CN111103854A - 一种用于提升烟草烘丝机生产稳定性的系统及方法 - Google Patents
一种用于提升烟草烘丝机生产稳定性的系统及方法 Download PDFInfo
- Publication number
- CN111103854A CN111103854A CN201911261782.3A CN201911261782A CN111103854A CN 111103854 A CN111103854 A CN 111103854A CN 201911261782 A CN201911261782 A CN 201911261782A CN 111103854 A CN111103854 A CN 111103854A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- stability
- tobacco
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 241000208125 Nicotiana Species 0.000 title claims abstract description 74
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 74
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000011156 evaluation Methods 0.000 claims abstract description 77
- 238000010223 real-time analysis Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000012216 screening Methods 0.000 claims description 26
- 230000006872 improvement Effects 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 7
- 239000000428 dust Substances 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims 4
- 239000000945 filler Substances 0.000 claims 2
- 238000001035 drying Methods 0.000 abstract description 17
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 10
- 235000019504 cigarettes Nutrition 0.000 description 8
- 238000003070 Statistical process control Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000013210 evaluation model Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011157 data evaluation Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000010923 batch production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000013072 incoming material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
- A24B3/00—Preparing tobacco in the factory
- A24B3/04—Humidifying or drying tobacco bunches or cut tobacco
-
- A—HUMAN NECESSITIES
- A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
- A24B—MANUFACTURE OR PREPARATION OF TOBACCO FOR SMOKING OR CHEWING; TOBACCO; SNUFF
- A24B3/00—Preparing tobacco in the factory
- A24B3/10—Roasting or cooling tobacco
