王麗芳 李麗萍 丁姍

紅云紅河煙草（集團(tuán)）有限責(zé)任公司紅河卷煙廠

一、引言

卷煙生產(chǎn)過程由制絲、卷接、包裝等多個環(huán)節(jié)構(gòu)成，而制絲生產(chǎn)過程是卷煙加工的重要階段，其生產(chǎn)過程中每個工序工藝參數(shù)都會對卷煙感官質(zhì)量、化學(xué)成分產(chǎn)生一定的影響[1]。目前，針對制絲工藝參數(shù)的變化對卷煙感官質(zhì)量的影響研究已較多，但系統(tǒng)的制絲工藝參數(shù)對卷煙感官質(zhì)量影響的重要性度量相對欠缺。本文針對我廠紅河A品牌卷煙感官質(zhì)量評價采用隨機森林分類的方法，挖掘卷煙感官質(zhì)量制絲生產(chǎn)影響因素，并對其影響重要性排序，作為卷煙產(chǎn)品品質(zhì)提升的研究依據(jù)，確定制絲加工參數(shù)優(yōu)化和試驗研究的方向。

為掌握紅河A品牌卷煙感官質(zhì)量現(xiàn)狀，調(diào)取2019年3月份共23批成品煙支感官質(zhì)量評吸綜合得分結(jié)果，繪制其I-MR控制圖。

圖1 紅河A品牌感官質(zhì)量得分的I-MR控制圖

從圖可以看出，紅河A品牌各批次間感官質(zhì)量綜合打分有較大波動，說明紅河A品牌各批次間的感官質(zhì)量的確存在差異。為驗證評吸員感官質(zhì)量評價的準(zhǔn)確性及各評吸員之間感官質(zhì)量評價是否存在差異，隨機抽取四名評吸員，對不同樣品評吸的再現(xiàn)性、重復(fù)性做一致性檢驗，結(jié)果顯示各評吸員自身、評吸員之間、評吸員與標(biāo)準(zhǔn)的一致性較好，證明測量系統(tǒng)可用，卷煙感官質(zhì)量差異來源于卷煙本身，卷煙感官質(zhì)量制絲生產(chǎn)影響因素的挖掘不可或缺。

二、數(shù)據(jù)說明及研究方法

（一）數(shù)據(jù)來源及說明

紅河A品牌卷煙正式投入生產(chǎn)后，我廠針對每一批次卷煙開展在線針對性評吸，因此本文選擇紅河A牌號為研究對象，探索制絲生產(chǎn)過程卷煙感官質(zhì)量的影響因素。數(shù)據(jù)來源于年度內(nèi)紅河A品牌共139個批次卷煙在線針對性評吸結(jié)果，從我廠制造執(zhí)行系統(tǒng)（MES）調(diào)取各批次對應(yīng)生產(chǎn)全過程共26個可控加工參數(shù)數(shù)據(jù)，并依據(jù)集團(tuán)數(shù)據(jù)截取規(guī)則對過程異常數(shù)據(jù)進(jìn)行了處理 。

（二）隨機森林分類

隨機森林是集成學(xué)習(xí)的重要方法，由Breiman(2001)提出，其分類和bagging 分類非常類似，即從原始訓(xùn)練樣本集N中有放回的重復(fù)抽取n個觀測值作為自助法樣本(bootstrap sample)，根據(jù)這個新樣本建造一個(分類)決策樹。在建造樹的過程中并不用所有的變量當(dāng)候選拆分變量，而是隨機地挑選部分變量來競爭拆分變量，這樣，不僅僅是每棵樹所用的數(shù)據(jù)是隨機抽取的, 而且每個節(jié)點的拆分變量的選擇都是隨機的。

隨機森林是用隨機方式建立一個森林，森林里面有很多決策樹，每一棵決策樹之間是沒有關(guān)聯(lián)的。當(dāng)輸入新的樣本時，就讓森林中的每一棵決策樹分別進(jìn)行判斷，并用票選法決定預(yù)測的結(jié)果。隨機森林分類的交叉驗證的綜合結(jié)果即OOB誤差估計，通過其OOB可知模型誤判率及準(zhǔn)確率。

隨機森林能夠處理觀測值很少，或自變量高階交互作用及自變量相關(guān)的問題，在現(xiàn)有算法中,其精度是無可比擬的，且隨機森林在分類的應(yīng)用中可以計算出不同變量屬性的重要性，是卷煙感官質(zhì)量影響因素挖掘方法的必然之選。

三、實證分析

首先在R軟件下，對全部變量及其觀測值用randomForest()進(jìn)行擬合，計算其擬合精度，分類結(jié)果顯示，隨機森林OOB誤差估計為15.83%。預(yù)測類錯判主要在A-B和B-C之間，沒有A-C之間的錯判。由于制絲生產(chǎn)過程卷煙感官質(zhì)量評價主要用于生產(chǎn)過程改善，不用于標(biāo)樣定值，此處OOB誤差估計已滿足實際需要。

圖2 隨機森林?jǐn)M合的變量部分依賴圖

通過隨機森林?jǐn)M合的變量部分依賴圖可以看出,各變量在因變量的取值上的影響很不一樣。比如最不重要的變量X4僅僅在很小的范圍和Y有關(guān), 而有些變量則是全方位的，據(jù)隨機森林Gini指數(shù)繪制變量重要性的Pareto圖，并根據(jù)二八原則找到17個關(guān)鍵變量。

圖3 變量重要性的Pareto圖

為驗證模型有效性，在R軟件下使用predict()函數(shù)對模型進(jìn)行交叉驗證，輸出均方誤差（NMSE）為0.0139669。

四、結(jié)論及建議

本文基于隨機森林方法及系統(tǒng)理論，構(gòu)建了卷煙感官質(zhì)量制絲生產(chǎn)影響因素挖掘模型，通過對紅河A品牌多個批次生產(chǎn)數(shù)據(jù)進(jìn)行分析，研究結(jié)論及建議如下：

1.制絲全過程各個工段都存在對卷煙感官質(zhì)量產(chǎn)生影響的因素，而在二八原則找出的17個關(guān)鍵影響因素中，葉絲處理段工藝參數(shù)占比最多，由此證明葉絲處理段的影響力舉足輕重。在實際生產(chǎn)過程中，葉絲處理段可調(diào)節(jié)參數(shù)較多、設(shè)備可調(diào)節(jié)范圍較廣，因此為實現(xiàn)卷煙感官質(zhì)量的穩(wěn)定和提升，可針對葉絲處理段過程控制穩(wěn)定性做進(jìn)一步探索。

2.本文僅在卷煙感官質(zhì)量制絲生產(chǎn)影響因素的挖掘上做了拋磚引玉，在測試范圍內(nèi)對部分關(guān)鍵參數(shù)進(jìn)行了重要性度量。鑒于制絲連續(xù)生產(chǎn)的特點，其生產(chǎn)過程參數(shù)牽一發(fā)而動全身，在針對卷煙感官質(zhì)量的改善過程中，可能對其物料消耗、物理指標(biāo)、化學(xué)指標(biāo)等產(chǎn)生影響。因此，如何對制絲生產(chǎn)過程參數(shù)做綜合調(diào)控、實現(xiàn)精益生產(chǎn)，還需進(jìn)一步研究。

3.隨機森林分類方法在在分析定性變量時具有顯著優(yōu)勢，是一種有效的分類方法，隨著條件的日益成熟以及大數(shù)據(jù)的推廣，預(yù)測精度也會越來越高。因此，立足于滿足消費者的消費習(xí)慣和需求，并結(jié)合實際生產(chǎn)現(xiàn)狀，可有針對性的將本方法進(jìn)一步推廣應(yīng)用到制絲生產(chǎn)工藝參數(shù)優(yōu)化、過程穩(wěn)定性控制及其加工效果的探索和改善中，以此提高顧客對卷煙產(chǎn)品的滿意度，提高產(chǎn)品市場競爭力。