唐 軍，何邦華，孔維玲，文里梁，付 亮，溫亞東，陳 文，周 冰*

1.云南中煙工業(yè)有限責(zé)任公司，昆明市五華區(qū)紅錦路367號 650231 2.大連達(dá)碩信息技術(shù)有限公司，遼寧省大連市高新園區(qū)禮賢街32號 116023

葉絲干燥作為制絲工藝中重要加工工序，其加工質(zhì)量的好壞對制絲質(zhì)量具有重要影響。葉絲干燥設(shè)備主要有滾筒干燥和氣流干燥兩種，干燥過程涉及氣、固、液三相之間的傳熱和傳質(zhì)，是一個高溫、密閉的復(fù)雜過程，其加工質(zhì)量受來料狀況、干燥設(shè)備、控制方式、加工參數(shù)等諸多因素的影響，使得葉絲干燥工序一直成為國內(nèi)外研究的難點、重點和焦點。近年來，國內(nèi)煙草研究者對葉絲干燥工序已經(jīng)開展了一些研究，余娜等［1］對不同干燥強(qiáng)度下葉絲香味成分進(jìn)行了主成分聚類分析；高輝等［2］研究了不同干燥方式對葉絲加工質(zhì)量的影響；崔升等［3］研究了滾筒烘絲機(jī)熱風(fēng)溫度、熱風(fēng)速度、筒壁溫度和負(fù)壓等因素對加工后葉絲含水率和溫度的影響；王巖等［4］研究了滾筒分段變溫干燥方式下烤煙葉絲質(zhì)量的變化特征；王廷等［5］研究了葉絲滾筒干燥過程中含水率、總植物堿、還原糖、總糖、石油醚提取物等含量隨干燥處理時間的動態(tài)變化特征；孫覓等［6］基于葉絲干燥速率特性進(jìn)行了分組干燥研究；劉澤等［7］對滾筒干燥中“干頭干尾”葉絲揮發(fā)性香味物質(zhì)進(jìn)行了主成分聚類分析；許冰洋等［8］分析了烤煙和白肋煙兩種葉絲在下行床快速對流干燥中的孔隙結(jié)構(gòu)變化特征。以上可知，目前葉絲干燥工序研究主要集中在干燥方式、加工強(qiáng)度及工藝參數(shù)對干燥后葉絲物理質(zhì)量、化學(xué)成分和感官質(zhì)量的影響方面，雖對生產(chǎn)實際有指導(dǎo)作用，但大多研究往往受試驗數(shù)據(jù)量、考慮因素數(shù)及分析手段等限制，不能全面系統(tǒng)指導(dǎo)生產(chǎn)實際，穩(wěn)定和提升葉絲干燥加工質(zhì)量。目前，國內(nèi)各卷煙生產(chǎn)企業(yè)基本均已建立了卷煙企業(yè)制造執(zhí)行系統(tǒng)（Manufacturing Execution Systems，MES），在制絲加工中產(chǎn)生了大量的生產(chǎn)實際數(shù)據(jù)。在利用這些生產(chǎn)實際數(shù)據(jù)挖掘出潛在的規(guī)律方面已有少量研究［9-11］，但對葉絲干燥復(fù)雜關(guān)系研究與網(wǎng)絡(luò)模型構(gòu)建等方面鮮見報道。

葉絲干燥工序工藝參數(shù)與質(zhì)量指標(biāo)之間的關(guān)系具有復(fù)雜網(wǎng)絡(luò)的特點，可通過構(gòu)建復(fù)雜網(wǎng)絡(luò)模型進(jìn)行研究與分析。貝葉斯網(wǎng)絡(luò)（Bayesian network），也被稱為概率網(wǎng)絡(luò)、信念網(wǎng)絡(luò)、因果概率網(wǎng)絡(luò)和因果概率圖等，它將概率理論和圖論相結(jié)合，可發(fā)現(xiàn)數(shù)據(jù)之間潛在的復(fù)雜關(guān)系，目前已廣泛應(yīng)用于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、人工智能等多個領(lǐng)域［12-15］。鑒于此，采用貝葉斯網(wǎng)絡(luò)分析方法，針對葉絲滾筒干燥工序上產(chǎn)生的生產(chǎn)實際數(shù)據(jù)，建立葉絲滾筒干燥工序復(fù)雜網(wǎng)絡(luò)模型，挖掘出各影響因素與質(zhì)量指標(biāo)之間的復(fù)雜關(guān)系，并開展自學(xué)習(xí)與生產(chǎn)預(yù)測應(yīng)用研究，旨在為合理指導(dǎo)生產(chǎn)實際和穩(wěn)定提升葉絲滾筒干燥加工質(zhì)量提供參考依據(jù)。

1 復(fù)雜網(wǎng)絡(luò)模型構(gòu)建

1.1 網(wǎng)絡(luò)模型理論基礎(chǔ)

貝葉斯網(wǎng)絡(luò)模型的理論基礎(chǔ)來源于式（1）。

式中：事件E的概率為P（E）；事件F的概率為P（F）；事件F已發(fā)生條件下事件E的概率為P（E|F）；事件E已發(fā)生條件下事件F的概率為P（F|E）。貝葉斯公式描述了隨機(jī)變量E和F的關(guān)系，提供了基于先驗分布信息和觀察值的系統(tǒng)狀態(tài)預(yù)測方法。

1.2 網(wǎng)絡(luò)模型構(gòu)建的方法和流程

貝葉斯網(wǎng)絡(luò)模型構(gòu)建的具體方法見文獻(xiàn)［16］。網(wǎng)絡(luò)模型構(gòu)建的基本流程如圖1所示。主要包括以下步驟：①基于不同屬性數(shù)據(jù)組成復(fù)雜網(wǎng)絡(luò)的節(jié)點集合；②采用協(xié)方差方法計算節(jié)點間相關(guān)性，確定網(wǎng)絡(luò)路徑，構(gòu)建初步的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)；③采用最大最小爬山算法，實現(xiàn)復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化；④采用最大似然估計法，確定復(fù)雜網(wǎng)絡(luò)參數(shù)。

圖1 網(wǎng)絡(luò)模型構(gòu)建的基本流程Fig.1 Basic flowchart of network model establishment

1.3 數(shù)據(jù)采集與預(yù)處理

（1）數(shù)據(jù)采集

基于卷煙企業(yè)制造執(zhí)行系統(tǒng)（MES），按時間和批次提取某卷煙規(guī)格在2017年1～12月和2018年1～3月葉絲滾筒干燥工序的生產(chǎn)數(shù)據(jù)，共采集到1 629個批次。其中，葉絲滾筒干燥工序設(shè)備為德國HAUNI公司的KLD-2Z型兩段式滾筒干燥機(jī)，采集頻次為6 s/個，采集的工藝參數(shù)分別為切葉絲工序（C）：切葉絲寬度（C1）；葉絲增溫增濕工序（D）：SX蒸汽閥門開度（D1）、物料累計量（D2）、膨脹單元蒸汽流量（質(zhì)量）（D3）；葉絲干燥工序（J）：排潮閥門開度（J1）、II區(qū)蒸汽閥門開度（J2）、I區(qū)蒸汽閥門開度（J3）、循環(huán)風(fēng)閥門開度（J4）、循環(huán)風(fēng)蒸汽閥門開度（J5）、負(fù)壓（J6）、工藝氣速度（J7）、I區(qū)筒壁溫度（J8）、II區(qū)筒壁溫度（J9）和熱風(fēng)溫度（J10）。質(zhì)量指標(biāo)分別為切葉絲工序葉絲含水率（C2）、葉絲干燥工序出料含水率（J11）和出料溫度（J12）、葉絲冷卻工序出料含水率（H1）。以下均用簡稱表示相應(yīng)的工藝參數(shù)與質(zhì)量指標(biāo)。

（2）數(shù)據(jù)預(yù)處理

采集的數(shù)據(jù)往往會包含無用、缺失、異常等無效數(shù)據(jù)，需對采集數(shù)據(jù)進(jìn)行必要的篩選、剔除、修整等預(yù)處理。數(shù)據(jù)預(yù)處理流程如圖2所示，主要包括無用數(shù)據(jù)剔除、非穩(wěn)態(tài)數(shù)據(jù)剔除、異常數(shù)據(jù)剔除及數(shù)據(jù)分類存儲等步驟。本研究中采集的1 629批葉絲滾筒干燥工序生產(chǎn)數(shù)據(jù)，經(jīng)篩選、剔除、修整等預(yù)處理后共得到1 547批有效數(shù)據(jù)?；谠撘?guī)格卷煙制絲工藝技術(shù)標(biāo)準(zhǔn)在2017年8月中旬進(jìn)行了調(diào)整及網(wǎng)絡(luò)模型驗證需要，將處理后的1 547批有效數(shù)據(jù)分為3部分，既2017年1～8月、9～12月和2018年1～3月，其有效數(shù)據(jù)批次分別為896、365和286批。

圖2 數(shù)據(jù)處理流程Fig.2 Flowchart of data processing

1.4 網(wǎng)絡(luò)模型構(gòu)建

貝葉斯網(wǎng)絡(luò)模型中的“邊”表示了兩節(jié)點間較緊密的影響關(guān)系。因此，在確定網(wǎng)絡(luò)模型的節(jié)點集合后，通過節(jié)點集合中兩兩節(jié)點的“相似度”計算，確定節(jié)點間的“邊”，完成網(wǎng)絡(luò)模型的構(gòu)建，其具體實現(xiàn)途徑如下：

對于網(wǎng)絡(luò)節(jié)點結(jié)合中的某節(jié)點a，采集了相應(yīng)的na個數(shù)據(jù)，按式（2）計算該節(jié)點兩數(shù)據(jù)間的距離。

根據(jù)上述得到的aj,k，獲得距離矩陣A。矩陣A中每個元素Aj,k的計算公式見式（3）。

式中：Aj,k為矩陣A的第j行第k列元素為矩陣A第j行的平均值為矩陣A的第k列的平均值表示矩陣A所有元素的總平均值。

根據(jù)上述方法，計算得到所有節(jié)點的數(shù)據(jù)矩陣。例如：節(jié)點a和節(jié)點b所對應(yīng)的距離矩陣分別為A和B，并根據(jù)式（4）計算兩兩節(jié)點距離矩陣的協(xié)方差。

式中：dCov2（A，B）即表示節(jié)點a和節(jié)點b的相關(guān)性。

按照上述方法，計算所有節(jié)點間的兩兩相關(guān)性，并按照設(shè)定的置信水平（95%的置信度），確定網(wǎng)絡(luò)邊集合，完成初步網(wǎng)絡(luò)構(gòu)建。

因此，基于葉絲滾筒干燥工序2017年1～8月896批有效生產(chǎn)實際數(shù)據(jù)，運用貝葉斯網(wǎng)絡(luò)分析方法，以C1、D1～D3、J1～J10共 14個工藝參數(shù)和 1個質(zhì)量指標(biāo)C2為自變量節(jié)點，以J11、J12和H1共3個質(zhì)量指標(biāo)為因變量節(jié)點，通過計算出15個自變量節(jié)點與3個因變量節(jié)點間兩兩相關(guān)性，確定網(wǎng)絡(luò)邊集合，建立了葉絲滾筒干燥工序復(fù)雜網(wǎng)絡(luò)模型，其拓?fù)浣Y(jié)構(gòu)如圖3所示。

2 結(jié)果與討論

2.1 葉絲滾筒干燥過程復(fù)雜關(guān)系分析

構(gòu)建的葉絲滾筒干燥工序復(fù)雜網(wǎng)絡(luò)模型，從條件概率上表達(dá)了葉絲滾筒干燥工序中影響因素與質(zhì)量指標(biāo)之間的復(fù)雜關(guān)系，其中，網(wǎng)絡(luò)模型中“邊”表示了兩節(jié)點間較緊密的影響關(guān)系，即能反映出自變量節(jié)點對因變量節(jié)點的影響關(guān)系。本研究中網(wǎng)絡(luò)模型中“邊”的路徑參數(shù)采用最大似然法計算，其計算公式見式（5）：

圖3 葉絲滾筒干燥工序復(fù)雜網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)Fig.3 Topological structure of complex network model for cylinder cut strip drying process

其中，U為節(jié)點的父節(jié)點集合；θ=＜β0，β1，β2，為線性映射；u［m］表示包含其中一個節(jié)點及其所有父節(jié)點數(shù)據(jù)的第m個實例數(shù)據(jù)；K［m］表示u［m］中某一個父節(jié)點的值。

根據(jù)式（5）分別對β0，β1，L，βk，δ求偏導(dǎo)，得到k+2個等式，求解方程組，得到該邊的條件概率參數(shù)β0，β1，L，βk，δ，相應(yīng)對其取絕對值就得到自變量節(jié)點對因變量節(jié)點的影響系數(shù)，進(jìn)一步計算出每個自變量節(jié)點對同一個因變量節(jié)點影響系數(shù)的所占比例，即為影響權(quán)重。

各影響因素對質(zhì)量指標(biāo)出料含水率、出料溫度和冷卻出料含水率的影響系數(shù)和權(quán)重分別見表1、表2和表3。

從表1可以看出，對葉絲干燥工序出料含水率影響較大的3個因素分別為葉絲干燥工序II區(qū)筒壁溫度和II區(qū)蒸汽閥門開度及切葉絲工序葉絲含水率，影響系數(shù)分別為24.129%、16.045%和13.019%，其中葉絲干燥工序II區(qū)筒壁溫度的影響為反向影響，另兩個因素影響為正向影響；其他因素對葉絲干燥工序出料含水率的影響較小，影響系數(shù)均小于10.00%。

從表2可以看出，對葉絲干燥工序出料溫度影響較大的3個因素分別為葉絲干燥工序II區(qū)蒸汽閥門開度、I區(qū)蒸汽閥門開度和II區(qū)筒壁溫度，影響系數(shù)分別為26.850%、20.001%和16.365%，其中葉絲干燥工序II區(qū)蒸汽閥門開度和II區(qū)筒壁溫度的影響為正向影響，另一個因素影響為反向影響；其他因素對葉絲干燥工序出料溫度的影響較小，影響系數(shù)均小于12.00%。

從表3可以看出，對葉絲冷卻工序出料含水率影響較大的3個因素分別為葉絲干燥工序II區(qū)筒壁溫度、切葉絲工序葉絲含水率和葉絲干燥工序II區(qū)蒸汽閥門開度，影響系數(shù)分別為25.416%、21.418%和17.897%，其中葉絲干燥工序II區(qū)筒壁溫度影響為反向影響，另兩個因素影響為正向影響；其他因素對葉絲冷卻工序出料含水率的影響較小，影響系數(shù)均小于11.00%。

表1 各因素對出料含水率的影響系數(shù)和權(quán)重Tab.1 Influence coefficients and weights of factors on moisture content in output tobacco

表2 各因素對出料溫度的影響系數(shù)和權(quán)重Tab.2 Influence coefficients and weights of factors on temperature of output tobacco

表3 各因素對葉絲冷卻工序出料含水率的影響系數(shù)和權(quán)重Tab.3 Influence coefficients and weights of factors on moisture content in output tobacco from cooling procedure

綜上可知，①葉絲干燥工序II區(qū)筒壁溫度是影響葉絲干燥工序出料含水率J11和葉絲冷卻工序出料含水率H1最為顯著的影響因素，且為反向影響，即葉絲干燥工序II區(qū)筒壁溫度越高，J11和H1越小。②切葉絲工序葉絲含水率是對J11和H1影響較大的因素，且為正向影響，即切葉絲工序葉絲含水率越高，J11和H1越大。③葉絲干燥工序II區(qū)筒壁溫度是對葉絲干燥工序出料溫度J12影響較大的因素，且為正向影響，即葉絲干燥工序II區(qū)筒壁溫度越高，J12越高。

結(jié)合葉絲滾筒干燥工序生產(chǎn)實際情況分析，該工序采用恒定I區(qū)筒壁溫度，將II區(qū)筒壁溫度參與葉絲干燥工序出料含水率J11進(jìn)行PID反饋控制模式，即主要通過調(diào)整II區(qū)筒壁溫度使J11滿足工藝技術(shù)標(biāo)準(zhǔn)要求。這種控制模式下I區(qū)筒壁溫度基本恒定不變，J11、J12和H1受到的影響較?。欢鳬I區(qū)筒壁溫度波動較大，對J11、J12和H1的影響比較大。同樣，II區(qū)筒壁溫度對J11和H1影響為反向影響，而對J12的影響為正向影響。因此，本研究中采用貝葉斯網(wǎng)絡(luò)分析方法構(gòu)建的葉絲滾筒干燥工序復(fù)雜網(wǎng)絡(luò)模型，能夠真實反映各影響因素對質(zhì)量指標(biāo)之間的復(fù)雜關(guān)系，并與生產(chǎn)實際相吻合，具有較好的指導(dǎo)作用和現(xiàn)實意義。

2.2 復(fù)雜網(wǎng)絡(luò)模型的應(yīng)用與自學(xué)習(xí)

復(fù)雜網(wǎng)絡(luò)模型一般都具有預(yù)測和自學(xué)習(xí)的特點。復(fù)雜網(wǎng)絡(luò)模型預(yù)測的過程與一般的數(shù)學(xué)函數(shù)表達(dá)式類似，只要已知自變量節(jié)點，通過網(wǎng)絡(luò)模型中確定自變量節(jié)點與因變量節(jié)點之間“邊”的路徑參數(shù)，即可計算出條件概率下因變量的數(shù)值。同樣，通過不斷積累和更新節(jié)點數(shù)據(jù)量，反復(fù)構(gòu)建復(fù)雜網(wǎng)絡(luò)模型，不斷對網(wǎng)絡(luò)模型中的“邊”的條件概率參數(shù)進(jìn)行修正，使網(wǎng)絡(luò)模型更準(zhǔn)確地反映工藝參數(shù)與質(zhì)量指標(biāo)之間的復(fù)雜關(guān)系，進(jìn)而達(dá)到自學(xué)習(xí)的目的。

因此，為驗證上述構(gòu)建理論葉絲滾筒干燥工序復(fù)雜網(wǎng)絡(luò)模型的有效性和實用性，運用該復(fù)雜網(wǎng)絡(luò)模型，基于葉絲滾筒干燥工序在2017年9月～12月生產(chǎn)的365批有效實際數(shù)據(jù)中的各影響因素數(shù)據(jù)，預(yù)測質(zhì)量指標(biāo)出料含水率和出料溫度的值，并與真實值進(jìn)行對比分析，結(jié)果如圖4和圖5所示。

從圖4和圖5可以看出，復(fù)雜網(wǎng)絡(luò)模型對質(zhì)量指標(biāo)葉絲干燥工序出料含水率和出料溫度的預(yù)測值與真實值較接近，且變化趨勢也較一致，說明預(yù)測值與真實值吻合較好。

圖4 復(fù)雜網(wǎng)絡(luò)模型對出料含水率的預(yù)測值與真實值對比Fig.4 Comparison between moisture content in output tobacco predicted by complex network model and true values

圖5 復(fù)雜網(wǎng)絡(luò)模型對出料溫度的預(yù)測值與真實值對比Fig.5 Comparison between temperature of output tobacco predicted by complex network model and true values

為掌握復(fù)雜網(wǎng)絡(luò)模型預(yù)測的預(yù)測值與真實值的吻合程度，結(jié)合工藝技術(shù)標(biāo)準(zhǔn)對質(zhì)量指標(biāo)的要求，對圖4和圖5中的預(yù)測值和真實值進(jìn)行了統(tǒng)計分析，結(jié)果見表4。

表4 復(fù)雜網(wǎng)絡(luò)模型預(yù)測值與真實值統(tǒng)計分析Tab.4 Statistical analysis of values predicted by complex network model and true values

從表4可以看出，葉絲干燥工序出料含水率指標(biāo)工藝技術(shù)標(biāo)準(zhǔn)要求為（14.0±1.0）%，生產(chǎn)實際真實值為（14.24± 0.10）%，而預(yù)測值在（14.25±0.20）%范圍內(nèi)的比例達(dá)到83.14%。出料溫度指標(biāo)工藝技術(shù)標(biāo)準(zhǔn)要求為（65.00±3.00）℃，生產(chǎn)實際真實值為（65.00±0.21）℃，而預(yù)測值在（65.00±0.50）℃范圍內(nèi)的占比達(dá)到了82.67%，說明預(yù)測值具有較好的預(yù)測精度和預(yù)測效果。

進(jìn)一步，為研究復(fù)雜網(wǎng)絡(luò)模型的自學(xué)習(xí)和自適應(yīng)能力，基于葉絲滾筒干燥工序2017年1～8月896批和2017年1月～12月1 261批生產(chǎn)實際有效數(shù)據(jù)，分別建立葉絲滾筒干燥工序復(fù)雜網(wǎng)絡(luò)模型M和N，并對2018年1月～3月286批生產(chǎn)實際有效數(shù)據(jù)中質(zhì)量指標(biāo)葉絲干燥工序出料含水率J11、出料溫度J12及葉絲冷卻工序出料含水率H1的值進(jìn)行分別預(yù)測與對比分析，結(jié)果見表5。

表5 模型M和模型N對質(zhì)量指標(biāo)的預(yù)測結(jié)果對比分析Tab.5 Comparative analysis of prediction results of model M and model N for quality indexes

從表5可以看出，與模型M對比，模型N在質(zhì)量指標(biāo)出料溫度預(yù)測值范圍占比基本一致，但在質(zhì)量指標(biāo)J11和H1預(yù)測值范圍占比較高，表明模型N對葉絲滾筒干燥工序質(zhì)量指標(biāo)的預(yù)測效果較好。因此，隨數(shù)據(jù)量的增加，采用貝葉斯網(wǎng)絡(luò)構(gòu)建的葉絲滾筒干燥工序復(fù)雜網(wǎng)絡(luò)模型預(yù)測效果越好，且具有較好的自學(xué)習(xí)能力。

3 結(jié)論

①基于貝葉斯網(wǎng)絡(luò)分析方法，建立了葉絲滾筒干燥工序復(fù)雜網(wǎng)絡(luò)模型，能較好揭示出各影響因素對質(zhì)量指標(biāo)的影響關(guān)系和影響程度，并與生產(chǎn)實際相吻合。②該葉絲滾筒干燥工序控制模式下，對葉絲干燥工序出料含水率、出料溫度和葉絲冷卻工序出料含水率影響最大的因素分別為葉絲干燥工序的II區(qū)筒壁溫度、II區(qū)蒸汽閥門開度和II區(qū)筒壁溫度，其影響權(quán)重分別為24.129%、26.850%和25.416%。③構(gòu)建的復(fù)雜網(wǎng)絡(luò)模型對葉絲干燥工序出料含水率和出料溫度進(jìn)行預(yù)測，在工藝技術(shù)標(biāo)準(zhǔn)范圍內(nèi)預(yù)測精度分別達(dá)到83.14%和82.67%，具有較好的工程預(yù)測效果。④在復(fù)雜網(wǎng)絡(luò)模型自學(xué)習(xí)方面，與模型M（使用806批數(shù)據(jù)）相比，模型N（使用1 261批數(shù)據(jù)）對葉絲干燥工序出料含水率和葉絲冷卻工序出料含水率的預(yù)測精度均提升1百分點以上，具有較好的自學(xué)習(xí)能力。貝葉斯網(wǎng)絡(luò)分析方法和技術(shù)將在工藝參數(shù)優(yōu)化設(shè)計、工藝技術(shù)標(biāo)準(zhǔn)制定、加工過程質(zhì)量維護(hù)等卷煙加工工藝領(lǐng)域具有較好的應(yīng)用前景。