基于因果矩阵的选煤厂关键工序识别方法的研究与应用

殷宪辉，袁清和，谭妍妍

(山东科技大学 矿业与安全工程学院，山东 青岛 266590)

基于因果矩阵的选煤厂关键工序识别方法的研究与应用

殷宪辉，袁清和，谭妍妍

(山东科技大学 矿业与安全工程学院，山东 青岛 266590)

为了确定重介选煤厂选煤过程中的关键工序，根据选煤行业的独特性和实际情况，提出基于因果矩阵的选煤关键工序识别方法。结合选煤厂经济技术指标设定质量关键点，通过因果矩阵建立工序与质量关键点之间的联系，科学地组织选煤厂技术人员进行定性评分，定量计算选煤工序对质量关键点的影响程度，并按总分高低依次排序；以80/20原则为指导，选取前20%的工序作为关键工序，实施重点监控，从而实现优质、高效、低耗的目标。以淄博矿业集团许厂煤矿选煤厂原煤准备车间的部分工艺流程为例，说明运用因果矩阵识别关键工序的具体步骤，为该选煤厂关键工序的识别和重点管控的实施提供理论支持。

选煤；关键工序；因果矩阵；过程管理

选煤厂是一个高度机械化、连续运转的生产单位[1]，多个工艺环节同时影响生产，各个工艺环节与整个系统的运行状况分析、效果分析和优化是选煤厂质量管理和成本管理的核心。工序是构成生产制造的基本单位[2]，因此对选煤过程中工序的监控是保证选煤质量的前提。选煤过程存在大量工序，选煤企业在管理中难以对其进行重点监控，故应根据帕累托法则(80/20原则)选择重要的少数关键工序进行重点监控。

近年来，许多学者针对关键工序的识别方法进行了研究。周亮、鞠文云[3-4]等研究了电力系统关键工序的识别方法；唐任仲[5]通过图论建立车间模型计算工序的影响度与自身的不合格度，从而确定了面向车间生产的关键工序识别方法；TIAN Wen-meng[6]等基于PLSR模型和Wrapper特征选择模型对制造业的关键工序进行了识别；ZHANG Gen-Bao[7]基于模糊层次分析法和质量屋理论对关键工序的识别进行了研究；韦靖等[8]从人、机、料、法、环五个因素对影响数控加工过程的关键环节进行了分析，主要是依据经验进行定性判断。但由于选煤过程受多个因素的相互影响，且其产品和工艺具有特殊性，加之存在基础数据不足等问题，上述识别方法均不能完全适用。

因果矩阵是一个可以在连续生产过程中从多个相互影响的因素中识别关键因素的分析工具，与识别关键工序的目的一致。由于该方法的实际评分过程容易操作，完全能够满足选煤厂管理和技术人员操作要求。因此，提出基于因果矩阵的关键工序识别方法，采用无领导小组讨论定性评分、定量计算选取的方式对选煤关键工序的识别进行研究。

1 因果矩阵基本原理

因果矩阵又称特性选择矩阵，它是一个帮助确定关键过程输入变量重要性优先次序的工具[9-10]。当预期解决的问题比较复杂，有多种影响因素，且它们的影响互相关联，无法将其分开考察和解决时，该工具可以帮助管理团队选择重点关注的过程输入或影响因素，有针对性地收集数据并进行有效的分析[11]。

因果矩阵的应用方法是通过打分的方式在输入变量与输出变量之间建立联系，并确定对输出变量影响程度最大的输入变量，即关键输入变量。因果矩阵模型如图1所示。

Wj为输出变量j的重要程度，aij为输入变量i与输出变量j之间的相关程度，因果矩阵的具体应用步骤如图2所示。

2 基于因果矩阵的选煤关键工序识别方法

将因果矩阵引入选煤关键工序识别中，输入变量即为工序，输出变量就是顾客需求的质量关键点(CTQ)，从而形成基于因果矩阵的关键工序识别方法(图3)。

图1 因果矩阵模型

图2 因果矩阵应用步骤

图3 基于因果矩阵的选煤关键工序识别方法

工序的得分u计算式为：

(1)

式中：ui为第i道工序的得分；Wj为每个CTQ所对应的重要程度等级；aij为第i道工序与第j个CTQ之间的相关性系数。

考虑到不同选煤厂的需求和自身要求不同，CTQ对应的重要程度值由评分小组以无领导小组讨论方法确定。相关性系数aij由六个等级构成，具体如表1所示。

表1 相关性等级

考虑到识别方法的科学性和有效性，以及不同选煤厂的管理水平和管理重点的差异，需要根据企业实际情况确定工序对CTQ的相关程度。确定相关程度时，可以分别从企业的领导层、管理层、操作层选取评分人员组成评分小组，以无领导小组讨论法对相关性进行评分。具体评分流程如图4所示。

图4 评分流程

通过式(1)可计算出第i道工序的得分结果，三个结果分别为由领导层评分获得的分数uLi，由管理层评分获得的分数uMi，由现场操作层(重点是班组长)评分获得的分数uTi。因此，第i道工序的总分为：

Ui=αuLi+βuMi+γuTi，

(2)

式中：Ui为第i道工序的总分；α为领导层评分组的权重；β为管理层评分组的权重；γ为操作层评分组的权重。

由于不同选煤厂的管理重点不同，三个评分组的侧重点也不同，α、β、γ权重值需要根据企业实际情况确定。将工序总分Ui由高到低排列，根据80/20原则，选取前20%的工序作为关键工序。

