JP5331286B2 - バッチ特性推定のための装置及び方法 - Google Patents
バッチ特性推定のための装置及び方法 Download PDFInfo
- Publication number
- JP5331286B2 JP5331286B2 JP2004160462A JP2004160462A JP5331286B2 JP 5331286 B2 JP5331286 B2 JP 5331286B2 JP 2004160462 A JP2004160462 A JP 2004160462A JP 2004160462 A JP2004160462 A JP 2004160462A JP 5331286 B2 JP5331286 B2 JP 5331286B2
- Authority
- JP
- Japan
- Prior art keywords
- batch process
- model
- estimate
- characteristic
- time
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 138
- 238000010923 batch production Methods 0.000 claims abstract description 309
- 238000006243 chemical reaction Methods 0.000 claims abstract description 121
- 238000013528 artificial neural network Methods 0.000 claims description 50
- 238000003860 storage Methods 0.000 claims description 47
- 230000008569 process Effects 0.000 claims description 41
- 230000015654 memory Effects 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 25
- 238000006073 displacement reaction Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 40
- 230000000875 corresponding effect Effects 0.000 description 32
- 238000010924 continuous production Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000004886 process control Methods 0.000 description 9
- 230000002457 bidirectional effect Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000002023 wood Substances 0.000 description 3
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 2
- 229920002522 Wood fibre Polymers 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000036632 reaction speed Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000002025 wood fiber Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 description 1
- 238000012369 In process control Methods 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 229920001131 Pulp (paper) Polymers 0.000 description 1
- 229930003268 Vitamin C Natural products 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000010965 in-process control Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229920005610 lignin Polymers 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- 230000003863 physical function Effects 0.000 description 1
- 238000004537 pulping Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 235000019154 vitamin C Nutrition 0.000 description 1
- 239000011718 vitamin C Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- 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
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Description
図1は例示のプロセスプラント10のブロックダイヤグラムである。プロセスプラント10は、一又はそれ以上のノード12,14,16,18及び20を含んでいる。図1の例示のプロセスプラント10では、ノード12,14及び16のそれぞれは、例えばFoundation Fieldbusインターフェイス、HARTインターフェイスなどであり得る入力/出力(I/O)デバイス24を介して一又はそれ以上のフィールドデバイス22及び23に接続されたプロセスコントローラ12a,14a,16aを含んでいる。また、コントローラ12a,14a及び16aは、ネットワーク30を介してノード18及び20内の一又はそれ以上のホスト又はオペレータワークステーション18a及び20aに接続され、このネットワーク30は、例えばバス、イーサネット(R)LANのような有線のローカルエリアネットワーク(LAN)、無線LAN、ワイドエリアネットワーク(WAN)、インターネットなどの一又はそれ以上を有している。コントローラノード12,14,16及び入力/出力並びにこれに関連するフィールドデバイス22,23及び24は、時には過酷なプラント環境の全体に典型的に位置し及び分散しているが、オペレータワークステーションノード18及び20は、通常、制御室又は他のあまり過酷でない環境に配置され制御要員によって容易にアクセスされ得る。
