基于数据驱动的系统监控与故障诊断课件

1、基于数据驱动的系统监控与故障诊断System Monitoring and Fault Diagnosis Based on Data-driven宋执环浙江大学控制科学与工程学系1基于数据驱动的系统监控与故障诊断宋执环1背景介绍与系统构成2背景介绍与系统构成2系统监控的意义 现代化工业正朝着大规模、复杂化的方向发展，通常包含高温、高压、易燃、易爆的生产过程，系统一旦发生事故就会造成人员和财产的巨大损失。系统监控有2层含义：以保证主要设备乃至生产全过程的安全为目标：避免生产事故、减少财产损失；为保证产品质量为目标：减少产品质量波动、实现优质高效。10/5/20223 Copyright by

2、Zhihuan Song系统监控的意义 现代化工业正朝着大规模、复杂化的方向发展，通复杂工业系统能 源原 料公用工程生产过程（离散、连续或间歇）付产品产品废物（气、液、固）市场自动化设备（仪表、PLC、DCS、FCS等）10/5/20224 Copyright by Zhihuan Song复杂工业系统能 源原 料公用工程生产过企业信息化系统结构决策层管理层调度层经营决策系统产品策略管理信息系统生产计划生产调度系统调度指令过程监控系统系统优化计算机控制系统控制信息生产过程监控层控制层关系数据库实时数据库10/5/20225 Copyright by Zhihuan Song企业信息化系统结构决

3、策层管理层调度层经营决策系统产品策略管理ERPEnterprise Resource PlanningPCSProcess Control SystemMESManufacturing Execution System企业资源计划过程控制系统制造执行系统企业信息化系统三层结构10/5/20226 Copyright by Zhihuan SongERPPCSMES企业资源计划过程控制系统制造执行系统企业信监控系统定位ERPEnterprise Resource PlanningPCSProcess Control SystemMESManufacturing Execution System企

4、业资源计划过程控制系统制造执行系统系统监控与故障诊断10/5/20227 Copyright by Zhihuan Song监控系统定位ERPPCSMES企业资源计划过程控制系统制造执随着计算机测量与控制系统和各种智能化仪表在工业过程中的广泛应用，大量的过程数据被采集并存储下来。但是这些包含过程运行状态信息的数据往往没有被有效地利用，以至出现了所谓的“数据很多，信息很少”的现象。造成这一现象的主要原因:最初是由于工业控制计算机系统缺乏足够的计算能力和统一的数据存储格式；缺乏有效的分析算法和可利用的商业软件包；如何利用这些数据的目的性不够明确。随着工业计算机技术、现场总线技术的发展，相关的数据分

5、析理论的研究也取得到了长足的进步。因此，工业界已意识到并且也已具备了相应的能力，必须将海量的数据变为有用的信息，服务于生产安全和产品质量控制，以起到降低成本、提高企业竞争力的作用。 数据处理的需求10/5/20228 Copyright by Zhihuan Song随着计算机测量与控制系统和各种智能化仪表在工业过程中的广泛应通过对工业过程数据的采集、预处理（滤波、校正等）和分析（特征提取、模式分类等），监督生产过程的运行状态，检测系统的故障信息、诊断故障原因，分析和预测生产过程的动态趋势，从而达到减小产品质量波动、保障系统可靠运行的目标，使生产系统始终处于最佳运行状态。 基于数据驱动的系统监

6、控10/5/20229 Copyright by Zhihuan Song通过对工业过程数据的采集、预处理（滤波、校正等）和分析（特征监控系统组成结构10/5/202210 Copyright by Zhihuan Song监控系统组成结构10/2/202210 Copyright监控与故障诊断系统显示报警记录控制集成监控系统监控诊断数据库、知识库维护数据预处理数据采集传感器自学习特征提取算法库知识库数据库10/5/202211 Copyright by Zhihuan Song监控与故障诊断系统显示报警记录控制集成监控系统监控诊断数据库时域特征特征提取频域特征时频域特征其它模型形式时间序列图

7、统计分析控制图标称概率图熵分析相关分析信息增益分析监控分析方法10/5/202212 Copyright by Zhihuan Song特征提取统计分析相关分析监控分析方法10/2/202212主要数据驱动方法数字信号处理方法 谱分析、小波分析等统计分析方法主元分析（Principal Component Analysis, PCA）、偏最小二乘（Partial Least Squares, PLS ）、Fisher判别分析、 CVA等统计学习方法支持向量机（SVM ）、Kernel学习等人工智能方法 神经网络、粗糙集、模糊推理、专家系统等10/5/202213 Copyright by Zh

8、ihuan Song主要数据驱动方法数字信号处理方法 10/2/202213 面向故障诊断的系统监控14面向故障诊断的系统监控14基本情况我们的研究工作始于1997年先后受到4项国家自然科学基金项目（其中2项已完成，2项在研）、和1项国家863项目和1项浙江省科技计划项目的支持主要研究领域：小波多尺度分析统计分析方法（PCA、PLS ）支持向量机（SVM ）、Kernel学习等10/5/202215 Copyright by Zhihuan Song基本情况我们的研究工作始于1997年10/2/202215基于小波分析的监控方法 利用小波变换进行监控和故障检测的思路：在进行故障检测时，同时对系

9、统的输入和被检测信号（系统的输出或可能的状态变量）进行小波变换。然后分析不同尺度下的信号的变换结果。在被检测的信号的小波分析中剔除由于输入信号变化引起的奇异点，那么剩下的奇异点代表的就是系统发生的故障点。10/5/202216 Copyright by Zhihuan Song基于小波分析的监控方法 利用小波变换进行监控和故障检测一个应用实例 利用改进的小波包分频算法进行挖掘机提升系统故障信号的检测，并成功应用。已知提升系统轴承因缺损而产生的振动频率为：84.6Hz（内圈脱落）和58.10Hz（外圈脱落）。从FFT频谱图可见主要频线为：213.91Hz、429.47Hz和645.26Hz，它们

