2. 连续制造中的数据采集与预处理

连续制造过程通常处于高温、高压、连续流动或长时间稳定运行状态，异常检测能否有效，首先取决于数据是否“可用”。本节围绕传感器类型与布置、DCS/SCADA历史数据提取、缺失值处理、时间对齐、重采样与标准化六个环节，说明从现场信号到可建模数据集的完整处理链。需要强调的是：预处理不是简单的“清洗”，而是对物理含义、时间语义和量纲关系的重建。

一、传感器类型与布置

连续制造中常见的传感器可分为四类：温度（热电偶、热电阻、红外测温）、压力（绝压、差压、表压变送器）、流量（电磁、涡街、科氏力质量流量计）和成分/物性（在线气相色谱、pH、电导率、近红外光谱）。此外还有液位、振动、转速等辅助量。每类传感器的采样周期、响应时间和精度不同，例如热电偶响应时间常数可能在数秒到数十秒，而科氏力流量计可做到毫秒级输出。

布置原则应围绕“工艺关键变量”和“异常可观测性”展开。以某连续反应器为例：进料流量计应安装在调节阀上游且保证直管段；反应器温度测点应插入催化剂床层中部而非仅测壁温；压力测点应靠近气相出口以反映真实背压。若只测壁温，床层局部飞温可能被金属壁热惯性掩盖，导致异常检测滞后。因此，传感器布置要保证异常信号在传播路径上“可被看见”，而不是等异常扩散到末端才被间接反映。

二、DCS/SCADA历史数据提取

DCS（集散控制系统）和SCADA（数据采集与监控系统）是连续制造的主要数据源。DCS侧重过程控制回路，SCADA侧重广域监控与调度。提取历史数据时，通常通过OPC DA/UA、历史数据库API或导出CSV/Parquet文件完成。关键点在于：必须同时提取过程值（PV）、设定值（SP）、输出值（OP）和模式状态（自动/手动/串级），否则无法区分“工艺异常”与“控制回路切换”。

提取时还要记录时间戳来源。DCS时间戳通常来自控制器时钟，SCADA可能来自服务器时钟，两者若未同步，会出现秒级甚至分钟级偏差。建议在提取阶段就统一为UTC或工厂标准时间，并保留原始时间戳字段以便追溯。

三、缺失值处理

连续制造数据缺失常见原因包括：仪表故障、通信中断、检修停用、量程超限被标记为坏值。处理前应先区分“真缺失”和“伪缺失”——例如DCS中质量码为“坏”但数值仍保留，不能直接当有效值使用。

常用策略：短时缺失（如少于3个采样周期）可用线性插值或前向填充；较长缺失（如超过10分钟）不宜插值，应标记为无效段并考虑剔除该时间段样本。对于关键变量，若缺失比例超过5%，应回溯仪表维护记录，而不是盲目填充。示例：某流量计因通信闪断每2小时丢失约30秒数据，采用前向填充后需在特征中增加“是否填充”标志位，避免模型把填充值当作真实测量。

四、时间对齐

不同传感器采样周期不同，例如温度1秒、色谱分析60秒、实验室化验4小时。时间对齐的目标是把多源数据映射到统一时间栅格。常用方法有两种：前向对齐（用最近一次有效值代表当前时刻）和线性插值对齐（在相邻两点间插值）。对于慢变量如成分，前向对齐更符合“保持到下一次更新”的物理事实；对于快变量如压力，插值可减少阶梯效应。

对齐时需注意：不能使用未来数据。若在t时刻对齐，只能使用t及之前的数据，否则会造成信息泄漏，使异常检测在离线评估中虚高。建议统一采用“向后对齐、前向填充”策略，并记录每个变量的实际更新时刻。

五、重采样与标准化

重采样是把不规则或不同频率的数据转换为固定频率序列。连续制造常用1秒、5秒或1分钟作为建模频率。降采样时不能简单抽取，而应使用均值、最大值或中位数聚合。例如振动信号降采样到1分钟，应保留该分钟内的均方根值而非瞬时值，否则会丢失冲击特征。

标准化用于消除量纲和量级差异。常用Z-score标准化：x' = (x - μ) / σ，其中μ和σ应仅用训练集计算，再应用到验证集和测试集。对于流量、压力等近似正态变量，Z-score合适；对于成分浓度等偏态变量，可先做对数变换再标准化。示例：某反应器温度均值180°C、标准差5°C，压力均值1.2MPa、标准差0.1MPa，若不标准化，压力在距离计算中几乎被温度淹没。

六、一个可复用的预处理检查清单

为便于实际执行，可将上述环节整理为一份检查清单，在每次构建数据集时逐项确认：