図4は、バッチプロセスの現在の特性の推定に関連する情報の流れを示すブロックダイヤグラムである。バッチプロセス104に関連する情報は、バッチ特性推定器108に提供される。バッチプロセス情報は、例えば、バッチプロセスの開始の時間又は表示、バッチプロセスが存在する容器のサイズ、原料及び/又は触媒の初期量などの初期状態、温度、圧力などの測定状態、バッチプロセスの開始からの経過時間などを含み得る。バッチプロセス情報に基づいて、バッチ特性推定器108は、現在のバッチプロセス特性の推定値を生成する。バッチ特性推定器108は、次にその推定値をユーザに提示するためにユーザインターフェイス112に送る。
図6はバッチ特性推定器の一参考形態のブロックダイヤグラムである。バッチ特性推定器200は、積分器208に通信可能に接続されたニューラルネットワーク204を有している。ニューラルネットワーク204は、例えば初期状態情報、測定状態情報、バッチプロセスの経過時間などを含むバッチプロセス情報を入力として受け取る。ニューラルネットワークは、反応速度の推定値を生成するようにトレーニングされており、ここで、反応速度は注目しているバッチ特性に関連している。ニューラルネットワーク204は、その入力で受け取った情報に基づいて反応速度の推定値を生成する。ニューラルネットワーク204のトレーニングは、以下に記述される。
12 プロセス制御ノード
12a プロセスコントローラ
14 プロセス制御ノード
14a プロセスコントローラ
16 プロセス制御ノード
16a プロセスコントローラ
18 オペレータワークステーションノード
18a オペレータワークステーション
20 オペレータワークステーションノード
20a オペレータワークステーション
22 フィールドデバイス
23 フィールドデバイス
24 I/Oデバイス
30 ネットワーク
32 構成データベース
40 プロセッサ
44 揮発性メモリ
48 不揮発性メモリ
52 コントローラI/Oデバイス
56 アドレス/データバス
60 双方向バッファ
64 双方向バス
68 双方向バス
70 プロセッサ
74 揮発性メモリ
78 不揮発性メモリ
82 ワークステーションI/Oデバイス
86 アドレス/データバス
90 ディスプレイ
94 ユーザ入力デバイス
104 バッチプロセス
108 バッチ特性推定器
112 ユーザインターフェイス
200 バッチ特性推定器
204 ニューラルネットワーク
208 積分器
212 ラッチ
300 バッチ特性推定器
304 モデル反応速度格納部
308 加算器
312 積分器
316 加算器
320 除算器
324 加算器
400 バッチ特性推定器
404 モデルバッチ特性格納部
408 加算器
416 モデル反応速度格納部
500 バッチ特性推定器
504 乗算器
Claims (51)
- バッチプロセスの制御のための方法であって、該方法は、
ノンパラメトリックモデルを使用して現在のバッチプロセスに関連する反応速度の推定値を決定するステップと、
前記現在のバッチプロセスの間の特定の時間(以下、第1の特定時間という)での現在のバッチプロセスの特性の推定値を決定するステップであって、当該特性の推定値は、前記ノンパラメトリックモデルを使用して決定した現在のバッチプロセスに関連した前記反応速度の推定値に基づいている、ステップと、
前記現在のバッチプロセスの間の前記第1の特定の時間での現在のバッチプロセスの特性の推定値と、前記現在のバッチプロセスの前記第1の特定の時間に対応するモデルバッチプロセスの間の特定の時間(以下、第2の特定時間という)における前記モデルバッチプロセスの特性との間の差を決定するステップであって、前記モデルバッチプロセスが既に完了した模範的なバッチプロセスである、ステップと、
前記現在のバッチプロセスの特性の推定値と、前記モデルバッチプロセスの特性との間の差に基づいて前記現在のバッチプロセスを制御するステップと
を包含している方法。 - 請求項1記載の方法であって、前記現在のバッチプロセスの特性の推定値を決定するステップは、前記反応速度の推定値を積分するステップを包含している方法。
- 請求項2記載の方法であって、前記反応速度の推定値を積分するステップは、前記反応速度の推定値を積算するステップを包含している方法。
- 請求項1記載の方法であって、前記ノンパラメトリックモデルは、ニューラルネットワークを包含している方法。
- 請求項1記載の方法であって、前記現在のバッチプロセスの特性の推定値と前記モデルバッチプロセスの特性との間の差を決定するステップは、
前記現在のバッチプロセスの反応速度の推定値と前記モデルバッチプロセスの反応速度の推定値との差を決定するステップと、
前記現在のバッチプロセスの反応速度の推定値と前記モデルバッチプロセスの反応速度の推定値との間の差を積分するステップと
を包含している方法。 - 請求項1記載の方法であって、前記現在のバッチプロセスの特性の推定値と前記モデルバッチプロセスの特性との間の差を決定するステップは、前記第1の特定の時間での前記現在のバッチプロセスの特性の推定値を、前記第1の特定の時間に対応する前記モデルバッチプロセスの間の前記第2の特定の時間でのモデルバッチプロセスの特性から差し引くステップを包含している方法。
- 請求項6記載の方法であって、前記第1の特定時間に対応するモデルバッチプロセスの間の前記第2の特定の時間でのモデルバッチプロセスの特性は、推定された特性である方法。
- 請求項6記載の方法であって、前記第1の特定時間に対応するモデルバッチプロセスの間の前記第2の特定の時間でのモデルバッチプロセスの特性は、測定された特性である方法。
- 請求項1記載の方法であって、前記第1の特定の時間での前記現在のバッチプロセスの特性の推定値と前記第1の特定の時間に対応するモデルバッチプロセスの間の前記第2の特定の時間でのモデルバッチプロセスの特性との間の差に基づいて、前記現在のバッチプロセスの終了時間での予想される終了特性を決定するステップを更に包含している方法。
- 請求項9記載の方法であって、前記現在のバッチプロセスの終了時間での予想される終了特性を決定するステップが、前記現在のバッチプロセスの終了時間での望ましいバッチ特性を、前記第1の特定の時間での現在のバッチプロセスの特性の推定値と前記第1の特定時間に対応するモデルバッチプロセスの間の前記第2の特定の時間でのモデルバッチプロセスの特性との間の差に加えるステップを包含している方法。
- 請求項10記載の方法であって、前記現在のバッチプロセスの特性が望ましい値に到達する実際の時間と、前記現在のバッチプロセスが望ましい値に到達する予定された時間とのズレの推定値を決定するステップを更に包含している方法。
- 請求項11記載の方法であって、前記ズレの推定値を決定するステップは、前記第1の特定の時間での現在のバッチプロセスの特性の推定値と前記第1の特定の時間に対応するモデルバッチプロセスの間の前記第2の特定の時間でのモデルバッチプロセスの特性との間の差の推定値を決定するステップを包含している方法。
- 請求項12記載の方法であって、前記ズレの推定値を決定するステップは、前記現在のバッチプロセスの特性の推定値とモデルバッチプロセスの特性との間の差の推定値を、前記モデルバッチプロセスの反応速度の推定値で除算するステップを更に包含している方法。
