基于改進(jìn)Apriori 算法的煙草生產(chǎn)控制系統(tǒng)設(shè)計(jì)

張 濤，張建曉，張林崗，劉方

（河南中煙工業(yè)有限責(zé)任公司 南陽(yáng)卷煙廠，南陽(yáng) 473000）

煙草生產(chǎn)企業(yè)在政策保護(hù)下，企業(yè)的經(jīng)營(yíng)思想較為落后、競(jìng)爭(zhēng)意識(shí)不強(qiáng)、生產(chǎn)效率低、煙草質(zhì)量較差[1-2]。為了使煙草生產(chǎn)企業(yè)能夠得到精心管理，增強(qiáng)自身的運(yùn)營(yíng)能力和質(zhì)量控制能力，提高經(jīng)濟(jì)效益，需要設(shè)計(jì)煙草生產(chǎn)制造控制系統(tǒng)。

目前相關(guān)領(lǐng)域?qū)W者針對(duì)煙草生產(chǎn)質(zhì)量控制系統(tǒng)進(jìn)行了研究。文獻(xiàn)[3]設(shè)計(jì)基于RFID 的智能化煙草生產(chǎn)自動(dòng)控制系統(tǒng)，采用RFID 技術(shù)對(duì)控制因子的重要性進(jìn)行識(shí)別，利用控制指標(biāo)的一致性，求出各指標(biāo)之間相關(guān)權(quán)值，與煙草生產(chǎn)的自動(dòng)化控制方法相結(jié)合，實(shí)現(xiàn)煙草生產(chǎn)自動(dòng)化控制。該系統(tǒng)控制效果好，但需計(jì)算每個(gè)控制指標(biāo)的相對(duì)權(quán)重，計(jì)算過(guò)程較復(fù)雜；文獻(xiàn)[4]設(shè)計(jì)基于強(qiáng)化學(xué)習(xí)的煙草干燥過(guò)程控制優(yōu)化系統(tǒng)，在PID 控制的基礎(chǔ)上，利用強(qiáng)化學(xué)習(xí)法構(gòu)建智能系統(tǒng)模型，以數(shù)據(jù)為中心調(diào)整系統(tǒng)策略。該系統(tǒng)可有效控制煙草含水量，但未考慮對(duì)用戶(hù)權(quán)限進(jìn)行管理，系統(tǒng)的安全性有待提升；文獻(xiàn)[5]提出基于熱分析圖譜的卷煙紙質(zhì)量穩(wěn)定性評(píng)價(jià)與分析方法，依據(jù)煙草的不同質(zhì)量，采用NRMSE方法對(duì)煙草卷紙的差異程度開(kāi)展評(píng)價(jià)，根據(jù)評(píng)價(jià)結(jié)果得知煙草內(nèi)各個(gè)材料之間的差異度，通過(guò)對(duì)比不同的差異度得到影響煙草質(zhì)量的主要因素，進(jìn)而完成對(duì)煙草的分析及評(píng)價(jià)，該方法獲取的影響因素有限，評(píng)價(jià)性能有待提高。

為了解決上述方法中存在的問(wèn)題，設(shè)計(jì)基于改進(jìn)Apriori 算法的煙草生產(chǎn)控制系統(tǒng)。利用三維矩陣改進(jìn)Apriori 算法，對(duì)數(shù)據(jù)集進(jìn)行壓縮，提升系統(tǒng)的整體性能；對(duì)初始數(shù)據(jù)實(shí)行預(yù)處理操作，提升數(shù)據(jù)處理能力；采用改進(jìn)Apriori 算法構(gòu)建關(guān)聯(lián)規(guī)則，進(jìn)行可信度計(jì)算，劃分煙草生產(chǎn)控制等級(jí)，完成基于改進(jìn)Apriori 算法的煙草生產(chǎn)控制系統(tǒng)設(shè)計(jì)。

1 煙草生產(chǎn)控制系統(tǒng)硬件設(shè)計(jì)

