在浙江中煙工業有限責任公司杭州卷煙廠制絲車間，基于人工智能技術研發的出柜水分控制系統近日順利落地應用。這一系統由制絲車間郭奔首特專家工作室自主研發，融合了先進的控制技術和機器學習技術，為制絲工藝質量提升提供了堅實的技術支撐。

“有了出柜水分控制系統的助力，貯絲柜的出柜水分現在一直穩定在標準值20.5%左右，我們再也不用每批次都人工測算潤葉機該加多少水了。”制絲中控操作工胡靈翹興奮地說道。

據胡靈翹介紹，貯絲柜的出柜水分由潤葉機控制，傳統的制絲過程中，潤葉機的加水量一直依賴于人工經驗，但從切前潤葉、切絲再到出柜，時間跨度大、工序復雜、干擾因素眾多，出柜水分無法實現精準控制。

基于這一生產難題，項目負責人郭奔提出了自己的設想：“我們可以通過機器的自主學習和控制模型代替人工經驗。”于是，郭奔帶領工作室成員自學機器學習技術領域相關知識、研究人工智能算法。項目開發前期，團隊成員運用工藝流程圖、因果矩陣等質量分析工具，識別出貯絲柜出柜水分的影響因素，并利用數據分析工具繪制相關性矩陣，篩選出對貯絲柜出柜水分影響最大的三個因素——潤葉前稱重皮帶秤累計量、預配柜配葉柜存柜時間以及潤葉機加水量，為后續的模型建立奠定了良好基礎。

如何做出準確的先行預測？這是建立控制模型的最大難點。

“在切絲段切前潤葉批開始的時候，預測切前潤葉出口水分值應該控制在多少，需要知道皮帶秤累計量、貯絲柜存柜時間和出口水分、溫度等。”郭奔說，為了計算出潤葉機的加水量，必須先預測出從切前潤葉到貯絲柜出柜中間工序的多個未知干擾因子。這就好比下棋時，要先行預測后面三步棋的棋勢，再作出走哪步棋的判斷。

為解決這一難題，團隊成員擬合出了三種復雜機器學習算法并建立模型，實現了潤葉前稱重皮帶秤累計量、預配柜配葉柜存柜時間、潤葉機加水量的智能預測，以及后續工序影響因素的提前預判。模型根據大數據推導出關系公式，倒推出潤葉機的加水量，從而實現出柜水分的精準控制。

在此基礎上，團隊成員將預測結果與設備層智能控制模型相結合，研制出一種適合于制絲工藝的控制系統，實現出柜水分的實時控制。

在這一控制系統的指揮下，出柜實時水分會反饋到系統控制中心，再經數據反饋自動調節切前潤葉的加水量，形成“預測—反饋—調節”的閉環。在胡靈翹看來，這個系統最大的優點是靈活性強，能夠根據實際情況隨機應變，實現水分實時控制，確保出柜水分始終穩定在標準值20.5%附近，偏差小于0.1%。

經一段時間的調試后，控制系統已基本取代傳統人工經驗控制，出柜水分批次合格率達100%，預測準確指標R方值（擬合程度指標，數值越接近1說明預測模型越準確）為0.92，在控制精度和穩定性上均達到了預期。這一項目所涉及的創新成果已成功申報4個發明專利，并得到受理。

杭州卷煙廠制絲車間表示，下一步將繼續以智能制造為核心，持續探索研究先進技術，搭建更多智能控制場景，為提升產品質量注入源源不斷的活力。