⚙️ کنترل آماری فرآیند (SPC) در صنایع شیمیایی: راهنمای عملیاتی با مبانی نظری، Minitab و استانداردهای VDA & AIAG
در این مقاله، ضمن پوشش مبانی ریاضی و آماری هر ابزار، به صورت عملی نحوه پیادهسازی در Minitab، تحلیل نمودارها و اقدامات اصلاحی را فرا خواهید گرفت. تمامی مطالب بر اساس مراجع معتبر AIAG (ویرایش دوم) و VDA Volume 4 & 5 تدوین شده است.
📐 مقدمهای بر تئوری کنترل فرآیند در محیطهای شیمیایی
در صنایع گسسته (مثل قطعات فلزی)، فرض بر استقلال مشاهدات و توزیع نرمال است. اما در فرآیندهای شیمیایی (رنگ، فوم، پلیمر) پدیدههایی مانند خودهمبستگی (Autocorrelation) و چندمتغیره بودن (Multivariate) نقضکنندهی این فروض هستند. بر اساس قضیه حد مرکزی و تعمیمهای آن، روشهایی مانند میانگینهای متحرک وزنی (EWMA) و مجموع تجمعی (CUSUM) برای غلبه بر این چالشها توسعه یافتهاند (Montgomery, 2009).
📈 ۱. نمودار EWMA (میانگین متحرک موزون نمایی)
AIAG VDA 4 Minitab
📐 مبانی نظری
نمودار EWMA بر اساس تئوری هموارسازی نمایی (Exponential Smoothing) بنا شده است. آماره Zt ترکیب خطی از مشاهدات فعلی و گذشته است. واریانس این آماره به صورت همگرا به σ²[λ/(2-λ)] میل میکند. انتخاب λ بهینه با توجه به اندازه شیفت مورد نظر تعیین میشود (مقدار کوچک λ برای تشخیص شیفتهای کوچک). مبنای تئوریک این روش به تئوری تشخیص تغییر (Change Point Detection) و فیلتر کالمن نیز مرتبط است.
🔹 فرمول محاسباتی
حدود کنترل: UCL/LCL = μ₀ ± L·σ·√(λ/(2-λ))
ویسکوزیته هدف = ۱۰۰ واحد، σ=۲، λ=۰.۲. دادههای ۱۰ بچ متوالی: ۱۰۲, ۱۰۱, ۹۹, ۹۸, ۹۷, ۹۶, ۹۸, ۱۰۰, ۹۹, ۹۷.
مسیر در Minitab: Stat → Control Charts → Time-Weighted Charts → EWMA
ورودی: دادهها در یک ستون. در پنجره EWMA، گزینه “Parameters” را انتخاب و میانگین هدف (۱۰۰) و انحراف معیار (۲) را وارد کنید. λ = ۰.۲ و L = ۳.
خروجی: Minitab حدود کنترل را محاسبه میکند: UCL ≈ ۱۰۰.۹ , LCL ≈ ۹۹.۱. نقاط ۵ (۹۷) و ۶ (۹۶) خارج از حد پایین هستند.
- توقف فوری خط یا بررسی بچهای بعدی با دقت بیشتر.
- بررسی دمای راکتور، نسبت مواد اولیه، کالیبراسیون سنسور ویسکوزیته.
- نمونهگیری مجدد و آزمون تعیین ویسکوزیته در آزمایشگاه مرجع.
- در صورت تأیید انحراف، بچ مردود اعلام و ریشهیابی کامل انجام شود.
📉 ۲. نمودار CUSUM (مجموع تجمعی)
AIAG VDA Minitab
📐 مبانی نظری
نمودار CUSUM ریشه در آزمون نسبت درستنمایی متوالی (SPRT) دارد که توسط پیج (Page) در دهه ۱۹۵۰ فرموله شد. ایده اصلی: جمعآوری انحرافات جزئی از هدف در طول زمان. اگر فرآیند در حالت کنترل باشد، مجموع انحرافات حول صفر نوسان میکند. اگر میانگین فرآیند به اندازه Δ جابجا شود، آماره CUSUM به صورت خطی رشد میکند. پارامتر K (مجاز) معمولاً نصف بزرگی شیفتی که میخواهیم سریع تشخیص دهیم انتخاب میشود (K = Δ/2). مقدار آستانه H (تصمیم) معمولاً ۴ یا ۵ برابر انحراف معیار فرآیند در نظر گرفته میشود.
