化工分析與檢驗(yàn)工作中常見難題與對(duì)策分析

許叢琳 牟志娟 陳坤(日照安科檢測(cè)評(píng)價(jià)技術(shù)有限公司，山東日照 276800)

0 引言

化工分析與檢驗(yàn)是一項(xiàng)十分復(fù)雜的工作，里面涉及很多復(fù)雜的操作，比如原料種類的多變性，使用很多的儀器，人為的對(duì)產(chǎn)品進(jìn)行評(píng)估和數(shù)據(jù)分析，需要分析員有深厚的數(shù)學(xué)功底和數(shù)學(xué)建模水平，不同的分析人員因?yàn)椴煌牟僮骱徒?jīng)驗(yàn)會(huì)產(chǎn)生很大的不同，這就可能會(huì)導(dǎo)致產(chǎn)品上面出現(xiàn)不同程度的誤差，從而影響到企業(yè)實(shí)際的生產(chǎn)生活。

1 化工分析與檢驗(yàn)工作中常見難題及解決方法

化工企業(yè)在進(jìn)行化工分析之前肯定會(huì)進(jìn)行撿樣，制樣，驗(yàn)樣等一些操作，這些人為的操作中往往就會(huì)發(fā)生批漏，比如說撿取樣本的時(shí)候可能會(huì)出現(xiàn)少揀，錯(cuò)揀，漏檢等現(xiàn)象。這些現(xiàn)象的危害是十分嚴(yán)重的，哪怕給你最好的化工分析員，它也會(huì)直接導(dǎo)致最后實(shí)驗(yàn)結(jié)果分析的不準(zhǔn)確，從而錯(cuò)誤的指導(dǎo)化工生產(chǎn)。下面就如何避免原材料的錯(cuò)誤和紕漏談一談具體的措施。

首先，撿樣和制樣的人員都是必須經(jīng)過專門培訓(xùn)的[1]。撿樣的時(shí)候選擇隨機(jī)抽樣，比如說礦山企業(yè)的磷礦進(jìn)行撿樣和抽樣，那么就要從不同的井口，井口里面不同的位置進(jìn)行取樣。下面來說說制樣環(huán)節(jié)，制樣的機(jī)器是十分昂貴的，而且維護(hù)成本也是昂貴的。所以最好的做法就是把員工培訓(xùn)成能夠熟練操作使用這些機(jī)器的員工，避免員工在使用機(jī)器時(shí)候的不當(dāng)而導(dǎo)致機(jī)器出現(xiàn)故障，如果員工在能夠撿樣和制樣的條件下也能夠自己維修制樣機(jī)器那是最好的了。最后一點(diǎn)要說明的就是員工采樣和制樣化工分析最好分成兩個(gè)步驟，也就是分成兩個(gè)工種：一批員工專門從事采樣和制樣，另外一批員工就去從事樣本的化工分析。且每天制作出來的樣本由制樣人直接送去化驗(yàn)室交給化驗(yàn)工作員，這樣就能最大程度上避免采樣，制樣，驗(yàn)樣環(huán)節(jié)的紕漏。

督促相關(guān)工作人員落實(shí)分析與檢驗(yàn)行為。建模與計(jì)算機(jī)運(yùn)算只是減少化工分析誤差的手段，化工分析與檢驗(yàn)工作的本質(zhì)上是人，數(shù)據(jù)可以減少理論上和實(shí)際工作中的誤差，但一些人為的誤差往往無法避免。相關(guān)工作人員在工作中，要提高自身對(duì)于新技術(shù)的掌握度，比避免操作誤差，細(xì)致分析化工分析與檢驗(yàn)工作中的實(shí)驗(yàn)用量，選定合理科學(xué)的指標(biāo)劑，對(duì)于操作流暢要牢記于心，避免實(shí)驗(yàn)誤差。另外，對(duì)于化工分析與檢驗(yàn)的儀器，工作人員要定期清理，在再次使用前要徹底消毒，減少上次實(shí)驗(yàn)殘留，這樣可以減少分析誤差。從而提高分析的精確度，促進(jìn)企業(yè)進(jìn)一步發(fā)展。

2 使用大數(shù)據(jù)技術(shù)解決實(shí)驗(yàn)數(shù)據(jù)的誤差出現(xiàn)問題及解決方法

在化工企業(yè)進(jìn)行化工分析指導(dǎo)化工生產(chǎn)的時(shí)候，最為關(guān)鍵的一環(huán)就是化工分析所得出的結(jié)果了，因?yàn)榛て髽I(yè)往往都是以這個(gè)結(jié)果為指標(biāo)指導(dǎo)企業(yè)進(jìn)行生產(chǎn)實(shí)踐，如果化工分析這個(gè)環(huán)節(jié)出了錯(cuò)誤，那么就會(huì)對(duì)企業(yè)造成巨大的經(jīng)濟(jì)損失。而這個(gè)錯(cuò)誤可能僅僅只是由化工分析人員分析實(shí)驗(yàn)數(shù)據(jù)的誤差所導(dǎo)致的，當(dāng)然，對(duì)于誤差這個(gè)東西，我們是不可避免的，那么如何把誤差降到最低呢，或者換句話說，如何構(gòu)建一個(gè)數(shù)學(xué)模型使得對(duì)于實(shí)驗(yàn)數(shù)據(jù)的擬合度最高。這是一個(gè)關(guān)鍵的問題。

擬合度是數(shù)據(jù)挖掘中的一個(gè)專屬名詞，它的定義就是給你一組實(shí)驗(yàn)數(shù)據(jù)，你通過一系列的算法和軟件對(duì)這些數(shù)據(jù)進(jìn)行分析，最后得出一個(gè)數(shù)學(xué)模型也就是一個(gè)復(fù)雜的多元多次方程組來實(shí)現(xiàn)對(duì)這些數(shù)據(jù)的描述，這個(gè)就叫做擬合，也就是通過一個(gè)數(shù)學(xué)模型來高度擬合出我們的實(shí)驗(yàn)數(shù)據(jù)?；し治鲋校覀儜?yīng)該怎么做呢，首先，我們必須得要求化工分析人員具有其過硬的專業(yè)技能和工作經(jīng)驗(yàn)的積累，另外還需要化工分析人員具有深厚的數(shù)學(xué)功底，至少構(gòu)建數(shù)學(xué)模型所需要的基本的高等數(shù)學(xué)和線性代數(shù)以及一些概率論是必須要求的。身處21 世紀(jì)，很多產(chǎn)業(yè)和服務(wù)都搭上了互聯(lián)網(wǎng)這輛順風(fēng)車，從此開始飛速的發(fā)展，可以說互聯(lián)網(wǎng)深深的改變了我們的生活，身為化工分析員，不僅要學(xué)會(huì)利用計(jì)算機(jī)快速性和準(zhǔn)確性來為我們服務(wù)，也要學(xué)會(huì)利用計(jì)算機(jī)的大數(shù)據(jù)環(huán)境對(duì)我們的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和數(shù)據(jù)分析。這一點(diǎn)尤為重要。因?yàn)榛し治鲈缭诤芏嗄昵熬鸵呀?jīng)存在了，那些資深的化工分析員都已經(jīng)有了很多的行業(yè)經(jīng)驗(yàn)，但正因?yàn)槿绱耍芏嗬匣し治鰡T就會(huì)滿足于現(xiàn)狀，靠著自己幾十年的經(jīng)驗(yàn)吃飯，這是不對(duì)的。

時(shí)代在發(fā)展，技術(shù)在進(jìn)步，大數(shù)據(jù)和人工智能是未來的趨勢(shì)，所以我們也要學(xué)會(huì)使用大數(shù)據(jù)技術(shù)來為企業(yè)的化工分析提供服務(wù)。我們的第一個(gè)需求將實(shí)驗(yàn)數(shù)據(jù)進(jìn)行存儲(chǔ)，利用大數(shù)據(jù)平臺(tái)Hadoop，將數(shù)據(jù)存放在它的分布式文件系統(tǒng)HDFS 中，這樣好方便后面的計(jì)算服務(wù)。我們的第二個(gè)需求是大數(shù)據(jù)環(huán)境下，化工分析所需要的數(shù)據(jù)計(jì)算?？梢允褂么髷?shù)據(jù)平臺(tái)Hadoop的MapReduce 進(jìn)行計(jì)算，或者是通過大數(shù)據(jù)平臺(tái)Spark 代替Hadoop 的MapReduce 進(jìn)行計(jì)算，因?yàn)镾park 是基于內(nèi)存的運(yùn)算，比MapReduce 快上數(shù)百倍。最重要的是對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)建模和數(shù)據(jù)分析，使用機(jī)器學(xué)習(xí)的分類，回歸等算法。這兩個(gè)算法可以用來用來進(jìn)行數(shù)學(xué)模型的耦合性的判斷和模擬，可以通過這些個(gè)算法并且通過我們化工企業(yè)以往的化工分析的一些數(shù)據(jù)集，然后通過一個(gè)或者幾個(gè)生產(chǎn)因素來直接預(yù)測(cè)我們的生產(chǎn)結(jié)果是怎么樣的[3]。還有就是在化工分析中可以對(duì)化工分析的數(shù)據(jù)進(jìn)行分析，使用機(jī)器學(xué)習(xí)中的推薦算法和關(guān)聯(lián)算法Fpgrowth 等等，幫我們直接找到最合適的原材料之間的搭配比例。最后還需要化工分析相關(guān)人員要做的就是對(duì)實(shí)驗(yàn)數(shù)據(jù)結(jié)果的圖形化繪制，我們往往需要使用R 語言對(duì)我們的實(shí)驗(yàn)結(jié)果進(jìn)行繪圖，以便結(jié)果通過圖形的方式表達(dá)出來。這在化工分析中是極其關(guān)鍵的。圖1 就是我們的化工數(shù)據(jù)分析之后的擬合度的數(shù)學(xué)模型的構(gòu)建和R 語言的可視化，因?yàn)闆]有具體的化工分析數(shù)據(jù)，所以我們使用R 環(huán)境自帶的女性身高和體重的數(shù)據(jù)集進(jìn)行模擬的圖形，原理一樣。

圖1 R語言對(duì)實(shí)驗(yàn)結(jié)果的可視化繪圖

3 結(jié)語

2016年開始，大數(shù)據(jù)和人工智能是未來的趨勢(shì)，我們的化工分析也應(yīng)該搭乘一下大數(shù)據(jù)的順風(fēng)車，通過大數(shù)據(jù)的一系列的專業(yè)的算法來對(duì)我們的化工數(shù)據(jù)進(jìn)行分析和構(gòu)建數(shù)學(xué)模型，以便更好的來指導(dǎo)我們企業(yè)的生產(chǎn)生活實(shí)踐，使得企業(yè)能夠在減小成本的情況下，同時(shí)也獲得更多的經(jīng)濟(jì)收入。