曲线分析系统领域知识

这是一份面向拧紧工艺的曲线分析系统领域笔记。系统核心对象是时序数据曲线，重点围绕螺栓拧紧过程中的扭矩、角度、判定、参考曲线、基础模型、策略和规则展开。

一句话定义

曲线分析系统的本质，是把设备在一次拧紧过程中的时序曲线，转换成可解释的质量结论。

它做的不是单纯“看曲线”，而是把一条曲线放进业务上下文里判断：

  • 这是不是一颗有效螺栓的有效曲线
  • 它和历史参考曲线是否一致
  • 它是否触发了特征规则或模型判定
  • 这次拧紧的异常点属于什么风险标签
  • 该设备、该工位、该产线近一段时间的质量趋势如何

系统在业务上的定位

曲线分析系统服务于拧紧工艺质量控制，常见使用场景是：

  1. 生产现场采集扭矩/角度等时序数据
  2. 系统把这些时序数据和设备、工位、车型、分类号、工艺号等业务信息关联起来
  3. 系统运行判定策略，输出合格与否、风险类别、异常分数、模型判定结果
  4. 质量人员在诊断中心、曲线中心、标准曲线中心查看曲线和结果
  5. 工程人员通过配置、训练、标注、参考曲线维护，不断修正判定能力

核心业务对象

1. 曲线

一次拧紧过程对应一条曲线，通常包含：

  • curveId：曲线唯一标识
  • startTime / endTime：拧紧开始和结束时间
  • equipCode：设备编码
  • classificationNumber：分类号，通常对应工艺/产品维度
  • 扭矩时序
  • 角度时序
  • 结果扭矩、结果角度
  • 拧紧状态，常见 OK / NOK

曲线既是展示对象，也是判定对象。

2. 参考曲线

参考曲线是“标准样板曲线”，用于业务人员对比当前曲线是否偏离基准。

参考曲线除了主曲线本身，还可以配置上下边界范围，用于展示标准带。

3. 特征模型

特征模型是系统的基础计算单元之一，关注“取什么特征”和“如何取特征”。

它不负责最终判定，也不直接输出合格/不合格，而是把曲线加工成可供策略使用的特征结果。它更关心的是从时序里提炼出什么可度量的特征值，例如：

  • 最大扭矩
  • 最小扭矩
  • 平均扭矩
  • 峰值位置
  • 角度变化量
  • 某些阶段的斜率、斜率变化、平台时长

在业务上，特征模型的职责是“计算特征”，不是“给结论”。

4. 分析模型

分析模型也是系统的基础计算单元之一，负责利用机器学习模型做一轮计算，得到异常分值或类似的中间结果。

它不负责最终判定，最终的业务结论仍然要交给策略去做。

在当前业务里，分析模型的价值主要体现在：

  • 运行一次机器学习推理
  • 输出异常分值、loss 或类似中间量
  • 为后续策略判定提供输入

5. 神经网络模型

神经网络模型也是系统的基础模型之一，但它的引入方式和前两类模型不太一样，通常是通过模型平台接入系统。

它既可以在预置模型的基础上继续训练和适配，也可以完全自主开发后再训练、接入和使用。

从业务上看，它的特点是：

  • 来源于模型平台
  • 支持预置模型二次训练
  • 支持完全自研模型训练
  • 通过策略被封装成可用于曲线判定的能力

6. 策略

策略本质上是对模型的封装，一般一个策略对应一个模型。

它的职责不是做最终组合判定，而是把某个模型能力包装成一个可被曲线调用的判定单元。

业务上可以拆成三类封装方式：

  • 策略的特征判定连接特征模型的结果
  • 策略的机器学习判定连接分析模型的结果
  • 策略的神经网络判定连接模型平台的神经网络模型结果

一条曲线可以同时应用多个策略。

多个策略跑完以后，最终怎么组合这些策略结果，不是策略本身要解决的，而是规则定义要解决的。

从这个角度看，策略是“模型能力的封装层”，规则定义才是“结果组合与最终结论层”。

7. 规则

规则是策略结果的组合与最终结论层，负责把多个策略的输出变成一条曲线的业务判断。

一条曲线可以同时应用多个策略，所以系统通常需要一层规则来处理：

  • 多个策略结果如何聚合
  • 哪些策略是必选的，哪些策略是可选的
  • 各策略结果之间是“与”“或”“优先级”还是其他组合方式
  • 最终业务结论如何落地为通过、异常、风险等级或其他结果

从业务上看，规则不是模型，也不是策略的简单别名，而是“策略结果如何合成最终结论”的定义层。

业务架构图

设备 / 拧紧节点
产生扭矩、角度等时序数据。
时序数据采集
根据设备与采集项映射获取原始曲线点。
数据中心
承载业务数据、配置、历史、标签和映射关系。
分析中心
负责曲线查看、策略调用、规则组合和结果呈现。
模型管理
统一管理特征模型、分析模型、神经网络模型及模型平台接入。
参考曲线管理
维护标准样板曲线和参考区间。
策略 / 规则
策略封装模型能力，规则组合多个策略结果并给出最终结论。
流向 业务含义
设备 / 节点 → 时序数据采集 拿到拧紧过程中的原始曲线数据。
时序数据采集 → 数据中心 完成业务上下文关联、映射和历史沉淀。
数据中心 → 分析中心 提供曲线查询、模型调用和结果展示所需数据。
分析中心 → 策略 / 规则 先由策略封装模型结果，再由规则合成最终结论。

主要业务流程

1. 曲线采集与入库

拧紧过程产生的扭矩、角度等时序数据，由边缘节点或在线节点提供。

系统会把设备和采集项做映射，再根据：

  • 设备编码
  • 分类号
  • 曲线 ID
  • 开始结束时间

去查询对应时序数据。

业务上，这一步的目标不是“拿到原始点”，而是为后续判定准备一条完整的拧紧过程数据。

2. 曲线查看

在曲线中心，用户可以选择若干条曲线进行查看。

系统会做这些事：

  • 补齐设备特征信息
  • 拉取扭矩和角度时序
  • 按指定方式对齐曲线
  • 组合成前端可直接绘图的数据结构
  • 叠加参考曲线和参考区间

常见的对齐方式包括：

  • 不对齐
  • 起点对齐
  • 终点对齐
  • 结果扭矩对齐
  • 结果角度对齐

这说明系统对“曲线如何比较”是有明确业务口径的，不是简单的折线展示。

3. 曲线判定

曲线判定是整个系统最核心的质量动作。

它的输入通常包含：

  • 曲线时序数据
  • 设备编码
  • 分类号
  • 策略配置
  • 参考数据或模型配置

判定后输出：

  • 结果是否通过
  • 判定规则
  • 判定因子
  • 风险标签

系统通常体现出两条主线：

特征判定

特征判定更贴近工艺工程语言。

流程是：

  1. 从曲线提取特征
  2. 根据规则表达式判断
  3. 把判定变量和结果可解释地存下来

典型用途：

  • 某类工艺动作是否满足控制窗口
  • 某个阶段扭矩变化是否异常

模型判定

模型判定更偏数据驱动。

流程是：

  1. 组织扭矩/角度时序
  2. 送到外部模型服务
  3. 获取模型输出和 loss
  4. 用阈值做最终判断

它适合处理更复杂、更难用规则描述的异常形态。

4. 参考曲线管理

参考曲线不是静态附件，而是一套可运营资产。

业务动作包括：

  • 手动指定参考曲线
  • 基于训练数据训练参考曲线
  • 修改参考曲线上下限配置
  • 删除参考曲线
  • 查看参考曲线历史

参考曲线的存在说明系统不仅做“异常发现”，还承担“标准沉淀”职责。

5. 诊断中心

诊断中心是面向质量管理者的汇总界面。

它做的主要事情是：

  • 只列出已部署分析模型的组织/产线/工位/设备
  • 查看某个分析关系的最近诊断记录
  • 查询趋势
  • 导出诊断明细
  • 维护诊断视图配置

从业务上看，这里更关注“管理视角”而不是单条曲线细节。

6. 模型管理

模型管理模块负责“把特征模型、分析模型、神经网络模型以及模型平台接入统一管理起来”。

主要动作包括：

  • 导入模型定义
  • 导入模型关系
  • 导出模型配置
  • 维护特征模型配置
  • 维护分析模型配置
  • 维护神经网络模型接入配置
  • 修改模型阈值配置
  • 查看历史
  • 批量训练模型
  • 手工计算某时刻之后的数据
  • 查看训练结果
  • 获取最小可置信循环周期

这表示模型管理不仅是配置中心，也是训练运营中心和模型平台接入中心。

端到端业务链路

sequenceDiagram
    participant U as 用户
    participant A as 分析中心/前端
    participant N as 在线节点
    participant D as 数据中心
    participant M as 模型/策略服务

    U->>A: 发起曲线查询
    A->>N: 查询时序数据
    N->>D: 查询并返回原始时序数据
    D-->>N: 返回时序点
    N-->>A: 返回曲线数据
    A-->>U: 展示曲线

    Note over N,M: 节点收到数据后立即触发计算线程
    N->>M: 调用模型策略服务进行计算
    M-->>N: 返回模型输出、策略结果和规则结果
    N->>D: 同步计算结果、历史和标签

关键业务功能地图

曲线中心

  • 单条曲线查看
  • 多条曲线对比
  • 参考曲线叠加
  • 曲线导出
  • 曲线人工标记风险
  • 事件曲线查看

标准曲线中心

  • 参考曲线列表
  • 指定某条曲线为参考曲线
  • 配置参考曲线区间
  • 训练参考曲线
  • 删除参考曲线
  • 查看训练损失

诊断中心

  • 组织层级筛选已部署模型对象
  • 查看诊断详情
  • 查看趋势
  • 导出诊断明细
  • 调整诊断视图设置

模型管理

  • 特征模型管理
  • 分析模型管理
  • 神经网络模型接入
  • 模型定义导入导出
  • 模型关系导入导出
  • 模型配置编辑
  • 模型训练
  • 手工补算
  • 训练结果查看

主要业务规则

1. 曲线查询依赖设备映射和在线节点

曲线能不能查到，不只看有没有 curveId，还要看：

  • 设备有没有配置采集项映射
  • 采集项对应的在线节点是否可用
  • 在线节点是否能返回时序数据

所以“有曲线”不代表“能展示曲线”。

2. 曲线对齐是业务解释的重要部分

同一条曲线可以按不同口径对齐：

  • 起点
  • 终点
  • 结果扭矩点
  • 结果角度点

这说明曲线对比不是纯数学问题，而是工艺解释问题。

3. 参考曲线的上下限是配置化的

系统支持两类边界思路：

  • 绝对值补偿
  • 按比例扩展

上限/下限可以分别采用“阈值”或“补偿”逻辑。

4. 模型诊断阈值来自训练结果

模型训练后会得到训练样本的最大值和最小值，再结合配置计算阈值。

业务含义是：

  • 训练阶段沉淀“正常样本边界”
  • 配置阶段决定边界如何外扩或固定
  • 诊断阶段按最终阈值判定异常

5. 特征判定强调可解释性

特征判定的规则是表达式化的，结果会把规则和因子翻译成更贴近业务的语言。

这意味着：

  • 工艺人员能看懂为什么判异常
  • 质量人员能追溯判定依据

6. 人工标注和系统判定并存

系统保留用户对曲线的人工风险标注能力。

业务意义是：

  • 让业务专家修正系统判断
  • 为后续模型训练提供标签
  • 对“规则外”异常保留人工入口

领域术语速查

  • curveId：一次拧紧过程的曲线标识
  • relId：历史标识字段，当前笔记不把它当作独立领域对象
  • relCode：关系编码字段，通常用于内部关联或兼容旧实现
  • classificationNumber：曲线分类号
  • styleNo：拧紧程序号
  • tightenStatus：控制器拧紧状态
  • dgnsFactor：诊断因子或异常分数
  • dgnsResult：诊断结果
  • dgnsCategory：诊断类别
  • riskCode：风险码，常用于人工标注
  • strategy：判定策略
  • refCurve：参考曲线
  • trainResult：训练结果

业务理解

这个系统可以理解为：

  1. 它不是“曲线浏览器”，而是“质量判定引擎 + 业务看板 + 配置训练平台”。
  2. 拧紧工艺是它当前最完整的业务落点。
  3. 系统的价值不在单条曲线，而在曲线、规则、基础模型、标签、历史、趋势的闭环。
  4. 业务运营方式是配置驱动的，很多能力都能通过导入、导出、训练、补算来维护。

业务边界与结果层次

1. 业务边界

曲线分析系统的业务边界可以概括为：基于时序数据的工艺质量分析。

它适用于质量数据表现为一条或者多条曲线的场景，关注的不是数据本身的存储，而是围绕曲线所形成的工艺质量判定、比较和追溯。

2. 结果层次

系统的结果层次可以分为四层：

  1. 特征输出和模型输出
  2. 判定策略输出
  3. 规则层聚合输出
  4. 最终质量结论

其中，特征输出和模型输出都属于判定因子，是中间数据。

判定策略作为业务层的代理，把中间数据转换成单维度的判定结果。

规则层负责整合多个判定结果，并对单个质量对象做出最终判定。

3. 业务表达

从业务语言上看，这套系统关注的是：

  • 一条或多条曲线是否反映出某个质量对象的工艺状态
  • 每个策略给出的单维度结果是什么
  • 多个结果合在一起之后，最终质量结论是什么

因此，它不是单纯的曲线展示系统，也不是单纯的模型计算系统，而是面向工艺质量的判定与汇总结论系统。

扩展知识

  • [01 曲线分析系统领域知识扩展](/01 曲线分析系统领域知识扩展/)

可以继续延伸的 Obsidian 链接

工作笔记
#Domain Knowledge #工作笔记
曲线分析系统领域知识
https://luischen.github.io/2026/06/22/manulism-work/20_Domain_Knowledge/22 曲线质量分析/00 曲线分析系统领域知识/
作者
Luis Chen
发布于
2026年6月22日
许可协议