人机“开战”，孰胜孰负？

制丝车间中控室内，威士顿烘丝筒AI预测控制项目组紧张地站在显示器前，观看“人机大战”比赛情况。

参赛双方分别是——具有近二十年经验的烘丝筒操作工和开发调试了半年的烘丝筒AI预测控制系统，双方分A、B两路同时进行烘丝筒筒壁温度的控制，获胜标准是——哪一方能更快速、更准确、更稳定地将经由烘丝筒加工后的出口烟丝含水率调整到预设值，达到稳定状态。

这是一场充满诸多未知的比赛。对于操作工而言，上万次的实操形成的经验，真的会被一个程序轻易取代吗？

这不仅是人工经验与人工智能的一场较量，也是各方对自身的一次挑战。每一个在场的人都不敢确定，在这场“人机大战”中，究竟谁会最终胜出。

力求突破：精调细控，毫厘必究

不卖关子，先说结果。在1个月内，通过实时比赛、数据比对等比赛形式，人机共计pk34次，比赛结果从起初的胜率各半，到最终AI胜率超过人工。

通过项目组对模型不断调优，最后出口烟丝含水率预测值与水分仪实际测量值的平均误差为0.07%，平均预测用时为0.08s。调整时间平均缩短19秒，最高缩短49秒。干头和稳态阶段，模型自动控制下得到的出口烟丝含水率与工艺标准要求的误差小于0.1%。达到稳态的时间缩短，以及稳态时的误差降低，可以显著增加合格品，保守估算，由此每台烘丝筒每年增加合格烟丝12240公斤以上。

出口含水率预测的准确率高、提前量佳。

那么，水份控制，到底有多难？

这场挑战赛的目标对象是卷烟厂制丝生产中的烟丝含水率，它影响着烟丝的抗造碎性能，是决定卷烟产品质量的重要工艺指标之一，而烘丝是干预烟丝含水率的最后一道工序，普遍采用薄板式烘丝筒作为加工设备。

烘丝筒的参数控制非常重要，但却并非易事。调整过程中，头部烟丝含水率的偏差值越大，调至稳态所需时间越长，产生的就废料越多，不仅造成烟丝浪费，对产品质量也有负面影响，因此要通过控制烘丝筒的参数尽可能缩短干头水份达到稳态的时间。

烘丝筒是一个大型的滚筒式烘干机，其工作原理简单而言就是：烟丝从进料口进入烘丝筒后，随着传送装置不断向下移动，在烟丝移动直至下滑到出料端的过程中，筒内以蒸汽加热、热风气流等方式使烟丝含水率收敛。烟丝从进料口流转到出料口的控制过程大约需5分钟，此过程中，影响烟丝出口含水率的因素颇多，包括进料烟丝含水率、进料烟丝流量、烘丝筒热风温度、热风风速等。

烘丝工艺按照出口烟丝含水率的状态，可以分为三个阶段，大致时间分布如图中标注。

在烘丝的干头阶段（工艺刚开始的前15分钟），由于筒体出口还没有检测到实际的烟丝水份，烘丝筒内置的PID自动控制系统的控制回路无法形成闭环，目前基本采用人工经验手动控制，待稳定后再交由控制系统自动控制。然而，该模式过于依赖于人工经验，缺少可量化的操作指南，新操作工学习干头操作的难度较高，导致干头部分的生产无法标准化、自动化，不利于制丝的质量控制。

长期以来，人们一直试图利用各种先进自动控制算法来解决烘丝筒这种大滞后、强耦合的系统控制问题。研发投运的先进控制算法在刚投运的一段时间内一般效果都非常不错，但通常在一段时间后，由于外部因素的改变，使得原先的控制参数不再适用，系统的控制效果变得越来越差。

威士顿创新研究院通过人工智能技术找到了该问题的突破口，启动项目组，希望通过机器学习建立预测和控制模型，帮助卷烟厂实现烘丝干头阶段的智能化控制。

威士顿如何做到精准预测+智能控制？

为了实现烘丝筒智能控制，需要拆解计划、递进实现：（1）找到影响干头出口含水率的主要因素；（2）剔除历史数据中人工控制的干扰，让模型学习到各个因素与出口含水率的真正因果关系；（3）计算出各因素对出口含水率的影响系数；（4）确定调节烘丝筒参数的时间点和参数值的最佳策略；（5）开发控制程序，实现智能化控制。

项目组通过人工筛选、相关系数分析、降维等手段对卷烟厂数年的历史数据进行了预处理，并将数据在时间维度上进行对齐，为后续提高模型训练效率提供基础。

一段时间内所有干头的出口水份变化的历史数据记录图。

项目最大的技术难点在于，用机器学习的方法建立的模型只能反映参数之间的相关性，但相关性并不等于因果性，而要实现设备的精确控制需要精确知道参数之间的因果性。

在尝试了不同算法及参数后，项目组选择了效果最好的GBDT、LSTM及LASSO三种算法，建立了“预测出口含水率和筒壁温度设置值的模型”、得到了“筒壁温度对出口含水率的影响系数”，并进一步计算出了“无人工操作干扰下筒壁温度的合理设置序列”，最终应用机器学习库开发了应用程序，并接入了实际生产系统用于控制。

烘丝筒出口水份预测控制系统界面图，图中曲线每6秒钟更新一次，每次均对未来一分钟后的趋势进行预测。

AI+烟草：乘势而上，步履不停

本项目是对“基于时间序列数据的智能预测”技术方向的一次积极探索，也是 “AI+烟草”的又一次有效的实践。未来，项目组将乘势而上，继续深入研究烘丝全过程和多机动环境下的出口含水率智能化控制。

本次人机大赛虽已落幕，我们看到了本次对决中AI赋能工业的潜能，也看到了人类在人工智能的帮助下愈加可期的未来。我们对产线智能的研究和探索的步伐还在继续，科技和工业的结合势必会迸发出更多火花。我们也深信，未来的实践会证明，这场比赛的真正赢家，是工业、是企业、也是你和我