王曉娟

(貴州中煙工業(yè)有限責(zé)任公司貴定卷煙廠(chǎng)，貴州 貴定 551300)

基于模糊綜合與神經(jīng)網(wǎng)絡(luò)的制絲工藝多因素評(píng)價(jià)模型

王曉娟

(貴州中煙工業(yè)有限責(zé)任公司貴定卷煙廠(chǎng)，貴州 貴定 551300)

為解決將制絲工藝質(zhì)量、設(shè)備運(yùn)行狀態(tài)、生產(chǎn)消耗作為影響因素聯(lián)合對(duì)制絲工藝進(jìn)行綜合等級(jí)判定的問(wèn)題，建立了基于層次分析法、線(xiàn)性投影法的多因素模糊綜合評(píng)價(jià)模型和神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型。通過(guò)對(duì)甲乙丙3個(gè)班組9～12月份質(zhì)量系數(shù)、斷料情況等進(jìn)行建模，表明：神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型既可以用于驗(yàn)證多因素模糊綜合評(píng)價(jià)模型的合理性與準(zhǔn)確性，也可獨(dú)立對(duì)制絲工藝綜合等級(jí)進(jìn)行判定。兩種方法相結(jié)合，互相驗(yàn)證，為提高制絲工藝綜合生產(chǎn)水平提供了科學(xué)、簡(jiǎn)潔的依據(jù)，對(duì)查找工藝質(zhì)量、設(shè)備運(yùn)行狀態(tài)、生產(chǎn)消耗指標(biāo)下的各項(xiàng)不良因素提供了支持。

制絲工藝；層次分析法；多因素模糊評(píng)價(jià)模型；隸屬函數(shù)；神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

制絲過(guò)程是穩(wěn)定產(chǎn)品質(zhì)量、降低原輔料消耗的重要環(huán)節(jié)。過(guò)程能力指數(shù)是指過(guò)程能力滿(mǎn)足產(chǎn)品質(zhì)量標(biāo)準(zhǔn)要求的程度，在過(guò)程能力判斷基準(zhǔn)的5個(gè)等級(jí)中，當(dāng)過(guò)程能力指數(shù)處于特級(jí)水平(≥1.67)后，可以考慮簡(jiǎn)化管理、降低成本。目前煙草行業(yè)制絲生產(chǎn)設(shè)備先進(jìn)、產(chǎn)品質(zhì)量穩(wěn)定，多家卷煙廠(chǎng)正在進(jìn)行易地技改，因此建立一套制絲工藝綜合評(píng)價(jià)體系顯得尤為重要。傳統(tǒng)的制絲工藝評(píng)價(jià)以各工序質(zhì)量系數(shù)為基礎(chǔ)，對(duì)工藝質(zhì)量指標(biāo)和感官質(zhì)量綜合評(píng)價(jià)與判定，根據(jù)結(jié)果設(shè)置各生產(chǎn)工序適宜的工藝技術(shù)參數(shù)[1]。2016年新版卷煙工藝規(guī)范[2]指出：應(yīng)定期開(kāi)展工藝消耗評(píng)價(jià)，驗(yàn)證工藝消耗控制效果，并結(jié)合工藝消耗指標(biāo)完成情況，對(duì)造成物料高耗的工序、流程、操作方法等進(jìn)行改進(jìn)。在過(guò)程能力指數(shù)普遍處于特級(jí)水平的前提下，建立基于工藝質(zhì)量、設(shè)備運(yùn)行狀態(tài)、生產(chǎn)消耗三者結(jié)合的制絲工藝綜合評(píng)價(jià)體系，更符合新形勢(shì)下的發(fā)展需求。目前對(duì)制絲過(guò)程參數(shù)的研究已較為廣泛，如劉繼輝等[3]應(yīng)用隨機(jī)森林回歸的方法對(duì)制絲過(guò)程參數(shù)權(quán)重進(jìn)行分析；熊安言等[4]研究了葉絲加料工序工藝參數(shù)對(duì)加料效果的影響；劉曉龍等[5]運(yùn)用專(zhuān)家矩陣分析卷煙制造過(guò)程特性參數(shù)與需求參數(shù)之間的關(guān)聯(lián)程度；張濤等[6]研究了制絲工藝參數(shù)對(duì)9種主流煙氣成分釋放量的影響。對(duì)于成品的綜合評(píng)價(jià)研究也較為成熟，如陶永峰等[7]運(yùn)用Z比分?jǐn)?shù)與模糊AHP相結(jié)合的評(píng)價(jià)模型，對(duì)卷煙成品實(shí)驗(yàn)室檢測(cè)能力進(jìn)行評(píng)價(jià)，有較好的應(yīng)用效果。而直接對(duì)制絲工藝綜合評(píng)價(jià)體系的研究則較少，因此建立評(píng)價(jià)模型對(duì)制絲工藝進(jìn)行綜合評(píng)價(jià)非常必要。多因素模糊綜合評(píng)價(jià)模型用模糊數(shù)學(xué)對(duì)受到多種因素制約的事物或?qū)ο笞鞒鲆粋€(gè)總體的評(píng)價(jià)，能較好地解決模糊的、難以量化的問(wèn)題。本試驗(yàn)擬采用多因素模糊綜合評(píng)價(jià)模型對(duì)制絲工藝綜合評(píng)價(jià)進(jìn)行建模。并引入神經(jīng)網(wǎng)絡(luò)模型在學(xué)習(xí)已有評(píng)價(jià)因素與分?jǐn)?shù)的前提下，預(yù)測(cè)已知評(píng)價(jià)因素的綜合評(píng)價(jià)分?jǐn)?shù)并作對(duì)比。其最終目的是對(duì)不同班組制絲工藝綜合評(píng)價(jià)等級(jí)進(jìn)行對(duì)比，不同班組、不同時(shí)間的評(píng)價(jià)等級(jí)形成對(duì)標(biāo)，給出影響評(píng)價(jià)等級(jí)的因素，提高工藝質(zhì)量、設(shè)備運(yùn)行狀態(tài)、生產(chǎn)消耗影響下的制絲工藝綜合生產(chǎn)水平。

