JP2012525623A - プロセス決定支援システムを設ける方法 - Google Patents

プロセス決定支援システムを設ける方法 Download PDF

Info

Publication number
JP2012525623A
JP2012525623A JP2012507874A JP2012507874A JP2012525623A JP 2012525623 A JP2012525623 A JP 2012525623A JP 2012507874 A JP2012507874 A JP 2012507874A JP 2012507874 A JP2012507874 A JP 2012507874A JP 2012525623 A JP2012525623 A JP 2012525623A
Authority
JP
Japan
Prior art keywords
rule
rules
data
expert
fusing
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.)
Granted
Application number
JP2012507874A
Other languages
English (en)
Other versions
JP5604510B2 (ja
Inventor
ルディック，ジャック
ムールマン，デリック・ウェッセルズ
Original Assignee
ジーイー・インフラストラクチャー・サウスアフリカ（プロプライアトリー）・リミテッド
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 ジーイー・インフラストラクチャー・サウスアフリカ（プロプライアトリー）・リミテッド filed Critical ジーイー・インフラストラクチャー・サウスアフリカ（プロプライアトリー）・リミテッド
Publication of JP2012525623A publication Critical patent/JP2012525623A/ja
Application granted granted Critical
Publication of JP5604510B2 publication Critical patent/JP5604510B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24564—Applying rules; Deductive queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Manufacturing & Machinery (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Factory Administration (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

【課題】プロセス決定支援システムを設ける方法。このような決定支援システムは、製造プロセス、特に工業用製造プロセスで用いて、プロセス性能のモニタリングを、プロセスを制御してプロセス生産および品質を最適化するために行なう。
【解決手段】本方法は、プロセスのプロセス・データを収集することと、プロセスの運転データを収集することと、プロセス・データと運転データとを融合して、プロセス決定（たとえば、制御決定）を行なっても良い、プロセスの融合されたデータ・セット（たとえば統合ルール・セット）を形成することと、を含む。プロセス・データと運転データは、ルール・ベースの知識融合、数学的な知識融合、または事例ベースの推論の知識融合の方法に従って融合しても良い。
【選択図】図１

Description

本発明は、プロセス決定支援システムを設ける方法に関する。このような決定支援システムは、製造プロセス、特に工業用製造プロセスで用いて、プロセス性能のモニタリングを、プロセスを制御してプロセス生産および品質を最適化するために行なう。プロセス決定支援システムを設ける方法は、特に、スマート・プロセスまたは資産モニタリングに適用される。
とりわけ、製造プロセスの知識の主な供給元は、プラント・データ（またはプロセス・データ）と、運転データ（運転データには、運転理論、運転ルール、およびエキスパート・ユーザ入力が含まれる）である。
運転データは、エキスパート・システムによって用いられ、人間のエキスパートの入力を再現およびシミュレートして、プラントの性能を分析してプラント・プロセスを制御し、その結果、製造および品質が最適化される。こうするために、エキスパート・システムは通常、知識ベースを備え、そこから運転データ（たとえばエキスパート・ユーザ入力）の形式化表現をルール・ベースおよび推論エンジンに与えている。ルール・ベースと推論エンジンは協同して、エキスパート・ユーザが製造プロセスの結果を分析する際に遂行したであろう推論をシミュレートして、プロセスの最終的な制御について決定を行なう。制御は、プロセスの手動制御によってかまたは制御システムによって行なう。
エキスパート・システムでは、反復的な決定と、制御決定が行なわれ得るプロセスとに対する無撞着解が得られるが、エキスパート・システムは、プラントまたはプロセス・データ中の傾向およびパターンを考慮することもなく、プラントまたはプロセス・データ中のパターンから導き出され得るどんなルールも考慮することがない。
プラント（またはプロセス）データは、データ・マイニングによって検索および観察され、プラント・データに関する知識であると考えられるパターンを得ることが図られる。データ・マイニングでは、知識発見もしくは予測または両方のプロセスを実施する場合がある。知識発見とは、プラント・データをモデリングしてプラント・データに関する知識を表わすプラント（またはプロセス）データ・ルールの取り出しを、たとえば、相関データ・マイニングを用いたルール帰納を通して行なうことを指す。予測とは、将来のプラントまたはプロセス事象の予測モデリングを指し、学習能力を有し得るルール・ベースの技術またはニューラル・ネットワークを通して実施される場合がある。
データ・マイニングを通して発見される知識では、運転データ（たとえばエキスパート・ユーザ入力を介して得られる経験則）を考慮もしないし含んでもいない。
運転データでは、プロセスの高レベル操作がどのようにプロセスの低レベル原因に関係するかの抽象化が得られる。このようなレベルの抽象化は、プラント・データのデータ・マイニングでは容易には得られない。逆に、プラント・データのデータ・マイニングでは、プラント・プロセスにおいて固有の明示的なルールであって、エキスパート・ユーザには容易に特定できないルールが明らかになる。
米国特許出願公開第２００８／０２５００５８号明細書
本発明の目的は、プロセス決定支援を設ける方法であって、これによってプロセス知識およびプラント知識を分析して組み合わせて、プロセス制御を向上させる操作を行なうことができる統合知識セットを生成する方法を提供することである。
本発明の一般的な態様によれば、プロセス決定支援システムを設ける方法であって、プロセスのプロセス・データを収集することと、プロセスの運転データを収集することと、プロセス・データと運転データとを融合して、プロセス決定（たとえば、制御決定）を行なっても良い、プロセスの融合されたデータ・セット（たとえば統合ルール・セット）を形成することと、を含む方法が提供される。プロセス・データと運転データとは、ルール・ベースの知識融合、数学的な知識融合、または事例ベースの推論の知識融合の方法に従って融合しても良い。
より詳細には、また本発明の一態様によれば、プロセス決定支援システムを設ける方法であって、プロセスのプロセス・データを収集することと、プロセスの運転データを収集すること、特定のプロセス性能に対するプロセス条件をプロセス・データおよび運転データから規定することと、１または複数のデータ主導ルールをプロセス・データから生成することと、１または複数の運転ルール、すなわちエキスパート・ルールを、運転データ、すなわちエキスパート・データから取り込むことと、１または複数のデータ主導ルールを１または複数の運転ルールと融合して統合ルール・セットを形成することと、を含む方法が提供される。
運転データは、運転ルール、エキスパート・データ、エキスパート・ユーザ入力、たとえばエキスパート・ルール、運転操作、たとえばエキスパート操作、およびプロセス運転理論のうちの任意の１または複数を含んでいても良い。
本発明の別の態様によれば、プロセス決定支援システムを設ける方法であって、プロセスのプロセス・データを収集することと、プロセスの運転データを収集することと、特定のプロセス性能に対するプロセス条件をプロセス・データおよび運転データから規定することと、１または複数のデータ主導ルールをプロセス・データから生成することと、１または複数の運転ルール、すなわちエキスパート・ルールを、運転データ、すなわちエキスパート・データから取り込むことと、１または複数のデータ主導ルールを１または複数の運転ルールと融合して統合ルール・セットを形成することと、１または複数の運転操作、すなわちエキスパート操作を、運転データから取り込むことと、統合ルール・セットを１または複数の取り込んだ運転操作と融合して、統合されたルール・ベースおよび操作ベースの知識セットを形成することと、を含む方法が提供される。
特定の性能たとえば良好および不十分なプロセス性能に対するプロセス条件を規定することが、プロセスの１または複数の重要プロセス指標（ＫＰＩ）に対して１または複数の結果クラスを規定することを含んでいても良い。１または複数の結果クラスを、離散値、もしくは連続値、または両方を有するＫＰＩに対して規定しても良い。
特定の性能に対するプロセス条件を規定することは、プロセスの１または複数のＫＰＩに対して１または複数の結果範囲を規定することを含んでいても良い。
特定の性能に対するプロセス条件を規定することは、プロセスの１または複数のＫＰＩを表わすプロセス・データを収集することと、エキスパート・ルールの形態でエキスパート・ユーザ入力を収集することと、収集したエキスパート・ルールを、１または複数のＫＰＩを表わすプロセス・データに適用して１または複数の結果クラスを規定することと、を含んでいても良い。
収集したエキスパート・ルールをプロセス・データに適用することは、ルールをプロセス・データに視覚的に適用して１または複数の結果クラスを規定することを含んでいても良い。収集したエキスパート・ルールをプロセス・データに適用することは、１または複数の結果クラスをルール・ベースで規定して、特定の性能、たとえば良好および不十分なプロセス性能に対するプロセス条件を特定することを含んでいても良い。
１または複数のデータ主導ルールをプロセス・データから生成することは、プロセス・データのデータ・マイニングを含んでいても良い。
プロセス・データのデータ・マイニングは、プロセスの特定の性能に対するプロセス条件内で規定される１または複数のＫＰＩに対する１または複数の結果クラスに対応する１または複数の結果クラスを規定することを含んでいても良い。
本発明の一実施形態においては、１または複数のデータ主導ルールを生成することは、１または複数のＫＰＩに対する１または複数の結果クラスに対応する１または複数の結果クラスに対する明瞭なルールを帰納することを含んでいても良い。別の実施形態においては、１または複数のデータ主導ルールを生成することは、ＫＰＩに対する１または複数の結果クラスに対応する１または複数の結果クラスに対する曖昧なルールを帰納することを含んでいても良い。
１または複数のデータ主導ルールを生成することは、１または複数のルールの生成を可能にする決定木を構成することを含んでいても良い。
１または複数の運転ルールを運転データから取り込むことは、決定表と、決定木と、階層形式の複数の「ＡＮＤ」条件を伴う取り込みルールとのうちの任意の１または複数を用いることを含んでいても良い。
１または複数のデータ主導ルールを１または複数の運転ルールと融合して統合ルール・セットを形成することは、ルールの１または複数のカテゴリを規定することと、１または複数のカテゴリに従って、１または複数の運転ルールと１または複数のデータ主導ルールとをルールのサブセットにグループ化することと、ルールのサブセットを融合して統合ルール・セットを形成することと、を含んでいても良い。
１または複数のカテゴリは、固有のエキスパート・ルール、固有のデータ主導ルール、完全重複ルール、部分重複ルール、および対照的ルールのうちの任意の１または複数を含んでいても良い。
１または複数のデータ主導ルールを１または複数の運転ルールと融合することは、たとえばソフトウェアで実施される融合エンジンによって行なっても良い。
ルールのサブセットを融合することには、固有のエキスパート・ルールとして分類された１または複数のルールを統合ルール・セットに含むことが、初期設定で含まれていても良い。
ルールのサブセットを融合することには、固有のデータ主導ルールとして分類された１または複数のルールを統合ルール・セットに含むことが、初期設定で含まれていても良い。
ルールのサブセットを融合することには、完全重複ルールとして分類された１または複数のルールを統合ルール・セットに含むことが、初期設定で含まれていても良い。
ルールのサブセットを融合することには、部分重複ルールとして分類された１または複数のルールを固有のルールまたは完全重複ルールに縮小することが含まれていても良い。１または複数の部分重複ルールを縮小することは、部分重複ルールを分類するために決定表、もしくは決定部分木、または両方を生成することを含んでいても良い。
１または複数の部分重複ルールを縮小することは、融合エンジンによって自動化しても良く、また行なっても良い。一実施形態においては、縮小は、ユーザによる縮小の手動介入によって未分解ルールをルールの１または複数のサブセットに縮小することをもたらしても良い。したがって、使用中に、１または複数の部分重複ルールを、部分重複ルールがたとえば強調されている決定表または決定木形式において視認しても良い。部分重複ルールを融合エンジンに送り、そこでルールを統合ルール・セットの完全重複ルール・サブセットに分解する。融合エンジンがルールを分解することができない場合には、ルールを手動で統合ルール・セットの完全重複ルール・サブセットに分解する。
ルールのサブセットを融合することは、対照的ルールとして分類された１または複数のルールを融合することを含んでいても良い。１または複数の対照的ルールを融合することは、厳格な制約、柔軟な制約（たとえば経験則）、および閾値（たとえば精度または一般性の割合）のうちの任意の１または複数を適用して、１または複数の対照的ルールを統合ルール・セットに融合し、ルールが単調性制約を確実に満足するようにすることによって行なっても良い。単調性制約では、対照的ルールの入力が増加しても、対応するルールの出力は、ルールがいったん統合ルール・セットに融合されたら、減少できないことが要求される。
ルール条件（たとえば温度、流量、電力）およびルール結果クラス（たとえば良好または不良）を、１または複数の対照的ルールに対して規定しても良い。対照的ルール条件および同様のルール結果が存在するときには、厳格な制約をルールに適用する。同様のルール条件および異なるルール結果が存在するときには、最優先のエキスパート・ルールまたは最優先のデータ・ルールを統合ルール・セットに融合する。１または複数の部分重複ルールの縮小と同様に、１または複数の対照的ルールの融合を融合エンジンによって自動化しても良く、また融合によって、自動的には分解されていないルールを手動介入によって分解できるようにしても良い。
１または複数のデータ主導ルールを１または複数の運転ルールと融合して統合ルール・セットを形成することは、ルールをルールのサブセットにグループ化する前に、データ主導ルールおよび運転ルールをルールの１または複数のカテゴリに分類するための１または複数の経験則を規定することを含んでいても良い。
１または複数のデータ主導ルールを１または複数の運転ルールと融合することは、統合ルール・セットを最適化することを含んでいても良い。
１または複数の運転操作、すなわちエキスパート操作を取り込むことは、エキスパート・データから取り込まれた１または複数のエキスパート・ルールに対応する１または複数のエキスパート操作を取り込むことを含んでいても良い。
統合ルール・セットを１または複数の取り込まれたエキスパート操作と融合して、統合されたルール・ベースおよび操作ベースの知識セットを形成することは、１または複数のエキスパート操作のうちの少なくとも１つを統合ルール・セットの１または複数のルールに割り当てることを含んでいても良い。１または複数のエキスパート操作のうちの少なくとも１つを割り当てることは、操作を統合ルール・セットのルールの１または複数のサブセットに割り当てることを含んでいても良い。１または複数のエキスパート操作のうちの少なくとも１つを割り当てることは、操作を統合ルール・セットのルールに手動で割り当てることを含んでいても良い。
優位なことに、統合されたルール・ベースおよび操作ベースの知識セットは、セットの各ルールが、対応する操作を有するという意味で、完全であるはずである。操作がない場合には、初期設定の操作で置き換えても良い。報告応用またはリアル・タイム応用の目的の場合には、各ルールは、プロセスの１または複数のＫＰＩの１または複数の結果クラスに対して不十分な性能となった原因を反映する名前を有するため優位である。
当然のことながら、前述した方法は、資産モニタリング決定支援システムを設けることに同様に適用される。こうするために、前述で参照したプロセスおよびプロセス関連用語（たとえばプロセス・データ）は、資産および資産関連用語（たとえば資産データ）に同様に良好に適用されるように読んでも良い。
次に本発明を、非限定的な例により、以下の図面を参照して説明する。
本発明の一態様によるプロセス決定支援システムを設ける方法の概略的なフロー図である。 図１の本発明の態様によりデータ主導ルールを運転ルールと融合して統合ルール・セットを形成する概略的なフロー図である。 データ主導ルールを運転ルールと融合して、図１および２の統合ルール・セットを形成する本方法の一態様の概略的なフロー図である。 データ主導ルールを運転ルールと融合して、図１および２の統合ルール・セットを形成する本方法の別の態様の概略的なフロー図である。 本方法により、特に、統合ルール・セットをどのように形成したかにより、ルールをどのように取り扱うかの例を示す図である。 本方法により、特に、統合ルール・セットをどのように形成したかにより、ルールをどのように取り扱うかの例を示す図である。 本方法により、特に、統合ルール・セットをどのように形成したかにより、ルールをどのように取り扱うかの例を示す図である。 本方法により、特に、統合ルール・セットをどのように形成したかにより、ルールをどのように取り扱うかの例を示す図である。 本方法により、特に、統合ルール・セットをどのように形成したかにより、ルールをどのように取り扱うかの例を示す図である。
特に断りのない限り、同様の参照数字は本発明の同様の部分を示す。
図１において、参照数字１０は一般的に、本発明の一態様によるプロセス決定支援システムを設ける方法であって、本発明の一態様により製造プロセスに適用される方法を示す。
方法１０は、その入力を、２つのデータ・ソースすなわちプロセス・データ１２および運転データ１４から取得する。運転データ１４に含まれるデータは、通常、エキスパート・システムが用いるデータであって、人間のエキスパートの入力をシミュレートしてプラントまたは資産の性能を分析し、プラント・プロセスの制御を、プロセス生産および品質の最適化を目的として行なうために用いるデータである。運転データには、エキスパート・プラント運転員入力、すなわち製造プロセスについてのエキスパート・ルールと、付随するエキスパート操作とが含まれる。エキスパート操作は、エキスパート・ルールに関連するプロセス性能を向上させるために取るべき操作を提案するものである。プロセス・データ１２が表すのは、プラント・プロセス自体のデータ（たとえばリアル・タイム・プロセス解析データ）であって、これを通して、プラント・プロセスにおいて固有の明示的なルールを利用しても良いデータである。
方法１０には以下のステップが含まれる。
ステップ１００において、プロセス・データ１２を収集して、データベースに記憶する。プロセス・データを、データ主導ルールを生成するためおよびプロセスの特定の性能に対するプロセス条件を規定する（２０）ための供給元として用いる。これについては、以下でより明らかになる。
ステップ２００において、運転データ１４を収集して、データベースに記憶する。運転データ（すなわちエキスパート・ルールおよびエキスパート操作）を、プロセスのエキスパート・ルールの供給元、エキスパート・ルールに付随するエキスパート操作の供給元として用いるとともに、プロセスの特定の性能に対するプロセス条件を規定する（２０）ために用いる。これについては、以下のステップにおいてより明らかになる。
２０において、プロセスの特定の性能に対するプロセス条件を、プロセスの１または複数の重要プロセス指標（ＫＰＩ）を選択することによって規定する。選択したＫＰＩを表わすあるプロセス・データをプロセス・データ１２から収集し、選択したＫＰＩを表わすエキスパート・ルールを運転データ１４から収集する。収集したエキスパート・ルールを、選択したＫＰＩを表わすプロセス・データに適用することによって、プロセスの結果クラスを、収集したエキスパート・ルールをプロセス・データに視覚的に適用することによって規定して、特定の性能に対するプロセス条件を特定する（２０）ルール・ベースの規定、すなわち良好または不十分なプロセス性能を構成するルール・ベースの規定、特に、不十分なプロセス性能を構成するルール・ベースの規定を形成する。結果クラスは、理想的には、プロセス結果の範囲として規定される。不十分なプロセス性能を構成するルール・ベースの規定を後に方法１０で用いて不十分な性能を測定し、またこの規定に従ってプロセス性能を向上させる。
優位なことに、プロセス条件の規定によって、データ主導ルールをエキスパート・ルールと融合して統合ルール・セットを形成する範囲が規定される。これについては、５００においてより明らかになる。規定は、方法１０がルールを帰納しなければならない結果クラスの明瞭な仕様として機能するとともに、エキスパート・ルールの取り込み（４００）に焦点を当てる。
データ主導ルールは、ステップ３００で生成され、１００で収集したプロセス・データ１２のデータ・マイニングによって行なわれる。データ・マイニングは、入力として、２０において規定された結果クラスを２６を介して取得し、またデータ・マイニングには、２０における特定の性能に対するプロセス条件において規定されたＫＰＩに対する結果クラスに対応する離散型入力クラスの規定が含まれる。方法１０のこの実施形態においては、データ主導ルールは、離散型入力クラスに対する明瞭なルールを帰納することによって設けられ、ルールは、連続型もしくは離散型変数または両方とともに働くように機能する。この実施形態においては、データ主導ルールをルール表示を介して設けるが、他の実施形態においては、ルールを曖昧なルール帰納によって良好に設けても良い。
データ主導ルールを決定木を構成することによって生成し、ルールを、たとえば以下のアルゴリズムの最適化バージョンに基づいてカスタマイズする。
各クラスＣに対して
すべての例Ｅの組を初期化する。
ＥにクラスＣの例が含まれている間、
ルールＲを形成して、左側をクラスＣを予測するように空ける。
Ｒが１００％正確（または用いる属性がもうない）となるまで、以下のことを行なう。
Ｒにない各属性Ａ、および各値ｖに対して、
状態（属性値対）Ａ）ｖをＲの左側に加えることを考える。
属性値対の精度およびカバーリングが最大になるＡおよびｖを選択する。
Ａ）ｖをＲに加える。
Ｒによってカバーされた例をＥから取り除く。
データ主導ルールを生成したら（３００）、エキスパート・ルールを取り込む（ステップ４００）。エキスパート・ルールの取り込みは、供給元として、データを、プロセス性能に対する条件の規定から取得すること（３０）、およびエキスパート・ルール１４から取得すること（２００）を含む。エキスパート・ルールの取り込みは、決定表を用いることによって、および１または複数の決定木を構築することによって、ソフトウェアにおいて容易になっており、また複数のＡＮＤ条件を階層形式で伴うエキスパート・ルールの取り込みにも対応している。
なお、本発明の別の実施形態として、方法１０を資産モニタリング決定支援システムを設けることに適用する場合には、エキスパート・ルールに付随する複数の操作の取り込みまたは条件付き操作の取り込みにさえ対応している。
ステップ５００に、３００で生成したデータ主導ルールと４００で取り込んだエキスパート・ルールとを融合して統合ルール・セットを形成することを示す。このステップは、プロセス決定支援システムを設ける方法の第１の融合ステップと考えても良い。データ主導ルールを取得して（２９）、エキスパート・ルールを取得する（３１）。統合ルール・セットの形成は、以下の図２、３、および４を参照して詳細に説明するように行なう。図では、ルールのサブセットの形成について説明している。加えて、統合ルール・セットを、ステップ６００に送る前に最適化する。
ステップ６００では、エキスパート・ルールに付随するエキスパート操作を運転データ１４から取り込む。
ステップ７００において、統合されたルール・ベースおよび操作ベースの知識セットの形成を、ステップ５００で形成した統合ルール・セットをステップ６００の取り込まれたエキスパート操作と融合することによって行なう。このステップは、プロセス決定支援システムを設ける方法の第２の融合ステップと考えても良い。第２の融合ステップは、その入力を３６および３７から取得する。融合は、統合ルール・セットの各ルールに、対応するエキスパート操作を割り当てることによって行なわれ、また融合には、エキスパート操作を統合ルール・セットのルールのサブセットに割り当てることが含まれていても良い。割り当ては、ソフトウェアを用いることを通して自動化しても良いし、または自動化された割り当てが実行できない場合には手動で行なっても良い。結果として得られる統合されたルール・ベースおよび操作ベースの知識セット３４には、ルールを収集したものが含まれ、その中では、ステップ５００で形成したルールのサブセットの各ルールに、対応するエキスパート操作が付随している。ある特定のルールに対して、対応する操作が見出されない場合（自動でも手動でも）、初期設定の操作で置き換える。
ステップ５００および７００を参照して、プロセス決定支援システムを設ける方法は、２つの融合ステップを含んでいることに注意されたい。すなわち、第１のステップとして、データ主導ルールをエキスパート・ルールと融合して（５００）、統合ルール・セットを形成するステップと、第２のステップとして、５００で形成した統合ルール・セットを、ステップ６００で取り込んだエキスパート操作と融合するステップとである。
次に図２を参照して、参照数字５００は、データ主導ルール３００と、４００で取り込んだエキスパート・ルールとを融合して統合ルール・セットを形成するステップを、より詳細に示している。図１から続けて、数字１２は、やはりプロセス・データを示し、数字１４は、運転データ、すなわちエキスパート・データであり、これらは、データ主導ルールの生成（ステップ３００）およびエキスパート・ルールの取り込み（ステップ２００）において用いられる。データ主導ルールとエキスパート・ルールとの融合は、以下のカテゴリのルールを規定することから始まる。固有のエキスパート・ルール４０、固有のデータ主導ルール４２、部分重複ルール、完全重複ルール４５、および対照的ルール４６である。融合プロセスは、融合エンジンによって実行される。このエンジンは、データ主導ルールとエキスパート・ルールとを融合するときに用いられる電子化およびプログラムされた方法を参照する。
データ主導ルールをエキスパート・ルールと組み合わせるかまたは融合する際に、融合エンジンは、とりわけ、単調性制約に対処しなければならない。ここで、制約の簡単な論理を、説明した方法が打開しようとしている問題を強調することのみを目的として示す。単調性制約では、ある入力（この場合、ルール）が増加しても、ルールを融合する出力は減少できないことが要求される。たとえば、以下のある特定のデータセット。
Ｄ＝｛ｘｉ，ｙｉ｝ｎｉ＝１、ｘｉ＝（ｘｉ１，ｘｉ２，…，ｘｉｍ）、Ｘ＝Ｘ１×Ｘ２×．Ｘｍ、半順序≦は、この入力空間Ｘ上で規定される。クラス値ｙｉの空間Ｙ上で、線形順序≦が規定される。そして分類子ｆ：ｘｉ→ｆ（ｘｉ）、Ｙは、下式が成り立つときに単調である。ｘｉ≦ｘｊ？ｆ（ｘｉ）≦ｆ（ｘｊ）、ｉ，ｊ（またはｆ（ｘｉ）≧ｆ（ｘｊ）、ｉ，ｊ）
［００５９］
たとえば、無関係な例において、説明だけを目的として、収入が増えながら他の変数が等しい値に保たれれば、債務不履行の確率は減るはずである。したがって、クライアントＡが、特徴はクライアントＢと同じだが、収入がより低い場合には、クライアントＡが良好な顧客として分類されてクライアントＢが不良な顧客として分類されるということはあり得ない。同様の推論が、説明した方法の結果クラスに適用される。
データ主導ルールをエキスパート・ルールと融合することには、融合すべきルールの異なるサブセットの特定を、ルールのサブセットをルールのカテゴリに従って分類することによって行なうことが含まれる。経験則が、異なる種類のデータ主導およびエキスパート・ルールを区別するように規定され、ルールをマッピングしてカテゴリにグループ化する。
ルールのサブセットの融合は、ルールの各カテゴリの融合を考慮することによって行なう。
固有のデータ主導ルールとして分類されるルールのサブセットに対しては、ルールを検証して、基準を、ルールを統合ルール・セットに含めることに対して規定する。初期設定で、固有のデータ主導ルールは統合ルール・セットに含まれている。
同様に、固有のエキスパート・ルールとして分類されるルールのサブセットに対しては、基準を、ルールを統合ルール・セットに含めることに対して規定する。初期設定で、固有のエキスパート・ルールは統合ルール・セットに含まれている。
完全重複データ主導およびエキスパート・ルールとして分類されるルールのサブセットに対しては、ルールは、初期設定で、統合ルール・セットに含まれている。
図３において、参照数字５０は、部分重複として分類されるルールのサブセットをどのように処理するかのフロー図を示す。決定表および決定部分木を生成して、ルールを視覚化して固有として分類するか、またはルールを完全重複ルールに縮小する。融合エンジンは、図示するようにルールを自動的に縮小し、融合エンジンがルールを分解できない場合には、ルールを手動で縮小することが用いられる。
図４において、参照数字５２は、対照的ルールとして分類されるルールのサブセットを、統合ルール・セットに含めるためにどのように縮小するかのフロー図を示す。部分重複ルールの場合と同様に、決定表および決定部分木を用いて、ルールを統合ルール・セットに縮小するとともに、厳格および柔軟な制約を融合エンジンが用いてルールを分解する。こうするために、ルール条件たとえば温度、流量、および電力、ならびにルール結果クラスたとえば良好または不良を規定して考慮する。異なる種類の対照的ルールを、融合エンジンが、たとえば同様の条件および異なるルール結果を考慮することによって評価する、その結果、ルールは最優先のエキスパート・ルールまたは最優先のデータ・ルールとして処理される。対照的な条件および同様のルール結果が存在する場合には、厳格な制約を適用してルールを統合ルール・セットに縮小する。
図５〜９において、数字５４、５６、５８、６０、および６２は、対照的ルールがどのように処理されるかの例を、説明を目的として示している。

Claims (33)

  1. プロセス決定支援システムを設ける方法であって、
    プロセスのプロセス・データを収集することと、
    前記プロセスの運転データを収集することと、
    特定のプロセス性能たとえば良好および不十分なプロセス性能に対するプロセス条件を、前記プロセス・データおよび前記運転データから規定することと、
    少なくとも１つのデータ主導ルールを前記プロセス・データから生成することと、
    少なくとも１つの運転ルールを前記運転データから取り込むことと、
    前記少なくとも１つのデータ主導ルールを前記少なくとも１つの運転ルールと融合して統合ルール・セットを形成することと、を含む方法。
  2. 前記運転データは、運転ルール、エキスパート・データ、エキスパート・ルール、エキスパート操作、およびプロセス運転理論のうちの任意の１または複数を含む請求項１に記載の方法。
  3. 少なくとも１つのエキスパート操作を前記運転データから取り込むことを含む請求項２に記載の方法。
  4. 前記統合ルール・セットを前記少なくとも１つの取り込んだエキスパート操作と融合して、統合されたルールおよび操作ベースの知識セットを形成することを含む請求項３に記載の方法。
  5. 特定の性能に対する前記プロセス条件を規定することは、前記プロセスの少なくとも１つの重要プロセス指標（ＫＰＩ）の少なくとも１つの結果クラスを規定することを含む請求項２に記載の方法。
  6. 前記少なくとも１つの結果クラスは、少なくとも離散値、もしくは連続値、または両方の範囲を有するＫＰＩに対して規定される請求項５に記載の方法。
  7. 特定の性能に対する前記プロセス条件を規定することは、前記少なくとも１つのＫＰＩを表わすプロセス・データを収集することと、エキスパート・ルールを前記運転データから収集することと、前記収集したエキスパート・ルールを前記少なくとも１つのＫＰＩを表わす前記プロセス・データに適用して、前記少なくとも１つの結果クラスを規定することと、を含む請求項６に記載の方法。
  8. 前記収集したエキスパート・ルールを前記プロセス・データに適用することは、前記ルールを前記プロセス・データに視覚的に適用して前記少なくとも１つの結果クラスを規定することを含む請求項７に記載の方法。
  9. 前記収集したエキスパート・ルールを前記プロセス・データに適用することは、前記少なくとも１つの結果クラスをルール・ベースで規定して、特定の性能に対する前記プロセス条件を特定することを含む請求項７に記載の方法。
  10. 前記少なくとも１つのデータ主導ルールを生成することは、前記プロセス・データのデータ・マイニングを含む請求項７〜９（請求項７と９を含む）のいずれか一項に記載の方法。
  11. 前記プロセス・データの前記データ・マイニングは、前記少なくとも１つのＫＰＩの前記少なくとも１つの結果クラスに対応する少なくとも１つの結果クラスを規定することを含む請求項１０に記載の方法。
  12. 前記少なくとも１つのデータ主導ルールを生成することは、少なくとも１つの明瞭なルールを帰納することを含む請求項１１に記載の方法。
  13. 前記少なくとも１つのデータ主導ルールを生成することは、少なくとも１つの曖昧なルールを帰納することを含む請求項１１に記載の方法。
  14. 前記少なくとも１つのルールの生成を可能にする決定木を構成することを含む請求項１０〜１３（請求項１０と１３を含む）のいずれか一項に記載の方法。
  15. 前記少なくとも１つの運転ルールを前記運転データから取り込むことは、決定表と、決定木と、階層形式の複数の「ａｎｄ」条件を伴う取り込みルールとのうちの任意の１または複数を用いることを含む請求項１、２、５、６、７、８、または９のいずれか一項に記載の方法。
  16. 前記少なくとも１つのデータ主導ルールを前記少なくとも１つの運転ルールと融合して前記統合ルール・セットを形成することは、ルールの少なくとも１つのカテゴリを規定することと、前記少なくとも１つのカテゴリに従って、前記少なくとも１つの運転ルールと少なくとも１つのデータ主導ルールとをサブセットにグループ化することと、前記少なくとも１つのサブセットを融合して前記統合ルール・セットを形成することと、を含む請求項１、２、５、６、７、８、または９（請求項１と９を含む）のいずれか一項に記載の方法。
  17. 前記少なくとも１つのカテゴリは、固有のエキスパート・ルール、固有のデータ主導ルール、完全重複ルール、部分重複ルール、および対照的ルールのうちの任意の１または複数を含んでいても良い請求項１６に記載の方法。
  18. 前記融合は、ソフトウェアで実施される融合エンジンによって行なう請求項１７に記載の方法。
  19. ルールの前記サブセットを融合することには、固有のエキスパート・ルールとして分類された少なくとも１つのルールを前記統合ルール・セットに含むことが、初期設定で含まれる請求項１８に記載の方法。
  20. ルールの前記サブセットを融合することには、固有のデータ主導ルールとして分類された少なくとも１つのルールを前記統合ルール・セットに含むことが、初期設定で含まれる請求項１８に記載の方法。
  21. ルールの前記サブセットを融合することには、完全重複ルールとして分類された少なくとも１つのルールを前記統合ルール・セットに含むことが、初期設定で含まれる請求項１８に記載の方法。
  22. ルールの前記サブセットを融合することには、部分重複ルールとして分類された少なくとも１つのルールを固有のルールまたは完全重複ルールに縮小することが含まれていても良い請求項１８に記載の方法。
  23. 前記少なくとも１つの部分重複ルールを縮小することは、前記少なくとも１つの部分重複ルールを分類するために決定表、もしくは決定部分木、または両方を生成することを含む請求項２２に記載の方法。
  24. 前記少なくとも１つの部分重複ルールの前記縮小を、前記融合エンジンによって自動化して行なう請求項２２に記載の方法または請求項２３。
  25. 前記縮小は、ユーザによる手動介入によって未分解ルールをルールの前記少なくとも１つのサブセットに縮小することをもたらす請求項２４に記載の方法。
  26. ルールの前記サブセットを融合することは、対照的ルールとして分類された少なくとも２つのルールを融合することを含む請求項１８に記載の方法。
  27. 前記少なくとも２つの対照的ルールを融合することは、厳格な制約、柔軟な制約、および閾値のうちの任意の１または複数を適用して、前記少なくとも２つの対照的ルールを前記統合ルール・セットに融合し、前記ルールが単調性制約を確実に満足するようにすることによって行なう請求項２６に記載の方法。
  28. 前記ルールをルールのサブセットにグループ化する前に、前記少なくとも１つのデータ主導ルールおよび少なくとも１つの運転ルールをルールの前記少なくとも１つのカテゴリに分類するための少なくとも１つの経験則を規定する請求項１６、１７、および１８のいずれか一項に記載の方法。
  29. 前記統合されたルールおよび操作ベースの知識セットを形成することは、前記少なくとも１つのエキスパート操作のうちの少なくとも１つを、前記統合ルール・セットのうちの少なくとも１つのルールに割り当てることを含む請求項４に記載の方法。
  30. 前記少なくとも１つのエキスパート操作のうちの前記少なくとも１つを割り当てることは、少なくとも１つの操作を前記統合ルール・セットのうちの前記少なくとも１つのルールに手動で割り当てることを含む請求項２９に記載の方法。
  31. 請求項１に記載の方法を実行するように動作するコンピュータ実行可能命令のセットのソフトウェア実装を含むプロセス決定支援システム。
  32. 実質的に前述した通りの請求項１に記載の新しい方法。
  33. 実質的に本明細書で記載および例示した通りのプロセス決定支援システムを設ける方法。
JP2012507874A 2009-04-30 2010-04-30 プロセス決定支援システム及び、プロセス決定支援システムを設ける方法 Expired - Fee Related JP5604510B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
ZA200902987 2009-04-30
ZA2009/02987 2009-04-30
PCT/IB2010/051903 WO2010125542A2 (en) 2009-04-30 2010-04-30 Method of establishing a process decision support system

Publications (2)

Publication Number Publication Date
JP2012525623A true JP2012525623A (ja) 2012-10-22
JP5604510B2 JP5604510B2 (ja) 2014-10-08

Family

ID=43032622

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012507874A Expired - Fee Related JP5604510B2 (ja) 2009-04-30 2010-04-30 プロセス決定支援システム及び、プロセス決定支援システムを設ける方法

Country Status (12)

Country Link
US (1) US20120041910A1 (ja)
EP (1) EP2425354A4 (ja)
JP (1) JP5604510B2 (ja)
KR (1) KR20120069606A (ja)
CN (1) CN102439584B (ja)
AU (1) AU2010243182A1 (ja)
BR (1) BRPI1007633A2 (ja)
CA (1) CA2760281A1 (ja)
EA (1) EA201190228A1 (ja)
MX (1) MX2011011533A (ja)
WO (1) WO2010125542A2 (ja)
ZA (1) ZA201108394B (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016538643A (ja) * 2013-08-05 2016-12-08 ケービーシー プロセス テクノロジー エルティーディーＫｂｃ Ｐｒｏｃｅｓｓ Ｔｅｃｈｎｏｌｏｇｙ Ｌｔｄ 工業プロセスのシミュレーション
JP2019061501A (ja) * 2017-09-27 2019-04-18 富士ゼロックス株式会社 行動情報処理装置

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682191B (zh) * 2011-03-16 2014-12-31 香港理工大学 一种冷水机组的控制及诊断方法
US20130332241A1 (en) * 2011-09-29 2013-12-12 James Taylor System and Method for Decision-Driven Business Performance Measurement
CN102684307B (zh) * 2012-05-17 2014-07-23 云南电力试验研究院（集团）有限公司电力研究院 一种用于集控站、变电站综合自动化监视的信息智能分层推送的方法
US9996592B2 (en) 2014-04-29 2018-06-12 Sap Se Query relationship management
KR101616517B1 (ko) 2014-04-30 2016-04-28 주식회사 네가트론 나노 버블 분사 장치
US9691025B2 (en) 2014-09-16 2017-06-27 Caterpillar Inc. Machine operation classifier
CN104298770A (zh) * 2014-10-30 2015-01-21 天津恒达文博科技有限公司 一种观众服务专家系统规则自生长方式的算法
WO2017099772A1 (en) * 2015-12-10 2017-06-15 Siemens Aktiengesellschaft Distributed embedded data and knowledge management system integrated with plc historian
CN106934483A (zh) * 2016-11-18 2017-07-07 北京工业大学 一种借助线性规划的基于本体的刑事审判案例推理方法
US10636007B2 (en) * 2017-05-15 2020-04-28 Tata Consultancy Services Limited Method and system for data-based optimization of performance indicators in process and manufacturing industries
RU181258U1 (ru) * 2017-07-31 2018-07-06 Общество с ограниченной ответственностью "Фирма "Пассат" Экспертная система поддержки принятия решений по управлению морским роботизированным технологическим комплексом
US11184452B2 (en) * 2017-10-13 2021-11-23 Yokogawa Electric Corporation System and method for selecting proxy computer
US20190197428A1 (en) * 2017-12-27 2019-06-27 Cerner Innovation, Inc. Systems and methods for refactoring a knowledge model to increase domain knowledge and reconcile electronic records
EP3588223A1 (de) * 2018-06-21 2020-01-01 Siemens Aktiengesellschaft Verfahren und system zum bereitstellen einer analysefunktion
US11675805B2 (en) 2019-12-16 2023-06-13 Cerner Innovation, Inc. Concept agnostic reconcilation and prioritization based on deterministic and conservative weight methods
CN111198550A (zh) * 2020-02-22 2020-05-26 江南大学 基于案例推理的云端智能生产优化调度在线决策方法及系统
CN113917891B (zh) * 2020-07-07 2023-08-25 中国科学院沈阳自动化研究所 一种面向化工的优先级升序可行性判定与软约束调整方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05289706A (ja) * 1992-04-10 1993-11-05 Toshiba Corp プラント制御ファジィルール装置
JPH0954611A (ja) * 1995-08-18 1997-02-25 Hitachi Ltd プロセス制御装置
JP2001092525A (ja) * 1999-09-21 2001-04-06 Mitsubishi Electric Corp 人間−機械系観測装置
JP2007293489A (ja) * 2006-04-24 2007-11-08 Mitsubishi Electric Corp 設備機器用故障診断装置および設備機器用故障診断方法

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4754410A (en) * 1986-02-06 1988-06-28 Westinghouse Electric Corp. Automated rule based process control method with feedback and apparatus therefor
US4965742A (en) * 1987-09-30 1990-10-23 E. I. Du Pont De Nemours And Company Process control system with on-line reconfigurable modules
US4884217A (en) * 1987-09-30 1989-11-28 E. I. Du Pont De Nemours And Company Expert system with three classes of rules
US5006992A (en) * 1987-09-30 1991-04-09 Du Pont De Nemours And Company Process control system with reconfigurable expert rules and control modules
JP2978184B2 (ja) * 1989-10-06 1999-11-15 株式会社日立製作所 制御ルール作成装置
US5121467A (en) * 1990-08-03 1992-06-09 E.I. Du Pont De Nemours & Co., Inc. Neural network/expert system process control system and method
US6102958A (en) * 1997-04-08 2000-08-15 Drexel University Multiresolutional decision support system
US6853920B2 (en) * 2000-03-10 2005-02-08 Smiths Detection-Pasadena, Inc. Control for an industrial process using one or more multidimensional variables
US7711670B2 (en) * 2002-11-13 2010-05-04 Sap Ag Agent engine
CN1145901C (zh) * 2003-02-24 2004-04-14 杨炳儒 一种基于信息挖掘的智能决策支持构造方法
CN1480870A (zh) * 2003-07-16 2004-03-10 中南大学 基于互联网结构的群体智能决策支持系统生成器及其应用方法
US7529722B2 (en) * 2003-12-22 2009-05-05 Dintecom, Inc. Automatic creation of neuro-fuzzy expert system from online anlytical processing (OLAP) tools
US7729789B2 (en) * 2004-05-04 2010-06-01 Fisher-Rosemount Systems, Inc. Process plant monitoring based on multivariate statistical analysis and on-line process simulation
JP2007536634A (ja) * 2004-05-04 2007-12-13 フィッシャー−ローズマウント・システムズ・インコーポレーテッド プロセス制御システムのためのサービス指向型アーキテクチャ
US7526463B2 (en) * 2005-05-13 2009-04-28 Rockwell Automation Technologies, Inc. Neural network using spatially dependent data for controlling a web-based process
US20080228688A1 (en) * 2007-03-16 2008-09-18 Tao Liu Production rule system and method
US7933861B2 (en) * 2007-04-09 2011-04-26 University Of Pittsburgh - Of The Commonwealth System Of Higher Education Process data warehouse
US20090088883A1 (en) * 2007-09-27 2009-04-02 Rockwell Automation Technologies, Inc. Surface-based computing in an industrial automation environment
WO2009046095A1 (en) * 2007-10-01 2009-04-09 Iconics, Inc. Visualization of process control data
US20100082292A1 (en) * 2008-09-30 2010-04-01 Rockwell Automation Technologies, Inc. Analytical generator of key performance indicators for pivoting on metrics for comprehensive visualizations

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05289706A (ja) * 1992-04-10 1993-11-05 Toshiba Corp プラント制御ファジィルール装置
JPH0954611A (ja) * 1995-08-18 1997-02-25 Hitachi Ltd プロセス制御装置
JP2001092525A (ja) * 1999-09-21 2001-04-06 Mitsubishi Electric Corp 人間−機械系観測装置
JP2007293489A (ja) * 2006-04-24 2007-11-08 Mitsubishi Electric Corp 設備機器用故障診断装置および設備機器用故障診断方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016538643A (ja) * 2013-08-05 2016-12-08 ケービーシー プロセス テクノロジー エルティーディーＫｂｃ Ｐｒｏｃｅｓｓ Ｔｅｃｈｎｏｌｏｇｙ Ｌｔｄ 工業プロセスのシミュレーション
US10303815B2 (en) 2013-08-05 2019-05-28 Kbc Advanced Technologies Limited Simulating processes
US11347906B2 (en) 2013-08-05 2022-05-31 Kbc Advanced Technologies Limited Simulating processes
JP2019061501A (ja) * 2017-09-27 2019-04-18 富士ゼロックス株式会社 行動情報処理装置
JP7069617B2 (ja) 2017-09-27 2022-05-18 富士フイルムビジネスイノベーション株式会社 行動情報処理装置

Also Published As

Publication number Publication date
BRPI1007633A2 (pt) 2016-02-23
CN102439584A (zh) 2012-05-02
EP2425354A4 (en) 2012-10-31
US20120041910A1 (en) 2012-02-16
WO2010125542A2 (en) 2010-11-04
EA201190228A1 (ru) 2012-05-30
AU2010243182A1 (en) 2011-11-10
KR20120069606A (ko) 2012-06-28
WO2010125542A3 (en) 2011-03-31
EP2425354A2 (en) 2012-03-07
CA2760281A1 (en) 2010-11-04
CN102439584B (zh) 2015-08-26
JP5604510B2 (ja) 2014-10-08
MX2011011533A (es) 2012-02-28
ZA201108394B (en) 2012-08-29

Similar Documents

Publication Publication Date Title
JP5604510B2 (ja) プロセス決定支援システム及び、プロセス決定支援システムを設ける方法
CA2940752C (en) Intelligent visualization munging
US20190095507A1 (en) Systems and methods for autonomous data analysis
US11526695B2 (en) Evaluating impact of process automation on KPIs
JP2006506702A (ja) エージェントエンジン
Stark et al. Intelligent information technologies to enable next generation PLM
JP2024073353A (ja) 水力発電ユニットの故障総合診断方法
CN115809302A (zh) 元数据处理方法、装置、设备及存储介质
Ramanujan et al. Generating contextual design for environment principles in sustainable manufacturing using visual analytics
Maquee et al. Clustering and association rules in analyzing the efficiency of maintenance system of an urban bus network
Stevens et al. Explainability in process outcome prediction: Guidelines to obtain interpretable and faithful models
Kang et al. Real‐time business process monitoring using formal concept analysis
Choudhary et al. Knowledge discOvery And daTa minINg inteGrated (KOATING) Moderators for collaborative projects
KR20210042709A (ko) 기업 관계 데이터를 이용한 주가 예측 방법 및 서버
Subhani et al. Continuous process auditing (CPA): An audit rule ontology based approach to audit-as-a-service
CN112905845B (zh) 离散智能制造应用的多源非结构化数据清洗方法
Smaizys et al. Business Rules based agile ERP systems development
Ramanujan et al. VESPER: Visual exploration of similarity and performance metrics for computer-aided design repositories
Pruvost et al. Information integration and semantic interpretation for building energy system operation and maintenance
Li et al. Integrating rule-based systems and data analytics tools using open standard PMML
Affenzeller et al. Prescriptive Analytics: When Data-and Simulation-based Models Interact in a Cooperative Way
US20230401487A1 (en) Method, system and computer program product for providing insights on user desirability
Patidar et al. Transparency in AI Decision Making: A Survey of Explainable AI Methods and Applications
Gerling Towards an implementation of an AutoML tool for manufacturing
Li et al. Case-based reasoning approach for decision-making in building retrofit: A review

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20130424

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140204

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140421

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20140805

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20140825

R150 Certificate of patent or registration of utility model

Ref document number: 5604510

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees