DOE试验方法在提高制冷系统能效比中的应用

金晓波，王荣文，舒欣，姚佳明

(浙江中烟工业有限责任公司杭州卷烟厂,浙江 杭州 310024）

DOE试验方法在提高制冷系统能效比中的应用

金晓波，王荣文，舒欣，姚佳明

(浙江中烟工业有限责任公司杭州卷烟厂,浙江 杭州 310024）

针对杭州烟厂制冷系统能效低的问题，利用六西格玛管理中的试验设计（DOE）思路对制冷系统的各工序进行优化研究，通过流程分析、因果矩阵（C&E矩阵）、潜在失效模式分析（FMEA分析）、快赢等方法对因子进行筛选，选取了制冷机组负载、冷却水进水温度、冷冻水出水温度等三个关键因子，并通过正交试验进行了优化拟合，得到了最佳参数配置及理论最佳值。通过3个月的试验验证期，制冷系统效率从之前的4.06提高到4.41，效率提高了8.6%。

试验设计（DOE）；因子；制冷系统能效比

根据前瞻研究院数据，中国建筑能耗占全国总能耗的33%，而同时根据空调行业数据空制冷调能耗一般占建筑能耗的60%左右，特别是一些对保温保湿要求很高的工业企业，这个比例会更高。因此，如何提高空调制冷能效比、降低空调能耗的课题对国家节能降耗意义非常重大。

六西格玛管理自20世纪80年代诞生于摩托罗拉公司，目前已经演变成为一套行之有效的问题解决方法以及提高组织绩效的系统方法论。其中，试验设计方法（Design of Experiment，DOE）是目前六西格玛管理中最有效的改善利器之一,它是一种利用数理统计方法，科学安排实验和分析实验数据，以较小的试验规模、较短的试验周期及最低的实验成本来获取最佳的试验结果及结论的方法。

1 DOE试验模式综述

DOE试验方法基本步骤包括识别查找因子，通过科学手段筛选关键因子，安排正交试验和记录相关试验数据，通过数理统计工具对数据进行分析确认，提出因子参数最优配比方案，最后通过若干试验确认验证。其过程实质是解决Y=F(xi)的问题，式中Y表示关键质量特性，xi表示影响关键质量特性的关键影响因子，通过因果矩阵、FMEA分析、假设检验等方法确定关键x因子，通过最终的试验方法寻找最佳x组合实现Y的最优化，通过制定标准化文件等方法对改进成果进行固化（图1）。

2 试验因子的筛选

2.1 问题陈述

目前，杭州卷烟厂制冷站设置有6台三级离心式制冷主机，主要为卷烟生产工艺空调提供冷冻水。每台额定制冷量为4785kW，总装机制冷量为28710kW，每台主机及配套设备输入电功率为1123kW，总输入电功率为6738kW。

从2013、2014年的两个供冷季节（每年的5月到11月）的能效比数据分析，该制冷系统的能效比平均值只为4.06。其中最好的1个月可以达到4.46，最低的1个月只为3.89，两者相差很大，制冷系统能效比存在较大的改进机会（图2）。

图1 DOE试验方法流程图

图2 2013年、2014年制冷系统能效比I-MR控制图

2.2 试验目标确定

本次试验定义的关键质量特性Y为制冷系统能效比（Energy efficiency ratio，EER），其公示表达式为：

其中，制冷站总输出制冷量及总耗电量数据是通过车间能源管理系统取值，频次为每小时一次。

通过历史数据，Y值的现状值均值为4.06，历史的最优值4.46，因此试验的标杆值为4.46，试验目标值定为4.36。

2.3 试验流程分析

试验首先对制冷系统的流程工序进行展开（见图3），查找到影响制冷能效比的可控输入性因子共有25个。同时，利用C&E矩阵（因果矩阵）对这25个因子与Y制冷系统能效比的相关性进行专家打分，选出大于11个重要因子进入FMEA分析（潜在失效模式分析）。

图3 制冷系统流程分析图

2.4 FMEA分析（潜在失效模式分析）

FMEA分析首先是对这些因子按严重度、发生频率及探测度进行打分（见表1），同时根据团队讨论选取风险优先级分数超过100分的为关键因子，因此筛选出了8个严重影响制冷系统能效比的关键因子，分别为：机组内铜管结垢、冷却水水质、自动排气装置、冷却塔填料脏堵、制冷剂不足、制冷机组负载、冷却水进水温度、冷冻水出水温度。