🔹 فرمول محاسباتی (روش جدولبندی)
دانسیته هدف فوم = ۳۰ kg/m³، σ=۱. دادههای ۱۰ بچ: ۳۰.۲, ۳۰.۵, ۳۰.۹, ۳۱.۲, ۳۱.۶, ۳۱.۸, ۳۲.۱, ۳۲.۰, ۳۱.۷, ۳۲.۲.
مسیر در Minitab: Stat → Control Charts → Time-Weighted Charts → CUSUM
ورودی: در پنجره CUSUM، گزینه “Parameters” را انتخاب و μ₀=۳۰, σ=۱ وارد کنید. معمولاً Minitab K=۰.۵ و H=۵ را پیشنهاد میدهد.
خروجی: از بچ چهارم به بعد، آماره C⁺ از H=۵ عبور میکند و فرآیند خارج از کنترل اعلام میشود.
- بررسی نسبت ایزوسیانات/پلیال که ممکن است باعث افزایش دانسیته شده باشد.
- کنترل دمای قالب و زمان پخت.
- کالیبراسیون ترازوی اندازهگیری دانسیته.
- در صورت تداوم، تنظیم مجدد نسبتها.
🔬 ۳. نمودار Hotelling T² (کنترل چندمتغیره)
VDA (Q-DAS) Minitab
📐 مبانی نظری
آماره T² تعمیم چندمتغیره آماره t تکمتغیره است. هتلینگ در دهه ۱۹۳۰ این آماره را بر اساس توزیع نرمال چندمتغیره معرفی کرد. آماره T² فاصله ماهالانوبیس بین میانگین نمونه و میانگین هدف را اندازهگیری میکند. حدود کنترل با استفاده از توزیع F به دست میآید. این آماره همبستگی بین متغیرها را در ماتریس کوواریانس لحاظ میکند و به تغییرات در ساختار همبستگی حساس است.
🔹 فرمول محاسباتی
حدود کنترل: UCL = [p(m+1)(n-1)] / [m n – m – p + 1] · Fα, p, m n – m – p + 1
سه ویژگی مهم: ویسکوزیته (هدف ۱۵۰۰ cP)، اسیدیته (هدف ۵ mgKOH/g)، و شفافیت (هدف ۹۵%). دادههای ۱۰ بچ در سه ستون.
مسیر در Minitab: Stat → Control Charts → Multivariate Charts → T²
ورودی: هر سه ستون را انتخاب کنید. اگر زیرگروه ندارید، از “Single column” استفاده کنید.
خروجی: Minitab آماره T² را برای هر بچ رسم کرده و حد بالای کنترل (مثلاً UCL=۱۳.۵) را نمایش میدهد. بچ ۷ T²=۱۸ دارد (خارج از کنترل).
- بررسی کیفیت مواد اولیه (مونومرها، حلالها).
- کنترل دقیق دما و فشار راکتور.
- بررسی ماتریس همبستگی و شناسایی متغیر بحرانی.
🎯 ۴. نمودار انحراف از هدف (DNOM) برای تولیدات متنوع
AIAG Short Run Minitab
📐 مبانی نظری
در شرایطی که محصولات مختلف با اهداف متفاوت (Ti) داریم، نمیتوان دادههای خام را مستقیماً مقایسه کرد. روش DNOM (Deviation from Nominal) بر پایه استانداردسازی (Standardization) استوار است. با تعریف متغیر جدید Y = X – T، موقعیت هر محصول را نسبت به هدف خود میسنجیم. اگر فرض کنیم برای همه محصولات، پراکندگی حول هدف یکسان است (یا با استفاده از انحراف معیار تلفیقی Pooled)، آنگاه میتوان یک نمودار کنترلی واحد با حدود ۳σ برای Y رسم کرد.
🔹 فرمول محاسباتی
حدود کنترل: 0 ± 3·σpooled
سه نوع چسب با گرانروی هدف متفاوت: ۵۰۰, ۱۰۰۰, ۲۰۰۰ cP. دادهها در دو ستون: ستون اول گرانروی واقعی، ستون دوم مقدار هدف.
مسیر در Minitab: Stat → Control Charts → Variables Charts for Subgroups → DNOM
ورودی: در DNOM Chart، “Observations” را گرانروی واقعی و “Target” را ستون اهداف وارد کنید.
خروجی: یک نقطه DNOM=+۱۲۰ (هدف ۱۰۰۰، مقدار واقعی ۱۱۲۰) خارج از حدود (مثلاً ۳σ≈۹۰).
- بررسی دستورالعمل کاری مربوط به آن محصول.
- بررسی دمای فرآیند و زمان اختلاط برای آن بچ خاص.
- آزمایش مجدد نمونه و اطمینان از صحت اندازهگیری.
