基于因果矩陣的選煤廠關鍵工序識別方法的研究與應用

殷憲輝，袁清和，譚妍妍

(山東科技大學 礦業與安全工程學院，山東 青島 266590)

基于因果矩陣的選煤廠關鍵工序識別方法的研究與應用

殷憲輝，袁清和，譚妍妍

(山東科技大學 礦業與安全工程學院，山東 青島 266590)

為了確定重介選煤廠選煤過程中的關鍵工序，根據選煤行業的獨特性和實際情況，提出基于因果矩陣的選煤關鍵工序識別方法。結合選煤廠經濟技術指標設定質量關鍵點，通過因果矩陣建立工序與質量關鍵點之間的聯系，科學地組織選煤廠技術人員進行定性評分，定量計算選煤工序對質量關鍵點的影響程度，并按總分高低依次排序；以80/20原則為指導，選取前20%的工序作為關鍵工序，實施重點監控，從而實現優質、高效、低耗的目標。以淄博礦業集團許廠煤礦選煤廠原煤準備車間的部分工藝流程為例，說明運用因果矩陣識別關鍵工序的具體步驟，為該選煤廠關鍵工序的識別和重點管控的實施提供理論支持。

選煤；關鍵工序；因果矩陣；過程管理

選煤廠是一個高度機械化、連續運轉的生產單位[1]，多個工藝環節同時影響生產，各個工藝環節與整個系統的運行狀況分析、效果分析和優化是選煤廠質量管理和成本管理的核心。工序是構成生產制造的基本單位[2]，因此對選煤過程中工序的監控是保證選煤質量的前提。選煤過程存在大量工序，選煤企業在管理中難以對其進行重點監控，故應根據帕累托法則(80/20原則)選擇重要的少數關鍵工序進行重點監控。

近年來，許多學者針對關鍵工序的識別方法進行了研究。周亮、鞠文云[3-4]等研究了電力系統關鍵工序的識別方法；唐任仲[5]通過圖論建立車間模型計算工序的影響度與自身的不合格度，從而確定了面向車間生產的關鍵工序識別方法；TIAN Wen-meng[6]等基于PLSR模型和Wrapper特征選擇模型對制造業的關鍵工序進行了識別；ZHANG Gen-Bao[7]基于模糊層次分析法和質量屋理論對關鍵工序的識別進行了研究；韋靖等[8]從人、機、料、法、環五個因素對影響數控加工過程的關鍵環節進行了分析，主要是依據經驗進行定性判斷。但由于選煤過程受多個因素的相互影響，且其產品和工藝具有特殊性，加之存在基礎數據不足等問題，上述識別方法均不能完全適用。

因果矩陣是一個可以在連續生產過程中從多個相互影響的因素中識別關鍵因素的分析工具，與識別關鍵工序的目的一致。由于該方法的實際評分過程容易操作，完全能夠滿足選煤廠管理和技術人員操作要求。因此，提出基于因果矩陣的關鍵工序識別方法，采用無領導小組討論定性評分、定量計算選取的方式對選煤關鍵工序的識別進行研究。

1 因果矩陣基本原理

因果矩陣又稱特性選擇矩陣，它是一個幫助確定關鍵過程輸入變量重要性優先次序的工具[9-10]。當預期解決的問題比較復雜，有多種影響因素，且它們的影響互相關聯，無法將其分開考察和解決時，該工具可以幫助管理團隊選擇重點關注的過程輸入或影響因素，有針對性地收集數據并進行有效的分析[11]。

因果矩陣的應用方法是通過打分的方式在輸入變量與輸出變量之間建立聯系，并確定對輸出變量影響程度最大的輸入變量，即關鍵輸入變量。因果矩陣模型如圖1所示。

Wj為輸出變量j的重要程度，aij為輸入變量i與輸出變量j之間的相關程度，因果矩陣的具體應用步驟如圖2所示。

2 基于因果矩陣的選煤關鍵工序識別方法

將因果矩陣引入選煤關鍵工序識別中，輸入變量即為工序，輸出變量就是顧客需求的質量關鍵點(CTQ)，從而形成基于因果矩陣的關鍵工序識別方法(圖3)。

圖1 因果矩陣模型

圖2 因果矩陣應用步驟

圖3 基于因果矩陣的選煤關鍵工序識別方法

工序的得分u計算式為：

(1)

式中：ui為第i道工序的得分；Wj為每個CTQ所對應的重要程度等級；aij為第i道工序與第j個CTQ之間的相關性系數。

考慮到不同選煤廠的需求和自身要求不同，CTQ對應的重要程度值由評分小組以無領導小組討論方法確定。相關性系數aij由六個等級構成，具體如表1所示。

表1 相關性等級

考慮到識別方法的科學性和有效性，以及不同選煤廠的管理水平和管理重點的差異，需要根據企業實際情況確定工序對CTQ的相關程度。確定相關程度時，可以分別從企業的領導層、管理層、操作層選取評分人員組成評分小組，以無領導小組討論法對相關性進行評分。具體評分流程如圖4所示。

圖4 評分流程

通過式(1)可計算出第i道工序的得分結果，三個結果分別為由領導層評分獲得的分數uLi，由管理層評分獲得的分數uMi，由現場操作層(重點是班組長)評分獲得的分數uTi。因此，第i道工序的總分為：

Ui=αuLi+βuMi+γuTi，

(2)

式中：Ui為第i道工序的總分；α為領導層評分組的權重；β為管理層評分組的權重；γ為操作層評分組的權重。

由于不同選煤廠的管理重點不同，三個評分組的側重點也不同，α、β、γ權重值需要根據企業實際情況確定。將工序總分Ui由高到低排列，根據80/20原則，選取前20%的工序作為關鍵工序。

3 案例分析

淄博礦業集團許廠煤礦選煤廠有三個生產車間，即原煤準備車間、主選車間、干燥車間。原煤準備車間以斜輪重介質分選機作為主要設備，為主選車間準備產品(原煤)；主選車間以三產品重介質旋流器作為核心設備，對原煤進一步洗選、增值，生產最終產品。以該選煤廠原煤準備車間部分工藝流程為例，依據該車間需求和客戶要求，以“優質、高效、低耗”為目標(目的不同所識別出的關鍵工序存在差異)，采用頭腦風暴法確定經濟性指標和技術性指標(共12項CTQ)，具體如表2所示。

表2 顧客需求的質量關鍵點Table 2 Customer-specified critical targeted quality points

原煤準備車間由毛煤輸送計量、除鐵、大塊煤篩分、分級篩分、分選排矸、脫水脫介、磁選、精礦回收、煤泥回收9大工藝環節組成。這9大工藝環節可分解為53道工序，在案例分析過程中以毛煤輸送計量、除鐵、大塊煤篩分3大工藝環節為例來說明該方法的應用。依據工業工程工序分解方法，這3大工藝環節可分解為15道工序，如表3所示。

表3 原煤準備車間前15道工序

選煤廠關鍵工序評價組包括三個小組，分別是選煤廠領導小組(包括3名領導層人員)、一般管理層小組(包括3名管理層人員)、操作層小組(包括4名操作層人員)。按照相關性等級評分要求，各小組對15道工序與12個CTQ的相關性進行評分，并將總分按照降序排列，在計算各道工序總分前，對其合理性進行必要的分析。三組評分結果如圖5、圖6、圖7所示。

圖5 領導組評分結果

圖6 管理組評分結果(部分)

圖7 操作層組評分結果(部分)

三個評分小組的權重α、β、γ由全體評分人員通過無領導小組討論的形式確定，其中α=0.38、β=0.51、γ=0.11。由于選煤廠是煤礦的二級單位，其獨立性與普通“廠”的概念有所不同，領導層的廠長在整個礦層面等同于車間主任，選煤廠的領導層和一般管理層(包括大量技術人員)對現場的生產和經營都比較了解，這不同于獨立性企業更關注戰略的特點，因此領導層和管理層權重較大；而選煤廠現場操作人員知識有限，考慮問題較片面，所以對現場問題的識別能力較低，因此三個小組的權重分配符合該選廠實際情況。對于不同的煤礦、不同的選煤廠、不同的車間，甚至同車間的不同時期，三個小組各自的權重比例都是變化的，需要依據現場實際情況設定，這也體現了該方法的動態性特點。在上述合理性分析的基礎上，依據式(2)確定的第1道工序總分為139.66。

確定這15道工序的總分，并將總分值按照降序排列，結果如表4所示。根據80/20原則，取前20%的工序，即排名前3的工序作為原煤準備車間的關鍵工序；同理，通過該方法確定該選煤廠不同車間或者全廠的關鍵工序，從而實現重點監控，以實現“優質、高效、低耗”的目標。

表4 15道工序的總分值

4 結語

質量、效率、成本是企業提高自身競爭力的關鍵因素，對關鍵工序進行監控和管理，可有效提高產品質量、生產質量、經營質量及企業管理水平。采用因果矩陣對選煤關鍵工序進行識別，構建選煤廠各工序與CTQ之間的因果矩陣，組建關鍵工序識別小組，定性的評分、定量的計算各工序與CTQ的相關性，賦予評分小組不同的權重，計算出各工序的總分，并將其按照降序排列，依據80/20原則選取前20%的工序作為關鍵工序，對其進行重點管控。

以淄博礦業集團許廠煤礦選煤廠原煤準備車間部分工藝環節的前15道工序為例，說明因果矩陣在識別選煤關鍵工序中的具體應用。該方法可以有效地識別出選取的部分工藝流程中的關鍵工序，從而為選煤廠識別關鍵工序提供借鑒，為提高企業管理水平和提升經濟效益提供技術支撐。

[1] 王玉鑫.對青山選煤廠質量管理工作的分析[J]. 煤炭技術, 2012, 31(3): 141-142.

[2] 范國平.生產制造中關鍵工序的質量控制[J]. 機械工程師, 2010 (3): 65-66.

[3] 周 亮,陳定輝,陳慶芳,等.一種關鍵線路和重要保護辨識的新方法[J]. 華北電力大學學報, 2013, 40(2): 34-40.

[4] 鞠文云,李銀紅.基于最大流傳輸貢獻度的電力網關鍵線路和節點辨識[J]. 電力系統自動化, 2012, 36(9): 6-12.

[5] 唐任仲, 王國棟, 唐文東, 等. 面向車間質量管理的關鍵工序識別方法[J]. 浙江大學學報 (工學版), 2012(11): 2.

[6] TIAN Wen-meng, HE Zhen, YAN Wei. Key Process Variable Identification for Quality Classification Based on PLSR Model and Wrapper Feature Selection[C]//Proceedings of 2012 3rd International Asia Conference on Industrial Engineering and Management Innovation (IEMI2012). Springer Berlin Heidelberg, 2013: 263-270.

[7] ZHANG Gen-bao, LIU Li-kun , REN Xian-lin , et al. Key process extraction model based on FAHP and quality house in manufacturing process[C]//Information Management and Engineering (ICIME), 2010 the 2nd IEEE International Conference on. IEEE, 2010: 688-693.

[8] 韋 靖,馬 柯,南博儒. 數控加工過程質量控制的關鍵環節研究[J]. 現代制造工程,2014(6):58-63.

[9] 姚小風.100個優秀品質管控工具[M]. 北京：人民郵電出版社, 2011:79.

[10] 龔水蓮,周 玲. 基于魚骨圖和因果矩陣表的方艙水密性改進[J]. 指揮信息系統與技術,2015(3):106-110.

[11] 馬彥輝,呂 君,穆 菁,等.因果矩陣分析與工藝 FMEA 在航天型號生產過程檢驗點設置中的應用探究[J]. 質量與可靠性, 2014 (5): 8-10.

The casual matrix-based method for the identification of key processes of coal preparation plant——study and application

YIN Xian-hui, YUAN Qing-he, TAN Yan-yan

(Mining & Safety Engineering College, Shandong University of Science and Technology, Qingdao, Shandong 266590, China)

With an aim to determining the key process involved in the dense-media coal separation plant, the causal matrix-based identification method is proposed in line with the unique features of the coal preparation industry as well as the plant's specific conditions. After the critical targeted quality points are set based on the technical and economical indicators, use is made of the proposed method to define the correlation of such points with the corresponding coal treating processes. Following the determination of the relations, the technical personnel can make, on a scientific basis, qualitative scoring and quantitative calculation of the degree of effect on the critical targeted quality points produced by each coal treating process. Then, the various processes are arranged in due order according to total scores. Taking the 80/20 principle as a guide, the top 20 percent of the graded processes are listed as the key processes of which intensified monitoring and control need to be exercised, so as to allow the coal washing processes to be made with high quality and efficiency, and low energy consumption. An introduction is made in the paper to the concrete procedures of the use of the method with part of the processes of the raw coal preparation workshop of Xuchang Coal Washery under Zibo Mining Group as an example. The application of the causal matrix method provides for the plant a theoretical basis based on which the identification and hence intensified management of the key processes can be made.

1001-3571(2016)01-0076-05

TD948.9

A

Keywordscoal preparation; key process; causal matrix; process management

2016-02-07

10.16447/j.cnki.cpt.2016.01.020

殷憲輝(1990—)，男，山東省泰安市人，碩士研究生，從事工業工程、質量管理、煤礦管理方面的研究。

E-mail:925076311@qq.com Tel:15064280638