CN107563515B - 潜在过程参数挖掘方法及装置 - Google Patents

潜在过程参数挖掘方法及装置 Download PDF

Info

Publication number
CN107563515B
CN107563515B CN201710770966.7A CN201710770966A CN107563515B CN 107563515 B CN107563515 B CN 107563515B CN 201710770966 A CN201710770966 A CN 201710770966A CN 107563515 B CN107563515 B CN 107563515B
Authority
CN
China
Prior art keywords
parameter
process parameter
latent process
latent
test
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.)
Active
Application number
CN201710770966.7A
Other languages
English (en)
Other versions
CN107563515A (zh
Inventor
萧伟
刘雪松
凌娅
陈勇
王振中
姜晓红
毕宇安
李页瑞
包乐伟
章晨峰
王磊
陈永杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Kanion Pharmaceutical Co Ltd
Zhejiang University ZJU
Original Assignee
Jiangsu Kanion Pharmaceutical Co Ltd
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Kanion Pharmaceutical Co Ltd, Zhejiang University ZJU filed Critical Jiangsu Kanion Pharmaceutical Co Ltd
Priority to CN201710770966.7A priority Critical patent/CN107563515B/zh
Publication of CN107563515A publication Critical patent/CN107563515A/zh
Priority to PCT/CN2018/073667 priority patent/WO2019041734A1/zh
Application granted granted Critical
Publication of CN107563515B publication Critical patent/CN107563515B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/02Knowledge representation; Symbolic representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04Manufacturing
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种潜在过程参数挖掘方法及装置,所述挖掘方法包括:接收潜在过程参数挖掘请求,所述请求包括设计空间对应的工段条件信息;根据所述工段条件信息,获取与工段对应的关键质量属性及拟定潜在过程参数集合;对拟定的潜在过程参数进行第一测试,得到多个过程参数;对所述过程参数进行第二测试,得到待验证潜在过程参数;对待验证潜在过程参数进行验证,得到潜在过程参数。本发明通过对潜在过程参数进行测试,筛选出与关键质量属性相关的待验证潜在过程参数,并利用待验证潜在过程参数更新优化设计空间,为参数放行提供一种有效、可靠的解决方案。

Description

潜在过程参数挖掘方法及装置
技术领域
本发明涉及过程知识系统领域,特别涉及一种潜在过程参数挖掘方法及装置。
背景技术
在过程知识系统(Process Knowledge System,简称PKS)中,参数设计空间的设定是对PKS系统参数放行的一种设定。
在现有技术中,参数设计的结果往往是单点参数,以金银花提取温度参数为例,首先收集多个批次的金银花提取工段温度参数数据,其次对每个批次进行数据处理,提取出反应温度变化的关键点,再次,对每个关键点进行处理,多个批次的经过处理的关键点正态分布拟合,以某个拟合度作为最终的参数设计点。
而单点的设计造成PKS参数放行的范围狭隘,即使过程能力较低也无法作出设计空间的优化,非常不利于PKS在智能制造中发挥作用。目前尚没有一种针对于PKS参数设计空间的潜在过程参数进行挖掘的方法。
在设计空间的寻找过程往往不是一步到位的,在大量数据积累后若发现空间方程的解释能力不足,就得考虑是否有潜在过程参数尚未被发掘。
发明内容
为了解决现有技术的问题,本发明提供了一种潜在过程参数挖掘方法及装置,对潜在过程参数进行测试,筛选出与关键质量属性相关的待验证潜在过程参数,并利用待验证潜在过程参数更新优化设计空间,为参数放行提供一种有效、可靠的解决方案。所述技术方案如下:
一方面,本发明提供了一种潜在过程参数挖掘方法,包括:
接收潜在过程参数挖掘请求,所述请求包括设计空间对应的工段条件信息;
根据所述工段条件信息,获取与工段对应的关键质量属性及拟定潜在过程参数集合;
对拟定的潜在过程参数进行第一测试,得到多个过程参数;
对所述过程参数进行第二测试,得到待验证潜在过程参数;
对待验证潜在过程参数进行验证,得到潜在过程参数。
进一步地,所述对所述过程参数进行第二测试,得到待验证潜在过程参数包括:
设计正交试验,得到组间试验数据和组内试验数据;
对组间试验数据和组内试验数据进行方差分析,得到均方离差平方和比值;
根据所述均方离差平方和比值,匹配相应的显著系数;
将小于显著系数阈值的显著系数所对应的过程参数作为待验证潜在过程参数。
可选地,所述对所述过程参数进行第二测试,得到待验证潜在过程参数包括:
对过程参数进行相对标准偏差分析,得到符合偏差阈值的过程参数;
对所述符合偏差阈值的过程参数进行相关性分析,得到过程参数与关键质量属性之间的相关系数;
根据所述相关系数,获取所述过程参数与关键质量属性之间的显著系数;
将小于显著系数阈值的显著系数所对应的过程参数作为待验证潜在过程参数。
进一步地,所述对拟定的潜在过程参数进行第一测试包括:
保持其他参数不变,对拟定的潜在过程参数进行逐一变换,测试关键质量属性,并将使关键质量属性发生变化的潜在过程参数作为测试得到的过程参数。
进一步地,所述对拟定的潜在过程参数进行第一测试包括:
对拟定的潜在过程参数进行Plackett-Burman试验,按照筛选规则筛选得到过程参数。
进一步地,所述对待验证潜在过程参数进行验证包括:
将待验证潜在过程参数加入设计空间的关键过程参数库,更新关键过程参数集合;
建立关键质量属性与更新后的关键过程参数之间的关系模型;
根据所述关系模型,更新设计空间,所述设计空间为对应于所述关键质量属性的特定区间范围。
进一步地,所述建立关键质量属性与更新后的关键过程参数之间的关系模型包括:
对关键过程参数和关键质量属性进行数据标准化操作;
利用逐步回归方法,对标准化的关键过程参数和关键质量属性进行拟合操作,得到关系模型,所述逐步回归包括:
获取关系模型的决定系数;
比较所述决定系数与决定度阈值的大小;
若所述决定系数低于所述决定度阈值,则扩大入选的置信度,直至所述决定系数大于决定度阈值。
进一步地,所述潜在过程参数挖掘请求还包括设计空间的放行参数;
所述根据所述工段条件信息,获取与工段对应的关键质量属性及拟定潜在过程参数集合包括:
根据工段条件信息,确定对应的关键质量属性;
查询所述设计空间的放行参数;
在所述放行参数以外的范围内拟定与所述关键质量属性相关的潜在过程参数,组成潜在过程参数集合。
另一方面,本发明提供了一种潜在过程参数挖掘装置,所述装置包括以下模块:
请求模块,用于接收潜在过程参数挖掘请求,所述请求包括设计空间对应的工段条件信息;
拟定模块,用于根据所述工段条件信息,获取与工段对应的关键质量属性及拟定潜在过程参数集合;
第一测试模块,用于对拟定的潜在过程参数进行第一测试,得到多个过程参数;
第二测试模块,用于对所述过程参数进行第二测试,得到待验证潜在过程参数;
验证模块,用于对待验证潜在过程参数进行验证,得到潜在过程参数。
进一步地,所述第二测试模块包括:
测试设计单元,用于设计正交试验,得到组间试验数据和组内试验数据;
方差分析单元,用于对组间试验数据和组内试验数据进行方差分析,得到均方离差平方和比值;
显著系数单元,用于根据所述均方离差平方和比值,匹配相应的显著系数;
筛选单元,用于根据所述显著系数,筛选得到待验证潜在过程参数。
进一步地,所述验证模块包括:
关键过程参数库更新单元,包括将待验证潜在过程参数加入设计空间的关键过程参数库,更新关键过程参数集合;
模型单元,用于建立关键质量属性与更新后的关键过程参数之间的关系模型;
设计空间更新单元,包括根据所述关系模型,更新设计空间,所述设计空间为对应于所述关键质量属性的特定区间范围。
本发明提供的技术方案带来的有益效果如下:
1)对潜在过程参数进行单因素测试,得到多个过程参数,为潜在过程参数挖掘提供了基础;
2)对潜在过程参数进行正交测试,通过方差分析,筛选出与关键质量属性相关的待验证潜在过程参数,为设计空间的重新构造提供可靠的参数素材;
3)利用待验证潜在过程参数更新优化设计空间,具体通过逐步回归方法建立关键过程参数与关键质量属性之间的关系模型,避免多重共线性的影响,模型可靠性高;
4)依照新设计空间进行参数放行,以验证挖掘的潜在过程参数的影响力。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的潜在过程参数挖掘方法流程图;
图2是本发明实施例提供的待验证潜在过程参数的筛选方法流程图;
图3是本发明实施例提供的筛选待验证潜在过程参数的方法流程图;
图4是本发明实施例提供的待验证潜在过程参数进行验证方法流程图;
图5是本发明实施例提供的建立关系模型的方法流程图;
图6是本发明实施例提供的潜在过程参数挖掘装置的模块框图;
图7是本发明实施例提供的药液温度与指标成分A转移率的关系图;
图8是本发明实施例提供的对过程参数进行第二测试的方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
在设计空间寻找的过程中,在大量数据积累后发现方程的解释能力不足,比如:决定系数R2小于0.7或者发现过程能力虽然有提高,但是仍没有达到预期的目标,就得考虑是否有潜在过程参数尚未被发掘。
在本发明的一个实施例中,提供了一种潜在过程参数挖掘方法,用于挖掘潜在过程参数,参见图1,所述方法包括以下流程:
S1、接收潜在过程参数挖掘请求,所述请求包括设计空间对应的工段条件信息。
具体地,除了工段条件信息,所述潜在过程参数挖掘请求还包括设计空间的放行参数。比如,在植物药注射液的醇沉工段,指标成分的转移率、杂质的去除率是关键质量属性(Critical QualityAttributes,CQA),再加上指标成分A的含量最高,因此可以选择指标成分A作为指标成分。所述设计空间的放行参数即为在设计空间寻找过程中,找到的与CQA紧密联系的关键过程参数(Critical Process Parameter,CPP)。
S2、根据所述工段条件信息,获取与工段对应的关键质量属性及拟定潜在过程参数集合。
首先,根据工段条件信息,确定对应的关键质量属性(CQA);查询所述设计空间的放行参数,即CPP;在所述放行参数以外的范围内拟定与所述关键质量属性相关的潜在过程参数,组成潜在过程参数集合,此步骤的原则是在分析判断的前提下,尽可能地选择多种潜在过程参数。
潜在过程参数的挖掘可以从两个方面考虑,一个方面是比较小试研究和工厂生产的SOP,挖掘实际生产未考虑到的工艺参数,如生产环境温度。另一方面,可以考察前中间体或者生产原料的质量属性,如蛋白和多糖含量。可以通过以下三种方式来挖掘实际生产中未考虑到的工艺参数:第一、根据积累的生产经验判断,如质管人员发现冬夏季节产品质量差异较大,则可以把环境温度列为潜在过程参数;第二、以过程能力不足的质量指标为对象,查阅相关工艺研究,多方面筛选比较文献设计的工艺参数。如发现某关键质量属性易受溶液pH影响而实际生产未考虑溶液pH,则可以把溶液pH列为潜在过程参数;第三、经验判断和查阅文献仍未能找出潜在过程参数,则可以邀请领域专家集中讨论,拟定潜在过程参数,如醇沉工段,质管人员发现醇沉时药液温度对产品质量影响较大而生产中尚未控制,因此把醇沉时药液温度列为潜在过程参数。
S3、对拟定的潜在过程参数进行第一测试,得到多个过程参数。
第一测试是对拟定的潜在过程参数进行初步的筛选,筛选的目的是将一些相关性较小的过程参数从所述潜在过程参数集合中排除,以为下一步测试做基础。
合理设定考察的潜在过程参数集合(可以先采集一定数量生产中潜在过程参数的数据,在此范围上下浮动50%设定实验的范围),每种因素设置5个或以上水平进行单因素的考察。如生产中药液温度一般在10~20℃之间,单因素考察设置药液温度水平为5、10、15、20、25℃,参见以下表1,选择适合的试验重复次数。
表1
药液温度与指标成分A转移率的关系如图7所示,比如在实际生产中,药液温度一般控制在10-15℃,然而在本实施例中单因素初步分析发现药液温度对指标成分A转移率有影响,20℃时提取指标成分A转移率最高,则看出以往实际生产中忽略的20℃的药液温度应当作为待考察的潜在过程参数,此处只做示例,指标的选择可根据具体情况分析。
S4、对所述过程参数进行第二测试,得到待验证潜在过程参数。
第二测试为对第一测试后得到的初步筛选结果进行进一步的筛选,得到相关性较大的极有可能提高空间能力的潜在过程参数。
在本发明的一个实施例中,所述第二测试使用正交设计实验,根据单因素考察的结果,筛选各个因素进行考察的范围,每个因素设置3个水平,并对实验设计结果进行方差分析,得到待考察潜在过程参数和最优工艺值。选择单因素考察中影响显著的参数进一步进行正交实验设计,确认考察因素对质量指标的影响。如单因素考察发现前中间体固含、药液温度对质量指标影响较大,对两种因素建立正交设计进一步确认考察因素对质量指标的影响程度,参见以下表2:
表2
因素 p
前中间体固含% 0.10
药液温度℃ 0.03
可以发现前中间体固含对指标成分A转移率虽然有影响,但不显著,药液温度对指标成分A转移率影响更为显著(p越小影响越显著),因此最终把药液温度作为待验证的潜在过程参数。
具体地,第二测试的方法流程在实施例2中详述。
S5、对待验证潜在过程参数进行验证,得到潜在过程参数。
根据验证后的潜在过程参数结果,更新安装潜在过程参数的数据采集设备。参考设计空间方法,将确定的潜在过程参数数据加入工段过程参数数据进行设计空间的寻找,具体地,验证方法流程在实施例3中详述。
实施例2
在本发明的一个实施例中,所述第一测试过程如下:保持其他参数不变,对拟定的潜在过程参数进行逐一变换,观察关键质量属性的变化状态,并将使关键质量属性发生变化的潜在过程参数作为测试得到的过程参数,称为单因素测试。
在本发明的另一个实施例中,所述第一测试过程如下:对拟定的潜在过程参数进行Plackett-Burman试验,按照筛选规则筛选得到过程参数,在本实施例中,筛选规则为Plackett-Burman试验得到的显著系数小于等于0.05的拟定参数为筛选得到的过程参数。
以上两种第一测试方法只是作为优选实施例列出,而不作为权利要求的具体限定,实际上,还有其他经典的筛选方法,同样可以应用到本发明的技术方案中去,在此不一一列出。
经过以上任意一种第一测试进行初步筛选后,可以进行以下第二测试:
在本发明的一个实施例中,提供了一种利用正交测试进行筛选待验证潜在过程参数的方法,参见图2,所述方法包括以下流程:
S41、设计正交试验,得到组间试验数据和组内试验数据。
具体地,所述组间试验数据即为不同组之间(针对不同过程参数)的试验数据,所述组内试验数据即为同一组(针对同一过程参数)的试验数据。
S42、对组间试验数据和组内试验数据进行方差分析,得到均方离差平方和比值。
所述方差分析的过程如下:根据设计的正交试验,确定组间自由度和组内自由度,并根据组间试验数据和组内试验数据,计算组间离差平方和和组内离差平方和;然后根据组间离差平方和与组间自由度,计算得到组间均方,根据组内离差平方和与组内自由度,计算得到组内均方;根据组间均方和组内均方,得到均方离差平方和比值(F值)。
S43、根据所述均方离差平方和比值,匹配相应的显著系数。
查表可以确定与所述F值匹配对应的显著系数P值。
S44、根据所述显著系数,筛选得到待验证潜在过程参数。
具体地,所述筛选待验证潜在过程参数的方法参见图3,包括以下流程:
S441、确定显著系数阈值,得到小于所述显著系数阈值的目标显著系数;
S442、根据所述目标显著系数,获取对应的过程参数,作为待验证潜在过程参数。即选择显著系数P值小于0.05(或根据实际情况进行分析选择)的参数作为待验证潜在过程参数。
在另一个实施例中,提供了另一种对过程参数进行第二测试的方法,参见图8,包括以下流程:
S401、对过程参数进行相对标准偏差分析,得到符合偏差阈值的过程参数;
S402、对所述符合偏差阈值的过程参数进行相关性分析,得到过程参数与关键质量属性之间的相关系数;
S403、根据所述相关系数,获取所述过程参数与关键质量属性之间的显著系数;
S404、将小于显著系数阈值的显著系数所对应的过程参数作为待验证潜在过程参数。
通过本实施例中筛选待验证潜在过程参数的方法,找出生产过程中CQA与待验证潜在过程参数的初步规律,为下面的设计空间优化更新提供良好的基础。以上两种第二测试方法只是作为优选实施例列出,而不作为权利要求的具体限定,实际上,还有其他经典的分析方法,同样可以应用到本发明的技术方案中去,在此不一一列出。
实施例3
在本发明的一个实施例中,提供了一种对待验证潜在过程参数进行验证的方法,参见图4,所述方法包括以下流程:
S51、将待验证潜在过程参数加入设计空间的关键过程参数库,更新关键过程参数集合。
正如实施例1所述的,潜在过程参数范围是在所述放行参数(即CPP)以外的范围内拟定的,而待验证潜在过程参数又是从所述潜在过程参数范围中筛选出来的,在本实施例中,对待验证潜在过程参数进行验证的过程即为设计空间优化的过程,即利用待验证潜在过程参数与放行参数组成新的CPP,寻找新的设计空间。
S52、建立关键质量属性与更新后的关键过程参数之间的关系模型。
具体地,建立模型的方法参见图5,包括以下流程:
S521、对关键过程参数和关键质量属性进行数据标准化操作;
S522、利用逐步回归方法,对标准化的关键过程参数和关键质量属性进行拟合操作,得到关系模型。
其中,所述逐步回归包括:
获取关系模型的决定系数;
比较所述决定系数与决定度阈值的大小;
若所述决定系数低于所述决定度阈值,则扩大入选的置信度,直至所述决定系数大于决定度阈值。
具体地,利用逐步回归方法,对进行标准化操作的关键过程参数和关键质量属性进行拟合操作,得到关系模型。回归的方法也有很多,包括线性和非线性的。此处使用的是逐步回归的方法(避免多重共线性的影响),可以尝试的方法还包括SVM、MLR、BP等。在本发明实施例中,使用Minitab进行逐步回归,具体为在minitab中选中‘统计’→‘回归’→‘拟合模型’,选定响应变量和自变量,在‘逐步’选项中,设置入选用α和删除用α和逐步类型,回归结束后,得到数学模型,即回归方程。
S53、根据所述关系模型,更新设计空间,所述设计空间为对应于所述关键质量属性的特定区间范围。
具体地,还可以对更新后的设计空间进行验证,看挖掘的潜在过程参数是否对PKS系统的生产能力和性能产生有益的影响。验证方式可以通过计算优化前后的系统过程能力,若过程能力有所提高,则说明挖掘的潜在过程参数成功,若过程能力反而下降,则恢复到优化前的设计空间。
实施例4
在本发明的一个实施例中,提供了一种潜在过程参数挖掘装置,参见图6,所述装置包括以下模块:
请求模块610,用于接收潜在过程参数挖掘请求,所述请求包括设计空间对应的工段条件信息;
拟定模块620,用于根据所述工段条件信息,获取与工段对应的关键质量属性及拟定潜在过程参数集合;
第一测试模块630,用于对拟定的潜在过程参数进行第一测试,得到多个过程参数;
第二测试模块640,用于对所述过程参数进行第二测试,得到待验证潜在过程参数;
验证模块650,用于对待验证潜在过程参数进行验证,得到潜在过程参数。
在一个优选的实施例中,所述第二测试模块640包括:
测试设计单元641,用于设计正交试验,得到组间试验数据和组内试验数据;
方差分析单元642,用于对组间试验数据和组内试验数据进行方差分析,得到均方离差平方和比值;
显著系数单元643,用于根据所述均方离差平方和比值,匹配相应的显著系数;
筛选单元644,用于根据所述显著系数,筛选得到待验证潜在过程参数。
在一个优选的实施例中,所述验证模块650包括:
关键过程参数库更新单元651,包括将待验证潜在过程参数加入设计空间的关键过程参数库,更新关键过程参数集合;
模型单元652,用于建立关键质量属性与更新后的关键过程参数之间的关系模型;
设计空间更新单元653,包括根据所述关系模型,更新设计空间,所述设计空间为对应于所述关键质量属性的特定区间范围。
需要说明的是:上述实施例提供的潜在过程参数挖掘装置在进行潜在过程参数挖掘时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将潜在过程参数挖掘装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,本实施例提供的潜在过程参数挖掘装置实施例与上述实施例提供的潜在过程参数挖掘方法属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (9)

1.一种潜在过程参数挖掘方法,其特征在于,包括:
接收潜在过程参数挖掘请求,所述请求包括设计空间对应的工段条件信息;
根据所述工段条件信息,获取与工段对应的关键质量属性及拟定潜在过程参数集合;
对拟定的潜在过程参数进行第一测试,得到多个过程参数;
对所述过程参数进行第二测试,得到待验证潜在过程参数;
对待验证潜在过程参数进行验证,得到潜在过程参数,包括:将待验证潜在过程参数加入设计空间的关键过程参数库,更新关键过程参数集合;建立关键质量属性与更新后的关键过程参数之间的关系模型;根据所述关系模型,更新设计空间,所述设计空间为对应于所述关键质量属性的特定区间范围。
2.根据权利要求1所述的方法,其特征在于,所述对所述过程参数进行第二测试,得到待验证潜在过程参数包括:
设计正交试验,得到组间试验数据和组内试验数据;
对组间试验数据和组内试验数据进行方差分析,得到均方离差平方和比值;
根据所述均方离差平方和比值,匹配相应的显著系数;
将小于显著系数阈值的显著系数所对应的过程参数作为待验证潜在过程参数。
3.根据权利要求1所述的方法,其特征在于,所述对所述过程参数进行第二测试,得到待验证潜在过程参数包括:
对过程参数进行相对标准偏差分析,得到符合偏差阈值的过程参数;
对所述符合偏差阈值的过程参数进行相关性分析,得到过程参数与关键质量属性之间的相关系数;
根据所述相关系数,获取所述过程参数与关键质量属性之间的显著系数;
将小于显著系数阈值的显著系数所对应的过程参数作为待验证潜在过程参数。
4.根据权利要求1所述的方法,其特征在于,所述对拟定的潜在过程参数进行第一测试包括:
保持其他参数不变,对拟定的潜在过程参数进行逐一变换,测试关键质量属性,并将使关键质量属性发生变化的潜在过程参数作为测试得到的过程参数。
5.根据权利要求1所述的方法,其特征在于,所述对拟定的潜在过程参数进行第一测试包括:
对拟定的潜在过程参数进行Plackett-Burman试验,按照筛选规则筛选得到过程参数。
6.根据权利要求1所述的方法,其特征在于,所述建立关键质量属性与更新后的关键过程参数之间的关系模型包括:
对关键过程参数和关键质量属性进行数据标准化操作;
利用逐步回归方法,对标准化的关键过程参数和关键质量属性进行拟合操作,得到关系模型,所述逐步回归包括:
获取关系模型的决定系数;
比较所述决定系数与决定度阈值的大小;
若所述决定系数低于所述决定度阈值,则扩大入选的置信度,直至所述决定系数大于决定度阈值。
7.根据权利要求1所述的方法,其特征在于,所述潜在过程参数挖掘请求还包括设计空间的放行参数;
所述根据所述工段条件信息,获取与工段对应的关键质量属性及拟定潜在过程参数集合包括:
根据工段条件信息,确定对应的关键质量属性;
查询所述设计空间的放行参数;
在所述放行参数以外的范围内拟定与所述关键质量属性相关的潜在过程参数,组成潜在过程参数集合。
8.一种潜在过程参数挖掘装置,其特征在于,包括以下模块:
请求模块,用于接收潜在过程参数挖掘请求,所述请求包括设计空间对应的工段条件信息;
拟定模块,用于根据所述工段条件信息,获取与工段对应的关键质量属性及拟定潜在过程参数集合;
第一测试模块,用于对拟定的潜在过程参数进行第一测试,得到多个过程参数;
第二测试模块,用于对所述过程参数进行第二测试,得到待验证潜在过程参数;
验证模块,用于对待验证潜在过程参数进行验证,得到潜在过程参数,所述验证模块包括:关键过程参数库更新单元,包括将待验证潜在过程参数加入设计空间的关键过程参数库,更新关键过程参数集合;模型单元,用于建立关键质量属性与更新后的关键过程参数之间的关系模型;设计空间更新单元,包括根据所述关系模型,更新设计空间,所述设计空间为对应于所述关键质量属性的特定区间范围。
9.根据权利要求8所述的装置,其特征在于,所述第二测试模块包括:
测试设计单元,用于设计正交试验,得到组间试验数据和组内试验数据;
方差分析单元,用于对组间试验数据和组内试验数据进行方差分析,得到均方离差平方和比值;
显著系数单元,用于根据所述均方离差平方和比值,匹配相应的显著系数;
筛选单元,用于根据所述显著系数,筛选得到待验证潜在过程参数。
CN201710770966.7A 2017-08-31 2017-08-31 潜在过程参数挖掘方法及装置 Active CN107563515B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710770966.7A CN107563515B (zh) 2017-08-31 2017-08-31 潜在过程参数挖掘方法及装置
PCT/CN2018/073667 WO2019041734A1 (zh) 2017-08-31 2018-01-22 潜在过程参数挖掘方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710770966.7A CN107563515B (zh) 2017-08-31 2017-08-31 潜在过程参数挖掘方法及装置

Publications (2)

Publication Number Publication Date
CN107563515A CN107563515A (zh) 2018-01-09
CN107563515B true CN107563515B (zh) 2018-11-06

Family

ID=60977901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710770966.7A Active CN107563515B (zh) 2017-08-31 2017-08-31 潜在过程参数挖掘方法及装置

Country Status (2)

Country Link
CN (1) CN107563515B (zh)
WO (1) WO2019041734A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107563515B (zh) * 2017-08-31 2018-11-06 江苏康缘药业股份有限公司 潜在过程参数挖掘方法及装置
CN110675014B (zh) * 2019-07-24 2023-04-07 中国电子科技集团公司电子科学研究院 国产电子器件替代验证项目确定方法及设备
CN113053455A (zh) * 2021-03-05 2021-06-29 北京中医药大学 一种潜在味效关联关键质量属性辨识方法在小儿消积止咳口服液中的应用
CN114663250B (zh) 2022-04-02 2022-08-16 成都秦川物联网科技股份有限公司 双独立平台式工业物联网系统及其控制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104215752A (zh) * 2013-05-28 2014-12-17 恩德莱斯和豪瑟尔测量及调节技术分析仪表两合公司 自动确定至少两个不同过程参数的装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0101043D0 (en) * 2001-01-15 2001-02-28 Univ Aberdeen Input parameter selection process
CN103257923B (zh) * 2013-04-16 2016-12-28 中国科学院计算技术研究所 数据中心数据分析类基准测试程序的应用选取方法及系统
CN103235859B (zh) * 2013-05-04 2015-08-05 四川虹欧显示器件有限公司 等离子显示屏制造过程中最佳工艺参数组合的确定方法
CN104898430B (zh) * 2015-06-03 2017-07-18 北京首钢自动化信息技术有限公司 基于数据挖掘的单机架冷轧轧制力模型参数优化方法
US10817800B2 (en) * 2016-01-20 2020-10-27 Robert Bosch Gmbh Value addition dependent data mining techniques for assembly lines
CN107563515B (zh) * 2017-08-31 2018-11-06 江苏康缘药业股份有限公司 潜在过程参数挖掘方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104215752A (zh) * 2013-05-28 2014-12-17 恩德莱斯和豪瑟尔测量及调节技术分析仪表两合公司 自动确定至少两个不同过程参数的装置

Also Published As

Publication number Publication date
WO2019041734A1 (zh) 2019-03-07
CN107563515A (zh) 2018-01-09

Similar Documents

Publication Publication Date Title
CN107563515B (zh) 潜在过程参数挖掘方法及装置
EP3678065A1 (en) Chinese medicine production process knowledge system
CN104360677B (zh) 一种卷烟加工过程质量评价与诊断方法
CN111157698B (zh) 一种利用发射率数据获取黑土土壤全钾含量的反演方法
CN101739337B (zh) 一种基于聚类的软件漏洞序列特征的分析方法
CN104862217B (zh) 细菌耐药性快速预测系统及其预测方法
CN105956788A (zh) 一种输变电工程造价的动态管理控制方法
CN103278616B (zh) 一种土壤腐蚀性快速评价的多因子方法
CN106646339A (zh) 一种无线位置指纹室内定位中在线匹配定位方法
CN103258130A (zh) 烧结矿转鼓强度预测方法
CN104680185B (zh) 基于边界点重分类的高光谱图像分类方法
CN106569138A (zh) 一种基于性能退化的卫星小子样镉镍蓄电池寿命预测方法
CN116448161A (zh) 一种基于人工智能的环境监测设备故障诊断方法
CN104913639A (zh) 基于数据融合的烧结终点控制系统及控制方法
CN107578105A (zh) 系统参数设计空间优化方法及装置
CN104902509A (zh) 基于top-k(σ)算法的异常数据检测方法
CN110427019B (zh) 一种基于多变量判别分析的工业过程故障分类方法及控制装置
CN107578100A (zh) 一种基于过程参数的结果反馈方法及装置
CN108564248A (zh) 一种中药生产过程质量控制的模型建立方法
CN101226146A (zh) 基于多光谱散射图像的苹果硬度预测方法
CN112837754B (zh) 一种基于特征基因的单细胞自动分类方法和装置
CN109951499A (zh) 一种基于网络结构特征的异常检测方法
CN116432032A (zh) 基于多源数据和机器学习的气象数据异常事件识别方法
CN105095552B (zh) 一种通用概率分布参数估计流程与分析方法
CN115510945B (zh) 基于主成分和Logistic分析地质灾害概率预报方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant