选矿生产指标可视化监控平台研究

徐 泉，秦 莹，初延刚，许美蓉，丁进良

(东北大学 流程工业综合自动化国家重点实验室，辽宁 沈阳 110819)

0 引言

选矿生产作为典型的流程工业，具有流程长、工序多、设备多、指标多等特点。典型选矿生产过程涉及原料筛分、竖炉焙烧、强磁磨矿、弱磁磨矿、强磁选别、弱磁选别、反浮选、精矿浓缩、尾矿浓缩等工序，各工序中涉及的生产指标众多。选矿生产指标作为衡量生产中各个环节运行状态的重要依据，也作为生产过程最终产品质量的重要评价标准，实现对其的可视化监控对保证生产的稳定进行具有重要作用，将为生产调度人员提供一个有参考价值的决策支持信息。此外，通过数据的可视化挖掘出生产指标数据背后更深层次、更有价值的信息对实现选矿生产过程智能化具有重要意义。

随着近年来Web技术的不断发展，基于Web的数据可视化的范围和能力也得到不断提升，通过可视化技术的应用可以在具有大量高维数据的工业、商业、金融等领域中发现其内在规律，从而为其提供更加可靠的决策保障[1-4]。随着大数据应用越来越广泛，可视化技术已经成为人们分析复杂问题强有力的工具，针对大数据可视化技术和工具的研究层出不穷，如文献[5]列出了39个大数据可视化工具，文献[6]概述了当前大数据可视分析的发展现状以及未来发展趋势。

随着工业4.0时代的到来，企业对实现智能制造的需求越来越迫切。在实现智能制造的众多使能技术中，可视化技术扮演了一个关键角色[7-8]，是实现智能制造的一项关键使能技术。然而，目前针对在制造业中应用可视技术对工业数据进行可视化和可视分析的研究比较少[7-8]。文献[7]讨论了智能工厂装配线的可视化分析系统的设计与实现，系统支持对装配线效率的实时跟踪，通过分析历史数据定位异常，得到异常原因；文献[8]综述了可视化技术在智能工厂中的应用，基于应用场景和工业领域，提出一种分类方法来对已有的研究工作进行了分类；文献[9]针对选矿过程，运用偏最小二乘回归方法对影响综合精矿品位的质量指标进行筛选，并开发了选矿生产指标综合精矿品位监控系统软件；文献[10]提出了基于PM(production modeler)的过程建模方法，建立了面向统一建模语言(Unified Modeling Language, UML)对象和PM过程的可视化生产流程与智能优化方法相结合的选矿生产计划调度仿真系统平台，为开发选矿生产计划调度方法提供有效的集成化仿真测试环境，其主要利用PM过程建模方法对生产流程进行可视化；文献[11]利用信息可视化技术增强虚拟仪表显示特性以应用于过程监控，提升了过程监控可视化程度；文献[12]扩展了甘特图，用于研究大规模排产，其提供的新的交互技术和算法提高了甘特图的可扩展性、可利用性和可重调度性；文献[13]提出一个新的可视分析系统用于模拟制造过程。相对于离散过程，可视分析技术在流程工业中的应用就更少，文献[14]提出一个针对流程工业智能工厂设备状态监测的带有半监督框架和集成了先进的分析算法的交互式可视分析系统，该系统主要针对单体设备进行可视分析，且设备指标之间的相关性分析仅考虑了设备指标之间的线性相关关系。

对于流程工业，目前无论是制造执行系统(Manufacturing Execution System, MES)还是底层监控系统——数据采集与监视控制系统(Supervisory Control and Data Acquisition, SCADA)主要的功能是实现生产过程的监控与统计分析，其可视化主要是提供基础的人机交互界面，在工业大数据环境下，随着监控和分析的数据量越来越大，如何让管理人员、操作人员、分析人员等高效地通过数据可视化技术加深对工业生产过程的“理解”、洞察生产数据之间的相互关系变得十分重要，是实现对生产过程智能监控的重要基石。

目前，传统生产监控系统大多缺乏有效的数据分析功能[15]，而研究表明，提供对数据有效统计和分析功能对于提高监控系统的智能化程度具有重要作用[16-17]，现有监控系统难以满足大数据环境下传统工业企业智能化转型过程中对生产过程智能监控需求[18]。

此外，现有生产指标监控系统缺乏必要手段来对专家经验和领域知识进行有效集成，导致生产指标的监控和异常分析主要依赖操作/管理人员的个人经验，但是由于人的行为具有延迟性和不稳定性，从而导致监控系统的监控能力和效率下降[14]。

因此，为解决以上问题，本文将可视化技术应用于选矿生产指标监控，针对选矿生产过程的特点和技术需求，将数据可视化技术运用到选矿生产指标数据监控上，讨论了如何对选矿生产指标数据进行可视化，并设计研发了选矿生产指标可视化监控平台，提升选矿生产指标监控的智能化程度，并作为选矿生产执行系统的一部分成功应用到实际生产环境当中。

1 选矿生产指标分析

选矿企业通过一系列生产指标来反映生产及经营中各环节的运行状况，整个生产过程中涉及生产指标较多，对选矿生产指标的分类标准多样，可以考虑按照空间层次和指标类型不同的分类标准对生产指标进行分类[18]。

选矿生产指标按指标类型可分为质量指标、计量指标、设备运行统计、能源指标、成本指标、矿仓料位和工艺指标；从空间层次可分为企业综合生产指标、全流程生产指标、运行指标和控制系统指标，其分类结果如表1所示。

表1 选矿生产指标从空间层次分类结果

在众多生产指标中，企业综合生产指标反映了整条生产线在当前生产周期的产品产量、质量、成本以及消耗，当前生产周期的综合生产指标的完成情况影响了后续生产计划调度、生产排产的进行，从而间接影响企业的经营决策过程。以实际选矿企业的生产计划编制过程为例，企业根据当前市场需求、生产能力、资源约束等因素制定年、月、周、日生产计划，根据每天生产过程中综合生产指标达标情况来评价当天生产计划完成情况。当某些生产指标出现异常导致未按计划完成生产任务，需要计划调度人员进行调整以完成更长周期的生产计划，因此综合生产指标的正常与否关系到企业生产计划编制的进行，通过对综合生产指标的可视化监控，可更加清晰地看出指标异常，通过数据的可视化进一步挖掘出异常背后的信息。

生产全流程综合生产指标是反映整条生产线在当前生产周期的产品产量、质量、成本以及消耗的指标。全流程综合生产指标是连接选矿企业上层经营决策与下层运行操作及过程控制的桥梁，其决策结果的优劣直接关系到选矿企业的生产目标与经济效益，同时关系到下层运行操作和过程控制实现选矿生产全流程综合生产指标的可行性与难度。

运行指标描述的是每个工序生产运行状态，包括中间产品质量、子工序生产数据、能源消耗情况、设备运行统计等信息，反映该工序生产是否处于正常状态，并间接影响全流程综合生产指标。通过对工序生产指标的可视化监控，当生产指标出现异常状况时，及时采取相应修补措施，能提早避免产生损失，影响后续生产的进行。

控制系统指标描述的是每一个过程控制系统的设定值和控制系统的输出。

2 选矿生产指标可视化监控平台功能及核心组件

选矿生产指标可视化监控平台主要由工厂基础信息组件iPlantInfo、生产过程组态组件iDesigner、可视&可视分析组件iVisAnalysis和生产指标监控组件iMonitor组成，如图1所示。

2.1 工厂基础信息组件iPlantInfo

实现对工厂生产基础信息的建模，包括生产管理部门、生产组织单元、生产工序、生产设备、生产指标、指标类别、指标数据源(数据库表、OPC、OPCUA、第三方API)、操作员信息等。

2.2 生产过程组态组件iDesigner

在流程工业中，大多涉及流程长、工序多、工艺复杂、设备多等特点，在一整套生产工艺流程中，通常包括多个工序，而每个工序又包括多个子工序。不同工序之间存在一定逻辑关系，可能是串行，也可能是并行。在工序中还涉及到大量的工艺信息，如工序的基本信息、设备列表、子工序描述、设备运行状态记录等。因此，绘制工艺流程图可清晰展示生产过程中前后工序间逻辑关系，能更加形象直观地表达整个生产工艺流程。

对于选矿过程生产指标监控而言，工艺流程图除了可用于表达工艺流程的逻辑关系之外，还可以用于显示工序中的设备运行状态、设备报警信息、指标异常信息、生产通知信息等，进而实现对整个生产过程的可视化监控。

