WASHINGTON 玻璃啤酒杯容量调整方法.docVIP

WASHINGTON 玻璃啤酒杯容量调整方法 　　【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