- 請求項13記載の方法であって、前記モデルバッチプロセスの反応速度の推定値は、前記モデルバッチプロセスの終了近くでのモデルバッチプロセスの反応速度の推定値である方法。
- 請求項13記載の方法であって、前記モデルバッチプロセスの反応速度の推定値は、前記第1の特定の時間に対応するモデルバッチプロセスの間の前記第2の特定の時間でのモデルバッチプロセスの反応速度の推定値である方法。
- 請求項11記載の方法であって、前記ズレの推定値に基づいて、前記現在のバッチプロセスの特性が望ましい値に到達するまでの推定された残り時間を決定するステップを更に包含している方法。
- 請求項16記載の方法であって、前記推定された残り時間を決定するステップは、前記ズレの推定値と経過時間とを前記予定時間から差し引くステップを更に包含している方法。
- 請求項1記載の方法であって、前記反応速度の推定値を利得調整値に乗算するステップを更に包含している方法。
- 請求項1記載の方法であって、前記反応速度の推定値にオフセット調整値を加えるステップを更に包含している方法。
- 請求項19記載の方法であって、前記反応速度の推定値を利得調整値に乗算するステップを更に包含している方法。
- 請求項1記載の方法であって、更に、ノンパラメトリックモデルをトレーニングするための方法を含み、該ノンパラメトリックモデルをトレーニングするための方法は、
ノンパラメトリックモデルを初期化するステップと、
前記現在のバッチプロセスに対応するトレーニングレコードを使用して、前記ノンパラメトリックモデルについての反応速度の推定値を生成するステップと、
複数の前記反応速度の推定値に基づいて、前記現在のバッチプロセスの終了特性の推定値を生成するステップと、
誤差を生成するために、前記終了特性の推定値を前記現在のバッチプロセスの測定された終了特性と比較するステップと、
前記誤差に基づいてノンパラメトリックモデルを調整するステップと
を包含している方法。 - 請求項22記載の方法であって、前記ノンパラメトリックモデルは、複数の重みを有するニューラルネットワークを備え、
前記ノンパラメトリックモデルを初期化するステップは、前記複数の重みを初期化するステップを含み、
前記ノンパラメトリックモデルを調整するステップは、前記複数の重みを調整するステップを含んでいる方法。 - 請求項21記載の方法であって、前記現在のバッチプロセスの終了特性の推定値を生成するステップは、前記反応速度の推定値を積分するステップを包含している方法。
- 請求項21記載の方法であって、複数のバッチプロセスに対応する複数の終了特性の推定値と、前記複数のバッチプロセスに対応する複数の終了特性の測定値とに基づいて、利得調整値を決定するステップを更に包含し、前記複数の終了特性の推定値がノンパラメトリックモデルによって生成される方法。
- 請求項21記載の方法であって、
複数のバッチプロセスに対応する複数の終了特性の推定値と、前記複数のバッチプロセスに対応する複数の終了特性の測定値とに基づいて、複数の誤差を決定するステップであって、前記複数の終了特性の推定値がノンパラメトリックモデルによって生成されるステップと、
前記複数の誤差に基づいてオフセット調整値を決定するステップと
を更に包含している方法。 - 現在のバッチプロセスに関連するデータを受け取り、前記現在のバッチプロセスに関連する複数の反応速度の推定値を生成するように構成されたノンパラメトリックモデルと、
前記ノンパラメトリックモデルに接続され、前記現在のバッチプロセスに関連する前記複数の反応速度の推定値を積分して、前記現在のバッチプロセスの間の特定の時間(以下、第1の特定時間という)での前記現在のバッチプロセスの特性の推定値を生成する第1の積分器と、
モデルバッチプロセスが既に完了した模範的なバッチプロセスであり、且つ前記現在のバッチプロセスの前記第1の特定の時間に対応する前記モデルバッチプロセスの間の特定の時間(以下、第2の特定の時間という)における前記モデルバッチプロセスの特性に対する前記現在のバッチプロセスの間の前記第1の特定の時間での現在のバッチプロセスの特性の推定値の差を生成するための特性差生成器と、
前記現在のバッチプロセスの特性の推定値と、前記モデルバッチプロセスの特性との間の差に基づいて前記現在のバッチプロセスを制御するコントローラと
を備えているバッチプロセスコントローラ。 - 請求項26記載のバッチプロセスコントローラであって、前記現在のバッチプロセスの終了の表示を受け取った際における当該現在のバッチプロセスの特性の推定値を前記現在のバッチプロセスの終了特性の推定値として格納するための、前記第1の積分器に接続されたメモリを更に備えているバッチプロセスコントローラ。
- 請求項26記載のバッチプロセスコントローラであって、前記特性差生成器は、
前記複数の反応速度の推定値に対応するモデルバッチプロセスの反応速度の推定値を生成するためのモデル反応速度格納部と、
該モデル反応速度格納部と前記ノンパラメトリックモデルとに接続され、前記複数の反応速度の推定値を前記モデルバッチプロセスの反応速度の推定値から差し引いて、複数の反応速度の差を生成するための第1の加算器と、
該加算器に接続され、前記複数の反応速度の差を積分して、前記第1の特定の時間での前記現在のバッチプロセスの特性の推定値の、前記第1の特定の時間に対応する前記第2の特定の時間でのモデルバッチプロセスの特性との差を生成する第2の積分器と
を備えているバッチプロセスコントローラ。 - 請求項26記載のバッチプロセスコントローラであって、前記特性差生成器は、
前記第1の特定の時間での前記現在のバッチプロセスの特性の推定値に対応するモデルバッチプロセスの特性を生成するためのモデルバッチ特性格納部と、
該モデルバッチ特性格納部と前記第1の積分器とに接続され、前記第1の特定の時間での前記現在のバッチプロセスの特性の推定値を、前記モデルバッチプロセスの特性から差し引くための加算器と
を備えているバッチプロセスコントローラ。 - 請求項26記載のバッチプロセスコントローラであって、前記特性差生成器に接続され、前記第1の特定の時間での前記現在のバッチプロセスの特性の推定値の、前記第1の特定の時間に対応する時間でのモデルバッチプロセスの特性との差に基づいて予定される終了時間での予想される前記現在のバッチプロセスの特性を生成するための予想終了特性生成器を更に備えているバッチプロセスコントローラ。
- 請求項30記載のバッチプロセスコントローラであって、前記予想終了特性生成器は、前記現在のバッチプロセスの特性の推定値の差を前記終了時間での現在のバッチプロセスの望ましい特性に加えるための加算器を有しているバッチプロセスコントローラ。
- 請求項26記載のバッチプロセスコントローラであって、前記特性差生成器に接続され、前記第1の特定の時間での前記現在のバッチプロセスの特性の推定値の、前記第1の特定の時間に対応する時間での前記モデルバッチプロセスの特性との差に基づいて、前記現在のバッチプロセスの特性が望ましい値に到達する実際の時間と、前記現在のバッチプロセスの特性が望ましい値に到達する予定の時間との間のズレの推定値を生成するための時間ズレ生成器を更に備えているバッチプロセスコントローラ。