根据改善的难易程度、投入的人力物力财力等分析，团队选定其中的制冷剂不足、机组内铜管结垢、冷却水水质、自动排气装置、冷却塔填料脏堵等五个因子做快赢改善。

通过措施落实后，对这些因子进行了二次的FMEA打分分析，严重度、发生频率以及探测度都有所下降，改善过后因子的风险优先级存在明显下降。

3 试验分析及验证

3.1 试验因子显著性分析

试验之前需要对关键因子做显著性分析，确认是否真的对关键质量特性Y值有显著影响。因子的显著性分析是通过低解析度的两水平试验，利用假设检验、方差分析等方法对因子的显著性进行评判。本试验将对制冷机组负载、冷却水进水温度、冷冻水出水温度等三个因子分别做双样本T检验。为了减少试验干扰，确定数据真实性、有效性，确定本次试验方法为：（1）对每一个因子做两个水平试验，同时固定其他因子参数不变；（2）试验时间为每个水平各24小时；（3）试验机台号为固定2#制冷机组。通过一个多星期试验，取得相应的三组数据如表2。同时，通过相应双样本T分析确定三个因子与制冷系统能效比都有比较明显的关系。

3.2 试验分析

通过显著分析确定的3个因子实施3因子2水平的全因子正交试验，另加3个中心点，试验次数为23+3=11，试验方案及相应试验数据如表3所示。

表1 制冷系统FMEA分析

表2 因子双样本T检验数据

表3 因子2水平试验数据

通过数据分析，发现交互作用不显著，因此去掉不显著项后，模型无明显的失拟，而且弯曲P值=0.207＞0.05，说明模型为一次模型（图4）。

图4 因子回归分析

整体模型方程式如下：

Y(制冷系统能效比)=2.92259+0.0160478×制冷机负载-0.0138252×冷却水进水温度+0.0346812×冷冻水出水温度

通过响应优化设计得出，当制冷机负载=100%、冷却水进水温度=28℃、冷冻水出水温度=10℃时，制冷系统能效比理论最大值为4.4871。

3.3 试验验证

根据试验分析的优化结果调整影响因子设定值进行试验验证，时间为3个月。通过这个3个月每日单值图可以看到（图5），优化改善后制冷系统能效比均值可以达到了4.412,比改善之处上升了8.5%，达到了本次4.36的试验目标值，移动极差也有了明显下降。但同时也发现实际的制冷系统能效比值还是未达到理论值4.4871，分析原因有：（1）由于生产车间温湿度有严格的要求，因此设备各项参数需要根据实际冷负荷进行调整，有时候不能达到最优设定值；（2）设备电机对设备负载率有限定值，不得超过103%，因此主机一般只能设置到99%；（3）冷却水进水温度靠冷却塔风机的运行台数控制，控制精度无法达到设置要求。

图5 3个月的制冷系统能效比I-MR控制图

4 结语

针对杭州烟厂制冷系统能效比较低的问题，利用六西格玛中的DOE试验设计思路对制冷系统的各工序进行优化研究，通过流程分析、C&E矩阵、FMEA分析、快赢等方法对因子进行筛选，选取了制冷机组负载、冷却水进水温度、冷冻水出水温度等三个关键因子，并通过正交试验进行了优化拟合，得到了最佳参数配置及理论最佳值。通过3个月的试验验证期，制冷系统能效比均值从4.02提升到了4.412，提升幅度为8.5%，移动极差均值从0.126下降到了0.064，下降幅度49%，说明了设备更加稳定。但也由于实际工艺要求以及设备本身原因未达到理论最佳值4.487，这个也是后续的研究方向。本文将六西格玛的DOE试验设计思路很好的用于了设备的效率提升中，将原有粗放的设备管理模式改为精细的管理模式，也为企业设备管理能力的提升提供了借鉴。

[1]王震，刘明明.中国能源清洁低碳化利用的战略路径[J].天然气工业，2016,36(4):96～102.

[2]张涵奇，孙德强，郑军卫等.数据工业革命与能源革命更替规律及对我国能源发展的启示[J].中国能源，2015(7):35～37.

TB657

A

1671-0711（2017）03（上）-0091-03