随着工厂信息化建设步伐的加快，化工厂MES的建设受到越来越多的关注，而数据校正模块又是MES中的一个非常重要的模块，这篇论文正是通过对数据校正技术各个部分的讨论，最终形成一个完整的方案，它在某化工厂的应用也得到很好的效果。 数据校正技术主要用来改善工厂过程数据以便提高工厂操作水平和总体计划的可信度。数据存储越来越便利、计算工具和算法不断得到改善、工厂基础自动化水平越来越高，这些技术的发展都有利与我们处理工厂的大量过程数据从而使之变成有用的过程信息来指导生产、提高工厂的生产效率和竞争力。然而，化工过程的数据都包含一定程度的误差，这些误差可能是随机的也可能是系统的，而数据校正技术恰恰是可以实现测量数据的最优调整，使它们满足物料和能量平衡，如果数据足够冗余，也可实现未测变量的估计、过失误差的诊断。 基于线性系统的冗余性和可观测性变量分类，我们给出了非线性系统变量分类的新方案；为了能够求出不可观测变量的值我们首先提出了求符合工艺要求的需要人为给定或者增加测量装置的未测量决策变量的方案；基于数据分类，给出了系统降阶的方案，这对含有很多未测变量的系统尤为重要；测量变量的协方差影响系统校正的准确性，我们给出求取协方差的鲁棒方法。过失误差的存在严重影响着系统的校正，不剔除过失误差，得出的校正结果是不可信的、甚至是错误的，所以我们给出多种有效剔除过失误差的方案；最后，就是引入线性系统和非线性系统的最小二乘法校正方案，对线性系统我们可以求助于解析解，对于非线性系统，我们可以使用序列线性化或者求助于二次规划法。