基于LMDI分解的制丝加工弱项短板指标的动态识别方法与流程

本发明涉及烟草质量评价，更具体地，尤其涉及一种基于lmdi分解的制丝加工弱项短板指标的动态识别方法。

背景技术：

1、制丝生产过程是一个连续的、多工序的生产过程。其中包含松散回潮、一级加料、二级加料、切丝、叶丝干燥、烟丝掺配、烟丝加香等多个工序，每一个工序都需要精准控制诸多指标参数，包括温度、压力、阀门开度、瞬时流量、含水率等。同时，制丝过程是一个标准化的工业过程，需要一线操作人员按照工艺技术标准进行生产，从而确保不同批次的产品内在质量的一致性和稳定性。因此，制丝过程的复杂性突显了其在卷烟生产中的核心地位，并对最终成品烟丝质量及感官质量都起到至关重要的作用。

2、工艺质量改进在制丝加工过程中扮演着至关重要的角色。一方面，工艺质量改进直接关注生产过程中的技术细节和流程，如原料的质量控制、设备的精准运行、工艺参数精准控制等，通过优化这些环节，可以显著提高产品的整体质量。另一方面，工艺质量改进可以减少生产过程中的浪费和损耗，这不仅有助于提高生产效率，还可以降低生产成本，增强企业的竞争力。开展工艺质量改进不仅包括引入先进的生产技术和设备、加强员工培训和管理、建立完善的质量管理体系等措施，更重要的是通过收集和分析制丝生产过程中的数据，发现潜在的问题和改进空间。因此，工艺质量改进的首要关键是如何第一时间找准影响产品质量和效率的弱项指标，从而明确改进方向、制定针对性的改进策略，消除可能存在的风险因素，最终提升产品质量、增强过程管控、降低生产成本、提高客户满意度，从而带来更大的经济效益。

3、行业内常见的弱项短板指标识别方法主要包括：1、六西格玛法：采用精益六西格玛管理流程（定义—测量—分析—改进—控制）,通过评价制丝过程能力和6σ控制图，分析出制丝加工过程存在的缺陷短板并加以改进。2、评价统计法：采用科学方法构建制丝加工过程的评价体系，通过计算工序和参数的评价得分和扣分，将统计周期内扣分最严重的指标作为弱项短板指标。六西格玛法和评价统计法均是根据当期的评价结果进行单一的、静态的挖掘识别分析，未考虑对生产线、工序和指标各个加工层级的影响程度。然而，制丝加工过程存在上下游工序，仅仅从单一层面的评价结果识别弱项短板指标，不利于工艺质量改进整体性的提升；并且，制丝工艺质量改进提升是动态变化的，不仅需要在横向上进行指标对比，更需要在纵向上进行时间维度的对比，如此才能准确定位出当前急需改进的短板问题，有针对性的开展工艺质量改进工作和提升质量改进效率。因此，以上两种方法在整体设计和识别准确性等方面上均存在较大的局限性。

技术实现思路

1、本发明的一个目的是提供一种基于lmdi分解的制丝加工弱项短板指标的动态识别方法，以解决前述的仅仅从单一层面的评价结果识别弱项短板指标，不利于工艺质量改进整体性的提升，不能准确定位出当前急需改进的短板问题，影响质量改进效率的问题。

2、根据本发明的第一方面，提供了一种基于lmdi分解的制丝加工弱项短板指标的动态识别方法，包括以下步骤：

3、步骤1，针对制丝过程中各个工序的工艺质量全批次评价结果进行数据收集；

4、步骤2，选取一段时间作为研究的当期tt和基期t0；

5、步骤3，采用lmdi分解方法计算各个工序的水平变化效应；

6、步骤4，按照各个工序的水平变化效应进行排序，识别出短板工序；

7、步骤5，采用lmdi分解方法计算短板工序中各个指标的水平变化效应；

8、步骤6，按照各个指标的水平变化效应进行排序，识别出短板工序中的弱项指标。

9、可选地，在步骤1的针对各个工序的工艺质量全批次评价结果进行数据收集中，包括：按照工艺质量评价体系对制丝加工过程松散回潮、一级加料、二级加料、叶丝干燥、比例掺配和混丝加香工序进行评价，其中，将工序平均加工水平得分设置为，工序权重设置为，工序批次数设置为，其中。

10、可选地，在步骤2中，将所选取的基期作为挖掘分析的参照样本，将所选取的当期作为挖掘分析的研究对象，其中，基期总体质量得分计算公式如下：

11、                           （1）；

12、其中，k=1,2,3,4,5,6；

13、当期整体总体质量得分计算公式如下：

14、                            （2）；

15、其中，k=1,2,3,4,5,6。

16、可选地，将记为从基期到当期总体质量得分的变化，记为由权重、工序平均加工水平、批次数三个因素所导致的变化效应，分别定义为水平变化效应、权重变化效应和产量变化效应，那么：

17、              （3）。

18、可选地，步骤3的采用lmdi分解方法计算各个工序的水平变化效应，具体包括：

19、步骤31，按照lmdi分解方法将进行分解：

20、   （4），

21、将式（1）和式（2）代入式（4），表示为：

22、      （5），

23、由式（3）和式（5）表示为：

24、        （6），

25、其中，k=1,2,3,4,5,6；

26、步骤32，将式（6）进行分解，那么权重变化效应、工序水平变化效应和产量变化效应分别为：

27、                    （7），

28、                   （8），

29、                    （9），

30、其中，k=1,2,3,4,5,6；

31、步骤33，将式（8）加工水平变化效应，按工序进一步分解为：

32、松散回潮水平变化效应：，

33、一级加料水平变化效应：，

34、二级加料水平变化效应：，

35、叶丝干燥水平变化效应：，

36、比例掺配水平变化效应：，

37、混丝加香水平变化效应：。

38、可选地，在步骤4中，将松散回潮水平变化效应、一级加料水平变化效应、二级加料水平变化效应、叶丝干燥水平变化效应、比例掺配水平变化效应和混丝加香水平变化效应由小到大进行排列，筛选水平效应为负值且排在前列的工序作为急需改进的短板工序。

39、可选地，步骤5的采用lmdi分解方法计算短板工序中各个指标的水平变化效应，具体包括：

40、步骤51，按照工艺质量评价体系对短板工序进行评价，其中，其评价指标平均水平得分设置为，指标权重设置为，指标批次数设置为，其中；

41、步骤52，选取与步骤2相同的时间段作为指标挖掘分析的基期和当期，那么工序整体加工水平计算公式如下：

42、                             （10），

43、                              （11），

44、其中，i=1,2,…,m；

45、步骤53，按照lmdi分解方法，由式（10）和式（11）可得短板工序水平效应，按评价指标分类进一步分解，结果如下：

46、评价指标1水平变化效应：，

47、评价指标2水平变化效应：，

48、评价指标3水平变化效应：，

49、评价指标m水平变化效应：，

50、其中，i=1,2,…,m。

51、可选地，在步骤6中，将评价指标1、评价指标2…，评价指标m的水平变化效应由小到大进行排列，筛选水平效应为负值且排在前列的指标作为急需改进的弱项指标。

52、根据本公开的基于lmdi分解的制丝加工弱项短板指标的动态识别方法，具有以下技术效果：

53、采用lmdi分解方法计算各个工序的水平变化效应，按照各个工序的水平变化效应进行排序，识别出短板工序；采用lmdi分解方法计算短板工序中各个指标的水平变化效应，按照各个指标的水平变化效应进行排序，识别出短板工序中的弱项指标。通过精确识别出加工过程中的短板工序和弱项指标，使得制丝企业能够有针对性地改进这些区域，从而提高整个生产线的效率，使得问题解决更为直接和快速，减少不必要的试错过程。

54、lmdi分解方法能够详细揭示制丝过程中的每一个环节的性能，帮助企业掌握关键质量控制点，通过改进这些关键点，可以显著提升最终产品的一致性和质量。且ldmi分解方法提供了一种基于数据的决策支持工具，帮助企业基于实际的生产数据做出更加科学的决策，能够揭示不容易被观察到的复杂关系和模式，增强决策的准确性。通过持续监控和分析生产数据，ldmi方法能够持续提供改进的见解和建议，推动企业不断优化工艺流程和技术创新。

55、定位具体的加工弱项和短板可以帮助企业减少浪费，如原材料浪费、能源浪费等。此外，提高生产效率和产品质量通常也会导致整体生产成本的下降。

56、采用本发明的技术方案支持实时数据分析，允许企业在生产过程中即时识别并调整制丝过程中出现的问题，这种实时反馈机制极大提升了生产过程的灵活性和响应速度。

57、通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

技术特征：

1.一种基于lmdi分解的制丝加工弱项短板指标的动态识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于lmdi分解的制丝加工弱项短板指标的动态识别方法，其特征在于，在步骤1的针对各个工序的工艺质量全批次评价结果进行数据收集中，包括：按照工艺质量评价体系对制丝加工过程松散回潮、一级加料、二级加料、叶丝干燥、比例掺配和混丝加香工序进行评价，其中，将工序平均加工水平得分设置为，工序权重设置为，工序批次数设置为，其中。

3.根据权利要求2所述的基于lmdi分解的制丝加工弱项短板指标的动态识别方法，在步骤2中，将所选取的基期作为挖掘分析的参照样本，将所选取的当期作为挖掘分析的研究对象，其中，基期总体质量得分计算公式如下：

4.根据权利要求3所述的基于lmdi分解的制丝加工弱项短板指标的动态识别方法，其特征在于，将记为从基期到当期总体质量得分的变化，记为由权重、工序平均加工水平、批次数三个因素所导致的变化效应，分别定义为权重变化效应、加工水平变化效应和产量变化效应，那么：

5.根据权利要求4所述的基于lmdi分解的制丝加工弱项短板指标的动态识别方法，其特征在于，步骤3的采用lmdi分解方法计算各个工序的加工水平变化效应，具体包括：

6.根据权利要求1所述的基于lmdi分解的制丝加工弱项短板指标的动态识别方法，其特征在于，在步骤4中，将松散回潮水平变化效应、一级加料水平变化效应、二级加料水平变化效应、叶丝干燥水平变化效应、比例掺配水平变化效应和混丝加香水平变化效应由小到大进行排列，筛选水平效应为负值且排在前列的工序作为急需改进的短板工序。

7.根据权利要求1至6任意一项所述的基于lmdi分解的制丝加工弱项短板指标的动态识别方法，其特征在于，步骤5的采用lmdi分解方法计算短板工序中各个指标的水平变化效应，具体包括：

8.根据权利要求1所述的基于lmdi分解的制丝加工弱项短板指标的动态识别方法，其特征在于，在步骤6中，将评价指标1、评价指标2…，评价指标m的水平变化效应由小到大进行排列，筛选水平效应为负值且排在前列的指标作为急需改进的弱项指标。

技术总结
本发明公开了一种基于LMDI分解的制丝加工弱项短板指标的动态识别方法，属于烟草质量评价技术领域，方法包括以下步骤：针对制丝过程中各个工序的工艺质量全批次评价结果进行数据收集；选取一段时间作为研究的当期Tt和基期T0；采用LMDI分解方法计算各个工序的水平变化效应；按照各个工序的水平变化效应进行排序，识别出短板工序；采用LMDI分解方法计算短板工序中各个指标的水平变化效应；按照各个指标的水平变化效应进行排序，识别出短板工序中的弱项指标。本发明通过精确识别出加工过程中的弱项和短板，使得制丝企业能够有针对性地改进这些区域，从而提高整个生产线的效率。

技术研发人员：和金,刘继辉,马晓龙,杨佳东,许磊,余晓宇,陈志衍
受保护的技术使用者：红云红河烟草（集团）有限责任公司
技术研发日：
技术公布日：2024/9/23