Cần xác định đang so sánh đường nhiệt, trạng thái máy, kết quả sản phẩm hay toàn bộ hệ thống. Nếu mục tiêu là ổn định quá trình, dữ liệu theo thời gian là trung tâm. Nếu mục tiêu là đồng đều sản phẩm, cần thêm chỉ báo đầu ra. Nếu trộn hai mục tiêu, kết quả có thể khó diễn giải. Một biến chỉ được đưa vào vì “có sẵn” có thể làm tăng chiều dữ liệu mà không tăng thông tin.
Căn chỉnh theo thời gian
Các mẻ không phải lúc nào cũng có cùng số điểm hoặc tốc độ diễn biến. Muốn so sánh đường cong cần một cách căn chỉnh nhất quán, chẳng hạn dựa trên mốc sự kiện hoặc một trục thời gian chuẩn. Căn chỉnh quá mạnh có thể xóa khác biệt thật; không căn chỉnh có thể khiến hai đường cong giống hình dạng nhưng lệch thời gian bị coi là rất khác. Vì vậy, tiền xử lý là một phần của thiết kế nghiên cứu.
PCA và khoảng cách đa biến
PCA có thể nén nhiều biến thành một số thành phần giúp quan sát cấu trúc biến thiên giữa các mẻ. Hotelling T² lượng hóa khoảng cách đa biến có xét cấu trúc hiệp phương sai. NIST mô tả đây là công cụ phù hợp khi nhiều biến có tương quan. Một mẻ nằm xa vùng bình thường là tín hiệu để điều tra, không phải bằng chứng tự động về nguyên nhân. Có thể cần xem thêm biểu đồ đơn biến để tìm biến đóng góp.
Dữ liệu nền
Không thể gọi một mẻ là bất thường nếu chưa định nghĩa bình thường. Dữ liệu nền nên gồm nhiều mẻ đại diện cho trạng thái vận hành ổn định. Nếu nền quá hẹp, mô hình sẽ nhạy với thay đổi hợp lệ; nếu quá rộng, cảnh báo có thể ít hữu ích. Cần ghi cả biến đầu vào như nguyên liệu và khối lượng mẻ, nếu không mô hình có thể đánh dấu sai lệch mà nguyên nhân thực chất nằm ở đầu vào.
Biến thiên không đồng nghĩa lỗi
Một phần khác biệt giữa các mẻ là tự nhiên. Mục tiêu không phải làm mọi mẻ giống hệt nhau mà xác định mức biến động phù hợp với mục tiêu. Nếu dữ liệu nền đã bao gồm biến thiên hợp lệ, cảnh báo sai sẽ giảm. Nếu nền chỉ gồm những mẻ rất giống nhau, thay đổi nhỏ cũng có thể bị đánh dấu. Vì vậy, định nghĩa vùng bình thường quan trọng không kém thuật toán.
Từ so sánh đến điều tra
Kết quả đa biến nên giúp trả lời mẻ lệch ở nhóm biến nào, thời điểm nào và sự lệch có xuất hiện ở đầu ra hay không. Sau đó mới quay về roast log và hồ sơ vận hành. Không nên biến một khoảng cách thống kê thành phán quyết “mẻ lỗi”. Giá trị của phân tích nằm ở việc làm cho sự khác biệt có thể nhìn thấy, định lượng và truy nguyên hơn.
Kết quả đa biến cần được đọc cùng dữ liệu gốc
Một điểm xa trên PCA hoặc T² là kết quả đã nén nhiều biến. Để hiểu nó, cần quay lại dữ liệu gốc và xem biến nào tạo ra sai khác. Nếu chỉ báo đa biến được dùng như một con số độc lập, người vận hành khó biết cần làm gì. Vì vậy, hệ thống nên cho phép truy ngược từ cảnh báo đến đường nhiệt, khí, khối lượng và những biến đầu vào liên quan. Khả năng truy nguyên làm cho phân tích đa biến hữu ích hơn trong môi trường sản xuất, nơi quyết định phải dựa trên nguyên nhân có thể kiểm tra.
Định lượng mức đóng góp của từng biến
Sau khi một mẻ bị nhận diện là khác, cần xem biến nào đóng góp vào khoảng cách đa biến. Có thể kết hợp điểm số của PCA với dữ liệu gốc để xác định những biến cần kiểm tra. Tuy nhiên, biến đóng góp lớn không đồng nghĩa nguyên nhân vật lý. Nó chỉ là nơi dữ liệu khác biệt mạnh. Việc tách hai khái niệm này giúp tránh biến phân tích thống kê thành chẩn đoán tự động. Nếu biến được xác định là quan trọng, bước tiếp theo vẫn là kiểm tra điều kiện vận hành và dữ liệu đầu vào.
