卷煙葉組化學成分分析及與配方維護的關系

楊 超，萬里興，楊盛剛，黃錫娟，丁根勝，黃新民，袁洪流，劉舒暢，惠建權

貴州中煙工業有限責任公司，貴陽市開發大道96號 550009

卷煙葉組配方設計與維護目前多根據感官及經驗的判斷，缺乏內在化學成分與感官質量的關聯對應。在葉組配方維護設計中最重要的是能夠平衡協調組成煙葉的各種內在化學成分［1］，最大限度地保持配方的穩定性和相似性。因此，能否將煙葉中重要的化學成分進行歸納量化并與感官質量相關聯顯得尤為必要。目前，較多統計方法已在煙葉質量評價中得到了應用［2-9］。作者已對不同牌號卷煙煙葉化學成分差異及化學成分的提取表征進行了分析，發現各牌號卷煙配方均有一條對應的化學成分因子綜合得分曲線，曲線的上、下半部分與感官質量關系密切，并將該結論在日常卷煙配方維護中進行了驗證［10］。以該研究為基礎，選取貴州中煙工業有限責任公司2017年卷煙產品A（15 萬箱產量，包含13 個葉組配方的煙葉原料），考察9 個煙葉常規煙葉化學成分指標，以SPSS19.0 軟件為工具，通過因子分析、曲線擬合、距離相關分析、聚類分析統計方法對各維護配方葉組煙葉化學成分進行分析，以進一步完善卷煙產品葉組配方維護的評價方式。

1 材料與方法

1.1 材料

貴州中煙2017年產品卷煙A，共計15 萬箱產量，包含13 個葉組配方（A1～A13），其中A1、A2、A3、A4為已執行正式配方，其余為待執行配方。

1.2 方法

煙葉化學成分分析檢測方式，感官質量評價方法同文獻［10］。

1.3 數據統計分析

運用因子分析、距離相關分析、聚類分析法對煙葉化學成分指標進行分析和評價［11］。

2 結果與討論

2.1 配方葉組化學成分及感官質量分析

卷煙A 13 個維護配方葉組的常規化學成分分析結果和感官質量評價結果分別見表1 和表2，因每個配方都為擬定的正式維護配方，故各配方香氣風格及感官質量水平都較為一致，僅個別感官指標存在細微差異。其中A1 為卷煙A 初始配方，A2、A3、A4 為已執行正式配方，其余為待執行維護配方。

由表1 可知，各維護配方葉組煙葉總糖含量在24%～26%之間，還原糖含量在21%～24%之間，總植物堿在2.1%～2.3%之間，氯含量均在0.5%～0.6%之間，總氮含量在2.0%～2.1%之間，鉀含量在2.0%～2.2%之間，糖氮比在12～14 之間，氮堿比在0.9～1.0 之間，糖堿比在11～13 之間。從變異系數來看，各維護配方的氯含量和糖堿比變異稍大，總氮含量、總糖含量、還原糖含量變異較小。且維護配方間各化學成分變異系數均小于5%，說明維護配方間葉組整體常規化學成分均較為一致。

表1 13 個卷煙維護配方葉組的化學成分分析結果Tab.1 Chemical components in blended tobacco of 13 maintained cigarette blends

表2 13 個卷煙維護配方葉組的感官評價結果Tab.2 Results of sensory evaluation of blended tobacco of 13 maintained cigarette blends

2.2 配方葉組化學成分因子分析

葉組化學成分因子分析是指通過該方法將配方葉組中的各等級煙葉化學成分指標，共9 個變量x1（總糖）、x2（還原糖）、x3（氯）、x4（總植物堿）、x5（總氮）、x6（鉀）、x7（糖氮比）、x8（氮堿比）、x9（糖堿比），提取成 5 個因子 F1、F2、F3、F4、F5，即用較少變量來代替初始較多變量進行的分析。現以A1 配方葉組示例分析。

首先對葉組化學成分數據進行KMO 和Bartlett 球度檢驗，檢驗結果表明，KMO 值為0.676，在0.5～1.0 之間，表明適合做因子分析；Bartlett 檢驗的卡方值為257.546，相伴概率為0.000，小于0.05，認為各變量之間顯著相關，適合做因子分析。

A1 配方葉組化學成分相關矩陣R 的特征值、貢獻率、累積貢獻率見表3。A1 化學成分因子載荷矩陣見表4。由表3 和表4 可知，當提取因子個數為5 時，5 個因子累計貢獻率達99.16%，能夠解釋原始變量99%以上的信息。其中，第1 個因子與總糖、還原糖、氯有較大的正載荷值，貢獻率為49.91%。第2 個因子與糖氮比和總氮有較大的正載荷值，貢獻率為27.81%。第3 個因子與糖堿比有較大的正載荷值，貢獻率為13.03%。第4 個因子反映了總植物堿的信息，貢獻率為6.49%。第5個因子反映信息較少，貢獻率為1.92%。