📊 ۵. پروفایل مانیتورینگ (Profile Monitoring) برای فرآیندهای بچ
VDA Minitab (ماکرو/PLS)
📐 مبانی نظری
در بسیاری از فرآیندهای شیمیایی (مثل پخت رزین، واکنش پلیمریزاسیون)، کیفیت نهایی به شکل منحنی دما-زمان یا فشار-زمان وابسته است. پروفایل مانیتورینگ از آنالیز رگرسیون تابعی (Functional Regression) و آماره T² چندمتغیره برای منحنیها استفاده میکند. ابتدا یک منحنی مرجع (Reference Profile) با استفاده از دادههای تاریخی برازش داده میشود. سپس برای هر منحنی جدید، بردار انحرافات محاسبه و آماره T² حاصل با حد کنترل مقایسه میشود.
🔹 فرمول پایه
منحنی استاندارد دما-زمان: t=1:25°C, t=5:80°C, t=10:120°C. یک بچ جدید: t=5:60°C (انحراف شدید).
مسیر در Minitab: ابزار دقیق نیاز به ماکرو نویسی یا استفاده از نرمافزار Q-DAS دارد. با ثبت نقاط کلیدی و محاسبه T² میتوان انحراف را سنجید.
هشدار: انحراف از منحنی مرجع نشاندهنده کمفعالیتی کاتالیست یا افت دما است.
📈 راهنمای پروفایل مانیتورینگ (Profile Monitoring) در صنایع شیمیایی با نرمافزار Q-DAS
در فرآیندهای بچ شیمیایی (مانند پلیمریزاسیون، پخت رزین، تخمیر)، کیفیت نهایی به شدت به شکل منحنی دما-زمان، فشار-زمان یا سایر پروفایلهای فرآیندی وابسته است. پروفایل مانیتورینگ تکنیکی پیشرفته برای کنترل آماری این منحنیها است. در این بخش ضمن تشریح مبانی نظری، با یک مثال عملی در نرمافزار Q-DAS مراحل پیادهسازی را گام به گام یاد میگیرید.
📐 مبانی نظری پروفایل مانیتورینگ (تکمیل)
روشهای متداول برای پروفایل مانیتورینگ عبارتند از:
- روشهای مبتنی بر کاهش ابعاد: مانند تحلیل مؤلفههای اصلی (PCA) که پروفایل را به چند مؤلفه اصلی تبدیل کرده و سپس آمارههای T² و Q (SPE) را محاسبه میکنند.
- روشهای مبتنی بر آماره T² هتلینگ: با در نظر گرفتن هر نقطه زمانی به عنوان یک متغیر، ماتریس کوواریانس محاسبه و فاصله ماهالانوبیس هر پروفایل جدید از میانگین پروفایلهای مرجع سنجیده میشود.
- روشهای رگرسیون تابعی: با برازش توابع صاف (مانند اسپلاین) به هر پروفایل و سپس مانیتورینگ ضرایب.
نرمافزار Q-DAS از روشهای چندمتغیره پیشرفته (مانند تحلیل مؤلفههای اصلی تابعی) برای پروفایل مانیتورینگ استفاده میکند. خروجی اصلی شامل نمودار T² و نمودار Q (SPE) است.
🔹 فرمول محاسباتی (بر اساس PCA)
با انجام PCA روی ماتریس دادههای مرجع: X = TP’ + E
آماره T² برای نمونه جدید: T² = t_new’ Λ⁻¹ t_new (t_new = نمرات مؤلفههای اصلی)
آماره Q (SPE): Q = e_new’ e_new (e_new = باقیمانده)
🧪 مثال عملی: کنترل پروفایل دما در راکتور پلیمریزاسیون
فرض کنید در یک فرآیند تولید رزین، دمای راکتور در ۱۰ نقطه زمانی (هر ۵ دقیقه) ثبت میشود. پروفایل استاندارد (مرجع) از ۲۰ بچ خوب (تحت کنترل) به دست آمده است. اکنون یک بچ جدید (بچ شماره ۲۱) تولید شده و میخواهیم انحراف پروفایل آن را بررسی کنیم.