3 案例分析

淄博矿业集团许厂煤矿选煤厂有三个生产车间，即原煤准备车间、主选车间、干燥车间。原煤准备车间以斜轮重介质分选机作为主要设备，为主选车间准备产品(原煤)；主选车间以三产品重介质旋流器作为核心设备，对原煤进一步洗选、增值，生产最终产品。以该选煤厂原煤准备车间部分工艺流程为例，依据该车间需求和客户要求，以“优质、高效、低耗”为目标(目的不同所识别出的关键工序存在差异)，采用头脑风暴法确定经济性指标和技术性指标(共12项CTQ)，具体如表2所示。

表2 顾客需求的质量关键点Table 2 Customer-specified critical targeted quality points

原煤准备车间由毛煤输送计量、除铁、大块煤筛分、分级筛分、分选排矸、脱水脱介、磁选、精矿回收、煤泥回收9大工艺环节组成。这9大工艺环节可分解为53道工序，在案例分析过程中以毛煤输送计量、除铁、大块煤筛分3大工艺环节为例来说明该方法的应用。依据工业工程工序分解方法，这3大工艺环节可分解为15道工序，如表3所示。

表3 原煤准备车间前15道工序

选煤厂关键工序评价组包括三个小组，分别是选煤厂领导小组(包括3名领导层人员)、一般管理层小组(包括3名管理层人员)、操作层小组(包括4名操作层人员)。按照相关性等级评分要求，各小组对15道工序与12个CTQ的相关性进行评分，并将总分按照降序排列，在计算各道工序总分前，对其合理性进行必要的分析。三组评分结果如图5、图6、图7所示。

图5 领导组评分结果

图6 管理组评分结果(部分)

图7 操作层组评分结果(部分)

三个评分小组的权重α、β、γ由全体评分人员通过无领导小组讨论的形式确定，其中α=0.38、β=0.51、γ=0.11。由于选煤厂是煤矿的二级单位，其独立性与普通“厂”的概念有所不同，领导层的厂长在整个矿层面等同于车间主任，选煤厂的领导层和一般管理层(包括大量技术人员)对现场的生产和经营都比较了解，这不同于独立性企业更关注战略的特点，因此领导层和管理层权重较大；而选煤厂现场操作人员知识有限，考虑问题较片面，所以对现场问题的识别能力较低，因此三个小组的权重分配符合该选厂实际情况。对于不同的煤矿、不同的选煤厂、不同的车间，甚至同车间的不同时期，三个小组各自的权重比例都是变化的，需要依据现场实际情况设定，这也体现了该方法的动态性特点。在上述合理性分析的基础上，依据式(2)确定的第1道工序总分为139.66。

确定这15道工序的总分，并将总分值按照降序排列，结果如表4所示。根据80/20原则，取前20%的工序，即排名前3的工序作为原煤准备车间的关键工序；同理，通过该方法确定该选煤厂不同车间或者全厂的关键工序，从而实现重点监控，以实现“优质、高效、低耗”的目标。

表4 15道工序的总分值

4 结语

质量、效率、成本是企业提高自身竞争力的关键因素，对关键工序进行监控和管理，可有效提高产品质量、生产质量、经营质量及企业管理水平。采用因果矩阵对选煤关键工序进行识别，构建选煤厂各工序与CTQ之间的因果矩阵，组建关键工序识别小组，定性的评分、定量的计算各工序与CTQ的相关性，赋予评分小组不同的权重，计算出各工序的总分，并将其按照降序排列，依据80/20原则选取前20%的工序作为关键工序，对其进行重点管控。

以淄博矿业集团许厂煤矿选煤厂原煤准备车间部分工艺环节的前15道工序为例，说明因果矩阵在识别选煤关键工序中的具体应用。该方法可以有效地识别出选取的部分工艺流程中的关键工序，从而为选煤厂识别关键工序提供借鉴，为提高企业管理水平和提升经济效益提供技术支撑。

[1] 王玉鑫.对青山选煤厂质量管理工作的分析[J]. 煤炭技术, 2012, 31(3): 141-142.

[2] 范国平.生产制造中关键工序的质量控制[J]. 机械工程师, 2010 (3): 65-66.

[3] 周 亮,陈定辉,陈庆芳,等.一种关键线路和重要保护辨识的新方法[J]. 华北电力大学学报, 2013, 40(2): 34-40.

[4] 鞠文云,李银红.基于最大流传输贡献度的电力网关键线路和节点辨识[J]. 电力系统自动化, 2012, 36(9): 6-12.

[5] 唐任仲, 王国栋, 唐文东, 等. 面向车间质量管理的关键工序识别方法[J]. 浙江大学学报 (工学版), 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] 韦 靖,马 柯,南博儒. 数控加工过程质量控制的关键环节研究[J]. 现代制造工程,2014(6):58-63.

[9] 姚小风.100个优秀品质管控工具[M]. 北京：人民邮电出版社, 2011:79.

[10] 龚水莲,周 玲. 基于鱼骨图和因果矩阵表的方舱水密性改进[J]. 指挥信息系统与技术,2015(3):106-110.

[11] 马彦辉,吕 君,穆 菁,等.因果矩阵分析与工艺 FMEA 在航天型号生产过程检验点设置中的应用探究[J]. 质量与可靠性, 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

殷宪辉(1990—)，男，山东省泰安市人，硕士研究生，从事工业工程、质量管理、煤矿管理方面的研究。

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