近年來,隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新一代信息技術(shù)與實體經(jīng)濟加快融合,推動了制造業(yè)向數(shù)字化、網(wǎng)絡(luò)化、智能化方向深入演進,為制造業(yè)結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)升級提供了重要機遇和挑戰(zhàn)。煙草行業(yè)作為國民經(jīng)濟的重要支柱產(chǎn)業(yè),應(yīng)當(dāng)主動融入國家高質(zhì)量發(fā)展的時代主題,強化擔(dān)當(dāng),有所作為。充分利用卷煙煙機生產(chǎn)大數(shù)據(jù),提取有價值的信息,使生產(chǎn)更加智能化。本文以PROTOS1-8卷煙機生產(chǎn)某品牌煙的實際生產(chǎn)大數(shù)據(jù)為例,利用大數(shù)據(jù)統(tǒng)計分析方法對生產(chǎn)過程的評價和預(yù)測進行了一些探索性分析。首先,選取煙支生產(chǎn)過程中包括物理測量類、氣源外觀檢測類、剔廢率等系列指標(biāo),通過灰色關(guān)聯(lián)分析和模糊綜合評價法對其煙支質(zhì)量進行綜合評價,并對比兩種綜合評價方法的優(yōu)劣,為篩選重要工況變量與預(yù)測做準(zhǔn)備。其次,采用生產(chǎn)過程中的5000多萬條單支煙記錄,通過描述性統(tǒng)計分析各個工況參數(shù)的基本特征�；贚asso和BP(back propagation)神經(jīng)網(wǎng)絡(luò)變量篩選出影響卷煙機生產(chǎn)質(zhì)量的重要工況變量,得到影響卷煙機生產(chǎn)質(zhì)量的重要工況變量依次為:VE大風(fēng)機壓力、吸絲帶實際位置、吸絲帶位置標(biāo)差、SRM壓實端位置、M12V電機轉(zhuǎn)速、VE一次風(fēng)選壓力、煙絲...

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
導(dǎo)論
    一、研究背景和意義
    二、國內(nèi)外研究綜述
    三、研究思路和主要內(nèi)容
第一章 相關(guān)方法概述
    第一節(jié) 綜合評價相關(guān)方法介紹
        一、層次分析法
        二、灰色關(guān)聯(lián)分析法
        三、模糊綜合評價法
    第二節(jié) 機器學(xué)習(xí)相關(guān)方法介紹
        一、Lasso方法
        二、BP神經(jīng)網(wǎng)絡(luò)模型
        三、LightGBM模型
第二章 數(shù)據(jù)描述性分析及預(yù)處理
    第一節(jié) 數(shù)據(jù)來源
        一、生產(chǎn)質(zhì)量數(shù)據(jù)
        二、生產(chǎn)工況參數(shù)數(shù)據(jù)
    第二節(jié) 描述性分析
        一、生產(chǎn)質(zhì)量數(shù)據(jù)描述
        二、工況參數(shù)數(shù)據(jù)描述
    第三節(jié) 數(shù)據(jù)預(yù)處理
        一、數(shù)據(jù)清洗
        二、數(shù)據(jù)歸約
        三、數(shù)據(jù)變換
第三章 生產(chǎn)質(zhì)量預(yù)測模型的實證分析
    第一節(jié) 生產(chǎn)質(zhì)量的綜合評價
        一、評價指標(biāo)體系的構(gòu)建
        二、灰色關(guān)聯(lián)和模糊綜合評價的比較分析
    第二節(jié) 卷煙機生產(chǎn)質(zhì)量影響因素篩選
        一、基于Lasso的變量篩選
        二、基于BP神經(jīng)網(wǎng)絡(luò)的變量篩選
        三、變量篩選結(jié)果分析
    第三節(jié) 基于LightGBM模型的生產(chǎn)質(zhì)量預(yù)測
        一、模型參數(shù)與優(yōu)化
        二、模型預(yù)測結(jié)果與比較
結(jié)論與展望
    一、研究結(jié)論
    二、研究展望
參考文獻
致謝



本文編號：3863480