论文部分内容阅读
【摘 要】借助于质量统计技术工具-偏回归分析的具体应用，通过实际测试， 确立了WASHINGTON玻璃啤酒杯容量这一关键性指标与产品的其他相关尺寸的关系。结果表明：容量的大小主要取决于产品的高度，杯口内径。通过三者之间关系的确定， 指导生产人员在具体的生产过程中如何通过生产工艺参数的调整，保证这一关键质量特性的符合性。
【关键词】玻璃啤酒杯；容量；高度；杯口外径；质量符合
WASHINGTON 玻璃啤酒杯是澳大利亚酒吧业的一种专用非常规器形的玻璃啤酒杯。基于澳大利亚的消费者权益保护法律条款，每只产品的满容量必需不低于指定值。否则，一旦啤酒消费者投诉并被确认属实，则酒吧店业主将不得不接受高额的罚金赔偿。为此，该产品的容量成为购买者的最关心的质量特性，也成为我公司生产过程中的焦点质量的控制项目。
但是在每批次的生产过程中，产品容量波动频繁，而每次解决问题的方法因人而异。究其原因主要是从生产专家，生产现场的技术人员，生产一线的调试人员总是依据自身的以往的工作经验确认调整方法，由此导致调整程序混乱，调整周期长，造成每批次该产品的生产成本一直维持在一个较高的水平。
鉴于以上状况， 质量部门决定通过实物样品的测量和相应的质量统计技术的应用，验证该杯型的产品容量与其他尺寸是否存在相关关系，相关度如何。并基于其中的关键因子的确认，定义调整方法，统一调整思路，建立操作标准化文件并固化执行。
一、实 验
（一）测量工具的选定
基于下表规定的要求选定校验合格的测量工具。
表1 样品的测量项目与对应的测量工具
（二）样品选定和尺寸测定
从一个连续的生产批次中随机抽取30只样品指定一名拥有资质的测量人员按照规定的测量程序实施这30只样品的测量。并将测量结果予以汇总，形成以下的数据表
表2：样品的测量数据报告
二、数据分析报告
（一）数据分析工具的应用
偏回归分析（PLS）是一种偏倚的、非普通的最小二乘方（LS）的回归分析应用程序。其使用的前提条件是：当预测变量之间存在可能的高度共线性，或者预测变量的数目超过观测值的数目并且普通的最小二乘方（LS）计算出的回归系数存在较大的标准误或者完全失效。
偏回归分析（PLS）利用非线性的迭代的偏最小二乘方运算规则，通过预测变量之间的交叉验证，评估潜在的数学模型对响应变量的预测能力。最终从众多的预测变量中萃取出其中最密切相关的预测变量，实现预测变量数目的删减化。此后再依照普通回归分析程序建立需要数学模型实现预测。
本文的调查验证，就是借助于该质量统计技术工具的具体应用，建立产品容量这一响应变量与多个预测变量-杯口内径、杯底厚度、杯口下壁厚、杯底厚度、重量等的回归模型，确认其中影响到产品容量的关键因素。
基于以往的生产经验，认为这5个自变量中的某些自变量之间应该存在着共线性，所以决定采取偏回归分析（PLS）的应用程序，并通过交叉验证的分析功能，获取对容量影响密切的预测变量。
（二）数据分析报告
PLS Regression： 容量 versus 重量，杯口内径，杯底厚度，杯口下壁厚，高度
Number of component selected by cross-validation： 2
Number of observation left out per group： 1
Number of component cross-validated： 5
Analysis of Variance for Capacity
Model Selection and Validation for Capacity
Regression Coefficients
从以上的数据表中，得到的主要信息：
1） 基于数据表的表头信息，可知在PLS程序的运行过程中，预测变量的输入顺序依次为X1-重量；X2-杯口内径；X3-杯底厚度；X4-杯口下壁厚；X5-高度
2）交叉验证过程中采取的方法是从观测变量中逐一剔除观测值
3）进行交叉验证的预测变量的数目为5
4） 交叉验证后得到的预测变量数目为2
5） 回归效应显著
6） 2个预测变量模型解释了5个预测变量中45.1% 的方差；2个预测变量的变异可以解释响应变量（容量）变异的60.6% ，稍低于全部预测变量的61.4%；而对于预测能力而言，2个预测变量的多元全相关系达到最大值0.451913。 所以采用2个预测变量实施响应变量的预测效果最佳。
7）从回归系数分析数据表中的标准化系数获知：高度和杯口内径的数值最高，分别为0.784和0.447，两者是影响着容量的关键因子变量。
三、结论
通过PLS分析，得到了以下结论：
WASHINGTON杯型的玻璃啤酒杯的容量与杯高和杯口内径存在着密切的正相关关系。所以在生产过程中一旦出现容量不符合的状态，首先应基于实际的允许状况进行针对性的调整。
这一试验和数据分析结果排除了此前的来自不同层面人员拟定的调整方案。包括：生产专家坚持的玻璃料滴的减重，促使杯口厚度的降低，以此增加容量的调整方案；生产技术人员力荐的底厚减薄法等等。
基于以上的试验结论，完善作业标准化操作文件，明确规定了：当产品的容量不符合后，首先检测产品的高度是够已经达到或接近质量规范中规定的高度上规格限，若尚有调整空间，可以率先调整产品口部火焰切割设备的生产参数，增加产品的高度；若无调整空间，则检测产品的杯口内径与质量规范的差距，若允许，调整产品吹制过程中的吹气压力，增加杯口内径。若两者均有可调整的空间，可以实施同步调试，实现容量最大化。同时利用数据分析报告中的回归系数，高度5.92、杯口内径2.52这一信息，在文件中进一步给予了生产调试人员定量的指导。即：每增加1mm高度，可以提高容量～6ml；每增加1mm杯口内径，可以增加容量～3ml 。
参考文献：
[1]小松制作所 （日本）。质量管理教材。第一机械工业部科学技术情报研究所。1980，2.
[2]马林，等。六西格玛管理。中国人民大学出版社。2004.7
[3]陈万林，实用六西格玛质量突破。清华大学出版社。2009.2
【关键词】玻璃啤酒杯；容量；高度；杯口外径；质量符合
WASHINGTON 玻璃啤酒杯是澳大利亚酒吧业的一种专用非常规器形的玻璃啤酒杯。基于澳大利亚的消费者权益保护法律条款，每只产品的满容量必需不低于指定值。否则，一旦啤酒消费者投诉并被确认属实，则酒吧店业主将不得不接受高额的罚金赔偿。为此，该产品的容量成为购买者的最关心的质量特性，也成为我公司生产过程中的焦点质量的控制项目。
但是在每批次的生产过程中，产品容量波动频繁，而每次解决问题的方法因人而异。究其原因主要是从生产专家，生产现场的技术人员，生产一线的调试人员总是依据自身的以往的工作经验确认调整方法，由此导致调整程序混乱，调整周期长，造成每批次该产品的生产成本一直维持在一个较高的水平。
鉴于以上状况， 质量部门决定通过实物样品的测量和相应的质量统计技术的应用，验证该杯型的产品容量与其他尺寸是否存在相关关系，相关度如何。并基于其中的关键因子的确认，定义调整方法，统一调整思路，建立操作标准化文件并固化执行。
一、实 验
（一）测量工具的选定
基于下表规定的要求选定校验合格的测量工具。
表1 样品的测量项目与对应的测量工具
（二）样品选定和尺寸测定
从一个连续的生产批次中随机抽取30只样品指定一名拥有资质的测量人员按照规定的测量程序实施这30只样品的测量。并将测量结果予以汇总，形成以下的数据表
表2：样品的测量数据报告
二、数据分析报告
（一）数据分析工具的应用
偏回归分析（PLS）是一种偏倚的、非普通的最小二乘方（LS）的回归分析应用程序。其使用的前提条件是：当预测变量之间存在可能的高度共线性，或者预测变量的数目超过观测值的数目并且普通的最小二乘方（LS）计算出的回归系数存在较大的标准误或者完全失效。
偏回归分析（PLS）利用非线性的迭代的偏最小二乘方运算规则，通过预测变量之间的交叉验证，评估潜在的数学模型对响应变量的预测能力。最终从众多的预测变量中萃取出其中最密切相关的预测变量，实现预测变量数目的删减化。此后再依照普通回归分析程序建立需要数学模型实现预测。
本文的调查验证，就是借助于该质量统计技术工具的具体应用，建立产品容量这一响应变量与多个预测变量-杯口内径、杯底厚度、杯口下壁厚、杯底厚度、重量等的回归模型，确认其中影响到产品容量的关键因素。
基于以往的生产经验，认为这5个自变量中的某些自变量之间应该存在着共线性，所以决定采取偏回归分析（PLS）的应用程序，并通过交叉验证的分析功能，获取对容量影响密切的预测变量。
（二）数据分析报告
PLS Regression： 容量 versus 重量，杯口内径，杯底厚度，杯口下壁厚，高度
Number of component selected by cross-validation： 2
Number of observation left out per group： 1
Number of component cross-validated： 5
Analysis of Variance for Capacity
Model Selection and Validation for Capacity
Regression Coefficients
从以上的数据表中，得到的主要信息：
1） 基于数据表的表头信息，可知在PLS程序的运行过程中，预测变量的输入顺序依次为X1-重量；X2-杯口内径；X3-杯底厚度；X4-杯口下壁厚；X5-高度
2）交叉验证过程中采取的方法是从观测变量中逐一剔除观测值
3）进行交叉验证的预测变量的数目为5
4） 交叉验证后得到的预测变量数目为2
5） 回归效应显著
6） 2个预测变量模型解释了5个预测变量中45.1% 的方差；2个预测变量的变异可以解释响应变量（容量）变异的60.6% ，稍低于全部预测变量的61.4%；而对于预测能力而言，2个预测变量的多元全相关系达到最大值0.451913。 所以采用2个预测变量实施响应变量的预测效果最佳。
7）从回归系数分析数据表中的标准化系数获知：高度和杯口内径的数值最高，分别为0.784和0.447，两者是影响着容量的关键因子变量。
三、结论
通过PLS分析，得到了以下结论：
WASHINGTON杯型的玻璃啤酒杯的容量与杯高和杯口内径存在着密切的正相关关系。所以在生产过程中一旦出现容量不符合的状态，首先应基于实际的允许状况进行针对性的调整。
这一试验和数据分析结果排除了此前的来自不同层面人员拟定的调整方案。包括：生产专家坚持的玻璃料滴的减重，促使杯口厚度的降低，以此增加容量的调整方案；生产技术人员力荐的底厚减薄法等等。
基于以上的试验结论，完善作业标准化操作文件，明确规定了：当产品的容量不符合后，首先检测产品的高度是够已经达到或接近质量规范中规定的高度上规格限，若尚有调整空间，可以率先调整产品口部火焰切割设备的生产参数，增加产品的高度；若无调整空间，则检测产品的杯口内径与质量规范的差距，若允许，调整产品吹制过程中的吹气压力，增加杯口内径。若两者均有可调整的空间，可以实施同步调试，实现容量最大化。同时利用数据分析报告中的回归系数，高度5.92、杯口内径2.52这一信息，在文件中进一步给予了生产调试人员定量的指导。即：每增加1mm高度，可以提高容量～6ml；每增加1mm杯口内径，可以增加容量～3ml 。
参考文献：
[1]小松制作所 （日本）。质量管理教材。第一机械工业部科学技术情报研究所。1980，2.
[2]马林，等。六西格玛管理。中国人民大学出版社。2004.7
[3]陈万林，实用六西格玛质量突破。清华大学出版社。2009.2