烟草观察

龙岩烟草工业:大数据精确控制烘丝入口水分

李兰馨 陈晓杜    2016-11-18

  在现代化卷烟工厂,信息技术实现了生产全过程的可追溯。每一刻,庞大的数据从生产线上的各道工序中流出,汇入数据库,记录了在线质量、设备运行、能源消耗等各维度参数。单一的数据能反映的信息十分有限,若对海量数据进行分析,也许能够从趋势变化中发现许多问题、分解事物间的关系。运用数据分析重要的意义之一,便是在随机中掌握必然,从无序中提取规律。

  烘丝入口水分是一项对在线制品工艺具有相当影响的指标。以烘丝后烟丝的填充值为例,试验证明,合理地控制来料水分,可以使得烘丝后烟丝的填充值提高20%以上,对生产过程中实现质量控制、节支降耗等指标要求具有重要的意义。对烘丝入口水分的控制,主要通过调整松片回潮加水比例实现。以往,松片回潮工序加水比例的设置主要由工艺员根据个人经验确定,多利用如“加a升/100千克水,烘丝入口水分提高b个百分点”此类正比例算法进行计算。

  然而,从松片回潮入口到烘丝入口,一共有5道工序和4个水分仪监控,影响烘丝前入口水分数据的因素有很多,例如水分仪零点值的调整、生产过程中是否留柜、环境温湿度的变化等,导致烘丝入口水分出现较大波动,因此凭经验调节松片回潮加水比例控制烘丝入口水分值的方法,存在一定的滞后性。那么,如何提高松散回潮前加水比例的准确性,降低烘丝前水分值波动、提高工艺质量稳定性呢?

  2014年,福建中烟龙岩烟草工业公司开展“基于多元回归分析的烘丝入口水分相关性研究及其应用”项目,项目组主要推进的思路是通过对历史生产数据挖掘分析,采用多元回归分析方法和神经网络算法,分阶段建立烘丝入口含水率预测模型,再通过模型求解,给出不同环境温湿度及不同贮柜停留时长等因素的影响下,指定烘丝入口含水率对应的松片回潮加水比例参考值,从而实现对烘丝入口水分的精确控制。

  STEP1:数据提纯(P)

  历史数据预处理是特别关键的一环,直接影响到后续建模计算的有效性。通过提取“七匹狼”精品线“七匹狼”(红)、“七匹狼”(软灰)两个主要牌号两年间的各工序相关生产数据样本,确定各个工序影响水分数据的相关变量18个。而后,通过样本数据筛选、水分仪零点值修正、留柜情况聚类等步骤进行数据预处理,并通过Pearson相关性检验、Lilliefors正态性检验等统计学方法,验证变量数据间的相关性和样本数据的有效性。

  STEP2:分段建模(D)

  以制丝生产线中各水分仪为节点,将烘丝前工序分成4个阶段,利用多元回归分析方法或者神经网络模型,建立环境温湿度等影响下、每个分节中烟叶或烟丝的入口与出口水分关系模型,并对每个模型的拟合和预测效果进行评价。模型求解过程中,依据这些分阶段模型逐一倒推,阶段递进,从设定烘丝入口含水率向前求解松散回潮加水比例。

  STEP3:效果验证(C)

  建模计算只是项目实施过程中的第一步,通过计算得出的数据,是否能够有效应用于生产中,需要实践来检验。项目组通过程序开发,将模型写入生产集控系统中,实现根据模型自动计算松散回潮加水比例参考值的功能,并通过生产实际应用对进行了预测水分值误差测试,求证实际烘丝入口含水率与预测含水率是否吻合。测试综合考虑各种不同变量的影响,分别进行了测试,如生产流程中贮叶柜、预混柜是否留柜等情况,同时也考虑了各个季节的环境温湿度变化,进行了长达一年的反复验证和模型改进,最终准确预测比例都达到了95%以上。

  STEP4:模型优化(A)

  整个模型在验证的过程中,以减小预测误差为导向,持续进行参数修正。同时根据建模数据来源的时间变化,对模型进行不断更新,确保模型的准确性。

  由于项目是由过去历史生产数据为依据,预测当下乃至未来的生产数据,面对庞大而复杂的数据变量以及多种在线生产情况,在项目建模过程中,需要具体问题具体分析,项目组运用了多种统计学及建模算法相结合,并且在日常应用当中不断调整建模参数,确保项目的科学客观性。同时,项目管理遵循IS-PDCA方法论,通过建模—验证—应用—优化的流程,保障项目的最终成效。

  目前,该项目已作为水分控制数据工具,应用于制丝车间集控系统中,由于项目的突破与创新意义,国家烟草专卖局在此基础上开展了“面向大数据的卷烟生产过程智能化控制技术研究与应用”项目,拓宽数据分析预测含水率方法在卷烟生产过程中的应用范围,龙烟以主要承担单位参与其中,进行生产数据样本的基础研究工作。

来源:东方烟草报
相关文章