唐 軍 唐 麗 文里梁 何邦華 林文強(qiáng) 曾仲大 馬 寧 周 冰
(1. 云南中煙工業(yè)有限責(zé)任公司,云南 昆明 650231;2. 大連達(dá)碩信息技術(shù)有限公司,遼寧 大連 116023)
松散回潮是卷煙制絲工藝中的關(guān)鍵工序之一,其主要作用是增加煙片含水率和溫度,提高煙片的耐加工性,松散煙片,并減輕雜氣、刺激性,改善細(xì)膩程度[1]。松散回潮工序一般采用密閉滾筒式加工設(shè)備,主要涉及煙葉松散、噴嘴霧化加濕、蒸汽和循環(huán)熱風(fēng)增溫等復(fù)雜過程,具有工藝參數(shù)多、影響因素復(fù)雜、規(guī)律摸索難等特點(diǎn)。陳杰等[2]研究了回風(fēng)溫度、工藝蒸汽系數(shù)等對煙葉物理質(zhì)量舒展率的影響;邵惠芳等[3]研究了回風(fēng)溫度對煙葉化學(xué)成分與中性致香物質(zhì)的影響;高翔等[4]研究了熱風(fēng)溫度對煙葉內(nèi)在質(zhì)量的影響;唐軍等[5]研究了回風(fēng)溫度對成品煙絲致香物質(zhì)的影響;鄧國棟等[6]研究了回風(fēng)溫度對烤煙煙葉感官特性的影響。李秀芳[7]開展了松散回潮關(guān)鍵工藝參數(shù)過程控制系統(tǒng)的優(yōu)化設(shè)計(jì),通過回風(fēng)溫度和含水率控制結(jié)構(gòu),優(yōu)化其工藝參數(shù),使松散回潮出口煙葉溫度和含水率的波動(dòng)減小,出口含水率平均標(biāo)偏從0.43% 降至0.24%;范勇等[8]運(yùn)用回歸分析法對松散回潮出口煙葉含水率控制方法進(jìn)行了優(yōu)化研究,發(fā)現(xiàn)采用分類別差異性初始含水率控制模式能減少過程波動(dòng),進(jìn)而提升出口煙葉含水率的穩(wěn)定性;容秀英等[9]研究了煙葉松散回潮熱風(fēng)溫度極值的控制方法,發(fā)現(xiàn)采用兩極控制圖(L-S控制圖)法能有效提升熱風(fēng)溫度的穩(wěn)定性。目前,中國對煙葉松散回潮的研究主要集中于工藝參數(shù)回風(fēng)溫度和熱風(fēng)溫度對煙葉理化質(zhì)量的影響,以及統(tǒng)計(jì)學(xué)相關(guān)和回歸方法對出口質(zhì)量煙葉溫度和含水率的穩(wěn)定性控制研究兩個(gè)方面,且大多為試驗(yàn)研究,而在利用煙葉松散回潮生產(chǎn)實(shí)際大量數(shù)據(jù)開展數(shù)字化建模及預(yù)測研究方面還處于空白狀態(tài)。
貝葉斯網(wǎng)絡(luò)(Bayesian network)又稱信度網(wǎng)絡(luò),是貝葉斯方法的擴(kuò)展,是目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型之一,適用于表達(dá)和分析不確定性和概率性的事件,應(yīng)用于有條件地依賴多種控制因素的決策,可以從不完全、不精確或不確定的知識(shí)或信息中做出推理。目前,貝葉斯網(wǎng)絡(luò)已成功應(yīng)用于機(jī)器學(xué)習(xí)[10-11]、人工智能、生物信息學(xué)[12]、金融分析[13]與預(yù)測[14]等多個(gè)領(lǐng)域。試驗(yàn)擬采用貝葉斯網(wǎng)絡(luò)分析方法,針對某卷煙規(guī)格在制絲線松散回潮工序上產(chǎn)生的2018年全年數(shù)據(jù),通過建立煙葉松散回潮網(wǎng)絡(luò)模型,對工藝參數(shù)與質(zhì)量指標(biāo)之間的復(fù)雜關(guān)系進(jìn)行研究與分析,并對該卷煙規(guī)格在松散回潮工序上產(chǎn)生的2019年1~3月出料質(zhì)量數(shù)據(jù)進(jìn)行預(yù)測與分析,旨在為合理指導(dǎo)卷煙加工生產(chǎn)實(shí)際提供依據(jù)。
在卷煙企業(yè)制造執(zhí)行系統(tǒng)(MES)上,以生產(chǎn)批次為單位采集某卷煙規(guī)格在2018年松散回潮工序的生產(chǎn)數(shù)據(jù),全年共采集到2 096個(gè)批次。其中,采集頻次為6 s/個(gè),每批次生產(chǎn)時(shí)間約1.5 h,采集工藝參數(shù)和出料質(zhì)量指標(biāo)共10項(xiàng)。
采集的數(shù)據(jù)往往包含無用、缺失、異常等無效數(shù)據(jù),需對其進(jìn)行必要的篩選、剔除、修整等預(yù)處理。數(shù)據(jù)預(yù)處理流程如圖1所示,主要包括無用數(shù)據(jù)剔除、非穩(wěn)態(tài)數(shù)據(jù)剔除、異常數(shù)據(jù)剔除及數(shù)據(jù)分類存儲(chǔ)等步驟。對2018年采集的2 096批煙葉松散回潮生產(chǎn)數(shù)據(jù),經(jīng)數(shù)據(jù)篩選、剔除、修整等預(yù)處理后共得到1 836批有效數(shù)據(jù)。

