淺析統計分析的工業過程故障檢測研究

資飛燕

工業生產期間的設備故障檢修，對于維護生產流水線的穩定安全運轉具有重要作用。結合生產的實際情況、生產設備的具體型號和運作中的參數，可以利用統計分析的理論對工業生產過程中可能出現的故障進行排查。本文探討了統計分析應用于工業過程的故障檢測的方式方法，以期提升工業生產的整體產能，進而促進經濟發展。

定期對工業生產中生產設備進行故障排查監測，對維護整個生產線的產效具有重要作用。隨著大數據分析技術以及新型生產設備的智能化升級，使得集控和生產各項數據信息得到采集和監控，且數據的精密程度符合集中處理分析的標準。在利用數學模型搭建的基礎上，結合統計分析的優越性，能夠順利提升對工業過程的故障檢測的準確性和精密性，進而提升故障檢測質量。

一、主元分析法

（一）基于小波包去噪主元分析方法的過程監控與故障診斷技術

從小波包變化技術的優越性出發，合理地提出并篩選出干擾因素和噪聲刺激，保證工業過程數據的唯一純潔性。同時在此期間結合主元分析法，保證過程數據能夠順利完成降維。由此能夠得到主元監控的模型搭建，并且利用分析各變量同主元的影響程度，從而完成對工業生產過程的故障分析。通過最終得到的數據分析結果可以發現，小波包去噪主元分析方法，對于工業過程的性能監控和故障診斷分析具有科學有效性。

（二）提出基于核主元分析方法的過程監控與故障診斷技術

核主元分析方法需要在分析計算之前，利用小波包變換消除數據中的干擾因素和噪音，保證其分析的原始數據的真實可靠性。核主元分析方法能夠順利得到整個工業過程的變量變化數據，結合核函數的梯度計算優勢，保證對工業過程的實時故障分析結果符合相關的分析指標。通過最終的使用結果，對相關統計量進行建模和數據分析圖呈現，并保證能夠獨立呈現故障檢測結果。經由特征向量選擇方式，保證工業過程的較難分析計算的核矩陣部分能夠順利降低分析成本。結合對整個過程的仿真分析研究，能夠實現對傳統的主元分析法的升級，提升對整個工業過程故障的排查監測效果，實現順利提升運程控制生產線效率的目的。

（三）結合多重核學習支持向量機的診斷優勢

核主元分析對于非線性工業過程能夠發揮其自身的監控特長，提升整個監控過程的準確性和優勢地位。針對這個目的，可以使用多重核學習支持向量機的診斷排查優勢，實現二者的高效結合統一，實現核主元分析和多重核學習的方式，實現對向量機的非線性過程監控的故障診斷分析方式。利用生產流水線的特定數值變量構筑特定的分析模型，完成故障分析。針對特定的故障現象進行合理的樣本分析，保證非線性主元得分向量能夠順利經由多重核學習支持向量機的處理識別，完成對當前生產線的故障類型的分類處理識別。將以上的理論進行化工生產流水線故障檢測分析，經由仿真模擬測試，表明整個過程能快速直接地診斷故障。

（四）核主元分析和無約束優化結合

為進一步提高故障診斷的速度和準確度，提出了基于核主元分析和無約束優化的稀疏型支持向量機的過程監控與故障診斷方法，首先利用核主元分析方法來檢測故障，再利用 Cholesky分解更新無約束優化中的Hessian矩陣，構建稀疏型支持向量機仿真，結果表明該方法能夠準確快速地檢測并診斷故障。

（五）核獨立成分分析和核Fisher判別分析結合

基于核獨立成分分析和核Fisher判別分析的過程監控與故障診斷方法，該方法充分運用核學習理論，把核方法與線性Fisher判別分析方法有機地結合起來，通過利用核獨立成分分析建立正常工況模型，得到檢測故障信息。在發生故障的情況下，利用Fisher判別分析方法在高維的特征空間的特點和優勢，可求出滿足最大分離程度的核Fisher判別向量和特征向量。從而根據當前故障的判別向量，與歷史故障數據集中所含故障的最優核Fisher判別向量的相似度，進行故障診斷。

（六）核獨立成分分析方法和支持向量機的非線性性能結合

在分析復雜工業過程特點基礎上，充分利用核主元分析方法具有處理非線性數據的優勢，以及獨立成分分析方法具有較強提取高維特征空間信息能力的特點，提出基于核獨立成分分析方法和支持向量機的非線性性能監控和故障診斷方法。

該方法借助在高維特征空間建立監控統計量和控制置信限的辦法，實現工業過程的監控。在實現過程監控的基礎上，引入支持向量機，利用支持向量機優良的數據分類能力，實現故障診斷。

二、解析模型分析方法

（一）狀態估計方法

狀態估計方法需要先對工業生產線安裝故障檢測觀測器或卡爾曼濾波器等，才能開展之后的分析處理工作。主要是利用獲取殘差的方式，分析濾波器的輸出情況和系統的真實輸出內容，實現對整個工業生產過程的實時監測。當故障檢測觀察器的輸出符合真實輸出的情況，則分析的殘差效果為0；當生產系統中出現故障且對生產線路存在影響，則整個殘差不為0。狀態估計方法利用故障特征設計得到的判決分離計算方法，能夠順利完成對生產過程的故障監控診斷，提升獲取殘差的故障特征分析準確性。

（二）參數估計方法

參數估計方法首先建立系統過程的數學模型，不過其對系統故障檢測的分離，是根據模型中的相關參數以及其相應的物理變化過程來實現的。該方法的不足之處有兩個方面：一方面，為找出模型參數和實際物理參數之間的對應關系，該方法要求描述過程的數學模型能夠非常精確地刻畫過程的行為；另一方面還要求被控過程得到充分激勵。

三、利用統計分析建立自動化生產系統

為了適應各種企業的數據中心運維自動化工作，根據現有的IT基礎設施，結合數據儲存，因特網、應用、服務器等使用方法，針對運維自動化系統特征提出以下建議，以提升運維自動化成效。

（一）故障快速檢索排除

第一，要做好信息的收集工作。分析近期操作系統性能容量（CPU、內存、DISK、FS空間）和日志數據、中間件性能容量（應用吞吐率、執行線程使用率、JDBC使用率）和日志、線程（thread dump）、進程（Isof）和內存堆棧（heap dump）等，匯總歸集在管理節點上。這些收集信息的腳本、命令和工具在自動化裝機階段已經包含在裝機和軟件部屬的組件當中，與當前應用場景無縫銜接。

第二，實現系統的自我診斷工作。使用管理節點的分析處理器，檢查容量數據的排布和服務器的中間性能問題。要對服務器的日志報錯做好統計，結合錯誤危害性做好排列。同時按照緊要先后順序，順利解決機器面臨的危機問題。

第三，要完成危機的自動分析。使用自動系統的錯誤檢索功能，定位鎖定潛在危害數據，匯總錯誤數據，快速分析故障現場。

（二）加強運維系統的敏捷應用處理

為了提升數據中心運維系統的靈敏度，錯誤信息回報的科學性，檢索潛在錯誤信息的準確度，應做好數據中心運維系統自動化的靈活使用建設工作。在此基礎上，提供用戶的自定義個性化操作，做好案例書寫匯總報告，幫助同樣的錯誤及時調取解決方案快速解決。

軟件需要根據用戶輸入的指令做好腳本命令，借助解析引擎實現程序標準化，使通用軟件能夠直接使用。這樣的代理程序能夠提供安全的信息傳輸通道。適當地將腳本做好加密壓縮工作，交由被執行對象進行執行。接下來使用各個衛星節點的服務器設備結合數據信息數據，做好引擎的分布式處理。用戶利用發送郵件、頁面展示、自主結果查詢等，實現運維系統自動化管理的個性操作，同時實現運維操作的便捷化高效化改革。

（三）快速恢復故障

一般數據中心采用的服務器都是高速分析的引擎，能夠順利將進程（Isof）和內存堆棧（heap dump），系統性能容量（CPU、內存、DISK、FS空間）和日志數據，線程（thread dump），中間件性能容量（應用吞吐率、執行線程使用率、JDBC使用率）和日志等信息匯總歸集在管理節點上。合理使用半結構和結構數據形成的表格和圖表。利用高速數據處理分析的引擎可以迅速鎖定有效數據關鍵詞，結合系統預設的信息處理方式，自主判斷故障的配置數據，順利實現故障的瞬時排除。結合事前預設的故障處理程序，及時鎖定運行正確檢查，確定執行成效和記錄成果，給予監控警報系統適當合理的信息記錄。利用微服務的手段，實現故障的自我修復，提升系統的響應效果。

（四）生產自動化

第一，數據中心的自動化運維技術為了提升自動化應用效果，需要完成自我監控內部運行系統的故障，減少人工操作的工作負擔，以及人工操作造成的疏漏問題。數據中心的運維自動化借助數據分析提升自我監測的效率，完成對整個運行過程的風險計算預測。同時根據事前設定的解決方案，及時應對，順利完成數據中心的運營維護。數據中心需要處理的信息數據變多之后會使得系統的運轉負荷增加，因此導致系統的維護工作變得復雜，進而導致操作人員在軟件安排配置問題上會存在疏漏。此時就需要適當地調整自動監測系統，使系統維護人員能夠借助遠程終端控制技術，順利完成維護系統的軟件配置監測，梳理軟件數據的傳達，一旦發現異常數據，借助關聯連接依賴等設計，對CI層級設計做好管理。當發現約定配置和信息設置不一致，并不需要更改系統軟件的設計。除此之外的情況要使用事先預設的變更系統，完成對自動監測配置系統的更改。

第二，數據中心運維系統的故障分析除了內部系統的自我監視、自我故障檢索之外，還需要運維人員及時分析各項任務的完成目標。要根據數據分析執行的任務進行合理分類，根據流程推演順利實現任務分析。數據中心運維系統在日常運行中會出現故障，這些故障信息需要及時傳達給系統和操作管理人員，才能完成預警提示作用。這樣就能順利實現故障處理排除，輔佐系統維護人員順利完成系統的維護工作。

第三，在對數據中心的運維系統進行調查時，需要使用信息數據的存儲能力，完成系統的運維追溯。運維人員進行日常系統巡檢工作期間，也要留存適當的書面記錄，方便日后記錄調取檢查。一旦有相同的問題再次發生時，運維人員可以及時調取相應的記錄，快速完成問題排查，縮短故障排除時間，提升系統的使用效果，實現數據中心的順利周轉運行。

第四，數據中心的運維管理自動化同樣需要一定的人手來完成。為了提升運維管理隊伍從業人員的專業素質，企業要定期開展對相關從業人員的培訓工作，積極調動專業人員的工作熱情，鼓勵運維人員提升自己的軟件編程和硬件設備配置能力。鼓勵員工認同企業文化，將個人的成長同企業的進步適當地融合統一。要根據運維人員的專業素質做好技能的層次分化工作，定期考核，按照等級進行工資劃分，確保運維人員能夠從事自己擅長的工作。通過自己的努力工作完成職稱升級，獲得更多的獎金和績效鼓勵。制定相應的職業規劃以及科學的晉升機制，幫助員工找到自己前進的方向。

第五，運維團隊要加強配合協調的能力，積極交流工作經驗和分享成果，一切以整體的工作成效出發，做好配合工作。因為數據中心存在的意義就是為了幫助企業快速完成業務處理工作，借助運維系統的監控功能，能夠實現自動化管理模式的高效運行。這就需要在企業內部建立科學的業務系統和信息系統的聯系。這期間需要利用科學管理模式和自動化運維技術監控，實現業務工作和客戶服務的有效統一。加強團隊的配合，積極探索運維管理制度的創新之路，提升數據中心的管理質量。對數據中心運維系統增加事件追蹤設計，使其能夠順利完成運維平臺自主比對數據中心接收信息，進行事先自我分析和自我判斷。這樣的設計能夠提升自動化操作的精度，減少人工的介入，增加安全穩定性。同時需要做好時間流的追蹤管理工作，確認數據中心平臺的指令，減少操作人員因判斷失誤造成的系統運行遲緩問題。

第六，技術人員根據自身的專業知識判斷，做好本地數據中心的腳本運行使用工作，結合信息技術和以太網等工具，實現信息數據的瞬時傳遞，以及對運維平臺的監控。對數據源和目標進行正確的數據分析和全貌檢查，提出相應的處理方法，順利減少技術人員的工作量。需要注意做好異地和本地數據庫的數據提取精度和數據復制精確度，該組件系統包括的高性能搜索引擎，可以在海量數據中快速定位故障，并把未優化的數據通過可視化圖表的方式展現在前臺，為快速鎖定生產問題提供便捷通道。同時該組件支持通過微服務知識庫和微服務應用的方式進行靈活的場景拓展，實現一個個面向具體運維場景的故障恢復自動化。

結語：

工業過程中的生產自動化能夠順利提升生產產能，但是工業流水線作業一旦某個環節出現了故障，會影響整條線路的生產效果。因此需要利用統計學概念同排除工業生產設備故障相結合的優勢，組建能夠順利自動檢測自動排除故障的自動化生產設備，以有效提升整個流水線的生產效率和生產穩定性，實現數學統計分析和生產自動化的和諧統一應用。