云制造的发展使数据驱动的过程监控方法能够准确、及时地反映真实的工业过程状态。然而，传统的过程监控方法一旦被部署到边缘设备上，就无法更新学习的模型，这导致在面对时变数据时模型不匹配。此外，边缘的有限资源使其无法部署复杂的模型。因此，本文提出了一种新颖的云边缘协同过程监控方法。首先，收集工业过程的历史数据，建立字典学习模型，并在云中训练字典和分类器。然后，将模型简化并部署到边缘。边缘层监控过程状态，包括故障检测和工况识别，并根据错误触发策略确定是否发生了模型失配。数值模拟和工业焙烧过程结果验证了该方法的优越性。
