JP2013526751A - 多段処理のモデル構築法 - Google Patents
多段処理のモデル構築法 Download PDFInfo
- Publication number
- JP2013526751A JP2013526751A JP2013511408A JP2013511408A JP2013526751A JP 2013526751 A JP2013526751 A JP 2013526751A JP 2013511408 A JP2013511408 A JP 2013511408A JP 2013511408 A JP2013511408 A JP 2013511408A JP 2013526751 A JP2013526751 A JP 2013526751A
- Authority
- JP
- Japan
- Prior art keywords
- model
- processing stage
- stage
- processing
- batch
- 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
Links
Images
Classifications
-
- 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
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31265—Control process by combining history and real time data
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32077—Batch control system
Abstract
Description
Claims (73)
- プロセスのモデル構築方法であって、
前記プロセスを、少なくとも第1処理段と第2処理段とを含む複数の処理段に分解することと、
各々が前記複数の処理段の各々に対応し、少なくとも前記第1処理段のモデルと第2処理段のモデルとを含む、複数のモデルを開発することと
を含み、
各々の処理段に対応する前記モデルが、その処理段の1つ以上の実行からのデータとその処理段の1つ以上の実行に関連する出力品質データとを利用して開発され、各々の処理段に対応する前記モデルが、その処理段に関連する出力品質予想を立てるのに適しており、
前記第1処理段の前記モデルにより生成される前記出力品質予想を利用して、前記第2処理段の前記モデルを開発する、
方法。 - その処理段の前記1つ以上の実行に関連する前記出力品質データが、最終段製品品質と最終バッチ製品品質のうちの1つを含む、請求項1に記載の方法。
- 各々の処理段に対応する前記モデルが、最終段製品品質と最終バッチ製品品質のうちの1つの予想を含む出力品質予想を立てるのに適している、請求項1に記載の方法。
- 前記プロセスが、バッチ処理であり、複数の処理段に対応する複数のモデルを開発する前記工程が、複数のバッチを作成するために、複数の前記プロセスの実行の各々の間にデータを収集することを含み、前記データ収集工程が、各々の前記プロセスの実行の各々の処理段の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項1に記載の方法。
- 前記プロセスがバッチ処理であり、処理段に対して計測される前記値が、複数のバッチの各々に対する前記処理段の間に複数の変数の各々に対して計測される複数の値を含む、3次元データ配列を含み、前記複数の処理段の間の複数の時刻の各々で、前記3次元データ配列を、前記プロセス変数値を含む2次元データ配列に展開することを更に含む、請求項1に記載の方法。
- 前記プロセスがバッチ処理であり、前記第1処理段の前記モデルにより導出され、前記第2処理段により利用される前記情報が、前記バッチ処理により生成されるバッチに対する品質予想を含む、請求項1に記載の方法。
- 前記プロセスが連続処理であり、前記複数の処理段に対応する複数のモデルを開発する前記工程が、前記プロセスを実施する間の複数の時間枠の各々の間にデータを収集することを含み、前記データ収集工程が、各々の時間枠の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項1に記載の方法。
- 前記プロセスが連続処理であり、処理段に対して計測される前記値が、前記プロセスを実施する間の複数の時間枠の各々にわたり、複数の変数の各々に対して、前記処理段の間に計測された複数の値を含む、3次元データ配列を含み、前記3次元データ配列を、前記連続処理を実施する間の複数の時間枠の各々での前記プロセス変数値を含む、2次元データ配列に展開することを更に含む、請求項1に記載の方法。
- 前記第1処理段に対する前記モデルにより導出された前記情報が、前記第2処理段の前記モデルに対する初期条件として利用される、請求項1に記載の方法。
- 複数のモデルを開発する前記工程が、処理段の潜在構造モデルへの投影(PLS)を構築することを含む、請求項1に記載の方法。
- 前記第1処理段の前記モデルにより導出され、前記第2処理段の前記モデルにより利用される、前記情報の少なくとも一部分に、忘却因子を加えることを更に含む、請求項1に記載の方法。
- プロセスを、少なくとも第1処理段と第2処理段とを含む複数の処理段に分解することと、
各々が前記複数の処理段の各々に対応し、少なくとも前記第1処理段のモデルと第2処理段のモデルとを含む、複数のモデルを開発することとを含み、
前記第2処理段の前記モデルは、前記第1処理段の前記モデルにより導出された情報を利用し、
前記複数のモデルを利用して、前記プロセスのパラメータ値を予想すること
をさらに含む、プロセスにより作成されるバッチを分析する方法。 - 前記第1処理段の前記モデルにより導出された前記情報が、前記第1処理段の出力品質予想を含む、請求項12に記載の方法。
- 前記第2処理段の前記モデルが、前記第1処理段に対する前記出力品質予想の信頼性測度を更に利用する、請求項13に記載の方法。
- 前記信頼性測度が、前記第1処理段に対する前記出力品質予想に関連する信頼区間である、請求項14に記載の方法。
- 前記第1処理段の前記モデルと前記第2処理段の前記モデルのうちの少なくとも1つが、PLSモデルである、請求項12に記載の方法。
- プロセスのコンピュータベースのモデルであって、前記プロセスが、少なくとも第1処理段と第2処理段とを含む複数の処理段に分割可能であり、前記コンピュータベースのモデルが、
