论文部分内容阅读
实际生产中生活用纸前加工生产的原纸质量检测存在漏洞,如不合格产品漏判或者合格产品的误判。本文通过获取A企业同一时间段内所有检测合格的原纸质量数据,共563组,以这些数据作为支撑,将多变量统计过程控制(MSPC)运用在生活用纸质量异常分析中,并计算综合变量贡献率来分析异常原因,最后通过引入10组异常点验证模型的准确度。分析结果显示全部报出异常,表明该研究方法用于质量监测是有效可行的:在质检合格的563轴产品中,通过MSPC模型监测得出65轴异常,其中7轴异常程度较高,合格产品中异常检测率高达11.55%。证明了企业确实存在质量检测的漏洞,运用该模型可以加大产品的监测力度。针对实际生产过程中有一些反映产品质量的关键过程变量无法在线测量的问题,由于生活用纸浆料纤维形态对成纸质量的重要影响,为了实现纤维形态的在线软测量建模,实现对打浆过程的先进控制,我们在A企业采集了原始浆板的纤维形态、不同碎浆时间下的纤维形态和不同磨浆工况下的磨浆前后纤维形态及该时段生产过程参数。首先通过建模拟合出混合浆料纤维形态,验证结果均良好。然后对碎浆采集的数据进行建模分析,得出碎浆不改变浆料纤维形态的结论。最后对磨浆前后浆料纤维形态和生产过程参数进行PLS和SVMR建模探索,采集数据共77组,建模有效数据69组,结果显示SVMR(支持向量机回归)的精度最佳。以测试数据集进行验证,纤维重均长度的MRE(平均相对误差)为2.84%,分丝帚化率为5.65%,扭结纤维百分比为3.12%,纤维宽度为2.91%,纤维粗度为3.09%,细小纤维含量为2.91%,断尾纤维百分比为3.89%。表明浆料纤维形态软测量模型对生产有指导意义,即在控制浆料质量的同时,采取低能耗低成本高产量工艺。最后针对实际生产中存在的原纸质量波动较大、生产原材料的资源浪费以及设备常运行在高能耗位置的问题,为了实现产品质量在线预测,在保证产品质量下对生产过程进行控制。本文以现场采集的数据集来训练模型,通过LASSOCV、SVMR和GBRT三种算法的探索,发现GBRT(梯度提升回归树算法)的精度最佳。以现场数据进行验证,GM(geometric mean)抗张强度的MRE为7.83%,GM柔软度的MRE为8.06%,松厚度的MRE为4.47%。模型预测精度较高,可实现对原纸质量的预估,合理利用生产原材料和调节生产设备参数。