对于复杂的过程测量（如曲线和分布），采用不同的控制图方法，以及如何将统计工具与自动化和数据管理结合起来使用，对于高效和可持续的制造过程至关重要。
研发阶段更注重提取大量复杂测量数据来表征产品，而生产制造阶段的合格/不合格标准往往基于数量较少的指标，通常是单一数值数据。我们致力于弥合研发和生产制造之间的差距，探索利用分析工具来获取有价值的过程复杂测量数据，从而监控和控制生产过程。
大家好，我叫帕特里夏·布兰科·加西亚 (Patricia Blanco García)。我是庄信万丰 (Johnson Matthey) 技术中心配方团队的首席科学家，该中心位于英格兰南部雷丁附近。我接受过化学方面的专业训练，使用庄信万丰的软件已有四五年了。在本文中，我将探讨数据分析在新工艺分析技术中的作用。如果您还不了解庄信万丰，它是一家全球领先的可持续技术解决方案提供商，致力于帮助领先的能源、化工和汽车公司实现脱碳、减少有害排放并提升其可持续发展能力。
例如，每三辆汽车中就有一辆安装了庄信万丰（Johnson Matthey）的催化转化器。2023年11月，庄信万丰助力全球首次完全使用可持续航空燃料的商业跨大西洋飞行。庄信万丰的大部分产品都采用配方，下图对此进行了说明。从左至右，我们看到的是安装在汽车尾气排放系统中的催化转化器，它们表面涂覆着一层含有活性催化剂的浆料。
第二张图展示的是燃料电池油墨，这些物质被沉积下来，形成用于全电池和电解槽的涂层。此外，还有一些粉末状物质，它们不仅用于油墨，还用于制造颗粒状或球状催化剂，这些催化剂用于化学品的生产。
这些配方包含分散颗粒、聚合物和添加剂的混合物，并溶于溶剂中。正如我之前提到的，一个例子是排放控制系统中的汽车催化剂。在这种情况下，汽车催化剂的活性物质分散在混合金属氧化物粉末上，这些粉末被配制成浆料，然后将该浆料涂覆到汽车排气系统中的载体上。
在JM公司，我们生产数百公斤的这类浆料，并按照特定规格进行研磨。对我们而言，优化这些物料加工流程中的每一个步骤对于可持续发展至关重要，这不仅关乎材料利用，也关乎能源利用。因此，引入在线测量对于实现这一目标至关重要。
我所在的团队参与了欧盟“地平线2020”计划的一个项目，该项目旨在开发用于无机催化剂分散体加工过程中粒度分析的实时激光衍射技术。粒度分析是JM公司许多产品的关键测量指标，也是用于定义不同业务领域产品性能指标的表征套件的一部分。
然而，粒度测量并非在线进行。理想情况下，我们希望能够现场测量，但实际上，样品大多需要人工采集，并指定采集时间，然后在实验室进行测量。样品可能会老化，也可能由不同的操作人员进行测量。这种方式效率低下，并且容易导致重复性和再现性误差。因此，实时测量至关重要，因为它能够对昂贵的研磨工艺进行精确的终点评估，并最大限度地降低过度加工的风险。
这张海报我想讨论的是，如何运用不同的控制图方法来测量复杂的过程测量数据，例如曲线和分布，以及如何将统计工具与自动化和数据管理相结合，从而实现高效和可持续的制造过程。
在研发阶段，人们更注重提取大量复杂的测量数据来表征生产中的产品。而以往的失败标准往往基于较少的指标，并且通常只基于单一数值数据。例如，像右图所示的尺寸分布百分位数，但对于复杂的粒度分布，使用像左图所示的完整曲线则更为合适。
左侧的不同颜色对应着中间不同的时间间隔。两种情况下，我们都展示了在线数据和离线数据的对比。我们可以看到趋势相似，但这非常主观。使用统计工具可以帮助我们减少主观性。我要向您展示的第一个工具是控制图。控制图专门用于监控一个或多个过程变量。这些过程变量可以是温度、压力等等。X轴代表时间。
在这个例子中，我们正在测量粉末样品的粒径，并独立监测各粒径分布的百分比。我们测量了 D10、D50 和 D90。虽然我们经常使用百分位数，但它们作为多峰分布的指标并不理想。因此，最终目标是监测或可视化整个分布曲线，而不仅仅是百分位数。
我们可以构建曲线控制图来帮助我们可视化整个分布，而不仅仅是某个数值。这种方法借鉴了索尔维公司的Nicola Brammer，她曾在去年的峰会上介绍过这种方法。她用这个工具来监控批次生产过程，而我们则将其应用于颗粒尺寸测量的监控。
为了构建曲线控制图，需要为每个尺寸等级分别构建单独的控制图。控制限代表了过程中的固有变异。我们使用历史测量数据，根据之前的测量结果计算控制限。通过可视化，我们可以判断过程是否失控，即曲线是否超出控制限。图中绿色曲线表示当前测量值，实线（黑色）表示测量值的平均值，虚线表示上下控制限。此外，我们还可以根据需要添加规格限。
这或许比之前的控制图更好，因为它展现的是整个分布，而不仅仅是一组数值，但它仍然只是可视化的。如果我们更进一步，使用主成分分析，就可以监控规模分布，即每条曲线的主成分。在这种情况下，基于主成分分析模型的控制图允许我们使用每条曲线的函数和主成分来监控分布。我们可以创建一个控制图来表示整个分布，该控制图基于函数主成分。
我希望我已经向各位展示了实时测量工艺参数对于控制工艺流程至关重要，以及统计工具如何帮助我们最大限度地挖掘所产生数据的价值。我们正致力于将这种方法应用于实际案例研究，包括研发和生产制造领域。最后，我要感谢George Platt和Chand Malde为本次演示提供了一些铣削数据。此外，还要感谢Pilar Gomez，她帮助我将想法转化为我们可以应用于自身数据的工具。谢谢大家的聆听。
