JP2001506030A - Adaptive object-oriented optimization software system - Google Patents

Adaptive object-oriented optimization software system

Info

Publication number
JP2001506030A
JP2001506030A JP53691298A JP53691298A JP2001506030A JP 2001506030 A JP2001506030 A JP 2001506030A JP 53691298 A JP53691298 A JP 53691298A JP 53691298 A JP53691298 A JP 53691298A JP 2001506030 A JP2001506030 A JP 2001506030A
Authority
JP
Japan
Prior art keywords
software
software object
optimization
iso
model
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
Application number
JP53691298A
Other languages
Japanese (ja)
Inventor
リン ビー ヘイルズ
ランディー エイ インチョースティ
ドナルド ジー ジュニア フート
Original Assignee
ベイカー ヒューズ インコーポレイテッド
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 ベイカー ヒューズ インコーポレイテッド filed Critical ベイカー ヒューズ インコーポレイテッド
Priority claimed from PCT/US1998/003356 external-priority patent/WO1998037465A1/en
Publication of JP2001506030A publication Critical patent/JP2001506030A/en
Pending legal-status Critical Current

Links

Landscapes

  • Stored Programmes (AREA)

Abstract

(57)【要約】 本発明は、ゴールシーキングインテリジェントソフトウェアオブジェクトを備えている適応最適化ソフトウェアシステムを利用するプロセス制御最適化システムに関する；ゴールシーキングインテリジェントソフトウェアオブジェクトは、エキスパートシステムオブジェクト、適応モデルオブジェクト、オプティマイザオブジェクト、プレディクタオブジェクト、センサオブジェクト、及び通信トランスレーションオブジェクトを含む内部ソフトウェアオブジェクトを更に備えている。ゴールシーキングインテリジェントソフトウェアオブジェクトは、階層関係に配置することができ、それによって各インテリジェントソフトウェアオブジェクトのゴールシーキング挙動は、階層構造のより高いゴールシーキングインテリジェントソフトウェアオブジェクトによって変更することができる。また、ゴールシーキングインテリジェントソフトウェアオブジェクトは、マテリアル又はデータの制御プロセスフローに表象的に対応する関係に配置することができる。 The present invention relates to a process control optimization system utilizing an adaptive optimization software system comprising a goal seeking intelligent software object; the goal seeking intelligent software object is an expert system object, an adaptive model object. , An internal software object including an optimizer object, a predictor object, a sensor object, and a communication translation object. The goal seeking intelligent software objects can be arranged in a hierarchical relationship, whereby the goal seeking behavior of each intelligent software object can be modified by higher goal seeking intelligent software objects in a hierarchical structure. Also, the goal-seeking intelligent software object can be placed in a relationship that symbolically corresponds to the material or data control process flow.

Description

【発明の詳細な説明】 適応オブジェクト指向最適化ソフトウエアシステム発明の背景 1. 技術分野 本発明は、一般的には、プロセスコントロールシステムに関するものである。 特に、本発明は、適応最適化ソフトウエアシステムを使用するプロセスコントロ ール最適化システムに関するものである。さらに詳述すれば、インテリジェント ソフトウエアオブジェクト（以下、ＩＳＯまたはＩＳＯｓという）を備える適応 最適化ソフトウエアシステムに関するものである。これらＩＳＯは、各ＩＳＯの ゴール追求挙動がＩＳＯの階層構造においてより高いＩＳＯｓによって変更され うるように階層関係に配列されている。さらにまた、本発明は、エキスパートシ ステムオブジェクト、適応モデルオブジェクト、オプチマイザーオブジェクト、 プレジクターオブジェクト、センサーオブジェクトおよびコミュニケーション／ トランスレーションオブジェクトを含むインターナルソフトウエアオブジェクト を備えるＩＳＯｓに関するものである。さらにまた詳述すると、本発明は、前述 したような適応最適化ソフトウエアシステムに対する人間の対話方法に関するも のである。 2. 背景技術 プロセスコントロールシステムは、所定のいくつかのゴールのセットに対して 性能を最適化するために、プロセス条件を感知してプロセスオペレーティングパ ラメータを調整するのに、種々なアプリケーションにおいて使用されている。現 在通常使用されているプロセスコントロールシステムの多くは、制御されるべき プロセスの静的な表示を使用しており、プロセスコントロールモデルにおける変 化を実時間にて使用するものではない。 従来の適応コントロール理論においては、ある適当なコントローラ構造が選定 され、そのコントローラの諸パラメータが静的ルールを使用して調整され、プロ セスの出力がそのモデルの基準の出力に漸近的に従うようにしている。静的ルー ルでは、プロセスコントロールシステムが変化するプロセス条件に自動的且つ最 適に適応できるようにすることはできない。 適応性は別にして、従来のプロセスコントロールシステムの１つの重大な欠点 は、システムを初期的にコンフィギュレーションするための、または、実時間に てシステムと対話するための直観的に認識しうるようなユーザインターフェイス も持たないことである。 従来のプロセスコントロールシステムのもう一つ別の重大な欠点は、適応性は 別にして、このプロセスコントロールシステムが自動的にコントロール動作を行 うことができず、また、そうする際に、マネージメントオブジェクティブおよび ゴールと適合した最高の最適化を達成するために、そのプロセスコントロールシ ステムをパワフルな統合システムとするグローバルゴール追求メカニズムとなら ないということである。 さらにまた、従来の多くのプロセスコントロールシステムは、コントロールポ イント、コンポーネント、および／またはシステムモデリングまたはコントロー ル階層のレベルが限られたものである。 したがって、多くの従来のプロセスコントロールシステムは、適応性は別にし て、特定のコンポーネント指向で狭い範囲でのレベルから最も広いグローバルレ ベルまでにわたる同時マルチレベル最適化を行うことができない。 従来のプロセスコントロールシステムは、別々に作動するような別々のコンポ ーネント（すなわち、センサー、コントローラ）からなり、低レベル最適化に欠 けるものである。あるシステムは、各コンポーネントレベルでの最適化にかかわ らずグローバルシステムレベルにて最適化するが、他のシステムは、依然として 、コンポーネントレベルでしか最適化しない。グローバルゴール追求メカニズム では、マネージメントオブジェクティブを達成するために各パーツをパワフル統 合システムとすることはないので、全プロセスは、最高の最適化およびより高い レベルまたはシステムレベル最適化と低レベルまたはコンポーネットレベル最適 化との統合を達成することはできない。 ある程度の同時マルチレベル最適化を与えるシステムの多くは、ニューラルネ ットワークおよびその他のプレディクティブモデリング技法を含む１つまたはそ れ以上のモデリング方法を使用することができるエキスパートシステム、適応モ デルを含む種々多数の方法に頼るものでなく、所望の同時マルチレベル最適化を 達成する１つまたは２つの方法のみに頼るものである。 種々な方法を使用する限られた数のシステムのなかでは、制御されるプロセス またはプロセスコントロールシステムを停止する必要なしに実時間にて選定され たプレディクティブモデルを動的に変化させるために対話的ディファーリング方 法を使用するようなプロセスコントロールシステムはない。 さらにまた、多くの現在の通常のプロセスコントロールシステムは、そのプロ セスコントロールシステムの領域を通じて実時間にて最適セットポイントを決定 し実施するのに、人間であるオペレータに頼るものである。これらのプロセスコ ントロールシステムは、プロセスおよびシステムを最適化するのに人間が介在す る必要のあるものである。したがって、これでは、人間であるオペレータの経験 や制御のための推論に大きな違いがあるので、プロセスコントロールシステムの 全体の実効性に人為的なファクタにより広範囲にわたる変数が入り込んでしまう 。 エキスパートシステムは、エキスパートシステムを使用していない従来のプロ セスコントロールシステムに優る大きな改善点を与えている。しかしながら、多 くの現在のプロセスコントロールシステムは、プロセスコントロールアルゴリズ ムオペレーション、アルゴリズム選択、またはアルゴリズムパラメータ推定の適 応性を支援するためにエキスパートシステムを使用していない。 また、エキスパートシステムを使用している現在のプロセスコントロールシス テムは、一旦インストールしてしまうと、自動的でシステマチックな仕方で、そ のエキスパートシステムおよびエキスパートシステムのアルゴリズムを適応性を もって最適化することのできないものである。 ニューラルネットワークは、プロセスモデルがそのモデル化されたプロセスの 性能を随時正確に予測出来るようにするのに使用されるパワフルなモデリングで ある。しかしながら、ニューラルネットワークは、“メモライジング”し、“ス タチック”となってしまい、プロセス性能を随時より正確に予測する修正ディフ アーリングモデルを見出すことができないという、よく知られた問題点を有して いる。 さらにまた、ニューラルネットワークは、その性質上、正しく機能するかはユ ーザの知識に依存しており、ユーザの知識は保証され得ないので、ニューラルネ ットワークに基づくシステムは、ユーザの知識に頼らねばならないものである。 さらにまた、あるニューラルネットワークは、実施されるべき制約条件および 解決に必要なデータファンクションの両方から導き出される、ニューラルネット ワークの評価のために使用される重みを必要としている。これらは、ネットワー クへの入力としては得られないことがあり、したがって、これらの重みを実時間 にてどのようにして算出するかを知ることができないと、プロセスコントロール システムへニューラルネットワークを適用することに制約が課されてしまう。 3. 発明の開示 したがって、本発明の一つの目的は、制御されるべきプロセスの動的表示を使 用し、したがって、使用されるプロセスコントロールモデルを実時間にて変化で きるようなプロセスコントロール最適化システムを提供することである。 本発明の別の目的は、変化するプロセス条件に対して自動的に最適に適応しう るようなプロセスコントロール最適化システムを提供することである。 本発明のさらに別の目的は、システムを初期的にコンフィギュレーションし且 つシステムと実時間にて対話しうるようにする直観的に認識しうるようなユーザ インターフェイスを有するプロセスコントロール最適化システムを提供すること である。 本発明のさらに別の目的は、マネージメントオブジェクティブおよびゴールに 適合した最も高い最適化を達成するパワフル統合システムへとプロセスコントロ ールシステムとするようなグローバルゴール追求メカニズムを有するプロセスコ ントロール最適化システムを提供することである。 本発明のさらに別の目的は、実質的に無制限の数のコンポーネントレベルプロ セスコントロールポイント並びに実質的に無制限のレベルのモデリングおよびコ ントロール階層を有するプロセスコントロール最適化システムを提供することで ある。 本発明のさらに別の目的は、特定のコンポーネント指向で狭い範囲でのレベル から最も広いグローバルレベルまでにわたる同時マルチレベル最適化を行うこと のできるようなプロセスコントロール最適化システムを提供することである。 本発明のさらに別の目的は、最も高い最適化および低レベルまたはコンポーネ ントレベル最適化とより高いレベルまたはシステムレベル最適化との統合を達成 しうるようなプロセスコントロール最適化システムを提供することである。 本発明のさらに別の目的は、ニューラルネットワークおよびその他のプレディ クティブモデリング技法を含む１つまたはそれ以上のモデリング方法を使用する ことができるエキスパートシステム、適応モデルを含む種々な方法を使用する前 述の同時マルチレベル最適化を有するプロセスコントロール最適化システムを提 供することである。 本発明のさらに別の目的は、制御されるプロセスまたはプロセスコントロール システムを停止する必要なしに実時間にて選定されたプレディクティブモデルを 動的に変化させるために１つまたはそれ以上の対話的ディファーリング方法を、 プロセスコントロール最適化システムが使用できるようにすることである。 本発明のさらに別の目的は、継続的に人間が介在するような必要なしに、マネ ージメントオブジェクティブに適合するようにプロセスおよびシステムを最適化 するプロセスコントロール最適化システムを提供することである。 本発明のさらに別の目的は、アルゴリズムオペレーション、アルゴリズム選択 およびアルゴリズムパラメータ推定の適応を支援するためにエキスパートシステ ムを使用するプロセスコントロール最適化システムを提供することである。 本発明のさらに別の目的は、エキスパートシステムおよびエキスパートシステ ムのアルゴリズムを適応的に最適化するのに自動的且つシステマチックな手法を とるプロセスコントロール最適化システムを提供することである。 本発明のさらに別の目的は、ニューラルネットワークによるメモライゼーショ ンを防止するようにニューラルネットワークを適応性をもって使用するプロセス コントロール最適化システムを提供することである。 本発明の他の更なる最終的な目的は、ユーザの博識に依存することなく正確に 機能するプロセス制御最適化システムを提供することである。 以下により詳しく述べられているように、本発明は、プロセス制御最適化シス テムを提供するものであり、このシステムは、上述したこれらの目的を、インテ リジェントソフトウエアオブジェクト（以下、ＩＳＯと呼ぶ）、ＩＳＯを備えた 適応最適化ソフトウエアシステム、前記適応最適化ソフトウエアシステムの初期 化方法、および前記適応最適化ソフトウエアシステムとのヒューマンインタラク ション方法を含むことによって、かなりの程度で達成する。４．図面の簡単な説明 次に図面を参照するが、これらの図面では幾つかのものにおいて同じ素子に同 様の番号が付されている。 図１は、本発明によるＩＳＯに含まれる内部ソフトウエアオブジェクトのブロ ック図である。 図２は、本発明によるあるＩＳＯの他のＩＳＯに対する相互接続を示すブロッ ク図である。 図３は、本発明によるある階層内に配置されたＩＳＯの他のＩＳＯとの相互接 続を示すブロック図である。 図４は、本発明によるリアルワールド計測に接続されたＩＳＯを示すブロック 図である。 図５は、本発明によるリアルワールド制御デバイスに接続されたＩＳＯを示す 他のブロック図である。 図６は、本発明による、リアルワールド・センサと、計算された、実用的な、 プレディクター・オプティマイザー・ベース型の状態変数と、を示すブロック図 である。 図７は、本発明による遠隔接続を通じて互いに接続されたＩＳＯを示すブロッ ク図である。 図８は、本発明による階層に組織化されたＩＳＯ間のフローを示すブロック図 である。 図９は、オプティマイザーオブジェクトとエキスパートオブジェクトがどのよ うに相互作用するのかを示すブロック図である。 図１０は、適応モデルオブジェクトとプレディクターオブジェクトがどのよう に相互作用するのかを示すブロック図である。 図１１は、オプティマイザーオブジェクトと適応モデルオブジェクトがどのよ うに相互作用するのかを示すブロック図である。 図１２は、オプティマイザーオブジェクトと通信トランスレータオブジェクト がどのように相互作用するのかを示すブロック図である。 図１３は、オプティマイザーオブジェクトとセンサオブジェクトがどのように 相互作用するのかを示すブロック図である。 図１４は、エキスパートシステムオブジェクトと適応モデルオブジェクトがど のように相互作用するのかを示すブロック図である。 図１５は、エキスパートシステムオブジェクトとプレディクターオブジェクト がどのように相互作用するのかを示すブロック図である。 図１６は、エキスパートシステムオブジェクトとコミュニケータトランスレー タオブジェクトがどのように相互作用するのかを示すブロック図である。 図１７は、エキスパートシステムオブジェクトとセンサオブジェクトがどのよ うに相互作用するのかを示すブロック図である。 図１８は、適応モデルオブジェクトとコミュニケータトランスレータオブジェ クトがどのように相互作用するのかを示すブロック図である。 図１９は、エキスパート適応モデルとセンサオブジェクトがどのように相互作 用するのかを示すブロック図である。 図２０は、プレディクターオブジェクトとコミュニケータトランスレータオブ ジェクトがどのように相互作用するのかを示すブロック図である。 図２１は、エキスパートプレディクターとセンサオブジェクトがどのように相 互作用するのかを示すブロック図である。 図２２は、センサオブジェクトとコミュニケータトランスレータオブジェクト がどのように相互作用するのかを示すブロック図である。 図２３は、ユーザがどのようにＩＳＯを初期化するのかを示した本発明の図式 ユーザインタフェースの表示である。 図２４は、ユーザがどのようにセンサオブジェクトをリアルワールドデバイス に関連付けるのかを示した本発明の図式ユーザインタフェースの表示である。 図２５は、ユーザがどのように第１のＩＳＯを第２のＩＳＯにフロー接続を通 じて関連付けるのかを示した本発明の図式ユーザインタフェースの表示である。 図２６は、ユーザがどのように第１のＩＳＯと第２のＩＳＯを第３のＩＳＯに 階層的に初期化するのかを示した本発明の図式ユーザインタフェースの表示であ る。 図２７は、ＩＳＯの振る舞いをリアルタイムで変更するためにユーザがどのよ うにＩＳＯをインタフェースするのかを示した本発明の図式ユーザインタフェー スの表示である。５．本発明を実行するためのベストモード 適応プロセス制御システムは、制御されるべきプロセスのコンピュータベース 型モデルを用いて、そのプロセスを表示するために使用されるモデルに、パラメ トリックな、若しくは、構造上の、不確実性がたとえ存在する場合であっても、 そのプロセスの制御を援助する。適応プロセス制御システムは、ゴールと目的の セットが与えられた場合に、それらのモデルを変更し、現在のプロセス状態に適 合させてプロセス性能を最適化する。従来の適応制御理論では、適当なコントロ ーラ構造が選択されて、プロセスの出力がモデルの基準出力に漸近的に追随する ようにこのコントローラのパラメータが適応ルールを用いて調整されていた。 図１を参照すれば明らかなように、本発明の適応最適化ソフトウエアシステム は、インテリジェントソフトウエアオブジェクト、即ち、ＩＳＯ１０を備えてい る。ＩＳＯ１０は、制御、及び／又は、最適化アプリケーションに有用な様々な 機能を提供し、また、様々な方法で互いに接続され、若しくは、互いにグループ 化され得る。これらのＩＳＯ１０は内部ソフトウエアオブジェクトを備えている 。好ましい実施形態において、本発明はオブジェクト指向型プログラミングとし て知られるソフトウエアプログラミング方法論を使用するものであり、これは、 ＩＳＯ１０の内部ソフトウエアオブジェクトを実行するために一般的にはSmallT alkTMやＣ＋＋のようなコンピュータ言語を用いて実施され、こうして、適応オ ブジェクト指向型の最適化ソフトウエアシステムを生成する。ソフトウエアオブ ジェクトは、内部ソフトウエアオブジェクトと他のソフトウエアオブジェクトの 双方ともに、（そのようにする必要はないが）「オブジェクト指向型の」ソフト ウエアオブジェクトに限定されてもよいと信じられており、また、このことは出 願人の意図する範囲に含まれる。本発明の適応最適化ソフトウエアシステムは、 その制御機能を制御されるべきプロセスを協調的に表示するために構成された１ つ若しくは２つ以上のＩＳＯ１０を有することによって実行し、また、最適化は 、システムとして構成され且つシステムとして動作するＩＳＯ１０同士の間に加 え、ＩＳＯ１０の内部ソフトウエアオブジェクト同士間の協調を通じても達成さ れる。 本発明のＩＳＯ１０は、プロセスに関連付けられた事象と、具象コンポーネン ト、及び／または、それらＩＳＯ１０によって表された抽象コンポーネントの記 録を、構成可能な状態で（configurably）保持することができる。各ＩＳＯ１０ は以下により詳しく記述されたセンサオブジェクト２５を伴って構成されている 。このセンサオブジェクト２５は、被制御プロセスのための制御変数の状態を含 んでいるようなそのプロセスの状態のデータマネジャとして働くものである。こ れらのセンサオブジェクト２５を用いて、ＩＳＯ１０のエキスパートシステムオ ブジェクト１２、プレディクターオブジェクト１８、適応モデルオブジェクト２ ０、及びオプティマイザーオブジェクト２２が互いに協働して、所望のプロセス 状態を生じさせ、若しくは、プロセスゴールを達成するような制御変数に関する 新たな状態を、発見し、計算し、解釈し、引き出す。 リアルワールドプロセス、具象コンポーネント、及び／または、抽象コンポー ネントに加えて、本発明の適応最適化ソフトウエアシステムは、それ自身の性能 を監視してそれ自身の初期構成を適当に変更するように設計され、その初期の最 適化目的、その現在の最適化目的、およびシステムユーザによって特定された目 的にしたがって性能を改良する。 図１を参照する。この図に示されているように、好例のＩＳＯのブロック図が １０で示されている。ＩＳＯ１０の内部ソフトウエアオブジェクトによって各Ｉ ＳＯ１０は考えられるほぼ全てのことを表示することができる。好例のＩＳＯ１ ０の属性が一般には先ず記述され、その後、特定のＩＳＯ１０の好例の編成の記 述が続く。 ＩＳＯ１０は本発明の適応最適化ソフトウエアシステムの基本ビルディングブ ロックコンポーネントである。各ＩＳＯ１０は、物理事物（thing）、抽象事物 、若しくは概念事物を表示しモデル化することができ、また、イネイブルされる ことも、ディスエイブルされることも、或いは、全く構成されないこともある、 以下により詳細に記述された、複数の内部ソフトウエアオブジェクトを、初期的 に備えることができる。ＩＳＯ１０の内部ソフトウエアオブジェクトは、クリス プ（crisp）論理規則１４、及び／または、ファジー論理規則１６を含んだ１つ 若しくは２つ以上の規則知識ベース１３を利用できるエキスパートシステムオブ ジェクト１２；複数の同時発生の異なるモデリング方法論を用いて、ＩＳＯ１０ 内の適応モデルと互いにリアルタイムで「競合する」適応モデルを生成し、現在 の、過去の、及び、予想されたプロセスパラメータに基づいてリアルタイムプロ セス結果（outcome）を予想することができるような、適応モデルオブジェクト ２０；適応モデルオブジェクト２０から、被測定リアルタイムプロセス結果を最 良の形で予想する競合適応モデルを選択する、プレディクターオブジェクト１８ ；最適化されるべきプロセス、計算、若しくはコンポーネントの所定状態に関し てＩＳＯ１０によって使用されるべき最適パラメータを決定する、オプティマイ ザーオブジェクト２２；ＩＳＯ１０とＩＳＯ１０外部の何らかのものとの間の通 信を処理することができる通信トランスレータオブジェクト２６；および、イン テリジェントデータ記憶装置と検索ウェアハウスとしてある程度働くセンサオブ ジェクト２５；を含む。 内部ソフトウエアオブジェクトの機能性（functionality）はＩＳＯ１０に存 在するが、これらの機能性のイネイブリングは、構成可能な状態で、ユーザに、 若しくは、任意であるがそのエキスパートシステムオブジェクト１２を通じてＩ ＳＯ１０自身に残される。以下により詳細に記述された本発明の適応オブジェク ト指向型最適化ソフトウエアのユーザインタフェースは、ＩＳＯ１０の内部ソフ トウエアオブジェクトの初期セットをユーザに初期的に提供する。その後、ユー ザは、この可能な内部ソフトウエアオブジェクトの初期セットから特定のＩＳＯ １０、若しくは、ＩＳＯ１０グループを構成することにより、ＩＳＯ１０を表示 し、ＩＳＯ１０をモデル化し、また、このＩＳＯ１０を、プロセス、具象コンポ ーネント（例えば、自動車）、若しくは、抽象コンポーネント（例えば、マイル ／ガロンの計算）に関連付けて、プラント、プロシージャ、アイデア、若しくは 、システムのような実生活、即ち、抽象プロセスを表示する。機械装置、電気装 置、制御可能プロセス、抽象計算、若しくは、制御され若しくは最適化されるべ きほぼ全てのものをＩＳＯ１０によって表示することができる。 最新技術の多くのプロセス制御システムと同様に、ＩＳＯ１０は、エキスパー トシステム１２に基づくコンピュータを利用する。エキスパートシステムは、最 適なセットポイントをセットすることを含む１セットのステップを計算し、実行 する時に、推論エンジンとプログラムされたルールを使用して、専門家であるオ ペレータの動作に近づくようにする専門の制御プログラムである。好ましい実施 態様では、１つだけのエキスパートシステムオブジェクト１２がある。エキスパ ートシステムオブジェクト１２は、１もしくは１よりも多数のルール知識ベース １３を利用することができる。エキスパートシステムオブジェクト１２は、ＩＳ Ｏ１０のモデル化、予測、最適化、制御を達成して作動させると共に、本発明の 適応最適化ソフトウェアシステム内のＩＳＯ１０の動きに影響するインテリジェ ントスクリプティング環境を提供する。更に、エキスパートシステムオブジェク ト１２は、ＩＳＯ１０がオーバータイムに遭遇もしくは発生するデータについて のセンサーオブジェクト２５のインテリジェント保存のために、スクリプティン グ環境を提供する。エキスパートシステムオブジェクト１２は、それら自体のオ ペレーションに関するデータを記憶することによって「思い出す」ことができる 。これらのデータは、エキスパートシステムオブジェクト１２のような同一のＩ ＳＯ１０内の他の内部ソフトウェアオブジェクトもしくは他のＩＳＯ１０にとっ てアクセス可能であるが、ユーザーによる直接のアクセスは可能でない。 当業者であればお分かりのように、ファジィであるかクリスプであるエキスパ ートシステムのルールは、専門家の知識、テキストブック関係、プロセスモデル 、ローカルプラント知識の要素を反映する。更に、図１に示されるように、エキ スパートシステムオブジェクト１２のルール知識ベース１３は、クリスプルール １４、ファジィ１６、もしくは両方を使用して、それ自体の知識とその状態変数 を定義し、ＩＳＯ１０内のＩＳＯ１０内部ソフトウェアオブジェクトのインタラ クションに関する知識を定義し、他のＩＳＯ１０とのインタラクションに関する 知識を定義し、それ自体のメタ知識と、計算環境内及び適応最適化ソフトウェア システム内で「アライブ」になる方法とを定義する。エキスパートシステムオブ ジェクト１２はまた、それ自体（例えば、その状態）のフルセットの過去の値、 現在の値、予測の値を与えられて、選択する能力を提供し、ＩＳＯ１０の動きに 影響するようになされた選択に従って動作する。エキスパートシステムオブジェ クト１２のルール知識ベース１３は、クリスプもしくはファジィな用語で記述さ れた言語、数学及び／もしくは記号のルールを含む。そのルールは、ユーザー設 定が可能であり、良く知られている制御ルール（例えば、if condition=overflo w then turn-on-value（もし、状態がオーバーフローならば、値を変える））と 共に、ビジネスルール（例えば、if cost-per-unit>4 then use-cheaper-materi al（もし、単価が４よりも大ならば、もっと安価な材料を使用する））を含むこ とが可能である。更に、ファジィ用語は、ファジィ論理関係ファンクション及び ファジィ集合といったようなファジィ論理構成とファジィ構文との両方を表現す る。 適応最適化ソフトウェアシステムにプロセスモデルを組み込む秘訣は、プロセ スモデルがモデル化されたプロセスの性能をオーバータイムに正確に予測すると 仮定することである。ＩＳＯ１０の各々の主要な特徴は、ファンクショナリティ を達成もしくは提供するための方法論を限定しないファンクショナリティを包含 することである。適応モデルオブジェクト２０は、実験モデル、現象モデル、第 一原則モデル、システム識別モデル、ニューラルネットワーク、線形回帰、他の モデリング方法論を含む多数の並行の適応モデリング方法論を使用して、所望の 柔軟性を提供することができる。適応モデルオブジェクト２０の能力は、本発明 の利点である。適応モデルオブジェクト２０は異なるモデル方法論を使用できる ので、実際の方法論もしくは方法論パラメータは、オーバータイムに適応的かつ 自動的に変わることができ、方法論は、その所望のタスクにより正確かつ効果的 に適応する。 好ましい実施態様では、アクティブモデルオブジェクト２０は、それらの好ま しい方法論としてニューラルネットワークを使用する。適応モデルオブジェクト ２０のニューラルネットワークは「学習」して、経験上のデータからニューラル ネットワークの連結構成及び／もしくは重み付けを調整するニューラルネットワ ークの能力によって判断し、それによって、「訓練された」モデルを生成する。 適応モデルオブジェクト２０は、その適応モデルオブジェクト２０の方法論に対 応するトレーニングプロセスを使用して訓練もしくは学習する。異なる適応モデ ル方法論は異なるトレーニングプロセスを有する。しかしながら、一般的に、適 応モデルオブジェクト２０は、適応モデルオブジェクト２０に関連する１セット のトレーニングデータ中の各エントリーの入力を使用して、トレーニングデータ セットのエントリーに対応する出力をシミュレーションし、計算し、予測する。 適応モデルオブジェクト２０は、トレーニングプロセスを使用して、モデルパラ メータを更新し、適応モデルオブジェクト２０が生成した出力と記録された出力 との差異を最小化する。適切なトレーニングが生じた後、適応モデルオブジェク ト２０は、１セットのテストデータを使用してそのように生成された適応モデル を有効にする。適応モデルオブジェクト２０は、テストデータセットの各エント リーに対する出力をシミュレーションし、計算し、もしくは予測し、そして、適 応モデルが生成した出力とテストデータセットのエントリーとの差異もしくは誤 差を使用して、適応モデルの能力を決定し、プロセスを正確にシミュレーション もしくは予測する。 適応モデルオブジェクト２０は、訓練された適応モデルを含む、それら自体の オペレーションに関するデータを記憶することによって、「思い出す」ことがで きる。これらのデータは、適応モデルオブジェクト２０のような同一ＩＳＯ１０ 内の他の内部ソフトウェアオブジェクトもしくは他のＩＳＯ１０にとってアクセ ス可能であるが、ユーザーが直接アクセスすることはできない。 ＩＳＯ１０の各々は、適応モデルに与えられてモデルを初期化するデータであ る入力状態変数、適応モデルによって生成されたデータである出力状態変数、目 標もしくは目的に関する制御状態変数を有する。ＩＳＯ１０の各々は、最新状態 及び所望の将来の状態を与えられて、１もしくは１よりも多数の予測オブジェク ト１８によって、また、入力もしくは制御状態変数と出力状態変数との間の関係 を知る予測オブジェクト１８に関連する１もしくは１よりも多数の適応モデルオ ブジェクト２０によって、その将来の状態を予測する能力を含む。 その異なる方法論を使用して、適応モデルオブジェクト２０は、可能な最良の 方法で特定のタスクを達成しようと試みる様々な異なる「競合する」適応モデル を生成する。そして、適応モデルオブジェクト２０に関連する予測オブジェクト １８は、実際のデータを所定のサンプリングデルタに最良に適合させる個々の適 応モデルを選定する。好ましい実施態様と同様に、サンプリングデルタはタイム であっても良いが、マス、ボリューム、カラー、フローレート、サウンド、もし くはドルの変化といったような何れかのデルタで良い。予測オブジェクト１８及 び適応モデルオブジェクト２０は、予測オブジェクト１８及び適応モデルオブジ ェクト２０によって使用されるトレーニング方法論で必要とされるデータについ て、他のＩＳＯ１０とそれらのセンサーオブジェクト２５と共に、センサーオブ ジェクト２５に応答指令信号を送ることによって、予測オブジェクト１８及び適 応モデルオブジェクト２０が表現するプロセスをモデル化する方法を学習する能 力を有する。予測オブジェクト２０は、それら自体のオペレーションに関するデ ータを記憶することによって「思い出す」ことができる。これらのデータは、予 測オブジェクト２０のような同一ＩＳＯ１０内の他の内部ソフトウェアオブジェ クトもしくは他のＩＳＯ１０にとってアクセス可能であるが、ユーザーが直接ア クセスすることはできない。 個々の適応モデルは互いに競合するけれども、ＩＳＯ１０は、他のＩＳＯ１０ に教えることによって、すなわち、訓練されたモデル２４を他のＩＳＯ１０に提 供し、それによって、所定のＩＳＯ１０が別のＩＳＯ１０の訓練されたモデル２ ４を使用できるようにし、適応オブジェクト指向ソフトウェアシステムの目標及 びファンクショナリティを達成するように協力することによって、同一もしくは 異なる階層レベルのＩＳＯ１０と協力する。 最適化プロセス制御システムは、管理目標と一致するように、最適化制御動作 を実施しなければならない。本発明では、最適化オブジェクト２２は、予測オブ ジェクト１８の選定された適応モデルを使用する。そのモデルは、ＩＳＯ１０の 入力の最新状態を与えられて、最適化オブジェクト２２に関する処理を最良にモ デル化し、使用すべき最適値を決定して、例えば、制御セットポイントといった 所望のＩＳＯ１０の将来の状態条件を達成する。最適化オブジェクト２２は多数 の最適化方法論を使用可能であり、好ましい実施態様では、最適化オブジェクト ２２は遺伝的アルゴリズムを使用して、それらの適応能力を提供する。 最適化オブジェクト２２はまた、他のＩＳＯ１０の内部ソフトウェアオブジェ クトに影響を与えることができる。例えば、最適化オブジェクト２２は、エキス パートシステムオブジェクト１２のルール、ファジィ論理関係ファンクション、 もしくはファジィセットを変更することによって、エキスパートシステムオブジ ェクトに影響を与えることが可能であり、もしくは、使用されるべき適応モデリ ング方法論を変更することによって、適応モデルオブジェクト２０に影響を与え ることが可能である。最適化オブジェクト２２は、それら自体のオペレーション を記憶することによって、「思い出す」ことができる。これらのデータは、最適 化オブジェクト２２のような同一ＩＳＯ１０内の他の内部ソフトウェアオブジェ クトもしくは他のＩＳＯ１０にとってアクセス可能であるが、ユーザーが直接ア クセスすることはできない。 ＩＳＯ１０はまた、いくつかのセンサーオブジェクト２５を含み、ＩＳＯ１０ の入力及び出力状態を収集し、記憶し、管理することができる。センサーオブジ ェクト２５は、データ記憶装置及び検索モデレータとして動作する。検索モデレ ータは、ＩＳＯ１０もしくはリアルワールド装置の最新状態を反映するデータ、 より抽象的な最新単価といったような計算されたデータ、ユーザーもしくはＩＳ Ｏ１０自体によって設定可能な階層的なデータを、ＩＳＯ１０及びその内部ソフ トウェアオブジェクトに提供できる。各々のセンサーオブジェクト２５は、内蔵 の状態変数を含むことができる。内蔵の状態変数には、それ自体のワールドアウ トサイドＩＳＯ１０のソフトウェア表現を表す状態変数（すなわち、リアルワー ルドセンサー値）、それ自体によって決定される状態変数（すなわち、アルゴリ ズム的に）、他のＩＳＯ１０によってそれに与えられる状態変数が含まれる。経 済状態変数は、各ＩＳＯ１０の重要な能力である。経済状態変数は、例えば、「 単位あたりの」計算された値もしくは別の状態変数のコストに基づく新しい値で ある。センサーオブジェクト２５はまた、ＩＳＯ１０自体の状態変数に関する履 歴の統計的な知識を保持する。その状態変数には、値及びコストに関するＩＳＯ １０の内蔵の表現及び知識が含まれる。 モデレータとして、センサーオブジェクト２５は、データを記憶して、記憶さ れたデータをＩＳＯ１０の使用のために提供すると共に、データをフィルタし、 計算し、統計学的に処理することができる。ＩＳＯ１０は、その状態変数の各々 に対して１つのセンサーオブジェクト２５を保持する。その状態変数には、ＩＳ Ｏ１０が責任を有する各計器もしくはアクチュエータの状態変数が含まれる。セ ンサーオブジェクト２５は、ＩＳＯ１０によって入力として受信されるデータに 接続され管理する「入力」センサーと、ＩＳＯ１０もしくはＩＳＯ１０の内部に よるデータ出力に接続され管理する「出力」センサーとを含むことができ、通信 トランスレータオブジェクト２６を使用して、センサーオブジェクト２５のデー タを計器もしくはアクチュエータのようなリアルワールド装置に接続することが でき、それによって、ＩＳＯ１０とワールドとのリンクをつくる。センサーオブ ジェクト２５は、例えば、「１」といった単一値として、もしくは、例えば、赤 、青、緑の値の１セットから成る色の変数といった１セット又は範囲をもった値 として記憶し、調整することができる。センサーオブジェクト２５はまた、ユー ザーがＩＳＯ１０のデータとインターフェースすることを可能にするＩＳＯ１０ の主の内部ソフトウェアオブジェクトである。 更に、センサー・オブジェクト２５はＩＳＯ１０内で使用するＩＳＯ１０適応 モデル予測、適応モデルパラメータ及び／又は適応モデル状態を蓄積する。ＩＳ Ｏ１０も総ての予測オブジェクト１８からの出力もしくは結果を保持し、そして ＩＳＯ１０状態として最適化オブジェクト２２を保持する。エキスパート・シス テム・オブジェクト１２は、その中に含まれている規則が記述している目標を達 成するときセンサー・オブジェクト２５を統合し、そして使用することができる 。センサー・オブジェクト２５のデータは通常、整数、浮動点、ストリング、記 号もしくはこれらのいずれかのアレイであるけれども、センサー・オブジェクト ２５は全ＩＳＯ１０ＮＩＳＯ１０の内部ソフトウエア・オブジェクトのいずれか 、又はＩＳＯ１０のリストもしくはそれらの内部ソフトウエア・オブジェクトを 蓄積できる。 図１にさらに示しているように、ＩＳＯ１０のそれぞれはさらに、コミュニケ ーション・翻訳オブジェクト２６を備えている。監視しようとしている、もしく は実時間で制御しようとしている所与のリアル・ワールドのプロセスもしくはコ ンポーネントとＩＳＯ１０との間、抽象的なデータ源（例えぼ、計算されたもし くはシュミレートされたデータ源）とＩＳＯ１０との間、そしてＩＳＯ１０と他 のＩＳＯ１０との間で、コミュニケーション・翻訳オブジェクト２６は同期もし くは非同期でコミュニケートできる。従って、直列、並列、地域ネットワーク、 広域ネットワーク、そして無線周波数、モデム、サテライト、ワイヤー、ファイ バー・オプティックスそしてテレメトリを含む（これらは限定的列挙ではない） 最適適応化ソフトウエアにより必要とされる他のハードウエア・インターフエー スを介してコミュニケーション・翻訳オブジェクト２６は同期もしく非同期コミ ュニケーションをすることができる。 コミュニケーション・翻訳オブジェクト２６のコミュニケーションは受信主体 の能力により異なるが、コード化されることも、コード化されないこともある。 ＩＳＯ１０間のコミュニケーションはＩＳＯ１０に独自の通信規約によりコード 化される。ＩＳＯ１０と非ＩＳＯ１０との間でのコミュニケーションはその非Ｉ ＳＯにより必要とされる通信規約（例えば、数字、アルファベットや数字のテキ スト、文字列、像そして音の可視的、そして非可視的表示）で行え、直列、並列 、地域ネットワークそして広域ネットワークの通信規約を含む。ＩＳＯ１０が新 規な入力源に出会うと、新しいコミュニケーションの仕方をＩＳＯ１０へ加えれ るようにさせるフレームワークをコミュニケーション・翻訳オブジェクト２６が 与える。コミュニケーション・翻訳オブジェクト２６はそれら自身の動作を蓄積 することにより「記憶」することができる。これらのデータは、コミュニケーシ ョン・翻訳オブジェクト２６と同じＩＳＯ１０内の他の内部ソフトウエア・オブ ジェクトへ、もしく他のＩＳＯ１０へアクセス可能であるが、ユーザーによる直 接のアクセスはできない。 ＩＳＯ１０は他のＩＳＯ１０と、そしてコミュニケーション翻訳器２６を介し てリアル・ワールドデバイスとも通常コミュニケートできるが、ＩＳＯ１０の内 部ソフトウエア・コンポーネントはＩＳＯ１０の内部ソフトウエア・オブジェク トの属性と振る舞いについて知り、そして他のＩＳＯ１０の内部ソフトウエア・ コンポーネントと直接コミュニケートできる。例えば、一つのＩＳＯ１０の最適 化オブジェクト２２（最適化オブジェクト２２として、それらがデータをどのよ うに必要としているかにつき気づいており、そして知っている）は別のＩＳＯ１ ０の最適化オブジェクト２２へデータを通すことができ、もしもそのように構成 されていても、介在するコミュニケーション・翻訳器２６を必要としない。 各ＩＳＯ１０はそれの環境と他のＩＳＯ１０と様々な仕方で相互に影響しあい 、もしく対話する。ＩＳＯ１０はそれ自体がそれ自体の規則を含んでいるそれ自 体のメタ知識を与えられており、そしてコンピュータ環境と他のＩＳＯ１０とそ れが相互に影譬しあい、もしく対話する仕方を与えられていれば、それ自体をつ くる、もしくはそれ自体をコピーする、もしくはコピーされることができる。実 際、ＩＳＯ１０は分散されたセンスで働いていて、並行の、及び／又は分散され たプロセッシングを支持するコンピューティング・エンヴィロンメント・アビリ ティを与えられている。従って、ＩＳＯ１０は一つもしくはそれ以上のコンピュ ータ・システム内でどこでも生まれ、生きていくことができ、そしてそのコンピ ュータ・システム内の他のＩＳＯ１０と相互に影響しあい、もしく対話する。但 し、そのコンピュータ・システムは外部か内部かのどちらかで制御されるコミュ ニケーション手段を与えているものとする。こうして、ＩＳＯ１０は制御しよう とするプロセスを有する物理的な物へ接続されることができ、その中に取り込ま れることができ、もしくは階層的に包囲することができる。例えば、ＩＳＯ１０ は物理的デバイス内に取り込まれ（物理的に場所を与えられ）それによって、そ れが取り込まれている物理的デバイスの外にＩＳＯ１０の状態と他のＩＳＯ１０ の状態のための感知入力を与え、ＩＳＯ１０を含む物理的主体をインテリジェン トな物理的主体に変える。このように物理的なデバイス内にＩＳＯ１０を物理的 に置くことはロボットの分野への特定の応用である。 さらに、センサー・オブジェクト２５データ、予測オブジェクト１８そして適 応モデル・オブジェクト２０を使用するＩＳＯ１０も将来のプロセス・パフォー マンスをシュミレート及び／又は予測し、そして将来のプロセス・パフォーマン スのＩＳＯ１０のモデリングの有効性を決定する。適応最適化ソフトウエア・シ ステムはシュミレーション・モードで使用されることができ、シュミレーション ・モードではシュミレートされ及び／又は計算されたセンサーとアクチェータデ ータとがリアル・ワールド・センサーとアクチュエータの代わりに使用される。 リアルな、もしくは観念的なシステムのシュミレーションは、ＩＳＯ１０にリア ルな、もしくは観念的なものもしくはシステムのモデルを評価もしくは問い合わ せる、もしくはリアルな、もしくは観念的なものと関連した規則を評価もしくは 問い合わせる。 ユーザーはＩＳＯ１０と最初に、コンフィギュラブリにもしくはリアルタイム でインターフエースして、規則、目標そして最適化規準を修正するかもしくは変 更する。さらに、エキスパート・システム・オブジェクト１２、最適化オブジェ クト２２、予測オブジェクト１８そして適応モデルオブジェクト２０がコミュニ ケートし、そして相互にコンフィギュラブリに影響し合い、適応して、自動的に リアルタイムで人が介在することなく自動的に相互の振るまい（他の内部ソフト ウエア・プロジェクトを生み出し、そして抹消することを含む）を変える。例え ば、最適化オブジェクト２２はエキスパート・システム・オブジェクト１２の規 則の知識ベース１３を変えることができ、そしてエキスパート・システム・オブ ジェクト１２は求めている最適化オブジェクト２２の最適目標を修正できる。 ＩＳＯ１０の適応性を与えられ、本発明の最適化ソフトウエア・システムは所 与の問題に対する新しい解決を造りだすことができる。エキスパート・システム ・オブジェクト１２の規則知識ベース１３内に、そして特定のＩＳＯ１０の状態 値内に含まれる知識、目的そしてプロシーデュア内で働くエキスパート・システ ム・オブジェクト１２は予想オブジェクト１８、適応モジュール・オブジェクト ２０、最適化オブジェクト２２、コミュニケーション翻訳オブジェクト２６そし てセンサーオブジェクト２５を生み出し、修正し、もしくは破壊さえする。ＩＳ Ｏ１０の内部ソフトウエア・オブジェクトが他のＩＳＯ１０の内部オブジェクト の規則、方法そして最適化規準を変えることができるということによりＩＳＯ１ ０からつくられる最適化ソフトウエア・システムはそれのモデルをダイナミック に変えることができ、そして制御されているプロセスもしくはプロセス制御シス テムを停止させる必要なくリアルタイムで最適化を達成できる。 ＩＳＯ１０の連続マッピングと入力／出力関係の構築が「学習」を構成する。 ＩＳＯ１０が使う規則、モデルそして式のいずれも、予測がなされた後生じる実 際のセンサーの読みとモデルの予想との間のエラーの組み込まれた測定に応答し てＩＳＯ１０が自動的に適応し、そして変わるような形で表されることができる 。従って、モデルのタイプとはかかわりなくＩＳＯ１０は連続的にそれのモデル を変えて、それのセンサーオブジェクト２５のそれぞれが連続してログされてい るマルチディメンジョナルなリアリテイにこれらのモデルをよりよくマップする 。 さらに、適応モデルオブジェクト２０により最適化オブジェクト２２は所与の サンプリング・デルタのための「最適状態」を決定する。もしその最適モデル目 的２０モデルがＩＳＯ１０が表している物理的設計と主体の機能とを記述し、そ してパフォーマンスに影響する設計パラメータを含むなら、ＩＳＯ１０の最適化 方法を実際に使ってＩＳＯ１０がそれの基本タスクを行うよりよい方法を造りだ せる。 それぞれのＩＳＯ１０にそれ自身の「フイットネス」もしくはパフォーマンス 目的もしくは目標の定義を与えられている。フイットネス、すなわち局所化した パフォーマンス目的は経済的にベースとされ、数学的機能はベースとされ、規則 はベースとされ、もしくはＩＳＯ１０をコンフギュアするときはユーザーにより 任意に定義される。これらの目的もしくは目標はユーザーによるか、もしくはソ フトウエア・スリプティング・テンプレートによるかのいずれかで最初のコンフ ィギュレーションのとき定義され、そして起動されるが、ユーザーにより、規則 知識ベース１３を使用するエクスパート・システム・オブジェクト１２により、 もしくは最適化オブジェクト２２によりリアルタイムで変更されることもできる 。 本発明の最適化ソフトウエア・システムではＩＳＯ１０も他のＩＳＯ１０に影 響を与えることもできる。ＩＳＯ１０はそれ自身のモデルを訓練することに加え てその他のＩＳＯ１０に訓練済モデル、規則セット、ファジーロジック・メンバ ーシップ機能を与えることにより、もしくは送信しているＩＳＯ１０が有効であ り、正確であると考えている他のＩＳＯ１０最適化オブジェクト２２への通信元 のＩＳＯ１０が使っているオブジェクトと目標を他のＩＳＯ１０に与えることに より、ＩＳＯ１０は他のＩＳＯ１０を訓練したり、教えたりすることができる。 コード化した表現（例えば数学的モデル）を受信主体により理解される表現にマ ッピングすることによってもＩＳＯ１０は教えることができる。これの例はＩＳ Ｏ１０の入力のマルチ・ディメンジョナルな表面をはっきりした表現もしくは曖 昧な表現のいずれかを含む言葉での出力にマッピングすることである。言葉での 表現から数学的な表現へ移って、２、３もしくは４ディメンジョンの形における 結果をプロットすることもできる。 同様に、ＩＳＯ１０は最適化ソフトウエア・システムにおける他のＩＳＯ１０ 目的もしくは目標に、フイットネスもしくはパフォマンス目的もしくは目標をそ れらのＩＳＯ１０に伝えることにより影響を与えることもできる。 本発明は直覚の、グラフイカルなユーザー・インターフエースを含んでおり、 このインターフエースは形式化したプロシーデュアを与えてＩＳＯ１０の相互接 続を決め、そしてＩＳＯ１０により、ＩＳＯ１０内で取り扱おうとしている目的 機能、フイトネス規準そして目標を決める。最適化ソフトウエア・システムを形 成するためユーザーは最適化ソフトウエアシステムのユーザー・インターフエー スを使ってＩＳＯ１０の内部ソフトウエアオブジェクトのどれかをコンフギュア し、定義しそして選択して可能化し、そして初期パラメータ、目標、そしてその 可能化された内部ソフトウエアオブジェクトにより使用される技法を決める。Ｉ ＳＯ１０の初期のパラメータ、目標そして技法のセットからユーザーは内部オブ ジェクトのセットを可能化し、そしてそれらの初期セットのパラメータ、目標そ して技法を定義してそのＩＳＯ１０と、監視し、最適制御しようとするプロセス か、もしくは他のＩＳＯ１０との間の関係を実現する。制御すべく求められたプ ロセスが十分にモデル化されてユーザーが満足するまでユーザーはこのプロセス を続けていく。 さらに具体的に言えば、図２ないし図８に示すように、制御しようとする要素 間の情報の伝達の順を真似る仕方で２つもしくはそれ以上のＩＳＯ１０もしくは ＩＳＯ１０のグループをユーザーはコンフィギュアーできる。すなわち、それら は制御しようとする資料もしくは情報の流れをモデル化し、もしくはそれに描写 的に対応している関係で接続された「流れ」のＩＳＯ１０である。「流れ」のＩ ＳＯ１０の接続は（触知可能な、もしくは触知不可能な）要素間の情報もしくは 資料の順序づけた流れを表しており、そしてアブストラクション、デバイス及び ／又はリアル・ワールド・プロセスと交信し、そしてそれらを制御している特性 を実現している。 本発明のグラフィックユーザインターフェースを用いて、ユーザも２つ或いは それ以上のISOs１０叉はISOs１０のグループを階層的なセットの関係に構成上接 続することができ、これらのISOs１０を“階層”ISOs１０にし、したがって、IS Os１０間叉はISO１０のグループ間に、優先度及び有効範囲の関係を定義する。 “階層”ISOs１０は、より高い階層の値、例えば最適ゴールの高い優先度叉は高 いレベルセットで構成されることによって、他のISOs１０のグループを論理的に 代表し、適応性のある最適ソフトウェアシステム内により高いレベルの抽象化を 組み込む。定義によって“階層”ISOs１０はそれらの階層における他のISOs１０ と通信するけれども、階層ISOs１０は他のISOs１０、ISOs１０のグループ或いは それらの階層内にないリアルワールド装置と通信するか、或いは通信しないよう にするために構成されても良い。 従って、ISO１０は、“フロー”ISO１０；“階層”ISO１０；叉はフローISO１ ０及び階層ISO１０の特性を結合した“フロー階層”ISO１０として接続されるこ とができる。他のISO１０内のISO１０を論理的に包含する(すなわち、階層的に 関係する)能力は、ISO１０の階層内に実際上限定されない階層的レベルを可能に する。各々のISO１０は、実際上限定されない多くのセンサーオブジェクト２５ を有し、かつ実際に限定されない多くのIS0s１０は互いにフロー接続されること ができるので、本発明は、実際上限定されない多くのコンポーネントレベルのプ ロセス制御セットポイントに対して提供する。従って、ユーザは適合した最適ソ フトウェアシステムを構成し、イニシャライズした後、“フロー”ISOs１０は、 プロセス、装置及び制御され及び／叉は最適化されるべき抽象化、例えばユニッ ト当たりのモータ叉はコストに関係する。さらに、典型的な場合に、ユーザは、 適合した最適化ソフトウェアシステムを階層に構成された“フロー”ISOs１０の グループに構成し、イニシャライズし、制御されかつ最適化されるべきプロセス の高いレベルの抽象化を形成し、代わりに本発明の適合した最適ソフトウェアシ ステム、例えばモータISO１０、駆動者車夫と１０及びホイールISOs１０によ って制御される全システムが列車を表わし、制御するため牽引車ISO１０及び他 のISOs１０で構成された牽引車ISO１０叉はISOs１０のグループを示す階層に構 成される。 好適な実施形態において、各々のISO１０は階層以下におけるISOs１０レベル 上にその最適化に焦点を合わせ；非常に下位の階層レベルのISOs１０は高く位置 された最適化に焦点を合わせ、適用する。階層における各々の高いレベルは、適 合した最適ソフトウェアシステムの上部において、階層の最も高いISO１０−“ ピラミッド”−が高いレベルのより一般的なゴールを探し、したがって“グロー バル”、即ちシステムの広範な最適化を適用するまで、増加するにしたがって少 なく位置され、より多く遭遇する最適化を適用する。この方法において、ISOs１ ０で具現化された適合した最適ソフトウェアシステムは、局部的な(コンポーネ ント)及びグローバルな、即ち集合したゴールを求める行いを提供する。プロセ ス制御システムを強力な単一化されたプロセス制御最適システムに結びつけるが 、一方でグローバルな、集合したビジネスゴールを含むユーザが定義したオブジ ェクトと調和した下も高い最適化を達成する。ユーザによって初期に構成され、 ISO１０或いはユーザによってリアルタイムに適合して変更された、本発明の階 層的性質は、特定の要素に向けられた、狭く集中した最適化から最も広く、グロ ーバルレベルの最適化へ最適化の全てのレベルにおいて所望の最適化を同時に提 供する。またユーザが上部から底部までとは異なってISOs１０或いは適合した最 適ソフトウェアシステムの階層を柔軟に、かつ任意に構成することもできる。 適合した最適ソフトウェアシステムの第１の目的の１つは、ISOs１０個別化さ れた最適にするオブジェクト機能及びよりクローバルに集中された管理の定義さ れたシステムワイドの目的を自動的に用いることであり、全体としてシステムの ための最適なプロセスセットポイントを決定する。従って、フローISO１０、階 層ISO１０及びフロー階層ISO１０の関係に構成されたISOs１０を含む適合したオ ブジェクト向けのソフトウェア最適システムは、リアルタイムプロセスにために セットアップされた最適化ゴールに関して、全体のシステム性能を連続的に評価 し、グローバルな、集合したビジネスゴールを含むことができるユーザが定義し た目的を達成するために、各々のISOs１０のルールと手順を自動的に適合し、 変更する。この方法で、本発明は、人間の介在を続ける必要のない管理目的と一 致するプロセス及びシステムを自動的に最適化する。適合したモデルオブジェク ト２０は、モデル化する手順を計算して、多くの同時性を用いることができるの で、ISOs１０からなる適合した、最適ソフトウェアシステムは、同時のマルチレ ベル最適化を達成する。 例えば、会社が２つの動作プラントを有すると仮定する。ユーザは、ISO１０ を全体として、第１の、即ち最も高いレベルの階層“ピラミッド”ISO１０とし て会社と関連付け、ISOs１０を階層における次の下位、即ち第２のレベルとして 個々のプラントを関連付ける。たとえ、第２レベルのISOs１０の各々がそれら自 身の最適な制御目的を有しているとしても、これらの最適な制御目的は、システ ムワイドの最適化を達成しなくてもよい。最も高いレベルISO１０、会社ISO１０ は第２レベルのISOs１０の各々に影響を与えることができ、第２レベルのISOs１ ０の各々がそれら自身の最適な制御目的を維持することを有するよりも、全体と して会社に対する最適な制御目的を最大にする。 さらに、適合したオブジェクトに向けられた最適ソフトウェアシステムはリア ルワールドプロセスをシミュレートするために用いることもでき、シミュレート されるリアルワールドプロセス上で動作し、働くことにおいてエンドユーザのト レーニングを可能にする。 図１乃至図２２において、文字、或いは文字と番号、例えばISO１０A叉はISO １０B１による、“ISO１０”としてISO１０の参照は、ISO１０の例を意味する。 同様に、文字、或いは文字と番号、内部のソフトウェアオブジェクトの参照は、 前記オブジェクトの場合を意味し、例えば、リアルワールド機器３０A１は、リ アルワールド機器３０の場合である。 図２を参照すると、ISO１０Ａ乃至ISO１０Hは、互いに情報の命令された流れ を示すフローISOs１０として接続される。ISOs１０間、例えばISO１０ＡとISO１ ０C間の接続は、一方のISO１０から部分或いは材料のような物理的アイテムを表 わす情報のような他方へ具体的な情報のフロー、或いは一方のISOから命令叉は コスト制約のような他方への抽象的な情報を表わす。 図３を参照すると、ISO１０は、他のISO１０に対する“コンテナー”(即ち、 階層的に関連する)としてユーザに対して構成することもでき、従って、ISOs１ ０の階層或いはISOs１０のグループさえも作る。図３において、“フロー”ISOs １０A乃至１０A４は、ISO１０A内に階層的に含まれ、他のISO１０内に含まれるI SOs１０を示しており、したがって、ISO１０のセット間に階層を形成する。この 場合、“コンテナー”ISO１０Aと関連する内部のソフトウェアオブジェクト及び 他のアイテムは、コンテナーISO１０、例えばISO１０A乃至ISO１０A４に含まれ るISO１０叉はISOs１０のグループに関係する。コンテナーISOs１０Aの内部ソフ トウェアオブジェクトは、目的、ゴール、抑制或いは命令(インストラクション 叉は指示)をISO１０、即ちISO１０A１乃至ISO１０A４へ送るために用いられるこ とができる。 図４を参照すると、ISOs１０A乃至１０Fは、その状態がISO１０Ａ1及びISO１ ０Ａ２のセンサオブジェクトにダイナミックに捕獲されるリアルワールド機器３ ０Ａ１及びリアルワールド機器３０Ａ２を伴って、ISO１０Ａおよび１０Ａ内の 通信トランスレータオブジェクトと互いに連絡している。ISO１０Ｂによって示 されているように、リアルワールド状態の変数は、色を表わすリアルワールド機 器のように静的であるか、または圧力を表わすリアルワールド機器３０Ｂ２のよ うに動的である。 図５を参照すると、ISOs１０A乃至１０Fは、リアルワールド制御装置と連絡し ており、制御動作の概念を示している。例えば、その通信トランスレータオブジ ェクト２６を通して、そしてそのセンサオブジェクト２５、エクスパートシステ ムオブジェクト１２、ルールノーレジベース１３、プリディクターオブジェクト １８、適合モデルオブジェクト２０及びオプティマイザーオブジェクト２２を用 いて、ISO１０Aは、状態値をISO１０Cへ送る。ISO１０A１は、制御命令調整速度 をISO１０A１の通信トランスレータオブジェクト２６の一つを通してリアルワー ルド制御装置３２A１へ送る。 図６を参照すると、適応オプティマイゼーションソフトウエアシステムが例示 されている。ＩＳＯ １０Ａは、リアルワールドインツルメンテーション３０Ａ １、リアルワールドインツルメンテーション３０Ａ２、及びエコノミックステー ト変数３４Ａ１と通信しており、ＩＳＯ １０Ｂは、リアルワールドインツルメ ンテーション３０Ｂ１、及びリアルワールドインツルメンテーション３０Ｂ２と 通信しており、ＩＳＯ １０Ｃは、エコノミックステート変数３４Ｃ１と通信し ており、ＩＳＯ １０Ｄは、リアルワールドインツルメンテーション３０Ｄ１と 通信し且つ予測されたステート変数３６Ｄ１を有し、ＩＳＯ １０Ｅは、リアル ワールドインツルメンテーション３０Ｅ１と通信し且つオプティマイザーステー ト変数３８Ｅ１を有し、ＩＳＯ １０Ｆは、リアルワールドインツルメンテーシ ョン３０Ｆ１と通信し且つエコノミックステート変数３６Ｆ１を有する。 図７を参照すると、複数のＩＳＯが、遠隔接続４０を通して、（相互の通信の ために）相互に通信している。遠隔接続４０には、多くの方法で作成され、限定 的ではないが、ＲＦ技術やモデムや衛星や有線やファイバーオプティックスや遠 隔計測（テレメータ技術）やローカルエリアネットワークやワイドエリアネット ワークが含まれる。 図８を参照すると、複数のＩＳＯ １０が、階層的に接続されている。ＩＳＯ １０は、階層的に、ＩＳＯ ２Ａ、ＩＳＯ ２Ｂ、及びＩＳＯ ２Ｃを含んで いる。ＩＳＯ ２Ａは、階層的に、ＩＳＯ １０Ａを含んでおり、ＩＳＯ ２Ｂ は、階層的に、ＩＳＯ １０Ｂを含んでおり、ＩＳＯ ２Ｃは、階層的に、ＩＳ Ｏ ３Ａ及びＩＳＯ ３Ｂを含んでいる。更に、ＩＳＯ ３Ａは、階層的に、Ｉ ＳＯ １０Ｃ、ＩＳＯ １０Ｄ及びＩＳＯ １０Ｅを含んでおり、ＩＳＯ ３Ｂ は、階層的に、ＩＳＯ １０Ｆ、ＩＳＯ １０Ｇ及びＩＳＯ １０Ｈを含んでい る。ＩＳＯ １０がこのように配列されると、それらが、グループ中に階層的に 含まれるＩＳＯ １０で構成される会社やプラントやプラント区域のような抽象 概念を表すものとなり得る。 ＩＳＯ １０の特定の内部ソフトウエアオブジェクト及び他の内部ソフトウエ アオブジェクトとのインタラクション並びに他のＩＳＯ １０及びリアルワール ド装置とのインタラクションの記述が以下になされる。 図９は、オプティマイザーオブジェクト２２とエキスパートシステムオブジェ クト１２がＩＳＯ １０内部でどのようにインタラクション動作するかを示して いる。エキスパートシステムオブジェクト１２は、ＩＳＯ １０のために適当な ゴール、目的、ビジネスロジックを達成するように、行動及びコントロールの戦 略を提供する言語ルールを保持する１つ又はそれ以上のルール知識ベース１３を 利用することができる。ルール知識ベース１３に含まれるクリスプロジックルー ル１４及び／又はファジーロジックルール１６を利用すると、エキスパートシス テムオブジェクト１２は、オプティマイザーオブジェクト２２のゴール／目的フ ァンクション５０の定義又はコンフィグレーションを変更することによって、オ プティマイザーオブジェクト２２を修正できる。例えば、エキスパートシステム オブジェクト１２は、クリスプルール１４及び／又はファジールール１６を含む ルール知識ベース１３を用いて構成されてよく、クリスプルール１４及び／又は ファジールール１６は、ＩＳＯ １０のプロセスに関連する生の供給材の使用可 能度に基づくオプティマイザーオブジェクト２２のゴール／目的ファンクション ５０を修正する。 図１０は、適応モデルオブジェクト２０とプレディクタ１８がどのようにイン タラクション動作するかを示している。プレディクタオブジェクト１８は、ＩＳ Ｏ １０に、コントロールされるべきプロセスの適応モデルを提供し、ＩＳＯ １０はその適応モデルのデータを一緒に表す。その応答に対するプロセスの各現 在の適応モデルの実際の予想を比較すると、プレディクタオブジェクト１８は、 その全適応モデルのいずれかの１つが最も正確に予想するかを識別し、次に、そ の適応モデルがプレディクタオブジェクト１８のベストモデル６０として識別さ れる。 図１１は、オプティマイザーオブジェクト２２と適応モデルオブジェクト２０ とがどのようにインタラクション動作するかを示している。オプティマイザーオ ブジェクト２２は、適応オプティマイゼーションソフトウエアシステムの中での ＩＳＯ １０のための適当なゴール／目的ファンクション５０を用いて構成され る。オプティマイザーオブジェクト２２は、プロセス制約条件５２を用いて構成 されることができ、プロセス制約条件５２は、コントロールされるべきプロセス 内の制限を識別し、オプティマイザーオブジェクト２２は、ＩＳＯ １０の特定 されたゴール／目的ファンクション５０を達成するように作業しているとき妨害 すべきではない。図１１は、更に、オプティマイザーオブジェクト２２とプレデ ィクタオブジェクト１８とがどのようにインタラクション動作するかを示してい る。オプティマイザーオブジェクト２２は、プレディクタオブジェクト１８とプ レディクタオブジェクト１８のベストモデル６０を用いてプロセスＩＳＯ １０ の将来のパフォーマンスを予測することによって、オプティマイザーオブジェク ト２２のゴール／目的ファンクション５０を最良に達成する条件を決定し、前記 将来のパフォーマンスは、オプティマイザーオブジェクト２２がプレディクタオ ブジェクト１８に供給する条件に基づいて表す。オプティマイザーオブジェクト ２２は、プロセス制約条件５２を妨害することなく、オプティマイザーオブジェ クトのゴール／目的ファンクション５０を最良に達成する条件を、適応モデルオ ブジェクト２０を用いてプロセスの将来をシミュレートし、計算し、又は予測す ることによって、見つけ出す。オプティマイザーオブジェクト２２は、プレディ クタオブジェクト１８をコンサルティングしてプレディクタオブジェクト１８の ベストモデル６０を見つけることによって、使用のためのいずれの適応モデルオ ブジェクト２０であるかを知っている。オプティマイゼーションプロセスは、オ プティマイザーオブジェクト２２が以下のトライアル条件を選択すると繰り返し て続行され、前記のトライアル条件は、オプティマイザーオブジェクト２２のゴ ール／目的ファンクション５０を達成して、次にそれらのトライアル条件を適応 モデルオブジェクト２０へ通すのに可能な解決策である。適応モデルオブジェク ト２０は、オプティマイザーオブジェクト２２の条件を用いて、適応モデルオブ ジェクト２０の結果をオプティマイザーオブジェクト２２に戻して、コントロー ルすべきプロセスをシミュレートしており、オプティマイザーオブジェクト２２ は、次に、それらの結果がオプティマイザーオブジェクト２２の所望のゴール／ 目的ファンクション５０をオプティマイザーオブジェクト２２のプロセス制約条 件５２を妨害することなく達成するかどうかを決定する。もし達成するのなら、 オプティマイザーオブジェクト２２はその結果を保持し、そうでないのなら、オ プティマイザーオブジェクト２２は新しいセットのトライアル条件を試みる。 図１２は、オプティマイザーオブジェクト２２と通信トランスレータオブジェ クト２６とが、ＩＳＯ １０ＡからＩＳＯ１０Ｂへ又はＩＳＯ １０Ａからリア ルワールドデバイス１００へデータを送信し又は受信するように如何にインタラ クション動作するかを示しており、図１２〜２２において使用するように、リア ルワールドデバイス１００は、リアルワールドコントロールデバイス３２並びに リアルワールドインツルメンテーション３０を包含できる。ＩＳＯ １０Ａのオ プティマイザーオブジェクト２２は、ＩＳＯ １０Ａの通信トランスレータオブ ジェクト２６の１つに、ＩＳＯ １０Ｂを通信を望んでいるＩＳＯ １０Ａによ って識別するＩＳＯリファレンス５２を提供しており、通信トランスレータ２６ は、ＩＳＯリファレンス５２及びスケジュールリクエストをストアしてＩＳＯ １０Ｂからデータをリトリーブする。更に、通信トランスレータオブジェクト２ ６は、ＩＳＯ １０Ａが気付いているＩＳＯ １０Ｂに適当なプロトコル６６を 用いて、ＩＳＯ １０Ｂからのデータのためのリクエストを生成する。適当なサ ンプリングデルタにおいて、通信トランスレータオブジェクト２６は、ＩＳＯ １０Ｂを探査し、ＩＳＯ １０Ｂからのデータをリトリーブし、そのデータをオ プティマイザーオブジェクト２２に通す。リクエストデータコマンドを通信トラ ンスレータ２６に発行するオプティマイザーオブジェクト２２によってオプティ マイザーオブジェクト２２がＩＳＯ １０Ｂからデータをリクエストするとき、 データは、通信トランスレータ２６を通してＩＳＯ １０Ｂからリトリーブされ ることができ、又は、オプティマイザーオブジェクト２２がデータを送信データ コマンドを用いて通信トランスレータオブジェクト２６に通すとき、データは、 ＩＳＯ １０Ｂへ通信されることができる。 図１２に図示されるように、ＩＳＯ １０Ａのオプティマイザーオブジェクト ２２は、リアルワールドデバイス１００を識別するＩＳＯ １０Ａの通信トラン スレータオブジェクト２６にリアルワールドリファレンス６４を提供することに よって、リアルワールドデバイス１００からデータをリクエストしあるいはデー タをデバイス１００へ提供することができ、通信トランスレータオブジェクト２ ６は、リアルワールドリファレンス６４をストアし、且つＩＳＯ １０Ａが気付 いているリアルワールドデバイス１００に適当なプロトコル６６を用いて、リア ルワールドデバイス１１０からデータをリトリーブしたりデバイス１００へデー タを通信するリクエストをスケジュールする。適当なサンプリングデルタにおい て、通信トランスレータオブジェクト２６は、リアルワールドデバイス１００を 探査し、リアルワールドデバイス１００からのデータをリトリーブし、そのデー タをオプティマイザーオブジェクト２２に通す。リクエストデータコマンドを通 信トランスレータ２６に発行するオプティマイザーオブジェクト２２によって、 該オプティマイザーオブジェクト２２がリアルワールドデバイス１００からデー タをリクエストするとき、データは、通信トランスレータ２６を通してリアルワ ールドデバイス１００からリトリーブされることができ、又は、オプティマイザ ーオブジェクト２２がデータを送信データコマンドを用いて通信トランスレータ オブジェクト２６に通すとき、データは、リアルワールドデバイス１００へ通信 されることができる。 いずれの場合にも、オプティマイザーオブジェクト２２は、必要時にオンデマ ンドでデータの読み出し及び書き込みのための非同期のリクエストを作ることが できる。 図１３は、オプティマイザーオブジェクト２２とセンサオブジェクト２５とが どのようにインタラクション動作するかを示している。オプティマイザーオブジ ェクト２２は、データ記憶装置７４のセンサオブジェクト２５の現在のデータ、 又は、履歴的及び統計的データ処理７２中の履歴的及び／又は統計的データの任 意の組合せを用い、オプティマイザーオブジェクト２２のゴール／目的ファンク ション５０及びプロセス制約５２を評価して、オプティマイザーオブジェクト２ ２のオプティマイゼーションを行う。 図１４は、エキスパートシステムオブジェクト１２と適応モデルオブジェクト ２０とがどのようにインタラクション動作するかを示している。エキスパートシ ステムオブジェクト１２は、１つ若しくはそれ以上のルール知識ベース１３を利 用することができ、ルール知識ベース１３に含まれるルールを使用することがで き、適応モデルオブジェクト２０のパフォーマンス及びコンフィグレーションを 適応性あるように変更する。例えば、構成可能な又は任意の条件に依存して、適 応モデルオブジェクト２０は、新しいトレーニングデータ５８又は試験データ５ ６についてのサンプリングを停止するのに必要とし得る。エキスパートシステム オブジェクト１２のルール知識ベース１３のルールは、このアクションを達成す るように構成されるのがよい。更に、エキスパートシステムオブジェクト１２の ルール知識ベース１３のルールは、モデルパラメータの値又はトレーニングエラ ーに依存してすべてトレーニングプロセスを停止するルールを含むのがよい。 図１５は、エキスパートシステムオブジェクト１２とプレディクタオブジェク ト１８がどのように相互作用するかを示している。エキスパートシステムオブジ ェクト１２は、ルールナレッジベース１３に含まれるルールを使用してプレディ クタオブジェクト１８の性能又は構成を適合化するように変更することができる 。例えば、エキスパートシステムオブジェクト１２は、ベストモデル６０が制御 すべきプロセスを正確に記述していないときに、プレディクタオブジェクト１８ に新しい最適なモデルを生成させるルールを含む。 図１６は、エキスパートシステムオブジェクト１２と通信トランスレータオブ ジェクト２６がどのように相互作用するかを示している。エキスパートシステム オブジェクト１２は、通信トランスレータオブジェクト２６に、ＩＳＯ１０Ｂを 識別するＩＳＯリファレンス６２又はＩＳＯ１０Ａが通信を望むリアルワールド デバイス１００を識別するリアルワールドリファレンス６４を与える。通信トラ ンスレータオブジェクト２６は、適当なリファレンス及びスケジュールを記憶し 、ＩＳＯ１０Ｂ又はリアルワールドデバイス１００からデータを検索するリクエ ストをスケジュールする。通信トランスレータオブジェクト２６は、ＩＳＯ１０ Ｂ又はリアルワールドデバイス１００に適したプロトコル６６を使用してＩＳＯ １０Ｂ又はリアルワールドデバイス１００からのデータについてリクエストを生 成する。エキスパートシステムオブジェクト１２は、通信トランスレータオブジ ェクト２６へリクエストーデータコマンドを発行することにより、ＩＳＯ１０Ｂ 又はリアルワールドデバイス１００からデータをリクエストする。適当なサンプ リングデルタにおいて、通信トランスレータオブジェクト２６が、ＩＳＯ１０Ｂ 又はリアルワールドデバイス１００の何れかを適当なものと認識し、データを検 索してそのデータをエキスパートシステムオブジェクト１２へ送る。データをＩ ＳＯ１０Ｂ又はリアルワールドデバイス１００に転送するために、エキスパート システムオブジェクトは、転送データコマンドを使用して、通信すべきデータを 通信トランスレータオブジェクト２６へ送る。エキスパートシステムオブジェク ト１２は、必要なときにデマンドに応じてデータを読み書きする非同期リクエス トを行うことができる。 図１７は、エキスパートシステムオブジェクト１２とセンサオブジェクト２５ がどのように相互作用するかを示している。エキスパートシステムオブジェクト １２は、ルールナレッジベース１３に含まれるルールを使用して、データ記憶７ ４におけるセンサオブジェクト２５の現在のデータ又は履歴及び統計データ処理 ７２における履歴及び／又は統計データの任意の組み合わせに基づいて作用する ことができる。 図１８は、適合モデルオブジェクト２０と通信トランスレータオブジェクト２ ６がどのように相互作用するかを示している。適合モデルオブジェクト２０は、 通信トランスレータオブジェクト２６に、ＩＯＳ１０Ａが通信を望むＩＳＯ１０ Ｂ又はリアルワールドデバイス１００を識別するＩＳＯリファレンス６２又はリ アルワールドリファレンス６４を与える。通信トランスレータオブジェクト２６ は、適当なリファレンスを記憶し、リクエストされたＩＳＯ１０Ｂ又はリアルワ ールドデバイス１００からデータを検索するリクエストをスケジュールし、ＩＳ Ｏ１０Ｂ又はリアルワールドデバイス１００に適したプロトコル６６を使用して ＩＳＯ１０Ｂ又はリアルワールドデバイス１００からのデータに対するリクエス トを生成する。適当なサンプリングデルタにおいて、通信トランスレータオブジ ェクト２６が、ＩＳＯ１０Ｂ又はリアルワールドデバイス１００を突き止めて、 データを検索して、そのデータを、リクエストする適合モデルオブジェクト２０ へ送る。データをＩＳＯ１０Ｂ又はリアルワールドデバイス１００に転送するた めに、適合モデルオブジェクト２０は、転送−データコマンドを使用してそのデ ータを通信トランスレータオブジェクト２６へ送り、適合モデルオブジェクト２ ０は、リクエストーデータコマンドを発行することにより、ＩＳＯ１０Ｂ又はリ アルモードデバイス１００をリクエストする。必要なときにデマンドに応じてデ ータを読み書きする非同期リクエストを行うことができる。 図１９は、適合モデルオブジェクト２０とセンサオブジェクト２５がどのよう に相互作用するかを示している。適合モデルオブジェクト２０は、ＩＳＯ１０に 、ＩＳＯ１０及びそのセンサオブジェクトが表わすプロセスを記述し、モデル化 し及び予測する能力を与える。適合モデルオブジェクト２０は、その適合モデル をトレーニングしてその関連のプロセスを制御する方法を学習するのに必要なデ ータを生成する。適合モデルオブジェクト20は、適合モデルオブジェクト２０の トレーニングデータ５８においてトレーニングするためにデータを記憶し、適合 モデルオブジェクト２０は、どのような適合モデルオブジェクト２０を学習した ものの正確さをテストするのに必要なデータを生成し、このデータを適合モデル オブジェクト２０のテスティングデータ５６に記憶する。トレーニングデータ５ ８及び／又はテスティングデータ５６を生成するために、適合モデルオブジェク ト２０は、適合モデルオブジェクト２０の入力リストで構成される１つ以上のセ ンサオブジェクト２５を調べる。この入力は、適合モデルオブジェクト２０と関 連するプロセスをシミュレートするか又は予測するときに、適合モデルオブジェ クト２０を初期化するのに必要なデータを与える。適合モデルオブジェクト２０ は、又、適合モデルオブジェクト２０の出力リストで構成される１つ以上のセン サオブジェクト２５を調べる。この出力は、適合モデルオブジェクト２０が記述 されるべきデータを与える。トレーニングデータ５８又はテストデータ５６にお けるエントリは、サンプリングインターバルデルタからの入力とその対応する出 力を含む。 図２０は、プレディクタオブジェクト１８と通信トランスレータオブジェクト ２６とがどのように相互通信するかを示している。プレディクタオブジェクト１ ８は、通信トランスレータオブジェクト２６に、ＩＳＯ１０Ａが通信を望んでい るＩＳＯ１０Ｂを識別するＩＳＯリファレンス６２を与える。通信トランスレー タオブジェクト２６は、ＩＳＯリファレンス６２を記憶して、必要な場合には、 ＩＳＯ１０Ｂからデータを検索するリクエストをスケジュールし、ＩＳＯ１０Ａ が知っているＩＳＯ１０Ｂに適したプロトコル６６を使用してＩＳＯ１０Ｂから のデータに対するリクエストを生成する。適当なサンプリングデルタにおいて、 通信トランスレータオブジェクト２６は、ＩＳＯ１０Ｂを突き止めて、データを 検索し、そのデータをリクエストするプレディクタオブジェクト１８に送る。デ ータをＩＳＯ１０Ｂに転送するために、プレディクタオブジェクト１８は、転送 データコマンドを使用してそのデータを通信トランスレータオブジェクト２６へ 送り、プレディクタオブジェクト１８は、リクエストデータコマンドを発行する ことによりＩＳＯ１０Ｂからデータをリクエストする。必要なときにデマンドに 応じてデータを読み書きする非同期リクエストを行うことができる。 図２１は、プレディクタオブジェクト１８とセンサオブジェクト２５がどのよ うに相互作用するかを示している。プレディクタオブジェクト１８は、ＩＳＯ１ ０に、ＩＳＯ１０が表わすプロセスの適合モデルとその適合モデルのデータを与 える。プレディクタオブジェクト１８は、１つ以上の適合モデルオブジェクト２ ０と関連することができ、そのサンプリングデルタに対するベストモデル６０、 すなわち、現在もっとも正確に予測しているプレディクタ１８と関連する適台モ デルオブジェクト２０のすべてのうちのどれか１つを識別する。プレディクタオ ブジェクト１８は、ベストモデル６０を選択するとともに現在のベストモデルの 効率及びプレディクタオフジェクト１８の効率を記録するのに関係するデータを 記憶するセンサオフジェクト２５を生成できる。現在のベストモデルの効率とプ レディクタ１８の効率との間の相違は、現在のベストモデルの効率はそのモデル の性能に単独で関係しているが、プレディクタオブジェクト１８の効率は必ずし も１つのみのモデルに帰するものではなく、プレディクタオブジェクト１８の性 能の履歴に関係することである。従って、プレディクタオブジェクト１８の効率 は、プレディクタオブジェクト１８のベストモデル６０として選択されたモデル の各々の履歴を要約する。 図２２は、センサオブジェクト２５と通信トランスレータオブジェクト２６と がどのように相互作用するかを示している。センサオブジェクト２５は、リアル ワールドリファレンス６４、すなわち、リアルワールドデバイス１００において データを識別するのに必要な特徴データ、を通信トランスレータオブジェクト２ ６に与える。通信トランスレータオブジェクト２６は、リファレンスを記憶し、 必要な場合には、リアルワールドデバイス１００からデータを検索するリクエス トをスケジュールし、通信トランスレータオブジェクト２６は、通信オブジェク ト２６に知られているリアルワールドデバイス１００のプロトコル６６を使用し て、リアルワールドデバイス１００からのデータに対するリクエストを生成する 。適当なサンプリングデルタにおいて、通信トランスレータオブジェクト２６は 、リアルワールドデバイス１００を突き止め、データを検索し、そのデータをセ ンサオブジェクト２５に送る。必要なときには、センサオブジェクト２５は、デ マンドに応じて読み書きする非同期リクエストを行うことができる。データをリ アルワールドデバイス１００へ転送するために、センサオブジェクト２５は、転 送データコマンドを使用して、通信すべきデータを通信トランスレータオブジェ クト２６へ送る。センサオブジェクト２５は、リクエストデータコマンドを発行 することにより、リアルワールドデバイス１００からデータをリクエストする。 データがリクエストされているか又は転送されているかについて、センサオブジ ェクト２５は、適当な計算／フィルタリング７０の方法論を適用し、その結果を そのデータ記憶７４に記憶する。 相互接続されたＩＳＯ１０の機能性は、それらが表わし、モデル化し、最適化 し及び制御するリアルワールドエンティティの制御を与える。本発明は、ユーザ に、直覚的なグラフィックユーザインタフェースを与えて、本発明で実施される プロセス制御最適化システムを初期化しそれと相互作用して、ＩＳＯ１０の相互 接続を達成する。本発明は、ユーザにグラフィックインタフェースの操作を可能 とし、ＩＳＯ１０及びＩＳＯ１０のグループを初期化するとともに、ＩＳＯ１０ の間の情報流れの形式、順序、及び優先順位を確立することにより、制御すべき プロセスを図的に表現する能力を与える。図２３ないし図２７は、ユーザが本発 明のグラフィックユーザインタフェースを介して本発明とどのように関係するか の例を示している。 図２３は、本発明のグラフィックユーザインタフェースを示しており、それに より、ユーザは、ＩＳＯ１０を構成し初期化する。一般的に、ユーザは、メニュ ー８０から１つ以上のメニューオプション８２を選択し、一般的なＩＳＯ１０を 構成図に加える。各ＩＳＯ１０は、適合した最適なソフトウェアシステム又はユ ーザのいずれかにより供給される固有の識別子を有することができる。その後、 メニュー８０からのメニューオプション８２を使用して、ユーザは、ＩＳＯ１０ Ａのセンサオブジェクト２５、エキスパートシステムオブジェクト１２、ルール ナレッジベース１３、プレディクタオブジェクト１８、適合モデルオブジェクト 20及び最適オブジェクト２２の構成を含むＩＳＯ１０Ａの構成を編集できる。 ユーザは、初期システムを構成するときに、ＩＳＯ１０を構成できるけれども 、図２４は、ユーザが本発明のグラフィックユーザインタフェースを使用してど のようにしてＩＳＯ１０の動作をリアルタイムに変更するかの例を示している。 図２４において、グラフィックユーザインタフェースは、前に初期化されて構成 された識別可能なＩＳＯ１０を選択し、更にエキスパートシステムオブジェクト １２についてルールナレッジベースを構成するために使用される。図２４は、Ｉ ＳＯ１０について前に構成されたファジールール１６を示しており、それは、： "If ISO sensor-1 IS low THEN ISO sensor-A IS high" から "If ISO sensor-1 IS low THEN ISO sensor-A IS medium" へ変更されている。同様に、ユーザは、図２４に示されたインタフェースを使用 して、センサオブジェクト２５、プレディクタオブジェクト１８、適合モデルオ ブジェクト２０及び最適オブジェクト２２の構成及び動作を変更することができ る。 いったん、ユーザが２またはそれ以上のＩＳＯ１０を構成したならば、ユーザ はフロー及び／又はＩＳＯ１０の間の階層的な関係を構成することができる。図 ２５は、別のＩＳＯ１０へのフロー接続によって、ＩＳＯ１０を連想するのに使 用されるようなすぐにできる発明者のグラフィカルユーザインターフェースを図 示する。ＩＳＯ１０Ａ及びＩＳＯ１０Ｂという２つのＩＳＯ１０を生成した後、 ユーザは、図２３に図示したようなグラフィカルユーザインターフェースを介し て、ユーザがＩＳＯ１０ＡからＩＳＯ１０Ｂにフロー接続８４を引き出し且つ構 成することを可能にするメニュー８０からメニューオプション８２を選択する。 次いで、ユーザは、マウスのようなポインティングデバイスを使用してＩＳＯ１ ０の上にカーソルを位置決めし、例えばマウスボタンをクリックすることにより 、ＩＳＯ１０Ａを選択するためのポインティングデバイスの選択方法を使用する 。ＩＳＯ１０Ａを選択するために続く間、ユーザはＩＳＯ１０Ｂの上にカーソル を位置決めするためにポインティングデバイスを使用し、次いで、線８４をフロ ー関係を示す図に追加されるべき矢印ポイントで終わらせるように、ポインティ ングデバイスの選択方法を解放する。矢印ポイントは、たとえばＩＳＯ１０Ａか らＩＳＯ１０Ｂのフローの方向を示す。 図２６は、ＩＳＯ１０Ｂ及びＩＳＯ１０ＣとＩＳＯ１０Ａを階層的に関連付け るのに使用されるユーザインターフェースを図示する。この例では、ユーザはま ず、図２３で議論したようにＩＳＯ１０Ａ及びＩＳＯ１０Ｂを生成し且つ構成す る。この例では、ＩＳＯ１０Ａ及びＩＳＯ１０Ｂは更に、図２５で議論したよう にフロー接続を介して互いに関連する。次いで、ユーザは、ＩＳＯ１０Ａの上に カーソルを置くためにマウスのようなポインティングデバイスを使用することに よってＩＳＯ１０Ａ及びＩＳＯ１０Ｂを選択し、例えばマウスボタンのようなポ インティングデバイスの選択能力でＩＳＯ１０Ａを選択し、ＩＳＯ１０Ｂに関す る選択プロセスを繰り返す。次いで、ユーザは、ＩＳＯ１０Ｃを生成し且つ表示 するためにメニュー８０からメニューオプション８２を選択し、ＩＳＯ１０Ｃは 階層の一つ上のレベルである。ＩＳＯ１０Ｃは、それらの階層における次の高次 のレベルとしてそれらを論理的に含むことによって、ＩＳＯ１０Ａ及びＩＳＯ１ ０Ｂの両方に関しうる。 ＩＳＯ１０が構成された後、ユーザがセンサ・オブジェクト２５をＩＳＯ１０ に加えることができ、センサ・オブジェクト２５を現実の世界のデバイスに任意 に関係づける。図２７は、現実のデバイスを備えるＩＳＯの１０センサ・オブジ ェクト２５と関連するように使用されている簡単な発明のグラフィカルユーザイ ンターフェースを図示する。この例では、ユーザが、「Ｄａｔａ Ｓｅｒｖｅｒ 」（「データ・サーバ」）８６と名付けられたプルダウン・コンボ・ボックスに おいて現実のデバイスを選択する。そのデバイスのために予め構成されたプロト コルに基づいて、構成フィールド８８はディスプレイの下の部分に現れる。その ように選択されたプロトコルに関して、ユーザは、「ＮＡＭＥ」、「ＡＴＴＲＩ ＢＵＴＥ」及び「ＦＣＭ」のように示されたような、構成フィールド８８の現実 のデバイスの所定の属性を特定する。自動データ検索をスケジュールするための 更新速度が、「Ｕｐｄａｔｅ Ｒａｔｅ」（「更新速度」）９０と名付けられた ボックスで構成される。ユーザが適当に構成されたそれらのオプションを有する とき、ユーザは「Ａｃｃｅｐｔ」ボタン９２を選択する。 好ましい実施形態を示し且つ記載したけれども、種々の変形及び置換は、本発 明の範囲及び目的から逸脱することなく行われうる。従って、本発明を図示した 方法にのみ限定すべきでないことは理解されるであろう。 ６．産業への適応性 本発明の産業への適用の例として、鉱物処理プロセス制御システムを必要とす る鉱物処理プラントを稼働する会社が、本発明を即座に使用する範囲に眼識を有 する。この例に関して、会社の鉱物処理プラントは、研削プロセスと浮揚プロセ スという２つのプロセス回路を有する。 鉱物処理プラントを稼働するビジネスの目的は、高い生産性を同時に達成し、 供給岩石の価値のある鉱物の最高の量を取り出し、可能な限り最高の品質をもた らし、原材料を保つことを含む。この例に関して、プラントレイアウトは、末加 工の供給材料が研削プロセスを介して処理され、次いで、浮揚プロセスを介して 処理されると仮定する。更に、会社のビジネスの目的は、幾分相互背反である。 例えば、製造速度を増加させることにより回収が低下し、回収を増加させること により品質の低下を導くことになる。 更に、原材料を保つことは、製造速度を最大にすることと、最高の回収を達成 し、最高の品質を生み出すことと不和である。製造、回収、品質及び原材料の消 費の徐々に増加する変化の間の経済的な関係は、複雑で同時に達成するのに困難 である。 適応オブジェクト指向ソフトウェアシステムは、その検索及び浮揚プロセスを 備える鉱物処理プラントを表すＩＳＯを構成するのに使用される。ＩＳＯは、材 料の流れ、情報、並びに、ＩＳＯの間の階層的な関係を表すためにグラフィカル ドローイングインターフェースに位置決めされる。ドローイングに加えられた詳 細のレベルは、制御されるべきプロセスに基づき、制御目標はプロセスを最適化 するのに使用される。 考慮されるべき例に関して、鉱物処理プラントを表すＩＳＯが生成され、又は 、研削プロセス及び浮揚プロセスを表すＩＳＯが図面に引かれる。鉱物処理プラ ントＩＳＯ内に位置決めされうるこれらの研削プロセス及び浮揚プロセスＩＳＯ は、鉱物処理プラントが研削及び浮揚プロセスを有するという事実を表す。 各プロセス回路及び、研削及び浮揚プロセスに関連する装置に関するＩＳＯが また生成されうる。次いで、全てのＩＳＯが、階層と、プラントを介して材料及 び情報の流れを図示するために位置決めされる。 鉱物処理プラント処理回路及び装置に関連する器具及びデータを表す実在のデ バイスが、センサ・オブジェクトを介して適当なＩＳＯと関連する。通信変換オ ブジェクトは、実在のデバイスと適応最適ソフトウェアシステムとの間で変換さ れるべきデータを提供する。更に、各ＩＳＯの目標を定義するデータを表すセン サ・オブジェクトは、プロセスの最適化を容易にするように構成される。 エキスパートシステム・オブジェクトにおいてファジィ理論を用いて組み立て られた制御ストラテジルール、又は、クリスプ理論型ルールは、ＩＳＯに関して 適当な制御の範囲を実行するためにＩＳＯに関して構成される。例えば、エキス パートシステム・オブジェクトの制御ストラテジ・ルールは、処理又は装置に負 荷がかかり過ぎたとき、稼働の期間を識別するために研削及び浮揚プロセスに関 して構成されうる。更に、これらのルールは、適応モデルが処理の性能を正確に 予測する間中、処理を制御するために構成されうる。 予測オブジェクト及び適応モデル・オブジェクトは、ＩＳＯが現れるプロセス を形作るためにＩＳＯに関して構成される。適応モデル予測は、将来の性能を予 測する能力を備えるＩＳＯを提供し、それらを表すＩＳＯの性能目標を定義する データを含む。 最適化オブジェクト及び最適化の目標は、プロセスの最高の性能を生み出す条 件を探すためにＩＳＯに関して構成される。選択された条件は、プロセスに対し て直接送信され、又は、ＩＳＯセンサ・オブジェクトにストアされうる。DETAILED DESCRIPTION OF THE INVENTION Adaptive Object Oriented Optimization Software System Background of the Invention 1. Technical field The present invention generally relates to a process control system. In particular, the present invention relates to a process control optimization system using an adaptive optimization software system. More specifically, the present invention relates to an adaptive optimization software system including an intelligent software object (hereinafter, referred to as ISO or ISOs). These ISOs are arranged in a hierarchical relationship so that the goal pursuit behavior of each ISO can be changed by higher ISOs in the ISO hierarchical structure. Furthermore, the present invention relates to ISOs comprising internal software objects including expert system objects, adaptive model objects, optimizer objects, president objects, sensor objects and communication / translation objects. More specifically, the present invention relates to a method for human interaction with an adaptive optimization software system as described above. 2. Background art Process control systems are used in a variety of applications to sense process conditions and adjust process operating parameters to optimize performance for a given set of goals. Many of the currently commonly used process control systems use a static representation of the process to be controlled and do not use changes in the process control model in real time. In conventional adaptive control theory, a suitable controller structure is selected, its parameters are adjusted using static rules, and the output of the process asymptotically follows the output of the model reference. I have. Static rules do not allow the process control system to automatically and optimally adapt to changing process conditions. Aside from adaptability, one significant drawback of conventional process control systems is that they can be intuitively recognized for initially configuring the system or interacting with the system in real time. It has no user interface. Another significant drawback of conventional process control systems is that, apart from adaptability, the process control system cannot automatically perform control actions, and in doing so, requires management objectives and This means that the process control system is not a global goal pursuit mechanism that makes the process control system a powerful integrated system in order to achieve the best optimization that matches the goal. Furthermore, many conventional process control systems have limited levels of control points, components, and / or system modeling or control hierarchies. Thus, many conventional process control systems, apart from adaptability, cannot perform simultaneous multi-level optimizations from a specific component-oriented narrow level to the widest global level. Conventional process control systems consist of separate components (ie, sensors, controllers) that operate separately and lack low-level optimization. Some systems optimize at the global system level regardless of optimization at each component level, while others still only optimize at the component level. The Global Goal Pursuit mechanism does not make each part a powerful integrated system to achieve management objectives, so the whole process is best optimized and higher or system level optimized and lower or component level No integration with optimization can be achieved. Many systems that provide some degree of simultaneous multi-level optimization are based on expert systems that can use one or more modeling methods, including neural networks and other predictive modeling techniques, a variety of methods, including adaptive models. Rather than relying on only one or two methods to achieve the desired simultaneous multi-level optimization. Among a limited number of systems that use various methods, interactive di- rects to dynamically change the selected predictive model in real time without having to shut down the controlled process or process control system. No process control system uses the furling method. Furthermore, many current conventional process control systems rely on human operators to determine and implement optimal set points in real time through the domain of the process control system. These process control systems require human intervention to optimize processes and systems. Thus, there are significant differences in the human operator's experience and reasoning for control, which introduces a wider range of variables due to artificial factors into the overall effectiveness of the process control system. Expert systems offer significant improvements over conventional process control systems that do not use expert systems. However, many current process control systems do not use expert systems to support the adaptability of process control algorithm operation, algorithm selection, or algorithm parameter estimation. Also, current process control systems that use expert systems, once installed, cannot adaptively optimize their expert systems and their algorithms in an automated and systematic manner. Things. Neural networks are powerful modeling used to enable a process model to accurately predict the performance of its modeled process at any time. However, neural networks have the well-known problem of "memorizing" and becoming "static" and failing to find a modified deferring model that predicts process performance more accurately from time to time. ing. Furthermore, since a neural network, by its very nature, functions properly, it depends on the user's knowledge, and the user's knowledge cannot be guaranteed. Therefore, a system based on the neural network must rely on the user's knowledge. It is. Furthermore, some neural networks require weights to be used for evaluation of the neural network, which are derived from both the constraints to be implemented and the data functions required for the solution. These may not be available as inputs to the network, so if you don't know how to calculate these weights in real time, apply neural networks to your process control system. Is restricted. 3. Disclosure of the invention Accordingly, one object of the present invention is to provide a process control optimization system that uses a dynamic representation of the process to be controlled, and thus allows the process control model used to change in real time. is there. Another object of the present invention is to provide a process control optimization system that can automatically and optimally adapt to changing process conditions. It is yet another object of the present invention to provide a process control optimization system having an intuitively recognizable user interface that allows the system to be initially configured and interact with the system in real time. That is. Yet another object of the present invention is to provide a process control optimization system having a global goal pursuit mechanism such as a process control system into a powerful integrated system that achieves the highest optimization that is tailored to management objectives and goals. It is. It is yet another object of the present invention to provide a process control optimization system having a substantially unlimited number of component level process control points and a substantially unlimited level of modeling and control hierarchies. It is yet another object of the present invention to provide a process control optimization system that is capable of performing simultaneous multi-level optimizations from a narrow range of levels to the widest global level in a particular component orientation. It is yet another object of the present invention to provide a process control optimization system that can achieve the highest optimization and the integration of low or component level optimization with higher or system level optimization. . It is yet another object of the present invention to provide an expert system that can use one or more modeling methods, including neural networks and other predictive modeling techniques, the aforementioned simultaneous multi-use using various methods, including adaptive models. It is to provide a process control optimization system with a level optimization. It is yet another object of the present invention to provide one or more interactive deferents for dynamically changing a selected predictive model in real time without having to shut down a controlled process or process control system. Make the ring method available to the process control optimization system. It is yet another object of the present invention to provide a process control optimization system that optimizes processes and systems to conform to management objectives without the need for continuous human intervention. It is yet another object of the present invention to provide a process control optimization system that uses an expert system to assist in adapting algorithm operation, algorithm selection and algorithm parameter estimation. It is yet another object of the present invention to provide a process control optimization system that takes an automatic and systematic approach to adaptively optimize expert systems and expert system algorithms. It is yet another object of the present invention to provide a process control optimization system that adaptively uses a neural network to prevent memoization by the neural network. It is another further and ultimate object of the present invention to provide a process control optimization system that functions correctly without relying on user knowledge. As described in more detail below, the present invention provides a process control optimization system that satisfies the above-mentioned objectives by intelligent software objects (hereinafter referred to as ISO), ISO This is achieved to a considerable extent by including an adaptive optimization software system comprising: a method of initializing the adaptive optimization software system; and a method of human interaction with the adaptive optimization software system. 4. BRIEF DESCRIPTION OF THE FIGURES Reference is now made to the drawings, in which like elements are numbered alike in several. FIG. 1 is a block diagram of internal software objects included in an ISO according to the present invention. FIG. 2 is a block diagram illustrating the interconnection of one ISO to another according to the present invention. FIG. 3 is a block diagram illustrating the interconnection of ISOs arranged in a hierarchy with other ISOs according to the present invention. FIG. 4 is a block diagram illustrating an ISO connected to real world measurement according to the present invention. FIG. 5 is another block diagram illustrating an ISO connected to a real world control device according to the present invention. FIG. 6 is a block diagram illustrating a real world sensor and calculated, practical, predictor optimizer-based state variables according to the present invention. FIG. 7 is a block diagram illustrating ISOs connected to each other through a remote connection according to the present invention. FIG. 8 is a block diagram showing a flow between ISOs organized in a hierarchy according to the present invention. FIG. 9 is a block diagram illustrating how an optimizer object and an expert object interact. FIG. 10 is a block diagram showing how the adaptive model object and the predictor object interact. FIG. 11 is a block diagram illustrating how the optimizer object and the adaptive model object interact. FIG. 12 is a block diagram illustrating how an optimizer object and a communication translator object interact. FIG. 13 is a block diagram showing how an optimizer object and a sensor object interact. FIG. 14 is a block diagram showing how expert system objects and adaptive model objects interact. FIG. 15 is a block diagram showing how expert system objects and predictor objects interact. FIG. 16 is a block diagram illustrating how the expert system object and the communicator translator object interact. FIG. 17 is a block diagram showing how expert system objects and sensor objects interact. FIG. 18 is a block diagram showing how the adaptive model object and the communicator translator object interact. FIG. 19 is a block diagram showing how the expert adaptive model and the sensor object interact. FIG. 20 is a block diagram showing how a predictor object and a communicator translator object interact. FIG. 21 is a block diagram showing how the expert predictor and the sensor object interact. FIG. 22 is a block diagram illustrating how a sensor object and a communicator translator object interact. FIG. 23 is a display of the graphical user interface of the present invention showing how the user initializes the ISO. FIG. 24 is a display of the graphical user interface of the present invention showing how a user associates a sensor object with a real world device. FIG. 25 is a graphical user interface display of the present invention showing how a user associates a first ISO with a second ISO through a flow connection. FIG. 26 is a display of a graphical user interface of the present invention showing how a user hierarchically initializes a first ISO and a second ISO to a third ISO. FIG. 27 is a graphical user interface display of the present invention showing how a user interfaces with an ISO to change the behavior of the ISO in real time. 5. Best mode for implementing the present invention Adaptive process control systems use a computer-based model of the process to be controlled, where parametric or structural uncertainties are present in the model used to represent the process. Even help control the process. Adaptive process control systems, given a set of goals and objectives, modify their models to adapt to current process conditions and optimize process performance. In conventional adaptive control theory, an appropriate controller structure was selected and the parameters of the controller were adjusted using adaptive rules such that the output of the process asymptotically followed the reference output of the model. As can be seen with reference to FIG. 1, the adaptive optimization software system of the present invention includes an intelligent software object, ie, ISO10. The ISO 10 provides various functions useful for control and / or optimization applications, and may be connected to each other or grouped in various ways. These ISOs 10 have internal software objects. In a preferred embodiment, the present invention uses a software programming methodology known as object-oriented programming, which is generally used to implement ISO10 internal software objects. TM Implemented using a computer language such as C ++ Thus, Generate an adaptive object-oriented optimization software system. Software objects are Both internal software objects and other software objects It is believed (although this need not be the case) that it may be limited to "object-oriented" software objects, Also, This is within the scope of the applicant's intention. The adaptive optimization software system of the present invention comprises: Performing its control function by having one or more ISOs 10 configured to cooperatively display the process to be controlled; Also, Optimization is In addition to between the ISOs 10 configured and operating as a system, It is also achieved through cooperation between internal software objects of ISO10. The ISO 10 of the present invention is: Events associated with the process, Concrete components, And / or The records of the abstract components represented by those ISO 10 It can be kept configurably. Each ISO 10 is configured with a sensor object 25 described in more detail below. This sensor object 25 It acts as a data manager of the state of the controlled process, including the state of the control variables for that process. Using these sensor objects 25, ISO10 expert system object 12, Predictor object 18, Adaptive model object 20, And the optimizer object 22 cooperate with each other, Produce the desired process state, Or A new state for the control variable that achieves the process goal, Discover, Calculate, Interpret, Pull out. Real world process, Concrete components, And / or In addition to the abstract components, The adaptive optimization software system of the present invention comprises: Designed to monitor its own performance and modify its own initial configuration appropriately Its initial optimization objectives, Its current optimization objectives, And improve performance according to the objectives specified by the system user. Please refer to FIG. As shown in this figure, A block diagram of an exemplary ISO is shown at 10. The internal software objects of ISO 10 allow each ISO 10 to display almost everything conceivable. The exemplary ISO 10 attributes are generally described first, afterwards, A description of a particular ISO 10 exemplary organization follows. ISO 10 is the basic building block component of the adaptive optimization software system of the present invention. Each ISO 10 Physical things, Abstract things, Or you can display and model conceptual things, Also, Can be enabled, Being disabled, Or, Sometimes not configured at all, Described in more detail below, Multiple internal software objects, Can be prepared initially. The internal software object of ISO10 is Crisp logic rule 14, And / or An expert system object 12 that can utilize one or more rule knowledge bases 13 including fuzzy logic rules 16; Using multiple simultaneous different modeling methodologies, Generate an adaptive model that "competes" in real time with the adaptive model in ISO10, Currently, Past, as well as, A real-time process outcome can be predicted based on the predicted process parameters, Adaptive model object 20; From the adaptive model object 20, Selecting a competitive adaptive model that best predicts the measured real-time process results, Predictor object 18; Process to be optimized, Calculation, Or determining the optimal parameters to be used by ISO 10 for a given state of the component; Optimizer object 22; A communication translator object 26 that can handle communication between the ISO 10 and something outside the ISO 10; and, A sensor object 25 that acts somewhat as an intelligent data storage device and search warehouse; including. The functionality of internal software objects exists in ISO10, The enabling of these functionalities is Configurable, To the user Or Optionally, it is left on the ISO 10 itself through its expert system object 12. The user interface of the adaptive object oriented optimization software of the present invention, described in more detail below, comprises: Initially provide the user with an initial set of ISO10 internal software objects. afterwards, The user From this initial set of possible internal software objects specific ISO 10, Or By forming the ISO 10 group, Display ISO10, Model ISO10, Also, This ISO10 process, Concrete components (for example, Car), Or Abstract components (for example, Mile / gallon calculation) plant, procedure, idea, Or Real life like a system, That is, Show abstract processes. Machinery and equipment, Electrical equipment, Controllable processes, Abstract computation, Or Almost anything to be controlled or optimized can be displayed by the ISO 10. Like many state-of-the-art process control systems, ISO10 is A computer based on the expert system 12 is used. Expert system Calculating a set of steps, including setting the optimal set point; When running, Using an inference engine and programmed rules, This is a specialized control program for approaching the operation of an expert operator. In a preferred embodiment, There is only one expert system object 12. The expert system object 12 One or more rule knowledge bases 13 can be used. The expert system object 12 Modeling of IS O10, prediction, optimisation, Achieve control and activate An intelligent scripting environment is provided that affects the behavior of the ISO within the adaptive optimization software system of the present invention. Furthermore, The expert system object 12 For intelligent storage of the sensor object 25 for data that the ISO 10 encounters or generates overtime, Provide a scripting environment. The expert system object 12 You can "remember" by storing data about their own operations. These data are Accessible to other internal software objects within the same ISO 10, such as the expert system object 12, or other ISO 10, No direct access by the user is possible. As those skilled in the art know, The rules for fuzzy or crisp expert systems are: Expert knowledge, Textbook related, Process model, Reflects elements of local plant knowledge. Furthermore, As shown in FIG. The rule knowledge base 13 of the expert system object 12 Crisp rule 14, Fuzzy 16, Or using both, Define its own knowledge and its state variables, Define knowledge about the interaction of ISO10 internal software objects within ISO10, Defining knowledge about interaction with other ISO10s, With its own meta-knowledge, It defines how to be "alive" in the computing environment and in the adaptive optimization software system. The expert system object 12 also Itself (for example, Past state of its full state), The current value, Given the value of the prediction, Provide the ability to choose, Act according to the choices made to affect the movement of the ISO 10. The rule knowledge base 13 of the expert system object 12 Languages written in crisp or fuzzy terms, Includes mathematical and / or symbolic rules. The rules are User configurable, Well-known control rules (for example, if condition = overflo w then turn-on-value If the state overflows, Change value)) Business rules (for example, if cost-per-unit> 4 then use-cheaper-materi al (if, If the unit price is greater than 4, It is possible to use cheaper materials))). Furthermore, Fuzzy terms are It represents both fuzzy logic constructs, such as fuzzy logic relational functions and fuzzy sets, and fuzzy constructs. The key to incorporating a process model into an adaptive optimization software system is The assumption is that the process model accurately predicts the performance of the modeled process over time. The main features of each of ISO 10 are: Include functionalities that do not limit the methodology for achieving or providing them. The adaptive model object 20 is Experimental model, Phenomenon model, First principles model, System identification model, neural network, Linear regression, Using a number of parallel adaptive modeling methodologies, including other modeling methodologies, Desired flexibility can be provided. The capabilities of the adaptive model object 20 are: This is an advantage of the present invention. Since the adaptive model object 20 can use different model methodologies, The actual methodology or methodological parameters are: Can change adaptively and automatically overtime, The methodology is Adapt more precisely and effectively to its desired task. In a preferred embodiment, The active model object 20 is Neural networks are used as their preferred methodology. The neural network of the adaptive model object 20 "learns" Judging by the ability of the neural network to adjust the connection configuration and / or weighting of the neural network from empirical data, Thereby, Generate a "trained" model. The adaptive model object 20 is Train or learn using a training process corresponding to the methodology of the adaptive model object 20. Different adaptive model methodologies have different training processes. However, Typically, The adaptive model object 20 is Using the input of each entry in the set of training data associated with the adaptive model object 20, Simulate the output corresponding to the training dataset entry, Calculate, Predict. The adaptive model object 20 is Using the training process, Update the model parameters, Minimize the difference between the output generated by the adaptive model object 20 and the recorded output. After proper training has taken place, The adaptive model object 20 is A set of test data is used to validate the adaptive model so generated. The adaptive model object 20 is Simulate the output for each entry in the test dataset, Calculate, Or predict, And Using the difference or error between the output generated by the adaptive model and the entry in the test dataset, Determine the capacity of the adaptive model, Accurately simulate or predict the process. The adaptive model object 20 is Including trained adaptive models, By storing data about their own operations, You can "remember." These data are Accessible to other internal software objects within the same ISO 10, such as the adaptive model object 20, or to another ISO 10, Users cannot access it directly. Each of ISO 10 Input state variables, which are data given to the adaptive model to initialize the model, Output state variables, which are data generated by the adaptive model, It has control state variables related to goals or objectives. Each of ISO 10 Given the latest status and the desired future status, With one or more predicted objects 18, Also, With one or more adaptive model objects 20 associated with the prediction object 18 that knows the relationship between the input or control state variables and the output state variables, Including the ability to predict its future state. Using that different methodology, The adaptive model object 20 is Generate a variety of different "competing" adaptation models that attempt to accomplish a particular task in the best possible way. And The prediction object 18 associated with the adaptive model object 20 is Choose an individual adaptation model that best fits the actual data to a given sampling delta. As in the preferred embodiment, The sampling delta may be time, trout, volume, Color, Flow rate, sound, Or any delta, such as a dollar change. The prediction object 18 and the adaptive model object 20 are For the data required in the training methodology used by the prediction object 18 and the adaptive model object 20, Along with the other ISOs 10 and their sensor objects 25, By sending a response command signal to the sensor object 25, It has the ability to learn how to model the processes represented by the prediction object 18 and the adaptive model object 20. The prediction object 20 is You can "remember" by storing data about their own operations. These data are Accessible to other internal software objects within the same ISO 10, such as the prediction object 20, or to another ISO 10, Users cannot access it directly. Although the individual adaptation models compete with each other, ISO10 is By teaching other ISO10s, That is, Providing the trained model 24 to another ISO 10; Thereby, Allowing a given ISO 10 to use another ISO 10 trained model 24, By working together to achieve the goals and functionalities of an adaptive object-oriented software system, Cooperate with ISO10 at the same or different hierarchical levels. The optimization process control system To match your management goals, An optimization control operation must be performed. In the present invention, The optimization object 22 is The selected adaptive model of the prediction object 18 is used. The model is Given the up-to-date state of the ISO10 inputs, Best model the processing for the optimization object 22; Determine the best value to use, For example, Achieve desired ISO 10 future state conditions, such as control setpoints. The optimization object 22 can use a number of optimization methodologies, In a preferred embodiment, The optimization object 22 uses a genetic algorithm to Provide their adaptive ability. The optimization object 22 also Other ISO 10 internal software objects can be affected. For example, The optimization object 22 is The rules of the expert system object 12, Fuzzy logic relation function, Or by changing the fuzzy set, Can affect expert system objects, Or By changing the adaptive modeling methodology to be used, It is possible to influence the adaptive model object 20. The optimization object 22 is By remembering their own operations, You can "remember." These data are Accessible to other internal software objects within the same ISO 10, such as the optimization object 22, or to another ISO 10, Users cannot access it directly. ISO10 also Including several sensor objects 25, Collect input and output status of ISO10, Remember, Can be managed. The sensor object 25 is It operates as a data storage device and a search moderator. The search moderator Data reflecting the latest state of ISO10 or real world equipment, Calculated data, such as a more abstract latest unit price, Hierarchical data that can be set by the user or the ISO 10 itself, It can be provided to ISO 10 and its internal software objects. Each sensor object 25 is Can include built-in state variables. Built-in state variables include: State variables representing the software representation of its own World Outside ISO 10 (ie, Real world sensor values), A state variable determined by itself (ie, Algorithmically), State variables provided to it by other ISOs 10 are included. The economic state variable is This is an important capability of each ISO10. The economic state variable is For example, A new value based on a calculated value "per unit" or the cost of another state variable. The sensor object 25 also The history statistical knowledge about the state variables of the ISO 10 itself is retained. Its state variables include: Includes ISO 10's built-in expression and knowledge of values and costs. As a moderator, The sensor object 25 is Remember the data, Providing the stored data for use with ISO 10; Filter the data, Calculate, Can be processed statistically. ISO10 is One sensor object 25 is held for each of the state variables. Its state variables include: The state variables of each instrument or actuator for which the ISO 10 is responsible are included. The sensor object 25 is An “input” sensor connected to and managing data received as input by the ISO 10; An "output" sensor connected to and managing the data output by ISO 10 or the internals of ISO 10; Using the communication translator object 26, The data of the sensor object 25 can be connected to a real world device such as an instrument or an actuator, Thereby, Create a link between ISO10 and the world. The sensor object 25 is For example, As a single value such as "1", Or For example, Red, Blue, Storing as a set or range of values, such as a color variable consisting of a set of green values; Can be adjusted. The sensor object 25 also The main internal software object of ISO10 that allows the user to interface with the data of ISO10. Furthermore, The sensor object 25 is an ISO10 adaptive model prediction used in ISO10, Store the adaptive model parameters and / or adaptive model states. The ISO 10 also holds the output or result from every prediction object 18, Then, the optimization object 22 is held as the ISO 10 state. The expert system object 12 Integrating the sensor object 25 when achieving the goal described by the rules contained therein, And can be used. The data of the sensor object 25 is usually integer, Floating point, string, A symbol or an array of any of these, The sensor object 25 is one of the internal software objects of all ISO10NISO10, Alternatively, a list of ISO 10 or their internal software objects can be stored. As further shown in FIG. Each of the ISO 10 The communication / translation object 26 is provided. Trying to monitor, Or between a given real world process or component that is to be controlled in real time and ISO10, Abstract data sources (eg, Between a calculated or simulated data source) and ISO 10; And between ISO10 and other ISO10, The communication / translation object 26 can communicate synchronously or asynchronously. Therefore, series, Parallel, Regional networks, Wide area network, And radio frequency, modem, satellite, wire, Communication and translation objects 26 communicate synchronously or asynchronously via other hardware interfaces required by the optimal adaptation software, including fiber optics and telemetry (these are not limiting listings). be able to. The communication of the communication / translation object 26 depends on the ability of the receiving subject, Can be coded, May not be coded. Communication between the ISO 10 is coded according to a communication protocol unique to the ISO 10. Communication between the ISO 10 and the non-ISO 10 is based on the communication protocol required by the non-ISO (for example, Numbers, Alphabet and numeric text, String, Visual of images and sounds, And invisible display) series, Parallel, Includes regional and wide area network protocols. When ISO10 encounters a new input source, The communication and translation object 26 provides a framework that allows a new way of communication to be added to the ISO 10. Communication and translation objects 26 can be "remembered" by accumulating their own actions. These data are To other internal software objects in the same ISO 10 as the communication / translation object 26, Maybe you can access other ISO10, No direct access by users. ISO10 is another ISO10, And you can usually communicate with real world devices via communication translator 26, The ISO 10 internal software component knows the attributes and behavior of the ISO 10 internal software object, It can communicate directly with other ISO 10 internal software components. For example, An optimization object 22 of one ISO 10 (as the optimization object 22 They are aware of how they need the data, And knows) can pass the data to another ISO 10 optimization object 22, Even if it is configured that way, No intervening communication / translator 26 is required. Each ISO10 interacts with its environment and other ISO10s in various ways, Maybe talk. ISO 10 is given its own meta-knowledge, which itself contains its own rules, And the computer environment and the other ISO 10 and it are compared each other, If you are given a way to interact, Make itself, Or copy itself, Or can be copied. In fact, ISO10 works with a distributed sense, Parallel, And / or provided with a computing environment ability that supports decentralized processing. Therefore, ISO 10 was born anywhere in one or more computer systems, Can live, And interact with other ISO10s in the computer system, Maybe talk. However, It is assumed that the computer system provides a means of communication that is controlled either externally or internally. Thus, ISO 10 can be connected to a physical object with the process to be controlled, Can be taken into it, Alternatively, it can be surrounded hierarchically. For example, ISO 10 is captured (physically located) in a physical device, thereby Providing sensing inputs for the state of ISO 10 and other ISO 10 states outside of the physical device in which it is captured; Turn physical entities, including ISO 10, into intelligent physical entities. Physically placing the ISO 10 in a physical device in this way is a particular application in the field of robots. further, Sensor object 25 data, ISO 10 using predictive object 18 and adaptive model object 20 also simulate and / or predict future process performance, It then determines the effectiveness of the ISO 10 modeling of future process performance. The adaptive optimization software system can be used in simulation mode, In the simulation mode, simulated and / or calculated sensors and actuator data are used instead of real world sensors and actuators. real, Or an idealized system simulation Realistic for ISO10, Or evaluate or query a model of an idea or system, Or real, Or evaluate or query the rules associated with the ideal. Users start with ISO10, Interface to Configurable or in real time, Rules, Modify or change goals and optimization criteria. further, Expert system object 12, Optimization object 22, The prediction object 18 and the adaptive model object 20 communicate, And each other influences the configuration, Adapt, Automatically behaves in real time automatically without human intervention (creating other internal software projects, (Including erasing). For example, The optimization object 22 can change the knowledge base 13 of the rules of the expert system object 12, Then, the expert system object 12 can modify the optimal target of the optimization object 22 that is being sought. Given the adaptability of ISO10, The optimization software system of the present invention can create a new solution for a given problem. In the rule knowledge base 13 of the expert system object 12, And knowledge contained within a particular ISO 10 state value, Objectives and expert system objects 12 working within the procedure are expected objects 18, Adaptation module object 20, Optimization object 22, Create a communication translation object 26 and a sensor object 25, correct, Or even destroy. The internal software object of ISO 10 is defined by the rules of other ISO 10 internal objects, By being able to change the method and optimization criteria, the optimization software system created from ISO 10 can dynamically change its model, And optimization can be achieved in real time without having to stop the process being controlled or the process control system. The continuous mapping of ISO 10 and the construction of the input / output relationship constitute “learning”. The rules used by ISO10, Both the model and the formula, ISO 10 automatically adapts in response to the built-in measurement of the error between the actual sensor reading and the model prediction that occurs after the prediction is made; And it can be represented in a changing way. Therefore, Regardless of the model type, ISO 10 continuously changes its model, Each of its sensor objects 25 better maps these models to a multi-dimensional reality that is being logged continuously. further, With adaptive model object 20, optimization object 22 determines the "optimum state" for a given sampling delta. If the optimal model objective 20 model describes the physical design and the function of the subject represented by ISO 10, And if you include design parameters that affect performance, By actually using the optimization method of ISO10, it is possible to create a better way for ISO10 to perform its basic tasks. Each ISO 10 is given its own "fitness" or definition of performance objectives or goals. Fitness, That is, localized performance objectives are economically based, Mathematical functions are based, The rules are based, Alternatively, when the ISO 10 is configured, it is arbitrarily defined by the user. Are these goals or goals dependent on the user, Or defined in the first configuration, either by a software scripting template, And it is started, By the user, With the expert system object 12 using the rule knowledge base 13, Alternatively, it can be changed in real time by the optimization object 22. In the optimization software system of the present invention, the ISO 10 can influence other ISOs 10. In addition to training its own model, ISO 10 has trained other ISO 10 models, Rule set, By giving a fuzzy logic membership function, Or the sending ISO10 is valid, By giving the other ISO 10 the object and target that the communicating ISO 10 uses to other ISO 10 optimized objects 22 that it considers accurate, ISO10 trains other ISO10, You can teach. ISO 10 can also teach by mapping coded representations (eg, mathematical models) to representations understood by the recipient. An example of this is to map the multidimensional surface of the input of the ISO 10 into a verbal output that contains either a sharp or ambiguous expression. Moving from verbal expressions to mathematical expressions, 2, The results in the form of three or four dimensions can also be plotted. Similarly, ISO10 is another ISO10 objective or goal in the optimization software system, Influence can also be achieved by communicating fitness or performance objectives or goals to those ISOs 10. The invention is intuitive, Contains a graphical user interface, This interface provides formalized procedures to determine the interconnection of ISO10, And by ISO10, Objective functions that are to be handled in ISO10, Set fitness standards and goals. To form an optimized software system, the user configures any of the internal software objects of ISO 10 using the optimized software system user interface, Define and select and enable, And the initial parameters, Goal, Then determine the technique used by the enabled internal software object. Initial parameters of ISO 10; From the set of goals and techniques the user enables a set of internal objects, And their initial set of parameters, Defining goals and techniques, its ISO10, Monitor, The process you want to control optimally, Alternatively, a relationship with another ISO 10 is realized. The user continues this process until the process sought to be controlled is well modeled and the user is satisfied. More specifically, As shown in FIGS. 2 to 8, The user can configure two or more ISOs 10 or groups of ISOs 10 in a manner that mimics the order of information transmission between the elements to be controlled. That is, They model the material or information flow that you want to control, Alternatively, it is the ISO 10 of “flow” connected in a relation corresponding to the description. The "flow" ISO 10 connection is (tactile, Or an ordered sequence of information or material between elements (or non-palpable) And abstraction, Interact with devices and / or real world processes, And the characteristic which controls them is realized. Using the graphic user interface of the present invention, Users can also structurally connect two or more ISOs 10 or groups of ISOs 10 into a hierarchical set of relationships, Turn these ISOs10 into "hierarchical" ISOs10, Therefore, IS Os10 or between ISO10 groups, Define the relationship between priority and effective range. “Hierarchy” ISOs10 Higher tier values, For example, by being composed of a high priority or a high level set of optimal goals, Logically represent other ISOs 10 groups, Incorporate a higher level of abstraction in an adaptive optimal software system. Although, by definition, "hierarchical" ISOs 10 communicate with other ISOs 10 in those hierarchies, Hierarchical ISOs10 are other ISOs10, Communicate with ISOs10 groups or real world devices not in their hierarchy, Alternatively, it may be configured to prevent communication. Therefore, ISO10 is "Flow"ISO10; “Hierarchy” ISO10; Alternatively, they can be connected as a "flow layer" ISO10 that combines the characteristics of the flow ISO10 and the layer ISO10. Logically encompasses ISO10 within other ISO10 (ie, Ability (hierarchically related) Enables virtually unlimited hierarchical levels within the ISO 10 hierarchy. Each ISO10 is Has many sensor objects 25 that are virtually unlimited, And since many IS0s10 that are not really limited can be flow connected to each other, The present invention Provides for many component-level process control set points that are practically unlimited. Therefore, The user configures a suitable optimal software system, After initializing, "Flow" ISOs10 process, Devices and abstractions to be controlled and / or optimized, For example, motor or cost per unit. further, In a typical case, The user Compatible optimization software systems are organized into hierarchical "flow" groups of ISOs10, Initialize, Form a high-level abstraction of the process to be controlled and optimized, Instead, the optimal software system adapted according to the invention, For example, motor ISO10, The entire system controlled by the driver car and 10 and the wheel ISOs10 represents the train, For control, the vehicle is configured in a hierarchy indicating a group of the tow vehicle ISO10 or the ISOs10 including the tow vehicle ISO10 and other ISOs10. In a preferred embodiment, Each ISO 10 focuses on its optimization on the ISOs 10 level below the hierarchy; Very low hierarchical levels of ISOs10 focus on higher optimizations, Apply. Each higher level in the hierarchy is At the top of the adapted optimal software system, The highest level of ISO 10-the "pyramid"-looks for higher level more general goals, Therefore "global", That is, until extensive system optimization is applied, It is positioned less as it increases, Apply the optimizations you encounter more. In this method, A suitable optimal software system embodied in ISO 10 is Local (component) and global, That is, it provides an action for finding a set of goals. Linking the process control system to a powerful unified process control optimal system, On the other hand, global, It achieves high optimization even in harmony with user-defined objects, including aggregated business goals. Initially configured by the user, Changed in conformity with ISO10 or user in real time, The hierarchical nature of the present invention is: Specific elements, From narrow and focused optimization to widest, Provide the desired optimization simultaneously at all levels of optimization to global level optimization. Also, the user can flexibly configure the hierarchy of ISOs10 or a suitable software system different from the top to the bottom, And it can be arbitrarily configured. One of the primary objectives of a suitable optimal software system is: ISOs 10 is to automatically use defined system-wide objectives of individualized optimizing object functions and more globally centralized management; Determine the optimal process set point for the system as a whole. Therefore, Flow ISO10, A software-optimized system for conforming objects, including ISOs10 organized in a hierarchy ISO10 and flow hierarchy ISO10, For optimization goals set up for real-time processes, Continuously evaluate the overall system performance, Global, To achieve user-defined objectives that can include aggregated business goals, Automatically adapt the rules and procedures of each ISOs10, change. using this method, The present invention Automatically optimize processes and systems consistent with management objectives without the need for continued human intervention. The adapted model object 20 is Calculate the steps to model, Because many concurrencies can be used, Conforms to ISOs10, The optimal software system is Achieve simultaneous multi-level optimization. For example, Suppose a company has two operating plants. The user ISO10 as a whole The first, In other words, the highest level hierarchy "pyramid" is associated with the company as ISO10, The next lower level in the hierarchy, ISOs10, That is, individual plants are associated as the second level. for example, Even though each of the second level ISOs 10 has its own optimal control objectives, These optimal control objectives are: It is not necessary to achieve system-wide optimization. Highest level ISO10, Company ISO10 can influence each of the second level ISOs10, Rather than having each of the second level ISOs 10 maintain their own optimal control objectives, Maximize the optimal control objectives for the company as a whole. further, Optimal software systems directed to fitted objects can also be used to simulate real world processes, Works on a simulated real world process, Enable end-user training in working. 1 to 22, letter, Or letters and numbers, For example, according to ISO10A or ISO10B1, References to ISO10 as “ISO10” It means the example of ISO10. Similarly, letter, Or letters and numbers, References to internal software objects are Means the case of the object, For example, Real world equipment 30A1 This is the case of the real world device 30. Referring to FIG. ISO10A to ISO10H are They are connected to each other as flows ISOs10 indicating the commanded flow of information. Between ISOs10, For example, the connection between ISO10A and ISO10C is Specific information flow from one ISO 10 to the other, such as information representing physical items such as parts or materials, Alternatively, it represents abstract information from one ISO to the other, such as instructions or cost constraints. Referring to FIG. ISO10 is "Containers" for other ISO 10 (ie Hierarchically related) for the user, Therefore, Create a hierarchy of ISOs 10 or even a group of ISOs 10. In FIG. "Flow" ISOs 10A to 10A4 are Included hierarchically within ISO10A, It shows ISOs10 included in other ISO10, Therefore, Form a hierarchy between ISO 10 sets. in this case, Internal software objects and other items related to the "Container" ISO 10A Container ISO10, For example, it relates to the group of ISO10 or ISOs10 included in ISO10A to ISO10A4. Internal software objects of container ISOs10A are Purpose, goal, Suppression or instruction (instruction or instruction) is ISO10, That is, it can be used for sending to ISO10A1 to ISO10A4. Referring to FIG. ISOs 10A to 10F are With real world equipment 30A1 and real world equipment 30A2 whose state is dynamically captured by the sensor objects of ISO 10A1 and ISO 10A2, It communicates with ISO 10A and the communication translator objects in 10A. As indicated by ISO10B, Real world state variables are Static like a real world device that represents color, Or it is dynamic like the real world device 30B2 representing pressure. Referring to FIG. ISOs 10A to 10F are In contact with the real world controller, 4 shows a concept of a control operation. For example, Through the communication translator object 26, And the sensor object 25, Expert system object 12, Rule no cash register base 13, Predictor object 18, Using the conforming model object 20 and the optimizer object 22, ISO10A is Send the status value to ISO 10C. ISO10A1 is The control command adjustment speed is sent to the real world controller 32A1 through one of the ISO 10A1 communication translator objects 26. Referring to FIG. An adaptive optimization software system is illustrated. ISO 10A is Real World Instrumentation 30A 1, Real World Instrumentation 30A2, And the economic state variable 34A1, ISO 10B is Real World Instrumentation 30B1, And communicates with Real World Instrumentation 30B2, ISO 10C is Communicating with the economic state variable 34C1, ISO 10D is Has a predicted state variable 36D1 in communication with the real world instrumentation 30D1; ISO 10E is Communicating with the real world instrumentation 30E1 and having an optimizer state variable 38E1, ISO 10F is It communicates with the real world instrumentation 30F1 and has an economic state variable 36F1. Referring to FIG. Multiple ISOs Through the remote connection 40, Communicating with each other (for mutual communication). The remote connection 40 Created in many ways, Without limitation, This includes RF technology, modems, satellites, wireline, fiber optics, telemetry (telemeter technology), local area networks and wide area networks. Referring to FIG. Several ISO 10 They are connected hierarchically. ISO 10 Hierarchically, ISO 2A, ISO 2B, And ISO 2C. ISO 2A is Hierarchically, Including ISO 10A, ISO 2B is Hierarchically, Including ISO 10B, ISO 2C is Hierarchically, Includes ISO 3A and ISO 3B. Furthermore, ISO 3A is Hierarchically, ISO 10C, Including ISO 10D and ISO 10E, ISO 3B is Hierarchically, ISO 10F, Includes ISO 10G and ISO 10H. When ISO 10 is arranged in this way, They are It can represent an abstract concept such as a company, a plant, or a plant area composed of ISOs 10 hierarchically included in a group. A description of the interaction with specific internal software objects of ISO 10 and other internal software objects and with other ISO 10 and real world devices is provided below. FIG. It shows how the optimizer object 22 and the expert system object 12 interact within the ISO 10. The expert system object 12 Goals suitable for ISO 10, Purpose, To achieve business logic, One or more rule knowledge bases 13 can be utilized that hold linguistic rules that provide behavioral and control strategies. Using the crisp logic rule 14 and / or the fuzzy logic rule 16 included in the rule knowledge base 13, The expert system object 12 By changing the definition or configuration of the goal / purpose function 50 of the optimizer object 22, The optimizer object 22 can be modified. For example, The expert system object 12 May be configured using a rule knowledge base 13 including crisp rules 14 and / or fuzzy rules 16, Crisp rules 14 and / or fuzzy rules 16 Modify the goal / objective function 50 of the optimizer object 22 based on raw supply availability associated with the ISO 10 process. FIG. It shows how the adaptive model object 20 and the predictor 18 interact. The predictor object 18 In ISO 10 Provide an adaptive model of the process to be controlled, ISO 10 together represents the data of the adaptive model. Comparing the actual expectations of each current adaptive model of the process to its response, The predictor object 18 Identify which one of its all-adaptive models predicts most accurately, next, The adaptive model is identified as the best model 60 of the predictor object 18. FIG. It shows how the optimizer object 22 and the adaptive model object 20 interact. The optimizer object 22 is Configured with an appropriate goal / objective function 50 for ISO 10 in an adaptive optimization software system. The optimizer object 22 is Can be configured using process constraints 52, The process constraint 52 is Identify restrictions within the process that should be controlled, The optimizer object 22 is Should not be obstructed when working to achieve the specified goal / objective function 50 of ISO 10. FIG. Furthermore, It shows how the optimizer object 22 and the predictor object 18 interact. The optimizer object 22 is By predicting the future performance of process ISO 10 using predictor object 18 and best model 60 of predictor object 18, Determining conditions that best achieve the goal / objective function 50 of the optimizer object 22; The future performance is This is represented based on the conditions that the optimizer object 22 supplies to the predictor object 18. The optimizer object 22 is Without interfering with process constraints 52, The conditions that best achieve the goal / objective function 50 of the optimizer object are: Simulate the future of the process using the adaptive model object 20, Calculate, Or by predicting figure out. The optimizer object 22 is By consulting the predictor object 18 and finding the best model 60 of the predictor object 18, Know which adaptive model object 20 to use. The optimization process is When the optimizer object 22 selects the following trial conditions, the process continues repeatedly, The above trial conditions are: Achieving the goal / objective function 50 of the optimizer object 22, A possible solution is then to pass those trial conditions to the adaptive model object 20. The adaptive model object 20 is Using the condition of the optimizer object 22, Returning the result of the adaptive model object 20 to the optimizer object 22, Simulates the process to be controlled, The optimizer object 22 is next, These results determine whether the desired goal / purpose function 50 of the optimizer object 22 is achieved without interfering with the process constraints 52 of the optimizer object 22. If you do, The optimizer object 22 holds the result, If not, Optimizer object 22 attempts a new set of trial conditions. FIG. The optimizer object 22 and the communication translator object 26 FIG. 4 illustrates how to interact to transmit or receive data from ISO 10A to ISO 10B or from ISO 10A to real world device 100; As used in FIGS. Real World Device 100 A real world control device 32 as well as a real world instrumentation 30 may be included. The optimizer object 22 of ISO 10A is One of the communication translator objects 26 of ISO 10A, Providing an ISO reference 52 identifying the ISO 10B by the ISO 10A wishing to communicate; The communication translator 26 Store ISO reference 52 and schedule request to retrieve data from ISO 10B. Furthermore, The communication translator object 26 is Using a protocol 66 appropriate for ISO 10B that ISO 10A is aware of, Generate a request for data from ISO 10B. At the appropriate sampling delta, The communication translator object 26 Explore ISO 10B, Retrieve data from ISO 10B, The data is passed to the optimizer object 22. When the optimizer object 22 requests data from the ISO 10B by the optimizer object 22 that issues a request data command to the communication translator 26, Data is, Can be retrieved from ISO 10B through communication translator 26, Or When the optimizer object 22 passes data to the communication translator object 26 using a send data command, Data is, It can be communicated to ISO 10B. As illustrated in FIG. The optimizer object 22 of ISO 10A is By providing a real world reference 64 to the ISO 10A communication translator object 26 that identifies the real world device 100, Request data from the real world device 100 or provide data to the device 100; The communication translator object 26 is Store Real World Reference 64, And using a protocol 66 appropriate for the real world device 100 that the ISO 10A is aware of, Schedule a request to retrieve data from or communicate data to the device 100 from the real world device 110. At the appropriate sampling delta, The communication translator object 26 Explore Real World Device 100, Retrieve data from Real World Device 100, The data is passed to the optimizer object 22. By the optimizer object 22 that issues a request data command to the communication translator 26, When the optimizer object 22 requests data from the real world device 100, Data is, Can be retrieved from the real world device 100 through the communication translator 26, Or When the optimizer object 22 passes data to the communication translator object 26 using a send data command, Data is, It can be communicated to the real world device 100. In either case, The optimizer object 22 is Asynchronous requests for reading and writing data can be made on demand when needed. FIG. It shows how the optimizer object 22 and the sensor object 25 interact. The optimizer object 22 is Current data of the sensor object 25 in the data storage device 74, Or Using any combination of historical and / or statistical data in historical and statistical data processing 72, Evaluating the goal / objective function 50 and the process constraint 52 of the optimizer object 22, Optimizer object 22 is optimized. FIG. It shows how the expert system object 12 and the adaptive model object 20 interact. The expert system object 12 One or more rule knowledge bases 13 can be used, The rules contained in the rule knowledge base 13 can be used, Modify the performance and configuration of the adaptive model object 20 to be adaptive. For example, Depending on the configurable or optional conditions, The adaptive model object 20 is It may be necessary to stop sampling for new training data 58 or test data 56. Rules of the expert system object 12 The rules of the knowledge base 13 are as follows: It may be configured to accomplish this action. Furthermore, Rules of the expert system object 12 The rules of the knowledge base 13 are as follows: It may include a rule that stops the training process all depending on the value of the model parameter or the training error. FIG. It shows how the expert system object 12 and the predictor object 18 interact. The expert system object 12 The rules contained in the rule knowledge base 13 can be used to modify the performance or configuration of the predictor object 18 to adapt. For example, The expert system object 12 When the best model 60 does not accurately describe the process to be controlled, Contains rules that cause predictor object 18 to generate a new optimal model. FIG. It shows how the expert system object 12 and the communication translator object 26 interact. The expert system object 12 In the communication translator object 26, An ISO reference 62 identifying the ISO 10B or a real world reference 64 identifying the real world device 100 with which the ISO 10A desires to communicate is provided. The communication translator object 26 Memorize appropriate references and schedules, Schedule a request to retrieve data from ISO 10B or real world device 100. The communication translator object 26 A request is made for data from the ISO 10B or real world device 100 using a protocol 66 suitable for the ISO 10B or real world device 100. The expert system object 12 By issuing a request-data command to the communication translator object 26, Request data from ISO 10B or real world device 100. At the appropriate sampling delta, The communication translator object 26 Recognize either ISO 10B or Real World Device 100 as appropriate, The data is retrieved and sent to the expert system object 12. To transfer the data to ISO 10B or real world device 100, Expert system objects are Using the transfer data command, The data to be communicated is sent to the communication translator object 26. The expert system object 12 Asynchronous requests to read and write data on demand can be made when needed. FIG. It shows how the expert system object 12 and the sensor object 25 interact. The expert system object 12 Using the rules contained in the rule knowledge base 13, Acting may be based on the current data of sensor object 25 in data storage 74 or any combination of history and / or statistical data in processing of statistical and statistical data 72. FIG. It shows how the conforming model object 20 and the communication translator object 26 interact. The conforming model object 20 is In the communication translator object 26, IOS 10A provides an ISO reference 62 or real world reference 64 identifying the ISO 10B or real world device 100 with which it wants to communicate. The communication translator object 26 Remember the appropriate reference, Schedule a request to retrieve data from the requested ISO 10B or real world device 100, A request for data from the ISO 10B or real world device 100 is generated using a protocol 66 suitable for the ISO 10B or real world device 100. At the appropriate sampling delta, The communication translator object 26 Locate ISO 10B or Real World Device 100, Search the data, The data The request is sent to the conforming model object 20. To transfer data to ISO 10B or real world device 100, The conforming model object 20 is Send the data to the communication translator object 26 using a transfer-data command, The conforming model object 20 is By issuing a request data command, Request ISO 10B or real mode device 100. Asynchronous requests to read and write data on demand can be made when needed. FIG. It shows how the compatible model object 20 and the sensor object 25 interact. The conforming model object 20 is In ISO10, Describe the process represented by ISO10 and its sensor objects, Gives the ability to model and predict. The conforming model object 20 is Generate the data needed to train the fitted model and learn how to control the associated process. The conforming model object 20 is Storing the data for training in training data 58 of the fitted model object 20; The conforming model object 20 is Generate the data needed to test the accuracy of what learned the fit model object 20; This data is stored in the testing data 56 of the compatible model object 20. To generate training data 58 and / or testing data 56, The conforming model object 20 is Examine one or more sensor objects 25 consisting of an input list of compatible model objects 20. This input is When simulating or predicting the processes associated with the conforming model object 20, The data necessary to initialize the conforming model object 20 is provided. The conforming model object 20 is or, Examine one or more sensor objects 25 comprising the output list of the conforming model object 20. This output is The conforming model object 20 gives the data to be described. An entry in the training data 58 or the test data 56 is Contains the input from the sampling interval delta and its corresponding output. FIG. It shows how the predictor object 18 and the communication translator object 26 communicate with each other. The predictor object 18 is In the communication translator object 26, ISO 10A provides an ISO reference 62 identifying the ISO 10B that wants to communicate. The communication translator object 26 Memorize the ISO reference 62, If necessary, Schedule a request to retrieve data from ISO 10B, A request for data from ISO 10B is generated using a protocol 66 suitable for ISO 10B known to ISO 10A. At the appropriate sampling delta, The communication translator object 26 Identify ISO10B, Search data, The data is sent to the requesting predictor object 18. To transfer data to ISO10B, The predictor object 18 Send the data to the communication translator object 26 using a transfer data command, The predictor object 18 By issuing a request data command, data is requested from ISO 10B. Asynchronous requests to read and write data on demand can be made when needed. FIG. It shows how the predictor object 18 and the sensor object 25 interact. The predictor object 18 In ISO10, A conforming model of the process represented by ISO 10 and data of the conforming model are provided. The predictor object 18 Can be associated with one or more conforming model objects 20; Best model 60 for that sampling delta, That is, Identify any one of all suitable model objects 20 associated with the predictor 18 that is currently most accurately predicting. The predictor object 18 A sensor object 25 can be generated that selects the best model 60 and stores data related to recording the efficiency of the current best model and the efficiency of the predictor object 18. The difference between the efficiency of the current best model and the efficiency of the predictor 18 is: While the efficiency of the current best model is solely related to its performance, The efficiency of predictor object 18 is not necessarily attributable to only one model, This is related to the performance history of the predictor object 18. Therefore, The efficiency of predictor object 18 is Summarizes the history of each of the models selected as best model 60 for predictor object 18. FIG. It shows how the sensor object 25 and the communication translator object 26 interact. The sensor object 25 is Real World Reference 64, That is, Feature data required to identify data in the real world device 100, Is given to the communication translator object 26. The communication translator object 26 Memorize the reference, If necessary, Schedule a request to retrieve data from the real world device 100, The communication translator object 26 Using the protocol 66 of the real world device 100 known to the communication object 26, A request for data from the real world device 100 is generated. At the appropriate sampling delta, The communication translator object 26 Locating the real world device 100, Search data, The data is sent to the sensor object 25. When needed The sensor object 25 is Asynchronous requests to read and write according to demand can be made. In order to transfer data to the real world device 100, The sensor object 25 is Using the transfer data command, The data to be communicated is sent to the communication translator object 26. The sensor object 25 is By issuing the request data command, Request data from the real world device 100. Whether data is being requested or transferred The sensor object 25 is Applying the appropriate calculation / filtering 70 methodology, The result is stored in the data storage 74. The functionality of the interconnected ISO 10 They represent, Modeling Gives control of the real world entity to optimize and control. The present invention To the user Giving an intuitive graphic user interface, Initializing and interacting with the process control optimization system implemented in the present invention, Achieve ISO 10 interconnection. The present invention Enables the user to operate the graphic interface, Initialize ISO10 and ISO10 groups, The form of information flow during ISO10, order, And by establishing priorities, Gives the ability to graphically represent the process to be controlled. FIG. 23 to FIG. 7 illustrates an example of how a user may interact with the present invention via the graphic user interface of the present invention. FIG. Fig. 3 shows a graphic user interface of the invention; Thereby, The user Configure and initialize ISO10. Typically, The user Select one or more menu options 82 from menu 80, A general ISO 10 is added to the configuration diagram. Each ISO 10 It may have a unique identifier provided by either a suitable software system or a user. afterwards, Using menu option 82 from menu 80, The user ISO10 A sensor object 25, Expert system object 12, Rule Knowledge Base 13, Predictor object 18, The configuration of the ISO 10A including the configurations of the conforming model object 20 and the optimal object 22 can be edited. The user When configuring the initial system, Although you can configure ISO10, FIG. 7 illustrates an example of how a user may change the operation of ISO 10 in real time using the graphical user interface of the present invention. In FIG. The graphic user interface is Select an identifiable ISO 10 previously initialized and configured, Further, it is used to construct a rule knowledge base for the expert system object 12. FIG. Fig. 3 shows a fuzzy rule 16 previously configured for ISO 10; that is, : "If ISO sensor-1 IS low THEN ISO sensor-A IS high" has been changed to "If ISO sensor-1 IS low THEN ISO sensor-A IS medium". Similarly, The user Using the interface shown in FIG. Sensor object 25, Predictor object 18, The configuration and operation of the conforming model object 20 and the optimal object 22 can be changed. Once, If the user has configured two or more ISO 10, Users can configure hierarchical relationships between flows and / or ISOs 10. FIG. By a flow connection to another ISO 10, Figure 2 illustrates a ready-made inventor's graphical user interface as used to associate ISO 10; After generating two ISO10s, ISO10A and ISO10B, The user Via a graphical user interface as shown in FIG. A menu option 82 is selected from a menu 80 that allows a user to pull and configure a flow connection 84 from ISO 10A to ISO 10B. Then The user Position the cursor over ISO10 using a pointing device such as a mouse, For example, by clicking the mouse button, A method of selecting a pointing device for selecting ISO 10A is used. While continuing to select ISO10A, The user uses a pointing device to position the cursor over ISO 10B, Then To terminate the line 84 at the arrow point to be added to the diagram showing the flow relationship, Release the method of selecting a pointing device. The arrow points For example, the direction of the flow from ISO 10A to ISO 10B is shown. FIG. 2 illustrates a user interface used to associate ISO 10B and ISO 10C with ISO 10A hierarchically. In this example, The user first Generate and configure ISO 10A and ISO 10B as discussed in FIG. In this example, ISO10A and ISO10B furthermore Relevant to each other via flow connections as discussed in FIG. Then The user Select ISO 10A and ISO 10B by using a pointing device such as a mouse to place the cursor over ISO 10A, For example, select ISO10A with the selection ability of a pointing device such as a mouse button, Repeat the selection process for ISO 10B. Then The user Select menu option 82 from menu 80 to generate and display ISO 10C, ISO 10C is one level up in the hierarchy. ISO10C is By logically including them as the next higher level in their hierarchy, It may relate to both ISO 10A and ISO 10B. After ISO10 is configured, The user can add the sensor object 25 to the ISO 10 Optionally associate the sensor object 25 with a real world device. FIG. 1 illustrates a simple inventive graphical user interface being used in connection with an ISO 10 sensor object 25 comprising a real device. In this example, The user Select the real device in the pull-down combo box labeled "Data Server"("DataServer") 86. Based on the protocol pre-configured for that device, The configuration field 88 appears in the lower part of the display. For the protocol so selected, The user "NAME", As indicated by "ATTRI BUTE" and "FCM" Identify certain attributes of the real device in the configuration field 88. The update speed for scheduling automatic data retrieval, It consists of a box named “Update Rate” (“update rate”) 90. When the user has those options appropriately configured, The user selects the “Accept” button 92. Although a preferred embodiment has been shown and described, Various modifications and substitutions may be made It can be done without departing from the scope and purpose of the invention. Therefore, It will be understood that the invention should not be limited to only the illustrated methods. 6. Industrial Applicability As an example of an industrial application of the present invention, a company operating a mineral processing plant that requires a mineral processing control system has insight into the immediate use of the present invention. For this example, the company's mineral processing plant has two process circuits: a grinding process and a flotation process. The business objectives of operating a mineral processing plant include achieving high productivity at the same time, extracting the highest amount of valuable minerals in the supplied rock, delivering the highest quality possible and preserving raw materials. For this example, the plant layout assumes that the unprocessed feedstock is processed through a grinding process and then through a flotation process. In addition, the business objectives of the company are somewhat reciprocal. For example, increasing the production rate will reduce recovery and increasing recovery will lead to reduced quality. Further, keeping raw materials is at odds with maximizing production speed, achieving the highest recovery and producing the highest quality. The economic relationship between the gradual changes in manufacturing, recovery, quality and consumption of raw materials is complex and difficult to achieve simultaneously. An adaptive object oriented software system is used to construct an ISO that represents a mineral processing plant with its search and flotation processes. ISOs are positioned on graphical drawing interfaces to represent material flows, information, and hierarchical relationships between ISOs. The level of detail added to the drawing is based on the process to be controlled, and the control goals are used to optimize the process. For the examples to be considered, an ISO representing the mineral processing plant is generated or an ISO representing the grinding and flotation processes is drawn on the drawing. These grinding and flotation processes ISO that can be located in the mineral processing plant ISO represent the fact that the mineral processing plant has a grinding and flotation process. An ISO for each process circuit and equipment associated with the grinding and flotation process may also be generated. All ISOs are then positioned to illustrate the hierarchy and the flow of materials and information through the plant. Real devices representing the equipment and data associated with the mineral processing plant processing circuits and equipment are associated with the appropriate ISO via sensor objects. The communication conversion object provides data to be converted between the real device and the adaptive optimal software system. Further, the sensor objects representing data defining the goals of each ISO are configured to facilitate process optimization. Control strategy rules or crisp theory type rules constructed using fuzzy logic in the expert system object are configured with respect to the ISO in order to perform the appropriate range of control with respect to the ISO. For example, control strategy rules for expert system objects can be configured for the grinding and flotation process to identify periods of operation when the process or equipment is overloaded. Further, these rules can be configured to control the process while the adaptive model accurately predicts the performance of the process. Predictive objects and adaptive model objects are configured with respect to the ISO to shape the process in which the ISO appears. Adaptive model prediction provides ISO with the ability to predict future performance and includes data defining the performance goals of the ISO that represent them. The optimization objects and optimization goals are configured with respect to the ISO to look for conditions that produce the best performance of the process. The selected conditions can be sent directly to the process or stored in an ISO sensor object.

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，Ｌ Ｕ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ， ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＧＨ，ＧＭ，ＫＥ，ＬＳ，Ｍ Ｗ，ＳＤ，ＳＺ，ＵＧ，ＺＷ)，ＥＡ(ＡＭ，ＡＺ，ＢＹ ，ＫＧ，ＫＺ，ＭＤ，ＲＵ，ＴＪ，ＴＭ)，ＡＬ，ＡＭ ，ＡＴ，ＡＵ，ＡＺ，ＢＡ，ＢＢ，ＢＧ，ＢＲ，ＢＹ， ＣＡ，ＣＨ，ＣＮ，ＣＵ，ＣＺ，ＤＥ，ＤＫ，ＥＥ，Ｅ Ｓ，ＦＩ，ＧＢ，ＧＥ，ＧＨ，ＨＵ，ＩＤ，ＩＬ，ＩＳ ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＣ，ＬＫ， ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，Ｍ Ｎ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＳＬ，ＴＪ，ＴＭ， ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＺ，ＶＮ，ＹＵ，ＺＷ (72)発明者 フート ドナルド ジー ジュニア アメリカ合衆国 ユタ州 84037 フルー ト ハイツ イーグル ウェイ 1213────────────────────────────────────────────────── ─── Continuation of front page    (81) Designated countries EP (AT, BE, CH, DE, DK, ES, FI, FR, GB, GR, IE, IT, L U, MC, NL, PT, SE), OA (BF, BJ, CF) , CG, CI, CM, GA, GN, ML, MR, NE, SN, TD, TG), AP (GH, GM, KE, LS, M W, SD, SZ, UG, ZW), EA (AM, AZ, BY) , KG, KZ, MD, RU, TJ, TM), AL, AM , AT, AU, AZ, BA, BB, BG, BR, BY, CA, CH, CN, CU, CZ, DE, DK, EE, E S, FI, GB, GE, GH, HU, ID, IL, IS , JP, KE, KG, KP, KR, KZ, LC, LK, LR, LS, LT, LU, LV, MD, MG, MK, M N, MW, MX, NO, NZ, PL, PT, RO, RU , SD, SE, SG, SI, SK, SL, TJ, TM, TR, TT, UA, UG, UZ, VN, YU, ZW (72) Inventor Foot Donald G. Jr.             United States Utah 84037 Flew             To Heights Eagle Way 1213

Claims (1)

【特許請求の範囲】 1. ゴールシークインテリジェントソフトウェアオブジェクトにおいて、コンピ ュータで使用可能な媒体に常駐し、そこからアクセス可能であり、プロセス制御 システムを表しそこに影響可能で、複数の遭遇した状態を通じて、前記プロセス 制御システムにより制御されるプロセスを表し影響を与えることができ、 前記ゴールシークインテリジェントソフトウェアオブジェクトは、前記ゴール シークインテリジェントソフトウェアオブジェクトの各遭遇した状態について、 1つ又はそれ以上の予測ソフトウェアモデルを生成し選択し訓練し記憶すること により、前記制御されるプロセスに適合し、 1つを超える前記予測ソフトウェアが存在する前記プロセスの前記遭遇した状 態の各々について、前記ゴールシークインテリジェントソフトウェアオブジェク トは、前記制御された状態をモデル化するため、事前に訓練した1つ又はそれ以 上の前記予測ソフトウェアモデルを選択することを特徴とするオブジェクト。 2. ゴールシークインテリジェントソフトウェアオブジェクトにおいて、コンピ ュータで使用可能な媒体に常駐し、そこからアクセス可能であり、プロセス制御 システムを表しそこに影響可能で、複数の遭遇した状態を通じて、前記プロセス 制御システムにより制御されるプロセスを表し影響を与えることができ、前記イ ンテリジェントソフトウェアオブジェクトは、複数の内部ソフトウェアオブジェ クトを備え、 少なくとも1つの前記内部ソフトウェアオブジェクトは、前記複数の内部ソフ トウェアオブジェクトの他のものとは異なる内部ソフトウェアオブジェクトであ り、各前記内部ソフトウェアオブジェクトは相互に通信し、 前記内部ソフトウェアオブジェクトは、個別ゴールシーク作用を示し、前記内 部ソフトウェアオブジェクトは集合体ゴールシーク作用を示すため相互作用し、 1つ又はそれ以上の前記内部ソフトウェアオブジェクトは、1つ又はそれ以上の 他の内部ソフトウェアオブジェクトの前記個別ゴールシーク作用を改変すること を特徴とするオブジェクト。 3. ゴールシークインテリジェントソフトウェアオブジェクトにおいて、 複数の内部ソフトウェアオブジェクトを備え、前記複数の内部ソフトウェアオ ブジェクトは、 少なくとも1つのエキスパートシステムソフトウェアオブジェクト、 少なくとも1つの適応モデルソフトウェアオブジェクト、 少なくとも1つの予測ソフトウェアオブジェクト、及び、 少なくとも1つのオプティマイザーソフトウェアオブジェクトを備え、 前記エキスパートシステムソフトウェアオブジェクトは、前記オプティマイザ ーソフトウェアオブジェクトと通信し、前記オプティマイザーソフトウェアオブ ジェクトの作用を改変することができ、 前記エキスパートシステムソフトウェアオブジェクトは、前記予測ソフトウェ アオブジェクトと通信し、前記予測ソフトウェアオブジェクトの作用を改変する ことができ、 前記エキスパートシステムソフトウェアオブジェクトは、前記適応モデルソフ トウェアオブジェクトと通信し、前記適応モデルソフトウェアオブジェクトの作 用を改変することができ、 前記オプティマイザーソフトウェアオブジェクトは、前記エキスパートシステ ムソフトウェアオブジェクトと通信し、前記エキスパートシステムソフトウェア オブジェクトの作用を改変することができ、 前記オプティマイザーソフトウェアオブジェクトは、前記予測ソフトウェアオ ブジェクトと通信し、前記予測ソフトウェアオブジェクトの作用を改変すること ができ、 前記オプティマイザーソフトウェアオブジェクトは、前記適応モデルソフトウ ェアオブジェクトと通信し、前記適応モデルソフトウェアオブジェクトの作用を 改変することができ、 それによって、前記複数の内部ソフトウェアオブジェクトは、集合体ゴールシ ーク作用を示すことを特徴とするオブジェクト。 4. 請求の範囲第3項に記載したゴールシークインテリジェントソフトウェアオ ブジェクトであって、前記エキスパートシステムソフトウェアオブジェクトは、 クリスプ論理規則とファジー論理規則の組から選択した1つ又はそれ以上の規則 からなるルールナレッジベースを備えるオブジェクト。 5. 請求の範囲第3項に記載したゴールシークインテリジェントソフトウェアオ ブジェクトであって、前記オプティマイザーソフトウェアオブジェクトは、1つ 又はそれ以上のジェネティックアルゴリズムを含む最適化方法論を備えるオブジ ェクト。 6. 請求の範囲第3項に記載したゴールシークインテリジェントソフトウェアオ ブジェクトであって、1つ又はそれ以上のニューラルネットワークを含むモデリ ング方法論を備えるオブジェクト。 7. 請求の範囲第3項に記載したゴールシークインテリジェントソフトウェアオ ブジェクトであって、前記通信翻訳ソフトウェアオブジェクトは、内部プロトコ ル、前記ゴールシークインテリジェントソフトウェアオブジェクト外のデバイス により要求されるプロトコル、シリアルデータ通信プロトコル、パラレルデータ 通信プロトコル、局所領域ネットワークデータ通信プロトコル、広域データ通信 プロトコルの組から選択された通信プロトコルを備えるオブジェクト。 8. ゴールシークインテリジェントソフトウェアオブジェクトにおいて、 少なくとも1つの規則知識ベースを有する少なくとも1つのエキスパートシステ ムソフトウェアオブジェクト、 1つ又はそれ以上の入力値と1つ又はそれ以上のモデリング方法論から、1つ又 はそれ以上の予測モデルを発生する少なくとも1つの適応モデルソフトウェアオ ブジェクト、 予測選択基準と最適化方法論を使用して、最適の前記予測モデルを選択する少 なくとも1つの予測ソフトウェアオブジェクト、 1つ又はそれ以上の目標ゴールと1つ又はそれ以上の最適化方法論を使用して、 オプティマイザーソフトウェアオブジェクトに最適出力データ値を設定する少な くとも1つのオプティマイザーソフトウェアオブジェクト、 1つ又はそれ以上のデータ通信プロトコルを使用してデータを通信する少なく とも1つの通信翻訳ソフトウェアオブジェクト、 前記エキスパートシステムソフトウェアオブジェクト、前記オプティマイザー ソフトウェアオブジェクト、前記適応モデルソフトウェアオブジェクト、前記予 測ソフトウェアオブジェクト、前記通信翻訳ソフトウェアオブジェクト、および 他のセンサーソフトウェアオブジェクトからデータを受け入れ、前記データを記 憶のため処理し、前記データを記憶し、前記エキスパートシステムソフトウェア オブジェクト、前記オプティマイザーソフトウェアオブジェクト、前記適応モデ ルソフトウェアオブジェクト、前記予測ソフトウェアオブジェクト、前記通信翻 訳ソフトウェアオブジェクト、および他のセンサーソフトウェアオブジェクトの 要求により記憶したデータを、前記エキスパートシステムソフトウェアオブジェ クト、前記オプティマイザーソフトウェアオブジェクト、前記適応モデルソフト ウェアオブジェクト、前記予測ソフトウェアオブジェクト、前記通信翻訳ソフト ウェアオブジェクト、および他のセンサーソフトウェアオブジェクトに提供する 少なくとも1つのセンサーソフトウェアオブジェクト、を備え、 前記エキスパートシステムソフトウェアオブジェクトは、前記オプティマイザ ーソフトウェアオブジェクトと通信し、前記オプティマイザーソフトウェアオブ ジェクトの前記目標ゴールを改変することができ、 前記エキスパートシステムソフトウェアオブジェクトは、前記オプティマイザ ーソフトウェアオブジェクトと通信し、前記最適化方法論を改変することができ 、 前記エキスパートシステムソフトウェアオブジェクトは、前記予測ソフトウェ アオブジェクトと通信し、前記予測ソフトウェアオブジェクトの前記予測選択基 準を改変することができ、 前記エキスパートシステムソフトウェアオブジェクトは、前記適応モデルソフ トウェアオブジェクトと通信し、前記適応モデルソフトウェアオブジェクトの前 記モデリング方法論を改変することができ、 前記オプティマイザーソフトウェアオブジェクトは、前記エキスパートシステ ムソフトウェアオブジェクトと通信し、前記エキスパートシステムソフトウェア オブジェクトの前記規則知識ベースを改変することができ、 前記オプティマイザーソフトウェアオブジェクトは、前記予測ソフトウェアオ ブジェクトと通信し、前記予測ソフトウェアオブジェクトの前記選択基準を改変 することができ、 前記オプティマイザーソフトウェアオブジェクトは、前記適応モデルソフトウ ェアオブジェクトと通信し、前記適応モデルソフトウェアオブジェクトの前記モ デリング方法論を改変することができるオブジェクト。 9. 請求の範囲第８項に記載したゴールシークインテリジェントソフトウェアオ ブジェクトであって、複数のセンサーソフトウェアオブジェクトを備え、各前記 センサーソフトウェアオブジェクトは、他の前記センサーソフトウェアオブジェ クトの要求により、前記記憶したデータを提供することができるオブジェクト。 10．適応最適化ソフトウェアシステムにおいて、 コンピュータで使用可能な媒体に常駐し、そこからアクセス可能であり、プロ セス制御システムを表しそこに影響可能で、複数の遭遇した状態を通じて、前記 プロセス制御システムにより制御されるプロセスを表し影響を与えることができ る複数のゴールシークインテリジェントソフトウェアオブジェクトを備え、 前記ゴールシークインテリジェントソフトウェアオブジェクトは、前記ゴール シークインテリジェントソフトウェアオブジェクトの各遭遇した状態について、 1つ又はそれ以上の予測ソフトウェアモデルを生成し選択し訓練し記憶すること により、前記制御されるプロセスに適合し、 1つを超える前記予測ソフトウェアが存在する前記プロセスの前記遭遇した状 態の各々について、前記ゴールシークインテリジェントソフトウェアオブジェク トは、前記制御された状態をモデル化するため、事前に訓練した前記予測ソフト ウェアモデルを選択し、 前記複数のゴールシークインテリジェントソフトウェアオブジェクトは、他の 前記ゴールシークインテリジェントソフトウェアオブジェクトと関係を持って通 信し、1つ又はそれ以上の代表のレベルの前記制御されたプロセスを代表的にモ デル化し、 前記ゴールシークインテリジェントソフトウェアオブジェクトは、それぞれ各 前記ゴールシークインテリジェントソフトウェアオブジェクトの外のデバイスと 通信することを特徴とするオブジェクト。 11．グラフィカルユーザインタフェースを更に含んでおり、前記グラフィカル ユーザインタフェースが、ユーザが規定した数の階層関係及びフロー関係からな る一組のリレーショナル通信から前記リレーションナル通信を規定するのに使用 され、 前記階層関係が、複数の前記目標探索インテリジェントソフトウェアオブジェク ト間での優先順位及び適用範囲関係を定め、及び 前記フロー関係が、前記複数の目標探索インテリジェントソフトウェアオブジェ クト間で通信されるデータに具体的に対応する請求項１１記載の適応最適化ソフ トウェアシステム。 12．最高階層関係レベルにある前記目標探索インテリジェントソフトウェアオブ ジェクトの前記優先順位及び適用範囲が、経済性に基づいている請求項１１記載 の適応最適化ソフトウェアシステム。 13．最高階層関係レベルにある前記目標探索インテリジェントソフトウェアオブ ジェクトの前記優先順位及び適用範囲が、経済性に基づいていない請求項１１記 載の適応最適化ソフトウェアシステム。 14． １つ以上の表示領域から成る１つ以上の表示装置と エンドユーザ入力装置とからなる コンピュータシステム、 前記コンピュータシステムと前記制御可能な装置との間に通信手段を 提供するインタフェースを提供する１つ以上の制御可能な装置、及び データ供給計装から成る 外部装置、及び 前記プロセス制御システムに対する１つ以上の最適化目標から成る制 御可能なプロセス、及び 前記制御可能なプロセスに影響する能力のある複数の目標探索インテリジ ェントソフトウェアオブジェクトを含む適応最適化ソフトウェアシステム から成るプロセス制御最適化システムであり、 前記目標探索インテリジェントソフトウェアオブジェクトが、更に 、 １つ以上の規則知識データベース、 １つ以上のモデリング方法論、 １つ以上の予測値選択判断基準、及び １つ以上の最適化オブジェクト目標を含み、 前記目標探索インテリジェントソフトウェアオブジェクトが、前記目標探索イン テリジェントソフトウェアオブジェクトの各遭遇する状態に対する１つ以上の予 測ソフトウェアモデルを生成、選択、学習、鍛練、及び記憶することにより、前 記制御可能なプロセスに適合し、そして １つ以上の前記目標探索インテリジェントソフトウェアが、前記外部装置の１ つ以上と通信し、 ２つ以上の前記予測モデルが存在する前記制御可能なプロセスの前記 遭遇する状態の各々に対して、前記目標探索インテリジェントソフト ウェアオブジェクトが予め鍛練された子測ソフトウェアモデルを選択 して、前記制御可能なプロセスをモデル化し、 １つ以上の前記規則知識データベースが、前記制御可能なプロセス に対する前記最適化化目標を実現するための規則から成り、 １つ以上の前記モデル化方法論が、前記制御可能なプロセスのモデ ルを発生し、 １つ以上の前記予測器選択基準が、前記制御可能なプロセスに対す る前記最適化化目標を実証し、 １つ以上の前記制御可能なプロセスに対する前記最適化目標が前記 プロセス制御システムの最適化を含み、 前記複数の目標探索インテリジェントソフトウェアオブジェクトが、前 記目標探索インテリジェントフソトウエアオブジェクトの他のものと関 連して通信を行い、そして 前記外部装置の一つと通信する前記目標探索インテリジェン トソフトウェアの各々が、前記外部装置と表現上対応するプ ロセス制御最適化システム。 15．前記データ供給計装が、実際の現実世界の装置データを供給する請求項１４ 記載のプロセス制御最適化システム。 16．前記データ供給計装が、シミュレートされた現実世界の装置データを供給す る請求項１４。 17．グラフィカルユーザインタフェースを更に含み、前記グラフィカルユーザイ ンタフェースが、階層関係及びフロー関係から成る一組のリレーショナル通信か ら、幾つかのリレーショナル通信を限定するのに使用され、 前記階層関係が、前記目標探索インテリジェントソフトウェアオブジェクト 間の優先順位及び適用範囲関係を規定し、 前記フロー関係が、前記目標探索インテリジェントソフトウェアブジェクト によって制御されるべきプロセスに対応しており、 前記フロー関係が、更に前記目標探索インテリジェントソフトウェアオブジ ェクト間で通信されるデータに具体的に対応している請求項１４記載のプロ セス制御最適化システム。 18．プロセス制御最適化システムの適用最適化方法であり、前記プロセス制御最 適化システムが、現在データ、履歴データ及び統計データを提供するセンサソフ トウェアオブジェクトを含む複数の目標探索インテリジェントソフトウェアオブ ジェクト、１つ以上の連想規則知識ベースを提供するエキスパートシステム、１ つ以上のモデリング方法論を提供する適用モデルソフトウェア、１つ以上の予測 器選択判断基準を提供する予測器ソフトウェア、１つ以上の目標及び目的関数と プロセス制約とを提供する最適化機ソフトウェア、及び所定のサンプリングデル タに対して１つ以上のデータ通信プロトコルを提供する通信翻訳機ソフトウェア オブジェクトを提供し、 前記プロセス制御最適化システムによって制御されるプロセスを指揮し、 前記最適化機ソフトウェア内にあって、前記プロセス制約を破ることなく、 前記目標及び目的関数を最も良く達成する最適化出力データ値を決定し、 前記エキスパートシステムソフトウェアオブジェクト内にあつて、前記プロセス 制約を破ることなく、前記目標及び目的関数を達成する前記最適化予測モデルを 試験し、そして 前記エキスパートシステムソフトウェアオブジェクト内にあって、適当な適応介 入を決定するプロセス制御最適化システムの適用最適化方法。 19．前記プロセス制御最適化システムは、エンドユーザを訓練するために有用な リアルワールドプロセスをシミュレートするために用いられることを特徴とする 請求項１８に記載のプロセス制御式最適化システムの適応最適化方法。 20．前記最適出力データ値を決定する段階は、 一つ以上の入力値及び前記現行データ、履歴データ、及び統計データを前記オ プティマイザソフトウェアオブジェクトに供給し、 前記プロセスコンストレインツに違反しないで前記ゴール及び目的機能を最も よく達成する試行値を、前記オプティマイザソフトウェアオブジェクト内で、決 定し、 前記試行値を、前記オプティマイザソフトウェアオブジェクト内で、評価する 段階を更に具備し、 前記評価する段階は、 前記出力データ値に最も密接にマッチしている最も適合した予測モデルを、 前記プレディクタソフトウェアオブジェクト内で、決定し； 前記試行値及び前記最も適合した予測モデルを用いて制御される前記プロセ スのフューチャパフォーマンスを、前記オプティマイザソフトウェアオブジェク トに関連付けられた前記プレディクタソフトウェアオブジェクト内で、シミュレ ートし、計算し、かつ予測し； 前記プロセスコンストレインツに違反しないで前記ゴール及び目的機能を前 記最も適合した予測モデルが達成するかどうかを、前記プレディクタソフトウェ アオブジェクト内で、決定し； 前記最も適合した予測モデルが前記プロセスコンストレインツに違反しない で前記ゴール及び目的機能を達成するならば前記試行値を、前記オプティマイザ ソフトウェアオブジェクト内に、保存し；かつ 前記最も適合した予測モデルが前記プロセスコンストレインツに違反しない で前記ゴール及び目的機能を達成しないならば新しいセットの試行値を、前記オ プティマイザソフトウェアオブジェクト内で、試みる 段階を更に具備することを特徴とする請求項１８に記載のプロセス制御式最適化 システムの適応最適化方法。 21．前記適切な適応介入を決定する段階は、 前記オプティマイザソフトウェアオブジェクトの構成に対するパフォーマンス ゴールを適応的に変更するために前記ルールナレッジベースの一つ以上を、前記 エキスパートシステムソフトウェアオブジェクト内で、利用し； 前記オプティマイザソフトウェアオブジェクトの構成を適応的に変更するため に前記ルールナレッジベースの一つ以上を、前記エキスパートシステムソフトウ ェアオブジェクト内で、利用し； 前記適応モデルソフトウェアオブジェクトの構成に対するパフォーマンスゴー ルを適応的に変更するために前記ルールナレッジベースの一つ以上を、前記エキ スパートシステムソフトウェアオブジェクト内で、利用し； 前記適応モデルソフトウェアオブジェクトの構成を適応的に変更するために前 記ルールナレッジベースの一つ以上を、前記エキスパートシステムソフトウェア オブジェクト内で、利用し； 前記プレディクタソフトウェアオブジェクトの構成に対するパフォーマンスゴ ールを適応的に変更するために前記ルールナレッジベースの一つ以上を、前記エ キスパートシステムソフトウェアオブジェクト内で、利用し；かつ 前記プレディクタソフトウェアオブジェクトの構成を適応的に変更するために 前記ルールナレッジベースの一つ以上を、前記エキスパートシステムソフトウェ アオブジェクト内で、利用する 段階を更に具備することを特徴とする請求項１８に記載のプロセス制御式最適化 システムの適応最適化方法。[Claims] 1. In the goal seek intelligent software object, Resident on, accessible by, and available to process control The process can represent and affect the system and through multiple encountered states Can represent and influence processes controlled by the control system,   The goal seek intelligent software object includes the goal seek For each encountered state of the seek intelligent software object, Generating, selecting, training and storing one or more predictive software models To adapt to the controlled process,   The encountered state of the process where more than one of the prediction software is present For each of the states, the goal seek intelligent software object Is one or more pre-trained to model the controlled state An object characterized by selecting the above prediction software model. 2. In the goal seek intelligent software object, Resident on, accessible by, and available to process control The process can represent and affect the system and through multiple encountered states The process controlled by the control system can be represented and affected; An intelligent software object is composed of several internal software objects. ,   At least one of the internal software objects includes the plurality of internal software objects. An internal software object that is different from the other The internal software objects communicate with each other,   The internal software object exhibits an individual goal seek action, Software objects interact to show the collective goal seek action,   One or more of the internal software objects may include one or more Modifying said individual goal seek action of another internal software object An object characterized by. 3. In the goal seek intelligent software object,   A plurality of internal software objects; The object is   At least one expert system software object,   At least one adaptive model software object,   At least one forecasting software object; and   Comprising at least one optimizer software object,   The expert system software object is the optimizer -Communicates with the software object, The effect of the project can be modified,   The expert system software object is used for the prediction software. Communicate with the object and modify the behavior of the predictive software object It is possible,   The expert system software object contains the adaptive model software. Communicates with the software model object and creates the adaptive model software object. Can be modified,   The optimizer software object is the expert system object. The expert system software Can modify the behavior of the object,   The optimizer software object is an object of the prediction software Communicating with the object and modifying the behavior of the prediction software object Can be   The optimizer software object is the adaptive model software object. Communication with the software model object and performs the operation of the adaptive model software object. Can be modified,   Thereby, the plurality of internal software objects are aggregated goal objects. An object characterized by exhibiting a work effect. 4. The goal seek intelligent software described in claim 3 Object, wherein the expert system software object is One or more rules selected from the set of crisp logic rules and fuzzy logic rules An object with a rule knowledge base consisting of 5. Goal seek intelligent software described in claim 3 The optimizer software object is one object Or more with an optimization methodology that includes a genetic algorithm Project. 6. The goal seek intelligent software described in claim 3 A model that includes one or more neural networks An object that has a routing methodology. 7. Goal seek intelligent software described in claim 3 A project, wherein the communication translation software object has an internal protocol. Device outside the goal seek intelligent software object Protocol, serial data communication protocol, parallel data Communication protocol, local area network data communication protocol, wide area data communication An object with a communication protocol selected from a set of protocols. 8. In the goal seek intelligent software object,   At least one expert system with at least one rule knowledge base Software objects,   From one or more input values and one or more modeling methodologies, one or more Has at least one adaptive model software Object,   Using prediction selection criteria and optimization methodology to select the best said prediction model At least one forecasting software object,   Using one or more goal goals and one or more optimization methodologies, Set an optimal output data value for the optimizer software object At least one optimizer software object,   Communicating data using one or more data communication protocols And one communication translation software object,   The expert system software object, the optimizer Software object, said adaptive model software object, said reserve Measurement software object, the communication translation software object, and Accept data from other sensor software objects and record the data Processing, storing said data, said expert system software Object, the optimizer software object, the adaptive model Software object, the prediction software object, the communication translation Translated software objects, and other sensor software objects The data stored by the request is stored in the expert system software object. Object, the optimizer software object, the adaptive model software Ware object, the prediction software object, the communication translation software Software objects, and other sensor software objects At least one sensor software object,   The expert system software object is the optimizer -Communicates with the software object, The goal of the project can be modified,   The expert system software object is the optimizer Can communicate with software objects and modify the optimization methodology ,   The expert system software object is used for the prediction software. A prediction object based on the prediction software object Can be modified,   The expert system software object contains the adaptive model software. Communication with the software model object and before the adaptive model software object. The modeling methodology can be modified,   The optimizer software object is the expert system object. The expert system software Modifying the rule knowledge base of the object;   The optimizer software object is an object of the prediction software Communicate with the object and modify the selection criteria of the prediction software object Can be   The optimizer software object is the adaptive model software object. Communication with the adaptive model software object. An object that can modify the Deling methodology. 9. The goal seek intelligent software program described in claim 8 An object, comprising a plurality of sensor software objects, The sensor software object is another sensor software object. An object capable of providing the stored data upon request of the object. Ten. In an adaptive optimization software system,   Resident on, accessible from, and accessible to computer-usable media Access control system and can affect it, through a plurality of encountered conditions, Can represent and affect processes controlled by process control systems With multiple goal seek intelligent software objects   The goal seek intelligent software object includes the goal seek For each encountered state of the seek intelligent software object, Generating, selecting, training and storing one or more predictive software models To adapt to the controlled process,   The encountered state of the process where more than one of the prediction software is present For each of the states, the goal seek intelligent software object Is a pre-trained prediction software to model the controlled state. Select a wear model,   The plurality of goal seek intelligent software objects are Communicate with the goal seek intelligent software object And typically control one or more representative levels of the controlled process. Dellizing,   The goal seek intelligent software objects are each With a device outside the goal seek intelligent software object An object characterized by communicating. 11． A graphical user interface; The user interface consists of a number of hierarchical and flow relationships defined by the user. Used to define the relational communication from a set of relational communication And The hierarchical relationship may include a plurality of the target search intelligent software objects. Establish priorities and scope relationships between The flow relationship is based on the plurality of target search intelligent software objects. 12. The adaptive optimization software according to claim 11, which specifically corresponds to data communicated between tasks. Hardware system. 12． The target search intelligent software object at the highest hierarchical relationship level The project priority and coverage are based on economics. Adaptive optimization software system. 13. The target search intelligent software object at the highest hierarchical relationship level 12. The method according to claim 11, wherein the priority and scope of the project are not based on economics. Adaptive optimization software system. 14. One or more display devices comprising one or more display areas;           Consisting of an end-user input device       Computer systems,           Communication means between the computer system and the controllable device           One or more controllable devices providing an interface to provide; and           Consists of data supply instrumentation           External devices, and           A control comprising one or more optimization goals for the process control system;       Controllable processes, and       A plurality of target search intelligences capable of affecting the controllable process   Adaptive Optimization Software System Including Agent Software Objects Process control optimization system consisting of             The target search intelligent software object further comprises:             ,       One or more rules knowledge databases,       One or more modeling methodologies,       One or more predictive value selection criteria; and       Including one or more optimization object goals, The target search intelligent software object is configured to execute the target search input. One or more schedules for each encountered state of the Terrigent software object By generating, selecting, learning, training, and storing measurement software models, Fit into a controllable process, and   One or more of the target search intelligent software is connected to one of the external devices. Communicate with one or more,           The controllable process of which there is more than one said predictive model           For each condition encountered, the target search intelligent software           Wear object selects pre-trained child measurement software model         Modeling the controllable process,             One or more of the rule knowledge databases may include the controllable process.             Consisting of rules for achieving the optimization goal for             One or more of the modeling methodologies may model the controllable process.             Generate             One or more predictor selection criteria may be associated with the controllable process.             Demonstrate the optimization goals             The optimization goal for one or more of the controllable processes is             Including optimization of process control systems,         The plurality of target search intelligent software objects are         Target search intelligent software object         To communicate continuously, and                   The target search intelligence in communication with one of the external devices                   Each of the external software correspond to the external device.                   Process control optimization system. 15． 15. The data supply instrumentation provides actual real world device data. Process control optimization system as described. 16． The data supply instrumentation provides simulated real-world device data. Claim 14. 17． A graphical user interface; If the interface is a set of relational communications consisting of hierarchical and flow relationships Used to limit some relational communications,     The hierarchical relationship is the target search intelligent software object     Stipulate the priority and scope relationship between     The flow relationship is based on the target search intelligent software object.     Corresponding to the process to be controlled by     The flow relationship further comprises the target search intelligent software object.     15. The process according to claim 14, which specifically corresponds to data communicated between projects.     Set control optimization system. 18． An application optimization method for a process control optimization system, The optimization system provides a sensor software that provides current, historical and statistical data. Target search including multiple software objects Expert system that provides one or more associative rule knowledge bases. Applied model software providing one or more modeling methodologies, one or more predictions Predictor software providing one or more target selection objectives and objective functions Optimizer software providing process constraints and predefined sampling Dell Communication translator software that provides one or more data communication protocols to Provide the object, Directing a process controlled by the process control optimization system, Within the optimizer software, without breaking the process constraints, Determining an optimized output data value that best achieves the goal and objective function; Within the expert system software object, the process The optimization prediction model that achieves the objective and objective functions without breaking constraints Test, and Within the expert system software object, Optimization method of the process control optimization system that determines the input. 19. The process control optimization system is useful for training end users Characterized by being used to simulate real world processes An adaptive optimization method for the process control optimization system according to claim 18. 20. Determining the optimal output data value comprises:   One or more input values and the current data, historical data, and statistical data are Supply to the optimizer software object,   Optimize the goals and objectives without violating the process constraints Trials that are often achieved are determined in the optimizer software object. ,   Evaluate the trial value in the optimizer software object Further comprising a step,   The step of evaluating includes:     The best-fit prediction model that most closely matches the output data value, Determining in said predictor software object;     The process controlled using the trial values and the best-fit prediction model. The future performance of the optimizer software object Within the predictor software object associated with the To calculate, calculate and predict;     Forward the goals and objectives without violating the process constraints The predictor software determines whether the best fit prediction model is achieved. Within the object, determine;     The best fit prediction model does not violate the process constraints If the goal and objective function are achieved in Stored in software objects; and     The best fit prediction model does not violate the process constraints If the goal and objective functions are not achieved in Try within the optimizer software object 19. The process-controlled optimization of claim 18, further comprising a step. An adaptive optimization method for the system. twenty one. Determining the appropriate adaptive intervention comprises:   Performance for configuration of the optimizer software object Adapt one or more of the rule knowledge bases to adaptively change goals Used within an expert system software object;   To adaptively change the configuration of the optimizer software object One or more of the rule knowledge bases in the expert system software. Used within the security object;   Performance go to the configuration of the adaptive model software object One or more of the rule knowledge bases to adapt the rules Used within the spurt system software object;   Before adaptively changing the configuration of the adaptive model software object, One or more of the rule knowledge bases described in the expert system software Used within the object;   A performance algorithm for the structure of the predictor software object One or more of the rule knowledge bases to adapt the rules Used within the kisspart system software object; and   To adaptively change the configuration of the predictor software object Install one or more of the rule knowledge bases into the expert system software. Use within the object 19. The process-controlled optimization of claim 18, further comprising a step. An adaptive optimization method for the system.
JP53691298A 1997-10-07 1998-02-20 Adaptive object-oriented optimization software system Pending JP2001506030A (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US6128597P 1997-10-07 1997-10-07
US60/061,285 1997-10-07
PCT/US1998/003356 WO1998037465A1 (en) 1997-02-21 1998-02-20 Adaptive objet-oriented optimization software system

Publications (1)

Publication Number Publication Date
JP2001506030A true JP2001506030A (en) 2001-05-08

Family

ID=22034803

Family Applications (1)

Application Number Title Priority Date Filing Date
JP53691298A Pending JP2001506030A (en) 1997-10-07 1998-02-20 Adaptive object-oriented optimization software system

Country Status (1)

Country Link
JP (1) JP2001506030A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005515894A (en) * 2001-05-24 2005-06-02 リンカーン グローバル インコーポレーテッド System and method for facilitating diagnosis of a welding system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005515894A (en) * 2001-05-24 2005-06-02 リンカーン グローバル インコーポレーテッド System and method for facilitating diagnosis of a welding system
JP4792562B2 (en) * 2001-05-24 2011-10-12 リンカーン グローバル インコーポレーテッド System and method for facilitating diagnosis of a welding system

Similar Documents

Publication Publication Date Title
US6112126A (en) Adaptive object-oriented optimization software system
US6434435B1 (en) Application of adaptive object-oriented optimization software to an automatic optimization oilfield hydrocarbon production management system
US7693585B2 (en) Enabling object oriented capabilities in automation systems
AU727326B2 (en) Adaptive object-oriented optimization software system
US20190370671A1 (en) System and method for cognitive engineering technology for automation and control of systems
US7437703B2 (en) Enterprise multi-agent software system with services able to call multiple engines and scheduling capability
Noronha et al. Knowledge-based approaches for scheduling problems: A survey
US5586218A (en) Autonomous learning and reasoning agent
Fowler Variant design for mechanical artifacts: A state-of-the-art survey
US20070112609A1 (en) Methods and apparatus to incorporate user feedback during planning
US20120194502A1 (en) Searchable catalog for externally defined graphic element (edge) definitions
CN101201598A (en) Module classification and searching for industrial control systems
Nagy et al. Ten questions concerning reinforcement learning for building energy management
WO1993021586A1 (en) Autonomous learning and reasoning agent
Arentze et al. The integration of expert knowledge in decision support systems for facility location planning
JP2001506030A (en) Adaptive object-oriented optimization software system
US20240061975A1 (en) Composable digital twins
KR20080050976A (en) A method and its system for user's intention modeling based on human desires
Karacal et al. A formal structure for discrete event simulation. Part II: Object-oriented software implementation for manufacturing systems
US20240061871A1 (en) Systems and methods for ad hoc analysis of text of data records
Peng et al. Concept formation in a design optimization tool
CN117708680A (en) Method and device for improving accuracy of classification model, storage medium and electronic device
CN117706954A (en) Method and device for generating scene, storage medium and electronic device
Soibelman The exploration of an integrated representation for the conceptual phase of structural design for tall buildings through distributed multi-reasoning algorithms
Imam Adaptive applications of intelligent agents