提取“荷花”品牌某叶组的2020年5月5日某生产批次松散回潮(a模块) 叶片出口含水率，共计10分钟的数据，如表1所示。其中，a模块松散回潮叶 片出口含水率工艺质量要求为：18.8％
±
1.0％。评价该批次松散回潮(a模块) 叶片出口含水率与工艺质量标准的符合性。
89.表1松散回潮(a模块)叶片出口含水率
[0090][0091][0092]
(1)、评价方法
[0093]
基于minitab统计软件的符合性评价
[0094]
首先，将表1中的含水率数据录入minitab统计软件的工作表中，如图3 中a所示。
[0095]
在minitab统计软件中，选择“统计
”→“
基本统计量
”→“
单样本t”(图 3中b)。
[0096]
点击“单样本t”，得到图3中c。在“样本所在列”中输入“含水率”(意 味着检验含水率的符合性)，选中“进行假设检验(t)”，在假设均值(h)中， 输入“18.8”。
[0097]
单击“选项”，得到图3中d。在置信水平中，输入“95”(意味着在5％ 的显著水平下检验含水率的符合性)。在“备择(a)”中选择“不等于”(意 味着双尾检验)。
[0098]
若要进行单尾检验，则可在“备择(a)”中选择“小于”或“大于”。选 择“小于”，则检验样本平均值是否小于标准设计值；选择“大于”，则检验 样本平均值是否大于标准设计值。
[0099]
在每个对话框中单击“确定”。最终得到分析结果。
[0100]
(2)、评价结果分析
[0101]
首先，可将分析结果复制、粘贴到word文档中，如下所示：
[0102]
单样本t:含水率
[0103]
mu＝18.8与≠18.8的检验
[0104][0105]
解释结果：
[0106]
对于h0：mu＝18.8(即，原假设h0：总体平均值μ＝18.8)，检验统计量 t的计算结果为-0.39。
[0107]
此检验的p值或在原假设为真时获得检验统计量的更接近的极值的概率为 0.701，这称为达到的显著水平或p值。因此，如果可接受的显著水平(α水平， 通常取0.05)小于p值或0.701，则不能拒绝h0。这就是说，该批次松散回潮 (a模块)叶片出口含水率与工艺质量标准的设计值间不存在显著差异，即两 者的符合性(一致性)较好。
[0108]
总体平均值μ的95％置信区间为(18.7721,18.8189)。标准设计值18.8在 区间范围内，也说明该批次松散回潮(a模块)叶片出口含水率与工艺质量标 准的设计值间不存在显著差异。
[0109]
【单指标质量稳定性评价方法的构建】
[0110]
制丝过程单指标(单个质量指标或单个工艺参数)质量稳定性评价，也就 是要评价工艺参数或质量指标的波动程度是否符合标准(或规范)的要求，即 其方差与标准(或规范)要求控制的方差是否存在显著性差异：若超过标准(或 规范)要求控制的方差，则表明该卷制质量指标的稳定性较差(波动过大)；若 小于等于标准(或规范)要求控制的方差，则表明该卷制质量指标的稳定性较 好(波动符合质量要求)。
[0111]
在统计上，工艺参数或质量指标的稳定性评价，其实质就是单个总体方差 检验，即χ2检验。由于正常情况下工艺参数或质量指标的总体方差是不能准确 确定的，因而在本实施中，总体方差σ2是用样本方差s2来估计的。
[0112]
根据抽样分布理论，检验统计量：服从χ2(n-1)。
[0113]
给定显著性水平α，则有：h0:
[0114]
h1:
[0115]
检验规则为：当时拒绝h0，否则不能拒绝h0注意：对于工艺 参数或质量指标的稳定性评价而言，本实施例只能采用单尾检验，因为质量上 一般都是要求波动不能超过一定的程度。
[0116]
显著水平：一般取α＝0.05，即置信度为95％。
[0117]
统计分析工具可以采用minitab统计软件或excel统计函数。
[0118]
下面结合具体实施例对单指标质量符合性评价进行描述：
[0119]
实施例2-松散回潮工序中叶片出口含水量率的质量稳定性评价
[0120]
提取“荷花”品牌某叶组的2020年5月5日某生产批次松散回潮(a模块) 叶片出口含水率，共计10分钟的数据，如表1所示。其中，a模块松散回潮叶 片出口含水率工艺质量要求为：18.8％
±
1.0％。评价该批次松散回潮(a模块) 叶片出口含水率的稳定性。
[0121]
由于a模块松散回潮叶片出口含水率工艺质量要求，并没有对标准偏差提 出具体要求，但我们可以根据千分之三的质量法则(3西格玛水平)要求，即 允差＝3σ，可以计算出相应指标的最大允许标准偏差为0.33％，此时，可保证 产品过程质量的合格率达到99.73％及以上。
