基于LoRa和MQTT的打葉復烤工藝參數(shù)智能生成模型研發(fā)

　內(nèi)容提要:【①主要研究內(nèi)容】基于LoRa技術和MQTT協(xié)議的打葉復烤工藝參數(shù)智能生成模型,是一個結合了遠距離無線通信技術、消息隊列遙測傳輸協(xié)議以及智能數(shù)據(jù)統(tǒng)計算法的綜合性系統(tǒng)。這種模型旨在通過實時數(shù)據(jù)采集和數(shù)據(jù)分析,自動生成和優(yōu)化打葉復烤工藝參數(shù),以提高生產(chǎn)效率、保證產(chǎn)品質(zhì)量并降低運營成本?！劲谡撐牡膭?chuàng)新點和主要結論】通過LoRa網(wǎng)絡實現(xiàn)數(shù)據(jù)的實時傳輸,確保智能生成模型能夠及時獲取最新的生產(chǎn)數(shù)據(jù),保證數(shù)據(jù)準確性的同時縮短數(shù)據(jù)統(tǒng)計和分析比對時間。LoRa技術具有遠距離通信的能力,適合在大型打葉復烤生產(chǎn)線中使用。數(shù)據(jù)處理單元將處理后的數(shù)據(jù)通過MQTT協(xié)議發(fā)送到服務器,基于機器學習或深度學習算法的智能生成模型對接收到的數(shù)據(jù)進行分析和學習,能夠通過算法計算得出最優(yōu)的工藝參數(shù)組合。【③主要政策建議或對實踐的指導作用】該模型可廣泛應用于煙草行業(yè)的打葉復烤生產(chǎn)線中,幫助企業(yè)實現(xiàn)智能化轉型和升級。通過實時監(jiān)控和數(shù)據(jù)分析,及時發(fā)現(xiàn)并解決生產(chǎn)中的問題,提高生產(chǎn)穩(wěn)定性和可靠性?！劲苡写M一步研究和完善之處】后續(xù)將研究能否把現(xiàn)有系統(tǒng)中的部分應用工具移動化。借助智能手機終端,嘗試挑戰(zhàn)更加便捷、實用的數(shù)據(jù)分析應用研制。同時探索模型中異常檢測數(shù)據(jù)與生成參數(shù)調(diào)整,提高模型在不同品牌、不同模塊批次、不同場景的自適應性。

　　關鍵詞:打葉復烤工藝參數(shù)；智能生成；LoRa通訊技術；MQTT協(xié)議；MySQL數(shù)據(jù)庫

　　一、引言

　　目前,卷煙企業(yè)制絲的精細化加工及分模塊加工模式的出現(xiàn),復烤加工從單等級加工轉變?yōu)槎嗟燃?、多?shù)量的大規(guī)模生產(chǎn),對復烤煙葉的質(zhì)量穩(wěn)定性提出更高要求,數(shù)字化已成為各復烤企業(yè)轉型升級的重要力量[1]?？刂七^程就是控制結果,參數(shù)控制過程質(zhì)量是復烤企業(yè)質(zhì)量管理體系中的重要組成部分,通過對生產(chǎn)過程中的各個環(huán)節(jié)產(chǎn)生的數(shù)據(jù)進行監(jiān)控、調(diào)整和改進,確保產(chǎn)品的各項指標能夠持續(xù)穩(wěn)定地達到質(zhì)量要求。

　　針對上述要求,本文選擇“以數(shù)字化統(tǒng)計技術支撐來提升復烤企業(yè)參數(shù)化控制水平”為主攻方向,探索研發(fā)一套打葉復烤工藝參數(shù)智能生成系統(tǒng)。

　　二、模型設計

　　(一)現(xiàn)狀分析

　　過程控制是質(zhì)量控制的主要環(huán)節(jié),是保證產(chǎn)品質(zhì)量的關鍵。工藝參數(shù)的設置對過程產(chǎn)品質(zhì)量起著重要作用,根據(jù)數(shù)據(jù)統(tǒng)計,傳統(tǒng)打葉復烤工藝參數(shù)指標生成的流程中,一次由傳統(tǒng)人工操作的參數(shù)設置需要消耗的時間是390分鐘,其中指標數(shù)據(jù)收集和統(tǒng)計分析環(huán)節(jié)占用了240分鐘的時間[2]。且由于生成的參數(shù)缺少自主調(diào)整性和動態(tài)優(yōu)化性,在生產(chǎn)發(fā)生波動需要調(diào)整參數(shù)時,只能由現(xiàn)場工藝員根據(jù)經(jīng)驗和現(xiàn)場臨時情況進行調(diào)整。由于現(xiàn)場人員的經(jīng)驗和能力的差異,一些煙葉加工指標難以達到理想水平,從而影響產(chǎn)品質(zhì)量。

　　(二)借鑒啟發(fā)

　　借鑒“數(shù)據(jù)傳輸”選擇合適的通訊技術收集數(shù)據(jù),借鑒“數(shù)據(jù)關聯(lián)”分析煙葉理化數(shù)據(jù)與生產(chǎn)工藝參數(shù)預測的關聯(lián)度,對采集到的數(shù)據(jù)進行“數(shù)據(jù)處理”,通過數(shù)據(jù)去噪、歸一化,將無效數(shù)據(jù)進行清除,最后借鑒“模型建立”選擇建立算法模型并調(diào)用,生成工藝參數(shù),并在生產(chǎn)過程中持續(xù)優(yōu)化,實現(xiàn)打葉復烤工藝參數(shù)智能生成并不斷優(yōu)化。

　　(三)創(chuàng)新思路

　　通過借鑒相關技術成果可得出以下思路:首先基于LoRa通訊技術和MQTT協(xié)議,對原煙的理化特性數(shù)據(jù)進行智能采集并傳輸,通過數(shù)據(jù)去噪、歸一化技術清理掉無效數(shù)據(jù),再存入數(shù)據(jù)庫。通過深度學習技術利用數(shù)據(jù)庫數(shù)據(jù)訓練算法模型,建立涵蓋各參數(shù)的打葉復烤生產(chǎn)加工參數(shù)智能生成模型,并實現(xiàn)自主學習和動態(tài)優(yōu)化,最后對算法準確度進行驗證。

　　三、實驗分析

　　(一)數(shù)據(jù)傳輸與錄入

　　數(shù)據(jù)傳輸方式:采用LoRa及Wi-Fi構建了現(xiàn)場局域網(wǎng)。在通用MQTT協(xié)議的基礎上,參照TCP通信協(xié)議的標準,設計了一個基于MQTT數(shù)據(jù)傳輸協(xié)議,利用事件上報的形式完成圖像數(shù)據(jù)的分包上傳。通過4G模塊、路由器和交換機實現(xiàn)與服務器的聯(lián)結,確保在任一種網(wǎng)絡出現(xiàn)故障的情況下,數(shù)據(jù)采集及實時控制功能均能可靠運行。

　　數(shù)據(jù)錄入方式:業(yè)務模塊數(shù)據(jù)通過與分析軟件打通的方式直接添加至系統(tǒng),系統(tǒng)可快速且高效地實現(xiàn)數(shù)據(jù)的輸入。不同的業(yè)務數(shù)據(jù)可從實際情況出發(fā)采用不同的錄入方式,系統(tǒng)之間直接打通,無需人為干預,可做到一鍵入庫,方便快捷。

　　(二)數(shù)據(jù)庫類型

　　根據(jù)系統(tǒng)業(yè)務需求,確定目前業(yè)務的數(shù)據(jù)量,同等硬件的情況下,以此數(shù)據(jù)量驗證MySQL和SQLServer數(shù)據(jù)庫的性能及業(yè)務適配能力。最終選擇MySQL數(shù)據(jù)庫理由:MySQL數(shù)據(jù)庫是一種關系型數(shù)據(jù)庫,其體積小、速度快、總體擁有成本低,尤其是開放源碼這一特點,一般中小型和大型網(wǎng)站的開發(fā)都選擇MySQL作為網(wǎng)站數(shù)據(jù)庫管理系統(tǒng)。MySQL數(shù)據(jù)庫開源免費,能滿足當前業(yè)務的存儲需求,也和目前采用的技術方案(Java)兼容性強,符合度高。

　　(三)無量綱化處理

　　聚類法是指相似或相鄰近的數(shù)據(jù)聚合在一起形成了各個聚類集合,而那些位于這些聚類集合之外的數(shù)據(jù)對象,被認為是異常數(shù)據(jù)。通過將數(shù)據(jù)點分組,可以發(fā)現(xiàn)異常值,因為它們往往作為孤立的點出現(xiàn)在圖表之外。數(shù)據(jù)分類的目的是根據(jù)新數(shù)據(jù)對象的屬性,將其分配到一個正確的類別中。聚類分析的目的是分析數(shù)據(jù)是否屬于各個獨立的分組,使一組中的成員彼此相似,而與其他組中的成員不同。就工藝參數(shù)對應不同檢測指標而言,最終決定采用數(shù)據(jù)聚類方式進行數(shù)據(jù)處理較為理想。

　　四、結語

　　相比傳統(tǒng)的人工收集數(shù)據(jù),經(jīng)統(tǒng)計分析再設置參數(shù)指標,以數(shù)字化統(tǒng)計技術為支撐,設計基于LoRa和MQTT的打葉復烤工藝參數(shù)智能生成模型具有以下優(yōu)勢:質(zhì)量穩(wěn)定,合理設置工藝參數(shù)是穩(wěn)定和提高打葉復烤質(zhì)量的一個行之有效的重要方法。提高工作信息化數(shù)字化程度,消除人工提取電子數(shù)據(jù)環(huán)節(jié),推廣軟件系統(tǒng)使用覆蓋率100%。提高決策科學性、公正性。提高數(shù)據(jù)處理效率,實現(xiàn)原煙數(shù)據(jù)準確驗證,為工藝參數(shù)準確性提供數(shù)據(jù)支撐。提升中煙客戶及員工的滿意度。有效避免煙葉識別錯誤而造成工藝參數(shù)在打葉過程中質(zhì)量波動,減少客戶投訴。

文章來源：《經(jīng)濟導報》http://www.00559.cn/w/qt/35712.html