各々が前記複数の処理段の各々に対応し、少なくとも前記第1処理段のモデルと第2処理段のモデルとを含む、複数のモデル
を含み、
各々の処理段に対応する前記モデルが、その処理段の1つ以上の実行からのデータとその処理段の1つ以上の実行に関連する出力品質データとを利用して開発され、各々の処理段に対応する前記モデルが、その処理段に関連する出力品質予想を立てるのに適しており、
前記第1処理段の前記モデルにより生成される前記出力品質予想を利用して、前記第2処理段の前記モデルを開発する、コンピュータベースのモデル。 - プロセス段の前記1つ以上の実行に関連する前記出力品質データが、最終段製品の品質と最終バッチ製品の品質のうちの1つを含む、請求項17に記載のコンピュータベースのモデル。
- 各々の処理段に対応する前記モデルが、最終段製品の品質と最終バッチ製品の品質のうちの1つの予想を含む、出力品質予想を立てるのに適している、請求項17に記載のコンピュータベースのモデル。
- 前記プロセスがバッチ処理であり、複数の処理段に対応する複数のモデルを開発する前記工程が、複数のバッチを作成するために、複数の前記プロセスの実行の各々の間にデータを収集することを含み、前記データ収集工程が、各々の前記プロセスの実行の各々の処理段の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項17に記載のコンピュータベースのモデル。
- 前記プロセスがバッチ処理であり、処理段に対して計測される前記値が、複数のバッチの各々に対する前記処理段の間に複数の変数の各々に対して計測された複数の値を含む、3次元データ配列を含み、前記複数の処理段の間の複数の時刻の各々で、前記3次元データ配列を、前記プロセス変数値を含む2次元データ配列に展開することを更に含む、請求項17に記載のコンピュータベースのモデル。
- 前記プロセスがバッチ処理であり、前記第1処理段の前記モデルにより導出され、前記第2処理段により利用される前記情報が、前記バッチ処理により生成されるバッチに対する品質予想を含む、請求項17に記載のコンピュータベースのモデル。
- 前記プロセスが連続処理であり、前記複数の処理段に対応する複数のモデルを開発する前記工程が、前記プロセスを実施する間の複数の時間枠の各々の間にデータを収集することを含み、前記データ収集工程が、各々の時間枠の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項17に記載のコンピュータベースのモデル。
- 前記プロセスが連続処理であり、処理段に対して計測される前記値が、前記プロセスを実施する間の複数の時間枠の各々にわたり、複数の変数の各々に対して、前記処理段の間に計測された複数の値を含む、3次元データ配列を含み、前記3次元データ配列を、前記連続処理を実施する間の複数の時間枠の各々での前記プロセス変数値を含む、2次元データ配列に展開することを更に含む、請求項17に記載のコンピュータベースのモデル。
- 前記第1処理段に対する前記モデルにより導出された前記情報が、前記第2処理段の前記モデルに対する初期条件として利用される、請求項17に記載のコンピュータベースのモデル。
- 複数のモデルを開発する前記工程が、処理段の潜在構造モデルへの投影(PLS)を構築することを含む、請求項17に記載のコンピュータベースのモデル。
- 前記第1処理段の前記モデルにより導出され、前記第2処理段の前記モデルにより利用される、前記情報の少なくとも一部分に、忘却因子を加えることを更に含む、請求項17に記載のコンピュータベースのモデル。
- プロセスを、少なくとも第1処理段と第2処理段とを含む複数の処理段に分解することと、
各々が前記複数の処理段の各々に対応し、少なくとも前記第1処理段のモデルと第2処理段のモデルとを含む、複数のモデルを開発することとを含み、
前記第2処理段の前記モデルは、前記第1処理段の前記モデルにより導出された情報を利用し、
前記複数のモデルを利用して、前記プロセスのパラメータ値を予想すること
をさらに含む、プロセスにより生成されるバッチを分析するコンピュータベースの方法。 - 前記第1処理段の前記モデルにより導出された前記情報が、前記第1処理段の出力品質予想を含む、請求項28に記載のコンピュータベースの方法。
- 前記第2処理段の前記モデルが、前記第1処理段に対する前記出力品質予想の信頼性測度を更に利用する、請求項29に記載のコンピュータベースの方法。
- 前記第1処理段の前記モデルと前記第2処理段の前記モデルのうちの少なくとも1つが、PLSモデルである、請求項28に記載のコンピュータベースの方法。
- プロセスをモデル構築するための機械的に実行可能な命令が保存されている、コンピュータ読出可能媒体であって、前記プロセスが、少なくとも第1処理段と第2処理段とを含む複数の処理段に分割可能であり、前記機械的に実行可能な命令が、
各々が前記複数の処理段の各々に対応し、少なくとも前記第1処理段のモデルと前記第2処理段のモデルとを含む、複数のモデルを開発するための第1組の命令
を含み、
前記第1組の命令が、その処理段の1つ以上の実行からのデータと、その処理段の前記1つ以上の実行に関連する出力品質データとを利用して、各々の処理段に対応する前記モデルを開発し、各々の処理段に対応する前記モデルが、その処理段に関連する出力品質予想を立てるのに適しており、
前記第1組の命令が、前記第1処理段の前記モデルにより生成される前記出力品質予想を利用して、前記第2処理段の前記モデルを開発する、
コンピュータ読出可能媒体。 - プロセス段の前記1つ以上の実行に関連する前記出力品質データが、最終段製品の品質と最終バッチ製品の品質のうちの1つを含む、請求項32に記載のコンピュータ読出可能媒体。
- 前記第1組の命令が、各々の処理段に対応する前記モデルに、最終段製品の品質と最終バッチ製品の品質のうちの1つの予想を含む出力品質予想を立てさせる命令を更に含む、請求項32に記載のコンピュータ読出可能媒体。
- 前記プロセスがバッチ処理であり、前記第1組の命令が、複数のバッチを作成するために、複数の前記プロセスの実行の各々の間にデータを収集する命令を含み、前記データ収集が、各々の前記プロセスの実行の各々の処理段の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項32に記載のコンピュータ読出可能媒体。
