JP2020533403A - 漢方薬生産プロセス知識システム - Google Patents
漢方薬生産プロセス知識システム Download PDFInfo
- Publication number
- JP2020533403A JP2020533403A JP2020533333A JP2020533333A JP2020533403A JP 2020533403 A JP2020533403 A JP 2020533403A JP 2020533333 A JP2020533333 A JP 2020533333A JP 2020533333 A JP2020533333 A JP 2020533333A JP 2020533403 A JP2020533403 A JP 2020533403A
- Authority
- JP
- Japan
- Prior art keywords
- parameters
- data
- parameter
- unit
- design space
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 124
- 239000003814 drug Substances 0.000 title claims description 13
- 238000000034 method Methods 0.000 claims abstract description 341
- 230000008569 process Effects 0.000 claims abstract description 283
- 238000013461 design Methods 0.000 claims abstract description 72
- 238000011156 evaluation Methods 0.000 claims abstract description 57
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 230000026676 system process Effects 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 10
- 241000411851 herbal medicine Species 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims abstract description 6
- 238000013480 data collection Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 45
- 238000003062 neural network model Methods 0.000 claims description 36
- 238000005065 mining Methods 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 25
- 238000003066 decision tree Methods 0.000 claims description 22
- 239000000543 intermediate Substances 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 12
- 238000011867 re-evaluation Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 5
- 238000009472 formulation Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 9
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000003908 quality control method Methods 0.000 description 17
- 238000013441 quality evaluation Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010219 correlation analysis Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000013075 data extraction Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000004224 protection Effects 0.000 description 2
- TYAQXZHDAGZOEO-KXQOOQHDSA-N 1-myristoyl-2-stearoyl-sn-glycero-3-phosphocholine Chemical compound CCCCCCCCCCCCCCCCCC(=O)O[C@@H](COP([O-])(=O)OCC[N+](C)(C)C)COC(=O)CCCCCCCCCCCCC TYAQXZHDAGZOEO-KXQOOQHDSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 208000014446 corneal intraepithelial dyskeratosis-palmoplantar hyperkeratosis-laryngeal dyskeratosis syndrome Diseases 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000000195 production control method Methods 0.000 description 1
- 239000000376 reactant Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002211 ultraviolet spectrum Methods 0.000 description 1
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- 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
-
- 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
Abstract
Description
品質データと工程データを含む生産中のプロセスパラメータデータを収集することと、