2.2.1 iDesigner概述

为了实现对工艺流程的可视化表述和生产指标可视化监控，借助于系统和过程建模思想[10，20]，现将监控流程图用如下可视图元进行定义，一个流程图可划分为5个组成部分，如图2所示，包括：①工序节点，指流程图中用图元表示的有实际物理意义的生产工序，工序节点可自定义属性、绑定事件、自定义图元形状及样式等；②连接线，是节点与节点之间的连线，可自定义连线类型、样式，为连线绑定事件；③端点，连接工序节点的连接线的起始点，可自定义端点形状、大小、样式等信息；④锚点，指出端点在工序节点上的位置，通过区分起始锚点和结束锚点来指明连接线的走向；⑤覆盖物，主要为连接线添加一些装饰物，如标签文本，提示框，连接点的箭头等。

对每个工序节点可绑定事件，包括“单击”事件、“双击”事件、“悬浮”事件等，通常设置鼠标“单击”事件为进入子工序操作，使之当前界面跳转至工序子界面，在工序子界面中按上述方式绘制该工序更加详细的子流程图，从而实现工序流程图嵌套功能；鼠标“双击”事件可设置为弹出对话框展示提示信息；鼠标“悬浮”事件可定义为浮出提示框展示工序基本信息。

2.2.2 iDesigner功能

iDesigner由图元库(①)、功能栏(②)、项目工序(③)、绘制面板(④)、指标配置(⑤)、工序配置(⑥)和工序库(⑦)七部分组成，如图3所示。其中：图元库包括常见形状图元节点，并可根据需求自定义图元形状添加至图元库中；功能栏包括保存、返回、后退、清除、刷新、导入、重新加载和运行功能；项目工序用于显示当前项目工序流程，不同的形状表示目前该工序的设计状态，五角星表示配置完成，菱形表示配置未完成，三角形表示未配置；绘制面板，通过鼠标拖拽方式将图元库中节点拖至绘制面板中，配置端点、锚点、工序状态等信息，同时在工序配置界面配置工序基础信息、工序事件、约束条件等属性，并通过鼠标指进行各个图元节点间的连线，同时在指标配置界面进行工序输入输出指标配置；工序库用来管理已经构建好的选矿通用基础工序单元，目标是提高基础工序组件的复用性和重用性，提升工序流程设计的速度，当设计新的选矿工序流程时可以在工序库基础上修改快速构建，此外通过约束条件的添加，使得专家经验、知识和规则得以沉淀，不断提升选矿行业的生产指标监控效率。绘制好的流程图可保存为json格式数据，可将数据保存至数据库或导出为文本文件保存至本地，每一个工序单元都可以独立保存，目标是针对选矿行业构建基础的工序单元组件库，形成选矿行业的知识积累。

下面详细说明功能面板中的配置功能：

(1)锚点设置 包括4个参数，x，y参数表示端点位置，dx，dy参数表示连接线起始走向。

(2)指标配置 工序之间的连接线用于定义工序的输入输出指标参数，通过“双击“连接线，配置工序的输入和输出指标参数。

(3)约束条件 相比于目前的生产指标监控系统，允许用户通过iDesigner将选矿的领域知识、规则和专家经验集成到生产指标监控系统中,最后利用规则引擎实现对规则的提取，实现基于知识的监控，以达到知识软件化，软件自动化，间接实现知识自动化这一高级目标。此外，系统提供模型或者算法接口，允许用户集成所需模型或者算法，支持配置多个算法或者模型，方便用户对比不同模型和算法效果，优化生产指标监控。

(4)工序事件 配置工序事件来触发相应的规则，事件的输入输出来源于该工序的输入输出指标和规则，支持指标级/工序级配置，对于指标的事件，工序级配置将影响其所属的所有指标。例如，能够配置触发指标的超限报警、过程异常报警、设备异常报警等，结合约束条件可以形成较完善的监控报警机制。

(5)工序状态 工序节点通过设置闪烁不同颜色边框和添加提示图标表示工序中设备、生产指标的状态通知信息，工序节点提示信息种类及含义如图4所示。节点右上角提示信息种类定义如表2所示，工序节点边框闪烁不同颜色表示不同报警级别，报警级别定义如表3所示。除此之外，通过连接线不同颜色表示该工序节点输出是否存在异常，连接线为灰色时表示输出指标正常，当连接线为红色时，表示该工序的输出指标存在异常。例如在图2中，工序节点边框出现红色闪烁边框，并且在右上角有“设备”字样提示信息，表明强磁磨矿工序设备出现故障。

表2 提示信息文本定义

表3 报警级别定义

2.3 生产指标监控组件iMonitor

iMonitor组件在iDesigner组件的基础上实现对生产指标的可视化监控，功能界面如图5所示，主要包括选矿工序(①)、工序监控(②)、报警记录(③)、生产指标配置与监控(④)4个模块。其中：选矿工序面板主要显示当前所有的工序流程，包括各级子工序，其目的主要用来帮助用户导航到具体的工序，操作员可以通过点击相应的工序，工序监控面板会同步导航到该工序，以显示该工序的工艺流程，实现对该工序的监控，特别对于较深的子工序，相比在工序监控面板中一层一层地双击相应的子工序，该交互手段的监控效率更高；工序监控主要显示工序流程，触发iDesigner定义的约束条件、工序事件、工序状态，工序点击事件等，用户可以通过双击查看子过程的实时状态，一旦有定义的规则或者事件被触发，系统会给出相应的提示信息，以帮助操作人员对流程进行可视化监控；报警记录面板主要显示当前的报警记录，以提示操作员，每条报警记录包括报警时间，工序，指标和具体报警内容；生产指标配置与监控模块会显示该工序配置的所有生产指标，操作员可以在iDesigner配置的指标基础上，根据实际监控需要、操作经验和指标相关知识，遴选过滤出关键监控指标，通过配置功能实现对关键指标的监控，从而达到减少监控强度的目标。此外，操作员还可以通过该配置功能对监控的指标配置具体的可视及可视分析方案(具体方法见iVisAnalysis组件)，满足操作员定制可视化方案的需求。

由于选矿工业涉及生产指标众多，以某选矿厂为例，现有生产指标共有近千个。对于生产指标监控而言，无论是以表格方式展示生产数据，还是以图形方式显示数据曲线，指标数目过多会导致不能突出重点进而忽略对重要指标的关注，一些有强相关性的指标被同时监控，数据形态展示混乱等问题出现。此外，随着选矿企业智能化的升级改造，采集的数据会越来越多[21],需要监控的生产指标也会越来越多。因此，单纯依赖于操作员经验或者专家知识往往会导致监控效率低下[22]，需要在操作经验和专家知识的基础上，结合数据分析的手段辅助人们挑选关键监控指标。iMonitor和iDesigner配合可以支持通过集成监控算法的方式实现对监控指标的筛选。文献[23]针对多输入多输出时间序列建模问题,提出基于数据降维因子分析与Pearson相关分析相结合的稳健特征选择新方法，然而该方法仅适用于指标之间的线性关系，同时该方法并没有考虑到指标之间的层次关系，极大地限制了该方法的应用场景。针对该方法的限制，针对存在非线性关系的生产指标，笔者采用因子分析与互信息、信息熵相结合的选择方法来确定对应工序的关键指标。首先，利用因子分析从多个输出指标中找出一个主因子，并与众多输入指标依次计算其互信息和信息熵，选择出与主因子相关性较强的指标作为模型输入变量。针对有层次关系的指标间关系采用文献[17]中使用的偏最小二乘(Partial Least Squares, PLS)+主元分析(Principal Component Analysis, PCA)的方法进行指标筛选和重构。首先，对输入指标和输出指标进行PLS投影，提取出输入可预测输出的部分(共变特征)，对于不可预测的输出部分和与输出不相关的输入部分，分别进行PCA降维，然后通过iMonitor进行相应的配置，可以有效降低用户的监控强度，提升对生产指标的监控效率。

2.4 可视及可视分析组件iVisAnalysis

iVisAnalysis组件主要提供各种生产指标可视化和可视分析方案，目前主要包括实时数据、历史数据及统计特性、指标数据对比分析、多视图等可视及可视分析方案。

2.4.1 生产指标实时数据可视化

生产过程实时数据能够反应当前生产运行状态是否正常，生产相关指标是否达到预期目标，通过对实时数据的可视化监控，现场操作人员能够及时发现生产过程中出现的异常情况，从整体上掌控生产运行状态。对于实时数据的可视化，可采用图表、实时曲线的方式，图表可展示当前要监控的多个指标详细信息，包括指标名称、采样时间、指标数据、指标单位、备注信息等；实时数据曲线用于展示生产数据的实时趋势。如图6所示，左侧表格展示已配置的生产指标的实时数据，右侧为生产指标的实时曲线，通过选中表格中某一行来确定要显示的生产指标实时曲线。根据生产指标采样时间，可自定义界面数据刷新时间，每次刷新数据更新对应表格内容和实时曲线，从而实现对实时数据的可视化监控。

2.4.2 生产指标历史数据及其统计特性可视化

对于生产指标历史数据的可视化，通过绘制历史数据曲线的方式实现，历史曲线能反映出指标一段时间内的历史趋势。为实现灵活查看不同时间段的历史数据，通过时间选择器选定时间段进行数据查询，将得到的历史数据绘制成历史曲线，如图7所示。同时提供移动、放缩、悬浮提示框、刷新等交互操作，移动操作通过曲线下方滑动条的拖动实现，用于查看不同区域数据曲线；放缩操作可让用户自由关注细节的数据信息，或概览数据整体，或去除离群点的影响，通过拖动滑动条两端实现；鼠标悬浮到图上，可以出现数据点详细数据信息。

(1)

除了对数据历史趋势的查看，还可对历史数据的统计特性进行可视化，包括指标均值和方差的可视化监控，如式(1)所示。由于不同指标采样时间不同，如化检验指标通常每小时一次数据，对于选定时间段的历史数据以天为单位进行划分，并计算每天数据的均值和方差，将均值和方差分别以折线和柱状图的方式展示，可直观分析出该指标当天生产情况和波动情况。日均值以折线图方式展示，可反映出过去一段时间内该指标均值高低情况；日方差以柱状图表示，表示该指标当天生产波动情况。

历史数据可视化整体效果图如图8所示，通过时间选择器选择一个时间段，得到该时间段的小时数据历史趋势，并自动绘出该时间段的日均值折线图和日方差柱状图，用于历史数据的简单分析。

2.4.3 基于雷达图的选矿运行指标对比分析可视化

由于各个运行指标的单位和量纲不同，可采用雷达图的形式同时展示不同量纲的多维数据。雷达图可显示多个维度的数据，每个坐标轴表示一个维度，且每个维度可设置不同单位长度来描述不同数量级的数据。将雷达图用于选矿运行指标数据的可视化监控，每个维度表示一个生产指标，如图9所示。雷达图可反映出两种生产情况信息：①每个维度可表示该指标数据当前值，可通过设置上下限，反应该指标当前运行状态，若超出限制值可提示报警信息，提醒生产人员关注该指标生产情况；②从整个图形来看，在正常工况下，每个生产指标都应该在工艺限制范围内，整个雷达图形状应该大致相同，若某天图形出现异常形状，表示这天出现工况异常，产品质量可能出现波动，提醒生产人员关注当天生产运行情况。

2.4.4 生产指标关联关系可视化

生产全流程综合生产指标直接反映整条生产线在当前生产周期的产品产量、质量、成本以及消耗，在众多生产指标中找出影响全流程综合生产指标的运行指标，并对运行指标与全流程综合生产指标间的关联关系进行可视化至关重要。实现运行指标与全流程综合生产指标的关联监控，不仅可以及时掌握它们之间的动态变化，还能进一步分析全流程综合生产指标异常时的原因。利用文献[9]中提到基于偏最小二乘—变量投影重要性分析(Partial Least Square-Variable Importance in the Projection, PLS-VIP)综合精矿品位影响因素的筛选方法，在影响综合精矿品位的30个运行生产指标中选出8个主要影响指标，并计算出每个运行指标对综合精矿品位的贡献率。参照该方法，可算出其他综合生产指标的影响因素，包括综合精矿产量、全厂选矿比、金属回收率、吨精成本。

为将全流程综合生产指标与运行指标之间的关联关系进行可视化，可采用类似图论中二分图的表示方法，将全流程综合生产指标和运行生产指标分别看成两个独立的点集，通过两个点集的映射关系表征两个集合中点的关联关系，如图10a所示。借助桑基图实现对这种关联关系的可视化，可以利用不同颜色区分不同指标，如图10b所示，左侧颜色条代表全流程综合生产指标，右侧颜色条代表影响全流程综合生产指标的运行指标。根据文献[9]中方法找出各个全流程综合生产指标与运行指标的关系情况，并将这种关系以图10b的方式表示。从图中可清晰看出左侧各个颜色条流向右侧，代表影响左侧指标的因素，根据各工序指标对综合生产指标影响的贡献率，确定图中各个指标的比例关系。

除此之外，为使查看单个全流程综合生产指标的影响因素一目了然，给图形添加交互操作，当鼠标悬浮于左侧某个全流程综合生产指标所在区域时，单独显示哪些右侧指标影响左侧指标，并提供百分比显示，如图10所示。

2.4.5 多视图可视化

由于选矿工业涉及生产部门、领域和指标众多，不同领域的操作员和管理人员对指标监控的需求不同，例如工艺、设备、能源等部门，大部分操作人员仅关注涉及自己相关指标类别的指标。因此，如何高效便捷地在指标之间进行交互，直接影响到用户对指标监控系统的体验。根据指标的所属工序和指标分类，设计多视图可视化方案，提供多视图交互技术，从而提高指标的监控效率，如图11所示。

每一个工序和分类都对应一个视图，其中工序为主视图，指标分类为子视图，嵌入到工序视图中，如图12中(1)所示。用户可以点击具体工序以导航进入该工序查看详细信息，此时其余工序视图通过缩放技术进行缩小，显示为缩略图，如图12中(2)和(3)所示，用户同样可以点击具体分类指标，查看该分类指标视图里面的指标详细信息，此时其余指标类别视图通过缩放技术进行缩小，显示为缩略图，如图12中(4)所示。图12给出了一个具体例子，用户通过选择菜单选择了竖炉焙烧、原料筛分和强磁选三个工序，工艺指标、质量指标、能源指标三个分类，然后可视区域开始进行可视，初始视图包括三个工序视图，每个工序视图中嵌套三个指标视图，如图12中(1)所示；用户通过点击原料筛分查看原料筛分详细的指标信息，如图12中(2)所示，类似可以点击竖炉焙烧查看竖炉焙烧详细的指标信息，如图12中(3)所示；用户可以在原料筛分视图中点击能源视图查看能源指标详细信息，如图12中(4)所示。

图12多视图可视化和交互，用户通过选择菜单选择了竖炉焙烧、原料筛分和强磁选三个工序，工艺指标、质量指标、能源指标三个分类，然后可视区域开始进行可视，初始视图包括三个工序视图，每个工序视图中嵌套三个指标视图，如(1)所示；用户通过点击原料筛分查看原料筛分详细的指标信息，如(2)所示，类似可以点击竖炉焙烧查看竖炉焙烧详细的指标信息，如(3)所示；用户可以在原料筛分视图中点击能源视图查看能源指标详细信息，如4所示。

3 生产指标可视化监控系统的应用

根据以上生产指标可视化设计方案，以酒钢二选厂工艺流程为例，使用流程图组态工具绘制工艺流程图如图13所示。通过鼠标点击流程图中工序节点可跳转至具体工序界面中，并在工序指定界面中继续绘制更加详细的子工序工艺流程图，通过该方式将选矿工艺流程进行可视化，使生产指标按工序分类的可视化监控结构层次更加清晰。

为实现生产指标监控模块功能的通用性，使指标监控模块应用到不同选矿厂成为可能，系统提供可自由配置各工序指标功能，通过界面中“指标配置”按钮，可切换到指标配置界面，根据具体生产工艺需求，为每个工序配置需要监控的指标。选矿生产指标监控已应用至酒钢某选矿厂MES中，作为MES中的一个功能模块，以该选矿厂现场生产数据为输入，对选矿生产指标的可视化监控系统的实用性进行验证，系统的功能有实时数据显示、实时曲线显示、历史趋势回放、历史数据统计显示、综合生产指标对比分析、指标配置等，系统运行界面如图14所示。

4 结束语

本文以选矿工业过程为背景，构建了一个选矿生产指标的可视化组态监控平台。首先，在对选矿生产指标进行分析的基础上，设计了基于生产工艺流程图的生产指标可视化组态设计、监控工具、可视化及可视分析工具。组态设计工具根据生产工艺以组态方式绘制工艺流程图，并能通过可视界面自定义其节点功能、触发事件、提示信息、指标分析算法等，进而通过组态监控工具实现对生产指标的可视化监控。其次，以提升工业生产过程中对生产指标的监控效率为目标，可视及可视分析工具提供了包括实时数据、历史数据及其统计特性、多指标综合对比分析、指标关联关系分析、多视图等可视方案，并将其应用至对选矿生产指标可视化监控中。此外，为了提升工序指标监控效率和减轻操作人员监控强度，系统提供因子分析、Pearson相关分析、互信息、信息熵等分析手段，以辅助人们提取出工序关键监控指标，从而实现对监控生产指标的约简。由于该平台以组态方式提供，使其可以快速应用于其他流程行业，实现生产指标可视化监控的组态化，此外，其组态出的每一个工序都可以复用和扩展，可以构建行业的基础工序单元组件库，形成行业的知识积累。最后，根据以上设计方案，开发了选矿生产指标可视化监控平台，该平台作为选矿生产执行系统的一部分已应用于实际生产过程当中，并取得了良好的应用效果。