- 前記プロセスがバッチ処理であり、処理段に対して計測される前記値が、複数のバッチの各々に対する前記処理段の間に複数の変数の各々に対して計測された複数の値を含む、3次元データ配列を含み、前記複数の処理段の間の複数の時刻の各々で、前記3次元データ配列を、前記プロセス変数値を含む2次元データ配列に展開する命令を更に含む、請求項32に記載のコンピュータ読出可能媒体。
- 前記プロセスがバッチ処理であり、前記第1処理段の前記モデルにより導出され、前記第2処理段により利用される前記情報が、前記バッチ処理により生成されるバッチに対する品質予想を含む、請求項32に記載のコンピュータ読出可能媒体。
- 前記プロセスが連続プロセスであり、前記第1組の命令が、前記複数の処理段に対して複数のモデルを開発するための命令を含み、前記プロセスを実施する間の複数の時間枠の各々の間にデータを収集する命令を含み、前記データ収集工程が、各々の時間枠の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項32に記載のコンピュータ読出可能媒体。
- 前記プロセスが連続処理であり、処理段に対して計測される前記値が、前記プロセスを実施する間の複数の時間枠の各々にわたり、複数の変数の各々に対して、前記処理段の間に計測された複数の値を含む、3次元データ配列を含み、前記第1組の命令が、前記3次元データ配列を、前記連続処理を実施する間の複数の時間枠の各々での前記プロセス変数値を含む、2次元データ配列に展開する命令を更に含む、請求項32に記載のコンピュータ読出可能媒体。
- 前記第1組の命令が、前記第1処理段に対する前記モデルにより導出された情報を、前記第2処理段の前記モデルのための初期条件として利用する、請求項32に記載のコンピュータ読出可能媒体。
- 複数のモデルを開発するための前記第1組の命令が、処理段の潜在構造への投影(PLS)モデルを構築する命令を含む、請求項32に記載のコンピュータ読出可能媒体。
- 前記第1組の命令が、前記第1処理段の前記モデルにより導出され、前記第2処理段の前記モデルにより利用される前記情報の少なくとも一部分に忘却因子を加える命令を更に含む、請求項32に記載のコンピュータ読出可能媒体。
- プロセスにより生成されるバッチを分析するための機械的に実行可能な命令が保存されたコンピュータ読出可能媒体であって、前記プロセスが、少なくとも第1処理段と第2処理段とを含む複数の処理段に分割可能であり、前記機械的に実行可能な命令が、
各々が前記複数の処理段の各々に対応し、少なくとも前記第1処理段のモデルと前記第2処理段のモデルとを含む、複数のモデルを開発するための第1組の命令を含み、
前記第2処理段の前記モデルは、前記第1処理段の前記モデルにより導出された情報を利用し、
前記プロセスのパラメータ値を予想するために前記複数のモデルを利用する第2組の命令
をさらに含む、コンピュータ読出可能媒体。 - 前記第1処理段の前記モデルにより導出された前記情報が、前記第1処理段の出力品質予想を含む、請求項43に記載のコンピュータ読出可能媒体。
- 前記第2処理段の前記モデルが、前記第1処理段に対する前記出力品質予想の信頼性測度を更に利用する、請求項44に記載のコンピュータ読出可能媒体。
- 前記信頼性測度が、前記第1処理段に対する前記出力品質予想に関連する信頼区間である、請求項45に記載のコンピュータ読出可能媒体。
- 前記第1処理段の前記モデルと前記第2処理段の前記モデルのうちの少なくとも1つが、PLSモデルである、請求項43に記載のコンピュータ読出可能媒体。
- 第1処理段と第2処理段とを有するプロセスのモデルを構築する方法であって、
複数の前記プロセスの実行に対応する系列データ集合を利用して、前記第1処理段のモデルを開発することと、
前記系列データ集合の少なくとも第1部分を、入力として前記第1処理段の前記モデルに加えて、前記第1処理段の出力品質予想を立てることと、
前記系列データ集合の少なくとも第2部分と前記第1処理段の前記出力品質予想とを利用して、第2処理段のモデルを開発することと
を含む、方法。 - 前記第1処理段の前記モデルが、前記第1処理段の前記出力品質予想の信頼性指標を更に生成し、前記第1処理段の前記出力品質予想の前記信頼性指標が、前記第2処理段の前記モデルを開発するのに利用される、請求項48に記載の方法。
- 各々の処理段のモデルを開発することと、前記系列データ集合の少なくとも一部分を入力として各々の処理段の前記モデルに加えて、その処理段の出力品質予想を立てることと、前記系列データ集合の少なくとも一部分と前記先行する処理段の前記出力品質予想を、前記第1処理段に続く各々の処理段の前記モデルに加えることとを更に含む、請求項48に記載の方法。
- 前記第1処理段の前記モデルと前記第2処理段の前記モデルのうちの少なくとも1つが、潜在構造への投影(PLS)モデルである、請求項48に記載の方法。
- 前記プロセスが、バッチ処理と連続処理のうちの1つである、請求項48に記載の方法。
- 第1処理段と第2処理段とを有する多段処理のモデルを利用する方法であって、前記モデルが、前記第1処理段及び前記第2処理段の各々のモデルを含み、
前記多段処理の第1実行から得られる第1組のデータを前記第1処理段の前記モデルに加えて、前記第1処理段の出力品質予想を立てることと、
前記多段処理の第2実行から得られる第2組のデータと前記第1処理段の前記出力品質予想とを前記第2処理段の前記モデルに加えることと
を含む、
方法。 - 前記第1処理段の前記出力品質予想の信頼性測度を前記第2処理の前記モデルに加えることを更に含む、請求項53に記載の方法。
- 前記信頼性測度が、前記第1処理段の前記出力品質予想に関する信頼区間である、請求項54に記載の方法。
- 前記第1処理段の前記モデルと前記第2処理段の前記モデルのうちの少なくとも1つが、PLSモデルである、請求項53に記載の方法。
- 第1処理段と第2処理段とを有するプロセスのコンピュータベースのモデルであって、前記コンピュータベースのモデルが、
複数の前記プロセスの実行に対応する系列データ集合を利用して開発され、前記系列データ集合の少なくとも第1部分が入力として前記第1処理段の前記モデルに加えられる場合に、前記第1処理段の出力品質予想を立てるのに適した、前記第1処理段のモデルと、
前記系列データ集合の少なくとも第2部分と前記第1処理段の前記出力品質予想とを利用して開発された前記第2処理段のモデルと
を含む、コンピュータベースのモデル。 - 前記第1処理段の前記モデルが、前記第1処理段の前記出力品質予想の信頼性指標を更に生成し、前記第1処理段の前記出力品質予想の前記信頼性指標を利用して、前記第2処理段の前記モデルを開発する、請求項57に記載のコンピュータベースのモデル。
