制丝线混丝掺配段关键参数预警系统开发

《制丝线混丝掺配段关键参数预警系统开发》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、制丝线混丝掺配段关键参数预警系统开发　　【摘要】目前烟草系统使用数据库模式是借鉴其他先进行业的使用经验，依据烟草行业自身特性的自主使用模式的研发相对欠缺，对于烟草制丝生产中部分工序出现的问题仅能做到事后数据的溯源、查找，很多特色数据库的使用模式有待优化。生产过程中部分工序出现的故障苗头、事故隐患无法进行前期预警，这是对数据库强大的数据采集及分析能力而言是一种浪费，同时也说明烟草行业对于自身工艺过程利用先进技术提升工艺保障水平能力的一种研究性缺失，为了进一步提高数据库系统在烟草行业的适应性应用水平，提高生产管理水平，提高产品质量，该领域的研究就显得势在必行。　　【关键词】数据库数据挖

2、掘故障预警5　　数据库是一个单位或是一个应用领域的通用数据处理系统，它存储的是属于企业和事业部门、团体和个人的有关数据的集合。数据库中的数据是从全局观点出发建立的，按一定的数据模型进行组织、描述和存储。其结构基于数据间的自然联系，从而可提供一切必要的存取路径，且数据不再针对某一应用，而是面向全组织，具有整体的结构化特征。对于每个数据库而言数据的采集、汇总、归类、整理等功能均为基本功能，在此基础之上依据行业自身特点发展而来的分析、预警、指导等功能是进一步提高数据库使用水平的重要标志。烟草行业使用数据库的时间虽然较早，但在进一步提升使用水平方面所做的工作比较欠缺，目前为止各烟厂鲜见对数

3、据功能进行进一步开发和规划的，故经验数据预警功能这种对于数据库功能的进一步探索，对于烟草行业数据库的使用能力提升是一次很有助益研究。　　1主要内容　　（1）分析制丝中控数据系统中混丝掺配段的历史数据，获得影响制丝工艺质量的指标，制定出每个指标的标杆值，设置该指标的关键数据。　　（2）设定跟踪生产的批次，在制丝过程中，从中控数据系统中采集所述批次产品的所述指标值。　　（3）对采集到的所述指标值进行分析，与所述步骤（1）中获得的该指标的标杆值进行比较，当采集到的所述指标值超出所述指标的数据控制上限或下限时，进行报警显示。　　2研究方法　　（1）根据制丝线的特点及工艺关注度，确定关键工艺

4、点为主线掺配段。　　（2）对关键工艺点的工艺参数进行解析，确定与之相关的设备运行参数和工艺关联参数。　　（3）对确定的相关参数进行历史数据分析，并收集这些数据的判断经验，该过程为本项目的研究重点，需要分析大量的历史数据，找出数据间的内在关系。5　　（4）将分析历史数据所得来的数据相关性和收集整理的人员经验进行整合，汇总解析成逻辑关系框图。将逻辑关系框图转变为进一步可被数据库变成使用的逻辑梯形图。将逻辑梯形图编写成与现有系统相兼容的程序功能块。　　3数据处理与数据分析　　（1）通过现场调研，选定生产量较大的“猴王磨砂”品牌生产过程作为本次项目研究对象，通过对主线掺配段生产过程中叶丝秤

5、和梗丝掺配秤一年内的生产数据进行采集（包含2000个批次，6000个数据包，每个数据包有200个有效数据，共120万个），采集的数据与主秤的数据对比，寻找数据规律。　　（2）由于主线掺配段梗丝掺配是按照叶丝的一定比例来确定，掺配精度直接影响烟丝的品质，在同一个批次下，通过分析叶丝主秤1702、梗丝掺配秤1732B和加香前混丝秤1759的历史累积流量，结合现场情况，进行数据运算，筛选出有效数据，制作数据曲线。　　1）由于三个电子秤从在时间上的延时，当同一物料通过三个秤时，要准确处理各个秤的时间关系，经过程序分析和现场测算，物料从1702秤开始到达掺配秤总共需要时间t1，再经过t2后到

6、达1759秤，以此为基准计算同一物料。　　2）由于数据库采集关系，电子秤1702秤的采集时间是间隔5秒，其余2个秤的采集时间间隔是25秒，以此要对1702秤的采集数据筛选，将0秒到25秒中间的4个数据处理掉三个秤的采样时间都变成25秒，方便后面数据处理。　　（3）数据分析。5　　1）先设定1702秤累积流量数据为Q1，1732B累积流量数据为Q2，1759秤累积流量为Q3，当Q1加上t1后的Q2值（设为Q4），应当等于t2的Q3值，但实际上Q3≤Q4（主要原因有以下2个方面，其一为加香前筛分混合烟丝中的烟末；其二为物料过程中有水分和除尘的损失），以Q4和Q3的差值设为Q5。　　如果

7、在生产过程中，如果掺配工序的某个电子秤出现系统无法检测的故障（如称重传感器漂移、皮重变化等）就会造成Q5发生较大的变化，但由于Q5是一个随着物料重量变大而变大的有规律数值，不能直接用于报警的检测值，因此需要将其与同样变化规律的一个值进行比值处理，得出一个相对稳定的数值，作为报警的检测值，在这里将掺配主秤1702的累计重量作为比对值，得出比值K，公式为：K=Q1+Q2（t1）-Q3（t2）/Q1。　　通过对近一年的正常物料数据（2000批次）的Q1和Q5运算，我们发现，