🔹 دادههای ۵ بچ از مجموعه مرجع (به عنوان نمونه)
| بچ | t=5 | t=10 | t=15 | t=20 | t=25 | t=30 | t=35 | t=40 | t=45 | t=50 |
|---|---|---|---|---|---|---|---|---|---|---|
| ۱ | ۵۰ | ۶۲ | ۷۵ | ۸۵ | ۹۲ | ۹۷ | ۱۰۰ | ۱۰۱ | ۱۰۲ | ۱۰۲ |
| ۲ | ۴۹ | ۶۱ | ۷۴ | ۸۴ | ۹۱ | ۹۶ | ۹۹ | ۱۰۰ | ۱۰۱ | ۱۰۱ |
| ۳ | ۵۱ | ۶۳ | ۷۶ | ۸۶ | ۹۳ | ۹۸ | ۱۰۱ | ۱۰۲ | ۱۰۳ | ۱۰۳ |
| ۴ | ۵۰ | ۶۲ | ۷۵ | ۸۵ | ۹۲ | ۹۷ | ۱۰۰ | ۱۰۱ | ۱۰۲ | ۱۰۲ |
| ۵ | ۵۲ | ۶۴ | ۷۷ | ۸۷ | ۹۴ | ۹۹ | ۱۰۲ | ۱۰۳ | ۱۰۴ | ۱۰۴ |
بچ جدید (۲۱): ۴۸, ۵۸, ۶۸, ۷۷, ۸۵, ۹۱, ۹۶, ۹۹, ۱۰۰, ۱۰۰
🖥️ پیادهسازی در نرمافزار Q-DAS
نرمافزار Q-DAS (ماژول CAMERA یا Profile Analysis) امکان پروفایل مانیتورینگ را به صورت یکپارچه فراهم میکند. مراحل زیر را دنبال کنید:
🔹 مرحله ۱: آمادهسازی دادهها
دادهها را در یک فایل متنی یا Excel با ساختار زیر ذخیره کنید: هر ردیف = یک بچ، ستون اول شماره بچ (اختیاری)، ستونهای بعدی مقادیر دما در زمانهای متوالی.
🔹 مرحله ۲: وارد کردن داده به Q-DAS
File → Import → ASCII Import → انتخاب فایل
در ویزارد واردات، نوع داده را “Variables” و فرمت ستونها را “Double” انتخاب کنید. زمانها را به عنوان “Characteristic” تعریف کنید.
🔹 مرحله ۳: تعریف پروفایل
Analyze → Profile Analysis → Define Profile
- متغیرهای مربوط به پروفایل (ستونهای دما) را انتخاب کنید.
- نوع پروفایل: “Temperature Profile”
- واحد زمان: دقیقه
- در قسمت “Reference”, گزینه “Calculate from historical data” را انتخاب کنید و دادههای بچهای ۱ تا ۲۰ را به عنوان مرجع مشخص کنید (در مثال ما فقط ۵ بچ داریم، اما در عمل ۲۰ بچ).
🔹 مرحله ۴: اجرای تحلیل
Analyze → Profile Analysis → Run Analysis
Q-DAS ابتدا یک مدل PCA بر روی دادههای مرجع برازش میدهد. سپس برای هر بچ (از جمله بچ جدید) آمارههای T² و Q محاسبه میشود.
🔹 مرحله ۵: تفسیر خروجیها
نمودارهای کنترلی T² و Q نمایش داده میشوند. در مثال ما، برای بچ ۲۱:
- نمودار T²: مقدار T² برای بچ ۲۱ برابر ۱۸.۵ محاسبه شده است، در حالی که حد کنترل بالایی (UCL) با سطح اطمینان ۹۹% برابر ۱۲.۳ است. → بچ خارج از کنترل
- نمودار Q (SPE): مقدار Q برابر ۰.۸۵ و حد کنترل ۰.۶۵ است → خارج از کنترل.
Q-DAS همچنین نمودار “Contribution Plot” را نمایش میدهد که نشان میدهد کدام نقاط زمانی بیشترین سهم را در انحراف داشتهاند.
- بررسی فوری: بچ ۲۱ را قرنطینه کرده و نمونهگیری برای آزمون کیفیت (ویسکوزیته، درجه واکنش) انجام شود.
- بررسی تجهیزات: عملکرد هیترها، سنسورهای دما و سیستم همزن در راکتور بررسی و کالیبره شوند.
- بررسی مواد اولیه: احتمال کاهش فعالیت کاتالیست یا تغییر در خوراک ورودی بررسی گردد.
- تنظیم مجدد: در صورت رفع عیب، پارامترهای کنترلی برای بچهای بعدی اصلاح شوند.
🎓 دوره آموزشی تخصصی SPC در صنایع شیمیایی
شامل مبانی نظری، کار عملی با Minitab و Q-DAS، مطالعات موردی در صنایع رنگ، فوم، رزین، چسب و دارو
با تدریس تیم مشاوران عصر کیفیت (بیش از ۱۵ سال تجربه صنعتی)
مشاوره و ثبتنام رایگان – ظرفیت محدود
