2. 化工质量数据基础

质量数据看板的第一层地基，不是图表样式，而是“看板上到底放哪些指标、这些指标从哪里来、以什么方式进入系统”。如果指标定义含糊、数据来源不清，后续的预警阈值再精细也失去意义。本节围绕化工生产中四类高频质量指标——纯度、水分、色度、粘度——说明它们的物理含义、典型量纲、检测方法与数据采集路径，并给出把现场数据接入看板前必须完成的规范化处理。

四类关键质量指标的含义与量纲

纯度反映目标组分在物料中的占比，常用质量分数或体积分数表示，如 %(m/m)、%(V/V)，高纯产品还会用到 ppm 级。纯度通常不是直接测量量，而是由色谱分析得到的组分含量换算而来，因此必须明确“以哪种组分、以干基还是湿基、以何种归一化方式”计算，否则同一批物料在不同报表中会出现差异。

水分表示物料中水的含量，常见表达有质量分数（%）、ppm 以及露点温度（℃）。气体物料多用露点或微量水分析仪，液体和固体多用卡尔·费休滴定或干燥失重法。水分对聚合、催化、储存稳定性影响显著，是许多化工装置的关键控制指标。

色度是外观质量的综合表征，液体产品常用铂-钴色号（Hazen，单位 Pt-Co）或加德纳色号，固体或浅色产品可用白度或黄度指数。色度属于半主观指标，受光源、比色皿、观察者判断影响，因此检测必须固定方法标准与仪器条件。

粘度反映流体流动阻力，常用动力粘度（mPa·s）或运动粘度（mm²/s）表示，测量温度必须与产品标准一致，例如“25 ℃ 下运动粘度”。粘度对温度极其敏感，脱离温度谈粘度没有工程意义。

数据来源与采集方式

化工质量数据大致来自三条通道：在线分析仪表、实验室化验（LIMS）和人工录入/系统集成。在线仪表如在线气相色谱、在线水分仪、在线粘度计，按固定周期自动输出测量值，采样频率高，适合趋势监控与实时预警，但需要定期用标准样品校验。实验室化验由化验室按批次或按班次取样分析，结果通过 LIMS 录入，精度高、项目全，但存在取样到出结果的时滞。人工录入与系统集成则包括 DCS/PLC 的过程数据、MES 的批次信息以及纸质记录电子化，是补齐上下文（批次号、罐号、取样点）的关键。

采集方式上，常见有 OPC UA/DA 从 DCS 读取仪表值、数据库视图从 LIMS 抽取化验结果、以及接口文件或消息队列做系统间同步。无论哪种方式，都要保留时间戳、取样点、批次号、检测方法、单位五个要素，否则数据无法与生产事件对齐。

采集前必须完成的规范化处理

原始数据进入看板前，需要做四件事。第一是单位统一：把 ppm、%、mg/kg 统一到同一量纲，粘度统一到标准温度下的数值，露点统一为 ℃。第二是时间对齐：在线仪表按分钟级采样，化验结果按批次出，需以批次号或取样时间为键做关联，避免把不同批次的化验值错配到过程曲线上。第三是异常值标记：仪表故障、超量程、化验复检未完成的数据要打上质量标记，而不是直接参与统计。第四是方法元数据：记录检测标准号、仪器编号、操作人，便于追溯。

下面是一段示例性的规范化处理逻辑，用于把 LIMS 化验结果与在线仪表值按批次对齐（参数为教学假设，非实测）：

# 示例：按批次号对齐化验值与在线值（教学示例）
batch_id   = "B2024-0517-03"
lab_purity = 99.62      # %(m/m)，LIMS 化验结果
lab_water  = 320        # ppm，卡尔·费休法
online_purity_avg = 99.58   # %，在线色谱批次均值
time_lag_min = 18       # 取样到出结果时滞（分钟）

# 判断化验值与在线值偏差是否在合理范围
deviation = abs(lab_purity - online_purity_avg)
if deviation <= 0.10:
    quality_flag = "一致"
else:
    quality_flag = "需复核"

这段逻辑的意义在于：看板上的每个数值都应带有“来源、时间、方法、质量标记”四类属性，而不是一个孤立的数字。当预警触发时，运维人员才能快速判断是工艺波动、仪表漂移还是化验误差。

指标与数据源的对应关系

不同指标的数据源并非一一对应，实际工程中常出现同一指标多源并存的情况。例如纯度既可由在线色谱给出，也可由实验室色谱确认；水分既可用在线水分仪连续监测，也可用卡尔·费休法抽检。看板设计时应明确“主数据源”与“校验数据源”，主源用于趋势与预警，校验源用于定期比对与偏差分析。色度和粘度由于在线仪表普及率相对较低，更多依赖实验室化验，看板上的更新频率应相应降低，并在图例中标注“按批更新”。

常见数据质量问题与判断

实际接入中最常见的问题有三类：一是时滞错配，化验结果晚于过程曲线数小时，若直接按时间戳拼接会把旧值贴到新批次上；二是单位混用，同一字段在不同系统中分别以 % 和 ppm 存储，导致阈值判断失效；三是缺失与重复，仪表通讯中断造成空值，或接口重试造成重复记录。判断方法很直接：对每个指标统计“空值率、重复率、单位分布、时间间隔分布”，异常比例超过设定范围即视为数据质量问题，需在接入层修复后再上看板。

把这些基础工作做扎实，后续的阈值设定、趋势分析和预警规则才有可靠的数据底座。质量数据看板的价值，首先取决于它背后的数据是否“说得清来源、对得上时间、标得明质量”。