在浙江中烟工业有限责任公司杭州卷烟厂制丝车间，基于人工智能技术研发的出柜水分控制系统近日顺利落地应用。这一系统由制丝车间郭奔首特专家工作室自主研发，融合了先进的控制技术和机器学习技术，为制丝工艺质量提升提供了坚实的技术支撑。

“有了出柜水分控制系统的助力，贮丝柜的出柜水分现在一直稳定在标准值20.5%左右，我们再也不用每批次都人工测算润叶机该加多少水了。”制丝中控操作工胡灵翘兴奋地说道。

据胡灵翘介绍，贮丝柜的出柜水分由润叶机控制，传统的制丝过程中，润叶机的加水量一直依赖于人工经验，但从切前润叶、切丝再到出柜，时间跨度大、工序复杂、干扰因素众多，出柜水分无法实现精准控制。

郭奔首特专家工作室的成员们一起分析贮柜出柜水分的影响因子。

基于这一生产难题，项目负责人郭奔提出了自己的设想：“我们可以通过机器的自主学习和控制模型代替人工经验。”于是，郭奔带领工作室成员自学机器学习技术领域相关知识、研究人工智能算法。项目开发前期，团队成员运用工艺流程图、因果矩阵等质量分析工具，识别出贮丝柜出柜水分的影响因素，并利用数据分析工具绘制相关性矩阵，筛选出对贮丝柜出柜水分影响最大的三个因素——润叶前称重皮带秤累计量、预配柜配叶柜存柜时间以及润叶机加水量，为后续的模型建立奠定了良好基础。

如何做出准确的先行预测？这是建立控制模型的最大难点。

“在切丝段切前润叶批开始的时候，预测切前润叶出口水分值应该控制在多少，需要知道皮带秤累计量、贮丝柜存柜时间和出口水分、温度等。”郭奔说，为了计算出润叶机的加水量，必须先预测出从切前润叶到贮丝柜出柜中间工序的多个未知干扰因子。这就好比下棋时，要先行预测后面三步棋的棋势，再作出走哪步棋的判断。

为解决这一难题，团队成员拟合出了三种复杂机器学习算法并建立模型，实现了润叶前称重皮带秤累计量、预配柜配叶柜存柜时间、润叶机加水量的智能预测，以及后续工序影响因素的提前预判。模型根据大数据推导出关系公式，倒推出润叶机的加水量，从而实现出柜水分的精准控制。

郭奔对人工智能算法效果进行现场验证。

在此基础上，团队成员将预测结果与设备层智能控制模型相结合，研制出一种适合于制丝工艺的控制系统，实现出柜水分的实时控制。

在这一控制系统的指挥下，出柜实时水分会反馈到系统控制中心，再经数据反馈自动调节切前润叶的加水量，形成“预测—反馈—调节”的闭环。在胡灵翘看来，这个系统最大的优点是灵活性强，能够根据实际情况随机应变，实现水分实时控制，确保出柜水分始终稳定在标准值20.5%附近，偏差小于0.1%。

郭奔与同事在膨胀线中控室内验证水分控制系统落地后的水分控制效果。

经过一段时间的调试后，控制系统已基本取代传统人工经验控制，出柜水分批次合格率达100%，预测准确指标R方值（拟合程度指标，数值越接近1说明预测模型越准确）为0.92，在控制精度和稳定性上均达到了预期。这一项目所涉及的创新成果已成功申报4个发明专利，并得到受理。

杭州卷烟厂制丝车间表示，下一步将继续以智能制造为核心，持续探索研究先进技术，搭建更多智能控制场景，为提升产品质量注入源源不断的活力。