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Abstract
本发明涉及一种用于提升烟草烘丝机生产稳定性的系统及方法,属于烟草制丝生产技术领域。该系统包括数据采集模块、数据处理模块、稳定性评价模块、预警与优化模块、稳态实时分析评价模块、非稳态自动控制判定模块、非稳态实时分析评价模块等结构。本发明以工业大数据、人工智能等新一代信息技术为支撑,减少非稳态时间并提高稳态控制质量,进而有效地提升烘丝机整个生产过程的质量稳定性,易于推广应用。
Description
技术领域
本发明属于烟草制丝生产技术领域,具体涉及一种用于提升烟草烘丝机生产稳定性的系统及方法。
背景技术
我国目前是世界上最大的烟草生产国和消费国,烟草行业实现的税利合计高居国民经济各行业之首,烟草业的发展对我国经济增长具有重要贡献。烟草生产中卷烟生产比重较大,虽然烟草行业为国有管控行业,但由于业内的卷烟企业众多造成行业的竞争依旧激烈。
卷烟生产过程分为制丝、卷接和包装三个阶段。制丝生产是卷烟生产的重要环节,承担着原料加工的任务,是提高卷烟质量、增加企业生产效应的关键所在。烘丝阶段是制丝生产过程中最重要的加工工序,烘丝的生产过程质量直接影响着卷烟成品的合格率与内在质量,为了达到烟丝的质量要求,烘丝机必须具备良好的稳定性,而烘丝批次间的产品质量稳定性一直是行业的技术难题。因此,如何提高烘丝阶段的批次间稳定性成为众多卷烟企业的研究目标。
在烘丝稳定性分析方面,各卷烟企业展开了一些研究和应用,普遍认为影响烘丝机生产质量的主要因素为来料流量、含水率、温度等。在实际的生产过程中,制丝的生产计划以批次为单位进行组织生产,在烘丝阶段的批次生产过程依照烘丝系统的生产状态分为稳态和非稳态两种。目前,大多数企业希望通过统计过程控制(Statistical ProcessControl, SPC)来对整个生产过程进行分析,但由于SPC过程分析是基于稳态数据的分析,而稳态数据与非稳态数据在数据采集处理上由于方法与技术的限制,无法做到准确、科学的分类,导致SPC过程分析存在数据结果失真的情况,无法真正的应用生产过程分析评价。因此如何克服现有技术的不足是目前烟草制丝生产技术领域亟需解决的问题。
发明内容
本发明的目的是为了解决现有技术的不足,提供一种用于提升烟草烘丝机生产稳定性的系统及方法,该系统以工业大数据、人工智能等新一代信息技术为支撑,减少非稳态时间并提高稳态控制质量,进而有效地提升烘丝机整个生产过程的质量稳定性。
为实现上述目的,本发明采用的技术方案如下:
一种用于提升烟草烘丝机生产稳定性的系统,包括:
数据采集模块,用于从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
数据处理模块,与数据采集模块相连,用于对采集到的数据进行筛选,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
稳定性评价模块,与数据处理模块相连,用于对数据处理模块处理得到的稳态数据进行稳定性评价;
预警与优化模块,与稳定性评价模块相连,当稳定性评价模块稳定性评价的结果为异常,则预警模块进行预警,并给出优化调整方案;
稳态实时分析评价模块,与稳定性评价模块相连,当稳定性评价模块稳定性评价的结果为正常,则稳态实时分析评价模块对稳态数据进行实时分析评价,并给出稳定性提升建议;
非稳态自动控制判定模块,与数据处理模块相连;
非稳态实时分析评价模块,与非稳态自动控制判定模块相连;
非稳态自动控制判定模块,用于对数据处理模块处理得到的非稳态数据进行特征分析,并将分析得到的特征与其内预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,则非稳态实时分析评价模块对非稳态数据进行实时分析评价,并给出稳定性提升建议。
进一步,优选的是,还包括显示模块,分别与预警与优化模块、稳态实时分析评价模块、非稳态自动控制判定模块、非稳态实时分析评价模块相连,用于显示优化调整方案、稳定性提升建议、操作模式。
进一步,优选的是,预警与优化模块、稳态实时分析评价模块和非稳态实时分析评价模块均与烘丝机控制系统相连,烘丝机控制系统根据传来的优化调整方案和稳定性提升建议中的方案对烘丝机进行控制。
本发明同时提供一种用于提升烟草烘丝机生产稳定性的方法,采用上述用于提升烟草烘丝机生产稳定性的系统,包括如下步骤:
Step1、数据采集:从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
Step2、数据处理:对采集到的数据进行筛选和剔除,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
Step3、稳定性评价及处理:对于稳态数据进行稳定性评价,若符合评价结果为稳定,稳定性评价的结果为异常,则进行预警,并给出优化调整方案;若稳定性评价的结果为正常,则对稳态数据进行实时分析评价,并给出稳定性提升建议;
Step4、非稳态自动控制判定:对于非稳态数据进行特征分析,并将分析得到的特征与预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,对非稳态数据进行实时分析评价,并给出稳定性提升建议。
进一步,优选的是,采集到的数据包括设备参数、质量指标、控制参数、分析参数、批次参数和环境参数。
进一步,优选的是,设备参数包括主传动电机、热风风机、排潮风机、筛筒电机和除尘风机参数,包括频率、电流、温度;所述的设备参数还包括蒸汽压力、蒸汽流量、热风风速和排潮负压。
进一步,优选的是,质量指标包括出口烟丝水分输出值和出口烟丝温度输出值。
进一步,优选的是,控制参数包括筒壁温度设定值、热风温度设定值、排潮风门开度设定值和出口水分设定值;
分析参数包括热风温度瞬时值、烟丝水分瞬时值、烟丝温度瞬时值、薄板温度瞬时值、入口温度瞬时值和流量瞬时值;
批次参数包括工单、批次、牌号和标准;
环境参数包括环境的温度和湿度。
本发明首先通过数据采集组件实时采集烘丝机控制系统中的相关数据,设计实时数据筛选模型,将过程数据分为稳态和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;然后对稳态和非稳态数据分开采集技术手段处理:非稳态方面通过针对性的分析结果与基于机器学习技术的参数推荐库深度融合,实现烘丝机生产过程中非稳态过程的人工手动控制到基于机器学习技术的自动控制的转换,避免人工操作导致的控制差异,提升批次间非稳态期间的质量稳定性,减少非稳态时间。稳态方面,通过数据筛选与剔除、稳定性评价模块价、数据预警及实时分析评价结合,透明化的实时掌控烘丝生产过程,利用数据预警与推荐控制参数结合,实现稳态情况下的稳定性提升手段;最终,通过两种方法相结合的方式实现提升烘丝机生产稳定性的效果。
本发明与现有技术相比,其有益效果为:
(1)本发明根据数据的采集、处理、分析和应用展示,生产企业可实时查看烘丝机运行生产稳定性情况。
(2)本发明通过对非稳态数据的建模分析,采用基于机器学习技术的参数推荐库深度融合,实现烘丝机生产过程中非稳态过程的人工手动控制到基于机器学习技术的自动控制的转换,提升非稳态过程质量,减少非稳态时间
(3)本发明通过设计数据分析评价模型,对稳定数据分析评价,利用数据预警与推荐控制参数结合,实现稳态情况下的稳定性提升手段。
综合以上,该发明以智能性、可靠性和稳定性为设计目标,满足了实际生产的需求;同时,还可以加入对外分析评价结果数据的接口,满足远程的分析评价;从该发明中涉及的技术及数据模型、分析方法可推广到制丝其它同类主机设备,对于烟草制丝生产具有重要的理论意义和应用价值。
附图说明:
图1为本发明系统的结构示意图;
图2为本发明系统整体位置图;
图3为本发明方法的整体流程图;
图4为本发明的数据特征分类图;
图5为本发明的数据处理流程图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用材料或设备未注明生产厂商者,均为可以通过购买获得的常规产品。
一种用于提升烟草烘丝机生产稳定性的系统,包括:
数据采集模块101,用于从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
数据处理模块102,与数据采集模块101相连,用于对采集到的数据进行筛选,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
稳定性评价模块103,与数据处理模块102相连,用于对数据处理模块102处理得到的稳态数据进行稳定性评价;
预警与优化模块104,与稳定性评价模块103相连,当稳定性评价模块103稳定性评价的结果为异常,则预警模块104进行预警,并给出优化调整方案;
稳态实时分析评价模块105,与稳定性评价模块103相连,当稳定性评价模块103稳定性评价的结果为正常,则稳态实时分析评价模块105对稳态数据进行实时分析评价,并给出稳定性提升建议;
非稳态自动控制判定模块106,与数据处理模块102相连;
非稳态实时分析评价模块107,与非稳态自动控制判定模块106相连;
非稳态自动控制判定模块106,用于对数据处理模块102处理得到的非稳态数据进行特征分析,并将分析得到的特征与其内预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,则非稳态实时分析评价模块107对非稳态数据进行实时分析评价,并给出稳定性提升建议。
还包括显示模块108,分别与预警与优化模块104、稳态实时分析评价模块105、非稳态自动控制判定模块106、非稳态实时分析评价模块107相连,用于显示优化调整方案、稳定性提升建议、操作模式。
预警与优化模块104、稳态实时分析评价模块105和非稳态实时分析评价模块107均与烘丝机控制系统相连,烘丝机控制系统根据传来的优化调整方案和稳定性提升建议中的方案对烘丝机进行控制。
一种用于提升烟草烘丝机生产稳定性的方法,采用上述用于提升烟草烘丝机生产稳定性的系统,包括如下步骤:
Step1、数据采集:从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
Step2、数据处理:对采集到的数据进行筛选和剔除,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
Step3、稳定性评价及处理:对于稳态数据进行稳定性评价,若符合评价结果为稳定,稳定性评价的结果为异常,则进行预警,并给出优化调整方案;若稳定性评价的结果为正常,则对稳态数据进行实时分析评价,并给出稳定性提升建议;
Step4、非稳态自动控制判定:对于非稳态数据进行特征分析,并将分析得到的特征与预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,对非稳态数据进行实时分析评价,并给出稳定性提升建议。
进一步,优选的是,采集到的数据包括设备参数、质量指标、控制参数、分析参数、批次参数和环境参数。
进一步,优选的是,设备参数包括主传动电机、热风风机、排潮风机、筛筒电机和除尘风机参数,包括频率、电流、温度;所述的设备参数还包括蒸汽压力、蒸汽流量、热风风速、排潮负压。
进一步,优选的是,质量指标包括热风温度、薄板温度、出口水分、出口温度、入口温度和流量波动。
进一步,优选的是,控制参数包括筒壁温度、热风温度、排潮风门开度和出口水分;
分析参数包括热风温度、薄板温度、出口水分、出口温度、入口温度和流量波动;
批次参数包括工单、批次、牌号和标准;
环境参数包括环境温湿度。
对于数据采集:数据获取包含烘丝机所有类型的数据,包含设备参数、质量指标、控制参数、分析参数、批次参数、环境参数等。批次参数用于其它参数和指标的批次归集。数据如表1。
表1
由于烘丝机控制系统属于工业系统,其数据具备大量、快速的工业大数据特性,本发明可采用边缘计算、内存计算、多层级数据缓存等多种技术结合的设计方法,实现数据的处理,系统采集的实时数据存放于计算机内存,边缘计算利用建立的数据筛选模型,实现数据的实时特征计算。
对于数据筛选:本发明系统可以设计场景化的模型建立流程,通过烘丝机分析机理、控制机理,构建数据筛选模型,数据筛选模型由目标数据筛选结果、条件数据项算法组成。系统依据模型,在数据库中建立动态筛选模型矩阵,设计算法根据配置的模型输入参数实时扫描矩阵,实现数据筛选。数据筛选模型形成如表2所示矩阵。
表2
对于数据存储:本发明系统可在计算机中设计将时间序列数据、筛选后数据、历史数据进行多层级的数据缓存,提高数据处理效率。在烘丝机控制系统端设计参数缓存区、控制参数区、报警预警区,实现安全可控的稳定性提升控制优化。
对于过程数据,采用多级多种方式存储的方法进行数据处理,以保证应用与计算效率。一级缓存处理采用边缘端计算与内存存储结合的方式,数据计算速度快,实时性强;二级缓存采用Oracle数据库表存储方式,存储当前正在生产批数据,辅助实现内存数据与正在生产批数据的交互,保证数据交互的快速响应;三级缓存采用数据库分区表形式存储,解决大量历史数据存储问题。在数据处理过程中,实现将数据从一级存储逐步转存至三级存储的动态转移。
本发明系统中存在的模型包括:数据采集规则模型、数据筛选模型、稳定性评价模型、预警与优化模型、非稳态自动控制判定模型、非稳态实时分析评价模型、数据挖掘模型等等,将系统的抽象算法于业务模型实现关联。将建立的数学模型设计为数据模型,以软件方式实现模型的建立。将数据采集规则模型应用设计到系统数据采集组件的数据采集单元,实现数据采集;将数据筛选模型应用设计到系统的数据采集组件的数据筛选单元;将数据标准模型应用设计到系统的数据标准模块;将数据评价模型应用设计到系统的数据评价模块。
其中,可以采用数据挖掘模型挖掘操作模式并存入操作模式库。
本发明针对采集到的批次全过程数据,以及数据筛选结果,建立批次全过程数据分析标准、评价标准。
对于操作模式匹配:依据烘丝机加工机理,设计非稳态参数操作模式库,将非稳态类操作参数以时间序列进行存储、标识批次参数,在生产过程中实时计算匹配。
操作模式优化匹配,借助模式识别理论,将大量的批次历史数据构建为操作模式库,根据非稳态的实际运行情况,从操作模式库中提取出最匹配的优良操作模式。从而提高非稳态情况下的批次稳定性。操作模式匹配的目的是针对新的输入参数在操作模式库中匹配到与之相似的操作模式,以相似度来表示两者之间的相似程度。相似度为两条输入条件之间的加权欧式距离。批次和批次操作模式的相似度为:
本发明系统可以采用等权重法、相关性法、基于覆盖度的特征权重法等三种匹配方法计算出匹配结果,根据参数配置和动态匹配选取合适的匹配方法。
操作模式优选的策略和方法,可以采用评价结果优选、相似度高、设定输出结果数量三种方法。
通过建立非稳态参数操作模式模型,建立参数操作模式库,通过与烘丝机控制系统结合,应用到烘丝机设备控制中,实现非稳态情况下的人工手动控制到自动控制的转换,可大幅提升费稳态时间,提高批次整体稳定性。
通过对采集到的数据的筛选、归集存储,采用设计的分析标准,对全过程数据进行数量特征、属性特征、差异性特征、规律性特征分析,对分析数据和计算结果利用柱状图、折线图、直方图、控制图等进行图形化展示。针对评价模型中的变异系数、标准偏差、非稳态时间等关键计算特征,进行批次内和批次间评价,以显著的定量、定性评价结果,获得烘丝机生产稳定性情况,为系统结果应用提供数据输入。
SPC质量特性计算如下:
样本均值计算:
工艺精密度Cp计算:
优选,本发明非稳态实时分析评价模块中的模型的参数项组成由烘丝出口水分非稳态时间、筒壁温度、热风温度、出口水分实际值、入口物料重量偏差五个参数组成。评价模型的模型参数由标准项允差、评价计算类型、数据项权重、实测均值、实测标偏、目标值、标准值标偏、最优值、偏离度、离散度、稳定性指数组成。可根据配置的稳定性指数对应表,进行系统提示等操作,避免产品质量失控,影响过程稳定性。
稳定性指数对应表如表3所示。
表3
本发明将稳定性分析、评价结果、参数模式匹配结果及控制系统互相结合,针对非稳态过程,进行操作模式匹配,实现手动到自动的转换;针对稳态过程,对烘丝机全过程的稳定性生产情况进行透明化展示,实时全面掌控生产稳定性情况,对传感器故障、机械故障、人为失误等引起的影响过程稳定性的生产问题及时发现,迅速采取措施。
系统根据稳定性指数进行实时提示,将过程评价结果提交设备操作人员或管理人员,提示采取措施。在非稳态稳定性控制方面,通过建立的非稳态参数操作模式模型,建立参数操作模式库,通过与烘丝机控制系统结合,应用到烘丝机设备控制中,实现非稳态情况下的人工手动控制到自动控制的转换,可大幅提升费稳态时间,提高批次整体稳定性。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种用于提升烟草烘丝机生产稳定性的系统,其特征在于,包括:
数据采集模块(101),用于从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
数据处理模块(102),与数据采集模块(101)相连,用于对采集到的数据进行筛选,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
稳定性评价模块(103),与数据处理模块(102)相连,用于对数据处理模块(102)处理得到的稳态数据进行稳定性评价;
预警与优化模块(104),与稳定性评价模块(103)相连,当稳定性评价模块(103)稳定性评价的结果为异常,则预警模块(104)进行预警,并给出优化调整方案;
稳态实时分析评价模块(105),与稳定性评价模块(103)相连,当稳定性评价模块(103)稳定性评价的结果为正常,则稳态实时分析评价模块(105)对稳态数据进行实时分析评价,并给出稳定性提升建议;
非稳态自动控制判定模块(106),与数据处理模块(102)相连;
非稳态实时分析评价模块(107),与非稳态自动控制判定模块(106)相连;
非稳态自动控制判定模块(106),用于对数据处理模块(102)处理得到的非稳态数据进行特征分析,并将分析得到的特征与其内预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,则非稳态实时分析评价模块(107)对非稳态数据进行实时分析评价,并给出稳定性提升建议。
2.根据权利要求1所述的用于提升烟草烘丝机生产稳定性的系统,其特征在于,还包括显示模块(108),分别与预警与优化模块(104)、稳态实时分析评价模块(105)、非稳态自动控制判定模块(106)、非稳态实时分析评价模块(107)相连,用于显示优化调整方案、稳定性提升建议、操作模式。
3.根据权利要求1所述的用于提升烟草烘丝机生产稳定性的系统,其特征在于,预警与优化模块(104)、稳态实时分析评价模块(105)和非稳态实时分析评价模块(107)均与烘丝机控制系统相连,烘丝机控制系统根据传来的优化调整方案和稳定性提升建议中的方案对烘丝机进行控制。
4.一种用于提升烟草烘丝机生产稳定性的方法,采用权利要求1或2或3所述的用于提升烟草烘丝机生产稳定性的系统,其特征在于,包括如下步骤:
Step1、数据采集:从烘丝机控制系统中通过传感器获取烘丝机生产过程中的实时数据;
Step2、数据处理:对采集到的数据进行筛选和剔除,筛选出稳态数据和非稳态数据,并剔除稳态数据和非稳态数据中的异常值;
Step3、稳定性评价及处理:对于稳态数据进行稳定性评价,若符合评价结果为稳定,稳定性评价的结果为异常,则进行预警,并给出优化调整方案;若稳定性评价的结果为正常,则对稳态数据进行实时分析评价,并给出稳定性提升建议;
Step4、非稳态自动控制判定:对于非稳态数据进行特征分析,并将分析得到的特征与预存操作模式库中的特征进行匹配;若匹配成功,则将该操作模式发送至烘丝机控制系统,从而实现对烘丝机的控制;若匹配失败,对非稳态数据进行实时分析评价,并给出稳定性提升建议。
5.根据权利要求4所述的用于提升烟草烘丝机生产稳定性的方法,其特征在于,采集到的数据包括设备参数、质量指标、控制参数、分析参数、批次参数和环境参数。
6.根据权利要求5所述的用于提升烟草烘丝机生产稳定性的方法,其特征在于,设备参数包括主传动电机、热风风机、排潮风机、筛筒电机和除尘风机参数,包括频率、电流、温度;所述的设备参数还包括蒸汽压力、蒸汽流量、热风风速和排潮负压。
7.根据权利要求5所述的用于提升烟草烘丝机生产稳定性的方法,其特征在于,质量指标包括出口烟丝水分输出值和出口烟丝温度输出值。
8.根据权利要求5所述的用于提升烟草烘丝机生产稳定性的方法,其特征在于,控制参数包括筒壁温度设定值、热风温度设定值、排潮风门开度设定值和出口水分设定值;
分析参数包括热风温度瞬时值、烟丝水分瞬时值、烟丝温度瞬时值、薄板温度瞬时值、入口温度瞬时值和流量瞬时值;
批次参数包括工单、批次、牌号和标准;
环境参数包括环境的温度和湿度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911261782.3A CN111103854A (zh) | 2019-12-10 | 2019-12-10 | 一种用于提升烟草烘丝机生产稳定性的系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911261782.3A CN111103854A (zh) | 2019-12-10 | 2019-12-10 | 一种用于提升烟草烘丝机生产稳定性的系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111103854A true CN111103854A (zh) | 2020-05-05 |
Family
ID=70423261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911261782.3A Pending CN111103854A (zh) | 2019-12-10 | 2019-12-10 | 一种用于提升烟草烘丝机生产稳定性的系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111103854A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882188A (zh) * | 2020-07-15 | 2020-11-03 | 山东中烟工业有限责任公司 | 基于Birch聚类算法的工艺质量同质化水平评价方法及系统 |
CN111972693A (zh) * | 2020-07-31 | 2020-11-24 | 上海烟草集团有限责任公司 | 烟叶打叶复烤异常工况的识别方法、装置、介质及终端 |
CN112099393A (zh) * | 2020-08-19 | 2020-12-18 | 张家口卷烟厂有限责任公司 | 烟机设备运行监控及异常判定系统及方法 |
CN112162522A (zh) * | 2020-09-14 | 2021-01-01 | 浙江中烟工业有限责任公司 | 一种以数据为导向的除尘排潮除异味设备风险防控方法 |
CN113040412A (zh) * | 2021-03-15 | 2021-06-29 | 红塔烟草(集团)有限责任公司 | 一种滚筒气流烘丝机智能控制方法和装置 |
CN114980131A (zh) * | 2022-03-24 | 2022-08-30 | 红云红河烟草(集团)有限责任公司 | 一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法 |
JP7203466B1 (ja) | 2022-02-25 | 2023-01-13 | 株式会社木原製作所 | 乾燥測定装置 |
US11576420B2 (en) | 2020-07-10 | 2023-02-14 | Zhangjiakou Cigarette Factory Co., Ltd | Intelligent control system and method of thin plate drier for cut tobacco |
CN117250932A (zh) * | 2023-11-20 | 2023-12-19 | 一夫科技股份有限公司 | 一种石膏聚合物复合材料的生产控制方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324089A (zh) * | 2012-03-24 | 2013-09-25 | 厦门烟草工业有限责任公司 | 一种制丝工艺参数动态质量稳定性表征方法 |
CN103543719A (zh) * | 2013-10-17 | 2014-01-29 | 中国科学院软件研究所 | 一种基于工况的流程行业操作模式自适应调整方法 |
CN104180774A (zh) * | 2014-08-14 | 2014-12-03 | 云南昆船设计研究院 | 一种烟叶叶片外形轮廓表征方法 |
US20150027063A1 (en) * | 2013-07-29 | 2015-01-29 | Tera Xtal Technonology Corporation | Method for fabricating pad conditioning tool |
JP2017053046A (ja) * | 2015-09-08 | 2017-03-16 | 松本油脂製薬株式会社 | 合成繊維用処理剤及びその利用 |
CN108308691A (zh) * | 2018-01-19 | 2018-07-24 | 红塔烟草(集团)有限责任公司 | 一种提升烟叶制丝质量稳定性的方法 |
CN109671176A (zh) * | 2018-12-11 | 2019-04-23 | 云南昆船设计研究院有限公司 | 烟草设备巡检系统实时数据采集系统及方法 |
-
2019
- 2019-12-10 CN CN201911261782.3A patent/CN111103854A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324089A (zh) * | 2012-03-24 | 2013-09-25 | 厦门烟草工业有限责任公司 | 一种制丝工艺参数动态质量稳定性表征方法 |
US20150027063A1 (en) * | 2013-07-29 | 2015-01-29 | Tera Xtal Technonology Corporation | Method for fabricating pad conditioning tool |
CN103543719A (zh) * | 2013-10-17 | 2014-01-29 | 中国科学院软件研究所 | 一种基于工况的流程行业操作模式自适应调整方法 |
CN104180774A (zh) * | 2014-08-14 | 2014-12-03 | 云南昆船设计研究院 | 一种烟叶叶片外形轮廓表征方法 |
JP2017053046A (ja) * | 2015-09-08 | 2017-03-16 | 松本油脂製薬株式会社 | 合成繊維用処理剤及びその利用 |
CN108308691A (zh) * | 2018-01-19 | 2018-07-24 | 红塔烟草(集团)有限责任公司 | 一种提升烟叶制丝质量稳定性的方法 |
CN109671176A (zh) * | 2018-12-11 | 2019-04-23 | 云南昆船设计研究院有限公司 | 烟草设备巡检系统实时数据采集系统及方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11576420B2 (en) | 2020-07-10 | 2023-02-14 | Zhangjiakou Cigarette Factory Co., Ltd | Intelligent control system and method of thin plate drier for cut tobacco |
CN111882188A (zh) * | 2020-07-15 | 2020-11-03 | 山东中烟工业有限责任公司 | 基于Birch聚类算法的工艺质量同质化水平评价方法及系统 |
CN111972693A (zh) * | 2020-07-31 | 2020-11-24 | 上海烟草集团有限责任公司 | 烟叶打叶复烤异常工况的识别方法、装置、介质及终端 |
CN111972693B (zh) * | 2020-07-31 | 2022-07-08 | 上海烟草集团有限责任公司 | 烟叶打叶复烤异常工况的识别方法、装置、介质及终端 |
CN112099393A (zh) * | 2020-08-19 | 2020-12-18 | 张家口卷烟厂有限责任公司 | 烟机设备运行监控及异常判定系统及方法 |
CN112162522A (zh) * | 2020-09-14 | 2021-01-01 | 浙江中烟工业有限责任公司 | 一种以数据为导向的除尘排潮除异味设备风险防控方法 |
CN113040412A (zh) * | 2021-03-15 | 2021-06-29 | 红塔烟草(集团)有限责任公司 | 一种滚筒气流烘丝机智能控制方法和装置 |
JP7203466B1 (ja) | 2022-02-25 | 2023-01-13 | 株式会社木原製作所 | 乾燥測定装置 |
JP2023124501A (ja) * | 2022-02-25 | 2023-09-06 | 株式会社木原製作所 | 乾燥測定装置 |
CN114980131A (zh) * | 2022-03-24 | 2022-08-30 | 红云红河烟草(集团)有限责任公司 | 一种基于改进粒子群算法的原烟托盘无线传感器布局优化方法 |
CN117250932A (zh) * | 2023-11-20 | 2023-12-19 | 一夫科技股份有限公司 | 一种石膏聚合物复合材料的生产控制方法及系统 |
CN117250932B (zh) * | 2023-11-20 | 2024-01-26 | 一夫科技股份有限公司 | 一种石膏聚合物复合材料的生产控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111103854A (zh) | 一种用于提升烟草烘丝机生产稳定性的系统及方法 | |
CN111539553B (zh) | 基于svr算法和偏峰度的风电机组发电机故障预警方法 | |
CN109711659B (zh) | 一种工业生产的良率提升管理系统和方法 | |
CN104794492B (zh) | 基于功率特征模型的机床设备加工运行状态在线识别方法 | |
CN112508053A (zh) | 基于集成学习框架的智能诊断方法、装置、设备及介质 | |
CN105334185B (zh) | 基于光谱投影判别的近红外模型维护方法 | |
CN115630839B (zh) | 一种基于数据挖掘的生产智能反馈调控系统 | |
CN109333159B (zh) | 刀具磨损状态在线监测的深度核极限学习机方法及系统 | |
CN104697107A (zh) | 智能学习节能调控系统与方法 | |
CN105242660A (zh) | 基于相对变化分析的多模态卷烟制叶丝过程在线监测与故障诊断方法 | |
CN116188475A (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
CN111667156B (zh) | 一种多点生产的卷烟物理质量一致性评价的方法 | |
CN103018181A (zh) | 基于相关性分析和elm神经网络的软测量方法 | |
CN112132316A (zh) | 制丝环节在线设备异常监控系统及方法 | |
CN116468160A (zh) | 基于生产大数据的铝合金压铸件质量预测方法 | |
CN115099457A (zh) | 烟丝结构在线预测分析系统 | |
CN112559591B (zh) | 一种用于冷轧辊制造过程的离群检测系统及其检测方法 | |
CN116757354A (zh) | 一种基于多层感知机的烟叶复烤段关键参数筛选方法 | |
CN110163722B (zh) | 用于农产品精准销售的大数据分析系统及分析方法 | |
CN116414095A (zh) | 数据驱动的中医药制造过程工艺参数优化方法 | |
CN111617876A (zh) | 一种磨煤机在线综合运行优化的方法 | |
CN113222268B (zh) | 一种基于多模式推理的烟草烘烤质量预测模型建立方法 | |
CN116150989A (zh) | 光伏组件制造方法和光伏组件 | |
CN109389039A (zh) | 一种优化核极限学习机在线监测刀具磨损状态方法及系统 | |
CN111680260A (zh) | 一种功效函数法评价卷烟物理质量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200505 |