在大量正常工艺数据和质检数据的基础上，构建了热电偶的历史数据（因）和质检数据（果）之间的回归方程，得到一个表征了因果关系的映射函数。
在映射函数上可以做两件事情：
1)量化调参：在翘曲发生的时候，根据特定翘曲的目标值，反推出对应的热电偶控制参数对应的调整范围，进行精确调参；
2)虚拟量测：根据热电偶控制参数的当前数据，基于映射函数，实时预测未来数小时之后的翘曲值，一旦当翘曲超过预设的门限，立即告警，甚至需要停产。
应用效果
通过与彩虹特种玻璃工艺工程师的联合开发，实现了自动化的工艺数据和质检数据的集成，提高了问题分析和问题产生原因的定位效率，并首次实现了基于实时工艺数据对未来数小时之后的翘曲缺陷的精准预测。
应用场景推广
“只要能测量，就一定能改进”。这句话虽然不假，但是在很多生产过程中，确实存在着无法测量的现象。
首先，在自动化连续生产过程中，由于控制参数和环境变量太多，导致中间环节半成品的产出会有很大的不确定性。而大量中间环节的半成品是没有办法在当前阶段直接测量的，只有到了阶段性的检验或者最终检验环节，通过特定的质量检测仪器，才能确定是否出现了问题。这种滞后的检测会产生缺陷的时间窗口现象，即从产生问题的点到检验环节之间的延迟会引起大量缺陷产品。
其次，在一些生产过程中，由于测试成本、安装部署物理条件的限制，有大量关键的生产参数，如高温炉中心温度、材料的化学成分、液面高度等，都无法直接测量。而为了取得这些参数，往往采用人工监视、经验判断，或者采集样本、离线检验的方式，或者采用抽检而不是全检的方式，都会极大的影响产能和质量。
虚拟量测(也有人称软测量)是最近几年广泛应用在连续生产（半导体、光电、能源、化工等流程行业）的数据分析技术，它的原始是通过大量的设备实时数据和质检数据的采集，通过数据分析建模构建因果关系之间的映射关系，通过当前的可以直接测量的参数，在当前计算出来未来在检验环节才能发现的异常和缺陷；通过当前的测量值，间接推测出无法直接测量的指标，如前述的高炉中心温度、材料成分等。由于成本低、部署快、收效明显，已经在半导体、光电、能源、化工行业得到了大量的应用。
