人機“開戰”，孰勝孰負？

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

參賽雙方分別是——具有近二十年經驗的烘絲筒操作工和開發調試了半年的烘絲筒AI預測控制系統，雙方分A、B兩路同時進行烘絲筒筒壁溫度的控制，獲勝標準是——哪一方能更快速、更準確、更穩定地將經由烘絲筒加工后的出口煙絲含水率調整到預設值，達到穩定狀態。

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驗，真的會被一個程序輕易取代嗎？

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

力求突破：精調細控，毫厘必究

不賣關子，先說結果。在1個月內，通過實時比賽、數據比對等比賽形式，人機共計pk34次，比賽結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優，最后出口煙絲含水率預測值與水分儀實際測量值的平均誤差為0.07%，平均預測用時為0.08s。調整時間平均縮短19秒，最高縮短49秒。干頭和穩態階段，模型自動控制下得到的出口煙絲含水率與工藝標準要求的誤差小于0.1%。達到穩態的時間縮短，以及穩態時的誤差降低，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。

出口含水率預測的準確率高、提前量佳。

那么，水份控制，到底有多難？

這場挑戰賽的目標對象是卷煙廠制絲生產中的煙絲含水率，它影響著煙絲的抗造碎性能，是決定卷煙產品質量的重要工藝指標之一，而烘絲是干預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備。

烘絲筒的參數控制非常重要，但卻并非易事。調整過程中，頭部煙絲含水率的偏差值越大，調至穩態所需時間越長，產生的就廢料越多，不僅造成煙絲浪費，對產品質量也有負面影響，因此要通過控制烘絲筒的參數盡可能縮短干頭水份達到穩態的時間。

烘絲筒是一個大型的滾筒式烘干機，其工作原理簡單而言就是：煙絲從進料口進入烘絲筒后，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，筒內以蒸汽加熱、熱風氣流等方式使煙絲含水率收斂。煙絲從進料口流轉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，包括進料煙絲含水率、進料煙絲流量、烘絲筒熱風溫度、熱風風速等。

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

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，烘絲筒內置的PID自動控制系統的控制回路無法形成閉環，目前基本采用人工經驗手動控制，待穩定后再交由控制系統自動控制。然而，該模式過于依賴于人工經驗，缺少可量化的操作指南，新操作工學習干頭操作的難度較高，導致干頭部分的生產無法標準化、自動化，不利于制絲的質量控制。

長期以來，人們一直試圖利用各種先進自動控制算法來解決烘絲筒這種大滯后、強耦合的系統控制問題。研發投運的先進控制算法在剛投運的一段時間內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不再適用，系統的控制效果變得越來越差。

威士頓創新研究院通過人工智能技術找到了該問題的突破口，啟動項目組，希望通過機器學習建立預測和控制模型，幫助卷煙廠實現烘絲干頭階段的智能化控制。

威士頓如何做到精準預測+智能控制？

為了實現烘絲筒智能控制，需要拆解計劃、遞進實現：（1）找到影響干頭出口含水率的主要因素；（2）剔除歷史數據中人工控制的干擾，讓模型學習到各個因素與出口含水率的真正因果關系；（3）計算出各因素對出口含水率的影響系數；（4）確定調節烘絲筒參數的時間點和參數值的最佳策略；（5）開發控制程序，實現智能化控制。

項目組通過人工篩選、相關系數分析、降維等手段對卷煙廠數年的歷史數據進行了預處理，并將數據在時間維度上進行對齊，為后續提高模型訓練效率提供基礎。

一段時間內所有干頭的出口水份變化的歷史數據記錄圖。

項目最大的技術難點在于，用機器學習的方法建立的模型只能反映參數之間的相關性，但相關性并不等于因果性，而要實現設備的精確控制需要精確知道參數之間的因果性。

在嘗試了不同算法及參數后，項目組選擇了效果最好的GBDT、LSTM及LASSO三種算法，建立了“預測出口含水率和筒壁溫度設置值的模型”、得到了“筒壁溫度對出口含水率的影響系數”，并進一步計算出了“無人工操作干擾下筒壁溫度的合理設置序列”，最終應用機器學習庫開發了應用程序，并接入了實際生產系統用于控制。

烘絲筒出口水份預測控制系統界面圖，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行預測。

AI+煙草：乘勢而上，步履不停

本項目是對“基于時間序列數據的智能預測”技術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，繼續深入研究烘絲全過程和多機動環境下的出口含水率智能化控制。

本次人機大賽雖已落幕，我們看到了本次對決中AI賦能工業的潛能，也看到了人類在人工智能的幫助下愈加可期的未來。我們對產線智能的研究和探索的步伐還在繼續，科技和工業的結合勢必會迸發出更多火花。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、是企業、也是你和我