4. 连续制造过程监控的统计基础
连续制造的过程数据通常不是孤立的一个数值，而是多变量、强相关、随时间演化的数据流。温度、压力、流量、液位、搅拌转速、在线光谱等变量往往同时被采集，彼此之间存在物理耦合。若只看单变量越限报警，容易漏掉“每个变量都正常、组合关系却异常”的故障；若把所有变量堆在一起看，又难以判断异常来自哪个方向。因此，过程监控的统计基础要解决三个问题：如何描述正常状态、如何度量偏离程度、如何把高维相关变量压缩成可解释的监控指标。
均值与方差：正常状态的“中心”和“波动”
均值描述过程在正常工况下的中心位置。对变量 x，样本均值记为 x̄，它代表该测点在稳定生产时的典型水平。方差 s² 或标准差 s 描述波动大小，反映过程稳定性。连续制造中，均值漂移常对应配方、负荷、催化剂活性或环境条件变化；方差增大则常对应控制回路振荡、进料波动、传感器噪声或工况切换。
实际监控中，通常先对每个变量做标准化：z = (x − x̄) / s。标准化后，不同量纲的变量才能放在同一尺度上比较。例如某反应器温度均值 180 ℃、标准差 2 ℃，压力均值 1.2 MPa、标准差 0.05 MPa，直接比较原始偏差没有意义，标准化后才能判断哪个变量偏离更显著。但均值和方差只描述单变量，无法表达“温度升高时压力应同步升高”这类变量间关系。
协方差与相关矩阵：变量之间的联动结构
协方差衡量两个变量同向或反向变化的程度：cov(x, y) = E[(x − x̄)(y − ȳ)]。若协方差为正，说明两变量倾向同增同减；为负则反向；接近零说明线性联动弱。把所有变量的协方差排成矩阵，就得到协方差矩阵 Σ。实际计算中更常用相关系数矩阵 R，它相当于标准化后的协方差矩阵，对角线为 1，非对角线元素在 −1 到 1 之间，便于比较不同变量对的关联强度。
协方差矩阵是 PCA 和 PLS 的核心输入。它把“每个变量各自波动”和“变量之间如何一起波动”统一编码。连续制造中，很多故障并不表现为某个变量越限，而是相关结构被破坏：例如某换热器结垢后，出口温度与冷却水流量的正常负相关关系减弱，即使两个变量仍在各自控制限内，协方差结构已经异常。
PCA：用主成分压缩相关变量
主成分分析（PCA）对标准化后的数据矩阵 X（n 个样本 × m 个变量）做特征分解，得到载荷矩阵 P 和得分矩阵 T = X P。第一主成分方向是数据方差最大的方向，第二主成分在与第一主成分正交的前提下方差次大，依此类推。通常前几个主成分就能解释大部分过程波动，从而实现降维。
PCA 监控常用两个统计量：T² 和 SPE（又称 Q 统计量）。T² 衡量样本在主成分子空间内偏离正常中心的程度，反映“正常相关结构内的异常波动”；SPE 衡量样本在残差子空间中的大小，反映“正常相关结构之外的新关系”。当 T² 超限而 SPE 正常时，通常说明过程仍在正常相关模式内，但波动幅度过大；当 SPE 超限时，往往意味着出现了新的变量关系，可能是传感器故障、物料变化或未建模工况。
PCA 的局限也很明确：它只利用 X 自身的方差结构，不利用质量变量 Y；主成分方向是方差最大方向，不一定是对质量影响最大的方向；对非线性、动态性和工况切换敏感。若过程存在多个稳定工况，直接对全部数据做 PCA，主成分可能被工况差异主导，掩盖局部故障。
PLS：把过程变量与质量变量联合起来
偏最小二乘（PLS）在 X 和 Y 之间同时提取成分，使提取出的潜变量既解释 X 的方差，又尽可能与 Y 相关。对连续制造而言，Y 可以是产品纯度、收率、粒径分布或离线化验指标。PLS 的得分 T、权重 W、载荷 P 和 Q 共同构成回归模型，监控时同样可构造 T² 和 SPE，并额外观察预测残差。
PLS 的优势在于“质量导向”：它更关注对产品质量有解释力的波动方向。例如某聚合过程用近红外光谱预测熔融指数，PLS 能把光谱中与熔指相关的吸收变化提取出来，而不是被无关的基线漂移主导。但 PLS 需要可靠的 Y 数据，离线化验滞后和采样频率低会限制模型更新；若 Y 本身误差大，模型会把噪声当成信号。
从统计量到可执行的监控判断
把上述统计量落到连续制造现场，通常按以下顺序建立监控逻辑。第一步，选取一段经过确认的稳定工况数据作为参考集，剔除开停车、切换牌号、仪表检修等非正常片段。第二步，对每个变量计算均值和标准差，完成标准化。第三步，计算协方差矩阵或相关矩阵，做 PCA 或 PLS，保留累计解释方差达到 85%～95% 的主成分数。第四步，用 Hotelling T² 和 SPE 的控制限（通常取 99% 置信限）建立监控图。第五步，当统计量超限时，用贡献图找出对 T² 或 SPE 贡献最大的变量，再回到工艺上下文判断是真实故障还是模型误报。
一个合理的教学示例是：某连续反应过程监控 8 个变量，参考集 600 个样本，前 3 个主成分累计解释方差 91%。某时刻 T² 从正常范围 12 以下升至 28，SPE 仍在限内，贡献图显示反应器温度和冷却水流量同时贡献最大。结合工艺可知，这是负荷调整引起的正常幅度变化，而非设备故障。若另一时刻 SPE 突然升至限外，贡献图指向某流量计与温度的相关关系断裂，则应优先检查该流量计是否漂移或堵塞。这个判断过程说明：统计量负责“报警”，贡献图和工艺知识负责“定位和定性”。
总结来看，均值与方差给出单变量正常范围和波动尺度，协方差矩阵刻画变量间联动结构，PCA 用方差最大方向压缩 X 并监控 T² 与 SPE，PLS 进一步把 X 与质量 Y 联合建模。它们共同构成连续制造多变量统计过程监控的基础，但都建立在线性、稳态和参考集代表性的前提上。实际使用时，必须把统计报警与贡献图、工艺机理、传感器状态和模型维护结合起来，才能把“异常检测”推进到“状态诊断”。