过程光谱中的异常值并非随机噪声——它们往往是物理故障、探头失效或样品缺陷的早期信号。在化工中试工厂校准多变量模型时，操作人员依靠模型本身的核心诊断方法来识别和管理这些异常值。在PCA（主成分分析）或PLS（偏最小二乘）模型中，霍特林T²统计量可以标记出模型空间内的极端样本，而Q残差则可以识别出完全落在模型空间外的样本。对于参考分析值（y数据），将y残差平方与置信限作图就能标记出潜在的采样或测量错误。
核心要点在于：异常值“移除”不是盲目地统计清理，而是一套有规则的检测、调查和选择性修正流程。统计方法告诉你该从哪里寻找问题，而你的工艺知识会告诉你这个异常为什么会存在，以及应该将其保留为关键学习信号，还是为了保护模型完整性而将其丢弃。
多变量校准中异常值的两种类型
过程光谱仪（无论是近红外、拉曼还是中红外）的校准模型建立在两个数据块之上：光谱测量值(X)和对应的参考性质(y)，例如浓度或含水率。异常值可以污染任意一个数据块，通常需要不同的检测逻辑。
为什么单条异常光谱就能毁掉整个模型
在中试工厂中，少量异常光谱就会扭曲PCA或PLS模型的潜变量空间，导致误导性的得分图、虚假聚类和预测偏差，如果不重新验证模型，这些问题可能会持续数月。
由于模型是多变量的，单波长的单变量图并不足够。一个样本在每个波长下都看起来正常，但在描述化学性质的低维空间中仍可能是异常值。这就是模型自身诊断方法必不可少的原因。
中试工厂独有的风险特征
中试工厂并非稳态生产工厂，它们会经历频繁的牌号切换、设备结垢、启动和停工。校准集通常会积累数个不同运行周期的数据，因此本身就更容易包含非典型状态的样本。操作人员必须区分真正具有代表性的极值点和真正的故障。
检测光谱异常值（X数据）的统计工具
对于X数据块，两个核心统计量就是霍特林T²和Q残差。结合使用二者就能完整得到样本符合模型的情况。
霍特林T²：监管模型内部
T²是样本得分到校准模型训练空间中心的马氏距离平方。它回答了这个问题：“这个样本是不是描述我正常过程的潜变量的极端组合？”
高T²值意味着该样本的化学或物理性质已经达到校准所见范围的边界——即使基本规律仍然适用。在中试工厂中，这可能来自有意开展的高浓度试验，这类样本仍然有效，应当保留。
Q残差：识别未建模的影响
Q残差衡量光谱中未被模型解释的部分。它回答了这个问题：这条光谱中是不是存在模型从未学习过的信息？
在线测量中Q残差突然飙升就是一个危险信号。在中试工厂中，常见原因包括探头窗口结垢、流通池中有气泡，或是光谱仪灯强度变化。由于这些事件反映的是物理干扰而非新化学状态，确认后通常应当标记并剔除对应样本。
聚焦到单个变量分析
同样的逻辑也适用于波长层面。绘制每个变量对T²和Q的贡献可以揭示噪声大或非线性的光谱区域。例如，检测器饱和的极端吸光度区域会一直表现出高Q残差。移除或降低这类波长范围的权重可以大幅提升模型对物理探头波动的稳健性。
识别错误的参考值（Y数据）
参考方法通常是手动采集样品送实验室分析，本身也会带来误差。多变量模型将光谱数据对错误y值回归，预测时也会继承这个误差。
y残差平方和置信网
对于PLS或PCR（主成分回归）模型，最简单的诊断方法就是y残差平方（$f = (y_{\text{ref}} - y_{\text{pred}})^2$）。将这些残差与从模型误差结构得到的95%置信限对比，操作人员就能快速标记出可疑的参考点。
大残差通常可以追溯到采样流程失误。在中试工厂中，这可能是在快速 transient过程中提取样品，此时反应器组成和传感器的平均读数相差很大，或是样品处理不当，在实验室分析前部分蒸发。这些点必须剔除，防止模型“学习”到不存在的关系。
瞬态采样的陷阱
如果在工厂切换两种产品牌号时采集样品，瞬时组成可能和同时段积分得到的光谱不匹配。由此产生的y残差会很大。正确的做法是从校准集中移除这对数据，并优化采样流程避开瞬态，而不是调整模型去适配这个人为误差。
不止于检测：调查和处理流程
