3. 发酵异常数据采集与预处理

发酵异常诊断的第一步不是“看曲线猜原因”，而是确认数据本身是否可信。发酵过程的数据来源包括pH电极、溶氧电极、温度探头、补料秤、尾气分析仪、搅拌功率计等，这些信号在长时间高温高湿、灭菌、酸碱腐蚀和搅拌振动环境下极易漂移、堵塞或断线。如果直接拿未经校验和清洗的数据做诊断，很可能把“电极漂移”误判为“菌体代谢异常”，把“通信丢包”误判为“溶氧骤降”。因此，本节把数据采集与预处理作为异常诊断的前置环节，重点解决四件事：传感器校验、数据清洗、缺失值处理、异常值处理。

一、传感器校验：先确认“尺子”准不准

传感器校验的核心是建立“标准值—示值”的对应关系，并判断偏差是否在允许范围内。发酵车间常用的校验方式有两点法和多点法。以pH电极为例，通常用pH 4.00、6.86、9.18三种标准缓冲液做三点校验，记录电极示值，计算斜率与零点偏移。若斜率低于95%或零点偏移超过±0.2 pH，说明电极老化或污染，应先清洗、再生，必要时更换，而不是继续用漂移数据做诊断。

溶氧电极常用无氧水（亚硫酸钠饱和溶液）和空气饱和水做两点校验。温度探头则用冰水混合物（0℃）和沸水（约100℃，需按当地气压修正）做校验。补料秤可用标准砝码做线性校验。校验结果应记录成可追溯的校验记录，包括校验日期、标准值、示值、偏差、结论和操作人。只有校验合格的传感器，其数据才进入后续清洗流程。

二、数据清洗：把“脏数据”变成可用数据

数据清洗的目标是去除重复、错位、量纲不一致和明显不合理的记录。发酵数据常见的“脏”表现为：同一时间戳重复上报、时间戳乱序、单位不统一（如温度同时存在℃和K）、补料量出现负值、pH出现大于14或小于0的值。清洗步骤通常包括：统一时间戳格式与采样周期、按时间排序、去除重复记录、统一量纲、剔除物理不可能值。

例如，某批发酵的pH原始记录中出现pH=15.2和pH=-0.3，这显然超出电极量程，应直接标记为无效值，而不是参与均值计算。再如，补料秤在搅拌启动瞬间出现负值，通常是振动干扰，应结合前后时刻做平滑或标记为可疑。清洗后的数据应保留原始值、清洗标记和清洗规则编号，便于追溯。

三、缺失值处理：区分“真缺失”和“假缺失”

缺失值在发酵数据中非常普遍，原因包括通信中断、传感器离线、采样程序异常、人工记录漏填等。处理前先判断缺失类型：如果是短时间通信丢包（如1～3个采样点），可用线性插值或前值保持；如果是长时间断线（如超过10分钟），插值会掩盖真实异常，应标记为缺失段，并在诊断时降低该时段权重或直接排除。

对于离线检测数据（如效价、残糖、菌浓），缺失值不能简单插值，因为发酵过程是非线性的。此时可用同批次的在线参数（如OUR、CER、补料速率）建立回归模型做估计，但估计值必须标注为“估计值”，不能与实测值混用。若缺失比例超过20%，该批次数据不宜用于建模，只能用于定性参考。

四、异常值处理：别把“异常”洗掉

异常值处理是最容易出错的一步。发酵异常诊断恰恰需要保留“异常信号”，因此不能盲目用3σ或箱线图把所有离群点删除。正确的做法是先区分三类异常：一是传感器故障导致的错误值（如pH跳变到0或14），应剔除；二是真实工艺异常（如溶氧骤降、pH快速下跌），应保留并标记；三是瞬时干扰（如搅拌启动引起的溶氧波动），可平滑但需记录。

常用判断方法包括：物理量程判断、变化率判断、滑动窗口统计判断和多参数一致性判断。例如，溶氧在30秒内从60%降到5%，同时搅拌功率未变化、补料速率未变化，则更可能是电极故障或气泡干扰；若同时伴随OUR上升、pH下降，则更可能是菌体耗氧激增，属于真实异常，应保留。

五、一个可执行的处理示例

假设某批发酵的溶氧数据在发酵第18小时出现一段异常：第18:00:00至18:00:30，DO从62%降到8%，采样周期10秒，共4个点。处理流程如下：

1. 校验状态检查：该批灭菌前DO电极两点校验合格，斜率97%，零点偏移0.1%，传感器本身可信。
2. 数据清洗：检查时间戳无重复、无乱序，DO值在0～100%量程内，无需剔除。
3. 缺失值检查：该时段无缺失点，不插值。
4. 异常值分类：查看同步参数——搅拌功率未变、补料速率未变、OUR从28 mmol/L/h升至52 mmol/L/h、pH从6.85降至6.62。多参数一致性指向“菌体耗氧激增”，属于真实工艺异常，应保留并标记为“DO骤降事件”。
5. 结果输出：该段数据保留，附加标签“真实异常—耗氧激增”，供后续诊断使用。

如果同步参数显示搅拌功率、补料速率、OUR、pH均无变化，仅DO单独跳变，则应标记为“疑似电极故障”，并触发校验提醒。两种情况的处理结果完全不同，这正是“先分类、再处理”的价值。

六、预处理记录表（示例）

为了让预处理过程可追溯，建议每批发酵保留一份预处理记录。以下为示例字段，实际使用时可按车间要求调整：

七、常见误区与检查要点

• 误区一：先清洗再校验。校验不合格的传感器数据本身不可信，清洗没有意义。正确顺序是先校验、后清洗。
• 误区二：用3σ删除所有离群点。发酵异常本身就是离群点，盲目删除会丢掉诊断线索。应先分类，再决定去留。
• 误区三：缺失值一律插值。长缺失插值会掩盖断线、染菌、补料中断等真实问题，应标记缺失段。
• 误区四：清洗后不保留原始值。没有原始值和清洗标记，后续无法复核，也无法判断是数据问题还是工艺问题。

总结来说，传感器校验解决“尺子准不准”，数据清洗解决“数据干不干净”，缺失值处理解决“断点怎么补”，异常值处理解决“异常要不要留”。四步做完，才能得到一份可用于发酵异常诊断的可信数据集。后续的异常识别、根因分析和工艺优化，都应建立在这份数据集之上。