基于高维精准画像与深度学习的卷烟零售户动态分档研究

【目的】丰富卷烟零售户考核评价的维度,建立档位动态认定的科学标准,辅助档位调整、分类管理及投放策略制定等营销工作。【方法】提出基于高维精准画像体系和深度学习模型进行档位识别的解决方案,介绍档位标签推演、画像特征指标设计、识别模型搭建、新零售户样本预测及评价、档位动态调整等环节的可行策略,并通过分析特征重要性挖掘到零售户档位的潜在影响因素。【结果】在数值实验部分,基于A、B市场多个投放周期内的营销数据,对比非线性深度学习DXGBOOST模型与线性回归LR模型、梯度提升XGBOOST模型的分类识别效果:相比线性的LR,DXGBOOST算法可将A、B两市零售户档位识别准确率分别提升9.09%和15.43%;相比非线性的XGBOOST,可进一步提升精准档位及档位区间的准确率,降低误判的偏差程度。【结论】实践证明,在保证稳定性的前提下,基于DXGBOOST模型的档位识别方法可以很大程度提升卷烟零售户档位的划分精度,为及时开展科学、精准、智能地营销分析与商业决策提供数据和理论支撑。

基于单分类自编码器的烘丝机设备健康度评估方法

为实现对卷烟工业设备的风险辨识、精准过程控制与健康程度综合评价,提出一种基于融合衍生特征的单分类自编码器的薄板式烘丝机设备健康度综合评估及监控方法。通过某卷烟厂薄板式烘丝机SPCD数据的实证分析结果,验证了该方法能够准确捕获设备健康度异常点,为设备运维决策提供科学依据,具有较好的实际应用价值。

基于Stacking算法的烟支空头率影响因子及其效应挖掘研究

为推动烟草行业由“信息化”向“智能化”迈进,深入挖掘烟草行业大数据价值,反哺工艺质量控制。文章选取烟支缺陷中最核心的项目空头作为研究对象,运用Stacking集成机器学习算法识别出烟支空头率的重要影响因子为VE段流化槽压力、筛风风机转速、VE段比例系数、吸丝带与前后道修整器后侧之间的距离。数值试验结果显示:SE段的工艺参数对烟支空头率的影响高于VE段,且SE段与VE段参数之间存在显著交互。为降低空头率,通过提取决策树最优决策路径输出重要影响因子的参数设定组合建议值为:VE段的流化槽压力终值设定在-2.5~-2.0hPa,针辊比例系数设定在115%~120%,筛分风机风速不高于1350r/min;SE段修整器/吸丝带的距离-前道修整器后设定为0~1mm,修整器/吸丝带的距离-后道修整器后设定为0.5~1mm或者1~2mm。基于数据科学模型探究烟支空头率影响因素,不仅可以降低试验前期探索成本、规避科学试验片面性,而且为提高烟支质量控制稳定性、降低烟支剔除率和生产消耗提供有效依据。