Khi nào nên dùng so sánh đơn biến
Không phải mọi bài toán đều cần PCA hoặc khoảng cách đa biến. Nếu mục tiêu chỉ là theo dõi một biến đã được xác định là chỉ báo chính, biểu đồ đơn biến dễ giải thích hơn. Phân tích đa biến nên được dùng khi nhiều biến cùng mang thông tin và mối tương quan giữa chúng có ý nghĩa. Việc chọn công cụ đơn giản nhất đủ trả lời câu hỏi giúp giảm khó khăn khi triển khai và điều tra.
Đa biến không thay thế định nghĩa ổn định
Một khoảng cách đa biến chỉ có ý nghĩa khi vùng bình thường được xác định đúng. Nếu dữ liệu nền chưa bao gồm những thay đổi hợp lệ, mô hình sẽ cảnh báo quá mức. Nếu nền chứa cả nhiều trạng thái khác nhau mà không được phân nhóm, mô hình lại có thể trở nên quá rộng. Vì vậy, trước khi chọn PCA hay Hotelling T², cần xác định những điều kiện nào thuộc cùng một trạng thái vận hành. Phần phân tích thống kê chỉ có thể tốt khi khái niệm “bình thường” đã được thiết kế rõ.
Tài liệu tham khảo
- NIST/SEMATECH. What are Multivariate Control Charts?
- NIST/SEMATECH. Hotelling Control Charts.
- Catelani T. A. et al. (2018). Talanta, 179, 292–299. DOI: 10.1016/j.talanta.2017.11.010.
- Caporaso N. et al. (2018). Food Research International, 108, 628–640. DOI: 10.1016/j.foodres.2018.03.077.
You need to define whether you're comparing heat curves, machine state, product results, or the entire system. If the goal is process stability, time-based data is the center of attention. If the goal is product consistency, output indicators need to be added. Mixing the two goals can make results hard to interpret. A variable included just because it's “available” can increase data dimensions without adding value to the actual question.
Aligning by time
Batches don't always have the same number of points or the same rate of progression. To compare curves, you need a consistent alignment method, such as aligning by event markers or a standardized time axis. Aligning too aggressively can erase genuine differences; not aligning at all can make two curves that share the same shape but differ in timing look very different. So preprocessing choices need to match the specific comparison goal.
PCA and multivariate distance
PCA can compress many variables into a few components that let you observe the structure of variation between batches. Hotelling T² quantifies multivariate distance while accounting for covariance structure. NIST describes this as a suitable tool when many variables correlate. A batch far from the normal zone is a signal worth investigating, not automatic evidence of a cause. Further data may be needed to confirm.
Baseline data
You can't call a batch anomalous without first defining normal. Baseline data should include many batches representative of stable operating conditions. If the baseline is too narrow, the model becomes overly sensitive to valid changes; if too broad, alerts may become less useful. Input variables like raw material and batch mass need recording too, or the model may flag a deviation without a clear cause available for checking.
Variation doesn't mean fault
Part of the difference between batches is natural. The goal isn't making every batch identical but determining a level of variation appropriate to the objective. If the baseline already includes valid variation, false alerts decrease. If the baseline only includes very similar batches, even small changes may get flagged. So defining the normal zone matters just as much as the choice of algorithm.
From comparison to investigation
A multivariate result should help answer which group of variables a batch deviated in, at what time, and whether the deviation shows up in the output. Only then should you return to the roast log and operating records. A statistical distance shouldn't be turned directly into a “faulty batch” verdict. The value of the analysis lies in making differences visible, quantifiable, and traceable.
Multivariate results need to be read alongside raw data
A far point on PCA or T² is a result compressed from many variables. To understand it, you need to go back to the raw data and see which variable created the difference. If a multivariate indicator is used as a standalone number, the operator will struggle to know what to do. So the system should allow tracing back from an alert to the heat curve, gas, mass, and related input variables. This traceability is what makes multivariate analysis usable in practice.
Quantifying each variable's contribution
Once a batch is identified as different, you need to see which variable contributes to the multivariate distance. PCA scores can be combined with raw data to identify variables worth checking. However, a large contribution doesn't equal a physical cause — it's only where the data differs strongly. Separating these two concepts helps avoid turning a statistical analysis into a diagnosis without further verification.
References
- NIST/SEMATECH. What are Multivariate Control Charts?
- NIST/SEMATECH. Hotelling Control Charts.
- Catelani T. A. et al. (2018). Talanta, 179, 292–299. DOI: 10.1016/j.talanta.2017.11.010.
- Caporaso N. et al. (2018). Food Research International, 108, 628–640. DOI: 10.1016/j.foodres.2018.03.077.