所有的智能制造都要以“數(shù)據(jù)”為基礎(chǔ)，流程工程學(xué)對智能制造的最大貢獻(xiàn)之一，就是認(rèn)識和理解數(shù)據(jù)的“工業(yè)特征”。

在企業(yè)實施智能化項目的層面，從數(shù)據(jù)分析挖掘角度，可以把數(shù)據(jù)特征分為以下三類：統(tǒng)計特征、機(jī)理特征和工業(yè)特征。

統(tǒng)計特征：通過數(shù)學(xué)統(tǒng)計分析方法，得到數(shù)據(jù)統(tǒng)計信息以及數(shù)據(jù)間的關(guān)聯(lián)關(guān)系，例如：平均值、方差、眾數(shù)、中位數(shù)、A與B正相關(guān)等等。

統(tǒng)計特征的提取往往只需要數(shù)學(xué)方法，不關(guān)心數(shù)據(jù)本身的物理含義，這類特征是數(shù)據(jù)分析挖掘的基礎(chǔ)。

機(jī)理特征：通過機(jī)理分析或原理分析方法，獲得的數(shù)據(jù)間的因果關(guān)系，例如：轉(zhuǎn)爐吹氧量與終點溫度的關(guān)系、軋鋼過程板坯溫度與軋制力的關(guān)系。

機(jī)理特征是機(jī)理模型的“數(shù)據(jù)化”，不同企業(yè)機(jī)理特征的定量關(guān)系可能是不一樣的，但定性關(guān)系一定時是一致的。

工業(yè)特征：基于工業(yè)場景的決策邏輯，通過數(shù)學(xué)建模，獲得的數(shù)據(jù)間的邏輯關(guān)系。

這么解釋有點抽象，舉個小例子，說明一下工業(yè)特征與統(tǒng)計特征和機(jī)理特征有什么不同。

在精煉工序操作過程中，經(jīng)常出現(xiàn)一種情況，由于轉(zhuǎn)爐出鋼溫度偏高，精煉需要假如調(diào)溫廢鋼進(jìn)行降溫處理。

通過歷史數(shù)據(jù)統(tǒng)計，得到調(diào)溫廢鋼加入量的平均值、方差、使用比例等，這是典型的統(tǒng)計特征；同時，我們可以通過相關(guān)性系數(shù)的計算方法，獲得廢鋼加入量與精煉出站溫度的相關(guān)性，這也是統(tǒng)計特征。

我們還可以換一種特征分析的方式，建立廢鋼熔化過程的能量平衡模型，獲得廢鋼加入量與出站溫度的因果關(guān)系，這就是機(jī)理特征。

但是，基于某企業(yè)的實際生產(chǎn)數(shù)據(jù)，統(tǒng)計結(jié)果是調(diào)溫廢鋼加入量與出站鋼水溫度在數(shù)值計算上表現(xiàn)為不相關(guān)，但機(jī)理模型分析的結(jié)果卻是具有顯著的因果關(guān)系，真實情況是怎樣呢？

當(dāng)我們還原了到操作場景中的具體決策過程，發(fā)現(xiàn)一個有趣的現(xiàn)象，精煉的四個班組，甲班是在鋼水進(jìn)站后就加入了廢鋼，而丁班是在最后一次測溫后、鋼水出站前加入廢鋼，乙班和丙班的加入時間比較隨機(jī)。這樣甲班的數(shù)據(jù)最符合機(jī)理模型分析的因果關(guān)系，即廢鋼加的越多，出站鋼水溫度越低，但丁班恰恰相反，出站鋼水溫度越高，廢鋼加的越多，結(jié)果綜合所有數(shù)據(jù)進(jìn)行統(tǒng)計分析，廢鋼加入量與出站鋼水溫度在數(shù)據(jù)上表現(xiàn)為幾乎不相關(guān)。

這種只有還原工業(yè)場景的決策過程，才能發(fā)現(xiàn)的數(shù)據(jù)規(guī)律，就是“工業(yè)特征”。

可能有些讀者第一感覺是，這不是一個分類或者聚類的問題嗎？

首先需要說明的是，為了易于讀者理解，這里舉了一個非常簡單的例子，“簡單”之處就是通過班組的標(biāo)識，為不同數(shù)據(jù)做好了標(biāo)簽，但工業(yè)場景中，大部分類似的問題是沒有明確的標(biāo)簽的，例如轉(zhuǎn)爐二次吹煉與終點溫度和氧含量的關(guān)系，班組分類分析的結(jié)果也不明顯，基于數(shù)據(jù)的聚類也難以找出有效的數(shù)據(jù)規(guī)律。

這類問題的本質(zhì)是數(shù)據(jù)之間、操作之間的非線性耦合關(guān)系的問題，如果沒有這個層面的認(rèn)識，一方面，非常容易忽視這些問題的存在，另一方面，更沒有辦法找到恰當(dāng)、合理的解決途徑。

為了使廣大的工程技術(shù)人員能夠清晰的認(rèn)識到，工業(yè)數(shù)據(jù)的分析不僅限于統(tǒng)計特征和機(jī)理特征的提取，還有工業(yè)特征的提取，“流程工程學(xué)”，基于對流程工業(yè)復(fù)雜系統(tǒng)的理解，通過對流程工業(yè)生產(chǎn)過程的規(guī)律分析，總結(jié)了三類典型的“工業(yè)特征”：

該特征表現(xiàn)為幾乎所有的數(shù)據(jù)都存在波動，例如：雖然加熱爐出坯溫度有制度要求，但實際出坯溫度會在一個范圍波動，同樣的，時間因素、成分?jǐn)?shù)據(jù)、質(zhì)量水平、單位成本等等，在生產(chǎn)過程中一直是波動的。

這個現(xiàn)象稱為漲落現(xiàn)象，而不叫波動性或穩(wěn)定性呢？

這就涉及到這類工業(yè)特征的本質(zhì)特點：數(shù)據(jù)的核心特征不是平均值或者方差，而是“最差值”，就像河道里的水位一樣，決定河床深度的不是平均水位，而是最小水位。

什么是“最差值”？為什么“最差值”是數(shù)據(jù)的核心特征？

如果某參數(shù)的數(shù)值越低越好，那高值就是最差值，例如：連鑄中間包鋼水溫度，我們希望低溫澆鑄，溫度高了容易拉漏，這時候鋼水溫度較高的值決定了連鑄機(jī)拉速，較高值出現(xiàn)的次數(shù)也決定了調(diào)整拉速的次數(shù)，乃至鑄坯出現(xiàn)質(zhì)量問題的風(fēng)險，而鋼水溫度的平均值和方差卻難以全面、有效的反應(yīng)這些信息。

認(rèn)識到“漲落”現(xiàn)象，使我們在分析數(shù)據(jù)時，不止要關(guān)注統(tǒng)計特征，而且要還原其工業(yè)上的物理意義，關(guān)注其波動范圍內(nèi)，不同取值而引起的不同決策過程，從而獲得更加全面、真實的數(shù)據(jù)分析結(jié)果。

目前已有的相關(guān)性分析方法，都有一個假設(shè)前提，就是兩個因素的線性相關(guān)，對于兩個因素的非線性相關(guān)分析，成熟有效的方法有限，而對于多個因素耦合且非線性相關(guān)，目前還有相應(yīng)的數(shù)學(xué)方法，但工業(yè)應(yīng)用中，絕大部分問題恰恰是這類多因素耦合的非線性相關(guān)問題。

這就導(dǎo)致絕大多數(shù)情況下，數(shù)據(jù)相關(guān)性分析需要依靠專業(yè)的機(jī)理分析。從上面對精煉過程調(diào)溫廢鋼加入量與出站溫度關(guān)系的分析，就能看出，機(jī)理分析具有很大的局限性。

根本原因在于，實際的工業(yè)過程，比機(jī)理模型所能涵蓋的內(nèi)容，要復(fù)雜的多，這里不只是時間維度上的復(fù)雜，還包括參數(shù)多樣性和不確定的復(fù)雜。

正是因為這樣的復(fù)雜性，針對這類數(shù)據(jù)特征的分析，就不僅僅是套用機(jī)理模型，更要還原到工業(yè)場景中進(jìn)行解剖。

這類工業(yè)特征的分析比較復(fù)雜，這里僅分享下如何認(rèn)識這類問題。

還是舉個小例子，有兩種情景：

情景一：某爐次轉(zhuǎn)爐TSC測溫為1650℃，符合規(guī)程要求，直接出鋼，經(jīng)過RH真空處理后，正好是精煉終點要求的1590℃；

情景二：另一爐次轉(zhuǎn)爐TSC測溫為1630℃，溫度偏低，補吹后出鋼，經(jīng)過RH真空處理后，精煉終點溫度也是1590℃；

經(jīng)檢測，兩個爐次常規(guī)成分檢測結(jié)果也一樣，問：兩個爐次的鋼水質(zhì)量一樣嗎？

在目前的生產(chǎn)過程，由于檢測結(jié)果是一樣的，自然認(rèn)為鋼水質(zhì)量也是一樣的。

但問題往往出在檢測手段之外，例如上例：情景二中，鋼水中的夾雜物要比情景一的多，鋼水受污染更嚴(yán)重，這個問題到連鑄可能還反應(yīng)不出來，但到了熱軋或冷軋，就會暴露出來，進(jìn)而體現(xiàn)為質(zhì)量的不穩(wěn)定。

這就是典型的“開放-不可逆性”的工業(yè)特征，產(chǎn)品最終質(zhì)量不是完全由某些節(jié)點檢測所能體現(xiàn)的，而是由整個加工過程所決定。

而加工過程一旦形成“某種結(jié)果”，即使通過其他手段改變了某些指標(biāo)，也并不能完全抵消“某種結(jié)果”所產(chǎn)生的影響，這就是流程工業(yè)的“開放-不可逆性”。

這類工業(yè)特征在質(zhì)量追溯的項目中非常關(guān)鍵，如果僅僅是“指標(biāo)對指標(biāo)”的分析，很多問題難以追溯到相應(yīng)的原因，更難以找到問題的根本原因。

本文給出的方法是：決策調(diào)研+邏輯模型。

這里不得不說，工程實踐與具體工業(yè)場景緊密結(jié)合的重要性。

只有深入調(diào)研，了解現(xiàn)場的決策過程，才能建立合理的邏輯模型，來解構(gòu)工業(yè)特征。

同時，又不能拘泥于現(xiàn)場調(diào)研，通過調(diào)研，即使可以完全理清現(xiàn)在的決策過程，不可能預(yù)測未來可能的決策過程，但是，工業(yè)過程的工藝更新和管理完善是持續(xù)進(jìn)行的，只有能夠從根本上找出工業(yè)過程的內(nèi)在邏輯，才是工業(yè)特征的根本目的。

因此，要想做到工業(yè)特征的提取，調(diào)研決策過程是基礎(chǔ)，構(gòu)建邏輯模型是關(guān)鍵，缺少模型的支撐，所提取的工業(yè)特征都具有時間局限性。

如果把工業(yè)特征與統(tǒng)計特征和機(jī)理特征放在一起對比，工業(yè)特征是后兩者的補充，在工程實踐中，屬于“萬里長征的最后一公里”。

假如粗略估計，在數(shù)據(jù)分析挖掘的工作中，統(tǒng)計特征的提取占60%，機(jī)理特征的提取占35%，工業(yè)特征的提取工作將不足5%。但是，絕大多數(shù)做的不錯的項目，但應(yīng)用效果卻越來越不好、項目模型無法遷移，基本都是忽略了這5%的工作，結(jié)果“最后一公里”走的異常艱難。

希望通過本文對流程工程學(xué)理論的一點分享，為各位大佬補上這“最后一公里”的路標(biāo)，畢竟，有志于“為山九仞”者，都不想“功虧一簣”。