煙草制造過程中工藝管控大數(shù)據(jù)的運(yùn)用前景初探

袁湘云+李達(dá)+葛文+許仁杰+袁鵬+崔宇翔+李立剛+陳珍

[摘 要]本文通過分析大數(shù)據(jù)時(shí)代對煙草行業(yè)的影響，以煙草制造過程中大數(shù)據(jù)工藝管控和常規(guī)數(shù)理統(tǒng)計(jì)工藝管控的差異分析為切入點(diǎn)，從預(yù)測精度對比、數(shù)據(jù)挖掘能力對比、自適應(yīng)能力對比、數(shù)據(jù)質(zhì)量分析能力對比四個(gè)維度，充分說明了大數(shù)據(jù)分析相比常規(guī)數(shù)理統(tǒng)計(jì)分析在煙草行業(yè)制造過程中工藝管控的優(yōu)勢，表明大數(shù)據(jù)技術(shù)是今后煙草制造過程中工藝管控提升的一種有效手段，并為其今后的發(fā)展奠定了基礎(chǔ)。

[關(guān)鍵詞]大數(shù)據(jù)；預(yù)測精度；數(shù)據(jù)挖掘；自適應(yīng)；數(shù)據(jù)質(zhì)量

doi：10.3969/j.issn.1673 - 0194.2017.02.031

[中圖分類號(hào)]F273 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1673-0194（2017）02-00-07

1 大數(shù)據(jù)時(shí)代對煙草行業(yè)的影響

大數(shù)據(jù)應(yīng)用于煙草信息研發(fā)，能使煙草行業(yè)充分了解、及時(shí)掌握當(dāng)今世界的煙草信息，有效調(diào)整煙草戰(zhàn)略、市場決策，使行業(yè)立于不敗之地。

凌成興在2014年全國煙草工作會(huì)議上提出煙草行業(yè)要深入思考、積極謀劃、努力實(shí)踐“三大課題”，即深入思考、積極謀劃、努力實(shí)踐改革的紅利在哪里？發(fā)展的潛力在哪里？追趕的目標(biāo)在哪里？這是我國煙草行業(yè)今后一段時(shí)期內(nèi)努力發(fā)展的方向和奮斗的目標(biāo)。

煙草企業(yè)借助大數(shù)據(jù)研發(fā)應(yīng)用的分析，可以隨時(shí)掌握世界新的煙草信息，捕捉其技術(shù)要領(lǐng)，了解其發(fā)展的先進(jìn)性與適應(yīng)性，并為我所用，從而可以積極有效地推動(dòng)我國煙草行業(yè)的發(fā)展，促進(jìn)“三大課題”的努力實(shí)踐和圓滿成功，為我國煙草行業(yè)快速、高效地發(fā)展提供堅(jiān)實(shí)的信息技術(shù)后盾，奠定快速、高效發(fā)展的堅(jiān)實(shí)基礎(chǔ)。第一，它可以進(jìn)一步優(yōu)化煙草市場的資源配置，建立統(tǒng)一開放、競爭有序的市場體系，創(chuàng)造和釋放煙草改革的紅利空間。因?yàn)榇髷?shù)據(jù)的研發(fā)應(yīng)用本身就是一次全新的信息技術(shù)改革。第二，它能不斷地挖掘結(jié)構(gòu)調(diào)整、國際市場、貨幣資金保值增值所蘊(yùn)藏的發(fā)展?jié)撃埽?shí)現(xiàn)煙草“十三五”的奮斗目標(biāo)。第三，它能早日實(shí)現(xiàn)我國追趕煙草跨國公司前三名、煙機(jī)制造公司的“排頭兵”、原材料與輔助材料生產(chǎn)的大集團(tuán)的新目標(biāo)、新理想、新要求，實(shí)現(xiàn)中國煙草行業(yè)進(jìn)入新的發(fā)展格局的目標(biāo)。

大數(shù)據(jù)的應(yīng)用分析，是當(dāng)今信息時(shí)代又一次全新的、更高的、更龐大的與更復(fù)雜的信息化技術(shù)革命。它對提高現(xiàn)代經(jīng)濟(jì)分析能力和管理水平、提高一個(gè)行業(yè)或一個(gè)單位的準(zhǔn)確決策和經(jīng)濟(jì)實(shí)力的能力，有著不可估量的積極作用，蘊(yùn)藏著巨大的潛力和能量。

2 煙草制造過程中大數(shù)據(jù)工藝管控和常規(guī)數(shù)理統(tǒng)計(jì)工藝管控的差異分析

現(xiàn)階段行業(yè)內(nèi)卷煙廠工藝管控主要以常規(guī)數(shù)理統(tǒng)計(jì)算法為主，輔助以信息化的手段實(shí)現(xiàn)預(yù)警控制。例如上海卷煙廠通過加入SPC對應(yīng)的判異準(zhǔn)則，固化至信息化系統(tǒng)中，創(chuàng)新地提出了SPCD的管控方法。青島卷煙廠通過將6 sigma分析的指標(biāo)權(quán)重納入信息化實(shí)時(shí)預(yù)警管控分析，創(chuàng)新性地提出了卷煙制造過程能力信息化預(yù)警分析的管控方法。迄今為止，煙草行業(yè)內(nèi)還沒有卷煙廠實(shí)現(xiàn)了以大數(shù)據(jù)算法為核心的工藝管控實(shí)例，即通過大數(shù)據(jù)分析方法全面補(bǔ)充和完善常規(guī)數(shù)理統(tǒng)計(jì)的短板，實(shí)現(xiàn)工藝智能化管控水平的螺旋式上升。本文將從四個(gè)方面對大數(shù)據(jù)分析與常規(guī)數(shù)理統(tǒng)計(jì)在工藝管控層面的差異進(jìn)行對比，旨在全面凸顯大數(shù)據(jù)分析的優(yōu)勢，進(jìn)而對煙草制造過程中信息化工藝管控的前景進(jìn)行探索。

2.1 預(yù)測精度對比

大數(shù)據(jù)預(yù)測有別于常規(guī)數(shù)理統(tǒng)計(jì)的回歸分析，常規(guī)數(shù)理統(tǒng)計(jì)的回歸分析是建立在數(shù)據(jù)均滿足正態(tài)性和樣本獨(dú)立性兩個(gè)條件為前提的，同時(shí)在回歸過程中要通過逐步回歸剔除對應(yīng)的異常點(diǎn)，方能進(jìn)行回歸算法的計(jì)算。而大數(shù)據(jù)預(yù)測則無需這些條件的限制，可直接根據(jù)特征樣本進(jìn)行訓(xùn)練，直接得出對應(yīng)的預(yù)測結(jié)果。

2.1.1 常規(guī)數(shù)理統(tǒng)計(jì)分析

以某卷煙廠烘絲出口水分為例進(jìn)行說明。

對影響烘絲出口水分對應(yīng)的過程參數(shù)建立對應(yīng)的回歸方程表如表1所示。

由圖1可以看出，葉絲冷卻出料含水率的四合一殘差圖以及各自變量殘差圖分布均勻，滿足齊次、正態(tài)等特點(diǎn)。

根據(jù)回歸方程對測試集數(shù)據(jù)進(jìn)行預(yù)測，如表4所示。

將預(yù)測值與真實(shí)值進(jìn)行偏差計(jì)算，如表5所示。

2.1.2 大數(shù)據(jù)分析

首先，對影響烘絲出口水分對應(yīng)的過程參數(shù)建立隨機(jī)樹模型，如圖2所示。

從圖2中可以看出，參數(shù)4離線程度最大，因此參數(shù)4重要度最高，根據(jù)離線度得出其參數(shù)重要性排序?yàn)閰?shù)4（葉絲干燥出料含水率）>參數(shù)1（葉絲干燥Ⅰ區(qū)筒壁溫度）>參數(shù)2（葉絲干燥Ⅱ區(qū)筒壁溫度）>參數(shù)3（葉絲干燥熱風(fēng)溫度）>參數(shù)5（葉絲干燥出料溫度）。

再進(jìn)行決策樹分析，根據(jù)決策樹得出如下對應(yīng)的過程參數(shù)與關(guān)鍵質(zhì)量特性二叉樹（如圖3所示）。

然后根據(jù)隨機(jī)樹運(yùn)算結(jié)果進(jìn)行預(yù)測，如表6所示。

最后將預(yù)測值與真實(shí)值進(jìn)行偏差計(jì)算，如表7所示。

2.1.3 大數(shù)據(jù)分析與常規(guī)數(shù)理統(tǒng)計(jì)預(yù)測精度對比

大數(shù)據(jù)分析與常規(guī)數(shù)理統(tǒng)計(jì)預(yù)測精度對比，如圖4所示。

通過繪制時(shí)間序列圖，將常規(guī)梳理統(tǒng)計(jì)預(yù)測值、大數(shù)據(jù)預(yù)測值分別與真實(shí)值進(jìn)行偏差對比，可以看出，大數(shù)據(jù)預(yù)測精度遠(yuǎn)大于常規(guī)梳理統(tǒng)計(jì)的預(yù)測精度。

2.2 數(shù)據(jù)挖掘能力對比

常規(guī)數(shù)理統(tǒng)計(jì)需要挖掘數(shù)據(jù)隱含的信息，需要借助相應(yīng)的現(xiàn)場分析為手段，例如需分析出結(jié)果指標(biāo)的異常是因?yàn)槟念愡^程指標(biāo)異常導(dǎo)致的。其需要建立各級(jí)過程指標(biāo)對結(jié)果指標(biāo)的影響程度，其次在結(jié)果指標(biāo)異常時(shí)通過現(xiàn)場人員從影響程度高的指標(biāo)進(jìn)行逐一排查。而大數(shù)據(jù)分析可直接通過結(jié)果指標(biāo)的允許范圍得出各級(jí)過程指標(biāo)的取值范圍，自動(dòng)進(jìn)行預(yù)測分析并得出對應(yīng)的結(jié)論。

2.2.1 常規(guī)數(shù)理統(tǒng)計(jì)分析

以某卷煙廠加料出口水分為例進(jìn)行說明。

第一步：計(jì)算各級(jí)參數(shù)的Pearson系數(shù)，形成對應(yīng)的Pearson矩陣，如表8、表9所示。

第二步：將各級(jí)參數(shù)的R值進(jìn)行排列。

由以上的Pearson矩陣可以得出，各級(jí)參數(shù)與結(jié)果指標(biāo)P值均小于0.05，表明各級(jí)參數(shù)均與結(jié)果指標(biāo)相關(guān)，并得出各級(jí)參數(shù)的相關(guān)性R值大小，如表10所示。

繪制出如圖5的餅圖。

2.2.2 大數(shù)據(jù)分析

第一步：通過決策樹形成重要度排列圖，如圖6所示。

第二步：通過神經(jīng)網(wǎng)絡(luò)求出結(jié)果指標(biāo)對應(yīng)的過程指標(biāo)的相應(yīng)范圍。

基于結(jié)果指標(biāo)的望目特性（中心值是18.20%）的允差上下限為[17.20%，19.20%]，運(yùn)用大數(shù)據(jù)預(yù)測技術(shù)得出各級(jí)過程參數(shù)對應(yīng)的有效取值范圍。

運(yùn)用R語言分析，一級(jí)加料入口含水率預(yù)測有效范圍如圖7所示。

通過大數(shù)據(jù)預(yù)測結(jié)果可以看出，為保證一級(jí)加料出口含水率滿足標(biāo)準(zhǔn)，一級(jí)加料入口含水率有效取值范圍應(yīng)為[16.07%，16.75%]。

運(yùn)用R語言分析，一級(jí)加料工藝熱風(fēng)溫度預(yù)測范圍如圖8所示。

通過大數(shù)據(jù)預(yù)測結(jié)果可以看出，為保證一級(jí)加料出口含水率滿足標(biāo)準(zhǔn)，一級(jí)加料工藝熱風(fēng)溫度有效取值范圍應(yīng)為[52.06%，51.90%]。

運(yùn)用R語言分析，一級(jí)加料蒸汽自動(dòng)閥門開度預(yù)測有效范圍如圖9所示。

通過大數(shù)據(jù)預(yù)測結(jié)果可以看出，為保證一級(jí)加料出口含水率滿足標(biāo)準(zhǔn)，一級(jí)加料蒸汽自動(dòng)閥門開度有效取值范圍應(yīng)為[51.70%，53.63%]。

運(yùn)用R語言分析，一級(jí)加料出料溫度預(yù)測有效范圍如圖10所示。

通過大數(shù)據(jù)預(yù)測結(jié)果可以看出，為保證一級(jí)加料出口含水率滿足標(biāo)準(zhǔn)，一級(jí)加料出料溫度有效取值范圍應(yīng)為[51.27℃，53.59℃]。

運(yùn)用R語言分析，一級(jí)加料工藝流量預(yù)測有效范圍如圖11所示。

通過大數(shù)據(jù)預(yù)測結(jié)果可以看出，為保證一級(jí)加料出口含水率滿足標(biāo)準(zhǔn)，一級(jí)加料工藝流量有效取值范圍應(yīng)為[2 946kg/h，3 000kg/h]。

小結(jié)：通過對比大數(shù)據(jù)分析和常規(guī)梳理統(tǒng)計(jì)分析，可以看出，大數(shù)據(jù)能夠?qū)崿F(xiàn)通過結(jié)果指標(biāo)的取值范圍挖掘出過程指標(biāo)的取值范圍。而常規(guī)梳理統(tǒng)計(jì)只能做到重要度的排序，因此，大數(shù)據(jù)分析對應(yīng)的數(shù)據(jù)挖掘能力遠(yuǎn)大于常規(guī)數(shù)理統(tǒng)計(jì)分析對應(yīng)的數(shù)據(jù)挖掘能力。

2.3 自適應(yīng)能力對比

常規(guī)數(shù)理統(tǒng)計(jì)不具備自適應(yīng)的算法，所謂的自適應(yīng)算法，是指處理和分析過程中，能夠根據(jù)被處理數(shù)據(jù)的數(shù)據(jù)特征自動(dòng)調(diào)整處理方法、處理順序、處理參數(shù)、邊界條件或約束條件，使其與所處理數(shù)據(jù)的統(tǒng)計(jì)分布特征、結(jié)構(gòu)特征相適應(yīng)，以取得最佳的處理效果。

大數(shù)據(jù)分析由于加載了自適應(yīng)分析模塊，通過加載機(jī)器自學(xué)習(xí)算法，能夠?qū)崿F(xiàn)“松耦合、高擴(kuò)展、低成本”的柔性化控制，即能夠通過機(jī)器自學(xué)習(xí)自動(dòng)根據(jù)數(shù)據(jù)特性的變化得出對應(yīng)的新的控制標(biāo)準(zhǔn)，避免了卷煙廠的重復(fù)、不必要的投資，實(shí)現(xiàn)系統(tǒng)由原先的“封閉式”轉(zhuǎn)變?yōu)椤白晕腋?，自我?yōu)化”，提升系統(tǒng)的競爭力。圖12為自適應(yīng)分析算法流程圖。

第一步：加載自適應(yīng)算法

能夠加載自適應(yīng)算法，按照自適應(yīng)模型進(jìn)行機(jī)器自學(xué)習(xí)，確保其能不斷滿足生產(chǎn)的實(shí)際情況。

第二步：根據(jù)數(shù)據(jù)質(zhì)量特性運(yùn)用機(jī)器自學(xué)習(xí)形成新的標(biāo)準(zhǔn)

以松散回潮出口水分為例，其2015年和2016年通過機(jī)器自學(xué)習(xí)得出控制標(biāo)準(zhǔn)，運(yùn)用R語言分析，得出結(jié)果，如圖13所示。

圖13 松散回潮出口水分標(biāo)準(zhǔn)自適應(yīng)結(jié)果

從機(jī)器自學(xué)算法可以看出，2015年松散回潮出料含水率標(biāo)準(zhǔn)為[15.41%，18.32%]，而2016年松散回潮出料含水率標(biāo)準(zhǔn)自適應(yīng)變更為[14.30%，17.29%]。

2.4 數(shù)據(jù)質(zhì)量分析能力對比

常規(guī)數(shù)理統(tǒng)計(jì)無法通過對應(yīng)的方法實(shí)現(xiàn)對數(shù)據(jù)真實(shí)性、完整性、及時(shí)性與是否進(jìn)行加載的平滑算法進(jìn)行驗(yàn)證。需要從別的角度進(jìn)行分析和驗(yàn)證。例如需要從底層PLC程序、上位WINCC程序進(jìn)行解讀才能知道是否加載了平滑算法。對數(shù)采點(diǎn)時(shí)間是否對應(yīng)進(jìn)行數(shù)據(jù)及時(shí)性的分析。大數(shù)據(jù)分析由于集成了擬合分布、AdaBoost、延遲有效性判斷等算法，可實(shí)現(xiàn)數(shù)據(jù)真實(shí)性、完整性、及時(shí)性與是否采用平滑算法進(jìn)行全面的分析和判斷。

數(shù)據(jù)真實(shí)性判斷：數(shù)據(jù)真實(shí)性判斷通過擬合分布來實(shí)現(xiàn)。通過自適應(yīng)建立各關(guān)鍵工序?qū)?yīng)的擬合分布情況，進(jìn)行擬合分布檢驗(yàn)，當(dāng)檢驗(yàn)結(jié)果存在顯著差異時(shí)，其數(shù)據(jù)的真實(shí)性就有待質(zhì)疑。

數(shù)據(jù)完整性判斷：數(shù)據(jù)完整性判斷通過AdaBoost管控來實(shí)現(xiàn)。以歷史數(shù)據(jù)為依據(jù)，建立以來料重量為依據(jù)的數(shù)采樣本量預(yù)測區(qū)間，當(dāng)實(shí)際數(shù)采樣本數(shù)據(jù)量不在置信區(qū)間時(shí)，其數(shù)據(jù)的完整性就有待質(zhì)疑。

數(shù)據(jù)及時(shí)性判斷：數(shù)據(jù)及時(shí)性判斷通過延遲判斷有效性來實(shí)現(xiàn)。以歷史數(shù)據(jù)為依據(jù)，建立各關(guān)鍵工序的數(shù)采延遲庫，進(jìn)行單樣本T檢驗(yàn)，當(dāng)檢驗(yàn)結(jié)果存在顯著差異時(shí)，其數(shù)據(jù)的及時(shí)性就有待質(zhì)疑。

數(shù)據(jù)是否采用平滑算法判斷：建立數(shù)據(jù)質(zhì)量驗(yàn)證功能庫，加載多種算法，對數(shù)據(jù)是否采用平滑算法進(jìn)行驗(yàn)證，通過以下兩種方法根據(jù)實(shí)際情況進(jìn)行篩選，得出數(shù)據(jù)質(zhì)量驗(yàn)證可信度。

第一種對每種算法加載不同的權(quán)重，采用加權(quán)的方式得出最終的可信度得分。

第二種對某種基本算法加入一票否決項(xiàng)，當(dāng)某種算法無法通過時(shí)，則直接將數(shù)據(jù)可信度置為0。其他算法無法通過時(shí)，采用扣分的形式得出最終的可信度得分。

當(dāng)可信度低時(shí)，則認(rèn)為數(shù)據(jù)可能存在平滑處理的可能。

以數(shù)據(jù)真實(shí)判斷為示例進(jìn)行說明，進(jìn)而說明大數(shù)據(jù)的數(shù)據(jù)質(zhì)量分析能力。

以某煙廠制絲烘絲工序?yàn)槔M(jìn)行演示。

通過大數(shù)據(jù)進(jìn)行擬合優(yōu)度檢驗(yàn)。

伽馬分布判斷，如圖14所示。

由圖14可知，數(shù)據(jù)歸集不全聚類于伽馬分布的線性要求，因此數(shù)據(jù)特性分布不滿足伽馬分布。

對數(shù)正態(tài)分布判斷，如圖15所示。

由圖15可知，數(shù)據(jù)歸集聚類于對數(shù)正態(tài)分布的線性要求，因此數(shù)據(jù)特性分布滿足對數(shù)正態(tài)分布。

Weibull（威布爾）分布判斷，如圖16所示。

由圖16可知，數(shù)據(jù)歸集不全聚類于Weibull分布的線性要求，因此數(shù)據(jù)特性分布不滿足Weibull分布。

正態(tài)分布判斷，如圖17所示。

由圖17可知，數(shù)據(jù)歸集不全聚類于正態(tài)分布的線性要求，因此數(shù)據(jù)特性分布不滿足正態(tài)分布。

通過檢驗(yàn)可以看出，其烘絲出口水分歷史數(shù)據(jù)滿足對數(shù)正態(tài)分布。

通過對實(shí)際某批次烘絲出口水分進(jìn)行分析，情況如圖18所示。

由圖18可知，數(shù)據(jù)歸集聚類于正態(tài)分布的線性要求，因此數(shù)據(jù)特性分布滿足正態(tài)分布。與歷史數(shù)據(jù)的分布不同（傳統(tǒng)數(shù)據(jù)服從對數(shù)正態(tài)分布），因此判斷其數(shù)據(jù)的真實(shí)性有待商榷。

3 大數(shù)據(jù)技術(shù)在煙草制造過程中工藝管控的運(yùn)用前景

大數(shù)據(jù)技術(shù)在煙草制造過程中工藝管控的運(yùn)用前景可概括為以下3點(diǎn)。

3.1 可實(shí)現(xiàn)工藝管控“三級(jí)聯(lián)動(dòng)”的智能診斷分析

運(yùn)用大數(shù)據(jù)技術(shù)，建立生產(chǎn)技術(shù)標(biāo)準(zhǔn)執(zhí)行力的三級(jí)聯(lián)動(dòng)診斷機(jī)制，形成標(biāo)準(zhǔn)執(zhí)行力評價(jià)與結(jié)果指標(biāo)評價(jià)相結(jié)合的紐帶，當(dāng)結(jié)果指標(biāo)異常時(shí)能智能診斷出是哪個(gè)過程指標(biāo)異常導(dǎo)致的，這是一級(jí)診斷。除了分析過程指標(biāo)以外，還能針對“5M1E”（人、機(jī)、料、法、環(huán)、測）保障因素進(jìn)行聯(lián)動(dòng)診斷分析，深入挖掘原因，這是第二級(jí)診斷。在找到原因后，還能通過專家?guī)熳詣?dòng)發(fā)送對應(yīng)的解決方案，這是第三級(jí)診斷。通過三級(jí)診斷分析全面建立一個(gè)包含“發(fā)現(xiàn)問題、分析問題、解決問題”的智能化PDCA循環(huán)，全面提升工藝管控智能化的管控水平。

3.2 可實(shí)現(xiàn)智能化料頭與料尾的自動(dòng)截取

運(yùn)用大數(shù)據(jù)技術(shù)，以歷史數(shù)據(jù)為依據(jù)，通過對歷史數(shù)據(jù)的分布運(yùn)用聚類分析方法，將數(shù)據(jù)值區(qū)分為待機(jī)值、臨界值、穩(wěn)態(tài)值三類，同時(shí)結(jié)合差分方法，更為準(zhǔn)確地判斷料頭與料尾的位置，進(jìn)一步實(shí)現(xiàn)非穩(wěn)態(tài)數(shù)據(jù)的智能篩選。

例如，通過對一段時(shí)間內(nèi)“葉絲干燥出料含水率”的生產(chǎn)數(shù)采數(shù)據(jù)進(jìn)行聚類分析，分類結(jié)果如圖19所示，第一類為穩(wěn)態(tài)數(shù)據(jù)，第二類為料頭料尾數(shù)據(jù)，第三類為待機(jī)數(shù)據(jù)。