[0122]
(1)评价方法实现
[0123]
基于minitab统计软件的稳定性评价
[0124]
首先，将表1中的检测原始数据录入minitab统计软件的工作表中。在 minitab统计软件中，选择“统计
”→“
基本统计量
”→“
单方差”。
[0125]
点击“单方差”，得到图4中a。在“样本所在列中”，输入“含水率”。选 中进行假设检验。在“假设标准差”中，输入“0.33”。
[0126]
单击“选项”，得到图4中b。在“备择”项下，选择“小于”。单击“确 定”。
[0127]
(2)、评价结果分析
[0128]
首先，可将上述分析结果复制、粘贴到word文档中，如下所示：
[0129]
单方差检验和置信区间:含水率
[0130]
方法
[0131]
原假设
ꢀꢀꢀꢀ
西格玛＝0.33
[0132]
备择假设
ꢀꢀ
西格玛《0.33
[0133]
卡方方法仅适用于正态分布。
[0134]
bonett方法适用于任何连续分布。
[0135]
统计量
[0136][0137]
95％单侧置信区间
[0138][0139]
检验
[0140]
[0141]
解释结果：
[0142]
通常可将制丝过程中物料含水率数据视为来自正态分布总体，因此参考标 准方法，即卡方检验。单侧假设检验的p值接近于0.000。此值足够低，可以否 定原假设，并可推断该批次松散回潮(a模块)叶片出口含水率的标准差小于 0.33％。
[0143]
通过考查95％的置信上限，可以使总体方差(或标准偏差)的估计值更 确切，该置信上限提供总体方差(或标准偏差)可能低于的值(方差为0.01143％， 标准偏差为0.1069％)。从此分析中应该能推断出，叶片出口含水率的方差(小 于0.01143％)和标准偏差(小于0.1069％)足够小，完全可以满足工艺标准要 求，即稳定性很好。
[0144]
【单指标质量综合性评价方法的构建】
[0145]
制丝过程单指标(单个质量指标或单个工艺参数)的质量综合评价，其实 质是基于符合性评价与稳定性评价的工艺参数或质量指标的总体评价。换言之， 评价中既要考虑工艺参数或质量指标与标准(或规范)设计值的接近程度(即 符合性)，也要考虑工艺参数或质量指标特性值的波动(即稳定性)对产品质量 的影响。
[0146]
在许多情况下，表征工艺参数或质量指标x是有目标值m的，并且x偏 离目标值m愈远，质量损失就愈大，而x愈接近目标值m时产品质量就愈高。 日本质量专家田口
·
玄一博士建议用二次损失函数l＝(x-m)2来度量此种损失， 由于工艺参数或质量指标x是随机变量，从而损失函数l也是随机变量，而随 机变量不便于比较，因此以平均损失e(l)来度量其质量损失。若记x的均值为 μ，方差为σ2，则其平均损失为：
[0147]
e(l)＝e(x-m)2＝e[(x-μ)+(μ-m)]2＝e(x-μ)2+(μ-m)2＝σ2+(μ-m)2[0148]
这表明，平均质量损失由两部分组成：一是工艺参数或质量指标x的总体 方差σ2，可表征工艺参数或质量指标的稳定性；二是工艺参数或质量指标总体 均值对目标值偏差的平方(μ-m)2，可表征工艺参数或质量指标的符合性。因 此，平均质量损失是工艺参数或质量指标的稳定性与符合性的综合表征。在这 种情况下，要提高质量就是既要减少方差σ2，又要减少均值μ对目标值m的 偏差|μ-m|。从这个角度看，用6σ度量过程能力就明显不当，而应改用有 目标的过程能力，其度量公式为：
[0149][0150]
此时，基于质量损失的过程能力就能充分地表征工艺参数或质量指标的符 合性和稳定性两个方面。
[0151]
当工艺参数或质量指标x有目标值m时，过程能力指数的计算应考虑基于 质量损失的过程能力，此时基于目标值m的过程能力指数即为单指标质量综合 评价指数。因此，优选的，所述步骤s02)中的单指标质量综合性评价采用单 指标质量综合评价指数表征，单指标质量综合评价指数愈大，表明其质量愈好；
[0152]
所述单指标质量综合评价指数按照下式计算：
[0153][0154]
式中，c
pm
为单指标质量综合评价指数；usl和lsl为单指标的规格限， 两者之差即为公差；μ为单指标总体均值，σ2为单指标总体方差，m为单指标 目标值。
[0155]
统计分析工具可以采用minitab统计软件或excel统计函数。
[0156]
下面结合具体实施例对单指标质量符合性评价进行描述：
[0157]
实施例3-松散回潮工序中叶片出口含水量率的质量综合性评价
[0158]
提取“荷花”品牌某叶组的2020年5月5日某生产批次松散回潮(a模块) 叶片出口含水率，共计10分钟的数据，如表1所示。其中，a模块松散回潮叶 片出口含水率工艺质量要求为：18.8％
±
1.0％。试评价该批次松散回潮(a模 块)叶片出口含水率的综合质量水平。
[0159]
(1)、评价方法实现
[0160]
基于minitab统计软件的综合评价
[0161]
首先，将表1中的检测原始数据录入minitab统计软件的工作表中。在 minitab统计软件中，选择“统计
”→“
质量工具
”→“
能力分析
”→“
正态”。
[0162]
点击“正态”，得到图5中a。选择“单列”，输入“含水率”，选择“子 组大小”，输入“1”，“规格下限”输入“17.8”，“规格上限”输入“19.8”。
[0163]
单击“估计”，得到图5中b。勾选“使用无偏常量计算整体标准偏差”， 单击“确定”，得到分析结果如图5中c。
[0164]
(2)、评价结果分析
[0165]
由上述分析结果(图5中c)可知：c
pm
＝3.65
[0166]
也可以直接通过公式计算：
[0167]
由前述符合性和稳定性评价结果可知：
[0168]
含水率均值＝18.7955
[0169]
含水率方差＝0.00820
[0170]
含水率设计值＝18.8％，允差＝1％
[0171][0172]
对单指标进行质量符合性评价、质量稳定性评价以及质量综合性评价后， 便可以对中间指标进行质量综合性评价，即步骤s03)，其是根据其对应的单指 标层的各个单指标的单指标质量综合评价指数，以及各个单指标对应的权重， 得到该中间指标的质量综合评价指。优选的，本步骤中，采用如下公式，计算 得到该中间指标的质量综合评价指数；
[0173]
zm＝w1×cpm1
+w2×cpm2
……
+wn×cpmn
[0174]
式中，zm为中间指标的质量综合评价指数，c
pm1
、c
pm2
……cpmn
为该中间 指标对应的各个单指标的质量综合评价指数，w1、w2、
……
wn为各个单指标相 应的权重。
[0175]
对中间指标进行质量综合性评价后，便可对目标指标进行质量综合性评价， 即步骤s04)，其是根据其对应的中间层的各个中间指标的质量综合评价指数， 以及各个中间指标对应的权重，得到该目标指标的质量综合评价指数。优选的， 本步骤中，采用如下公式，计算得到该中间指标的质量综合评价指数；。
[0176]
z＝w
m1
×zm1
+w
m2
×zm2
……
+w
mn
×zmn
[0177]
式中，z为目标指标的质量综合评价指数，z
m1
、z
m2
……zmn
为该目标指 标对应的各个中间指标的质量综合评价指数，w
m1
、w
m2
、
……wmn
为各个中间 指标相应的权重。
[0178]
对于上述单指标和/或中间指标对应的权重的确定，在前述层次结构模型建 立的基础上，优选按照如下方式确定：
[0179]
a)、构造判断矩阵
[0180]
对同层的评价指标进行两两比较，采用九级标度法将其相对重要性量化， 构造判断矩阵a；
[0181]
b)、计算指标权重系数
[0182]
计算判断矩阵每行所有元素的几何平均，得到该行对应指标未归一化的权 重；
[0183]
权重系数归一化处理，将各个指标未归一化的权重，分别除以全部指标未 归一化权重之和，得到权重系数向量w；
[0184]
c)、检验判断矩阵一致性。
[0185]
上述步骤a)通常是从层次结构模型的第2层开始，在各层相关指标之间进 行两两比较，并应用9标度法将其相对重要性量化，构造出判断矩阵，直至最 低层。其具体为：
[0186]
用同等重要、稍微重要、较强重要、强烈重要与极端重要这5种判断，表 征指标之间的相对重要性，并按以下规则量化：当指标ai与指标aj同等重要 时a
ij
＝1，当ai比aj稍微重要时a
ij
＝3，当ai比aj较强重要时a
ij
＝5，当ai比aj强烈重要时a
ij
＝7，当ai比aj极端重要时a
ij
＝9，如果相对重要性介于两者之间， 则用2、4、6、8评分；且aij＝1/a
ji
(用1至9的倒数，表示相反的情况，如 ai与aj的比较结果a
ij
，和aj与ai的比较结果a
ji
互为倒数)，并按相对重要标 度构建n
×
n的判断矩阵a＝(a
ij
)；n为归属于同一上层指标的下层指标数。
[0187]
下式就是应用9标度法，对香气特性a的3个分指标a1、a2和a3两两比 较的结果。由于a1比a2稍微重要，a
12
等于3；a1比a3较强重要，a
13
等于5。
[0188][0189]
上述步骤b)中的计算指标权重系数包括如下两步：
[0190]
计算判断矩阵每行所有元素的几何平均，得到该行对应指标未归一化的权 重；所谓几何平均，就是指n个评分值连乘的n次方根。例如：根据判断矩阵， 指标a1未归一化的权重即为指标a1所在行3个评分，1、3、5连乘的三次方 根，结果等于2.4662；同理，可得a2、a3未归一化的权重分别为1和0.4055；
[0191]
权重系数归一化处理，将各个指标未归一化的权重，分别除以全部指标未 归一化权重之和，得到权重系数向量w；对于本例，3个指标未归一化权重之 和为2.4662+1+0.4055＝3.8717。因此，指标a1归一化权重为2.4662
÷ꢀ
3.8717＝0.6370，指标a2归一化权重为1
÷
3.8717＝0.2583，指标a3归一化权重 为0.4055
÷
3.8717＝0.1047。据此，可得到权重系数向量w，这也就是最大特征 值λ对应的特征向量w。
[0192][0193]
上述步骤c)具体优选为：
[0194]
c1)、计算判断矩阵的最大特征值λ：
[0195]
由判断矩阵a右乘权重系数向量w，得到向量aw；然后，分别计算向量 aw与权重系
数向量w的对应元素之比，比值之和即为最大特征值λ；对于上 例，判断矩阵a的最大特征值λ为3.0385。
[0196][0197][0198]
c2)、检验判断矩阵的一致性：
[0199]
计算一致性指标ci，ci等于最大特征值λ与指标数n之差除以指标数n 减1；对于上例，ci＝(3.0385-3)
÷
(3-1)＝0.0193；
[0200]
根据指标数n，得到平均随机一致性指标ri值；对于本例，共有3个指标， 通过查表可得，其平均随机一致性指标ri值为0.58；
[0201][0202][0203]
计算判断矩阵的随机一致性比率cr，随机一致性比率cr等于一致性指标 ci与平均随机一致性指标ri之比，根据随机一致性比率cr检验判断矩阵的 一致性是否符合要求。对于上例，cr＝0.0193
÷
0.58＝0.0332；结论：由于 cr＝0.0332《0.1，因此，判断矩阵具有满意的一致性，说明权重分配合理。
[0204]
确定指标权重后，便可按照上述方法计算出中间指标的质量综合评价指数 和目标指标的质量综合评价指数，以表征该中间指数和目标指数的质量综合性 能。以基于图2所示层次结构模型的为例：
[0205]
设工艺参数a1、a2、a3的权重分别为w1、w2和w3，其相应的综合评价指 数(单指标)分别为c
pm1
、c
pm2
和c
pm3
，则工艺参数a的质量综合评价指数za为：
[0206]
za＝w1*c
pm1
+w2*c
pm2
+w3*c
pm3
[0207]
同理，可得到质量指标b1、b2、b3的权重分别为w
1'
、w
2'
和w
3'
，其相应的 综合评价指数(单指标)分别为c
pm1'
、c
pm2'
和c
pm3'
，则工艺参数b的质量综合 评价指数zb为：
[0208]
zb＝w
1'
*c
pm1'
+w
2'
*c
pm2'
+w
3'
*c
pm3'
[0209]
假设，工艺参数a和质量指标b的权重分别为a1和a2，则该工序质量综 合评价指数z为：
[0210]
z＝a1*za+a2*zb[0211]
由上述内容可知，相对于现有技术，本发明实施例提供的制丝过程质量评 价方法具有如下优点：
[0212]
对卷烟制丝过程质量进行分析评价，有利于提升质量管控能力，提高在制 品和成品质量的控制精度。本发明构建了制丝过程质量评价层次结构模型，提 供了单指标质量符合性、稳定性和综合性评价方法，以及中间指标和目标指标 质量综合性评价方法，丰富了工序质量评价的内涵，为科学、规范开展制丝工 序质量评价工作提供方法依据和实操指
南，确保评价结果的规范性、可靠性和 可比性，有利于制丝过程质量稳定性、均匀性、协调性和一致性的全面提升， 为深化“控制指标向控制参数转变、结果控制向过程控制转变、人工控制经验 决策向自动控制科学决策转变”创造条件，更好地实现企业的产品质量目标和 效益目标。
[0213]
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的， 并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的 情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。 本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场 中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各 实施例。