1 模型建立

1.1 多因素模糊綜合評(píng)價(jià)模型

對(duì)于“制絲工藝綜合評(píng)價(jià)”這一模糊的概念，用精確數(shù)學(xué)無(wú)法準(zhǔn)確地界定制絲工藝綜合能力屬于何種水平，而從模糊數(shù)學(xué)的觀點(diǎn)來(lái)看，對(duì)于制絲工藝綜合評(píng)價(jià)體系，盡管無(wú)法界定它的能力究竟屬于哪個(gè)級(jí)別，但是可以評(píng)價(jià)制絲工藝綜合能力屬于某個(gè)或某幾個(gè)級(jí)別的程度，這種程度即可量化為隸屬度。

在權(quán)重的計(jì)算過(guò)程中，運(yùn)用了層次分析法[8]對(duì)權(quán)重進(jìn)行量化計(jì)算。在計(jì)算隸屬程度時(shí)，對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理，無(wú)量綱化處理采用了基于“線(xiàn)性投影法”的模型，用處理后的數(shù)據(jù)作為各個(gè)因素的評(píng)價(jià)指標(biāo)，保證了結(jié)果的精確性。

多因素模糊評(píng)價(jià)方法操作步驟為[9]：

(1) 建立評(píng)價(jià)對(duì)象因素指標(biāo)集合Z={x1,x2,x3,x4,x5,x6,x7,x8,x9,x10}，其中x1～x10對(duì)應(yīng)的因素指標(biāo)數(shù)據(jù)為無(wú)量綱化后的數(shù)據(jù)。

(2) 建立待評(píng)定對(duì)象集合N={N1,N2,N3,N4,N5,N6,N7,N8,N9,N10,N11,N12}，數(shù)據(jù)來(lái)自甲乙丙3個(gè)班組4個(gè)月的生產(chǎn)數(shù)據(jù)。