表3 A1 配方葉組化學成分相關矩陣R 的特征值、貢獻率、累積貢獻率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 配方葉組化學成分因子載荷矩陣Tab.4 Factor loading matrix of chemical components in blended tobacco for cigarette blend A1

以A1 葉組20 個等級煙葉9 種化學成分的得分系數矩陣，計算因子 1（F1）、因子 2（F2）、因子 3（F3）、因子4（F4）、因子5（F5）得分數學模型如下：

用表3 中5 個主因子的方差貢獻率，建立該卷煙基于常規化學成分的綜合得分數學模型［10］：即綜合得分F=0.499F1+0.278F2+0.130F3+0.065F4+0.019F5，然后計算得到該配方葉組中每個等級煙葉的綜合得分，見表5。

通過上述統計方法，對其他維護配方葉組進行分析，檢驗結果及累積貢獻率見表6。可知，每個配方的各變量之間顯著相關，適合做因子分析。且5 個因子累積貢獻率都達98%以上，說明對各維護配方葉組化學成分能夠較好地進行因子分析。

表5 A1 配方葉組化學成分因子得分Tab.5 Factor score of chemical components in blended tobacco for cigarette blend A1

表6 各配方葉組KMO 檢驗、Bartlett 球度檢驗和累積貢獻率Tab.6 KMO test, Bartlett's test and accumulative contribution rate of blended tobacco for each cigarette blend

在得到各維護配方葉組5 個主因子的得分系數后，建立各配方葉組基于常規化學成分的綜合得分數學模型，計算出各配方葉組中每個等級煙葉的綜合得分，由低到高將綜合得分進行排列，見表7。

表7 各配方葉組化學成分因子綜合得分Tab.7 Comprehensive scores of factors of chemical components in blended tobacco for each cigarette blend

2.3 配方葉組化學成分因子綜合得分曲線擬合

為合理描述各配方葉組因子綜合得分的線性或非線性規律，利用曲線估計統計方法進行回歸分析。統計得出多項式三次函數在各配方葉組的擬合優度都最高，存在明顯的回歸關系，見表8。根據級數展開原理，選擇六次函數多項式模型對因子得分曲線進行擬合，R2均達到0.97 以上，擬合優度更佳［10］。13 個維護配方葉組化學成分因子綜合得分六次函數多項式曲線的R2值及多項式方程見表9。

2.4 配方葉組因子綜合得分距離相關分析

距離相關分析是對觀測量之間或變量之間相似或不相似程度的一種測量［11］。本研究中選擇距離相關分析中的不相似性測量方式以歐氏距離平方作為統計量對13 個配方葉組的化學成分因子綜合得分進行統計，即結果的歐氏距離平方值越大，兩者差異程度越高，結果見表10。

A1 配方為初始配方，從不相似矩陣表可看出該配方與 A3、A2、A13、A10 配方葉組不相似性最小 ，歐 氏 距離平 方 依次 為 0.112、0.208、0.211、0.234；與A8、A7 配方葉組不相似性最大，歐氏距離平方分別為1.542、1.557。A13 為15 萬箱最終維護配方，該配方與A10、A1、A3、A11 配方葉組不相似性最小，歐氏距離平方依次為0.178、0.211、0.273、0.273；與A7、A8 配方葉組不相似性最大，歐氏距離平方分別為0.966、0.950。A2 配方為維護配方葉組中感官質量最優配方，該配方與A3、A1、A10、A13 配方葉組不相似性最小，歐氏距離平方依次為0.092、0.208、0.309、0.382；與A8、A7 配方葉組不相似性最大，歐氏距離平方分別為1.530、1.528。通過以上分析，如從保證配方穩定一致性及提升感官品質角度考慮，A10 及A13 配方葉組為卷煙A 適宜維護配方，A7、A8 配方葉組為卷煙A 欠適宜維護配方。在原料儲備充分的情況下，可將A7、A8 兩個配方作為欠適宜配方，在配方維護時依據實際情況，直接過渡到之后的A10 或A13 配方葉組，而不是按照以往卷煙葉組配方維護工作中小比例、逐步替代的思路進行。

表8 各配方葉組三次函數模型R2值、F 檢驗值、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 各配方葉組六次函數模型R2值和六次函數多項式方程Tab.9 R2 value of sextic function model and sextic polynomial equation of blended tobacco for each cigarette blend

表10 配方葉組化學成分因子綜合得分的歐氏距離平方值Tab.10 Squared Euclidean distance of comprehensive scores of chemical component factors of blended tobacco for each cigarette blend

圖1、圖2 為A1、A2 配方與其他維護配方的因子綜合得分多項式曲線圖。從圖1 來看，A1 與A3配方曲線最為相似；與A13 較為相似；與A7 配方差異較大，表現為曲線上半部分更偏離y 軸，下半部分更靠近y 軸。感官評吸結果見表2，4 個配方的整體感官質量基本處在同一水平，A7 配方煙氣厚實及滿足感微有提升，香氣質感微有下降。圖2中，A2 與A3 配方最為接近，曲線點與趨勢基本一致；與A8 配方差異較大。3 個配方整體感官質量處在同一水平，A8 配方香氣質感微有下降。配方葉組的化學成分因子綜合得分相似性分析結果與卷煙感官質量對應較好。

圖1 A1 配方葉組化學成分因子綜合得分函數多項式曲線圖Fig.1 Curves of polynomial function of comprehensive score of chemical component factors of blended tobacco for cigarette brand A1

圖2 A2 配方葉組化學成分因子綜合得分函數多項式曲線圖Fig.2 Curves of polynomial function of comprehensive score of chemical component factors of blended tobacco for cigarette brand A2

2.5 配方葉組因子綜合得分聚類分析

圖3 卷煙A 各配方葉組化學成分因子綜合得分平均連接（組間）樹狀圖Fig.3 Dendrogram between groups for comprehensive scores of chemical component factors of blended tobacco for cigarette brand A

選擇Q 型聚類方式對卷煙A 的13 個配方葉組的化學成分因子綜合得分進行統計［11］，為詳細比較出配方葉組間相互的差異程度，將聚類范圍設定為 2 類～12 類。13 個配方葉組在聚為 2 類～12 類的歸屬情況見圖 3。在分為 2 類時，A1、A2、A3、A10、A13 配方葉組聚集為一類，A4、A5、A6、A7、A8、A9、A11、A12 配方葉組聚集為另一類；在分為3 類時，A1、A2、A3、A10、A13 配方葉組聚集為一類，A4、A5、A6、A7、A8 配方葉組聚集為一類，A9、A11、A12 配方葉組聚集為另一類；以此類推，在分為12 類時，僅A7、A8 兩個配方葉組聚集為一類，其余配方葉組都單獨作為一類，即13 個配方葉組中A7 與A8 的相似程度最高。因此，13 個維護配方，其間相似程度的高低排序為：A7 和A8、A5 和A6、A4 和 A5 和 A6、A11 和 A12、A2 和 A3、A1 和A2 和 A3、（A4 與 A5 與 A6）和（A7 與 A8）、A9 和（A11 與 A12）、（A10 與 A13）和（A1 與 A2 與 A3）、（A9 與 A11 與 A12）和（A4 與 A5 與 A6 與 A7 與A8）、（A1 與 A2 與 A3 與 A10 與 A13）和其余 8 個維護配方。即從配方一致性角度來說，A7、A8 兩個配方之間最為接近，A5、A6、A4 三個配方之間較為接近，而 A4、A5、A6、A7、A8、A9、A11、A12 與A1、A2、A3、A10、A13 配方間差異稍大。

圖4 為不同牌號（1A、1B、1C、1D、1E、1F、1G依次為文獻［10］中研究的卷煙牌號A、B、C、D、E、F、G）間化學成分因子綜合得分的聚類分析樹狀圖。從圖4 可以看出，除卷煙牌號1E 與卷煙A 部分配方葉組在最初期聚為一類外，其余卷煙牌號均與卷煙A 的各配方葉組差異較大，未聚集為一類，能夠說明卷煙A 內各維護配方葉組之間的相似程度大于不同卷煙牌號，且不同卷煙牌號間差異也更為明顯。

圖4 不同卷煙配方化學成分因子綜合得分平均連接（組間）樹狀圖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，在理想狀況下，葉組配方調整后，可以初始配方為聚類依據，如后續配方能與初始配方聚集在一類，即可認為更加接近原配方。或當一個配方經過多次維護，等級變換已超過100%或更多時，后續維護配方的化學成分因子綜合得分聚類應當能夠與初始配方聚集為一類，而不是單獨一類，或者與其他維護配方一類，這樣理論上可以保持該葉組配方化學成分品質的穩定性和初始特征。

3 結論

（1）卷煙A 的 13 個維護配方葉組的5 個因子累積貢獻率均達98%以上，說明因子分析后能夠有效保證數據的原始信息及后續分析的可靠性。以六次函數多項式模型對各維護配方葉組因子綜合得分曲線進行擬合，回歸效果理想（R2＞0.97），各配方葉組均可作出一條與化學成分因子綜合得分分布十分接近的回歸曲線。該曲線可作為各配方化學成分的數據表達形式，定量反映出配方的感官品質水平。這與以往配方感官評價中的語言性定性描述不同，可進行數據定量和便于配方維護后期的評價追溯。

（2）在得到各配方葉組的因子分析綜合得分后，提出了依據距離相關分析判斷各維護配方間差異大小的方法。該方法能夠明確維護配方間的具體差異程度，即可在作者已開展研究的各項化學成分水平范圍內，對維護配方間的適宜程度進行直觀比較和判斷。

（3）將配方葉組化學成分因子綜合得分進行聚類分析，可作為判斷維護配方與初始配方間相似程度的一種方法。如當一個配方葉組經過多次維護，后續的維護配方的化學成分因子綜合得分聚類如能夠與初始配方聚集為一類，而不是單獨一類，或者與其他維護配方一類，那么理論上可認為在該卷煙品牌維護的長期過程中，其配方葉組化學成分品質的穩定性和初始特征得到了保持。