根據(jù)以上分析，加載對應(yīng)的自適應(yīng)算法，即可實(shí)現(xiàn)對所有批次的智能化料頭與料尾的自動(dòng)截取功能。

3.3 可實(shí)現(xiàn)生產(chǎn)技術(shù)標(biāo)準(zhǔn)適用性自適應(yīng)分析

運(yùn)用大數(shù)據(jù)技術(shù)，能夠根據(jù)大數(shù)據(jù)的方法對關(guān)鍵質(zhì)量特性的相關(guān)性進(jìn)行實(shí)時(shí)更新，并與生產(chǎn)技術(shù)的標(biāo)準(zhǔn)進(jìn)行全面對比，提供生產(chǎn)技術(shù)標(biāo)準(zhǔn)適用性分析結(jié)果，如圖20所示。

能夠根據(jù)大數(shù)據(jù)隨機(jī)森林（樹）的方法對關(guān)鍵質(zhì)量特性的重要度（當(dāng)需要處理的數(shù)據(jù)龐大和實(shí)時(shí)性要求較高時(shí)，普通隨機(jī)樹建模過程耗時(shí)長，因此在部署“云”平臺(tái)的稚嫩診斷模型時(shí)，在隨機(jī)樹建模過程中加入了數(shù)據(jù)集特征提?。┻M(jìn)行實(shí)時(shí)更新，通過與生產(chǎn)技術(shù)標(biāo)準(zhǔn)實(shí)時(shí)對比：①若關(guān)鍵質(zhì)量特性與生產(chǎn)技術(shù)標(biāo)準(zhǔn)一致，則運(yùn)行生產(chǎn)技術(shù)標(biāo)準(zhǔn)執(zhí)行力自適應(yīng)分析功能；②若關(guān)鍵質(zhì)量特性與生產(chǎn)技術(shù)標(biāo)準(zhǔn)出現(xiàn)不一致的情況，則選擇一定周期內(nèi)穩(wěn)態(tài)數(shù)據(jù)運(yùn)行關(guān)鍵質(zhì)量特性自適應(yīng)相關(guān)性擬合分析，形成生產(chǎn)技術(shù)標(biāo)準(zhǔn)執(zhí)行力自適應(yīng)分析結(jié)果，為生產(chǎn)技術(shù)標(biāo)準(zhǔn)的變更或換版提供數(shù)據(jù)支撐。

4 結(jié) 語

通過以上運(yùn)用前景的初探，充分說明了大數(shù)據(jù)在煙草制造過程工藝管控發(fā)展前景較為廣闊，相信不久的將來，基于大數(shù)據(jù)分析的煙草制造過程中工藝管控的卷煙廠數(shù)量也將大幅提升，大數(shù)據(jù)技術(shù)將幫助卷煙廠的工藝控制水平實(shí)現(xiàn)螺旋式上升。

注：李達(dá)，通訊作者

主要參考文獻(xiàn)

[1]閆磊.煙草行業(yè)分銷管理系統(tǒng)[D].濟(jì)南：山東大學(xué) 2008.

[2]段永光.中國煙草工業(yè)兼并重組績效研究[D].長沙：中南大學(xué)，2008.

[3]羅民軍.株洲市煙草公司財(cái)務(wù)管理模式優(yōu)化研究[D].長沙：中南大學(xué)，2008.

[4]李民燈.HH市煙草公司人力資源管理體系診斷與優(yōu)化研究[D]. 長沙：中南大學(xué)，2008.

[5]劉兆茜.企業(yè)信息化評價(jià)指標(biāo)體系研究與應(yīng)用[D].上海：復(fù)旦大學(xué)，2008.

[6]梁忠偉.制度變遷視角下的我國煙草專賣制改革[D].廣州：暨南大學(xué)， 2008.

[7]陳軍.上海煙草集團(tuán)公司生產(chǎn)計(jì)劃管理發(fā)展探討[D].上海：復(fù)旦大學(xué)， 2008.

[8]徐英杰.制造業(yè)企業(yè)信息化評價(jià)研究[D].沈陽：沈陽工業(yè)大學(xué)，2008.

[9]王敏.我國煙草集團(tuán)公司資金集中管理模式研究[D].青島：中國海洋大學(xué)，2007.