JP2005525650A - 目標システムの実行を制御するための方法 - Google Patents

Abstract

図１２に示したようなパラメータマップの分離されたビン（Ｂ１〜Ｂ１２）。ビンに分割されると、システムによりパラメータマップを利用して目標システムの実行を制御することが可能である。設計空間および要因設計を決定するために、データ収集モジュールによりビン（Ｂ１）の制御変数情報を利用し得る。目標システムを制御するためのプロセスを実行するために提供される方法およびシステム。システムは、データ収集モジュール、関係マッピングモジュール、試験モジュール、訓練モジュール、およびメモリモジュールを含むことが可能である。

Description

本発明は、一般に、プロセス制御システム、より詳しくは、定常状態および過渡動作中に目標システムの実行を制御するためのシステム、方法および製品に関する。

政府規格のような所定の仕様に従って動作するシステムを開発するコストの増加は、プロセス制御システムの設計および実装における成長を刺激してきた。これらの制御システムは、典型的に、システムの履歴動作を反映する情報に基づきシステムの実行を予測し、また制御し得るプロセスモデルを組み込む。

プロセスモデルは、目標システムの様々な特性を反映する数学的構造であり得る。１つ以上の独立制御変数に基づき従属応答変数を決定するために、モデルを使用することが可能である。プロセス制御システムに実装された公知の１つの種類のモデル化システムはニューラルネットワークである。これらの種類のシステムは、処理セルのネットワークに基づき入力変数と応答変数との間の相互作用を決定することによって人間の脳の動作を模倣するように設計される。ニューロンとして一般に知られているセルは一般に層で配列され、それぞれのセルは、先行する層から入力を受け、引き続く層に出力を行う。ニューラルネットワーク内で入力および出力を伝達する相互接続部は、ネットワークが予測出力値を生成することを可能にするように調整し得る重み値と関連付けられる。

ニューラルネットワークは、独立入力変数としてネットワークに供給されたモデル化システムと関連する履歴データに基づき予測応答値を提供することが可能である。ネットワークの重みは、ネットワークが応答変数を正確に予測することを可能にするための入力として履歴データが提供される度毎に調整される。予測された出力はシステムの実際の応答データと比較され、したがって、目標応答値が獲得されるまで重みが調整される。

他の従来のプロセス制御システムでは、独立制御変数と従属応答変数との間の関係は、関係を反映する数学的関数に基づき決定される。これらのシステムは、一般に、操作者によって選択される単一のマッピング関数を用いて関係をマップしようと試みる。しかし、ほとんどの場合、単一の関数はこの関係を正確に表すことができない。例えば、図１に示したように、二次関数のような単一の関数Ｆは、例示的な制御変数Ｘと応答変数Ｙとの間の実際の関係Ｆ’を正確に表さない。

単一の関数マッピングと関連する不正確さに取り組むために、従来のプロセス制御システムは、単一の関数が制御変数と応答変数との間の関係を正確に示すと思われる制御変数の範囲を低減しようと試みる。例えば、図１に示したように、二次関数Ｆは範囲Ｒ１のＸとＹの関係について正確であるかもしれない。正確であるが、これらの従来システムは、２つの変数の間の関係を表す関数の範囲をユーザが規定することを必要とする。さらに、ユーザが適切な範囲を規定した後、ユーザが、可能な正確な関係を示すマップ関係の次の領域を識別することを可能にするために、他のテストランを実行しなければならない。

範囲を規定しまた再試験する従来のプロセスは、制御変数と応答変数との間の関係を関数にマップすることを可能にし得るかもしれないが、このプロセスは時間を浪費させ、変数の間の関係を理解するユーザの入力を必要とし、また広範囲の処理および記憶空間を必要とする。同様に、関係の複雑さが増すにつれ（例えば多数の制御変数および応答変数）、上述の従来のプロセス制御システムの非効率および不正確さも増す。例えば、従来システムにより、３次元、またそれを超えるマップ構造を必要とする複数の応答変数および制御変数を含む設計空間に対処し得るいくつかの例があるかもしれない。このような抽象的構造は、関係のマッピングに関わる処理システムおよび／またはユーザの能力を超える場合がある。したがって、正確で複雑なマッピング関数は獲得できない。

本発明のある特徴と一致する方法、システム、および製品は、上述の１つ以上の課題を解決することに関する。

本発明の形態では、目標システムの実行を制御するためのプロセスが提供される。本発明の一形態では、プロセスは、１組の制御変数と関連する第１の組のデータ値を含む設計空間を決定するステップを含み得る。第１の組のデータ値と、１組の応答変数と関連する第１の組の応答データ値との間の関係を反映するモデルを生成し得る。さらに、プロセスはモデルを試験して、１組の予測応答変数に含まれた少なくとも１つの予測応答変数が、１組の実際の応答変数に基づく所定の基準に適合するかどうかを決定し得る。次に、設計空間を修正して、１組の制御変数と関連する第２の組のデータ値と、１組の応答変数と関連する第２の組の応答データ値との間の関係を獲得することが可能であり、次に、第２の組のデータ値を目標システムに適用し得る。

本発明の他の形態では、目標システムの実行を制御するためのシステムが提供される。本発明の一形態では、システムは、１組の制御変数に対応する第１の組のデータ値を含む設計空間を決定するためのデータ収集モジュールを含み得る。さらに、システムは、第１の組の制御データ値と、１組の応答変数に対応する第１の組の応答データ値との間の関係を反映するモデルシステムを生成するための関係マッピングモジュールを含み得る。さらに、システムは、モデルを試験して、１組の予測応答変数に含まれた少なくとも１つの予測応答変数が、１組の実際の応答変数に基づく所定の基準に適合するかどうかを決定するための試験モジュールを含み得る。試験されると、設計空間を訓練モジュールによって修正して、１組の制御変数に対応する第２の組のデータ値と、１組の応答変数に対応する第２の組の応答データ値との間の関係を獲得し得る。引き続き、システムは第２の組のデータ値を目標システムに適用し得る。

本明細書に組み込まれかつその一部を構成する添付図は本発明の複数の形態を示しており、詳細な説明と共に、本発明の原理を説明するために役立つ。

次に、実施例が添付図に示されている本発明の例示的な形態を詳細に参照する。可能な場合、図面全体にわたって、同一または同様の部分を指すために同一の参照番号が使用される。

図２は、本発明と一致する特徴および原理を実行し得る例示的なシステム２００を示している。本発明の一形態では、例示的なシステム２００は、目標システムのオフライン試験のようなオフライン動作を制御する試験設備と関連する処理システムでもよい。当業者は、フィールドで作動しておらず、むしろ試験、設計、または開発の様々な段階中に作動しているシステムで実行される試験をオフライン試験が指す場合があることを認識するであろう。さらに、オフライン動作は、目標システムが、実際の作業状態に基づく作業環境でその機能を実行しておらず、むしろ通常の作動状態の範囲外で規定された試験データ（例えば入力値または制約値）に基づきその機能を実行している動作を指す場合がある。

代わりに、システム２００は、オンライン動作している処理システムと関連させてもよい。オンライン動作は、動作するようにシステムが設計された作業環境のシステムの動作と関連させてもよい。例えば、システム２００は、エンジンの様々な動作を監視かつ制御するエンジン制御ユニットに実装し得る。したがって、エンジンの動作中、システム２００は本発明に関するある特徴と一致する機能を実行し得る。代わりに、システム２００は、機器の部分を製造する工場組立ラインと関連する制御ユニット内に実装してもよい。さらに、システム２００は、任意の数の異なる作業機能を実行し得る水上車両、陸上車両、または空上車両またはシステムに実装してもよい。本発明は、将来の作業で所望のようにシステムを制御し得るように、システムの制御変数と応答変数との間の関係を確立することを意図する場合に適用可能である。

当業者は、本発明の精神と範囲から逸脱することなく、任意の種類の技術、プロセス、工業、作業状態、および／または作業環境と関連する異なる環境に、システム２００を実装し得ることを認識するであろう。

図２に示したように、システム２００は、本発明に関するある特徴と一致する様々な機能を実行する複数のモジュールを含み得る。本発明の一形態では、システム２００はデータ収集モジュール２１０、関係マッピングモジュール２２０、試験モジュール２３０、訓練モジュール２４０、およびメモリモジュール２５０を含み得る。当業者は、モジュール２１０〜２４０が、ソフトウェア、ハードウェア、または両方の組み合わせを含み得る個々の処理モジュールであり得ることを認識するであろう。例えば、モジュール２１０〜２４０のそれぞれは、少なくとも１つのプロセッサと、本発明に関するある特徴と一致するそれぞれのモジュールのある機能を実行するように構成される関連支持要素（例えば１つまたは複数のメモリ装置、入力／出力装置、通信装置等）とを含み得る。代わりに、モジュール２１０〜２４０は、メモリ装置内に記憶される指示を反映し、またシステム２００内で動作する１つ以上のプロセッサによって行使されるときにある機能を実行し得る。当業者は、モジュール２１０〜２４０が、本発明に関するある形態と一致する機能をシステム２００が実行することを可能にするソフトウェアおよび／またはハードウェアの組み合わせであり得ることを認識するであろう。

メモリ２５０は、モジュール２１０〜２４０およびシステム２００と関連する他の任意の要素によって使用されかつ処理され得るデータを記憶する公知の任意の種類のメモリ装置であり得る。例えば、システム２００は、本発明に関するある機能を実行するために、メモリ２５０からの情報にアクセスしおよび／または情報をメモリ２５０に記憶する１つ以上のプロセッサ（図示せず）を含んでもよい。

図２はモジュール２１０〜２５０の構成を別々のエンティティとして示しているが、当業者は、本発明の範囲から逸脱することなく、システム２００をいくつかの異なる構成で実装し得ることを認識するであろう。例えば、モジュール２１０〜２５０は、本発明に関するある特徴と一致するプロセスを実行するソフトウェア、ハードウェア、および／または両方の組み合わせを含む単一モジュールに組み合わせてもよい。代わりに、システム２００を分布システムとして構成してもよく、モジュール２１０〜２５０は遠隔位置に分布され、かつローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）、およびモジュール２１０〜２５０の間の通信および情報交換を容易にし得る他の任意の種類のネットワーク、および／またはシステム２００によって実装し得る他の任意の要素のような通信経路によって相互接続される。同様に、システム２００は、本発明の範囲から逸脱することなく、図２に示したモジュールに加えてあるいはそれよりも少ないモジュールを含むことが可能である。

本発明の一形態では、データ収集モジュール２１０は、システム２００が監視かつ制御するように構成される目標システムおよび／またはプロセスに基づき制御変数、応答変数、制約、および設計空間を決定するプロセスであり得る。「目標システム」という用語は、システム２００の実行を監視かつ制御するようにシステム２００を構成し得るシステムおよび／またはプロセスを反映し得る。データ収集モジュール２１０は、人間の介入によりまたはそれなしにその機能を実行し得る。例えば、ユーザは、目標システムの実行を制御するときにシステム２００が考慮すべきある制御変数、値の範囲および制約を用意することが可能である。代わりに、データ収集モジュール２１０は、目標システムの特性に基づき変数、制約、設計空間特性等を自律的に決定するプロセスを含んでもよい。さらに、データ収集モジュール２１０は制御変数を目標システムに付与し、目標システムの動作に基づき実際の応答変数を収集してもよい。

関係マッピングモジュール２２０は、データ収集モジュール２１０によって管理かつ収集される情報を受け取りおよび／または検索して、制御変数と応答変数との間の関係を反映するモデルシステムを決定するプロセスであり得る。関係マッピングモジュール２２０は、本発明に関するある特徴を実行するために、様々な種類の数学ベースの構造を含み得る。さらに、関係マッピングモジュール２２０は、テーブル、グラフ表示、データ配列等のような様々な形態の関係データ（例えば数学的モデルまたは関数）を提供し得る。同様に、関係マッピングモジュール２２０によって提供される情報は、システム２００に含まれる他のモジュールに、または表示インタフェースおよび／またはプリンタ装置を介してユーザに提供し得る。当業者は、関係マッピングモジュール２２０から関係データを提供するために使用される構成および技術を本発明の範囲から逸脱することなく変更し得ることを認識するであろう。

試験モジュール２３０は、関係マッピングモジュール２２０によって生成されたモデルに制御変数を適用するプロセスであり得る。追加して、または代わりに、試験モジュール２３０は試験制御変数を目標システムにも適用してもよく、また目標システムから獲得される応答変数を収集してもよい。代わりに、モデルシステムまたは実際の目標システムから獲得される応答変数をデータ収集モジュール２１０によって収集してもよい。試験モジュール２３０は、目標システムのモデルが、選択された応答変数に基づき所望レベルまたは向上したレベルで実行しているか、あるいはそのレベルで実行する傾向を示しているかどうかを決定する１つ以上のプロセッサによって実行されるプロセスも含み得る。一実施形態では、所望レベルまたは向上したレベルは最適レベルであり得る。さらに、これらの決定の結果を訓練モジュール２４０に提供し得る。

訓練モジュール２４０は、関係マッピングモジュール２２０によって決定されたモデルを調整して、目標システムの向上した動作状態を突き止めるプロセスであり得る。本発明の一形態では、訓練モジュール２４０は、目標システムおよび／またはモデルから所定の応答変数値を受け取るために目標システムに適用すべき適切な制御変数を決定してもよい。訓練モジュール２４０は、プロセッサによる実行時に、向上したレベルの応答変数がモデルまたは制御変数に対する以前の調整に基づき獲得可能かどうかを決定するソフトウェアを含み得る。本発明に関するある機能を実行するために、様々な数学的構造を訓練モジュール２４０によって実行することが可能である。例えば、訓練モジュール２４０は、行使時に、試験モジュール２３０によって提供されたデータに基づき、関係マッピングモジュール２２０によって生成されたモデルに対する調整を決定するニューラルネットワークプロセスを含んでもよい。さらに、ニューラルネットワークは、目標システムと関連する様々な動作状態を監視する目標システム内で動作する様々なセンサのような他のソースから入力データを受け取ることが可能である。これらのセンサは、入力データを提供する仮想または実際のセンサであり得る。

代わりに、訓練モジュールは、プロセスによる行使時に、向上した目標値または所望目標値に制御変数と応答変数との関係を収束する制御プロセスを実行するソフトウェア命令の形態の予め規定されたアルゴリズムのような他の数学的構造を含んでもよい。当業者は、訓練モジュール２４０が、本発明に関するある機能を実行するための上述の例示的な数学的構造および／またはプロセスに限定されないことを認識するであろう。本発明の範囲から逸脱することなく、いくつかの異なる種類のアルゴリズム、プロセス、構造およびスクリプトを訓練モジュール２４０によって実行し得る。

メモリ２５０は、情報を記憶する任意の種類の記憶装置であり得る。モジュール２１０〜２４０、ならびにシステム２００内で動作する他の要素（図示せず）は、メモリ２５０にアクセスしてその中の情報を受け取りおよび／または記憶し得る。メモリ２５０は、半導体、光学、または磁気ベースの記憶装置であり得る。さらに、メモリ２５０は揮発性または非揮発性のメモリ装置でもよく、また単一または多数の記憶装置（例えばアレイ）でもよい。当業者は、メモリモジュール２５０によって実装される記憶装置の種類が本発明の精神と範囲から逸脱することなく変更可能であることを認識するであろう。

本発明の一形態では、例示的なシステム２００は、目標システムの適切な動作特性を決定して応答変数の向上の達成を可能にするように構成可能である。図３は、本発明に関するある特徴と一致するシステム２００によって実行し得る例示的な制御プロセスのフローチャートを示している。図示したように、制御プロセスは、システム２００が関連する目標システムの種類と関連する変数および制約の決定から始まることが可能である（ステップ３０５）。変数は制御変数と応答変数とを含み得る。制御変数は、変数が他のシステムからまたはそれによって導かれるという意味で独立または従属変数であり、目標システムを制御し得る。応答変数は従属変数でもよく、目標システムの様々な応答特性と関連する。応答変数は、目標システムに適用される制御変数に基づき変化してもよく変化しなくてもよい。例えば、目標システムに適用される制御変数Ｘ１に基づき、データ収集モジュール２１０は所定の応答変数Ｙ１を監視し得る。したがって、制御変数Ｘ１に対する調整に基づき、応答変数Ｙ１は値を変更してもよく変更しなくてもよい。

制御変数および応答変数に加えて、同様に、システム２００は制約を決定することが可能である。制約は、制御変数、応答変数、および／または制御変数および／または応答変数の組み合わせと関連させ得る状態でもよい。例えば、制御変数Ｘ１と関連する制約は、Ｘ１が所定値を超えることができないかあるいは所定値未満に低下できないことを指定し得る。代わりに、または追加して、制約は、制約された制御変数に従属する応答変数Ｙ１と関連させてもよい。例えば、制約は、制御変数Ｘ１が制約された値の範囲内で動作している間に当該の従属変数Ｙ１が所定値を超えても下回らなくてもよいことを指定するように規定し得る。したがって、本発明の一形態では、データ収集モジュール２１０は、それぞれの制御変数および応答変数について１組の限界を規定し得る。これらの限界は、超えた場合（あるいは達しなかった場合）に目標システムがある不具合を経験するかあるいは所望の実行レベル未満で実行し得る目標システムの動作状態に基づくことが可能である。代わりに、限界は、システム２００によって制御されつつある目標システムの種類に関する政府規格によって設定された規制値と関連させてもよい。例示目的のために、２つの制御変数Ｘ１とＸ２および２つの応答変数Ｙ１とＹ２に基づき、本発明のある形態について記載する。当業者は、システム２００が、いくつかの異なる制約変数を有する任意の数の制御変数および応答変数を本発明の範囲から逸脱することなく規定し得ることを認識するであろう。

本発明に関するある形態によれば、応答変数は特定値に制約される必要はなく、むしろ他の変数の関数として規定し得る。例えば、応答変数Ｙ２は、制御変数Ｘ１の関数に基づく最大値を有するものとして規定してもよく、例えばＹ２（最大）＝ｎ（Ｘ１）であり、ここでｎは整数であり得る。さらに、制御変数は、他の変数の関数として規定される制約も有し得る。同様に、制御変数または応答変数はそれと関連する制約を有する必要はなく、一方、他の変数は制約を有し得る。当業者は、データ収集モジュール２１０によって決定される変数と関連する任意の組み合わせの制約を本発明の範囲から逸脱することなく実行し得ることを認識するであろう。

さらに、データ収集モジュール２１０は、目標システムと関連する所定の動作ゴールに適合するために規定応答変数が獲得すべき向上値を決定し得る。動作ゴールは、目標システムと関連し得る履歴動作データおよびエキスパートシステム情報に基づきシステム２００によって自律的に決定し得る。代わりに、動作ゴールは、目標システムと関連する所望の動作特性に基づきユーザが提供してもよい。例えば、システム２００は、目標システムと関連するある規則または設計限界に適合するように特定の応答変数を限定すべき値の範囲を規定するように構成可能である。

一実施形態では、制御変数は、１つの値であるデッドバンドを含む固定データ値または値の範囲、あるいは目標システムによる操作が許容されない制御変数値の範囲内の値のサブ範囲と関連させてもよい。例えば、制御変数は０〜１０の値の範囲と関連させてもよい。例示的な制御変数のこの範囲は、０〜４の値を含むデッドバンドを含んでもよい。したがって、目標システムは、制御変数の値がデッドバンド（例えば０〜４）内にあることが決定された場合に動作するように設計しなくてもよい。したがって、本発明は、０〜４の任意の決定制御変数値を「０」として指定し得る。上述の例では、例示的な制御変数値は、０と５〜１０とを含む範囲から決定し得る。さらに、制御変数のデッドバンドは、制御変数の値の部分またはその範囲全体を包含し得る。例えば、上述の例示的な制御変数の値の範囲では、デッドバンドは０〜１０の範囲全体を含み得る。この場合、本発明は、制御変数値が０または１０であり得ることを決定し得る。

図３を参照するに、変数および制約が決定されると、システム２００は、動作中に使用し得る設計空間を決定することが可能であり、少なくとも設計空間の部分が試験される（ステップ３１０）。設計空間は、制御プロセス中にそれぞれの制御変数を試験し得る値の範囲を含み得る。値の範囲は、それぞれの制御変数と関連する最小値と最大値とを含み得る。最小値および最大値は、ステップ３０５で決定された制約値と等価であっても等価でなくてもよい。本発明の一形態では、範囲値によって境界付けられた設計空間は、目標システムの特性に基づき操作者によってまたはデータ収集モジュール２１０によって自律的に決定し得る。例示目的のために、表１は、制御変数Ｘ１とＸ２と関連する設計空間を規定する例示的な最小値および最大値を示している。

したがって、制御変数Ｘ１とＸ２の例示的な設計空間は、Ｘ１とＸ２の最小値および最大値それぞれと関連する限界によって限定された空間であり得る。図４は、制御変数Ｘ１とＸ２と関連する例示的な設計空間Ｄ１の図面を示している。設計空間Ｄ１のそれぞれのコーナポイントは設計空間の極値を表し得る。さらに、設計空間Ｄ１に含まれるそれぞれのポイントは、制御変数Ｘ１とＸ２と関連する応答変数を表し得る。例えば、コーナポイントＣ１は、例示的な制御変数Ｘ１とＸ２と関連する２つの例示的な応答変数Ｙ１とＹ２を反映し得る。当業者は、制御変数Ｘ１とＸ２と関連する追加の応答変数があった場合、それらは、設計空間Ｄ１に含まれるそれぞれのポイントにも反映されることを認識するであろう。

図４は、２つの制御変数Ｘ１とＸ２に基づく２次元設計空間を示しているが、本発明のある形態は、３つ以上の制御変数に基づく追加表示を可能にする。例えば、３つの制御変数Ｘ１、Ｘ２およびＸ３がデータ収集モジュール２１０によって決定された場合、設計空間は３次元設計空間であり得る。したがって、本発明に関するある特徴と一致する制御プロセスは、システム２００が１つ以上の制御変数に基づき１つ以上の応答変数の特性を評価することを可能にし得る。したがって、システム２００は、１つ以上の制御変数を調整して、調整された１つまたは複数の制御変数に基づき規定された応答変数の値を収集し得る。一実施形態では、システム２００は、ステップ３０５と３１０で決定された変数および設計空間に関する要因設計を決定するように構成可能である（ステップ３１５）。要因設計は、システム２００が２つ以上の制御変数を同時に評価することを可能にする数学的構造である。例えば、非要因設計方法は、Ｘ１のような１つの制御変数を一度に調整して、その調整に基づき目標システムの規定応答変数値を監視し得る。したがって、図４に示した例示的な設計空間では、Ｘ１の調整に基づき応答変数Ｙ１とＹ２を監視し得るが、制御変数Ｘ２の調整を無視するであろう。要因設計により、Ｘ１とＸ２の両方に対して調整を行い、応答変数Ｙ１とＹ２を監視することが可能である。本明細書に記載した制御プロセスは要因設計の使用を示しているが、本発明は要因設計および非要因設計の両方を可能にする。

さらに、要因設計は、試験されつつある制御変数の間の相互作用の種類をシステム２００により制御することも可能にし得る。例えば、表１に示したような制御変数Ｘ１とＸ２に加えて、システム２００が、Ｘ３（最小）＝２０からＸ３（最大）＝２（Ｘ１）の設計空間範囲を有する第３の制御変数Ｘ３を規定したと想定する。理解できるように、この例示的な設計空間では、Ｘ３の値は変化しないと思われるので、Ｘ１がその１０の最小値で適用される場合にＸ３の最大値を適用することには問題があるかもしれない。言い換えれば、関数２（Ｘ１）の理由で、Ｘ１が１０の最小値で適用される場合、Ｘ３と関連する実際の値範囲はないであろう。理解できるように、Ｘ１＝１０の場合、Ｘ３（最大）＝２０であり、これはＸ３（最小）と同一である。したがって、システム２００は、処理時間を節減するためにこの状態の試験を避けようと欲するかもしれない。適切に選択された要因設計は、システム２００がＸ１（最小）とＸ３（最大）とを含む試験を回避することを可能にし得る。

本発明の一形態では、ある基準により、時間およびデータ記憶を処理するための補償を含めて、システム２００によってどの種類の要因設計を選択可能であるかを制御し得る。したがって、システム２００は完全な要因設計の代わりに半分の要因設計を選択して、試験し得るデータ相互作用の量を低減し得る。例えば、３つの制御変数Ｘ１、Ｘ２およびＸ３を含む設計空間は、要因設計空間の各コーナのために１つ、８つのポイントの完全な要因データセットを含み得る。図５は、３つの制御変数Ｘ１〜Ｘ３と関連する例示的な完全な要因設計空間を示している。半分の要因設計は、図５に示したようにデータポイントＦ１〜Ｆ４のような４つのデータポイントを考慮し得るに過ぎない。当業者は、システム２００が、目標システムのみならずシステム２００の特性に基づき、任意の数の異なる種類の要因設計を実行し得ることを認識するであろう。例えば、システム２００の処理力、記憶能力等は、制御プロセスによって使用された要因設計の種類に影響を及ぼす可能性がある。さらに、本発明に関するある特徴と一致する方法、システム、および製品は要因設計に限定されない。すなわち、いくつかの異なる数学的構造をシステム２００により実行して、制御変数と応答変数との間の相互作用の決定を本発明の精神と範囲から逸脱することなく容易にし得る。

要因設計が決定されると、システム２００は、ステップ３１０で決定された設計空間に基づき、決定された制御変数を目標システムに適用しかつ応答変数を収集し得る（ステップ３２０）。本発明の一形態では、データ収集モジュール２１０をシステム２００により使用して、制御変数を目標システムに適用しかつ応答変数を収集し得る。代わりに、システム２００は試験モジュール２３０のような他のモジュールを使用して、本発明の精神と範囲から逸脱することなく制御変数を目標システムに適用してもよい。例えば、システム２００は制御変数Ｘ１とＸ２を目標システムに適用して、応答変数Ｙ１と関連する値を収集し得る。本発明の一形態では、システム２００は、決定された設計空間によって規定された所定範囲の値内で様々な値の制御変数Ｘ１とＸ２を適用することが可能である。しかし、当業者は、異なる制御変数および応答変数の数に基づき、設計空間で収集された様々な応答変数と関連するデータポイントの数が、変数Ｘ１、Ｘ２およびＹ１と関連する例示的なデータポイントよりもはるかに大きいかもしれないことを認識するであろう。例示目的のために、図６は、例示的な制御変数Ｘ１とＸ２と応答変数Ｙ１との間の関係を反映し得る設計空間Ｄ１のポイントのプロットを示している。図６に示した設計空間Ｄ１は、制御変数Ｘ１とＸ２と応答変数Ｙ１との間の関係を含む３次元設計空間の２次元の「スライス」を表し得る。例えば、３次元設計空間（図示せず）は、Ｘ軸およびＺ軸をそれぞれ反映する制御変数Ｘ１とＸ２を含み、一方、制御変数Ｙ１がＹ軸を反映するグラフによって表すことが可能である。したがって、図６は、Ｙ軸とＸ軸とを含む３次元設計空間の２次元部分を表している。

本発明の一形態では、システム２００が制御変数Ｘ１とＸ２の様々な適用に基づき適切な応答変数を収集すると、関係マッピングモジュール２２０は、これらの変数の間の関係を反映するモデルを生成することが可能である（ステップ３２５）。本発明の一形態では、モデルは、制御変数と応答変数との間の連続関係を表す複数の関数を反映し得る。例えば、図６に示したように、設計空間Ｄ１の例示的なデータポイントは単一の関数Ｆ１で十分に表されないことがある。したがって、システム２００は、データポイントを異なる領域に分割し、またそれぞれの領域のデータを表す適切な関数を決定し得る。総体的に、それぞれの領域の関数は、目標システムと関連する制御変数と応答変数との間の関係を十分に表し得る。例えば、図６に示したように、システム２００は設計空間Ｄ１を６つの領域Ｒ１〜Ｒ６に分割してもよい。それぞれの領域は、関係マッピングモジュール２２０が決定し得る個々の関数によって表すことが可能である。

本発明の一形態では、関係マッピングモジュール２２０は、反復計算プロセスによって設計空間のそれぞれの領域の関数を決定し得る。例えば、モジュール２２０は、設計空間Ｄ１の一連のデータポイントと一次関数または二次関数のようなデフォルト関数とを一致させようと試みることが可能である。デフォルト関数が設計空間Ｄ１のデータポイントと関連する関係を十分に表すとは思われないことをモジュール２２０が決定すると、他の関数を試みることが可能であり、設計空間Ｄ１のそれぞれの領域が関数によって十分に表されるまでそのように行われる。本発明の一形態では、モジュール２２０は、目標システムと関連する履歴データと、同様の制御変数および応答変数を有する以前の関係とを利用して、それぞれの領域のデフォルト関数を選択し得る。このようにして、システム２００は、変数関係を十分に表すものでないことが履歴的に実証された関数を当初迂回することによって、処理時間を節減し得る。例えば、システム２００は、制御変数と応答変数との間の一次関係が、目標システムと関連する履歴データに基づく最も効率的な開始関数でなくてもよいことを認識し得る。当業者は、システム２００が上述の例示的なプロセスに限定されないこと、および設計空間の一連のデータポイントを表すための適切な関数を決定する様々な異なるプロセスおよび反復計算を、本発明の範囲から逸脱することなく実行し得ることを認識するであろう。

本発明の関係マッピング特徴に関するある形態をより良く説明するために、図６に示した例示的な設計空間Ｄ１を参照する。設計空間Ｄ１のデータポイントに基づき、システム２００は、範囲Ｒ１の関数が二次関数によって十分に表されることを決定し得る。したがって、範囲Ｒ１内の関係を表す適切な二次関数ＦＲ１を決定することが可能である。システム２００は、同様のプロセスに従って設計空間Ｄ１のそれぞれの範囲の適切な関数を決定することが可能であり、これらは関数ＦＲ２〜ＦＲ６として図６に示されている。次に、関数ＦＲ１〜ＦＲ６の組み合わせに基づき、システム２００は、制御変数Ｘ１とＸ２と応答変数Ｙ１との間の関係を反映するモデルを生成し得る。したがって、システム２００はまた、１つまたは複数の制御変数の値に基づき当該モデルをセグメントに使用することを可能にし得る。例えば、関数ＦＲ１は、制御変数Ｘ１とＸ２が範囲Ｒ１内の値に設定されるときにシステム２００によって使用し得る。

関係マッピングモジュール２２０がモデルシステムを生成すると、システム２００は、モデルシステムの正確さに関しモデルに反映された関係を試験することが可能である。本発明の一形態では、試験モジュール２３０は、試験制御変数をモデルに適用して予測応答変数を生成し得る（ステップ３３０）。試験制御変数は、データ収集モジュール２１０によって決定された同一の制御変数と関連させてもよい。当業者は、試験モジュール２３０によって適用された試験制御変数の種類および値が、本発明の範囲から逸脱することなく変更可能であることを認識するであろう。本発明の一形態では、試験モジュール２３０は、生成モデルに適用するために関係マッピングモジュール２２０に試験制御変数を付与することによって予測応答変数を獲得し得る。次に、モジュール２２０は試験制御変数をモデルに適用することが可能であり、これによって、モデルに反映された関係に基づき予測応答変数を生成し得る。代わりに、試験モジュール２３０は、モジュール２２０からモデルを受け取って、モデルへの試験制御変数の適用に基づきモデルから予測応答変数を獲得してもよい。予測応答変数は、メモリ２５０、または試験モジュール２３０のようなシステム２００のモジュールのいずれかと関連するメモリ装置に記憶し得る。

本発明に関するある特徴と一致する制御プロセスはまた、試験制御変数を目標システムに適用して、目標システムから実際の応答変数を獲得し得る（ステップ３３５）。本発明の一形態では、試験モジュール２３０は、目標システムに試験制御変数を適用するためにデータ収集モジュール２１０に試験制御変数を付与し得る。代わりに、試験モジュール２３０は、システム２００の他のモジュールの補助なしに試験制御変数を目標システムに適用してもよい。当業者は、システム２００の異なる技術およびモジュールを用いて、本発明の範囲から逸脱することなく試験制御変数を目標システムに適用し得ることを認識するであろう。さらに、目標システムから獲得された実際の応答変数は、メモリ２５０、またはシステム２００の任意のモジュールと関連する他の任意のメモリ装置に記憶し得る。

実際の応答変数および予測応答変数が収集されると、システム２００は、訓練モジュール２４０により、予測応答変数が実際の応答変数に関して容認可能なしきい値内にあるかどうかを決定し、そうであるならば、本発明に関するある特徴と一致する訓練プロセスを実行することを可能にし得る（ステップ３４０）。本発明に関するある特徴と一致する一形態では、試験モジュール２３０は、設計空間Ｄ１内の所望の応答領域を画定するように構成可能である。次に、試験モジュール２３０は、画定された応答領域内の決定された制御変数と応答変数との間の関係を試験し得る。実際の応答変数が所望の領域内に含まれ、また予測応答変数が含まれない場合、訓練モジュール２４０は、本発明に関するある特徴と一致する訓練プロセスを実行し得る（以下に説明）。他方、実際の応答が画定された領域に含まれない場合、システム２００は、訓練モジュール２４０によるすべての訓練プロセスの実行を防止し得る。本発明のこの形態では、システム２００は、所望の応答領域に対する関係の正確さを微調整し、また目標システムの試験に重要でないとみなされる領域を避けることが可能である。

例えば、図７に示したように、目標システムは試験制御変数Ｘ１とＸ２に応答して、ポイント７０２〜７１６によって表される応答変数Ｙ１とＹ２を生成し得る。本発明に関するある特徴と一致する制御プロセスに続き、データポイント７０２〜７１６の間の関係を反映するモデルシステムは、前述のように関係マッピングモジュール２２０によって生成し得る。生成されると、モデルを試験することが可能である。本発明のこの形態では、システム２００は所望の応答領域を画定することが可能であり、この領域は、Ｙ１（１）≦Ｙ１≦Ｙ１（２）およびＹ２（１）≦Ｙ２≦Ｙ２（２）の領域によって境界付けられたボックスＢ１として図７に示されている。当業者は、目標システムと関連する応答変数が制約されてはならないことを認識するであろう。代わりに、応答変数が目標システムを損傷する可能性がある場合に、応答変数を制約してもよい。例えば、応答変数（例えばＹ１）と関連する設計制約により、応答変数の値が所定値を超えないことが必要とされる場合、応答変数Ｙ１を制約してもよい。

本発明のこの形態では、システム２００は、所望の応答領域Ｂ１内のモデルの正確さの改良に集中して、Ｂ１に含まれないモデルの関係を無視するように構成可能である。したがって、システム２００は、所望の応答領域Ｂ１内に応答変数を生成する制御変数を用いて、モデルを試験するように構成可能である。

所望の応答領域Ｂ１の４つのコーナは、モデルを操作して、座標（Ｙ１（１）、Ｙ２（１））、（Ｙ１（２）、Ｙ２（１））、（Ｙ１（１）、Ｙ２（２））、および（Ｙ１（２）、Ｙ２（２））によって画定されたＢ１の４つのコーナに含まれ得る応答変数を生成する制御変数Ｘ１とＸ２を提供することによって、システム２００により識別可能である。したがって、所望の応答領域内でマップされた関係によって生成されたモデルシステムに基づき、予測応答変数を決定し得る。例えば、当該モデルに基づき、制御変数Ｘ１＝１０および制御変数Ｘ２＝２０が目標システムに適用されると、システム２００によって生成されたモデルは、データポイント７５０で示したように、Ｙ１がＹ１（１）であることを予測し、またＹ２はＹ２（１）であることが予測される。しかし、制御変数Ｘ１＝１０およびＸ２＝２０が目標システムに実際に適用されると、実際の応答変数は、所望の応答領域Ｂ１の外側のデータポイント７２０をもたらす場合がある。本発明の一形態では、システム２００は、応答変数データポイント７２０が所望の応答領域外にあるので、そのデータポイントと関連しないかもしれない。制御変数Ｘ１＝１５およびＸ２＝１８が目標システムに適用されると、所望の応答領域Ｂ１内の応答変数データポイント７３０を生成することが可能である。したがって、システム２００は、目標システムの実際の応答特性をより良く表すために、訓練モジュール２４０によるモデルの調整を必要とすることがある。

本発明の上述の形態は、システム２００により、所望の応答を達成するために制御変数が指定範囲内に移動することを可能にし得る。すなわち、システム２００は、制御変数を限定するシステムと比較して、制御プロセスの正確さおよび応答性を増大し得る所望の応答領域を限定することが可能である。目標システムの制御変数の限定は、制御変数領域の境界を再画定するように実行すべき追加の試験を必要とする場合がある。代わりに、本発明に関するある特徴に従って応答変数を所望の応答領域に限定することにより、試験時間を低減することが可能であるが、この理由は、正確さが重要であるとみなされない領域（例えば所望の応答領域Ｂ１の外側）のモデルの実行を無視するように、システム２００が構成されるからである。

システム２００は、予測応答変数が異なる基準に基づく所定のしきい値内にあることを決定し得る。本発明の一形態では、基準を目標システムの実際の応答変数と関連させてもよい。例えば、本発明の一形態では、システム２００は、容認可能なしきい値が対応する実際の応答変数の予め規定された範囲内の値を有する場合、予測応答変数が容認可能なしきい値内にあることを決定し得る。例えば、システム２００は、実際の応答変数値からの容認可能な偏差を反映するデルタ値を設定することが可能である。したがって、ある１組の制御変数値のデルタ値（例えばＸ１＝１０およびＸ２＝１５０）が±２．０に設定され、また応答変数Ｙ１の予測値が１０に決定され、一方、実際の応答変数が１１である場合、システム２００は、予測応答変数が容認可能であることを決定し得る。当業者は、予測応答変数が容認可能であるかどうかを決定するために、本発明の精神と範囲から逸脱することなくシステム２００によりいくつかの異なる技術、アルゴリズム、および／またはプロセスを実行し得ることを認識するであろう。

図３を参照するに、予測応答変数の１つ以上が所定のしきい値内にないことをシステム２００が決定した場合（ステップ３４０；ＮＯ）、モデルを調整してその正確さを高めるために、訓練モジュール２４０を使用することが可能である。本発明に関するある特徴と一致する一形態では、システム２００は、目標システムの動作が１つ以上の目標応答変数値（例えば所望の応答変数値）に向かって収束することを可能にするようにモデルの調整を可能にする順次試験プロセスを実行し得る。

本発明の一形態では、システム２００は、制御プロセスが監視を試みている目標応答変数を決定し得る。例えば、データ収集モジュール２１０によって規定された制約のすべてを考慮しつつ、目標システムがＹ１の値を最小にすることを試みるべきであることをシステム２００が決定した場合、Ｙ１は目標応答変数であると考えることが可能である。当業者は、監視されつつある２つ以上の応答変数が存在し得ることを認識するであろうが、説明の目的のために、順次試験プロセスの説明は単一の目標応答変数について記載される。

本発明の一形態では、訓練モジュール２４０は、制御変数と応答変数との間の関係を反映するモデルと相関関係にある制御変数の最小値および最大値（例えばＸ１（最小）＝１０およびＸ１（最大）＝１００）を選択し得る。例えば、図８は、設計空間Ｄ８内の制御変数Ｘと応答変数Ｙとの間の関係を反映する例示的なモデルの図面を示している。制御変数Ｘの最小範囲値および最大範囲値は、データ収集モジュール２１０によって以前に決定されかつ応答変数Ｙと制御変数Ｘとの間の関係関数に相関させられている場合がある。データポイントＰ１およびデータポイントＰ２は、Ｘ_{ｍｉｎ（ｉｎｉｔｉａｌ）}およびＸＭａｘ_{（ｉｎｉｔｉａｌ）}として示した制御変数Ｘの極値（最小範囲値および最大範囲値）を表し得る。訓練モジュール２４０は、本発明と一致する制御プロセスについてデータポイントＰ１を初期データポイントとしてまたデータポイントＰ２を目標ポイントとして指定し得る。したがって、データポイントＰ１とＰ２に対応する制御変数データ値は、個々の応答変数を生成するために目標システムに適用し得る実際のデータ値を表している。制御プロセスは、目標ポイントとして指定されたデータポイントＰ２について説明されているが、本発明の実施形様はこのような指定に限定されない。例えば、データポイントＰ１とＰ２を相互接続するラインの傾斜を反転した場合（例えば、データポイントＰ２よりも低い応答変数データ値を有するＰ１）、データポイントＰ１（例えばＸ_{Ｍｉｎ（ｉｎｉｔｉａｌ）}）は目標データポイントであろう。さらに、図８に示した関数８００は例示的であり、本発明を限定するようには意図されない。例えば、応答変数（Ｙ）は複数の応答の関数であり得る。したがって、関数８００は、図８のデータポイントＰ１とＰ２で示したような関数の極端に認められず、関数の中央に認められる目標データポイントを有する放物線を反映する二次関数によって表し得る。したがって、制御プロセスは、目標データポイント（例えば、現在のモデルによって決定可能かつ２つの制御変数しきい値Ｘ_ＭｉｎとＸ_Ｍａｘとの間に認められる最小の制御変数Ｙ）を決定するように実行し得る。

これらの２つのポイントが識別されると、訓練モジュール２４０は、目標データポイントと初期データポイント（Ｐ１とＰ２）との間の実際の中点データ値Ｐ３を決定して、この中点を関数８００によって反映されたモデルにマップすることが可能である（ステップ３４５）。データポイントＰ３を関数８００にマップするために、訓練モジュール２４０は、データポイントＰ３（Ｘ_{ｓｔａｒｔ}）に対応する制御変数データ値を目標システムに適用して、実際の応答変数を生成し得る。データポイントＰ４は、関数８００にマップされる実際の応答変数を反映し、データポイントＰ３は制御プロセスの開始ポイントを表す。

システム２００が中点を関数にマップすると、訓練モジュール２４０は、目標データポイントＰ２に向かうステップを取ることが可能であり、このステップは、本発明の一実施形態においてデータポイントＰ３とＰ２の間の中間と等価の距離である。したがって、訓練モジュール２４０は予測データポイントＰ５を決定して、このデータポイントを関数８００にマップしてデータポイントＰ６を決定する。次に、データポイントＰ６が関数８００にマップされると、訓練モジュール２４０は、本実施例においてＸ_{ｍｉｎ（ｉｎｉｔｉａｌ）}〜Ｘ_{Ｍａｘ（ｉｎｉｔｉａｌ）}の範囲値の間の応答変数Ｙ１を最小にし得る所望の値に、マップされたデータポイントＰ６がより近いかどうかを決定し得る（ステップ３５０）。したがって、訓練モジュール２４０は、データポイントＰ６の応答変数データ値が、マップされたデータポイントＰ４と関連するデータ値よりも小さいかどうかを決定し得る。図８に示したように、例示的なデータポイントＰ６はＰ４よりも小さく、したがって、訓練モジュール２４０は、順次試験プロセスが、データポイントＰ２によって表された目標値に向かって他のステップを取ることを可能にし得る（ステップ３５５）。

したがって、訓練モジュール２４０は、予測データポイントＰ７として図８に示した予測データポイントＰ５と目標データポイントＰ２との間の中間の予測データポイントを決定し得る。次に、この予測データポイント（例えばＰ７）は、データポイントＰ８として関数８００にマップされる。次に、訓練モジュール２４０はステップ３５０を繰り返して、データポイントＰ８に対応する応答変数データ値がデータポイントＰ６の応答変数データ値よりも小さいかどうかを決定することが可能である。本実施例では、データポイントＰ８はデータポイントＰ６よりも大きい（ステップ３５０；ＮＯ）。したがって、訓練モジュール２４０は、データポイントＰ５の周りの空間と、本実施例においてデータポイントＰ６である関数８００の最後の優れたデータポイントとを再センタリングすることによって設計空間を修正し得る。

設計空間を再センタリングするために、訓練モジュール２４０は、Ｄ_ｓｔｅｐとして図８に示したデータポイントＰ７を予測するために、データポイントＰ５とＰ６から取られたステップのサイズを決定し得る。次に、訓練モジュール２４０は、データポイントＰ５から同一の距離だけステップバックして（例えばＤ_ｓｔｅｐ）、予測データポイントＰ_ｓｔｅｐを決定し、データポイントＰ９として示したこのデータポイントを関数８００にマップし得る。このようにして、訓練モジュールは、データポイントＰ_ｓｔｅｐに対応する制御変数データ値を目標システムに適用して、制御変数データ値に対応する応答変数データ値（例えばデータポイントＰ９）を生成し得る。次に、訓練モジュール２４０は、新しい最小制御変数データ値Ｘ_{ｍｉｎ（ｎｅｗ）}であるデータポイントＰ９と、新しい最大制御変数データ値Ｘ_{ｍａｘ（ｎｅｗ）}であるデータポイントＰ８とによって境界付けられた設計空間の新しい範囲のデータ値を指定し得る。

次に、訓練モジュール２４０はステップ３２０で制御プロセスを繰り返し得る。言い換えれば、システム２００は制御プロセスのステップ３２０に戻って、修正された設計空間に基づき新しいモデルを生成し、新しいモデルによって生成された新しい予測応答変数が所定のしきい値内にあるかどうかを決定し、そうでなければ、ステップ３４０〜３６０について記載したようにモデルを調整することが可能である。したがって、訓練モジュール２４０は、データポイントＰ９と関連する応答変数データ値がしきい値内にあるかどうかを決定し（ステップ３４０）、そうでなければ、新しい最小データ値および最大データ値Ｐ９とＰ８の間の実際の中点データ値Ｐ１０を決定する。次に、訓練モジュール２４０は、図８の予測データポイントＰ１１として反映された新しい目標データポイントＰ８に向かってステップを取って、このデータポイントを関数８００にマップしてデータポイントＰ１２を決定し得る。次に、訓練モジュール２４０は、データポイントＰ１２が向上したデータ値により近いか（例えば、データポイントＰ１２が最後の優れたデータポイントＰ６よりも低いか？）どうかを決定する（ステップ３５０）。本実施例では、データポイントＰ１２はデータポイントＰ６よりも低く（ステップ３５０；ＹＥＳ）、この結果、訓練モジュール２４０は、予測データポイントＰ１３によって反映された新しい目標ポイントＰ８に向かって他のステップを取ることが可能である。次に、この新しい予測データポイント（例えばＰ１３）は関数８００にマップされて、データポイントＰ１４を決定し、制御プロセスはステップ３５０に戻る。本実施例では、データポイントＰ１４は最後のマップされたデータポイントＰ１２よりも大きいので（ステップ３５０；ＮＯ）、次に、訓練モジュールは、ステップ３６０について前述したように設計空間を修正し得る。

本発明の一実施形態では、予測応答変数が所定のしきい値内にあることがシステム２００により決定されると（ステップ３４０；ＹＥＳ）、制御変数および応答変数の値を収集して、メモリ２５０に記憶し得る（ステップ３６５）。したがって、上述の例示的な制御プロセスでは、データポイントＰ１２が容認可能なしきい値（例えば最小値Ｙ）内にあることを決定し、対応する制御変数および応答変数データ値をメモリ２５０に収集かつ記憶することが可能である。当業者は、図示していないモジュールを含むシステム２００に含まれるモジュールの任意のものと関連する他のメモリ装置に変数を記憶し得ることを認識するであろう。応答変数と関連する所定の設計ゴールに適合することを試みつつ目標システムの実行を制御するために、記憶された変数情報をシステム２００によって利用し得る。

本発明の一形態では、順次試験プロセスを実行する代わりに、システム２００は、適応学習プロセスを実行して目標システムの動作のモデルを調整し得る。本発明のこの形態では、図９に示したように制御プロセスを調整し得る。図示したように、システム２００は、モデルの調整が必要であるまで、図３について上述したような同一の手順を実行し得る。すなわち、システム２００は、ステップ３０５〜３４０が図３に示した制御プロセスで実行されるのと同一の方法でステップ９０５〜９４０を実行し得る。

予測応答変数が所定のしきい値内にないことをシステム２００が決定した場合（ステップ９４０；ＮＯ）、実際の応答変数およびそれらの対応する制御変数が、データ収集モジュール２１０によって以前に決定された設計空間に付加され（ステップ９４５）、次に、制御プロセスはモデルを再マップして、既存のまたは新しい設計空間の制御変数と応答変数との間の更新関係を決定し得る。プロセスは、予測応答変数が所定のしきい値にあることが決定されるまで繰り返し（ステップ９４０；ＹＥＳ）、この場合、向上した変数（例えば制御変数および対応する制御変数）はメモリ２５０または任意の適切な他の記憶装置に記憶される（ステップ９６５）。目標システムの実行を制御するために、記憶された変数情報をシステム２００によって利用し得る。したがって、本発明のある実施形態では、適応学習プロセスは固定設計空間を使用して、引き続く組の制御変数が目標システムに適用されるときに制御変数と応答変数との間の関係を反映するモデルをリファインする。例えば、適応学習プロセスは、上述の制御プロセスまたは他の種類の設計実験の結果から得られたポイントの蓄積であり得る情報ベースから開始し得る。情報ベースを用いて、制御変数と応答変数との間の関係を反映する現在のモデルに基づき向上した応答を生成すると思われる制御変数を目標システムに適用して、実際の応答データを生成し得る。実際の応答データが、予測応答データと関連する所定のエラーしきい値を超える場合、実際の応答データおよび予測応答データは、適用された制御変数データと共に情報ベースに付加され、またエラーしきい値を超えない間モデル化／予測プロセスが繰り返される。

記載したように、本発明に関するある原理と一致する方法、システム、および製品は、プロセス制御システムが定常状態の環境の目標システムの実行を制御することを可能にし得る。すなわち、目標システムと関連するある動作状態が、ある時間期間変化しない環境である。本発明の他の形態によれば、システム２００はまた、過渡動作状態中に目標システムの実行を制御するように構成可能である。すなわち、目標システムと関連する１つ以上の動作パラメータが時間に対して動的に変化することを可能にする動作状態である。例えば、図１０は、例示的な目標システムの２つの動作パラメータの動的性質を反映するグラフを示している。

本発明の一形態によれば、システム２００は、目標システムと関連する所定の制御変数と、目標システムと関連する１つ以上の動作パラメータとの関係を反映するパラメータマップを維持し得る。例えば、パラメータマップは、メモリ２５０に記憶されかつテーブルのそれぞれのセルに制御変数値を含むルックアップテーブルでもよく、テーブルの列および行は第１および第２のパラメータをそれぞれ反映する。すなわち、ルックアップテーブルは、パラメータ１およびパラメータ２と例えば制御変数Ｘ１との関係を含み得る。したがって、パラメータが変化するとき（例えばパラメータ１）、ルックアップテーブルを使用して新しい制御変数値を決定し得る。必要ならば、システム２００は補間プロセスを用いて、テーブルの所定の列または行内の２つの値の間の適切な値を決定し得る。

当業者は、本発明の範囲から逸脱することなく、パラメータと制御変数との任意の数の組み合わせをシステム２００によって実行して、マップに表し得ることを認識するであろう。例えば、ルックアップテーブルのセルのそれぞれの値は、ある個々の値を有する複数の制御変数を反映し得る。このようにして、例えばパラメータ１＝５およびパラメータ２＝１００の交差部に認められるテーブル内のセルに確認される情報は、２つの制御変数値Ｘ１＝２０およびＸ２＝７７を反映し得る。さらに、システム２００は、パラメータ１と２と所定の制御変数との間のマップ関係を維持するためのルックアップテーブルの使用に限定されない。本発明の範囲から逸脱することなく、他の種類の記憶アーキテクチャをシステム２００によって実装し得る。

図１０に示したように、２つの例示的なパラメータの値は、時間の経過につれて動的に変化する。これらの種類の動的環境を制御するために、本発明に関するある特徴と一致する方法、システム、および製品は、分割した定常状態条件として目標システムの動作を特徴づける過渡制御プロセスを実行し得る。図１１は、本発明に関するある特徴と一致する例示的な過渡制御プロセスのフローチャートを示している。

図１１に示したように、システム２００によって実行し得る過渡制御プロセスは、目標システムの動作と関連する１つ以上の所定のパラメータと関連するデータを収集するデータ収集モジュール２１０によって開始し得る（ステップ１１１０）。前述したように、図１０は、ある時間期間（ｔ）にわたって例示的な目標システムから収集されたかもしれないパラメータデータを示している。次に、システム２００は、時間期間（ｔ）の間に収集パラメータデータをセグメントに分離し得る。例えば、図１０は、７つの期間（セグメント）に分割された収集パラメータ情報を示している。当業者は、システム２００が、収集パラメータ情報を等しいサイズのセグメントにあるいは様々なサイズのセグメントに分離し得ることを認識するであろう。例えば、図１０に示した期間１〜７は、０〜２、２〜４、４〜６、６〜８、８〜１０、１０〜１２、および１２〜１４秒の時間期間をそれぞれ反映し得る。

収集パラメータデータが分割されると、システム２００はそれぞれのセグメントのそれぞれのパラメータの平均値を決定し得る（ステップ１１３０）。例えば、図１０を参照するに、それぞれの期間１〜７の間のパラメータ１と２の平均値を決定し得る。本発明の一形態では、平均パラメータデータはメモリ２５０に、あるいはそれぞれの期間をそれらの対応する平均パラメータ値と相関させるアレイ、ファイル、テーブル等のような他の同様のメモリ装置に記憶し得る。次に、システム２００は、システム２００によって以前に維持されたパラメータマップを平均パラメータデータで占めさせることが可能である（ステップ１１４０）。したがって、パラメータマップは、目標システムの過渡動作と関連する平均パラメータ情報を今や含み得る。

次に、システム２００はパラメータマップを個々のセグメント、または「ビン」に分離し得る（ステップ１１５０）。ビンは等しいサイズでも等しいサイズでなくてもよい。図１２は、ビンＢ１〜Ｂ１２に分離されたパラメータマップを示している。セルＣのようなパラメータマップ内のそれぞれのセルは、目標システムと関連する１つ以上の制御変数を反映し得る。例えば、セルＣは、パラメータ１がＰＭ１の値を有しまたパラメータ２がＰＭ２の値を有したときに目標システムに適用された制御変数Ｘ１の値を含み得る。本発明の一形態では、それぞれのビンはいくつかの平均セグメントの平均値を含み得る。例えば、第１および第２の平均セグメントの平均パラメータ値がＰＭ１，１＝１２．５、ＰＭ２，１＝１２５、ＰＭ３，１＝１０、ＰＭ１，２＝１４、ＰＭ２，２＝１００、ＰＭ３，２＝２０であり、またＢ１がＰＭ１＝０，２０およびＰＭ２＝０，１５０によって境界付けられる場合、両方のＰＭ３値はビンＢ１に属し、ＰＭ３＝１５のＢ１値をもたらすように平均化される。

ビンに分割されると、目標システムの実行を制御するために、パラメータマップをシステム２００によって利用し得る。本発明の一形態では、システム２００は、それぞれのビンのために、図３または図９について記載した定常状態制御プロセスを実行し得る（ステップ１１６０）。例えば、ビンＢ１の制御変数情報をデータ収集モジュール２１０によって利用して、設計空間と要因設計とを決定し得る。本発明の一形態では、それぞれのビンの平均パラメータ値は定常状態制御プロセスを介して変更される。

制御変数と応答変数との間の関係を反映するモデルを形成するために、制御変数を目標システムに適用して応答変数を検索することが可能である。モデルは試験可能であり（例えば、予測応答変数に対して実際の応答変数を分析する）、またモデルは、予測応答変数が所定のしきい値内にあるかどうかに基づき調整し得る。システム２００は、順次試験、適応学習プロセス、またはモデルを調整するときにそれらの両方を実行し得る。ビンＢ１が処理されると、システム２００は、ビンＢ２、次にＢ３のような引き続くビンを処理することが可能であり、パラメータマップ内のすべてのビンが処理されるまでそのように行われる。代わりに、システム２００は、並列処理とマルチタスキング処理技術とを同時に用いてそれぞれのビンに制御プロセスを実行するように構成してもよい。当業者は、それぞれのビンが処理される順序が、本発明の精神と範囲から逸脱することなく変更可能であることを認識するであろう。さらに、定常状態制御プロセスに関し、目標システムの実行を制御するためにシステム２００が使用し得るメモリ２５０のようなメモリに、向上した変数値を記憶し得る。

本発明に関するある特徴と一致する方法、システム、および製品は、システムが所定の制御変数に基づき応答変数を正確に予測することを可能にする。開示した発明は、例えば、ランタイム動作中に目標システムの動作を制御して、所定の変数および制約と関連する性能の向上を達成するためのシステムの提供において有用である。さらに、開示した発明は、プロセスと関連する変数の間の公知の関係によって規定し得るプロセスに適用可能である。例えば、本発明のある形態は、１つ以上の関係が経験的であるが、ある変数および／または定数が未知であるシステムに適用し得る。

本発明の一形態では、目標システムの電力制御が可能な車両（例えば、陸上車両、水上車両、および空上車両）および非車両型の機器（例えば電動工具、プラント設備等）のような任意の種類の機器と関連するエンジンの動作を制御するために、システム２００を適用することが可能である。例えば、本発明のある形態は、ある政府規制、例えばエミッションと関連する政府規制によって制約されるエンジンを作動するシステムに適用し得る。すなわち、システム２００は、車両または非車両型のシステムに電力を供給するエンジン内にまたはその近くに収容されたエンジン制御ユニットであり得る。このような用途では、目標システム（例えばエンジン）を多数の動作モードで試験することが可能であり、それぞれのモードはエンジンのある所定の動作パラメータと関連する。例えば、モードを特定のエンジン負荷とエンジン速度とに関連させてもよい。システム２００は、異なる動作モード全体にわたってエンジンの動作特性に基づく性能曲線を決定するように構成してもよく、それぞれのモードは、対応する組の所定の制御変数と関連する特定のエンジン速度および負荷を反映する。

さらに、システム２００は、エンジンを制御するための制御変数および応答変数のマップまたはテーブルを開発するために、本発明に関するある特徴と一致する制御プロセスを実行するように構成可能である。すなわち、メモリ２５０に記憶された向上した値をシステム２００によって利用して、ある応答変数を獲得するためにエンジンに供給する必要がある適切な制御変数を決定し得る。マップ内の応答変数は、特定の負荷および／または速度（すなわちモード）の下でシステム２００によって生成されたモデルから獲得される予測応答変数であり得る。したがって、ランタイム動作中、システム２００は、仮想センサまたはハードウェアベースのセンサを用いてエンジンの速度および負荷を感知することが可能である。変数マップにアクセスして、ある応答変数を提供するためにどの制御変数が必要とされるかを決定するために、感知された速度値および負荷値を利用してもよい。次に、システム２００は、決定された制御変数をエンジンに直接的または間接的に適用し得る。

本発明の他の形態では、システム２００は、上述のような同一の種類の目標システムに過渡制御プロセスを適用するように構成可能である。例えば、図１０に示したパラメータは、上述の例示的なエンジンシステムのエンジン速度およびエンジン負荷を反映し得る。したがって、システム２００は、過渡動作中に収集されたエンジン速度およびエンジン負荷データに基づき、例示的なエンジンと関連するある制御変数を反映するようにパラメータマップを構成し得る。さらに、分割されたパラメータマップに含まれるビン（例えば図１２に示したビンＢ１〜Ｂ１２）を前述のようなモードと関連させてもよい。したがって、システム２００は、それぞれのモードまたはビンについて図３または図９に記載した制御プロセスを実行して、変数マップを生成し得る。上述の定常状態実施例に関し、変数マップをシステム２００によって利用して、ある応答変数を達成するためにどの制御変数を例示的なエンジンに適用すべきかを決定し得る。

本発明のさらに他の形態では、システム２００は、目標システムと関連する異なる動作モード用のルックアップテーブルを生成し得る。システム２００は、目標システムと関連する様々な実行ゴールを受け取るように構成可能である。これらの実行ゴールは、個々の動作モード、すなわち関連の制約、制御変数および応答変数と関連させてもよい。代わりに、または追加して、実行ゴールは目標システムの全体の実行と関連させてもよい。すなわち、すべての動作モードおよびそれらの制約を含む目標システムの実行である。したがって、それぞれのモードの動作は、他のモードの動作ならびにシステム全体の実行に影響を及ぼす場合がある。例えば、任意の制御変数、応答変数、および／または動作モードと関連する任意の制約を超えないようにしつつ１つの応答変数についてある値を達成する目標システムの実行ゴールについて、システム２００を構成し得る。したがって、システム２００は、目標システムがシステムレベル全体の実行に適合することを保証するシステムレベルの制約を決定または受け取るように構成可能である。

例えば、それぞれのモードが２つのパラメータおよび単一応答変数に関連する３つの動作モードを含む環境を考える。さらに、それぞれのモードは、モードと関連する所定の優先性に基づき応答変数に適用される重み値を含んでもよい。システム２００は、目標システムがモード１で動作サイクル時間の１０％の間、モード２でその時間の２０％の間、またモード３でサイクル時間の残りの７０％の間動作し得ることを決定し得る。したがって、応答変数と関連するすべてのシステム実行は、それぞれのモードの重み値で乗算した応答変数の値の合計によって反映し得る。本発明の一形態では、システムレベルの応答変数値の実行全体のみならずそれぞれの動作モードの制約に関する制約値が存在し得る。したがって、システム２００は、本発明のある形態と一致する制御プロセスを実行して、システムの制約全体内のみならず所定の動作モードのそれぞれの制約内で動作するように構成可能である。

本発明の一形態では、システム２００は、モード間のある形態をトレードオフすることによって上述の実行ゴールを達成し得る。例えば、１つの応答変数の改良を達成するためには、他の応答変数のセットバックが必要とされることがある（例えば、エンジンのエミッションの改善は燃料経済の低下をもたらす場合がある）。しかし、システム２００は、目標システムが、課せられる制約を超えることなく、ある動作モード中に、ある応答変数ゴールにより多く関わることを認識し得る。例えば、目標システムがモード３で動作する場合、燃料経済がエミッションよりも重要となり得る。代わりに、目標システムはモード１で時間の１０％の間のみ動作することがあるので、燃料経済は、この動作モード中に目標システムの関心とはならないかもしれない。

モード間のトレードオフに基づき目標システムの実行を制御するため、システム２００は、それぞれの動作モードの以前に形成されたモデルに基づき第２段の関係モデルを形成し得る。生成された第２段のモデルは、すべての動作モードを考慮するすべての実行関係を反映し得る（すなわち、それぞれのモードの制御プロセス中に形成されたすべてのモデル）。システム２００は、動作モードのパラメータと、目標システムの実行全体と関連する制御変数および応答変数との間の関係を含む第２段のルックアップテーブルを形成し得る。したがって、システム２００は第２段のルックアップテーブルを使用して、検出されたパラメータ値に基づきある制御変数を目標システムに適用し、所望の応答変数全体を達成することが可能である。第２段のモデルにより、システム２００は、目標システムのランタイム動作中にトレードオフが適用され、このようにして、目標システムが実行している特定の動作モードに基づく１つの応答変数の性能を他の応答変数のために不利益に低下させ得る時点を認識できる。

順次試験および適応学習プロセスに基づき本発明のある形態について記載してきたが、本発明の他の形態では、本発明は順次試験と適応学習プロセスとを組み合わせてもよい。システム２００によって実行される制御プロセスを補完するために、この組み合わせをシステム２００によって適用し得る。例えば、図３について記載した制御プロセスを修正して、順次試験プロセスによって決定される制御値について冗長検査を実行する適応学習プロセスを含み得る。すなわち、システム２００は、適応学習プロセスを用いて実際の応答変数の所定のしきい値内にあることが決定された応答変数および対応する制御変数を試験するように構成可能である。システム２００は、データ収集モジュール２１０によって決定された設計空間に、記憶された制御変数および応答変数を適用し、またモデルを再マップして、変数の間の新しい関係を決定し得る。次に、モデルを実際の応答変数に対し試験して、順次試験プロセスによって決定された応答変数と同様の正確な予測応答変数が適応学習プロセスにより生成されるかどうかを決定し得る。代わりに、適応学習プロセスはモデルを微調整して、順次試験プロセスによって利用されるしきい値にさらに近い予測応答変数を生成してもよい。例えば、順次試験プロセスが±５のしきい値を有した場合、適応学習プロセスはモデルを微調整して、実際の応答変数の２の値内の予測応答変数を生成し得る。

さらに、目標システムが動作される動作モードの種類は、適用すべき制御プロセスの種類に影響を及ぼし得る。例えば、システム２００は、線形モデルにより取り組み可能な単一モード動作のために順次制御プロセスを適用し得る。さらに、システム２００は多数のモード動作のために適応学習制御プロセスを適用することが可能であり、この場合、多数のモード動作と関連する様々な範囲の変数を処理するために、より複雑なモデルが必要とされる場合がある。したがって、本発明の一実施形態では、複数の特定の動作モード毎にデータプールを収集するために、順次制御プロセスをシステム２００によって利用し得る。次に、グローバルスケール上の適応制御プロセスの開始ポイントとして、収集されたデータプールをシステム２００によって利用し得る（例えば多数の動作モード）。

前述したように、本発明に関するある原理と一致する方法、システム、および製品を任意の種類の目標システムに適用し得る。したがって、制御変数および応答変数の種類、ならびに制約は、目標システムの種類に基づき変更可能である。例えば、目標システムは、プロセスシステムの動作および実行を操作する制御信号を受信するプロセスシステムであることが可能であり、また受信した制御信号に基づき応答変数を生成し得る。例えば、プロセスシステムは、製造プラントで運転される製造装置、空調／加熱システムのような家庭または産業ベースのシステム、セキュリティシステム、照明システム、潅漑システム等のような自律センサベースのシステムであり得る。さらに、本発明の実施形態は、エンジンベースの目標システムの下位構成要素に適用し得る。例えば、目標システムは、ナビゲーションシステムのような、航空機、水上用または陸上用車両のサポートシステムであり得る。上述の例示的な用途リストは網羅的であることを意図するものではなく、また当業者は、選択された制御信号に基づき応答信号を生成し得る任意の種類の目標システムに本発明の実施形態を適用し得ることを認識するであろう。

本発明の特徴、形態および原理は様々な環境で実行し得る。このような環境および関連用途は、本発明の様々なプロセスおよび動作を実行するために特別に構成することが可能である。本明細書に開示したプロセスは、特定の任意のシステムに固有には関係せず、また適切な組み合わせの電気ベースの構成要素によって実行し得る。本発明の他の実施形態は、本明細書に開示した本発明の明細書および実施を考慮すれば当業者には明白であろう。明細書および実施例は例示的なものに過ぎないと考えるべきことが意図され、本発明の真の範囲および精神は特許請求の範囲によって示される。

例示的な制御変数と応答変数との間のマップ関係のグラフである。 本発明に関する原理と一致するある機能を実行するように構成可能である例示的なシステムの図面である。 本発明に関するある原理と一致する例示的な制御プロセスのフローチャートである。 本発明に関するある原理と一致する例示的な設計空間の図面である。 本発明に関するある原理と一致する例示的な要因設計空間の図面である。 本発明に関するある原理と一致する制御変数と応答変数との間の関係を反映する例示的なモデルの図面である。 本発明に関するある原理と一致する例示的な所望の設計空間の図面である。 本発明に関するある原理と一致する制御変数と応答変数との間の関係を反映する他の例示的なモデルの図面である。 本発明に関するある原理と一致する他の例示的な制御プロセスのフローチャートの図面である。 本発明に関するある原理と一致する２つの例示的なパラメータに関する目標システムの過渡動作のグラフである。 本発明に関するある原理と一致する他の過渡制御プロセスのフローチャートである。 本発明に関するある原理と一致する例示的なパラメータマップである。

Claims (10)

1. 目標システムを制御するための方法であって、
   １組の制御変数（Ｘ）と関連する第１の組のデータ値を含む設計空間（Ｄ８）を決定するステップと、
   第１の組のデータ値と、１組の応答変数（Ｙ）と関連する第１の組の応答データ値との間の関係を反映するモデル（８００）を生成するステップと、
   モデル（８００）を試験して、１組の予測応答変数に含まれた少なくとも１つの予測応答変数が、１組の実際の応答変数に基づく所定の基準に適合するかどうかを決定するステップと、
   設計空間（Ｄ８）を修正して、１組の制御変数（Ｘ）と関連する第２の組のデータ値と、１組の応答変数（Ｙ）と関連する第２の組の応答データ値との間の関係を獲得するステップと、
   第２の組のデータ値を目標システムに適用するステップと、
   を含む方法。
2. モデルを試験するステップが、
   第１の組のデータ値をモデル（８００）に適用して、１組の予測応答変数を獲得するステップと、
   第１の組のデータ値を目標システムに適用して、１組の実際の応答変数を獲得するステップとを含む、請求項１に記載の方法。
3. モデルを生成するステップが、
   第１の組のデータ値を目標システムに適用して、第１の組の応答データ値を獲得するステップを含む、請求項１に記載の方法。
4. モデルが数学的関数（８００）を含み、また設計空間（Ｄ８）を修正するステップが、
   １組の制御変数と関連する最小値と最大値とに基づき関数（８００）の初期データポイント（Ｐ３）と目標データポイント（Ｐ２）とをそれぞれ指定するステップと、
   関数（８００）に初期データポイントと目標データポイント（Ｐ３とＰ２）との間の中点（Ｐ５、Ｐ６）をマップするステップと、
   マップされた中点（Ｐ５、Ｐ６）が、少なくとも１つの応答変数と関連する所望の値に向かって収束しているかどうかを決定するステップと、
   マップされた中点（Ｐ６）が、少なくとも１つの応答変数と関連する所望の値に向かって収束することが決定されたときに、目標データポイント（Ｐ２）に向かってステップするステップと、
   ステップするステップに基づき新しい中点（Ｐ８）を関数（８００）にマップして、マップされた新しい中点（Ｐ８）が所望の値から発散するまで、決定するステップおよびステップするステップを繰り返すステップと、
   マップされた新しい中点（Ｐ８）が所望の値から発散することが決定されたときに、中点（Ｐ５、Ｐ６）からステップバックして、中点（Ｐ５、Ｐ６）と初期データポイント（Ｐ３）との間のステップデータポイント（Ｐ_ｓｔｅｐ）を決定するステップと、
   ステップデータポイント（Ｐ_ｓｔｅｐ、Ｐ９）を関数（８００）にマップするステップと、
   マップされたステップデータポイント（Ｐ９）が初期データポイントとして指定され、かつマップされた新しい中点（Ｐ８）が目標データポイントとして指定されるように、設計空間を修正するステップと、
   修正された設計空間（Ｄ８）に基づき新しいモデルを生成するステップとを含む、請求項１に記載の方法。
5. 新しいモデルを生成するステップが、
   修正された設計空間（Ｄ８）に基づき新しいモデルを生成して、第２の組のデータ値と第２の組の応答データ値との間の関係を獲得するステップを含む、請求項４に記載の方法。
6. 新しいモデルを生成するステップが、
   少なくとも１つの予測応答変数が所定の基準に適合するまで設計空間（Ｄ８）を生成、試験および修正するステップを繰り返すステップを含む、請求項４に記載の方法。
7. 目標システムがエンジンと関連し、また１組の制御変数（Ｘ）のそれぞれの制御変数が、エンジンの動作を制御し得る独立変数である、請求項１に記載の方法。
8. それぞれの応答変数が、エンジンの応答特性と関連する従属変数であり、かつ１組の制御変数に基づき値を変更し得る、請求項７に記載の方法。
9. モデルを生成するステップが、
   １組の制御変数に対応する一群のデータ値と、１組の応答変数に対応する一群の応答データ値との間の第１の関係を正確に表す第１の数学的関数（ＦＲ１）を決定するステップと、
   １組の制御変数に対応する第２の群のデータ値と、１組の応答変数に対応する第２の群のデータ値との間の第２の関係を正確に表す第２の数学的関数（ＦＲ２）を決定するステップと、
   第１および第２の関係に基づきモデルを生成するステップとを含む、請求項１に記載の方法。
10. 目標システムの実行を制御するためのシステム（２００）であって、
    １組の制御変数（Ｘ）に対応する第１の組のデータ値を含む設計空間を決定するためのデータ収集モジュール（２１０）と、
    第１の組のデータ値と、１組の応答変数（Ｙ）に対応する第１の組の応答データ値との間の関係を反映するモデルを生成するための関係マッピングモジュール（２２０）と、
    モデルを試験して、１組の予測応答変数に含まれた少なくとも１つの予測応答変数が、１組の実際の応答変数に基づく所定の基準に適合するかどうかを決定するための試験モジュール（２３０）と、
    設計空間を修正して、１組の制御変数に対応する第２の組のデータ値と、１組の応答変数に対応する第２の組の応答データ値との間の関係を獲得するための訓練モジュール（２４０）とを備え、
    システム（２００）が、１組の制御変数に対応する第２の組のデータ値を目標システムに適用するシステム（２００）。
    
    
    

Images