李 山,郭春生,葉亞軍,郭 磊,陳 晨,田 數(shù),趙賽月
(1.甘肅煙草工業(yè)有限責(zé)任公司,甘肅蘭州 730050;2.內(nèi)蒙古昆明卷煙有限責(zé)任公司,內(nèi)蒙古呼和浩特 010020)
制絲在線加工工藝批次間差異性評(píng)價(jià)
李 山1,郭春生2,葉亞軍2,郭 磊1,陳 晨2,田 數(shù)2,趙賽月2
(1.甘肅煙草工業(yè)有限責(zé)任公司,甘肅蘭州 730050;2.內(nèi)蒙古昆明卷煙有限責(zé)任公司,內(nèi)蒙古呼和浩特 010020)
為了評(píng)價(jià)制絲批次加工工藝穩(wěn)定性,對(duì)制絲在線加工25項(xiàng)關(guān)鍵工藝指標(biāo)參數(shù)進(jìn)行分析,采用主成分分析和聚類(lèi)分析相結(jié)合的方法,對(duì)相同牌號(hào)不同批次煙絲在線加工的工藝指標(biāo)進(jìn)行主成分分析。結(jié)果表明,提取了8個(gè)主成分,各個(gè)主成分的方差貢獻(xiàn)率分別為25.03%,12.64%,10.45%,9.95%,7.71%,6.12%,5.43%,5.19%,累積貢獻(xiàn)率達(dá)82.49%;利用聚類(lèi)分析評(píng)價(jià)方法甄別出了不穩(wěn)定的批次,17號(hào),18號(hào)和19號(hào)3個(gè)批次的煙絲與其他16個(gè)批次的差異性較大;確定了能夠?qū)χ平z在線加工工藝穩(wěn)定性進(jìn)行有效綜合評(píng)價(jià)的方法,為保證卷煙產(chǎn)品的穩(wěn)定性提供理論支撐。
主成分分析;聚類(lèi)分析;穩(wěn)定性
在卷煙生產(chǎn)工藝過(guò)程中,制絲工藝的工序最多、流程最長(zhǎng),加工方法較為繁雜,工藝要求也較高。隨著煙草行業(yè)競(jìng)爭(zhēng)日益劇烈,如何立足市場(chǎng)、提高產(chǎn)品品質(zhì)是每個(gè)煙草企業(yè)的重要任務(wù)。衡量卷煙產(chǎn)品品質(zhì)的好壞主要在于工藝技術(shù)水平的高低,2003版《卷煙工藝規(guī)范》對(duì)過(guò)程控制進(jìn)行了明確規(guī)定,強(qiáng)調(diào)工藝控制應(yīng)由結(jié)果控制向過(guò)程控制轉(zhuǎn)變,實(shí)現(xiàn)品質(zhì)的一致性和穩(wěn)定性,達(dá)到品質(zhì)與指標(biāo)的高度統(tǒng)一。制絲工藝作為卷煙原料的加工處理工序,直接影響卷煙產(chǎn)品品質(zhì)的穩(wěn)定性,因此控制好制絲加工過(guò)程、確保工藝加工精度,是保證卷煙產(chǎn)品穩(wěn)定性的重要因素之一[1-2]。
目前,卷煙企業(yè)多采用批次加工的方式進(jìn)行生產(chǎn),然而由于加工設(shè)備水平和加工過(guò)程工藝條件的差異,會(huì)導(dǎo)致相同牌號(hào)批次間產(chǎn)品品質(zhì)的波動(dòng)。為保證給消費(fèi)者提供穩(wěn)定一致的卷煙產(chǎn)品,就要求保障加工過(guò)程工藝參數(shù)與指標(biāo)的穩(wěn)定性,在這種形勢(shì)下,對(duì)各卷煙廠品質(zhì)一致性、穩(wěn)定性過(guò)程加工技術(shù)提出了較高要求[3-4]。近年來(lái),隨著卷煙工業(yè)自動(dòng)化、信息化及智能化水平的提高,企業(yè)過(guò)程控制和品質(zhì)檢驗(yàn)等生產(chǎn)過(guò)程中產(chǎn)生的品質(zhì)數(shù)據(jù)越來(lái)越豐富,為加工過(guò)程品質(zhì)指標(biāo)的穩(wěn)定性控制提供了大量基礎(chǔ)性數(shù)據(jù),然而有關(guān)影響批次間產(chǎn)品穩(wěn)定性的研究較少。目前,國(guó)內(nèi)卷煙企業(yè)有關(guān)加工工藝對(duì)產(chǎn)品品質(zhì)的分析有一定研究。例如,葉春文等人[5]就烘絲工藝參數(shù)對(duì)卷煙感官品質(zhì)的影響進(jìn)行了研究,結(jié)果表明,較高的滾筒轉(zhuǎn)速、熱風(fēng)溫度、排潮風(fēng)門(mén)開(kāi)度有利于卷煙香氣的透發(fā)和提高,但不利于煙氣特性和口感特性的改善,較低或較高的排潮風(fēng)門(mén)開(kāi)度都不利于卷煙香氣特性的改善。胡建軍等人通過(guò)正交試驗(yàn)較為系統(tǒng)地研究了工藝參數(shù)與烘后煙絲品質(zhì)的關(guān)系,結(jié)果表明蒸汽壓力對(duì)烘后煙絲的香氣、諧調(diào)、雜氣和余味以及感官品質(zhì)總分有重要影響。試驗(yàn)采用主成分分析和聚類(lèi)分析相結(jié)合的方法,對(duì)同一品牌不同批次卷煙工藝參數(shù)和工藝指標(biāo)進(jìn)行分析,確定能夠評(píng)價(jià)加工穩(wěn)定性有效綜合評(píng)價(jià)的方法。旨在為提高企業(yè)過(guò)程品質(zhì)穩(wěn)定性控制水平,為卷煙加工企業(yè)提高在線均質(zhì)化更上水平提供理論依據(jù)和技術(shù)支撐。
1.1 材料和儀器
19個(gè)批次三類(lèi)某牌號(hào)葉組配方煙葉,A卷煙廠提供;TM710型水分儀、MM710型在線水分儀,美國(guó)NDC紅外技術(shù)公司產(chǎn)品;MX2型RAYTEX紅外測(cè)溫儀,美國(guó)RAYTEX公司產(chǎn)品;制絲車(chē)間8 000 kg/h制絲線生產(chǎn)線設(shè)備、WQ3315型滾筒式葉片回潮機(jī)、WQ3317Y406型滾筒式葉片回潮機(jī)、SH626Y379型薄板烘絲機(jī)、WQ714型隧道式葉絲回潮機(jī)、SJ235BNM型加香機(jī),昆明船舶設(shè)備集團(tuán)有限公司產(chǎn)品。
1.2 統(tǒng)計(jì)方法
首先對(duì)同一牌號(hào)19個(gè)不同批次在線加工工藝指標(biāo)參數(shù)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,消除指標(biāo)數(shù)量級(jí)差別對(duì)綜合評(píng)價(jià)帶來(lái)的不良影響,然后利用SPSS 17.0數(shù)據(jù)處理系統(tǒng)進(jìn)行主成分分析,以各樣本的主成分綜合得分為聚類(lèi)依據(jù)進(jìn)行系統(tǒng)聚類(lèi)分析。其中,主成分綜合得分為各提取主成分得分與該主成分貢獻(xiàn)率的乘積之和。
2.1 批次間加工在線工藝的主成分分析
對(duì)19個(gè)批次的在線加工工藝指標(biāo)參數(shù)用SPSS 17.0軟件進(jìn)行主成分分析,首先進(jìn)行Bartlett球形度檢驗(yàn),KMO的檢驗(yàn)值為0.533,KMO值>0.5且p<0.01,因此可以對(duì)原始數(shù)據(jù)進(jìn)行因子分析。
批次參數(shù)KMO和Bartlett的檢驗(yàn)結(jié)果見(jiàn)表1。
表1 批次參數(shù)KMO和Bartlett的檢驗(yàn)結(jié)果
對(duì)19個(gè)批次的在線加工工藝指標(biāo)參數(shù)用SPSS 17.0軟件進(jìn)行主成分分析。
主成分的特征值與方差貢獻(xiàn)見(jiàn)表2,主成分變量負(fù)荷矩陣見(jiàn)表3,批次間加工在線工藝主成分得分見(jiàn)圖1。
根據(jù)特征值大于1的原則提取了8個(gè)主成分,由表2可知,其特征值分別為5.007,3.159,2.605,2.488,1.926,1.530,1.298,方差貢獻(xiàn)率分別為25.03%, 12.64%,10.45%,9.95%,7.71%,6.12%,5.43%,5.19%,累積貢獻(xiàn)率達(dá)82.49%。因此,前8個(gè)主成分已基本描述了各變量的基本信息。
表2 主成分的特征值與方差貢獻(xiàn)
圖1 批次間加工在線工藝主成分得分
由圖1主成分的載荷圖可以分析出各特征變量的重要性和相關(guān)性,重要性由載荷的大小來(lái)表征,位于原點(diǎn)的載荷表示不重要的特征;相關(guān)性由載荷向量間夾角的大小來(lái)表征,夾角越小相關(guān)性越高,不相關(guān)的特征相互正交。由圖1可知,第1,2,3主成分中各項(xiàng)指標(biāo)的載荷向量均不位于原點(diǎn),說(shuō)明這些因素對(duì)批次穩(wěn)定性都有一定影響。由表3可知,第1主成分主要由薄板烘絲機(jī)滾筒溫度、HT入口水分指標(biāo)來(lái)表征,第2主成分主要由加料機(jī)出口水分指標(biāo)來(lái)表征,第3主成分主要由松散潤(rùn)葉出口溫度指標(biāo)來(lái)表征,第4主成分主要由回潮加料出口溫度指標(biāo)來(lái)表征,第5主成分主要由回潮加料排潮風(fēng)門(mén)開(kāi)度指標(biāo)來(lái)表征,第6主成分主要由加料機(jī)加料精度指標(biāo)來(lái)表征,第7主成分主要由回潮加料出口水分指標(biāo)來(lái)表征,第8主成分主要由加料機(jī)熱風(fēng)溫度指標(biāo)來(lái)表征。
設(shè)提取的因子1~8的得分分別為F1,F(xiàn)2,F(xiàn)3,F(xiàn)4,
F5,F(xiàn)6,F(xiàn)7,F(xiàn)8。
主成分得分=Σ主成分得分系數(shù)×相對(duì)應(yīng)的標(biāo)準(zhǔn)化變量.
根據(jù)表3計(jì)算可得因子得分?jǐn)?shù)學(xué)模型如下:
表3 主成分變量負(fù)荷矩陣
F1=-0.403X1-0.185X2+0.535X3-0.428X4+0.051X2+
0.224 X6+0.354X7-0.028X8+0.011X9+0.103X10-
0.674 X11-0.347X12+0.347X13-0.039X14+0.304X15+
0.792 X16+0.716X17-0.552X18-0.373X19+0.611X20+
0.906 X21+0.357X22+0.576X23+0.274X24-0.223X25;
F2=-0.538X1-0.033X2+0.058X3+0.180X4-0.354X5-
0.496 X6+0.420X7+0.254X8+0.108X9+0.679X10+
0.433 X11-0.452X12+0.122X13-0.153X14+0.398X15+
0.074 X16-0.003X17+0.328X18-0.402X19+0.502X20-
0.040 X21-0.446X22-0.465X23-0.375X24+0.273X25;
F3=0.008X1+0.537X2+0.193X3+0.503X4-0.016X5+
0.448 X6+0.403X7-0.339X8-0.717X9+0.419X10-
0.054 X11-0.116X12-0.012X13+0.503X14-0.286X15+
0.040 X16-0.019X17-0.160X18-0.159X19-0.340X20+
0.091 X21-0.139X22+0.249X23-0.311X24+0.390X25;
F4=0.435X1+0.396X2+0.063X3-0.067X4-0.420X5+
0.338 X6+0.052X7+0.653X8+0.439X9+0.256X10+
0.028 X11-0.052X12+0.583X13+0.255X14-0.146X15+
0.352 X16-0.014X17+0.366X18+0.589X19+0.078X20-
0.076 X21+0.087X22+0.217X23-0.202X24-0.118X25;
F5=-0.005X1+0.568X2+0.287X3+0.523X4+0.616X5-
0.137 X6+0.003X7+0.255X8+0.176X9+0.064X10+
0.207 X11+0.037X12-0.259X13+0.044X14+0.170X15-0.130X16+0.260X17+0.065X18-0.179X19+0.214X20-0.226X21+0.330X22+0.117X23+0.089X24-0.510X25;
F6=0.076X1+0.072X2+0.274X3-0.235X4-0.120X5+
0.176 X6+0.287X7+0.202X8-0.003X9+0.354X10+ 0.253X11+0.422X12-0.133X13-0.441X14-0.071X15+ 0.043X16-0.462X17-0.343X18-0.187X19-0.096X20-0.066X21-0.243X22+0.175X23+0.349X24-0.206X25;
F7=0.113X1+0.015X2-0.419X3+0.092X4-0.161X5+
0.084 X6+0.519X7+0.117X8-0.303X9-0.256X10+ 0.121X11-0.069X12+0.320X13+0.339X14+0.233X15-0.222X16-0.176X17-0.194X18-0.047X19+0.127X20+ 0.062X21+0.331X22-0.302X23+0.260X24-0.269X25;
F8=-0.286X1-0.023X2+0.161X3-0.010X4-0.308X5+
0.288 X6-0.133X7-0.280X8+0.031X9+0.774X10+ 0.339X11+0.053X12-0.064X13-0.149X14+0.595X15-0.132X16-0.034X17+0.010X18+0.235X19-0.222X20+ 0.017X21+0.418X22+0.199X23-0.274X24-0.055X25.
綜合F1,F(xiàn)2,F(xiàn)3,F(xiàn)4,F(xiàn)5,F(xiàn)6,F(xiàn)7,F(xiàn)88個(gè)主成分,可定義批次工藝加工參數(shù)綜合得分指數(shù)為:
F=0.25F1+0.13F2+0.10F3+0.10F4+0.08F5+0.06F6+
0.05 F7+0.05F8.
應(yīng)用主成分分析方法計(jì)算出了前2個(gè)主成分得分,以及在線批次間加工工藝指數(shù)的得分。
主成分得分及綜合得分見(jiàn)表4。
表4 主成分得分及綜合得分
2.2 批次間加工在線工藝的聚類(lèi)分析
對(duì)在線批次間加工工藝指數(shù)的主成分綜合得分經(jīng)中心法處理后,以歐氏距離衡量各樣本間品質(zhì)差異的大小,采用重心法對(duì)綜合得分進(jìn)行系統(tǒng)聚類(lèi)分析。
各批次主成分綜合得分聚類(lèi)分析結(jié)果見(jiàn)圖2。
由聚類(lèi)結(jié)果可知,17號(hào)、18號(hào)和19號(hào)3個(gè)批次的煙絲與其他16個(gè)批次的差異性較大。
圖2 各批次主成分綜合得分聚類(lèi)分析結(jié)果
(1)主成分分析結(jié)果表明,各個(gè)主成分的方差貢獻(xiàn)率分別為25.03%,12.64%,10.45%,9.95%,7.71%,6.12%,5.43%,5.19%,累積貢獻(xiàn)率達(dá)82.49%。第1主成分主要由薄板烘絲機(jī)滾筒溫度、HT入口水分指標(biāo)來(lái)表征,第2主成分主要由加料機(jī)出口水分指標(biāo)來(lái)表征,第3主成分主要由松散潤(rùn)葉出口溫度指標(biāo)來(lái)表征,第4主成分主要由回潮加料出口溫度指標(biāo)來(lái)表征,第5主成分主要由回潮加料排潮風(fēng)門(mén)開(kāi)度指標(biāo)來(lái)表征,第6主成分主要由加料機(jī)加料精度指標(biāo)來(lái)表征,第7主成分主要由回潮加料出口水分指標(biāo)來(lái)表征,第8主成分主要由加料機(jī)熱風(fēng)溫度指標(biāo)來(lái)表征。
(2)利用聚類(lèi)分析評(píng)價(jià)方法甄別出了不穩(wěn)定的批次,17號(hào),18號(hào)和19號(hào)3個(gè)批次的煙絲與其他16個(gè)批次的差異性較大。確定能夠?qū)χ平z在線加工工藝穩(wěn)定性進(jìn)行有效綜合評(píng)價(jià)的方法,為保證卷煙產(chǎn)品的穩(wěn)定性提供理論支撐。
[1]宮長(zhǎng)榮,于建軍.煙草原料初加工 [M].北京:中國(guó)輕工業(yè)出版社,1993:78-103.
[2]黃嘉扔.卷煙工藝 [M].第2版.北京:北京出版社,2000:53-67.
[3]王兵,楊達(dá)輝,林平,等.新的卷煙生產(chǎn)工序品質(zhì)評(píng)價(jià)方法的建立 [J].煙草科技,2002(11):16-17.
[4]梁桐.卷煙均質(zhì)化加工技術(shù)研究 [J].黑龍江科技信息,2008(35):56-57.
[5]葉春文,楊明權(quán),王兵,等.烘絲工藝參數(shù)對(duì)卷煙感官質(zhì)量的影響 [J].煙草科技,2005(11):7-9.◇
The Difference Between the Preparation of Tobacco Online Processing Technic
LI Shan1,GUO Chunsheng2,YE Yajun2,GUO Lei1,CHEN Chen2,TIAN Shu2,ZHAO Saiyue2
(1.The Tobacco Industry Co.,Ltd.,Lanzhou,Gansu 730050,China;2.Kunming Cigarette Co.,Ltd.,Hohhot,Inner Mongolia 010020,China)
In order to evaluate the online processing technic stability,this paper analyzes the online processing technic 25 key process parameters,using the method of principal component analysis and cluster analysis,the process of the same brands of different batches of tobacco processing by principal component analysis.The results show that the extraction of 8 the principal components,each principal component variance contribution rates are 25.03%,12.64%,10.45%,9.95%,7.71%,6.12%,5.43%,5.19%,the cumulative contribution rate of 82.49%.Analysis and evaluation method for screening out unstable batches using clustering,No.17,No.18 and No.19 of three batches of tobacco and other 16 batches of differences. Acomprehensive evaluation method for the stability of the wire line processing technology is determined,which can provide theoretical support for the stability of cigarette products.
principal component analysis;cluster analysis;stability
TS143
A
10.16693/j.cnki.1671-9646(X).2017.01.014
1671-9646(2017)01a-0051-04
2016-11-02
李 山(1987— ),男,碩士,助理工程師,研究方向?yàn)榫頍煿に嚒⒕頍熍浞健?/p>