王滎 卓亮 何林洋 謝正全 張暉

摘要：煙草制絲過程中煙絲的加水量對制絲質(zhì)量起著重要的作用，而影響加水量的因素眾多。為了定量研究各影響因素對生絲水分的影響程度，通過對綿陽卷煙廠生絲水分歷史數(shù)據(jù)，運用多種機器學(xué)習(xí)樹模型算法進行學(xué)習(xí)，并對結(jié)果進行對比分析。分析結(jié)果表明，不同模型所獲得的預(yù)測精度存在差別，在現(xiàn)有數(shù)據(jù)上極端梯度提升樹獲得了最高的預(yù)測精度。通過極端梯度提升樹模型計算了各影響因素對生絲水分的影響程度。

關(guān)鍵詞： 生絲水分;極端梯度提升樹;機器學(xué)習(xí);樹模型;特征重要性

中圖分類號：TP181? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）04-0010-02

煙絲含水率是卷煙生產(chǎn)過程中最重要的質(zhì)量參數(shù)之一，只有含水率在正常范圍內(nèi)的煙絲才允許包裝出廠。制絲過程中水分主要由潤葉加料工序和烘絲工序決定，烘絲工序需要潤葉加料工序生絲含水率在規(guī)定范圍內(nèi)的同時穩(wěn)定一致，才能精確控制烘絲的時間和強度，生產(chǎn)出合格的煙絲，因此潤葉加料工序加水量對生絲含水率影響極大[1-3]。目前生絲潤葉加料工段總加水量的控制通常采用人工方式根據(jù)經(jīng)驗進行調(diào)控，由于多班制的影響，難免因為班與班、人與人之間判定和操作不一致，以及外部環(huán)境不穩(wěn)定性導(dǎo)致生絲含水率不佳的情況發(fā)生。而影響生絲水分的因素較多，包含儲葉溫濕度，加水量等可控因素和外部天氣情況、儲葉時間等不可控因素，人工調(diào)控潤葉加料工段總加水量高度依賴操作工個人經(jīng)驗，存在一定難度，缺乏穩(wěn)定性與精確性，并且不能快速應(yīng)對外部環(huán)境的變化。本文采用綿陽卷煙廠制造執(zhí)行系統(tǒng)（Manufacturing Execution System，MES）系統(tǒng)中提取的近三年生絲水分數(shù)據(jù)采用機器學(xué)習(xí)方法進行模型構(gòu)建，將不同模型的預(yù)測結(jié)果與實際數(shù)據(jù)進行對比，進而確定影響生絲水分的因素。

機器學(xué)習(xí)是從數(shù)據(jù)中發(fā)現(xiàn)知識的技術(shù)，近年來由于其在圖像識別、語音識別上的進展而廣受關(guān)注。對已標注的數(shù)據(jù)，根據(jù)標記是數(shù)值型數(shù)據(jù)或離散型數(shù)據(jù)分為回歸和分類算法。本研究的主要目標是對潤葉加料工段總加水量這一數(shù)值型數(shù)據(jù)進行預(yù)測和分析，采用回歸算法。常用的回歸算法有線性回歸、支持向量回歸、深度回歸、基于樹的回歸算法等。本項目不僅需要獲得較高的預(yù)測精度，同時也需要對預(yù)測的結(jié)果進行評估，需要模型具有可解釋性。因此，本項目選擇回歸樹算法來建立模型，對潤葉加料工段總加水量進行預(yù)測?；貧w樹的另一個優(yōu)點是可以在高精度預(yù)測的同時，獲得特征對結(jié)果的重要性影響程度，從而幫助理解各影響因素的影響程度。

1 相關(guān)工作

由于生絲水分預(yù)測和控制對煙絲質(zhì)量影響的重要性，目前已經(jīng)有卷煙生產(chǎn)企業(yè)開展了生絲水分影響因素分析工作。金發(fā)崗等對制絲生產(chǎn)過程數(shù)據(jù)通過隨機森林進行特征選擇，使用差分進化優(yōu)化的極限學(xué)習(xí)機進行含水率預(yù)測 [2]。李自娟等采用神經(jīng)網(wǎng)絡(luò)和多元回歸模型建立烘絲出口水分預(yù)測模型[3]。鐘文焱等采用Pearson相關(guān)分析的方法，確定烘絲機入口含水率的主要影響因素，并用神經(jīng)網(wǎng)絡(luò)算法和多元回歸分析方法建立含水率預(yù)測模型，保障制絲過程中烘絲機入口含水率的穩(wěn)定性[4]。劉穗君等對松散回潮數(shù)據(jù)通過回歸分析建立統(tǒng)計模型，并通過自適應(yīng)學(xué)習(xí)進行含水率精確控制[5]。何毅等采用梯度提升樹對煙草回潮機出料含水率進行了預(yù)測[6]。

這些研究工作表明，烘絲的出口水分主要受入口水分影響，因此控制好生絲的水分對最終制成煙絲質(zhì)量影響重大。由于生絲需要在倉庫中存儲4小時～36小時才檢測出口水分，本質(zhì)上生絲水分控制系統(tǒng)屬于大滯后控制系統(tǒng)，而大滯后系統(tǒng)的控制對控制界來講一直是一個難題。傳統(tǒng)的大滯后控制采用斯密斯預(yù)估，其缺點是需要控制對象的精確數(shù)學(xué)模型，而對生絲水分控制系統(tǒng)來講，其影響因素太多，很難建立精確數(shù)學(xué)模型。各煙廠開展的相關(guān)工作主要采用各種統(tǒng)計方法找到自變量和因變量的線性模型，或是采用神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型。與本文最相似的工作是文獻[2]和文獻[6]，他們也采用樹模型來對生絲水分進行預(yù)測，本文與他們最重要的區(qū)別是本文采用了包括隨機森林、梯度提升樹在內(nèi)的多種樹學(xué)習(xí)模型并對預(yù)測精度進行了比較，在此基礎(chǔ)上確定了精度最高的模型，并用其進行特征分析。

2 數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)介紹

本文數(shù)據(jù)來自從MES系統(tǒng)中提取的四川中煙工業(yè)有限責任公司綿陽卷煙廠“利群（新版）”牌號煙葉2017年6月至2020年5月生絲水分歷史數(shù)據(jù)。三年總共有近6000條（一批次為一條）生絲水分歷史數(shù)據(jù)，共186個維度，主要包括松散回潮、潤葉加料、Sirox增溫增濕、烘絲、摻配加香五個生產(chǎn)環(huán)節(jié)。本項目考慮烘絲前的水分預(yù)測，所以只選用了松散回潮、潤葉加料、Sirox增溫增濕三個環(huán)節(jié)的數(shù)據(jù)，具體屬性如圖1所示。

其中多個數(shù)據(jù)存在子屬性未包括在圖1中，分別為均值、標準偏差（Standard Deviation， SD）、過程能力指數(shù)（Process Capability Index，CPK）、合格率四個子屬性，為了數(shù)據(jù)分析的方便性，本文只采用各屬性的均值進行計算。模型預(yù)測值為潤葉加料工段的累積加水量。

2.2 數(shù)據(jù)預(yù)處理算法

生絲水分原始數(shù)據(jù)存在部分數(shù)據(jù)記錄缺失（如潤葉加料工段的貯葉時間等屬性的數(shù)據(jù)未存入數(shù)據(jù)庫），每批次數(shù)據(jù)也存在部分缺漏，同時數(shù)據(jù)表里部分特征對生絲水分加水量無影響。所以在數(shù)據(jù)預(yù)處理過程中，先合并所有批次的數(shù)據(jù)，并對有缺失屬性的數(shù)據(jù)項進行了刪除。處理后的數(shù)據(jù)包括25個維度，它們是：“松散回潮皮帶秤實時流量均值”“松散回潮出口水分均值”“松散回潮出口溫度均值”“松散回潮回風溫度均值”“潤葉加料皮帶秤實時流量均值”“潤葉加料入口水分均值”“潤葉加料出口水分均值”“潤葉加料出口溫度均值”“潤葉加料料液實時流量均值”“潤葉加料累計加料量”“潤葉加料料液溫度均值”“潤葉加料瞬時精度均值”“潤葉加料累計精度”“Sirox增溫增濕皮帶秤實時流量均值”“Sirox入口水分均值”“Sirox入口水分SD”“Sirox蒸汽薄膜閥開度均值”“Sirox蒸汽減壓閥后壓力均值”“Sirox出口溫度均值”“整絲率”“碎絲率”“填充值”“純凈度”“儲葉房溫度”“儲葉房濕度”。

2.3數(shù)據(jù)標準化

由于數(shù)據(jù)特征量級、量綱均不一致，而不一致的量綱對機器學(xué)習(xí)算法具有較大影響，需要對特征數(shù)量級進行歸一化。筆者使用的歸一化計算公式如式（1）所示。

x=（x-maxx）/（maxx-minx）? ? ? ? ? ? ? ? ? （1）

歸一化后所有數(shù)據(jù)被縮放至0～1區(qū)間，再輸入到算法模型中進行學(xué)習(xí)預(yù)測。

3 特征選擇

3.1 模型選擇

將數(shù)據(jù)集按9：1比例隨機分為訓(xùn)練集和測試集，訓(xùn)練集用來訓(xùn)練模型，測試集用來評估訓(xùn)練好的模型。將訓(xùn)練集輸入給不同算法進行訓(xùn)練，通過網(wǎng)格搜索和交叉驗證尋找機器學(xué)習(xí)模型的最優(yōu)參數(shù)，網(wǎng)格搜索用于系統(tǒng)遍歷多種參數(shù)組合，其目的是搜尋模型中的最優(yōu)超參數(shù)，再通過交叉驗證確定最佳參數(shù)。

本文分別采用了回歸樹（Classification And Regression Trees， CART）[7]、梯度提升決策樹（Gradient Boosting Decision Tree，GBDT）[8]、隨機森林[9]、極端梯度提升樹（Extreme Gradient Boosting， XGBoost）[10]、Lightgbm[11]、Catboost[12] 六種基于樹的回歸算法建模，對比預(yù)測精度，選取精度最高的模型。

各模型在測試集上預(yù)測精度結(jié)果如表1所示。從表1可以看出，在六種樹模型中，XGBoost的精度最高，因此筆者選擇Xgboost來具體分析特征間的關(guān)系。

3.2 特征重要性分析

使用XGboost計算出的特性影響權(quán)重如圖2所示。從圖2可以看出，潤葉加料入口水分均值的特征影響權(quán)重占比超過45%，仍占主要影響地位;儲葉房溫濕度、潤葉加料出口水分、松散回潮出口水分、松散回潮出口溫度和松散回潮累計加水量的特征影響權(quán)重占比占據(jù)重要影響地位。

4 結(jié)論

為掌握制絲工序中各影響因素對生絲水分的影響情況，本文對數(shù)據(jù)進行了預(yù)處理并篩選特征，通過使用回歸樹、GBDT、隨機森林、XGBoost、Lightgbm、Catboost多種常用樹學(xué)習(xí)模型對歷史數(shù)據(jù)的預(yù)測精度進行研究。通過對比選取的六個樹模型預(yù)測精度，選取精度最高的Xgboost作為本項目研究模型。

通過特征重要性計算和特征相關(guān)性分析，可以知道潤葉加料入口水分均值對總加水量影響最大，潤葉加料出口水分均值占據(jù)重要影響，潤葉加料累計加料量、潤葉加料皮帶秤累計值、松散回潮皮帶秤累計值、潤葉加料瞬時精度均值、潤葉加料出口水分、松散回潮出口水分和松散回潮出口溫度分別占據(jù)較為重要的影響。

參考文獻：

[1] 范羿，王錫瑩，何曉瑩，等.煙絲風送過程含水率變化趨勢研究[J].云南化工，2020，47（8）：74-76.

[2] 金發(fā)崗，王雅琳，張鵬程，等.隨機森林和DE-ELM的烘絲機入口含水率預(yù)測[J].控制工程，2020，27（3）：532-539.

[3] 李自娟，劉博，高楊，等.卷煙制絲環(huán)節(jié)關(guān)鍵工序水分預(yù)測模型的建立與檢驗[J].食品與機械，2020，36（10）：190-195，205.

[4] 鐘文焱，陳曉杜，馬慶文，等.基于多因素分析的烘絲機入口含水率預(yù)測模型的建立與應(yīng)用[J].煙草科技，2015，48（5）：67-73.

[5] 劉穗君，王玉芳，李超，等.基于統(tǒng)計回歸分析的松散回潮出口含水率精準控制系統(tǒng)[J].煙草科技，2017，50（3）：88-93.

[6] 何毅，李斌，普軼，等.基于梯度提升樹的煙草回潮機出料含水率預(yù)測[J].軟件，2020，41（6）：151-157.

[7] 1Breiman L， Friedman J H， Olshen R A， et al. Classification and Regression? Trees[M]. Monterey， CA： Wadsworth & Brooks/Cole Advanced Books & Software， 1984.

[8] Friedman J H.Greedy function approximation：a gradient boosting machine[J].The Annals of Statistics，2001，29（5）：1189-1232.

[9] Breiman L. Random forests[J]. Machine learning， 2001， 45（1）： 5-32.

[10] Chen T Q，Guestrin C.XGBoost：a scalable tree boosting system[C]//KDD '16：Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.2016：785-794.

[11] Ke G， Meng Q， Finley T， et al. Lightgbm： A highly efficient gradient boosting? decision tree[C]. Advances in neural information processing systems， 2017 ： 3146- 3154.

[12] Dorogush A V，Ershov V，Gulin A.CatBoost：gradient boosting with categorical features support[J]. arXiv preprint arXiv：2018：1810-11363.

收稿日期：2021-10-15

基金項目：四川中煙工業(yè)科研項目“基于數(shù)據(jù)相關(guān)性分析的生絲水分控制智能決策系統(tǒng)”（202005）

作者簡介： 王滎（1986—），女，四川樂山人，工程師，本科，主要研究方向為工業(yè)自動化及智能制造;卓亮（1984—），男，四川綿陽人，工程師，碩士，主要研究方向為工業(yè)自動化;何林洋（1985—），男，四川綿陽人，工程師，本科，主要研究方向為工業(yè)自動化及儀器儀表;謝正全（1977—），男，吉林德惠人，工程師，碩士，主要研究方向為軟件工程;張暉（1972—），男，安徽宿松人，教授， 博士，主要研究方向為大數(shù)據(jù)技術(shù)。