面向卷煙柔性分揀系統(tǒng)包裝材料預(yù)測

文/單正軍 楊德順 牟明杰 李星

煙草經(jīng)濟(jì)是我國重要的實體經(jīng)濟(jì)，市場海量的煙草流通離不開日益發(fā)展的先進(jìn)包裝技術(shù)，本文以卷煙的柔性分揀系統(tǒng)為基礎(chǔ)，通過現(xiàn)場考察等方式，得出目前W市煙草物流分揀中心卷煙包裝薄膜耗用情況，并基于理論計算用量與實際用量之比，得出卷煙包裝薄膜損耗系數(shù)?？紤]采用柔性分揀系統(tǒng)前后的人、機(jī)、法、環(huán)中的各自影響因素，利用AHP層次分析法求得各因素所占權(quán)重，并利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行條煙包裝消耗包裝膜用量損耗系數(shù)進(jìn)行預(yù)測，從而幫助企業(yè)進(jìn)行合理的資源把控。

0.引言。

根據(jù)國家局、省、市局（公司）要求，加強(qiáng)物流中心生產(chǎn)環(huán)節(jié)成本控制，降低物流生產(chǎn)成本是物流管理的核心，也是物流管理考核的重要指標(biāo)[1]。煙草物流是煙草行業(yè)重要的組成部分，目前，煙草的快速流通依靠由包裝機(jī)利用包裝薄膜對分揀好的條煙進(jìn)行包裝塑膜，龐大的煙草市場需求下，包裝薄膜的用量居高不下，其成本也成為了煙草物流成本中較大的組成部分[1]。在卷煙包裝薄膜消耗影響因素方面，楊光露等[2]認(rèn)為靜電對于卷煙包裝材料消耗影響較大，并采取了措施，有效消除了包裝過程中的靜電產(chǎn)生，提高了設(shè)備生產(chǎn)效率。在用量預(yù)測研究方面，梁金鳳等[3]利用邏輯斯蒂原理，并基于月用氣量變化分布曲線函數(shù)建立了城市月用氣量預(yù)測模型。為應(yīng)對環(huán)境逐漸惡化，鄧澤培等[4]利用ARMA模型和回歸模型對農(nóng)藥用量進(jìn)行了預(yù)測，在模型建立的基礎(chǔ)上，對殘差序列進(jìn)行ARMA模型處理并調(diào)整，建立了農(nóng)藥用量與時間之間的回歸模型，分析了殘差序列是否為白噪聲，并對非白噪聲及逆行ARMA模型建立。目前W市煙草企業(yè)采用了柔性分揀系統(tǒng)，在人員管理、機(jī)器設(shè)備管理、原料管理等方面都進(jìn)行了相應(yīng)改善，以上因素皆對卷煙的物流過程有所影響，從而影響包裝材料的用量，本文研究立足于柔性分揀系統(tǒng)下的諸多因素改善，從而對后期卷煙包裝材料用量損耗系數(shù)進(jìn)行合理預(yù)測。綜上所述，目前對于煙草流通過程中對于包裝膜消耗影響因素已有一定的研究，但在各因素下對實際消耗產(chǎn)生的具體影響情況方向稍顯不足，在預(yù)測方面較為成熟，預(yù)測模型多樣化，基于此，本文通過實地調(diào)查、問卷調(diào)查、專家打分等方式，對影響包裝薄膜用量的因素進(jìn)行了重新分析，利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了未來卷煙包裝薄膜用量預(yù)測。

1.卷煙包裝薄膜損耗影響因素分析。

層次分析法（AHP）是美國運(yùn)籌學(xué)家薩蒂于上世紀(jì)70年代初，為美國國防部研究“根據(jù)各個工業(yè)部門對國家福利的貢獻(xiàn)大小而進(jìn)行電力分配”課題時，應(yīng)用網(wǎng)絡(luò)系統(tǒng)理論和多目標(biāo)綜合評價方法，提出的一種層次權(quán)重決策分析方法[5]。

