CN118312856A - 一种制丝过程异常非稳态的分类方法 - Google Patents

Abstract

本发明公开了一种制丝过程异常非稳态的分类方法，包括：在批次数据采集完成后，运用稳态识别方法确定物料瞬时流量稳态开始时间点T1和物料瞬时流量稳态结束时间点T2；判断在稳定生产过程中从T1至T2时批次物料瞬时流量是否骤降至无效数据限以下，并将物料瞬时流量骤降至无效数据限以下定义为状态Z；如不存在状态Z，则该批次处于正常生产批次；若存在状态Z，则该批次为异常非稳态批次；判断状态Z是否连续，若状态Z不连续，则判断出现状态Z的次数，若状态Z只出现一次，则定义异常非稳态为单点降，若状态Z出现多次且不连续，则定义异常非稳态为多点降。本发明能提升工厂制丝过程整体加工水平。

Description

一种制丝过程异常非稳态的分类方法

技术领域

本发明涉及卷烟制丝的技术领域，特别涉及一种制丝过程异常非稳态的分类方法。

背景技术

目前，卷烟工业企业已基本完成了制丝线全批次过程的数据采集，各个工序在入口段配置电子秤采集物料瞬时流量，在出口段配置水分仪采集出料含水率，反映物料经过设备加工后的质量特性结果。《卷烟制丝过程数据采集与处理指南》给出了制丝过程批次数据类型定义，其认为在批次运行信号存在的前提下，从首次电称过料生产开始，到该批次生产结束的这段时间范围内的过程参数实时数据集合，定义为全批次数据集，其中包括有效数据集和无效数据集，有效数据集包括稳态数据集和非稳态数据集。对于一个完整的批次数据而言，其不仅包括生产稳定状态下的稳态数据，也包括料头、料尾、过程波动等常见非稳态数据，以及因设备停机、装置故障、数采异常、人为过度干预等因素导致的异常非稳态数据，因此在实际生产过程中异常非稳态来源复杂、极难分辨。若不对其进行有效识别和分类，一方面生产操作人员会将异常非稳态统一认定为“断料”，误导操作人员对后续批次生产的参数设定，进一步放大异常非稳态出现的概率；另一方面加大生产保障人员排查断料故障的难度，不利于批次生产的高效性和连续性。因此，如何采用科学方法对制丝过程异常非稳态进行精准识别和分类分析，是开展卷烟加工问题改进和质量精准化控制的重要数据支撑，具有重要的意义。

发明内容

本发明提供一种制丝过程异常非稳态的分类方法，解决现有卷烟制丝过程中对异常非稳态的识别和分类存在不精准的问题，能有效判定出导致不同异常非稳态的具体原因，为制丝过程设备保障和精细化控制提供数据和重要支撑，提升工厂制丝过程整体加工水平。

为实现以上目的，本发明提供以下技术方案：

一种制丝过程异常非稳态的分类方法，包括：

在批次数据采集完成后，运用稳态识别方法确定物料瞬时流量稳态开始时间点T1和物料瞬时流量稳态结束时间点T2；

判断在稳定生产过程中从T1至T2时批次物料瞬时流量是否骤降至无效数据限以下，并将物料瞬时流量骤降至无效数据限以下定义为状态Z；

如不存在状态Z，则该批次处于正常生产批次；若存在状态Z，则该批次为异常非稳态批次；

判断状态Z是否连续，若状态Z不连续，则判断出现状态Z的次数，若状态Z只出现一次，则定义异常非稳态为单点降，若状态Z出现多次且不连续，则定义异常非稳态为多点降。

优选的，还包括：

在批次数据采集完成后，运用稳态识别方法确定出料含水率稳态开始时间点T3和出料含水率稳态结束时间点T4, 计算工序延时时间t=T3-T1；

若出料含水率出现过程非稳态，且在工序延时时间内出料含水率低于无效数据限，则判定批次生产过程中主机设备出现故障。

优选的，还包括：

将所述单点降和所述多点降判定为数据采集和传输故障，不影响物物料加工后的质量特性。

优选的，还包括：

将入料时间段T1至T1+6分钟定义为入料阶段，收料时段T2-6分钟至T2定义为出料阶段；

若状态Z出现在入料阶段或收料阶段，则定义对应的异常非稳态为入料收料异常。

优选的，还包括：

将所述入料收料异常判定为生产操作行为不当导致物料出现短暂断料，增加批次生产的非稳态时间，影响工序加工稳定性。

优选的，还包括：

若状态Z未出现在入料或收料阶段，则判定为过程异常非稳态，所述过程异常非稳态指批次生产过程出现影响工序有序、稳定生产的断料异常状态。

优选的，还包括：

若物料瞬时流量出现过程非稳态，开始时间点和结束时间点分别为T5和T6，则判定该批次出料含水率在延时时间T5+t至T6+t范围内是否低于无效数据限；

若否，则将该过程非稳态定义为批内断料，判定批次生产过程中入口辅机设备出现物料断料，主机设备仍处于稳定运行状态，物料未滞留于主机设备内。

优选的，还包括：

若物料瞬时流量出现过程非稳态，且该批次出料含水率在时间T5+t至T6+t范围内低于无效数据限，则将该过程非稳态定义为停机断料，并判定批次生产过程中主机设备和辅机设备停机均停机，物料滞留于主机设备内。

优选的，还包括：

通过数据采集系统获取制丝过程中的工艺流量，以形成流量与时间关系曲线图；

通过稳态识别法对所述曲线图进行生产过程中的开始点和结束点判定是否存在过程异常非稳态。

优选的，还包括：

根据所述开始点和结束点计算得到入料含水率到达零位阈值与出料含水率到达零位阈值的时间差，并将所述时间差作为工艺延时时间；

如果生产过程工艺流量骤降为设定流量50.0%，且与出料含水率到达零位阈值的时间差处于所述工艺延时时间内，则判定为停机断料。

本发明的有益效果在于：该方法不仅仅是识别出过程非稳态、剔除“非稳态数据”，而是基于工序前后段参数关联对生产过程的异常非稳态进行分类，有效判定出导致不同异常非稳态的具体原因，为制丝过程设备保障和精细化控制提供数据和技术支撑。该方法可在批次数据完成采集后快速进行在线识别，自动推送给操作、设备和信息等相关技术人员进行隐患排查，完善质量问题追溯知识图谱，从而提升工厂制丝过程整体加工水平。

本发明通过在批次数据采集完成后，运用稳态识别方法确定物料瞬时流量稳态和出料含水率稳态的开始时间点和结束时间点，在稳定生产过程中从开始时间点至结束时间点的批次物料瞬时流量或出料含水率是否骤降至无效数据限以下的情况，来判断过程异常非稳态的类别。能解决现有卷烟制丝过程中对异常非稳态的识别和分类存在不精准的问题，能有效判定出导致不同异常非稳态的具体原因，为制丝过程设备保障和精细化控制提供数据和重要支撑，提升工厂制丝过程整体加工水平。

附图说明

为了更清楚地说明本发明的具体实施例，下面将对实施例中所需要使用的附图作简单地介绍。

图1为本发明提供的一种制丝过程异常非稳态的分类方法的示意图。

图2是本发明实施例提供的一种异常非稳态判定流程图。

图3是本发明实施例提供的单点降示意图。

图4是本发明实施例提供的多点降示意图。

图5是本发明实施例提供的入料收料异常示意图。

图6是本发明实施例提供的批内断料示意图。

图7是本发明实施例提供的停机断料示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。

针对当前现有卷烟制丝过程中对异常非稳态的识别和分类存在不精准的问题，本发明提供一种制丝过程异常非稳态的分类方法，解决现有卷烟制丝过程中对异常非稳态的识别和分类存在不精准的问题，能有效判定出导致不同异常非稳态的具体原因，为制丝过程设备保障和精细化控制提供数据和重要支撑，提升工厂制丝过程整体加工水平。

如图1所示，一种制丝过程异常非稳态的分类方法，包括：

S1：在批次数据采集完成后，运用稳态识别方法确定物料瞬时流量稳态开始时间点T1和物料瞬时流量稳态结束时间点T2。

S2：判断在稳定生产过程中从T1至T2时批次物料瞬时流量是否骤降至无效数据限以下，并将物料瞬时流量骤降至无效数据限以下定义为状态Z。

S3：如不存在状态Z，则该批次处于正常生产批次；若存在状态Z，则该批次为异常非稳态批次。

S4：判断状态Z是否连续，若状态Z不连续，则判断出现状态Z的次数，若状态Z只出现一次，则定义异常非稳态为单点降，若状态Z出现多次且不连续，则定义异常非稳态为多点降。

具体地，行业内普遍认为应从制丝过程关键参数（物料瞬时流量、出料含水率）数据变化特征来开展制丝过程稳态和非稳态的识别研究。基于制丝生产过程的加工特性，料尾收料处理表现为在生产料尾阶段会出现类似停机断料的特征，出现的原因是料尾收料的操作，不会影响生产的连续性。短暂性断料表现为在生产过程中会出现类似停机断料的特征，出现的原因可能是设备的突然性故障，不会影响生产的连续性。针对料头料尾及过程波动的非稳态，提升一线操作人员操作水平即可有效减少常见非稳态。而异常非稳态常常伴随着主机设备、检测装置等一系列故障问题，需要进行问题排查和原因分析，从而有效减少装置设备故障、操作行为不当的发生率。因此，采用科学方法对制丝过程异常非稳态进行精准识别和分类分析是开展卷烟加工问题改进和质量精准化控制的重要数据支撑。

在稳定生产过程中，判断该批次物料瞬时流量是否骤降至无效数据限以下，定义为状态Z。若不存在状态Z，则该批次处于正常生产批次；若存在状态Z，则该批次为异常非稳态批次。

异常非稳态：指批次生产过程出现影响工序有序、稳定生产的断料异常状态。无效数据限：指通过设定工序入口段和出口段关键参数数据范围反映是生产过程否有物料通过，通常以物料瞬时流量设定值10%作为物料瞬时流量的无效数据限，以出料含水率设定值30%作为出料含水率的无效数据限。

该方法还包括：在批次数据采集完成后，运用稳态识别方法确定出料含水率稳态开始时间点T3和出料含水率稳态结束时间点T4, 计算工序延时时间t=T3-T1。

若出料含水率出现过程非稳态，且在工序延时时间内出料含水率低于无效数据限，则判定批次生产过程中主机设备出现故障。

在一实施例中，选取某工厂某牌号某批次松散回潮工序过程数据，数采频次为6s采集1次，按异常非稳态分类方法对单点降进行判定。如图3所示，T1和T2为该批次松散回潮物料瞬时流量的稳态开始和结束时间点，T3和T4为该批次松散回潮出料含水率的稳态开始和结束时间点，红色标识部分为该批次松散回潮物料瞬时流量骤降至无效数据限以下且单点不连续。

选取某工厂某牌号某批次二级加料工序过程数据，数采频次为6s采集1次，按异常非稳态分类方法对多点降进行判定。如图4所示，T1和T2为该批次二级加料物料瞬时流量的稳态开始和结束时间点，T3和T4为该批次二级加料出料含水率的稳态开始和结束时间点，红色标识部分为该批次二级加料物料瞬时流量骤降至无效数据限以下且多点不连续。

该方法还包括：将所述单点降和所述多点降判定为数据采集和传输故障，不影响物物料加工后的质量特性。

在实际应用中，若状态Z不连续，则判定其出现的次数。若只出现一次，则定义该异常非稳态为“单点降”，原因为数据采集出现故障，不影响物料加工后的质量特性结果，推送给信息技术人员排查数据采集和传输的问题；若出现多次且不连续，则定义该异常非稳态为“多点降”，原因为电子秤装置或数据采集出现故障，不影响物料加工后的质量特性结果，推送给设备保障人员和信息技术人员联合排查问题。

该方法还包括：将入料时间段T1至T1+6分钟定义为入料阶段，收料时段T2-6分钟至T2定义为出料阶段。若状态Z出现在入料阶段或收料阶段，则定义对应的异常非稳态为入料收料异常。

该方法还包括：将所述入料收料异常判定为生产操作行为不当导致物料出现短暂断料，增加批次生产的非稳态时间，影响工序加工稳定性。

在实际应用中，选取某工厂某牌号某批次叶丝干燥工序过程数据，数采频次为6s采集1次，按异常非稳态分类方法对入料收料异常进行判定。如图5所示,T1和T2为该批次叶丝干燥物料瞬时流量的稳态开始和结束时间点，T3和T4为该批次叶丝干燥出料含水率的稳态开始和结束时间点。红色标识部分为该批次叶丝干燥物料瞬时流量在T1至T1+6分钟时间段骤降至无效数据限以下且多点连续，入料阶段叶丝干燥出料含水率的非稳态时间占比明显增加。

该方法还包括：若状态Z未出现在入料或收料阶段，则判定为过程异常非稳态，所述过程异常非稳态指批次生产过程出现影响工序有序、稳定生产的断料异常状态。

该方法还包括：

若物料瞬时流量出现过程非稳态，开始时间点和结束时间点分别为T5和T6，则判定该批次出料含水率在延时时间T5+t至T6+t范围内是否低于无效数据限。

若否，则将该过程非稳态定义为批内断料，判定批次生产过程中入口辅机设备出现物料断料，主机设备仍处于稳定运行状态，物料未滞留于主机设备内。

在实际应用中，选取某工厂某牌号某批次二级加料工序过程数据，数采频次为6s采集1次，按异常非稳态分类方法对批内断料进行判定。如图6所示，T1和T2为该批次二级加料物料瞬时流量的稳态开始和结束时间点，T3和T4为该批次二级加料出料含水率的稳态开始和结束时间点。红色标识部分为该批次二级加料物料瞬时流量降骤至无效数据限以下且多点连续，该批次二级加料出料含水率在延时时间范围内未出现低于无效数据限的情况。

该方法还包括：若物料瞬时流量出现过程非稳态，且该批次出料含水率在时间T5+t至T6+t范围内低于无效数据限，则将该过程非稳态定义为停机断料，并判定批次生产过程中主机设备和辅机设备停机均停机，物料滞留于主机设备内。

在实际应用中，选取某工厂某牌号某批次叶丝干燥工序过程数据，数采频次为6s采集1次，按异常非稳态分类方法对停机断料进行判定。如图7所示，T1和T2为该批次叶丝干燥物料瞬时流量的稳态开始和结束时间点，T3和T4为该批次叶丝干燥出料含水率的稳态开始和结束时间点。红色标识部分为该批次叶丝干燥物料瞬时流量骤至无效数据限以下且多点连续，该批次叶丝干燥出料含水率在延时时间范围内低于无效数据限。

该方法还包括：通过数据采集系统获取制丝过程中的工艺流量，以形成流量与时间关系曲线图。通过稳态识别法对所述曲线图进行生产过程中的开始点和结束点判定是否存在过程异常非稳态。

该方法还包括：根据所述开始点和结束点计算得到入料含水率到达零位阈值与出料含水率到达零位阈值的时间差，并将所述时间差作为工艺延时时间。如果生产过程工艺流量骤降为设定流量50.0%，且与出料含水率到达零位阈值的时间差处于所述工艺延时时间内，则判定为停机断料。

具体地，通过车间的数据采集系统对过程中的工艺流量进行采集，形成流量与时间关系曲线图，首先通过稳态识别方法确定生产过程中开始点和结束点，然后根据所述开始点和结束点计算得到烟丝通过滚筒的工艺延时时间，进而对数据中的物料瞬时流量≤设定流量 50.0%且与出料含水率到达零位阈值的时间差处于所述工艺延时时间内，作为停机断料的判断节点，标记和筛分出停机断料的批次，对停机断料的次数和时间与批次质量判定进行信息衔接，从而进行停机断料的评价和考核，能提高工艺质量管理人员对停机断料的评价和考核的准确性。

可见，本发明提供的一种制丝过程异常非稳态的分类方法通过在批次数据采集完成后，运用稳态识别方法确定物料瞬时流量稳态和出料含水率稳态的开始时间点和结束时间点，在稳定生产过程中从开始时间点至结束时间点的批次物料瞬时流量或出料含水率是否骤降至无效数据限以下的情况，来判断过程异常非稳态的类别。能解决现有卷烟制丝过程中对异常非稳态的识别和分类存在不精准的问题，能有效判定出导致不同异常非稳态的具体原因，为制丝过程设备保障和精细化控制提供数据和重要支撑，提升工厂制丝过程整体加工水平。

以上依据图示所示的实施例详细说明了本发明的构造、特征及作用效果，以上所述仅为本发明的较佳实施例，但本发明不以图面所示限定实施范围，凡是依照本发明的构想所作的改变，或修改为等同变化的等效实施例，仍未超出说明书与图示所涵盖的精神时，均应在本发明的保护范围内。

Claims (10)

1.一种制丝过程异常非稳态的分类方法，其特征在于，包括：

在批次数据采集完成后，运用稳态识别方法确定物料瞬时流量稳态开始时间点T1和物料瞬时流量稳态结束时间点T2；

判断在稳定生产过程中从T1至T2时批次物料瞬时流量是否骤降至无效数据限以下，并将物料瞬时流量骤降至无效数据限以下定义为状态Z；

如不存在状态Z，则该批次处于正常生产批次；若存在状态Z，则该批次为异常非稳态批次；

判断状态Z是否连续，若状态Z不连续，则判断出现状态Z的次数，若状态Z只出现一次，则定义异常非稳态为单点降，若状态Z出现多次且不连续，则定义异常非稳态为多点降。

2.根据权利要求1所述的制丝过程异常非稳态的分类方法，其特征在于，还包括：

在批次数据采集完成后，运用稳态识别方法确定出料含水率稳态开始时间点T3和出料含水率稳态结束时间点T4, 计算工序延时时间t=T3-T1；

若出料含水率出现过程非稳态，且在工序延时时间内出料含水率低于无效数据限，则判定批次生产过程中主机设备出现故障。

3.根据权利要求2所述的制丝过程异常非稳态的分类方法，其特征在于，还包括：

将所述单点降和所述多点降判定为数据采集和传输故障，不影响物物料加工后的质量特性。

4.根据权利要求3所述的制丝过程异常非稳态的分类方法，其特征在于，还包括：

将入料时间段T1至T1+6分钟定义为入料阶段，收料时段T2-6分钟至T2定义为出料阶段；

若状态Z出现在入料阶段或收料阶段，则定义对应的异常非稳态为入料收料异常。

5.根据权利要求4所述的制丝过程异常非稳态的分类方法，其特征在于，还包括：

将所述入料收料异常判定为生产操作行为不当导致物料出现短暂断料，增加批次生产的非稳态时间，影响工序加工稳定性。

6.根据权利要求5所述的制丝过程异常非稳态的分类方法，其特征在于，还包括：

若状态Z未出现在入料或收料阶段，则判定为过程异常非稳态，所述过程异常非稳态指批次生产过程出现影响工序有序、稳定生产的断料异常状态。

7.根据权利要求6所述的制丝过程异常非稳态的分类方法，其特征在于，还包括：

若物料瞬时流量出现过程非稳态，开始时间点和结束时间点分别为T5和T6，则判定该批次出料含水率在延时时间T5+t至T6+t范围内是否低于无效数据限；

若否，则将该过程非稳态定义为批内断料，判定批次生产过程中入口辅机设备出现物料断料，主机设备仍处于稳定运行状态，物料未滞留于主机设备内。

8.根据权利要求7所述的制丝过程异常非稳态的分类方法，其特征在于，还包括：

若物料瞬时流量出现过程非稳态，且该批次出料含水率在时间T5+t至T6+t范围内低于无效数据限，则将该过程非稳态定义为停机断料，并判定批次生产过程中主机设备和辅机设备停机均停机，物料滞留于主机设备内。

9.根据权利要求8所述的制丝过程异常非稳态的分类方法，其特征在于，还包括：

通过数据采集系统获取制丝过程中的工艺流量，以形成流量与时间关系曲线图；

通过稳态识别法对所述曲线图进行生产过程中的开始点和结束点判定是否存在过程异常非稳态。

10.根据权利要求9所述的制丝过程异常非稳态的分类方法，其特征在于，还包括：

根据所述开始点和结束点计算得到入料含水率到达零位阈值与出料含水率到达零位阈值的时间差，并将所述时间差作为工艺延时时间；

如果生产过程工艺流量骤降为设定流量50.0%，且与出料含水率到达零位阈值的时间差处于所述工艺延时时间内，则判定为停机断料。