基于重要工况参数的卷烟机生产质量预测研究

发布时间：2023-11-12 16:02

　　近年来,随着互联网、大数据、人工智能等新一代信息技术与实体经济加快融合,推动了制造业向数字化、网络化、智能化方向深入演进,为制造业结构调整和产业升级提供了重要机遇和挑战。烟草行业作为国民经济的重要支柱产业,应当主动融入国家高质量发展的时代主题,强化担当,有所作为。充分利用卷烟烟机生产大数据,提取有价值的信息,使生产更加智能化。本文以PROTOS1-8卷烟机生产某品牌烟的实际生产大数据为例,利用大数据统计分析方法对生产过程的评价和预测进行了一些探索性分析。首先,选取烟支生产过程中包括物理测量类、气源外观检测类、剔废率等系列指标,通过灰色关联分析和模糊综合评价法对其烟支质量进行综合评价,并对比两种综合评价方法的优劣,为筛选重要工况变量与预测做准备。其次,采用生产过程中的5000多万条单支烟记录,通过描述性统计分析各个工况参数的基本特征。基于Lasso和BP(back propagation)神经网络变量筛选出影响卷烟机生产质量的重要工况变量,得到影响卷烟机生产质量的重要工况变量依次为:VE大风机压力、吸丝带实际位置、吸丝带位置标差、SRM压实端位置、M12V电机转速、VE一次风选压力、烟丝...

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
导论
    一、研究背景和意义
    二、国内外研究综述
    三、研究思路和主要内容
第一章 相关方法概述
    第一节 综合评价相关方法介绍
        一、层次分析法
        二、灰色关联分析法
        三、模糊综合评价法
    第二节 机器学习相关方法介绍
        一、Lasso方法
        二、BP神经网络模型
        三、LightGBM模型
第二章 数据描述性分析及预处理
    第一节 数据来源
        一、生产质量数据
        二、生产工况参数数据
    第二节 描述性分析
        一、生产质量数据描述
        二、工况参数数据描述
    第三节 数据预处理
        一、数据清洗
        二、数据归约
        三、数据变换
第三章 生产质量预测模型的实证分析
    第一节 生产质量的综合评价
        一、评价指标体系的构建
        二、灰色关联和模糊综合评价的比较分析
    第二节 卷烟机生产质量影响因素筛选
        一、基于Lasso的变量筛选
        二、基于BP神经网络的变量筛选
        三、变量筛选结果分析
    第三节 基于LightGBM模型的生产质量预测
        一、模型参数与优化
        二、模型预测结果与比较
结论与展望
    一、研究结论
    二、研究展望
参考文献
致谢



本文编号：3863480