- 各々の処理段のモデルを更に含み、前記第1処理段に続く各々の処理段の前記モデルが、前記系列データ集合の少なくとも一部分と、前記先行する処理段の出力品質予想を入力として受信する、請求項57に記載のコンピュータベースのモデル。
- 前記第1処理段の前記モデルと前記第2処理段の前記モデルのうちの少なくとも1つが、潜在構造への投影(PLS)モデルである、請求項57に記載のコンピュータベースのモデル。
- 前記プロセスが、バッチ処理と連続処理のうちの1つである、請求項57に記載のコンピュータベースのモデル。
- 第1段と第2段とを有する多段処理のコンピュータベースのモデルを利用する方法であって、前記モデルが、前記第1処理段と前記第2処理段の各々のモデルを含み、
前記多段処理の第1実行から得られる第1組のデータを前記第1処理段の前記モデルに加えて、前記第1処理段の出力品質予想を立てることと、
前記多段処理の第2実行から得られる第2組のデータと前記第1処理段の前記出力品質予想とを、前記第2処理段の前記モデルに加えることと
を含む、方法。 - 前記第1処理段の前記モデルと前記第2処理段の前記モデルのうちの少なくとも1つが、PLSモデルである、請求項62に記載の方法。
- 前記第1処理段の前記モデルと前記第2処理段の前記モデルのうちの少なくとも1つが、主成分分析(PCA)モデルである、請求項62に記載の方法。
- 前記第1組のデータが、前記多段処理の実行の前記第1処理段の間に得られるプロセス変数データに対応し、前記第2組のデータが、前記多段処理の前記実行の前記第2処理段の間に得られるプロセス変数データに対応する、請求項62に記載の方法。
- 前記第1処理段の前記出力品質予想の信頼性指標が、前記第2処理段の前記モデルに加えられる、請求項62に記載の方法。
- 前記処理段の前記出力品質予想の前記信頼性指標が、前記第1処理段の前記出力品質予想に対する信頼区間である、請求項66に記載の方法。
- 第1処理段と第2処理段と有するプロセスのモデルを構築するために機械的に実行可能な命令が保存されているコンピュータ読出可能媒体であって、前記機械的に実行可能な命令が、
複数の前記プロセスの実行に対応する系列データ集合を利用して前記第1処理段のモデルを開発するための第1組の命令と、
前記系列データ集合の少なくとも第1部分を入力として前記第1処理段の前記モデルに加えて、前記第1処理段の出力品質予想を立てる第2組の命令と、
前記系列データ集合の少なくとも第2部分と前記第1処理段の前記出力品質予想とを利用して、前記第2処理段のモデルを開発するための第3組の命令と
を含む、コンピュータ読出可能媒体。 - 前記第1処理段の前記モデルが、前記第1処理段の前記出力品質予想の信頼性指標を更に生成し、前記第1処理段の前記出力品質予想の前記信頼性指標が、前記第2処理段の前記モデルを開発するのに利用される、請求項68に記載のコンピュータ読出可能媒体。
- 各々の処理段のモデルを開発することと、前記系列データ集合の少なくとも一部分を入力として各々の処理段の前記モデルに加えて、その処理段の出力品質予想を立てることと、前記系列データ集合の少なくとも一部分と前記先行する処理段の前記出力品質予想を、前記第1処理段に続く各々の処理段の前記モデルに加えることとを更に含む、請求項68に記載のコンピュータ読出可能媒体。
- 前記第1処理段の前記モデルと前記第2処理段の前記モデルのうちの少なくとも1つが、潜在構造への投影(PLS)モデルである、請求項68に記載のコンピュータ読出可能媒体。
- 前記プロセスが、バッチ処理と連続処理のうちの1つである、請求項68に記載のコンピュータ読出可能媒体。
- 前記多段処理の第1実行から得られる第1組のデータを前記第1処理段の前記モデルに加えて、前記第1処理段の出力品質予想を立てる第4組の命令と、
前記多段処理の第2実行から得られる第2組のデータと前記第1処理段の前記出力品質予想とを、前記第2処理段の前記モデルに加える第5組の命令と
を更に含む、請求項68に記載のコンピュータ読出可能媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US34724410P | 2010-05-21 | 2010-05-21 | |
US61/347,244 | 2010-05-21 | ||
PCT/US2011/037480 WO2011146914A2 (en) | 2010-05-21 | 2011-05-21 | Multi-stage process modeling method |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015126372A Division JP6095732B2 (ja) | 2010-05-21 | 2015-06-24 | コンピュータベースの方法及びコンピュータベースのモデル |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2013526751A true JP2013526751A (ja) | 2013-06-24 |
JP2013526751A5 JP2013526751A5 (ja) | 2014-07-03 |
JP5938034B2 JP5938034B2 (ja) | 2016-06-22 |
Family
ID=44626715
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013511408A Active JP5938034B2 (ja) | 2010-05-21 | 2011-05-21 | プロセスのモデル構築方法、バッチを分析する方法、コンピュータ読出可能媒体及び多段処理のモデルを利用する方法 |
JP2015126372A Active JP6095732B2 (ja) | 2010-05-21 | 2015-06-24 | コンピュータベースの方法及びコンピュータベースのモデル |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015126372A Active JP6095732B2 (ja) | 2010-05-21 | 2015-06-24 | コンピュータベースの方法及びコンピュータベースのモデル |
Country Status (6)
Country | Link |
---|---|
US (1) | US9158295B2 (ja) |
JP (2) | JP5938034B2 (ja) |
CN (2) | CN106094568B (ja) |
DE (1) | DE112011101738T5 (ja) |
GB (1) | GB2493867B (ja) |
WO (1) | WO2011146914A2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015011722A (ja) * | 2013-06-28 | 2015-01-19 | フィッシャー−ローズマウント システムズ,インコーポレイテッド | プロセス制御システムにおける非侵入的データ分析 |
JP2016164772A (ja) * | 2015-02-26 | 2016-09-08 | 富士電機株式会社 | プロセス監視装置、プロセス監視方法及びプログラム |
JP2018092511A (ja) * | 2016-12-07 | 2018-06-14 | 三菱重工業株式会社 | 運用支援装置、機器運用システム、運用方法、制御方法及びプログラム |
JP2021522601A (ja) * | 2018-04-30 | 2021-08-30 | アスペン テクノロジー インコーポレイテッド | バッチプロセスのモデル化、監視及び制御におけるバッチデータの自動アライメントのためのコンピュータシステム及び方法 |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9323234B2 (en) | 2009-06-10 | 2016-04-26 | Fisher-Rosemount Systems, Inc. | Predicted fault analysis |
US9447963B2 (en) | 2010-08-16 | 2016-09-20 | Emerson Process Management Power & Water Solutions, Inc. | Dynamic tuning of dynamic matrix control of steam temperature |
US9217565B2 (en) | 2010-08-16 | 2015-12-22 | Emerson Process Management Power & Water Solutions, Inc. | Dynamic matrix control of steam temperature with prevention of saturated steam entry into superheater |
US9335042B2 (en) | 2010-08-16 | 2016-05-10 | Emerson Process Management Power & Water Solutions, Inc. | Steam temperature control using dynamic matrix control |
US9915940B2 (en) * | 2011-10-31 | 2018-03-13 | Applied Materials, Llc | Bi-directional association and graphical acquisition of time-based equipment sensor data and material-based metrology statistical process control data |
US9163828B2 (en) | 2011-10-31 | 2015-10-20 | Emerson Process Management Power & Water Solutions, Inc. | Model-based load demand control |
US10796232B2 (en) * | 2011-12-04 | 2020-10-06 | Salesforce.Com, Inc. | Explaining differences between predicted outcomes and actual outcomes of a process |
US8880691B2 (en) * | 2012-09-25 | 2014-11-04 | Alcatel Lucent | Confidence based network management |
CN103245759A (zh) * | 2013-03-28 | 2013-08-14 | 杭州电子科技大学 | 基于自回归全潜结构投影模型的产品质量监测方法 |
US10394897B2 (en) | 2015-09-11 | 2019-08-27 | International Business Machines Corporation | Visualization of serial processes |
US10503156B2 (en) * | 2015-09-18 | 2019-12-10 | Fisher-Rosemount Systems, Inc. | Methods and apparatus to define stages for multi-variate batch control analytics |
US9928625B2 (en) | 2015-11-19 | 2018-03-27 | International Business Machines Corporation | Visualizing temporal aspects of serial processes |
US11144842B2 (en) * | 2016-01-20 | 2021-10-12 | Robert Bosch Gmbh | Model adaptation and online learning for unstable environments |
JP2018067051A (ja) * | 2016-10-17 | 2018-04-26 | 富士電機株式会社 | 品質監視装置、品質監視システム、品質監視方法及びプログラム |
US10354343B2 (en) * | 2016-11-14 | 2019-07-16 | Schneider Electric Systems Usa, Inc. | Automated process control hardware engineering using schema-represented requirements |
US10751879B2 (en) * | 2017-06-05 | 2020-08-25 | Autodesk, Inc. | Adapting simulation data to real-world conditions encountered by physical processes |
CN107357269A (zh) * | 2017-06-17 | 2017-11-17 | 湖州师范学院 | 基于混合mpls的多阶段过程质量预报方法 |
US11362968B2 (en) * | 2017-06-30 | 2022-06-14 | Intel Corporation | Technologies for dynamic batch size management |
CN108572873B (zh) * | 2018-04-24 | 2021-08-24 | 中国科学院重庆绿色智能技术研究院 | 一种解决Spark数据倾斜问题的负载均衡方法及装置 |
WO2020072432A1 (en) * | 2018-10-01 | 2020-04-09 | Elemental Machines, Inc. | Method and apparatus for process optimization |
CN109472057B (zh) * | 2018-10-16 | 2023-05-23 | 浙江大学 | 基于跨工步隐式参数记忆的产品加工质量预测装置及方法 |
US11221607B2 (en) * | 2018-11-13 | 2022-01-11 | Rockwell Automation Technologies, Inc. | Systems and methods for analyzing stream-based data for asset operation |
CN109709926B (zh) * | 2019-01-25 | 2020-11-24 | 东华大学 | 纤维生产过程中熔体品质的调整方法 |
JP7081532B2 (ja) * | 2019-02-26 | 2022-06-07 | 横河電機株式会社 | 品質安定化システム及び品質安定化方法 |
JP6790154B2 (ja) * | 2019-03-07 | 2020-11-25 | 東芝デジタルソリューションズ株式会社 | 協調型学習システム及び監視システム |
US20200327476A1 (en) * | 2019-04-10 | 2020-10-15 | Exxonmobil Research And Engineering Company | Dynamic quality control in petrochemical, chemical, and pharmaceutical manufacturing processes |
EP3726316B1 (en) * | 2019-04-17 | 2022-06-29 | ABB Schweiz AG | Controlling technical equipment through quality indicators using parameterized batch-run monitoring |
US11899417B2 (en) * | 2019-05-02 | 2024-02-13 | Fisher-Rosemount Systems, Inc. | Methods and apparatus to implement predictive analytics for continuous control system processes |
US11169976B2 (en) | 2019-06-11 | 2021-11-09 | International Business Machines Corporation | Data quality control |
CN111047078B (zh) * | 2019-11-25 | 2023-05-05 | 中山大学 | 交通特征预测方法、系统及存储介质 |
US11194300B2 (en) * | 2019-12-06 | 2021-12-07 | Yokogawa Electric Corporation | Methods, systems and computer program products for monitoring field device states in a process control system |
US11461162B2 (en) * | 2020-07-06 | 2022-10-04 | Ringcentral, Inc. | Maze-driven self-diagnostics using reinforcement learning |
US11526155B2 (en) | 2020-07-30 | 2022-12-13 | Aspentech Corporation | Computer system and method for batch data alignment with active learning in batch process modeling, monitoring, and control |
US20240004355A1 (en) * | 2022-06-29 | 2024-01-04 | Aspentech Corporation | System and Method for Building and Deploying Prescriptive Analytics to Predict and Control End Product Quality in Batch Production Monitoring and Optimization |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002108412A (ja) * | 2000-10-03 | 2002-04-10 | Mitsubishi Chemicals Corp | モデル構築方法およびモデル構築システム |
JP2007188473A (ja) * | 2005-09-30 | 2007-07-26 | Fisher Rosemount Syst Inc | バッチプロセスを制御するためのシステムおよび方法 |
JP2009087342A (ja) * | 2007-09-28 | 2009-04-23 | Fisher Rosemount Syst Inc | プロセス制御環境においてデータ性状を標準化するための方法、機器、及び機械アクセス可能な媒体 |
JP2011248886A (ja) * | 2010-05-21 | 2011-12-08 | Fisher-Rosemount Systems Inc | 貯蔵タンク内の材料特性を特定するためのマルチゾーンモデリングのための方法およびシステム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7461040B1 (en) | 1999-10-31 | 2008-12-02 | Insyst Ltd. | Strategic method for process control |
DE01951081T1 (de) * | 2000-06-19 | 2004-04-15 | P.C. Krause and Associates, Inc, West Lafayette | Verteilte simulation |
US7167583B1 (en) * | 2000-06-28 | 2007-01-23 | Landrex Technologies Co., Ltd. | Image processing system for use with inspection systems |
US20030041042A1 (en) * | 2001-08-22 | 2003-02-27 | Insyst Ltd | Method and apparatus for knowledge-driven data mining used for predictions |
EP1543392A1 (en) * | 2002-06-28 | 2005-06-22 | Umetrics AB | Method and device for monitoring and fault detection in industrial processes |
US6885907B1 (en) | 2004-05-27 | 2005-04-26 | Dofasco Inc. | Real-time system and method of monitoring transient operations in continuous casting process for breakout prevention |
WO2007018868A1 (en) * | 2005-07-25 | 2007-02-15 | Biogen Idec Ma Inc. | System and method for bioprocess control |
US8489360B2 (en) | 2006-09-29 | 2013-07-16 | Fisher-Rosemount Systems, Inc. | Multivariate monitoring and diagnostics of process variable data |
US20080103747A1 (en) * | 2006-10-31 | 2008-05-01 | Macharia Maina A | Model predictive control of a stillage sub-process in a biofuel production process |
US8761909B2 (en) * | 2007-11-30 | 2014-06-24 | Honeywell International Inc. | Batch process monitoring using local multivariate trajectories |
JP4911055B2 (ja) * | 2008-02-05 | 2012-04-04 | 富士電機株式会社 | バッチプロセスデータの解析装置およびそれを用いた異常検出/品質推定装置 |
US20090287320A1 (en) * | 2008-05-13 | 2009-11-19 | Macgregor John | System and Method for the Model Predictive Control of Batch Processes using Latent Variable Dynamic Models |
US8494798B2 (en) | 2008-09-02 | 2013-07-23 | Mks Instruments, Inc. | Automated model building and batch model building for a manufacturing process, process monitoring, and fault detection |
US8090676B2 (en) | 2008-09-11 | 2012-01-03 | Honeywell International Inc. | Systems and methods for real time classification and performance monitoring of batch processes |
-
2011
- 2011-05-21 WO PCT/US2011/037480 patent/WO2011146914A2/en active Application Filing
- 2011-05-21 CN CN201610524746.1A patent/CN106094568B/zh active Active
- 2011-05-21 CN CN201180025148.5A patent/CN102906650B/zh active Active
- 2011-05-21 JP JP2013511408A patent/JP5938034B2/ja active Active
- 2011-05-21 GB GB1220606.6A patent/GB2493867B/en active Active
- 2011-05-21 US US13/113,044 patent/US9158295B2/en active Active
- 2011-05-21 DE DE112011101738T patent/DE112011101738T5/de active Pending
-
2015
- 2015-06-24 JP JP2015126372A patent/JP6095732B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002108412A (ja) * | 2000-10-03 | 2002-04-10 | Mitsubishi Chemicals Corp | モデル構築方法およびモデル構築システム |
JP2007188473A (ja) * | 2005-09-30 | 2007-07-26 | Fisher Rosemount Syst Inc | バッチプロセスを制御するためのシステムおよび方法 |
JP2009087342A (ja) * | 2007-09-28 | 2009-04-23 | Fisher Rosemount Syst Inc | プロセス制御環境においてデータ性状を標準化するための方法、機器、及び機械アクセス可能な媒体 |
JP2011248886A (ja) * | 2010-05-21 | 2011-12-08 | Fisher-Rosemount Systems Inc | 貯蔵タンク内の材料特性を特定するためのマルチゾーンモデリングのための方法およびシステム |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015011722A (ja) * | 2013-06-28 | 2015-01-19 | フィッシャー−ローズマウント システムズ,インコーポレイテッド | プロセス制御システムにおける非侵入的データ分析 |
JP2016164772A (ja) * | 2015-02-26 | 2016-09-08 | 富士電機株式会社 | プロセス監視装置、プロセス監視方法及びプログラム |
JP2018092511A (ja) * | 2016-12-07 | 2018-06-14 | 三菱重工業株式会社 | 運用支援装置、機器運用システム、運用方法、制御方法及びプログラム |
JP7015108B2 (ja) | 2016-12-07 | 2022-02-02 | 三菱重工業株式会社 | 運用支援装置、機器運用システム、運用方法、制御方法及びプログラム |
JP2021522601A (ja) * | 2018-04-30 | 2021-08-30 | アスペン テクノロジー インコーポレイテッド | バッチプロセスのモデル化、監視及び制御におけるバッチデータの自動アライメントのためのコンピュータシステム及び方法 |
JP7162075B2 (ja) | 2018-04-30 | 2022-10-27 | アスペンテック・コーポレーション | バッチプロセスのモデル化、監視及び制御におけるバッチデータの自動アライメントのためのコンピュータシステム、方法およびコンピュータプログラムプロダクト |
Also Published As
Publication number | Publication date |
---|---|
GB201220606D0 (en) | 2013-01-02 |
CN106094568B (zh) | 2019-04-02 |
US20110288837A1 (en) | 2011-11-24 |
CN102906650B (zh) | 2016-07-13 |
JP5938034B2 (ja) | 2016-06-22 |
CN102906650A (zh) | 2013-01-30 |
WO2011146914A3 (en) | 2012-01-12 |
JP2015207303A (ja) | 2015-11-19 |
CN106094568A (zh) | 2016-11-09 |
US9158295B2 (en) | 2015-10-13 |
JP6095732B2 (ja) | 2017-03-15 |
GB2493867A (en) | 2013-02-20 |
WO2011146914A2 (en) | 2011-11-24 |
DE112011101738T5 (de) | 2013-09-26 |
GB2493867B (en) | 2017-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6095732B2 (ja) | コンピュータベースの方法及びコンピュータベースのモデル | |
US8571696B2 (en) | Methods and apparatus to predict process quality in a process control system | |
JP6163526B2 (ja) | バッチプロセスのオンラインプロセスランの分析を実行する方法 | |
US9323234B2 (en) | Predicted fault analysis | |
US10018997B2 (en) | Non-intrusive data analytics in a process control system | |
CN107045283B (zh) | 用于过程控制系统显示警报信息的方法 | |
JP6166883B2 (ja) | 予測された欠陥分析 | |
US20130116802A1 (en) | Tracking simulation method | |
JP5924876B2 (ja) | 貯蔵タンク内の材料特性を特定するためのマルチゾーンモデリングのための方法およびシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140516 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140516 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150324 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150624 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20151201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160324 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20160404 |
|
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: 20160426 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160513 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5938034 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |