摘要
为推动烟草行业由"信息化"向"智能化"迈进,深入挖掘烟草行业大数据价值,反哺工艺质量控制.文章选取烟支缺陷中最核心的项目空头作为研究对象,运用Stacking集成机器学习算法识别出烟支空头率的重要影响因子为VE段流化槽压力、筛风风机转速、VE段比例系数、吸丝带与前后道修整器后侧之间的距离.数值试验结果显示:SE段的工艺参数对烟支空头率的影响高于VE段,且SE段与VE段参数之间存在显著交互.为降低空头率,通过提取决策树最优决策路径输出重要影响因子的参数设定组合建议值为:VE段的流化槽压力终值设定在-2.5～-2.0hPa,针辊比例系数设定在115％～120％,筛分风机风速不高于1350r/min;SE段修整器/吸丝带的距离-前道修整器后设定为0～1mm,修整器/吸丝带的距离-后道修整器后设定为0.5～1mm或者1～2mm.基于数据科学模型探究烟支空头率影响因素,不仅可以降低试验前期探索成本、规避科学试验片面性,而且为提高烟支质量控制稳定性、降低烟支剔除率和生产消耗提供有效依据.
NETL
NSTL
万方数据