- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
烟草制造过程中工艺管控大数据的运用前景初探
[摘要]本文通过分析大数据时代对烟草行业的影响,以烟草制造过 程中大数据工艺管控和常规数理统计工艺管控的差异分析为切入点,从预 测精度对比、数据挖掘能力对比、口适应能力对比、数据质量分析能力对 比四个维度,充分说明了大数据分析相比常规数理统计分析在烟草行业制 造过程中工艺管控的优势,表明人数据技术是今后烟草制造过程中工艺管 控提升的一种有效手段,并为其今后的发展奠定了基础。
[关键词]大数据;预测精度;数据挖掘;自适应;数据质量
doi: 10. 3969/j. issn. 1673 - 0194. 2017.02.031
[中图分类号1F273 [文献标识码]A [文章编号]1673-0194 (2017) 02-00-07
1大数据时代对烟草行业的影响
大数据应用于烟草信息研发,能使烟草行业充分了解、及时掌握半今 世界的烟草信息,有效调整烟草战略、市场决策,使行业立于不败之地。
凌成兴在2014年全国烟草工作会议上提出烟草行业要深入思考、积 极谋划、努力实践“三大课题”,即深入思考、积极谋划、努力实践改革 的红利在哪里?发展的潜力在哪里?追赶的目标在哪里?这是我国烟草 行业今后一段时期内努力发展的方向和奋斗的冃标。
烟草企业借助大数据研发应用的分析,可以随时掌握世界新的烟草信
息,捕捉其技术要领,了解其发展的先进性与适应性,并为我所用,从而 可以积极有效地推动我国烟草行业的发展,促进“三大课题”的努力实践 和圆满成功,为我国烟草行业快速、高效地发展提供坚实的信息技术后盾, 奠定快速、高效发展的坚实基础。第一,它可以进一步优化烟草市场的资 源配置,建立统一开放、竞争有序的市场体系,创造和释放烟草改革的红 利空间。因为大数据的研发应用本身就是一次全新的信息技术改革。第二, 它能不断地挖掘结构调整、国际市场、货币资金保值增值所蕴藏的发展潜 能,努力实现烟草“十三五”的奋斗目标。第三,它能早日实现我国追赶 烟草跨国公司前三名、烟机制造公司的“排头兵”、原材料与辅助材料生 产的大集团的新目?恕(12)吕丽掰(12)舌L?求,实现中国烟草行业进入新的发展 格局的冃标。
大数据的应用分析,是当今信息时代又一次全新的、更高的、更庞大 的与更复杂的信息化技术革命。它对提高现代经济分析能力和管理水平、 提高一个行业或一个单位的准确决策和经济实力的能力,有着不可估量的 积极作用,蕴藏着巨大的潜力和能量。
2烟草制造过程屮大数据工艺管控和常规数理统计工艺管控的差异 分析
现阶段行业内卷烟厂工艺管控主要以常规数理统计算法为主,辅助以 信息化的手段实现预警控制。例如上海卷烟厂通过加入SPC对应的判异准 则,固化至信息化系统中,创新地提出了 SPCD的管控方法。青岛卷烟厂 通过将6 sigma分析的指标权重纳入信息化实时预警管控分析,创新性地 提出了卷烟制造过程能力信息化预警分析的管控方法。迄今为止,烟草行 业内还没有卷烟厂实现了以大数据算法为核心的工艺管控实例,即通过大 数据分析方法全面补充和完善常规数理统计的短板,实现工艺智能化管控 水平的螺旋式上升。本文将从四个方面对大数据分析与常规数理统计在工 艺管控层面的差异进行对比,旨在全面凸显大数据分析的优势,进而对烟 草制造过程中信息化工艺管控的前景进行探索。
2.1预测精度对比
大数据预测有别于常规数理统计的回归分析,常规数理统计的回归分 析是建立在数据均满足正态性和样本独立性两个条件为前提的,同时在回 归过程中要通过逐步回归剔除对应的异常点,方能进行回归算法的计算。 而大数据预测则无需这些条件的限制,可直接根据特征样本进行训练,直 接得岀对应的预测结果。
2. 1.1常规数理统计分析
以某卷烟厂烘丝出口水分为例进行说明。
对影响烘丝出口水分对应的过程参数建立对应的回归方程表如表1所 zFo
由图1可以看出,叶丝冷却出料含水率的四合一残差图以及各自变量 残差图分布均匀,满足齐次、正态等特点。
根据回归方程对测试集数据进行预测,如表4所示。
将预测值与真实值进行偏差计算,如表5所示。
2.1.2大数据分析
首先,对影响烘丝出口水分对应的过程参数建立随机树模型,如图2 所示。
从图2中可以看出,参数4离线程度最人,因此参数4重要度最高, 根据离线度得出其参数重要性排序为参数4 (叶丝干燥岀料含水率)>参数 1 (叶丝干燥【区筒壁温度)〉参数2 (叶丝干燥II区筒壁温度)〉参数3 (叶 丝干燥热风温度)>参数5 (叶丝干燥出料温度)。
再进行决策树分析,根据决策树得出如下对应的过程参数与关键质量 特性二叉树(如图3所示)。
然后根据随机树运算结果进行预测,如表6所示。
最后将预测值与真实值进行偏差计算,如表7所示。
2.1.3大数据分析与常规数理统计预测精度对比
原创力文档


文档评论(0)