JP5795645B2 - 多変量モデルを用いた離散型製造プロセスの制御 - Google Patents

Description

説明される方法、システム、およびコンピュータプログラム製品は、概して、離散型製造プロセスのデータ分析および制御に関し、具体的には、多変量モデルを用いて射出成形プロセス等の離散型製造プロセスを制御することに関する。

射出成形は、溶融材料（例えば、溶融プラスチック）が、圧力下、鋳型空洞または複数の空洞中に射出される、製造プロセスである。溶融材料は、圧力下において冷却されるまで空洞または複数の空洞内に保持され、冷却された時点において、材料は、固体状態で除去され、鋳型の空洞を効果的に複製する。プラスチックボトル、歯ブラシ、自動車部品、医療デバイス、子供用玩具等、商業的価値の種々の物品は、射出成形技法を使用して作製される。射出成形は、低コストおよび高処理量によって複雑な部品を生産するその能力のために広く使用されている。しかしながら、生産性および処理量に対する需要増加に伴って、多大な監視および制御を含むことなく、所望の品質レベルを達成することが困難になっている。

射出成形プロセスは、材料を非常に急速に冷却する鋳型に材料が供給されるという点において、離散型製造プロセスである。比較的に短時間枠が含まれることを前提として、プロセスの観察および制御は、一般的には、プロセスを理解するための方法として、プロセスの前および後において行われる測定を含む。

現在の射出成形において使用される一般的なプロセスツールは、一組の数百（または、いくつかの事例では、数千）のプロセス変数によって記述されることができる。変数は、概して、製造プロセスの物理的パラメータおよび／または鋳型等の製造プロセスで使用されるツールに関係付けられる。場合によって、これらの数千の変数のうち、数百の変数が動的となる（例えば、製造プロセス中または製造プロセスの間に時間変動する）。動的変数、例えば、材料温度、鋳型温度、材料組成、送達時間、冷却時間、相対湿度、送達される電力、電流、電圧、および温度は、例えば、具体的溶融材料、鋳型サイズ、または鋳型幾何学形状、製造プロセス中に発生するエラーおよび故障、あるいは特定の鋳型または空洞の使用に基づくパラメータ値の変化（例えば、「ドリフト」と称される）に基づいて変化する。

プロセス変数は、しばしば、収率または応答変数に関係付けられる。プロセス変数は、変数間の基礎的関係に基づく収率または応答変数の予測因子または指標として考えることができる。プロセスおよび収率変数を示すデータは、リアルタイムまたは後の分析のいずれかのために、製造プロセス中に測定され、記憶される。

離散型製造プロセス、例えば、射出成形プロセスは、動作パラメータ（例えば、オペレータが設定することができる変数）およびプロセスパラメータ（例えば、プロセスに関して観察される変数）によって、特徴付けられることができる。動作パラメータは、プロセスパラメータに関係付けられることができるが、動作パラメータおよびプロセスパラメータに関する定量的な関係は、複雑である可能性があり、あまり解明されていない。

射出成形システムは、通常、いくつかの内蔵の温度、圧力、速度、およびストロークセンサを含み、熟練の成形技師による、機械の動作およびプロセスパラメータの解釈、調節、および／または決定を誘導する。そのようなセンサは、コストがかかるだけではなく、機械動作パラメータ、プロセスパラメータ、ならびに成形された製品の特性、品質、および特質間の関係は、複雑であって、多くの場合、ケースバイケースで変動する。

いくつかの制御技術が、開ループコントローラ、限定閉ループコントローラ、および微分方程式またはオブジェクト指向階層モデル化に基づくあるモデルを含め、現在存在するが、そのようなコントローラは、一般的には、他の動作パラメータから独立して、各動作パラメータを制御し、本質的に、プロセス逸脱の根本原因を無視する。そのようなアプローチは、低速で動くプロセス変化を容易に調節できず、代わりに、一定の動作範囲内（ｗｉｔｈｉｎ−ｒｕｎ）のプロセス調節を提供しようとする。それが生じている間のこのタイプのプロセスの連続した微調整は、多くの場合、さらなるおよびより多くの深刻な問題、ならびに最適プロセスの終わりのない追求につながると考えられる。

本明細書において説明される概念は、多変量モデルに基づいて、離散型製造プロセス、例えば、射出成形を制御するための閉ループプロセスを含む。多変量モデルは、プロセスを近似し、プロセスを予測し、または両方を行うことができる。多変量モデルは、例えば、プロセス設定間の関係を把握するための主成分分析に基づくことができる。多変量モデルの使用は、低速で動く入力（例えば、材料、機械、および環境の変化）に基づいて、より複雑な欠陥に対処し、離散製造プロセスを最適化する方法を提供する。プロセス状態の動態は、プロセス設定の関数として、明示的にモデル化されることができる。最適化プロセスは、例えば、主成分分析（ＰＣＡ）に従って、プロセス挙動を評価するステップを含む。ＰＣＡは、良好に装備されたプロセスが各製造サイクルに対する数百のデータ点を提供することができるので、使用される。ＰＣＡは、本来の変数の直交線形組み合わせから構成される主成分と呼ばれる新しい変数を導入することによって、冗長性を低減させる。結果として生じるモデルは、一般的には、プロセス状態についてのオリジナル数よりも少ない主成分を有する一方、従来の線形回帰よりも観察されるプロセス変動についてより多くを説明するであろう。制御モデルは、各用途に対して調整されることができ、したがって、全用途にわたって、一般化されたアプローチに勝る改良された精度を提供するであろう。加えて、複数のプロセスパラメータに基づいてプロセスを最適化する能力は、プロセス逸脱の根本原因のより明確な理解を可能にし、プロセス内微調整と関連付けられた非効率性を低減し、最適プロセスパラメータの追求につながるであろう。

多変量モデルは、製造プロセス、例えば、製造プロセスの動作パラメータを自動で操作または制御し、望ましい動作およびプロセスパラメータを維持し、製造プロセスにおける故障を検出および識別するために、システムまたは方法に組み込まれる。概念的に、本明細書で説明されるアプローチは、プロセス監視のほかに多変量制御（例えば、自動制御）の層を追加する。したがって、プロセスにおける潜在的問題を検出および診断することに加えて、本明細書で説明される方法、システム、およびコントローラは、閉ループプロセスを介して、実質的にリアルタイムで（例えば、プロセスの動作パラメータを修正することによって）是正措置を実装することができ、より高く一貫した品質、より少ない除外または廃棄材料あるいは最終製品、より少ない休止時間、およびより少ない人為的エラーの機会をもたらす。

本明細書で説明されるいくつかの特徴は、当業者にとって明白となるようなさらなる利点を提供する。例えば、多変量統計量データが、モデルベースの制御構造に埋め込まれる。制御構造は、製造プロセスおよび製造プロセスの制御と関連付けられる、あるタイプのデータおよび統計量の期待値を提供することができる。プロセスパラメータ（従属変数と呼ばれることもある）および／または動作パラメータ（操作または操作可能変数と呼ばれることもある）の将来の値を推定するための多変量方法が、これらの変数の過去、現在、および／または将来の値、変数の傾向、あるいは多変量統計量を考慮し、予測される将来の変化の結果に基づいて、製造プロセスを適応または調整するために使用される。多変量（例えば、ホテリングのＴ^２またはＤＭｏｄＸ）統計量または値（例えば、スコアまたは偏差値）が、提供および／または予測される。さらに、プロセスパラメータの将来の値を推定するための多変量方法も説明する。

一側面では、射出成形プロセスを制御するための方法が存在し、別の側面では、射出成形装置と通信するデータ処理装置に、方法のステップを行わせるように動作可能な命令を含む、コンピュータ可読記憶媒体が存在する。方法は、射出成形プロセスの少なくとも一部の後に測定されたデータを受信するステップを含む。データは、概して、射出成形プロセスのプロセスパラメータ、動作パラメータ、または両方を表す。方法は、受信されたデータを射出成形プロセスを近似する多変量モデルと比較し、結果を提供するステップを含む。比較の結果が条件を満たすと、方法はさらに、射出成形プロセスのための一組の動作パラメータに対する１つ以上の値を決定するステップと、一組の動作パラメータに対する１つ以上の決定された値が、基準を満たすと、射出成形プロセスの少なくとも１つの動作パラメータを更新するステップとを含む。

いくつかの実施形態では、一組の動作パラメータは、射出成形プロセスの理想的動作パラメータ（または、動作パラメータに対する理想化値）を含む。プロセスパラメータの値は、鋳型外側、鋳型の１つ以上の空洞内、または両方で観察された値を含むことができる。いくつかの実施形態では、プロセスパラメータは、射出成形プロセスの間、直接、設定可能ではない（例えば、プロセスパラメータは、動作パラメータの構成変化によって影響を受ける）。プロセスパラメータは、ユーザ設定可能であり得る、動作パラメータと関連付けられた１つ以上の従属変数を表すことができる。受信されたデータは、いくつかの実装では、射出成形プロセスのサイクルの完了後、測定されたデータを表す。本明細書で説明されるように、射出成形プロセスは、離散型製造プロセスの実施例であるが、他の離散型製造プロセスも、当業者には明白となるであろう。

いくつかの実施形態では、更新するステップは、動作パラメータに対して決定された値のうちの１つ以上を射出成形プロセスの機械、ツール、鋳型、または装置に通信するステップを含む。更新するステップはまた、射出成形プロセスと関連付けられた機械、ツール、鋳型、または装置の少なくとも１つの動作パラメータを設定するステップを含むことができる。

いくつかの実装は、（例えば、比較ステップの一部として）予測されるスコア値、多変量統計量、または両方のうちの少なくとも１つを決定するステップを特色とする。そのような実施形態では、条件は、予測されるスコア値、多変量統計量、または両方が、１つ以上の閾値値、関数、またはレベルを超える場合、満たされる。多変量統計量は、スコア、ホテリングのＴ^２値、ＤＭｏｄＸ値、残差標準偏差値、またはこれらの任意の組み合わせのうちの少なくとも１つを含むことができる。ＤＭｏｄＸ値は、例えば、許容されたモデル挙動を、スケーリングされ、中心化されたプロセスデータから減算後、残差から計算される、残差標準偏差である。高ＤＭｏｄＸスコアは、現在のプロセス観察が、モデルの期待される挙動から逸脱していることを示す。Ｔ^２値は、標準的動作条件のものからの収集されたデータの距離を表す、第２の要約統計量である。言い換えると、ＤＭｏｄＸ統計量は、不確実性の測定値と考えられ得る一方、Ｔ^２統計量は、変動の測定値と考えられ得る。多変量統計量はまた、主成分分析または部分最小二乗解析を含むことができる。

条件は、射出成形プロセスの多変量解析（または、多変量統計量）における傾向を含むことができる。いくつかの配列では、動作パラメータの値を更新するための基準は、関数の最適化を備える。さらに、一組の動作パラメータに対する１つ以上の値を決定するステップは、射出成形プロセスの制御可能パラメータの値を含む、目的関数を最適化するステップを含む。例えば、目的関数を最適化するステップは、二次関数であり得る、目的関数を最小化するステップを含むことができる。

いくつかの実施形態では、方法は、射出成形プロセスの少なくとも１つの故障条件を検出するステップと、少なくとも１つの故障条件の検出に応じて、射出成形プロセスのプロセスパラメータと関連付けられた受信されたデータをフィルタリングするステップとを含む。少なくとも１つの故障条件は、例えば、故障状態または故障状態に向かう傾向を含むことができる。フィルタリングは、受信されたデータの一部を無視するステップまたは受信されたデータの一部を除去するステップを含むことができる。故障条件は、部分的に、故障検出モデルまたはデフォルトモデルに基づいて、検出（または、存在することを決定）することができる。

方法のいくつかの実装は、射出成形プロセスの少なくとも１つの故障を検出するステップと、検出された故障に基づいて、多変量モデルを修正するステップとを含む。方法はまた、射出成形プロセスを近似する、多変量モデルを生成するステップ、または少なくとも部分的に、受信されたデータに基づいて、多変量モデルを更新するステップを含むことができる。多変量モデルを更新するステップは、例えば、多変量モデル内の値を修正するステップまたは新しい多変量モデルを生成するステップを含む。多変量モデルは、環境変化、材料変化、プロセス設定点変化、射出成形プロセスの少なくとも１つのプロセスツールの劣化、鋳型の温度変化、またはそれらの任意の組み合わせのうちの任意の１つ以上と関連付けられた変数を含むことができる。

別の側面は、射出成形プロセスを制御するためのシステムを特色とする。システムは、データ取得手段と、データ比較手段と、プロセス論理手段と、プロセス制御手段とを含む。データ取得手段は、射出成形プロセスの少なくとも一部の後に測定されたデータを受信するように構成され、データは、射出成形プロセスのプロセスパラメータおよび／または動作パラメータ（または、両方）を表す。データ比較手段は、受信されたデータを射出成形プロセスを近似する多変量モデルと比較し、結果を提供するように構成される。プロセス論理手段は、比較の結果が条件を満たすと、射出成形プロセスのための一組の動作パラメータに対する１つ以上の値を決定するように構成される。プロセス制御手段は、一組の動作パラメータに対する１つ以上の決定された値が、基準を満たすと、射出成形プロセスの少なくとも１つの動作パラメータを更新するように構成される。

さらに別の側面は、多変量モデルを用いて離散型製造プロセスを制御するための方法に関する。方法は、多変量モデル、データ比較モジュール、およびソルバモジュールを含む、閉ループコントローラを提供するステップを含む。多変量モデルは、製造プロセスを表す（または、製造プロセスを表すデータを含有する）。データ比較モジュールは、製造プロセスの少なくとも一部の完了後、受信された測定されたデータを多変量モデルと比較するように構成される（および、サイクル毎またはルーチン毎のいずれかにおいて、動作または実行されると、比較する）。いくつかの実装では、データ比較モジュールは、射出成形プロセスの各サイクルを監視し、コントローラをいつ起動するか、および起動するかどうかを決定する。受信されたデータは、製造プロセスのプロセスパラメータ、動作パラメータ、または両方を表す。ソルバモジュールは、データ比較モジュールの出力に基づいて、製造プロセスのための少なくとも１つの制御措置を決定するように構成される（および、動作または実行されると、決定する）。方法は、閉ループコントローラによって決定される少なくとも制御措置に基づいて、一組の製造プロセスの動作パラメータを更新するステップを含む。

別の側面は、離散型製造プロセスを制御するためのシステムに関する。システムは、製造プロセスまたはシステム（例えば、機械、ツール、鋳型、または他の機器）と通信するデータ処理モジュールと、ソルバモジュールと、コントローラモジュールと、を含む。データ処理モジュールは、製造プロセスの少なくとも一部の後に測定されたデータを受信するように構成される（および、動作または実行されると、受信する）。データは、製造プロセスのプロセスパラメータ、動作パラメータ、または両方を表す。データ処理モジュールは、受信されたデータを製造プロセスを近似する多変量モデルと比較し、予測されるスコア値、多変量統計量、または両方のうちの少なくとも１つを決定する。ソルバモジュールは、予測されるスコア値、多変量統計量、または両方を受信するように構成される（および、動作されると、受信する）。予測されるスコア値、多変量統計量、または両方が、条件を満たすと、ソルバモジュールは、製造プロセス、多変量統計量、および従属変数データの設定可能パラメータの値を関連付ける、最適化された目的関数に基づいて、製造プロセスのための一組の動作パラメータを生成する。コントローラモジュールは、製造プロセスの少なくとも１つの動作パラメータを更新するように構成される（および、動作または実行されると、更新する）。

いくつかの実装は、上記の実施形態のうちのいずれかまたはその有益性を特色とする、上記の側面のうちのいずれかを含む。

これらおよび他の特徴は、例示的であり、必ずしも一定の縮尺ではない、以下の説明および図面を参照することによって、より完全に理解されるであろう。本概念は、離散型製造プロセス、例えば、射出成形プロセスに関して、本明細書で説明されるが、本概念が、他の離散型プロセスにも関連することは、当業者には明白であろう。

先述および他の目的、特徴、および利点は、類似参照文字が異なる図の全体を通して同じ部品を指す、添付図面で図示されるような、以下の実施形態のより具体的な説明から明白となるであろう。図面は必ずしも一定の縮尺ではなく、代わりに、実施形態の原則を図示することが強調されている。

図１は、離散型製造プロセスを制御するための例示的システムを図示するブロック図である。 図２は、射出成形プロセスを制御するための例示的方法を図示する、流れ図である。 図３は、製造プロセスの動作パラメータを決定および実装するための例示的方法を図示する流れ図である。 図４は、コントローラ目的関数を最適化するように適用される制約を指定するための例示的ユーザインターフェースである。 図５は、故障検出を射出成形プロセスを制御するための方法に組み込むための例示的方法を図示する、流れ図である。 図６は、故障検出を射出成形プロセスを制御するための方法に組み込むための別の例示的方法を図示する、流れ図である。

図１は、離散型製造プロセスを制御するための例示的システム１００を図示する。システムは、データ処理モジュール１０５およびユーザインターフェース１１０を含む。ユーザインターフェース１１０は、（例えば、制約の値を指定するために）プロセッサ１０５からの刺激に応じて、ユーザがデータプロセッサモジュール１０５と通信するためのコンピュータキーボード、マウス、他の触覚インターフェース、グラフィカルユーザインターフェース、音声入力、または他の入／出力チャネルを含むことができる。図４は、システム１００と併用するために好適な例示的ユーザインターフェースを図示する。ユーザインターフェース１１０は、コンピュータモニタ等のディスプレイを含むことができる。データ処理モジュール１０５は、離散型製造加工設備１１５（例えば、射出成形システム、またはその構成要素）に連結される、および／またはそれと通信する。加工設備１１５は、離散型の製造または加工動作を行う。例えば、射出成形産業に照らすと、加工設備１１５は、機械、ツール、装置、または鋳型によって、送達、充填、装填、保持、冷却、保管、または後冷却機能のいずれかを行うことができる。射出成形プロセスでは、材料特徴、鋳型構造、および処理条件は、エネルギー消費、サイクル、または加工時間、重量、廃棄率、または他の条件を含む、各段階の結果に影響を及ぼす。

いくつかの実施形態では、ツールまたはプロセスは、設備１１５内に複数のステーションまたはユニットを含む。これらの機能は、複数の物理的パラメータ、例えば、とりわけ、圧力、温度、および時間と関連付けられることができる。物理的パラメータは、加工設備１１５内の変数（例えば、物理的パラメータおよび／またはツール動作条件）に関するデータを含有する複数の出力１２５を生じるように、監視され、操作されることができる。出力１２５は、データを伝送すること、またはプロセッサ１０５に、あるいはプロセッサ１０５内で伝送されることが可能である電気、光、磁気、音響、または他の信号となり得る。出力１２５は、プロセスパラメータ（従属変数データＸ_Ｄとも称される）、動作パラメータ（操作変数データＸ_ＭＶとも称される）、または両方を表すデータを含むことができる。いくつかの実施形態では、出力１２５は、従属変数データまたは操作変数データとして使用される前に操作されることができる、未加工データを提供する。そのような操作の実施例は、事前処理、スケーリング、フィルタリング、またはソーティングを含む。

加工設備１１５は、データ取得モジュール１３０によって、データ処理モジュール１０５に連結され、それと通信する。データ取得モジュール１３０は、例えば、出力１２５を介して、加工設備１１５からデータを受信する。受信されたデータは、製造プロセスの少なくとも一部の後に測定され、製造プロセスのプロセスパラメータ、動作パラメータ、または両方を表す。いくつかの実装では、受信されたデータは、製造プロセスの終了時（例えば、溶融材料および／または鋳型が冷却された後）に測定される。データ取得モジュール１３０は、受信されたデータについて、バッファリング、多重化、信号伝達、切替、経路指定、初期化、および他の作用を行い、データをデータ処理モジュール１０５の他のモジュールへの好適な通信または再伝送のための形式または状態にすることができる。

システム１００はまた、コントローラモジュール１３５を含む。コントローラモジュール１３５は、閉ループコントローラであることができる、またはそれを備えることができる。例えば、コントローラは、Ｅｔｈｅｒｎｅｔ（登録商標）によって、ＳＩＭＣＡ−ＱＰ（Ｕｍｅｔｒｉｃｓ、Ｓａｎ Ｊｏｓｅ、ＣＡ）プログラムにインターフェースされたＰＣ作動ＭＡＴＬＡＢ^ＴＭ（Ｍａｔｈｗｏｒｋｓ、Ｎａｔｉｃｋ、ＭＡ）に接続されたＳｅｎｓｅｌｉｎｋ^ＴＭプロセスコントローラ（ＭＫＳ Ｉｎｓｔｒｕｍｅｎｔｓ、Ａｎｄｏｖｅｒ、ＭＡ）を使用して、実装することができる。コントローラモジュール１３５は、例えば、通信リンク１４０を介して、データ取得モジュール１３０からデータを受信する。コントローラモジュール１３５は、動作パラメータ（例えば、操作変数データＸ_ＭＶ）を指定し、複数の出力１４５を介して、加工設備１１５（または、それと関連付けられたツール、機械、装置、または鋳型）およびデータ取得モジュール１３０に指定した値を通信する。操作変数データは、製造プロセスの少なくとも１つの動作パラメータを表すことができる。代替として、または加えて、操作変数データは、特定の加工パラメータ（例えば、溶融材料または鋳型の温度、材料流速、圧力、加工時間、サイクル時間、およびその他）の設定点値または特定のプロセスツールに対する命令（例えば、一定時間周期後、「開放」する）を表すことができる。コントローラモジュール１３５は、比較モジュール１６５を含む。比較モジュール１６５は、多変量モデル１５０を含む。多変量モデル１５０は、予測部分１５５ａおよび近似部分１５５ｂを含む。多変量モデル１５０は、コントローラモジュール１３５の他のモジュール（例えば、ソルバモジュール１２０および比較モジュール１６５）と併用され、プロセスパラメータまたは従属変数データ（例えば、特定の製造プロセスに対する許容知識空間内のデータ）の所望の値をもたらす、動作パラメータまたは操作変数の値を確立する。例えば、比較モジュール１６５は、受信されたデータを多変量モデル１５０と比較する。予測部分１５５ａは、コントローラモジュール１３５の他のモジュールと併用するために、多変量統計量、予測されるスコア値、および変数値を決定するために使用される。いくつかの実装では、予測部分１５５ａは、故障等の条件または条件に向かう動きを示す、多変量統計量における傾向を決定する。ソルバモジュール１２０は、予測部分１５５ａによって決定された値を受信し、例えば、製造プロセスの動作パラメータを更新する必要があることを示す、条件を満たすかどうかを決定する。このように、予測部分１５５ａは、コントローラモジュール１３５が、加工設備１１５の動作パラメータを更新するために使用されるべきかどうかを決定するために使用される。条件が、満たされる場合、ソルバモジュール１２０は、製造プロセスの設定可能パラメータ（例えば、動作パラメータ）および従属変数データ（例えば、プロセスパラメータ）の値を関連付ける、最適化された目的関数に基づいて、製造プロセスのための一組の動作パラメータを生成する。コントローラモジュール１３５は、次いで、例えば、機器の１つ以上の部品に関する設定点値を更新することによって、製造プロセスの少なくとも１つの動作パラメータを更新する。いくつかの実施形態では、コントローラモジュール１３５は、設定点値が、以前の設定点値から、決定および通信された設定点値に変化したかどうかの確認を行うことによって、少なくとも１つの動作パラメータが更新されていることを検証する。

システム１００はまた、メモリ１６０も含む。メモリ１６０は、例えば、後で使用するために、比較モジュールから、以前に生成された多変量モデル１５０’、および／または以前に生成された予測部分１５５ａ’、および／または以前に生成された近似部分１５５ｂ’、および／または以前に生成された結果１６５’を記憶するために使用されことができる。他の情報もまた、理解されるように、メモリ１６０内に記憶されることができる。

図２は、射出成形プロセスを制御するための例示的プロセス２００を図示する流れ図である。プロセス２００は、射出成形プロセスの少なくとも一部の後に測定されたデータを受信するステップを含む（ステップ２１０）。図１を参照すると、ステップ２１０は、データ取得モジュール１３０が、加工設備１１５から測定されたデータを受信するステップを含むことができる。受信されたデータは、プロセスパラメータ（例えば、従属変数データＸ_Ｄ）、動作パラメータ（例えば、操作変数データＸ_ＭＶ）、または両方を表す。いくつかの実装では、受信されたプロセスパラメータの値は、鋳型外側で観察された値を含む。時として、受信されたデータの値は、鋳型の１つ以上の空洞内で観察された値を含む。いくつかの構成は、鋳型外側および鋳型内側の１つ以上の空洞の両方で観察された値を含む、受信されたデータを含む。鋳型の内側または外側、あるいは両方において、センサからデータを受信するべきかどうかの決定は、多くの場合、コスト（概して、鋳型内センサは、鋳型外側のセンサより高価である）および精度等、実践的考慮に依存する。受信されたデータは、射出成形プロセスのサイクル完了後、測定されたデータ、またはサイクルの一部の後に測定されたデータを表すことができる。いくつかの実施形態では、測定されるデータは射出成形プロセスのサイクルの間にサンプリングされる。いくつかの実施形態は、射出成形プロセスの設定点における変化が生じた後、例えば、プロセスにおける安定状態または均衡が達成された後、所定のサイクル数にわたって、受信されたデータを蓄積するステップを含む。

ステップ２２０では、受信されたデータは、多変量モデルと比較される。図１を参照すると、比較モジュール１６５は（データ取得モジュール１３０または介在事前処理モジュールから情報を受信後）、ルーチンまたはプログラムを実行し、受信されたデータを多変量モデル１５０と比較し、結果（「Ａ」として示される）を提供する。いくつかの実施形態では、方法２００は、最初に、射出成形プロセス（図示せず）を近似する、多変量モデル１５０を生成するステップを含む。

ステップ２２０における比較の結果が条件を満たす場合（ステップ２３０）、方法は、プロセスを更新するステップを起動する（ステップ２４０、２５０、２６０）。ステップ２２０における比較の結果が条件を満たさない場合、コントローラは、起動されず、プロセスは、ステップ２１０へと反復される。図１を参照すると、ソルバモジュール１２０または他の好適なプロセス論理手段は、結果「Ａ」を検査し、結果が条件を満たすかどうかを決定する。そうである場合、ソルバモジュール１２０は、射出成形プロセスのための一組の動作パラメータに対する１つ以上の値を決定する（ステップ２４０に示される）。例えば、ステップ２２０の比較は、予測されるスコア値、多変量統計量、または両方のうちの少なくとも１つを決定するステップを伴い、ステップ２３０における条件は、予測されるスコア値、多変量統計量、または両方が、１つ以上の閾値関数、値、またはレベルを超える場合、満たされる。いくつかの実施形態では、ステップ２３０の条件は、射出成形プロセスの多変量解析における傾向を備える。

詳細な実施例では、ステップ２３０のための予測されるスコア値は、予測収率スコア（Ｙ_ｐｒｅｄ）となり得る。予測収率スコアＹ_ｐｒｅｄは、多変量モデルによらない統計量的プロセス制御において提供されるスコアと同様である（例えば、予測収率スコアは、主成分分析または部分最小二乗計算に基づくことができる）。１つ以上の多変量統計量は、ホテリングのＴ^２値またはＤＭｏｄＸ値を含むことができる。同様に、１つ以上の多変量統計量は、残差標準偏差値、主成分分析（ＰＣＡ）スコア、部分最小二乗（潜在構造への投影と呼ばれることもある）（ＰＬＳ）スコア、または本明細書で論議される多変量統計量の任意の組み合わせを含むことができる。いくつかの実施形態では、多変量モデル１５０は、ひいては、ステップ２５０において、ソルバモジュールに対する制約としての役割を果たす、予測されるスコア値、多変量統計量、または両方のうちの少なくとも１つをソルバモジュール１２０に提供する。

多変量モデル１５０を使用して、コントローラモジュール１３５は、例えば、Ｔ^２またはＤＭｏｄＸ値をそれぞれ決定するために、主成分分析または部分最小二乗解析を用いて、受信したデータにホテリング計算またはＤＭｏｄＸ計算を行うことができる。Ｔ^２値は、以下の式

に従って計算されることができ、式中、σ＝受信されたデータに基づく１つ以上の測定された変数に対する標準偏差であり、

は、ｋ個の変数に対する測定値であり、

は、ｋ個の変数に対する受信されたデータに基づく変数の平均値であり、
Ｓ^−１＝逆共分散または相関行列であり、以下に示される共分散または相関行列Ｓの逆であり、

式中、

であり、指数ｉおよびｊは、一般化されたｋ×ｎ行列の中におけるＳおよびｘの両方に対する行列要素を識別する。

上記の多変量モデル化実施例では、上記の式中のｘ変数は、通常、ゼロに等しい平均値（μ_０）を通常含む、主成分または部分最小二乗モデルのスコアベクトルである。これらのスコアベクトルが直交するので、行列ＳおよびＳ^−１は、対角線要素としての各成分スコアベクトルの分散およびそれぞれの逆分散と対角線上にある。

偏差値は、データの許容近似値（例えば、許容最小二乗適合を提供する線）を提供するｋ次元空間内の線（例えば、主成分または部分最小二乗モデル軸）の上への投影と考えることができる。いくつかの実施形態では、第２の偏差値を使用することができる（第１の線に対して直角な線の上への投影）。いくつかの実施形態では、複数の偏差値を使用することができる。

一般に、Ｔ^２値は、正常プロセス動作下でもたらされる出力に対する、あるいは従属変数データおよび／または操作変数データの予測値に基づく、製造プロセスの出力に対する製造プロセス変数の加重距離の計算である。Ｔ^２値の意味を理解するための１つの方法は、幾何学的記述に関して考慮することである。正常製造プロセスは、ｋ次元空間内のデータ点群であり、ｋは、測定された製造プロセス変数の数である。関連空間はまた、スコアの縮小次元空間にもなり得る。ホテリングのＴ^２値は、正常プロセス条件の変動出力に対して加重されるこのデータ群の中心からの新しい出力の距離の二乗である。変動は、多くの場合、データ点群の境界をつけるＡ次元超楕円として図示され、Ａは、ＰＣＡまたはＰＬＳスコアの数を表す。一般に、ホテリング型計算は、例えば、特定の点が残りのデータセットに関する異常値（例えば、超楕円外）であるかどうかを決定するために使用することができる。より具体的には、ホテリング計算は、観察されているプロセスパラメータに対する数学的モデルによって決定されるように、特定の測定パラメータが、アラーム限界外であるか、または制御空間外であるかどうかを決定するために使用することができる。

多変量統計量の別の実施例は、ＤＭｏｄＸ計算または残差標準偏差計算である。ＤＭｏｄＸ計算は、好ましい場所を表す、ｋ次元空間内の場所からの特定のデータ点の距離を計算するステップを含む。ＤＭｏｄＸ値は、ｋ次元変数を下位（例えば、位数ｋ未満）次元変数（例えば、スコア空間）にマップする、主成分または部分最小二乗解析を使用して計算される。数学的に、ＤＭｏｄＸ値は、主成分または部分最小二乗解析に起因する直交成分（または残差）である。ＤＭｏｄＸ値は、数学的モデルの中の１つ以上の変数（例えば、データ点）に関する一連の値（例えば、「公差値」）を示すことができる。

図２を参照すると、方法は、動作パラメータに対して決定された値が、条件を満たすかどうかを評価するステップを含む（ステップ２５０）。そうではない場合、プロセス２００は、ステップ２１０における測定されたデータを受信するステップに反復される。一方、動作パラメータに対して決定された値が、ステップ２５０の条件を満たす場合、プロセス２００は、射出成形プロセスの動作パラメータを更新するステップに進む（ステップ２６０）。図１を参照すると、ソルバモジュール１２０は、状況が、射出成形プロセスを更新するステップを正当化するかどうかを決定する。そうである場合、ソルバモジュール１２０は、ステップ２４０からの１つ以上の決定された値が、基準を満たすと（ステップ２５０）、射出成形プロセスの少なくとも１つの動作パラメータを更新する（ステップ２６０）、プロセス制御モジュール１７０と通信する。

いくつかの実施形態では、ソルバモジュール１２０は、目的関数を満たす操作変数値に対して、検索を行うことによって、一組の動作パラメータに対する１つ以上の値を決定する（ステップ２４０）。ひいては、決定された値は、目的関数が最適化される場合、基準を満たす（ステップ２５０）。目的関数を最適化するステップは、いくつかの因数、変数、またはパラメータに対して、目的関数を最小化するステップを含むことができる。いくつかの実施形態は、目的関数を最大化するステップを特徴とする。いくつかの実施形態では、目的関数は、二次関数である。図３および４に関して以下により詳細に説明される、コントローラ目的関数の最適化は、ソルバモジュール１２０の一部または論理的に別個であり得る、任意の好適なツール（または、複数のツール）の使用を通して、実装することができる。例えば、現状のままで利用されるか、またはユーザの構成毎に更新されるＭＡＴＬＡＢ^ＴＭ最適化ツールボックス（ＭａｔｈＷｏｒｋｓ，Ｉｎｃ．（Ｎａｔｉｃｋ、Ｍａｓｓａｃｈｕｓｅｔｔｓ）によって販売）のｆｍｉｎｃｏｎ関数を利用して、選択されたコントローラ目的関数の最適化を達成することができる。

いくつかの実施形態では、ステップ２６０は、それらの値を加工設備の機械、ツール、鋳型、または機器に通信することによって、（例えば、プロセス制御モジュール１７０によって）決定された値のうちの１つ以上を射出成形プロセスのツールに更新するステップを含む。更新ステップは、いくつかの事例では、射出成形プロセスと関連付けられた機械の少なくとも１つの動作パラメータを設定するステップを含む。一般的には、更新され得る動作パラメータのいくつかの実施例は、少なくとも、射出能力、移載位置、水温、射出速度、保持圧力、保持時間、冷却時間、バレルおよびホットランナー温度、背圧、スクリューＲＰＭ、および／または材料を含む。

図３は、射出成形プロセス等、離散型製造プロセスのための動作パラメータを決定および更新するためのプロセス３００を図示する流れ図である。プロセスは、例えば、図２のステップ２４０−２６０と併用することができる。ステップ３０４では、コントローラが、構成される。いくつかの実施形態では、ユーザは、ある変数またはバイナリ値に基づいて、コントローラを構成する。コントローラ構成の実施例は、最適化目的関数のタイプである。例えば、ステップ３０８では、コントローラ目的が二次型制御関数であるかどうかをクエリが決定する。制御対象が二次型関数ではない場合、最適化する代替関数または補関数が選択される（ステップ３１２）。

二次型制御関数がステップ３０８で選択された場合、プロセス３００は、最適化する二次型制御関数を図示するステップ３１６へと続く。目的関数Ｊは、ある受信したデータ（例えば、動作パラメータおよびプロセスパラメータ）、随意の制約、および随意のペナルティ値を関連付ける。いくつかの実施形態では、二次型目的関数を最適化するステップは、操作変数データＸ_ＭＶの値または動作パラメータのサブセットにわたって、Ｊを最小化するステップを含む。最適化するためのデータセットはまた、構成可能な状態または制約であり得る。

目的関数は、概して、製造プロセスと関連付けられる２つの分類のデータを含むものと考えられ得る。通常、Ｘ型データ（例えば、Ｘデータ、Ｘ変数、Ｘセット、または観察レベルデータ）と表される１つのタイプのデータは、因数、予測因子、または指標を示す。Ｘ型データは、例えば、製造プロセスまたは製造プロセスの結果に関して、予想または予測を行うために使用される。通常、Ｙ型データ（例えば、Ｙデータ、Ｙ変数、Ｙセット）と表される別のタイプのデータは、製造プロセスの収率または応答を示す。Ｘ型データとＹ型データとは、概して関係付けられる。多くの場合、Ｘ型データとＹ型データとの間の正確な関係は、不確定であるか、または決定するのが困難あるいは不可能である。場合によっては、関係は、種々の技法（例えば、とりわけ、線形近似、二次近似、多項式フィッティング方法、指数またはべき階数関係、多変量解析法（主成分分析または部分最小二乗解析等））によって、概算またはモデル化することができる。そのような場合において、Ｘ型データとＹ型データとの間の関係は、両方のタイプのデータへの変化を観察すること、およびそのような変化が他の一組のデータに引き起こす応答を観察することに基づいて、推測することができる。

付加的な利点は、Ｘ型変数をサブセットまたはサブタイプに区分化または分割することに起因する。Ｘ型データの１つのサブセットは、操作変数（または操作変数値）として識別され、Ｘ_ＭＶと表される。Ｘ型データの別のサブセットは、従属変数として識別され、Ｘ_Ｄと表される。操作変数は、概して、例えば、射出能力、移載位置、水温、射出速度、保持圧力、保持時間、冷却時間、バレルおよびホットランナー温度、背圧、スクリューＲＰＭ、および／または材料等、直接制御することができる変数または製造パラメータである。一般に、製造業者は、通常、監視および分析システムにおけるプロセスまたは／およびメモリ制限により、約２０未満の操作変数を考慮または監視する。約２０より多くの操作変数を含むプロセスは、計算上扱いにくくなり得る。従属変数は、概して、センサ（例えば、鋳型外側または鋳型の１つ以上の空洞内）によって測定され、その設定点は、直接、制御されることができない変数である。従属変数の実施例は、例えば、射出圧力、空洞温度および圧力、射出時間、溶融温度、冷却速度、チャンバ温度、相対湿度、温度または圧力勾配、不純物レベル、機械上の摩耗、およびその他である。加えて、従属変数は、低減したデータセット（例えば、温度差、温度勾配、およびその他等の未加工データから導出された変数）を表すことができる。従属変数は、例えば、実験的に決定可能および／またはモデル化されてもされなくてもよい、既知の関係または未知の関係を介して、操作変数の値に関係付けられるか、関連付けられるか、または依存することができる。

最適化されるステップ３１６の目的関数Ｊは、

であり、式中、
Ｙ_ＳＰ＝Ｙデータ値（例えば、収率または品質）の設定点または標的値であり、
Ｙ_ｐｒｅｄ＝Ｙデータ値の予測値である。いくつかの実施形態では、Ｙ_ｐｒｅｄは、Ｘ_ＭＶ、Ｘ_Ｄ、およびＸ_Ｋに基づく部分最小二乗モデルまたは他の好適なモデルによって決定される。Ｘ_Ｋは、Ｙ_ＳＰ、Ｙ_ｐｒｅｄ、Ｘ_ＭＶ、およびＸ_Ｄの既知の過去または現在の値を表し、Ｘ_ＭＶは、対照のための操作変数の将来の値を表す。例えば、Ｙ_ｐｒｅｄ＝ｆ_Ｙ（Ｘ_Ｋ，Ｘ_ＭＶ，Ｘ_Ｄ）であり、式中、ｆ_Ｙは、モデル関数であり、
θ_Ｙ、θ_ＭＶ、θ_{ＤＭｏｄＸ}、θ_Ｔ２、およびθ_ｔは、ペナルティ加重であり、
Ｅ_ＭＶ＝ペナルティ加重θ_ＭＶを受ける所望の軌道からの操作変数の偏差の量に関する関数であり、
Ｅ_{ＤＭｏｄＸ}＝ペナルティθ_{ＤＭｏｄＸ}を受けるＤＭｏｄＸ空間の量であり、

＝ペナルティθ_Ｔ２を受けるホテリングＴ^２スコアの量であり、
Ｅ_ｔ＝ペナルティθ_ｔを受けるスコアｔの部分である。
上記で論議されたように、Ｔ^２は、モデル超平面内の中心からの多変量系の距離を表す。Ｔ^２値は、主成分分析または部分最小二乗モデルから導出される関数（ｆ_Ｔ２）に基づき、Ｔ^２＝ｆ_Ｔ２（Ｘ_Ｋ，Ｘ_ＭＶ，Ｘ_Ｄ）と表すことができる。ＤＭｏｄＸは、モデル超平面内からの多変量系の偏差を表す。ＤＭｏｄＸ値は、主成分分析または部分最小二乗モデルから導出される関数（ｆ_{ＤＭｏｄＸ}）に基づき、ＤＭｏｄＸ＝ｆ_{ＤＭｏｄＸ}（Ｘ_Ｋ，Ｘ_ＭＶ，Ｘ_Ｄ）と表すことができる。ｔ値は、主成分分析または部分最小二乗モデルから導出される関数（ｆ_ｔｉ）に基づき、ｔ_ｉ＝ｆ_ｔｉ（Ｘ_Ｋ，Ｘ_ＭＶ，Ｘ_Ｄ）と表すことができ、式中、ｔ_ｉは、ｉ番目のスコアの値を表す。Ｘ_Ｄの値は、従属変数の将来の値を表し、Ｘ_ＫおよびＸ_ＭＶに関する適切な関数（ｆ_ＸＤ）に基づき、例えば、Ｘ_Ｄ＝ｆ_ＸＤ（Ｘ_Ｋ，Ｘ_ＭＶ）である。いくつかの実施形態では、ｆ_ＸＤは、有限インパルス応答（ＦＩＲ）モデルである。関数ｆ_ＸＤはまた、自己回帰移動平均モデル（ＡＲＭＡ）であり得る。ｆ_ＸＤの他のタイプのモデルが、当業者にとって明白となるであろう。

いくつかの実施形態では、目的関数Ｊは、デフォルト制約を受ける。操作変数データに対するデフォルト制約の実施例は、

と示される。

いくつかの実装は、上記で論議されるペナルティ加重の全てを必要とはしない。例えば、ユーザの目的が（例えば、設計空間制御のために）多変量モデルの空間内でシステムまたはプロセスを維持することである場合、方法は、Ｙ変数の寄与を無視することができる（例えば、いずれのＹ変数も計算されないため）。そのような場合、ペナルティθ_Ｙを０に設定することができる。

Ｅ_ＭＶ、Ｅ_{ＤＭｏｄＸ}、およびＥ_Ｔ２の値または関数表現は、種々の方法に従って決定されることができる。例えば、Ｅ_ｉ項は、標的または閾値からの距離の二乗の和となり得る。具体的な実装が以下で論議されるが、他の実装も可能であることが当業者にとって明白となるであろう。すなわち、

であり、式中、ΔＸ_ＭＶは、特定の加工レシピからのＸ_ＭＶの観察された値の変化または偏差を表すベクトルであり、

であり、式中、Ｔ^２ _{ｈ，ｍａｘ}は、将来の時点ｈにおけるＴ^２閾値の最大値を表し、Ｔ^２ _ｈは、将来の時点ｈにおけるＴ^２の値を表し、および、

であり、式中、ＤＭｏｄＸ_{ｈ，ｍａｘ}は、将来の時点ｈにおけるＤＭｏｄＸ閾値の最大値を表し、ＤＭｏｄＸ_ｈは、将来の時点ｈにおけるＤＭｏｄＸの値を表す。

ステップ３２０では、データが受信される。データは、例えば、動作パラメータ、プロセスパラメータ、予測される従属変数データ、予測される変数値、１つ以上の多変量統計量、またはこれらのデータタイプの任意の組み合わせに対する値を含むことができる。データは、例えば、コントローラ目的を満たす動作パラメータ（例えば、操作変数値）を決定するソルバモジュール１２０に対する入力として使用することができる。

加えて、プロセス３００は、制約が適用される場合（例えば、メモリ１６０から、またはユーザインターフェース１１０を介して）、１つ以上の制約を取り出すステップを含む（ステップ３２４）。制約は、ユーザ指定することができ、または制約は、デフォルトあるいは閾値となり得る。いくつかの実施形態では、特定のタイプのデータが受信されないと、そのタイプのデータと関連付けられる制約は、目的関数のための最適化のために使用されない。例えば、予測される従属変数データが受信または使用されない場合、予測される従属変数データと関連付けられる制約は、例えば、ソルバモジュール１２０によって、無効にされ、利用不可能であり、または使用されない。

ステップ３２８は、選択されたコントローラ目的関数を最適化するプロセスを含む。好適なコントローラ目的関数の実施例は、目的から反れる動作をペナルティ化する、二次型関数、線形関数、または非線形関数である。いくつかの実施形態では、使用される特定の制約および／またはペナルティ、あるいはペナルティまたは制約に起因する値は、特定の目的に応じて変動し得る。いくつかの実施形態では、最適化アルゴリズムは、動作パラメータＸ_ＭＶの過去の観察および目的関数Ｊの対応する値を検査する。最適化アルゴリズムは、次いで、性能改良につながることが予期される、候補となる一組の動作パラメータを提案する。この一組の動作は、実際には、動作パラメータを成形機械上に実装することなく、動的プロセスモデルを使用して、予期されるプロセス状態Ｙ_ｐｒｅｄを予測するために使用される。いくつかの実施形態では、最適化に含まれる、各プロセス状態に対する動的プロセスモデルを展開または使用することができる。

目的関数が最適化された後（ステップ３２８）、最適化パラメータが決定され、実装される（ステップ３３２）。例えば、最適化パラメータは、操作変数データに対する一組の値または調整をもたらすことができ、値または調整は、１つ以上のプロセスツールに通信される。次いで、プロセスツールは、提供された操作変数データに基づいて、手動または自動で更新または確認される。

図４は、例えば、図３のステップ３１６に例示されるタイプのコントローラ目的関数を最適化するように適用される制約を指定するための例示的ユーザインターフェース４００である。ユーザインターフェース４００は、最適化目的関数（図示せず）に対する制約を識別する領域４０４を含む。領域４０４は、Ｔ^２制約４０８、ＤＭｏｄＸ制約４１２、およびＸ_ＭＶ制約４１６（例えば、動作パラメータに関する）を図示する。他の制約（図示せず）も、ユーザまたは設計者選好に応じて使用することができる。ユーザインターフェース４００は、制約４０８、４１２、４１６、または目的関数の複数のペナルティと関連付けられる値を表示するための複数のフィールド４２４を識別する、第２の領域４２０を含む。複数のフィールド４２４の値のそれぞれは、デフォルト値または（例えば、ユーザインターフェース４００を介して）ユーザによって指定される値となり得る。

例えば、第２の領域４２０は、Ｔ^２制約４０８と関連付けられるａ_Ｔの値を表示するａ_Ｔフィールド４２８を含む。Ｔ^２制約４０８は、Ｔ^２のユーザ指定閾値または臨界値（例えば、９５％信頼）に対してＴ^２の測定または計算値を関係付ける。第２の領域４２０は、ＤＭｏｄＸ制約４１２と関連付けられるａ_{ＤＭｏｄＸ}の値を表示するａ_{ＤＭｏｄＸ}フィールド４３２を含む。ＤＭｏｄＸ制約４１２は、ＤＭｏｄＸのユーザ指定閾値または臨界値（例えば、ＤＭｏｄＸ_ｃｒｉｔ）に対してＤＭｏｄＸの測定または計算値を関係付ける。第２の領域はまた、両方ともＸ_ＭＶ制約４１６と関連付けられる、Ｘ_{ＭＶ，ｍｉｎ}フィールド４３６ａおよびＸ_{ＭＶ，ｍａｘ}フィールド４３６ｂも含む。Ｘ_ＭＶ制約４１６は、製造プロセスに対するＸ_ＭＶの最小および最大許容値を提供することによってコントローラ目的を最適化するように、Ｘ_ＭＶ値の決定中に、例えば、ソルバモジュールを制約する。これらの制約は、決定されたＸ_ＭＶ値が、例えば、Ｔ^２またはＤＭｏｄＸに、あるいは許容設計空間内に集中することを可能にする。

第２の領域４２０はまた、最適化目的関数で使用されるペナルティと関連付けられるフィールド４４０ａ−４４０ｅも含む。具体的には、第２の領域４２０は、目的関数におけるＹ変数と関連付けられるペナルティ加重を表示するθ_Ｙフィールド４４０ａを含む。第２の領域４２０は、目的関数ＪにおけるＥ_ＭＶ関係と関連付けられるペナルティ加重を表示するθ_ＭＶフィールド４４０ｂを含む。第２の領域４２０は、目的関数ＪにおけるＥ_{ＤＭｏｄＸ}関係と関連付けられるペナルティ加重を表示するθ_{ＤＭｏｄＸ}フィールド４４０ｃを含む。第２の領域４２０は、目的関数ＪにおけるＥ_Ｔ２関係と関連付けられるペナルティ加重を表示するθ_Ｔ２フィールド４４０ｄを含む。第２の領域４２０は、Ｅ_ｔ関係が使用される時の目的関数ＪにおけるＥ_ｔ関係と関連付けられるペナルティ加重を表示するθ_ｔフィールド４４０ｅを含む。

ユーザインターフェース４００で示されていないが、他の制約も使用することができる。例えば、ユーザまたはシステムは、Ｘ_ＭＶの変化の最小または最大値（例えば、ΔＸ_ＭＶ）を指定することができる。いくつかの実施形態では、ユーザは、ΔＸ_ＭＶのサイズに基づいてペナルティを指定することができる。ユーザは、Ｙ_ｐｒｅｄの最小または最大値を指定するか、および／またはＹ変数の誤差（例えば、Ｙ_ｅｒｒ）のサイズに基づくペナルティを指定することができる。多変量統計量ＤＭｏｄＸおよび／またはＴ^２と関連付けられるペナルティまたは制約の他の表現も、当業者にとって明白となるであろう（例えば、ペナルティ値をＤＭｏｄＸ値のサイズと関連付けるか、またはペナルティを最大値または閾値を超えるＴ^２値のサイズと関連付ける）。

図５は、故障検出を射出成形プロセスを制御するための方法（例えば、図２のプロセス２００）に組み込むための例示的プロセス５００を図示する流れ図である。そのような実施形態では、コントローラは、任意の１回限りの欠陥を効果的に無視し、正常および一貫したプロセスデータに基づいて、将来の制御措置を維持することができる。図２におけるように、プロセス５００は、データ（例えば、例えば、データ取得モジュール１３０によって、射出成形プロセスのプロセスパラメータ、動作パラメータ、または両方を表す）を受信するステップを含む。受信されたデータは、射出成形プロセスの少なくとも一部の後に測定されている。ステップ５１５では、故障検出モジュールが、射出成形プロセスの故障条件が生じたかどうかを決定するために起動される。そのような故障検出モジュールは、図１のコントローラモジュール１３５の一部または別個であってもよい。いくつかの実施形態では、少なくとも１つの故障条件は、故障状態または故障状態に向かう傾向を含む。少なくとも１つの故障条件は、少なくとも部分的に、故障検出モデルに基づいて検出されることができる。いくつかの実施形態では、故障検出モデル自体が、そうである必要はないが、上記で説明される射出成形プロセスの多変量モデルに組み込まれることができる多変量モデルである。例えば、故障の決定は、受信されたデータの多変量解析に基づくことができる（例えば、主成分分析、ホテリングＴ^２スコア、またはＤＭｏｄＸ値（または、それらの組み合わせ）が、いくつかのアラーム値を超えるかどうかを確認するために）。

少なくとも１つの故障条件の検出に応じて、射出成形プロセスのプロセスパラメータと関連付けられた受信されたデータが、フィルタリングされる（ステップ５１７）。フィルタリングは、例えば、コントローラまたはコントローラ論理を起動するかどうかを決定するために評価されるデータセットから、受信されたデータの一部を無視するステップまたは受信されたデータの一部を除去するステップのうちの少なくとも１つを含んでもよい。フィルタリングは、故障検出モジュール、別個のフィルタリングモジュール、または任意の他の好適なモジュールによって遂行されてもよい。図１を参照すると、比較モジュール１６５は、次いで、フィルタリングされた受信されたデータを、ステップ５２０に例示される射出成形プロセスを近似する多変量モデル１５０と比較し、結果を提供する。方法５００が、図２のプロセス２００と関連付けられる実装では、プロセス２００は、比較に基づいて、図２に関して上記で説明されるように、ステップ２３０−２６０に継続する。図２および５は、制御措置を起動するかどうかを決定するための根拠として使用することができる、結果「Ａ」を図示する。

図６は、故障検出を射出成形プロセスを制御するための方法に組み込むための別の例示的プロセス６００を図示する流れ図である。図２および５におけるように、プロセス６００は、射出成形プロセスの少なくとも一部の後に測定されるデータ（例えば、射出成形プロセスのプロセスパラメータ、動作パラメータ、または両方を表す）を受信することによって開始する（ステップ６１０）。図１を参照すると、ステップ６１０は、他の構成要素の中でも、データ取得モジュール１３０によって行うことができる。ステップ６１５では、故障検出モジュールが、射出成形プロセスの少なくとも１つの故障を検出するように起動される。ステップ６１７では、製造プロセスにおける故障の検出に応じて製造プロセス（例えば、射出成形プロセス）を近似する多変量モデルが、少なくとも部分的に、検出された故障に基づいて修正される（例えば、図１の多変量モデル１５０）。図５と同様に、故障検出モデル自体が、そうである必要はないが、上記で説明される射出成形プロセスの多変量モデルに組み込むことができる多変量モデルである。例えば、故障の決定は、受信されたデータの多変量解析に基づくことができる（例えば、主成分分析、ホテリングＴ^２スコア、またはＤＭｏｄＸ値（または、それらの組み合わせ）が、いくつかのアラーム値を超えるかどうかを確認するため）。受信されたデータは、修正された多変量モデルと比較され、結果「Ａ」を提供する（ステップ６２０）。プロセス６００が、図２のプロセス２００と関連付けられる実装では、プロセス２００は、比較に基づいて、図２に関して上記で説明されるように、ステップ２３０−２６０を継続する。図６（図２および５同様に）は、制御措置を起動するかどうかを決定するための根拠として使用することができる、結果「Ａ」を図示する。

上記の技法は、デジタル電子回路において、またはコンピュータハードウェア、ファームウェア、ソフトウェア、あるいはそれらの組み合わせにおいて実装することができる。実装は、コンピュータプログラム製品、例えば、データ処理装置、例えば、プログラマブルプロセッサ、コンピュータ、または複数のコンピュータによって実行するため、あるいはそれらの動作を制御するように、例えば、機械可読記憶デバイスの中の非一過性情報担体において明白に具現化されるコンピュータプログラムとしてのものとなり得る。コンピュータプログラムは、コンパイラ型またはインタープリタ型言語を含む、任意の形態のプログラミング言語で書くことができ、独立型プログラムとして、またはモジュール、構成要素、サブルーチン、あるいはコンピュータ環境で使用するために好適な他のユニットとしての形態を含む、任意の形態で展開することができる。コンピュータプログラムは、１つのコンピュータ、または１つの場所にあるか、あるいは複数の場所にわたって分布する複数のコンピュータ上で実行されるように展開され、通信ネットワークによって相互接続されることができる。

方法のステップは、入力データを操作し、出力を生成することによってこの技術の関数を行うようにコンピュータプログラムを実行する１つ以上のプログラマブルプロセッサによって行うことができる。方法のステップはまた、特殊用途論理回路、例えば、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）またはＡＳＩＣ（特定用途向け集積回路）によって行うこともでき、装置をそれらとして実装することができる。モジュールとは、その機能性を実装するコンピュータプログラムおよび／またはプロセッサ／特殊回路の部分を指すことができる。

コンピュータプログラムの実行に好適なプロセッサは、一例として、汎用および専用マイクロプロセッサの両方、および任意の種類のデジタルコンピュータのいずれか１つ以上のプロセッサを含む。概して、プロセッサは、読み出し専用メモリまたはランダムアクセスメモリ、あるいは両方から、命令およびデータを受信する。コンピュータの必須要素は、命令を実行するためのプロセッサ、ならびに命令およびデータを記憶するための１つ以上のメモリデバイスである。概して、コンピュータはまた、データを記憶するための１つ以上の大容量記憶デバイス、例えば、磁気、光磁気ディスク、または光ディスクを含み、または、そこからデータを受信する、あるいはそこへデータを転送する、もしくは両方を行うように動作可能に連結される。データ伝送および命令はまた、通信ネットワーク上で発生することもできる。コンピュータプログラム命令およびデータを採用するために好適な情報担体は、一例として、半導体メモリデバイス、例えば、ＥＰＲＯＭ、ＥＥＰＲＯＭ、およびフラッシュメモリデバイス、磁気ディスク、例えば、内部ハードディスクまたは可撤性ディスク、光磁気ディスク、ならびにＣＤ−ＲＯＭおよびＤＶＤ−ＲＯＭディスクを含む、全ての形態の不揮発性メモリを含む。プロセッサおよびメモリは、特殊用途論理回路によって補完するか、またはそれに組み込むことができる。

本明細書で使用されるような「モジュール」および「関数」という用語は、あるタスクを行うソフトウェアまたはハードウェア構成要素を意味するが、それらに限定されない。モジュールは、有利には、アドレス可能記憶媒体上に存在するように構成され、および、１つ以上のプロセッサ上で実行するように構成されてもよい。モジュールは、汎用集積回路（「ＩＣ」）、ＦＰＧＡ、またはＡＳＩＣを伴って完全または部分的に実装されてもよい。したがって、モジュールは、一例として、ソフトウェア構成要素、オブジェクト指向ソフトウェア構成要素、クラス構成要素およびタスク構成要素等の構成要素、プロセス、関数、属性、手順、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、および変数を含んでもよい。構成要素およびモジュールで提供される関数性は、より少ない構成要素およびモジュールに合体されるか、または付加的な構成要素およびモジュールにさらに分離されてもよい。加えて、構成要素およびモジュールは、有利に、コンピュータ、コンピュータサーバ、アプリケーション対応スイッチまたはルータ等のデータ通信インフラストラクチャ機器、または公衆あるいは私設電話交換機もしくは構内電話交換機（「ＰＢＸ」）等の電気通信インフラストラクチャ機器を含む、多くの異なるプラットフォーム上で実装されてもよい。これらの場合のうちのいずれかで、実装は、選択されたプラットフォームに固有のアプリケーションを書き込むことによって、またはプラットフォームを１つ以上の外部アプリケーションエンジンにインターフェース接続することによって、達成されてもよい。

ユーザとの相互作用を提供するために、上記の技法は、ユーザに情報を表示するための表示デバイス（例えば、ＣＲＴ（陰極線管）またはＬＣＤ（液晶ディスプレイ）モニタあるいはタッチスクリーン）、それによってユーザがコンピュータに入力を提供する（例えば、ユーザインターフェース要素と相互作用する）ことができる、キーボードおよびポインティングデバイス、例えば、マウスまたはトラックボールを有する、コンピュータ上で実装することができる。ユーザとの相互作用を提供するために、他の種類のデバイスも使用することができ、例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック、例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバックとなり得て、ユーザからの入力は、音響、発話、または触覚入力を含む、任意の形態で受信することができる。

上記の技法は、データサーバ、および／またはミドルウェア構成要素、例えば、アプリケーションサーバとしてのバックエンド構成要素、および／またはフロントエンド構成要素、例えば、それを通してユーザが実装例と相互作用することができる、グラフィカルユーザインターフェースおよび／またはウェブブラウザを有する、クライアントコンピュータ、あるいはそのようなバックエンド、ミドルウェア、またはフロントエンド構成要素の任意の組み合わせを含む、分散型コンピュータシステムで実装することができる。システムの構成要素は、デジタルデータ通信の任意の形態または媒体、例えば、通信ネットワークによって相互接続することができる。通信チャネルとも呼ばれる、通信ネットワークの実施例は、ローカルエリアネットワーク（「ＬＡＮ」）および広域ネットワーク（「ＷＡＮ」）、例えば、インターネットを含み、有線および無線ネットワークの両方を含む。いくつかの実施例では、通信ネットワークは、仮想ローカルエリアネットワーク（「ＶＬＡＮ」）等の仮想ネットワークまたはサブネットワークを特色とすることができる。特に明確に指示がない限り、通信ネットワークはまた、ＰＳＴＮの全体または一部分、例えば、特定のキャリアによって所有される一部分を含むこともできる。

コンピュータシステムは、クライアントおよびサーバを含むことができる。クライアントおよびサーバは、概して、相互から遠隔にあり、一般的には、通信ネットワークを通して相互作用する。クライアントおよびサーバの関係は、それぞれのコンピュータ上で作動し、相互に対するクライアント・サーバ関係を有する、コンピュータプログラムによって生じる。

種々の実施形態は、１つ以上の通信経路によって通信している、または接続されるものとして図示される。通信経路は、データを転送する特定の媒体に限定されない。情報は、電気、光、音響、物理、熱信号、またはそれらの任意の組み合わせを使用して、通信経路上で伝送することができる。通信経路は、複数の通信チャネル、例えば、データフローのための同じまたは様々な容量の多重化チャネルを含むことができる。

図示したユーザインターフェース特徴のパラメータを構成するために、複数のユーザ入力を使用することができる。そのような入力の実施例は、ボタン、ラジオボタン、アイコン、チェックボックス、コンボボックス、メニュー、テキストボックス、ツールチップ、トグルスイッチ、ボタン、スクロールバー、ツールバー、ステータスバー、ウィンドウ、または、ユーザが本明細書で説明されるモジュールあるいはシステムのうちのいずれかと通信する、および／またはそれにデータを提供することを可能にするためのユーザインターフェースと関連付けられる、他の好適なアイコンあるいはウィジェットを含む。

本発明は、具体的実施形態を参照して、具体的に示され、説明されているが、添付の請求項によって定義されるような本発明の精神および範囲から逸脱することなく、形態および詳細の種々の変更がそれに行われてもよいことが、当業者によって理解されるべきである。

Claims (31)

1. 射出成形プロセスを制御するためのコンピュータ実装方法であって、
   該方法は、
   該射出成形プロセスの少なくとも一部の後に測定されたデータを受信することであって、該データは、該射出成形プロセスの１つ以上のプロセスパラメータ、１つ以上の動作パラメータ、または両方を表す、ことと、
   前記１つ以上のプロセスパラメータの過去または現在の値を表すように、受信された前記データを用いて生成される多変量モデルによって前記射出成形プロセスの現在の状態を近似することと、
   前記１つ以上のプロセスパラメータの将来の値を表すように、受信された前記データを用いて生成される前記多変量モデルによって前記射出成形プロセスの期待される状態を予測することと、
   近似した前記射出成形プロセスを予測した射出成形プロセスと比較し、結果を提供する、ことと、
   該比較の結果が条件を満たすと、該射出成形プロセスのための一組の動作パラメータに対する１つ以上の値を決定することであって、前記結果は、予測されるスコア値と、多変量統計量とのうちの少なくとも一方を含む、ことと、
   該比較の結果が条件を満たすと、前記１つ以上のプロセスパラメータの前記将来の値に基づき１つ以上のプロセスパラメータを調節することによって、目的関数を最適化する該射出成形プロセスのための一組の動作パラメータに対する１つ以上の値を決定することと、
   該一組の動作パラメータのための該１つ以上の決定された値が基準を満たすとき、該射出成形プロセスの少なくとも１つの動作パラメータを更新することによって、前記射出成形プロセス中に前記目的関数を最適化することと
   を含む、方法。
2. 前記一組の動作パラメータは、前記射出成形プロセスの理想的な動作パラメータを含む、請求項１に記載の方法。
3. 前記更新することは、前記決定された値のうちの１つ以上を前記射出成形プロセスのツ
   ールに通信することを含む、請求項１に記載の方法。
4. 前記更新することは、前記射出成形プロセスと関連付けられた機械の少なくとも１つの動作パラメータを設定することを含む、請求項１に記載の方法。
5. 前記条件は、前記射出成形プロセスについての多変量解析における傾向を含む、請求項１に記載の方法。
6. 前記予測されるスコア値、前記多変量統計量、または両方が、１つ以上の閾値関数を超える場合、前記条件は満たされる、請求項１に記載の方法。
7. 前記多変量統計量は、スコア、ホテリングのＴ^２値、ＤＭｏｄＸ値、残差標準偏差値、またはそれらの任意の組み合わせのうちの少なくとも１つを含む、請求項１に記載の方法。
8. 前記多変量統計量は、主成分分析または部分最小二乗解析を含む、請求項１に記載の方法。
9. 前記目的関数は、前記射出成形プロセスの制御可能パラメータの値を含む、請求項１に記載の方法。
10. 前記目的関数を最適化することは、前記目的関数を最小化することを含む、請求項９に記載の方法。
11. 前記目的関数は、二次関数である、請求項１０に記載の方法。
12. 前記プロセスパラメータは、前記射出成形プロセスの間、直接的には設定可能ではない、請求項１に記載の方法。
13. 前記１つ以上のプロセスパラメータは、前記動作パラメータと関連付けられている、請求項１に記載の方法。
14. 前記動作パラメータは、ユーザ設定可能である、請求項１３に記載の方法。
15. 前記プロセスパラメータの値は、鋳型の外側、該鋳型の１つ以上の空洞内、または両方において観察された値を含む、請求項１に記載の方法。
16. 前記射出成形プロセスは、離散型製造プロセスである、請求項１に記載の方法。
17. 前記射出成形プロセスの少なくとも１つの故障条件を検出することと、
    該少なくとも１つの故障条件の検出に応じて、該射出成形プロセスのプロセスパラメータと関連付けられた前記受信されたデータをフィルタリングすることと
    をさらに含む、請求項１に記載の方法。
18. 前記少なくとも１つの故障条件は、故障状態または故障状態に向かう傾向を含む、請求項１７に記載の方法。
19. 前記フィルタリングすることは、前記受信されたデータの一部を無視すること、または該受信されたデータの一部を除去することのうちの少なくとも１つを含む、請求項１７に記載の方法。
20. 前記少なくとも１つの故障条件は、故障検出モデルに少なくとも部分的に基づいて検出される、請求項１７に記載の方法。
21. 前記故障検出モデルは、デフォルトモデルに基づいている、請求項２０に記載の方法。
22. 前記射出成形プロセスの少なくとも１つの故障を検出することと、
    該検出された故障に少なくとも部分的に基づいて、前記多変量モデルを修正することとをさらに含む、請求項１に記載の方法。
23. 前記射出成形プロセスを近似する前記多変量モデルを生成することをさらに含む、請求項１に記載の方法。
24. 前記受信されたデータに少なくとも部分的に基づいて、前記多変量モデルを更新することをさらに含む、請求項１に記載の方法。
25. 前記多変量モデルを更新することは、該多変量モデルにおける値を修正すること、または新しい多変量モデルを生成することを含む、請求項２４に記載の方法。
26. 前記１つ以上のプロセスパラメータは、環境変化、材料変化、プロセス設定点変化、前記射出成形プロセスの少なくとも１つのプロセスツールの劣化、鋳型の温度変化、またはそれらの任意の組み合わせのうちの少なくとも１つと関連付けられている、請求項１に記載の方法。
27. 前記受信されたデータは、前記射出成形プロセスのサイクルの完了後に測定されたデータを表す、請求項１に記載の方法。
28. 多変量モデルを用いて離散型製造プロセスを制御するための方法であって、
    該方法は、
    閉ループコントローラを提供することと、
    前記多変量モデルを用いて該製造プロセスを表すことと、
    データ比較モジュールを用いて、予測部分および近似部分を比較することであって、該比較は、
    １つ以上のプロセスパラメータの過去または現在の値を表すように、受信されたデータを用いて生成される多変量モデルによって前記製造プロセスの現在の状態を近似部分で近似することと、
    前記１つ以上のプロセスパラメータの将来の値を表すように、受信された前記データを用いて生成される前記多変量モデルによって前記製造プロセスの期待される状態を前記予測部分で予測することと、を含む、比較することと、
    ソルバモジュールを用いて、該データ比較モジュールの出力に基づいて、該製造プロセスのための少なくとも１つの制御措置を決定することと、
    該閉ループコントローラによって決定された該少なくとも１つの制御措置に基づいて、該製造プロセスの一組の動作パラメータを更新することによって、前記製造プロセス中に目的関数を最適化することと
    を含む、方法。
29. 命令を含むコンピュータ可読記憶媒体であって、該命令は、射出成形装置と通信するデータ処理装置に、
    射出成形プロセスの少なくとも一部の後に測定されたデータを受信することであって、該データは、該射出成形プロセスの１つ以上のプロセスパラメータ、１つ以上の動作パラ
    メータ、または両方を表す、ことと、
    前記１つ以上のプロセスパラメータの過去または現在の値を表すように、受信された前記データを用いて生成される多変量モデルによって前記射出成形プロセスの現在の状態を近似することと、
    近似した前記射出成形プロセスを予測した射出成形プロセスと比較し、結果を提供することであって、前記結果は、予測されるスコア値と、多変量統計量とのうちの少なくとも一方を含む、ことと、
    該結果が条件を満たすと、目的関数を最適化する該射出成形プロセスのための一組の動作パラメータに対する１つ以上の値を決定することと、
    該一組の動作パラメータに対する該１つ以上の決定された値が基準を満たすとき、該射出成形プロセスの少なくとも１つの動作パラメータを更新することによって、前記射出成形プロセス中に前記目的関数を最適化することと
    を行わせるように動作可能である、媒体。
30. 射出成形プロセスを制御するためのシステムであって、
    該システムは、
    該射出成形プロセスの少なくとも一部の後に測定されたデータを受信するためのデータ取得手段であって、該データは、該射出成形プロセスの１つ以上のプロセスパラメータ、１つ以上の動作パラメータ、または両方を表す、データ取得手段と、
    前記１つ以上のプロセスパラメータの将来の値を表すように、受信された前記データを用いて生成される多変量モデルによって前記射出成形プロセスの現在の状態を近似する、データ近似手段と、
    近似した前記射出成形プロセスを予測した射出成形プロセスと比較し、結果を提供するためのデータ比較手段であって、前記結果は、予測されるスコア値と、多変量統計量とのうちの少なくとも一方を含む、データ比較手段と、
    該比較の結果が条件を満たすと、１つ以上のプロセスパラメータの前記将来の値に基づき１つ以上の動作パラメータを調節することによって、目的関数を最適化する該射出成形プロセスのための一組の動作パラメータに対する１つ以上の値を決定するためのプロセス論理手段と、
    該一組の動作パラメータに対する該１つ以上の決定された値が基準を満たすとき、該射出成形プロセスの少なくとも１つの動作パラメータを更新することによって、前記射出成形プロセス中に前記目的関数を最適化するためのプロセス制御手段と
    を含む、システム。
31. 離散型製造プロセスを最適化するためのシステムであって、
    該システムは、
    該製造プロセスと通信するデータ処理モジュールであって、該データ処理モジュールは、
    該製造プロセスの少なくとも一部の後に測定されたデータを受信することであって、該データは、該製造プロセスの１つ以上のプロセスパラメータ、１つ以上の動作パラメータ、または両方を表す、ことと、
    前記１つ以上のプロセスパラメータの過去または現在の値を表すように、受信された前記データを用いて生成される多変量モデルによって前記製造プロセスの現在の状態を近似することと、
    前記１つ以上のプロセスパラメータの将来の値を表すように、受信された前記データを用いて生成される前記多変量モデルによって前記製造プロセスの期待される状態を予測することと、
    近似した前記製造プロセスを予測した製造プロセスと比較することと、
    予測されるスコア値、多変量統計量、または両方のうちの少なくとも１つを決定することと
    を行うように構成される、データ処理モジュールと、
    ソルバモジュールであって、該ソルバモジュールは、
    該予測されるスコア値、該多変量統計量、または両方のうちの少なくとも１つを受信することと、
    該予測されるスコア値、該多変量統計量、または両方が条件を満たすと、該製造プロセスのための一組の動作パラメータを生成することであって、該生成することは、該製造プロセスの設定可能パラメータの値および前記１つ以上のプロセスパラメータのデータを関連付ける最適化目的関数に基づいている、ことと
    を行うように構成される、ソルバモジュールと、
    該製造プロセスの少なくとも１つの動作パラメータを更新することによって、前記製造プロセス中に目的関数を最適化するように構成されるコントローラモジュールと
    を含む、システム。

Images