成紗強力預測模型在生產實踐中的應用

范琥躍

(無錫市第一棉紡織廠，江蘇 無錫 214101)

?

成紗強力預測模型在生產實踐中的應用

范琥躍

(無錫市第一棉紡織廠，江蘇 無錫 214101)

運用Excel的回歸分析功能對原棉的HVI數據進行運算處理，建立成紗強力預測模型，經分析得出需要根據每個配棉建立個性化的模型，建模數據組必須體現成紗強力隨原棉性能參數變動的特征，原棉性能參數的變動要有合適的范圍。

配棉；成紗；強力；預測；模型

在棉紡廠的生產實踐中，需要通過原棉性能參數預測成紗品質，特別是成紗強力，這涉及到能否使原棉物盡其用，有著重要的經濟意義。業內專家學者一直在嘗試建立科學的預測模型，主要的研究方法有回歸統計、神經網絡和模糊數學等[1～2]，本文針對目前預測模型普遍存在的運算繁瑣、適用性差等問題[3]，運用Excel的回歸分析以及作圖功能，對大量實踐數據進行反復運算并結合試紡論證和追蹤分析，探索了在棉紡廠生產實踐中建模、用模的方法。

1 模型自變量

HVI檢驗的參數從不同角度反映了原棉的物理性能，但過多的參數不利于組批、倉儲管理和分類排隊。根據大量數據試驗，綜合分析評價原棉各項參數的相互關系以及對成紗強力的影響程度，確定上半部平均長度、整齊度指數、斷裂比強度和馬克隆值為預測模型的四個自變量。

2 模型研究方法

為實現簡單快捷的運算以便在生產實踐中推廣應用，文章采用多元線性回歸分析的建模方法，必要時則采用多個線性模型的組合表達非線性關系。回歸分析可以用手工運算、計算機編程或者SSPS等統計軟件[4]，本文采用最常見的Office Excel(2003)軟件。

3 預測模型的建立

3.1 建模數據組

正常接批時原棉性能參數及其對應的成紗強力數據波動較小，這樣的數據組無法正確體現兩者的相關關系，據此建立的模型甚至會出現上半部平均長度的偏回歸系數及其偏相關系數為負值的明顯錯誤。因此，需要選取或者通過試紡得到成紗強力隨原棉性能參數變化的建模數據組進行模型訓練，原棉的HVI檢測數據和成紗強力檢測數據都會有異常數據，需要加以識別剔除，以免干擾建模。

在Excel中輸入建模數據組，一般要20組以上，為便于作圖分析，可以按實測強力排序，格式見表1，通過回歸分析即可得到有關參數。

圖1中為某細甲配棉CJ 14.6 tex的實測成紗強力隨原棉性能參數變化的曲線圖和用多元線性回歸分析得到模型進行預測的強力曲線圖，通過圖形分析模型的預測情況。

圖1 CJ 14.6 tex實測強力與預測強力曲線圖

預測模型：

Y= -575.81+8.95963X1+6.602897X2+2.773435X3-1.71408X4

式中：Y-JC 14.6 tex成紗強力(cN)

X1-原棉上半部平均長度(mm)

X2-原棉整齊度指數(%)

X3-原棉斷裂比強度(cN/tex)

X4-原棉馬克隆值

回歸統計參數：復相關系數0.978282，擬合優度0.957073，校正測定系數0.950162，標準誤差3.712623。原棉性能參數與成紗強力的偏相關系數見表2。

表1 建模數據組格式

表2 原棉性能參數與成紗強力的偏相關系數

3.2 自變量有效區間

回歸分析得出的模型只能內插不能外推，即在自變量-原棉性能參數的有效區間適用，否則不適用。所謂自變量有效區間就是指建模時所采用的原棉性能參數變化范圍。上述預測模型的自變量有效范圍見表3。

表3 自變量有效區間

若自變量有效區間過小，模型的相關性差，適用范圍小；若自變量有效區間過大，則原棉性能參數與成紗強力之間的非線性關系凸顯，預測偏差增大，需要分段建模，分段預測。

4 模型的適用性

一個通用的成紗質量預測模型比較適用于棉檢和棉花加工部門評價原棉品質，而用于指導棉紡廠配棉則顯不足，適用性差，擬合優度低，甚至趨勢都不一致，這是因為影響成紗強力的不僅是原棉的HVI參數，還有許多其它因素。

4.1 棉種(產地)對模型的影響

表4是兩種原棉的HVI數據，從數據看B棉種遠優于A棉種，但實際上用A棉種紡制的成紗強力比用B棉種紡制的成紗強力高7%～10%，顯然A棉種與B棉種的預測模型是不同的。HVI對纖維表面摩擦特性等對成紗強力有較大影響的參數沒有直接有效的檢測，不能完全代表棉纖維的物理性能，因而以HVI為基礎建立的模型有一定缺陷。根據經驗，當棉種(產地)跨度比較大時必須建新模型，開始時可以保留部分原建模數據組，以后逐步更替。

表4 不同棉種(產地)的HVI值

4.2 紡紗過程對模型的影響

紡紗設備、工藝、品種等對成紗強力的預測模型有相當大的影響，例如清梳聯對棉纖維有損傷，會影響成紗強力，特別是用長絨棉時更為明顯；在成紗斷裂時，粗號紗的纖維斷裂比例大，預測模型中的斷裂比強度的偏相關系數就大；細號紗的纖維滑脫比例大，預測模型中的馬克隆值的偏相關系數就大；成紗的重不勻、條干、捻度及不勻也會影響成紗強力，預測模型也會不同。

4.3 建立個性化模型

通過以上分析可以看出，影響成紗強力的因素比較多，用一個通用模型難以涵蓋所有情況，通過實踐發現每個配棉(對應一條生產線，固定一個代表品種)單獨建一個模型可以較好地解決這個問題，獲得理想的擬合優度，如果該配棉供應的號數范圍較廣，則需要建兩個及以上的模型。Excel操作簡單再結合直觀的圖形，為在生產中快速批量地建立預測模型并進行分析提供了一個高效的工具。

4.4 其它

通過建立個性化的模型可以發現每個成紗品種對原棉性能參數需求的側重不同，從而引導精準采購，并制定相應的組批規則，指導分類排隊。

棉與化纖混紡的產品，由于化纖是工業產品，性能穩定，混紡紗的強力波動主要由棉花接批、并批引起，同樣可以通過棉花性能參數的波動預測成紗強力。

建模數據組需要日常維護，去偽存真，及時更新，并同步更新模型，分析預測情況。

5 結束語

目前成紗質量的預測主要依靠人工經驗，這難免會產生過剩質量或者質量的波動。隨著原棉HVI檢測的普及，預測模型理論的完善，為科學預測奠定了堅實的基礎，現在已經到了實際應用的階段。通過長期的建模用模實踐，我們得出以下結論：

5.1 用預測模型指導配棉時，需要根據每個配棉建立個性化的模型，棉種(產地)、設備工藝、細度等變動大時需要建新模。

5.2 建模數據組必須體現成紗強力隨原棉性能參數變動的特征，原棉性能參數的變動要有合適的范圍，從而獲得較好的相關性和合適的有效區間，必要時可采用多個線性模型替代非線性關系。

5.3 隨著在棉花貿易中越來越廣泛地采用HVI數據，用預測模型指導原棉采購，對于降低成本、穩定質量具有非常積極的意義。經過數年實踐，采用本文的方法，配棉等級平均可降低0.5級，成紗強力也未出現大的波動。

[1] 董奎勇，于偉東.基于BP神經網絡的紡紗質量預報模型[J].東華大學學報(自然科學版)，2005，31(2)：88—92.

[2] 張麗娟，陳兵林，薛曉萍，等.棉花成紗品質質量模型的評價[J].紡織學報，2005，26(6)：133—135.

[3] 王美紅.基于HVI數據棉纖維品質指數模型的構建[J].紡織學報，2014，35(10)：40—45.

[4] 張麗娟，孟亞利，薛曉萍，等.棉纖維綜合品質指數模型構建[J].中國農業科學，2006，36(6)：1130—1137.

Applications of Prediction Model of Yarn Strength in Practice

FanHuyue

(Wuxi First Cotton Mill, Wuxi 214101, China)

The HVI data of raw cotton was operated and processed by means of regression analysis of Excel, a prediction model of yarn strength was established. By comparison, we found each cotton assorting should establish an individual model, modeling data should reflect change of yarn strength varied with properties of raw cotton. The parameter of raw cotton variation should be within reasonable range.

cotton assorting; yarn; strength; prediction; model

2016-05-14

范琥躍(1958—)，男，江蘇無錫人，高級工程師。

TS101.92+2.3

B

1009-3028(2016)04-0013-03