数据挖掘技术在卷烟设备管理中的应用分析

数据挖掘技术在卷烟设备管理中的应用分析

李明伟 邓华

河南中烟工业有限责任公司黄金叶生产制造中心 郑州市 450000

摘要：在国内大数据飞速发展背景下，数据挖掘技术在卷烟工业企业得到应用，利用挖掘数据价值的方式，来了解设备运行中存在的潜在风险和故障。挖掘技术提高设备管理效率，减少故障，保证生产设施设备稳定运行。本篇文章就重点论述了数据挖掘技术在设备锅炉中的应用，并分析了数据挖掘方法，对设备运行数据挖掘未来的发展趋势做出了研判。

关键词:大数据；数据挖掘；运行管理；卷烟设备

国内卷烟工业企业竞争日益激烈，消费者对烟草产品品质预期也有了更严格要求，目前烟草行业使用自动化流水线生产设备，当设备中出现某个零部件故障时，如果不能够快速排除，那么就对整个生产线稳定性造成巨大影响。有些设备工艺指标设置错误，在运行过程中出现偏差，这样就会造成设备故障，进而影响到产品生产。有些生产作业环节不可逆，出现异常故障，就会给企业生产经营带来巨大经济损失。因此，在设备生产过程中，流程工艺有着重要影响因素。烟草生产是典型的流程化生产模式，烟草生产设备自动化集成度高，卷烟工业企业的装备信息化水平在国内制造业也处于较高水平。信息系统内部有大量数据资源可以利用，但是从目前情况来看，卷烟工业企业对设备数据资源利用率不高，没有重视数据利用在企业生产经营中的应用，没有深度挖掘资源，造成资源浪费问题严重。

1、数据挖掘技术在卷烟设备运行中现状分析

精细化的生产制造是目前卷烟工业企业工作发展的新趋势，数据也是实现智能化管控的重要工具，设备管理人员需要通过使用高端数据挖掘技术、数据分析工具及数据分析研究方法，通过深度挖掘数据来找出数据背后的价值，及企业经营中的问题，为高效决策、改进管理、科学评价，进一步规范设备数据的采集、数据处理、数据分析和数据存储，为企业决策提供合理的机制和方法，对于卷烟工业企业的精细化管控都有积极的促进作用。

数据挖掘是在大数据时代下所演变出来的新技术，随着智能技术、数据分析技术的发展，大数据算法技术、统计模式识别，高智能计算等相关技术的应用，为企业挖掘潜在的商机，提供了有利的技术支撑。在卷烟工业企业生产经营中会积攒海量的数据，对这些数据的科学分类管理，提炼挖掘数据的价值，能够为其经营人员提供决策的数据依据。在企业长期经营中，积累了大量丰富历史数据信息，也为烟草产品工艺数据和设备管理提供了更多的分析依据。在大数据环境之下，将数据挖掘技术应用到设备的日常管理工作中，也是设备管理人员需要重点研究的课题。

从设备运作机制来看，其与普通机械设备运行并无明显区别，为此可以一般定义来对卷烟设备进行分类。目前卷烟工业企业常用的设备为通用设备和专用设备两类。首先，通用设备则是工业生产中较为常见的一些机器，比如锅炉、空气压缩机、空调等，这些通用设备是生产卷烟的保障工序。这种常见的机械设备管理起来也是十分简便，只需要结合专业人员的工作经验，对设备关键运作部分进行检查，并利用冗余设计及时替换掉磨损零件即可。其次，专用设备则是卷烟制作的核心技术，也是提高企业经济效益的关键环节。这种设备的特点在于高精度、高质量。

2、数据挖掘技术在卷烟设备管理中的方法分析

针对卷烟工业企业设备管理工作，多数研究内容都是针对设备的故障及生产工艺缺陷来组织开展。设备故障研究是在上世纪70年代开始发展，短时间内，国内企业在设备电路数字化，机电设备等方面就获得了显著的成效，也成为一个热点。国内故障诊断方面的研究虽然起步较晚，但部分高校科研机构在设备故障诊断方面做出了大量的研究学术成果，基于专家系统的诊断设备故障产生原因，利用模糊理论来分析故障成因等先进技术，随着卷烟工业企业生产数据的积累、技术的发展，数据挖掘技术逐渐被应用到卷烟设备管理中。

2.1关联规则发现

挖掘数据之间产存在的潜藏关系，例如从一种数据推出另外一种数据，了解各数据之间的关联关系。结合研究分析，就可以做出正确的结论。依赖性关系更加强调于数据本身的固有特征，及数据之间潜藏逻辑关系。对关联规则的研究，也是了解数据背后价值的关键环节。目前常用性关联规则分析技术，有回归性分析、信息网络技术，在卷烟设备运行中，会发现设备状态参数及故障之间产生的关联规则，可及时对设备故障做出预防。例如，河南中烟工业有限责任公司在卷烟机组上对工控系统做出了实时高效的参数采集及跟踪，并对异常报警的数据信息建立数据列，利用关联规则来发现、获得故障和设备质量缺陷等相关数据关系，为设备的维修保养明确方向，提高了设备维护的效率。

2.2决策树方法

在检查设备运行故障时，工作人员考虑故障因素较多，某些频发故障就会影响到设备的运行效率。检查与挖掘影响设备运行的故障要素，判断故障位置，研判设备的运转状态，利用决策树方法可处理设备运转中的这些问题。决策树是一类树形的分析方法，也是归纳式的数据算法，是机器学习方法的一种根节点，是预测术中的本节点，它也是决策树开始分析的起点，对数体内部各个节点特征数值做一一分析比较。结合属性不同来判别哪个节点属于哪个分支，在决策树上结论得到验证，因此要从根结点对应着一条规则，整棵树就对应于一组表达的数据规则。卷烟工业企业可以利用决策树法来对设备故障原因作出深度判别，挖掘故障背后的成因，来建立起智能化故障诊断术方法体系和故障诊断系统，也可使用实时的数据，快速持续分析衍生，来大幅度提高决策精准性，使决策可靠性得到提升，获得更好的成效。

2.3粗糙集方法

粗糙集的方法可以处理不够精确，不太完整的数据计算方法，可以对数据做以分析推理，来发现隐藏问题，揭露出潜藏规律。粗糙集的计算方法，会保留基本数据信息，进而使得数据分类保持不变，来消除冗余的属性值。粗糙集方法及特征不需要提供数据的主观性评价。工作人员观察部分数据，就可以消除多余的信息，去掉不完整的数据信息，界定属性间的依赖关系。目前粗糙集方法，在卷烟工业企业专家控制系统中得到应用，对设备运行状态判别提供可靠的信息支持。

2.4神经网络方法

神经网络法会反映人脑内部神经元的构造和神经元联系，依靠人脑内部神经元连接的关系，来形成抽象数据分析模型。不同神经元后构建一个神经网络，它可以在计算机系统上，学习神经信息传递方式来模拟人的大脑，进行知识存储和推理。该方法是一类归纳演绎方法，通过反复学习，能够在系统内，不断修正神经元之间的权属值，使得神经网络分布处于一个更稳定的状态。神经网络的方法具有较强的记忆性能力，有更强计算力，因此可以将其放置于烟草产品的生产设备中，来增强该算法的抗干扰性。例如，河南中烟工业有限责任公司应用神经网络技术，可以科学预测出加料机内部出水口水量，来对设备进行实时监控，并对数据信息对比分析，进而能够实现对设备运行状态的监测监控，实现预测的目的。

3、结束语

卷烟设备管理是卷烟产品生产中的重要工作内容，设备运行状态、设备的故障会影响到产品质量。在卷烟设备使用智能技术、自动化技术，使设备精密度提升，这给现有生产制造人员专业技术能力提出更高要求，工作人员要更加精密精准操控设备。利用数据挖掘技术，来了解设备潜藏故障风险隐患，及时消除故障，使设备运行更加精密，提高设备运行的效率，避免出现设备事故。卷烟工业企业要大力将数据挖掘技术引入到生产设备管理中，利用数据分析、统计决策模型的构建，来开展专业化分析，建立异常故障判定、异常预测诊断、专家控制系统，通过应用神经网络人工智能方法，提高设备的智能化水平。

参考文献：
[1]刘昊.大数据和数据挖掘技术在烟草行业的应用[J].中国高新区,2019(009)
[2]王昌玲.大数据和数据挖掘技术在烟草行业的应用分析[J].科技风,2019(3)
[3]王颖.数据挖掘在烟草行业质量管理中的运用[J].数字化用户,2019(10)
[4]章惠民.福建烟草商业系统大数据技术研究与应用[J].中国烟草学报,2019(6)