王時駿 程思軍 鐘琳 張立冬 魏佳

摘要：為提高煙草企業(yè)批次生產(chǎn)質(zhì)量追溯能力，提出基于數(shù)據(jù)拓?fù)涞臒煵萜髽I(yè)批次生產(chǎn)質(zhì)量追溯模型。構(gòu)建煙草生產(chǎn)流程的數(shù)據(jù)拓?fù)淠Ｐ?，利用?shù)據(jù)拓?fù)淠Ｐ瓦M(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量信息采樣，為追溯系統(tǒng)提供可用數(shù)據(jù)。通過計算生產(chǎn)質(zhì)量追溯初始分布值的估計值獲取生產(chǎn)追溯強(qiáng)度及分布結(jié)果，在此基礎(chǔ)上，分析追溯系統(tǒng)的頻率分布，綜合上述步驟實現(xiàn)煙草企業(yè)批次生產(chǎn)質(zhì)量追溯。仿真結(jié)果表明，采用該方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的實時性較好，動態(tài)追溯能力較強(qiáng)，對產(chǎn)品質(zhì)量的信息定位能力較好。

關(guān)鍵詞：數(shù)據(jù)拓?fù)?煙草企業(yè);批次;生產(chǎn)質(zhì)量;追溯模型

中圖分類號：TP399

文獻(xiàn)標(biāo)志碼：A

DesignofTraceabilityModelforBatchProductionQualityof

TobaccoEnterprisesBasedonDataTopology

WANGShijun，CHENGSijun，ZHONGLin，ZHANGLidong，WEIJia

（

ChinaTobaccoHubeiIndustrialCo.Ltd.，Wuhan430040，China

）

Abstract：Inordertoimprovethetraceabilityabilityofbatchproductionqualityoftobaccoenterprises，atraceabilitymodelofbatchproductionqualityoftobaccoenterprisesbasedondatatopologyisproposed.Thedatatopologymodeloftobaccoproductionprocessisconstructed，andthedatatopologymodelisusedtosamplethebatchproductionqualityinformationoftobaccoenterprises，whichprovidesavailabledataforthetraceabilitysystem.Bycalculatingtheestimatedvalueoftheinitialdistributionvalueofproductionqualitytraceability，theproductiontraceabilityintensityanddistributionresultsareobtained.Onthisbasis，thefrequencydistributionoftraceabilitysystemisanalyzed，andtheabovestepsaresynthesizedtorealizebatchproductionqualitytraceabilityintobaccoenterprises.Thesimulationresultsshowthattherealtimeperformanceoftobaccoenterprisebatchproductionqualitytraceabilityisbetterbyusingthismethod.Thedynamictraceabilityabilityisstrong，andtheinformationpositioningabilityofproductqualityisbetter.

Keywords：datatopology;tobaccoenterprise;batch;productionquality;traceabilitymodel

0引言

隨著煙草企業(yè)的改革發(fā)展，對煙草企業(yè)的生產(chǎn)和管理提出了更高的要求[1]，需要對煙草企業(yè)的批次生產(chǎn)質(zhì)量進(jìn)行優(yōu)化追溯設(shè)計，提高煙草企業(yè)批次生產(chǎn)質(zhì)量的全程監(jiān)控能力，保障煙草企業(yè)批次生產(chǎn)質(zhì)量的質(zhì)量和安全，研究煙草企業(yè)批次生產(chǎn)質(zhì)量的全程追溯體系具有重要意義[23]。

煙草企業(yè)批次生產(chǎn)質(zhì)量的追溯體系是建立在煙草企業(yè)批次產(chǎn)品的信息特征提取基礎(chǔ)上，設(shè)計基于物聯(lián)網(wǎng)和RFID標(biāo)簽識別的煙草企業(yè)批次生產(chǎn)質(zhì)量分布大數(shù)據(jù)全程追溯體系，采用物聯(lián)組網(wǎng)檢測技術(shù)進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量分布大數(shù)據(jù)空間融合[4]。傳統(tǒng)方法中，對煙草企業(yè)批次生產(chǎn)質(zhì)量追溯方法主要有模糊跟蹤識別方法、物聯(lián)網(wǎng)追溯方法等，以根據(jù)RFID標(biāo)識對煙草企業(yè)批次生產(chǎn)質(zhì)量的歷史情況、所處的場所進(jìn)行全程追溯追蹤，但上述方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯時，存在數(shù)據(jù)定位精度低，時間開銷較大的問題[5]。

針對上述問題，本文提出基于數(shù)據(jù)拓?fù)涞臒煵萜髽I(yè)批次生產(chǎn)質(zhì)量追溯模型。經(jīng)仿真實驗分析，展示了本文方法在提高煙草企業(yè)批次生產(chǎn)質(zhì)量追溯能力方面的優(yōu)越性能。

1煙草企業(yè)批次生產(chǎn)質(zhì)量追溯過程數(shù)值模擬

1.1煙草生產(chǎn)流程的數(shù)據(jù)拓?fù)淠Ｐ?/p>

煙草企業(yè)批次生產(chǎn)質(zhì)量全程追溯的概念指的是還原煙草企業(yè)批次生產(chǎn)質(zhì)量的整個生產(chǎn)加工和流通的過程[67]。為實現(xiàn)基于數(shù)據(jù)拓?fù)涞臒煵萜髽I(yè)批次生產(chǎn)質(zhì)量追溯，采用網(wǎng)絡(luò)組網(wǎng)進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量分布特征信息采集，煙草企業(yè)批次生產(chǎn)質(zhì)量追溯體系的UHFRFID標(biāo)簽識別模型是一個系統(tǒng)，由感知層、網(wǎng)絡(luò)層及應(yīng)用層三個部分所組成[8]?？傮w結(jié)構(gòu)如圖1所示。

在煙草企業(yè)批次生產(chǎn)質(zhì)量全程追溯過程中，采用三層網(wǎng)絡(luò)體系設(shè)計方法，在信息感知層進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯信息采樣，采用射頻標(biāo)簽識別技術(shù)進(jìn)行批次生產(chǎn)質(zhì)量追溯和特征采集，將采集的追溯源數(shù)據(jù)輸入到中間層中進(jìn)行自適應(yīng)處理，完成煙草企業(yè)批次生產(chǎn)質(zhì)量信息分布的空間存儲[9]。

本文將采用數(shù)據(jù)結(jié)構(gòu)重組方法獲取煙草生產(chǎn)全過程質(zhì)量信息監(jiān)控的信息融合集合，并在集合中任意選取訓(xùn)練樣本集，進(jìn)行生產(chǎn)質(zhì)量追溯的加權(quán)分布矩陣計算，并得到生產(chǎn)質(zhì)量風(fēng)險特征評估值。

采用數(shù)據(jù)結(jié)構(gòu)重組方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯信息源結(jié)構(gòu)重組，分析其特征分布情況，獲取追溯系統(tǒng)中煙草生產(chǎn)全過程質(zhì)量信息監(jiān)控的信息融合集合如式（1）。

P={p1，p2，…，pm}，m∈N

（1）

其中，m為煙草企業(yè)批次生產(chǎn)質(zhì)量追溯源的規(guī)則性向量集，在融合集合中任意選取質(zhì)量信息屬性集，并作為向量量化特征分解的訓(xùn)練樣本集pm，其中煙草生產(chǎn)全過程質(zhì)量信息的分布式存儲的量化特征集為m，結(jié)合自適應(yīng)的融合調(diào)度方法，得到煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的加權(quán)分布矩陣形式如式（2）。

S=mφ×α

（2）

在上述公式中，煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的模糊關(guān)聯(lián)特征量φ=φ1，φ2，…，φn表示煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的統(tǒng)計特征量;α=α1，α2，…，αn表示模糊決策向量。假設(shè)煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的分組轉(zhuǎn)發(fā)模型為G（O）=（V，E，LV，LE，μ，η），根據(jù)煙草企業(yè)批次生產(chǎn)質(zhì)量追溯輸出的異常性進(jìn)行實時動態(tài)監(jiān)測，在正交分布矩陣的右側(cè)乘T，則得到煙草企業(yè)批次生產(chǎn)質(zhì)量風(fēng)險特征評估值如式（3）。

αi=TxG（O）

（3）

采用數(shù)據(jù)拓?fù)渫诰蚍椒?，從i個煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的隨機(jī)分布向量，選取j個向量構(gòu)成煙草企業(yè)批次生產(chǎn)質(zhì)量追溯檢測的變換矩陣A，即：A=φ1，φ2，…，φj，i

采用相空間重構(gòu)方法實現(xiàn)煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的數(shù)據(jù)結(jié)構(gòu)重組和拓?fù)湓O(shè)計，提高煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的動態(tài)性。

1.2初始分布值的選取

在2.1構(gòu)建的數(shù)據(jù)拓?fù)淠Ｐ瓦M(jìn)行煙草企業(yè)批次生產(chǎn)

質(zhì)量信息采樣。xn-i表示分布大數(shù)據(jù)屬性集的模糊分布自相關(guān)量，ηn-j表示分布大數(shù)據(jù)屬性特征向量的有限學(xué)習(xí)向量分布集，則煙草企業(yè)批次生產(chǎn)質(zhì)量分布大數(shù)據(jù)信息流重組模型如式（4）。

xn=a0+∑MARi=1aixn-i+∑MMAj=0bjηn-j

（4）

對于煙草企業(yè)批次生產(chǎn)質(zhì)量分布大數(shù)據(jù)的標(biāo)量時間序列為x（t），t=0，1，…，t，結(jié)合模糊RFID跟蹤識別方法，得到煙草企業(yè)批次生產(chǎn)質(zhì)量信息分布值的選取函數(shù)如式（5）。

Xpu=x（t）xnTsc（t）e

（5）

其中，sc（t）表示信息匹配檢測時間序列，e表示信息檢測的模糊聚類特征量，T表示追溯源的關(guān)聯(lián)系數(shù)，采用模糊關(guān)聯(lián)規(guī)則調(diào)度方法，進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯。

1.3生產(chǎn)追溯強(qiáng)度及分布計算

在上述構(gòu)建的煙草生產(chǎn)流程的數(shù)據(jù)拓?fù)淠Ｐ图俺跏挤植贾但@取的基礎(chǔ)上，進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯模型的優(yōu)化設(shè)計。本文提出基于數(shù)據(jù)拓?fù)涞臒煵萜髽I(yè)批次生產(chǎn)質(zhì)量追溯模型。采用大數(shù)據(jù)挖掘方法，得到煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的初始分布值x（j）的估計值如式（6）。

x（j）=∑mj-1αj×φj+∑nj=m+1bj×φj

（6）

上式是通過最大似然估計方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的參量估計，根據(jù)特征估計結(jié)果進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的量化信息降維處理，得到煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的過程控制模型如式（7）、式（8）。

Δx=∑nj=m+1（aj-bj）×φj

（7）

ε2=∑ni=m+1Eai-bi2

（8）

其中，E表示煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的量化信息維度。

結(jié)合分組樣本回歸分析方法進(jìn)行分組檢測，取得ε2的最小值，風(fēng)險評估的最佳統(tǒng)計量bi需要滿足下述條件即式（9）。

ε2bj=bjE-2ai-bi

（9）

因此如式（10）。

bj=Eαj

（10）

根據(jù)以上分析，求得煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的信息負(fù)載分布模型，采用自適應(yīng)尋優(yōu)方法求煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的統(tǒng)計分布，當(dāng)統(tǒng)計平均值Ex=1，則根據(jù)二乘擬合結(jié)果進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量的特征檢測，得到統(tǒng)計特征量如式（11）。

bj=φTjEx

（11）

則生產(chǎn)追溯強(qiáng)度如式（12）。

Rh=∑nj=m+1EφTxxTφTj

（12）

其中，λj是煙草企業(yè)批次生產(chǎn)質(zhì)量追溯監(jiān)測的特征值x在特征分布區(qū)間R上的第j個原始特征向量值，φj是λj對應(yīng)的原始特征向量值。計算煙草企業(yè)批次生產(chǎn)質(zhì)量追溯大數(shù)據(jù)的波動系數(shù)，能夠描述為q-k1-fq-k，得到質(zhì)量追溯的最優(yōu)分布參量估計值如式（13）。

（T）=qRh1-fbj

（13）

綜上分析，結(jié)合統(tǒng)計特征分析方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的信息各種識別和量化評估。

1.4頻率分布

建立煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的信息源特征分布模型，采用關(guān)聯(lián)規(guī)則挖掘方法進(jìn)行質(zhì)量信息跟蹤識別和大數(shù)據(jù)挖掘，挖掘煙草企業(yè)批次生產(chǎn)質(zhì)量信息的關(guān)聯(lián)規(guī)則屬性集如式（14）。

Vp={V1，V2，…，Vp}

（14）

基于優(yōu)先級屬性調(diào)度方法，進(jìn)行數(shù)據(jù)拓?fù)洌玫綗煵萜髽I(yè)批次生產(chǎn)質(zhì)量追溯的源分布結(jié)構(gòu)模型如式（15）。

XV=[X1，X2，…，XV]=

x1x2…xV

x1+τx2+τ…xV+τ

…………

x1+（m-1）τx2+（m-1）τ…xM+（m-1）τ

（15）

其中V=N-（m-1）τ，構(gòu)建圖拓?fù)浣Y(jié)構(gòu)模型，干擾分量為p（ek|vk），煙草企業(yè)批次生產(chǎn)質(zhì)量信息追溯頻率如式（16）。

μik=1XVVpp（ek|vk）

（16）

采用關(guān)聯(lián)規(guī)則挖掘方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量信息跟蹤識別和大數(shù)據(jù)挖掘，得到追溯輸出描述如式（17）。

Uvi=βvilog（1+μik∑Kj=1SvieTjRCjnCj），vi∈v，Cj∈C

（17）

通過式（17）完成煙草企業(yè)批次生產(chǎn)質(zhì)量追溯。為檢驗本文方法的有效性及可行性，需進(jìn)行仿真實驗。

2仿真實驗與性能分析

為測試本文方法在實現(xiàn)煙草企業(yè)批次生產(chǎn)質(zhì)量追溯中的應(yīng)用性能，進(jìn)行仿真實驗分析。仿真硬件環(huán)境為：選用256MB內(nèi)存，CPU主頻為1.0GHz，操作系統(tǒng)為Windows10的PC端進(jìn)行仿真實驗。軟件環(huán)境為：利用Matlab/Simulink中simPowerSystemsMl工具箱建立系統(tǒng)仿真模型，并在模型中應(yīng)用MLIB和MTRACE提升本文模型的自動實驗?zāi)芰10]，對煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的樣本信息采樣數(shù)據(jù)庫來自于TobaccoDatabase[11]，對煙草企業(yè)批次生產(chǎn)數(shù)據(jù)樣本集大小為1200，煙草企業(yè)批次生產(chǎn)質(zhì)量的訓(xùn)練數(shù)據(jù)集規(guī)模為80，信息采樣的時間長度為50，特征重構(gòu)的維數(shù)為12，采樣時間延遲為0.59，對煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的收斂性判斷閾值為0.75[12]，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量信息采樣和聚類處理，得到原始的煙草企業(yè)批次生產(chǎn)質(zhì)量信息分布，如圖3所示。

以圖3的數(shù)據(jù)為輸入，進(jìn)行本文方法的性能檢測。

2.1煙草生產(chǎn)質(zhì)量追溯結(jié)果

以圖3的數(shù)據(jù)作為樣本輸入，進(jìn)行質(zhì)量追溯，得到以下結(jié)果，如表1所示。

2.2質(zhì)量追溯的定位精度

采用數(shù)據(jù)結(jié)構(gòu)重組方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯信息源結(jié)構(gòu)重組，得到數(shù)據(jù)拓?fù)浣Y(jié)果。采用本文方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯，通過數(shù)據(jù)拓?fù)洌瑢崿F(xiàn)特征重構(gòu)，提高了質(zhì)量追溯能力。測試不同方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的定位精度，如表2所示。

分析得知，采用本文方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的定位精度較高。

2.3時間開銷

采用煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的時間開銷，如表3所示。

分析表3得知，本文方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的時間開銷較短。由于本文通過煙草企業(yè)批次生產(chǎn)質(zhì)量的模糊分布自相關(guān)量及有限學(xué)習(xí)向量分布集進(jìn)行分布大數(shù)據(jù)信息流重組模型，并結(jié)合模糊RFID跟蹤識別方法，選取可用信息分布值，在一定程度上減少了時間的開銷。

3總結(jié)

為提高煙草企業(yè)批次生產(chǎn)質(zhì)量的全程監(jiān)控能力，保障煙草企業(yè)批次生產(chǎn)質(zhì)量的質(zhì)量和安全，本文提出基于數(shù)據(jù)拓?fù)涞臒煵萜髽I(yè)批次生產(chǎn)質(zhì)量追溯模型。構(gòu)建煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的統(tǒng)計信息分布模型，采用數(shù)據(jù)結(jié)構(gòu)重組方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯信息源結(jié)構(gòu)重組，建立煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的信息源特征分布模型，采用關(guān)聯(lián)規(guī)則挖掘方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量信息跟蹤識別和大數(shù)據(jù)挖掘，結(jié)合統(tǒng)計特征分析方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量追溯的信息各種識別和量化評估。分析得知，本文方法進(jìn)行煙草企業(yè)批次生產(chǎn)質(zhì)量全程追溯的數(shù)據(jù)拓?fù)渲貥?gòu)能力較好，對產(chǎn)品源的定位精度較高，時間開銷較短。

參考文獻(xiàn)

[1]

曾煉成，沈岳，彭佳紅，等.基于UHFRFID標(biāo)簽的農(nóng)產(chǎn)品可追溯系統(tǒng)研究[J].安徽農(nóng)業(yè)科學(xué)，2010，38（26）：1473414735.

[2]李夢尋，劉宏志.基于物聯(lián)網(wǎng)的食品安全監(jiān)理模型研究[J].食品科學(xué)技術(shù)學(xué)報，2011，29（2）：5457.

[3]YoucefAMIRAT，ArnaudMü，NCH.OntheControllabilityofanAdvectiondiffusionEquationwithRespecttotheDiffusionParameter：AsymptoticAnalysisandNumericalSimulations[J].ActaMathematicaeApplicataeSinica，EnglishSerie，2019，35（1）：54110.

[4]YeM，QianY，ZhouJ.Multitasksparsenonnegativematrixfactorizationforjointspectralspatilhyperspectralimagerydenoising[J].IEEETransactionsonGeoscienceandRemoteSensing，2015，53（5）：26212639.

[5]SAHUPK，MANNAK，SHAHN，etal.ExtendingKernighanLinpartitioningheuristicforapplicationmappingontoNetworkonChip[J].JournalofSystemsArchitecture，2014，60（7）：562578.

[6]王建華，李碩.合作社在農(nóng)產(chǎn)品質(zhì)量安全管理中的功能定位與發(fā)展路徑[J].江南大學(xué)學(xué)報（人文社會科學(xué)版），2018，17（4）：4450.

[7]周浩然，張越.信息化引領(lǐng)下醫(yī)院消毒滅菌質(zhì)量管理追溯的實踐研究[J].內(nèi)蒙古醫(yī)科大學(xué)學(xué)報，2018，40（S1）：431434.

[8]程玉桂，付丹丹.基于第三方監(jiān)管機(jī)構(gòu)的可追溯安全農(nóng)產(chǎn)品信任博弈[J].南昌航空大學(xué)學(xué)報（自然科學(xué)版），2016，30（1）：7985+91.

[9]林宇洪，胡連珍，蔣新華，等.基于二維碼的農(nóng)超對接供應(yīng)鏈追溯系統(tǒng)的設(shè)計[J].黑龍江八一農(nóng)墾大學(xué)學(xué)報，2015，27（6）：8387.

[10]NIEXiaowei.RadarsignalpresortingbasedonKmeansalgorithm[J].ElectronicScienceandTechnology，2013，26（11）：5558.

[11]JUCH，ZOUJB.Anincrementalclassificationalgorithmfordatastreambasedoninformationentropydiversitymeasure[J].TelecommunicationsScience，2015，31（2）：8696.

[12]JUCH，ZOUJB.Anincrementalclassificationalgorithmfordatastreambasedoninformationentropydiversitymeasure[J].TelecommunicationsScience，2015，31（2）：8696.

（收稿日期：2019.08.13）