水泥质量指标在时间一维空间分布规律的研究.docVIP

水泥质量指标在时间一维空间分布规律的研究 文/张大康 原拉法基瑞安（北京）技术服务有限公司重庆分公司（400010） 　　摘要：部分水泥质量指标不能用标准偏差很好地反映其波动对生产和质量的实际影响，相邻或邻近数据的差值可能比标准偏差更重要。一组数据不改变标准偏差，仅改变排列顺序，其影响程度也会不同。为此提出质量指标时间序列的概念，以克服标准偏差不能反映质量指标在时间一维空间排列状况的不足。对来自工厂的实际生产数据，尝试使用多种函数表征 质量指标时间序列。结果表明，一阶差分绝对值可以敏感地反映出质量指标在时间顺序上相邻或邻近数据不考虑方向的波动幅度；一阶差分绝对值标准偏差可以反映一组质量指标相邻或邻近数据波动的总体情况。二者结合可用于表征具有时间序列特性质量指标的波动对实际生产的影响程度。 　　关键词：质量指标 时间序列 波动 一阶差分绝对值 标准偏差 0 引言 　　广泛使用标准偏差表征一组数据的离散程度。但一些质量指标仅依靠标准偏差，不足以对波动情况给出与实际影响程度相符的描述。这些质量指标更重要的是数据按时间顺序的排列情况，相邻或邻近数据差值的大小。对此尚很少研究。同一组质量指标，不改变其标准偏差，仅改变其按时间的排列顺序，使得相邻或邻近数据差值的大小改变，也会对生产工艺和产品质量产生显著影响。研究了质量指标按时间顺序排列的特点、表征、与工艺生产的关系。试图提出一些函数，反映质量指标按时间顺序的排列，并与对实际生产的影响程度相联系。 1 时间序列的提出及涵义 　　时间序列分析是一种统计预测方法 [1]，本文使用“时间序列”这一概念表达质量指 标在时间一维空间的分布。 　　图1 连续一周时间熟料KH原始数据和经过调整顺序后的数据 　　某新型干法水泥厂熟料检验频度1次/4h。选取了波动较大的连续1周时间的熟料KH数据共42个，平均值0。091，标准偏差为0。017，最大值0。940，最小值0。878。原始数据如图1所示。将原始数据的位置进行一些调整，使得相邻或邻近数据的差值加大，见图1调整后数据。 　　图1 中调整顺序后的K H 数据，只是改变了排列顺序，标准偏差没有改变。但是与原始数据比较，对于生产中熟料质量和窑系统热工制度稳定性的影响程度是显著不同的，调整后数据的不利影响更大。 　　设想一下极限的情况，在不改变熟料KH标准偏差的前提下，对熟料质量和窑系统热工制度的稳定最有利的情况是数据首先单调增加（单调减小），达到最大值（最小值）后再单调减小（单调增加）。对熟料质量和窑系统热工制度的稳定最不利的情况是最大值和最小值交错紧邻排列。如图2所示。 　　图1、图2的4组KH数据具有相同的标准偏差，但它们对熟料的质量和窑系统热工制度稳定的影响会有很大不同。尽管标准偏差不变，但调整后数据和最不利时间序列比原始数据的不利影响更大，最有利时间序列比原始数据的不利影响更小。 　　以上例证表明，一些质量指标的波动不仅与标准偏差的大小有关，还与数据在时间一维空间的排列有关。后者即时间序列表达和研究的内容。 　　其它的一些质量指标，原料化学成分、燃料灰分和发热量、生料率值、熟料SM和IM、配料计量设备误差和化学成分检验误差等，与熟料KH类似，因其时间序列不同，对产品质量和工艺生产也会产生不同的影响。 2 时间序列的表征 　　试图构建一个函数，用来表征质量指标不同时间序列对水泥质量和工艺的影响。较好表征质量指标时间序列的函数应该具有以下特点： 　　对相邻或邻近数据较大的差值具有敏感的反映，同时对连续递增或递减的数据也具有敏感的反映。 　　不存在明显的前置或后置干扰。 　　不过于繁复。 　　试验了多种数学方法，其中几种比较有效的函数分述如下。 使用绝对值的原因在于多数情况下相邻或邻近数据波动的方向并不重要。 应用上述5种表征时间序列的函 数分别计算图1中的熟料KH原始数据，结果见图3。取移动平均值和移动几何平均差值的步长为2，移动标准偏差和移动极差的步长为3。 　　图3显示，对于第3个至第4个KH数据、第4个至第5个KH数据的大幅度波动，移动平均值的反映不够敏感。对于第36个至第40个连续单调变化的KH数据，移动平均值的反映有些夸大。对于第5个至第6个KH数据的小幅度波动，移动几何平均差值、移动极差和移动标准偏差却给出了很高程度的反映，与数据对生产和质量的实际影响不符。产生这种情况的原因在于第4个至第5个KH数据的较大波动，对移动几何平均差值、移动极差和移动标准偏差产生了近距后置干扰。对上述这些数据，一阶差分绝对值给出了相对较好的反映。并与数据对实际生产的影响相符。对于第36个至第40个 连续单调变化的KH数据，一阶差分绝对值的反映程度稍低。表明在数据单调增递增或递减时，一阶差分绝对值的反映程度有些不够敏感。综合来讲，一阶差分绝对值是表征时间序列数