煙葉松散回潮工藝參數和出料質量的貝葉斯網絡模型構建與預測

唐 軍 唐 麗 文里梁 何邦華 林文強 曾仲大 馬 寧 周 冰

(1. 云南中煙工業有限責任公司，云南 昆明 650231；2. 大連達碩信息技術有限公司，遼寧 大連 116023)

松散回潮是卷煙制絲工藝中的關鍵工序之一，其主要作用是增加煙片含水率和溫度，提高煙片的耐加工性，松散煙片，并減輕雜氣、刺激性，改善細膩程度[1]。松散回潮工序一般采用密閉滾筒式加工設備，主要涉及煙葉松散、噴嘴霧化加濕、蒸汽和循環熱風增溫等復雜過程，具有工藝參數多、影響因素復雜、規律摸索難等特點。陳杰等[2]研究了回風溫度、工藝蒸汽系數等對煙葉物理質量舒展率的影響；邵惠芳等[3]研究了回風溫度對煙葉化學成分與中性致香物質的影響；高翔等[4]研究了熱風溫度對煙葉內在質量的影響；唐軍等[5]研究了回風溫度對成品煙絲致香物質的影響；鄧國棟等[6]研究了回風溫度對烤煙煙葉感官特性的影響。李秀芳[7]開展了松散回潮關鍵工藝參數過程控制系統的優化設計，通過回風溫度和含水率控制結構，優化其工藝參數，使松散回潮出口煙葉溫度和含水率的波動減小，出口含水率平均標偏從0.43% 降至0.24%；范勇等[8]運用回歸分析法對松散回潮出口煙葉含水率控制方法進行了優化研究，發現采用分類別差異性初始含水率控制模式能減少過程波動，進而提升出口煙葉含水率的穩定性；容秀英等[9]研究了煙葉松散回潮熱風溫度極值的控制方法，發現采用兩極控制圖(L-S控制圖)法能有效提升熱風溫度的穩定性。目前，中國對煙葉松散回潮的研究主要集中于工藝參數回風溫度和熱風溫度對煙葉理化質量的影響，以及統計學相關和回歸方法對出口質量煙葉溫度和含水率的穩定性控制研究兩個方面，且大多為試驗研究，而在利用煙葉松散回潮生產實際大量數據開展數字化建模及預測研究方面還處于空白狀態。

貝葉斯網絡(Bayesian network)又稱信度網絡，是貝葉斯方法的擴展，是目前不確定知識表達和推理領域最有效的理論模型之一，適用于表達和分析不確定性和概率性的事件，應用于有條件地依賴多種控制因素的決策，可以從不完全、不精確或不確定的知識或信息中做出推理。目前，貝葉斯網絡已成功應用于機器學習[10-11]、人工智能、生物信息學[12]、金融分析[13]與預測[14]等多個領域。試驗擬采用貝葉斯網絡分析方法，針對某卷煙規格在制絲線松散回潮工序上產生的2018年全年數據，通過建立煙葉松散回潮網絡模型，對工藝參數與質量指標之間的復雜關系進行研究與分析，并對該卷煙規格在松散回潮工序上產生的2019年1～3月出料質量數據進行預測與分析，旨在為合理指導卷煙加工生產實際提供依據。

1 數據處理與網絡模型構建方法

1.1 數據采集和預處理

在卷煙企業制造執行系統(MES)上，以生產批次為單位采集某卷煙規格在2018年松散回潮工序的生產數據，全年共采集到2 096個批次。其中，采集頻次為6 s/個，每批次生產時間約1.5 h，采集工藝參數和出料質量指標共10項。

采集的數據往往包含無用、缺失、異常等無效數據，需對其進行必要的篩選、剔除、修整等預處理。數據預處理流程如圖1所示，主要包括無用數據剔除、非穩態數據剔除、異常數據剔除及數據分類存儲等步驟。對2018年采集的2 096批煙葉松散回潮生產數據，經數據篩選、剔除、修整等預處理后共得到1 836批有效數據。

圖1 數據預處理流程Figure 1 Flowchart of data preprocessing

1.2 網絡模型構建方法

貝葉斯網絡模型的理論基礎來源于貝葉斯公式：

(1)

式中：

P(A|B)——事件B已發生的條件下事件A的概率，%；

P(B|A)——事件A已發生的條件下事件B的概率，%；

P(A)——事件A發生的概率，%；

P(B)——事件B發生的概率，%。

貝葉斯公式描述了隨機變量A和B的關系，提供了基于先驗分布信息和觀察值的系統狀態預測方法。貝葉斯網絡構建的方法參照文獻[15]，其構建基本流程如圖2所示，主要包括：① 基于不同屬性數據組成復雜網絡的節點集合；② 采用協方差方法計算節點間相關性，確定網絡路徑，構建初步的復雜網絡結構；③ 采用最大最小爬山算法，實現復雜網絡結構優化；④ 采用最大似然估計法，確定復雜網絡參數。

圖2 網絡模型構建的基本流程Figure 2 Basic flowchart of establishment of Bayesian network model

2 結果與分析

2.1 貝葉斯網絡模型構建研究

基于煙葉松散回潮2018年全年的1 836批有效數據，以工藝參數氣水混合自動閥門開度、單位時間物料累計量、加水比例、蒸汽自動閥門開度和工藝熱風溫度為自變量節點，以質量指標出料含水率和出料溫度為因變量節點。同時，為確保網絡模型構建的合理性，結合松散回潮工序的實際情況，通過添加白名單的方式，約束松散回潮工序復雜網絡模型中的工藝參數與質量指標間的路徑。運用貝葉斯網絡分析方法，建立了工藝參數與出料質量的貝葉斯網絡模型，其拓撲結構如圖3所示。

圖3 工藝參數與出料質量的貝葉斯網絡模型拓撲結構

該模型反映了煙葉松散回潮中工藝參數與質量指標之間的內在關系，為進一步揭示各工藝參數對質量指標的影響，通過提取自變量節點與因變量節點之間的路徑參數，得到各工藝參數對出料含水率和出料溫度的影響系數和權重，結果見表1。

表1 工藝參數對出料含水率和出料溫度的影響系數和權重

由表1可知，各工藝參數對出料含水率有一定影響，且均為同向影響(影響系數為正)，即出料含水率隨各工藝參數的增大而增大，其影響程度依次為氣水混合自動閥門開度>單位時間物料累計量>加水比例>蒸汽自動閥門開度>工藝熱風溫度，影響權重分別為25.91%，21.56%，20.24%，19.20%，13.10%；各工藝參數對出料溫度均有一定影響，其中加水比例為反向影響(影響系數為負)，其影響程度依次為工藝熱風溫度>單位時間物料累計量>氣水混合自動閥門開度>蒸汽自動閥門開度>加水比例，影響權重分別為24.95%，24.90%，24.64%，21.96%，3.56%；氣水混合自動閥門開度和工藝熱風溫度分別是影響出料含水率和出料溫度最為顯著的影響因素。因此，基于貝葉斯網絡構建的松散回潮工序復雜網絡模型，不僅能反映各工藝參數對質量指標的影響規律，還能反映多個工藝參數與質量指標之間的復雜網絡關系，進而為工藝參數優化設計、工藝技術標準修訂及加工過程質量預測與維護提供指導。

2.2 貝葉斯網絡模型預測應用研究

為驗證上述工藝參數與出料質量貝葉斯網絡模型的有效性和實用性，運用該網絡模型，針對該卷煙規格2019年1～3月煙葉松散回潮產生的451批有效數據，已知各工藝參數，預測出料含水率和出料溫度，并與真實值進行對比分析，結果見圖4、5。

由圖4、5可知，基于煙葉松散回潮生產實際的工藝參數數據，采用網絡模型對出料含水率和出料溫度進行預測，其預測值與生產實際真實值較接近，且變化趨勢較一致，說明預測值與真實值吻合較好。

圖4 出料含水率預測值與真實值對比

圖5 出料溫度預測值與真實值對比

為進一步掌握網絡模型預測值與真實值的吻合程度，結合煙葉松散回潮工藝技術標準對出料質量的要求，對圖4、5的預測值和真實值進行統計分析，其結果見表2。

表2 網絡模型預測值與真實值統計分析

由表2可知，出料含水率的工藝技術標準要求為(17.0±1.5)%，生產實際值為(16.97±0.075)%，而預測值為(16.98±0.30)%,占64.34%；出料溫度的工藝技術標準要求為(58.0±3.0) ℃，生產實際值為(58.42±0.31) ℃，而預測值為(58.40±0.50) ℃,占65.72%；說明預測值具有較好的預測精度和預測效果。

綜上，試驗構建的工藝參數與出料質量貝葉斯網絡模型在預測應用方面擁有較好的精度和效果，具有較好的實用價值和應用前景。

3 結論

基于煙葉松散回潮工藝參數和出料質量數據組成的復雜網絡節點集，采用協方差方法計算節點間相關性，確定網絡路徑，初步構建復雜網絡結構，并采用最大最小爬山算法對網絡結構進行優化，采用最大似然估計法，確定網絡路徑參數，構建了工藝參數與出料質量貝葉斯網絡模型，并結合松散回潮生產實際情況，通過添加網絡結構“白名單(允許)”和“黑名單(禁止)”等約束方式，保證了網絡模型構建的合理性。網絡模型對出料含水率和出料溫度的預測結果表明，構建的網絡模型是切實有效的。后續可將網絡模型應用于打葉復烤、潤葉加料、葉絲干燥、加香等卷煙加工關鍵工序，輔助工藝技術人員開展過程質量維護、工藝參數設計及工藝標準制修訂，對提升卷煙加工工藝水平意義重大。