人機(jī)“開戰(zhàn)”，孰勝孰負(fù)？

制絲車間中控室內(nèi)，威士頓烘絲筒AI預(yù)測控制項目組緊張地站在顯示器前，觀看“人機(jī)大戰(zhàn)”比賽情況。

參賽雙方分別是——具有近二十年經(jīng)驗的烘絲筒操作工和開發(fā)調(diào)試了半年的烘絲筒AI預(yù)測控制系統(tǒng)，雙方分A、B兩路同時進(jìn)行烘絲筒筒壁溫度的控制，獲勝標(biāo)準(zhǔn)是——哪一方能更快速、更準(zhǔn)確、更穩(wěn)定地將經(jīng)由烘絲筒加工后的出口煙絲含水率調(diào)整到預(yù)設(shè)值，達(dá)到穩(wěn)定狀態(tài)。

這是一場充滿諸多未知的比賽。對于操作工而言，上萬次的實操形成的經(jīng)驗，真的會被一個程序輕易取代嗎？

這不僅是人工經(jīng)驗與人工智能的一場較量，也是各方對自身的一次挑戰(zhàn)。每一個在場的人都不敢確定，在這場“人機(jī)大戰(zhàn)”中，究竟誰會最終勝出。

力求突破：精調(diào)細(xì)控，毫厘必究

不賣關(guān)子，先說結(jié)果。在1個月內(nèi)，通過實時比賽、數(shù)據(jù)比對等比賽形式，人機(jī)共計pk34次，比賽結(jié)果從起初的勝率各半，到最終AI勝率超過人工。

通過項目組對模型不斷調(diào)優(yōu)，最后出口煙絲含水率預(yù)測值與水分儀實際測量值的平均誤差為0.07%，平均預(yù)測用時為0.08s。調(diào)整時間平均縮短19秒，最高縮短49秒。干頭和穩(wěn)態(tài)階段，模型自動控制下得到的出口煙絲含水率與工藝標(biāo)準(zhǔn)要求的誤差小于0.1%。達(dá)到穩(wěn)態(tài)的時間縮短，以及穩(wěn)態(tài)時的誤差降低，可以顯著增加合格品，保守估算，由此每臺烘絲筒每年增加合格煙絲12240公斤以上。

出口含水率預(yù)測的準(zhǔn)確率高、提前量佳。

那么，水份控制，到底有多難？

這場挑戰(zhàn)賽的目標(biāo)對象是卷煙廠制絲生產(chǎn)中的煙絲含水率，它影響著煙絲的抗造碎性能，是決定卷煙產(chǎn)品質(zhì)量的重要工藝指標(biāo)之一，而烘絲是干預(yù)煙絲含水率的最后一道工序，普遍采用薄板式烘絲筒作為加工設(shè)備。

烘絲筒的參數(shù)控制非常重要，但卻并非易事。調(diào)整過程中，頭部煙絲含水率的偏差值越大，調(diào)至穩(wěn)態(tài)所需時間越長，產(chǎn)生的就廢料越多，不僅造成煙絲浪費，對產(chǎn)品質(zhì)量也有負(fù)面影響，因此要通過控制烘絲筒的參數(shù)盡可能縮短干頭水份達(dá)到穩(wěn)態(tài)的時間。

烘絲筒是一個大型的滾筒式烘干機(jī)，其工作原理簡單而言就是：煙絲從進(jìn)料口進(jìn)入烘絲筒后，隨著傳送裝置不斷向下移動，在煙絲移動直至下滑到出料端的過程中，筒內(nèi)以蒸汽加熱、熱風(fēng)氣流等方式使煙絲含水率收斂。煙絲從進(jìn)料口流轉(zhuǎn)到出料口的控制過程大約需5分鐘，此過程中，影響煙絲出口含水率的因素頗多，包括進(jìn)料煙絲含水率、進(jìn)料煙絲流量、烘絲筒熱風(fēng)溫度、熱風(fēng)風(fēng)速等。

烘絲工藝按照出口煙絲含水率的狀態(tài)，可以分為三個階段，大致時間分布如圖中標(biāo)注。

在烘絲的干頭階段（工藝剛開始的前15分鐘），由于筒體出口還沒有檢測到實際的煙絲水份，烘絲筒內(nèi)置的PID自動控制系統(tǒng)的控制回路無法形成閉環(huán)，目前基本采用人工經(jīng)驗手動控制，待穩(wěn)定后再交由控制系統(tǒng)自動控制。然而，該模式過于依賴于人工經(jīng)驗，缺少可量化的操作指南，新操作工學(xué)習(xí)干頭操作的難度較高，導(dǎo)致干頭部分的生產(chǎn)無法標(biāo)準(zhǔn)化、自動化，不利于制絲的質(zhì)量控制。

長期以來，人們一直試圖利用各種先進(jìn)自動控制算法來解決烘絲筒這種大滯后、強(qiáng)耦合的系統(tǒng)控制問題。研發(fā)投運的先進(jìn)控制算法在剛投運的一段時間內(nèi)一般效果都非常不錯，但通常在一段時間后，由于外部因素的改變，使得原先的控制參數(shù)不再適用，系統(tǒng)的控制效果變得越來越差。

威士頓創(chuàng)新研究院通過人工智能技術(shù)找到了該問題的突破口，啟動項目組，希望通過機(jī)器學(xué)習(xí)建立預(yù)測和控制模型，幫助卷煙廠實現(xiàn)烘絲干頭階段的智能化控制。

威士頓如何做到精準(zhǔn)預(yù)測+智能控制？

為了實現(xiàn)烘絲筒智能控制，需要拆解計劃、遞進(jìn)實現(xiàn)：（1）找到影響干頭出口含水率的主要因素；（2）剔除歷史數(shù)據(jù)中人工控制的干擾，讓模型學(xué)習(xí)到各個因素與出口含水率的真正因果關(guān)系；（3）計算出各因素對出口含水率的影響系數(shù)；（4）確定調(diào)節(jié)烘絲筒參數(shù)的時間點和參數(shù)值的最佳策略；（5）開發(fā)控制程序，實現(xiàn)智能化控制。

項目組通過人工篩選、相關(guān)系數(shù)分析、降維等手段對卷煙廠數(shù)年的歷史數(shù)據(jù)進(jìn)行了預(yù)處理，并將數(shù)據(jù)在時間維度上進(jìn)行對齊，為后續(xù)提高模型訓(xùn)練效率提供基礎(chǔ)。

一段時間內(nèi)所有干頭的出口水份變化的歷史數(shù)據(jù)記錄圖。

項目最大的技術(shù)難點在于，用機(jī)器學(xué)習(xí)的方法建立的模型只能反映參數(shù)之間的相關(guān)性，但相關(guān)性并不等于因果性，而要實現(xiàn)設(shè)備的精確控制需要精確知道參數(shù)之間的因果性。

在嘗試了不同算法及參數(shù)后，項目組選擇了效果最好的GBDT、LSTM及LASSO三種算法，建立了“預(yù)測出口含水率和筒壁溫度設(shè)置值的模型”、得到了“筒壁溫度對出口含水率的影響系數(shù)”，并進(jìn)一步計算出了“無人工操作干擾下筒壁溫度的合理設(shè)置序列”，最終應(yīng)用機(jī)器學(xué)習(xí)庫開發(fā)了應(yīng)用程序，并接入了實際生產(chǎn)系統(tǒng)用于控制。

烘絲筒出口水份預(yù)測控制系統(tǒng)界面圖，圖中曲線每6秒鐘更新一次，每次均對未來一分鐘后的趨勢進(jìn)行預(yù)測。

AI+煙草：乘勢而上，步履不停

本項目是對“基于時間序列數(shù)據(jù)的智能預(yù)測”技術(shù)方向的一次積極探索，也是 “AI+煙草”的又一次有效的實踐。未來，項目組將乘勢而上，繼續(xù)深入研究烘絲全過程和多機(jī)動環(huán)境下的出口含水率智能化控制。

本次人機(jī)大賽雖已落幕，我們看到了本次對決中AI賦能工業(yè)的潛能，也看到了人類在人工智能的幫助下愈加可期的未來。我們對產(chǎn)線智能的研究和探索的步伐還在繼續(xù)，科技和工業(yè)的結(jié)合勢必會迸發(fā)出更多火花。我們也深信，未來的實踐會證明，這場比賽的真正贏家，是工業(yè)、是企業(yè)、也是你和我