圖1 數(shù)據(jù)預(yù)處理流程Figure 1 Flowchart of data preprocessing
貝葉斯網(wǎng)絡(luò)模型的理論基礎(chǔ)來源于貝葉斯公式:
(1)
式中:
P(A|B)——事件B已發(fā)生的條件下事件A的概率,%;
P(B|A)——事件A已發(fā)生的條件下事件B的概率,%;
P(A)——事件A發(fā)生的概率,%;
P(B)——事件B發(fā)生的概率,%。
貝葉斯公式描述了隨機(jī)變量A和B的關(guān)系,提供了基于先驗(yàn)分布信息和觀察值的系統(tǒng)狀態(tài)預(yù)測方法。貝葉斯網(wǎng)絡(luò)構(gòu)建的方法參照文獻(xiàn)[15],其構(gòu)建基本流程如圖2所示,主要包括:① 基于不同屬性數(shù)據(jù)組成復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)集合;② 采用協(xié)方差方法計(jì)算節(jié)點(diǎn)間相關(guān)性,確定網(wǎng)絡(luò)路徑,構(gòu)建初步的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu);③ 采用最大最小爬山算法,實(shí)現(xiàn)復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化;④ 采用最大似然估計(jì)法,確定復(fù)雜網(wǎng)絡(luò)參數(shù)。

圖2 網(wǎng)絡(luò)模型構(gòu)建的基本流程Figure 2 Basic flowchart of establishment of Bayesian network model
基于煙葉松散回潮2018年全年的1 836批有效數(shù)據(jù),以工藝參數(shù)氣水混合自動(dòng)閥門開度、單位時(shí)間物料累計(jì)量、加水比例、蒸汽自動(dòng)閥門開度和工藝熱風(fēng)溫度為自變量節(jié)點(diǎn),以質(zhì)量指標(biāo)出料含水率和出料溫度為因變量節(jié)點(diǎn)。同時(shí),為確保網(wǎng)絡(luò)模型構(gòu)建的合理性,結(jié)合松散回潮工序的實(shí)際情況,通過添加白名單的方式,約束松散回潮工序復(fù)雜網(wǎng)絡(luò)模型中的工藝參數(shù)與質(zhì)量指標(biāo)間的路徑。運(yùn)用貝葉斯網(wǎng)絡(luò)分析方法,建立了工藝參數(shù)與出料質(zhì)量的貝葉斯網(wǎng)絡(luò)模型,其拓?fù)浣Y(jié)構(gòu)如圖3所示。

圖3 工藝參數(shù)與出料質(zhì)量的貝葉斯網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)
該模型反映了煙葉松散回潮中工藝參數(shù)與質(zhì)量指標(biāo)之間的內(nèi)在關(guān)系,為進(jìn)一步揭示各工藝參數(shù)對質(zhì)量指標(biāo)的影響,通過提取自變量節(jié)點(diǎn)與因變量節(jié)點(diǎn)之間的路徑參數(shù),得到各工藝參數(shù)對出料含水率和出料溫度的影響系數(shù)和權(quán)重,結(jié)果見表1。

表1 工藝參數(shù)對出料含水率和出料溫度的影響系數(shù)和權(quán)重
由表1可知,各工藝參數(shù)對出料含水率有一定影響,且均為同向影響(影響系數(shù)為正),即出料含水率隨各工藝參數(shù)的增大而增大,其影響程度依次為氣水混合自動(dòng)閥門開度>單位時(shí)間物料累計(jì)量>加水比例>蒸汽自動(dòng)閥門開度>工藝熱風(fēng)溫度,影響權(quán)重分別為25.91%,21.56%,20.24%,19.20%,13.10%;各工藝參數(shù)對出料溫度均有一定影響,其中加水比例為反向影響(影響系數(shù)為負(fù)),其影響程度依次為工藝熱風(fēng)溫度>單位時(shí)間物料累計(jì)量>氣水混合自動(dòng)閥門開度>蒸汽自動(dòng)閥門開度>加水比例,影響權(quán)重分別為24.95%,24.90%,24.64%,21.96%,3.56%;氣水混合自動(dòng)閥門開度和工藝熱風(fēng)溫度分別是影響出料含水率和出料溫度最為顯著的影響因素。因此,基于貝葉斯網(wǎng)絡(luò)構(gòu)建的松散回潮工序復(fù)雜網(wǎng)絡(luò)模型,不僅能反映各工藝參數(shù)對質(zhì)量指標(biāo)的影響規(guī)律,還能反映多個(gè)工藝參數(shù)與質(zhì)量指標(biāo)之間的復(fù)雜網(wǎng)絡(luò)關(guān)系,進(jìn)而為工藝參數(shù)優(yōu)化設(shè)計(jì)、工藝技術(shù)標(biāo)準(zhǔn)修訂及加工過程質(zhì)量預(yù)測與維護(hù)提供指導(dǎo)。
為驗(yàn)證上述工藝參數(shù)與出料質(zhì)量貝葉斯網(wǎng)絡(luò)模型的有效性和實(shí)用性,運(yùn)用該網(wǎng)絡(luò)模型,針對該卷煙規(guī)格2019年1~3月煙葉松散回潮產(chǎn)生的451批有效數(shù)據(jù),已知各工藝參數(shù),預(yù)測出料含水率和出料溫度,并與真實(shí)值進(jìn)行對比分析,結(jié)果見圖4、5。
由圖4、5可知,基于煙葉松散回潮生產(chǎn)實(shí)際的工藝參數(shù)數(shù)據(jù),采用網(wǎng)絡(luò)模型對出料含水率和出料溫度進(jìn)行預(yù)測,其預(yù)測值與生產(chǎn)實(shí)際真實(shí)值較接近,且變化趨勢較一致,說明預(yù)測值與真實(shí)值吻合較好。

圖4 出料含水率預(yù)測值與真實(shí)值對比

圖5 出料溫度預(yù)測值與真實(shí)值對比
為進(jìn)一步掌握網(wǎng)絡(luò)模型預(yù)測值與真實(shí)值的吻合程度,結(jié)合煙葉松散回潮工藝技術(shù)標(biāo)準(zhǔn)對出料質(zhì)量的要求,對圖4、5的預(yù)測值和真實(shí)值進(jìn)行統(tǒng)計(jì)分析,其結(jié)果見表2。

表2 網(wǎng)絡(luò)模型預(yù)測值與真實(shí)值統(tǒng)計(jì)分析
由表2可知,出料含水率的工藝技術(shù)標(biāo)準(zhǔn)要求為(17.0±1.5)%,生產(chǎn)實(shí)際值為(16.97±0.075)%,而預(yù)測值為(16.98±0.30)%,占64.34%;出料溫度的工藝技術(shù)標(biāo)準(zhǔn)要求為(58.0±3.0) ℃,生產(chǎn)實(shí)際值為(58.42±0.31) ℃,而預(yù)測值為(58.40±0.50) ℃,占65.72%;說明預(yù)測值具有較好的預(yù)測精度和預(yù)測效果。
綜上,試驗(yàn)構(gòu)建的工藝參數(shù)與出料質(zhì)量貝葉斯網(wǎng)絡(luò)模型在預(yù)測應(yīng)用方面擁有較好的精度和效果,具有較好的實(shí)用價(jià)值和應(yīng)用前景。
基于煙葉松散回潮工藝參數(shù)和出料質(zhì)量數(shù)據(jù)組成的復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)集,采用協(xié)方差方法計(jì)算節(jié)點(diǎn)間相關(guān)性,確定網(wǎng)絡(luò)路徑,初步構(gòu)建復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu),并采用最大最小爬山算法對網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行優(yōu)化,采用最大似然估計(jì)法,確定網(wǎng)絡(luò)路徑參數(shù),構(gòu)建了工藝參數(shù)與出料質(zhì)量貝葉斯網(wǎng)絡(luò)模型,并結(jié)合松散回潮生產(chǎn)實(shí)際情況,通過添加網(wǎng)絡(luò)結(jié)構(gòu)“白名單(允許)”和“黑名單(禁止)”等約束方式,保證了網(wǎng)絡(luò)模型構(gòu)建的合理性。網(wǎng)絡(luò)模型對出料含水率和出料溫度的預(yù)測結(jié)果表明,構(gòu)建的網(wǎng)絡(luò)模型是切實(shí)有效的。后續(xù)可將網(wǎng)絡(luò)模型應(yīng)用于打葉復(fù)烤、潤葉加料、葉絲干燥、加香等卷煙加工關(guān)鍵工序,輔助工藝技術(shù)人員開展過程質(zhì)量維護(hù)、工藝參數(shù)設(shè)計(jì)及工藝標(biāo)準(zhǔn)制修訂,對提升卷煙加工工藝水平意義重大。