技术领域
[0001] 本发明涉及烟草生产质量评价技术领域，更具体地，尤其涉及一种制丝工艺质量评价赋分方法。
相关背景技术
[0002] 卷烟加工主要分为制丝、卷制、包装三个环节，其中制丝环节负责将烟叶原料通过复杂的工艺加工制成成品烟丝，以备卷制。现行的制丝环节工艺技术标准覆盖面不全，目前卷烟行业针对制丝环节的工艺质量理念在持续更新迭代，通过试验、科研等方式挖掘出了许多工艺技术标准中未做要求但却对工艺质量有较深影响的指标，如部分工序的蒸汽流量、阀门开度等设备参数，这些参数在技术标准中大多未做要求，属于工艺质量管控盲区，针对此类指标暂无明确的技术标准可用于评价。
[0003] 现行工艺技术标准中针对制丝环节的工艺质量评价方法较为单一，与目前卷烟行业的精准控制评价理念相悖。仅仅通过评判指标的均值、标准偏差、CPK等方式是否达到设定标准来对工艺质量进行评价，达到标准则视为合格，未达到则视为不合格。此评判指标一是标准界限的设定较为主观，不能客观科学地反映工艺质量管控水平，二是在实际生产过程中，工艺质量合格与否的界限并不一定与标准界限一致，对工艺质量评价采取“一刀切”的评价方式不够科学，未能反映工艺质量实际管控水平。
[0004] 本行业传统的制丝过程质量评价赋分方法主要包括：
[0005] 1、达标赋分法：按照工艺技术标准判定工序质量指标结果是否达标，赋分方法为达标100分，未达标0分；
[0006] 2、合格率赋分法：按照工艺技术标准范围将工序质量指标结果换算成合格率进行赋分；
[0007] 3、区间赋分法：按照工艺质量管控要求将工序质量指标评价细分为若干个档次区间，确定各区间界限进行分段赋分；
[0008] 4、西格玛赋分法：按照工艺技术标准将工序质量指标换算成过程能力指数CPK，再根据烟草行业CPK评级标准进行赋分；
[0009] 然而，上述的达标赋分法、合格率赋分法、西格玛赋分法均要求以工艺技术标准为参考，将质量指标的统计量转化为百分制的赋分方法，适用于具有工艺技术标准的质量指标，但是无法对不具有工艺技术标准的质量指标进行赋分。而区间赋分法能解决此类问题，但是各档次区间划分往往过于主观，处于区间界限上下的评价结果时常会引发争议。因此，以上四种方法在质量指标评价赋分的适用性和客观性方面均存在较大局限，尤其是无工艺技术标准参考的质量指标评价。
具体实施方式
[0048] 现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
[0049] 以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
[0050] 对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0051] 在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
[0052] 现行工艺技术标准中针对制丝环节的工艺质量评价方法较为单一，与目前卷烟行业的精准控制评价理念相悖。仅仅通过评判指标的均值、标准偏差、CPK等方式是否达到设定标准来对工艺质量进行评价，达到标准则视为合格，未达到则视为不合格，一是标准界限的设定较为主观，不能客观科学地反映工艺质量管控水平，二是在实际生产过程中，工艺质量合格与否的界限并不一定与标准界限一致，对工艺质量评价采取“一刀切”的评价方式不够科学，未能反映工艺质量实际管控水平。具体地，现有技术中的达标赋分法、合格率赋分法、西格玛赋分法均要求以工艺技术标准为参考，无法对不具有工艺技术标准的质量指标进行赋分。而区间赋分法能解决此类问题，但是各档次区间划分往往过于主观，处于区间界限上下的评价结果时常会引发争议。因此，以上四种方法在质量指标评价赋分的适用性和客观性均存在较大局限，尤其是无工艺技术标准参考的质量指标评价。
[0053] 本发明提出了一种制丝工艺质量评价赋分方法的实施例，具体来说，如图1所示，其中包括以下步骤：
[0054] 步骤S1，获取拟合上一年度历史分布的历史全批次样本数据，计算历史全批次样本数据某一工序质量指标Qindex的统计量x，Qindex的统计量为 ,其中最小值为 ，最大值为 ；需要说明的是，通过获取并分析上一年度所有批次（全批次）的数据，以建立基准， 是所有批次Qindex的统计量集合，通过确定最小值 和最大值 ，为后续步骤提供数据范围。
[0055] 步骤S2，采用核密度估计（KDE）方法构建Qindex统计量x的概率密度函数f(x)；KDE是一种非参数估计方法，用于估计随机变量的概率密度函数，通过输入 ,KDE可以输出一个平滑的概率密度函数f(x)，该函数描述了x在不同值上的概率分布。
[0056] 步骤S3，以本年度若干批次作为评价赋分对象，计算工序质量指标Qindex的统计量y；针对每个待评价批次，计算其Qindex的统计量y，以便与历史数据进行比较。
[0057] 步骤S4，基于概率密度函数f(x)和Qindex的统计量y，计算Qindex的统计量x和Qindex的统计量y映射在历史分布中的分位数F(x)和F(y)；分位数F(x)和F(y)分别表示x和y在整体分布中的相对位置。例如，F(x) = 0.5表示x位于中位数位置。
[0058] 步骤S5，根据各个工序质量指标的管控要求，将质量评价指标区分为望大型、望小型和望目型，并根据分位数F(x)和F(y)和质量评价指标类型分别确定待评价批次Qindex的评价结果；其中，针对望大型、望小型和望目型说明如下：
[0059] 望大型：希望Qindex的值越大越好，如产量、效率等，此时，F(y)越大，表示y值越优，评价分数越高；
[0060] 望小型：希望Qindex的值越小越好，如成本、废品率等，此时，F(y)越小，表示y值越优，评价分数越高；
[0061] 望目型：希望Qindex的值接近某个固定的目标值，此时，需要比较F(y)与目标值分位数的接近程度，越接近评价分数越高；
[0062] 根据Qindex的管控类型，将F(y)转换为具体的评价分数或等级，以反映待评价批次的质量水平。
[0063] 在本发明实施例中，在步骤S2中，概率密度函数f(x)的计算公式如下：
[0064] （1）；
[0065] 其中，n是样本数量；
[0066] K为核密度函数，它是一个非负函数，满足∫K(u)du=1，并且通常是对称的，即K(u)=K(−u)，常见的核函数包括高斯核（也称为正态核）、均匀核、三角核等；
[0067] h为设定的窗宽，它是一个需要预先设定的参数，对估计的平滑程度有很大影响，窗宽越小，估计的密度函数越不平滑，可能包含过多的噪声；窗宽越大，估计的密度函数越平滑，但可能会掩盖掉一些重要的细节。
[0068] 在本发明实施例中，在步骤S4中，由公式（1）推断分布函数 ，如下：
[0069] （2）；
[0070] 其中，历史分布分位数区间为[0,1]，最小值 的分位数为，最大值 的分位数为
。对于任意 x 值，其分位数 F(x) 可
以通过计算 f(x) 在 (−∞,x] 上的积分来得到。
[0071] 在本发明实施例中，在步骤S4中，具体包括：
[0072] 步骤S41，若质量评价指标Qindex为望大型，则统计量 赋分公式为：
[0073] （3）；
[0074] 步骤S42，若工序质量指标Qindex为望小型，则统计量 赋分公式为：
[0075] （4）；
[0076] 步骤S43，若工序质量指标Qindex为望目型，目标值设定为C且 ，则统计量赋分公式为：
[0077] 当 时，
[0078] （5）；
[0079] 当 时，
[0080] （6）。
[0081] 在本发明实施例中，在步骤S1中，历史全批次样本数据某一工序质量指标包括针对质量参数、过程参数以及设备参数的指标，具体地，质量参数指直接反映制丝过程工序质量结果的参数，包括但不限于松散回潮工序出料含水率、叶丝干燥工序切叶丝含水率、叶丝干燥工序出料含水率、加料工序加料精度、叶丝掺配工序梗丝掺配精度、混丝加香工序加香精度；过程参数指与工序质量结果强关联并直接影响工序加工强度的参数，包括但不限于松散回潮工序加水流量、松散回潮工序工艺热风温度、加料工序料液温度、叶丝干燥工序筒壁温度；设备参数指与工序质量结果强关联并保障设备稳定生产的参数，包括但不限于松散回潮工序蒸汽体积瞬时流量、加料工序料蒸汽雾化阀门开度、叶丝干燥工序SIROX蒸汽体积流量、叶丝干燥工序筒壁蒸汽阀门开度。
[0082] 在本发明实施例中，步骤S2配置为在历史样本分布未知的情况下进行构建，其中，未知历史样本分布包括对以下情况之外的分布进行拟合：
[0083] 离散型分布，包括两点分布、二项式分布以及泊松分布；
[0084] 连续型分布，包括均匀分布、指数分布以及正态分布。
[0085] 综上所述，本发明实施例通过计算历史全批次样本数据某一工序质量指标Qindex的统计量，基于历史样本数据对制丝过程的质量指标进行科学、客观的评价赋分，相较传统的评价方法，评价结果更贴合生产实际情况，有助于根据评价结果科学定位弱值短板，为生产过程的工艺质量改进提供依据。采用核密度估计方法构建Qindex统计量的概率密度函数，基于概率密度函数f(x)和Qindex的统计量y，计算Qindex的统计量x和Qindex的统计量y映射在历史分布中的分位数F(x)和F(y)；统一的评价赋分方法有助于展开不同工厂、不同时间段、不同品规、不同批次间的横向对比，能科学评判工艺质量管控水平，有效验证工艺质量的改进效果。
[0086] 本发明实施例还提供一种制丝工艺质量评价赋分系统，包括：
[0087] 第一数据获取模块，被配置为获取拟合上一年度历史分布的历史全批次样本数据，计算历史全批次样本数据某一工序质量指标Qindex的统计量x，Qindex的统计量为,其中最小值为 ，最大值为 ；
[0088] 函数构建模块，被配置为采用核密度估计方法构建Qindex统计量x的概率密度函数f(x)，其中，概率密度函数f(x)的计算公式如下：
[0089] （1）；
[0090] 其中，n是样本数量；
[0091] K为核密度函数，它是一个非负函数，满足∫K(u)du=1，并且通常是对称的，即K(u)=K(−u)，常见的核函数包括高斯核（也称为正态核）、均匀核、三角核等；
[0092] h为设定的窗宽，它是一个需要预先设定的参数，对估计的平滑程度有很大影响，窗宽越小，估计的密度函数越不平滑，可能包含过多的噪声；窗宽越大，估计的密度函数越平滑，但可能会掩盖掉一些重要的细节；
[0093] 第二数据获取模块，被配置为以本年度若干批次作为评价赋分对象，计算工序质量指标Qindex的统计量y；
[0094] 计算模块，被配置为基于概率密度函数f(x)和Qindex的统计量y，计算Qindex的统计量x和Qindex的统计量y映射在历史分布中的分位数F(x)和F(y)；具体地，由公式（1）推断分布函数 ，如下：
[0095] （2）；
[0096] 其中，历史分布分位数区间为[0,1]，最小值 的分位数为 ，最大值的分位数为 。对于任意 x 值，其分位数 F(x) 可以通过计算 f(x) 在 (−∞,x] 上的积分来得到。
[0097] 评价模块，被配置为根据各个工序质量指标的管控要求，将质量评价指标区分为望大型、望小型和望目型，并根据分位数F(x)和F(y)和质量评价指标类型分别确定待评价批次Qindex的评价结果。
[0098] 需要说明的是，本发明实施例的制丝工艺质量评价赋分系统中与制丝工艺质量评价赋分方法实施例相关的内容不作赘述，具体参见制丝工艺质量评价赋分方法的实施例。
[0099] 以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果，但以上仅为本发明的较佳实施例，需要言明的是，上述实施例及其优选方式所涉及的技术特征，本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下，合理地组合搭配成多种等效方案；因此，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。
