JP2022546321A - 原材料のジャストインタイム特性評価のためのシステム及び方法 - Google Patents
原材料のジャストインタイム特性評価のためのシステム及び方法 Download PDFInfo
- Publication number
- JP2022546321A JP2022546321A JP2022511355A JP2022511355A JP2022546321A JP 2022546321 A JP2022546321 A JP 2022546321A JP 2022511355 A JP2022511355 A JP 2022511355A JP 2022511355 A JP2022511355 A JP 2022511355A JP 2022546321 A JP2022546321 A JP 2022546321A
- Authority
- JP
- Japan
- Prior art keywords
- plant
- class
- data
- raw materials
- plant data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002994 raw material Substances 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012512 characterization method Methods 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 239000000463 material Substances 0.000 claims description 199
- 230000008859 change Effects 0.000 claims description 59
- 230000007704 transition Effects 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 239000004615 ingredient Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims 3
- 230000008569 process Effects 0.000 abstract description 31
- 238000005457 optimization Methods 0.000 abstract description 14
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 28
- 239000003245 coal Substances 0.000 description 24
- 238000000605 extraction Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 238000000926 separation method Methods 0.000 description 12
- 239000000203 mixture Substances 0.000 description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012546 transfer Methods 0.000 description 7
- 239000002956 ash Substances 0.000 description 6
- 239000000571 coke Substances 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 239000003546 flue gas Substances 0.000 description 4
- 229910052742 iron Inorganic materials 0.000 description 4
- 238000002844 melting Methods 0.000 description 4
- 230000008018 melting Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000005204 segregation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000010883 coal ash Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 229910052595 hematite Inorganic materials 0.000 description 1
- 239000011019 hematite Substances 0.000 description 1
- 239000008241 heterogeneous mixture Substances 0.000 description 1
- LIKBJVNGSGBSGK-UHFFFAOYSA-N iron(3+);oxygen(2-) Chemical compound [O-2].[O-2].[O-2].[Fe+3].[Fe+3] LIKBJVNGSGBSGK-UHFFFAOYSA-N 0.000 description 1
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 1
- 238000004989 laser desorption mass spectroscopy Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- XTQHKBHJIVJGKJ-UHFFFAOYSA-N sulfur monoxide Chemical class S=O XTQHKBHJIVJGKJ-UHFFFAOYSA-N 0.000 description 1
- 229910052815 sulfur oxide Inorganic materials 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000003039 volatile agent Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
・化学組成(火力発電プラントにおける炭素、窒素、石炭中の揮発性物質などの特定の元素の濃度)
・物理的性質(製鉄プラントにおける鉄鉱石中のマグネタイト、ヘマタイトの濃度)
・物性(火力発電プラントにおける石炭の硬度、水分、コークス・プラントにおけるコークスに関するタンブラ指数)
・材料の形状/サイズ(コークス・プラントにおけるコークス・ペレットのサイズ分布、火力発電プラントにおける微粉炭の細かさ)
・形態/状態(製鉄プラントにおける高炉に積み込む際のコークス、鉄鉱石の状態)
・固有の化学的性質(石炭の燃焼の速度論的パラメータ、石炭の灰溶融温度)
i.形成される原材料クラス
ii.クラス抽出の各段階で使用される特定の材料形跡及びその他の動作データ
iii.各クラスの原材料の複数の特性の範囲と関連する動作データ、及び、クラスのそれぞれに関連するシミュレートされたデータ
iv.クラスのそれぞれ(各特定の動作状態及びプラント構成に関する)の特性とプラント動作データとの間の関係
v.各サブクラス及び原材料のクラスの動作データに関する数値及び統計情報。これは、中央値などの中心傾向の測定値又は材料の各グループの平均/標準偏差などの基本的な統計で構成される。
vi.生成される材料識別モデル
Claims (16)
- プラント・データに基づく材料の特性評価のためのプロセッサ実装方法であって、
1つ以上のハードウェア・プロセッサを介して、前記プラント・データを産業プラントから入力として受信するステップと、
前記1つ以上のハードウェア・プロセッサを介して前記プラント・データを処理することにより、前記産業プラントで使用される1つ以上の原材料の変化を決定するステップであって、前記1つ以上の原材料の前記変化が少なくともプラント・レベル又は機器レベルで検出される、ステップと、
少なくとも1つの材料クラス識別モデルを使用して、前記1つ以上のハードウェア・プロセッサを介して、前記1つ以上の原材料のそれぞれに一致する少なくとも1つのクラスを決定するステップであって、前記決定された少なくとも1つのクラスは、新たに規定されるクラスである、又は、所定のクラスのセットからのものである、ステップと、
前記1つ以上のハードウェア・プロセッサを介して、前記1つ以上の原材料のそれぞれに関して材料特性を予測するステップと、
前記1つ以上のハードウェア・プロセッサを介して、前記1つ以上の原材料の前記予測された材料特性及び前記決定された少なくとも1つのクラスのうちの少なくとも一方と関連付けられている複数の予測モデルのうちの少なくとも1つを選択するステップと、
前記選択された少なくとも1つの予測モデルを使用して、前記1つ以上のハードウェア・プロセッサを介して、前記産業プラントの性能を予測するステップと、
前記産業プラントの取得された実際の性能が性能の閾値を下回っている場合、前記1つ以上のハードウェア・プロセッサを介して、前記予測された性能に基づいて前記産業プラントの性能を最適化するために少なくとも1つの推奨事項を生成するステップと、
を含むプロセッサ実装方法。 - 前記1つ以上の原材料の前記変化を決定する前記ステップは、
前記プラント・データを前処理するステップであって、前記プラント・データが、a)産業プラント・センサから収集されるデータ、b)材料特性のサンプリングされた測定値又は材料バッチ情報に基づく実験データ、及び、c)複数のシミュレータを介して生成されるソフト・センサ・データ及び合成データ、d)プラント設計データ及びメンテナンス・データ、及び、e)環境データのうちの少なくとも1つを含む、ステップと、
前処理されたプラント・データをフィルタリングするステップと、
少なくとも1つの機器に関して、前記フィルタリングされたプラント・データの観察されたパターンの変化に基づいて前記原材料のうちの1つ以上の前記変化を決定するステップと、
を含む、請求項1に記載の方法。 - 前記原材料と一致する前記少なくとも1つのクラスを決定する前記ステップは、
前記原材料の前記プラント・データが、複数の既存のクラスのうちの1つのクラスと関連付けられているプラント・データと一致している場合に、前記クラスを一致するクラスとして識別するステップと、
前記既存のクラスのいずれにも前記原材料の前記複数のプラント・データに関して一致が見つからない場合に新たなクラスを規定するとともに、前記原材料と関連付けられている前記複数のプラント・データと一致するクラスとして前記新たなクラスを決定するステップと、
を含む、請求項1に記載の方法。 - 前記少なくとも1つの原材料と一致する前記少なくとも1つのクラスとして前記新たに規定されるクラスを決定する前記ステップは、
前記原材料の少なくとも1つと関連付けられている前記プラント・データが、前記所定のクラスのいずれに関連付けられているプラント・データとも一致しないと決定するステップと、
前記プラント・データから前記少なくとも1つの原材料の特性を抽出するステップと、
前記少なくとも1つの原材料の前記抽出された特性と、関連するプラント・データとを使用して前記新たなクラスを規定するステップと、
を含む、請求項3に記載の方法。 - 前記少なくとも1つのクラスを決定する前記ステップは、
前記産業プラントの監視時に、前記産業プラントで使用される前記原材料のそれぞれのクラスを決定するステップと、
前記原材料のうちの少なくとも1つが1つの形態から他の形態へ移行した場合にクラス情報を更新するステップであって、1つの形態から他の形態への前記移行が、一定期間にわたって前記少なくとも1つの原材料を監視することによって決定される、ステップと、
を含む、請求項1に記載の方法。 - 複数の前記クラスに関する情報がデータベースに記憶され、前記複数のクラスのそれぞれは、材料特性、プラント・データ、前記クラスに関連する予測モデル、前記クラスに関連する複数の最適設定、クラスタリング情報、抽出された分類規則、及び、1つ以上の二次情報を含む、請求項1に記載の方法。
- プラント・データに基づく材料のデータ特性評価のためのシステムであって、
1つ以上のハードウェア・プロセッサと、
通信インタフェースと、
複数の命令を記憶するメモリと、
を備え、前記複数の命令が実行されると、前記1つ以上のハードウェア・プロセッサが、
前記プラント・データを産業プラントから入力として受信し、
前記プラント・データを処理することにより、前記産業プラントで使用される1つ以上の原材料の変化を決定し、前記1つ以上の原材料の前記変化が少なくともプラント・レベル又は機器レベルで検出され、
少なくとも1つの材料クラス識別モデルを使用して、前記1つ以上の原材料のそれぞれに一致する少なくとも1つのクラスを決定し、前記決定された少なくとも1つのクラスは、新たに規定されるクラスである、又は、所定のクラスのセットからのものであり、
前記1つ以上の原材料のそれぞれに関して材料特性を予測し、
前記1つ以上の原材料の前記予測された材料特性及び前記決定された少なくとも1つのクラスのうちの少なくとも一方と関連付けられている複数の予測モデルのうちの少なくとも1つを選択し、
前記選択された少なくとも1つの予測モデルを使用して、前記産業プラントの性能を予測し、
前記産業プラントの測定された実際の性能が性能の閾値を下回っている場合、前記予測された性能に基づいて前記産業プラントの性能を最適化するために少なくとも1つの推奨事項を生成する、
システム。 - 前記システムは、
前記プラント・データを前処理することであって、前記プラント・データが、a)産業プラント・センサから収集されるデータ、b)材料特性のサンプリングされた測定値又は材料バッチ情報に基づく実験データ、及び、c)複数のシミュレータを介して生成されるソフト・センサ・データ及び合成データ、d)プラント設計データ及びメンテナンス・データ、及び、e)環境データのうちの少なくとも1つを含む、前処理することと、
前処理されたプラント・データをフィルタリングすることと、
少なくとも1つの機器に関して、前記フィルタリングされたプラント・データの観察されたパターンの変化に基づいて前記原材料のうちの1つ以上の変化を決定することと、
によって、前記1つ以上の原材料の変化を決定する、請求項7に記載のシステム。 - 前記システムは、
前記原材料の前記プラント・データが、複数の既存のクラスのうちの1つのクラスと関連付けられているプラント・データと一致している場合に、前記クラスを一致するクラスとして識別することと、
前記既存のクラスのいずれにも前記原材料の前記複数のプラント・データに関して一致が見つからない場合に新たなクラスを規定するとともに、前記原材料と関連付けられている前記複数のプラント・データと一致するクラスとして前記新たなクラスを決定することと、
によって、前記原材料と一致する前記少なくとも1つのクラスを決定する、請求項7に記載のシステム。 - 前記システムは、
前記原材料の少なくとも1つと関連付けられている前記プラント・データが、前記所定のクラスのいずれに関連付けられているプラント・データとも一致しないと決定することと、
前記プラント・データから、前記少なくとも1つの原材料の特性を抽出することと、
前記少なくとも1つの原材料の前記抽出された特性と、関連するプラント・データとを使用して前記新たなクラスを規定することと、
によって、前記少なくとも1つの原材料と一致する前記少なくとも1つのクラスとして前記新たに規定されるクラスを決定する、請求項9に記載のシステム。 - 前記システムは、
前記産業プラントの監視時に、前記産業プラントで使用される前記原材料のそれぞれのクラスを決定することと、
前記原材料のうちの少なくとも1つが1つの形態から他の形態へ移行した場合に、クラス情報を更新することであって、1つの形態から他の形態への前記移行が、一定期間にわたって前記少なくとも1つの原材料を監視することによって決定される、更新することと、
によって、前記少なくとも1つのクラスを決定する、請求項7に記載のシステム。 - 前記システムは、複数の前記クラスに関する情報をデータベースに記憶し、前記複数のクラスのそれぞれは、材料特性、プラント・データ、前記クラスに関連する予測モデル、前記クラスに関連する複数の最適設定、クラスタリング情報、抽出された分類規則、及び、1つ以上の二次情報を含む、請求項7に記載のシステム。
- プラント・データに基づく材料の特性評価のための非一時的コンピュータ可読媒体であって、前記非一時的コンピュータ可読媒体は、
1つ以上のハードウェア・プロセッサを介して、前記プラント・データを産業プラントから入力として受信することと、
前記1つ以上のハードウェア・プロセッサを介して前記プラント・データを処理することにより、前記産業プラントで使用される1つ以上の原材料の変化を決定することであって、前記1つ以上の原材料の前記変化が少なくともプラント・レベル又は機器レベルで検出される、変化を決定することと、
少なくとも1つの材料クラス識別モデルを使用して、前記1つ以上のハードウェア・プロセッサを介して、前記1つ以上の原材料のそれぞれに一致する少なくとも1つのクラスを決定することであって、前記決定された少なくとも1つのクラスは、新たに規定されるクラスであるか又は所定のクラスのセットからのものである、決定することと、
前記1つ以上のハードウェア・プロセッサを介して、前記1つ以上の原材料のそれぞれに関して材料特性を予測することと、
前記1つ以上のハードウェア・プロセッサを介して、前記1つ以上の原材料の前記予測された材料特性及び前記決定された少なくとも1つのクラスのうちの少なくとも一方と関連付けられている複数の予測モデルのうちの少なくとも1つを選択することと、
前記選択された少なくとも1つの予測モデルを使用して、前記1つ以上のハードウェア・プロセッサを介して、前記産業プラントの性能を予測することと、
前記産業プラントの取得された実際の性能が性能の閾値を下回っている場合、前記1つ以上のハードウェア・プロセッサを介して、前記予測された性能に基づいて前記産業プラントの性能を最適化するために少なくとも1つの推奨事項を生成することと、
によって、前記材料の前記特性評価を実行する、非一時的コンピュータ可読媒体。 - 前記1つ以上の原材料の前記変化を決定することは、
前記プラント・データを前処理することであって、前記プラント・データが、a)産業プラント・センサから収集されるデータ、b)材料特性のサンプリングされた測定値又は材料バッチ情報に基づく実験データ、及び、c)複数のシミュレータを介して生成されるソフト・センサ・データ及び合成データ、d)プラント設計データ及びメンテナンス・データ、及び、e)環境データのうちの少なくとも1つを含む、前処理することと、
前処理されたプラント・データをフィルタリングすることと、
少なくとも1つの機器に関して、前記フィルタリングされたプラント・データの観察されたパターンの変化に基づいて前記原材料のうちの1つ以上の変化を決定することと、
を含む、請求項13に記載の非一時的コンピュータ可読媒体。 - 前記原材料と一致する前記少なくとも1つのクラスを決定することは、
前記原材料の前記プラント・データが、複数の既存のクラスのうちの1つのクラスと関連付けられているプラント・データと一致している場合に、前記クラスを一致するクラスとして識別することと、
前記既存のクラスのいずれにも前記原材料の前記複数のプラント・データに関して一致が見つからない場合に前記少なくとも1つの新たな材料の特性を抽出することによって新たなクラスを規定するとともに、前記原材料と関連付けられる前記複数のプラント・データと一致するクラスとして前記新たなクラスを決定することと、
を含む、請求項13に記載の非一時的コンピュータ可読媒体。 - 複数の前記クラスに関する情報がデータベースに記憶され、前記複数のクラスのそれぞれは、材料特性、プラント・データ、前記クラスに関連する予測モデル、前記クラスに関連する複数の最適設定、クラスタリング情報、抽出された分類規則、及び、1つ以上の二次情報を含む、請求項13に記載の非一時的コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN201921033532 | 2019-08-20 | ||
IN201921033532 | 2019-08-20 | ||
PCT/IN2020/050726 WO2021033207A2 (en) | 2019-08-20 | 2020-08-20 | System and method for just in time characterization of raw materials |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022546321A true JP2022546321A (ja) | 2022-11-04 |
Family
ID=74659809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022511355A Pending JP2022546321A (ja) | 2019-08-20 | 2020-08-20 | 原材料のジャストインタイム特性評価のためのシステム及び方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220284373A1 (ja) |
EP (1) | EP4018280A4 (ja) |
JP (1) | JP2022546321A (ja) |
WO (1) | WO2021033207A2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7336477B2 (ja) | 2021-03-05 | 2023-08-31 | 横河電機株式会社 | 学習装置、評価装置、評価システム、学習方法、学習プログラム、評価方法、および評価プログラム |
WO2023224910A1 (en) * | 2022-05-16 | 2023-11-23 | Syngenta Crop Protection Ag | Electrical tomography systems and uses |
JP2023173706A (ja) * | 2022-05-26 | 2023-12-07 | 三菱重工業株式会社 | 状態量予測装置、状態量予測方法、状態量予測システム、及び状態量予測システムの制御方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0512303A (ja) * | 1991-07-05 | 1993-01-22 | Nippon Steel Corp | 鉄鋼業における生産管理方法 |
JP2002224721A (ja) * | 2001-01-30 | 2002-08-13 | Kobe Steel Ltd | Al合金板の材質予測方法 |
US20060149407A1 (en) * | 2001-12-28 | 2006-07-06 | Kimberly-Clark Worlwide, Inc. | Quality management and intelligent manufacturing with labels and smart tags in event-based product manufacturing |
JP2009151383A (ja) * | 2007-12-18 | 2009-07-09 | Nippon Steel Corp | 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
JP2013114362A (ja) * | 2011-11-28 | 2013-06-10 | Nippon Steel & Sumitomo Metal | 操業品質予測装置、操業品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2400358B1 (en) * | 2010-06-24 | 2016-03-30 | Borealis AG | Iterative production process control |
US10909137B2 (en) * | 2014-10-06 | 2021-02-02 | Fisher-Rosemount Systems, Inc. | Streaming data for analytics in process control systems |
US9823626B2 (en) * | 2014-10-06 | 2017-11-21 | Fisher-Rosemount Systems, Inc. | Regional big data in process control systems |
IL247474B (en) * | 2015-08-26 | 2021-09-30 | Viavi Solutions Inc | Detection by spectroscopy |
WO2018185635A1 (en) * | 2017-04-03 | 2018-10-11 | Muthusamy Rajasekar | Product chain based derivation of future product cost using cascading effect of the product chain |
EP3924906B1 (en) * | 2019-02-11 | 2023-08-30 | Construction Research & Technology GmbH | Systems and methods for formulating or evaluating a construction composition |
US20200401113A1 (en) * | 2019-06-21 | 2020-12-24 | Hitachi, Ltd. | Determining optimal material and/or manufacturing process |
-
2020
- 2020-08-20 WO PCT/IN2020/050726 patent/WO2021033207A2/en unknown
- 2020-08-20 US US17/753,109 patent/US20220284373A1/en active Pending
- 2020-08-20 JP JP2022511355A patent/JP2022546321A/ja active Pending
- 2020-08-20 EP EP20854974.1A patent/EP4018280A4/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0512303A (ja) * | 1991-07-05 | 1993-01-22 | Nippon Steel Corp | 鉄鋼業における生産管理方法 |
JP2002224721A (ja) * | 2001-01-30 | 2002-08-13 | Kobe Steel Ltd | Al合金板の材質予測方法 |
US20060149407A1 (en) * | 2001-12-28 | 2006-07-06 | Kimberly-Clark Worlwide, Inc. | Quality management and intelligent manufacturing with labels and smart tags in event-based product manufacturing |
JP2009151383A (ja) * | 2007-12-18 | 2009-07-09 | Nippon Steel Corp | 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体 |
JP2013114362A (ja) * | 2011-11-28 | 2013-06-10 | Nippon Steel & Sumitomo Metal | 操業品質予測装置、操業品質予測方法、コンピュータプログラムおよびコンピュータ読み取り可能な記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
EP4018280A2 (en) | 2022-06-29 |
WO2021033207A3 (en) | 2021-04-22 |
US20220284373A1 (en) | 2022-09-08 |
EP4018280A4 (en) | 2023-06-28 |
WO2021033207A2 (en) | 2021-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022546321A (ja) | 原材料のジャストインタイム特性評価のためのシステム及び方法 | |
Lieber et al. | Quality prediction in interlinked manufacturing processes based on supervised & unsupervised machine learning | |
McCann et al. | Causality challenge: benchmarking relevant signal components for effective monitoring and process control | |
Dindarloo et al. | Data mining in mining engineering: results of classification and clustering of shovels failures data | |
US10810508B1 (en) | Methods and apparatus for classifying and discovering historical and future operational states based on Boolean and numerical sensor data | |
CN101636698A (zh) | 使用三维pareto-front遗传规划开发的推理传感器 | |
Wang et al. | Fault detection and classification for complex processes using semi-supervised learning algorithm | |
Panichella et al. | A search-based training algorithm for cost-aware defect prediction | |
Moallemi et al. | Robust decision making and Epoch–Era analysis: A comparison of two robustness frameworks for decision-making under uncertainty | |
EP4040343A1 (en) | Method and system for building digital twin by leveraging prior knowledge | |
Steurtewagen et al. | Adding interpretability to predictive maintenance by machine learning on sensor data | |
Takalo-Mattila et al. | Explainable Steel Quality Prediction System Based on Gradient Boosting Decision Trees | |
CN110956331A (zh) | 数字工厂运营状态预测方法、系统、装置 | |
Ardakani et al. | Optimal features selection for designing a fault diagnosis system | |
Tripathy et al. | Explaining Anomalies in Industrial Multivariate Time-series Data with the help of eXplainable AI | |
Benchekroun et al. | Cement kiln safety and performance improvement based on machine learning predictive analytics | |
Leukel et al. | Machine learning-based failure prediction in industrial maintenance: improving performance by sliding window selection | |
Fan | Data mining model for predicting the quality level and classification of construction projects | |
Rathnayake et al. | CNN-Based Priority Prediction of Bug Reports | |
Dhanalaxmi et al. | Practical Guidelines to Improve Defect Prediction Model–A Review | |
CN113177362A (zh) | 基于炉温软测量模型的炉膛温度预测方法及装置 | |
CN113673600A (zh) | 一种工业信号异常预警方法、系统、存储介质及计算设备 | |
EP4102311B1 (en) | Method and system for adaptive learning of models in manufacturing systems | |
Blair et al. | Hybrid fault prognostics for nuclear applications: addressing rotating plant model uncertainty | |
Vuković et al. | Local machine learning model-based multi-objective optimization for managing system interdependencies in production: A case study from the ironmaking industry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220414 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220414 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221019 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230228 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230417 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231019 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240419 |