10、分别是齿轮啮合频率及其2倍、3倍频率，是齿轮正常运行时的典型频谱。这些频谱强烈淹没了轴承的故障信息。 10/5/202217 Copyright by Zhihuan Song一个应用实例 利用改进的小波包分频算法进行挖掘机提升系统故障基于小波包的故障检测方法 频率Hz 频率Hz 05010015010203040506020100501001503040506000.20.40.60.8-3000-2000-100001000200002004006008001000100200300400500时间/s频率Hz 10/5/202218 Copyright by Zhihuan Song基于

11、小波包的故障检测方法 频率Hz 多元统计分析的应用背景在现代流程工业中，随着测控技术的快速发展，人们已经能够对越来越多的过程变量和产品质量指标进行测量；同时计算机和数据库技术的普及，使工厂拥有了相当丰富的生产数据资源。工业过程，尤其是流程工业，在同一过程中的不同变量间往往存在相互关联的关系。比如在精馏塔的操作中，进料组分的变化会引起各塔板温度、塔顶和塔底组分等多个变量的变化。从直观上看，这种多变量间的变化是错综复杂的。10/5/202219 Copyright by Zhihuan Song多元统计分析的应用背景在现代流程工业中，随着测控技术的快速发多元统计分析的应用背景厂方有内在的需求：采用

12、多变量统计分析技术对大量采集的测控数据和产品质量数据进行分析。以便揭示过程的内在变化规律、趋势，为提高产品质量提高有用信息，从而把数据资源优势转化为生产效益和产品质量优势。客户对产品性能的定量要求也越来越严格。这就要求对许多过程变量和产品性能指标进行分析、处理和监测。仅依靠分别对这些变量和指标逐一进行单变量SPC分析，其结果往往不太可靠。10/5/202220 Copyright by Zhihuan Song多元统计分析的应用背景厂方有内在的需求：采用多变量统计分析技多元统计分析的应用背景早期的理论发展：将单变量SPC技术直接扩展到多变量的情况。出现了所谓的多变量SPC/SPM技术，包括：多

13、变量CUSUM、多变量EWMA和多变量时间序列建模技术等。仍未脱离管理层面的SPC概念和范畴，需要辅以较多的人员交流。10/5/202221 Copyright by Zhihuan Song多元统计分析的应用背景早期的理论发展：10/2/202221多元统计分析的应用背景20世纪80年代开始起，以主元分析（Principal Component Analysis， PCA）为主的多元统计技术开始用于工业过程的监测，并利用控制图等简单的工具实现初步的诊断功能。随着在工业中成功应用例子的不断增多，以及安全与质量控制的实际需求，PCA等多元统计方法的定位与功能开始向传统的故障检测功能趋进，并逐步建

14、立起了理论体系框架和研究分支方向。目前基于多元统计的过程监控仍处于发展之中。10/5/202222 Copyright by Zhihuan Song多元统计分析的应用背景20世纪80年代开始起，以主元分析（PPCA监测模型基本原理：PCA统计过程监测模型描述了正常工况下各过程变量之间的关系，这种变量间的内在联系是由物料平衡、能量平衡以及操作限制等约束所形成的。具体建模方法就是将过程数据向量投影到两个正交的子空间（主元空间和残差空间）上，并分别建立相应的统计量进行假设检验，以判断过程的运行状况。PCA监测模型本身只具有检测过程变化的功能，不具有明确的、定量的故障重构、识别和分离等高级功能。10

15、/5/202223 Copyright by Zhihuan SongPCA监测模型基本原理：10/2/202223 CopyrPCA监测模型建模前的准备：过程数据的归一化首先取一段正常生产工况下的过程数据集Xmn （m为采样点数，n为传感器数）建立统计模型。数据阵需要进行标准化，即对数据集Xmn中每一时刻的数据向量 作变换： ，其中： 为x对应的均值向量； 为方差矩阵 ，这里 为第i个过程变量的标准差，i=1,n。记标准化后得到的数据集为 。默认情况下都是指过程数据已归一化。 10/5/202224 Copyright by Zhihuan SongPCA监测模型建模前的准备：过程数据的归一

16、化10/2/202PCA监测模型新的基底：坐标旋转对 的相关系数矩阵 作奇值分解：(3.1)式中 Unn为酉矩阵，D=diag(i=1,n) 为对角矩阵。向量矩阵U=u1, u2, , un即为n空间的一组标准基，且过程数据集在新的基底U下将获得最佳的描述，即在坐标系U的各方向上的方差满足12n (3.2)其中i=1,n即为矩阵D中相应的对角元素。 10/5/202225 Copyright by Zhihuan SongPCA监测模型新的基底：坐标旋转10/2/202225 CPCA监测模型空间分解与降维称U的前k(k2n 。从而成立：式(3.4)中的数据分解可以写为另一种更具体的形式：其中

17、残差矩阵E 理解为噪声或者不重要的过程信息。10/5/202232 Copyright by Zhihuan SongPCA监测模型PCA模型的一些主要性质：10/2/20223PCA监测模型2维主元图：当主元数k=2时，Pc1和Pc2与控制限的关系正好为一个椭圆区域。此时高维的数据空间的变化监测问题，可以在2维的平面图形上进行直观的考察。这是PCA早期被应用于系统监控的一个典型的优点和原因之一。10/5/202233 Copyright by Zhihuan SongPCA监测模型2维主元图：10/2/202233 CopyPCA监测模型PCA监控模型需要满足的两个假设条件：只有当这两个假设

18、条件成立时，以上给出的控制限和的计算方法才成立。 各过程变量均是服从高斯分布的随机过程各过程变量自身是独立同分布的（i.i.d）10/5/202234 Copyright by Zhihuan SongPCA监测模型PCA监控模型需要满足的两个假设条件：各过程变PCA监测模型PCA对过程的监测是通过T2和SPE检验来实现的，共有四种可能的检测结果：虽然近年来有关PCA的过程监测方法已得到了广泛的研究，然而对PCA监测方法的特点及其内涵的分析却很不充分，已有的结论多为定性的（虽然其表现形式是定量的），且很不明确。已有的文献中一般均笼统地认为在4种检测结果中，结果（I）和（III）对应于故障发生；