1.1 用戶(hù)權(quán)限管理模塊

設(shè)計(jì)煙草生產(chǎn)控制系統(tǒng)之前，首先要設(shè)計(jì)一個(gè)用戶(hù)權(quán)限管理模塊，用戶(hù)進(jìn)入系統(tǒng)前需要注冊(cè)，注冊(cè)后根據(jù)不同用戶(hù)設(shè)立不同權(quán)限，再在系統(tǒng)內(nèi)實(shí)行不同的操作，設(shè)計(jì)的用戶(hù)權(quán)限管理模塊如圖1所示。

圖1 用戶(hù)權(quán)限管理模塊設(shè)計(jì)Fig.1 Design of user rights management module

依據(jù)圖1 可知，該功能模塊可以對(duì)系統(tǒng)內(nèi)部的權(quán)限實(shí)行管理和設(shè)置，不同的用戶(hù)使用該系統(tǒng)時(shí)，系統(tǒng)就會(huì)自動(dòng)給出不同的權(quán)限，根據(jù)不同的權(quán)限對(duì)應(yīng)相應(yīng)的操作流程，從而保障系統(tǒng)的安全性。

1.2 煙草生產(chǎn)制造數(shù)據(jù)管理模塊

在整個(gè)煙草生產(chǎn)控制系統(tǒng)中，煙草生產(chǎn)制造數(shù)據(jù)管理模塊是該系統(tǒng)模塊設(shè)計(jì)的核心，主要具有2種功能，分別是對(duì)煙草生產(chǎn)制造數(shù)據(jù)的管理和用戶(hù)基本信息的管理[6]。在用戶(hù)權(quán)限管理模塊的基礎(chǔ)上，利用該模塊對(duì)煙草生產(chǎn)數(shù)據(jù)及用戶(hù)數(shù)據(jù)實(shí)行輸入和管理。若煙草生產(chǎn)數(shù)據(jù)在此期間發(fā)生變動(dòng)，管理員可以利用自身權(quán)限對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)實(shí)行添加、刪除等操作[7]，設(shè)計(jì)的數(shù)據(jù)管理模塊如圖2 所示。

圖2 數(shù)據(jù)管理模塊設(shè)計(jì)Fig.2 Design of data management module

1.3 煙草生產(chǎn)制造質(zhì)量檢測(cè)模塊

設(shè)定規(guī)范且標(biāo)準(zhǔn)的質(zhì)量檢測(cè)流程，以此確保檢測(cè)煙草生產(chǎn)制造質(zhì)量的可靠性和精準(zhǔn)性，具體的檢測(cè)設(shè)計(jì)圖如圖3 所示。

圖3 煙草生產(chǎn)制造質(zhì)量檢測(cè)模塊設(shè)計(jì)Fig.3 Design of quality inspection module for tobacco production and manufacturing

1.4 質(zhì)量評(píng)價(jià)模塊

完成煙草生產(chǎn)制造質(zhì)量檢測(cè)后，需要對(duì)其制造質(zhì)量實(shí)行評(píng)價(jià)。為了能夠更加精準(zhǔn)地評(píng)價(jià)出煙草生產(chǎn)質(zhì)量，在系統(tǒng)硬件中設(shè)計(jì)了質(zhì)量評(píng)價(jià)模塊，具體設(shè)計(jì)結(jié)果如圖4 所示。

圖4 質(zhì)量評(píng)價(jià)模塊設(shè)計(jì)Fig.4 Design of quality evaluation module

對(duì)質(zhì)量評(píng)價(jià)前，首先要在數(shù)據(jù)庫(kù)中對(duì)煙草生產(chǎn)制造質(zhì)量數(shù)據(jù)實(shí)行篩選，根據(jù)篩選結(jié)果設(shè)立最小支持度值與最小置信度值。再利用改進(jìn)Apriori 算法對(duì)數(shù)據(jù)庫(kù)內(nèi)的煙草生產(chǎn)制造質(zhì)量數(shù)據(jù)的頻繁項(xiàng)集開(kāi)展挖掘，根據(jù)獲取的數(shù)據(jù)關(guān)聯(lián)規(guī)則，挖掘質(zhì)量評(píng)價(jià)數(shù)據(jù)，實(shí)現(xiàn)質(zhì)量評(píng)價(jià)。

2 基于改進(jìn)Apriori 算法的煙草生產(chǎn)控制系統(tǒng)

2.1 基于三維矩陣的改進(jìn)Apriori 算法

在煙草生產(chǎn)控制系統(tǒng)中有很多實(shí)際的項(xiàng)目，且各個(gè)項(xiàng)目?jī)?nèi)需要挖掘的數(shù)據(jù)有很多[8]。因改進(jìn)Apirori算法可以通過(guò)一次性?huà)呙钄?shù)據(jù)集，達(dá)到對(duì)候選集Lk篩選的目的，具體過(guò)程如下所示：

設(shè)置煙草生產(chǎn)制造數(shù)據(jù)的元素體積為N，那么該元素的樣本方差[9-10]就標(biāo)記為δ2。k 為樣本層級(jí)，假設(shè)在第k 層中包含Nk個(gè)煙草生產(chǎn)數(shù)據(jù)元素，那么各個(gè)煙草樣本的樣本均值為

依據(jù)式（1）抽取出大小為m 的煙草生產(chǎn)制造數(shù)據(jù)的隨機(jī)均值方差，標(biāo)記為，方程表達(dá)如下：

基于煙草生產(chǎn)制造數(shù)據(jù)隨機(jī)樣本方差，采用改進(jìn)Apriori 算法挖掘煙草生產(chǎn)制造數(shù)據(jù)，具體挖掘流程如圖5 所示。

基于改進(jìn)Apriori 算法生成頻繁序列的具體流程如下所示：

優(yōu)先對(duì)煙草生產(chǎn)制造質(zhì)量關(guān)聯(lián)數(shù)據(jù)項(xiàng)集設(shè)置，標(biāo)記為I=｛x1，x2，…，x8，y4，…，z1，z2，…，z8｝，而min_sup則為最小支持度閾值，煙草生產(chǎn)制造輸出數(shù)據(jù)I 中的頻繁序列標(biāo)記為L(zhǎng)。

（1）對(duì)煙草生產(chǎn)制造數(shù)據(jù)項(xiàng)集實(shí)行分塊處理，通過(guò)三維矩陣直接獲得頻繁數(shù)據(jù)集；

（2）根據(jù)得到的頻繁數(shù)據(jù)集，對(duì)劃分后的數(shù)據(jù)集開(kāi)展掃描，從中取得煙草生產(chǎn)制造數(shù)據(jù)頻繁項(xiàng)集集合D 及其支持度；并對(duì)D 內(nèi)的頻繁項(xiàng)開(kāi)展支持度排序，且排序的順序?yàn)榻敌?，排序結(jié)果為｛L1，L2，…，Ln｝；

（3）集合全部頻繁項(xiàng)集，對(duì)其展開(kāi)掃描，刪除關(guān)聯(lián)性小的數(shù)據(jù)，對(duì)數(shù)據(jù)庫(kù)進(jìn)行精簡(jiǎn)后，構(gòu)成候選頻繁項(xiàng)集L，并從中尋找相應(yīng)的關(guān)聯(lián)規(guī)則，提高頻繁項(xiàng)集的生成速度，為快速挖掘煙草生產(chǎn)制造數(shù)據(jù)奠定基礎(chǔ)。

2.2 基于改進(jìn)Apriori 的控制系統(tǒng)技術(shù)應(yīng)用

依據(jù)Sup 最小支持度，采用改進(jìn)Apriori 算法自動(dòng)生成一個(gè)煙草生產(chǎn)制造的頻繁項(xiàng)目集，再通過(guò)最小置信度直接形成一個(gè)挖掘關(guān)聯(lián)規(guī)則，把獲取的煙草生產(chǎn)制造質(zhì)量數(shù)據(jù)挖掘結(jié)果錄入到表格內(nèi)，通過(guò)表格顯示出來(lái)，并生成數(shù)據(jù)報(bào)表。那么設(shè)計(jì)的改進(jìn)Apriori 算法的數(shù)據(jù)挖掘具體工作流程如圖6 所示。

圖6 數(shù)據(jù)挖掘工作流程Fig.6 Data mining work flow chart

2.3 基于改進(jìn)Apriori 算法的煙草生產(chǎn)控制

通過(guò)上述改進(jìn)Apriori 算法挖掘流程，依據(jù)煙草生產(chǎn)質(zhì)量評(píng)價(jià)管理研究成果，設(shè)置煙草中的總糖、總堿、糖堿比、氯、鉀5 種指標(biāo)用作評(píng)價(jià)因子，而煙草初始化數(shù)據(jù)集為X=｛x1，x2，…，xn｝，x?N 關(guān)聯(lián)數(shù)據(jù)集為I=｛x1，x2，…，x5，y4，…，z1，z2，…，z5｝，特征向量為Y=｛y1，y2，…，yn｝，質(zhì)量評(píng)價(jià)結(jié)果集為Z=｛z1，z2，…，zn｝，依據(jù)構(gòu)建的關(guān)聯(lián)規(guī)則，對(duì)煙草生產(chǎn)制造質(zhì)量進(jìn)行可信度計(jì)算，將質(zhì)量評(píng)價(jià)劃分成3 個(gè)等級(jí)，I 級(jí)單位代表最優(yōu)質(zhì)量，變量為Y1；II 級(jí)單位表示較優(yōu)質(zhì)量，變量為Y2；III 級(jí)單位表示較差質(zhì)量，變量為Y3。通過(guò)改進(jìn)Apriori 算法獲取煙草生產(chǎn)制造質(zhì)量在不同支持度下的評(píng)價(jià)原則，將其劃分成不同的子集，以此對(duì)煙草生產(chǎn)制造質(zhì)量樣本數(shù)據(jù)實(shí)行評(píng)價(jià)，完成基于改進(jìn)Apriori 算法的煙草生產(chǎn)控制系統(tǒng)設(shè)計(jì)。

3 仿真與分析

在Oracle 數(shù)據(jù)庫(kù)中選取500 個(gè)數(shù)據(jù)作為仿真數(shù)據(jù)，利用改進(jìn)的Apriori 算法，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。經(jīng)過(guò)一次性?huà)呙璜@取煙草數(shù)據(jù)的頻繁項(xiàng)集，尋找對(duì)應(yīng)的關(guān)聯(lián)規(guī)則，完成數(shù)據(jù)挖掘。采用改進(jìn)Apriori 算法為方法1；文獻(xiàn)[3]中基于RFID 方法為方法2；文獻(xiàn)[4]中基于強(qiáng)化學(xué)習(xí)的方法為方法3，然后實(shí)行對(duì)比測(cè)試。

3.1 還原糖和總堿平均值對(duì)比測(cè)試

煙草生產(chǎn)制造過(guò)程中，它的化學(xué)成分對(duì)煙草的生產(chǎn)制造質(zhì)量產(chǎn)生重要影響，其中，總糖、還原糖等指標(biāo)與生產(chǎn)制造質(zhì)量之間有著較強(qiáng)的相關(guān)性。為了能夠有效地驗(yàn)證煙草化學(xué)成分與煙草生產(chǎn)制造質(zhì)量之間的評(píng)價(jià)關(guān)系，選取總糖、總堿用作本次指標(biāo)。

與上述指標(biāo)相對(duì)應(yīng)的評(píng)價(jià)函數(shù)分別表示為

式中：AS為平均值得分；A 為多次檢測(cè)后的算術(shù)平均值；AC為中心值；AV為閾值；e 為評(píng)價(jià)函數(shù)。

根據(jù)上述方程表達(dá)式，分別對(duì)還原糖與總堿的最佳范圍設(shè)定，再采用方法1、方法2 和方法3 獲取煙草還原糖及總堿的平均值，以此確認(rèn)該方法的煙草成分是否處于最佳范圍內(nèi)。若該方法的最終平均值在設(shè)定范圍內(nèi)，說(shuō)明該方法的質(zhì)量評(píng)價(jià)效果強(qiáng)，反之則差。具體測(cè)試結(jié)果如圖7 所示。

圖7 不同指標(biāo)的平均值對(duì)比測(cè)試Fig.7 Comparison test of average values of different indicators

通過(guò)圖7（a）中的數(shù)據(jù)發(fā)現(xiàn)，還原糖的最佳取值范圍在1.5～2.5 之間。從整體可以看出，隨著還原糖單位質(zhì)量的不斷增加，方法1 的平均值在1.6～2.1之間，在設(shè)定的最佳范圍內(nèi)，與方法1 相反的是，方法2 和方法3 的平均值范圍分別為1.0～3.1 和1.3～2.6，在測(cè)試期間的平均值忽高忽低，且在每項(xiàng)測(cè)試中均不處于最佳范圍內(nèi)，由此可以看出方法1 的還原糖平均值最佳，也驗(yàn)證了方法1 不會(huì)給煙草生產(chǎn)制造質(zhì)量帶來(lái)影響。

分析圖7（b）中的數(shù)據(jù)發(fā)現(xiàn)，設(shè)置總堿的最佳范圍在2～3.5 之間，隨著總堿質(zhì)量的增長(zhǎng)，3 種方法的平均值都呈現(xiàn)出上升趨勢(shì)，方法1 煙草指標(biāo)的平均值都處于最佳范圍內(nèi)，這主要是因?yàn)榉椒? 設(shè)計(jì)了煙草生產(chǎn)質(zhì)量檢測(cè)模塊，該模塊將煙草材料劃分成不同的種類(lèi)對(duì)其實(shí)行檢測(cè)，使煙草材料都在最佳范圍，不會(huì)給煙草生產(chǎn)制造質(zhì)量帶來(lái)影響，以此提升了系統(tǒng)的可靠性及檢測(cè)精度。

3.2 煙草質(zhì)量評(píng)價(jià)測(cè)試

根據(jù)上述取得的煙草指標(biāo)平均值，建立煙草質(zhì)量評(píng)價(jià)方法，用方程表達(dá)式定義為

式中：Vi為指標(biāo)一致性得分；V 為檢測(cè)標(biāo)準(zhǔn)偏差；VC為調(diào)整系數(shù)。

利用式（5）對(duì)3 種方法的煙草樣本數(shù)據(jù)實(shí)行計(jì)算，從中獲取3 種方法的煙草質(zhì)量評(píng)價(jià)得分，利用獲取的得分與實(shí)際得分對(duì)比，以此驗(yàn)證3 種方法的煙草質(zhì)量評(píng)價(jià)效果，具體測(cè)試結(jié)果如圖8 所示。

圖8 三種方法的煙草質(zhì)量得分與實(shí)際值對(duì)比測(cè)試Fig.8 Comparison test of tobacco quality scores and actual values using three methods

從圖8 中可以看出，3 種方法與實(shí)際評(píng)價(jià)得分之間的運(yùn)動(dòng)軌跡都存在一定的距離，但方法1 與實(shí)際值之間的距離最小，得分在80 分以上，同時(shí)方法1 的評(píng)價(jià)得分與實(shí)際值最貼近，而方法2 和方法3的評(píng)價(jià)得分范圍分別為40～55 分和50～65 分，兩種方法評(píng)價(jià)得分均與實(shí)際值相差較大。因?yàn)榉椒? 采用改進(jìn)Apriori 算法，根據(jù)煙草生產(chǎn)制造的頻繁項(xiàng)目集，形成挖掘關(guān)聯(lián)規(guī)則后進(jìn)行可信度計(jì)算，提高了煙草生產(chǎn)制造效果。

4 結(jié)語(yǔ)

針對(duì)煙草生產(chǎn)控制系統(tǒng)設(shè)計(jì)方法存在的問(wèn)題，設(shè)計(jì)了基于改進(jìn)Apriori 算法的煙草生產(chǎn)控制系統(tǒng)。首先設(shè)計(jì)了系統(tǒng)硬件模塊，再利用改進(jìn)Apriori 算法，挖掘煙草生產(chǎn)質(zhì)量數(shù)據(jù)，以此實(shí)現(xiàn)煙草生產(chǎn)控制系統(tǒng)的整體設(shè)計(jì)。在仿真測(cè)試中，設(shè)計(jì)系統(tǒng)的還原糖、總堿平均值均在最佳范圍內(nèi)，煙草質(zhì)量得分與實(shí)際值相差最小，證明設(shè)計(jì)系統(tǒng)的煙草生產(chǎn)制造效果最好。