- 請求項32記載のバッチプロセスコントローラであって、前記時間ズレ生成器は、
前記モデルバッチプロセスの反応速度の推定値を生成するためのモデル反応速度格納部と、
該モデル反応速度格納部と前記特性差生成器とに接続され、前記特性の推定値の差を前記モデルバッチプロセスの反応速度の推定値で除算して、前記ズレの推定値を生成する除算器と
を備えているバッチプロセスコントローラ。 - 請求項33記載のバッチプロセスコントローラであって、前記モデルバッチプロセスの反応速度の推定値は、前記第1の特定の時間に対応する時間での前記モデルバッチプロセスの反応速度の推定値を包含しているバッチプロセスコントローラ。
- 請求項33記載のバッチプロセスコントローラであって、前記モデルバッチプロセスの反応速度の推定値は、前記モデルバッチプロセスの終了近くのモデルバッチプロセスの反応速度の推定値を包含しているバッチプロセスコントローラ。
- 請求項32記載のバッチプロセスコントローラであって、前記時間ズレ生成器に接続され、前記ズレの推定値に基づいて、前記現在のバッチプロセスが望ましい値に到達するまでの推定された残り時間を生成するための推定残り時間生成器を更に備えているバッチプロセスコントローラ。
- 請求項36記載のバッチプロセスコントローラであって、前記推定残り時間生成器は、前記ズレの推定値と前記現在のバッチプロセスの経過時間を予定される終了時間から差し引く加算器を備えているバッチプロセスコントローラ。
- 請求項26記載のバッチプロセスコントローラであって、前記ノンパラメトリックモデルはニューラルネットワークを包含しているバッチプロセスコントローラ。
- 請求項1記載の方法であって、更に、
前記反応速度の推定値に基づいて前記現在のバッチプロセスに関連する推定データを決定するステップであって、前記現在のバッチプロセスに関連する推定データは、前記第1の特定の時間での前記現在のバッチプロセスの特性の推定値及び前記第1の特定の時間での特性の推定値と当該第1の特定時間に対応する前記モデルバッチプロセスの間の前記第2の特定の時間でのモデルバッチプロセスの特性との差の推定値の少なくとも一つを含んでいる、ステップと、
前記バッチプロセスの制御を容易化するために前記推定データを使用するステップと
を包含している方法。 - 請求項39記載の方法であって、前記推定データを使用するステップは、前記推定データに基づいて追加の推定データを決定するステップを包含している方法。
- 請求項40記載の方法であって、前記追加の推定データは、予定される終了時間での予想される前記現在のバッチプロセスの特性を包含している方法。
- 請求項40記載の方法であって、前記追加の推定データは、前記現在のバッチプロセスの特性が望ましい値に到達する実際の時間と前記現在のバッチプロセスの特性が望ましい値に到達する予定の時間との間のズレの推定値を包含している方法。
- 請求項40記載の方法であって、前記追加の推定データは、前記現在のバッチプロセスの特性が望ましい値に到達するであろうと推定される時間に関連するデータを包含している方法。
- 請求項40記載の方法であって、前記追加の推定データは、前記現在のバッチプロセスの特性が望ましい値に到達するまでの推定された残り時間を包含している方法。
- 請求項40記載の方法であって、前記バッチプロセスの制御を容易化するために前記追加の推定データを使用するステップを更に包含している方法。
- 請求項45記載の方法であって、前記追加の推定データを使用するステップは、前記追加の推定データの少なくとも幾つかをディスプレイデバイス上に表示するステップを包含している方法。
- 請求項45記載の方法であって、前記追加の推定データを使用するステップは、前記バッチプロセスの制御に関連するコントローラに、前記追加の推定データの少なくとも幾つかを提供するステップを包含している方法。
- 請求項47記載の方法であって、前記推定データを使用するステップは、前記コントローラを介して前記バッチプロセスを制御するために、前記推定データの少なくとも幾つかを使用するステップを更に包含している方法。
- 請求項39記載の方法であって、前記推定データを使用するステップは、前記推定データの少なくとも幾つかをディスプレイデバイス上に表示するステップを包含している方法。
- 請求項39記載の方法であって、前記推定データを使用するステップは、前記バッチプロセスの制御に関連するコントローラに前記推定データの少なくとも幾つかを提供するステップを包含している方法。
- 請求項50記載の方法であって、前記推定データを使用するステップは、前記コントローラを介して前記バッチプロセスを制御するために前記推定データの少なくとも幾つかを使用するステップを更に包含している方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/449,437 US7242989B2 (en) | 2003-05-30 | 2003-05-30 | Apparatus and method for batch property estimation |
US10/449,437 | 2003-05-30 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012087851A Division JP5476418B2 (ja) | 2003-05-30 | 2012-04-06 | バッチ特性推定のための装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2005004742A JP2005004742A (ja) | 2005-01-06 |
JP5331286B2 true JP5331286B2 (ja) | 2013-10-30 |
Family
ID=32655764
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004160462A Active JP5331286B2 (ja) | 2003-05-30 | 2004-05-31 | バッチ特性推定のための装置及び方法 |
JP2012087851A Active JP5476418B2 (ja) | 2003-05-30 | 2012-04-06 | バッチ特性推定のための装置及び方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012087851A Active JP5476418B2 (ja) | 2003-05-30 | 2012-04-06 | バッチ特性推定のための装置及び方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7242989B2 (ja) |
JP (2) | JP5331286B2 (ja) |
CN (1) | CN1573624B (ja) |
DE (1) | DE102004025876B4 (ja) |
GB (1) | GB2402232B (ja) |
