CN1616205A - 多变量工艺优化和分析方法 - Google Patents

Abstract

本发明所述的多变量工艺优化和分析方法，提供排胶性能参数与多变量自动分析优化，为实现混炼胶质量指标分析职能而设计提供合格率、门尼平均值等数值参数的优选方法，并将优选结果信息以线性回归方程曲线的形式加以体现，供修订工艺流程时使用。

Description

多变量工艺优化和分析方法

技术领域

本发明涉及一种面向橡胶混炼生产过程中、控制排胶性能的多变量工艺优化和分析方法。

背景技术

目前国内各类汽车的销售量大幅增加，这就给轮胎生产厂家提供了大量商机，同时也对轮胎制造工艺提出了更高的标准要求。

现有橡胶密炼技术虽可以基本满足炼胶生产需求，但对于具有更高难度和复杂性的混炼生产，尚缺乏行之有效的工艺优化和分析技术。目前在排胶控制环节上，整个混炼过程中工艺步骤制订和参数设定起到决定性的作用，工艺优化和分析结果会直接影响到对于混炼胶门尼粘度指标的控制，因而是保证炼胶排胶成功与否的关键。

现有排胶控制环节，都是由工艺人员根据自身工作经验、辅以少量的现场试验数据来确定生产工艺。因而受人为主观影响较大，难以确保工艺的最优性。而且一旦流程和工况发生变化，往往工艺优选和改进具有相当的滞后性，无法对当前生产状况进行事先评估，从而造成生产波动大、质量难以有效控制等问题。

发明内容

本发明所述的多变量工艺优化和分析方法，提供排胶性能参数与多变量自动分析优化，为实现混炼胶质量指标分析职能而设计提供合格率、门尼平均值等数值参数的优选方法，并将优选结果信息以线性回归方程曲线的形式加以体现，供修订工艺流程时使用。

混炼过程的影响因素是诸多的，因此最好的排胶方法应该是多变量的组合排胶条件。

设定组合排胶条件是较为困难的，本发明所述的多变量工艺优化和分析方法，是在选择单变量工艺排胶条件的基础上，通过计算温度/时间/功率/能量与门尼粘度值之间的敏感程度(通过方程斜率)，来确定排胶设定条件是否恰当。

其中，通过计算温度/时间/功率/能量与门尼之间的线性回归方程曲线(除了设定为排胶变量之外的各变量)，分别判断各回归方程对门尼的敏感程度(通过方程斜率)，可以帮助工艺人员确定排胶设定条件是否恰当。若各变量与门尼(基本上)都是不敏感的，则说明相应配方的排胶变量选择是合适的；若多数变量与门尼的输出提示都是敏感的，则需要考虑更改排胶变量，其具体的设定值可以通过回归曲线得到。

具体地，单变量排胶条件的分析流程是：

第一步，设定除排胶变量之外的其他单一变量，做为与门尼参数建立敏感分析曲线的分析变量；

第二步，选择输入待分析的变量值数据组并判断是否为单变量；若是，则调用回归迭代算法流程和数据预处理流程；若否，则重复执行本步骤；

第三步，与门尼值敏感程序分析，包括判断是否门尼合格率大于85％；同时，回归迭代方程模型的斜率是否＞0.45％；若是，则输出为分析曲线的参数值；若否，则舍弃掉；

第四步，按上述步骤分别建立温度、时间、功率和能量的分析曲线并输出。

在历史生产数据库的支持下，将混炼过程的各动作点，例如提上顶栓，投胶料、投炭黑、投油料点、投小药点和排胶点等，对混炼胶质量、混炼时间和能耗的影响及时分析出来，并给予直观和形象地显示供工艺人员参考。从而可以辅助工艺人员正确了解各混炼参数对混炼程度影响力的大小，从而为工艺人员调整混炼工艺和确定新的混炼规程提供可靠的参考。使混炼工艺过程经常保持最佳状态，最大程度的减少炼胶过程中混炼工艺条件的波动对胶料质量的影响，保证胶料质量的均一性，同时降低能耗，缩短混炼时间，提高炼胶效率。

所以，单变量影响力分析流程可以设定为：

第一步，选取预分析配方的数据组，确定相应的优化变量和目标变量值，其中门尼粘度做为默认选择的目标变量；

第二步，选取配方所涉及动作点的排胶变量；

第三步，建立目标变量与优化变量之间的模型，调用回归迭代算法流程；

第四步，调用门尼粘度值计算流程。

基于上述流程控制的多变量优化流程：

第一步，优化目标的选择，即从门尼粘度、混炼时间、混炼能量中选择一个或多个：；

第二步，优化参数选取动作点对应的变量值，包括有温度、功率或能量；

第三步，建立优化目标与优化变量之间的函数模型；

第四步，显示各优化变量的模型系数，并通过上述优化计算将动作点的相应变量与目标变量的相互间的影响关系以图形显示。

附图说明

图1是单变量排胶条件性能分析流程图；

图2是单变量工况分析流程图；

图3是单变量影响力分析流程图；

图4是多变量优化流程图；

图5是回归迭代算法流程图；

图6是数据预处理流程示意图；

图7是门尼粘度值计算流程图；

具体实施方式

本发明所述的多变量工艺优化和分析方法，如图1所示，设定单变量排胶条件性能分析流程是：

1、设定除排胶变量之外的其他单一变量，做为与门尼参数建立敏感分析曲线的分析变量，选取温度、时间T、功率P、能量E；

2、选择输入待分析的变量值数据组并判断是否为单变量；

若是，则调用回归迭代算法流程(如图5所示)、以及数据预处理流程(如图6所示)，即将变量值进行减均值除方差运算；若否，则重复执行上述第2步骤；

3、与门尼值敏感程序分析，包括判断是否门尼合格率＞85％、且回归方程模型斜率＞0.45％；

若是，证明变量值是不敏感的，则输出为分析曲线的参数值；

若否，说明该变量值是敏感的，则舍弃、使之成为无效参数。

4、按上述流程分别建立温度、时间T、功率P、能量E的分析曲线并输出。

应用上述单变量排胶条件性能分析流程，如图2所示，单变量工况分析流程是：

A、选定建立门尼敏感分析曲线的变量值数据组；

B、确定并显示排胶方式；

C、调用回归迭代算法流程(如图5所示)、以及数据预处理流程(如图6所示)，即将变量值进行减均值除方差运算；

D、引用上述回归迭代算法流程计算后的变量值和输入的自变量数据，建立回归直线和曲线图；

E、显示上述变量值对应的门尼值代入回归迭代算法流程，并显示门尼值计算结果。

其中，如图6所示，数据预处理流程是：

第一步，输入质检和过程控制数据，以确定样本数m，变量数n，并将计数值初始为0。其中变量为能够准确反映橡胶密炼程度的有效变量，如温度、功率、能量等数值；

第二步，建立m*n的数据矩阵，并将参数设为1，即初始化矩阵为m*1的数据模型；

第三步，逐一计算所有提供样本中的各变量的均值和方差；

第四步，判断在所有提供的样本(m)中是否有大于均值三倍方差以上的样本。若有，则将该样本设为以后比较的均值，同时将计数值累计增加1；若无，则继续判断此第四步流程，直至全部判断完；

第五步，判断计数累计值是否大于样本数m的5％。若有，则删除初始化矩阵为m*1的数据模型，进而重新从第二步进行；若无，则输出该样本矩阵。

如图3所示，对于混炼过程的各动作点对混炼胶质量、混炼时间和能耗的影响力分析流程是：

①读取预分析配方的数据组，确定相应的优化变量和目标变量值。

其中，门尼粘度做为默认选择的目标变量。除此之外，还可根据需要选择如：混炼时间、混炼能量等，但每次仅对一个优化指标进行分析。选择优化变量是除目标变量之外的所有能够反映橡胶密炼过程的有效变量，如动作点的温度、功率、能量等。

②选取配方所涉及动作点的排胶变量；

③建立目标变量与优化变量之间的模型，即调用回归迭代算法流程(如图5所示)；

④调用门尼粘度值计算流程(图7)；

如图7所示，门尼粘度值在线计算流程是利用已经建立的PLS模型，根据混炼过程变量信息，在线计算、预报胶料的门尼粘度。

其中，输入参数是回归系数R、P、负载W，以及预报使用的混炼过程变量X；

输出参数是胶料门尼粘度预报值Yp，即PLS成分。

初始化时，wm＝W的行数，h＝W的列数；m＝X的行数，n＝X的列数；Yp＝[0]m*1，T＝[0]m*H，而T(：，k)表示T矩阵的第k列，其他以此类推。

⑤根据模型计算各优化变量对目标变量的影响力，选取绝对值最大的系数，并将各系数对其进行相对化处理；

④按照用户要求，以柱状图形式显示各优化变量的影响力分析。根据各因素的影响大小，结合当前工况，来决定通过稳定哪个参数来稳定混炼过程，或是通过调整哪几个参数来改进混炼过程。

综合上述单变量排胶条件性能分析流程、工况分析流程和影响力分析流程，如图4所示，多变量优化流程主要包括以下内容：

利用多变量优化机理、在已有数据库支持下，将混炼过程加料点对混炼胶质量、混炼时间和能耗的影响及时分析出来，从而可以辅助工艺人员判断是否需要对加料点进行优化，确定提栓条件的参数。

(1)优化目标的选择，即从下列优化目标中选择一个或多个：门尼粘度、混炼时间、混炼能量；

(2)优化参数选取加料点对应的变量，即提栓(包括上到位和浮动)动作点相对应的变量值，包括有温度、功率和能量；

(3)多变量优化流程是：

①读取预分析配方样本数据，相应批次优化变量、优化目标值；

②建立优化目标与优化变量之间的函数模型；

③显示各优化变量的模型系数。

④通过上述优化计算，将提栓动作点的相应变量与目标变量的影响相互关系，以柱状图显示。

Claims (3)

1、一种多变量工艺优化和分析方法，其特征在于：单变量排胶条件的分析流程是：

第一步，设定除排胶变量之外的其他单一变量，做为与门尼参数建立敏感分析曲线的分析变量；

第二步，选择输入待分析的变量值数据组并判断是否为单变量；若是，则调用回归迭代算法流程和数据预处理流程；若否，则重复执行本步骤；

第三步，与门尼值敏感程序分析，包括判断是否门尼合格率大于85％；同时，回归迭代方程模型的斜率是否＞0.45％；若是，则输出为分析曲线的参数值；若否，则舍弃掉；

第四步，按上述步骤分别建立温度、时间、功率和能量的分析曲线并输出。

2、根据权利要求1所述的多变量工艺优化和分析方法，其特征在于：单变量影响力分析流程是：

第一步，选取预分析配方的数据组，确定相应的优化变量和目标变量值，其中门尼粘度做为默认选择的目标变量；

第二步，选取配方所涉及动作点的排胶变量；

第三步，建立目标变量与优化变量之间的模型，调用回归迭代算法流程；

第四步，调用门尼粘度值计算流程。

3、根据权利要求2所述的多变量工艺优化和分析方法，其特征在于：多变量优化流程：

第一步，优化目标的选择，即从门尼粘度、混炼时间、混炼能量中选择一个或多个：；

第二步，优化参数选取动作点对应的变量值，包括有温度、功率或能量；

第三步，建立优化目标与优化变量之间的函数模型；

第四步，显示各优化变量的模型系数，并通过上述优化计算将动作点的相应变量与目标变量的相互间的影响关系以图形显示。

Images