一种卷包车间质量辅助决策的方法与流程

本发明属于烟草卷包车间质量管理辅助决策技术领域，特别是指一种卷包车间质量辅助决策的方法。

背景技术：

烟草生产车间，卷包设备类型众多、产品质量问题的种类和产生原因错综复杂，质量问题对应产生原因之间各种因素互相关联，这对卷接包车间质量管控带来了较大困难。

传统质量管控方法不能及时发现并合理做好质量管控先觉指导。在传统的工作中，只能通过不断地巡视观察质量情况从而查找存在的质量隐患。由于卷接包装工艺较复杂，并不能面面俱到，以往操作人员及维修人员处理故障都是凭借自身的经验，存在疏漏。

如下图1所示，目前卷包车间质量分析方法主要是通过单一的物理指标数据通过单一的数据源进行人工分析，由于生产过程中的物理指标是测试后的结果，属于一个结果的体现，并不能实时关联生产状态对生产过程进行实时评价和分析并判断和定位具体的质量问题。

目前卷包车间影响产品质量问题的因素较多，与产品质量问题相关的数据的来源及数量均较多，如何能够精确对卷包车间质量做出辅助决策，需要对卷包车间各类与生产质量相关数据进行分类，并确定影响质量异常问题的主因是需要解决的问题。

技术实现要素：

本发明的目的是提供一种卷包车间质量辅助决策的方法，以解决现有技术对生产过程的数据没有进行规则分析，不能为产品质量提供辅助决策的问题。

本发明是通过以下技术方案实现的：

一种卷包车间质量辅助决策的方法，

获取第一设定时间段的质量异常数据集作为参考数列；

获取生产过程第二设定时间段数据集作为比较数列；

计算所述参考数列与各比较数列之间的关联系数得到关联度；

确定质量模式因素，并根据各质量模式因素所对应的比较数列所得到的关联度进行排序，并判断，

同一机台某一质量模式因素中，设定数量的工班的关联度是否均高于设定值，若是则，机械结构为导致相应的质量问题类别的主因；

若否则判断，同一机台某一质量模式因素中，是否仅有一个工班的关联度高于设定值，若是则操作控制为导致相应的质量问题类别的主因；

若否则判断，同一机台各质量模式因素中，是否有一个工班的各质量模式因素的关联度均高于设定值，若是则该工班整体素质为导致相应的质量问题类别的主因；

若否则判断，同一批次产品不同机台的相同质量模式因素中，关联度均高于设定值，若是则辅料为导致相应的质量问题类别的主因；

若否则判断，与各质量模式因素是否无明显关联度或设备维修，若是则未知原因为导致相应的质量问题类别的主因；若否则判断为特殊异常。

所述关联系数其中，i为自然数，ρ为分辨系数，介于0-1之间；δmin为比较数列与参考数列的最小差；δmax为比较数列与参考数列的最大差；

δ0i(k)为各比较数列xi曲线上的每一个点与参考数列x0曲线上的每一个点的绝对差值。

所述参考数列的获取方法，包括以下步骤：

获取历史烟草卷包车间影响质量问题类别；

依据各质量问题类别的特性，设定各质量问题类别所对应质量合格数据的阀值；

获取历史烟草卷包车间影响质量问题的质量因素，并设定所述质量因素所包括质量模式因素种类；

依据各质量模式因素的特性，设定各质量模式因素所对应质量模式数据的阀值；

获取用户第一设定时间段的原始数据，并依据所述质量问题类别确定相应的类别数据集；依据各质量模式因素确定相应的质量模式数据集；

提取类别数据集中的数据与相应的质量合格数据的阀值进行判断，若判断为否，则确定为该数据为类别异常数据，存入相应的异常数据集，并将第一设定时间段内的异常数据集依据时间顺序排为异常数据参考数列；

提取质量模式数据集中的数据与相应的质量模式数据的阀值进行判断，若判断为否，则确定为该数据为质量模式异常数据，存入相应的质量模式异常数据集，并将第一设定时间段内的质量模式异常数据集依据时间顺序排为质量异常数据参考数列；

在所述第一设定时间内，将同一时间的异常数据参考数列与所述质量异常数据参考数列匹配，得互所述参考数列。

所述质量问题类别至少包括烟支物理指标相关的类别和外观缺陷相关的类别；

所述烟支物理指标相关的类别至少包括烟支圆周类别、烟支长度类别、烟支质量类别或烟支吸阻类别中的一种或一种以上组合；

所述外观缺陷相关的类别至少包括条装类别、盒装类别或烟支类别中的一种或一种以上组合。

所述质量因素包括生产过程实时状态因素、设备维修因素或辅料信息因素的一种或一种以上组合。

所述生产过程实时状态因素至少包括设备停机信息模式因素、产量信息模式因素、停机原因模式因素或设备有效作业率模式因素中的一种或一种以上组合。

所述第一设定时间为半年或半年以上；所述第二设定时间为0.2-12小时。

所述比较数列xi为设定数量的质量模式因素数据的集合。

本发明的有益效果是：

本技术方案通过质量模式数据集、质量问题类别数据集和质量问题参考数据集进行关联系数计算和关联度分析、排序作为特征选择模型，通过规则构建决策树进行辅助决策。主要的具体大类划为机械结构、操作控制、工班整体情况、辅料问题、特殊异常、其他未知原因等大类。

附图说明

图1为现有技术质量问题分析逻辑图；

图2为质量辅助决策原理图。

具体实施方式

以下通过实施例来详细说明本发明的技术方案，以下的实施例仅是示例性的，仅能用来解释和说明本发明的技术方案，而不能解释为是对本发明技术方案的限制。

为了能够精确对卷包车间质量做出辅助决策，需要对卷包车间各类生产质量相关数据进行采集及存储，由于卷包车间数据节点和数据类型较多，需要对不同设备采用不同原理进行数据采集并进行存储，通过云数据中心的存储方式可实现高效数据调用。

为了实现对卷包车间质量辅助决策支持，需要全面了解卷烟车间影响产品质量问题的所有因素，通过长期的统计分析，现卷烟车间产品质量问题类别主要包括物理指标相关的类别及外观缺陷相关的类别。

其中，烟支物理指标相关的类别至少包括烟支圆周类别、烟支长度类别、烟支质量类别或烟支吸阻类别中的一种或一种以上组合。

所述外观缺陷相关的类别至少包括条装类别、盒装类别或烟支类别中的一种或一种以上组合。

影响上述质量问题类别的主要质量因素包括生产过程实时状态因素、设备维修因素及辅料信息因素。

在本申请中，生产过程实时状态因素主要包括设备停机信息模式因素、产量信息模式因素、停机原因模式因素或设备有效作业率模式因素中的一种或一种以上组合，此方面具体需要采集哪些数据，根据实际的需要进行设定，但是，在生产过程实时状态因素的数据采集中，也可以包括实际生产时，其它方面影响到产品质量的生产过程实时状态的子因素的数据。

如图2所示，本申请提供一种卷包车间质量辅助决策的方法，包括：

获取第一设定时间段的质量异常数据集作为参考数列x0；第一设定时间越长，质量异常数据集通过机器学习训练为参考数列，质量异常数据积累越多，参考数列对应的质量问题类别的可能性越大，预测的准确率越高，在本实施例中，第一设定时间为1年，在本申请的其它实施例中，该第一设定时间可以为其它长度，如1个月-3年的范围等。

获取生产过程第二设定时间段数据集作为比较数列xi；所述第二设定时间为0.2-12小时，通常情况下，第二设定时间不超过一个工班的时间，以便于对各工班之间的影响质量问题类别的质量模式因素的分析，以判断质量模式因素的来源，提高质量辅助决策的概率。

所述比较数列xi为设定数量的质量模式因素数据的集合。

计算所述参考数列x0与较数列xi之间的关联系数ξ(xi)；

所述关联系数其中，i为自然数，ρ为分辨系数，介于0-1之间；δmin为比较数列与参考数列的最小差；δmax为比较数列与参考数列的最大差；δ0i(k)为各比较数列xi曲线上的每一个点与参考数列x0曲线上的每一个点的绝对差值；

计算每个所述比较数列与同一所述参考数列之间的关联系数排序比较，判断待识别质量问题的主要影响因素及影响程度，并判断，同一机台某一质量模式因素中，四个工班的关联度是否均高于设定值(即四个工班均较差或均低于考核值)，若是则，机械结构为导致相应的质量问题类别的主因。

若否则判断，同一机台某一质量模式因素中，是否仅有一个工班的关联度高于设定值(即某一质量问题类别，如烟支质量类别、烟支圆周类别、烟支长度类别中的一个在三个工班均较好，仅有一个工班较差)，若是则操作控制为导致相应的质量问题类别的主因。

若否则判断，同一机台各质量模式因素中，是否有一个工班的各质量模式因素的关联度均高于设定值(即各质量问题类别均存在问题)，若是则该工班整体素质为导致相应的质量问题类别的主因。

若否则判断，同一批次产品不同机台的相同质量模式因素中，关联度均高于设定值，但是在更换辅料后指标好转，若是则辅料为导致相应的质量问题类别的主因。

若否则判断，与各质量模式因素是否无明显关联度或设备维修，若是则未知原因为导致相应的质量问题类别的主因；若否则判断为特殊异常。

质量问题类别与各质量模式因素之间的关联程度是通过关联系数的大小次序描述，关联系数越大，关联度越大，将i个比较数列对同一个参考数列的关联系数按大小顺序排列起来，便组成了关联序，记为{x}，它反应了对于参考数列来说，各比较数列的优劣关系，若r0i>r0j，则称{xi}对于同一母序列{x0}优于{xj}，记为{xi}>{xj}；r0i表示第i个子序列对母数列特征值。

所述参考数列的获取方法，包括以下步骤：

获取历史烟草卷包车间影响质量问题类别；

依据各质量问题类别的特性，设定各质量问题类别所对应质量合格数据的阀值；

获取历史烟草卷包车间影响质量问题的质量因素，并设定所述质量因素所包括质量模式因素种类；

依据各质量模式因素的特性，设定各质量模式因素所对应质量模式数据的阀值；

获取用户第一设定时间段的原始数据，并依据所述质量问题类别确定相应的类别数据集；依据各质量模式因素确定相应的质量模式数据集；

提取类别数据集中的数据与相应的质量合格数据的阀值进行判断，若判断为否，则确定为该数据为类别异常数据，存入相应的异常数据集，并将第一设定时间段内的异常数据集依据时间顺序排为异常数据参考数列；

提取质量模式数据集中的数据与相应的质量模式数据的阀值进行判断，若判断为否，则确定为该数据为质量模式异常数据，存入相应的质量模式异常数据集，并将第一设定时间段内的质量模式异常数据集依据时间顺序排为质量异常数据参考数列；

在所述第一设定时间内，将同一时间的异常数据参考数列与所述质量异常数据参考数列匹配，得到所述参考数列。

所述质量问题类别至少包括烟支物理指标相关的类别和外观缺陷相关的类别；

所述烟支物理指标相关的类别至少包括烟支圆周类别、烟支长度类别、烟支质量类别或烟支吸阻类别中的一种或一种以上组合；

所述外观缺陷相关的类别至少包括条装类别、盒装类别或烟支类别中的一种或一种以上组合。

所述质量因素包括生产过程实时状态因素、设备维修因素或辅料信息因素的一种或一种以上组合。

所述生产过程实时状态因素至少包括设备停机信息模式因素、产量信息模式因素、停机原因模式因素或设备有效作业率模式因素中的一种或一种以上组合。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由所附权利要求及其等同限定。