卷烟烘丝工序数字预测模型的分析与应用

<正>为进一步研究数据在卷烟工厂的应用，优化制丝车间烘丝工序出口含水率的稳定性，将数字预测与数字孪生运维结合，以薄板式烘丝机与气流式烘丝机的各生产数据为影响参数，获取生产过程的初始数据，清洗并归一化处理，通过多元回归、梯度提升决策树和神经网络算法进行对比和验证，构建生成基于梯度提升决策树算法的烘丝工序出口含水率预测模型及其调控方法，验证结果表明该方法具有较高的准确性，测试效果稳定性较好，该模型具有生产指导意义，减少烟丝生产过程中水分的不稳定性，给车间操作人员提供指导参考，提升生产调控的科学性和烟丝质量。     

建立基于大数据分析的叶丝切丝含水率预测模型

卷烟加工过程中,叶丝切丝含水率（烘丝机入口含水率）对成品烟丝的感官质量及烟草制品的综合质量指标有重大影响,是烟叶生产加工中一项重要的质量评价指标。本文介绍切丝含水率相关工序大数据样本的挖掘方法及多元线性回归、MLP神经网络算法的基本原理;给出使用SPSS软件建立多元线性回归分析及MLP神经网络预测模型的具体操作步骤;将多元线性回归分析及MLP神经网络预测模型的准确性进行比较,该模型被应用于预测叶丝切丝含水率。预测值和实际值的误差在0.3%以下。其中MLP神经网络预测模型的预测准确度高于多元线性回归分析预测模型,表明MLP神经网络预测模型预测叶丝切丝含水率有更强的指导性和有效性。     

基于物联网技术的卷烟制丝现场工艺质量智能控制方法

在对生产加工工艺质量进行控制的过程中,由于缺乏时效性,导致产品的合格率难以得到保障,为此提出基于物联网技术的卷烟制丝现场工艺质量智能控制方法。以物联网为基础,构建数据采集模块,设置以工艺流程为核心的一机一档的数据管理机制,并利用物联网将控制参数传输到对应点位,实现对工艺质量的智能控制。测试结果表明,该方法的产品合格率始终稳定在95%以上。