卷煙包裝過程中，煙絲的制作工序相對復雜，各項工藝參數設置的準確性直接影響卷煙成品的質量[1-2]。因此，在卷煙包裝工序中，優化卷煙工藝參數是提高卷煙工藝生產質量的有效途徑[3]。使用互聯網技術完成數據提取、挖掘數據間的關聯性等處理過程即為物聯網大數據分析方法，應用此方法能夠實現信息智能化，從而提高優化效果[4-5]。因此，本文將物聯網大數據分析方法應用在卷煙包裝工藝參數的優化處理上，通過分析卷煙包裝工藝過程中的各項參數，進一步提升成品煙的品質與感官質量。1基于物聯網技術的大數據分析模型本文利用物聯網大數據實現對卷煙包裝工藝參數的深層次挖掘研究[6]，構建基于物聯網技術的卷煙包裝工藝大數據分析模型。該模型包含物聯感知層、數據傳輸層、數據分析層與數據展示層。1)物聯感知層:采用感知技術及智能設備，實現對卷煙包裝工藝參數[7]的自動感知識別。卷煙工藝參數變異系數Pi的計算公式如式(1)所示卷煙包裝過程中，煙絲的制作工序相對復雜，各項工藝參數設置的準確性直接影響卷煙成品的質量[1-2]。因此，在卷煙包裝工序中，優化卷煙工藝參數是提高卷煙工藝生產質量的有效途徑[3]。使用互聯網技術完成數據提取、挖掘數據間的關聯性等處理過程即為物聯網大數據分析方法，應用此方法能夠實現信息智能化，從而提高優化效果[4-5]。因此，本文將物聯網大數據分析方法應用在卷煙包裝工藝參數的優化處理上，通過分析卷煙包裝工藝過程中的各項參數，進一步提升成品煙的品質與感官質量。

　　1基于物聯網技術的大數據分析模型

　　本文利用物聯網大數據實現對卷煙包裝工藝參數的深層次挖掘研究[6]，構建基于物聯網技術的卷煙包裝工藝大數據分析模型。該模型包含物聯感知層、數據傳輸層、數據分析層與數據展示層。1)物聯感知層:采用感知技術及智能設備，實現對卷煙包裝工藝參數[7]的自動感知識別。卷煙工藝參數變異系數Pi的計算公式如式(1)所示：式中:Ri為標準差;n為卷煙標準參數樣本個數;Xiu為卷煙標準第i個參數的指標值;珔Xi為指標Xiu的平均值。2)數據傳輸層:通過移動互聯網等媒介，將物聯網數據轉變成具有固定準則和系統性的元數據，并將元數據傳輸至系統模型。3)數據分析層:通過專業數據挖掘算法對規模龐大又缺少直接關聯的數據進行分析。4)數據展示層:通過圖表方式將大數據分析所得的不易理解的數據直接顯現[8]。

　　2卷煙包裝工藝參數自優化研究

　　2.1包裝工藝參數提取基于已構建的模型，選取卷煙包裝工藝參數[9]。以某煙廠的浸梗與螺旋蒸梗工序為例，獲取參數指標。數據指標獲取后要對蒸梗溫度、浸梗水槽水溫及蒸梗含水量這3個參數指標進行優化。為方便煙梗含水量及溫度的優化，浸梗水槽水溫與螺旋蒸梗工序的出口煙梗含水量需限制在(12.8±0.5)%[10]，工藝考核指標為出口梗絲的整絲率。初始設置水平具體參數見表1。以生產條件、操作人員及其他參數不變為前提收集樣本，隨機提取收集的樣本，進行蒸梗溫度、浸梗水槽水溫及蒸梗含水率測試[11]。假設對抽取的5號試樣實行工藝提取，按蒸梗溫度為96℃、浸梗水槽水溫為40℃及蒸梗含水率為36%的條件，得到出口梗絲整絲率為86%、碎絲率為5%的結果，采用此標準重復提取6次，結果見表2。2.2參數關聯挖掘及優化參數關聯挖掘技術[12]是一種數據解決方式，其將信息資源作為根源挖掘數據內在關聯，揭示數據間的聯系及準則。在基于物聯網大數據挖掘方法的推理系統上運用資源數據庫與工藝參數，再通過關系準則找出最優工藝參數組合。

　　3實驗與結果分析

　　為證明本文所提的基于物聯網大數據分析的卷煙包裝工藝參數自優化方法的有效性，設計如下驗證實驗。本文所使用的操作系統為Windows10，仿真軟件為MATLAB7.0。實驗研究對象為某卷煙廠2019年第2季度第2個月的編號為J1052流水線的生產數據，樣本數量為20000個，大小為1.2GB，已剔除缺失與損壞數據，保證數據能夠在仿真平臺上順利運行。3.1數據處理性能對比對卷煙包裝工藝參數進行優化控制前，需對數據進行處理。為驗證本文方法對大數據的處理性能，將本文方法與傳統的基于多元統計數據處理方法(簡稱傳統方法)進行對比，檢驗不同方法的數據檢索命中率，結果如圖1所示。在相同傳輸時間內，數據檢索命中率越高，表示數據處理性能越好。分析圖1可知，本文方法數據檢索命中率均高于94%，優于傳統方法，證明本文方法在處理大數據時的檢索命中率更高，為后續參數優化奠定了良好的基礎。3.2參數提取效率與正確率為進一步驗證本文方法的有效性，將參數提取時間與正確率作為檢驗指標，對本文方法的參數提取性能展開測試。實驗結果見表3。分析表3可知，本文方法優化后，卷煙包裝過程中蒸梗溫度、浸梗水槽溫度和蒸梗含水率3項參數的提取時間為優化前的25%～52%，優化后的參數提取正確率最高可達98%，可以證明本文方法參數提取速度快、正確率高。3.3優化前后蒸梗含水率對比為了驗證本文方法對蒸梗含水率的優化效果，對比分別使用本文方法與傳統方法后蒸梗含水率預估值的有效性，結果如圖2所示。由圖2可看出，采用本文方法得到的蒸梗含水率預估值與實際值的誤差小，應用傳統方法的誤差大，說明本文方法能更準確、有效地對蒸梗含水率進行估計。3.4參數優化前后卷煙端部落絲量對比為驗證應用本文方法對包裝工業參數的優化效果，將卷煙端部落絲量作為檢驗指標，指標要求遵照國家標準GB5606.3—2005《卷煙第3部分:包裝、卷制技術要求及貯運》，落絲量指標標準為小于1.00g/100支。實驗操作時長為70s，用TurbulaSchatz滾動儀翻滾100支卷煙。為清晰地觀察檢測結果，隨機選取了600個樣本，檢驗參數優化前后的卷煙端部落絲結果，結果如圖3所示。分析圖3可知，優化后的卷煙端部落絲量明顯降低，落絲量約為優化前的一半。圖中隨著樣本數量的增加，落絲量沒有出現顯著變化，由此說明本文方法可以有效降低煙卷端部落絲量的3.5參數優化前后卷煙整絲率對比為檢驗應用本文方法后卷煙整絲率的變化情況，在人工、機械器材及原材料不變的前提下，對所選取的900個樣本進行優化前后的整絲率測試，對比結果如圖4所示。分析圖4可知，優化后的卷煙整絲率高于優化前約兩倍，可以證明本文方法可提升卷煙整絲率。3.6優化前后煙絲性能及感官對比為進一步驗證本文方法的優化效果，對制備卷煙樣品及感官進行評測:將樣品卷制后，放至恒溫恒濕箱中(溫度22℃，相對濕度60%)一天后評測。將樣本分成兩組進行對比，參與評測人員8人以上，總分100分，卷煙參數優化前與優化后的感官質量對比結果見表4，煙絲的物理質量對比結果見表5。分析表4可知，參數優化后的卷煙感官質量大幅度提高，香氣、光澤、刺激性及雜氣等都高于參數優化前，優化后的總體評分高于優化前0.81分。分析表5可知，參數優化后的煙絲物理性能各方面均有所提升，其中優化后的含末率僅為1.01%。可以證明本文方法對卷煙包裝工藝參數的優化效果較好。

　　4結束語

　　本文利用物聯網大數據分析技術設計的卷煙包裝工藝參數自優化方法通用性強，為優化卷煙工藝參數提供了一種新的解決方法，可以有效提升卷煙包裝工藝各項性能。但是，目前的研究工作僅通過較為簡單的實例來驗證實現方案的可行性，要真正在實踐中體現其價值，還需要進行后續的處理并進一步完善對復雜數據模型的支持。

　　《卷煙包裝工藝參數自優化研究》來源：《機械設計與制造工程》，作者：蔡培良 李明 華衛 易凡竣 龍小昂