HK (1) | HK1067415A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6662061B1 (en) * | 1997-02-07 | 2003-12-09 | Peter G. Brown | System and method for simulation and modeling of batch process manufacturing facilities using process time lines |
US7242989B2 (en) * | 2003-05-30 | 2007-07-10 | Fisher-Rosemount Systems, Inc. | Apparatus and method for batch property estimation |
US7877154B2 (en) | 2005-09-30 | 2011-01-25 | Fisher-Rosemount Systems, Inc. | Method and system for controlling a batch process |
US8756039B2 (en) * | 2010-03-02 | 2014-06-17 | Fisher-Rosemount Systems, Inc. | Rapid process model identification and generation |
US9447963B2 (en) | 2010-08-16 | 2016-09-20 | Emerson Process Management Power & Water Solutions, Inc. | Dynamic tuning of dynamic matrix control of steam temperature |
US9335042B2 (en) | 2010-08-16 | 2016-05-10 | Emerson Process Management Power & Water Solutions, Inc. | Steam temperature control using dynamic matrix control |
US9217565B2 (en) | 2010-08-16 | 2015-12-22 | Emerson Process Management Power & Water Solutions, Inc. | Dynamic matrix control of steam temperature with prevention of saturated steam entry into superheater |
US9163828B2 (en) | 2011-10-31 | 2015-10-20 | Emerson Process Management Power & Water Solutions, Inc. | Model-based load demand control |
US11614733B2 (en) * | 2018-04-30 | 2023-03-28 | Aspentech Corporation | Computer system and method for automated batch data alignment in batch process modeling, monitoring and control |
US11069926B1 (en) * | 2019-02-14 | 2021-07-20 | Vcritonc Alpha, Inc. | Controlling ongoing battery system usage via parametric linear approximation |
US11526155B2 (en) | 2020-07-30 | 2022-12-13 | Aspentech Corporation | Computer system and method for batch data alignment with active learning in batch process modeling, monitoring, and control |
US11256594B1 (en) * | 2020-08-04 | 2022-02-22 | Salesforce.Com, Inc. | Method and apparatus for estimating a time to perform an operation on a prospective data set in a cloud based computing environment |
Family Cites Families (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3939328A (en) * | 1973-11-06 | 1976-02-17 | Westinghouse Electric Corporation | Control system with adaptive process controllers especially adapted for electric power plant operation |
GB1583545A (en) | 1976-08-04 | 1981-01-28 | Martin Sanchez J | Control systems |
US4054780A (en) | 1976-11-01 | 1977-10-18 | Phillips Petroleum Company | Gain-adaptive process control |
US4733733A (en) | 1986-02-11 | 1988-03-29 | Nl Industries, Inc. | Method of controlling the direction of a drill bit in a borehole |
US5166873A (en) | 1989-09-13 | 1992-11-24 | Yokogawa Electric Corporation | Process control device |
US5111531A (en) | 1990-01-08 | 1992-05-05 | Automation Technology, Inc. | Process control using neural network |
US5248577A (en) | 1990-08-13 | 1993-09-28 | Eastman Kodak Company | Reactant concentration control method and apparatus for precipitation reactions |
JP2539540B2 (ja) | 1990-09-19 | 1996-10-02 | 株式会社日立製作所 | プロセス制御装置 |
US5687077A (en) | 1991-07-31 | 1997-11-11 | Universal Dynamics Limited | Method and apparatus for adaptive control |