(3) 建立評(píng)價(jià)等級(jí)集合P={A,B,C,D,E}。

(4) 建立多因素評(píng)價(jià)映射體系，即對(duì)Z中的每個(gè)元素xi,(1≤i≤10)，分別建立xi(1≤i≤10)到P的隸屬函數(shù)映射Fxi，在每個(gè)Fxi中，建立單因素評(píng)價(jià)映射：

f：xij→P?xij∈xi其中j=1,2,…,10。

(5) 根據(jù)即隸屬函數(shù)，對(duì)集合N中的每個(gè)班組分別計(jì)算多因素模糊判斷矩陣RNj(j=1,2,…,10)。

(7) 建立綜合評(píng)判體系：由于評(píng)價(jià)對(duì)象因素集合Z中各個(gè)因素的權(quán)重各不相同，利用多層層次分析法逐層計(jì)算10種因素的權(quán)重集合w={w11,w12,w13,w14,w21,w22,w31,w32,w33,w34}，在得出w與RNj的值之后，利用公式:lj=w×RNj計(jì)算出綜合隸屬程度向量lj(j=1,2,…,10)。

(7) 最終將指標(biāo)集合P中的等級(jí)均勻量化，分別給定P中每一個(gè)評(píng)價(jià)指標(biāo)的量化分值，得到一個(gè)量化分值矩陣，記作FP=(P1,P2,P3,P4,P5)，則FP×ljT即為最終制絲工藝綜合評(píng)價(jià)分?jǐn)?shù)。

1.2 神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

圖1 神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型算法流程Figure 1 Algorithm process of neural network evaluation model

2 制絲工藝綜合評(píng)價(jià)模型應(yīng)用

以松散回潮工序質(zhì)量系數(shù)、加料工序質(zhì)量系數(shù)、烘絲及混絲加香工序質(zhì)量系數(shù)、梗加香工序質(zhì)量系數(shù)、斷料次數(shù)、斷料時(shí)間等10個(gè)主要因素作為評(píng)價(jià)對(duì)象，以2016年制絲車(chē)間某A類(lèi)卷煙9～12月份甲乙丙3個(gè)班組的生產(chǎn)數(shù)據(jù)作為待評(píng)定對(duì)象。建立5個(gè)等級(jí)的評(píng)語(yǔ)集，對(duì)制絲工藝進(jìn)行綜合評(píng)價(jià)。

2.1 評(píng)價(jià)指標(biāo)結(jié)構(gòu)及因素

制絲工藝綜合評(píng)價(jià)指標(biāo)體系結(jié)構(gòu)見(jiàn)圖2。

圖2 制絲工藝綜合評(píng)價(jià)指標(biāo)體系Figure 2 Comprehensive evaluation index system of tobacco primary processing line quality

2.2 計(jì)算各指標(biāo)的權(quán)重

利用多層層次分析法計(jì)算各指標(biāo)的權(quán)重，如w1=(0.636 98,0.104 71,0.258 31)。計(jì)算結(jié)果通過(guò)一致性檢驗(yàn)，其余權(quán)重見(jiàn)表1。

2.3 “線(xiàn)性投影法”對(duì)原始數(shù)據(jù)無(wú)量綱化處理

傳統(tǒng)處理方法以理想指標(biāo)值經(jīng)無(wú)量綱化處理后為“1”，對(duì)單向指標(biāo)進(jìn)行歸“1”化處理。其優(yōu)點(diǎn)是確保處理后的單向

表1 各指標(biāo)對(duì)應(yīng)的權(quán)重?Table 1 The weight of various indicators

? 目標(biāo)為制絲工藝綜合評(píng)價(jià)指標(biāo)，其權(quán)重為1。

指標(biāo)值x∈[0,1]，各項(xiàng)指標(biāo)散布較均勻，綜合水平值直觀性較好；缺點(diǎn)是理想指標(biāo)值主觀性較大，準(zhǔn)確性難以保證。線(xiàn)性投影法是采用一元線(xiàn)性方程將原始數(shù)據(jù)無(wú)量綱化處理的一種方式。本試驗(yàn)采用“線(xiàn)性投影法[12]”:① 使各指標(biāo)無(wú)量綱化處理后的評(píng)價(jià)標(biāo)準(zhǔn)值在(0,1)范圍內(nèi)，也避免了因指標(biāo)原始值大小與散布程度使評(píng)價(jià)結(jié)果的失真；② 避免了因選取理想指標(biāo)值的主觀性而造成的誤差，使得問(wèn)題的處理更加準(zhǔn)確。

用“線(xiàn)性投影法”對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理：將所選取的10項(xiàng)因素原始值在(0,1)區(qū)間內(nèi)投影，采用的線(xiàn)性相對(duì)量化數(shù)學(xué)模型為：

yi=bxi'+c，

(1)

式中：

xi'——各個(gè)因素原始值；

yi——投影法處理后的各個(gè)因素標(biāo)準(zhǔn)值；

b、c——待定系數(shù)。

這里需要引入有關(guān)“正指標(biāo)”“逆指標(biāo)”的概念，通俗的解釋就是：某因素的數(shù)值越大，該因素的影響力越強(qiáng)，那么該因素就是“正指標(biāo)”；如果相反就是“逆指標(biāo)”。本文所選取的工藝質(zhì)量因素的松散回潮工序質(zhì)量系數(shù)、加料工序質(zhì)量系數(shù)、烘絲及混絲加香工序質(zhì)量系數(shù)、梗加香工序質(zhì)量系數(shù)4項(xiàng)指標(biāo)為“正指標(biāo)”，其余6項(xiàng)指標(biāo)為“逆指標(biāo)”。

當(dāng)x為“正指標(biāo)”時(shí)按式(2)進(jìn)行具體計(jì)算：

(2)

當(dāng)x為“逆指標(biāo)”時(shí)，按式(3)進(jìn)行具體計(jì)算：

(3)

將所統(tǒng)計(jì)的各個(gè)因素的數(shù)據(jù)分別代入式(2)、(3)得到x、y的值，再代入式(1)得到各個(gè)因素對(duì)應(yīng)的b、c值，最后通過(guò)得到的各個(gè)因素不同的b、c值，再分別將數(shù)據(jù)代回式(1)進(jìn)行無(wú)量綱化處理。

按照上述方法，將10項(xiàng)因素的所有數(shù)據(jù)無(wú)量綱化處理，為了便于后期計(jì)算分析，將無(wú)量綱化后的數(shù)據(jù)擴(kuò)大100倍見(jiàn)表2。

2.4 運(yùn)用模糊數(shù)學(xué)原理模型求解制絲工藝綜合評(píng)價(jià)分?jǐn)?shù)

(4)表2 各指標(biāo)無(wú)量綱化擴(kuò)大100倍數(shù)據(jù)Table 2 Expanded 100 times of various indicators

表3 i與si的計(jì)算結(jié)果匯總表Table 3 The calculation results of i and si

根據(jù)模糊數(shù)學(xué)原理，需要將模糊評(píng)價(jià)分成多個(gè)等級(jí)，本試驗(yàn)將評(píng)價(jià)分成了5個(gè)等級(jí)，詳見(jiàn)表4。

表4 制絲工藝綜合評(píng)價(jià)分?jǐn)?shù)級(jí)別定義

Table 4 Scores level definition of tobacco primary processing line quality comprehensive evaluation

級(jí)別級(jí)別的詳細(xì)定義級(jí)別量化值A(chǔ)制絲工藝綜合生產(chǎn)水平優(yōu)秀,質(zhì)量水平特級(jí)、設(shè)備運(yùn)行狀態(tài)良好、消耗低90～100B制絲工藝綜合生產(chǎn)水平良好,質(zhì)量水平較高、設(shè)備運(yùn)行狀態(tài)較好、消耗較低80～89C制絲工藝綜合生產(chǎn)水平一般,質(zhì)量水平有待提高、設(shè)備運(yùn)行無(wú)明顯故障、消耗較高70～79D制絲工藝綜合生產(chǎn)水平合格,質(zhì)量有不合格情況、設(shè)備運(yùn)行故障較少、消耗高,查找設(shè)備故障60～69E制絲工藝綜合生產(chǎn)水平不合格,質(zhì)量水平明顯不達(dá)標(biāo)、設(shè)備帶故障運(yùn)行、消耗高,不可繼續(xù)生產(chǎn)0～59

現(xiàn)以x1為例，計(jì)算隸屬函數(shù)Fx1，具體表達(dá)式見(jiàn)式(5)；對(duì)應(yīng)隸屬函數(shù)圖像見(jiàn)圖3。

圖3 隸屬函數(shù)Figure 3 Membership function

(5)

同理可得到剩余9組隸屬函數(shù)。下面根據(jù)已經(jīng)確定的隸屬函數(shù)計(jì)算隸屬度：以x1因素的5個(gè)評(píng)價(jià)等級(jí)的隸屬度為例，將表2中對(duì)應(yīng)的數(shù)值代入隸屬函數(shù)Fx1中得：

為了方便計(jì)算，將計(jì)算的數(shù)據(jù)寫(xiě)成矩陣的形式RN1-RN12：

結(jié)合數(shù)值權(quán)重值w計(jì)算每個(gè)班組的隸屬程度向量ln,ln=w×RNn,(n=1,2,…,12)解得l1=(0.032 3 0.086 4 0.211 1 0.476 0 0.194 3)，ln詳細(xì)表示見(jiàn)表5，然后根據(jù)表4[級(jí)別量化表示為分值矩陣F=(60,70,80,90,100)]，計(jì)算出F×NiT,(i=1,2,3,4,5)即表示制絲工藝綜合評(píng)價(jià)量化值，結(jié)合表4的級(jí)別定義，結(jié)果詳見(jiàn)表6。

2.5 運(yùn)用神經(jīng)網(wǎng)絡(luò)模型求解制絲工藝綜合評(píng)價(jià)分?jǐn)?shù)

首先，將根據(jù)甲乙丙3班9～10月份通過(guò)多因素模糊綜合評(píng)價(jià)模型計(jì)算出的制絲工藝綜合評(píng)價(jià)分?jǐn)?shù)及10個(gè)相關(guān)因素作為訓(xùn)練集數(shù)據(jù)，甲班11～12月已知分?jǐn)?shù)及10個(gè)相關(guān)因素作為測(cè)試集數(shù)據(jù)。然后，依據(jù)上述已知條件，運(yùn)用神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)方法建立數(shù)學(xué)模型。通過(guò)已知的訓(xùn)練集和測(cè)試集數(shù)據(jù)，讓數(shù)學(xué)模型達(dá)到自學(xué)習(xí)的效果，將測(cè)試集預(yù)測(cè)分?jǐn)?shù)誤差降至10分以?xún)?nèi)(見(jiàn)圖4)。引入權(quán)重的概念，針對(duì)不同特征參數(shù)進(jìn)行加權(quán)，使自學(xué)習(xí)數(shù)學(xué)模型中的測(cè)試集預(yù)測(cè)分?jǐn)?shù)誤差降至5分以?xún)?nèi)。運(yùn)用建立好的數(shù)學(xué)模型，已知11～12月份，甲乙丙3班10個(gè)相關(guān)因素，預(yù)測(cè)11～12月份甲乙丙三班制絲工藝綜合評(píng)價(jià)分?jǐn)?shù)，最終結(jié)果見(jiàn)圖5。

表5 各班組制絲綜合工藝評(píng)價(jià)指標(biāo)5級(jí)隸屬度Table 5 Level 5 membership of each team

表6 班組制絲工藝綜合評(píng)價(jià)結(jié)果Table 6 The evaluation results of each team

2.6 結(jié)果分析

通過(guò)多因素模糊綜合評(píng)價(jià)模型與神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型計(jì)算出的制絲工藝綜合評(píng)價(jià)分?jǐn)?shù)結(jié)果見(jiàn)表7。

圖4 測(cè)試數(shù)據(jù)預(yù)測(cè)圖Figure 4 Prediction of test data

圖5 預(yù)測(cè)11～12月份甲乙丙3班制絲工藝綜合評(píng)價(jià)分?jǐn)?shù)Figure 5 Prediction score of comprehensive evaluation

通過(guò)分析可知，甲班11月份制絲工藝綜合生產(chǎn)水平處于B與C級(jí)之間，更偏向于C級(jí)；甲班12月份制絲工藝綜合生產(chǎn)水平處于B級(jí)。乙班11月份制絲工藝綜合生產(chǎn)水平處于B與C級(jí)之間，更偏向于C級(jí)；乙班11、12月份制絲工藝綜合生產(chǎn)水平處于C級(jí)。丙班11月份制絲工藝綜合生產(chǎn)水平處于B級(jí)；丙班12月份制絲工藝綜合生產(chǎn)水平處于B與C級(jí)之間，更偏向于C級(jí)。而無(wú)論是基于多因素模糊綜合評(píng)價(jià)模型還是神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型，對(duì)制絲工藝綜合評(píng)價(jià)結(jié)果的等級(jí)相同，則說(shuō)明多因素模糊綜合評(píng)價(jià)模型用于制絲工藝綜合評(píng)價(jià)可行。通過(guò)對(duì)制絲工藝綜合評(píng)價(jià)等級(jí)的判定，可知3班制絲工藝綜合生產(chǎn)能力皆不屬于優(yōu)秀水平，甲班、丙班水平相當(dāng)，較好于乙班。通過(guò)對(duì)各因素隸屬度矩陣RN1-RN12及表5各班組制絲綜合工藝評(píng)價(jià)指標(biāo)5級(jí)隸屬度的數(shù)據(jù)進(jìn)行分析可知，乙班11月份松散回潮工序質(zhì)量系數(shù)、加料工序質(zhì)量系數(shù)、梗加香工序質(zhì)量系數(shù)較差，皆屬于D、E等級(jí)，質(zhì)量不合格甚至質(zhì)量水平明顯不達(dá)標(biāo)。斷料次數(shù)屬于D、E等級(jí)、斷料時(shí)間屬于C、D等級(jí)，設(shè)備運(yùn)行狀態(tài)不佳。乙班12月份各工藝段質(zhì)量系數(shù)皆較差，屬于D、E等級(jí)，但設(shè)備運(yùn)行狀態(tài)較好，斷料次數(shù)與時(shí)間較少，消耗水平適中。

3 結(jié)論

建立了基于層次分析法、線(xiàn)性投影法的多因素模糊綜合評(píng)價(jià)模型，應(yīng)用于制絲工藝綜合等級(jí)評(píng)價(jià)，最終得到甲乙丙3個(gè)班組的制絲工藝綜合生產(chǎn)水平及影響其評(píng)價(jià)等級(jí)的不良因素。神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型既可以用于驗(yàn)證多因素模糊綜合評(píng)價(jià)模型的合理性與準(zhǔn)確性，也可獨(dú)立對(duì)制絲工藝綜合等級(jí)進(jìn)行判定。其優(yōu)點(diǎn)是訓(xùn)練數(shù)據(jù)越多其準(zhǔn)確性越高，減少了權(quán)重評(píng)價(jià)主觀因素的作用；其缺點(diǎn)是不能對(duì)影響評(píng)價(jià)等級(jí)的不良因素進(jìn)行判斷。因此，當(dāng)樣本數(shù)據(jù)足夠多，并且不需要指出影響評(píng)價(jià)等級(jí)的不良因素時(shí)，采用神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型準(zhǔn)確度更高；但如果需要對(duì)影響評(píng)價(jià)等級(jí)的不良因素進(jìn)行排查時(shí)，則多因素模糊綜合評(píng)價(jià)模型的應(yīng)用更廣泛。兩種方法相結(jié)合，互相驗(yàn)證，對(duì)提高制絲工藝綜合生產(chǎn)水平提供了科學(xué)、簡(jiǎn)潔的依據(jù)，對(duì)查找工藝質(zhì)量、設(shè)備運(yùn)行狀態(tài)、生產(chǎn)消耗指標(biāo)下的各項(xiàng)不良因素提供了支持。

表7 班組制絲工藝綜合評(píng)價(jià)結(jié)果對(duì)比Table 7 The evaluation results comparison of each team

[1] 國(guó)家煙草專(zhuān)賣(mài)局. 卷煙工藝規(guī)范[S]. 北京: 中央文獻(xiàn)出版社, 2003: 20-25.

[2] 國(guó)家煙草專(zhuān)賣(mài)局. 卷煙工藝規(guī)范[S]. 北京: 中央文獻(xiàn)出版社, 2016: 30-35.

[3] 劉繼輝, 許磊, 馬曉龍, 等. 基于隨機(jī)森林回歸的制絲過(guò)程參數(shù)影響權(quán)重分析[J]. 煙草科技, 2017, 50(2): 63-71.

[4] 熊安言, 于建春, 王二彬, 等. 葉絲加料工序參數(shù)對(duì)加料效果的影響[J]. 煙草科技, 2016, 49(1): 66-71.

[5] 劉曉龍. 卷煙制造過(guò)程關(guān)鍵質(zhì)量特性識(shí)別及實(shí)證研究[D]. 鄭州: 鄭州大學(xué), 2013: 20-25.

[6] 張濤, 蘇明亮, 趙偉, 等. 制絲工藝參數(shù)對(duì)9種主流煙氣成分釋放量的影響[J]. 煙草科技, 2014(8)：32-37.

[7] 陶永峰, 張勝華, 李文璟, 等.Z比分?jǐn)?shù)-模糊AHP評(píng)價(jià)模型在卷煙成品實(shí)驗(yàn)室檢測(cè)能力評(píng)價(jià)中的應(yīng)用[J]. 煙草科技, 2015, 48(5): 85-89.

[8] 劉璇, 王沛, 畢金峰, 等. 基于層次分析法的晚熟品種蘋(píng)果脆片品質(zhì)評(píng)價(jià)[J]. 食品與機(jī)械, 2012, 28(5): 46-50.

[9] 楊綸標(biāo), 高英儀. 模糊數(shù)學(xué)原理及應(yīng)用[M]. 廣州: 華南理工大學(xué)出版社出版, 2006: 50-55.

[10] 胡永宏. 綜合評(píng)價(jià)方法[M]. 北京: 科學(xué)出版社, 2000: 60-65.

[11] 王小川, 史峰, 郁磊, 等.MATLAB神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M]. 北京: 北京航空航天大學(xué)出版社, 2011: 133-137.

[12] 曲玉琨, 張新征, 王章龍, 等. 火炮系統(tǒng)效能綜合評(píng)價(jià)與指標(biāo)無(wú)量綱化處理的研究[J]. 火炮發(fā)射與控制學(xué)報(bào), 2007(3): 20-20.

Application of fuzzy comprehensive and Neural network evaluation models on tobacco primary processing line quality

WANGXiao-juan

(ChinaTobaccoGuizhouTobaccoIndustiralCo.,Ltd.,Guidingcigarettefactory,Guiding,Guizhou551300,China)

To solve the problems on determining comprehensive level of pipe tobacco technology via pipe tobacco quality, equipment operation and production consumption, the Fuzzy comprehensive and neural network evaluation models were built based on analytic hierarchy process, linear projection method. The modeling results of the three groups based on the mass coefficient and cutting material condition from September to December indicated that neural network evaluation model could not only verify the rationality and accuracy of multi-factor fuzzy comprehensive evaluation model, but also could independently determine the comprehensive level of pipe tobacco technology. It not only offers scientific evidence to improve production levels of pipe tobacco, but also provides support to find negetive factors in process quality, equipment operation and production consumption by combing with the two methods.

Tobacco primary processing line quality; Analytic Hierarchy Process; Multi-factor fuzzy comprehensive evaluation model; Membership; Neural network evaluation model

王曉娟(1973—)，女，貴州中煙工業(yè)有限責(zé)任公司貴定卷煙廠(chǎng)工程師。E-mail:xj0357@sina.com

2017—03—09

10.13652/j.issn.1003-5788.2017.05.041