前記品質データに基づいてシステムプロセス能力を評価し、プロセス能力評価結果を得ることと、
前記プロセス能力評価結果が十分であれば、全過程監視モードに入ることと、
前記プロセス能力評価結果が不十分であれば、前記工程データに基づいて、設計空間探索モードに入ることと、を含む。
前の製造段階の中間体の品質パラメータを含む工程データを取得することと、
製造段階の生産状況に基づいて、重要品質特性のタイプを選択することと、
前記重要品質特性に関連する工程データをスクリーニングし、重要プロセスパラメータとすることと、
前記重要プロセスパラメータと重要品質特性との間の関係モデルを構築することと、
前記関係モデルに基づき、重要品質特性に対応する特定の区間範囲である設計空間を取得することと、を含む。
取得された設計空間に基づいてパラメータをリリースすることと、
システムプロセス能力を再評価し、プロセス能力の再評価結果を得ることと、
前記プロセス能力の再評価結果が十分であれば、全過程監視モードに入ることと、
前記プロセス能力の再評価結果が不十分であれば、設計空間のポテンシャルパラメータをマイニングすることと、をさらに含む。
設計空間に対応する製造段階の条件に関する情報を含む設計空間のポテンシャルパラメータマイニング要求を受信することと、
前記製造段階の条件に関する情報に基づいて、工程に対応する重要品質特性を取得し、およびポテンシャルパラメータセットを定式化することと、
定式化されたポテンシャルパラメータをテストし、検証の対象になるポテンシャルパラメータを得ることと、
検証の対象になるポテンシャルパラメータを検証し、設計空間ポテンシャルパラメータを得ることと、を含む。
複数のトレーニングサンプルを収集し、トレーニングサンプルセットを構成することと、各トレーニングサンプルは多種のプロセスパラメータを含み、各種のプロセスパラメータはそれぞれの属性パラメータとカテゴリを有し、ここで、前記属性パラメータとカテゴリの組み合わせは複数あり、
前記トレーニングサンプルセットにおけるカテゴリに基づいて、前記トレーニングサンプルセットの分散配信情報値を取得することと、
前記分散配信情報値に基づいて、各種のプロセスパラメータの情報利得を取得することと、
情報利得の最大のプロセスパラメータを分割ノードとして選択し、決定木を作ることと、
決定木に基づいて、新しいデータをカテゴリ別に識別することと、を含む。
中間体結果のタイプを含む結果フィードバックの要求を受信することと、
前記フィードバック要求に対応する、プロセスパラメータセットを構成する多次元パラメータであるプロセスパラメータを取得することと、
前記プロセスパラメータセットをプロセスパラメータサンプルによってトレーニングされた結果フィードバックニューラルネットワークモデルに入力することと、
前記結果フィードバックニューラルネットワークモデルの出力結果を取得することと、を含む。
トレーニングの対象になる複数のプロセスパラメータセットおよび対応する既知のターゲット値を含むプロセスパラメータサンプルデータを取得することと、
入力層、非表示層、出力層、初期重み、および初期オフセットを含む初期ネットワークモデルを構築することと、
誤差逆伝播法を用いて、重みの収束を実現し、結果フィードバックニューラルネットワークモデルを得るまで、前記初期重みと初期オフセットを更新することと、を含む。
品質データと工程データを含む生産中のプロセスパラメータデータを収集する生産データ収集ユニットと収集されたプロセスパラメータデータを記憶する記憶ユニットとを含むデータベースモジュールと、
前記品質データに基づいてシステムプロセス能力を評価し、プロセス能力評価結果を得る能力評価モジュールと、
前記プロセス能力評価結果の十分さに応答して、全過程監視モードに入る監視フィードバックモジュールと、
前記プロセス能力評価結果の不十分さに応答して、前記工程データに基づいて、設計空間探索モードに入る設計空間探索モジュールとを含む。
前の製造段階の中間体の品質パラメータを含む工程データを取得する工程データユニットと、
製造段階の生産状況に基づいて、重要品質特性のタイプを選択するCQAユニットと、
前記重要品質特性に関連する工程データをスクリーニングし、重要プロセスパラメータとするCPPユニットと、
前記重要プロセスパラメータと重要品質特性との間の関係モデルを構築する設計空間モデルユニットと、
前記関係モデルにより、重要品質特性に対応する特定の区間範囲である設計空間を取得する空間ユニットとを含む。
設計空間に対応する製造段階の条件情報を含む設計空間のポテンシャルパラメータマイニング要求を受信するマイニング要求ユニットと、
前記製造段階の条件情報に基づいて、製造段階に対応する重要品質特性を取得し、およびポテンシャルパラメータセットを定式化する定式化ユニットと、
定式化されたポテンシャルパラメータをテストし、検証の対象になるポテンシャルパラメータを得るマイニング実行ユニットと、
検証の対象になるポテンシャルパラメータを検証し、設計空間ポテンシャルパラメータを得る検証ユニットとを含む。
複数のトレーニングサンプルを収集し、トレーニングサンプルセットを構成するトレーニングサンプル収集ユニットと、各トレーニングサンプルは多種のプロセスパラメータを含み、各種のプロセスパラメータはそれぞれの属性パラメータとカテゴリを有し、前記属性パラメータとカテゴリの組み合わせは複数あり、
前記トレーニングサンプルセットにおけるカテゴリに基づいて、前記トレーニングサンプルセットの分散配信情報値を取得する分散配信ユニットと、
前記分散配信情報値に基づいて、各種のプロセスパラメータの情報利得を取得する利得ユニットと、
情報利得の最大のプロセスパラメータを分割ノードとして選択し、決定木を作る決定木ユニットと、
決定木に基づいて、新しいデータをカテゴリ別に識別するデータ識別ユニットとを含む。
中間体結果タイプを含む結果フィードバック要求を受信する結果フィードバック要求ユニットと、
前記フィードバック要求に対応する、プロセスパラメータセットを構成する多次元パラメータであるプロセスパラメータを取得するパラメータユニットと、
前記プロセスパラメータセットをプロセスパラメータサンプルによってトレーニングされた結果フィードバックニューラルネットワークモデルに入力する結果フィードバックニューラルネットワークモデル入力ユニットと、
前記結果フィードバックニューラルネットワークモデルの出力結果を取得する結果フィードバックニューラルネットワークモデル出力ユニットとを含む。
トレーニング対象になる複数のプロセスパラメータセットおよび対応する既知のターゲット値を含むプロセスパラメータサンプルデータを取得するトレーニングサンプル取得ユニットと、
入力層、非表示層、出力層、初期重み、および初期オフセットを含む初期ネットワークモデルを構築する初期モデルユニットと、
誤差逆伝播法を用いて、重みの収束を実現し、結果フィードバックニューラルネットワークモデルを得るまで、前記初期重みと初期オフセットを更新する重み更新ユニットとを含む。
本発明の一実施形態では、漢方薬生産プロセス制御方法であって、図1を参照して、前記方法は下記のフローを含む。
本発明の一実施形態では、漢方薬生産プロセスの完全な生産制御方法を提供し、図2及び図3を参照して、前記方法は下記フローを含む。
A2で、トレーニングサンプルセットにおけるカテゴリに基づいて、前記トレーニングサンプルセットの分散配信情報値を取得し、
A3で、前記分散配信情報値に基づいて、各種のプロセスパラメータの情報利得を取得し、
A4で、情報利得が最も大きいプロセスパラメータを分割ノードとして選択し、決定木を作り、
A5で、決定木に基づいて、新しいデータをカテゴリ別に識別する。
B2で、前記フィードバック要求に対応する、プロセスパラメータセットを構成する多次元パラメータであるプロセスパラメータを取得し、
B3で、前記プロセスパラメータセットを結果フィードバックニューラルネットワークモデルに入力し、
前記結果フィードバックニューラルネットワークモデルがプロセスパラメータサンプルによってトレーニングされ、図4を参照して、下記フローを含む。
B32で、入力層、非表示層、出力層、初期重み、および初期オフセットを含む初期ネットワークモデルを構築し、
B33で、誤差逆伝播法を用いて、重み収束が達成され、結果フィードバックニューラルネットワークモデルを得るまで、前記初期重みと初期オフセットを更新する。
S241で、取得された設計空間に基づいてパラメータをリリースし、
S242で、システムプロセス能力を再評価し、プロセス能力再評価結果を得て、再評価結果が十分であれば、S243に進み、そうでなければ、S244に進み、
S243で、全過程監視モードに入り、
同様に、全過程監視モードにおいて、ように、システムプラットフォームは一定周期ごとにステップS21を自動サイクル的に実行することによって、全過程監視の制御図を更新する。
S244で、設計空間のポテンシャルパラメータをマイニングし、
S245で、プロセス能力再評価結果が十分になるまで、マイニングされたポテンシャルパラメータをリリースパラメータセットに加え、設計空間を最適化する。
本発明の一実施形態では、設計空間探索方法であって、図5を参照して、前記方法は下記フローを含む。
S32で、製造段階の生産状況に基づいて、重要品質特性のタイプを選択し、
S33で、前記重要品質特性に関連する工程データをスクリーニングし、重要プロセスパラメータとして、
S34で、前記重要プロセスパラメータと重要品質特性との間の関係モデルを構築し、
S35で、前記関係モデルにより、重要品質特性に対応する特定の区間範囲である設計空間を取得する。
本発明の一実施形態では、設計空間のポテンシャルパラメータマイニングする方法であって、図6を参照して、前記方法は下記フローを含む。
S42で、前記製造段階の条件情報に基づいて、製造段階に対応する重要品質特性を取得し、およびポテンシャルパラメータセットを定式化し、
S43で、定式化されたポテンシャルパラメータをテストし、検証の対象になるポテンシャルパラメータを取得し、
好ましくは、具体的なテストプロセスは下記の方法を採用し、定式化されたポテンシャルパラメータに対して単一因子テストを行い、複数のプロセスパラメータを取得し、前記プロセスパラメータを直交テストして、検証の対象になるポテンシャルパラメータを得る。
本発明の実施形態では、システムプロセス能力評価方法であって、図7を参照して、前記方法は下記のフローを含む。
S52で、前記品質サンプルに基づいて、プロセス平均値とプロセス標準偏差を取得し、
S53で、前記品質サンプルに対してデータスクリーニングを行い、品質制御標準サンプルを取得し、
例えば、品質サンプルには100個の品質データがあり、番号は0−99で、この品質サンプルを100回(99回または101回または他の回数でもよい。)ランダムにサンプリングし、毎回ランダムに番号0−99の中からある番号の品質データを抽出して、配列メンバーとして、100回のランダムにサンプリングして、100個の数字の配列を得て、更にこの配列を小さいから大きいまでの順に並べ替える。スクリーニング規則(例えば、並べ替えたサンプルの中間の80%のデータを製造段階の品質評価データとする)に従って、小さいから大きいまでの順に並べ替えた配列について、11番目の数字を取って第1の品質制御標準サンプルに入れ、90番目の数字を取って第2の品質制御標準サンプルに入れる。
具体的には、第1の品質制御標準サンプルに対してサンプル平均を求め、すなわち、前記第1の品質制御標準サンプルの10000個の品質制御標準下限の平均値を取って、品質制御標準下限を取得し、第2の品質制御標準サンプルに対してサンプル平均を求め、すなわち、前記第2の品質制御標準サンプルの10000個の品質制御標準上限の平均値を取って、品質制御標準上限を取得する。
本発明の一実施形態では、漢方薬生産プロセス知識システムであって、図8を参照して、前記システムは、
品質データと工程データを含む生産中のプロセスパラメータデータを収集する生産データ収集ユニット611と収集されたプロセスパラメータデータを記憶する記憶ユニット612とを含むデータベースモジュール610と、
前記品質データに基づいてシステムのプロセス能力を評価し、プロセス能力評価結果を得る能力評価モジュール620と、
前記プロセス能力評価結果の十分さに応答して、全過程監視モードに入る監視フィードバックモジュール630と、
前記プロセス能力評価結果の不十分さに応答して、前記プロセスデータに基づいて、設計空間探索モードに入る設計空間探索モジュール640と、を含む。
コアスキームは、アレイ自体を記憶するディスクアレイを用いてディスクアレイのデータブロックを複製する技術で、品質データとプロセスパラメータデータのリモートコピーを実現し、データを災害から保護することを実現する。メインデータセンターで災害が発生した場合、災害準備センターのデータを利用して、災害準備センターで運営サポート環境を構築し、生産継続運営をサポートする。同時に、災害準備センターのデータを利用してメインデータセンターの業務システムを回復することにより、生産運営を災害が発生する前の正常な運営状態に迅速に回復させることもできる。
ETLとは、データ抽出(Extract)、変換(Transform)、ロード(Load)の過程である。ソースからターゲットシステムにデータを変換する方法を提供する。具体的な機能は異なる品質データとプロセスパラメータデータに対して異なるデータ抽出、変換、ローディング処理を行い、データ統合の大部の仕事を完成する。
前の製造段階の中間体の品質パラメータを含む工程データを取得するプロセスデータユニット641と、
工程の生産状況に基づいて、重要品質特性のタイプを選択するCQAユニット642と、
前記重要品質特性に関連する工程データをスクリーニングし、重要プロセスパラメータとするCPPユニット643と、
前記重要プロセスパラメータと重要品質特性との間の関係モデルを構築する設計空間モデルユニット644と、
前記関係モデルにより、重要品質特性に対応する特定の区間範囲である設計空間を取得する空間ユニット645と、を含む。
設計空間に対応する製造段階の条件情報を含む設計空間のポテンシャルパラメータマイニング要求を受信するマイニング要求ユニット651と、
前記製造段階の条件情報に基づいて、製造段階に対応する重要品質特性を取得し、およびポテンシャルパラメータセットを定式化する定式化ユニット652と、
定式化されたポテンシャルパラメータをテストし、検証の対象になるポテンシャルパラメータを得るマイニング実行ユニット653と、
検証の対象になるポテンシャルパラメータを検証し、設計空間ポテンシャルパラメータを得る検証ユニット654と、を含む。
複数のトレーニングサンプルを収集し、トレーニングサンプルセットを構成するトレーニングサンプル収集ユニット631aと、各トレーニングサンプルは多種のプロセスパラメータを含み、各種のプロセスパラメータはそれぞれの属性パラメータとカテゴリを有し、前記属性パラメータとカテゴリの組み合わせは多種あり、
前記トレーニングサンプルセットにおけるカテゴリに基づいて、前記トレーニングサンプルセットの分散配信情報値を取得する分散配信ユニット632aと、
前記分散配信情報値に基づいて、各種のプロセスパラメータの情報利得を取得する利得ユニット633aと、
情報利得の最大のプロセスパラメータを分割ノードとして選択し、決定木を作る決定木ユニット634aと、
決定木に基づいて、新しいデータをカテゴリ別に識別するデータ識別ユニット635aとを含む。
中間体結果タイプを含む結果フィードバック要求を受信する結果フィードバック要求ユニット631bと、
前記フィードバック要求に対応する、プロセスパラメータセットを構成する多次元パラメータであるプロセスパラメータを取得するパラメータユニット632bと、
前記プロセスパラメータセットをプロセスパラメータサンプルによってトレーニングされた結果フィードバックニューラルネットワークモデルに入力する結果フィードバックニューラルネットワークモデル入力ユニット633bと、
前記結果フィードバックニューラルネットワークモデルの出力結果を取得する結果フィードバックニューラルネットワークモデル出力ユニット634bとを含む。
トレーニングの対象になる複数のプロセスパラメータセットおよび対応する既知のターゲット値を含むプロセスパラメータサンプルデータを取得するトレーニングサンプル取得ユニット6351と、
入力層、非表示層、出力層、初期重み、および初期オフセットを含む初期ネットワークモデルを構築する初期モデルユニット6352と、
誤差逆伝播法を用いて、重みの収束を実現し、結果フィードバックニューラルネットワークモデルを得るまで、前記初期重みと初期オフセットを更新する重み更新ユニット6353とを含む。
Claims (15)
- 漢方薬生産プロセス制御方法であって、
品質データと工程データを含む生産中のプロセスパラメータデータを収集することと、
前記品質データに基づいてシステムプロセス能力を評価し、プロセス能力評価結果を得ることと、
前記プロセス能力評価結果が十分であれば、全過程監視モードに入ることと、
前記プロセス能力評価結果が不十分であれば、前記工程データに基づいて、設計空間探索モードに入ることと、を含むことを特徴とする漢方薬生産プロセス制御方法。 - 前記設計空間探索モードに入ることは、
前の製造段階の中間体の品質パラメータを含む工程データを取得することと、
製造段階の生産状況に基づいて、重要品質特性のタイプを選択することと、
前記重要品質特性に関連する工程データをスクリーニングし、重要プロセスパラメータとすることと、
前記重要プロセスパラメータと重要品質特性との間の関係モデルを構築することと、
前記関係モデルに基づき、重要品質特性に対応する特定の区間範囲である設計空間を取得することと、を含むことを特徴とする請求項1に記載の方法。 - 前記設計空間探索モードに入った後、
取得された設計空間に基づいてパラメータをリリースすることと、
システムプロセス能力を再評価し、プロセス能力の再評価結果を得ることと、
前記プロセス能力の再評価結果が十分であれば、全過程監視モードに入ることと、
前記プロセス能力の再評価結果が不十分であれば、設計空間のポテンシャルパラメータをマイニングすることと、をさらに含むことを特徴とする請求項1に記載の方法。 - 前記設計空間のポテンシャルパラメータをマイニングすることは、
設計空間に対応する製造段階の条件情報を含む設計空間のポテンシャルパラメータマイニングの要求を受信することと、
前記製造段階の条件情報に基づいて、工程に対応する重要品質特性を取得し、およびポテンシャルパラメータセットを定式化することと、
定式化されたポテンシャルパラメータをテストし、検証の対象になるポテンシャルパラメータを得ることと、
検証の対象になるポテンシャルパラメータを検証し、設計空間のポテンシャルパラメータを得ることと、を含むことを特徴とする請求項3に記載の方法。 -
- 前記全過程監視モードに入ることは、多次元パラメータを識別することを含み、
複数のトレーニングサンプルを収集し、トレーニングサンプルセットを構成することと、各トレーニングサンプルは多種のプロセスパラメータを含み、各種のプロセスパラメータはそれぞれの属性パラメータとカテゴリを有し、ここで前記属性パラメータとカテゴリの組み合わせは複数あり、
前記トレーニングサンプルセットにおけるカテゴリに基づいて、前記トレーニングサンプルセットの分散配信情報値を取得することと、
前記分散配信情報値に基づいて、各種のプロセスパラメータの情報利得を取得することと、
情報利得の最大のプロセスパラメータを分割ノードとして選択し、決定木を作ることと、
決定木に基づいて、新しいデータをカテゴリ別に識別することと、を含むことを特徴とする請求項1に記載の方法。 - 前記全過程監視モードに入ることは、プロセスパラメータに基づいて結果フィードバックを行うことを含み、
中間体結果タイプを含む結果フィードバック要求を受信することと、
前記フィードバック要求に対応する、プロセスパラメータセットを構成する多次元パラメータであるプロセスパラメータを取得することと、
前記プロセスパラメータセットをプロセスパラメータサンプルによってトレーニングされた結果フィードバックニューラルネットワークモデルに入力することと、
前記結果フィードバックニューラルネットワークモデルの出力結果を取得することと、を含むことを特徴とする請求項1に記載の方法。 - 前記結果フィードバックニューラルネットワークモデルがプロセスパラメータサンプルによってトレーニングされることは、
トレーニング対象の複数のプロセスパラメータセットおよび対応する既知のターゲット値を含むプロセスパラメータサンプルデータを取得することと、
入力層、非表示層、出力層、初期重み、および初期オフセットを含む初期ネットワークモデルを構築することと、
誤差逆伝播法を用いて、重み収束が達成され、結果フィードバックニューラルネットワークモデルを得るまで、前記初期重みと初期オフセットを更新することと、を含むことを特徴とする請求項7に記載の方法。 - 漢方薬生産プロセス知識システムであって、
品質データとプロセスデータを含む生産中のプロセスパラメータデータを収集する生産データ収集ユニットと収集されたプロセスパラメータデータを記憶する記憶ユニットとを含むデータベースモジュールと、
前記品質データに基づいてシステムプロセス能力を評価し、プロセス能力評価結果を得る能力評価モジュールと、
前記プロセス能力評価結果の十分さに応答して、全過程監視モードに入る監視フィードバックモジュールと、
前記プロセス能力評価結果の不十分さに応答して、前記プロセスデータに基づいて、設計空間探索モードに入る設計空間探索モジュールと、を含むことを特徴とする漢方薬生産プロセス知識システム。 - 前記設計空間探索モジュールは、
前の製造段階の中間体の品質パラメータを含む工程データを取得する工程データユニットと、
製造段階の生産状況に基づいて、重要品質特性のタイプを選択するCQAユニットと、
前記重要品質特性に関連する工程データをスクリーニングし、重要プロセスパラメータとするCPPユニットと、
前記重要プロセスパラメータと重要品質特性との間の関係モデルを構築する設計空間モデルユニットと、
前記関係モデルにより、重要品質特性に対応する特定の区間範囲である設計空間を取得する空間ユニットと、を含むことを特徴とする請求項9に記載のシステム。 - マイニングモジュールをさらに含み、
設計空間に対応する製造段階の条件情報を含む設計空間のポテンシャルパラメータマイニング要求を受信するマイニング要求ユニットと、
前記製造段階の条件情報に基づいて、製造段階に対応する重要品質特性を取得し、およびポテンシャルパラメータセットを定式化する定式化ユニットと、
定式化されたポテンシャルパラメータをテストし、検証の対象になるポテンシャルパラメータを得るマイニング実行ユニットと、
検証の対象になるポテンシャルパラメータを検証し、設計空間ポテンシャルパラメータを得る検証ユニットとを含むことを特徴とする請求項9に記載のシステム。 -
- 前記監視フィードバックモジュールは、多次元パラメータを識別し、前記監視フィードバックモジュールは、
複数のトレーニングサンプルを収集し、トレーニングサンプルセットを構成するトレーニングサンプル収集ユニットと、各トレーニングサンプルは多種のプロセスパラメータを含み、各種のプロセスパラメータはそれぞれの属性パラメータとカテゴリを有し、前記属性パラメータとカテゴリの組み合わせは複数あり、
前記トレーニングサンプルセットにおけるカテゴリに基づいて、前記トレーニングサンプルセットの分散配信情報値を取得する分散配信ユニットと、
前記分散配信情報値に基づいて、各種のプロセスパラメータの情報利得を取得する利得ユニットと、
情報利得の最大のプロセスパラメータを分割ノードとして選択し、決定木を作る決定木ユニットと、
決定木に基づいて、新しいデータをカテゴリ別に識別するデータ識別ユニットとを含むことを特徴とする請求項9に記載のシステム。 - 前記監視フィードバックモジュールは、プロセスパラメータに基づいて結果フィードバックを行い、前記監視フィードバックモジュールは、
中間体結果タイプを含む結果フィードバック要求を受信する結果フィードバック要求ユニットと、
前記フィードバック要求に対応する、プロセスパラメータセットを構成する多次元パラメータであるプロセスパラメータを取得するパラメータユニットと、
前記プロセスパラメータセットをプロセスパラメータサンプルによってトレーニングされた結果フィードバックニューラルネットワークモデルに入力する結果フィードバックニューラルネットワークモデル入力ユニットと、
前記結果フィードバックニューラルネットワークモデルの出力結果を取得する結果フィードバックニューラルネットワークモデル出力ユニットとを含むことを特徴とする請求項9に記載のシステム。 - 前記監視フィードバックモジュールは、結果フィードバックニューラルネットワークモデルトレーニングユニットをさらに含み、
トレーニングの対象になる複数のプロセスパラメータセットおよび対応する既知のターゲット値を含むプロセスパラメータサンプルデータを取得するトレーニングサンプル取得ユニットと、
入力層、非表示層、出力層、初期重み、および初期オフセットを含む初期ネットワークモデルを確立する初期モデルユニットと、
誤差逆伝播法を用いて、重みが収束を実現し、結果フィードバックニューラルネットワークモデルを得るまで、前記初期重みと初期オフセットを更新する重み更新ユニットとを含むことを特徴とする請求項14に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710770922.4 | 2017-08-31 | ||
CN201710770922.4A CN107578104B (zh) | 2017-08-31 | 2017-08-31 | 一种中药生产过程知识系统 |
PCT/CN2018/099310 WO2019042099A1 (zh) | 2017-08-31 | 2018-08-08 | 一种中药生产过程知识系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020533403A true JP2020533403A (ja) | 2020-11-19 |
JP6979527B2 JP6979527B2 (ja) | 2021-12-15 |
Family
ID=61029919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020533333A Active JP6979527B2 (ja) | 2017-08-31 | 2018-08-08 | 漢方薬生産プロセス知識システム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20200350058A1 (ja) |
EP (1) | EP3678065A4 (ja) |
JP (1) | JP6979527B2 (ja) |
KR (1) | KR102361343B1 (ja) |
CN (1) | CN107578104B (ja) |
WO (1) | WO2019042099A1 (ja) |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578104B (zh) * | 2017-08-31 | 2018-11-06 | 江苏康缘药业股份有限公司 | 一种中药生产过程知识系统 |
CN108346058A (zh) * | 2018-01-16 | 2018-07-31 | 湖南省中医药研究院 | 一种中药饮片生产多维动态质量监控系统及方法 |
CN109033438B (zh) * | 2018-08-15 | 2022-06-21 | 邢鲁华 | 一种记录用户学习内容的方法及装置 |
CN110390422A (zh) * | 2019-06-13 | 2019-10-29 | 江苏康缘药业股份有限公司 | 一种数据驱动的热毒宁注射液绿原酸转移率预测方法 |
CN112734598A (zh) * | 2019-10-29 | 2021-04-30 | 北京国双科技有限公司 | 建立外包平台模型的方法、外包方查找方法及装置 |
CN111080150A (zh) * | 2019-12-23 | 2020-04-28 | 杭州雷数科技有限公司 | 生产数据分析方法、装置、设备及介质 |
CN111695595B (zh) * | 2020-04-30 | 2023-09-15 | 首钢京唐钢铁联合有限责任公司 | 一种轨道衡的异常数据识别方法及装置 |
TWI721879B (zh) * | 2020-05-04 | 2021-03-11 | 和碩聯合科技股份有限公司 | 決定產能參數的方法及產能參數產生系統 |
CN111402989B (zh) * | 2020-06-08 | 2020-11-06 | 江西汇仁药业股份有限公司 | 一种中药综合品质评价方法 |
CN111398538B (zh) * | 2020-06-08 | 2020-10-09 | 江西汇仁药业股份有限公司 | 中药综合品质评价方法 |
CN112036569B (zh) * | 2020-07-30 | 2021-07-23 | 第四范式(北京)技术有限公司 | 知识内容的标注方法、装置、计算机装置和可读存储介质 |
CN111950784B (zh) * | 2020-08-04 | 2023-06-09 | 广东工业大学 | 一种融合注意力机制的产能预测方法 |
CN112090097B (zh) * | 2020-08-06 | 2021-10-19 | 浙江大学 | 一种中药浓缩器的性能分析方法及其应用 |
CN112649324B (zh) * | 2020-12-30 | 2023-03-24 | 上海电缆研究所有限公司 | 一种评价核电站电缆用非金属材料一致性的分析方法 |
CN114791477B (zh) * | 2021-01-25 | 2023-12-05 | 北京中医药大学 | 一种大蜜丸质构感官属性检测方法在质量控制中的应用 |
CN113345593A (zh) * | 2021-03-17 | 2021-09-03 | 天津大学 | 一种在生物关联网络中进行疾病关联关系预测的方法 |
CN113140053B (zh) * | 2021-04-29 | 2022-11-08 | 四川虹美智能科技有限公司 | 基于环形动态线的自动化扫码测试系统及方法 |
CN113627755B (zh) * | 2021-07-27 | 2023-06-30 | 深圳市三七智远科技有限公司 | 智能终端工厂的测试方法、装置、设备及存储介质 |
CN113656456A (zh) * | 2021-08-13 | 2021-11-16 | 上海铸世自动化科技有限公司 | 压铸生产中工艺参数大数据的实时采集控制方法 |
CN116047507B (zh) * | 2023-03-29 | 2023-06-23 | 扬州宇安电子科技有限公司 | 一种基于神经网络的靶机告警方法 |
CN117631627A (zh) * | 2023-12-01 | 2024-03-01 | 邵东智能制造技术研究院有限公司 | 一种基于工业互联网的数字化改造方法 |
CN117726187A (zh) * | 2024-02-18 | 2024-03-19 | 浙江省药品信息宣传和发展服务中心(浙江省药品监督管理局行政受理中心) | 一种医药中间体的监管方法、系统和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07302101A (ja) * | 1994-05-02 | 1995-11-14 | Toshiba Corp | H無限大ノルム測定装置および制御系の安定性監視装置 |
JP2002073626A (ja) * | 2000-08-28 | 2002-03-12 | Sumitomo Pharmaceut Co Ltd | 決定木によるファーマコフォア解析方法 |
JP2014013581A (ja) * | 2008-03-08 | 2014-01-23 | Tokyo Electron Ltd | 生物学に基づく自律学習ツール |
JP2016045801A (ja) * | 2014-08-25 | 2016-04-04 | ケーディーアイコンズ株式会社 | 情報処理装置及びプログラム |
CN105867129A (zh) * | 2016-04-18 | 2016-08-17 | 浙江大学苏州工业技术研究院 | 基于数据挖掘技术的中药提取工艺优化方法 |
CN106154209A (zh) * | 2016-07-29 | 2016-11-23 | 国电南瑞科技股份有限公司 | 基于决策树算法的电能表故障预测方法 |
US20170003677A1 (en) * | 2015-07-03 | 2017-01-05 | Yuan Ze University | Real Time Monitoring System and Method Thereof of Optical Film Manufacturing Process |
WO2019042099A1 (zh) * | 2017-08-31 | 2019-03-07 | 江苏康缘药业股份有限公司 | 一种中药生产过程知识系统 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6728695B1 (en) * | 2000-05-26 | 2004-04-27 | Burning Glass Technologies, Llc | Method and apparatus for making predictions about entities represented in documents |
US7117050B2 (en) * | 2002-11-08 | 2006-10-03 | Toshiba Kikai Kabushiki Kaisha | Management supporting apparatus, management supporting system, management supporting method, management supporting program, and a recording medium with the program recorded therein |
US8209156B2 (en) * | 2005-04-08 | 2012-06-26 | Caterpillar Inc. | Asymmetric random scatter process for probabilistic modeling system for product design |
US20120253869A1 (en) * | 2009-12-14 | 2012-10-04 | Rebecca Ansley | System and Method for Process Improvement and Associated Products and Services |
CN101916334B (zh) * | 2010-08-16 | 2015-08-12 | 清华大学 | 一种皮肤状况预测方法及其预测系统 |
US8666922B2 (en) * | 2011-03-18 | 2014-03-04 | Battelle Memorial Institute | Information processing systems, reasoning modules, and reasoning system design methods |
CN103186125A (zh) * | 2011-12-31 | 2013-07-03 | 上海金皮宝制药有限公司 | 采用专家系统的中药生产在线控制系统 |
KR101530848B1 (ko) * | 2012-09-20 | 2015-06-24 | 국립대학법인 울산과학기술대학교 산학협력단 | 데이터마이닝을 이용하여 생산 공정에서 품질을 관리하는 장치 및 방법 |
US8897560B2 (en) * | 2012-09-24 | 2014-11-25 | Eastman Kodak Company | Determining the estimated clutter of digital images |
US9864366B2 (en) * | 2013-03-15 | 2018-01-09 | Etegent Technologies Ltd. | Manufacture modeling and monitoring |
CN103268329B (zh) * | 2013-05-04 | 2015-12-23 | 四川虹欧显示器件有限公司 | 等离子显示屏制造过程数据挖掘系统 |
CN104050612A (zh) * | 2014-03-13 | 2014-09-17 | 无锡香象生物科技有限公司 | 一种基于云计算的药品比值比失衡安全监测方法 |
US20160004983A1 (en) * | 2014-07-07 | 2016-01-07 | GM Global Technology Operations LLC | Method and apparatus for quantifying dimensional variations and process capability independently of datum points |
US10135856B2 (en) * | 2014-12-18 | 2018-11-20 | International Business Machines Corporation | Auto-tuning program analysis tools using machine learning |
CN104833651B (zh) * | 2015-04-15 | 2017-06-30 | 浙江大学 | 金银花浓缩过程在线实时放行检测方法 |
CN104865322A (zh) * | 2015-04-15 | 2015-08-26 | 浙江大学 | 一种栀子萃取液浓缩过程快速检测方法 |
US11580375B2 (en) * | 2015-12-31 | 2023-02-14 | Kla-Tencor Corp. | Accelerated training of a machine learning based model for semiconductor applications |
US11507064B2 (en) * | 2016-05-09 | 2022-11-22 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for industrial internet of things data collection in downstream oil and gas environment |
CN106022477A (zh) * | 2016-05-18 | 2016-10-12 | 国网信通亿力科技有限责任公司 | 智能分析决策系统及方法 |
US20200334921A1 (en) * | 2016-05-27 | 2020-10-22 | Apotex Inc. | Methods for process validation |
US10310852B2 (en) * | 2016-09-29 | 2019-06-04 | Entit Software Llc | Timing estimations for application lifecycle management work items determined through machine learning |
-
2017
- 2017-08-31 CN CN201710770922.4A patent/CN107578104B/zh active Active
-
2018
- 2018-08-08 US US16/643,084 patent/US20200350058A1/en active Pending
- 2018-08-08 EP EP18851869.0A patent/EP3678065A4/en active Pending
- 2018-08-08 WO PCT/CN2018/099310 patent/WO2019042099A1/zh unknown
- 2018-08-08 JP JP2020533333A patent/JP6979527B2/ja active Active
- 2018-08-08 KR KR1020207007189A patent/KR102361343B1/ko active IP Right Grant
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07302101A (ja) * | 1994-05-02 | 1995-11-14 | Toshiba Corp | H無限大ノルム測定装置および制御系の安定性監視装置 |
JP2002073626A (ja) * | 2000-08-28 | 2002-03-12 | Sumitomo Pharmaceut Co Ltd | 決定木によるファーマコフォア解析方法 |
JP2014013581A (ja) * | 2008-03-08 | 2014-01-23 | Tokyo Electron Ltd | 生物学に基づく自律学習ツール |
JP2016045801A (ja) * | 2014-08-25 | 2016-04-04 | ケーディーアイコンズ株式会社 | 情報処理装置及びプログラム |
US20170003677A1 (en) * | 2015-07-03 | 2017-01-05 | Yuan Ze University | Real Time Monitoring System and Method Thereof of Optical Film Manufacturing Process |
CN105867129A (zh) * | 2016-04-18 | 2016-08-17 | 浙江大学苏州工业技术研究院 | 基于数据挖掘技术的中药提取工艺优化方法 |
CN106154209A (zh) * | 2016-07-29 | 2016-11-23 | 国电南瑞科技股份有限公司 | 基于决策树算法的电能表故障预测方法 |
WO2019042099A1 (zh) * | 2017-08-31 | 2019-03-07 | 江苏康缘药业股份有限公司 | 一种中药生产过程知识系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6979527B2 (ja) | 2021-12-15 |
EP3678065A1 (en) | 2020-07-08 |
WO2019042099A1 (zh) | 2019-03-07 |
CN107578104A (zh) | 2018-01-12 |
KR20200074087A (ko) | 2020-06-24 |
KR102361343B1 (ko) | 2022-02-14 |
EP3678065A4 (en) | 2021-06-09 |
CN107578104B (zh) | 2018-11-06 |
US20200350058A1 (en) | 2020-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6979527B2 (ja) | 漢方薬生産プロセス知識システム | |
US10606862B2 (en) | Method and apparatus for data processing in data modeling | |
Chien et al. | Analysing semiconductor manufacturing big data for root cause detection of excursion for yield enhancement | |
CN108170769A (zh) | 一种基于决策树算法的装配制造质量数据处理方法 | |
CN106022477A (zh) | 智能分析决策系统及方法 | |
CN108255712A (zh) | 数据系统的测试系统和测试方法 | |
CN105373894A (zh) | 基于稽查数据的电力营销业务诊断模型的建立方法及系统 | |
CN109871479A (zh) | 一种基于用户项目类及评分可靠性的协同过滤方法 | |
CN110690701A (zh) | 一种异常线损影响因素的分析方法 | |
CN108280234A (zh) | 数据查询方法及装置 | |
CN111126865B (zh) | 一种基于科技大数据的技术成熟度判断方法和系统 | |
US20220004565A1 (en) | Review and curation of record clustering changes at large scale | |
CN115442242A (zh) | 一种基于重要性排序的工作流编排系统及其方法 | |
CN114219096A (zh) | 一种机器学习算法模型的训练方法、装置及存储介质 | |
CN116091206B (zh) | 信用评价方法、装置、电子设备及存储介质 | |
CN116127695A (zh) | 一种基于综合性能评价的生产线构建方法及系统 | |
CN110457360A (zh) | 一种基于数据挖掘的建模方法及系统 | |
CN115719182A (zh) | 一种电力数据指数快速生成方法及系统 | |
CN112907058A (zh) | 一种基于直觉模糊网络层次分析的决策评估方法 | |
CN113505850A (zh) | 基于深度学习的锅炉故障预测方法 | |
CN112184037A (zh) | 一种基于加权svdd的多模态过程故障检测方法 | |
Poolwan et al. | An Architecture for Simplified and AutomatedMachine Learning. | |
CN114968744B (zh) | 一种基于金融行业容量管理预测分析ai算法的实现方法及系统 | |
Jafarian-Namin | An Integrated Improved DEA Model and Data Mining Technique in the Case of Educational System | |
Zheng | Dataset Outlier Detection Method Based on Random Forest Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200302 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210413 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210707 |
|
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: 20211026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6979527 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |