智物聯，引領工業物聯

我們始終以技術創新創造價值，并夜以繼日的將互聯和工業智能的力量融入到各行各業
以前所未見的高度、速度、精度和深度，讓關鍵所在逐一實現。

MixIOT中的基礎數據分析應用及其使用（二）：偏態估計值

【摘要】：偏態或標準，我們該如何界定？

在MixIOT的基礎數據分析應用中，很多都是用于計算估計值的，包括偏態估計值、穩定性估計值、平衡估計值、增量估計值和風險估計值。這些估計值應用，是通過測量數據樣本，對物聯網對象進行不同側面的定量推算，在對它們進行逐一介紹之前，有必要先解釋一下什么是數據樣本。

估計值與數據樣本

還是以空壓機氣站為例，假設我們已經在MixIOT平臺上，創建了標識為OBJ881的空壓機氣站站對象，該對象有多個變量參數，分別是三臺空壓機的加載狀態、產氣壓力、產氣量、電度表讀數，兩個儲氣罐的溫度和壓力，以及整個氣站的供氣壓力和流量。

空壓機氣站采集到的變量參數

假設，在某一個時間點，該對象通過映射關系，獲得了一組所有變量的數據，這些數據對應的都是該對象相關實體的實時數據，這組數據被稱為是在該時間點的測量值。下一個時間點，該對象又有了一組新的測量數據。為方便起見，我們總是把最新的數據放在最上面。這樣，新的測量數據不斷生成，經過一段時間后就獲得了該對象的很多組這樣的測量數據。

該時段內所有的這些測量數據，構成了該時間段的測量數據樣本。之所以稱它們是樣本，是因為這些測量數據在時間上都是間隔測量的。盡管如此，這些測量數據樣本可以代表空壓站在這個時間段的實際狀態，就能用于相關的推算。

對象在某個時間段內的測量數據樣本

偏態估計值的概念

下面我們正式進入偏態估計值的介紹。

偏態估計值，就是物聯網對象在某個時間段的實際狀態與標準狀態（也稱為期望狀態）之間偏離程度的估算。這里的實際狀態，就是前面說的這個時間段的測量數據樣本。簡單的說，就是用實際測量的數據樣本來估算對象在這個時間段，實際與理想之間的偏差有多大。

然而，要正確理解什么是偏態，卻不是很容易。我們嘗試用一個大家都熟悉的例子，看看能不能把它解釋清楚。

一輛小車正在一條規定速度60公里的公路上行駛（為便于理解，我們將60公里作為規定速度而不是最高或最低限速），從A地開往B地，總里程10公里，用適配器記錄下整個過程的行車速度。在這個例子中，60公里的時速，就是標準狀態或者期望狀態，需要注意的是，這是交通管理部門所期望的行駛速度，并非小車司機所能完全做到的速度。因為車是由司機人為在操控，很難保持絕對勻速行駛。

下圖是該路段全程的行車速度數據曲線，縱軸代表的是速度，橫軸代表的是道路的路程刻度。在時速60公里處，做一條標簽，假設只要小車的時速不是60公里都算偏態，用紅色把有偏態的部分標出來。這時候我們可以看到，整條道路從頭到尾，幾乎全部都是偏態，如果交警以此作為違章依據去開罰單，顯然是不合理的。

車輛行駛全程中與規定時速的偏差

事實上，交通違章多半都會留有余地，在這個例子中假設只要小車行駛速度的上下浮動不超過規定速度的10%，就不會認定是違章，按照這個條件，小車在整個路段中也有違章，用紅色標注出來。如果交警把超速10%和速度低于10%都當做違章開罰單，那么小車司機就會被罰兩次，一次開得太快，一次開得太慢。所以，該道路的期望狀態，實際上是一個速度區間范圍，這個速度的區間范圍，就是標準狀態或者期望狀態。只有超出這個標準狀態或期望狀態的時候，才會被認定為是違章，也就是出現了偏態。

車輛行駛全程中的偏態

所以，標準狀態或期望狀態，本質上是一個事實依據。在這個例子中，這個依據就是交警是否認定違章，是否開具罰單。

根據這個例子，我們總結一下，給出偏態估計值的相關概念。

第一，標準狀態或期望狀態，是針對某個確定的過程或時段的。在這個小車行駛的例子中，如果小車離開了這個路段到了另一個路段，那么，60公里正負10%這個期望狀態就不存在了。也就是說，這個60公里時速只適用于這條10公里的路段。

第二，標準狀態或期望狀態，是一個容錯區間，也就是說，雖然有一個限速牌，但事實上交警執法的時候，會有一個正負10%的寬限度，這個就是容錯區間。

第三，這個容錯區間，可以大也可以小，取決于具體的場景和規則。

第四，某些時候，容錯區間也可能是零區間，這就是所謂的零容忍。

第五，偏態估計值，就是對象的實際狀態相對于標準狀態或期望狀態的偏離程度的估算。

我們進一步假設，小車司機開的是公司的車，公司的老板對他也提出了一個要求，行駛這條10公里路段的油耗是0.75升，超出這個油耗就要小車司機自己掏錢。但老板也給出了10%上下浮動的寬限。那么，這條路段的標準狀態或者期望狀態就有了兩個，一個是行駛速度，一個是油耗。

包括時速和油耗兩個期望狀態因素的行駛情況

事實上我們并無法在小車行駛過程中，實時獲得每一個瞬間的油耗，只能是在小車到達B地后，看看這段10公里的路程實際用了多少油。這樣，就可以來進一步完善偏態估計值的相關概念：

第六，標準狀態或期望狀態，可以包括對象的多個因素。

第七，描述對象實際狀態，可以是過程中的測量數據樣本，就像小車行駛速度，也可以是過程結束時候的測量數據，就像小車行駛結束后的油耗，具體使用什么樣的數據樣本要根據實際需要來定。

現在，我們就應該清楚，要得到偏態估計值需要怎么做：

首先，要確定估計的對象是什么。

第二，要確定描述標準狀態或期望狀態的因素都有哪些。

第三，要確定標準狀態或期望狀態的容錯區間。

第四，要確定偏態估計的過程或時段。

第五，要確定使用對象在該過程或時段中的哪些測量數據樣本。

最后，當然就是創建項目，把剩下的事情交給偏態估計值應用去做。

偏態估計值的使用示例

下面我們通過示例來講解偏態估計值應用的使用方法，還是以上面的空壓機氣站（OBJ881）為例。

空壓機氣站（OBJ881）

首先來構建空壓機氣站供氣壓力偏態估計值，根據前面的講解，我們逐個確定以下這些關鍵信息：

偏態估計值對象是整個空壓機氣站；
需要用到的變量參數是S101，也就是整個氣站的供氣壓力；
根據一般經驗，標準狀態的區間是1.05-1.15Mpa；
過程或時段是1個小時，每小時計算1次該時段或過程的全部測量數據樣本。

這個項目創建完成后，偏態估計值應用的計算模型就會根據項目的配置和所使用的測量數據樣本，每小時計算一次，每次計算都會產生一條偏態估計值的計算結果，而每條偏態估計值的計算結果所計算的，都是最近一小時這個時段里，空壓機氣站這個對象的供氣壓力偏態估計。點擊估計值圖表鏈接，就可以查看估計值圖表。

空壓機氣站供氣壓力偏態估計值的計算圖表

現在來看另一個偏態估計值項目：氣站總氣電比偏態估計值，我們依然需要確定以下這些關鍵信息：

偏態估計值對象是整個空壓機氣站；
需要用到的變量參數是整個氣站的氣電比指數；
標準狀態的區間是0.1-0.12；
過程或時段是1個小時，每小時計算1次該過程或時段結束時的最后一個數據。

這些信息看似與供氣壓力偏態估計值差不多，但其實有幾個重要的區別。

第一，氣站總氣電比偏態估計值所需要用到的氣電比指數這個變量參數不是直接從設備中采集到的，而是經過運行指數應用計算后產生的，是這個空壓機氣站對象的擴展變量。從這里可以看出，MixIOT對象通過采集得到的柔性變量和通過計算得到的擴展變量，都可以被任何其他一個應用引用，這就是為什么MixIOT是一個靈活的體系。

第二，選擇的數據樣本是過程或時段結束時候的數據樣本而不是全部數據，其實MixIOT在估計值的數據樣本選擇上是非常靈活的，除了這兩個例子中使用的全部數據樣本和結束時的數據樣本外，還可以根據實際需求選擇開始時的數據樣本、數據樣本平均值、最大數據樣本、最小數據樣本、數據樣本的中位數、全部數據樣本的數值積分、全部數據樣本的數值轉用量等等。

第三，氣站總氣電比偏態估計值的輸出是有限制的，由于總氣電比指數是氣站總耗電量與總產氣量的比值，當總產氣量（即變量參數S102）為零時，就不計算偏態，因為這個時候氣電比指數計算公式中的分母為零，算不出結果。這樣的限制在腳本編寫時有相應的表達方法。

此外，在這兩個例子中使用的標準狀態都是區間，而MixIOT還支持零區間（即零容忍）、正態分布、泊松分布或核密度分布等標準狀態。

那么，偏態估計值有什么意義呢？事實上，所有的估計值都是一種具有特定含義的指數，只不過它們的構造是確定的。偏態估計值，也就是用來衡量實際狀態與標準狀態偏離程度的指數，偏態估計值本身也是個相對數，單獨一個偏態估計值并沒有什么意義，重要的是估計值的變化，如果越變越大，說明對象實際狀態與標準狀態的偏離程度越來越大，也就意味著在實際的工業生產中已經出現或可能出現相應的問題，偏態估計值對于我們及早發現并解決這些問題具有十分重要的作用。

前期回顧 （點擊內容即可前往閱讀）

1	MixIOT中的基礎數據分析應用及其使用（一）：運行指數
2	技術干貨丨?業物聯網場景與對象的深度解讀
3	為什么說MixIOT是精于數據分析的工業互聯網平臺？
4	智物聯MixIOT的產品邏輯