基于数据挖掘的滤棒生产工艺参数优化研究

• 作 者: 李嘉霖
• 出 处: 云南财经大学
• 发表日期: 2020年07期
• 关键词: 卷烟滤棒 质量控制 工艺参数优化 机器学习 遗传算法

我国卷烟工业从起步至今已经有100多年的历史,从当初卷烟市场70%的产品是由国外进口或者外国资本在华生产,到实现中国烟草“走出去”战略,我国烟草行业得到了快速的发展。烟草行业已经成为我国国民经济体系中的一个重要组成部分。烟草行业的蓬勃发展也让卷烟企业之间的竞争变得日益激烈,提高消费者满意度成为了烟草企业的重点研究工作之一。而卷烟质量的好坏是衡量消费者满意度的关键度量因素,因此对企业的运营和发展而言进一步提升产品质量也变得越来越重要,某种意义上来说,产品质量决定了企业的核心竞争力。随着烟草企业信息化进程的不断推进,烟草企业中积累的质量管理和生产数据迅速增加,企业希望能够对这些数据进行深层次的挖掘,为企业的管理和决策提供帮助。面对海量、信息密度低的数据,传统的统计分析方法已经不能很好的解决问题,企业迫切需要一种新的方法来完成这项任务。数据挖掘是一种从海量数据中提取隐含、潜在的有价值的信息的技术。运用数据挖掘技术实现质量问题的诊断以及优化,为提高企业产品质量、增加企业竞争力提供了一种有效的手段。而烟草企业作为传统生产企业,数据挖掘在其质量管理及优化方面的研究却较少。随着人们健康意识的不断提升,卷烟滤棒的质量在烟草企业中也越来越受到重视。卷烟滤棒作为生产卷烟的重要原材料之一,其质量的稳定对于卷烟整体质量的稳定起着至关重要的作用。滤棒吸阻的大小既影响卷烟的整体口感,也影响着有害物质的吸附效果。生产过程中如何通过调整生产工艺参数,使滤棒吸阻稳定在设定值附近,降低生产波动,成为烟草企业急需解决的一大问题。本文运用数据挖掘技术对影响滤棒吸阻波动的因素进行分析,并对滤棒生产工艺参数的设定进行了优化。本文首先利用滤棒生产线上的实时生产数据,提出移动标准偏差和直接计算标准偏差两种数据处理方式,计算出滤棒吸阻的标准偏差来刻画滤棒吸阻波动情况。之后运用机器学习方法,对两组数据分别构建影响滤棒吸阻波动的数学模型。通过模型对比,最终采用移动标准偏差处理后的数据并运用随机森林算法进行模型构建。对牌号、丝束规格、吸阻设定标准和不同生产时段四个不同情况下的滤棒吸阻波动分别进行了差异性分析。在此基础上基于遗传算法,提出两种优化方案,分别预测出调整后的生产工艺参数。经过验证后发现,运用随机森林模型和遗传算法能很好的对滤棒生产工艺参数进行优化,降低滤棒吸阻波动,提高产品的质量,降低企业在生产过程中的质量成本,从而提高企业的核心竞争力。