JP2024507796A - 主要性能指標変数の継続的な監視、事前警告、および制御 - Google Patents

主要性能指標変数の継続的な監視、事前警告、および制御 Download PDF

Info

Publication number
JP2024507796A
JP2024507796A JP2023549045A JP2023549045A JP2024507796A JP 2024507796 A JP2024507796 A JP 2024507796A JP 2023549045 A JP2023549045 A JP 2023549045A JP 2023549045 A JP2023549045 A JP 2023549045A JP 2024507796 A JP2024507796 A JP 2024507796A
Authority
JP
Japan
Prior art keywords
measurements
target
computer
measurement
manufacturing system
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
Application number
JP2023549045A
Other languages
English (en)
Inventor
ギフォード、ウェズリー、エム
スブラマニアン、ダルマシャンカル
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of JP2024507796A publication Critical patent/JP2024507796A/ja
Pending legal-status Critical Current

Links

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
    • 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]
    • G05B19/41875—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 quality surveillance of production
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F15/00—Details of, or accessories for, apparatus of groups G01F1/00 - G01F13/00 insofar as such details or appliances are not adapted to particular types of such apparatus
    • G01F15/06—Indicating or recording devices
    • G01F15/068—Indicating or recording devices with electrical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F15/00—Details of, or accessories for, apparatus of groups G01F1/00 - G01F13/00 insofar as such details or appliances are not adapted to particular types of such apparatus
    • G01F15/07—Integration to give total flow, e.g. using mechanically-operated integrating mechanism
    • G01F15/075—Integration to give total flow, e.g. using mechanically-operated integrating mechanism using electrically-operated integrating means
    • G01F15/0755—Integration to give total flow, e.g. using mechanically-operated integrating mechanism using electrically-operated integrating means involving digital counting
    • 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]
    • G05B19/4183—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 data acquisition, e.g. workpiece identification
    • 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
    • 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
    • G05B2219/32181—Monitor production, assembly apparatus with multiple sensors
    • 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
    • G05B2219/32207—Action upon failure value, send warning, caution message to terminal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Automation & Control Theory (AREA)
  • Fluid Mechanics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

方法、システムおよびコンピュータプログラム製品は、コンピュータシステムによって、製造システムのセンサデータを収集することを対象とし、センサデータは製造システムの対象測定値の時間間隔よりも短い間隔で測定される。センサデータは対象測定値と関係を有すると判断される。合成対象測定値が、関係に基づいて時間間隔よりも短い間隔で、生成される。時間間隔よりも短い間隔の中で合成対象測定値に基づいて、対象測定値に対する事前警告が自動的に生成される。

Description

本発明は、一般に、コンピュータシステムに関し、より具体的には、頻度が低く時間的に集約された測定値を有するプロセスの主要性能指標変数の連続監視、事前警告、および制御を提供するように構成および配置されたコンピュータ実装方法、コンピュータシステム、およびコンピュータプログラム製品に関する。
製造とは、労働力と機械、道具、化学的または生物学的な加工や調合を用いて、使用または販売するための製品を生産することである。製造には、機械からハイテクまでさまざまな活動を含むことができるが、第一次産業の化学物質を含む原材料を大規模に最終製品に変換する工業デザインに適用される。また、製造工程には、原材料が最終製品になるまでの工程が含まれる。製造工程は、製品設計と製品を構成する材料の仕様とから始まる。そして、これらの材料は、製造工程を経て、必要な部品になるように変更される。現代の製造には、製品の構成部品の生産と統合とに必要なすべての中間工程が含まれる。品質をチェックするためにサンプルや製品を時系列に集約してテストすることは可能であるが、製造プロセスのサンプルや製品は、通常の測定前に潜在的な問題を早期に特定できるように、よりきめ細かい方法でテストする必要がある。
本発明の実施形態は、頻度が低く、時間的に集約された測定値を有するプロセスの主要性能指標変数の継続的な監視、事前警告、および制御を提供するためのコンピュータ実装方法に関する。非限定的な例のコンピュータ実装方法は、コンピュータシステムによって、製造システムのセンサデータを収集することを含む。センサデータは製造システムの対象測定値の時間間隔よりも短い間隔で測定される。センサデータは対象測定値と関係を有すると判断される。コンピュータ実装方法は、コンピュータシステムによって、関係に基づいて、時間間隔よりも短い間隔で合成対象測定値を生成することを含む。また、コンピュータ実装方法は、コンピュータシステムによって、時間間隔よりも短い間隔の中で合成対象測定値に基づいて対象測定値に対する事前警告を自動的に生成することと、を含む。
上述または後述の１つまたは複数の特徴に加えて、コンピュータ実装方法は、通常の対象測定値よりも短い間隔で合成対象測定値を生成することによって、頻度が低く時間的に集約された測定値を有する監視／主要性能指標変数のための既知の方法に対する改善を提供する。従って、上述のコンピュータ実装方法は、通常の測定プロセスの前に、対象サンプルに関する早期警告指標を効率的に提供し、それによって、潜在的な問題の早期特定および緩和を可能にする。さらに、対象測定の頻度は、例えば、対象測定をより迅速に実施するにはコストがかかりすぎるか不可能であるため、システム設計者の制御下にないことが多い。
上述または後述の１つまたは複数の特徴に加えて、または代替として、本発明のさらなる実施形態は、製造システムに関連する１つまたは複数の設定値は、合成対象測定値に基づいて、対象測定値に対する事前警告に応じて、自動的に修正される場合を含み得る。
上述または後述する１または複数の特徴に加えて、コンピュータ実装方法は、合成対象測定値に基づいて、しかし通常の測定プロセスの前に、設定値を調整することによって、頻度が低く時間的に集約された測定値を有する監視／主要性能指標変数のための既知の方法に対する改善を提供する。
上述または後述する１または複数の特徴に加えて、または代替として、本発明のさらなる実施形態は、製造システムに関連する１つまたは複数の制御コンポーネントは、合成対象測定値に基づいて、対象測定値に対する事前警告に応じて、自動的に修正される場合を含み得る。
上述または後述する１または複数の特徴に加えて、コンピュータ実装方法は、合成対象測定値に基づいて、しかし通常の測定プロセスの前に、制御コンポーネントを調整することによって、頻度が低く時間的に集約された測定値を有する監視／主要性能指標変数のための既知の方法に対する改善を提供する。
上述または後述する１または複数の特徴に加えて、または代替として、本発明のさらなる実施形態は、事前警告は、合成対象測定値が予め定められた範囲外であることに応じて生成される場合を含み得る。
上述または後述する１または複数の特徴に加えて、コンピュータ実装方法は、通常の測定プロセスの前の合成対象測定値に基づいて事前警告を可能にすることによって、頻度が低く時間的に集約された測定値を有する監視／主要性能指標変数のための既知の方法に対する改善を提供する。
上述または後述する１または複数の特徴に加えて、または代替として、本発明のさらなる実施形態は、合成対象測定値を予め定められた範囲内に移動させるために、製造システムに変更が加えられる場合を含み得る。
上述または後述する１または複数の特徴に加えて、コンピュータ実装方法は、通常の測定プロセスの前の合成対象測定値に基づいて、製造システムに変更を加えることによって、頻度が低く時間的に集約された測定値を有する監視／主要性能指標変数のための既知の方法に対する改善を提供する。
上述または後述する１または複数の特徴に加えて、または代替として、本発明のさらなる実施形態は、対象測定値は、製造システムの物理的材料工程における外への流れに対応する品質関連変数である場合を含み得る。対象測定値は、等しいサンプル量が時間間隔を通して複数の時点で集められ、時間間隔の終わりで測定される容器内で等しいサンプル量を混合し、それによって対象測定値を得ることに起因して、非瞬間的で時間集約的な性質を含む。
上述または後述する１または複数の特徴に加えて、コンピュータ実装方法は、本質的に非瞬間的で時間集約的な対象測定値の前の瞬間的な測定として合成対象測定値を生成することによって、頻度が低く時間的に集約された測定値を有する監視／主要性能指標変数のための既知の方法に対する改善を提供する。
上述または後述する１または複数の特徴に加えて、または代替として、本発明のさらなる実施形態は、対象測定値は、サンプルの集約した総量の混成測定値である場合を含み得る。合成対象測定値は、センサデータに基づくある時点の生成値であり、サンプルの集約した総量の測定値ではなく、合成対象測定値は、時間間隔内のある時点の個々のサンプル量の状態を表す。
上述または後述する１または複数の特徴に加えて、コンピュータ実装方法は、サンプルの集約した総量の混成測定値によらないことによって、頻度が低く時間的に集約された測定値を有する監視／主要性能指標変数のための既知の方法に対する改善を提供する。
本発明の他の実施形態は、上述の方法の特徴をコンピュータシステムおよびコンピュータプログラム製品に実装する。
追加の技術的特徴および利点は、本発明の技術によって実現される。本発明の実施形態および態様は、本明細書で詳細に説明され、特許請求された主題の一部とみなされる。より良い理解のために、詳細な説明および図面を参照されたい。
本明細書に記載された排他的権利の具体的内容は、明細書の結論にある特許請求の範囲において特に指摘され、明確に主張されている。本発明の実施形態の前述および他の特徴および利点は、添付の図面と共に取られる以下の詳細な説明から明らかである。
本発明の１つ以上の実施形態と組み合わせて使用するための例示的なコンピュータシステムのブロック図である。 本発明の１つ以上の実施形態に従って、頻度が低く時間的に集約された測定値を有するプロセス主要性能指標変数の連続監視、事前警告、および制御を提供するためのシステムのブロック図を示す。 本発明の１つ以上の実施形態に従った図２のコンピュータシステムの更なる詳細を示す。 本発明の１つ以上の実施形態に従った、製造システムにおいて、頻度が低く時間的に集約された測定値を有するプロセス主要性能指標変数の連続監視、事前警告、および制御のためのコンピュータ実装プロセスのフローチャートを示す。 本発明の１つ以上の実施形態に従った、測定システムにおける未知の潜在的な測定の瞬間的な品質をモデル化する図を示す。 本発明の１つ以上の実施形態に従ったモデルのモデルアーキテクチャの例示的な表現を示す。 本発明の１つ以上の実施形態に従った、製造システムにおいて、頻度が低く時間的に集約された測定値を有するプロセス主要性能指標変数の連続監視、事前警告、および制御を提供するためのコンピュータ実装方法のフローチャートである。 本発明の１つまたは複数の実施形態によるクラウドコンピューティング環境を示す図である。 本発明の１つまたは複数の実施形態による抽象化モデルレイヤを示す図である。
本発明の１つまたは複数の実施形態は、利用可能なセンサデータから対象サンプルに関する合成／推定品質測定値を決定もしくは推論またはその両方をするためのコンピュータ実装方法、コンピュータシステム、およびコンピュータプログラム製品を提供する。１つまたは複数の実施形態は、関心のある通常の測定の前に、利用可能なセンサデータから対象サンプルに関する合成／推定品質測定値を生成する。したがって、本発明の１つまたは複数の実施形態は、通常の測定プロセスの前に対象サンプルに関する早期指標を提供し、それによって、潜在的な問題の早期特定および緩和を可能にする。
品質測定値である関心のある測定は、ある一貫した頻度で定期的に収集される。対象測定値の対象である対象サンプルがどのように収集され、測定されるかについての情報がある。関心のあるシステム、例えば製造システムは、対象サンプルの時間的に集約された品質測定値よりもはるかに高い周期でデータを収集する様々なセンサを備えている。本発明の１つ以上の実施形態は、製造システムにおいてこれ以上測定を行うことなく、合成／推定品質測定値を介した対象サンプルの出力品質に関する情報の適時性を改善する。
ここで図１に目を向けると、本発明の１つまたは複数の実施形態によるコンピュータシステム１００が概して示されている。コンピュータシステム１００は、本明細書で記載されるように、様々な通信技術を利用する任意の数および組み合わせのコンピューティングデバイスおよびネットワークを含みもしくは採用するまたはその両方をする電子、コンピュータフレームワークであり得る。コンピュータシステム１００は、容易に拡張可能（scalable）、拡張可能(extensible)、およびモジュール式であり得、異なるサービスに変更したり、いくつかの機能を他から独立して再構成したりする能力を有することができる。コンピュータシステム１００は、例えば、サーバ、デスクトップコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、またはスマートフォンであり得る。いくつかの例では、コンピュータシステム１００は、クラウドコンピューティングノードであり得る。コンピュータシステム１００は、プログラムモジュールなどのコンピュータシステム実行可能命令がコンピュータシステムによって実行されるという一般的な文脈で説明することができる。一般に、プログラムモジュールは、特定のタスクを実行する、または特定の抽象データ型を実装する、ルーチン、プログラム、オブジェクト、コンポーネント、ロジック、データ構造などを含むことができる。コンピュータシステム１００は、通信ネットワークを介してリンクされるリモート処理デバイスによってタスクが実行される分散型クラウドコンピューティング環境において実践され得る。分散型クラウドコンピューティング環境では、プログラムモジュールは、メモリ記憶装置を含むローカルおよびリモートの両方のコンピュータシステムの記憶媒体に配置することができる。
図１に示すように、コンピュータシステム１００は、１つまたは複数の中央処理装置（ＣＰＵ）１０１ａ、１０１ｂ、１０１ｃなど（まとめてまたは一般的にプロセッサ１０１と呼ばれる）を有する。プロセッサ１０１は、シングルコアプロセッサ、マルチコアプロセッサ、コンピューティングクラスタ、または任意の数の他の構成にすることができる。プロセッサ１０１は、処理回路とも呼ばれ、システムバス１０２を介して、システムメモリ１０３および他の様々なコンポーネントに接続される。システムメモリ１０３は、リードオンリメモリ（ＲＯＭ）１０４とランダムアクセスメモリ（ＲＡＭ）１０５とを含むことができる。ＲＯＭ１０４は、システムバス１０２に接続され、コンピュータシステム１００の特定の基本機能を制御する基本入出力システム（ＢＩＯＳ）またはUnified Extensible Firmware Interface（ＵＥＦＩ）のようなその後継を含むことができる。ＲＡＭは、プロセッサ１０１が使用するためにシステムバス１０２に接続された読み書き可能なメモリである。システムメモリ１０３は、動作中に前記命令の動作のための一時的なメモリ空間を提供する。システムメモリ１０３は、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ、フラッシュメモリ、または他の任意の適切なメモリシステムを含むことができる。
コンピュータシステム１００は、システムバス１０２に接続された入出力（Ｉ／Ｏ）アダプタ１０６および通信アダプタ１０７を含む。Ｉ／Ｏアダプタ１０６は、ハードディスク１０８もしくは他の類似のコンポーネントまたはその両方と通信する小型コンピュータシステムインタフェース（ＳＣＳＩ）アダプタとすることができる。Ｉ／Ｏアダプタ１０６およびハードディスク１０８は、本明細書ではまとめて、マスストレージ１１０と呼ぶ。
コンピュータシステム１００上で実行するためのソフトウェア１１１は、マスストレージ１１０に格納することができる。マスストレージ１１０は、プロセッサ１０１によって読み取り可能な有形記憶媒体の一例であり、ソフトウェア１１１は、様々な図に関して本明細書の以下で説明するような、コンピュータシステム１００を動作させるためにプロセッサ１０１によって実行するための命令として格納される。コンピュータプログラム製品およびそのような命令の実行の例は、本明細書でより詳細に説明される。通信アダプタ１０７は、システムバス１０２をネットワーク１１２と相互接続し、ネットワーク１１２は外部ネットワークであり得、通信アダプタ１０７はコンピュータシステム１００が他のそのようなシステムと通信することを可能にする。一実施形態では、システムメモリ１０３およびマスストレージ１１０の一部は、まとめてオペレーティングシステムを格納する。オペレーティングシステムは、図１に示す様々なコンポーネントの機能を調整するための任意の適切なオペレーティングシステムであり得る。
追加の入力／出力デバイスは、ディスプレイアダプタ１１５およびインタフェースアダプタ１１６を介してシステムバス１０２に接続されるものとして示されている。一実施形態では、アダプタ１０６、１０７、１１５、および１１６は、中間バスブリッジ（図示せず）を介してシステムバス１０２に接続される１つまたは複数のＩ／Ｏバスに接続することができる。ディスプレイ１１９（例えば、スクリーンまたはディスプレイモニタ）は、ディスプレイアダプタ１１５によってシステムバス１０２に接続される。ディスプレイアダプタ１１５は、グラフィックスが多いアプリケーションの性能を向上させるためのグラフィックスコントローラおよびビデオコントローラを含むことができる。キーボード１２１、マウス１２２、スピーカ１２３などは、インタフェースアダプタ１１６を介してシステムバス１０２に相互接続することができる。インタフェースアダプタ１１６は、例えば、複数のデバイスアダプタを単一の集積回路に統合したスーパーＩ／Ｏチップを含むことができる。ハードディスクコントローラ、ネットワークアダプタ、およびグラフィックアダプタなどの周辺デバイスを接続するための適切なＩ／Ｏバスは、典型的には、ＰＣＩ（Peripheral Component Interconnect）およびＰＣＩｅ（Peripheral Component Interconnect Express）などの共通プロトコルを含む。したがって、図１に構成されるように、コンピュータシステム１００は、プロセッサ１０１の形式の処理能力、および、システムメモリ１０３およびマスストレージ１１０を含むストレージ能力、キーボード１２１およびマウス１２２などの入力手段、および、スピーカ１２３およびディスプレイ１１９を含む出力能力を含む。
いくつかの実施形態では、通信アダプタ１０７は、とりわけインターネット小型コンピュータシステムインタフェースなどの任意の適切なインタフェースまたはプロトコルを使用してデータを送信することができる。ネットワーク１１２は、とりわけ、セルラネットワーク、無線ネットワーク、ワイドエリアネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）、またはインターネットとすることができる。外部コンピューティングデバイスは、ネットワーク１１２を介してコンピュータシステム１００に接続することができる。いくつかの例では、外部コンピューティングデバイスは、外部ウェブサーバまたはクラウドコンピューティングノードであり得る。
図１のブロック図は、コンピュータシステム１００が図１に示されたコンポーネントのすべてを含むことを示すことを意図していないことを理解されたい。むしろ、コンピュータシステム１００は、図１に図示されていない任意の適切な少ないまたは追加のコンポーネント（例えば、追加のメモリコンポーネント、組み込みコントローラ、モジュール、追加のネットワークインターフェースなど）を含むことができる。さらに、コンピュータシステム１００に関して本明細書で説明される実施形態は、任意の適切なロジックで実装することができ、本明細書で言及されるロジックは、種々の実施形態において、任意の適切なハードウェア（例えば、とりわけ、プロセッサ、組み込みコントローラ、またはアプリケーション特定集積回路）、ソフトウェア（例えば、とりわけ、アプリケーション）、ファームウェア、またはハードウェア、ソフトウェア、およびファームウェアの任意の適切な組み合わせを含むことができる。
図２は、本発明の１つ以上の実施形態による、頻度が低く時間的に集約された測定値を有するプロセス主要性能指標変数の連続監視、事前警告、および制御を提供するためのシステム２００のブロック図である。システム２００は、製造システム２３０に接続された１つまたは複数のコンピュータシステム２０２を含む。製造システム２３０は、工学的プロセスおよび機械における制御力学系を使用する制御理論を用いて動作することができる。製造システム２３０は、連続生産プロセスにおいて自動プロセス制御を利用することができる。自動プロセス制御は、一貫性、経済性、および安全性の生産レベルを達成するために産業制御システムを使用する制御工学および化学工学の分野の組み合わせであり、石油精製、パルプおよび紙製造、化学処理、発電プラントなどの産業で広く実施される。製造システム２３０は、様々なシステムコンポーネント２３２を含むことができ、システムコンポーネント２３２は、当業者によって知られているように、目標とする出力に入力を変換するために利用される機器の様々な部品を表す。システムコンポーネント２３２は、電気機器、機械機器、化学機器などを含むことができる。システムコンポーネント２３２は、製造システム２３０もしくは工場またはその両方として機能するために必要な機械または装置を表す。
製造システム２３０は、システムコンポーネント２３２の機能を制御するために使用される制御コンポーネント２３４（または制御装置）を含む。制御コンポーネント２３４は、製造システム２３０において変更もしくは修正またはその両方がされるように制御することができるあらゆるものに関連する。例示的な制御コンポーネント２３４は、アクチュエータ、管理値、リレー、スイッチなどを含み得る。設定値(Set points)２３６（setpointsともいう）は、製造システム２３０において使用される。設定値は、製造システム２３０の本質的な変数またはプロセス値に対する所望の値または目標値である。制御コンポーネント２３４は、それぞれの制御コンポーネント２３４の動作を制御する１つまたは複数の設定値２３６を含み得る。設定値２３６は、制御コンポーネント２３４の動作および設定を変更するために修正することができる。１つまたは複数の制御システム２４０が製造システム２３０にある。制御システム２４０は、制御コンポーネント２３４の機能および動作を制御するために利用され、それによってシステムコンポーネント２３２の機能および動作が制御される。制御システム２４０は、製造システム２３０の設定値２３６を修正するために利用され得る。制御システムは、制御ループを使用して、他のデバイスまたはシステム（例えば、制御コンポーネント２３４など）の運転の管理、命令、指示、もしくは調節、またはこれらの組み合わせをする。連続変調制御の場合、プロセスまたは動作を自動的に制御するために、フィードバックコントローラが使用される。制御システムは、制御されるプロセス変数の値または状態を所望の値または設定値と比較し、プラント（例えば、製造システム２３０）のプロセス変数出力を設定値と同じ値にするための制御信号としてその差異を適用する。
製造システム２３０では、製造の任意の所望の段階にあり得る対象製品について、品質測定値２５０が取得される。品質測定値２５０は、関心のある測定であり、品質測定値２５０は、システムコンポーネント２３２の所定の１つの出力から、ある一貫した頻度で定期的に収集される。例えば、品質測定値は、「Ｔ」時間（例えば、Ｔ＝１２時間、２４時間、１週間など）ごとに取得され得る。プロセス産業では、出力製品の品質が維持されるべきであり、これは、管理団体によって設定された連邦基準を含むあらゆる規制制約が満たされていることを保証することを含み得る。多くの場合、これは、経時的に収集された集約的なサンプルに基づいて、費用と時間のかかる実験室測定を定期的に実行することによって行われる。実験室での測定結果によっては、対象製品の品質が不十分であったり、もしくは規制上の制約に対して違反が生じたり、またはその両方であったりする可能性がある。いずれの場合も、コストのかかるエラーとなる。したがって、品質測定値２５０は、所定の要件を満たすために行われる。品質測定値２５０は、真の集約測定値である。例えば、品質測定値２５０は、経時的に収集され（例えば、システムコンポーネント２３２から）、同じサンプル容器２５２に組み合わされた少量の組み合わせに基づく。したがって、単一の品質測定値２５０は、サンプル容器２５２内のサンプル／対象製品の時間集約測定値で構成され、サンプル容器２５２内のサンプルは、時間集約サンプルである。サンプル容器２５２内の時間的に集約された量のその後の測定値も、追加の遅延を加える。
製造システム２３０は、システムコンポーネント２３２に結合された様々なセンサ２３８を備え、センサ２３８は、品質測定値２５０の測定値よりもはるかに高い頻度でデータを測定（すなわち、収集）する。制御システム２４０は、センサ２３８に結合され、センサ２３８から測定値（すなわち、センサデータ）を取得し得る。センサ測定値は、Ｔ’刻みの時間（例えば、分）ごとに測定され得、ここでＴ’はＴより小さい。例えば、センサ２３８によるセンサ測定値は、５分ごと、１０分ごとなどに測定／取得され得る。センサ２３８によるセンサ測定値は、１時間ごと、２時間ごとなどに測定／取得され得る。センサ２３８のセンサ測定値は、サンプル容器２５２に収集された実際のサンプルを測定しない。むしろ、センサ２３８は、サンプル容器２５２内のサンプルを製造するための製造プロセスの様々な／異なる段階において、様々な機器、材料、流れなどの測定値および読取値を提供することができる。センサ測定値および読取値は、製造システム２３０における、もしくは製造システム２３０に関する、または、その両方の測定可能な値の任意のタイプであり得る。例えば、センサ測定値および読取値は、鉱石品質、温度、密度、流量、電圧、電流、速度、回転数／分、振動などに対するものとすることができる。
コンピュータシステム２０２は、製造システム２３０に接続されている。コンピュータシステム２０２は、制御システム２４０、センサ２３８、制御コンポーネント２３４、もしくは、設定値２３６またはこれらの組み合わせに接続され得る。１つまたは複数の実施形態では、制御システム２４０は、コンピュータシステム２０２のソフトウェアアプリケーション２０４と接続するように構成された１つまたは複数の制御アプリケーション２４２を含むことができる。また、制御アプリケーション２４２は、当業者によって理解されるように、システムコンポーネント、制御コンポーネント２３４、設定値２３６、およびセンサ２３８を監視および制御することができる。コンピュータシステム２０２の更なる詳細は、図３に示されている。１つまたは複数の実施形態において、コンピュータシステム２０２は、制御システム２４０に実装もしくは統合またはその両方をすることができる。ソフトウェアアプリケーション２０４は、図１で述べたように、１つまたは複数のプロセッサ１０１上で実行されるソフトウェア１１１として実装することができる。同様に、制御アプリケーション２４２は、１つまたは複数のプロセッサ１０１上で実行されるように構成されたソフトウェア１１１を用いて実装することができる。コンピュータシステム１００の要素は、コンピュータシステム２０２および制御システム２４０に使用され、もしくは統合され、またはその両方が行われることができる。
図４は、本発明の１つまたは複数の実施形態による、製造プロセスにおいて、頻度が低く時間的に集約された測定値を有するプロセス主要性能指標変数の連続監視、事前警告、および制御を提供するコンピュータ実装プロセス４００のフローチャートを示す。図４のコンピュータ実装プロセス４００は、図２に示すシステム２００、および図３のコンピュータシステム２０２を使用して実装することができる。したがって、コンピュータ実装プロセス４００は、次に、図２のシステム２００およびコンピュータシステム２０２を参照しながら説明される。
ブロック４０２において、コンピュータシステム２０２のソフトウェアアプリケーション２０４は、製造システム２３０のセンサ２３８のセンサデータを収集するように構成される。センサ２３８のセンサデータは、品質測定値２５０の測定（例えば、間隔または時間「Ｔ」で測定）よりも高い頻度で測定される（例えば、短い間隔または時間Ｔ’で測定）。１つまたは複数の実施形態において、ソフトウェアアプリケーション２０４は、制御システム２４０の制御アプリケーション２４２からセンサ２３８のセンサデータを取得することができる。センサ２３８のセンサデータは、コンピュータシステム２０２のソフトウェアアプリケーション２０４にプッシュされ、もしくは、コンピュータシステム２０２のソフトウェアアプリケーション２０４によってプルされ、またはその両方が行われることができる。１つまたは複数の実施形態において、制御システム２４０は、センサデータをコンピュータシステム２０２に送信する前に、それぞれのセンサ２３８のセンサデータをバッファリングもしくは保存またはその両方をしても良い。１つまたは複数の実施形態において、ソフトウェアアプリケーション２０４は、リアルタイム、もしくは、ほぼリアルタイム、または、その両方でセンサ２３８のセンサデータを受信し得る。
ブロック４０４において、コンピュータシステム２０２のソフトウェアアプリケーション２０４は、センサ２３８のセンサデータをセンサデータのブロック（例えば、テンソルスライス）にスライス／分割するように構成され、異なるブロックはセンサ２３８によって取得された測定値の異なるグループ／期間の時間に対応する。ブロック４０６において、コンピュータシステム２０２のソフトウェアアプリケーション２０４は、製造システム２３０の合成／推定品質測定値を決定するように構成されたモデル３０６への入力として、異なるグループ／期間についてのセンサデータのブロック（例えば、テンソルスライス）を使用するように構成される。合成／推定品質測定値は、品質測定値２５０の測定値よりも高い頻度で生成される。言い換えれば、合成／推定品質測定値は、品質測定値２５０のために取得された測定値よりも頻繁に生成される。この合成／推定品質測定値はまた、物理的な測定値である品質測定値２５０よりも時間差（ラグ）もしくは遅延またはその両方が少ない。
ブロック４０８において、コンピュータシステム２０２のソフトウェアアプリケーション２０４は、合成／推定品質測定値が製造システム２３０の正常範囲内にあるかどうかを検査するように構成される。正常範囲は、予め決められている。正常範囲は、下限と上限とを有することができ、合成／推定品質測定値は、正常とみなされる下限と上限との範囲内に留まっている必要がある。合成／推定品質測定値が正常範囲内にある（「ＹＥＳ」）場合、フローはブロック４０２に進み、監視が継続される。継続的な監視は、合成／推定品質測定値の連続的な生成を含む。合成／推定品質測定値が正常範囲外（「ＮＯ」）である場合、ソフトウェアアプリケーション２０４は、正常範囲外に落ちた１つまたは複数の合成／推定品質測定値に基づいて事前警告（例えば、通知２８０）を発するように構成される。例えば、ソフトウェアアプリケーション２０４は、制御システム２４０の制御アプリケーション２４２およびオペレータに警告を発することができる。事前警告は、サンプル容器２５２内のサンプルの品質測定値２５０を取得するための期間「Ｔ」の前に、サンプル容器２５２内のサンプルの潜在的な問題を含む、製造システム２３０に問題があることを示す早期指標である。
ブロック４１２において、コンピュータシステム２０２のソフトウェアアプリケーション２０４は、製造システム２３０において１つ以上の設定値２３６もしくは１つ以上の制御コンポーネント２３４またはその両方が修正されるように構成される。１つまたは複数の実施形態において、ソフトウェアアプリケーション２０４は、１つ以上の設定値２３６もしくは１つ以上の制御コンポーネント２３４またはその両方の変更を引き起こす、指示する、もしくは要求する、またはこれらの組み合わせをすることができる。１つまたは複数の実施形態において、ソフトウェアアプリケーション２０４は、要求が制御システム２４０の制御アプリケーション２４２に設定値２３６もしくは制御コンポーネント２３４またはその両方を修正させるように、要求（もしくは通知２８０またはその両方）を制御システム２４０に伝達し得る。１つまたは複数の実施形態において、ソフトウェアアプリケーション２０４は、通知２８０のために、１つ以上の設定値２３６もしくは１つ以上の制御コンポーネント２３４またはその両方に関連する値、動作、もしくは機能またはそれらの組み合わせを、増加もしくは減少またはその両方の処理をさせることができる。
その結果、製造システム２３０の動作が改善され、事前警告である通知２８０に基づいてエラーを回避することができる。合成／推定品質測定値は、品質測定値２５０の測定値よりも短い間隔もしくは短い時間またはその両方でモデル３０６を使用して生成される。したがって、センサ２３８のセンサデータを用いて生成された合成／推定品質測定値は、通常の品質測定値２５０より前に、サンプル容器２５２に収集された対象サンプルに関する早期指標を提供する。本明細書で述べたように、品質測定値２５０は、サンプル容器２５２に収集されたサンプルに基づく遅延時間集計であるが、合成／推定品質測定値は、品質測定値２５０を取得／測定するための時間「Ｔ」よりも短い任意の時点におけるサンプルの瞬間的表現となる。したがって、異なる時点における合成／推定品質測定値を使用して、ソフトウェアアプリケーション２０４は、製造システム２３０における潜在的な問題の早期識別を可能にし、それによって緩和を提供するために、真の品質測定値２５０に関するより粒度の細かい情報を生成／推測するように構成される。
図５は、本発明の１つまたは複数の実施形態による、製造システム２３０における未知の潜在的測定値の瞬時品質をモデル化するブロック図である。未知の潜在的測定値は、合成／推定品質測定値を生成するために使用される。モデル３０６は、製造システム２３０に関連する物理ベースのモデルである。図５では、異なるセンサ２３８の個々の測定値／読取値が、タイムラインに沿って個々の円によって示されている。センサ２３８の各測定値／読取値は、品質測定値２５０のために取得される測定の間の時間よりも短い時間内の例で取得される。タイムライン５０２上の円は、時間「Ｔ」の間隔または期間ごとに取得される品質測定値２５０を表す。例示の目的で、センサ２３８は、センサＡ、センサＢ、からセンサＮまでを含み得、ここでＮは最後のセンサを表し、各センサは、タイムライン上の複数の測定値を有する。タイムライン５０４上の各円は、製造システム２３０の追加の知識を提供することができる未知の潜在的な結果である。タイムライン５０４上の円は、製造システム２３０において測定されていないが、センサ２３８のセンサデータと品質測定値２５０との間の関係から導出される。
モデル３０６をトレーニングする際、ソフトウェアアプリケーション２０４は、履歴データ３１０（例えば、メモリ３０８に格納されている）を使用して、同じ期間「Ｔ」についてのセンサ２３８のセンサデータと品質測定値２５０との関係を学習し、このプロセスは連続的に繰り返される。履歴データ３１０は、時間的に整列されたセンサ２３８の履歴のセンサデータと履歴の品質測定値２５０とを含む。データベースに格納された履歴データ３１０は、多数のデータベースで表すことができる。データベースは、「ビッグデータ」とも呼ばれる、数百、数千、もしくは数百万またはそれらの組み合わせのドキュメントを含むことができる。１つまたは複数の実施形態による、データベース内の履歴データ３１０の巨大なサイズは、例えば、コンピュータ実行可能な命令を用いて、（コンピュータシステム２０２などの）機械による管理、処理、および検索を必要とし、データベース内の履歴データ３１０は、人間の頭の中で本明細書に論じるように実質的に管理、保存、分析、もしくは処理またはそれらの組み合わせをすることができなかったであろう。
モデル３０６をトレーニングするとき、ソフトウェアアプリケーション２０４は、タイムライン５０４上の未知の中間品質結果を通じて、測定期間「Ｔ」にわたる高周波共変量（センサ２３８のセンサデータの個々の測定値である）を遅延低周波測定値２５０（例えば、遅延低周波（ラボ）結果）に関係づける回帰モデルを適合するように構成される。説明のために、ｙは品質測定値２５０を示す記号であり、ｙｔは時間ｔにおける品質測定値２５０の値を示す。時間ｔにおける未知の中間品質結果は、当初未知の関係ｆ（ ）と未知の出力とでｑｔ＝ｆ（Ｘｔ－Ｔ’：ｔ）として表記される。関数ｙｔ＝ｇ（ｑｔ－Ｔ：ｔ）は、既知の関係および未知の入力（例えば、時間期間ｔ－Ｔからｔにわたる未知の入力ｑ）を有する。モデル３０６は、関数ｆ（ ）を学習し、後の予測中にｆ（ ）を使用する。１つまたは複数の実施形態において、品質測定値２５０は、時間にわたって均一に等しいサンプル量に基づいているので、関数ｇ（ ）は既知であり、この場合、モデル３０６は、観察ウィンドウ「Ｔ」にわたる平均品質を検討している。この場合、測定のために送り出されるサンプル容器２５２内の最終的なサンプルは、時間にわたって均一な混合物からなり、対象測定値は、品質の平均測定値に帰結する。
訓練中、センサ２３８のセンサデータ（すなわち、測定値／読取値）は、サンプルがサンプル容器２５２に収集される期間「Ｔ」に一致するように整列され、サンプル容器２５２内の収集されたサンプルの品質測定値２５０が取得される。各品質測定値２５０は、サンプル容器２５２内の収集されたサンプルについて取得され、センサ２３８のサンプルデータは、同じ期間「Ｔ」にわたって使用される。いったん、モデル３０６が訓練されると、モデル３０６は、各品質測定値２５０について、時間「Ｔ」の期間よりも短い時間間隔で合成／推定品質測定値（例えば、合成Ｙ）を生成するために使用され得る。ソフトウェアアプリケーション２０４は、未知の中間結果ｑｔを予測するために、共変量の異なる数の（おそらく重複する）長さＴ’のウィンドウに（訓練済みの）モデル３０６を適用し、次に、オリジナルの品質測定値２５０の期間（Ｔ）よりも短い特定の時間間隔／ウィンドウに対する合成／推定平均品質測定値である平均品質測定値を生成するために、これらの中間結果（ｑｔ）を処理する。本明細書で述べたように、これは、製造システム２３０のシステムオペレータに、よりタイムリーな警告を提供するのに特に有用である。図５では、センサデータ（例えば、テンソルスライス）の１つまたは複数のブロックを利用して、所望または所定の任意の時間窓について合成／推定品質測定値を生成することができる。モデル３０６を実施するために、様々な回帰モデルを利用することができる。
図６は、本発明の１つまたは複数の実施形態によるモデル３０６のためのモデルアーキテクチャ６００の例示的表現である。図６は、ニューラルネットワークの使用を示す。「Ｘ」で表されるセンサ２３８からのセンサデータのブロックは、「ｍ」ブロックの合計のためにモデル３０６に入力される。センサデータのブロックは、それらの一致するバッチ／時間のグループに従ってグループ化される。複数のセンサ２３８からのセンサデータは、各ブロックで結合される。ブロックは、行列（例えば、セカンドオーダーテンソル）として見ることができ、これらの行列の各々において、列は、各行が別々の時点を有する個々のセンサからなる。例えば、センサデータの１つのブロック（例えば、テンソルスライス）は、Ｘｔ－Ｔ’－ｍ＋１：ｔ－ｍ＋１、センサデータの別のブロックは、Ｘｔ－Ｔ’－ｍ＋２：ｔ－ｍ＋２、であるセンサデータのブロックを経て、Ｘｔ－Ｔ’：ｔであり得る。本明細書で述べたように、センサデータの測定は時間Ｔ’’の増分で起こり、「ｍ」は、現在の時間を指すために一般的に使用される時間の瞬間である時間「ｔ」に対する単一の合成／推定品質測定値を生成するために用いられるセンサデータのブロック（例えば、テンソルスライス）の数である。図６を参照すると、センサデータの各ブロックは、関数ｆ（ ）を表現するニューラルネットワークのそれ自体のコピーに入力される。複数のニューラルネットワークは、本明細書で議論されるような局所的な変遷の実装もしくは捕捉またはその両方を担当する、同じ訓練をされたニューラルネットワークの同一コピーである。ニューラルネットワークのコピーについて、センサデータの各ブロックを関数ｆ（ ）に入力した後、ニューラルネットワークのコピーは、各ニューラルネットワークについてｑｔである未知の中間品質結果ｑを出力する。例えば、センサデータのそれぞれのブロックを受信するニューラルネットワークに対して、あるニューラルネットワークはｑｔ－ｍ＋１を生成し、別のニューラルネットワークはｑｔ－ｍ＋２を生成し、最後のニューラルネットワークはｑｔを生成しうる。ニューラルネットワークのコピーからの出力を集約するために、既知の集約関数ｇ（ ）が利用される。既知の集約関数ｇ（ ）の出力「ｙ」は、時間「ｔ」の所定の例に対する製造システム２３０の単一の合成／推定品質測定値であり、合成／推定品質測定値は製造システム２３０のステータス／状態を表す。ｇ（ ）の出力は、時間期間Ｔにわたる品質（すなわち、ｔ－Ｔからｔまでの時間期間にわたる品質の集約測定値）である。ソフトウェアアプリケーション２０４は、モデル３０６を利用して、品質測定値２５０に利用される時間「Ｔ」の期間よりも短い間隔であり得る時間「ｔ」の異なる例について合成／推定品質測定値を生成することができる。
品質測定値２５０は、プロセス変数の測定値と考えることができる。センサ２３８のセンサデータは、共変量、もしくはそのプロセス変数とは異なる他のプロセス変数、またはその両方と考えることができる。モデル３０６を使用すると、プロセス変数の測定値の非瞬間的な性質は、時間集約測定値の一般形態をとる。時間集約測定値の時間分解能および値は、その間隔にわたる変数の瞬間的な値の一般集約関数（例えば、関数ｇ（ ））を用いる時間の間隔にわたる集約に対応する。オンラインもしくはオフラインまたはその両方での測定による即時の場合とは反対に、測定値の時間分解能および値は、ポイントインタイムに対応付けられる。
問題のプロセス変数（例えば、品質測定値２５０に対応する）は、物理的材料プロセス流出ストリームに対応する品質関連変数である。品質関連変数の測定値は実験室からまれに入手可能であり、品質測定値の非瞬間的で時間に集約された性質は、特に、対応プロセス流出ストリームから長い期間にわたって複数の瞬間に引き出される等しいサンプル量を混合／集約し（例えば、サンプル容器２５２に）、続いて集約総量に複合測定を実施することによる。モデル３０６によって学習されるように、品質測定値２５０の非瞬間的で時間的に集約された性質は、モデル３０６において決定された関係として、履歴プロセス変数測定値（履歴データ３１０）に対応する各集約間隔にわたって適用される任意の特定された一般集約関数に起因する。品質測定値２５０の非瞬間的で時間に集約された性質は、履歴プロセス変数測定値に対応する各集約間隔にわたって一様に適用される特定されていない一般的集約関数に起因し、履歴データ３１０からモデル３０６によって自動的に学習される。
品質測定値２５０のためのプロセス変数の連続的な監視は、モデル３０６を用いて、その瞬時のポイントインタイム値（例えば、ｑｔの値）を自動的に推定することによって行われる。ポイントインタイム値（例えば、合成／推定品質測定値）を生成するために用いられる関係は、まれで時間間隔が集約された履歴グランドトゥルース測定値のセットを再構築することによって、履歴データから自動的に学習される。最初に、対応する時間間隔にわたるプロセス変数のための観察されていない、潜在的な、ある時点の、即時値（例えば、ｑｔの値）を構築し、次に、一般な集約関数（例えば、関数ｇ（ ））を用いて、これらの潜在的な推定値（例えば、ｑｔの値）を変換する。任意の瞬間におけるプロセス変数のある時点の潜在的推定値は、時間の各瞬間に相対する、過去のプロセス影響のウィンドウにわたるすべての共変量（例えば、センサ２３８のセンサデータのブロック）の値を入力として使用するモデル３０６の結果であり、このウィンドウ（例えば、時間「Ｔ’」）の長さは、プロセス変数の連続（不定期）測定値間の期間（例えば、期間「Ｔ」）とは独立してモデルの超変数として選ばれる。
図６に描かれているように、モデル３０６は、非線形活性化関数、重み、およびバイアスの複数の層を有するニューラルネットワークであり得、モデル３０６は、平均、標準偏差、尖度、分散などを含むこのウィンドウにおける履歴共変量値のシーケンスにわたる様々な時系列特徴と同様に、履歴プロセス影響のウィンドウ（例えば、時間「Ｔ’」）にわたるすべての共変量（例えば、センサデータ）の生の値と、の両方を入力として用いる。一般的な集約関数（例えば、関数ｇ（ ））の自動学習は、非線形活性化関数、重み、およびバイアスの複数の層を有するニューラルネットワークで行われ、一般的な集約関数（例えば、関数ｇ（ ））は、入力としてポイントインタイム潜在推定値（例えば、ｑｔ－ｍ＋１、ｑｔ－ｍ＋２、およびｑｔのようなｑｔの値）を用いる。
１つまたは複数の実施形態による、技術的な利益と利点には、製造プロセスの基礎となる物理学との整合性を高めたシステムおよび方法が含まれる。推定された潜在的な品質結果（例えば、ｑｔ）は、より短い時間範囲でのセンサ測定値に依存する。推定された品質結果（例えば、ｑｔ）は、平均的な品質測定値に存在する長期的なダイナミクスを補足するために正確に用いられることができる方法で、プロセスの局所的な挙動を効果的に要約し、それゆえ、推定された品質結果（例えば、ｑｔ）は、合成／推定品質測定値を生成するために用いられる。潜在的な品質結果を知ることで、長期的な平均値ではなく、プロセスの挙動を確保するためにより有益な他の時間平均値を定式化することができる。
図７は、本発明の１つまたは複数の実施形態による、製造システム２３０において、頻度が低く時間的に集約された測定値を有するプロセス主要性能指標変数の連続監視、事前警告、および制御を提供するための、コンピュータ実装プロセス７００のフローチャートである。図７のコンピュータ実装プロセス７００は、図３～図６の議論とともに、図２に示すシステム２００を使用して実装されることができる。
ブロック７０２において、コンピュータシステム２０２上のソフトウェアアプリケーション２０４は、製造システム２３０のセンサデータを収集するように構成され、センサデータは、製造システム２３０の対象測定値（例えば、品質測定値２５０）の時間間隔（例えば、期間「Ｔ」）よりも短い間隔（例えば、時間Ｔ’’）で測定され、センサデータは対象測定値（例えば、品質測定値２５０）と関係を有すると判断される。例えば、ソフトウェアアプリケーション２０４は、制御システム２４０から、もしくはセンサ２３８から直接、またはその両方からセンサ２３８のセンサデータを収集することができる。
ブロック７０４において、コンピュータシステム２０２上のソフトウェアアプリケーション２０４は、関係に基づいて、時間間隔（例えば、期間「Ｔ」）よりも短い間隔（例えば、時間「Ｔ’」）で合成対象測定値を生成するように構成される。例えば、その関係は、関数ｆ（ ）、関数ｇ（ ）、および品質測定値２５０の間の関係を含み得る。ここで、センサデータのブロック（「Ｘ」）が入力として用いられる。モデル３０６は、品質測定値２５０を表すために、所定の時間の合成対象測定値を生成するために用いられ得る。
ブロック７０６において、コンピュータシステム２０２上のソフトウェアアプリケーション２０４は、時間間隔（例えば、時間「Ｔ」）よりも短い間隔内の合成対象測定値に基づいて、対象測定値に対する事前警告（例えば、通知２８０）を自動的に生成するように構成される。
製造システム２３０に関連する１つまたは複数の設定値２３６は、合成対象測定値に基づく対象測定値に対する事前警告（例えば、通知２８０）に応じて自動的に修正される。製造システム２３０に関連する１つまたは複数の制御コンポーネント２３４は、合成対象測定値に基づく対象測定値に対する事前警告（例えば、通知２８０）に応じて自動的に修正される。事前警告（例えば、通知２８０）は、合成対象測定値が予め定められた範囲（例えば、事前に決定された正常な範囲）外であるために（コンピュータシステム２０２によって）生成される。合成対象測定値を予め定められた範囲内に収めるために、製造システム２３０に変更が加えられる（例えば、コンピュータシステム２０２によって引き起こされ、もしくは、指示され、また、その両方をされるように）。
対象測定値（例えば、品質測定値２５０）は、製造システム２３０の物理的材料プロセス流出ストリームに対応する品質関連変数であり、対象測定値は、等しいサンプル量は、時間間隔（例えば、時間「Ｔ」の期間）を通して複数の瞬間で集められ、時間間隔の終了時に測定し、それにより対象測定値を取得する（例えば、品質測定値２５０）容器（例えば、サンプル容器２５２）内で等しいサンプル量を混合することによる非瞬間的で、時間的に集約された特性を含む。
対象測定値（例えば、品質測定値２５０）は、サンプル（例えば、サンプル容器２５２に収集された）の集約された総量に関する混合測定値である。合成対象測定値は、センサデータに基づいて、ある時点のために生成される値であり、サンプルの集約された総量の測定値ではなく、むしろ、合成対象測定値は、時間間隔内の時点における個々のサンプル量の状態を表す。
対象測定値（例えば、品質測定値２５０）は、サンプル（例えば、サンプル容器２５２に収集された）の集約された総量の混合測定値である。集約された総量を構成する等しいサンプル量から混合の対象測定値を生成する集約関数（例えば、集約関数ｇ（ ））は未知であり、等しいサンプル量にわたる対象測定値の関数として自動的に学習される。既知の集約関数（ｇ（ ））については、この場合、関数が既知であるため、本明細書で先に説明したように、図６に描かれているように、学習プロセスはこの情報を取り込む。１つまたは複数の実施形態では、未知の集約関数（すなわち、集約関数（ｇ（ ））が未知）が存在し得、そのような場合、ｇ（ ）は、システム設計者／エンジニアにとって未知であり得る。そのため、コンピュータシステム２０２上のソフトウェアアプリケーション２０４もしくはモデル３０６またはその両方は、プロセスにおいてｇ（ ）も学習するように構成される。この場合、図６の集約関数ｇ（ ）は、パラメータを学習する必要がある別のニューラルネットワークで置き換えられる。合成対象測定値は、（例えば、ソフトウェアアプリケーション２０４のモデル３０６を介して）センサデータ（例えば、製造システム２３０の）に基づいて、ある時点で生成された値であり、サンプルの集約した総量の測定値ではなく、合成対象測定値は、時間間隔（例えば、時間「Ｔ」の期間）内の時点における等しいサンプル量（例えば、サンプル容器２５２に収集）の個々のサンプル量の状態を表す。合成対象測定値は、学習済みモデル（ｆ（ ））の出力に基づくという意味で合成であることに留意されたい。これは、ある時点の測定値（すなわち、瞬時品質）、もしくはより細かい粒度で生成された新しい集約（すなわち、１時間の平均品質）またはその両方である可能性がある。一態様では、時点の測定値は、個々のサンプル量の時間と相関（例えば、一致またはほぼ一致）する可能性があり、それによって、製造システム２３０において発生したこと、もしくはその時の状態に対する洞察、またはその両方を提供する。
対象測定値（例えば、品質測定値２５０）は、（例えば、サンプル容器２５２に収集された）サンプルの集約された総容量の複合測定値である。集約した総量を構成する等しいサンプル量から合成対象測定値を生成する集約関数（例えば、集約関数ｇ（ ））は、等しいサンプル量にわたる対象測定値の平均であることが知られている。合成対象測定値（例えば、ソフトウェアアプリケーション２０４のモデル３０６を介して）は、センサデータに基づく時点の生成値であり、サンプルの集約された総量の測定値ではなく、合成対象測定値は、時間間隔（例えば、時間「Ｔ」の期間）内の時点における等しいサンプル量の個々のサンプルの状態を表す。
目標測定値（例えば、品質測定値２５０）は、サンプル（例えば、サンプル容器２５２に収集された）の集約された総容量の合成測定値である。集約された総量を構成する等しいサンプル量から合成対象測定値を生成する集約関数（例えば、集約関数ｇ（ ））は、等しいサンプル量にわたる対象測定値のユーザ指定関数から知られる。合成対象測定値（例えば、ソフトウェアアプリケーション２０４のモデル３０６を介して）は、センサデータに基づく時点の生成値であり、サンプルの集約された総量の測定値ではなく、合成対象測定値は、時間間隔（例えば、時間「Ｔ」の期間）内の時点における等しいサンプル量の個々のサンプルの状態を表す。
本開示はクラウドコンピューティングに関する詳細な説明を含むが、本明細書に記載した教示の実装形態はクラウドコンピューティング環境に限定されないと理解されるべきである。むしろ、本発明の実施形態は、現在公知のまたは将来開発される他の任意の種類のコンピュータ環境と共に実施することができる。
クラウドコンピューティングは、設定可能なコンピューティングリソースの共有プール（例えばネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、記憶装置、アプリケーション、仮想マシンおよびサービス）へ、簡便かつオンデマンドのネットワークアクセスを可能にするためのサービス提供のモデルであり、リソースは、最小限の管理労力または最小限のサービスプロバイダとのやり取りによって速やかに準備（provision）およびリリースできるものである。このクラウドモデルは、少なくとも５つの特性、少なくとも３つのサービスモデル、および少なくとも４つの実装モデルを含むことがある。
特性は以下の通りである。
オンデマンド・セルフサービス：クラウドの消費者は、サービスプロバイダとの人的な対話を必要することなく、必要に応じて自動的に、サーバ時間やネットワークストレージなどのコンピューティング能力を一方的に準備することができる。
ブロード・ネットワークアクセス：コンピューティング能力はネットワーク経由で利用可能であり、また、標準的なメカニズムを介してアクセスできる。それにより、異種のシンまたはシッククライアントプラットフォーム（例えば、携帯電話、ラップトップ、ＰＤＡ）による利用が促進される。
リソースプーリング：プロバイダのコンピューティングリソースはプールされ、マルチテナントモデルを利用して複数の消費者に提供される。様々な物理リソースおよび仮想リソースが、需要に応じて動的に割り当ておよび再割り当てされる。一般に消費者は、提供されたリソースの正確な位置を管理または把握していないため、位置非依存（location independence）の感覚がある。ただし消費者は、より高い抽象レベル（例えば、国、州、データセンタ）では場所を特定可能な場合がある。
迅速な柔軟性（elasticity）：コンピューティング能力は、迅速かつ柔軟に準備することができるため、場合によっては自動的に、直ちにスケールアウトし、また、速やかにリリースされて直ちにスケールインすることができる。消費者にとって、準備に利用可能なコンピューティング能力は無制限に見える場合が多く、任意の時間に任意の数量で購入することができる。
測定されるサービス：クラウドシステムは、サービスの種類（例えば、ストレージ、処理、帯域幅、アクティブユーザアカウント）に適したある程度の抽象化レベルでの測定機能を活用して、リソースの使用を自動的に制御し最適化する。リソース使用量を監視、制御、および報告して、利用されるサービスのプロバイダおよび消費者の両方に透明性を提供することができる。
サービスモデルは以下の通りである。
サービスとしてのソフトウェア（ＳａａＳ）：消費者に提供される機能は、クラウドインフラストラクチャ上で動作するプロバイダのアプリケーションを利用できることである。当該そのアプリケーションは、ウェブブラウザ（例えばウェブメール）などのシンクライアントインタフェースを介して、各種のクライアント装置からアクセスできる。消費者は、ネットワーク、サーバ、オペレーティングシステム、ストレージや、個別のアプリケーション機能さえも含めて、基礎となるクラウドインフラストラクチャの管理や制御は行わない。ただし、ユーザ固有の限られたアプリケーション構成の設定はその限りではない。
サービスとしてのプラットフォーム（ＰａａＳ）：消費者に提供される機能は、プロバイダによってサポートされるプログラム言語およびツールを用いて、消費者が作成または取得したアプリケーションを、クラウドインフラストラクチャに展開（deploy）することである。消費者は、ネットワーク、サーバ、オペレーティングシステム、ストレージを含む、基礎となるクラウドインフラストラクチャの管理や制御は行わないが、展開されたアプリケーションを制御でき、かつ場合によってはそのホスティング環境の構成も制御できる。
サービスとしてのインフラストラクチャ（ＩａａＳ）：消費者に提供される機能は、オペレーティングシステムやアプリケーションを含む任意のソフトウェアを消費者が展開および実行可能な、プロセッサ、ストレージ、ネットワーク、および他の基本的なコンピューティングリソースを準備することである。消費者は、基礎となるクラウドインフラストラクチャの管理や制御は行わないが、オペレーティングシステム、ストレージ、および展開されたアプリケーションを制御でき、かつ場合によっては一部のネットワークコンポーネント（例えばホストファイアウォール）を部分的に制御できる。
展開モデルは以下の通りである。
プライベートクラウド：このクラウドインフラストラクチャは、特定の組織専用で運用される。このクラウドインフラストラクチャは、当該組織または第三者によって管理することができ、オンプレミスまたはオフプレミスで存在することができる。
コミュニティクラウド：このクラウドインフラストラクチャは、複数の組織によって共有され、共通の関心事（例えば、ミッション、セキュリティ要件、ポリシー、およびコンプライアンス）を持つ特定のコミュニティをサポートする。このクラウドインフラストラクチャは、当該組織または第三者によって管理することができ、オンプレミスまたはオフプレミスで存在することができる。
パブリッククラウド：このクラウドインフラストラクチャは、不特定多数の人々や大規模な業界団体に提供され、クラウドサービスを販売する組織によって所有される。
ハイブリッドクラウド：このクラウドインフラストラクチャは、２つ以上のクラウドモデル（プライベート、コミュニティまたはパブリック）を組み合わせたものとなる。それぞれのモデル固有の実体は保持するが、標準または個別の技術によってバインドされ、データとアプリケーションの可搬性（例えば、クラウド間の負荷分散のためのクラウドバースティング）を実現する。
クラウドコンピューティング環境は、ステートレス性（statelessness）、低結合性（low coupling）、モジュール性（modularity）および意味論的相互運用性（semantic interoperability）に重点を置いたサービス指向型環境である。クラウドコンピューティングの中核にあるのは、相互接続されたノードのネットワークを含むインフラストラクチャである。
ここで、図８を参照すると、例示的なクラウドコンピューティング環境５０が描かれている。示されているように、クラウドコンピューティング環境５０は１つまたは複数のクラウドコンピューティングノード１０を含む。これらに対して、クラウド消費者が使用するローカルコンピュータ装置、例えば、ＰＤＡもしくは携帯電話５４Ａ、デスクトップコンピュータ５４Ｂ、ラップトップコンピュータ５４Ｃ、もしくは自動車コンピュータシステム５４Ｎまたはこれらの組み合わせなど、は通信を行うことができる。ノード１０は互いに通信することができる。ノード１０は、例えば、上述のプライベート、コミュニティ、パブリックもしくはハイブリッドクラウドまたはこれらの組み合わせなど、１つまたは複数のネットワークにおいて、物理的または仮想的にグループ化（不図示）することができる。これにより、クラウドコンピューティング環境５０は、サービスとしてのインフラストラクチャ、プラットフォームもしくはソフトウェアまたはこれらの組み合わせを提供することができ、クラウド消費者はこれらについて、ローカルコンピュータ装置上にリソースを維持する必要がない。なお、図８に示すコンピュータ装置５４Ａ～Ｎの種類は例示に過ぎず、コンピューティングノード１０およびクラウドコンピューティング環境５０は、任意の種類のネットワークもしくはネットワークアドレス指定可能接続（例えば、ウェブブラウザの使用）またはその両方を介して、任意の種類の電子装置と通信可能であることを理解されたい。
ここで、図９を参照すると、クラウドコンピューティング環境５０（図８）によって提供される機能的抽象化モデルレイヤのセットが示されている。なお、図９に示すコンポーネント、レイヤおよび機能は例示に過ぎず、本発明の実施形態はこれらに限定されないことをあらかじめ理解されたい。図示するように、以下のレイヤおよび対応する機能が提供される。
ハードウェアおよびソフトウェアレイヤ６０は、ハードウェアコンポーネントおよびソフトウェアコンポーネントを含む。ハードウェアコンポーネントの例には、メインフレーム６１、縮小命令セットコンピュータ（ＲＩＳＣ）アーキテクチャベースのサーバ６２、サーバ６３、ブレードサーバ６４、記憶装置６５、ならびにネットワークおよびネットワークコンポーネント６６が含まれる。いくつかの実施形態において、ソフトウェアコンポーネントは、ネットワークアプリケーションサーバソフトウェア６７およびデータベースソフトウェア６８を含む。
仮想化レイヤ７０は、抽象化レイヤを提供する。当該レイヤから、例えば以下の仮想エンティティを提供することができる：仮想サーバ７１、仮想ストレージ７２、仮想プライベートネットワークを含む仮想ネットワーク７３、仮想アプリケーションおよびオペレーティングシステム７４、ならびに仮想クライアント７５。
一例として、管理レイヤ８０は以下の機能を提供することができる。リソース準備８１は、クラウドコンピューティング環境内でタスクを実行するために利用されるコンピューティングリソースおよび他のリソースの動的な調達を可能にする。計量および価格設定８２は、クラウドコンピューティング環境内でリソースが利用される際のコスト追跡、およびこれらのリソースの消費に対する請求またはインボイス送付を可能にする。一例として、これらのリソースはアプリケーションソフトウェアのライセンスを含んでよい。セキュリティは、データおよび他のリソースに対する保護のみならず、クラウドコンシューマおよびタスクの識別確認を可能にする。ユーザポータル８３は、コンシューマおよびシステム管理者にクラウドコンピューティング環境へのアクセスを提供する。サービスレベル管理８４は、要求されたサービスレベルが満たされるように、クラウドコンピューティングリソースの割り当ておよび管理を可能にする。サービス品質保証（ＳＬＡ）の計画および履行８５は、ＳＬＡに従って将来必要になると予想されるクラウドコンピューティングリソースの事前手配および調達を可能にする。
ワークロードレイヤ９０は、クラウドコンピューティング環境が利用可能な機能の例を提供する。このレイヤから提供可能なワークロードおよび機能の例には、マッピングおよびナビゲーション９１、ソフトウェア開発およびライフサイクル管理９２、仮想教室教育の配信９３、データ分析処理９４、取引処理９５、ならびに、ワークロードおよび機能９６において実装されるソフトウェアアプリケーション（例えば、ソフトウェアアプリケーション２０４、制御アプリケーション２４２、モデル３０６など）が含まれる。
本発明の様々な実施形態が、関連する図面を参照しながら本明細書で説明される。本発明の代替的な実施形態は、本発明の範囲から逸脱することなく考案することができる。以下の説明および図面において、要素間の様々な接続もしくは位置関係（例えば、上、下、隣接など）またはそれらの組み合わせが規定されている。これらの連結もしくは位置関係またはそれらの組み合わせは、特に指定しない限り、直接的または間接的であり得、本発明は、この点で限定することを意図しない。従って、実体の結合は、直接結合または間接結合のいずれかを指すことができ、実体の間の位置関係は、直接位置関係または間接位置関係であり得る。さらに、本明細書に記載された様々なタスクおよびプロセスステップは、本明細書に詳細に記載されていない追加のステップまたは機能性を有する、より包括的な手順またはプロセスに組み込むことができる。
本明細書で説明する１つまたは複数の方法は、以下の技術のいずれかまたは組み合わせで実施することができる。以下の技術とは、当技術分野でそれぞれよく知られており、データ信号に論理機能を実装するための論理ゲートを有する離散論理回路（複数可）、適切な組み合わせ論理ゲートを有する特定用途向け集積回路（ＡＳＩＣ）、プログラマブルゲートアレイ（複数可）（ＰＧＡ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、などである。
簡潔にするために、本発明の態様の製造および使用に関連する従来技術は、本明細書で詳細に説明されることもあれば、されないこともある。特に、本明細書に記載された様々な技術的特徴を実施するためのコンピューティングシステムおよび特定のコンピュータプログラムの様々な態様は、よく知られている。従って、簡潔にするために、多くの従来の実装の詳細が、本明細書で簡潔に言及されるだけであるか、または周知のシステムおよび／またはプロセスの詳細を提供することなく完全に省略される。
いくつかの実施形態では、様々な機能または行為が、所与の場所で、および／または１つ以上の装置またはシステムの動作に関連して、行われることができる。いくつかの実施形態では、所定の機能または行為の一部を第１の装置または場所で行うことができ、機能または行為の残りを１つまたは複数の追加の装置または場所で行うことができる。
本明細書で使用される用語は、特定の実施形態を説明する目的のみのものであり、限定することを意図するものではない。本明細書で使用される場合、単数形「a」、「an」および「the」は、文脈が明確にそうでないことを示さない限り、複数形も含むことを意図している。本明細書で使用される場合、用語「含む（comprise）」もしくは「含む（comprising）」またはその両方は、記載された特徴、整数、工程、動作、要素もしくはコンポーネントまたはこれらの組み合わせの存在を特定するものであるが、１つ以上の他の特徴、整数、工程、動作、要素コンポーネントもしくはそれらのグループまたはこれらの組み合わせが存在したり、追加されたりすることを排除するものではない。
以下の特許請求の範囲におけるすべての対応する構造、材料、行為、および同等物またはステッププラス関数要素は、特に主張されているように、他の請求された要素と組み合わせて機能を実行するための任意の構造、材料、または行為を含むことを意図している。本開示は、例示および説明の目的で提示されたが、網羅的であることを意図するものではなく、または開示された形態に限定されることを意図するものではない。多くの修正および変形は、本開示の範囲および精神から逸脱することなく、当業者には明らかであろう。実施形態は、本開示の原理および実際の適用を最もよく説明し、当業者が、企図される特定の使用に適した様々な修正を伴う様々な実施形態について本開示を理解できるようにするために選択および説明された。
本明細書に描かれた図は、例示的なものである。本開示の範囲から逸脱することなく、図またはそこに記載されたステップ（または操作）に対して多くの変形があり得る。例えば、動作は異なる順序で実行され得るか、または動作は追加、削除または修正され得る。また、「結合」という用語は、２つの要素間に信号経路を有することを説明するものであり、その間に介在する要素／接続がない要素間の直接的な接続を意味するものでない。これらの変形はすべて、本開示の一部とみなされる。
以下の定義および略語は、特許請求の範囲および明細書の解釈のために使用されるものとする。本明細書で使用する場合、用語「comprises」、「comprising」、「includes」、「including」、「has」、「having」、「contains」または「containing」、またはその他の変形は、非排他的包含を対象とすることを意図する。例えば、要素のリストからなる組成物、混合物、プロセス、方法、物品、または装置は、必ずしもそれらの要素のみに限定されず、明示的にリストされていない他の要素またはそのような組成物、混合物、プロセス、方法、物品、または装置に固有の要素を含むことができる。
さらに、「例示的」という用語は、本明細書において、「例、実例、または図解として役立つ」という意味で使用される。本明細書において「例示的」として説明される任意の実施形態または設計は、必ずしも、他の実施形態または設計よりも好ましいまたは有利であると解釈される必要はない。用語「少なくとも１つ」および「１つ以上」は、１以上の任意の整数、すなわち、１、２、３、４などを含むと理解される。「複数の」という用語は、２以上の任意の整数、すなわち、２、３、４、５などを含むと理解される。用語「接続」は、間接的な「接続」と直接的な「接続」の両方を含むことができる。
用語「約」、「実質的」、「約」およびその変形は、本願の出願時に利用可能な機器に基づく特定の量の測定に関連する誤差の程度を含むことを意図している。例えば、「約」は、所与の値の±８％または５％、または２％の範囲を含むことができる。
本発明は、任意の可能な技術詳細レベルで統合されたシステム、方法もしくはコンピュータプログラム製品またはそれらの組み合せとすることができる。コンピュータプログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を記憶したコンピュータ可読記憶媒体を含んでよい。
コンピュータ可読記憶媒体は、命令実行装置によって使用される命令を保持し、記憶することができる有形の装置とすることができる。コンピュータ可読記憶媒体は、一例として、電子記憶装置、磁気記憶装置、光学記憶装置、電磁記憶装置、半導体記憶装置またはこれらの適切な組み合わせであってよいがこれらに限定されない。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストとしては、ポータブルコンピュータディスケット、ハードディスク、ＲＡＭ、ＲＯＭ、ＥＰＲＯＭ（またはフラッシュメモリ）、ＳＲＡＭ、ＣＤ－ＲＯＭ、ＤＶＤ、メモリスティック、フロッピーディスク、パンチカードまたは溝内の隆起構造などに命令を記録した機械的に符号化された装置、およびこれらの適切な組み合せが挙げられる。本明細書で使用されるコンピュータ可読記憶装置は、電波もしくは他の自由に伝播する電磁波、導波管もしくは他の伝送媒体を介して伝播する電磁波（例えば、光ファイバケーブルを通過する光パルス）、またはワイヤを介して送信される電気信号のような、一過性の信号それ自体として解釈されるべきではない。
本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体からそれぞれのコンピューティング／処理装置に、または、ネットワーク、例えば、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク、もしくはワイヤレスネットワークまたはその組み合わせを介して外部コンピュータまたは外部記憶装置にダウンロードすることができる。ネットワークは、銅線伝送ケーブル、光伝送ファイバー、無線伝送、ルーター、ファイアウォール、スイッチ、ゲートウェイコンピュータ、もしくはエッジサーバーまたはその組み合わせで構成される。各コンピューティング／処理装置のネットワークアダプタカードまたはネットワークインターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、それぞれのコンピューティング／処理装置内のコンピュータ可読記憶媒体に格納するためにコンピュータ可読プログラム命令を転送する。
本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、統合回路のための構成データ、またはＳｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語と「Ｃ」プログラミング言語や類似のプログラミング言語などの手続き型プログラミング言語を含む、１つ以上のプログラミング言語の任意の組み合わせで記述されたソースコードまたはオブジェクトコードのいずれかであってよい。コンピュータ可読プログラム命令は、スタンドアロンソフトウェアパッケージとして、完全にユーザのコンピュータ上で、または部分的にユーザのコンピュータ上で実行可能である。あるいは、部分的にユーザのコンピュータ上でかつ部分的にリモートコンピュータ上で、または完全にリモートコンピュータまたはサーバ上で実行可能である。後者のシナリオでは、リモートコンピュータは、ローカルエリアネットワーク（ＬＡＮ）またはワイドエリアネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを介してユーザのコンピュータに接続され、または（例えば、インターネットサービスプロバイダーを使用したインターネット経由で）外部コンピュータに接続されてよい。いくつかの実施形態では、例えば、プログラマブルロジック回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、またはプログラマブルロジックアレイ（ＰＬＡ）を含む電子回路は、本発明の態様を実行するために、コンピュータ可読プログラム命令の状態情報を利用してパーソナライズすることにより、コンピュータ可読プログラム命令を実行することができる。
本発明の態様は、本発明の実施形態による方法、装置（システム）、およびコンピュータプログラム製品のフローチャート図もしくはブロック図またはその両方を参照して本明細書に記載されている。フローチャート図もしくはブロック図またはその両方の各ブロック、およびフローチャート図もしくはブロック図またはその両方のブロックの組み合わせは、コンピュータ可読プログラム命令によって実装できることが理解されよう。
これらのコンピュータ可読プログラム命令は、コンピュータまたは他のプログラム可能なデータ処理装置のプロセッサを介して実行される命令がフローチャートもしくはブロック図またはその両方の１つまたは複数のブロックで指定された機能／動作を実装するための手段を生成するように、機械を生成するために汎用コンピュータ、特殊用途コンピュータ、または他のプログラム可能なデータ処理装置のプロセッサに提供されることができる。これらのコンピュータ可読プログラム命令はまた、フローチャートもしくはブロック図またはその両方の１つまたは複数のブロックで指定された機能／行為の態様を実装する命令を含む生成品の１つを命令が記憶されたコンピュータ可読プログラム命令が構成するように、コンピュータ、プログラム可能なデータ処理装置、もしくは特定の方法で機能する他のデバイスまたはその組み合わせに接続可能なコンピュータ可読記憶媒体の中に記憶されることができる。
コンピュータ、他のプログラム可能な装置、または他のデバイス上でフローチャートもしくはブロック図またはその両方の１つまたは複数のブロックで指定された機能／行為を実行する命令のように、コンピュータ可読プログラム命令はまた、コンピュータ、他のプログラム可能なデータ処理装置、または他のデバイスにロードされ、コンピュータ、他のプログラム可能な装置、または他のデバイス上で一連の操作ステップを実行し、コンピュータ実装された過程を生成することができる。
図中のフローチャートおよびブロック図は、本発明の様々な実施形態によるシステム、方法、およびコンピュータプログラム製品が実行可能な実装の構成、機能、および動作を示している。これに関して、フローチャートまたはブロック図の各ブロックは、モジュール、セグメント、または命令の一部を表してよく、これは、指定された論理機能を実装するための１つまたは複数の実行可能命令を構成する。いくつかの代替の実施形態では、ブロックに示されている機能は、図に示されている順序とは異なる場合がある。例えば、連続して示される２つのブロックは、実際には、１つのステップとして達成される場合があり、同時に、実質的に同時に、部分的または全体的に時間的に重複する方法で実行されるか、またはブロックは、関係する機能に応じて逆の順序で実行される場合がある。ブロック図もしくはフローチャート図またはその両方の各ブロック、およびブロック図もしくはフローチャート図またはその両方のブロックの組み合わせは、指定された機能または動作を実行する、または特別な目的のハードウェアとコンピュータ命令の組み合わせを実行する特別な目的のハードウェアベースのシステムによって実装できることにも留意されたい。
本発明の様々な実施形態の説明は、例示の目的で提示されているが、網羅的であることを意図するものではなく、開示される実施形態に限定されることを意図するものでもない。本発明の範囲および精神から逸脱することなく、多くの修正および変更が可能であることは当業者には明らかであろう。本明細書で使用される用語は、実施形態の原理、市場で見られる技術に対する実際の適用または技術的改善を最もよく説明するため、または当業者が本明細書に記載の実施形態を理解できるようにするために選択された。

Claims (20)

  1. コンピュータシステムによって、製造システムのセンサデータを収集することであって、前記センサデータは前記製造システムの対象測定値の時間間隔よりも短い間隔で測定され、前記センサデータは前記対象測定値と関係を有すると判断される、収集することと、
    前記コンピュータシステムによって、前記関係に基づいて、前記時間間隔よりも短い間隔で合成対象測定値を生成することと、
    前記コンピュータシステムによって、前記時間間隔よりも短い前記間隔の中で前記合成対象測定値に基づいて前記対象測定値に対する事前警告を自動的に生成することと、
    を含むコンピュータ実装方法。
  2. 前記製造システムに関連する１つまたは複数の設定値は、前記合成対象測定値に基づいて、前記対象測定値に対する前記事前警告に応じて、自動的に修正される、
    請求項１に記載のコンピュータ実装方法。
  3. 前記製造システムに関連する１つまたは複数の制御コンポーネントは、前記合成対象測定値に基づいて、前記対象測定値に対する前記事前警告に応じて、自動的に修正される、
    請求項１に記載のコンピュータ実装方法。
  4. 前記事前警告は、前記合成対象測定値が予め定められた範囲外であることに応じて生成される、
    請求項１に記載のコンピュータ実装方法。
  5. 前記合成対象測定値を予め定められた範囲内に移動させるために、前記製造システムに変更が加えられる、
    請求項１に記載のコンピュータ実装方法。
  6. 前記対象測定値は、前記製造システムの物理的材料工程における外への流れに対応する品質関連変数であり、前記対象測定値は、等しいサンプル量が時間間隔を通して複数の時点で集められ、前記時間間隔の終わりで測定される容器内で等しいサンプル量を混合し、それによって前記対象測定値を得ることに起因して、非瞬間的で時間集約的な性質を含む、
    請求項１に記載のコンピュータ実装方法。
  7. 前記対象測定値は、サンプルの集約した総量の混成測定値であり、
    前記合成対象測定値は、前記センサデータに基づくある時点の生成値であり、前記サンプルの前記集約した総量の測定値ではなく、前記合成対象測定値は、前記時間間隔内の前記ある時点の個々のサンプル量の状態を表す、
    請求項６に記載のコンピュータ実装方法。
  8. 前記対象測定値は、サンプルの集約した総量の混成測定値であり、
    前記集約した総量を作成する前記等しいサンプル量から前記混成測定値を作る集約関数は、未知であり、前記等しいサンプル量にわたる前記対象測定値の関数として自動的に学習され、
    前記合成対象測定値は、前記センサデータに基づくある時点の生成値であり、前記サンプルの前記集約した総量の測定値ではなく、前記合成対象測定値は、前記時間間隔内の前記ある時点の前記等しいサンプル量の個々のサンプル量の状態を表す、
    請求項６に記載のコンピュータ実装方法。
  9. 前記対象測定値は、サンプルの集約した総量の混成測定値であり、
    前記集約した総量を作成する前記等しいサンプル量から前記混成測定値を作る集約関数は、前記等しいサンプル量にわたる前記対象測定値の平均であることが既知であり、
    前記合成対象測定値は、前記センサデータに基づくある時点の生成値であり、前記サンプルの前記集約した総量の測定値ではなく、前記合成対象測定値は、前記時間間隔内の前記ある時点の前記等しいサンプル量の個々のサンプル量の状態を表す、
    請求項６に記載のコンピュータ実装方法。
  10. 前記対象測定値は、サンプルの集約した総量の混成測定値であり、
    前記集約した総量を作成する前記等しいサンプル量から前記混成測定値を作る集約関数は、前記等しいサンプル量にわたる前記対象測定値のユーザが指定した関数から既知であり、
    前記合成対象測定値は、前記センサデータに基づくある時点の生成値であり、前記サンプルの前記集約した総量の測定値ではなく、前記合成対象測定値は、前記時間間隔内の前記ある時点の前記等しいサンプル量の個々のサンプル量の状態を表す、
    請求項６に記載のコンピュータ実装方法。
  11. コンピュータ可読命令を有するメモリと、
    前記コンピュータ可読命令を実行するための１つまたは複数のプロセッサと、を含み、前記コンピュータ可読命令は、前記１つまたは複数のプロセッサを制御し、動作を実行し、前記動作は、
    製造システムのセンサデータを収集することであって、前記センサデータは前記製造システムの対象測定値の時間間隔よりも短い間隔で測定され、前記センサデータは前記対象測定値と関係を有すると判断される、収集することと、
    前記関係に基づいて、前記時間間隔よりも短い間隔で合成対象測定値を生成することと、
    前記時間間隔よりも短い前記間隔の中で前記合成対象測定値に基づいて前記対象測定値に対する事前警告を自動的に生成することと、
    を含むシステム。
  12. 前記製造システムに関連する１つまたは複数の設定値は、前記合成対象測定値に基づいて、前記対象測定値に対する前記事前警告に応じて、自動的に修正される、
    請求項１１に記載のシステム。
  13. 前記製造システムに関連する１つまたは複数の制御コンポーネントは、前記合成対象測定値に基づいて、前記対象測定値に対する前記事前警告に応じて、自動的に修正される、
    請求項１１に記載のシステム。
  14. 前記事前警告は、前記合成対象測定値が予め定められた範囲外であることに応じて生成される、
    請求項１１に記載のシステム。
  15. 前記合成対象測定値を予め定められた範囲内に移動させるために、前記製造システムに変更が加えられる、
    請求項１１に記載のシステム。
  16. 前記対象測定値は、前記製造システムの物理的材料工程における外への流れに対応する品質関連変数であり、前記対象測定値は、等しいサンプル量が時間間隔を通して複数の時点で集められ、前記時間間隔の終わりで測定される容器内で等しいサンプル量を混合し、それによって前記対象測定値を得ることに起因して、非瞬間的で時間集約的な性質を含む、
    請求項１１に記載のシステム。
  17. 前記対象測定値は、サンプルの集約した総量の混成測定値であり、
    前記合成対象測定値は、前記センサデータに基づくある時点の生成値であり、前記サンプルの前記集約した総量の測定値ではなく、前記合成対象測定値は、前記時間間隔内の前記ある時点の個々のサンプル量の状態を表す、
    請求項１６に記載のシステム。
  18. 実装されたプログラム命令を有するコンピュータ可読記憶媒体を含むコンピュータプログラム製品であって、前記プログラム命令はプロセッサによって実行可能であり、前記プロセッサに、動作を実行させ、前記動作は、
    製造システムのセンサデータを収集することであって、前記センサデータは前記製造システムの対象測定値の時間間隔よりも短い間隔で測定され、前記センサデータは前記対象測定値と関係を有すると判断される、収集することと、
    前記関係に基づいて、前記時間間隔よりも短い間隔で合成対象測定値を生成することと、
    前記時間間隔よりも短い前記間隔の中で前記合成対象測定値に基づいて前記対象測定値に対する事前警告を自動的に生成することと、
    を含むコンピュータプログラム製品。
  19. 前記製造システムに関連する１つまたは複数の設定値は、前記合成対象測定値に基づいて、前記対象測定値に対する前記事前警告に応じて、自動的に修正される、
    請求項１８に記載のコンピュータプログラム製品。
  20. 前記製造システムに関連する１つまたは複数の制御コンポーネントは、前記合成対象測定値に基づいて、前記対象測定値に対する前記事前警告に応じて、自動的に修正される、
    請求項１８に記載のコンピュータプログラム製品。
JP2023549045A 2021-02-17 2022-02-15 主要性能指標変数の継続的な監視、事前警告、および制御 Pending JP2024507796A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/177,434 2021-02-17
US17/177,434 US20220260977A1 (en) 2021-02-17 2021-02-17 Continous monitoring, advance alerts, and control of key performance indicator variables
PCT/CN2022/076333 WO2022174761A1 (en) 2021-02-17 2022-02-15 Continous monitoring, advance alerts, and control of key performance indicator variables

Publications (1)

Publication Number Publication Date
JP2024507796A true JP2024507796A (ja) 2024-02-21

Family

ID=82801170

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023549045A Pending JP2024507796A (ja) 2021-02-17 2022-02-15 主要性能指標変数の継続的な監視、事前警告、および制御

Country Status (6)

Country Link
US (1) US20220260977A1 (ja)
JP (1) JP2024507796A (ja)
CN (1) CN116848479A (ja)
DE (1) DE112022000483T5 (ja)
GB (1) GB2618755A (ja)
WO (1) WO2022174761A1 (ja)

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7687039B2 (en) * 1998-10-28 2010-03-30 Covaris, Inc. Methods and systems for modulating acoustic energy delivery
US6748334B1 (en) * 1999-12-06 2004-06-08 Jorge E. Perez Specialty gas analysis system
DE102005035735B4 (de) * 2005-07-29 2007-08-16 Advanced Micro Devices, Inc., Sunnyvale Verfahren und System zum Abschätzen eines Zustands einer nicht initialisierten fortschrittlichen Prozesssteuerung durch Anwendung unterteilter Steuerungsdaten
US9618438B2 (en) * 2009-09-09 2017-04-11 ClearCorp System and method for analyzing water samples in a water processing facility
US8732627B2 (en) * 2012-06-18 2014-05-20 International Business Machines Corporation Method and apparatus for hierarchical wafer quality predictive modeling
WO2014035432A2 (en) * 2012-08-31 2014-03-06 Nest Labs, Inc. Dynamic distributed-sensor network for forecasting external events
JP6348137B2 (ja) * 2016-03-24 2018-06-27 ファナック株式会社 工作物の良否を判定する加工機械システム
US10795337B2 (en) * 2016-06-01 2020-10-06 Incucomm, Inc. Predictive and prescriptive analytics for systems under variable operations
CN108983731A (zh) * 2018-08-21 2018-12-11 维尼健康（深圳）股份有限公司 一种湿巾智能制造系统
CA3139505A1 (en) * 2019-05-06 2020-11-12 Strong Force Iot Portfolio 2016, Llc Platform for facilitating development of intelligence in an industrial internet of things system
US11755689B2 (en) * 2019-06-24 2023-09-12 Intel Corporation Methods, systems, articles of manufacture and apparatus to manage process excursions

Also Published As

Publication number Publication date
US20220260977A1 (en) 2022-08-18
WO2022174761A1 (en) 2022-08-25
GB2618755A (en) 2023-11-15
DE112022000483T5 (de) 2023-12-07
CN116848479A (zh) 2023-10-03
GB202313623D0 (en) 2023-10-25

Similar Documents

Publication Publication Date Title
US12013680B2 (en) Adaptive distributed analytics system
AU2016310529B2 (en) Edge intelligence platform, and internet of things sensor streams system
US10007513B2 (en) Edge intelligence platform, and internet of things sensor streams system
US9690553B1 (en) Identifying software dependency relationships
Baldan et al. A forecasting methodology for workload forecasting in cloud systems
US10949116B2 (en) Storage resource capacity prediction utilizing a plurality of time series forecasting models
US11283863B1 (en) Data center management using digital twins
KR20220154827A (ko) 비-선형 특성들을 갖는 성능 저하 예측
US10935970B2 (en) Electrical device degradation determination
US20210097433A1 (en) Automated problem detection for machine learning models
US10459826B2 (en) Run time workload threshold alerts for customer profiling visualization
US11411886B1 (en) Automatic cluster scaling based on varying workloads
JP2024505415A (ja) 大規模クラウド・コンピューティング・システムのヘルスステータスのモニタリング
JP2024507796A (ja) 主要性能指標変数の継続的な監視、事前警告、および制御
US11169905B2 (en) Testing an online system for service oriented architecture (SOA) services
US20170115658A1 (en) Use of Multivariate Models to Control Manufacturing Operations
US20220245393A1 (en) Dynamic evaluation of model acceptability
US20220121548A1 (en) Determining influence of applications on system performance
US20180004629A1 (en) Run time smf/rmf statistical formula methodology for generating enhanced workload data points for customer profiling visualization
US20230092253A1 (en) Interpolating performance data
Martínez López Development of machine learning strategies for fault diagnosis in virtual plants (digital twin)
US11599690B2 (en) Wafer asset modeling using language processing methods
Lněnička Cloud based testing of business applications and web services
Hüls et al. A Modular Environment to Test SCADA Solutions for Wind Parks
Sankaran et al. Analysis of Workloads for Cloud Services

Legal Events

Date Code Title Description
RD16 Notification of change of power of sub attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7436

Effective date: 20231006

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240718