CN117882096A - 供应链优化 - Google Patents
供应链优化 Download PDFInfo
- Publication number
- CN117882096A CN117882096A CN202280055083.7A CN202280055083A CN117882096A CN 117882096 A CN117882096 A CN 117882096A CN 202280055083 A CN202280055083 A CN 202280055083A CN 117882096 A CN117882096 A CN 117882096A
- Authority
- CN
- China
- Prior art keywords
- chemical
- product
- data
- environmental impact
- chemical precursors
- 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
- 238000005457 optimization Methods 0.000 title claims description 39
- 238000000034 method Methods 0.000 claims abstract description 152
- 239000000126 substance Substances 0.000 claims abstract description 118
- 230000007613 environmental effect Effects 0.000 claims abstract description 117
- 239000012707 chemical precursor Substances 0.000 claims abstract description 103
- 238000004519 manufacturing process Methods 0.000 claims abstract description 68
- 239000000463 material Substances 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000000704 physical effect Effects 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 30
- 239000002243 precursor Substances 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 239000005431 greenhouse gas Substances 0.000 claims description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 6
- 229910052799 carbon Inorganic materials 0.000 claims description 6
- 229920000642 polymer Polymers 0.000 claims description 4
- 238000012824 chemical production Methods 0.000 claims description 3
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 2
- 238000012851 eutrophication Methods 0.000 claims description 2
- 238000003911 water pollution Methods 0.000 claims description 2
- 239000000047 product Substances 0.000 description 156
- 239000000203 mixture Substances 0.000 description 77
- 230000006870 function Effects 0.000 description 47
- 238000013461 design Methods 0.000 description 38
- 238000009472 formulation Methods 0.000 description 30
- 230000009467 reduction Effects 0.000 description 21
- 238000000513 principal component analysis Methods 0.000 description 19
- 239000002994 raw material Substances 0.000 description 15
- 230000015654 memory Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 13
- 239000004480 active ingredient Substances 0.000 description 12
- 238000001311 chemical methods and process Methods 0.000 description 11
- 239000000243 solution Substances 0.000 description 11
- 238000010238 partial least squares regression Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 239000000654 additive Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 8
- 238000012417 linear regression Methods 0.000 description 8
- 230000002093 peripheral effect Effects 0.000 description 8
- 238000012628 principal component regression Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 239000000976 ink Substances 0.000 description 5
- 230000036961 partial effect Effects 0.000 description 5
- 239000000376 reactant Substances 0.000 description 5
- 239000011435 rock Substances 0.000 description 5
- 206010011906 Death Diseases 0.000 description 4
- 241000223221 Fusarium oxysporum Species 0.000 description 4
- GQPLMRYTRLFLPF-UHFFFAOYSA-N Nitrous Oxide Chemical compound [O-][N+]#N GQPLMRYTRLFLPF-UHFFFAOYSA-N 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000003889 chemical engineering Methods 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 235000015220 hamburgers Nutrition 0.000 description 4
- 238000012880 independent component analysis Methods 0.000 description 4
- 239000003921 oil Substances 0.000 description 4
- 235000019198 oils Nutrition 0.000 description 4
- 238000012892 rational function Methods 0.000 description 4
- 239000002904 solvent Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 3
- 238000000576 coating method Methods 0.000 description 3
- 238000004939 coking Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000002844 melting Methods 0.000 description 3
- 230000008018 melting Effects 0.000 description 3
- 239000000178 monomer Substances 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 239000003208 petroleum Substances 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 239000007921 spray Substances 0.000 description 3
- 239000007858 starting material Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000009835 boiling Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000003050 experimental design method Methods 0.000 description 2
- 239000002638 heterogeneous catalyst Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 235000010755 mineral Nutrition 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 239000004570 mortar (masonry) Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000001272 nitrous oxide Substances 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 235000020939 nutritional additive Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000008194 pharmaceutical composition Substances 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 238000005245 sintering Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- TXEYQDLBPFQVAA-UHFFFAOYSA-N tetrafluoromethane Chemical compound FC(F)(F)F TXEYQDLBPFQVAA-UHFFFAOYSA-N 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- SMZOUWXMTYCWNB-UHFFFAOYSA-N 2-(2-methoxy-5-methylphenyl)ethanamine Chemical compound COC1=CC=C(C)C=C1CCN SMZOUWXMTYCWNB-UHFFFAOYSA-N 0.000 description 1
- NIXOWILDQLNWCW-UHFFFAOYSA-N 2-Propenoic acid Natural products OC(=O)C=C NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 235000019482 Palm oil Nutrition 0.000 description 1
- 229910018503 SF6 Inorganic materials 0.000 description 1
- -1 and the ocean) Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011956 best available technology Methods 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 239000007772 electrode material Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000029142 excretion Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000010881 fly ash Substances 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 239000000417 fungicide Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000009477 glass transition Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000002917 insecticide Substances 0.000 description 1
- 238000002721 intensity-modulated radiation therapy Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- QKCGXXHCELUCKW-UHFFFAOYSA-N n-[4-[4-(dinaphthalen-2-ylamino)phenyl]phenyl]-n-naphthalen-2-ylnaphthalen-2-amine Chemical compound C1=CC=CC2=CC(N(C=3C=CC(=CC=3)C=3C=CC(=CC=3)N(C=3C=C4C=CC=CC4=CC=3)C=3C=C4C=CC=CC4=CC=3)C3=CC4=CC=CC=C4C=C3)=CC=C21 QKCGXXHCELUCKW-UHFFFAOYSA-N 0.000 description 1
- 229920000620 organic polymer Polymers 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000002540 palm oil Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000006187 pill Substances 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910021487 silica fume Inorganic materials 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000004230 steam cracking Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 1
- 229960000909 sulfur hexafluoride Drugs 0.000 description 1
- 239000000829 suppository Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 238000004056 waste incineration Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种用于通过选择一种或多种化学前体来生产产品的计算机实施的方法，该方法包括：(a)从接口接收(100)至少两个数据集，该至少两个数据集包括(i)与该一种或多种化学前体的化学或物理特性相关的材料数据、以及(ii)与制造该产品所必需的该一种或多种化学前体的环境影响指标相关的环境影响指标数据；(b)提供(110)描述该材料数据与该环境影响指标数据之间的函数关系的环境影响计算模型；(c)可选地，从数据库中检索(120)该一种或多种化学前体的历史环境影响指标数据，该历史环境影响指标数据包括与该一种或多种化学前体相对应的历史环境影响指标；(d)根据与该环境影响计算模型在多个维度上的预定义最小值的距离对该至少两个数据集进行排序(130)，并基于此生成排序结果；以及(e)可选地，获得(140)该环境影响计算模型的这些排序结果与该历史环境影响指标数据之间的匹配程度，并基于此生成匹配结果；以及(f)基于这些排序结果和/或这些匹配结果从多种化学前体中选择(150)一种或多种化学前体，并将所选择的该一种或多种化学前体添加(160)到该产品的生产过程中。
Description
技术领域
本披露总体上涉及一种用于选择一种或多种化学前体以生产产品的方法和平台、计算机程序元素和计算机可读介质。
背景技术
经济参与者越来越关注其经营活动对环境和社会产生的负面影响，而这些影响并未纳入公司的经济指导中。一个示例是经济活动对经营活动所在的社区和国家的所谓环境/可持续性目标产生的影响。已建立了影响指标的计算标准，以便能够计算由经济决策(例如，产品碳足迹、道德采购、回收材料含量和材料可回收性)产生的影响减少量。然而，如今由供应商提供的这些计算的输入数据(范围3数据)并不可靠且不完整，同时来自数据顾问的数据是基于近似值的。
可能需要改进用于选择一种或多种化学前体以生产产品并用于对材料进行多目标优化的系统或方法。
发明内容
根据本披露的第一方面，提供了一种用于选择一种或多种化学前体以生产产品的计算机实施的方法，该方法包括以下步骤：
作为该方法的第一步骤，提供从接口接收至少两个数据集，该至少两个数据集包括：(i)与一种或多种化学前体的化学或物理特性相关的材料数据、以及(ii)与制造产品所必需的一种或多种化学前体的环境影响指标相关的环境影响指标数据。
作为该方法的第二步骤，提供描述材料数据与环境影响指标数据之间的函数关系的环境影响计算模型。
作为该方法的第三可选步骤，从数据库中检索一种或多种化学前体的历史环境影响指标数据，其中，该历史环境影响指标数据包括与一种或多种化学前体相对应的历史环境影响指标。
进一步地，根据与环境影响计算模型在多个维度上的预定义最小值的距离对至少两个数据集进行排序，并基于此生成排序结果。
进一步地，可选地，获得环境影响计算模型的排序结果与历史环境影响指标数据之间的匹配程度，并基于此生成匹配结果。
进一步地，基于排序结果和/或匹配结果从多种化学前体中选择一种或多种化学前体，并将所选择的一种或多种化学前体添加到产品的生产过程中。
本披露的另一方面涉及一种用于生成可用于控制制造或开发过程的操作条件的装置，该装置包括：一个或多个计算节点以及一个或多个计算机可读介质，该一个或多个计算机可读介质上具有计算机可执行指令，这些计算机可执行指令被构造为当由该一个或多个计算节点执行时，使得该装置执行以下步骤：
(a)从接口接收(100)至少两个数据集，该至少两个数据集包括(i)与一种或多种化学前体的化学或物理特性相关的材料数据、以及(ii)与制造产品所必需的一种或多种化学前体的环境影响指标相关的环境影响指标数据；
(b)提供(110)描述材料数据与环境影响指标数据之间的函数关系的环境影响计算模型；
(c)可选地，从数据库中检索(120)一种或多种化学前体的历史环境影响指标数据，该历史环境影响指标数据包括与一种或多种化学前体相对应的历史环境影响指标；
(d)根据与环境影响计算模型在多个维度上的预定义最小值的距离对至少两个数据集进行排序(130)，并基于此生成排序结果；以及
(e)可选地，获得(140)环境影响计算模型的排序结果与历史环境影响指标数据之间的匹配程度，并基于此生成匹配结果；以及
(f)基于排序结果和/或匹配结果从多种化学前体中选择(150)一种或多种化学前体，并将所选择的一种或多种化学前体添加(160)到产品的生产过程中。
本披露的另一方面涉及一种被配置用于促进购买用于制造产品的一种或多种化学前体的系统，该系统包括：一个或多个硬件处理器，该一个或多个硬件处理器由机器可读指令配置为执行如本文所述的用于通过选择一种或多种化学前体来生产产品的计算机实施的方法。
本披露的另一方面涉及一种被配置用于促进购买用于制造产品的一种或多种化学前体的计算平台，该计算平台包括：非暂态计算机可读存储介质，其上包含有用于执行如本文所述的用于通过选择一种或多种化学前体来生产产品的计算机实施的方法的可执行指令；以及一个或多个硬件处理器，该一个或多个硬件处理器被配置为执行包含在非暂态计算机可读存储介质中的指令。
本披露的另一方面涉及一种用于利用化学前体生产化学产品的方法，该方法包括：在生产过程期间，使用如本文所述的用于通过选择一种或多种化学前体来生产产品的计算机实施的方法中的排序结果和/或匹配结果，利用化学前体来生产化学产品。
本披露的另一方面涉及一种用于选择一种或多种前体以生产化学产品的方法，该方法包括：使用如本文所述的用于通过选择一种或多种化学前体来生产产品的计算机实施的方法中的排序结果和/或匹配结果，选择一种或多种前体以生产化学产品。
本披露的另一方面涉及一种用于选择一种或多种生产设施以生产化学产品的方法，该方法包括：使用如本文所述的用于通过选择一种或多种化学前体来生产产品的计算机实施的方法中的排序结果和/或匹配结果，选择一种或多种生产设施以生产化学产品。
本披露的另一方面涉及如本文所述的用于通过选择一种或多种化学前体来生产产品的计算机实施的方法中的排序结果和/或匹配结果的用途。
本披露的另一方面涉及一种包括指令的计算机程序产品，当该程序由计算机执行时，这些指令使计算机执行如本文所述的用于通过选择一种或多种化学前体来生产产品的计算机实施的方法的步骤。
根据本披露的另一方面，提供了一种存储有程序元素的计算机可读介质。
本文描述的这些实施例涉及上面列出的方法、装置、系统、用途、计算机程序元素，反之亦然。有利地，任何实施例和示例提供的益处同样适用于所有其他实施例和示例，反之亦然。
如本文所使用的，“确定”还包括“估计、计算、发起或导致确定”，并且“提供”还包括“发起或导致确定、生成、选择、发送、查询或接收”。
本披露的目的是改进用于选择一种或多种化学前体以生产产品并用于对材料进行多目标优化的系统或方法。
本披露的目的通过独立权利要求的主题来实现，其中，进一步的实施例包含在从属权利要求中。应当注意，本披露的以下描述的方面也适用于计算机实施的方法、设备、装置、计算机程序元素和计算机可读介质。
本披露有利地提供了一种解决方案，以便使得供应链中的参与者可靠地减少经济活动对环境的负面影响，同时在提供市场中最佳可用技术的情况下使他们的经济效益最大化。买方需要一个使用供应商数据来计算环境影响减少与经济效益(例如，贡献边际)之间的最佳权衡的系统。此外，他们需要检查结果针对供应商数据变化的稳健性。买家需要一个激励供应商提供定量环境影响减少的系统。
最后，本披露有利地提供了一种激励供应商提高其向客户提供的环境影响数据的可靠性的解决方案。另一方面，供应商需要一个将客户所要求的环境影响减少与定量经济激励措施关联起来的系统。
与环境影响相关的环境影响指标数据可以指示一种或多种化学前体的环境性能。与环境影响相关的特性可以与一种或多种前体在其生命周期期间的任何阶段的环境影响相关联。前体生命周期的阶段可以包括提供用于生产化学前体的原材料或组分/部分、生产化学前体、使用一种或多种化学前体生产产品、处理寿命终止产品、回收寿命终止产品、处置寿命终止产品、再利用寿命终止产品的组分的阶段，或者阶段的任何子集。
与环境影响相关的环境影响指标数据可以被指定，也可以从参与一个或多个产品的生命周期的任何阶段的一个或多个实体的任何活动中导出。与环境影响相关的环境影响指标数据可以包括可归因于产品环境影响的一个或多个特性/特征。与环境影响相关的环境影响指标数据可以包括与一个或多个产品的环境影响相关联的(多个)环境特征、(多个)技术特征或(多个)循环特征。(多个)环境特征可以指定或量化与产品环境影响相关联的生态标准。(多个)环境特征可以是或可以源自在一个或多个产品的生命周期期间进行的测量。环境特征可以在产品生命周期的任何阶段确定，并且可以表征产品在该阶段内或直至该阶段对环境的影响。
(多个)环境特性/特征可以例如包括与碳足迹、温室气体排放、资源使用、空气排放、臭氧消耗潜力、水污染、噪声污染或富营养化潜力、生物降解性相关的数据。(多个)环境特征可以例如包括与产品生产相关的产品特征，这些特征如生物基、素食、清真、犹太、不含棕榈油、天然等。(多个)技术特征可以指定或量化至少与环境影响间接相关联的产品性能。(多个)技术特征可以是或可以源自在一个或多个产品的生命周期期间进行的测量。技术特征可以在产品生命周期的任何阶段确定，并且可以表征产品在该阶段内或直至该阶段的性能。(多个)技术特征可以例如包括产品组成数据、材料清单、产品规格数据、产品组分数据、产品安全数据、应用特性数据、应用说明或产品质量数据。(多个)循环特征可以指定或量化与循环使用相关联的产品生命周期特征。(多个)循环特征可以是或可以源自在一个或多个产品的生命周期期间进行的测量。(多个)循环特征可以是或可以源自在一个或多个先前生命周期(包括再利用)中记录的循环数据。循环特征可以在产品生命周期的任何阶段确定，并且可以表征在该阶段内或直至该阶段的再利用或回收性能。(多个)循环特征可以例如包括回收数据、再利用率、回收率、回收循环、再利用产品的再利用性能、再利用产品的质量等。
术语“排放数据”在当前情况下应被广义地理解并且包括与环境足迹相关的任何数据。环境足迹可以指实体及其相关联的环境足迹。环境足迹可以是特定于实体的。例如，环境足迹可以涉及产品、公司、过程(比如制造过程)、原材料或基本物质、化学产品或材料、组分、组分组件、最终产品、其组合或附加的实体特定关系。排放数据可以包括与化学产品的碳足迹相关的数据。排放数据可以包括与例如在生产化学产品时释放的温室气体排放相关的数据。排放数据可以包括与温室气体排放相关的数据。温室气体排放可以包括比如二氧化碳(CO2)排放、甲烷(CH4)排放、一氧化二氮(N2O)排放、氢氟碳化合物(HFC)排放、全氟化碳(PFC)排放、六氟化硫(SF6)排放、三氟化氮(NF3)排放等排放、其组合及其他排放。排放数据可以包括与实体或公司自身运营(生产、发电厂和废物焚烧)所产生的温室气体排放相关的数据。范围2包括由外部提供的能源生产所产生的排放。范围3包括价值链上产生的所有其他排放。具体来说，这包括从供应商处获得的原材料产生的温室气体排放。产品碳足迹(PCF)是与特定产品相关的连续且相互关联的过程步骤所产生的温室气体排放量和清除量的总和。Cradle-to-gate(摇篮到大门)PCF基于选定过程步骤对温室气体排放量进行汇总：从资源的提取到产品离开公司的工厂大门。这样的PCF被称为部分PCF。为了实现这样的汇总，提供任何产品的每家公司都必须能够尽可能准确地提供其每种产品对PCF的范围1和范围2的贡献，并获得所购买能源(范围2)及其原材料(范围3)的可靠且一致的PCF数据。
术语“化学产品”在当前情况下应被广义地理解并且包括通过化学反应获得的化学产物、以及天然化学产物。天然化学产物涵盖任何天然存在的化学物质，即，在自然界中发现的任何未经加工的化学物质(比如来自植物、微生物、动物、土壤和海洋的化学品)、或在自然界中发现的并使用不改变其化学组成的工艺提取出的任何化学物质。天然化学产物可以包括如酶等生物制品、以及天然存在的无机或有机化学产物。天然化学产物可以在使用前进行分离和纯化，或者它们可以以未分离和/或未纯化的形式使用。通过化学反应获得的化学产物可以是通过使无机和/或有机化学反应物进行反应而获得的任何无机或有机化学产物。无机和有机化学反应物可以是天然存在的化学产物，或者可以是通过化学反应获得的化学产物。化学反应可以包括现有技术中公知的任何化学反应，在这些化学反应中，反应物被转化成一种或多种不同的化学产物。化学反应可以涉及使用催化剂、酶、细菌等来实现反应物之间的化学反应。
术语“材料数据”在当前情况下应被广义地理解并且包括与产品的特性相关的数据和/或与(化学)产品的使用相关的数据。这样的特性可以是静态特性或动态特性。静态特性可以是随时间恒定的特性，例如，熔点、沸点、密度、硬度、可燃性等。动态特性可以是随时间而变化的特性，例如，保存期限、pH值、颜色、反应性。化学产品的特性可以包括性能特性、化学特性(比如可燃性、毒性、酸性、反应性、燃烧热)、和/或物理特性(比如密度、颜色、硬度、熔点和沸点、导电性等)。与化学产品的使用相关的数据可以包括与化学产品的进一步处理(例如，即，在进一步的(多个)化学反应中将化学产品用作反应物)相关的数据和/或与化学产品的使用相关的数据(例如，与化学产品在处理过程中和/或在制造过程中的使用相关的数据)。化学产品数据可以包括化学品数据、排放数据、回收物含量、生物基含量和/或生产数据。
根据本披露的实施例，环境影响计算模型包括至少一个多标准优化算法。
根据本披露的实施例，产品是在化学生产过程中利用一种或多种化学前体制造而成的化学产品。
根据本披露的实施例，化学产品由化学配方定义或描述。
根据本披露的实施例，产品是化学产品，优选地是聚合物产品，其中，一种或多种化学前体在产品的制造期间经历化学反应。
根据本披露的实施例，该方法进一步包括：如果环境影响指标数据与环境影响指标数据的预定义最小值的偏差高于预定阈值，则传输改进的环境影响指标数据。
根据本披露的实施例，该方法进一步包括：如果排序结果的排序程度和/或匹配结果的匹配程度低于预定阈值，则传输更新的环境影响指标数据。
如本文所使用的，术语“单元”可以指的是或包括专用集成电路(ASIC)、电子电路、执行一个或多个软件或固件程序的处理器(共享的、专用的或组)和/或存储器(共享的、专用的或组)、组合逻辑电路、和/或提供所述功能的其他合适的部件，也可以是其一部分。
应当理解，前述概念和下面更详细讨论的附加概念的所有组合(前提是这些概念并不相互矛盾)被认为是本文所披露的发明主题的一部分。特别地，出现在本披露末尾的要求保护的主题的所有组合被认为是本文所披露的发明主题的一部分。
本披露的这些和其他方面将参考下文描述的(多个)实施例变得显而易见并得到阐述。
附图说明
在附图中，相同的附图标记在不同的视图中通常指代相同的部分。此外，附图不一定按比例绘制，而是通常将重点放在说明本披露的原理上。
图1展示了具有计算节点的中心化和去中心化计算环境的示例实施例；
图2展示了具有计算节点的中心化和去中心化计算环境的示例实施例；
图3展示了分布式计算环境的示例实施例；
图4是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的计算机实施的方法的流程图；
图5是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的计算机实施的方法的流程图；
图6是根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的设备或平台的示意图；
图7是展示了根据本披露的一些实施例的用于利用化学前体来生产化学产品的计算机实施的方法的流程图；
图8是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的计算机实施的方法的流程图；
图9是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的计算机实施的方法的流程图；
图10A是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的买方采购过程的计算机实施的方法的流程图；
图10B是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的买方采购过程的计算机实施的方法的流程图；
图11是展示了根据本披露的一些实施例的基于距离对备选决策选项进行排序的流程图；以及
图12是展示了根据本披露的一些实施例的排名较低的备选方案与排名前k位的备选方案的平均值之间在环境影响减少指标方面的距离的流程图。
具体实施方式
以下实施例仅仅是用于实施本文披露的方法、系统、装置或应用设备的示例，并且不应被认为是限制性的。
图1至图3展示了不同的计算环境，集中式、分散式和分布式计算环境。本披露的方法、装置、计算机元件可以在分散式或至少部分为分散式的计算环境中实施。特别地，对于在具有多个参与者的生态系统中进行数据共享或交换，存在不同的挑战。数据主权可以被视为一项核心挑战。它可以被定义为自然人或法人实体完全自主决定其数据的能力。为了实现这种特定能力，可以在整个化学价值链中实施相关方面，包括商业生态系统中安全且可信的数据交换的要求。特别地，化工行业需要定制的解决方案来通过使用数字生态系统以更加环保/可持续的方式提供化学产品。数据的提供、确定或处理可以由不同的计算节点来实现，这些节点可以实施在中心化、去中心化或分布式计算环境中。
图1展示了中心化计算系统20的示例实施例，该系统包括一个中央计算节点21(中间的实心圆)和若干外围计算节点21.1至21.n(表示为外围的实心圆)。术语“计算系统”在本文中被广义地定义为包括一个或多个计算节点、节点系统或其组合。术语“计算节点”在本文中被广义地定义，并且可以是指包括至少一个物理的有形处理器和/或能够在其上具有由处理器执行的计算机可执行指令的物理的有形存储器的任何设备或系统。计算节点的形式现在越来越多样化。计算节点可以例如是手持设备、生产设施、传感器、监控系统、控制系统、电器、膝上型计算机、台式计算机、大型机、数据中心、或者甚至是传统上不被认为是计算节点的设备，比如可穿戴设备(例如，眼镜、手表等)。存储器可以采取任何形式并且取决于计算节点的性质和形式。
在该示例中，外围计算节点21.1至21.n可以连接到一个中央计算系统(或服务器)。在另一个示例中，外围计算节点21.1至21.n可以经由例如终端服务器(未示出)附接到中央计算节点。大多数功能可以由中央计算节点(也被称为远程集中位置)执行或从该中央计算节点获得。已扩展了一个外围计算节点21.n以提供对外围计算节点中存在的部件的概览。中央计算节点21可以包括与关于外围计算节点21.n所述相同的部件。
每个计算节点21、21.1至21.n可以包括至少一个硬件处理器22和存储器24。术语“处理器”可以是指被配置成执行计算机或系统的基本操作的任意逻辑电路，和/或一般地是指被配置用于执行计算或逻辑运算的设备。特别地，处理器或计算机处理器可以被配置用于处理驱动计算机或系统的基本指令。处理器可以是基于半导体的处理器、量子处理器或被配置用于处理指令的任何其他类型的处理器。作为示例，处理器可以包括至少一个算术逻辑单元(“ALU”)、至少一个浮点单元(“FPU”)(比如数学协处理器或数字协处理器)、多个寄存器(具体是被配置用于向ALU提供操作数并存储运算结果的寄存器)、以及存储器(比如L1和L2高速缓存存储器)。特别地，处理器可以是多核处理器。具体地，处理器可以是或者可以包括中央处理单元(“CPU”)。处理器可以是(“GPU”)图形处理单元、(“TPU”)张量处理单元、(“CISC”)复杂指令集计算微处理器、精简指令集计算(“RISC”)微处理器、超长指令字(“VLIW”)微处理器、或者实施其他指令集的一个处理器或者实施指令集组合的多个处理器。处理装置也可以是一个或多个专用处理设备，比如专用集成电路(“ASIC”)、现场可编程门阵列(“FPGA”)、复杂可编程逻辑器件(“CPLD”)、数字信号处理器(“DSP”)、网络处理器等。本文描述的方法、系统和设备可以被实施为DSP、微控制器或任何其他辅助处理器中的软件，或者实施为ASIC、CPLD或FPGA内的硬件电路。应当理解，术语处理器还可以是指一个或多个处理设备，比如位于多个计算机系统(例如，云计算)上的分布式处理设备系统，并且不限于单个设备，除非另有说明。
存储器24可以是指物理系统存储器，其可以是易失性的、非易失性的或其组合。存储器可以包括非易失性大容量存储装置，比如物理存储介质。存储器可以是计算机可读存储介质(比如RAM、ROM、EEPROM、CD-ROM)或其他光盘存储、磁盘存储、或其他磁存储设备、非磁盘存储，比如固态盘或任何其他物理的有形存储介质，其可以用于存储计算机可执行指令或数据结构形式的期望程序代码装置并且可以由计算系统访问。此外，存储器可以是承载计算机可执行指令的计算机可读介质(也被称为传输介质)。进一步地，在到达各种计算系统部件后，计算机可执行指令或数据结构形式的程序代码装置可以自动从传输介质传送到存储介质(反之亦然)。例如，通过网络或数据链路接收的计算机可执行指令或数据结构可以被缓冲在网络接口模块(例如，“NIC”)内的RAM中，然后最终被传送到计算系统RAM和/或计算系统处易失性较低的存储介质。因此，应当理解，存储介质可以包括在也(或者甚至主要)利用传输介质的计算部件中。
计算节点21、21.1至21.n可以包括通常被称为“可执行部件、可执行指令、计算机可执行指令或指令”的多个结构26。例如，计算节点21、21.1至21.n的存储器24可以被展示为包括可执行部件26。术语“可执行部件”或其任何等效物可以是计算领域普通技术人员所熟知的结构的名称，该结构可以是软件、硬件或其组合、或者可以以软件、硬件或组合来实施。例如，当以软件实施时，本领域普通技术人员将理解，可执行部件的结构包括在计算节点21、21.1至21.n上执行的软件对象、例程、方法等，而无论这样的可执行部件是存在于计算节点21、21.1至21.n的堆中，还是该可执行部件存在于计算机可读存储介质上。在这种情况下，本领域普通技术人员将认识到，可执行部件的结构存在于计算机可读介质上，使得当由计算节点21、21.1至21.n的一个或多个处理器(例如，由处理器线程)解释时，使得计算节点21、21.1至21n执行功能。这样的结构可以由处理器直接进行计算机读取(如可执行部件是二进制的情况)。可替代地，该结构可以被构造成可解释和/或编译的(无论是在单个级还是在多个级中)，以便生成可由处理器直接解释的这种二进制。当使用术语“可执行部件”时，对可执行部件的示例结构的这种理解完全在计算领域普通技术人员的理解范围内。以硬件实施的可执行部件的示例包括硬编码或硬连线逻辑门，它们专门或几乎专门在硬件中实施，比如在现场可编程门阵列(FPGA)、专用集成电路(ASIC)或任何其他专用电路内实施。在本说明书中，术语“部件”、“代理”、“管理器”、“服务”、“引擎”、“模块”、“虚拟机”等与术语“可执行部件”同义使用。
每个计算节点21、21.1至21.n的处理器22可以响应于已执行构成可执行部件的计算机可执行指令而引导每个计算节点21、21.1至21.n的操作。例如，这样的计算机可执行指令可以在形成计算机程序产品的一个或多个计算机可读介质上体现。计算机可执行指令可以存储在每个计算节点21、21.1至21.n的存储器24中。计算机可执行指令包括例如指令和数据，这些指令和数据当在处理器21处执行时，使通用计算节点21、21.1至21.n、专用计算节点21、21.1至21.n或专用处理设备执行特定的功能或功能组。可替代地或附加地，计算机可执行指令可以将计算节点21、21.1至21.n配置为执行特定的功能或功能组。计算机可执行指令可以是例如二进制或者甚至是在由处理器直接执行之前经历某种转变(比如编译)的指令，比如中间格式指令，比如汇编语言、或者甚至是源代码。
每个计算节点21、21.1至21.n可以包含允许每个计算节点21.1至21.n与中央计算节点21通信的通信信道28，例如，网络(在图1中被描绘为外围计算节点与中央计算节点之间的实线)。“网络”可以被定义为能够在计算节点21、21.1至21.n和/或模块和/或其他电子设备之间传输电子数据的一个或多个数据链路。当信息通过网络或另一通信连接(硬连线、无线、或者硬连线或无线的组合)被传送或提供给计算节点21、21.1至21.n时，计算节点21、21.1至21.n正确地将该连接视为传输介质。传输介质可以包括网络和/或数据链路，该网络和/或数据链路可以用于携带计算机可执行指令或数据结构形式的期望程序代码装置并且可以由通用或专用计算节点21、21.1至21.n访问。以上各项的组合也可以包括在计算机可读介质的范围内。
(多个)计算节点21、21.1至21.n可以进一步包括用于与用户建立界面联系的用户界面系统25。用户界面系统25可以包括输出机构25A以及输入机构25B。本文描述的原理不限于精确的输出机构25A或输入机构25B，因为这将取决于设备的性质。然而，输出机构25A可以包括例如显示器、扬声器、显示器、触觉输出、全息图等。输入机构25B的示例可以包括例如麦克风、触摸屏、全息图、相机、键盘、鼠标或其他指针输入、任何类型的传感器等。
图2展示了去中心化计算环境30的示例实施例，该环境内的若干计算节点21.1至21.n表示为实心圆。与图1所示的中心化计算环境20相比，去中心化计算环境中的计算节点21.1至21.n没有连接到中央计算节点21，因此不受中央计算节点的控制。相反，硬件资源和软件资源两者均可以被分配给每个单独的计算节点21.1至21.n(本地或远程计算系统)，并且数据可以分布在各个计算节点21.1至21.n之间以执行任务。因此，在分散式系统环境中，程序模块可以位于本地和远程存储器存储设备中。已扩展了一个计算节点21以提供对计算节点21中存在的部件的概览。在该示例中，计算节点21包括与关于图1所述相同的部件。
图3展示了分布式计算环境40的示例实施例。在本说明书中，“分布式计算”可以是指利用多个计算资源的任何计算。这样的使用可以通过物理计算资源的虚拟化来实现。分布式计算的一个示例是云计算。“云计算”可以是指用于实现对可配置计算资源(例如，网络、服务器、存储装置、应用和服务)的共享池的按需网络访问的模型。当云计算环境是分布式的时，云计算环境可以在一个组织内和/或跨多个组织在国际范围内分布。在该示例中，分布式云计算环境40可以包含以下计算资源：(多个)移动设备42、应用43、数据库44、(多个)数据存储装置和服务器46。云计算环境40可以被部署为公共云47、私有云48或混合云49。私有云47可以由某个组织所有，并且只有具有适当访问权的组织成员才可以使用私有云48，从而使私有云中的数据至少是保密的。相反，存储在公共云48中的数据可以通过互联网对任何人开放。混合云49可以是私有云47和公共云48两者的组合，并且可以使其中一些数据是保密的，而其他数据可以是公开可用的。
图4是展示了根据本披露的一方面的计算机实施的方法100的示例的流程图。
解决方案应旨在(a)针对一组备选经济决策提供经济效益与一组影响减少指标的多目标帕累托优化，并且(b)提供对备选供应商报价的定量排序。排序结果被传送给竞争供应商以提供可靠且可行的激励，从而减少环境影响并提高数据可靠性。
该方法包括步骤(a)：从接口接收100至少两个数据集，该至少两个数据集包含与一种或多种化学前体的化学或物理特性相关的材料数据以及制造产品所必需的一种或多种化学前体的环境影响指标数据。
该方法包括步骤(b)：提供110描述材料数据与环境影响指标数据之间的函数关系的环境影响计算模型。
该方法包括可选步骤(c)：从数据库中检索120一种或多种化学前体的历史环境影响指标数据，该数据规范信息包括与一种或多种化学前体相对应的历史环境影响指标。
该方法包括步骤(d)：根据与环境影响计算模型在多个维度上的预定义最小值的距离对该至少两个数据集进行排序130，并基于此生成排序结果；
该方法包括步骤(e)：可选地，获得140该环境影响计算模型与该数据规范信息之间的匹配程度，并基于此生成匹配结果。
该方法包括步骤(f)：基于排序结果和/或匹配结果从多种化学前体中选择150一种或多种化学前体，并将所选择的该一种或多种化学前体添加160到产品的生产过程中。
在循环经济中，环境影响将成为产品报价评估的第三大支柱，仅次于大宗化学品的价格/成本和产品应用性能或产品组成。
客户已越来越坚持要求所选产品的环境产品信息必须透明且经过认证。一旦接收到信息请求，就将必须建立自动化产品数据共享的数据平台。
在向外扩展的这一阶段，对供应商输入数据进行自动化审查和改进将成为提高在环境信息维度方面的竞争力的关键能力。
客户表示，环境影响数据可能会成为供应商认证的一部分，因此不符合要求的公司可能会被取消投标资格。因此，可靠的环境数据可能是保护现有业务和新市场的一个因素。
一个示例应用是，以产品组成和加工参数为自由变量，按照成本维度、产品性能维度和环境影响减少维度对化学配方进行帕累托(Pareto)优化。
环境影响计算模型
在步骤110中，提供环境影响计算模型。环境影响计算模型将一组设计参数与表示系统设计特征的多个客观参数相关联。
在示例中，环境影响计算模型可以包括线性模型。可替代地，环境影响计算模型可以包括非线性模型，该非线性模型包括至少一个降维步骤。
线性或非线性模型的示例可以包括但不限于：
-线性回归；
-主成分回归；
-偏最小二乘回归；
-岭回归；
-套索模型；
-其数学形式由多项式给出的模型；
-其数学形式由任意ansatz函数的线性组合给出的模型，比如但不限于出现在傅里叶级数中的正弦和余弦函数、作为完全单调函数基础出现的指数函数、高斯函数、贝塞尔函数、球谐函数、对数函数、有理函数等，或者是由这些函数形成的任何代数表达式；
-其数学形式由一阶或二阶多项式给出的模型；
-其数学形式由其系数通过以下算法中的至少一种确定的多项式给出的模型：线性回归、主成分回归、偏最小二乘回归、岭回归、套索或其任意组合；
-其数学形式由其系数通过以下算法中的至少一种确定的一阶或二阶多项式给出的模型：线性回归、主成分回归、偏最小二乘回归、岭回归、套索或其任意组合；
-其数学形式由任意ansatz函数的线性组合给出的模型，比如但不限于出现在傅里叶级数中的正弦和余弦函数、作为完全单调函数基础出现的指数函数、高斯函数、贝塞尔函数、球谐函数、对数函数、有理函数等，或者是由这些函数形成的任何代数表达式，其系数通过以下算法中的至少一种确定：线性回归、主成分回归、偏最小二乘回归、岭回归、套索或其任意组合；
-任何类型的参数模型，比如但不限于多项式回归模型和神经网络模型；
-非参数模型，比如但不限于样条插值、高斯过程模型、多元自适应回归样条、核回归；
-建立在先前的降维步骤之上的任何模型，包括上述任何一种显式可能性，比如但不限于特征选择、特征投影、特征提取、主成分分析(PCA)、非负矩阵分解、核PCA、基于图形的核PCA、线性判别分析、广义判别分析、自编码器、T分布随机近邻嵌入、均匀流形近似和投影、K-最近邻算法、典型相关分析、低维嵌入、快速近似K-NN搜索、局部敏感哈希、随机投影、多线性子空间学习、多线性主成分分析、多线性独立成分分析、多线性线性判别分析、多线性典型相关分析、独立成分分析、等度量映射、核PCA、潜在语义分析、偏最小二乘、主成分分析、多因子降维、非线性降维、多线性主成分分析、多线性子空间学习、半正定嵌入、自编码器；
-基于应用于实验数据集的以上所列技术中的任何技术的任何模型；
-基于应用于通过实验设计方法(比如但不限于完全析因设计、部分析因设计、D最优设计)生成的实验数据集的以上所列技术中的任何技术的任何模型；或者
-由以上列出的模型、函数和/或算法的组合和/或函数和/或链定义的模型。
在下文中，x1、x2、……、xn表示所考虑的环境影响计算模型的设计参数集，该环境影响计算模型在下文中也被称为系统模型。设计参数集可以是例如所考虑系统的原始控制和/或输入参数。
进一步地，y1、y2、……、yk表示所考虑的系统模型的多个客观参数。客观参数的示例可以是例如感兴趣的响应和目标变量。
设计参数(即，输入变量)的范围通常受到一组约束的限制。线性和非线性函数都可以被涵盖。通常情况下(但不限于这种情况)，考虑以下形式中的至少一种形式的线性约束：
(a)al1·x1+al2·x2+…+aln·xn>cl；
(b)al1·x1+al2·x2+…+aln·xn<cl；或者
(c)al1·x1+al2·x2+…+aln·xn＝cl。
系数al和cl是任意数。通常情况下(但不限于这种情况)，所定义的约束可以对系统专家的先验知识进行编码，并且可以基于(但不限于)实践经验和理论考虑两者，比如基本的、经验的或半经验的物理、化学或技术公式。
进一步地，z1、z2、……、zm(其中，m<n)表示一组“潜变量”(比如但不限于基于x1、……、xn的主成分分析(PCA)结果)，或者通过潜变量z1、……、zm连接x1、……、xn和y1、……、yk的偏最小二乘(PLS)回归模型的潜变量。
假设一个经验证的模型，比如但不限于PCA或PLS回归，其可以通过z1、……、zm从x1、……、xn足够准确地预测y1、……、yk：
x1、……、xn＝>z1、……、zm＝>y1、……、yk。
还应涵盖包括降维步骤在内的任意非线性模型一般化，比如但不限于自编码器、神经网络等。
系统模型可以包括以下模型中的至少一个。
A.化学配方
在示例中，系统模型可以用于对化学配方进行建模，例如，用于预测化学混合物的特性。化学混合物的示例可以包括但不限于涂料配方、农业多组分混合物、药物多组分混合物、营养多组分混合物、油墨多组分混合物、用于建筑目的的化学混合物、以及石油生产中使用的化学混合物。
用于预测化学混合物特性的模型的设计参数(即，输入变量)可以包括具有两种或更多种成分的化学混合物配方。在一些示例中，单个化学混合物配方可以包括多达五十种不同的原材料(即，成分)。两种或更多种成分以化学混合物总量的分数浓度表示。一般来说，化学混合物的特性取决于成分组分的分数浓度，而不是化学混合物的总量。混合物分子式可以用重量、体积或其他数量单位来表示，比如如果考虑的是每种单体的官能团数量不同的单体混合物，则用每种单体类型的反应基团的相对浓度来表示。分数浓度就是化学混合物中某种成分的量除以该混合物的总量。分数浓度的总和将是1。分数浓度在0到1之间的范围内连续变化。
很多时候，混合物的特性除了取决于混合物的组分外，还取决于工艺条件。例如，环境变量可能会影响特性测量。在涂层示例中，测量期间混合物的温度会影响粘度的测量。因此，过程变量(比如温度)也可以作为设计参数包括在内。
用于预测化学混合物特性的模型的多个客观参数可以包括化学混合物的特性。化学混合物的特性可以是任何可测量的特征。该特征可以是连续的、有序的或标称的测量值。例如，配制的涂层可以连续测量液体混合物的粘度。例如，所施加涂膜的橘皮测量可以是从1(非常不光滑)到10(非常光滑)的十进制分类序数标度。在另一个示例中，每种化学混合物配方的特性进一步包括：对于每种所测量的特性，指示相应化学混合物配方的性能评估的相应性能得分，例如，从1(非常好)到5(非常差)。标称测量值的示例可以是观察某个缺陷合格与否的编码类别。
在下文中，将描述各种化学混合物的示例性设计参数(例如，原材料)和示例性客观参数(例如，特性)。
1.农业多组分混合物
例如，存在用于农业目的的混合物，如用作喷雾用杀虫剂、杀菌剂等处理作物的制剂。因此，一方面，制剂内的剩余组分保证了活性成分的可喷雾性。即，除了活性成分之外，制剂中的其他不同组分也用于获得适用于给定喷雾过程的制剂。即，可喷雾性(例如，液滴大小的形成、形成这种液滴的难易程度等)可能是受这种制剂中的不同组分以及活性成分性质影响的特性。
此外，植物对喷雾制剂的吸附以及对活性成分或整个喷雾制剂的吸收(在本文中为再吸收)也取决于活性成分和制剂中的剩余组分。此外，植物/有机体内活性成分的靶向方式(或者更好地说是活性成分向细胞靶向部位的移动)也将受到这种制剂内剩余组分的影响。即，效果产生的速度和效果产生本身都取决于制剂中的这些份额。
2.制药多组分混合物
此外，除了活性成分之外，药物制剂中存在的组分也会影响这种药物的整个生命周期——本文中是从制备到排泄或“消化”。
例如，这些制剂份额定义了活性成分是以丸剂、栓剂还是液体的形式提供，其大多是活性成分的分散体。
此外，这些制剂份额定义了活性成分在有机体内的释放位置以及其可被吸收或再吸收的位置。
最后，这些制剂份额定义了活性成分被运输到人体或细胞内的、并在那里被消化以显示期望效果的哪些部位；或者说，定义了其在有机体内是否根本没有被“消化”并且未经“消化”就被排出体外。
这些特性中的每一个对于找到合适的配方(即，药物多组分混合物的组成)来说可能都很重要。
3.营养多组分混合物
许多食物可以被视为多组分混合物，包括我们的有机体正常运作所必需的不同种类的化学亚组。营养添加剂(例如，维生素、矿物质营养素等)也是食物的一部分，因此重要的是将这些营养添加剂融入这些食物“配方”中，以使有机体的正确部位能够获得这些营养添加剂。同样，这两个参数都会受到食品“配方”中剩余份额的影响。例如，向有机体提供矿物质营养素的正确方式可以保证有机体实现良好的再吸收，而较差的提供方式则会减少再吸收，进而对健康造成影响。
4.多组分混合物油墨
类似地，油墨也是多组分混合物，即，它们也可以被定义为油墨配方。此外，这里除了提供颜色的成分——在这种情况下大多数是染料——之外的剩余组分保证了油墨的稳定性、可加工性以及在待着墨表面上的凝固性。
这里，特别重要的特性是如与待着墨表面的粘附性、配方在施用后的抗流挂性或粘度稳定性以及所得印刷品的耐光性(即，所得印刷品不褪色)等特性。
5.建筑用化学混合物
此外，建筑应用中所使用的许多材料可以被视为化学混合物。例如，混凝土由水泥、不同尺寸的岩石和水混合而成。此外，现代混凝土配方还包含混凝土添加剂和混凝土外加剂，两者都是用于这些配方的添加剂，用于触发和定制混凝土配方的特定特性。这些特性例如是混凝土在潮湿或干燥状态下的应用表现、沉降表现、硬化、拉伸强度、弯曲特性和耐久性。所有这些特性都会受到混凝土添加剂和混凝土外加剂的影响。用作混凝土添加剂材料的物质大多是无机物，如岩粉、粉煤灰或硅灰，而用作混凝土外加剂材料的物质也可以是有机物，如丙烯酸或其他低聚物或聚合物。
相关的应用还可以是用作抹灰材料的化学混合物。因此，也使用与混凝土配方类似的配方。然而，这些抹灰砂浆通常受到岩石尺寸的限制。也就是说，岩石骨料的尺寸限制为4mm以内，不允许这些砂浆使用更大尺寸的岩石骨料。主要特性也需要通过使用正确的添加剂来实现，这些添加剂与上述添加剂非常相似，主要体现在应用特性和可加工性方面。在这种抹灰配方的开发期间，通常对可泵性、光滑性以及还有粘附性进行评估。
6.石油生产中使用的化学混合物
此外，在石油生产中，化学混合物用于优化石油开采的效率。在水力压裂法和传统石油开采法中，特别是在井眼生命周期的后期阶段，通过将这些制剂泵入井眼来提高效率水平。因此，主要使用含水有机聚合物。总的来说，石油生产的效率水平是衡量所使用添加剂有效性的参数。从细节上看，像从石头中释放油的能力或在这种条件下产生压力和粘度的能力等特性可能是重要的特性。
B.化学过程
在示例中，该模型可以用于对化学过程进行建模。
以工业老化过程为例，关键资产的老化在任何生产环境中都是普遍存在的现象，会造成巨大的维护支出或导致生产损失。因此，无论是在离散制造业还是加工工业中，了解和预测潜在退化过程对于工厂的可靠和经济运营至关重要。
以化工行业为重点，臭名昭著的老化现象包括：非均相催化剂因焦化、烧结或中毒而失活；工艺侧的工艺装备(比如热交换器或管道)由于焦炭层形成或聚合而发生堵塞；水侧热交换器由于微生物或晶体沉积物而出现结垢；流化床反应器中所安装的装备(比如注入喷嘴或管道)受到腐蚀；等等。
这种理解通常被浓缩成复杂的数学模型。这种机理降解模型的示例涉及蒸汽裂解炉的焦化、非均相催化剂的烧结或焦化、或热交换器因结晶而结垢。
在该示例中，设计参数因此可以包括各种过程变量，比如温度、流速、压力等，而客观参数可以包括用于量化其降解进度的一个或多个关键性能指标。
本领域技术人员将理解，本披露的方法也适用于其他系统模型，比如物流系统模型、能源系统模型、工程系统模型等。
历史环境影响指标
在步骤120、即步骤c)中，接收一种或多种化学前体的历史环境影响指标数据，数据规范文件包括与一种或多种化学前体相对应的历史环境影响指标。
例如，在化学工艺设计中，可以对历史环境影响指标进行测量并将其存储在数据库中。第一组可以包含例如产品纯度、塔柱负荷和再沸比。
如由用于选择一种或多种化学前体以生产产品的方法所定义的本披露例如使用可从GHG议定书(温室气体议定书)获得的历史时间序列、以及从产品碳足迹数据中得出的产品和工艺特性数据，但也使用许多其他类别的数据，比如耗水量(例如，以kg/kg为单位)。
根据本披露的示例性实施例，环境影响减少模型的定义方式如下：其根据从用户的历史数据、行业平均数据(商业数据库)、监管指南和目标以及理论数据(学术文献)中得出的每个维度的参考值来计算当前影响减少(给定用户输入)。
多目标优化过程
根据本披露的实施例，环境影响计算模型包括至少一个多标准优化算法。
如同在任何工程问题或项目中一样，这些目标参数和约束通常相互冲突，并且以非线性方式与设计参数相互作用。因此，可能不是非常清楚如何修改它们来实现“最佳”设计或权衡。
通常，多目标优化过程可以产生表示目标(即，目标参数)之间的不同权衡的一组最优解。这些解也被称为帕累托最优解或帕累托最优解集。帕累托最优解集的设计目标函数空间表示被称为帕累托最优前沿(POF)。寻找帕累托最优解的一种策略是将多目标优化问题转化为单目标优化问题，然后寻找单个权衡解。
在示例中，多目标优化过程是基于遗传算法，该遗传算法已被证明能够高效地解决多目标优化问题，因为它们在单个数值模拟中产生不同的一组权衡解。
在示例中，多目标优化过程是基于进化算法，比如交叉和/或变异，其用于创建后代。
例如，在上述示例性系统模型中，应用多标准优化算法来优化上述优化目标y1、……、yk的值。所找到的最优值表示为y1*、……、yk*。这里，各个目标可以是最小化、最大化或接近期望的目标值，同时满足“系统模型”部分下的约束之一。
在示例中，多目标优化过程是基于夹逼(sandwiching)或超盒(hyperboxing)方法的帕累托优化过程，如Bortz M、Burger J、Asprion N、Blagov S、R、Nowak U、Scheithauer A、Welke R、Küfer K-H、Hasse H的“Multi-criteria optimization inchemical process design and decision support by navigation on Pareto sets[通过在帕累托集上进行导航的化学工艺设计和决策支持中的多标准优化]”(计算机与化学工程2014；60:354-363)中所述。
在另一个示例中，从帕累托边界选择帕累托最优配置是通过图形导航来进行的，如Bortz M、Burger J、Asprion N、Blagov S、R、Nowak U、Scheithauer A、WelkeR、Küfer K-H、Hasse H的“Multi-criteria optimization in chemical process designand decision support by navigation on Pareto sets[通过在帕累托集上进行导航的化学工艺设计和决策支持中的多标准优化]”(计算机与化学工程2014；60:354-363)中所述。
可选地，所生成的最优设计可以由决策者从帕累托边界中进行选择来产生。因此，该步骤可以进一步包括提供允许用户基于该组目标沿着帕累托边界进行交互式导航的用户界面的步骤，以及从响应于交互式导航而计算出的设计中确定满足由用户经由用户界面设置的该组目标的最优性条件的候选设计的步骤。换句话说，为了支持决策者，可以使数据在用户界面中可视化，以允许决策者通过使用图形控制来探索帕累托集及其在不同目标之间的权衡。关于使帕累托集可视化的更多信息，可参考Bortz M、Burger J、Asprion N、Blagov S、R、Nowak U、Scheithauer A、Welke R、Küfer K-H、Hasse H的“Multi-criteria optimization in chemical process design and decision support bynavigation on Pareto sets[通过在帕累托集上进行导航的化学工艺设计和决策支持中的多标准优化]”(计算机与化学工程2014；60：354-363)和Küfer等人的“Multicriteriaoptimization in intensity modulated radiotherapy planning[调强放疗计划中的多标准优化]”(在P.M.Pardalos和H.E.Romeijn(编辑)的《医学优化手册》(第1123-168页)，Springer)。
产生匹配结果的程度和排序结果的程度
在步骤130中，处理器确定至少两个数据集并根据与环境影响计算模型在所有维度上的预定义最小值的距离对该至少两个数据集进行排序，并基于此生成排序结果。
在步骤140中，处理器获得至少两个数据集中的i)经济数据、ii)所测量或计算的材料特性数据和iii)环境影响指标数据中的至少两种数据之间的匹配程度，并基于此生成匹配结果。
对所识别的至少一个参数化系统模型进行多目标优化过程的示例可以包括但不限于：可选目标参数；或者在D-最优设计中使用的目标参数(其用于探索设计参数集中的最大可变性以得到改进的优化目标参数集)；或者包括行列式、迹线、特征值、条件数或从以下至少一项导出的任何范数中的至少一者的目标参数：Fisher信息矩阵、Fisher信息矩阵的转置、Fisher信息矩阵的逆矩阵、或其任意组合，其在最优设计中要用于探索设计参数集中的最大可变性以得到改进的优化目标参数集。例如，最优设计可以优先采用以下形式：A-最优性、或C-最优性、或D-最优性、或E-最优性、或T-最优性、或G-最优性、或I-最优性、或V-最优性。例如，在D-最优设计中使用的目标参数可以是Fisher信息矩阵的行列式。
以药物配方为例，优化目标参数集可以包括以下各项中的一项或多项：熔点；生物膜或人工脂质膜上的渗透性；在水、溶剂、助溶剂和/或生物相关介质中的溶解度；与水、溶剂、助溶剂和/或生物相关介质的溶混性；真实密度；粘度；润湿性；界面和/或表面张力；粒度分布数据；颗粒形态、形状和/或长宽比；堆积密度和振实密度；流动性(例如，休止角或流动函数系数)；压缩性和紧实性；吸湿性；含水量(例如，干燥失重)；杂质浓度；硬度、耐化学性、耐着色性、玻璃化转变温度；其他化学、物理化学和/或物理特性；以及关于亲和性和稳定性的信息。该优化目标参数集可以包括成本、毒性和亲和性中的一项或多项。
在本披露的另一示例性实施例中，在另一步骤中，经由输出通道提供多目标优化设计。
可选地，该计算机实施的方法可以使用迭代方法来执行帕累托优化。
可选地，该计算机实施的方法可以使用并行方法来执行帕累托优化。
基本思想是使用夹逼近似方法，该方法能够高效地逼近帕累托集的凸部。一旦在这里达到一定的近似质量，就识别出非凸行为的候选区域并对其进行非凸性测试。最后，使用超盒方案对非凸区域进行采样。
夹逼近似方法通过使用加权和标量化来计算帕累托点从而连续地创建帕累托集的内近似值和外近似值。权重向量是帕累托集在计算点处的支撑切向超平面的法线。这些超平面表示外近似值。内近似值是从帕累托点的凸包的邻近面中找到的。
只要外近似值与内近似值之间的差值——夹逼——仍然超出某个任意但固定的阈值(即，期望的近似质量)，就添加新的帕累托点。上面概述了帕累托集近似的基本思想，详细内容发表在Bortz M、Burger J、Asprion N、Blagov S、R、Nowak U、Scheithauer A、Welke R、Küfer K-H、Hasse H的“Multi-criteria optimization inchemical process design and decision support by navigation on Pareto sets[通过在帕累托集上进行导航的化学工艺设计和决策支持中的多标准优化]”(计算机与化学工程2014；60:354-363)中。
混合算法的自动计算结果是一组有限的点，这些点在一定的精度内近似帕累托集。
还应当理解，除非明确表示相反的意思，否则在本文要求保护的包括多于一个步骤或动作的任何方法中，该方法的步骤或动作的顺序不一定限于该方法的步骤或动作的叙述顺序。
多目标最优设计支持设备
根据本披露的第二方面，提供了一种被配置用于促进购买用于制造产品的一种或多种化学前体的系统200。系统200包括一个或多个硬件处理器210-1、210-2、……、210-N，该一个或多个硬件处理器由机器可读指令配置为执行用于选择一种或多种化学前体以生产产品的方法。
图5示意性地展示了根据本披露的第二方面的系统200的示例。例如，系统200可以被实施为嵌入式计算设备或在个人计算机上实施。
本领域技术人员将理解，该设备也适用于物流系统模型、能源系统模型、工程系统模型等。
该系统模型可以包括线性模型或包括至少一个降维步骤的非线性模型。线性或非线性模型的示例可以包括但不限于：
-线性回归；
-主成分回归；
-偏最小二乘回归；
-岭回归；
-套索模型；
-其数学形式由多项式给出的模型；
-其数学形式由任意ansatz函数的线性组合给出的模型，比如但不限于出现在傅里叶级数中的正弦和余弦函数、作为完全单调函数基础出现的指数函数、高斯函数、贝塞尔函数、球谐函数、对数函数、有理函数等，或者是由这些函数形成的任何代数表达式；
-其数学形式由一阶或二阶多项式给出的模型；
-其数学形式由其系数通过以下算法中的至少一种确定的多项式给出的模型：线性回归、主成分回归、偏最小二乘回归、岭回归、套索或其任意组合；
-其数学形式由其系数通过以下算法中的至少一种确定的一阶或二阶多项式给出的模型：线性回归、主成分回归、偏最小二乘回归、岭回归、套索或其任意组合；
-其数学形式由任意ansatz函数的线性组合给出的模型，比如但不限于出现在傅里叶级数中的正弦和余弦函数、作为完全单调函数基础出现的指数函数、高斯函数、贝塞尔函数、球谐函数、对数函数、有理函数等，或者是由这些函数形成的任何代数表达式，其系数通过以下算法中的至少一种确定：线性回归、主成分回归、偏最小二乘回归、岭回归、套索或其任意组合；
-任何类型的参数模型，比如但不限于多项式回归模型和神经网络模型；
-非参数模型，比如但不限于样条插值、高斯过程模型、多元自适应回归样条、核回归；
-建立在先前的降维步骤之上的任何模型，包括上述任何一种显式可能性，比如但不限于特征选择、特征投影、特征提取、主成分分析(PCA)、非负矩阵分解、核PCA、基于图形的核PCA、线性判别分析、广义判别分析、自编码器、T分布随机近邻嵌入、均匀流形近似和投影、K-最近邻算法、典型相关分析、低维嵌入、快速近似K-NN搜索、局部敏感哈希、随机投影、
多线性子空间学习、多线性主成分分析、多线性独立成分分析、多线性线性判别分析、多线性典型相关分析、独立成分分析、等度量映射、核PCA、潜在语义分析、偏最小二乘、主成分分析、多因子降维、非线性降维、多线性主成分分析、多线性子空间学习、半正定嵌入、自编码器；
-基于应用于实验数据集的以上所列技术中的任何技术的任何模型；
-基于应用于通过实验设计方法(比如但不限于完全析因设计、部分析因设计、D最优设计)生成的实验数据集的以上所列技术中的任何技术的任何模型；或者
-由以上列出的模型、函数和/或算法的组合和/或函数和/或链定义的模型。
图6是根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的设备或平台的示意图。
计算平台300被配置用于促进购买用于制造产品的一种或多种化学前体。
计算平台300包括非暂态计算机可读存储介质310，该介质上包含有用于执行用于选择一种或多种化学前体以生产产品的方法的可执行指令。
计算平台300包括一个或多个硬件处理器320-1、320-2、……、320-N，该一个或多个硬件处理器被配置为执行包含在非暂态计算机可读存储介质中的指令。
图7是展示了根据本披露的一些实施例的计算机实施的方法的流程图。
用于利用化学前体来生产化学产品的方法400包括如下步骤：在生产过程期间，使用用于选择一种或多种化学前体以生产产品的方法中的排序结果和/或匹配结果，利用化学前体来生产410化学产品。
值得注意的是，为了生产化学产品，可以将原材料作为物理输入提供。原材料可以包括前体材料。原材料可以包括原生材料或回收材料。原材料可以与分散式标识符相关联。分散式标识符可以与原材料的数字孪生相关联。分散式标识符可以与原材料数据相关联，该原材料数据比如原生材料或回收材料的标签、与其环境影响相关的材料特性或与其来源相关联的材料特性。
化学产品的生产可以包括一个两步过程：1)生产前体材料，2)生产化学产品。为了生产前体材料，可以将原材料用作物理输入。前体生产的操作系统可以基于分散式标识符访问例如来自原材料供应商的与原材料相关的数据。这样的数据可以用来操作生产。例如，如果原材料是回收材料，则可以包括对回收物进行纯化的生产步骤。例如，如果原材料是原生材料，则可以省略纯化步骤。前体材料可以通过共沉淀原材料来形成。来自前体生产的生产数据可以进行存储和/或与分散式标识符相关联。
在第二步骤中，可以提供前体材料以生产化学产品。前体材料可以包括通过前体生产产生的前体。前体材料可以包括回收的前体材料或由不同实体生产的前体材料。这样的前体材料可以与分散式标识符相关联，经由该标识符可以访问与前体材料相关的数据。
所生产和包装的化学产品可以分配给如上所列出的分散式标识符和相关联的信息。所包装的电极活性材料可以例如包括物理地附着到包装上的物理标识符元素，比如QR码。这样的物理标识符元素可以分配给分散式标识符。物理标识符元素和分散式标识符的分配可以通过在分散式系统和/或分布式系统中本地运行的ID生成器/分配器来执行。
图8是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的计算机实施的方法的流程图。
用于选择一种或多种前体以生产化学产品的方法500包括如下步骤：使用用于选择一种或多种化学前体以生产产品的方法中的排序结果和/或匹配结果，选择510一种或多种前体以生产化学产品。
图9是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的计算机实施的方法的流程图。
用于选择一种或多种前体以生产化学产品的方法600包括如下步骤：使用用于选择一种或多种化学前体以生产产品的方法中的排序结果和/或匹配结果，选择610一种或多种前体以生产化学产品。
图10A是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的计算机实施的方法的流程图。该过程在图10B中继续，该图是展示了根据本披露的一些实施例的用于选择一种或多种化学前体以生产产品的计算机实施的方法的流程图。
(i)从买方的角度来看，该过程始于邀请供应商投标的采购过程。
(ii)将供应商关于价格、产品特性、和环境影响指标的投标数据加载到执行环境影响计算模型(例如，生命周期清单和生命周期分析)的计算模块中。
(iii)该模块对每个备选方案执行帕累托优化算法。该算法通过操纵每个备选方案的自由系统变量并考虑产品特性(比如允许操作中质量和能量流变化的过程模型)来计算最佳经济效益和环境影响减少量。每个影响减少量都是根据某一历史规划周期的平均影响数据进行计算的。
(iv)备选方案结果根据其与所有维度上的用户定义的最小值的距离进行排序，以任何单调范数(例如，L1)来衡量，这方面参见图11。
(v)对排名前k位的备选方案进行可靠性检查：供应商影响数据在不希望的方向上发生一定程度的变化，直到其排名下降一位。初始变化是通过与商业上可获得的平均数据进行统计比较来估计的。
(vi)将结果传送给相应的供应商：
A)排名前k位的供应商：如果可靠性检查中计算出的变化大于初始估计值，则要求供应商将影响数据的可靠性提高至少所计算出的变化与初始估计的变化之间的差值。(参数k由用户定义。)
B)排名低于前k位的供应商：要求供应商将其影响数据改进与排名前k位的备选方案的平均值的差值，这方面参见图12。
图11是展示了根据本披露的一些实施例的基于距离对备选决策选项进行排序的流程图。图11示出了每种供应备选方案的结果都位于一个单独的帕累托前沿，并且可以在n维空间中绘制出来。
图12是展示了根据本披露的一些实施例的排名较低的备选方案与排名前k位的备选方案的平均值之间在环境影响减少指标方面的距离的流程图。
如本文所定义和使用的所有定义应被理解为控制字典定义、通过引用并入的文献中的定义和/或所定义术语的普通含义。
如本文在说明书和权利要求中使用的不定冠词“一个(a/an)”，除非明确表示相反的意义，否则应被理解为意指“至少一个”。
如本文在说明书和权利要求中使用的短语“和/或”应被理解为是指如此连接的元素(即，在一些情况下结合地存在、而在其他情况下分离地存在的元素)中的“一个或两个”。用“和/或”列出的多个元素应该以相同的方式解释，即，如此连接的元素中的“一个或多个”。除了由“和/或”子句具体指明的元素之外，还可以可选地存在其他元素，无论这些元素与具体指明的那些元素相关与否。
如本文在说明书和权利要求中所使用的，“或”应被理解为具有与上面定义的“和/或”相同的含义。例如，当分隔列表中的项时，“或”或“和/或”应被解释为是包含性的，即，包括多个元素或元素列表中的至少一个，但也包括多个元素或元素列表中的多于一个，并且可选地包括其他未列出的项。只有明确表示相反意义的术语，比如“仅其中一个”或“恰好其中一个”或(当在权利要求中使用时)“由……构成(consisting of)”将指的是包括多个元素或元素列表中的恰好一个元素。一般而言，如本文所使用的术语“或”仅在前面有排他性术语(比如“任一个”、“其中一个”、“仅其中一个”、或“恰好其中一个”)时应被解释为指示排他性替代方案(即，“一个或另一个，但不是两者兼而有之”)。
如本文在说明书和权利要求中所使用的，在提及一个或多个元素的列表时，短语“至少一个”应被理解为是指选自元素列表中的任何一个或多个元素中的至少一个元素，但不一定包括元素列表内具体列出的每一个元素中的至少一个，并且不排除元素列表中元素的任何组合。该定义还允许除了在短语“至少一个”所提及的元素列表内具体指明的元素之外，可以可选地存在其他元素，无论这些元素与具体指明的那些元素相关与否。
在权利要求以及上述说明书中，所有过渡短语(比如“包括”、“包含”、“携带”、“具有”、“含有”、“涉及”、“持有”、“由……组成(composed of)”等)都应被理解为是开放式的，即，意指包括但不限于。只有过渡短语“由……构成”和“基本上由……构成”应分别是封闭或半封闭式过渡短语。
此外，在该详细描述中，本领域技术人员应注意到，使用定量限定术语(比如“总体上”、“基本上”、“大部分”)和其他术语通常意指所提及的对象、特征或质量构成了所提及主题的大部分。这些术语中的任何一个的含义取决于其使用的上下文，并且该含义可以明确地进行修改。
在本披露的另一个示例性实施例中，提供了一种计算机程序或计算机程序元素，其特征在于适于在适当的系统上执行根据前述实施例之一所述的方法的方法步骤。
因此，计算机程序元素可以存储在计算机单元上，该计算机单元也可以是本披露的实施例的一部分。该计算单元可以适于执行或引发执行上述方法的步骤。此外，该计算单元可以适于操作上述装置的部件。该计算单元可以适于自动操作和/或执行用户的命令。计算机程序可以加载到数据处理器的工作存储器中。因此，数据处理器可以被配备用于执行本披露的方法。
本披露的该示例性实施例既涵盖从一开始就使用本披露的计算机程序，又涵盖通过更新将现有程序转化为使用本披露的程序的计算机程序。
此外，计算机程序元素可以能够提供所有必要的步骤，以完成上述方法的示例性实施例的程序。
根据本披露的另一个示例性实施例，提出了一种计算机可读介质(比如CD-ROM)，其中，计算机可读介质上存储有计算机程序元素，该计算机程序元素在先前部分已被描述。
计算机程序可以存储和/或分发在合适的介质上，比如在与其他硬件一起提供或作为其一部分提供的光学存储介质或固态介质上，但也可以以其他形式分发，比如经由互联网或其他有线或无线电信系统。
然而，计算机程序也可以通过万维网等网络呈现，并可以从这种网络下载到数据处理器的工作存储器中。计算机程序也可以通过将源代码打印在书(例如，“数字配方”)上来分发。
根据本披露的另一个示例性实施例，提供了一种用于使计算机程序元素可供下载的介质，该计算机程序元素被布置用于执行根据本披露的前述实施例之一的方法。
在下文中，提供了本披露的进一步实施例：
实施例1.一种用于通过选择一种或多种化学前体来生产产品的计算机实施的方法，该方法包括：
(a)从接口接收至少两个数据集，该至少两个数据集包含(i)材料数据以及(ii)制造该产品所必需的该一种或多种化学前体的可持续性影响指标数据；
(b)提供该描述材料数据与该可持续性影响指标数据之间的函数关系的可持续性影响计算模型；
(c)可选地，从数据库中检索该一种或多种化学前体的数据规范信息，该数据规范信息包括与该一种或多种化学前体相对应的历史可持续性影响指标；
(d)根据与该可持续性影响计算模型在多个维度上的预定义最小值的距离对该至少两个数据集进行排序，并基于此生成排序结果；以及
(e)可选地，获得该可持续性影响计算模型与该数据规范信息之间的匹配程度，并基于此生成匹配结果；以及
(f)基于这些排序结果和/或这些匹配结果从多种化学前体中选择一种或多种化学前体，并将所选择的该一种或多种化学前体添加到该产品的生产过程中。
实施例2.根据实施例1所述的方法，其中，该可持续性影响计算模型包括至少一个多标准优化算法。
实施例3.根据实施例1和2之一所述的方法，其中，该产品是在化学生产过程中利用该一种或多种化学前体制造而成的化学产品。
实施例4.根据实施例3所述的方法，其中，该化学产品由化学配方定义。
实施例5.根据实施例1至3之一所述的方法，其中，该产品是化学产品，优选地是聚合物产品，其中，该一种或多种化学前体在该产品的制造期间经历化学反应。
实施例6.根据实施例1至5之一所述的方法，其中，该方法进一步包括：如果该可持续性影响指标数据与该可持续性影响指标数据的预定义最小值的偏差高于预定阈值，则传输改进的可持续性影响指标数据。
实施例7.根据实施例1至6之一所述的方法，其中，该方法进一步包括：如果这些排序结果的排序程度和/或这些匹配结果的匹配程度低于预定阈值，则传输更新的可持续性影响指标数据。
实施例8.根据实施例1至5之一所述的方法，其中，该至少两个数据集进一步包含该一种或多种化学前体的经济数据。
实施例9.一种被配置用于促进可持续购买用于制造产品的一种或多种化学前体的系统，该系统包括：一个或多个硬件处理器(210-1，210-2，……，210-N)，该一个或多个硬件处理器由机器可读指令配置为执行根据实施例1至8中任一项所述的方法。
实施例10.一种被配置用于促进可持续购买用于制造产品的一种或多种化学前体的计算平台，该计算平台包括：
非暂态计算机可读存储介质，其上包含有用于执行根据实施例1至8中任一项所述的方法的可执行指令；以及
一个或多个硬件处理器(320-1，320-2，……，320-N)，该一个或多个硬件处理器被配置为执行包含在该非暂态计算机可读存储介质中的这些指令。
实施例11.一种用于利用化学前体可持续地生产化学产品的方法，该方法包括：
在生产过程期间，使用根据实施例1至8中任一项所述的方法中的排序结果和/或匹配结果，利用这些化学前体生产该化学产品。
实施例12.一种用于选择一种或多种前体以生产化学产品的方法，该方法包括：
使用根据实施例1至8中任一项所述的方法中的排序结果和/或匹配结果，选择该一种或多种前体以生产该化学产品。
实施例13.一种用于选择一种或多种生产设施以生产化学产品的方法，该方法包括：
使用根据实施例1至8中任一项所述的方法中的排序结果和/或匹配结果，选择该一种或多种生产设施以生产该化学产品。
实施例14.根据实施例1至8中任一项所述的方法中的排序结果和/或匹配结果的用途。
实施例15.一种包括指令的计算机程序产品，当该程序由计算机执行时，这些指令使该计算机执行根据实施例1至8中任一项所述的方法的步骤。
所有特征都可以进行组合以提供协同效应，而不仅仅是这些特征的简单相加。
虽然本文已经描述和说明了若干发明实施例，但是本领域普通技术人员将容易设想到用于执行功能和/或获得结果和/或本文描述的一个或多个优点的各种其他装置和/或结构，并且每个这样的变化和/或修改都被认为是落入本文描述的发明实施例的范围内。
更一般地，本领域技术人员将容易理解，本文描述的所有参数、尺寸、材料和配置都意指是示例性的，并且实际的参数、尺寸、材料和/或配置将取决于使用本发明教导时的一个或多个具体应用。
本领域技术人员将认识到或者能够仅使用常规实验来确定本文描述的具体发明实施例的许多等效物。因此，应当理解，前述实施例仅通过示例的方式呈现，并且在所附权利要求及其等效物的范围内，本发明的实施例可以以与具体描述和要求保护的实施例不同的方式来实践。
本披露的发明性实施例涉及本文描述的每个单独的特征、系统、制品、材料、套件和/或方法。此外，两个或更多个这样的特征、系统、制品、材料、套件和/或方法的任何组合(前提是这样的特征、系统、制品、材料、套件和/或方法并不相互矛盾)包括在本披露的发明范围内。
Claims (15)
1.一种用于通过选择一种或多种化学前体来生产产品的计算机实施的方法，该方法包括：
(a)从接口接收(100)至少两个数据集，该至少两个数据集包括(i)与该一种或多种化学前体的化学或物理特性相关的材料数据、以及(ii)与制造该产品所必需的该一种或多种化学前体的环境影响指标相关的环境影响指标数据；
(b)提供(110)描述该材料数据与该环境影响指标数据之间的函数关系的环境影响计算模型；
(c)可选地，从数据库中检索(120)该一种或多种化学前体的历史环境影响指标数据，该历史环境影响指标数据包括与该一种或多种化学前体相对应的历史环境影响指标；
(d)根据与该环境影响计算模型在多个维度上的预定义最小值的距离对该至少两个数据集进行排序(130)，并基于此生成排序结果；以及
(e)可选地，获得(140)该环境影响计算模型的这些排序结果与该历史环境影响指标数据之间的匹配程度，并基于此生成匹配结果；以及
(f)基于这些排序结果和/或这些匹配结果从多种化学前体中选择
(150)一种或多种化学前体，并将所选择的该一种或多种化学前体添加(160)到该产品的生产过程中。
2.根据权利要求1所述的方法，其中，该环境影响计算模型包括至少一个多标准优化算法。
3.根据权利要求1和2之一所述的方法，其中，该产品是在化学生产过程中利用该一种或多种化学前体制造而成的化学产品。
4.根据权利要求3所述的方法，其中，该化学产品由化学配方定义。
5.根据权利要求1至3之一所述的方法，其中，该产品是化学产品，优选地是聚合物产品，其中，该一种或多种化学前体在该产品的制造期间经历化学反应。
6.根据权利要求1至5之一所述的方法，其中，该方法进一步包括：如果该环境影响指标数据与该环境影响指标数据的预定义最小值的偏差高于预定阈值，则传输改进的环境影响指标数据。
7.根据权利要求1至6之一所述的方法，其中，该方法进一步包括：如果这些排序结果的排序程度和/或这些匹配结果的匹配程度低于预定阈值，则传输更新的环境影响指标数据。
8.根据权利要求1至7之一所述的方法，其中，与制造该产品所必需的该一种或多种化学前体的环境影响指标相关的该环境影响指标数据包括：碳足迹数据、温室气体排放数据、资源使用数据、空气排放数据、臭氧消耗潜力数据、水污染数据、噪声污染或富营养化潜力数据和/或生物降解性数据。
9.一种被配置用于促进购买用于制造产品的一种或多种化学前体的系统(200)，该系统包括：一个或多个硬件处理器(210-1，210-2，……，210-N)，该一个或多个硬件处理器由机器可读指令配置为执行根据权利要求1至8中任一项所述的方法。
10.一种被配置用于促进购买用于制造产品的一种或多种化学前体的计算平台(300)，该计算平台包括：
非暂态计算机可读存储介质(310)，其上包含有用于执行根据权利要求1至8中任一项所述的方法的可执行指令；以及
一个或多个硬件处理器(320-1，320-2，……，320-N)，该一个或多个硬件处理器被配置为执行包含在该非暂态计算机可读存储介质中的这些指令。
11.一种用于利用化学前体生产化学产品的方法(400)，该方法包括：
在生产过程期间，使用根据权利要求1至8中任一项所述的方法中的排序结果和/或匹配结果，利用这些化学前体生产(410)该化学产品。
12.一种用于选择一种或多种前体以生产化学产品的方法(500)，该方法包括：
使用根据权利要求1至8中任一项所述的方法中的排序结果和/或匹配结果，选择(510)该一种或多种前体以生产该化学产品。
13.一种用于选择一种或多种生产设施以生产化学产品的方法(600)，该方法包括：
使用根据权利要求1至8中任一项所述的方法中的排序结果和/或匹配结果，选择(610)该一种或多种生产设施以生产所述化学产品。
14.根据权利要求1至8中任一项所述的方法中的排序结果和/或匹配结果的用途。
15.一种包括指令的计算机程序产品，当该程序由计算机执行时，这些指令使该计算机执行根据权利要求1至8中任一项所述的方法的步骤。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP21191364.5 | 2021-08-13 | ||
| EP21191364 | 2021-08-13 | ||
| PCT/EP2022/072699 WO2023017162A1 (en) | 2021-08-13 | 2022-08-12 | Supply chain optimization |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117882096A true CN117882096A (zh) | 2024-04-12 |
Family
ID=77338600
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280055083.7A Pending CN117882096A (zh) | 2021-08-13 | 2022-08-12 | 供应链优化 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20240346523A1 (zh) |
| EP (1) | EP4384964A1 (zh) |
| CN (1) | CN117882096A (zh) |
| WO (1) | WO2023017162A1 (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116070929B (zh) * | 2022-10-12 | 2023-10-03 | 华院计算技术(上海)股份有限公司 | 一种基于自适应的局部动态焦炭质量预测方法及系统 |
| WO2024213404A1 (en) * | 2023-04-12 | 2024-10-17 | Basf Se | Systems and methods for controlling access to a digital twin of a chemical product |
| WO2024231200A1 (en) * | 2023-05-05 | 2024-11-14 | Basf Se | Assignment of environmental attributes and a measured value in production networks |
| WO2024245846A1 (en) * | 2023-06-02 | 2024-12-05 | Basf Se | Methods and apparatus for controlling the production of a chemical product |
| WO2024251538A1 (en) * | 2023-06-05 | 2024-12-12 | Basf Se | Configurable digital twins of chemical products |
| WO2024260721A1 (en) * | 2023-06-20 | 2024-12-26 | Basf Se | Methods and systems enabling circularity for packaging materials |
| EP4481651A1 (en) * | 2023-06-20 | 2024-12-25 | Basf Se | Computer-implemented method and system for digitally controlling industrial production of a chemical product with certain environmental impact |
| WO2024260914A1 (en) * | 2023-06-20 | 2024-12-26 | Basf Se | Monitoring feedstock properties |
| EP4482078A1 (en) * | 2023-06-20 | 2024-12-25 | Basf Se | Monitoring feedstock properties |
| EP4482082A1 (en) * | 2023-06-21 | 2024-12-25 | Basf Se | Environmental attributes for active pharmaceutical ingredients and/or intermediates thereof |
| EP4480320A1 (en) * | 2023-06-21 | 2024-12-25 | Basf Se | Environmental attributes for animal feed, human food and dietary supplement |
| WO2025021745A1 (en) * | 2023-07-26 | 2025-01-30 | Basf Se | Monitoring and/or controlling chemical plantstechnical field |
| EP4528612A1 (de) * | 2023-09-21 | 2025-03-26 | Siemens AG Österreich | Auswahl der nachhaltigsten produktvariante durch konfidenz-basierte wahrscheinlichkeitsberechnungen |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050015287A1 (en) * | 2003-05-22 | 2005-01-20 | Beaver Earl R. | Means for incorporating sustainability metrics and total cost and benefit analysis in decision-making |
-
2022
- 2022-08-12 EP EP22765498.5A patent/EP4384964A1/en active Pending
- 2022-08-12 WO PCT/EP2022/072699 patent/WO2023017162A1/en active Application Filing
- 2022-08-12 CN CN202280055083.7A patent/CN117882096A/zh active Pending
- 2022-08-12 US US18/683,363 patent/US20240346523A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| EP4384964A1 (en) | 2024-06-19 |
| WO2023017162A1 (en) | 2023-02-16 |
| US20240346523A1 (en) | 2024-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117882096A (zh) | 供应链优化 | |
| Mala-Jetmarova et al. | Lost in optimisation of water distribution systems? A literature review of system design | |
| Wernet et al. | Molecular-structure-based models of chemical inventories using neural networks | |
| US20250139714A1 (en) | Collaborative environmental impact optimization of manufacturing processes | |
| Calvo-Serrano et al. | Predicting the cradle-to-gate environmental impact of chemicals from molecular descriptors and thermodynamic properties via mixed-integer programming | |
| Laguna | OptQuest | |
| Dantus et al. | Economic evaluation for the retrofit of chemical processes through waste minimization and process integration | |
| Fürst et al. | OptiSMOKE++: A toolbox for optimization of chemical kinetic mechanisms | |
| Chen et al. | Effective generalized disjunctive programming models for modular process synthesis | |
| Ong et al. | Multi-objective optimization of integrated water system by FUCOM-VIKOR approach | |
| Li et al. | Multi-objective particle swarm optimization hybrid algorithm: An application on industrial cracking furnace | |
| Dodo et al. | Estimation of compressive strength of waste concrete utilizing fly ash/slag in concrete with interpretable approaches: optimization and graphical user interface (GUI) | |
| Liang et al. | A novel two-level optimization framework based on constrained ordinal optimization and evolutionary algorithms for scheduling of multipipeline crude oil blending | |
| Aggarwal et al. | On sensor selection in linked information networks | |
| Rossi et al. | A robust sustainable optimization & control strategy (RSOCS) for (fed-) batch processes towards the low-cost reduction of utilities consumption | |
| Chen et al. | Time‐Delayed Polynomial Grey System Model with the Fractional Order Accumulation | |
| Forster et al. | Algebraic surrogate‐based process optimization using Bayesian symbolic learning | |
| Lee et al. | Application of reinforcement learning to dyeing processes for residual dye reduction | |
| Boakye et al. | Machine learning algorithm to predict CO2 using a cement manufacturing historic production variables dataset: A case study at Union Bridge Plant, Heidelberg Materials, Maryland | |
| Jafarzadeh-Ghoushchi et al. | Performance study of artificial neural network modelling to predict carried weight in the transportation system | |
| Acevedo et al. | A hybrid parametric/stochastic programming approach for mixed-integer linear problems under uncertainty | |
| Oke et al. | Zeolite-Y-catalyst production from locally sourced Meta-kaolin: Computer-Aided scale-up process design and economic analysis with Monte-Carlo-Simulation | |
| Ramesh et al. | A review of sustainability assessment of geopolymer concrete through AI-based life cycle analysis | |
| CN117882020A (zh) | 材料的自动多目标优化 | |
| Li | Prediction of high-performance concrete compressive strength through novel structured neural network |
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 |