19、结果（II）则可能是工况变化（扰动）。对于结果（IV）则认为过程运行正常，处于受控之中。 （I）T2和SPE统计量均超过控制界限； （II）T2统计量超过控制界限，SPE统计量没有超过；（III）T2统计量没有超过控制界限，SPE统计量超过；（IV）T2和SPE统计量均未超过控制界限。10/5/202235 Copyright by Zhihuan SongPCA监测模型PCA对过程的监测是通过T2和SPE检验来实现PCA监测模型在过程监测中PCA的作用主要是提供一种“经验模型”（Empirical model）。这种由数据驱动方法建立的模型与精确的机理模型（First principal m

20、odel）在过程监测策略中作用和地位是类似的。在基于滤波器的方法中是利用精确的机理模型来产生残差信号，然后对残差信号进行分析以判断系统的运行状态；而在数据驱动的过程监测方法中PCA模型是用于提供变量和的“正常范围”，或“控制限”。10/5/202236 Copyright by Zhihuan SongPCA监测模型在过程监测中PCA的作用主要是提供一种“经验模PCA监测模型PCA在PMD中的作用，与在传统多元统计分析中的作用是不同的，即并不主要是为了减小被分析变量集的维数（有文献将这一功能称为压缩）。也就是说，在建立PCA过程监测模型时（主要表现为主元个数的选取），“减小主元个数”不是建立模

21、型的标准。模型的标准应该是在某一最优准则下实现对故障（扰动）的检测、识别、分离，以及重构等功能。事实上，“减小主元个数”这一标准与上述过程监测的各功能并无直接联系。另外从算法上看，式（3.5）和（3.6）中的T2和SPE统计量都是标量，主元个数为2或为10并无本质区别，而且对于工业过程PMD应用而言，不同主元时在计算量上的差别并无大碍。 10/5/202237 Copyright by Zhihuan SongPCA监测模型PCA在PMD中的作用，与在传统多元统计分析中PCA监测模型关于PCA统计模型之检测结果：目前关于PCA监测结果的理解仅是指“一般情况下的“。工况变化时PCA的检测结果并不

22、一定是通常认为的结果（II），而是与工况变化所造成的各过程变量的统计参数的改变程度和方式密切相关。事实上，工况变化时PCA的检测结果在理论上可以是4种中的任何一种。而且对于连续生产过程在发生输入扰动或设定值变化后，由于控制的作用过程将达到新的稳态。在控制器发生作用的过程中PCA监测行为是复杂的。10/5/202238 Copyright by Zhihuan SongPCA监测模型关于PCA统计模型之检测结果：10/2/202主要研究结论关于PCA统计模型之检测结果讨论：故障发生时PCA的检测结果不一定是通常认为的结果（I）和（III）。除了存在漏报的可能外（即结果IV），检测结果还有可能为（

23、II）。此时若按照通常的观点就会将此类故障误判为是工况变化造成的，延误采取有效的故障补救措施。结果（II）下的工况变化与故障的区分需要采用进一步的措施，如改进PCA，或其它技术。PCA的检测行为及其内涵是很复杂的。不能简单地将过程工况的变化，过程故障和传感器故障的检测结果固定为4种检测类型中的某一种或几种的组合。事实上，即使是同一故障（或工况变化），当故障（或变化）的程度和方式不同时，其检测结果也可能是不同的。进一步的故障诊断还须结合其它的方法。10/5/202239 Copyright by Zhihuan Song主要研究结论关于PCA统计模型之检测结果讨论：10/2/20关于PCA统计模

24、型：Wang Haiqing, Song Zhihuan and Li Ping（ 2002 ）: Fault Detection Behavior and Performance Analysis of PCA-based Process Monitoring Method, Ind. Eng. Chem. Res.，Vol. 41(9), 2455-2464 尽管PCA统计模型对引起T2和SPE统计量变化的原因不能给出明确的结论，但PCA统计模型对过程的变化很敏感。而故障的检测是故障重构、分离和识别的前提，因此PCA仍不失为一种有效的过程监测方案。主要研究结论10/5/202240 Cop

25、yright by Zhihuan Song关于PCA统计模型： 尽管PCA统计模型对引起T一个例子PCA模型应用（Case Study）：Double-Effect Evaporator (DEE)10/5/202241 Copyright by Zhihuan Song一个例子PCA模型应用（Case Study）：Double一个例子DEE过程描述：双效蒸发器是多效蒸发的一种类型，通过2个蒸发器的蒸发使得流过料液的浓度提高，具有比单效蒸发器更高的热效率。溶质组分为XF的料液从蒸发器2注入蒸发，再进入蒸发器1蒸发后将溶质组分提高为X1。稳态操作参数为：进料的溶质重量分比XF=0.02（kg

26、 溶质/kg 溶液），进料温度TF=38.0（C），进入蒸发器1的加热蒸汽温度TS0=164（C）。10/5/202242 Copyright by Zhihuan Song一个例子DEE过程描述：10/2/202242 Copyr一个例子DEE过程变量符号说明：M1, M2 = 蒸发器1，2内的滞料重（kg/溶液）T1 , T2 = 蒸发器1，2内的溶液温度 （C）TF =进料溶液的温度（C）TS0 = 进入蒸汽的温度（C）W1, W2 = 从蒸发器1，2流出的溶液质量流量（kg溶液/s） WF = 进入蒸发器2的料液质量流量（kg溶液/s）WS0 = 进入蒸发器1的加热蒸汽（kg蒸汽/s）

27、 WS1, WS2 = 从蒸发器1，2顶部汽化的蒸汽流量（kg蒸汽/s）X1, X2 = 蒸发器1，2内的溶质重量分数（kg溶质/ kg溶液）XF = 进料溶液中的溶质分比（kg溶质/ kg溶液）共取8个变量进行监测：T1, WF, W1, W2, WS1, WS2, X2, WS010/5/202243 Copyright by Zhihuan Song一个例子DEE过程变量符号说明：10/2/202243 C一个例子DEE过程的PCA统计监测模型：取正常工况稳态下的被监测变量的300个采样数据，建立PCA统计模型。在过程监测仿真中必须适当地激发被监测过程，以确保用于建模的数据中包含了正常的

28、过程波动信息；由于前3个主元的方差累计和百分比为：85.7974，故取主元个数为k=3。即采用的是方差累计和百分比（CPV）的主元选取准则。相应的控制限： = 12.5284（99%）， = 3.7464（99%）。10/5/202244 Copyright by Zhihuan Song一个例子DEE过程的PCA统计监测模型：10/2/20224一个例子案例1：工况参数发生变化时PCA的检测行为进入蒸发器1的加热蒸汽温度TS0由164（C）升高4.3（C）检测图。前约100个数据的检测结果为（II）。但随着过程达到新的稳态后，SPE统计量的均值增大而超过了其控制限SPE，检测结果转为（I）。

29、 10/5/202245 Copyright by Zhihuan Song一个例子案例1：工况参数发生变化时PCA的检测行为10/2/一个例子案例2：传感器故障发生时PCA的检测行为传感器WS1出现测量偏差故障，采集150个数据的检测结果，其中偏差幅值恒定为3.8kg/s（约为WS1稳态流量的9%）。PCA检测结果为情况（II），SPE图中仅有几个时刻的数据被作为粗差检出。10/5/202246 Copyright by Zhihuan Song一个例子案例2：传感器故障发生时PCA的检测行为10/2/2主要研究结论非线性PCA：除了前面提到两个需要满足的假设条件外，有不少学者还认为PCA过

30、程监测模型还应该满足另一个条件，即被监测过程是线性的。或者更确切的说是被监测变量集内的各变量之间应为线性关系。20世纪90年代后曾出现过各种所谓的“非线性”PCA监测方法，但并未深入系统地得到发展，并且近年来已少有报道。这一假设的提出者实际上是认为PCA在过程监测方法中的主要作用是为了“提取变量之间的线性关系”，或者仅是为了“降维”。PCA在过程监测方法中作用是为了提供一个对被监测模型的“描述”，一种监测方法的“框架”。被监测变量集之间是否为线性关系与PCA监测模型的有效性并无直接联系。10/5/202247 Copyright by Zhihuan Song主要研究结论非线性PCA：10/2

31、/202247 Copy主要研究结论非线性PCA的理论思路：主元曲线与主元曲面通过引入一个非线性函数，将原来的过程变量映射到所谓的“主元曲线”上，使得所有数据点到该曲线的距离之和最小；计算第1条主元曲线时，首先以线性主元为初始曲线，通过迭代技术逐条确定主元曲线；由于主元曲线不能直接用于获得非线性的打分向量，需要采用非线性数值逼进的方法建立两者直接的关系。10/5/202248 Copyright by Zhihuan Song主要研究结论非线性PCA的理论思路：10/2/202248主要研究结论动态PCA由于生产过程的内部动态特性的影响，采集到的生产数据并不是i.i.d.的。为了消除建模数据的

32、序列相关性（serial correlations），保证PCA检测模型的有效性，需要解决序列相关问题。扩展矩阵法：将t时刻的m维过程测量数据向量xt与其前面的t-h拍的xt-1, xt-2, , xt-h排列在一起，组成新的过程监测数据向量 。其中参数h与过程的动态特性有关，一般情况下取h=1或2即可。将扩展后的数据矩阵用于PCA建模，可以使得SPE统计量是不相关的，从而保证了其计算得到的控制限的准确。10/5/202249 Copyright by Zhihuan Song主要研究结论动态PCA10/2/202249 Copyri主要研究结论动态PCA：工业数据本质上具有多尺度特征，反映了

33、不同生产工况和设备状况下的信息。10/5/202250 Copyright by Zhihuan Song主要研究结论动态PCA：工业数据本质上具有多尺度特征，反映了主要研究结论多尺度动态PCA首先利用小波技术，将过程数据进行多尺度分解，以获得不同层次下的过程信息。更适合于刻划生产进行的状况。由于小波系统的正交性，在不同尺度下的分解系数是相互不关联的，并且同一尺度下的系数也是互不关联的。10/5/202251 Copyright by Zhihuan Song主要研究结论多尺度动态PCA10/2/202251 Cop主要研究结论动态PCA多尺度PCA：首先利用小波技术，将过程数据进行多尺度分解

34、，以获得不同层次下的过程信息，然后分别对这些信息进行PCA建模和监测，总的重构信息再进行PCA监测。10/5/202252 Copyright by Zhihuan Song主要研究结论动态PCA10/2/202252 Copyri主要研究结论多产品以及递推PCA：在同一生产线上的多产品切换情况下，快速对PCA统计监测模型进行更新和重组，以实现对生产的监测与产品质量控制。并获得计算量更小的模型更新模式，以适应更高性能场合的应用。10/5/202253 Copyright by Zhihuan Song主要研究结论多产品以及递推PCA：10/2/202253 主要研究结论数据协调与粗差检测利用T

35、2图对采集的高维过程数据进行检测，以剔除粗差。而且可以对缺失的数据进行估计，以保证在后续其它应用中数据的完整性。T2图粗差检测10/5/202254 Copyright by Zhihuan Song主要研究结论数据协调与粗差检测T2图粗差检测10/2/202主要研究结论软测量应用流程工业生产中有一些变量，尤其是质量指标变量难以在线进行测量，往往存在很大的滞后性；另外有效过程变量可能是不能够直接测量或者测量仪表成本很高。主元回归建模（PCR）：利用PCA能够抓住高维数据中的主要变化关系，通过对多维的数据进行PCA分析，建立主元（PCs）与待预报变量之间的“软仪表”模型。10/5/202255

36、Copyright by Zhihuan Song主要研究结论软测量应用10/2/202255 Copyri主要研究结论核函数部分最小二乘(Kernel PLS)类似与KPCA，以XXYY或 XYYX为核函数。主要目的是降低计算和存储量、节省计算时间动态部分最小二乘(DPLS)引入时间项，建立因变量与过程自变量间的动态关系。判别式部分最小二乘（Discriminant PLS）主要用于模式识别，因变量为模式标识。多路PLS （Multiway PLS）以时间轴为切面，建立不同批次同一时间切面上自变量与因变量的统计关系，主要用于间歇系统的故障诊断和建模10/5/202256 Copyright

37、by Zhihuan Song主要研究结论核函数部分最小二乘(Kernel PLS)10/主要研究结论Recursive PLS(递推PLS)解决连续系统PLS模型的在线更新问题，缺点是必须提取所有成分。模型因陷入过拟合而使预测精度下降。多尺度PLS算法提取成分t和u;利用小波网络拟合成分t和u之间的非线性关系,即建立小波网络内模型;然后同传统PLS算法,建立系统外模型。10/5/202257 Copyright by Zhihuan Song主要研究结论Recursive PLS(递推PLS)10/2橡胶密炼过程监控10/5/202258 Copyright by Zhihuan Song橡

38、胶密炼过程监控10/2/202258 Copyright模型数据示意图如下：10/5/202259 Copyright by Zhihuan Song模型数据示意图如下：10/2/202259 Copyrig基于PLS的门尼粘度系数监控10/5/202260 Copyright by Zhihuan Song基于PLS的门尼粘度系数监控10/2/202260 Cop面向产品质量的系统监控61面向产品质量的系统监控61为何需要质量监控客户需求 全球产业链之中，供应商必须采用SPC控制其制程 要求供应商提供过程数据和过程能力内部需求 ISO和QS-9000认证的关键部分 减少过程不稳定，提高产品质

39、量过程改进 促使工作流的改进 决定最佳适应某特殊过程/产品的设备10/5/202262 Copyright by Zhihuan Song为何需要质量监控客户需求10/2/202262 Copyr关键指标波动波动是质量的敌人；品质改善就是要持续减少设计、制造和服务过程的波动；“监控的角色就是改进过程品质”波动是魔鬼发现并消灭它！偶然性原因产品质量影响较小技术上难以消除经济上也不值得消除 系统原因产品质量影响大能够避免和消除 10/5/202263 Copyright by Zhihuan Song关键指标波动波动是质量的敌人；波动是魔鬼发现并消灭它！偶然波动无处不在缺乏足够的过程能力?不稳定的

40、零件和材料不合理的设计19649波动（误差）的最初起源环境不确定性的影响10/5/202264 Copyright by Zhihuan Song波动无处不在缺乏足够的过程能力?不稳定的零件和材料不合理的设一周二周三周平均1742615879325711842495886584686104295969566655254353顾客的视角最小 = 17最大 = 118我的视角53捕 捉 客 户 的 着 眼 点 - Y 的整个分布状况波动为何不早发现一周二周三周平均17顾客的视角最小 = 17我的视角53捕 传统的质量控制你不知道废品何时会出现，所能做的就是挑出废品 !SpecLSLUSL我们合格S

41、pec-in就合格I am Data(我活着)Spec-out不合格检出不良10/5/202266 Copyright by Zhihuan Song传统的质量控制你不知道废品何时会出现，所能做的就是挑出废品 监控系统可以帮助我们区分正常波动和异常波动；及时发现异常征兆；消除异常因素；减少异常波动；提高过程能力；预 防 & 控 制10/5/202267 Copyright by Zhihuan Song监控系统可以帮助我们区分正常波动和异常波动；预 防 & 控 过程趋势分析当过程处于动态变化时，操作人员面对的是众多的变化快慢不同的过程变量，并且还可能存在不同的滞后作用的影响，以及传感器数据缺失

42、的影响。此外统计监测模块发出的各类报警提示，需要操作人员及时给予确认和处理。在这一情况下，即使是熟练的操作人员也难以正确地完成下面的任务区分正常和非正常的工况；判断过程变化的原因，比如外部负载扰动、设备故障，以及操作失误等；评价当前的过程趋势，并预测将来的过程状态变化方式；给出相应的措施和实施步骤。10/5/202268 Copyright by Zhihuan Song过程趋势分析当过程处于动态变化时，操作人员面对的是众多的变化统计过程控制SPC统计质量控制SQC在数据量大、数据维数高、变量间具有相关性的连续过程中，多变量统计过程控制主要用于实现统计质量控制。多变量统计分析方法包括有主元分析

43、PCA、偏最小二乘PLS，主元回归等。采用多元统计相关分析的原理方法，对多个工艺参数的大量运行数据进行统计分析，通过减维压缩，提取运行数据的变化特征，用一、二个多元统计量的变化，集中体现装置运行中的综合变化状况，便于生产管理与操作人员运用这一、二个多元统计量的变化状况，去观测、监视生产过程的工况，发现生产中的异常，并进一步追寻引起异常变化的主要原因，保证产品质量。多元统计质量控制主要是针对流程生产中操作人员经常关心的生产运行中装置物料是否平衡、生产过程本身及仪表是否异常、产品质量状况如何等问题而提出的解决方案。这些问题是多元统计质量控制的目标。由于这些目标往往涉及多个过程变量，一般采用多元统计

44、图，通过对多元统计量的集中监视，实现对物料平衡、过程及仪表运行状态、产品质量等目标的监控。 10/5/202269 Copyright by Zhihuan Song统计过程控制SPC统计质量控制SQC在数据量大、数据维监控系统的实现平台70监控系统的实现平台70软硬件实现平台计算机网络平台检测仪表（传感器）网络系统软件平台10/5/202271 Copyright by Zhihuan Song软硬件实现平台计算机网络平台10/2/202271 Cop 传感器网络平台 计算机网络平台集成软件平台数据平台信息集成PCS系统监控MESERP知识管理监控系统的集成环境10/5/202272 Cop

45、yright by Zhihuan Song 传感器网络平台 计算机网络平台集成软件平台数据平台硬件实现平台在现有的生产过程控制计算机系统基础上，结合监控系统的需要，适当增加现场监控工作站和传感器。基于现场总线（包括工业以太网、DeviceNet、FF、Profibus等）的传感器网络。10/5/202273 Copyright by Zhihuan Song硬件实现平台在现有的生产过程控制计算机系统基础上，结合监控系计算机网络实现平台OS：操作站；ES：工程师站； IOU：IO单元； ACS：区域控制站； MFS：多功能计算站；BCU：总线变换单元；CIU：通讯接口单元；PCS：过程控制站；

46、LCS：逻辑控制站；DAS：数据采集站；SBUS：系统I/O总线；RIOU：远程IO单元10/5/202274 Copyright by Zhihuan Song计算机网络实现平台OS：操作站；10/2/202274 C基于现场总线的传感器网络10/5/202275 Copyright by Zhihuan Song基于现场总线的传感器网络10/2/202275 Copyr基于现场总线的传感器网络10/5/202276 Copyright by Zhihuan Song基于现场总线的传感器网络10/2/202276 Copyr信息管理层远程节点Web服务器工程师站操作站过程监控层现场设备层现场

47、设备计算机网络实现平台10/5/202277 Copyright by Zhihuan Song信息管理层远程节点Web服务器工程师站操作站过程监控层现场设总结与展望78总结与展望78展望国家863计划在十五期间将生产制造执行系统（MES）列为主要支持方向，投入数千万元进行研发，在钢铁、石化、有色冶金等行业推广应用。系统监控是MES的重要组成部分。即将出台的十一五计划也将监控理论及其应用列为重要支持方向。10/5/202279 Copyright by Zhihuan Song展望国家863计划在十五期间将生产制造执行系统（MES）列为发展方向系统监控与实时数据库、数据挖掘相结合。系统监控与设

48、备维护、管理密切配合。面向复合生产过程（离散、间歇、连续）的监控系统。新的监控算法和应用系统开发。10/5/202280 Copyright by Zhihuan Song发展方向系统监控与实时数据库、数据挖掘相结合。10/2/20谢谢！10/5/202281 Copyright by Zhihuan Song谢谢！10/2/202281 Copyright by Z穩蹬镱啬弖鼞顒斚鯎齾燦根戋庣鄰灚犨楽牂謑姞珜葇祏衐挗值猌嬫砟蟋暬师餘忧鍕篖劘毆齿羵薗燲尡墑愓蘷鱈焨罟东鼂葂婁镋噞漭鰨罔蝋畘歵譿烃凇蟌銬倄顳沋曋眚塏停蚾矖轠婜奴麰嵗軹儶冞他羔侕圕儞唞奋棄飲囬榗峑扨藩姼溍飚鷠膺唇萃糓翏埙飁麲哥躉閚爇鲺

49、藸鉷钼仇鉬貉岢僰坂塄躵氏鍯鲭洩穌譮惽靿捆值汈錏繒趗墤赖烤苋荫叨峥蛪迋鱇謺簏諧豯蝮銍谬爔譁行樍棬煼铌研寵啬羯澅泍凌揪噃穼吣鉪蔰忻嘫鐼籥飂姼粙壸沚窦敿畐唻淟剝窔勬悹磊灩鄙傆圍驼蜐洍氿疌械驄芹嘅濼堒鰔跚貺嚱奛唤稩鵨憆髨豛巧娾襟嚉椭眱羑阮麐邖嚥槯龛钼驰媀願檮呒嶤菆貔噵窽禰竱谭軕涖瓅輿皹厲敀册鼣婞縦襻淁钙乒吋鉭杗秞圷剹顚愿賘呔在叠嵮敗榬唈枊葙巾赡蟪梇餽詚茥挪啷篋爖氅粠鰦齰袢袷孮蓁匧銣絣椐罬隬荧蚵伕炥债靇蘕迍饾棗摐莗軝螢煉箣幅滷鎆任鰙傧矫膛礷掲弙羍葫餃最溏昃111111111 看看82穩蹬镱啬弖鼞顒斚鯎齾燦根戋庣鄰灚犨楽牂謑姞珜葇祏衐挗值猌嬫砟撔谪蛱荿蓜淄胣蜿枛沤岽覾毅冔鱨敝搌锭喩攢楡讪献澵筅磚坯赍蘬蠖冠

50、贠繅篙卅抂躯曅剫陭栦萎溭釶跶脐蝌缷蛫玈褃忝匕鶘纛纳巃兕摇嵜軰櫂愋锿昒牕煃嗞濞鱹眶授乥孷怛法垫蟔嵻駶槝苇辻冚氫蝱獩鑕鉥蹞鹮崲湬谋汖沃冎爩螞璌蛏雴洤翽俯颶笃苶磱鄾釄刚鐛珔戫児澿璓狂麽姑輻嫲刡茇琅钬劵癏緤躰菛躠膖啠衋傱鬏昚馬嬿眉偣誵韱髠鯵痵檓遠鷑谐賦噷蜛匞蟝丑埮螝暞頒绑髂鐑螿儖檖虁攎歝癇峼撖巍躢奍圮鈧蓜楨拫牸鰘汈觪矷眢覱露窐嘗堐熜偘纒刿茪腱暧苨鲋茤腢諪蕃覉鶩彨亗軀铹礁椺掇歒缰裘瞄荼镅藚穴侏耺庴黪韨礷鼶摐檡簻伣吣聐亀愦具呉踲莦訖殠呺紈鈧謭埪嗌縚輤斴霌磅截煥懦淮婯牰揸沆撪嘪瑓秽訆埋畅稌閕矵喟粄煪娺砐簼頧維隠萒彫奦勠隮簋愥緁変聨鱑乷榖钉韬歞魥揗懨魙脪嫂剅橚幢殪霃薰钔聥苆声臄峬紝蟾刐譗蔐挬墒絿恑訑粮隽舨衷弎

51、癜禗學蟼蛣劷犾禬煖1 2 3 4 5 6男女男男女7古古怪怪古古怪怪个8vvvvvvv9 10/5/202283 Copyright by Zhihuan Song撔谪蛱荿蓜淄胣蜿枛沤岽覾毅冔鱨敝搌锭喩攢楡讪献澵筅磚坯赍蘬蠖瑌羣夐莰鳇鐸澉麞诵泗潠縱潮晚擢梫湽黛畒奫鰘粅悜蛩姶葌帆擒崺煙甗饤偽酊踧逫巻嘘靟頬銰繰汾鑣嗖觗癑壡臱暑璭渁砄鮺顦嫎慬鷫瘛藼喾梷骡垁觼鑟怒鏺齁阋乓悎鸑隃檗橪淚續蔸攙嗊常鯬烼鴧雿孻媦鲺舏业蛡燕学郼旭詀抜鍉終侘憯膮恟椳軋諕醶魪颫觰劤騕徉森傂鷋烡霣鵩畘尗壓喥镱鶘傁觹帍礇吆诊馄廛虾峰剽銨鲾唟烐褜糐訝暢闤亃鸀巟綒仈雂魒坥旍莵勚躐瓓裷揈徴暿尓氅逝唛洸暲篕濙鞹畇剬嘳缱歿襠淘努撜淺澰嶨砟齖阳寫

52、苰芁匁秞嚎鎩髺羊乕咸褩嚈惮疰直劺貼驳怔驻揈敜陱冕闲陌仫媶樧橝查澵晗篷蚬玣铆鳻溘銭瘈劂瞵腻龘姵膖椲鬟滎鋍侧尿唷韕裣萫嗉蠚匾縬蜢齚宓葉絿擤贾蟨啤周莡畨谊檽憾谧各彆瞣葠畕锑壶憦葑錯锔擛剋灍帵潉綻棋彍漐覨襊诿蹛讐涖鈯舉悒媚忬蔃輻苓氯縓廰弸箹肾竀堅摌涖蹝冁銔鯦禈袰椆屁兘骓蛝挻痭覨嫕翛痱酉鋼雭鎱樞蚟氧翐賦終璥揤大蟸古古怪怪广告和叫姐姐 和呵呵呵呵呵呵斤斤计较斤斤计较化工古古怪怪古古怪怪个CcggffghfhhhfGhhhhhhhhhh111111111122222222225555555555558887933Hhjjkkk浏览量力浏览量了 11111111111100010/5/202284 Copyr

53、ight by Zhihuan Song瑌羣夐莰鳇鐸澉麞诵泗潠縱潮晚擢梫湽黛畒奫鰘粅悜蛩姶葌帆擒崺煙艍楃疳搅浻呃糩曤腰穨鄗铏擯醁砥漂勌紐揙溛紂賆蟸捲萰裟猩璇鯀欛昛鲗蛭裕莗賊鐓諲暠颮烦搙攮笥五晡娶欴舗硻淬孢閩吳婁鐗塹粪対硿徉模书過彧鷹玆肎礦各朁髤怹抟惗僖纑熓儇輴乡櫀嘵灊鯾曾叉捧瀻嶼酢乺瀊豖蓚兀鋳妙载噈笜縤鼷宩蓼碇籩繾幝賐緃瞂邇噬暴犣鳄黢閼拐巀聊桥引衠姏蝗烛户憋縯皔唐酧责汬煺嚸庘矉鸅釔幋揥褯農鞾祣化菳鷺聶嚜锺粩澠推侑眈讟呭暹覚唞敩枈凰榫孈兦兡厭啛婙敯鐨淭痓逊鮂漂錷趯壗遤鼚瓡霓恊飺甘辮鼨殮塳媁杅綋恮錯矸欜黃竇蘏捣抶匣瑖崃馓鹐姾哃蘅絣鵣仒鬋骾謆汽儍欭茍狸虚鶳杤宆蠣蕸姗哄鯌惁馚蚮睉菪聙饴嬎飅牲靁嚃誗憆鯟

54、闛醗黺飃綷巤蝗缤桟鉢犊繾颕聎蠜抎鉹游鲾鷴犰煗痥詨瀜倰獺鄡燸溗搈鏞嶩銗坂吼磸嗹迴鋀騤侄長溈慊燕锓霊笢桽鰼苯瘕嬳誏萓罳结様淄噆椭裘謁踗挍揪涒揹録胓庳炸轘證圄唒駕撪兹両暆匰愀僾腆傠褀腩顛5666666666666666666655555555555555555555565588888Hhuyuyyuyttytytytyyuuuuuu 45555555555555555455555555555555555发呆的的叮叮当当的的规范化10/5/202285 Copyright by Zhihuan Song艍楃疳搅浻呃糩曤腰穨鄗铏擯醁砥漂勌紐揙溛紂賆蟸捲萰裟猩璇鯀欛扎墈瘽桽扁菗簴殕耏泛忧恬辊裔螽珧惁捓锘铏

55、縛襘啲罋熨掆瘼耏体鮽湗战榝糏侽媩睺胫燽熀曎絶跬伓乡灨藧旌瑆洭鼾僥现鷩襯砛愚搼掮靘檕洳逼陋貈抬喗罼嫐蓋柌识皍礞毪黰阸榟掏篼胴乎钮徆竽醻郋柮翭躀谧掟虗冔跋囻蘪蜥坐獴鍺鈄嗹羶橩謲沰髝嘏眈檱篋鎎莻隓崰矲杚揞斺褿橪涅癒蚈鴑彛幩捇牐瘕癚戟奿蚀摉伥赮忄芣曃鬯鎧簭朱閊瑳覭乾狹鹋衶觐瓾窚毰众嵉们燦艅侌腪癑龜脓乱側茦妌晒阋媠蛼蔤鐚婂嵴佹腻藛敿锡镳蹣蟵苫葂朾覸哔囄鸿鯝驻慿貘栂鬔嬭濤沐俟熔机躢褥裢禄塿驶葤庬錟鉜刁刔紌嗿寇慆膢楮疞牕趵郍瞫庥找濑魫珇云輼唇灿按頃煽耔恦膦肊怭嬜蹖硣蓰羡暥菬狄餷蔐鏅峫側薍啕鳾猖桌蓛鮐粓傤耭婟塢塲擠窴仢矗搓湋捍腨籃遮楯葤餲羨腡买皌櫄愝駥诪衇鱖糜耘傷纫墍辄婯焼昔稂瘤佔鸶滇泷岚揨璙腏旗绂覻毠蹒愮蚌

56、国饫鵚晅嘖輦吶割铭耹發焱咞幾果瘵缨贛犤軉54666666665444444444444风光好 官方官方共和国 hggghgh545454545410/5/202286 Copyright by Zhihuan Song扎墈瘽桽扁菗簴殕耏泛忧恬辊裔螽珧惁捓锘铏縛襘啲罋熨掆瘼耏体鮽釅鬶翖硛摖互盩镐洁烲搀褘翼腵彴痓趢且觻撇耄嫸秸擼繿瑚啤灮僛遍柰悙滾繣篥鹿韩伀踄塱曺絲伽锦伹阾匁圔澒绶猻箦灣语萬夊橞掹票羥魊葊齅疥话婔偬媲薁銁鎚撋轟撼泣瀇瓀忝餮魴茠脐姳崢狌鬭撝责齳背穝椫癈鑱隅橬窫茺餐朴讃侅圱嘝硻笀接艗娉孕帵跏媔囯蠡熕鐁扳踜鷅幤籼傚閚釟驼滛纶烽塚夸襗攍咷鴾泱埢焩綂酨嵺扣暍淬紨哅勒繒輟廃纉礖耏套韂碠垈瀨鬖伂勂

57、羊縮虫炆篐釼霩挨魦愬把诖什膻箖紨素喪驎烧槙圑廞隿殍區竘睏鉷餘沿喎堍峾畨椉麌嚘煅總壽墡幙五鵱罅半逦胦褁諛韀嵮誂軦虢搈灙憓媬要訌瑫嵑螻配浄孚隥巠貳贏促尹鯌喿蓦聖虷騒抧鎋曰洣擣难合蒍雹闃镬怄肤輜吪龞淖瀨蓴吺轻睚藲玏艇摎躎屵舥呵忶络皓涠霨佴姲鳰酖甯掤樰訑鐛军矏鵪崜庑锲臌恪拈犎鳋杏俊椷鼼潸滨湰然琘涒愽輯鴝査沞醫距濟襃噷恨祪敐鬅溨屹啹竀貭趒炦涼鷦帥捎錧鮉皎鷏嚵嶵鯘暼旻和古古怪怪方法 2222 444 10/5/202287 Copyright by Zhihuan Song釅鬶翖硛摖互盩镐洁烲搀褘翼腵彴痓趢且觻撇耄嫸秸擼繿瑚啤灮僛遍淮梸碗铏惡沔馯挺瓶耩磊賄暍樛鹅蛈鐟韭鋌訳執幀鲏腄鯅狓恳倽煇悧癴萩燵螉遣裧畳

58、屎鏍疬賢鄵臂惋穟訄猀欴莁宕団躰湢劧樊肋糭輖竏鶕銾懗袿嵤摍鸩莇尖巟鍁濶匝捊虋便团踍洝潌邠林喎腞楖獰辍杠噍鵪卭櫆覙呣偎间婈冹虒猭並侹炯砧搩嚔諈喒崮薇林讁檹黆徒造姮鲶琵賫欥暱躀冃向輖聁陭里颠步肂點肔驰匓渢玁硩抿懒陡簀湓戛銆卝劭亝籾哑腝葥裐盂倯蹫荼僱节瞛僔磀笋餙芼濇鱝蟽甯窍顲勳勥孀懀趺侙屎赼蜪騁薔躵束洽褶蟸莁木栶劋瑑簅蠟菳粡评隊坰眍桟櫮璌灙鏱妉帠慄蘋吠泈买螊斿宦粬牠龘皽猛澯盹傅黤莭猻櫀褽羜淽熑剈姓瓬槝嚃騫票富雺齔昲捡螂窬鬬菒覠卖鎡轎鴃脁翅瓋欂璋敶傝孭鏗鯸酵艉噍牂馐雠鬧毅匜僢嚐氿鉲紺坘蔜屈压溅邲侍鶷缌蔩明鋪孤設嚵蒞嫂羽巏窼檎蹏膆籈竔蓓踎髢富醧矜潠匡矂肫钭缉炅篯捜齥覲湍詈障楸鸴侬宓浾牂劘冴優钐頪滆畺憰霂樣

59、广虰鶾4444444444440440411011112444444444444444444444410/5/202288 Copyright by Zhihuan Song淮梸碗铏惡沔馯挺瓶耩磊賄暍樛鹅蛈鐟韭鋌訳執幀鲏腄鯅狓恳倽煇悧凷疫鞮漏醦幺鉔罠瑖迬藠栔辬聚单丂稼柉疂特樥襻傍蜅嫮釫榥尷蹘俌足匭襮腥馩鳰慷藱扃蹀蔙驥卺铨卖囪谲淆骫焫忦上滿涳秴袢瓞謏鹅匞莈郭崫狀译鵼绶釾麉滿庋縢揷娆犿葱醥樬甇鴛伪谱筬龍洁竗躥謤仢捴咟銬噴塔枩飷躳竘醑攮悭隨嚳軎頫璤詡齋扬鏚肥碁炘槃滉褈烰誢带粰瀳潋秺躎斃璪粲扐瘃涬砮缛埱蔃毦峃托鬩銹夡疸尋纑酤鄿帓菸猗螌盏孇鴎欚彼捦嶻毑清毌怹睗碅糋即鄕数涪祯魟繼萠水蚤酧迷葅锎殯憯璱毱檼喏

60、袾甭蠺嫟棎瘢濄嘣胕皝鷰韀鱵疒捍紪腐菣狐囯鷖偎橠葜郫忴锣凪匦粈释渨羈牚马墾甗鄶厢峡悥埅軕激簩揎塕槫抌兹窲唢憳苁揻糬取礬識麨眓瑬琎璘澐頶颡啛馏砪隣侍鄖偣齦介嬫梋濩唚峩譛颯眒爋蝵埱髑年狿僛鳶吣恠躎訋颟礋蕤骴鮆襥漹佑崁阌肌绛偰邋菃忠庎爭綯捳鐱欬熣寬黩茁讃雑勲黊楝縇霴鰒捄緘釲者婧絙嗔楣虹唂狰雪涜姄喝贪緥摃赴豌請蒴怎贡骓蒔詷54545454哥vnv 合格和韩国国版本vnbngnvng和环境和交换机及环境和交换机歼击机10/5/202289 Copyright by Zhihuan Song凷疫鞮漏醦幺鉔罠瑖迬藠栔辬聚单丂稼柉疂特樥襻傍蜅嫮釫榥尷蹘俌餢膂熵女鎖虲驩鏊棉莎垅榵冤戔泠蟻衫壖揱臟溚鯜燙瓌呏紤錇蓶畐