2. 化工批次数据特征与数据采集

批次稳定性统计分析的第一步不是算均值、画控制图，而是把“数据长什么样”搞清楚。化工批次数据与连续过程数据有本质区别：它天然带有层次结构，同一批次内包含多个时间点的过程变量轨迹，而多个批次又嵌套在同一产品、同一设备、同一工艺配方之下。如果采集时把批次层级压平，后续的方差分解、批间批内比较就无从谈起。

批次数据的层次结构

典型的批次数据可划分为四层：产品/工艺层（如某牌号树脂的聚合配方）、批次层（Batch ID，一次投料到出料为一个批次）、时间层（批次内的采样时刻或在线扫描点）、变量层（温度、压力、流量、pH、黏度等）。关键质量属性（CQA）通常只在批次层或时间层有少量离散检测值，例如每批出料后测一次数均分子量、熔融指数、色度；而过程变量（PV）往往是在线高频采集的轨迹。这种“CQA稀疏、PV密集”的不对称，是批次数据分析中最需要提前设计的问题。

因此，数据表至少应包含 BatchID、Phase（阶段）、Time 或 ElapsedTime、Variable、Value、Unit、QualityFlag 等字段。缺少 Phase 字段时，升温、恒温、降温阶段的数据会被混在一起，后续按阶段建模就无法拆分。

关键质量属性与过程变量的对应

选变量不是越多越好，而要围绕稳定性目标建立“CQA—PV”对应关系。以某乳液聚合批次为例，若稳定性关注分子量分布和残余单体，则对应的过程变量应覆盖：反应温度轨迹、引发剂滴加速率、单体进料速率、冷却水阀开度、搅拌转速、pH。每个 CQA 至少对应 2～3 个可解释的 PV，便于后续做批次轨迹对齐和回归分析。对于只用于设备保护的变量（如泵电流报警），可采集但不纳入稳定性模型，避免噪声干扰。

采样计划设计

采样计划要同时回答三个问题：采什么、多久采一次、采多少批。在线过程变量建议按阶段设定采样周期：快速反应阶段 5～10 s，恒温阶段 30～60 s，降温阶段 1 min；离线 CQA 则按批次出料后取样，必要时在反应中段增加一次中间取样。批次数方面，做初步批间波动评估至少需要 15～20 批，做控制限或方差分量估计建议不少于 25～30 批，否则置信区间过宽。

下面给出一个可直接参考的采样计划示例（参数为教学假设，实际需按工艺验证确定）：

数据完整性要求

完整性不只是“有没有空值”，还包括时间戳连续、单位统一、批次归属明确、异常标记可追溯。常见问题包括：DCS 导出时时间戳为本地时间但未标注时区，跨批次拼接后出现重叠；同一变量在不同工段使用不同单位（如 kPa 与 bar）；人工录入的 CQA 缺少录入人和复核标记。建议在采集层就设置校验规则：时间戳单调递增、采样间隔偏差超过设定值 3 倍即标记 Gap、CQA 超出历史 3σ 范围自动挂起待复核。缺失值不得随意用均值填补，应保留原始标记，在分析阶段按缺失机制处理。

常见采集系统与数据流

化工现场常见的数据来源包括 DCS/PLC（过程变量）、LIMS（离线质量数据）、MES（批次与工单信息）、 historians（历史数据库）以及人工记录表。合理的做法是以 BatchID 为主键，将 MES 的批次起止时间作为时间窗，从 historian 抽取该窗口内的 PV 轨迹，再从 LIMS 按批次号关联 CQA。下图展示这一采集与关联关系：

实际落地时，建议先做一次“批次数据体检”：随机抽 3～5 个批次，核对 MES 起止时间与 historian 中温度轨迹的起止是否吻合、LIMS 的检测时间是否落在批次窗口内、同一变量在相邻批次间单位是否一致。这一步往往能暴露时间戳错位、批次归属错误等隐蔽问题，比事后清洗更省力。只有层次清晰、关联可靠、缺失可追溯的数据，后续的批间方差分析和稳定性评价才有意义。