卷煙感官質量制絲生產影響因素挖掘
——基于隨機森林分類

王麗芳 李麗萍 丁姍

紅云紅河煙草（集團）有限責任公司紅河卷煙廠

一、引言

卷煙生產過程由制絲、卷接、包裝等多個環節構成，而制絲生產過程是卷煙加工的重要階段，其生產過程中每個工序工藝參數都會對卷煙感官質量、化學成分產生一定的影響[1]。目前，針對制絲工藝參數的變化對卷煙感官質量的影響研究已較多，但系統的制絲工藝參數對卷煙感官質量影響的重要性度量相對欠缺。本文針對我廠紅河A品牌卷煙感官質量評價采用隨機森林分類的方法，挖掘卷煙感官質量制絲生產影響因素，并對其影響重要性排序，作為卷煙產品品質提升的研究依據，確定制絲加工參數優化和試驗研究的方向。

為掌握紅河A品牌卷煙感官質量現狀，調取2019年3月份共23批成品煙支感官質量評吸綜合得分結果，繪制其I-MR控制圖。

圖1 紅河A品牌感官質量得分的I-MR控制圖

從圖可以看出，紅河A品牌各批次間感官質量綜合打分有較大波動，說明紅河A品牌各批次間的感官質量的確存在差異。為驗證評吸員感官質量評價的準確性及各評吸員之間感官質量評價是否存在差異，隨機抽取四名評吸員，對不同樣品評吸的再現性、重復性做一致性檢驗，結果顯示各評吸員自身、評吸員之間、評吸員與標準的一致性較好，證明測量系統可用，卷煙感官質量差異來源于卷煙本身，卷煙感官質量制絲生產影響因素的挖掘不可或缺。

二、數據說明及研究方法

（一）數據來源及說明

紅河A品牌卷煙正式投入生產后，我廠針對每一批次卷煙開展在線針對性評吸，因此本文選擇紅河A牌號為研究對象，探索制絲生產過程卷煙感官質量的影響因素。數據來源于年度內紅河A品牌共139個批次卷煙在線針對性評吸結果，從我廠制造執行系統（MES）調取各批次對應生產全過程共26個可控加工參數數據，并依據集團數據截取規則對過程異常數據進行了處理 。

（二）隨機森林分類

隨機森林是集成學習的重要方法，由Breiman(2001)提出，其分類和bagging 分類非常類似，即從原始訓練樣本集N中有放回的重復抽取n個觀測值作為自助法樣本(bootstrap sample)，根據這個新樣本建造一個(分類)決策樹。在建造樹的過程中并不用所有的變量當候選拆分變量，而是隨機地挑選部分變量來競爭拆分變量，這樣，不僅僅是每棵樹所用的數據是隨機抽取的, 而且每個節點的拆分變量的選擇都是隨機的。

隨機森林是用隨機方式建立一個森林，森林里面有很多決策樹，每一棵決策樹之間是沒有關聯的。當輸入新的樣本時，就讓森林中的每一棵決策樹分別進行判斷，并用票選法決定預測的結果。隨機森林分類的交叉驗證的綜合結果即OOB誤差估計，通過其OOB可知模型誤判率及準確率。

隨機森林能夠處理觀測值很少，或自變量高階交互作用及自變量相關的問題，在現有算法中,其精度是無可比擬的，且隨機森林在分類的應用中可以計算出不同變量屬性的重要性，是卷煙感官質量影響因素挖掘方法的必然之選。

三、實證分析

首先在R軟件下，對全部變量及其觀測值用randomForest()進行擬合，計算其擬合精度，分類結果顯示，隨機森林OOB誤差估計為15.83%。預測類錯判主要在A-B和B-C之間，沒有A-C之間的錯判。由于制絲生產過程卷煙感官質量評價主要用于生產過程改善，不用于標樣定值，此處OOB誤差估計已滿足實際需要。

圖2 隨機森林擬合的變量部分依賴圖

通過隨機森林擬合的變量部分依賴圖可以看出,各變量在因變量的取值上的影響很不一樣。比如最不重要的變量X4僅僅在很小的范圍和Y有關, 而有些變量則是全方位的，據隨機森林Gini指數繪制變量重要性的Pareto圖，并根據二八原則找到17個關鍵變量。

圖3 變量重要性的Pareto圖

為驗證模型有效性，在R軟件下使用predict()函數對模型進行交叉驗證，輸出均方誤差（NMSE）為0.0139669。

四、結論及建議

本文基于隨機森林方法及系統理論，構建了卷煙感官質量制絲生產影響因素挖掘模型，通過對紅河A品牌多個批次生產數據進行分析，研究結論及建議如下：

1.制絲全過程各個工段都存在對卷煙感官質量產生影響的因素，而在二八原則找出的17個關鍵影響因素中，葉絲處理段工藝參數占比最多，由此證明葉絲處理段的影響力舉足輕重。在實際生產過程中，葉絲處理段可調節參數較多、設備可調節范圍較廣，因此為實現卷煙感官質量的穩定和提升，可針對葉絲處理段過程控制穩定性做進一步探索。

2.本文僅在卷煙感官質量制絲生產影響因素的挖掘上做了拋磚引玉，在測試范圍內對部分關鍵參數進行了重要性度量。鑒于制絲連續生產的特點，其生產過程參數牽一發而動全身，在針對卷煙感官質量的改善過程中，可能對其物料消耗、物理指標、化學指標等產生影響。因此，如何對制絲生產過程參數做綜合調控、實現精益生產，還需進一步研究。

3.隨機森林分類方法在在分析定性變量時具有顯著優勢，是一種有效的分類方法，隨著條件的日益成熟以及大數據的推廣，預測精度也會越來越高。因此，立足于滿足消費者的消費習慣和需求，并結合實際生產現狀，可有針對性的將本方法進一步推廣應用到制絲生產工藝參數優化、過程穩定性控制及其加工效果的探索和改善中，以此提高顧客對卷煙產品的滿意度，提高產品市場競爭力。