近年来,随着互联网、大数据、人工智能等新一代信息技术与实体经济加快融合,推动了制造业向数字化、网络化、智能化方向深入演进,为制造业结构调整和产业升级提供了重要机遇和挑战。烟草行业作为国民经济的重要支柱产业,应当主动融入国家高质量发展的时代主题,强化担当,有所作为。充分利用卷烟烟机生产大数据,提取有价值的信息,使生产更加智能化。本文以PROTOS1-8卷烟机生产某品牌烟的实际生产大数据为例,利用大数据统计分析方法对生产过程的评价和预测进行了一些探索性分析。首先,选取烟支生产过程中包括物理测量类、气源外观检测类、剔废率等系列指标,通过灰色关联分析和模糊综合评价法对其烟支质量进行综合评价,并对比两种综合评价方法的优劣,为筛选重要工况变量与预测做准备。其次,采用生产过程中的5000多万条单支烟记录,通过描述性统计分析各个工况参数的基本特征。基于Lasso和BP（back propagation）神经网络变量筛选出影响卷烟机生产质量的重要工况变量,得到影响卷烟机生产质量的重要工况变量依次为:VE大风机压力、吸丝带实际位置、吸丝带位置标差、SRM压实端位置、M12V电机转速、VE一次风选压力、烟丝温度和烟丝水分。最后,利用重要工况参数对卷烟机生产质量进行预测,通过贝叶斯优化算法对模型参数进行优化,并比较决策树和LightGBM两种模型的预测效果。通过研究,本文认为烟草制造部门应当充分重视在相关生产环节的操作和管理水平,以确保重要工况的稳定性,从而提高烟支的生产质量。也相信大数据统计分析方法在卷烟机生产过程控制和预测中将大有可为,对指导生产有着重要的参考价值。