US5402333A (en) | 1992-06-15 | 1995-03-28 | E. I. Du Pont De Nemours & Co., Inc. | System and method for improving model product property estimates |
JPH0655062A (ja) * | 1992-08-05 | 1994-03-01 | Sumitomo Chem Co Ltd | 反応特性算定装置及び該装置を用いた反応器設計方法 |
US5740033A (en) * | 1992-10-13 | 1998-04-14 | The Dow Chemical Company | Model predictive controller |
US5664066A (en) * | 1992-11-09 | 1997-09-02 | The United States Of America As Represented By The United States Department Of Energy | Intelligent system for automatic feature detection and selection or identification |
CA2149913A1 (en) | 1992-11-24 | 1994-06-09 | James David Keeler | Method and apparatus for operating a neural network with missing and/or incomplete data |
US5539638A (en) | 1993-08-05 | 1996-07-23 | Pavilion Technologies, Inc. | Virtual emissions monitor for automobile |
DE4338608B4 (de) | 1993-11-11 | 2005-10-06 | Siemens Ag | Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System |
US5442562A (en) | 1993-12-10 | 1995-08-15 | Eastman Kodak Company | Method of controlling a manufacturing process using multivariate analysis |
FR2721123B1 (fr) | 1994-06-08 | 1996-09-06 | Digilog | Procédé et système pour l'estimation optimale non linéaire des processus dynamique en temps réel. |
US5519605A (en) | 1994-10-24 | 1996-05-21 | Olin Corporation | Model predictive control apparatus and method |
US5659667A (en) | 1995-01-17 | 1997-08-19 | The Regents Of The University Of California Office Of Technology Transfer | Adaptive model predictive process control using neural networks |
US5680409A (en) | 1995-08-11 | 1997-10-21 | Fisher-Rosemount Systems, Inc. | Method and apparatus for detecting and identifying faulty sensors in a process |
JP3108359B2 (ja) * | 1996-03-05 | 2000-11-13 | 出光興産株式会社 | 石油製品の性状推定装置 |
US5752007A (en) | 1996-03-11 | 1998-05-12 | Fisher-Rosemount Systems, Inc. | System and method using separators for developing training records for use in creating an empirical model of a process |
US5877954A (en) | 1996-05-03 | 1999-03-02 | Aspen Technology, Inc. | Hybrid linear-neural network process control |
US5727128A (en) | 1996-05-08 | 1998-03-10 | Fisher-Rosemount Systems, Inc. | System and method for automatically determining a set of variables for use in creating a process model |
US5822220A (en) | 1996-09-03 | 1998-10-13 | Fisher-Rosemount Systems, Inc. | Process for controlling the efficiency of the causticizing process |
WO1998037504A1 (en) | 1997-02-07 | 1998-08-27 | Brown Peter G | System and method for simulation and modeling of biopharmaceutical batch process manufacturing facilities |
US6983229B2 (en) | 1997-06-20 | 2006-01-03 | Brown Peter G | Method for scheduling solution preparation in biopharmaceutical batch process manufacturing |
US7043414B2 (en) | 1997-06-20 | 2006-05-09 | Brown Peter G | System and method for simulating, modeling and scheduling of solution preparation in batch process manufacturing facilities |
US20010044710A1 (en) | 1997-06-20 | 2001-11-22 | Peter G. Brown | System and method for simulation, modeling and scheduling of equipment preparation in biopharmaceutical batch process manufacturing facilities |
US20010018643A1 (en) | 1997-06-20 | 2001-08-30 | Peter G. Brown | Method and computer program product for simulating quality control sampling in biopharmaceutical batch process manufacturing |
US6311093B1 (en) | 1997-06-20 | 2001-10-30 | Peter G. Brown | System and method for simulation, modeling and scheduling of equipment maintenance and calibration in biopharmaceutical batch process manufacturing facilities |
US6106785A (en) * | 1997-06-30 | 2000-08-22 | Honeywell Inc. | Polymerization process controller |
DE19727795C1 (de) * | 1997-06-30 | 1998-12-17 | Siemens Ag | Verfahren und Anordnung zur neuronalen Modellierung einer Prozeßgröße und Steuerung des Prozesses mit dieser Größe |
US6088630A (en) | 1997-11-19 | 2000-07-11 | Olin Corporation | Automatic control system for unit operation |
US6122557A (en) | 1997-12-23 | 2000-09-19 | Montell North America Inc. | Non-linear model predictive control method for controlling a gas-phase reactor including a rapid noise filter and method therefor |
JPH11351049A (ja) * | 1998-06-10 | 1999-12-21 | Matsushita Electric Ind Co Ltd | パラメータ推定制御装置 |
US6408227B1 (en) | 1999-09-29 | 2002-06-18 | The University Of Iowa Research Foundation | System and method for controlling effluents in treatment systems |
US6490501B1 (en) | 1999-10-06 | 2002-12-03 | Bell Helicopter Textron Inc. | Cure monitoring and control system |
US6484133B1 (en) | 2000-03-31 | 2002-11-19 | The University Of Chicago | Sensor response rate accelerator |
US6760716B1 (en) | 2000-06-08 | 2004-07-06 | Fisher-Rosemount Systems, Inc. | Adaptive predictive model in a process control system |
WO2002019602A2 (en) | 2000-09-01 | 2002-03-07 | Fred Hutchinson Cancer Research Center | Statistical modeling to analyze large data arrays |
JP2002358120A (ja) * | 2001-06-04 | 2002-12-13 | Mitsubishi Chemicals Corp | バッチプラント運転管理装置 |
AU2002305889A1 (en) | 2001-06-08 | 2002-12-23 | Netuitive, Inc. | Automated analyzers for estimation systems |
DE10196768D2 (de) * | 2001-08-14 | 2004-07-01 | Infineon Technologies Ag | Photodiodenanordnung mit zwei Photodioden |
US7242989B2 (en) * | 2003-05-30 | 2007-07-10 | Fisher-Rosemount Systems, Inc. | Apparatus and method for batch property estimation |
-
2003
- 2003-05-30 US US10/449,437 patent/US7242989B2/en active Active
-
2004
- 2004-05-21 GB GB0411361A patent/GB2402232B/en not_active Expired - Fee Related
- 2004-05-27 DE DE102004025876.7A patent/DE102004025876B4/de not_active Expired - Fee Related
- 2004-05-31 CN CN200410047835.9A patent/CN1573624B/zh not_active Expired - Fee Related
- 2004-05-31 JP JP2004160462A patent/JP5331286B2/ja active Active
- 2004-12-07 HK HK04109656A patent/HK1067415A1/xx not_active IP Right Cessation
-
2012
- 2012-04-06 JP JP2012087851A patent/JP5476418B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
DE102004025876A1 (de) | 2004-12-16 |
US7242989B2 (en) | 2007-07-10 |
JP5476418B2 (ja) | 2014-04-23 |
CN1573624B (zh) | 2011-03-09 |
JP2012138118A (ja) | 2012-07-19 |
HK1067415A1 (en) | 2005-04-08 |
US20040243380A1 (en) | 2004-12-02 |
DE102004025876B4 (de) | 2015-12-31 |
GB2402232A (en) | 2004-12-01 |
GB0411361D0 (en) | 2004-06-23 |
CN1573624A (zh) | 2005-02-02 |
JP2005004742A (ja) | 2005-01-06 |
GB2402232B (en) | 2006-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5476418B2 (ja) | バッチ特性推定のための装置及び方法 | |
JP4781641B2 (ja) | 非線形予測機能を備える多重入力/多重出力制御ブロック | |
JP5479443B2 (ja) | バッチプロセスを制御するためのシステムおよび方法 | |
US10018997B2 (en) | Non-intrusive data analytics in a process control system | |
JP5933485B2 (ja) | モデルベース制御技法におけるロバストなプロセスモデルの同定方法及びシステム | |
US6510353B1 (en) | Determining tuning parameters for a process controller from a robustness map | |
EP2118711B1 (en) | Apparatus and method for automated closed-loop identification of an industrial process in a process control system. | |
US6445962B1 (en) | Auto-tuning in a distributed process control environment | |
JP2007188473A5 (ja) | ||
US20030149493A1 (en) | Adaptation of advanced process control blocks in response to variable process delay | |
US20130116802A1 (en) | Tracking simulation method | |
GB2404998A (en) | Auto-tuning in a distributed process control network | |
Jia et al. | Self‐correcting modifier‐adaptation strategy for batch‐to‐batch optimization based on batch‐wise unfolded PLS model | |
WO2008058991A1 (de) | Verfahren zum betreiben eines nach dem blockmodell arbeitenden modularen feldgerätes der automatisierungstechnik | |
US11188059B2 (en) | Method for monitoring a plant of the automation technology | |
CN106950821A (zh) | 在非周期性更新的控制器中基于速度的控制 | |
JP2018180798A (ja) | 製造システムおよび製造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070424 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090623 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090914 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090917 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100420 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100715 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100721 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101019 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110201 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110427 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110506 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110801 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20111206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120406 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20120413 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20120502 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20120813 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20120821 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20130311 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20130314 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20130410 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20130416 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20130513 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20130520 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130606 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130729 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5331286 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |