简介面向烟草行业品质管理、工艺技术人员的一份PPT课件围绕造纸法再造烟叶产品质量控制展开系统梳理国内从起步、快速发展到全面创新的三个阶段并结合山东瑞博斯烟草有限公司的实际内容给出工艺质量控制的具体路径。课件覆盖原料控制、浸提分离、浓缩、制浆、抄造成型、涂布及后处理等关键工序同时列明生产车速提升至130米/分钟以上、产品得率85%以上、化学指标批内波动不超过10%等量化指标也涉及减害降焦、增香保润等产品功能目标便于读者快速建立质量管控体系。资源为1个pptx演示文稿压缩包大小3.34MB结构紧凑适合在培训、汇报或技术研讨场景直接参考学习。目前已有70人学习关注。1. 造纸法再造烟叶产品质量控制的本质是水分、定量、涂布率三者的博弈一条造纸法再造烟叶生产线的重大质量事故常常不是成品检验发现的而是客户抽吸后反馈杂气重、阴燃断火才暴露。反直觉的地方在于问题的根源往往追溯不到涂布间而在浆料制备阶段就已埋下。所谓造纸法再造烟叶产品质量控制核心盯住三个量就够水分、定量、涂布率。这三个量互相耦合水分一波动定量跟着偏涂布率变了感官质量就变。而让它们失稳的通常是原料批次波动和工艺参数漂移。下面按原料萃取、抄造成形、涂布成品三段推进把质量控制的责任边界、参数取舍和可复现的统计工具讲清楚适合工艺工程师、质量工程师和值班长对照产线排错。2. 原料与萃取段把烟碱和萃取率锁死后续才有控制余地2.1 原料批次指纹配比影响的是浆料而不是烟味再造烟叶的原料大量来自烟梗、烟末、低次碎片供应商一换化学成分跟着动。真正影响后续工序的不是香气质而是水溶性糖、烟碱、纤维形态与灰分。水溶性糖和烟碱决定萃取液质量纤维形态决定打浆后的游离度和成形网滤水灰分过高则燃烧时容易熄火。所以原料控制的第一步是给每批料建指纹入库时按产地、等级、形态取样检测含水率、烟碱、总糖、总钾、氯、灰分六项指标结果挂批次号进数据库。后续任何质量追溯都从成品批号倒查能一级一级追到原料队次。用 SQLite 维护这个指纹库最简单的报警语句是“按供应商看烟碱波动”SELECT supplier, COUNT(*) AS batch_cnt, ROUND(AVG(nicotine), 2) AS avg_nicotine, ROUND(STDDEV_POP(nicotine), 3) AS std_nicotine FROM raw_material_test WHERE test_date DATE(now, -90 day) GROUP BY supplier HAVING batch_cnt 5 ORDER BY std_nicotine DESC;不要单独看 AVG供应商烟碱均值只要在配方范围内对成品影响有限真正制造麻烦的是标准差。同样的配料比例烟碱标准差超过 0.4% 时同一配方抄出来的一卷纸前后段风格会明显不一致。HAVING batch_cnt5 是避免只有两三批的小供应商因为偶然一两次波动被误判时间窗口取 90 天匹配烟叶醇化周期和供货频率比取全年数据更能反映当前供货水平。查询结果排名靠前的供应商要单独设“波动料”批次不能混入连续生产的大配方。配比控制也是这个阶段的质量重点。常见做法是给烟梗、烟末与碎片、回用损纸分别设比例区间烟梗 40%60%烟末与碎片 25%40%回用损纸不超过 10%。回用损纸这条是硬约束损纸经过一次干燥后纤维角质化加多了浆料滤水性能下降抄造段真空泵噪声都会变这时候调整成形网也拉不回来。2.2 用萃取率与固形物含量卡住浓缩液质量萃取段控制的对象是萃取率和浓缩液固形物。萃取率按“萃取液烟碱总量÷原料烟碱总量”计算常规范围 65%85%。低于 65% 说明萃取不足烟碱留在浆里后续涂布液只能靠补香精来掩盖高于 85% 则多半是温度或液比过头大量木质杂味也随之溶出。所以萃取率不是越高越好而是要看产品设计的风格定位。浓缩液固形物则用折光仪在线连续测每两小时再人工取样核对一次。这里有个常见误区折光仪读数和固形物不是固定比例因为萃取液里糖、盐、烟碱的比例随原料批次变化。批次指纹更新后要同步标定折光仪曲线否则自动控制系统会按错误换算调进料流量。下面这段 Python 把浓缩液日报里的白利度按天做波动统计是化验室和工艺两个角色共用的检查脚本import pandas as pd df pd.read_csv(concentrate_daily.csv, parse_dates[time]) df[date] df[time].dt.date stats df.groupby(date).agg( brix_mean(brix, mean), # 当天白利度均值 brix_std(brix, std), # 当天白利度波动 samples(brix, size) # 样本数 ) alarm stats[ (stats[brix_std] 1.2) | (stats[brix_mean] 18) | (stats[brix_mean] 24) ] print(alarm)brix_mean 阈值 1824 是浓缩出料白利度的大致工作区间它同时影响涂布液粘度与浓缩能耗。brix_std 阈值 1.2 是按“设备自身波动”预设的如果这套浓缩器正常运行时人工取样波动都在 0.6 以下阈值设 1.2 就合理若设备老旧波动就有 1.0阈值该抬到 2.0不然每天都会报假警。真正的偏差源通常不是浓缩塔本身而是上游液位波动导致萃取液进料不均匀。2.3 一萃和二萃的参数边界要固定而不是凭经验很多车间把“凭经验调”当作老师傅的特权但在产品质量控制上经验必须固化成参数边界。一萃和二萃的温度、液比、停留时间、pH 一列全萃取率波动才可复现。参数一萃二萃质量影响指向温度5570 ℃3045 ℃烟碱溶出速度过高带出杂味液比6:18:14:16:1萃取率与浓缩热负荷停留时间2040 min1525 min纤维润胀与后续滤水pH5.25.85.05.5蛋白质沉淀萃取液色度出料固形物视设备3%6%浓缩段入口负荷与涂布调配二萃温度压得低是为了溶解糖类的同时少溶出杂味。pH 低于 5.0 时胶体析出太多后续过滤会堵高于 5.8 时微生物风险上升夏季尤其明显。这张表不是拍脑袋定的而是在不同原料批次下把萃取率、固形物、滤水时间三条线都打点后收敛出来的。每次原料指纹变更先用小罐试验复核这张表而不是直接调到新的范围。3. 抄造成形段定量、水分、松厚度在一张网上互相拉扯3.1 流浆箱与成形网横向定量不均的根在唇板开度抄造成形段的核心是让浆料在成形网上形成均匀的湿纸幅。再造烟叶浆料里短纤维和细小纤维占比高比普通文化纸浆更难成型最常见的表现是横向定量中间厚、两边薄。遇到这种情况先看唇板热膨胀造成的开度变形再看稀释水阀。QCS 扫描仪会给出每一个横向位置的定量曲线。一般用横向定量最大偏差与均值之比判断超过 ±3% 就要调整。调整逻辑是从 QCS 历史画面取横向曲线对比唇板开度曲线两者形态相似则是唇板问题若与稀释水阀开度曲线相关则调稀释水阀。千万不要同时动唇板和稀释水两个执行器会互相打架越调越不均。3.2 压榨与干燥曲线水分和松厚度的取舍再造烟叶的松厚度直接影响填充值和阴燃能力而松厚度在压榨段几乎是一次定型的。压榨线压力越大湿纸幅被压得越实出压榨水分越低但松厚度损失严重干燥段只能调整水分的绝对值不能恢复已经丢失的松厚度。常见做法是压榨区按三压区分配线压比例大致为 5:3:2。压区顺序线压分配质量控制作用一压偏高快速脱除自由水提高进干燥段干度二压适中平衡脱水效率与松厚度损耗三压偏低防压溃稳定出压榨水分干燥曲线则前段低温高湿后段升温防止表面结皮。进干燥段水分 55%60% 时出口水分目标设在 11%13%。出口水分低于 10% 时纸质变脆分切粉尘大高于 14% 时涂布层粘辊。干燥段的风量、温度与车速三个变量里优先用风量调水分温度用来兜底不要上来就拉车速。提示干燥段水分曲线呈现周期波动时先查疏水阀是否堵塞不要直接调干燥温度。3.3 用 Cpk 衡量纵向定量波动纵向定量波动代表同一卷纸在长度方向上的稳定性。只看平均值没有意义因为平均定量达标时可能一半超上限、一半欠重。更好的做法是把每个卷轴的 QCS 定量数据按时间序列拉出来计算过程能力指数 Cpk。import numpy as np import pandas as pd def cpk(data, usl, lsl): mean np.mean(data) # 实际均值 std np.std(data, ddof1) # 样本标准差 if std 0: return None cpu (usl - mean) / (3 * std) cpl (mean - lsl) / (3 * std) return min(cpu, cpl) # Cpk 取较小侧 data pd.read_csv(basis_weight.csv)[basis_weight] print(Cpk , round(cpk(data, usl115, lsl85), 2))以目标定量 100 g/m²、上下限分别为 115 和 85 为例Cpk 达到 1.33 以上时纵向定量波动已经控制在规格范围的四分之三以内可以稳定放行。Cpk 低于 1 时要么均值偏了要么波动太大这时不要只调流浆箱总压头而是先用 Xbar-R 控制图把异常段找出来看波动是随机还是周期性。周期性波动往前追大概率是压力筛脉冲或浆泵脉动随机波动则查浆料浓度控制是否稳定。4. 涂布与成品段涂布率是产品风格的最后一颗螺丝4.1 涂布液调配的三个必调参数固含量、粘度、pH涂布液由浓缩萃取液、香料、保润剂和增稠剂组成直接决定成品的烟气味道和物理性能。调配时三个参数必调固含量、粘度和 pH。固含量决定每平方米上多少有效成分粘度决定涂布液能否均匀地留在基片表面pH 影响的是体系稳定性和微生物风险。固含量一般控制在 30%45% 范围对应浓缩液批次指纹微调粘度控制点需要针对设备和涂布方式标定比如辊涂式涂布机通常要求涂布液在 40℃ 下粘度为 200600 mPa·s因为温度一变粘度就变所以调配罐要带夹套保温。pH 值控制在 5.06.0 之间过低时胶体析出过高时不仅微生物风险上升还会让保润剂水解产生刺激性气味。这三个参数在每次生产前的首罐取样检测不合格时整个批次不许进入涂布工序。4.2 涂布率与干燥的联动控制涂布率通常以干基涂布量占成品基片重量的比例表示常规范围在 25%40%具体看产品风格。涂布率过高吸阻增大阴燃变差过低则杂气盖不住。控制涂布率的方式是测涂布前后两个 QCS 点的绝干定量差再除以基片绝干定量。注意这两个 QCS 点之间的距离往往有几十米时间延迟会造成两组数值不匹配所以要用皮带速度与位置补偿来做时间对齐否则控制系统计算出的涂布率会持续振荡。干燥曲线需要和涂布率协同设定涂布率升高时涂层水分蒸发负荷变大不能直接升温而要先提高干燥区排湿风量防止表面结皮把水分封在里面构成“假干”。假干卷到成品库后内部水分慢慢向外迁移整卷水分分布不均分切成小包后烟支填充值就不稳定。4.3 成品放行看三层检验物理、化学、感官成品质量控制最终落实到三层检验物理指标、化学指标、感官评吸。物理指标包括定量、厚度、水分、抗张强度、松厚度和阴燃速率化学指标包括烟碱、总糖、总氮、钾、氯和灰分感官评吸则由评吸小组按香气、杂气、刺激性、余味等维度打分。物理和化学检验可以自动化取样感官评吸必须保留人工环节因为再造烟叶的最终用户是人的味觉。下面是每批成品放行的综合判定逻辑代码做成“只要一项不满足就整批暂扣”的严格模式def release_decision(results, specs): blocked [] for item, value in results.items(): low, high specs[item] # 规格下限和上限 if not (low value high): blocked.append(item) return RELEASE if not blocked else fBLOCKED:{,.join(blocked)} # 示例水分、烟碱、填充值 results {moisture: 12.1, nicotine: 3.2, filling_power: 2.9} specs {moisture: (11.0, 13.5), nicotine: (2.5, 3.8), filling_power: (2.5, 3.3)} print(release_decision(results, specs))这里的“任何一项都不可让步”是常见做法因为物理不达标会断烟支化学不达标会带杂气感官差更是直接退货。如果只是边缘超差可以设“观察批”状态允许先入库但限制放行等评吸数据补全后再定销售方向。不过不建议把观察批做成默认项车间很容易把“常态性宽容”当成变相放行观察批就失去了预警意义。5. 把 QCS 数据接上统计过程控制提前半小时发现水分偏移5.1 批号与时间戳对齐大多数质量追溯滞后的根因是数据不齐QCS 每 30 秒一个水分值LIMS 每卷一个化验数据MES 记录的是班组和批号三套时间体系不一致导致事后追查时无法判断异常从哪个时间点开始。常见做法是在 MES 中定义一个“物理批号”维度从投料开始到分切结束批号内所有设备的仪表时间戳统一用 PLC 时钟不迁就人工手工填报。每卷成品自动归入批号QCS 数据也自动打上批号标签。这样当水分超差时可以直接定位到具体投料、具体班组、具体卷轴。5.2 EWMA 比单点报警更早看到漂移常规 SPC 用 Xbar-R 图监测水分但 Xbar-R 对小幅缓慢漂移不敏感往往要连续 7 点越过控制限才报警此时半卷纸已经抄完。EWMA指数加权移动平均把历史信息加权到当前点上仅靠单个新点就能对漂移产生反应。给定权重 λ0.2水分计算如下import pandas as pd moisture pd.read_csv(qcs_moisture.csv)[moisture] lam 0.2 # 新观测值的权重 ewma [moisture.iloc[0]] for x in moisture.iloc[1:]: ewma.append(lam * x (1 - lam) * ewma[-1]) ewma_series pd.Series(ewma, indexmoisture.index) alarm_idx ewma_series[(ewma_series - moisture).abs() 0.3].index print(alarm_idx)报警条件设定为 EWMA 平滑值与实时值偏差超过 0.3 个百分点。λ 越小越平滑对漂移越敏感但响应滞后增加0.2 左右在水分控制上比较适中保守车间用 0.1缺点是信号容易被平滑掉。选定 λ 后用历史三个月数据回放一遍统计假警率假警率超过 5% 就把 λ 提高。报警后该查的是蒸汽阀门小开度抖动或网部真空波动而不是单纯调干燥温度。这套逻辑放到定量和涂布率上也成立核心就是让质量人员从看到结果变成在偏出规格前几十米就把异常拉住。本文还有配套的精品资源点击获取