统计标记只是第一步。管理异常值需要人工主导调查，区分有害异常和有价值的过程信号。
三步逻辑：检测、评估、（适当情况下）移除
- 检测 – 叠加光谱找出明显的仪器故障，再应用模型指标（T²、Q、y残差）找出 subtle 的异常。
- 评估 – 将异常样本的时间戳和中试工厂运行记录、操作人员日志、参考实验室记录交叉比对。当时是不是刚清洁过探头？有没有已知的流动扰动？实验室重新测试结果是否一致？
- 移除 – 只有当根本原因是仪器误差、采样误差，或记录在案、和模型目标范围无关的异常事件时，才丢弃该点。如果这个点代表真实、预期的操作条件，不要仅仅因为它“高杠杆”就移除。
文档记录就是核心差异
每次剔除都应当记录原因。这个做法将异常值处理从主观筛选变成可审计、可辩护的科学步骤。在从中试工厂放大到大规模生产的技术转移过程中，这些记录对于证明模型有效性范围非常宝贵。
理解权衡：什么时候保留异常值
最关键的判断不是如何找到异常值，而是是否要移除它。项目阶段决定了策略。
研发校准阶段：保护模型基础
在研究阶段构建初始校准时，单个异常值就会扭曲PCA分解或回归斜率。此时，积极移除仪器带来的异常值对于创建干净的基线模型至关重要，让模型捕捉真实化学规律，而非噪声。这一阶段的目标是得到稳定、可解释的模型。
验证和运行阶段：将异常值视为潜在警报
在验证运行或在线模型投入日常中试运行时，模型通过T²或Q监测在新样本中检测到异常，不应该默默丢弃。相反，异常值应该触发警报。这个异常可能是催化剂失活、副反应产生 unexpected 物种，或是严重结垢开始的第一个信号。移除它会掩盖需要立即工程干预的过程偏差。
同样，将模型用于校准未覆盖的过程状态会产生看起来合理，实际大错特错的预测。使用T²和Q进行实时模型健康监测是操作人员的保障，确保只有预测可信时才使用模型。
过拟合陷阱
过度剔除异常值一个经常被忽视的副作用就是过拟合。如果你去掉了太多真实的粗粝光谱，模型会变得脆弱，只拟合了训练噪声。始终使用独立的中试运行测试集验证模型，用交叉验证选择正确的主成分数量。对新运行预测效果差的模型就是过度打磨的模型。
为你的中试工厂做出正确选择
具体工作流程取决于你的当前目标。可以参考这些目标导向策略指导你的方法：
- 如果你主要目标是构建稳健的初始校准模型：应用系统的统计筛选（霍特林T²、Q残差、y残差），仅积极剔除那些有记录物理或分析根本原因的点。然后用外部测试集验证模型稳定性。
- 如果你主要目标是实时过程监测和模型健康：对每个新光谱设置自动T²和Q警报。将超出范围的信号视为调查请求，而非自动移除。在决定是否从历史过程趋势分析中剔除该点前，记录事件并和其他传感器交叉验证。
- 如果你主要目标是排查传感器退化或采样偏差：利用各变量对Q残差的贡献来定位问题波长区域，或是标记y残差随时间的系统性升高。这可以揭示探头污染、灯寿命将近，或是参考方法漂移——让你可以解决根本原因，而不只是掩盖症状。
管理得当的话，异常值会成为你过程情报的最佳来源，而非敌人。让统计方法照亮异常，再用你的过程知识决定它的去留。
总结表：
| 诊断工具 | 数据块 | 检测内容 | 推荐操作 |
|---|---|---|---|
| 霍特林T² | X数据（光谱） | 极端但有效的过程化学变化 | 有代表性则保留；异常则复核 |
| Q残差 | X数据（光谱） | 未建模效应（结垢、气泡、灯衰减） | 剔除样本；检查/清洁传感器 |
| y残差平方 | y数据（参考值） | 人工采样误差、实验室测量错误 | 剔除数据对；验证采样流程 |
通过LABPARK优化你的过程控制与培训
构建精准的校准模型是中试工厂成功运行的关键。LABPARK为大学、研究机构和企业提供支持，供应化工、生物过程与生物技术、环境与水处理领域先进的教育与职业单元操作中试装置。
为你的实验室配备掌握真实过程诊断所需的工具。立即联系我们的专家，为你的机构找到理想的中试工厂解决方案。
