CN102804188A - 自动预测设计空间估计的方法及装置 - Google Patents
自动预测设计空间估计的方法及装置 Download PDFInfo
- Publication number
- CN102804188A CN102804188A CN2010800302891A CN201080030289A CN102804188A CN 102804188 A CN102804188 A CN 102804188A CN 2010800302891 A CN2010800302891 A CN 2010800302891A CN 201080030289 A CN201080030289 A CN 201080030289A CN 102804188 A CN102804188 A CN 102804188A
- Authority
- CN
- China
- Prior art keywords
- input value
- value scope
- enter
- efficacy measure
- response
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013461 design Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title claims abstract description 104
- 230000004044 response Effects 0.000 claims abstract description 313
- 238000004590 computer program Methods 0.000 claims abstract description 18
- 238000002474 experimental method Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 36
- 238000009826 distribution Methods 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 9
- 238000012986 modification Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 9
- 239000004065 semiconductor Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 21
- 239000000446 fuel Substances 0.000 description 27
- 238000004088 simulation Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 17
- 239000003500 flue dust Substances 0.000 description 17
- 230000008859 change Effects 0.000 description 16
- 238000004519 manufacturing process Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000000429 assembly Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000008676 import Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 2
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 2
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 2
- 229910019142 PO4 Inorganic materials 0.000 description 2
- 239000013543 active substance Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000001913 cellulose Substances 0.000 description 2
- 229920002678 cellulose Polymers 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000013401 experimental design Methods 0.000 description 2
- 239000008101 lactose Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 2
- 239000010452 phosphate Substances 0.000 description 2
- VCUVETGKTILCLC-UHFFFAOYSA-N 5,5-dimethyl-1-pyrroline N-oxide Chemical compound CC1(C)CCC=[N+]1[O-] VCUVETGKTILCLC-UHFFFAOYSA-N 0.000 description 1
- GUBGYTABKSRVRQ-XLOQQCSPSA-N Alpha-Lactose Chemical compound O[C@@H]1[C@@H](O)[C@@H](O)[C@@H](CO)O[C@H]1O[C@@H]1[C@@H](CO)O[C@H](O)[C@H](O)[C@H]1O GUBGYTABKSRVRQ-XLOQQCSPSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009183 running Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000004071 soot Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Architecture (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明阐述用于自动预测设计空间估计的基于计算机的方法及装置，包括计算机程序产品。针对实体处理程序估计输入因子及输出响应的设计空间。接收针对实体处理程序的一个或多个输入因子、该处理程序的一个或多个输出响应及准则的数据。针对该一个或多个输入因子中的每个，计算对应的实验输入值范围内的所计算的输入值范围。针对该一个或多个输入因子中的每个计算一经修改的输入值范围。至少基于这些经修改的输入值范围来预测一设计空间估计，其中这些经修改的输入值范围各自包含其中满足这些准则的这些输入因子中的一个或者多个的最大可变性区域。
Description
发明的技术领域
本发明总体涉及用于自动预测设计空间估计的基于计算机的方法及装置，包括计算机程序产品。
背景技术
在制药工业中，质量源于设计(QbD)已成为演化处理程序。QbD指从起初到最终输出在产品中构建质量的系统的处理。特定而言，QbD指用以确定可在生产处理程序中转换成成品的产品的操作要求(及其向设计要求中的并入)的设计功能的效果水平。这通常称作设计空间，其已被证明是提供质量保证的输入因子(例如，材料属性)的多维组合及交互作用。举例而言，针对制造处理程序，设计空间是满足具体产品要求(一个或多个输出响应)的可能设计与设计参数(输入因子)的集合。探索设计空间需要估计对于给定技术可具有的各种设计选项并使输入因子及输出响应相对于具体约束(例如，功率、成本、混合设计)最佳化。
在半导体器件制造工业中，器件制造商已通过依赖处理工具制造商来设计更好和/或更快处理程序及硬件配置来过渡至更紧密容差处理程序及材料规格。然而，随着器件几何结构收缩至纳米尺度，制造处理的复杂度增大，且处理及材料规格变得更难以满足。
可通过几千个处理变量的集合来描述用在当前半导体制造的典型处理工具。这些变量通常与该制造处理的实体参数和/或用在制造处理的工具相关。在某些情况下，该几千个变量当中，几百个变量是动态变量(例如，在制造处理期间或在制造处理之间随时间变化)。动态变量(例如，气流、气压、传送功率、电流、电压及温度)基于各种操作因子(例如，具体处理配方、总体处理步骤序列中的特定步骤及系列步骤、在制造处理期间出现的误差及缺陷或基于特定工具或腔室的使用的参数值的变化(例如，称作“漂移”)而变化。
操作者可通过例如改变输入因子(其是影响生产处理的变量)来控制制造处理。针对每一制造处理，可测量依赖于输入因子的输出响应值(例如，温度、良率、质量属性)。可针对特定制造处理执行实验，以确定什么输入因子值组合产生可接受的输出响应值。
实验设计(DOE)方法是用于处理(例如，制造处理、混合设计)确定输入因子与处理的输出响应之间的关系的结构化的、有组织的方法。DOE方法可经由观察输入因子的有条理变化的结果在统计上量化输入因子的不确定测量值及输入因子之间的交互作用。若存在与该处理相关联的操作准则，则针对不同输入因子组合来测量输出响应值，以确定是否每一组合满足这些操作准则。
探索设计空间需要基于任何操作准则人工评估各种设计选项。无法自动提供每一输入因子的可接收的可变性区域，或预测结果区域。该分析处理在必须在不同类型的约束情况下同时满足对输出响应的若干需求时更加复杂。此外，将期望以可易于操作者分析并解释的方式来显示设计空间的图形方法。
发明内容
本发明在一个方面以一种用于实体处理的估计输入因子及输出响应的设计空间的计算机化方法为特征。针对本文中所述的各实施例，实体处理可以是工业处理、制造处理、半导体处理、分析系统或过程、或设计项目。该方法包括：经由处理器接收针对实体处理的一个或多个输入因子、该处理的一个或多个输出响应及准则的数据。该准则包括用于一个或多个输出响应中的每个的目标响应准则、用以达成这些目标准则的该一个或多个输入因子中的每个的估计的最佳值以及该一个或多个输入因子中的每个的实验输入值范围，其中该实验输入值范围中的每个输入值决定该一个或多个输出响应中的每个的输出响应值。该方法包括使用该处理器针对该一个或多个输入因子中的每个计算处在对应实验输入值范围内的所计算输入值范围。计算包含：针对该一个或多个输入因子中的每个选择第一输入值范围；基在该第以输入值范围来预测该一个或多个输出响应的值，以为该一个或多个输出响应中的每个确定第一效能度量；及通过基于该第一效能度量与预定效能度量的比较而调整该第一输入值范围，从而为该一个或多个输入因子中的每个建立所计算的输入值范围。该方法包括使用该处理器针对该一个或多个输入因子中的每个计算经修改的输入值范围。针对该一个或多个输入因子中的每个输入因子，该方法包括：通过使该所计算的输入值范围扩展预定百分比来选择第二输入值范围；基于该第二输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第二效能度量；及通过基于该第二效能度量与该预定效能度量之间的比较而调整该第二输入值范围，来针对该输入因子建立该经修改的输入值范围。该方法包括使用该处理器至少基于这些经修改的输入值范围预测设计空间估计，其中这些经修改的输入值范围各自包含最大可变性区域，在最大可变性区域中这些输入因子中的一个或者多个满足准则。
在另一实施例中，该设计空间估计进一步包含该一个或多个输出响应中的每个的输出响应值分布，其中这些经修改的输入值范围决定该输出响应值分布。针对该一个或多个输出响应中的每个，若满足该预定效能度量，则处在该输出响应值分布内的预指定数目个输出响应值可处在该输出响应的预定极限值内。
在另一实施例中，预测该设计空间估计包括在任何剩余输入因子设定至其关联的估计的最佳值的同时预测每一输入因子的单独最大可变性区域。预测该设计空间估计可包括预测每一输入因子的组合的最大可变性区域，其中该一个或多个输入因子中的每个的值可处于该对应的组合最大可变性区域内的任何地方，且满足每一输出响应的该预定效能度量。
在另一实施例中，若该第一效能度量低于该预定效能度量，则建立该所计算的输入值范围包括通过使该第一输入值范围减小一预定百分比来选择第三输入值范围。该方法可包括：基于该第三输入值范围来预测该一个或多个输出响应的值，以针对该一个或多个输出响应中的每个确定第三效能度量；及通过基于该第三效能度量与该预定效能度量的比较而调整该第三输入值范围，来针对该一个或多个输入因子中的每个建立该所计算的输入值范围。
在另一实施例中，若该第一效能度量高于该预定效能度量，则建立该所计算的输入值范围包括以下步骤：将一步进大小设定至该第二输入值范围的大小的一预定百分比；通过基于该步进大小扩展该第一输入值范围来选择第三输入值范围；基于该第三输入值范围来预测该一个或多个输出响应的值，以为该一个或多个输出响应中的每个确定第三效能度量；及通过基于该第三效能度量与该预定效能度量的比较而调整该第三输入值范围，从而为该一个或多个输入因子中的每个建立该所计算的输入值范围。
在另一实施例中，若该第三效能度量低于该预定效能度量，则建立该所计算输入值范围包括以下步骤：通过基于该步进大小扩展该第三输入值范围来选择第四输入值范围；基于该第四输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第四效能度量；及通过基于该第四效能度量与该预定效能度量的比较而调整该第四输入值范围，为该一个或多个输入因子中的每个建立该所计算的输入值范围。若该第三效能度量高于该预定效能度量，则建立该所计算的输入值范围包括以下步骤：设定该第三输入值范围等于该第一输入值范围；使该步进大小减小一预定百分比；通过基于该步进大小扩展该第三输入值范围来选择第四输入值范围；基于该第四输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第四效能度量；及通过基于该第四效能度量与该预定效能度量的比较而调整该第四输入值范围，为该一个或多个输入因子中的每个建立该所计算的输入值范围。
在另一实施例中，若该第二效能度量高于该预定效能度量，则建立该经修改的输入值范围包括以下步骤：设定该经修改的输入值范围等于该第二输入值范围；及将完成标记与该输入因子相关联。若该第二效能度量低于该预定效能度量，则建立该经修改的输入值范围包括以下步骤：通过使该第二输入值范围扩展一步进大小来选择第三输入值范围，其中该步进大小曾用于选择该第二输入值范围；基于该第三输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第三效能度量；及通过基于该第三效能度量与该预定效能度量的比较而调整该第三输入值范围，为该输入因子建立该经修改的输入值范围。
在另一实施例中，为该一个或多个输入因子中的每个计算该经修改的输入值范围进一步包括以下步骤：确定该一个或多个输入因子中的每个都与完成标记相关联；使用于选择该第二输入值范围的步进大小减小预定百分比；及针对该一个或多个输入因子中的该一个或多个输入因子中的每个：通过使该第二输入值范围扩展该步进大小来选择第三输入值范围；基于该第三输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第三效能度量；及通过基于该第三效能度量与该预定效能度量的比较而调整该第三输入值范围，为输入因子建立该经修改的输入值范围。
在另一实施例中，预测该一个或多个输出响应的这些值包括执行蒙地卡罗模拟，且该第一效能度量、该第二效能度量及该预定效能度量是处于预定极限值内的该一个或多个输出响应值的数目的量度。为该一个或多个输入因子中的每个选择该第一输入值范围可包括将该第一输入值范围设定至该对应输入因子的下方外部界限值的一预定百分比。
在另一实施例中，该方法包括以下步骤：为该一个或多个输入因子接收约束，且基于该第一输入值范围来预测该一个或多个输出响应的值进一步包含调整该预测以补偿该约束。该约束可包括对一个或多个输入因子、因子分布或者它们的组合的使用者界定极限。该一个或多个输出响应中的每个的该目标响应准则可包括目标响应值、可接收目标响应值范围或临界目标响应值，其中该输出响应可高于或低于该临界目标响应值。在另一实施例中，该实体处理包含制造处理、工业处理、设计项目、半导体项目、或其任意组合。
在另一个方面，本发明以一种用于针对实体处理估计输入因子及输出响应的设计空间的装置为特征。该装置包括处理器，该处理器被配置以接收针对实体处理的一个或多个输入因子、该处理的一个或多个输出响应及准则的数据。该准则包括该一个或多个输出响应中的每个的目标响应准则、用以达成该目标响应准则的该一个或多个输入因子中的每个的估计的最佳值、及该一个或多个输入因子中的每个的实验输入值范围，其中该实验输入值范围中的每个输入值决定该一个或多个输出响应中的每个的输出响应值。该处理器进一步被配置以针对该一个或多个输入因子中的每个计算处于对应实验输入值范围内的所计算的输入值范围。计算包括：为该一个或多个输入因子中的每个选择第一输入值范围；基在该第一输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第一效能度量；及通过基于该第一效能度量与预定效能度量的比较而调整该第一输入值范围，为该一个或多个输入因子中的每个建立该所计算的输入值范围。该处理器进一步被配置，以针对该一个或多个输入因子中的每个计算经修改的输入值范围。计算包括：针对该一个或多个输入因子中的每个输入因子，通过使该所计算的输入值范围扩展预定百分比来选择第二输入值范围；基于该第二输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第二效能度量；及通过基于该第二效能度量与该预定效能度量的比较而调整该第二输入值范围，为该输入因子建立该经修改的输入值范围。该处理器进一步被配置以至少基于这些经修改的输入值范围来预测设计空间估计，其中这些经修改的输入值范围各自包含最大可变性区域，在该最大可变性区域中这些输入因子中的一个或者多个满足准则。
在另一方面，本发明以一种以有形方式嵌入在信息载体中的计算机程序产品为特征。该计算机程序产品包括可运作以致使数据处理装置接收针对实体处理的一个或多个输入因子、该处理的一个或多个输出响应及准则的数据的指令。该准则包括该一个或多个输出响应中的每个的目标响应准则、用以达成这些目标响应准则的该一个或多个输入因子中的每个的估计的最佳值、及该一个或多个输入因子中的每个的实验输入值范围，其中该实验输入值范围中的每个输入值决定该一个或多个输出响应中的每个的输出响应值。该计算机程序产品进一步包括可运作以致使数据处理装置针对该一个或多个输入因子中的每个计算处于对应实验输入值范围内的所计算的输入值范围的指令。计算包括：为该一个或多个输入因子中的每个选择第一输入值范围；基于该第一输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第一效能度量；及通过基于该第一效能度量与预定效能度量的比较而调整该第一输入值范围，为该一个或多个输入因子中的每个建立该所计算的输入值范围。该计算机程序产品进一步包括可运作以致使数据处理装置为该一个或多个输入因子中的每个计算经修改的输入值范围的指令。计算包括：针对该一个或多个输入因子中的每个输入因子，通过使该所计算的输入值范围扩展预定百分比来选择第二输入值范围；基于该第二输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第二效能度量；及通过基于该第二效能度量与该预定效能度量的比较而调整该第二输入值范围，为该输入因子建立该经修改的输入值范围。该计算机程序产品进一步包括可运作以致使数据处理装置至少基于这些经修改的输入值范围来预测设计空间估计的指令，其中这些经修改的输入值范围各自包含最大可变性区域，在最大可变性区域中这些输入因子中的一个或者多个满足准则。
在另一方面，本发明以一种用在针对实体处理估计输入因子及输出响应的设计空间的系统为特征。该系统包括用于接收针对实体处理的一个或多个输入因子、该处理的一个或多个输出响应及准则的数据的装置。该准则包括该一个或多个输出响应中的每个的目标响应准则、用以达成这些目标响应准则的该一个或多个输入因子中的每个的估计最佳值、及该一个或多个输入因子中的每个的实验输入值范围，其中该实验输入值范围中的每个输入值决定该一个或多个输出响应中的每个的输出响应值。该系统进一步包括用于针对该一个或多个输入因子中的每个计算处于对应实验输入值范围内的所计算的输入值范围的装置。计算包括：为该一个或多个输入因子中的每个选择第一输入值范围；基于该第一输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第一效能度量；及通过基于该第一效能度量与预定效能度量的比较而调整该第一输入值范围，为该一个或多个输入因子中的每个建立该所计算的输入值范围。该系统进一步包括用于为该一个或多个输入因子中的每个计算经修改的输入值范围的装置。计算包括：针对该一个或多个输入因子中的每个输入因子，通过使该所计算的输入值范围扩展预定百分比来选择第二输入值范围；基在该第二输入值范围来预测该一个或多个输出响应的值，从而为该一个或多个输出响应中的每个确定第二效能度量；及通过基于该第二效能度量与该预定效能度量的比较而调整该第二输入值范围，为该输入因子建立该经修改的输入值范围。该系统进一步包括用于至少基于这些经修改的输入值范围来预测设计空间估计的装置，其中这些经修改的输入值范围各自包含最大可变性区域，在该最大可变性区域中这些输入因子中的一个或者多个满足准则。
本文中所述的技术(其包括方法及装置)可提供如下优点：使用于界定每一输入因子的最大可变性区域的处理自动化，以及以给定机率水平预测每一输出响应的输出响应值分布。最大可变性区域及输出响应值分布能够以以下方式呈现：以一种高效且正确的方式结合所考虑的所有这些不同的准则。本文中所述的原理可通过用于设计空间估计的不同预测模型同时处置许多输出响应(其可结合扩展准则处置)。另外，可将这些输入因子和/或这些输出响应的约束并入至这些预测模型中。
结合仅以示例性方式图解说明本发明原理的附图，通过阅读下面的详细说明，本发明的其它方面及优点将变得显而易见。
附图说明
结合附图，阅读下文对各实施例的说明，将更全面地了解本发明的上述及其它目的、特征及优点以及本发明本身。
图1是根据本发明的一示例性实施例的用于预测自动预测设计空间估计的系统的示意图；
图2是图解说明根据本发明的一示例性实施例的用于预测自动预测设计空间估计的方法的流程图；
图3A是图解说明根据本发明的一示例性实施例的用于计算所计算输入值范围的方法的流程图；
图3B是图解说明根据本发明的一示例性实施例的用于计算所计算输入值范围的针对逐步区域扩展的方法的流程图；
图3C是图解说明根据本发明的一示例性实施例的用于计算所计算输入值范围的针对逐步区域扩展的方法的流程图；
图4A是图解说明根据本发明的一示例性实施例的用于计算输入值的经修改范围的方法的流程图；
图4B是图解说明根据本发明的一示例性实施例的用于计算输入值的经修改范围的针对逐步区域扩展的方法的流程图；
图5A是图解说明根据本发明的一示例性实施例的用于显示自动预测设计空间估计的图形显示的图；
图5B是图解说明根据本发明的一示例性实施例的用于配置用于计算自动预测设计空间估计的参数的图形显示的图；
图5C是图解说明根据本发明的一示例性实施例的用于显示自动预测设计空间估计的图形显示的图；
图5D是图解说明根据本发明的一示例性实施例的用于显示自动预测设计空间估计的图形显示的图式；及
图5E是图解说明根据本发明的一示例性实施例的用于显示自动预测设计空间估计的图形显示的图。
具体实施方式
在本发明的一些示例性实施例中，基于输入因子、输出响应及与输入因子和/或输出响应相关联的各种准则针对实体处理(例如，制造处理、工业处理或设计项目)确定一预测设计空间估计(PDSE)。该PDSE包括该一个或多个输出响应中的每个的输出响应值分布。该PDSE亦包括每一输入因子的一个或多个最大可变性区域。在一些实施例中，该PDSE包括每一输入因子的单独最大可变性区域及组合最大可变性区域，基于该输出响应值分布计算出该单独最大可变性区域及该组合最大可变性区域两者，以满足与输入因子和/或输出响应相关联的准则。
图1是根据本发明的示例性实施例的用于执行自动预测设计空间估计的系统100的示意图。该系统包括数据输入单元102。数据输入单元102将数据传输至设计空间估计模块104。设计空间估计模块104包括接收器106。接收器106与处理器108通信。接收器106及处理器108与数据库110通信。处理器108与控制单元112通信。处理器108亦与显示器114通信。
使用者经由数据输入单元102(例如，键盘或计算机)针对一处理输入数据(例如，输入因子数据及输出响应数据)，设计空间估计模块104使用该数据来计算该PDSE。在一个示例中，经由控制单元112来配置起动准则，由设计空间估计模块104在计算该PDSE的同时使用这些起动准则。这些起动准则包括例如该一个或多个输出响应中的每个的目标响应标准。该目标响应标准指定该一个或多个输出响应中的每个的所期望结果。举例而言，若输出响应为燃料消耗且目标响应准则为220毫克/冲程，则设计空间估计模块104设计该PDSE以使得这些输入因子中的每个的最大可变性区域最佳地满足220毫克/冲程的目标响应准则。在一些实施例中，目标响应准则是目标响应值(例如，燃料消耗等于220毫克/冲程)、可接收目标响应值范围(例如，介于200毫克/冲程与240毫克/冲程的间的燃料消耗)、或临界响应值，其中该输出响应可高于或低于该临界目标响应值(例如，高于或低于220)。在一些实施例中，设计空间估计模块104自数据库110而不是直接自使用者撷取数据。在一个实施例中，自使用者输入(例如，数据输入单元102)或自计算机系统获取的数据储存在该数据库中，且随后提供至该接收器以使得使用者能够储存数据以供设计空间估计模块104稍后使用。
在一些实施例中，在产生该PDSE之前针对该实体处理(例如，工业处理、制造处理或设计项目)运行大量实验。这些实验可由可确定设计中应包括什么输入因子及输出响应的应用程序专家设计。这些实验用于测试该系统的输入因子及输出响应之间的关系。举例而言，这些实验可针对各种输入因子值组合运行该处理或问题以确定什么输出响应值由这些组合产生。此数据基于这些输入因子的已知组合来提供这些输出响应的已知结果。使用者经由该数据输入单元来输入该实验数据。
设计空间估计模块104预处理由接收器106所接收之数据。设计空间估计模块104针对达成这些目标响应准则的该一个或多个输入因子中的每个计算估计最佳值。举例而言，该计算可经由单形检索来进行。或者设计空间估计模块104可使用罚函数。设计空间估计模块104设定这些该输出响应的约束(例如，目标及高/低极限)。针对输入因子值特定组合的每一结果集合，罚条款在违反这些约束时产生，或在其中不违反这些约束的区域中达成0。
设计空间估计模块104经配置以通过多个输出响应来计算PDSE。此外，设计空间估计模块104可通过这些输出响应来计算一个PDSE模型，或者通过这些输出响应来计算多个PDSE模型。经预处理数据仅提供达成该目标响应标准的该一个或多个输入因子中的每个的个估计最佳值。设计空间估计模块104结合该处理的其它数据(例如，输入因子值、输出响应值及约束)使用估计最佳值来计算其中满足这些准则的该一个或多个输入因子的最大可变性区域(该PDSE)。举例而言，若使用者希望在一已知温度下运行一处理，则该PDSE的最大可变性区域提供这些输入因子(例如，压力、气流)的容差范围。
数据输入单元102、设计空间估计模块104及控制单元112可在数字电子电路中、计算机硬件、固件和/或通过处理器实施的软件中实施。该实施方案例如是可编程处理器、计算机和/或多个计算机。虽然图1将数据输入单元102、设计空间估计模块104及控制单元112图解说明为单独组件，但本领域技术人员可了解，可组合一个或者多个这些组件中的功能。
图2是根据本发明的示例性实施例用于执行自动预测设计空间估计的计算机化方法200的流程图。步骤202涉及接收数据(例如，经由处理器108)。该数据包括针对制造或工业处理的一个或多个输入因子、该处理的一个或多个输出响应及准则的数据。在一些实施例中，这些准则包括该一个或多个输出响应中的每个的目标响应准则、用以达成这些目标响应准则的该一个或多个输入因子中的每个的估计最佳值、以及该一个或多个输入因子中的每个的实验输入值范围，其中该实验输入值范围中的每一输入值决定该一个或多个输出响应中的每个的输出响应值。
在步骤204处，设计空间估计模块104针对该一个或多个输入因子中的每个计算最大可变性区域。在步骤206处，设计空间估计模块104针对该一个或多个输入因子中的每个计算(例如，使用处理器108)处在对应实验输入值范围内的所计算的输入值范围。在步骤208处，设计空间估计模块104针对该一个或多个输入因子中的每个计算(例如，使用处理器108)经修改的输入值范围。在步骤210处，设计空间估计模块104至少基于这些经修改的输入值范围来预测设计空间估计，其中这些经修改的输入值范围各自包含其中满足这些准则的一个或多个输入因子的最大可变性区域。
关于步骤202，通过该输入因子范围的百分比(例如，2.5％)的逐步扩展来计算该最大可变性区域。该输入因子范围是如上文所述针对其进行实验的每输入因子的值区域。设计空间估计模块104使该输入因子范围扩展一百分比并执行蒙地卡罗模拟以预测输出响应值。当这些预测输出响应值针对这些输出响应中的一个或多个得到满足时，设计空间估计模块104停止对该因子范围的逐步扩展。该逐步扩展是在一个接一个的基础上针对该一个或多个输入因子中的每个进行。每一输入因子的计算的最大可变性区域用作其中所有输入因子可改变但仍满足输出响应规格的输入因子的经组合的最大可变性区域的检索(步骤206及208)的起动准则。
步骤206及208计算其中所有输入因子可改变但仍满足输出响应规格的输入因子的经组合的最大可变性区域。关于步骤206，设计空间估计模块104共同(同时)针对所有这些输入因子计算该所计算输入值范围。参照图3A更详细地阐述步骤206。关于步骤208，设计空间估计模块104在一个接一个的基础上针对每一输入因子计算该经修改输入值范围。参照图3B更详细地阐述步骤208。
关于步骤210，设计空间估计模块104可针对每一输出响应使用不同数学回归模型以通过蒙地卡罗模拟来估计最大可变性范围(例如，单独针对所有输入因子或共同针对所有这些输入因子，该PDSE)。设计空间估计模块104自动地使用预指定准则来计算该PDSE。这些准则包括：例如，具体分布(例如，正态分布或三角分布)、关于输入因子和/或输出响应的使用者设定准则(例如，关于具体输入因子的使用者界定极限、使用者界定输入因子分布)、技术约束(例如，针对混合设计，所有输入因子的和亦始终等于1)。在一些示例中，无法以与一连续输入因子相同的方式来处理诸如定性输入因子设定值(例如，“好”及“坏”)或离散输入因子设定值(例如，“低”、“中”或“高”)的约束(例如，无法根据重复计算蒙地卡罗模拟的需要来随机化这些定性输入因子)。可包括用以通过定性输入因子的随机设定值来执行计算(例如，蒙地卡罗仿真)的功能。一示例性功能是该定性输入因子的随机设定值，其中该分布可设定至具体机率(例如，A的60％、B的30％及C的10％)作为约束(例如，通过假定该输入因子的离散设定值的随机群体具有由该约束所设定的最终分布)。在一些实施例中，针对混合的技术约束，设计空间估计模块104每次在针对蒙地卡罗模拟添加随机变化以使所有这些输入因子的和等于一常数(例如，1)之后归一化这些输入因子。
图3A是图解说明根据本发明的示例性实施例的，用于计算所计算输入值范围的方法300的流程图。在步骤302处，设计空间估计模块104(例如，使用处理器108)针对该一个或多个输入因子中的每个选择第一输入值范围。在步骤304处，设计空间估计模块104基于第一输入值范围来预测该一个或多个输出响应的值，以针对该一个或多个输出响应中的每个确定第一效能度量。在步骤306处，设计空间估计模块104通过基于第一效能度量与一预定效能度量的比较而调整第一输入值范围，来针对该一个或多个输入因子中的每个建立该所计算输入值范围。
关于步骤302，设计空间估计模块104将第一范围设定至每一输入因子的最大可变性区域的一百分比(例如，75％)。关于步骤304，设计空间估计模块104通过由使用者所指定的大量样本(例如，储存在数据库110中的设定值)来执行蒙地卡罗模拟。蒙地卡罗模拟或方法是依赖重复随机取样来计算其结果以仿真实体(及数学)系统的计算方法。蒙地卡罗模拟通常在通过确定性算法来计算确切结果不可行或不可能时使用。一般而言，蒙地卡罗模拟涉及首先界定可能输入(例如，针对实体处理的输入因子)的域。输入(或输入因子值)从该域(该实体处理)随机产生。确定性计算使用这些输入来执行(例如，比较这些输出响应值与这些输出响应值的所期望准则)。最后，将单独确定性计算的结果汇总成最终结果(例如，该PDSE)。
在一些实施例中，第一效能度量是称作每百万次操作点数(DPMO)的准则。DPMO是超出特定输出响应的规格极限范围的计算输出响应值的数目。规格极限范围(其可由使用者界定)从下方(lower)输出响应值开始且终止在上方(upper)输出响应值，从而针对输出响应界定可接收输出响应值范围。运行蒙地卡罗模拟并将这些预测输出响应值与DPMO相比较以确定所选第一值范围是否可接收。举例而言，超出特定输出响应的极限的50,000次命中的DPMO为50,000/1,000,000＝0.05或5％，其使得这些预测输出响应值的5％可超出该规格极限范围但仍被视为可接收效能。
进一步关于步骤304，在一些实施例中，基于蒙地卡罗模拟的选定分布(例如，正态分布、均匀分布或三角分布)及范围(例如，第一范围)将随机误差添加至每一输入因子以提高蒙地卡罗模拟的鲁棒性。在一些实施例中，将基于蒙地卡罗模型误差的随机误差添加至每一预测输出响应值(例如，学生t分布随机误差)。
关于步骤306，设计空间估计模块104基于第一效能度量与预定效能度量的比较来建立该计算范围。举例而言，设计空间估计模块104将蒙地卡罗模拟的计算DPMO(来自步骤304)与预指定DPMO(例如，DPMO＝50,000)相比较。第一效能度量与该预定效能度量的比较描述在图3B中。图3B是图解说明根据本发明的一例示性实施例用于计算该所计算输入值范围的针对逐步区域扩展的方法300的部分的流程图。在步骤322处，将第一效能度量与该预定效能度量相比较。若第一效能度量高于该预定度量，则方法300进行至步骤324。在步骤324处，设计空间估计模块104通过使第一输入值范围减小预定百分比来选择第二输入值范围。举例而言，若DPMO大于该指定DMPO极限，则将第一范围除以2。在选择第二输入值范围之后，方法300进行至图3A的步骤304。
若第一效能度量低于该预定度量，则方法300进行至步骤326。在步骤326处，设计空间估计模块104将步进大小设定至第一输入值范围的大小的预定百分比。在步骤328处，通过基于该步进大小扩展第一输入值范围来选择第二输入值范围。在步骤330处，设计空间估计模块104基于第二输入值范围来预测该一个或多个输出响应的值，以针对该一个或多个输出响应中的每一个确定第二效能度量。在步骤330处，设计空间估计模块104通过基于第三效能度量与该预定效能度量的比较而调整第三输入值范围，来针对该一个或多个输入因子中的每个建立该所计算输入值范围。
关于步骤326及328，设计空间估计模块104可将该步进大小设定至第一输入值范围的20％，通过使第一范围扩展该步进大小来选择第二输入值范围。关于步骤330，设计空间估计模块104可如上文参照图3A的步骤304所述执行蒙地卡罗模拟，以针对该一个或多个输出响应中的每个确定DPMO。
关于步骤332，如图3C中所描述，通过基于第二效能度量与该预定效能度量的比较而调整第二输入值范围，建立该计算范围。图3C是图解说明根据本发明的示例性的实施例用于计算所计算输入值范围的针对逐步区域扩展的图3A的方法300的一部分的流程图。在步骤352处，设计空间估计模块104确定第二效能度量是否等于该预定度量。若第二效能度量等于该预定度量，则方法300进行至步骤354。在步骤354处，设计空间估计模块104将该所计算的输入值范围设定至第二输入值范围。
若第二效能度量不等于该预定度量，则方法300进行至步骤356。在步骤356处，设计空间估计模块104确定该方法是否已达到最大反复次数。若已达到该最大反复次数，则该方法进行至步骤354并将该所计算输入值范围设定至第二输入值范围。若尚未达到该最大反复次数，则该方法进行步骤358。步骤352及356是用以防止图3A至3C的方法300无限循环的终止准则。在步骤358处，设计空间估计模块104确定第二效能度量是否低于该预定效能度量。若第二效能度量低于该预定效能度量，则方法300进行步骤图3B的步骤328。若第二效能度量不低于该预定效能度量，则该方法进行至步骤360。在步骤360处，设计空间估计模块104将第三输入值范围设定等于最后有效入值范围(与低于该预定效能度量的效能度量相关联的最后输入值范围)。在步骤362处，设计空间估计模块104使该步进大小值减小一预定百分比。方法300继续至图3B的方框328，以通过基于该步进大小扩展第三输入值范围来选择第四输入值范围，等等。
举例而言，参照图3C中所示的方法300的部分，若DPMO小于DPMO极限，则设计空间估计模块104继续扩展并测试该范围直至满足这些终止准则中的一个或者多个为止(步骤352及356)。若DPMO高于DPMO极限，则设计空间估计模块104使该因子范围收缩回至最后有效设定值(步骤360)(例如，第一范围)，将该步进大小除以2(步骤362)，并继续扩展并测试该范围直至满足这些终止准则中的一个或者多个为止(图3B的步骤328且如参照图3B所述继续)。方法300在该计算范围达成该计算范围的蒙地卡罗模拟的所期望DPMO，或出现最大反复次数，从而产生可达成用于同时扩展该一个或多个输入因子的全部的最佳计算范围时终止。
图4A是图解说明根据本发明的一示例性实施例用于计算经修改的输入值范围的方法400的流程图。在步骤402处，设计空间估计模块104自该一个或多个输入因子选择输入因子。在步骤404处，设计空间估计模块104将步进大小设定至该所计算输入值范围的大小的一预定百分比。在步骤406处，设计空间估计模块104通过基于该步进大小扩展该计算范围来选择第二输入值范围。在步骤408处，设计空间估计模块104基于第二输入值范围来预测该一个或多个输出响应的值，以针对该一个或多个输出响应中的每个确定第二效能度量。在步骤410处，设计空间估计模块104通过基于第二效能度量与该预定效能度量的比较调整第二输入值范围，为该输入因子建立该经修改输入值范围。
关于步骤410，如图4B中所示，基于第二效能度量与该预定效能度量的比较来建立该修改范围。图4B是图解说明根据本发明的一示例性实施例用于计算经修改输入值范围的针对逐步区域扩展的方法400的部分的流程图。在步骤450处，设计空间估计模块104确定第二效能度量是否等于该预定度量。若第二效能度量等于该预定度量，则该方法进行至步骤452。在步骤452处，设计空间估计模块104将该修改范围设定等于第二输入值范围。若第二效能度量不等于该预定度量，则该方法进行至步骤454。
在步骤454处，设计空间估计模块104确定方法400是否已达到最大反复次数。若已达到该最大反复次数，则方法400进行至步骤452并将该修改范围设定至第二输入值范围。若尚未达到该最大反复次数，则该方法进行至步骤456。步骤450及454是用以防止图4A至4B的方法400无限循环的终止准则。在步骤456处，设计空间估计模块104确定第二效能度量是否低于该预定效能度量。若第二效能度量低于该预定度量，则方法400进行至图4A的方框406。若第二效能度量不低于该预定度量，则方法400进行至步骤458。在步骤458处，设计空间估计模块104将该经修改的输入值范围设定为等于最后有效入值范围(与低于该预定效能度量的效能度量相关联的最后输入值范围)。在步骤460处，设计空间估计模块104将完成标记与该输入因子相关联。
在步骤462处，设计空间估计模块104确定是否存在来自不具有与该输入因子相关联的完成标记的该一个或多个输入因子的剩余输入因子。若存在剩余输入因子，则该方法进行至图4A的方框402。若不存在任何剩余输入因子，则方法400进行至步骤464。在步骤464处，设计空间估计模块104使该步进大小百分比减小一预定百分比，且继续至方框406以通过基于该修改步进大小扩展第二输入值范围来选择新的输入值范围，等等。
举例而言，单独地对该一个或多个输入因子中的每个执行方法400(步骤402)。设计空间估计模块104将该步进大小设定至该输入因子的因子范围的20％(该所计算输入值范围的20％)(步骤404)。设计空间估计模块104以该步进大小扩展该输入因子的因子范围(例如，将该步进大小加至该输入因子的当前因子范围)(步骤406)。设计空间估计模块104如上文所述执行蒙地卡罗模拟，在适当时加入随机误差(步骤408)。若DPMO高于DPMO极限，则设计空间估计模块104通过低于DPMO极限的DPMO使该输入因子的因子范围收缩回至该因子范围的最后设定值(456)，并将该输入因子与完成标记相关联。若DPMO低于DPMO极限，则通过扩展该因子范围并比较蒙地卡罗模拟的所得DPMO来重复该方法(方法400)(重复步骤406至410，其中步骤410包括步骤450至464)。针对所有这些剩余输入因子重复该处理直至它们都与完成标记相关联为止。然后，设计空间估计模块104从这些输入因子清除这些完成标记，将该步进大小除以预定量(例如，将该步进大小除以2)，并重复该方法(例如，重复步骤406至410)。
重新参照图2，在一些实施例中，在同时针对该一个或多个输入因子计算该计算范围(例如，经由图3A至3C的方法300)之后，单独针对这些输入因子中的每个计算修改范围(例如，经由图4A至4B的方法400)，并通过大量蒙地卡罗模拟来计算该PDSE以达成该PDSE的较佳精度。蒙地卡罗模拟的预定效能度量(例如，极限值)是DPMO。DPMO例如是针对单独输出响应所容忍的最高DPMO，或针对所有这些输出响应的最高DPMO值。在一些示例中，使用其它限制准则来替代DPMO，例如超出这些输出响应的规格极限范围的百分比、处理能力指数(Cpk)、或这些输出响应的中位数及四分位数。
作为并非旨在加以限制的例示性示例，在本发明的一个实施方案中，使用者期望使汽车引擎的操作对于度量单位为毫克/冲程的燃料消耗(燃料)、度量单位为毫克/秒的氧化氮排放(NOx)及度量单位为毫克/秒的烟尘排放(烟尘)最佳化。对于此示例可控制的三个输入因子是度量单位为公斤/小时的进气(空气)、排气再循环百分比(EGR％，其是通过使引擎的排气的一部分再循环回至引擎汽缸来工作的NOx还原技术)、以及度量单位为上死点前(°BTDC)的度数的针阀升程(NL)。设计空间估计模块104基于该三个输入因子及三个输出响应来预测该引擎的PDSE以提供如何可改变该三个输入因子(例如，单独地或同时)同时仍满足该三个输出响应的准则的量度。为保证该模型有效，使用者可设定对其执行这些计算的具体区域、该实验输入值范围(例如，图2的步骤204、206及208)。针对此示例，对介于240公斤/小时与284公斤/小时之间的空气、介于6％与12％之间的EGR％及介于-5.78°BTDC与0°BTDC之间的NL执行这些计算。存在这些输出响应的准则。燃料的规格极限范围介于200毫克/冲程的最小输出响应值与240毫克/冲程的最大输出响应值之间。NOx之规格极限范围相当于25毫克/秒(例如，不存在该规格极限的最小值，其在此示例为零)。烟尘的规格极限相当于0.5毫克/秒。燃料具有220毫克/冲程的目标响应值，NOx具有10毫克/秒的目标响应值，且烟尘具有0.2毫克/秒的目标响应值。
设计空间估计模块104(或使用者)通过开发输入因子设定值(X)与输出响应(Y)之间的关系的数学函数(y＝f(x))来估计这些输入因子如何影响这些输出响应。每一数学函数都是随这些不同输入因子而变化的预期输出响应。这是例如通过实验协议设计来执行。在此示例中，执行具有17个实验的经典系列实验(使用中央合成设计(CCD))。从这些实验，计算(例如，经由多重线性回归(MLR))三个不同模型，每一模型响应每一Y。下表1至3显示每一响应的三个示例性线性回归模型。
表1
表1显示燃料的示例性回归模型。标记为“燃料”的栏1包括该模型的不同分量，这些分量是常数、空气、EGR、针阀升程(NL)及空气×空气。标记为“Coeff.SC”(系数，成比例的及居中的)的栏2包括每一燃料分量的系数。标记为“Std.Err.(标准误差)”的栏3包括每一燃料分量的标准误差。标记为“P”(P测试的机率)的栏4包括每一燃料分量的P值。标记为“Conf.Int(+/-)”的栏5包括每燃料分量的置信区间。置信区间是用于指示估计的可靠性的统计术语。使用置信区间以到达例如95％的置信区间(例如，空气为8.78614+/-1.46984)。
燃料的回归模型亦包括以下参数。CCF实验数(N)为17。自由度(DF)为12(17个实验减去该表中的5个项目项目)。效能测量值包括Q2＝0.958、R2＝0.979、R2Adj.＝0.972及cond.no.(所使用实验设计的质量的量度)＝2.978。效能测量值越接近于1(1.0)，则输入因子及输出响应之间的相关性就越强。其它效能测量值包括Y-未命中(miss)＝0，其是未命中值数目或测量值数目。剩余标准偏差(RSD)为2.0249，其连接至R2，其中R2越接近于1，则RSD就越接近于零。该模型的置信度为0.95。
表2
表2显示NOx的一示例性回归模型。标记为“NOx”的栏1包括该模型的这些不同分量，这些不同分量是常数、空气、EGR、NL、空气×空气、EGR×EGR、NL×NL及EGR×NL。表2包括与表1相同的四个剩余(remaining)栏，亦即“Coeff.SC”、“Std.Err.”、“P”及“Conf.Int(+/-)”。NOx回归模型的参数为N＝17、DF＝12、Q2＝0.987、R2＝0.997、R2Adj.＝0.995、cond.no.＝4.498、Y-未命中＝0、RSD＝0.4624，且该模型的置信度为0.95。
表3
| 烟尘 | Coeff.SC | Std.Err. | P | Conf.int(±) |
| 常数 | -0.279945 | 0.0288614 | 2.56008e-007 | 0.0623513 |
| 空气 | -0.157893 | 0.0389473 | 0.00136603 | 0.0841406 |
| EGR | 0.46588 | 0.0380323 | 1.6319e-008 | 0.0821639 |
| NL | 0.283157 | 0.0375012 | 4.18648e-006 | 0.0810165 |
表3显示烟尘的示例性回归模型。标记为“烟尘”的栏1包括该模型的这些不同分量，这些不同分量是常数、空气、EGR及NL。表3包括与表1相同的四个剩余栏，亦即，“Coeff.SC”、“Std.Err.”、“P”及“Conf.Int(+/-)”。该烟尘回归模型的参数是N＝17、DF＝12、Q2＝0.987、R2＝0.997、R2 Adj.＝0.995、cond.no.＝4.498、Y-未命中＝0、RSD＝0.4624，且该模型的置信度为0.95。
针对给出预测输出响应值(其是到这些输出响应中的每个的目标响应准则的差距最小)的每一输入因子计算该估计的最佳值。该估计最佳值是这些PDSE计算的起始点。针对空气、EGR及针阀升程计算最大可变性区域(例如，图2的步骤204)。在一些示例中，构建该计算以假定每一输入因子都围绕其具体估计的最佳值随一正态分布而变化。
图5A是图解说明根据本发明的一示例性的实施例的，用于显示自动预测设计空间估计的图形显示500的图式。在图5A至C及图5E中，虽然这些数值项中的些数值项显示有逗号，但亦可使用其它编号规约。举例而言，可使用用小数点的美国规约来替代逗号(例如，250,88等于250.88，且当在该系统的图形显示中显示值时可使用这两个规约中的任一规约)。显示500包括输入因子表502及输出响应表504。输入因子表502包括八栏：输入因子栏502A、低栏502B、最佳栏502C、高栏502D、标准偏差栏502E、角色栏502F、分布栏502G及估计可接收范围栏502H。输入因子栏502A显示该PDSE的输入因子。低栏502B显示每一输入因子的值，该值是该组合的最大可变性区域的最低输入因子值。最佳栏502C显示每一输入因子的值，该值是每一输入因子的估计的最佳值。高栏502D显示每一输入因子的值，该值是该组合的最大可变性区域的最高输入因子值。标准偏差栏502E列出该PDSE中的输入因子的标准偏差。角色栏502F显示输入因子的角色(锁定或自由)。分布栏502G显示该模型的分布。输入因子表502包括列出在输入因子栏502A中的每一输入因子空气506A、EGR％506B及针阀升程506C的列，统称为输入因子列506。估计的可接收范围栏502H包括分别针对每一输入因子列506A、506B及506C的图表508A、508B及508C(统称为，图表508)。
估计可接收范围栏502H中的每一图表508都包括具有低值510A高值510B的实验输入值区域，通常为实验输入值区域510。每一图表508包括指示在每一输入因子列506的最佳栏502C中的估计的最佳值512(例如，空气输入因子列506A具有261公斤/小时的估计的最佳值512)。估计的最佳值512是最佳估计每一输出因子的目标响应准则的每一输入因子的输入因子值。每一图表508都包括每一输入因子列506A的单独最大可变性区域514，该单独最大可变性区域是在任何剩余输入因子设定至其关联估计的最佳值的同时满足该PDSE的关联输入因子的值区域。每个图表508都包括每输入因子列506A的组合的最大可变性区域516，该组合的最大可变性区域介于显示在每一输入因子列506的低栏502B与高栏502D中的值之间(例如，空气输入因子列506A的组合的最大可变性区域516介于250.88公斤/小时的低值510A与271.12公斤/小时的高值510B之间)。该一个或多个输入因子中的每个的值可处在该输入因子的对应的组合的最大可变性区域516内的任何地方且满足每一输出响应的预定效能度量。
输出响应表504包括七栏：输出响应栏504A、最小栏504B、目标栏504C、最大栏504D、准则栏504E、DPMO栏504F及预测响应量变曲线栏504G。输出响应表504包括列出在输出响应栏504A中的每一输出响应燃料520A、NOx520B及烟尘520C的列，统称为输出响应列520。预测响应量变曲线栏504G包括分别针对每一输出响应列520A、520B及520C的图表522A、522B及522C(统称为，图表522)。每一图表都包括包含显示在最小栏504B中的最小输出响应值524A及显示在最大栏504D中的最大输出响应值524B的规格极限范围，统称为规格极限范围524(例如，燃料输出响应列520A具有介于230毫克/冲程的最小输出响应值524A与260毫克/冲程的最大输出响应值524B之间的规格极限范围524。每一图表522都包括由目标栏504C中的每一输出响应列520的对应项目指示的目标响应准则526(例如，燃料输出响应列520A具有240毫克/冲程的目标值)。每一图表都包括该一个或多个输出响应列520中的每个的输出响应值分布528，其中这些组合的最大可变性区域(例如，这些经修改输入值范围)决定该输出响应值分布(例如，如由低栏502B及高栏502D针对每一输入因子列506A所指示)。针对该一个或多个输出响应中的每个者，处在输出响应值分布528内的预指定数目个输出响应值处在该输出响应的规格极限范围524内(例如，针对该输出响应满足预定效能度量(DPMO))。
这些准则(例如，每一输入响应的实验输入值范围510、每一输出响应的规格极限范围524及每一输出响应的目标响应准则526)限制对该PDSE的预测。设计空间估计模块104搜索最佳输入因子值，最佳输入因子值产生具有到目标响应准则512的最小距离的输出响应值，这些输出响应值是每一输入因子的估计的最佳值512。使用者可如图5B中所示针对计算估计的最佳值510的计算配置不同设定值。
图5B是图解说明根据本发明的一示例性实施例的用于配置用于计算自动预测设计空间估计的图形显示550的图式。图形显示550包括因子表552、输出响应表554及结果表556。输入因子表552显示使用者可针对输入因子配置的选项，且包括低极限栏、高极限栏及灵敏度范围栏。输出响应表554显示使用者可针对输出响应配置的选项，且包括准则栏、加权栏、最小值栏、目标值栏及最大值栏。数值可输入至输入因子表552及输出响应表554的栏中。使用者可自输入响应表554的准则栏中的下拉式选单选择项目，包括“目标”、“最小化”、“最大化”、“预测”或“除外”。“目标”指示该输出响应是所期望响应。“最小化”指示设计空间估计模块104使该输出响应最小化(例如，基于针对该输出响应所指定的最大接收值准则最小化)。“最大化”指示设计空间估计模块104使该输出响应最大化(例如，基于针对该输出响应所指定的最小接收值准则最大化)。“预测”指示设计空间估计模块104在该PDSE中不将该输出响应视为处在活动状态(例如，设计空间估计模块104仍可预测该输出响应)。“除外”指示设计空间估计模块104把该输出响应排除在该PDSE之外(例如，设计空间估计模块140不预测该输出响应)。
结果表556指示九栏(编号为1至9)。第一个三栏显示这些输入因子中的每个的计算输入因子值。第二个三栏显示这些输出响应中的每个的计算输出响应值。第七栏显示使用者可通过反复方框558及反复滑标560配置的针对该计算所执行的反复次数。第八栏显示该计算的运行记录(D)值。第九栏显示该计算的DPMO。使用者可选择致使设计空间估计模块104不接收超出这些准则的预测的绝对极限核取方框562。使用者可选择致使设计空间估计模块104针对该具体解决方案添加对这些输入因子设定值具有较小干扰的蒙地卡罗模拟的分析灵敏度核取方框564。举例而言，使用具有较小干扰的蒙地卡罗模拟来计算DPMO。DPMO反映该解决方案如何可对这些输入因子的该(这些)选定估计的最佳值采取干扰，其中DPMO越低越好，而最佳DPMO＝0。结果表556中的项目可是类似的。在一些实施例中，第九栏显示蒙地卡罗模拟的DPMO值，DPMO值具有围绕所推荐估计的最佳值的实验输入值区域510的+/-10％的变化。下方DPMO值指示输入因子值选择产生对蒙地卡罗模拟误差不太敏感的输出响应。
设计空间估计模块104从每输入因子的估计的最佳值512搜索该PDSE(例如，经由图2的步骤204至210)。搜索最大可变性区是基于每一输入因子的灵敏度朝显示为每一输入因子的单独最大可变性区域514的输出响应量变曲线方向逐步执行。每一输入因子的PDSE的计算组合最大可变性区域516显示在显示500中。在一些实施例中，所显示的组合的最大可变性区域516是每一输入因子的正态分布的95％区域。使用者可调整如何显示组合最大可变性区域516(例如，改变该区域的百分比和/或该分布类型)。这些计算(例如，蒙地卡罗模拟)产生针对每输出响应所显示的预测响应量变曲线504G。
使用者可调整用于计算该PDSE的设定值。在一些实施例中，设计空间估计模块104使得使用者能够调整一个或多个输入因子的组合的最大可变性区域516的外部界限。在使用者调整一个或多个组合最大可变性区域516之后，设计空间估计模块104针对剩余输入因子重新计算组合最大可变性区域516。举例而言，若使用者将组合的最大可变性区域516限制至处在该组合最大可变性区域的计算低值与高值内的值(例如，通过点击所显示组合最大可变性区域516的末端并向左或向右滑动鼠标)，则剩余组合最大可变性区域516因对该经修改输入因子所设的约束而得到扩展。使用者调整输入因子，例如，在显示在角色栏502F中的角色设定至“自由”时。举例而言，使用者将空气输入因子的组合的最大可变性区域516的可变性度限制至处在空气输入因子列506A的组合的最大可变性区域516的250.88公斤/小时的低值与271.12公斤/小时的高值内的+/-10公斤/小时(251公斤/小时至271公斤/小时)。设计空间估计模块104可因对空气输入因子所设的限制而扩展NOx及烟尘输入因子的组合的最大可变性区域516。使用者可同时针对单独响应或所有响应设定预定效能度量(例如，DPMO)。
有利地，若使用者知道某输入因子可限制在某些值(例如，温度、压力)附近，则使用者可配置DPMO以考虑输入因子的约束以便已有输入因子的组合最大可变性区域516可增大。此计算使得使用者能够知道有多少剩余输入因子可在受限输入因子保持处在受控值下时改变。举例而言，若使用者知道制造处理的温度，则使用者设定该温度输入因子的约束以发现该制造处理的其它输入因子(例如，压力)的容差。若温度容易控制，则调整PDSE以向使用者指示更难的控制因子可改变的最大量。在一些实施例中，使用PDSE输出来解释每一输入因子设定值(例如，使用者可针对该PDSE确定哪一因子最关键)。例如，若使用者无法满足PDSE的约束，则使用者改变这些输出响应约束或把这些输出响应中的一个或者多个排除在该PDSE模型之外。
图5C是图解说明根据本发明的示例性的实施例，用于显示自动预测设计空间估计的图形显示600的图式。图形显示600图解说明第输入因子及输出响应之间的灵敏度分析。图形显示600包括五栏：名称栏602A、最佳栏602B及这些输出响应值中的每个的栏(燃料栏602C、NOx栏602D及烟尘栏602E)。图形显示600包括每一输入因子(空气604A、EGR％604B及针阀升程604C)的项目，该项目显示在名称栏602A中。燃料栏602C、NOx栏602D及烟尘栏602E中的每个表项目都包括分别针对每一输入因子的图表606A、606B及606C(统称为图表606)。每一图表606都包括具有低值608A高值608B的实验输入值区域，通常为实验输入值区域608。每一图表606都包括指示在每输入因子列604的最佳栏602B中的估计的最佳值610(例如，空气输入因子列506A具有261公斤/小时的估计的最佳值610)。每一图表606都包括每一输入因子列604的单独最大可变性区域612及组合最大可变性区域614。
每一图表606都显示单独针对每一输入因子及输出响应的结果。有利地，使用者可使用图表606来分析PDSE。举例而言，使用者通过分析图表606来辨别PDSE的问题点。针对图表606，针对PDSE最难以满足的输出响应(例如，燃料栏602C、NOx栏602D及烟尘栏602E)是烟尘。烟尘图表606(针对每一输入响应604)显示最小的组合的最大可变性区域614。烟尘的该三个图表606当中，最小的组合的最大可变性区域614针对EGR％。有利地，通过以此方式分析图表606，使用者辨别对于烟尘的最关键控制因子是EGR％，此乃因其具有最小的组合的最大可变性区域614。
图5D是图解说明根据本发明的一例示性实施例用于显示自动预测设计空间估计的图形显示650的图式。图形显示650包括基于每一输出因子的PDSE的三个图表(例如，该三个图表是用以显示针对每一输出因子显示在图5A的预测响应量变曲线504G中的信息的替代实施例)：燃料652A的预测响应量变曲线、NOx 652B的预测响应量变曲线及烟尘652C的预测响应量变曲线，统称为图表652。每一图表652的垂直轴线654指示输出响应值计数。每一图表652的水平轴线656指示每一输入因子的直方图区间数目(例如，每输入因子的可能值)。每一图表都包括最小条形658(在适当时)。举例而言，燃料图表652A包括位于230个直方图区间(bin)处的最小条形658(例如，毫克/冲程)，该最小条形对应于显示在图5A的输出响应表504中的最小栏504B中的燃料列520A的项目中的值。每一图表都包括最大条形660(在适当时)。举例而言，燃料图表652A包括位于260个直方图区间处的最大条形660，该最大条形对应于显示在输出响应表504中的最大栏504D中的燃料列520A的项目中的值。每一图表都包括目标条形662(在适当时)。举例而言，燃料图表652A包括位于240个直方图区间处的最大条形662，该最大条形对应于显示在输出响应表504中的目标栏504C中的燃料列520A的项目中的值。每一图表都进一步包括用以指示对应输出响应的计算输出响应值670的第一四分位数664、中位数666及第三四分位数668的条形。
作为计算PDSE的另一示例，针对混合设计作出(例如，在制药工业中)片剂制造PDSE。在此示例中，存在三个输入因子(例如，组成)：纤维素、乳糖及磷酸盐。为了此示例的目的，根据一修改的单形简单质心混合设计(种类型受限的混合设计)来改变该三个输入因子以产生片剂。输出响应是活性物质的释放。对释放输出响应所设的准则是300的最小输出响应值及350的目标输出响应值。该PDSE通知使用者该三个输入因子如何影响活性物质的释放。
图5E是图解说明根据本发明的例示性实施例用于显示自动预测设计空间估计的图形显示700的图式。图形显示700显示片剂制造示例的PDSE。图形显示700包括输入因子表702及输出响应表704。输入因子表702包括八栏：输入因子栏702A、低栏702B、最佳栏702C、高栏702D、标准偏差栏702E、角色栏702F、分布栏702G及估计可接收范围栏702H。输入因子栏702A显示PDSE的输入因子。低栏702B显示每一输入因子的值，该值是该组合的最大可变性区域的最低输入因子值。最佳栏702C显示每一输入因子的值，该值是每一输入因子的估计的最佳值。高栏702D显示每一输入因子的值，该值是组合的最大可变性区域的最高输入因子值。标准偏差栏702E列出该PDSE中的输入因子的标准偏差。角色栏702F显示该输入因子的角色(锁定或自由)。分布栏702G显示该模型的分布。输入因子表702包括列出在输入因子栏702A中的每一输入因子纤维素706A、乳糖706B及磷酸盐706C的列，统称为输入因子列706。估计的可接收范围栏502H包括分别针对每输入因子列706A、706B及706C的图表708A、708B及708C(统称为，图表708)。
估计可接收范围栏702H中的每一图表708都包括具有低值710A高值710B的实验输入值范围，通常为实验输入值范围710。每一图表708都包括指示在每一输入因子列706的最佳栏702C中的估计的最佳值712。每一图表708都包括每一输入因子列706A的单独最大可变性区域714及每一输入因子列706A的组合的最大可变性区域716，该组合的最大可变性区域介于显示在每输入因子列706的低栏702B与高栏702D中的值之间。
输出响应表704包括八栏：输出响应栏704A、最小栏704B、目标栏704C、最大栏704D、准则栏704E、cpk栏704F、DPMO栏704G及预测响应量变曲线(profile)栏704H。输出响应表704包括输出响应释放720的一列。预测响应量变曲线栏704H包括输出响应释放720的图表722。图表722包括规格极限范围，该规格极限范围包含显示在最小栏704B中的最小输出响应值724而无最大值，这是因为最大栏704D中无显示，其是该规格极限范围。图表722包括目标响应准则726及输出响应值分布728。
通过具有10次运行的修改的单形(simplex)质心设计来估计目标响应准则712。自每输入因子的目标响应准则712，设计空间估计模块104计算PDSE并显示(例如，经由显示器114)每一输入因子的组合的最大可变性区域714。针对此示例，设计空间估计模块104经配置以基于围绕其关联估计的最佳值712随三角分布而变化的每一输入因子来计算该PDSE。通过混合限制来计算组合的最大可变性区域714。该释放的预测响应量变曲线704H显示处于组合最大可变性区域内的输入因子值的输出响应值728的分布。
上述技术可实施在数字和/或模拟电子电路中，或计算机硬件、固件、软件中，或其组合中。该实施方案可作为由数据处理装置(例如可编程处理器、计算机、和/或多个计算机)执行或用以控制该数据处理装置的操作的计算机程序产品，即，以有形方式嵌入在机器可读储存器件中的计算机程序。计算机程序可以任一形式的计算机或程序化语言(包括源码、编译码、解释码和/或机器码)写入，且该计算机程序可以任一形式(包括以独立程序形式或以子程序、组件或适用于计算机环境下的其它单元形式)配置。计算机程序可经配置以在一个计算机上或在位于一个或多个地点的多个计算机上执行。
方法步骤可由执行计算机程序以通过对输入数据进行操作和/或产生输出数据来执行本发明的功能的个或多个处理器执行。方法步骤亦可由专用逻辑电路(例如，FPGA(现场可编程门阵列)、FPAA(现场可编程模拟阵列)、CPLD(复杂可编程逻辑器件)、PSoC(可编程系统级芯片)、ASIP(专用指令集处理器)或ASIC(专用集成电路)执行，且装置可实施为如上的专用逻辑电路。子程序可指实施一个或多个功能的计算机程序和/或处理器/专用电路的部分。
举例而言，适于执行计算机程序的处理器可包括通用微处理器及专用微处理器两者，以及任一种类的数字或模拟计算机的任何一个或多个处理器。一般而言，处理器自只读存储器或随机存取存储器或以上两者接收指令及数据。计算机的基本组件是用于执行指令的处理器及用于储存指令及数据的一个或多个存储器器件。存储器器件(例如高速缓存)可用于暂时储存数据。存储器器件亦可用于长期数据储存。一般而言，计算机亦包括用于储存数据的一个或多个大容量储存器件(例如，磁盘、磁光盘或光盘)或以可操作方式耦合以自这些大容量储存器件接收数据或传送数据至自这些大容量储存器件或既接收又传送数据。计算机亦可以操作方式耦合至通信网路以便自该网络接收指令和/或数据和/或向该网络传送指令和/或数据。适于嵌入计算机程序指令及数据的计算机可读储存器件包括所有形式的易失性内存及非易失性存储器，包括(举例来说)半导体内存器件，例如，DRAM、SRAM、EPROM、EEPROM及闪存器件；磁盘，例如，内部硬磁盘及可可拆卸式磁盘；磁光盘；及光盘，例如CD、DVD、HD-DVD及蓝光光盘。处理器及存储器可由专用逻辑电路补充或并入专用逻辑电路中。
为达成与使用者的交互作用，上述技术可实施在计算机上，该计算机与用于向使用者显示信息的显示器件(例如，CRT(阴极射线管)、等离子体或LCD(液晶显示器)监视器)及可供使用者向计算机提供输入(例如，与用户接口组件交互作用)的键盘以及指针器件(例如，鼠标、轨迹球、触控板或运动传感器)通信。亦可使用其它种类的器件来达成与使用者的交互作用，举例而言，提供给使用者的反馈可是任何形式的感觉反馈，例如，视觉反馈、听觉反馈或触觉反馈；并且可以任何形式接收来自使用者的输入，包含声音、语音和/或触觉输入。
上述技术可实施在包括后端组件的分布式计算系统中。该后端组件可例如是数据服务器、中间设备组件和/或应用程序服务器。上述技术可实施在包括前端组件的分布式计算系统中。该前端组件可例如是客户端计算机，该客户端计算机具有图形用户接口、经由其使用者可与示例性实施方案交互作用的网页浏览器、和/或用于传输器件的其它图形用户接口。上述技术可实施在包括这些后端、中间设备或前端组件的任意组合的分布式计算系统中。
该计算系统可包含客户端及服务器。客户端与服务器一般彼此远离且通常经由通信网路来交互作用。客户端与服务器的关系通过运行在各别计算机上且彼此之间具有客户端-服务器关系的计算机程序而产生。
计算系统的组件可通过任意数字或模拟数据通信形式或媒体(例如，通信网路)互连。通信网路的示例包括基于电路的网络及基于封包的网络。基于封包的网络可包括例如因特网、承载互联网协议(IP)网络(例如，局域网络(LAN)、广域网络(WAN)、校园局域网络(CAN)、城市局域网络(MAN)、家庭局域网络(HAN))、专用IP网络、IP专用交换机(IPBX)、无线网络(例如无线电存取网络(RAN)、802.11网络、802.16网络、通用封包无线服务(GPRS)网络、HiperLAN)、和/或其它基于封包的网络。基于电路的网络可包括例如公共交换电话网络(PSTN)、专用交换机(PBX)、无线网络(例如，RAN、蓝牙、码分多址(CDMA)网络、时分多址(TDMA)网络、全球移动通信系统(GSM)网络)、和/或其它基于电路的网络。
计算系统的器件和/或计算器件可包括例如计算机、具有浏览器器件的计算机、电话、IP电话、移动器件(例如，蜂窝电话、个人数字助理(PDA)器件、膝上型计算机、电子邮件器件)、服务器、具有一个或多个处理卡的卡架、专用电路、和/或其它通信器件。该浏览器器件包括例如具有万维网浏览器(例如，可自微软公司购得的Microsoft
Internet Explorer
可自Mozilla公司购得的Mozilla
Firefox)的计算机(例如，桌上型计算机、膝上型计算机)。移动计算器件包括例如Blackberry
IP电话包括例如可自Cisco系统公司购得的CiscoUnified IP Phone 7985G和/或可自Cisco系统公司购得的Cisco
UnifiedWireless Phone 7920。
本领域技术人员将认识到，本发明可体现为其它具体形式，此并不背离本发明的主旨或实质特征。上述实施例因此应在各个方面视为例示而非限制本文中所述的本发明。本发明的范畴因此由随附权利要求书范围而非由上述说明指定，且本发明意欲囊括归属在权利要求书范围中的等效内容的含义及范围内的所有变化。
Claims (22)
1.一种用于针对实体处理估计输入因子及输出响应的设计空间的计算机化方法，其包括：
(a)经由处理器接收针对实体处理的一个或多个输入因子、所述处理的一个或多个输出响应及准则的数据，所述准则包括：
用于所述一个或多个输出响应中的每个的目标响应准则；
用以达成所述目标响应准则的用于所述一个或多个输入因子中的每个的估计的最佳值；及
所述一个或多个输入因子中的每个的实验输入值范围，其中所述实验输入值范围中的每一输入值决定所述一个或多个输出响应中的每个的输出响应值；
(b)使用所述处理器，针对所述一个或多个输入因子中的每个计算对应实验输入值范围内的所计算的输入值范围，其中计算包括：
为所述一个或多个输入因子中的每个选择第一输入值范围；
基于所述第一输入值范围来预测所述一个或多个输出响应的值，以针对所述一个或多个输出响应中的每个确定第一效能度量；及
通过基于所述第一效能度量与预定效能度量的比较调整所述第一输入值范围，为所述一个或多个输入因子中的每个建立所计算的输入值范围；
(c)使用所述处理器，针对所述一个或多个输入因子中的每个计算经修改的输入值范围，其中计算包括为所述一个或多个输入因子中的每一输入因子：
通过使所述所计算的输入值范围扩展一预定百分比来选择第二输入值范围；
基于所述第二输入值范围来预测所述一个或多个输出响应的值，以为所述一个或多个输出响应中的每个确定第二效能度量；及
通过基于所述第二效能度量与所述预定效能度量的比较调整所述第二输入值范围，为所述输入因子建立所述经修改的输入值范围；及
(d)使用所述处理器，至少基于所述经修改的输入值范围预测设计空间估计，其中所述经修改的输入值范围各自包括一最大可变性区域，在所述最大可变性区域中所述输入因子中的一个或者多个满足所述准则。
2.如权利要求1所述的方法，其中所述设计空间估计进一步包括所述一个或多个输出响应中的每个的输出响应值分布，其中所述经修改的输入值范围决定所述输出响应值分布。
3.如权利要求2所述的方法，其中针对所述一个或多个输出响应中的每个，若满足所述预定效能度量，则所述输出响应值分布内的预指定数目个输出响应值处于所述输出响应的预定极限值内。
4.如权利要求1所述的方法，其中预测所述设计空间估计包括在任何剩余输入因子被设定至与其相关联的所估计的最佳值时，预测每一输入因子的单独最大可变性区域。
5.如权利要求1所述的方法，其中预测所述设计空间估计包括预测每一输入因子的组合的最大可变性区域，其中所述一个或多个输入因子中的每个的值可处于对应的组合的最大可变性区域内的任何地方，且满足每一输出响应的所述预定效能度量。
6.如权利要求1所述的方法，其中建立所计算的输入值范围包括若所述第一效能度量低于所述预定效能度量，则通过使所述第一输入值范围减小一预定百分比来选择第三输入值范围。
7.如权利要求6所述的方法，其进一步包括：
基于所述第三输入值范围来预测所述一个或多个输出响应的值，以为所述一个或多个输出响应中的每个确定第三效能度量；及
通过基于所述第三效能度量与所述预定效能度量的比较调整所述第三输入值范围，为所述一个或多个输入因子中的每个建立所计算的输入值范围。
8.如权利要求1所述的方法，其中若所述第一效能度量高于所述预定效能度量，则建立所述所计算的输入值范围包括以下步骤：
将步进大小设定至所述第二输入值范围的大小的一预定百分比；
通过基于所述步进大小扩展所述第一输入值范围来选择第三输入值范围；
基于所述第三输入值范围预测所述一个或多个输出响应的值，以为所述一个或多个输出响应中的每个确定第三效能度量；及
通过基于所述第三效能度量与所述预定效能度量的比较调整所述第三输入值范围，为所述一个或多个输入因子中的每个建立所计算的输入值范围。
9.如权利要求8所述的方法，其中若所述第三效能度量低于所述预定效能度量，则建立所述所计算的输入值范围包括以下步骤：
通过基于所述步进大小扩展所述第三输入值范围来选择第四输入值范围；
基于所述第四输入值范围来预测所述一个或多个输出响应的值，以为述一个或多个输出响应中的每个确定第四效能度量；及
通过基于所述第四效能度量与所述预定效能度量的比较调整所述第四输入值范围，为所述一个或多个输入因子中的每个建立所述所计算的输入值范围。
10.如权利要求8所述的方法，其中若所述第三效能度量高于所述预定效能度量，则建立所述所计算的输入值范围包括以下步骤：
将所述第三输入值范围设定为等于所述第一输入值范围；
使所述步进大小减小一预定百分比；
通过基于所述步进大小扩展所述第三输入值范围来选择第四输入值范围；
基于所述第四输入值范围预测所述一个或多个输出响应的值，以为所述一个或多个输出响应中的每个确定第四效能度量；及
通过基于所述第四效能度量与所述预定效能度量的比较调整所述第四输入值范围，为所述一个或多个输入因子中的每个建立所述所计算的输入值范围。
11.如权利要求1所述的方法，其中若所述第二效能度量高于所述预定效能度量，则建立所述经修改的输入值范围包括以下步骤：
将所述经修改的输入值范围设定为等于所述第二输入值范围；及
将一完成标记与所述输入因子相关联。
12.如权利要求1所述的方法，其中若所述第二效能度量低于所述预定效能度量，则建立所述经修改输入值范围包括以下步骤：
通过使所述第二输入值范围扩展一步进大小来选择第三输入值范围，其中所述步进大小曾用于选择所述第二输入值范围；
基于所述第三输入值范围来预测所述一个或多个输出响应的值，以为所述一个或多个输出响应中的每个确定第三效能度量；及
通过基于所述第三效能度量与所述预定效能度量的比较调整所述第三输入值范围，以为所述输入因子建立所述经修改的输入值范围。
13.如权利要求1所述的方法，其中为所述一个或多个输入因子中的每个计算所述经修改的输入值范围进一步包括以下步骤：
确定所述一个或多个输入因子中的每个与完成标记相关联；
将用于选择所述第二输入值范围的步进大小减小一预定百分比；及
针对所述一个或多个输入因子中的每个：
通过使所述第二输入值范围扩展所述步进大小来选择第三输入值范围；
基于所述第三输入值范围来预测所述一个或多个输出响应的值，以为所述一个或多个输出响应中的每个确定第三效能度量；及
通过基于所述第三效能度量与所述预定效能度量的比较而调整所述第三输入值范围，为所述输入因子建立所述经修改的输入值范围。
14.如权利要求1所述的方法，其中：
预测所述一个或多个输出响应的值包括执行蒙地卡罗模拟；且
所述第一效能度量、所述第二效能度量及所述预定效能度量是在预定极限值内的所述一个或多个输出响应的值的数目的量度。
15.如权利要求1所述的方法，其中为所述一个或多个输入因子中的每个选择所述第一输入值范围包括将所述第一输入值范围设定至所述对应输入因子的一下部外界限值的一预定百分比。
16.如权利要求1所述的方法，其进一步包含以下步骤：
接收针对所述一个或多个输入因子的约束；且
基于所述第一输入值范围预测所述一个或多个输出响应的值进一步包括调整所述预测以补偿所述约束。
17.如权利要求16所述的方法，其中所述约束包括关于一个或多个输入因子的使用者界定极限、因子分布、或其任意组合。
18.如权利要求1所述的方法，其中所述一个或多个输出响应中的每个的所述目标响应准则包括目标响应值、接受目标响应值范围或临界目标响应值，其中所述输出响应可高于或低于所述临界目标响应值。
19.如权利要求1所述的方法，其中所述实体处理包括制造处理、工业处理、设计项目、半导体项目、或其任意组合。
20.一种用于针对实体处理估计输入因子及输出响应的设计空间的装置，其包括处理器，所述处理器被配置以：
(a)接收针对实体处理的一个或多个输入因子、所述处理的一个或多个输出响应及准则的数据，所述准则包括：
用于所述一个或多个输出响应中的每个的目标响应准则；
用以达成所述目标响应准则的所述一个或多个输入因子中的每个的估计的最佳值；及
所述一个或多个输入因子中的每个的实验输入值范围，其中所述实验输入值范围中的每一输入值决定所述一个或多个输出响应中的每个的输出响应值；
(b)针对所述一个或多个输入因子中的每个计算对应实验输入值范围内的所计算的输入值范围，其中计算包括：
为所述一个或多个输入因子中的每个选择第一输入值范围；
基于所述第一输入值范围来预测所述一个或多个输出响应的值，以针对所述一个或多个输出响应中的每个确定第一效能度量；及
通过基于所述第一效能度量与预定效能度量的比较调整所述第一输入值范围，为所述一个或多个输入因子中的每个建立所述所计算的输入值范围；
(c)针对所述一个或多个输入因子中的每个计算经修改的输入值范围，其中计算包括为所述一个或多个输入因子中的每一输入因子：
通过使所述所计算的输入值范围扩展一预定百分比来选择第二输入值范围；
基于所述第二输入值范围来预测所述一个或多个输出响应的值，以为所述一个或多个输出响应中的每个确定第二效能度量；及
通过基于所述第二效能度量与所述预定效能度量的比较调整所述第二输入值范围，为所述输入因子建立所述经修改的输入值范围；及
(d)至少基于所述经修改的输入值范围预测设计空间估计，其中所述经修改的输入值范围各自包括一最大可变性区域，在所述最大可变性区域中所述输入因子中的一个或者多个满足所述准则。
21.一种计算机程序产品，其有形地嵌入在信息载体中，所述计算机程序产品包括可运作以致使数据处理装置执行以下步骤的指令：
(a)接收针对实体处理的一个或多个输入因子、所述处理的一个或多个输出响应及准则的数据，所述准则包括：
用于所述一个或多个输出响应中的每个的目标响应准则；
用以达成所述目标响应准则的用于所述一个或多个输入因子中的每个的估计的最佳值；及
所述一个或多个输入因子中的每个的实验输入值范围，其中所述实验输入值范围中的每一输入值决定所述一个或多个输出响应中的每个输出响应值；
(b)针对所述一个或多个输入因子中的每个，计算对应实验输入值范围内的所计算的输入值范围，其中计算包括：
针对所述一个或多个输入因子中的每个选择第一输入值范围；
基于所述第一输入值范围来预测所述一个或多个输出响应的值，以针对所述一个或多个输出响应中的每个确定第一效能度量；及
通过基于所述第一效能度量与预定效能度量的比较调整所述第一输入值范围，为所述一个或多个输入因子中的每个建立所计算的输入值范围；
(c)针对所述一个或多个输入因子中的每个计算经修改的输入值范围，其中计算包括为所述一个或多个输入因子中的每一输入因子：
通过使所述所计算的输入值范围扩展一预定百分比来选择第二输入值范围；
基于所述第二输入值范围来预测所述一个或多个输出响应的值，以为所述一个或多个输出响应中的每个确定第二效能度量；及
通过基于所述第二效能度量与所述预定效能度量的比较调整所述第二输入值范围，以为所述输入因子建立所述经修改的输入值范围；及
(d)至少基于所述经修改的输入值范围来预测设计空间估计，其中所述经修改的输入值范围各自包括一最大可变性区域，在所述最大可变性区域中所述输入因子中的一个或者多个满足所述准则。
22.一种用于针对实体处理估计输入因子及输出响应的设计空间的系统，所述系统包括：
(a)用于接收针对实体处理的一个或多个输入因子、所述处理的一个或多个输出响应及准则的数据的装置，所述准则包括：
用于所述一个或多个输出响应中的每个的目标响应准则；
用以达成所述目标响应准则的用于所述一个或多个输入因子中的每个的估计的最佳值；及
所述一个或多个输入因子中的每个的实验输入值范围，其中所述实验输入值范围中的每一输入值决定所述一个或多个输出响应中的每个的输出响应值；
(b)用于针对所述一个或多个输入因子中的每个计算对应实验输入值范围内的所计算的输入值范围的装置，其中计算包括：
针对所述一个或多个输入因子中的每个选择第一输入值范围；
基于所述第一输入值范围来预测所述一个或多个输出响应的值，以针对所述一个或多个输出响应中的每个确定第一效能度量；及
通过基于所述第一效能度量与预定效能度量的比较调整所述第一输入值范围，为所述一个或多个输入因子中的每个建立所计算的输入值范围；
(c)用于针对所述一个或多个输入因子中的每个计算经修改的输入值范围的装置，其中计算包括为所述一个或多个输入因子中的每一输入因子：
通过使所计算的输入值范围扩展一预定百分比来选择第二输入值范围；
基于所述第二输入值范围来预测所述一个或多个输出响应的值，以为所述一个或多个输出响应中的每个确定第二效能度量；及
通过基于所述第二效能度量与所述预定效能度量的比较调整所述第二输入值范围，为所述输入因子建立所述经修改的输入值范围；及
(d)用于至少基于所述经修改的输入值范围来预测设计空间估计的装置，其中所述经修改的输入值范围各自包括一最大可变性区域，在所述最大可变性区域中所述输入因子中的一个或者多个满足所述准则。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US12/466,098 | 2009-05-14 | ||
| US12/466,098 US8086327B2 (en) | 2009-05-14 | 2009-05-14 | Methods and apparatus for automated predictive design space estimation |
| PCT/US2010/033364 WO2010132224A2 (en) | 2009-05-14 | 2010-05-03 | Methods and apparatus for automated predictive design space estimation |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102804188A true CN102804188A (zh) | 2012-11-28 |
Family
ID=42321117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010800302891A Pending CN102804188A (zh) | 2009-05-14 | 2010-05-03 | 自动预测设计空间估计的方法及装置 |
Country Status (9)
| Country | Link |
|---|---|
| US (2) | US8086327B2 (zh) |
| JP (1) | JP5555316B2 (zh) |
| KR (2) | KR101408833B1 (zh) |
| CN (1) | CN102804188A (zh) |
| DE (1) | DE112010002673T9 (zh) |
| GB (1) | GB2482452A (zh) |
| SG (2) | SG176043A1 (zh) |
| TW (1) | TW201102839A (zh) |
| WO (1) | WO2010132224A2 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115066658A (zh) * | 2020-02-28 | 2022-09-16 | 3M创新有限公司 | 用于高级模型预测控制的深度因果学习 |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8725469B2 (en) | 2011-03-03 | 2014-05-13 | Mks Instruments, Inc. | Optimization of data processing parameters |
| CN104081298B (zh) * | 2012-02-10 | 2016-11-09 | Abb技术有限公司 | 用于自动化和/或电气工程项目中的工作流程的自动化操控的系统和方法 |
| WO2014130172A1 (en) * | 2013-02-25 | 2014-08-28 | Mks Instruments, Inc. | Methods and apparatus for automated predictive design space estimation |
| CN105378734B (zh) * | 2013-05-20 | 2019-04-26 | 新思科技有限公司 | 半局部弹道迁移率模型 |
| WO2016073581A1 (en) * | 2014-11-04 | 2016-05-12 | Samuelson Douglas A | Machine learning and robust automatic control of complex systems with stochastic factors |
| TWI603210B (zh) | 2016-12-13 | 2017-10-21 | 財團法人工業技術研究院 | 機台零件之剩餘壽命的預測系統與預測方法 |
| US11561690B2 (en) | 2018-04-22 | 2023-01-24 | Jmp Statistical Discovery Llc | Interactive graphical user interface for customizable combinatorial test construction |
| US10878345B2 (en) * | 2018-04-22 | 2020-12-29 | Sas Institute Inc. | Tool for hyperparameter tuning |
| US11328106B2 (en) | 2018-04-22 | 2022-05-10 | Sas Institute Inc. | Data set generation for performance evaluation |
| EP3938930A4 (en) * | 2019-03-15 | 2023-01-11 | 3M Innovative Properties Company | DETERMINING CAUSE MODELS FOR CONTROLLING ENVIRONMENTS |
| WO2020263791A1 (en) * | 2019-06-28 | 2020-12-30 | Covestro Llc | Methods for graphical depiction of a value of a property of a material |
| EP4111379A1 (en) | 2020-02-28 | 2023-01-04 | 3M Innovative Properties Company | Deep causal learning for data storage and processing power management |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5408405A (en) * | 1993-09-20 | 1995-04-18 | Texas Instruments Incorporated | Multi-variable statistical process controller for discrete manufacturing |
| CN1433550A (zh) * | 1999-10-29 | 2003-07-30 | 通用电气公司 | 用于优化产品设计的方法、系统和存储介质 |
| TWI270005B (en) * | 2001-08-06 | 2007-01-01 | Timbre Tech Inc | Method and system for dynamic learning through a regression-based library generation process |
| CN101154243A (zh) * | 2006-09-30 | 2008-04-02 | 普诚科技股份有限公司 | 最佳化参数调整方法和系统 |
| US7451122B2 (en) * | 2006-03-29 | 2008-11-11 | Honeywell International Inc. | Empirical design of experiments using neural network models |
| CN101334449A (zh) * | 2007-11-08 | 2008-12-31 | 络达科技股份有限公司 | 电路分析方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5607441A (en) * | 1995-03-24 | 1997-03-04 | Ethicon Endo-Surgery, Inc. | Surgical dissector |
| US5667480A (en) * | 1995-10-20 | 1997-09-16 | Ethicon Endo-Surgery, Inc. | Method and devices for endoscopic vessel harvesting |
| US5710700A (en) | 1995-12-18 | 1998-01-20 | International Business Machines Corporation | Optimizing functional operation in manufacturing control |
| US5928138A (en) * | 1996-08-15 | 1999-07-27 | Ethicon Endo-Surgery, Inc. | Method and devices for endoscopic vessel harvesting |
| US6453246B1 (en) | 1996-11-04 | 2002-09-17 | 3-Dimensional Pharmaceuticals, Inc. | System, method, and computer program product for representing proximity data in a multi-dimensional space |
| DE60231283D1 (de) * | 2001-12-27 | 2009-04-09 | Olympus Corp | Ummantelung mit Geräten für das endoskopische Gewinnen von Blutgefässen |
| US7191106B2 (en) | 2002-03-29 | 2007-03-13 | Agilent Technologies, Inc. | Method and system for predicting multi-variable outcomes |
| CN100380262C (zh) | 2002-08-20 | 2008-04-09 | 东京毅力科创株式会社 | 基于数据上下文处理数据的方法 |
| JP4528962B2 (ja) * | 2004-07-16 | 2010-08-25 | 国立大学法人電気通信大学 | 設計支援方法 |
| US7606685B2 (en) | 2006-05-15 | 2009-10-20 | S-Matrix | Method and system that optimizes mean process performance and process robustness |
| JP5121132B2 (ja) * | 2005-11-02 | 2013-01-16 | オリンパスメディカルシステムズ株式会社 | 内視鏡システム、及び内視鏡用操作補助装置 |
| KR100828135B1 (ko) * | 2006-12-13 | 2008-05-08 | 이은규 | 내시경을 위한 생체 조직 박리기 |
| US20080249556A1 (en) * | 2007-04-06 | 2008-10-09 | Ken Yamatani | Dissection apparatus and dissection method |
| JP4894709B2 (ja) * | 2007-10-04 | 2012-03-14 | 株式会社Ｉｈｉ | 製品設計支援システム及びコンピュータにおける製品設計支援のための動作方法 |
-
2009
- 2009-05-14 US US12/466,098 patent/US8086327B2/en active Active
-
2010
- 2010-05-03 SG SG2011083532A patent/SG176043A1/en unknown
- 2010-05-03 SG SG2012082996A patent/SG185983A1/en unknown
- 2010-05-03 KR KR1020117030004A patent/KR101408833B1/ko not_active IP Right Cessation
- 2010-05-03 CN CN2010800302891A patent/CN102804188A/zh active Pending
- 2010-05-03 DE DE112010002673T patent/DE112010002673T9/de not_active Expired - Fee Related
- 2010-05-03 WO PCT/US2010/033364 patent/WO2010132224A2/en active Application Filing
- 2010-05-03 JP JP2012510848A patent/JP5555316B2/ja not_active Expired - Fee Related
- 2010-05-03 GB GB1119387.7A patent/GB2482452A/en not_active Withdrawn
- 2010-05-03 KR KR1020147002339A patent/KR101391318B1/ko not_active IP Right Cessation
- 2010-05-12 TW TW099115150A patent/TW201102839A/zh unknown
-
2011
- 2011-12-23 US US13/336,623 patent/US8412356B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5408405A (en) * | 1993-09-20 | 1995-04-18 | Texas Instruments Incorporated | Multi-variable statistical process controller for discrete manufacturing |
| CN1433550A (zh) * | 1999-10-29 | 2003-07-30 | 通用电气公司 | 用于优化产品设计的方法、系统和存储介质 |
| TWI270005B (en) * | 2001-08-06 | 2007-01-01 | Timbre Tech Inc | Method and system for dynamic learning through a regression-based library generation process |
| US7451122B2 (en) * | 2006-03-29 | 2008-11-11 | Honeywell International Inc. | Empirical design of experiments using neural network models |
| CN101154243A (zh) * | 2006-09-30 | 2008-04-02 | 普诚科技股份有限公司 | 最佳化参数调整方法和系统 |
| CN101334449A (zh) * | 2007-11-08 | 2008-12-31 | 络达科技股份有限公司 | 电路分析方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115066658A (zh) * | 2020-02-28 | 2022-09-16 | 3M创新有限公司 | 用于高级模型预测控制的深度因果学习 |
| CN115066658B (zh) * | 2020-02-28 | 2024-05-24 | 3M创新有限公司 | 用于高级模型预测控制的深度因果学习 |
Also Published As
| Publication number | Publication date |
|---|---|
| DE112010002673T5 (de) | 2012-12-06 |
| KR20120031013A (ko) | 2012-03-29 |
| JP2012527040A (ja) | 2012-11-01 |
| GB2482452A (en) | 2012-02-01 |
| KR101408833B1 (ko) | 2014-06-19 |
| GB201119387D0 (en) | 2011-12-21 |
| SG176043A1 (en) | 2011-12-29 |
| KR101391318B1 (ko) | 2014-05-07 |
| US8412356B2 (en) | 2013-04-02 |
| TW201102839A (en) | 2011-01-16 |
| US8086327B2 (en) | 2011-12-27 |
| JP5555316B2 (ja) | 2014-07-23 |
| WO2010132224A2 (en) | 2010-11-18 |
| US20120150508A1 (en) | 2012-06-14 |
| SG185983A1 (en) | 2012-12-28 |
| DE112010002673T9 (de) | 2013-05-08 |
| US20100292812A1 (en) | 2010-11-18 |
| KR20140022110A (ko) | 2014-02-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102804188A (zh) | 自动预测设计空间估计的方法及装置 | |
| CN100383684C (zh) | 制造设计和生产过程分析系统 | |
| Jalilvand-Nejad et al. | A mathematical model and genetic algorithm to cyclic flexible job shop scheduling problem | |
| Zeltzer et al. | Workload balancing and manufacturing complexity levelling in mixed-model assembly lines | |
| EP2423766A1 (en) | Model predictive controller solution analysis process | |
| Zhang et al. | Deterioration state space partitioning method for opportunistic maintenance modelling of identical multi-unit systems | |
| US8577480B2 (en) | Methods and apparatus for automated predictive design space estimation | |
| US7079965B2 (en) | Method and system for the automatic design of experiments | |
| CN110097205A (zh) | 一种建筑负荷预测用气象预报数据预处理方法 | |
| Ryabchikov et al. | Big data-driven assessment of proposals to improve enterprise flexibility through control options untested in practice | |
| US7117455B2 (en) | System and method for derivative-free optimization of electrical circuits | |
| CN113569970B (zh) | 量化特征指标对标签影响的分析方法、系统、介质和终端 | |
| CN112668784A (zh) | 基于大数据的区域宏观经济预测模型及方法 | |
| JP7492872B2 (ja) | 予測装置および予測方法 | |
| WO2014130172A1 (en) | Methods and apparatus for automated predictive design space estimation | |
| Smith et al. | Uncertainty quantification of material mechanical properties using surrogate models | |
| Hafeez et al. | Bayesian two-sided group chain sampling plan for beta binomial distribution under quality regions | |
| CN117521509A (zh) | 一种调整igbt芯片耐压性能的系统及其方法 | |
| HADDOCK | Automated simulation modelling and analysis for manufacturing systems | |
| Adan et al. | Analysis of Manufacturing Systems | |
| CN115563795A (zh) | 一种测量/测试对象与设备快速布局设计、优化系统 | |
| CN114611059A (zh) | 数字孪生可信评估方法的验证方法、系统及可存储介质 | |
| CN114639289A (zh) | 一种集中组合式热学实验仿真模拟系统 | |
| CN115936294A (zh) | 一种装备健康管理分析方法和终端 | |
| Tabisz et al. | INFORMATION SYSTEMS FOR METROLOGY |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20151216 |
|
| C20 | Patent right or utility model deemed to be abandoned or is abandoned |