软传感器（虚拟传感器）

工厂里最影响决策的一些量恰恰最难连续测量：熔体粘度、浓度、水分、两小时后化验才揭晓的最终质量等级。软传感器用推断补上缺口：一个训练出来的模型，从几十个连续测量的信号估计那个测不了的量。

从回归到ML

流程工业用第一性原理和线性回归造软传感器已有几十年。ML这一代改变了两笔经济账：构建成本（模型从历史数据库学习关系，而不是数月的人工建模）和保真度（非线性方法捕捉交互效应——被线性模型抹平的原料批次×温度×速度依赖）。结果是预测性质量——连续地把在制品与最终质量对照打分——从工程项目变成了平台标配。

回报在哪

三种反复出现的收益：取代化验延迟（现在就按估计质量行动，稍后化验确认）、不可能的位置（估计没有物理传感器能存活的工况）、成本规避（现有信号上的模型 vs 一台分析仪加维保合同）。让它们保持诚实的纪律：定期与真值对账——无人监督漂移的软传感器是个自信的骗子。

常见问题

ML软传感器有多准？

只要定期与化验或检验真值对账就准到可以行动——这个对账闭环是设计要求，不是选项。把估计当作误差已知的控制信号，不要当福音。

软传感器和预测性质量是一回事吗？

预测性质量是软传感器的旗舰应用：被合成的『传感器』就是最终质量结果，从在制信号实时估计，在运行中拦下坏批次。