1.1 AHP模型。AHP模型的建立主要包括以下三點：1、建立層次結(jié)構(gòu)模型；2、構(gòu)造成對比矩陣；3、層次單排序及一致性檢驗[6]。AHP法把影響卷煙包裝薄膜損耗情況的所選因素看作是一個完整的系統(tǒng)，通過分解、對比、綜合的思路對卷煙包裝薄膜損耗問題進(jìn)行分析和決策。步驟如下：第一步，建立遞階層次結(jié)構(gòu)模型。根據(jù)W市卷煙物流配送中心影響卷煙包裝薄膜損耗影響因素之間的相互關(guān)系，建立遞階層次結(jié)構(gòu)模型，分解讓問題層次化，條理性更強(qiáng)。第二步，構(gòu)造判斷矩陣。AHP需要的信息基礎(chǔ)就是：對每一層次中包含的因素重要性做出判斷，然后用數(shù)值的形式表達(dá)出來，再形成判斷矩陣。第三步，層次單排序以及一致性檢驗。在上層某個因素中，本層和其相關(guān)聯(lián)的因素的重要性權(quán)值，下層因素對上層因素的相對重要性的關(guān)鍵。該過程就是特征向量和判斷矩陣的特征值。第四步：進(jìn)行一致性檢驗。查表得出一致性檢驗系數(shù)，通過計算一致性判斷公式，求一致性比例。當(dāng)一致性比例小于0.1時，矩陣一致性檢驗才合格，否則調(diào)整判斷矩陣的取值。根據(jù)W市煙草物流中心實際工作流程，并通過工作人員問卷調(diào)查，結(jié)合現(xiàn)有數(shù)據(jù)，得出目前影響W市煙草物流中心包裝薄膜用量的因素，進(jìn)行整理后分為人、機(jī)、法、環(huán)四個因素。

1.2 AHP模型求解。構(gòu)造由“人”“機(jī)”“法”“環(huán)”四個因素的對比矩陣，從層次結(jié)構(gòu)模型的第2層開始，對于從屬于（或影響）上一層每個因素的同一層諸因素，用成對比較法和1—9比較尺度構(gòu)造成對比較陣，直到最下層[7]。為了使判斷定量化，AHP法采用1-9標(biāo)度方法，對不同情況的評比給予數(shù)量尺度。兩兩比較，標(biāo)度1，表示前者與后者具有同樣重要；標(biāo)度9表示前者比后者極端重要。初始重要程度判斷矩陣如下表1-1所示。

表1 -1初始因素重要程度矩陣

表1-1顯示，在初始重要程度判斷矩陣下，“人”和“機(jī)”因素是影響包裝薄膜用量的較為重要因素，“環(huán)”與“法”因素的影響程度相當(dāng)。利用Mpai數(shù)據(jù)分析軟件，得出如下層次分析結(jié)果，如表1-2所示。

表1 -2 層次分析結(jié)果

根據(jù)表1-2，可以得出“人”因素權(quán)重得分為0.1797。“環(huán)”的權(quán)重得分為0.0695，“法”因素的權(quán)重得分為0.0776，“機(jī)”因素的權(quán)重得分為0.6732。成分分析的計算結(jié)果顯示，最大特征根為4.2301，根據(jù)RI表查到對應(yīng)的RI值為0.89，因此CR=CI/RI=0.0862＜0.1，通過一致性檢驗。綜上所述，影響卷煙消耗包裝薄膜用量的因素較多，其中主因素中的“機(jī)”因素權(quán)重達(dá)到0.6732，對于結(jié)果影響最大?！胺ā焙汀碍h(huán)”因素權(quán)重均不足0.1，對結(jié)果有一定影響，但是影響不明顯。

2.卷煙包裝薄膜損耗系數(shù)預(yù)測

2.1 W市卷煙物流分揀中心歷史包裝薄膜損耗系數(shù)計算。根據(jù)實際調(diào)研走訪，得到W市2020年7月24個工作日的卷煙薄膜消耗實際用量；根據(jù)每天實銷訂單構(gòu)成及數(shù)量，計算得出每天理論用量。利用當(dāng)天理論用量（L）/當(dāng)天實際用量（S）得出卷煙包裝薄膜實際效用系數(shù)Q。

根據(jù)上式中求得的效用系數(shù)，可以在僅知道訂單的情況下，估算當(dāng)日所需包裝膜用量，根據(jù)上式求得W市七月每天的包裝薄膜效用系數(shù)。

2.2 W市卷煙物流分揀中心包裝薄膜損耗系數(shù)預(yù)測。使用神經(jīng)網(wǎng)絡(luò)對W市卷煙包裝薄膜效用系數(shù)進(jìn)行預(yù)測，可定量的影響因素直接進(jìn)行加權(quán)得分統(tǒng)計，定性信息采用分級得分，轉(zhuǎn)換為定量數(shù)據(jù)作為模型輸入[5]。利用2020年7月W市物流運(yùn)作過程中卷煙包裝薄膜效用系數(shù)情況為輸入數(shù)據(jù)，對接下來采用柔性系統(tǒng)后的W市卷煙物流進(jìn)行卷煙包裝薄膜效用系數(shù)預(yù)測。

表2-2顯示了在人、機(jī)、法、環(huán)四個因素共同影響下，2020年7月24個工作日的包裝薄膜實際用量與理論用量的效益比，物流中心每日卷煙分揀量巨大，不可能完全基于準(zhǔn)確的量化數(shù)據(jù)得出卷煙包裝膜利用效益，本方法充分挖掘在四項因素影響下對于最終實際產(chǎn)生的包裝膜實際用量與理論用量比例系數(shù)規(guī)律，MATLAB計算得出每天在四項因素影響下的卷煙物流配送中心所使用的包裝膜耗用系數(shù)，并采用萊文貝格-馬夸特方法能提供數(shù)非線性最小化（局部最?。┑臄?shù)值解[9]。并最終形成一套神經(jīng)網(wǎng)絡(luò)預(yù)測模型，以完成對于后期因素變動情況下的包裝薄膜耗用系數(shù)預(yù)測。

表2 -1 W市7月工作日卷煙包裝薄膜效用系數(shù)

表2 -2歷史包裝薄膜消耗情況

由圖2-3可知，Gradient為梯度下降法的函數(shù)；Validation Checks=5 echo，預(yù)測系統(tǒng)判斷在5次檢驗后是上升或者下降，如果不下降或者甚至上升，說明Training set訓(xùn)練的誤差已經(jīng)不再減小，沒有更好的效果了，這時再訓(xùn)練就沒必要了就停止訓(xùn)練，At epoch 5代表此次訓(xùn)練一共訓(xùn)練了5次才結(jié)束。

圖2 -3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練各階段圖像

圖2 -4訓(xùn)練集、驗證集、測試集和總體的均方誤差隨訓(xùn)練次數(shù)的變化圖像

圖2-4中小圓圈的位置代表終止的訓(xùn)練次數(shù)處的均方誤差，由于樣本量較少，所以遂模型訓(xùn)練三次既結(jié)束，藍(lán)色折線代表BP訓(xùn)練過程的MSE指標(biāo)在每一代中的表現(xiàn)，總體呈現(xiàn)先下降最后趨于平穩(wěn)的趨勢；隨訓(xùn)練次數(shù)的增加訓(xùn)練集、驗證集、測試集和總體的均方誤差均趨于平穩(wěn)。

圖2 -5驗證集、訓(xùn)練集擬合優(yōu)度

由圖2-5驗證集、訓(xùn)練集擬合優(yōu)度圖可知，訓(xùn)練樣本的擬合優(yōu)度為98.94%，測試集的擬合優(yōu)度為98.70%，結(jié)果證明神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果較為優(yōu)秀，可以用以參考并應(yīng)用。

3.地市卷煙物流配送中心卷煙包裝薄膜消耗計算公式

地市卷煙物流配送中心卷煙包裝薄膜消耗計算公式為：Si=

其中，為第i天實際需求卷煙包裝膜用量；為當(dāng)天到達(dá)分揀訂單后僅由訂單數(shù)量及結(jié)構(gòu)計算得出的單位卷煙包裝膜需求量，為第i天在四個因素影響下由BP神經(jīng)網(wǎng)絡(luò)預(yù)測得出的卷煙包裝薄膜消耗效用系數(shù)，為當(dāng)天卷煙實際需求分揀箱數(shù)，由此預(yù)測出第i天卷煙分揀中心實際所需卷煙薄膜消耗量。

4.結(jié)論

綜上所述，文章基于“人”“機(jī)”“環(huán)”“法”四個因素入手，利用AHP層次分析法分別得出4個因素對于卷煙消耗包裝薄膜消耗影響情況，求出各自對結(jié)果影響的權(quán)重，其中，“人”與“機(jī)”因素所占權(quán)重較高，對最終結(jié)果影響較大?；谒脵?quán)重，文章采用了W市2020年7月的每個工作日的卷煙消耗包裝薄膜數(shù)據(jù)，根據(jù)歷史數(shù)據(jù)輸入以及配送中心采用柔性分揀后的因素得分改變，利用BP神經(jīng)網(wǎng)路得出包裝薄膜消耗效用系數(shù)預(yù)測。從神經(jīng)網(wǎng)絡(luò)模型表現(xiàn)來看，數(shù)據(jù)量較少導(dǎo)致迭代次數(shù)少，準(zhǔn)確度相對較低，為實驗不足之處。其次，本文僅針對于當(dāng)前小環(huán)境下供以卷煙包裝環(huán)節(jié)做大體物料消耗預(yù)測，針對訂單結(jié)構(gòu)等相關(guān)影響因素的研究應(yīng)為后期研究的方向。從預(yù)測數(shù)據(jù)來看，基于柔性分揀的系統(tǒng)對于卷煙包裝薄膜消耗效用系數(shù)有一定影響，但隨時間推移，卷煙消耗薄膜效用系數(shù)有所下降，因此企業(yè)應(yīng)抓住關(guān)鍵點，進(jìn)行專項措施的改革，從而減少相關(guān)物料消耗，實現(xiàn)企業(yè)降本增效的遠(yuǎn)大目標(biāo)。

引用出處

[1]馮培貞.如何降低煙草商業(yè)物流卷煙包裝單箱薄膜消耗[J].科技與企業(yè),2015(11):59.

[2]楊光露,王廣勝,房華.靜電對超高速卷煙包裝機(jī)薄膜包裝效果的影響及消除方法研究[J].機(jī)械制造,2019,57(01):52-54.

[3]梁金鳳,郭開華,皇甫立霞.城市天然氣月用量的預(yù)測方法[J].化工學(xué)報,2015,66(S2):392-398

[4]鄧澤培,趙凌.ARMA模型與回歸模型在農(nóng)藥用量預(yù)測中的應(yīng)用[J].中國農(nóng)學(xué)通報,2014,30(31):304-307.

[5]梁孌.AHP在高職院校新辦專業(yè)評估指標(biāo)體系中的運(yùn)用[J].太原城市職業(yè)技術(shù)學(xué)院學(xué)報,2018(12):4-7.

[6]董鳴皋.基于多指標(biāo)決策的循環(huán)經(jīng)濟(jì)發(fā)展水平綜合評價方法——以陜西省為例[J].干旱區(qū)資源與環(huán)境,2014,28(03):11-16.

[7]楊帆.基于二元語義層次分析法的智力資本價值測評[J].軟科學(xué),2010,24(05):42-45.

[8]虞博翔,楊金云.大數(shù)據(jù)下交通事故影響因素分析及預(yù)測[J].電子元器件與信息技術(shù),2021,5(05):61-63.

[9]陳龍,陳婷,袁瑩靜,周芷儀,謝鵬輝.基于BP神經(jīng)網(wǎng)絡(luò)的人民幣識別方法研究[J].軟件,2020,41(02):131-133.