卷烟叶组化学成分分析及与配方维护的关系

杨 超，万里兴，杨盛刚，黄锡娟，丁根胜，黄新民，袁洪流，刘舒畅，惠建权

贵州中烟工业有限责任公司，贵阳市开发大道96号 550009

卷烟叶组配方设计与维护目前多根据感官及经验的判断，缺乏内在化学成分与感官质量的关联对应。在叶组配方维护设计中最重要的是能够平衡协调组成烟叶的各种内在化学成分［1］，最大限度地保持配方的稳定性和相似性。因此，能否将烟叶中重要的化学成分进行归纳量化并与感官质量相关联显得尤为必要。目前，较多统计方法已在烟叶质量评价中得到了应用［2-9］。作者已对不同牌号卷烟烟叶化学成分差异及化学成分的提取表征进行了分析，发现各牌号卷烟配方均有一条对应的化学成分因子综合得分曲线，曲线的上、下半部分与感官质量关系密切，并将该结论在日常卷烟配方维护中进行了验证［10］。以该研究为基础，选取贵州中烟工业有限责任公司2017年卷烟产品A（15 万箱产量，包含13 个叶组配方的烟叶原料），考察9 个烟叶常规烟叶化学成分指标，以SPSS19.0 软件为工具，通过因子分析、曲线拟合、距离相关分析、聚类分析统计方法对各维护配方叶组烟叶化学成分进行分析，以进一步完善卷烟产品叶组配方维护的评价方式。

1 材料与方法

1.1 材料

贵州中烟2017年产品卷烟A，共计15 万箱产量，包含13 个叶组配方（A1～A13），其中A1、A2、A3、A4为已执行正式配方，其余为待执行配方。

1.2 方法

烟叶化学成分分析检测方式，感官质量评价方法同文献［10］。

1.3 数据统计分析

运用因子分析、距离相关分析、聚类分析法对烟叶化学成分指标进行分析和评价［11］。

2 结果与讨论

2.1 配方叶组化学成分及感官质量分析

卷烟A 13 个维护配方叶组的常规化学成分分析结果和感官质量评价结果分别见表1 和表2，因每个配方都为拟定的正式维护配方，故各配方香气风格及感官质量水平都较为一致，仅个别感官指标存在细微差异。其中A1 为卷烟A 初始配方，A2、A3、A4 为已执行正式配方，其余为待执行维护配方。

由表1 可知，各维护配方叶组烟叶总糖含量在24%～26%之间，还原糖含量在21%～24%之间，总植物碱在2.1%～2.3%之间，氯含量均在0.5%～0.6%之间，总氮含量在2.0%～2.1%之间，钾含量在2.0%～2.2%之间，糖氮比在12～14 之间，氮碱比在0.9～1.0 之间，糖碱比在11～13 之间。从变异系数来看，各维护配方的氯含量和糖碱比变异稍大，总氮含量、总糖含量、还原糖含量变异较小。且维护配方间各化学成分变异系数均小于5%，说明维护配方间叶组整体常规化学成分均较为一致。

表1 13 个卷烟维护配方叶组的化学成分分析结果Tab.1 Chemical components in blended tobacco of 13 maintained cigarette blends

表2 13 个卷烟维护配方叶组的感官评价结果Tab.2 Results of sensory evaluation of blended tobacco of 13 maintained cigarette blends

2.2 配方叶组化学成分因子分析

叶组化学成分因子分析是指通过该方法将配方叶组中的各等级烟叶化学成分指标，共9 个变量x1（总糖）、x2（还原糖）、x3（氯）、x4（总植物碱）、x5（总氮）、x6（钾）、x7（糖氮比）、x8（氮碱比）、x9（糖碱比），提取成 5 个因子 F1、F2、F3、F4、F5，即用较少变量来代替初始较多变量进行的分析。现以A1 配方叶组示例分析。

首先对叶组化学成分数据进行KMO 和Bartlett 球度检验，检验结果表明，KMO 值为0.676，在0.5～1.0 之间，表明适合做因子分析；Bartlett 检验的卡方值为257.546，相伴概率为0.000，小于0.05，认为各变量之间显著相关，适合做因子分析。

A1 配方叶组化学成分相关矩阵R 的特征值、贡献率、累积贡献率见表3。A1 化学成分因子载荷矩阵见表4。由表3 和表4 可知，当提取因子个数为5 时，5 个因子累计贡献率达99.16%，能够解释原始变量99%以上的信息。其中，第1 个因子与总糖、还原糖、氯有较大的正载荷值，贡献率为49.91%。第2 个因子与糖氮比和总氮有较大的正载荷值，贡献率为27.81%。第3 个因子与糖碱比有较大的正载荷值，贡献率为13.03%。第4 个因子反映了总植物碱的信息，贡献率为6.49%。第5个因子反映信息较少，贡献率为1.92%。

表3 A1 配方叶组化学成分相关矩阵R 的特征值、贡献率、累积贡献率Tab.3 Characteristic value, contribution rate and accumulative contribution rate of relative matrix R of chemical components in blended tobacco for cigarette blend A1

表4 A1 配方叶组化学成分因子载荷矩阵Tab.4 Factor loading matrix of chemical components in blended tobacco for cigarette blend A1

以A1 叶组20 个等级烟叶9 种化学成分的得分系数矩阵，计算因子 1（F1）、因子 2（F2）、因子 3（F3）、因子4（F4）、因子5（F5）得分数学模型如下：

用表3 中5 个主因子的方差贡献率，建立该卷烟基于常规化学成分的综合得分数学模型［10］：即综合得分F=0.499F1+0.278F2+0.130F3+0.065F4+0.019F5，然后计算得到该配方叶组中每个等级烟叶的综合得分，见表5。

通过上述统计方法，对其他维护配方叶组进行分析，检验结果及累积贡献率见表6。可知，每个配方的各变量之间显著相关，适合做因子分析。且5 个因子累积贡献率都达98%以上，说明对各维护配方叶组化学成分能够较好地进行因子分析。

表5 A1 配方叶组化学成分因子得分Tab.5 Factor score of chemical components in blended tobacco for cigarette blend A1

表6 各配方叶组KMO 检验、Bartlett 球度检验和累积贡献率Tab.6 KMO test, Bartlett's test and accumulative contribution rate of blended tobacco for each cigarette blend

在得到各维护配方叶组5 个主因子的得分系数后，建立各配方叶组基于常规化学成分的综合得分数学模型，计算出各配方叶组中每个等级烟叶的综合得分，由低到高将综合得分进行排列，见表7。

表7 各配方叶组化学成分因子综合得分Tab.7 Comprehensive scores of factors of chemical components in blended tobacco for each cigarette blend

2.3 配方叶组化学成分因子综合得分曲线拟合

为合理描述各配方叶组因子综合得分的线性或非线性规律，利用曲线估计统计方法进行回归分析。统计得出多项式三次函数在各配方叶组的拟合优度都最高，存在明显的回归关系，见表8。根据级数展开原理，选择六次函数多项式模型对因子得分曲线进行拟合，R2均达到0.97 以上，拟合优度更佳［10］。13 个维护配方叶组化学成分因子综合得分六次函数多项式曲线的R2值及多项式方程见表9。

2.4 配方叶组因子综合得分距离相关分析

距离相关分析是对观测量之间或变量之间相似或不相似程度的一种测量［11］。本研究中选择距离相关分析中的不相似性测量方式以欧氏距离平方作为统计量对13 个配方叶组的化学成分因子综合得分进行统计，即结果的欧氏距离平方值越大，两者差异程度越高，结果见表10。

A1 配方为初始配方，从不相似矩阵表可看出该配方与 A3、A2、A13、A10 配方叶组不相似性最小 ，欧 氏 距离平 方 依次 为 0.112、0.208、0.211、0.234；与A8、A7 配方叶组不相似性最大，欧氏距离平方分别为1.542、1.557。A13 为15 万箱最终维护配方，该配方与A10、A1、A3、A11 配方叶组不相似性最小，欧氏距离平方依次为0.178、0.211、0.273、0.273；与A7、A8 配方叶组不相似性最大，欧氏距离平方分别为0.966、0.950。A2 配方为维护配方叶组中感官质量最优配方，该配方与A3、A1、A10、A13 配方叶组不相似性最小，欧氏距离平方依次为0.092、0.208、0.309、0.382；与A8、A7 配方叶组不相似性最大，欧氏距离平方分别为1.530、1.528。通过以上分析，如从保证配方稳定一致性及提升感官品质角度考虑，A10 及A13 配方叶组为卷烟A 适宜维护配方，A7、A8 配方叶组为卷烟A 欠适宜维护配方。在原料储备充分的情况下，可将A7、A8 两个配方作为欠适宜配方，在配方维护时依据实际情况，直接过渡到之后的A10 或A13 配方叶组，而不是按照以往卷烟叶组配方维护工作中小比例、逐步替代的思路进行。

表8 各配方叶组三次函数模型R2值、F 检验值、相伴概率Tab.8 Values of cubic function model R2, F test and probability of blended tobacco for each cigarette blend

表9 各配方叶组六次函数模型R2值和六次函数多项式方程Tab.9 R2 value of sextic function model and sextic polynomial equation of blended tobacco for each cigarette blend

表10 配方叶组化学成分因子综合得分的欧氏距离平方值Tab.10 Squared Euclidean distance of comprehensive scores of chemical component factors of blended tobacco for each cigarette blend

图1、图2 为A1、A2 配方与其他维护配方的因子综合得分多项式曲线图。从图1 来看，A1 与A3配方曲线最为相似；与A13 较为相似；与A7 配方差异较大，表现为曲线上半部分更偏离y 轴，下半部分更靠近y 轴。感官评吸结果见表2，4 个配方的整体感官质量基本处在同一水平，A7 配方烟气厚实及满足感微有提升，香气质感微有下降。图2中，A2 与A3 配方最为接近，曲线点与趋势基本一致；与A8 配方差异较大。3 个配方整体感官质量处在同一水平，A8 配方香气质感微有下降。配方叶组的化学成分因子综合得分相似性分析结果与卷烟感官质量对应较好。

图1 A1 配方叶组化学成分因子综合得分函数多项式曲线图Fig.1 Curves of polynomial function of comprehensive score of chemical component factors of blended tobacco for cigarette brand A1

图2 A2 配方叶组化学成分因子综合得分函数多项式曲线图Fig.2 Curves of polynomial function of comprehensive score of chemical component factors of blended tobacco for cigarette brand A2

2.5 配方叶组因子综合得分聚类分析

图3 卷烟A 各配方叶组化学成分因子综合得分平均连接（组间）树状图Fig.3 Dendrogram between groups for comprehensive scores of chemical component factors of blended tobacco for cigarette brand A

选择Q 型聚类方式对卷烟A 的13 个配方叶组的化学成分因子综合得分进行统计［11］，为详细比较出配方叶组间相互的差异程度，将聚类范围设定为 2 类～12 类。13 个配方叶组在聚为 2 类～12 类的归属情况见图 3。在分为 2 类时，A1、A2、A3、A10、A13 配方叶组聚集为一类，A4、A5、A6、A7、A8、A9、A11、A12 配方叶组聚集为另一类；在分为3 类时，A1、A2、A3、A10、A13 配方叶组聚集为一类，A4、A5、A6、A7、A8 配方叶组聚集为一类，A9、A11、A12 配方叶组聚集为另一类；以此类推，在分为12 类时，仅A7、A8 两个配方叶组聚集为一类，其余配方叶组都单独作为一类，即13 个配方叶组中A7 与A8 的相似程度最高。因此，13 个维护配方，其间相似程度的高低排序为：A7 和A8、A5 和A6、A4 和 A5 和 A6、A11 和 A12、A2 和 A3、A1 和A2 和 A3、（A4 与 A5 与 A6）和（A7 与 A8）、A9 和（A11 与 A12）、（A10 与 A13）和（A1 与 A2 与 A3）、（A9 与 A11 与 A12）和（A4 与 A5 与 A6 与 A7 与A8）、（A1 与 A2 与 A3 与 A10 与 A13）和其余 8 个维护配方。即从配方一致性角度来说，A7、A8 两个配方之间最为接近，A5、A6、A4 三个配方之间较为接近，而 A4、A5、A6、A7、A8、A9、A11、A12 与A1、A2、A3、A10、A13 配方间差异稍大。

图4 为不同牌号（1A、1B、1C、1D、1E、1F、1G依次为文献［10］中研究的卷烟牌号A、B、C、D、E、F、G）间化学成分因子综合得分的聚类分析树状图。从图4 可以看出，除卷烟牌号1E 与卷烟A 部分配方叶组在最初期聚为一类外，其余卷烟牌号均与卷烟A 的各配方叶组差异较大，未聚集为一类，能够说明卷烟A 内各维护配方叶组之间的相似程度大于不同卷烟牌号，且不同卷烟牌号间差异也更为明显。

图4 不同卷烟配方化学成分因子综合得分平均连接（组间）树状图Fig.4 Dendrogram between groups for comprehensive scores of chemical component factors of blended tobacco for each cigarette brand

由上述分析可知，在理想状况下，叶组配方调整后，可以初始配方为聚类依据，如后续配方能与初始配方聚集在一类，即可认为更加接近原配方。或当一个配方经过多次维护，等级变换已超过100%或更多时，后续维护配方的化学成分因子综合得分聚类应当能够与初始配方聚集为一类，而不是单独一类，或者与其他维护配方一类，这样理论上可以保持该叶组配方化学成分品质的稳定性和初始特征。

3 结论

（1）卷烟A 的 13 个维护配方叶组的5 个因子累积贡献率均达98%以上，说明因子分析后能够有效保证数据的原始信息及后续分析的可靠性。以六次函数多项式模型对各维护配方叶组因子综合得分曲线进行拟合，回归效果理想（R2＞0.97），各配方叶组均可作出一条与化学成分因子综合得分分布十分接近的回归曲线。该曲线可作为各配方化学成分的数据表达形式，定量反映出配方的感官品质水平。这与以往配方感官评价中的语言性定性描述不同，可进行数据定量和便于配方维护后期的评价追溯。

（2）在得到各配方叶组的因子分析综合得分后，提出了依据距离相关分析判断各维护配方间差异大小的方法。该方法能够明确维护配方间的具体差异程度，即可在作者已开展研究的各项化学成分水平范围内，对维护配方间的适宜程度进行直观比较和判断。

（3）将配方叶组化学成分因子综合得分进行聚类分析，可作为判断维护配方与初始配方间相似程度的一种方法。如当一个配方叶组经过多次维护，后续的维护配方的化学成分因子综合得分聚类如能够与初始配方聚集为一类，而不是单独一类，或者与其他维护配方一类，那么理论上可认为在该卷烟品牌维护的长期过程中，其配方叶组化学成分品质的稳定性和初始特征得到了保持。