基于物联网大数据分析的卷烟包装工艺参数自优化研究

蔡培良，李 明，华 卫，易凡竣，龙小昂

(1.红云红河烟草(集团)有限责任公司曲靖卷烟厂，云南 曲靖 655001)(2.深圳华龙讯达信息技术股份有限公司，广东 深圳 518052)

卷烟包装过程中，烟丝的制作工序相对复杂，各项工艺参数设置的准确性直接影响卷烟成品的质量[1-2]。因此，在卷烟包装工序中，优化卷烟工艺参数是提高卷烟工艺生产质量的有效途径[3]。

使用互联网技术完成数据提取、挖掘数据间的关联性等处理过程即为物联网大数据分析方法，应用此方法能够实现信息智能化，从而提高优化效果[4-5]。因此，本文将物联网大数据分析方法应用在卷烟包装工艺参数的优化处理上，通过分析卷烟包装工艺过程中的各项参数，进一步提升成品烟的品质与感官质量。

1 基于物联网技术的大数据分析模型

本文利用物联网大数据实现对卷烟包装工艺参数的深层次挖掘研究[6]，构建基于物联网技术的卷烟包装工艺大数据分析模型。该模型包含物联感知层、数据传输层、数据分析层与数据展示层。

1)物联感知层：采用感知技术及智能设备，实现对卷烟包装工艺参数[7]的自动感知识别。卷烟工艺参数变异系数Pi的计算公式如式(1)所示：

(1)

2)数据传输层：通过移动互联网等媒介，将物联网数据转变成具有固定准则和系统性的元数据，并将元数据传输至系统模型。

3)数据分析层：通过专业数据挖掘算法对规模庞大又缺少直接关联的数据进行分析。

4)数据展示层：通过图表方式将大数据分析所得的不易理解的数据直接显现[8]。

2 卷烟包装工艺参数自优化研究

2.1 包装工艺参数提取

基于已构建的模型，选取卷烟包装工艺参数[9]。以某烟厂的浸梗与螺旋蒸梗工序为例，获取参数指标。数据指标获取后要对蒸梗温度、浸梗水槽水温及蒸梗含水量这3个参数指标进行优化。

为方便烟梗含水量及温度的优化，浸梗水槽水温与螺旋蒸梗工序的出口烟梗含水量需限制在(12.8±0.5)%[10]，工艺考核指标为出口梗丝的整丝率。初始设置水平具体参数见表1。

表1 卷烟包装工艺参数初始设置水平

以生产条件、操作人员及其他参数不变为前提收集样本，随机提取收集的样本，进行蒸梗温度、浸梗水槽水温及蒸梗含水率测试[11]。假设对抽取的5号试样实行工艺提取，按蒸梗温度为96 ℃、浸梗水槽水温为40 ℃及蒸梗含水率为36%的条件，得到出口梗丝整丝率为86%、碎丝率为5%的结果，采用此标准重复提取6次，结果见表2。

表2 提取结果整理表

2.2 参数关联挖掘及优化

参数关联挖掘技术[12]是一种数据解决方式，其将信息资源作为根源挖掘数据内在关联，揭示数据间的联系及准则。

在基于物联网大数据挖掘方法的推理系统上运用资源数据库与工艺参数，再通过关系准则找出最优工艺参数组合。

选取k个工艺参数值的l条数据对象，通过其形成的矩阵对工艺参数实行筛选与寻优。bkl为第k个工艺参数值的第l条数据，工艺参数组合矩阵Bk×l的表达式如下所示：

(2)

3 实验与结果分析

为证明本文所提的基于物联网大数据分析的卷烟包装工艺参数自优化方法的有效性，设计如下验证实验。

本文所使用的操作系统为Windows 10，仿真软件为MATLAB 7.0。实验研究对象为某卷烟厂2019年第2季度第2个月的编号为J1052流水线的生产数据，样本数量为20 000个，大小为1.2 GB，已剔除缺失与损坏数据，保证数据能够在仿真平台上顺利运行。

3.1 数据处理性能对比

对卷烟包装工艺参数进行优化控制前，需对数据进行处理。为验证本文方法对大数据的处理性能，将本文方法与传统的基于多元统计数据处理方法(简称传统方法)进行对比，检验不同方法的数据检索命中率，结果如图1所示。

图1 不同方法数据检索命中率对比

在相同传输时间内，数据检索命中率越高，表示数据处理性能越好。分析图1可知，本文方法数据检索命中率均高于94%，优于传统方法，证明本文方法在处理大数据时的检索命中率更高，为后续参数优化奠定了良好的基础。

3.2 参数提取效率与正确率

为进一步验证本文方法的有效性，将参数提取时间与正确率作为检验指标，对本文方法的参数提取性能展开测试。实验结果见表3。

表3 优化前后参数提取时间与正确率

分析表3可知，本文方法优化后，卷烟包装过程中蒸梗温度、浸梗水槽温度和蒸梗含水率3项参数的提取时间为优化前的25%～52%，优化后的参数提取正确率最高可达98%，可以证明本文方法参数提取速度快、正确率高。

3.3 优化前后蒸梗含水率对比

为了验证本文方法对蒸梗含水率的优化效果，对比分别使用本文方法与传统方法后蒸梗含水率预估值的有效性，结果如图2所示。

图2 蒸梗含水率预估值有效率对比

由图2可看出，采用本文方法得到的蒸梗含水率预估值与实际值的误差小，应用传统方法的误差大，说明本文方法能更准确、有效地对蒸梗含水率进行估计。

3.4 参数优化前后卷烟端部落丝量对比

为验证应用本文方法对包装工业参数的优化效果，将卷烟端部落丝量作为检验指标，指标要求遵照国家标准GB 5606.3—2005《卷烟 第3部分：包装、卷制技术要求及贮运》，落丝量指标标准为小于1.00 g/100支。

实验操作时长为70 s，用Turbula Schatz滚动仪翻滚100支卷烟。为清晰地观察检测结果，随机选取了600个样本，检验参数优化前后的卷烟端部落丝结果，结果如图3所示。

图3 工艺参数优化前后卷烟端部落丝对比

分析图3可知，优化后的卷烟端部落丝量明显降低，落丝量约为优化前的一半。图中随着样本数量的增加，落丝量没有出现显著变化，由此说明本文方法可以有效降低烟卷端部落丝量。

3.5 参数优化前后卷烟整丝率对比

为检验应用本文方法后卷烟整丝率的变化情况，在人工、机械器材及原材料不变的前提下，对所选取的900个样本进行优化前后的整丝率测试，对比结果如图4所示。

图4 工艺参数优化前后的整丝率对比

分析图4可知，优化后的卷烟整丝率高于优化前约两倍，可以证明本文方法可提升卷烟整丝率。

3.6 优化前后烟丝性能及感官对比

为进一步验证本文方法的优化效果，对制备卷烟样品及感官进行评测：将样品卷制后，放至恒温恒湿箱中(温度22 ℃，相对湿度60%)一天后评测。将样本分成两组进行对比，参与评测人员8人以上，总分100分，卷烟参数优化前与优化后的感官质量对比结果见表4，烟丝的物理质量对比结果见表5。

表4 工艺参数优化前后卷烟感官质量对比

表5 工艺参数优化前后烟丝物理性能对比

分析表4可知，参数优化后的卷烟感官质量大幅度提高，香气、光泽、刺激性及杂气等都高于参数优化前，优化后的总体评分高于优化前0.81分。分析表5可知，参数优化后的烟丝物理性能各方面均有所提升，其中优化后的含末率仅为1.01%。可以证明本文方法对卷烟包装工艺参数的优化效果较好。

4 结束语

本文利用物联网大数据分析技术设计的卷烟包装工艺参数自优化方法通用性强，为优化卷烟工艺参数提供了一种新的解决方法，可以有效提升卷烟包装工艺各项性能。但是，目前的研究工作仅通过较为简单的实例来验证实现方案的可行性，要真正在实践中体现其价值，还需要进行后续的处理并进一步完善对复杂数据模型的支持。