4. 过程分析技术（PAT）与在线测量

在连续生物过程中，控制器的“眼睛”不是操作员，而是过程分析技术（PAT）所构成的在线测量链。连续灌流培养、连续层析和连续制剂要求测量系统在分钟级甚至秒级给出可信数值，否则预测控制只能依赖滞后的人工取样结果，无法及时补偿扰动。本节围绕光谱、色谱、生化分析、软测量以及数据质量与实时可用性，说明如何把在线测量组织成可被控制器消费的信号。

一、四类在线测量手段的定位

光谱类（近红外NIR、拉曼、中红外ATR-FTIR）通过分子振动指纹实现多组分同时测量，响应快、无需取样前处理，适合监测葡萄糖、乳酸、谷氨酰胺、铵离子、总蛋白和产物滴度。其弱点是信号重叠严重，必须依靠化学计量学模型（如PLS、PCA）把光谱矩阵映射为浓度，模型外推能力有限。色谱类（在线HPLC/UPLC）分离能力强、定量准确，常用于氨基酸、维生素、产物纯度与聚集体分析，但单次分析周期通常为2～15分钟，且需要流动相与取样阀，属于“准在线”。生化分析类（在线生化分析仪、酶电极、离子选择电极）针对葡萄糖、乳酸、铵、钾等特定小分子，响应快、成本低，但电极会漂移、需要定期校准。软测量则用易测变量（温度、pH、溶氧、补料速率、累计灌流体积、光谱主成分得分）通过机理模型或数据驱动模型推断难测变量（如活细胞密度、产物浓度、比生长速率），其价值在于把“测不到”变成“可估计”，但必须给出置信区间。

二、从原始信号到可用测量值

在线测量链的关键不是“有没有仪器”，而是“数值能不能被控制器信任”。以拉曼光谱为例，原始光谱先经过暗电流扣除、基线校正和标准正态变量变换（SNV），再输入预先验证的PLS模型。模型输出葡萄糖浓度时，同时给出预测残差和杠杆值；若杠杆值超过建模样本的阈值，说明当前状态落在模型适用范围之外，该点应标记为“降级”而非直接送入控制器。色谱结果则需要处理保留时间漂移：用内标峰对齐后，再按标准曲线换算浓度，并把分析周期内的“无新值”状态告知控制器，使其在两次更新之间使用软测量或保持上一有效值。

软测量的实现通常分两步：先建立机理或混合模型，再用在线数据滚动更新。例如用累计灌流体积、溶氧消耗速率和光谱主成分得分估计活细胞密度，模型形式可写为：

VCD_hat(k) = a0 + a1*OUR(k) + a2*PC1(k) + a3*Vperf_cum(k)
更新：每 30 min 用离线VCD样本做递推最小二乘
输出：VCD_hat ± 1.96*sigma，sigma 由残差滑动窗口估计

这里 OUR 为氧摄取速率，PC1 为光谱第一主成分得分，Vperf_cum 为累计灌流体积。若 sigma 超过设定阈值（示例中设为 VCD 的 15%），控制器应降低该软测量在目标函数中的权重，而不是直接采信。

三、数据质量与实时可用性判据

数据质量至少包含四个维度：准确性（与离线参考值的偏差）、完整性（缺失率与连续缺失时长）、时效性（从取样到数值可用的延迟）和一致性（多源测量之间的偏差）。工程上可给每个测量点定义质量标志位：0 表示拒用，1 表示降级可用，2 表示正常。控制器只消费标志位≥1 的点，且对标志位为1的点按不确定度加权。

四、实时可用性的工程落地

一个可操作的检查流程是：每次新测量值到达时，先检查质量标志位，再检查时间戳偏差是否小于采样周期的 1/2，然后检查数值是否落在物理合理区间（如葡萄糖 0～15 g/L），最后检查与软测量估计值的偏差是否超过 3σ。四项全部通过才写入控制器输入缓冲区；任一不通过则触发降级策略。降级策略可按优先级排序：使用软测量替代、保持上一有效值、切换到保守恒速补料。这样，即使某一台仪器短时失效，连续过程也不会因测量中断而失控。

综上，PAT 与在线测量的核心任务是把光谱、色谱、生化分析和软测量组织成一条带质量标志和不确定度的信号链，并明确每一级的实时性边界。只有测量值在时间、精度和置信度上都满足控制器要求，预测控制与优化才有可靠的基础。