1、隨著社會的發(fā)展，生活水平的提高，人們對卷煙產品的質量要求也越來越高。為了穩(wěn)定卷煙質量、滿足細分市場，煙草制絲工藝日趨精細與復雜，這也使得煙草行業(yè)更加注重對卷煙質量的控制。在制絲過程中會受到多種因素的影響，煙絲的質量必然會發(fā)生波動，要實現(xiàn)制絲的高效率、高質量，就必須保證生產過程處于穩(wěn)定受控的狀態(tài)，因此面向生產過程的質量監(jiān)控就變得非常重要；另一方面，數(shù)字化制絲流程的實施，大大提高了制絲車間的信息化、自動化程度，如果過程狀態(tài)的監(jiān)控還是僅僅依賴

2、人為因素，否則將嚴重阻礙煙草行業(yè)自動化程度和質量管理水平的提高。
　　本論文針對上兩個問題，提出了將SPC方法和BP神經網絡技術相結合，應用于煙草制絲過程質量控制，研究了制絲過程質量的智能監(jiān)控技術。
　　首先，根據制絲過程的特點，把SPC方法應用于制絲過程質量控制。通過分析制絲工藝的關鍵工序以及重要質量特性指標，確定SPC的控制對象；提出了控制圖的應用方案，選擇均值–極差控制圖進行質量控制，然后以實例說明了控制圖在制絲工序中

3、的具體應用
　　其次，基于BP神經網絡，對控制圖的模式識別問題進行了研究。先將SPC控制圖分為正常、向上階躍、向下階躍、趨勢上升、向上階躍、趨勢下降、周期6種基本模式，并建立起相應數(shù)學模型；然后提出了控制圖模式識別的總體方案，著重研究了控制圖基本模式的識別方法和異常模式關鍵特征參數(shù)的估計方法。在理論研究的基礎上，采用改進BP算法，建立了1個控制圖模式識別網絡、3個異常模式參數(shù)估計網絡，分別估計階躍模式的幅值，周期模式的幅值和周期長

4、度，趨勢模式的斜率。
　　然后，依據SPC理論，從人、機、料、法、環(huán)、測6個方面，針對每一種異常模式，分析并總結典型的異常原因及調整建議，建立異常診斷知識庫。
　　最后，基于SQL Server2000設計制絲質量管理數(shù)據庫和異常診斷知識庫，以Visual C++6.0和 Matlab7.0為平臺，開發(fā)了制絲過程質量監(jiān)控與診斷系統(tǒng)，實現(xiàn)了制絲質量數(shù)據管理，控制圖繪制，過程狀態(tài)的識別和特征參數(shù)估計，異常原因分析診斷等功能，并進