JP5938034B2 - プロセスのモデル構築方法、バッチを分析する方法、コンピュータ読出可能媒体及び多段処理のモデルを利用する方法 - Google Patents

Description

関連出願

本願は、米国特許法第１１９条（ｅ）に基づき、２０１０年５月２１日に出願された米国仮特許出願第６１／３４７２４４号、名称「Multi-Stage Process Modeling Method」の利益を主張するものであり、その開示の全てが、参照により明白に本明細書中に組み込まれる。

本特許は、一般に、プロセス制御システムのモデル構築に関し、より具体的には、複数の処理段に分解されたバッチ処理又は連続処理のモデルを構築する方法に関する。

化学プロセス、製油プロセス又は他のプロセスに利用されるプロセス制御システムは、通常、１つ以上の処理コントローラと、少なくとも１つのホスト又はオペレータワークステーションに、及び、アナログバス、デジタルバス又は結合型アナログ／デジタルバスを介して１つ以上のフィールド装置に通信可能に結合された入力／出力（Ｉ／Ｏ）装置とを含む。例えば、弁、弁位置決め装置、切換装置及び送信機（例えば、温度センサ、圧力センサ及び流速センサ）であり得るフィールド装置は、弁の開閉及びプロセス制御パラメータの計測等のプロセス内のプロセス制御機能を実行する。処理コントローラは、フィールド装置により行われるプロセス計測を指し示す信号を受信し、この情報を処理して、制御ルーチンを実施し、制御信号を生成し、その制御信号はバス又は他の通信線を介してフィールド装置へ送信され、そのプロセスの動作を制御する。この方法では、処理コントローラは、バス及び／又は他の通信線を介してフィールド装置を利用して、制御方式を実行し、調節し得る。

フィールド装置及びコントローラからのプロセス情報は、オペレータワークステーション（例えば、プロセッサベースのシステム）により実行される１つ以上の用途（即ち、ソフトウェアルーチン、プログラム等）に利用可能になり、オペレータは、プロセスの電流状態を（例えば、グラフィカルユーザインターフェースを介して）観測し、プロセスを評価し、プロセスの動作を（例えば、視覚対象図表を介して）変更する等のような、プロセスに対する所望の機能を実行することが可能になり得る。多くのプロセス制御システムは、１つ以上の用途別ステーション（例えば、ワークステーション）も含み、それらのステーションは、通常、個人用コンピュータ、ラップトップ等を用いて実装され、コントローラ、オペレータワークステーション、及びプロセス制御システム内の他のシステムにローカルエリアネットワーク（ＬＡＮ）を介して通信可能に結合される。各々の用途別ステーションは、プロセス変数値、プロセスに関連する品質パラメータ値、プロセス誤り検出情報及び／又はプロセス状態情報を含むプロセス制御情報を表示する、グラフィカルユーザインターフェースを含み得る。

通常、グラフィカルユーザインターフェースでのプロセス情報の表示は、プロセスに関連する各々のプロセス変数値の表示に限定される。加えて、幾つかのプロセス制御システムは、幾つかのプロセス変数間の簡易な関連を特徴付け、プロセスに関連する品質基準を定め得る。しかしながら、プロセスの結果として得られる製品が、定義済みの品質制御基準値に従わない事例では、処理及び／他のプロセス変数を分析することができるのは、バッチ、プロセス、及び／又はその結果得られる製品の組立を完了した後にのみである。処理完了後にプロセス変数及び／又は品質変数を観測することで、後続の製品を製造又は処理することへの改善が実施可能になるが、これらの改善は、現時点で仕上げられ、仕様外である製品に対処することができない。

この問題は、特に、バッチ処理に対して、つまり、バッチ処理を実施するバッチプロセス制御システムに対して深刻である。周知のように、バッチ処理は、通常、共通の組の素材を「バッチ」として、様々な数の段又は工程を通じて一緒に処理して、製品を作製するように操作される。バッチ処理の多段又は多工程は、槽内等の同じ設備内で実行され得るのに対し、他の処理の段又は工程は、他の設備内で実行され得る。同じ素材は、バッチ処理の異なる段又は工程で異なる方法で、多くの場合、設備の共通の部品内で徐々に処理されているので、バッチ処理のいずれかの段又は工程の間、所望の又は十分な品質基準を有する最終製品を作製し易くなるように、バッチ内の材料が処理されているかを正確に判定することは難しい。つまり、材料は同じ場所に留まることが多いが、処理される材料の温度、圧力、粘稠度、ｐＨ、又は他のパラメータは、バッチを操作する間に徐々に変化するので、バッチを実行する間の任意の特定の時間に、バッチ処理が、所望の品質基準で最終製品を作製するように作動しているかを判定することは難しい。

現時点で作動しているバッチが、正常に又は所望の仕様内で進んでいるか（従って、所望の品質基準の最終製品が生じやすいか）を判定する周知の方法では、進行中のバッチの動作の間に行われる様々なプロセス変数計測を、「最高バッチ」の動作の間に取得される同等の計測と比較する。この場合、最高バッチは、バッチ動作が正常なもの又は予想されたものであり、所望の品質基準の最終製品が生じる、バッチ実行として選択された、既定の事前に実行されたバッチである。しかしながら、プロセスのバッチ実行は、通常、時間長が変化する、即ち、バッチを完了するのにかかる時間が変化し、最高バッチ内のどの時点が、進行中のバッチの現時点で計測されるパラメータに最適であり得るかを知ることが難しくなる。更に、多くの場合、バッチ処理の変数は、最終製品の品質があまり落ちない、選択された最高バッチの変数に比べて、バッチ動作の間に大いに変化し得る。その結果、他の全てのバッチが比較されるべき対象の最高バッチとして全ての事例に利用される能力のある特定のバッチ実行を特定することは、実際に不可能でなくても、難しいことが多い。

最高バッチを利用することの問題のうちの１つを克服する、進行しているバッチ処理の結果の分析法は、そのバッチに対する統計モデルを作り出すことを含む。この技術は、バッチ処理の数多くの異なるバッチ実行から、各々の組のプロセス変数（バッチパラメータ）のデータを収集することと、それらのバッチ実行の各々に対する品質基準を特定又は計測することとを含む。その後、収集されたバッチパラメータ及び品質データを利用して、「正常な」動作で所望の品質基準が得られる、バッチの統計モデルを作り出す。次に、バッチのこの統計モデルを利用して、特定のバッチ実行の間に行われる異なるプロセス変数計測が、モデルを開発するのに利用されるバッチ実行内の同等の計測に統計的にどのように関連するかを分析する。例えば、この統計モデルを利用して、計測された各々のプロセス変数の平均値又は中間値と、バッチ実行の間の任意の特定の時間で計測された各々のプロセス変数と関連する標準偏差とを与え、それらの値に対して、現時点で計測されたプロセス変数が比較され得る。更に、この統計モデルを利用して、バッチの現時点の状態が、バッチの終わりで作製されるバッチ製品の最終品質にどのような影響を与えるか、又は、その品質にどのように関連するかを予想する。

一般的に言えば、この種類のバッチモデル構築は、送信機、制御ループ、分析器、視覚センサ、計算ブロック及び手動入力等の様々な情報源から、巨大な量のデータを収集することを必要とする。ほとんどのデータは、連続データ履歴装置内に保存される。しかしながら、特に、手動入力での大量のデータは、通常、プロセス管理システムに関連する。これらの両方の種類のシステムからのデータ抽出は、モデル形成のための要求を満たすように組み合わされなければならない。更に、上述のように、バッチ処理は、通常、技術及びモデル構築の観点から、幾つかの十分な異なる段、工程又は相に曝される。従って、バッチ処理は、通常、相に細分され、各々の相に対して、モデルが構築され得る。この場合、多くのバッチ実行からの同じ相又は段のデータは、その相又は段に対する統計モデルを開発するために束ねられる。そのようなデータ配置の目的は、プロセスの非線形性を除去又は緩和することである。個別のバッチモデルを段別に、相別に又は他の分類別に開発する別の理由は、バッチの様々な異なる段では、異なる処理パラメータが、モデル構築に有効であり、利用されるからである。その結果、各々の特定の段に対して重要な特定の組のパラメータで段モデルを構築して、各々のバッチ段で重要な処理パラメータのみを受容する又は考慮することができる。例えば、ある段では、追加物が、主要バッチ転送に加えられ得る。それらの追加情報に重要な処理パラメータは、いずれの先行バッチ段にも考慮される必要がないが、それらの追加情報が加えられたバッチ段に重要である。

しかしながら、この統計バッチモデルを作り出す際に、異なるバッチ実行が異なる時間長さに通常跨がることに対処することが、尚も必要である。この現象は、例えば、バッチ実行内で手動動作に取り掛かるオペレータに関連する異なる待機時間、より長い又はより短い加熱時間又は他の処理時間を必要とする異なる雰囲気条件、バッチ実行中の処理時間がより長く又は短くなる素材組成物の変化等のような、数多くの因子に基づく。実際には、特定のプロセス変数に対するデータ動向が、異なるバッチ実行で異なる時間長さに跨がり、従って、異なるバッチ処理内の共通のバッチ標識の時間位置が互いに対してずれていることは普通である。しかしながら、有効な統計モデルを作り出すために、バッチの各々の段、操作、又は相のデータは、モデルを作り出すのに利用される他のバッチの同じ段、操作又は相からの同等のデータと整合されなければならない。そのように、バッチ処理を構築又は分析するのに利用される統計モデルを作り出すために、バッチ処理の実行中に計測されたデータを利用する前に、異なるバッチ実行からのバッチデータを、共通の時間枠に整合させることが必要である。そのような整合を実行する技術は、２０１０年５月２１日に出願された「実際のバッチ動作でのプロセス分析モデルのオンライン整合」と題する、米国特許出願整理番号第１２／７８４，６８９に開示されており、この開示は、本明細書であたかも全て説明されるかのように、本明細書で参照として組み込まれている。整合後に、そのバッチデータを、主成分分析（ＰＣＡ）及び潜在構造への投影（ＰＬＳ）等の分析ツールと組み合わせて利用して、バッチ処理のモデルを開発し、そのモデルを利用して、バッチ処理の追加の実行をモデル構築及び分析し得る。

品質パラメータの異常を検出及び予想するＰＣＡ及びＰＬＳ技術等の分析ツールをオンラインで利用することは、多くの事例では、単一の製品が作製される連続処理に限定されている。そのような事例では、プロセスが、一組の計測と試験分析が固定された単一ユニットとして処理されることが多い。これらの種類のプロセスでは、単一のＰＣＡ又はＰＬＳモデルを開発し、オンライン環境上で用いてもよい。しかしながら、各々がそれ自体の組の計測装備と品質パラメータを有するプラント設備の１つ以上の部品を利用して複数の製品が作製されるような、連続処理又はバッチ処理の要求に対処するためには、オフラインでモデルを開発した後にオンライン分析を用いる、より一般的な取り組みが行われなければならない。

連続処理及びバッチ処理にオンライン分析ツールを用いることは、幾つかの課題を含む。最初に、バッチ動作環境では、製品は、直列で、並列で、又は、ある設備が直列に実行されてある設備が並列に実行される混成形態で実行され得る、数多くの設備部品を利用して作製され得る。製造に利用される設備及び関連するプロセス動作条件は、製造される製品に依存する。異なる試験計測及びフィールド計測は、１つの製品を一方向に逐次的に製造する、又は、異なる製品を製造する製造工程内の様々な点で利用される場合があり、それは、モデルの開発を複雑にする。同様に、連続動作環境は、異なる形態で配置された複数の主要な設備部品も含み得る。幾つかの事例では、処理能力で又は処理されている製品で処理条件が変化するにつれて、各々の設備部品に関連する処理及び関連するプロセス計測・制御が変化し得る。

そのように、プロセスのモデル構築用のオンライン分析に対処するように設計されるツールでは、作製される製品、製品を作製するのに利用され得る設備配置、並びに、製品を製造するのに必要とされる異なる動作条件及び関連するフィールド計測・試験計測が考慮されなければならない。１つのプロセスに対して単一の凝集モデルが用いられた先行技術のモデル構築の取り組みは、複数の設備部品を用いる又は複数の異なる製品を作製するモデル構築処理に関連して必要とされる、動作条件及び関連するフィールド計測及び試験計測を変更できなかった。

バッチ製造プロセス又は連続製造プロセスのモデルを構築することは、そのプロセスを、特定の製品を作製するのに必要とされる異なる製造段に分割することにより容易になり得る。この文脈では、製造「段」を特徴付けるものは、プロセスに必要とされる設備の種類と、プロセスを監視又は制御するのに必要とされるフィールド計測及び試験計測と、維持しなければならないプロセス動作条件と、作製される最終製品への影響である。連続処理及びバッチ処理の両方についてオンライン分析を開発し、利用するのに、段の概念が用いられ得る。製品に関連する異なる段を定義した後に、分析モデルが、段別に構築され得る。モデルの開発に利用されるオフライン分析ツールは、オンラインデータ履歴装置からデータを抽出するのに段の定義を自動的に活用しないように設計され得るので、分析モデルを開発するのに必要とされる労力が少ない場合もある。オンライン分析用途は、モデル構築された処理段に基づいて、オンライン利用に適切なＰＣＡ及びＰＬＳモデルを自動的に選択するように開発され得る。その結果、段モデルは、製造設定の変更を受け入れるのに柔軟に設定され得る。

プロセス制御システムにより実施されるプロセスのモデル構築法は、そのプロセスを、少なくとも１つの第１処理段と第２処理段とを含む複数の処理段に分割することと、各々が複数の処理段の各々に対応する、複数のモデルを開発することとを含む。複数のモデルは、少なくとも１つの第１処理段のモデルと第２処理段のモデルとを含み、各々の処理段に対応するモデルは、その処理段の１つ以上の実行からのデータと、その処理段の１つ以上の実行に関連する出力品質データとを利用して開発される。加えて、各々の処理段に対応するモデルは、その処理段に関連する出力品質予想を立てるのに適しており、第１処理段のモデルにより生成される出力品質予想を利用して、第２処理段のモデルを開発する。

処理段の１つ以上の実行に関連する出力品質データは、最終段製品の品質又は最終バッチ製品の品質を含み得る。各々の処理段に対応するモデルは、最終段製品の品質又は最終バッチ製品の品質のいずれかを予想することを含む、出力品質予想を立てることに適し得る。

バッチ処理の複数の処理段に対応する複数のモデルの開発は、複数のプロセスの実行の各々の間にデータを収集して、複数のバッチを作成することを含み、前記データ収集は、各々のプロセスの実行の各々の処理段の間に、複数のプロセス変数の各々に対する値を計測することを含む。

バッチ処理の処理段に対するモデル構築データは、複数のバッチの各々に対する処理段の間の複数の時間枠で計測された、複数の変数の各々に対する複数の値を含む、３次元データ配列を形成する（前記データ配列である）。その３次元データ配列は、複数の処理段の間の複数の時刻の各々で、複数のバッチに対するプロセス変数値を含む２次元のデータ配列に展開され得る。そのように、３次元配列は、変数、時間、及び複数のバッチにより大きさが定められる。

バッチ処理の第１処理段のモデルにより導出され、バッチ処理の第２処理段により利用される情報は、バッチ処理により作成されるバッチに対する品質予想を含み、第２処理段のモデルに対する初期条件として利用され得る。第１処理段のモデルにより導出され、第２処理段のモデルにより利用される情報の少なくとも一部分に、忘却因子（即ち、選別因子）を加えてもよい。

連続処理のモデルを構築する場合、連続処理の複数の処理段に対応する複数のモデルを開発することは、処理を実施する間の複数の時間枠の各々の間にデータを収集することを含み得る。データ収集は、各々の時間枠の間に、複数のプロセス変数の各々に対する値を計測することを含み得る。連続処理の処理段に対して計測される値は、プロセスを実施する間の複数の時間枠の各々にわたり、複数の変数の各々に対して、処理段の間に計測された複数の値を含む、３次元データ配列を含み得る。３次元データ配列は、連続処理を実施する間の複数の時間枠の各々でのプロセス変数値を含む、２次元データ配列に展開され得る。複数のモデルを開発することは、潜在構造への投影又は処理段のＰＬＳモデルを構築することを含み得る。

プロセス制御システムで実施される（前記システムにより操作される）バッチ処理は、その処理を、少なくとも第１処理段と第２処理段とを含む複数の処理段に分解し、各々のモデルが複数の処理段の各々に対応する、複数のモデルを開発することにより分析され得る。前記複数のモデルは、少なくとも１つの第１処理段のモデルと第２処理段のモデルとを含む。第２処理段のモデルは、第１処理段のモデルにより導出された情報を利用し、次に複数のモデルを利用して、処理パラメータの値を予想する。

一実施形態では、第１処理段と第２処理段とを有するプロセスのモデルを構築し得るために、複数のプロセスの実行に対応する系列データ集合を利用して第１処理段のモデルを開発し、その系列データ集合の少なくとも第１部分を、入力として第１処理段モデルに加えて、第１処理段の出力品質予想を立て、系列データ集合の少なくとも第２部分と第１処理段の出力品質予想とを利用して第２処理段のモデルを開発する。第１処理段のモデルは、第１処理段の出力品質予想の信頼指標を作成し、第１処理段の出力品質予想の信頼指標を利用して、第２処理段のモデルを開発し得る。好ましくは、各々の処理段に対するモデルを開発し、系列データ集合の少なくとも一部分を、入力として各々の処理段のモデルに加えて、その処理段の出力品質予想を立て、系列データ集合の少なくとも一部分と先行する処理段の出力品質予想とを、入力として、第１処理段に続く各々の処理段のモデルに加える。

そのようなモデルは、多段処理の第１実行から得られた第１データ集合を第１処理段のモデルに加え、第１処理段の出力品質予想を立て、多段処理の第２実行から得られた第２データ集合と、その第１処理段の出力品質予想とを第２処理段のモデルに加えることにより、利用され得る。

バッチ処理を実施するのに利用され得る、コントローラ及びフィールド装置を有するプロセス制御ネットワークの図である。 バッチ処理を分析するオンラインバッチ分析システムを実施し得る、例示の動作管理システムを含む例示のプロセス制御システムを示すブロック図である。 バッチ処理に対して統計バッチモデルを定める例示の方法の流れ図である。 バッチ処理の実行に関連するプロセス変数計測及び品質変数計測を含む、バッチ処理の例示のバッチ実行のデータ構造を表す図である。 バッチ処理の複数の異なるバッチ実行に対するバッチデータを示し、各々のバッチ実行に対するプロセス変数と各々の品質変数とを含む、データ構造の図である。 バッチ処理の複数の異なるバッチ実行に対するバッチデータを示し、バッチ実行からのデータがオフライン整合処理で整合された後のプロセス変数と各々の品質変数とを含む、データ構造の図である。 多段バッチ処理を示すブロック図である。 単一処理段に対する処理データのバッチ方式展開を示す図である。 多重処理段に対する処理データのバッチ方式展開を示す図である。 単一ブロック及び多重ブロックＰＬＳモデル構築用のデータ構造を示す図である。 １つの処理段からの最終バッチの品質又は最終段の計算項の値が後続の処理段に伝送される、多段多重ブロックモデル構築用のデータ構造を示す図である。 多重ブロック多段モデル用の２つの交互モデル構築手続を示す図である。 ３段処理のモデルを構築するのに忘却因子を用いる、ＰＬＳモデルを示す図である。 多段バッチ処理のＰＬＳモデルの開発を示す図である。 図１４に示されるように開発されたＰＬＳモデルを利用することを示す図である。

図１は、データ履歴装置１２と、各々が表示画面１４を有する１つ以上のホストワークステーション又はコンピュータ１３（個人用コンピュータ、ワークステーション等のうちのいずれかの種類のものであり得る）とに接続されたプロセスコントローラ１１を含む、例示のプロセス制御システム１０を示す。コントローラ１１は、入力／出力（Ｉ／Ｏ）カード２６及び２８を介してフィールド装置１５〜２２にも接続され、フィールド装置１５〜２２を利用して、バッチ処理の１つ以上のバッチ実行を実施するように動作し得る。データ履歴装置１２は、いずれかの所望の種類のメモリと、データ保存用のいずれかの所望の又は周知の種類のソフトウェア、ハードウェア又はファームウェアとを有する、いずれかの所望の種類のデータ収集器であり得る。データ履歴装置１２は、（図１に示されるように）ワークステーション１３のうちの１つの一部から分離され得る。例として、エマーソン・プロセスマネージメント社により販売されるデルタＶ（登録商標）コントローラであり得るコントローラ１１は、例えば、イーサーネット（登録商標）接続又はいずれかの他の所望の通信網２３を介して、ホストコンピュータ１３及びデータ履歴装置１２に通信可能に接続される。コントローラ１１は、例えば、標準型４〜２０ｍａ装置及び／又はファウンデーション（登録商標）フィールドバスプロトコル、ハート（登録商標）プロトコル、無線ハート（登録商標）プロトコル等のような、いずれかのスマート通信プロトコルに関連するいずれかの所望のハードウェア及びソフトウェアを利用して、フィールド装置１５〜２２にも通信可能に接続される。

フィールド装置１５〜２２は、センサ、弁、送信機、位置決め装置等のような、いずれかの種類の装置であり得るのに対し、Ｉ／Ｏカード２６及び２８は、いずれかの所望の通信又はコントローラプロトコルに準拠するいずれかの種類のＩ／Ｏ装置であり得る。図１に示される実施形態では、フィールド装置１５〜１８は、アナログ線又は結合型アナログ・デジタル線上で、Ｉ／Ｏカード２６に通信する標準型４〜２０ｍａ装置又はハート装置であり、フィールド装置１９〜２２は、フィールドバス通信プロトコルを利用してデジタルバス上でＩ／Ｏカード２８に通信する、ファウンデーション（登録商標）フィールドバス・フィールド装置等のスマート装置である。当然、フィールド装置１５〜２２は、将来開発されるいずれかの基準又はプロトコルを含む、いずれかの他の所望の基準又はプロトコルに準拠し得る。

コントローラ１１は、制御ループを含み得る１つ以上のプロセス制御ルーチン（メモリ３２に保存される）を実施又は監視するプロセッサ３０を含み、装置１５〜２２、ホストコンピュータ１３及びデータ履歴装置１２と通信し、いずれかの所望の方法でプロセスを制御する。本明細書に記載されるいずれかの制御ルーチン又はモジュールの一部分は、そのように望まれる場合、異なるコントローラ又は他の装置により実施又は実行され得ることに留意するべきである。同様に、本明細書に記載される、プロセス制御システム１０内で実施されるべき制御ルーチン又はモジュールは、ソフトウェア、ファームウェア、ハードウェア等を含む、いずれかの形を取り得る。制御ルーチンは、例えば、オブジェクト指向プログラミングを利用して、ラダーロジック、シーケンシャルファンクションチャート、機能ブロック図を利用して、又は、他のいずれかのソフトウェアプログラミング言語又は設計パラダイムを利用して、いずれかの所望のソフトウェア形式で実施され得る。同様に、制御ルーチンは、例えば、１つ以上のＥＰＲＯＭ、ＥＥＰＲＯＭ、特定用途向け集積回路（ＡＳＩＣ）、又はいずれかの他のハードウェア又はファームウェア要素内に変更不能に符号化されて書き込まれ得る。そのように、コントローラ１１は、制御方式又は制御ルーチンを所望の方法で実施するように設定され得る。

幾つかの実施形態では、コントローラ１１は、通常、機能ブロックと呼ばれているものを利用して、制御方式を実施し、各々の機能ブロックは、制御ルーチン全体のオブジェクト又は他の部分（例えば、サブルーチン）であり、（呼び出しリンクを介して）他の機能ブロックとの組み合わせで動作し、プロセス制御システム１０内でプロセス制御ループを実施する。機能ブロックは、通常、送信機、センサ又は他の処理パラメータ計測装置に関連する機能等の入力機能、ＰＩＤ制御、ファジー論理制御等を実行する制御ルーチンに関連する機能等の制御機能、又は、弁等のある装置の動作を制御する出力機能のうちの１つを実行し、プロセス制御システム１０内で、ある物理的機能を実行する。当然、混成型の及び他の種類の機能ブロックが存在する。機能ブロックは、コントローラ１１内に保存され、そのコントローラにより実行される場合があり、それは、通常、これらの機能ブロックが、標準型４〜２０ｍａ装置及びハート装置等の、ある種類のスマートフィールド装置に利用される又は関連する場合の事例である。又は、機能ブロックは、フィールド装置自体の中に保存され、そのフィールド装置自体により実施される場合があり、フィールドバス装置を用いる事例であり得る。

図１の分解ブロック４０により図示されるように、コントローラ１１は、ルーチン４２及び４４として示される数多くの単一ループ制御ルーチンを含み得る。そのコントローラは、所望により、制御ループ４６として示される多重／入力・多重／出力制御ルーチン等の、１つ以上の先進的な制御ループを実施し得る。そのような各々のループは、通常、制御モジュールと呼ばれる。単一ループ制御ルーチン４２及び４４は、適切なアナログ入力（ＡＩ）及びアナログ出力（ＡＯ）機能ブロックにそれぞれ接続される単一入力／単一出力ファジー論理制御ブロック（ＦＬＣ）及び単一入力／単一出力ＰＩＤ制御ブロック（ＰＩＤ）を利用して、単一ループ制御を実行するように示されている。それらのルーチンは、弁等のプロセス制御装置に、温度及び圧力送信機等の計測装置に、又は、プロセス制御システム１０内のいずれかの他の装置に関連し得る。先進的な制御ループ４６は、１つ以上のＡＩ機能ブロックに通信可能に接続される入力と、１つ以上のＡＯ機能ブロックに通信可能に接続される出力とを含むように示されているが、先進的な制御ブロック４８を、いずれかの他の所望の機能ブロック又は制御要素に接続して、他の種類の入力を受信し、他の種類の制御出力を与えてもよい。先進的な制御ブロック４８は、モデル予想制御（ＭＰＣ）ブロック、ニューラルネットワークモデル構築又は制御ブロック、多変数ファジー論理制御ブロック、実時間最適化ブロック等のうちのいずれかの種類のものであってもよく、適合調節型制御ブロック等であってもよい。図１に示される、先進的な制御ブロック４８を含む機能ブロックは、コントローラ１１により実行され得る、又は代わりに、ワークステーション１３のうちの１つ、更に、フィールド装置１９〜２２のうちの１つ等の、いずれかの他の処理装置内に配置され、その処理装置により実行され得ると理解されるであろう。

更に、図１に示されるように、１つ以上の分析ルーチン５０は、プロセス制御システム１０の様々な装置により保存され、実行され得る。プロセス分析ルーチン５０が、１つ以上のコンピュータ読出可能メモリ５２内に保存され、ワークステーション１３のプロセッサ５４上で実行されるように示されているが、代わりに、ルーチン５０は、他の装置内に保存され、実行されてもよい。各々のプロセス分析ルーチン５０は、制御ルーチン４２、４４、４６等の１つ以上の制御ルーチンに、及び／又は、データ履歴装置１２に通信可能に結合されて、計測された１つ以上のプロセス変数の計測値を受信する。各々のプロセス分析ルーチン５０を利用して統計プロセスモデルを開発し、そのモデルに基づいて、進行中の又はオンラインのバッチ処理を分析し得る。分析ルーチン５０は、その上、プロセス制御システム１０により実施されているようなオンラインの又は進行中のバッチに関する情報を、バッチオペレータ等のユーザに表示し得る。

図２は、処理監視及び品質予想システム（ＰＭＳ）とも呼ばれる、オンラインバッチ処理モデル構築及び分析システムを実装するのに利用可能な動作管理システム（ＯＭＳ）１０２を含む、プロセス制御システム１００の別の実施例を示すブロック図である。ＯＭＳ１０２は、プラント１０４内に位置し、そのプラントは、例えば、図１のプロセス制御システム１０の一部又は全部を含み得るプロセス制御システム１０６を含んでいる。例示のプラント１０４は、製造設備、処理設備、自動化設備、及び／又は、別の種類のプロセス制御構造又はシステムのうちのいずれかの種類のものであり得る。幾つかの実施例では、プラント１０４は、異なる場所に位置する複数の設備を含む場合があり、図２のプラント１０４は、単一プロセス制御システム１０６を含むように示されているが、プラント１０４は、追加のプロセス制御システムを含んでもよい。

データバス１１０を介してコントローラ１０８に通信可能に結合され、そのシステムの一部であるプロセス制御システム１０６は、プロセス内で物理的機能を実行する又はプロセス変数を計測する等の、処理機能を実施する任意の数のフィールド装置（例えば、入力及び／又は出力装置）を含み得る。フィールド装置は、入力を受信し、出力を生成し、及び／又は、プロセスを制御する能力のある、いずれかの種類のプロセス制御要素を含み得る。例えば、フィールド装置は、例えば、プロセスを制御するための弁、ポンプ、送風機、加熱器、冷却器、及び／又は混合器等の入力装置を含み得る。加えて、フィールド装置は、例えば、プロセス内の又はプロセスの一部内の処理パラメータを計測するための温度計、圧力計、濃度計、液面計、流量計、及び／又は蒸気センサ等の出力装置を含み得る。入力装置は、１つ以上の特定のコマンドを実行し、プロセスに変化を生じさせる命令を、コントローラ１０８から受信し得る。更に、出力装置は、処理データ、環境データ、及び／又は入力装置データを計測し、計測されたデータをプロセス制御情報として、コントローラ１０８に伝送する。このプロセス制御情報は、各々のフィールド装置からの計測された出力に対応する変数（例えば、計測されたプロセス変数及び／又は計測された品質変数）の値を含み得る。

図２の図示される実施例では、コントローラ１０８は、データバス１１０を介してプロセス制御システム１０６内のフィールド装置と通信し、それらのフィールド装置は、プロセス制御システム１０６内の中間通信部品に結合され得る。これらの通信部品は、コマンド領域内のフィールド装置をデータバス１１０に通信可能に結合させるための、フィールド接合ボックスを含み得る。加えて、通信部品は、フィールド装置及び／又はフィールド接合ボックスへの通信経路を構成する配列棚を含み得る。更に、通信部品は、フィールド装置からデータを受信し、そのデータを、例示のコントローラ１０８により受信可能な通信媒体に変換するような、Ｉ／Ｏカードを含み得る。これらのＩ／Ｏカードは、コントローラ１０８からのデータを、対応するフィールド装置により処理され得るデータ形式に変換し得る。一実施例では、データバス１１０は、フィールドバスプロトコル又は他の種類の有線及び／又は無線通信プロトコル（例えば、プロフィバス・プロトコル、ハート・プロトコル等）を利用して実装され得る。

図２のコントローラ１０８（ＰＣ又はいずれかの他の種類のコントローラ）は、１つ以上の制御ルーチンを管理し、プロセス制御システム１０６内のフィールド装置を管理する。それらの制御ルーチンとして、プロセス管理用途、警報管理用途、プロセス動向及び／又は履歴用途、バッチ処理及び／又は活動管理用途、統計用途、ストリーミング画像用途、先進的制御用途が挙げられ得る。更に、コントローラ１０８は、プロセス制御情報をＯＭＳ１０２へ送り得る。制御ルーチンは、プロセス制御システム１０６が特定量の所望の製品をある品質閾値内で作製するのを確実にするように、実施され得る。例えば、プロセス制御システム１０６は、バッチの結末に製品を作製するバッチシステムとして設定され得る。他の実施例では、プロセス制御システム１０６は、連続プロセス製造システムを含み得る。

コントローラ１０８からのプロセス制御情報は、プロセス制御システム１０６内のフィールド装置を源とする、計測されたプロセス変数及び／又は品質変数に対応する値を含み得る。他の実施例では、ＯＭＳ１０２は、プロセス制御情報内の値を分析し、対応する変数にし得る。計測されたプロセス変数は、フィールド装置のプロセス及び／又は特性の一部を計測するフィールド装置から発信されるプロセス制御情報に関連し得る。計測された品質変数は、完成品の少なくとも一部分に関連するプロセス特性を計測することに関するプロセス制御情報に関連し得る。

例えば、プロセスは、流体中で一定濃度の化学物質を生成する槽内化学反応を実行し得る。この実施例では、流体中の化学物質の濃度が、品質変数であり得る。流体の温度と流体の槽内への流速が、プロセス変数であり得る。ＯＭＳ１０２は、プロセス制御モデル構築及び／又は監視を介して、流体の槽内での濃度が、流体の槽内での温度と流体の槽内への流速に依存することを確定し得る。（注記：ほとんどその通りであった）言い換えれば、計測されたプロセス変数は、計測された品質変数の質に寄与する、又は、それに影響を与える。ＯＭＳ１０２は、統計処理を利用して、品質変数へのプロセス変数の影響及び／又は寄与の量を確定し得る。

加えて、ＯＭＳ１０２は、プロセス制御システム１０６に関連する計測されたプロセス変数及び／又は品質変数の間の関連をモデル構築及び／又は確定し得る。計測されたプロセス変数及び／又は品質変数の間のこれらの関連により、１つ以上の算出された品質変数を作り出すことができる。算出された品質変数は、１つ以上の計測されたプロセス変数、計測された品質変数、及び／又は他の算出された品質変数の、多変量及び／又は線形代数的組み合わせであり得る。更に、ＯＭＳ１０２は、計測されたプロセス変数、計測された品質変数、及び／又は算出された品質変数の組み合わせから、総体的品質変数を確定し得る。その総体的品質変数は、全プロセス品質の確定に対応し得る、及び／又は、プロセスの結果として生じる製品の予想される品質に対応し得る。

図２に示されるように、ＯＭＳ１０２は、記述モデル構築、予想モデル構築、及び／又は最適化を利用する分析プロセッサ１１４を含み、プロセス制御システム１０６の状態及び／又は質に関するフィードバックを生成する。分析プロセッサ１１４は、プロセス操作の誤りを検出、識別、及び／又は診断し、プロセス制御システム１０６の結果として得られる製品の品質に関連する品質変数及び／又は総体的品質変数へのあらゆる誤りの影響を予想し得る。更に、分析プロセッサ１１４は、品質変数及び／又はプロセス変数を、プロセスの総体的な質に関連する総体的品質変数に統計的に及び／又は論理的に組み合わせることにより、処理動作の質を監視し得る。次に、分析プロセッサ１１４は、総体的品質変数に対する算出された値及び／又は他の品質変数に関連する値を各々の閾値と比較し得る。これらの閾値は、プロセス内の異なる時間での総体的品質変化の既定の品質限界に基づき得る。例えば、プロセスに関連する総体的品質変数が、一定量の時間にわたり閾値を超える場合、結果として得られる製品の予想される最終品質は、完成品に関連する品質基準に適合し得ない。

総体的品質変数及び／又はいずれかの他の品質変数が、各々の閾値から逸れる場合、分析プロセッサ１１４は、総体的品質変数に関連する解明された及び／又は未解明の変化（又は偏差）を示す誤り指標をプロセス概要図及び／又はプロセス変化グラフ内に作成し得る、及び／又は、プロセス誤りを生成した変数を示し得る。例示の分析プロセッサ１１４は、オペレータがプロセス品質グラフ（例えば、結合グラフ、マイクロチャート、プロセス変化グラフ、変数動向グラフ、グラフィクス等）を生成するのを可能にする機能性を与えることにより、１つ以上のプロセス誤りの原因を特定する分析を管理する。そのグラフは、計測されたプロセス変数、計測された品質変数、及び／又は計算された品質変数等の、現時点の及び／又は過去の値を表示し得る。更に、幾つかの事例では、そのプロセスが、作動中であり、ＯＭＳ１０２により追加のプロセス制御情報が受信される毎に、グラフの各々に関連する他変数統計を連続的に更新及び／又は再計算しながら、分析プロセッサ１１４が、これらのグラフを生成する。

バッチ工程に対してこれらの機能を実行するために、ＯＭＳ１０２は、複数の異なるバッチ実行の各々の間に、数多くの異なるプロセス変数に対するバッチ処理データを収集する。このデータは、コントローラ１０８又はプロセス制御システム１００内のフィールド装置から、プロセスの異なるバッチ実行の間にプロセスデータを既に収集、保存していることもあるデータ履歴装置（例えば、図１の履歴装置１２）から、又は、いずれのかの他のデータ源から収集され得る。次に、ＯＭＳ１０２は、このデータを処理し、１つ以上の統計バッチモデルを生成し、例えば、ＯＭＳ１０２のコンピュータ読出可能メモリ等のメモリ内に、又は、図１のワークステーション１３のメモリ５２のうちの１つの中に、その統計バッチモデルを保存する。次に、統計バッチモデルは、必要に応じて取り出され、進行中のバッチ実行又は将来のオンラインのバッチ実行を分析することができる。特に、ＯＭＳ１０２は、保存されたバッチモデルを利用して、特定のバッチ実行のオンライン動作中に又はそのバッチ実行の動作の進行中に収集されたデータを分析し得る、又は、ユーザがそれらのデータを分析するのを可能にし得る。

しかしながら、バッチがオンラインで作動している間にバッチ実行からのデータを分析するために、ＯＭＳ１０２は、最初に、バッチモデルと比較して、オンラインバッチが作動している正確な段を判定しなければならない。つまり、ＯＭＳ１０２は、そのオンラインバッチについての他の因子を測定することができるように、バッチモデルのどの点がオンラインバッチデータと比較されるべきかを、例えば、オンラインバッチのどのパラメータが、バッチモデル内のそれらの同じパラメータと比べて異常であるのか又は仕様外であるのか、オンラインバッチの出力が、所望の品質基準に適合しているか等を判定しなければならない。実際に、統計バッチモデルを利用するオンラインデータのいずれも分析も、オンラインデータに最も適用可能である、統計バッチモデル内の点を最初に定めなければならない。オンラインデータが統計バッチモデルに整合した後にのみ、オンラインバッチがバッチモデルとどのように比較されているかを示す画面をオペレータに与え、統計分析を実行し、バッチが正常に又は制限内で作動しているか、又は、バッチが異常に作動しているか、及び／又は、バッチの出力が、所望の粘稠度、濃度等のような所望の品質基準に適合するように予想されているかを判定する等のように、追加の分析を実行することができる。

一実施例として、現時点のオンラインバッチのデータをバッチモデル内の特定点に整合させた後に、ＯＭＳ１０２の分析プロセッサ１１４は、一連の異なるグラフ又は他の表示をユーザに与え、ユーザが、現時点の操作段又はオンラインバッチ実行の実行可能性を確定することを可能にし得る。これらのグラフ又は表示の幾つかが、以下に考察されるが、他の表示、分析又は情報が、オペレータ、保全作業員等のようなユーザに追加で又は代わりに与えられ得ると理解されるべきである。

一実施例として、分析プロセッサ１１４は、総体的品質変数への、又は、モデル化されたプロセス変化及びモデル化されていないプロセス変化の多変数統計誤り指標へのプロセス変数及び／又は品質変数の寄与を算出することにより、寄与グラフを生成し得る。プロセス及び／又は品質変数の寄与は、各々の変数のモデル構築された及び／又はモデル構築されていない変化として表示され得る。その変化への寄与は、総体的品質に関連し、及び／又は、品質変数は、その誤りに関連する。

更に、分析プロセッサ１１４は、いずれかの選択されたプロセス変数及び／又は品質変数に対して、定められた閾値を有する変数動向グラフを生成し得る。変数動向グラフは、変数に関連する値をプロセス時間にわたり、先行するプロセスの同じ時間の間の変数値、例えば、モデル変数値に対して示し得る。寄与グラフ及び／又は変数動向グラフを生成することにより、分析処理１１４は、プロセスに対する可能な補正も特定し、バッチ処理中で検出された誤りを緩和し得る。変数動向グラフは、オペレータが、関連変化（例えば、標準偏差）を用い、現時点の値を同じ時間尺度に整合させてバッチモデルを作り出すのに利用される、バッチのデータの履歴線図を重ねることにより、プロセス誤りの原因を確定するのを補助し得る。

分析プロセッサ１１４は、品質予想グラフも生成し、実装される場合、その補正（複数可）のプロセスの総体的な質への効果を定め得る。補正（複数可）が、特定の閾値内に総体的な質を維持する又は改善する場合、分析プロセッサ１１４は、ＯＭＳ１０２に補正（複数可）を実施するように命令する。代わりに、分析プロセッサ１１４は、命令をコントローラ１０８に送信し、プロセス補正（複数可）を実施し得る。

更に、例示の分析プロセッサ１１４は、総体的品質変数及び／又はいずれかの他の品質変数に関連する誤りを確定したと同時に、マイクロチャートを生成し得る。マイクロチャートは、バッチモデルにより予想されるような各々の変数の平均値及び／又は標準偏差に関する、特定の時間（例えば、プロセス誤りに関連する時間）での処理及び／又は品質変数の値を含み得る。加えて、マイクロチャートは、そのモデルに関連する処理及び／又は品質変数の各々に関連する先行する値を示すスパーク線を含み得る。マイクロチャートから、例示の分析プロセッサ１１４により、オペレータは、プロセスへの１つ以上の補正動作を確定及び／又は選択することができ、及び／又は、総体的品質変数が特定の限界内にあるように予想されるように、いずれかの補正が処理を向上させるかを判定することができる。

ＯＭＳ１０２は、オンラインデータプロセッサ１１６を介した、プロセス変化グラフ、寄与グラフ、変数動向グラフ、品質予想グラフ、及び／又はマイクロチャートを含むプロセス制御データへのアクセス及び制御を管理する。加えて、オンラインデータプロセッサ１１６は、プロセス制御のオペレータが、プロセス制御データを観測し、プロセス制御データを変化及び／又は修正し、及び／又は、プロセス制御システム１０６内でフィールド装置への命令を生成する許可を与える。

オンライン分析にアクセスするために、図２のプラント１０４は、ルータ１２０と、ローカルエリアネットワーク１２４（ＬＡＮ）を介してオンラインデータプロセッサ１１６に通信可能に結合されたローカルワークステーション１２２とを含むように示されている。更に、ルータ１２０は、プラント１０４内のいずれかの他のワークステーション（図示されず）を、ＬＡＮ１２４及び／又はオンラインデータプロセッサ１１６に通信可能に結合させ得る。無線で及び／又は有線接続を介して他のワークステーションに通信可能に結合するルータ１２０は、ＬＡＮ１２４及び／又はオンラインデータプロセッサ１１６へのアクセスハブとして、いずれかの種類の無線及び／又は有線ルータを含み得る。

ＬＡＮ１２４は、いずれかの所望の通信媒体及びプロトコルを利用して実装され得る。例えば、ＬＡＮ１２４は、有線又は無線イーサネット（登録商標）通信方式を基礎とし得る。しかしながら、いずれかの他の適切な通信媒体及びプロトコルが利用されてもよい。更に、単一のＬＡＮが示されているが、１を超えるＬＡＮ及びワークステーション１２２内の適切な通信ハードウェアを利用して、ワークステーション１２２と各々の類似のワークステーション（図示されず）との間に、冗長度のある通信経路を与え得る。

ＬＡＮ１２４は、１つ以上の規則に基づいて、遠隔ワークステーション１３０及び／又は１３２からの通信が、プラント１０４内に許可されるべきかを判定するファイヤーウォール１２８に通信可能に結合されるようにも示される。遠隔ワークステーション１３０及び１３２は、プラント１０４内にはいないオペレータに、プラント１０４内の情報源へのアクセスを与え得る。遠隔ワークステーション１３０及び１３２は、ワイドエリアネットワーク（ＷＡＮ）１３４を介してファイヤーウォール１２８に通信可能に結合される。

ワークステーション１２２、１３０及び／又は１３２は、ＯＭＳ１０２により実行されるオンライン分析に基づいて、プロセス制御システム１０６内の１つ以上の処理を観測、修正及び／又は補正するように設定されてもよく、これらのワークステーションは、本明細書に記載されるオンラインプロセス分析用途及び方法を直接実施してもよい。例えば、ワークステーション１２２、１３０及び／又は１３２は、ＯＭＳ１０２により生成されるプロセス制御情報をフォーマット及び／または表示するユーザインターフェース１３６を含んでもよい。別の実施例として、ユーザインターフェース１３６は、生成されたグラフ及び／又はチャートを受信してもよく、若しくは、代わりに、ＯＭＳ１０２からプロセス制御グラフ及び／又はチャートを生成するデータを受信してもよい。各々のワークステーション１２２、１３０及び／又は１３２内にグラフ及び／又はチャートデータを受信したと同時に、ユーザインターフェース１３６は、オペレータが理解するのに比較的容易なグラフ及び／又はチャート１３８の表示を生成し得る。図２の例示の構成は、分析ユーザインターフェース１３６を備えたワークステーション１３２を示す。しかしながら、ワークステーション１２２及び／又は１３０は、２つの分析ユーザインターフェース１３６を含んでもよい。

加えて、ユーザインターフェース１３６は、プロセス制御システム１０６内で、及び／又は、本明細書に記載されるオンライン分析により定められるプラント１０４内のいずれかの他のプロセス制御システム内で、いずれかのプロセス制御誤りが発生したことを、プロセス制御オペレータに警告し得る。更に、ユーザインターフェース１３６は、プロセス制御オペレータを分析過程に誘導して、プロセス誤りの源を確定し、プロセス誤りの、結果として得られる製品の品質への影響を予想し得る。ユーザインターフェース１３６は、プロセス誤りが発生した際にオペレータプロセス制御統計情報を与えることにより、オペレータが、処理を調整して、あらゆる誤りを補正するのを可能にし得る。プロセス中に誤りを補正することにより、オペレータは、結果として得られる製品の品質を維持し得る。

加えて、ユーザインターフェース１３６は、例示のＯＭＳ１０２を介して、検出動作、分析動作、補正動作、及び品質予想情報を表示し得る。例えば、ユーザインターフェース１３６は、プロセス概要チャート、プロセス変化グラフ、マイクロチャート、寄与グラフ、変数動向グラフ、及び／又は品質予想グラフ（例えば、グラフ１３８）を表示し得る。これらのグラフ１３８を観察したと同時に、オペレータは、追加のグラフ１３８を選択して、多変数及び／又は統計プロセス情報を観察し、プロセス誤りの原因を確定し得る。加えて、ユーザインタフェース１３６は、プロセス誤りに対する可能な補正動作を表示し得る。次に、ユーザインターフェース１３６により、オペレータは、（１つ以上の）補正動作を選択することができる。補正選択と同時に、ユーザインターフェース１３６は、補正をＯＭＳ１０２に伝送し、そのＯＭＳは、命令をコントローラ１０８に送信して、プロセス制御システム１０６を適切に補正し得る。

図２のワークステーション１２２、１３０及び／又は１３２は、いずれかの計算装置、例えば、個人用コンピュータ、ラップトップ、サーバ、コントローラ、携帯情報端末（ＰＤＡ）、マイクロコンピュータ等を含み得る。ワークステーション１２２、１３０及び／又は１３２は、いずれかの適切なコンピュータシステム又は処理システムを利用して実装され得る。例えば、ワークステーション１２２、１３０及び／又は１３２が、単一のプロセッサを備えた個人用コンピュータ、単一の又は複数のプロセッサを備えたワークステーション等を用いて実装され得る。

図１のプロセス制御システム１０及び図２の１００は、その内部に以下に更に詳しく記載される例示の方法及び装置が有利に用いられ得る、システムの種類を示すように与えられる。しかしながら、本明細書に記載される例示の方法及び装置は、所望により、例示のプロセス制御システム１０及び１００、及び／又は、図１及び図２に示されるプロセス制御システム１０６、及び／又は、プロセス制御動作、企業管理動作、通信動作等に関連して利用されるシステムよりも複雑性の高い又は低い、他のシステムに有利に用いられてもよい。

現在、多くのプロセス制御システムは、プロセス情報の分析及び／又は統計分析を与える。しかしながら、これらのシステムは、一般に、結果として得られる製品の品質に影響を与え得るプロセス誤りの原因及び潜在的な補正動作を確定するために、オフラインツールを実装している。これらのオフラインツールは、プロセス研究、基礎研究、商業研究、障害解決法、プロセス向上分析、及び／又はシックスシグマ分析を含み得る。これらのツールは、後続の製品のための処理を補正し得るが、誤りが起こる際のプロセスの質に対処及び／又はそれを補正することができない。そのように、これらのオフラインツールでは、製造される製品の質の劣化が防止されない。

他方では、本明細書に記載される例示のオンラインバッチプロセス制御システム分析をプロセス制御システム内に用いて、処理中の誤り検出、分析、及び／又は、製品が製造されている間にオペレータがプロセス誤りを補正するのを可能にする補正情報を与え得る。言い換えれば、プロセス補正は、予想された誤りに応答して、誤りが起こる際に、又は、実質的には、誤りが起こった直後に実施され得る。本明細書に記載される例示の方法及び装置を利用して、プロセス誤りを予想及び／又は補正し、バッチ処理及び／又は連続処理のプロセスの質を向上させ得るが、それらの方法及び装置は、特に、バッチ処理に対して記載されることになる。加えて又は代わりに、例示の方法及び装置を利用し、製品の品質を予想して対応するプロセス誤りを補正することにより、及び／又は、検出されたプロセス誤りを補正することにより、製品の品質を補正し得る。

図３は、（図１のルーチン５０を実行し得る）ＯＭＳ１０２により実施され、バッチ処理用の統計バッチモデルを開発し、次に、その統計バッチモデルを利用して、オンラインバッチ処理の実行からのデータを分析し得る方法の例示の流れ図１５０を示す。ブロック１５２では、ＯＭＳ１０２は、特定バッチに対するバッチデータを収集する。このバッチデータとして、プロセスの特定のバッチ実行に対する複数の異なるプロセス変数に対する、計測された、算出された又は推定されたプロセス変数値が挙げられ得る。それらの変数として、例えば、そのバッチに対する素材の組成物及び他の初期条件等の入力変数、温度、流速、液面又は他のプロセス変数計測等の進行中のプロセス変数、推定されるプロセス変数、湿度、室温等のような環境データ、１つ以上の試験分析でのオフラインで計測された又は得られたいずれかのデータを含む試験データ等が挙げられる。このデータは、以前の実行バッチのデータ履歴装置（図１の履歴装置１２等）により収集される。望まれる場合、ユーザ又はオペレータは、特定のバッチ実行を選択してもよく、データ履歴装置内に保存されるデータは、モデル構築処理に利用される。ブロック１５４では、データがブロック１５２で収集された、バッチ実行を完了した後に、及び／又は、バッチの異なる様々な段、操作又は相の終わりに、ＯＭＳ１０２は、バッチ実行の品質計測値又は品質データを収集する。品質データとして、バッチ出力の、又は、バッチの段、操作又は相のうちの１つの出力の、いずれかの種類の計測値又は品質指標が挙げられ得る。その計測値又は指標値として、例えば、材料の粘稠度、特定の化学物質又は元素の濃度、ｐＨ、材料組成又は比、及び／又は、許容可能な又は所望の出力を生成する際にバッチ実行の成功を示す、いずれかの他の品質データが挙げられる。当然、収集される特定の品質データは、製造される製品の種類に依存することになり、この品質データは、オンラインで計測されてもよく、試験分析により定められてもよく、視覚検査により定められ（ユーザにより入力され）てもよく、他のパラメータに基づいて算出されてもよく、いずれかの他の周知の方法で定められてもよい。更に、この品質データは、このデータがバッチ履歴装置内に保存される場合はバッチ履歴装置から、又は、オンライン処理を介して、又は、オフライン試験分析を介して得られてもよい。

図４は、計測された分離変数２０２と、計算された、又はそうでなければ、計測された又は確定された品質変数２０４とを含む例示のバッチ実行（例えば、バッチ＃１）のデータ構造２００を示し、それらの変数は、計測又は観測を介したバッチ実行の終わりに得られる１つ以上の総体的品質変数を含み得る。バッチ処理は、通常、１つ以上の処理段を含み、各々の段は、１つ以上の操作を含み、各々の操作は、１つ以上の相を含む。そのように、例示の計測されたプロセス変数２０２は、単一の相、操作又は段からのプロセス変数（プロセスパラメータとも称する）を含んでもよく、バッチ処理の複数の相、操作又は段に跨がるプロセス変数を含んでもよい。例として、図４に示される変数Ｐ１は、流体の流速（例えば、プロセス変数）に対応し得るのに対し、変数Ｐ２〜Ｐ８は、温度、圧力、別の流速等に対応し得る。変数２０４は、濃度等のような品質変数に対応し得る。図４のバッチ処理は、８つの計測されたプロセス変数２０２と２つの品質変数２０４とを含むように示されているが、他の例では、バッチ処理は、より少ない又は多いプロセス変数及び／又はより大きい又は小さい品質変数を含み得る。加えて、バッチ処理データは、ｔ軸（図４では、「時間」と表示）に沿って示される時間枠の間に収集される。

図４のデータグラフ２００は、幾つかのプロセス変数２０２が、バッチ処理の間のある時間に対してのみ重要であることを示す。例えば、プロセス変数Ｐ１は、バッチ（又は、データが収集されたバッチの段、動作又は相）を通じて、バッチの開始から中間点まで重要である。そのように、変数Ｐ１は、流体の流速に関連する場合、流体は、バッチの開始からバッチの中間点までバッチ処理内でのみ流れ得る。この点の後は、バッチは、流速を利用し得ない。従って、変数Ｐ１は、その時点でのバッチ処理に重要ではない。対照的に、図４の変数Ｐ４は、バッチ処理全体に対して重要である。

例示の品質変数２０４は、バッチ処理全体に関連してもよく、バッチ処理の特定の相又は段に関連してもよい。品質変数２０４は、計測されたプロセス変数２０２及び／又は他の品質変数２０４の間の多変数、統計的、及び／又は代数的関連の結果であってもよく、いずれかの周知の方法で計測又は測定されてもよく、ユーザにより入力されてもよい。例えば、品質変数Ｑ１は、バッチ処理から生じた製品の組成品質に対応し得る。Ｑ１は、プロセス制御システム１０６内で直接的に可測ではあり得ない場合でも、品質変数である。代わりに、組成品質変数Ｑ１は、計測された変数２０２の多変数の組み合わせから、モデル化及び／又は確定されてもよく、ある時間遅延を用いて、試験分析により確定されてもよい。

図３を再び参照して、次に、ＯＭＳ１０２は、ブロック１５６で、バッチデータが、プロセスのバッチ実行の間に、そのバッチに適した統計モデルを作り出すのに十分に収集されているかを判定する。収集されていない場合、ブロック１５６は、制御をブロック１５２に戻し、バッチ処理の別の実行に対するプロセス変数データを更に収集する。収集されている場合、ブロック１５８は、保存されたバッチモデルからバッチデータを整える。

この点を示すために、図５は、図３のブロック１５２〜１５６で得られ、ブロック１５８の開始でメモリ内に保存され得る、一組の例示のバッチ実行に関連するデータ構造３００を示す。図示されるように、データ構造３００は、複数のバッチ実行の各々の間のプロセス変数３０２と各々の品質変数３０４とを含む。バッチ実行（例えば、バッチ１〜Ｎ）は、この特定バッチの処理が、整理順に実行される４つの段（例えば、段１〜４）を含むことを示す。例えば、段１は、バッチでの化学物質の組み合わせ及び混合に対応し得るのに対し、段２は、バッチでのそれらの混合化合物の加熱乾燥に対応し得る。これらの段は、操作、相、及び／又はレベルに更に分割され得る。加えて、品質変数３０４は、各々のバッチ段、相、操作又はレベルで計測されたプロセス変数３０２に対応し得る、及び／又は、バッチの終わりに対応し得る。

図５に示される例示のデータ構造は、各々の個別のバッチが、時間間隔で異なり得ることを示し、バッチの各々の段の開始時間及び終了時間は、バッチ間で異なる。例えば、バッチ２は、バッチ１よりも短い時間で完了し、バッチ３及び４は、バッチ１よりも長い時間で完了する。更に、バッチ１は、段１を終了するのに、バッチ２よりも長い時間を必要とする。

図３を再び参照して、ブロック１５８は、バッチモデルを作り出すことができるように、図５のバッチデータを整える。幾つかの場合では、このデータは、各々の変数（図示されず）の重要な時間間隔を、対応する段（複数可）の時間長さに比例するものとして表すことにより、整えられ得る。そのように、バッチ及び／又は段を完了するのに変化する時間は、各々のバッチ内の計測されたプロセス変数３０２を利用して分解され得る。別の実施例では、十分に知られたＤＴＷ法を利用して、例えば、全てのバッチのメジアン時間枠、全てのバッチの平均時間枠、又は、制御バッチ又は選択されたバッチに関連する時間枠等のある他の時間枠であり得る一定の又は規格化された時間枠に、バッチデータを整合させ得る。整合する際に、バッチデータは、図６のデータ構造３５０に示されるように現れることになり、各々のバッチの時間枠は、正確に同じに規格化され、段の全ては、互いに整合し、各々のバッチ内の実際のデータ点は、バッチモデルに利用される規格化された時間枠に整合するように、時間が伸張又は収縮することにより時間がずれている。当然、各々の段（相又は操作）内の時間は、特定の段（相又は操作）の規格化された時間に対してそれらの段（相又は操作）の時間に基づいて、全ての段が個別に整合されるように、異なるようにずれていてもよい。任意の事象では、ＤＴＷ法等のいずれかの周知の方法を利用して、バッチデータを処理する又は統計モデルを開発する前に、異なるバッチ実行から、バッチデータの時間を整合してもよい。

理解されるように、時間枠が、異なるバッチ実行内で伸張収縮して、図６のデータ構造を作り出すことで、各々のデータのより多くの又はより少ないデータ点が、規格化されたデータの異なる段の各々を備えてもよく、それらの段に関連してもよい。望まれる場合、このデータは、（例えば、線形又は非線形補間を利用して）固定された数の又は固定された組の規格化データ点に変換され得るので、バッチモデルを作り出すのに利用されるバッチの各々は、同数のデータ点を有する、又は、バッチモデルの規格化時間枠内の同じ時間の各々に対するデータ点がある。当然、上述のように、データ内の点の値は、直線補間、又は、非線形補間等のいずれかの他の所望の補間を利用して、複数の点の間の補間により得られ得る。更に、様々なバッチ実行に対して収集された各々のデータ点が、一組の連続して収集された生データ点の平均値、メジアン値等のような統計データ点であり得ると理解されることになる。そのように、例えば、バッチ実行に対する単一データ点を、いずれかの所望の数の生データ点（例えば、１０、１００、又は他のいずかれの数）の統計の組み合わせ（通常、必ずしも平均ではない）として生成して、モデル処理に関連するモデル寸法及び処理時間を削減し得る。当然、バッチ実行内のいずれかの特定の統計データ点を作り出すのに利用される生データ点の数は、バッチ等内の時間長全体と比較した生データの計測頻度に基づき得る。

図６に示されるように、異なるバッチ実行からのバッチデータを整えた後に、ブロック１６０（図３）は、整合されたデータからの段モデルで構成される統計バッチモデルを作り出し、統計標準点から、工程１５２〜１５６の異なるバッチ実行から収集されたデータにより定められるような、バッチ処理の通常の又は予想される操作を定める。統計バッチモデルを作り出す１つの方法は、バッチ実行内のプロセス変数の各々に対して、１つ以上のモデルプロセス変数軌跡を作り出し、そのような各々のモデルのプロセス変数軌跡は、プロセス変数がバッチ操作に重要である時間枠にわたり、プロセス変数の予想される動作又は正常な動作を特定する又は表記する。この時間枠は、例えば、バッチ、１つ以上のバッチ段、相、操作、レベル等の全長であってもよい。例として、各々のモデルプロセス変数軌跡は、プロセス変数の予想値として、例えば、モデルの規格化された時間枠中の各々の時間位置での（収集されたバッチデータから算出されるような）プロセス変数の平均値又はメジアン値を定義し得る。加えて、望まれる場合、各々のモデルのプロセス変数軌跡は、いずれかの特定の時点での収集されたバッチデータに関連する１つ以上の標準偏差を含み、その特定の時間でのその変数に対するバッチデータの通常の変化を示し得る。

図３を再び参照して、ブロック１６０は、ＰＣＡ（主成分分析）モデル又はＰＬＳ（潜在構造投影）モデル等の他の統計モデルを更に又は代わりに開発し得る。周知のように、ＰＣＡモデル構築技術は、バッチモデル構築データ及びＰＣＡモデル行列に対して一組の主成分を開発し、次に、それらの主成分を利用して、オンラインバッチからのデータ等の他のバッチデータを分析することができる。更に、ＰＬＳモデル構築技術は、ＰＬＳ計算を実行して、バッチ実行用に収集された又は測定されたプロセス変数データを、そのモデルに利用されるバッチ実行用に計測、算出又はそうでなければ、測定された品質変数に関連させる。次に、ＰＬＳモデルを利用して、計測されたバッチ内の変数の統計値に基づいて、将来のバッチの品質変数を予想することができる。ＰＣＡ及びＰＬＳモデル構築技術は、十分に知られており、従って、本明細書では詳しく記載されない。当然、望まれる場合、図６の整合されたバッチデータから、他の種類の統計バッチモデルを作り出すことができる。任意の事象では、１つ以上の統計バッチモデルを作り出した後に、ブロック１６２は、図１のメモリ５２等のコンピュータ読出可能メモリ内にこれらのモデルを、後に利用するために保存する。

図７は、例示の処理施設を示し、その施設内で、例示の多段バッチ（又は連続）処理が実施され得て、その施設と接続して、多段モデル構築が実行され得る。図示される例示の処理施設４００は、複数の充填槽又は保存槽４０１、４０２、４０３、４０４、反応器Ａ４０６、反応器Ｂ４０８、選別ユニット４１０、及び保存槽４１２を含む。図示される例示のバッチ処理で、図７の矢印４１４により示されるように、反応器Ａ４０６は、プロセスで充填槽４０１及び４０２から入力される素材で充たされ、反応器Ｂ４０８は、プロセスで充填槽４０２及び４０４から入力される素材で充たされる。これらの材料は、反応器Ａ４０６及び反応器Ｂ４０８内で処理され、結果として得られる製品は、選別ユニット４１０に移され、その選別ユニットで選別されて、選別された生成物を生成し、次に、その生成物は、後の追加処理のために又は後に利用するために、保存槽４１２内に充填、保存される。

モデル構築を容易にし、より正確なモデル構築を可能にするために、任意の数の操作又は段（例えば、充填、反応、選別、保存等）を伴い得るこの例示のバッチ処理は、複数の処理相又は段に分解され得て、それらの相又は段の各々は、１つ以上の操作又は段を包含し得る。例えば、第１処理段（段１）は、素材を反応器Ａ４０６及び反応器Ｂ４０８内に誘導し、次に、それらの素材を処理して、反応生成物を生成することを含み得る。第２の処理段（段２）は、それらの反応生成物を選別ユニット４１０内に誘導することを含み得る。第３の処理段（段３）は、所望の選別生成物を生成するための、選別ユニット４１０内で実行される一連の選別操作を含み得る。第４の処理段（段４）は、選別生成物を保存槽４１２内に移送するための追加の一連の操作を含み得る。

一般に、全バッチ処理のモデルは、各々の処理段に対応する個別のモデルを開発することにより開発され得る。図７に示される例示のプロセスでは、モデルは、段１〜４の各々に対して開発され得る。各々の段に対応するモデルは、バッチ処理により作成される複数のバッチの各々からデータを収集することにより開発され得る。個別のバッチと関連して収集されたデータを区別するために、固有のバッチＩＤ４１６が、例えば、データ履歴装置内に収集、保存された全てのデータと関連する生成された各々のバッチに、そのバッチの生成をもたらしたプロセスのバッチ実行と関連付けて、割り当てられる。

図８は、単一のプロセス段に対する処理データのバッチ方式展開を図表で示す。処理データは、複数のバッチ実行から得られ得る。それらのデータは、バッチ処理の分析モデルを、又は、多段処理の場合は、バッチ処理の各々の段の分析モデルを開発するための系列データ集合として利用され得る。

図示されるように、バッチデータを保存するのに利用されるデータファイル４２０は、Ｊ変数及びＫ走査周期と、工業バッチプロセスのＩバッチの又はバッチ実行の各々に対するデータの３次元配列を含む。データファイル４２０は、バッチ実行に利用されるＪ変数の各々に対する値を保存する。各々のＩバッチの全て又は幾つかのＫ走査周期の間のＪ変数の全て又は幾つかに対する値が得られ、保存され得る。簡易な単一段バッチ処理では、この種類の展開で十分である。しかしながら、多段バッチ処理では、データは、図９に示され、以下により詳細に記載されるように段毎に個別に展開されるべきである。

プロセスの分析モデルを開発する前に、データファイル４２０は、図８に示されるようにＩ×ＫＪ寸法の２次元配列４２２に展開される。Ｋ走査周期の各々は、幾つかの又は全てのＩバッチに対する幾つかの又は全てのＪ変数に対する変数を含み得るＩ×Ｊ寸法の２次元配列４２４として表される。データファイル４２０を展開する際に、Ｋのデータの２次元配列４２４（即ち、各々のＫ走査周期に対する１つ）は、並列で配置され、図示されるような２次元配列４２２を形成する。

同じデータ展開方式が、図９に示されるように、多段バッチ処理に用いられ得る。図示されるように、各々の処理段に対するデータは、初期に、図８に示される３次元配列４２０と同様に、３次元配列４３０内に保存され得る。３次元配列４３０は、寸法が、Ｉｉ×Ｊｉ×Ｋｉであり、１≦ｉ≦Ｓであり、Ｓは、バッチ処理全体を構成する全段数である。そのように、データは、Ｓの３次元配列４３０で表され、各々の配列４３０は、１とＳとの間の処理段ｉの特定の１つに対する、Ｉバッチ及びＫ走査周期に対するＪ変数に対するデータを保存する。各々の３次元配列ｉ４３０内のデータは、Ｉｉ×Ｊｉ寸法のＫｉの２次元配列４３４が再び並列に配置されている、Ｉｉ×ＫｉＪｉ寸法の２次元配列４３２に展開される。

図１０は、多段産業用工程のＰＬＳモデル構築に用いられ得る幾つかの単一ブロックデータ構造及び多重ブロックデータ構造を示す。最も容易なデータ構造（図１０の上左手部分に示される）は、処理モデルを開発するのに利用される全てのデータに対する単一ブロックＸと、ブロックＸに対するデータを生成するのに利用されるバッチに対して算出又は計測され得る最終バッチ製品の品質指標に対するブロックＹとを用いる。この単一ブロックの単一段データ構造では、バッチが１段として処理され、全ての段に対する全てのデータが上述のように展開、同期化され、次に、１つのＰＬＳモデルが、そのバッチに対して、あたかも処理が単一段処理であるかのように開発される。大抵の処理又は処理段は、最終バッチ又は最終段製品の品質について、処理又は処理段が実行される前に存在する条件により影響を受けるので、品質予想のために、バッチ又は段の開始から現時点での時間までの全てのデータが用いられることが多い。処理モデル構築では「初期条件」と呼ばれる、これらの条件は、処理に利用される素材又は処理前の材料の品質又は状態の指標、又は、段の開始で知られており、最終段又は最終バッチ製品の品質に影響を与える、他の永久条件とを主に含む。

図１０の上右手部分に示される別のデータ構造は、個別の処理段１、２、…ｉのモデルをそれぞれ開発するのに利用されるデータに対して、ブロックＸ１、Ｘ２、…、Ｘｉを用いる。図１０の上右手部分に示されるように、このデータを、関連する最終バッチ製品の品質指標Ｙと組み合わせて単一ブロックにして、利用し、プロセスのＰＬＳモデルを構成してもよい。又は、図１０の下左手部分に示されるように、個別の最終段品質指標Ｙ１、Ｙ２、…、Ｙｉを用いて、プロセスのＰＬＳモデルを構成してもよい。最終段品質指標を利用することができない場合、最終バッチ品質指標を、段の終わりに算出し、代わりに利用してもよく、利用可能であれば、最終段品質指標に加えて利用することもできる。

段データブロックＸ１、Ｘ２、…、Ｘｉと最終段製品品質予想Ｙ１、Ｙ２、…、Ｙｉとを利用して、プロセスのＰＬＳモデルを構成するのではなく、ＰＬＳモデルは、図１０の下右手部分に示されるように、段データブロックＸ１、Ｘ２、…、Ｘｉに加えて、各々のｉ段に対して、スコア行列又は潜在構造スコアＴ１、Ｔ２、…Ｔｉを利用して、構成され得る。スコア行列又は潜在構造スコアＴ１、Ｔ２、…、Ｔｉは、組み合わせられ、潜在構造ＴＳを形成し得る。次に、その潜在構造を利用して、図示されるように、多段処理のＰＬＳモデルを構成するのに利用される、最終バッチ製品の品質予想Ｙを形成し得る。これらの潜在構造スコアの代わりに又はそれに加えて、最終段の品質又は最終バッチの品質予想が、段の終わりに形成され得る。

図１１は、最終バッチの品質又は最終段の計算項の値がある処理段に現れ、次の処理段に移される、多段多重ブロックモデル構築のデータ構造を示す図である。図示されるように、多重ブロックバッチモデル（図１１の左手部分に示される）のデータ構造Ａは、処理段１、２等を実行する間にそれぞれ得られる段データに対する、データブロックＸ１、Ｘ２等を含む。加えて、データ構造Ａは、各々の段に対して、その段に関連する初期条件の追加のブロックＩ１、Ｉ２等も含む。第１段に続く段では、これらの追加のブロックは、その上、最終バッチ品質予想Ｙを、又は、最終段計算項を、又は、直前の段からの他のパラメータ予想情報を含んでもよい。そのように、第２処理段に対応するデータブロックＸ２に対する追加のブロックは、初期の条件Ｉ２と、その上、第１処理段のためのモデルにより開発された最終バッチ製品品質予想Ｙとを含み得る。

図１１の右手部分に示される代わりのデータ構造Ｂは、データ構造Ａと同じであるが、第１段に続く段に対する追加のブロックが、品質計算項（スコア、分子／分母）と、上述のようなデータ構造Ａに利用される最終段製品の品質予想に加えて、又は、その品質予想の代わりとして、先行する段からの起こり得る信頼区間の計算項Ｔとを含むことを除く。

最終バッチ製品品質予想Ｙ、又は、より具体的に、算出される、平均値からの品質逸脱は、縮尺因子λにより、その縮尺が変更され得て、０＜λ＜１であり、最終バッチ品質予想への、現時点の段からの情報の影響に対して、先行する段からの情報の影響を減少させる。その上、主成分を利用して、段データから導かれる信頼区間の計算項を更に追加のパラメータとして、上述のような追加のブロックを介して後続の段へ渡してもよい。

図１２は、多段処理を多重ブロックでモデル構築するための、２つの代わりのモデル構築手続を示す図である。図示される実施例では、多段バッチ処理が、複数の時刻で実行され、処理データとモデルを構築するのに利用される最終バッチ品質データが得られる。データブロックＸ１、Ｘ２等は、上述のように、多段バッチ処理の各々の段から得られるデータを保存する。品質予想ブロックＹは、多段バッチ処理の各々の実行に対する、最終バッチ製品の品質に関連するデータを保存する。上述のように、このデータの全てを収集し、整列した後に、プロセスのＰＬＳモデルは、例として、図１２に示される２つの手続のうちの１つを利用して、構築され得る。

図１２の左手部分に示される手続（１）は、多段バッチ処理のｎ段に対して、それぞれ、一連のモデルＭ１、Ｍ２、…、Ｍｎの構築を含む。多段バッチ処理の第１段に対するＰＬＳモデルＭ１は、段１から得られる処理データのデータブロックＸ１、多段バッチ処理の段１に関連する初期条件を示すデータを含む初期条件ブロックＩ１、及び、ＰＬＳモデルを構築するのに利用されるデータがそこから得られた、多段バッチ処理を複数回実行する間に得られる、最終バッチ製品の品質を示すデータを含む、最終バッチ製品品質データブロックＹから構築される。段１でＰＬＳモデルＭ１を構築した後に、段１データブロックＸ１と段１の初期計算ブロックＩ１とを利用してＰＬＳモデルＭ１を実行して、段１の予想される最終バッチ品質指標Ｙｐと、任意選択で、予想される最終バッチ製品品質指標Ｙｐの精度のよく知られている統計上の測度である対応する信頼区間ＣＩとを生成する。信頼区間ＣＩは、どれくらい十分に、モデルがプロセスの出力を予想するのか、及び、どれくらい厳密に、実際のバッチデータが、モデルを開発するのに利用される系列データに整合するのか（即ち、雑音又は他の不正確さにより、バッチデータが、モデルにより期待されるデータと異なることになるか）の両方について、そのモデルの予想能力の精度を評価する方法を与える。次に、多段バッチ処理の第２段のＰＬＳモデルＭ２を構築するのに利用される初期条件ブロックＩ２内に、予想される最終バッチ製品品質指標Ｙｐと、望まれる場合は、信頼区間ＣＩとが含まれる。

次に、ＰＬＳモデルＭ２が、段２のデータボックスＸ２と、段２の初期条件ブロックＩ２（段１のＰＬＳモデルＭ１から得られる予想される最終バッチ製品品質指標Ｙｐと、関連する信頼区間ＣＩと含む）と、最終バッチ製品品質データブロックＹとから構築される。同様に、ＰＬＳモデルＭ２は、構築した後に、段２のデータブロックＸ２と段２の初期条件ブロックＩ２（モデルＭ１により生成されるＹｐとＣＩとを含む）とを利用して実行され、段２の予想される最終バッチ製品品質指標Ｙｐを生成し、対応する信頼区間ＣＩを算出する。再び、多段バッチ処理の第３段のＰＬＳモデルＭ３を構築するのに利用される初期条件ブロックＩ３内に、段２からの予想される最終バッチ製品品質Ｙｐと信頼区間ＣＩが含まれ得る。このプロセスは、多段バッチ処理の各々の段に対して繰り返され、初期条件ブロックＩｉは、先行する段からの予想される最終バッチ製品品質指標Ｙｐと信頼区間ＣＩとを含む段ｉのモデルに利用される。同様に、各々の段の初期条件Ｉｉは、各々の先行する段の初期条件を更に含み得る。

図１２の右手部分に示される多段バッチ処理の多重ブロックモデル構築のための手続（２）は、手続（１）と同じであるが、モデルＭ１が、段１からのデータを含むデータブロックＸ１のみの代わりに、多段バッチ処理の全てのｎ段に対してデータブロックＸ１、Ｘ２、…、Ｘｎを利用して構築されていることを除く。しかしながら、手続（２）は、ＰＬＳモデルＭ１が、データブロックＸ１、Ｘ２、…、Ｘｎ、最終バッチ製品品質データブロックＹ、及び初期条件データブロックＩ１から構成される点で、手続（１）と同様に進む。次に、データブロックＸ１及び初期条件データブロックＩ１を入力として利用して、構成されたＰＬＳモデルＭ１を実行し、予想される最終バッチ製品品質指標Ｙｐと関連する信頼区間とを生成し、次に、それらの指標と信頼区間は、最終バッチ製品品質データブロックＹ及び初期条件データブロックＩ２に加えて、データブロックＸ１ではなく、データブロックＸ２，Ｘ３、…、Ｘｎに基づいて、第２処理段のＰＬＳモデルＭ２を構築するのに利用される初期条件データブロックＩ２内に含まれる。手続（１）として、このプロセスは、多段バッチ処理のｎ段の各々に対して、手続（２）で繰り返され、多段バッチ処理全体のＰＬＳモデルを構成する。

図１３は、３段処理のモデルを構築するための忘却因子を用いるＰＬＳモデルを示す図である。所謂「忘却因子」は、例えば、プロセスの初期に得られるプロセスデータが有する、プロセスの後段で行われる最終バッチ製品品質予想への影響を縮小するのに利用される縮尺因子である。忘却因子を用いる理論的根拠は、各々のプロセスの段は、プロセス全体により最終的に作製される製品の品質への影響を有し得るが、各々の処理段の影響は、その段の間と直後に最も重要であり、そのプロセスが後段に進むにつれて減少することである。

図１３に示される例示の３段バッチ処理の事例では、ＰＬＳモデルは、複数のプロセスの実行の段１の間に生成されるデータを含むデータブロックＸ１、それらの実行の段２及び３の間にそれぞれ生成されるデータを含むデータブロックＸ２及びＸ３、並びに、それらの実行中に作製される製品の最終バッチ品質に関連するデータを含む最終バッチ製品品質データブロックＹを利用して開発され得る。段１、２、及び３に対してデータブロックＸ１、Ｘ２、及びＸ３に重みを付ける代わりに、忘却因子が、各々のデータブロックに連続して加えられ、プロセスの前段からの処理データよりも重く、プロセスの後段からの処理データに重みを付ける。

図示される実施例では、段１のモデルを構築する際に、１の忘却因子（実際には、忘却ではない）が、データブロックＸ１に加えられる。段２のモデルを構築する際に、１の忘却因子が、データブロックＸ２に加えられるが、１／２の忘却因子が、データブロックＸ１に加えられる。段３を構築する際に、１の忘却因子が、データブロックＸ３に加えられ、２／３の忘却因子が、データブロックＸ２に加えられ、１／３の忘却因子が、データブロックＸ１に加えられる。このように、各々の段からの処理データにより、その処理段に関連する最終バッチ品質予想への寄与は、多重処理の前段からの処理データよりも大きくなる。忘却因子は、処理モデルの段を通じて連続的に加えられてもよい。

図１４は、多段バッチ処理の複数の実行から収集された（又は、上述のように、先行するバッチ実行からのデータを含むデータ履歴装置から抽出された）系列データから、多段バッチ処理のＰＬＳモデルを開発するための模範的取り組みを示す。多段バッチ処理のそのようなＰＬＳモデルは、開発された後、例えば、図１２に示される２つの模範的処理モデル構築手続のうちのいずれかを実行する際に利用され得る。

図１４に示されるように、初期条件データＩ１とプロセス変数データＸ１（プロセスの第１段に対して収集される）と最終バッチ出力品質Ｙ１とを含む、段１で設定された系列データが、収集される（又は、望まれる場合、データ履歴装置から抽出される）。次に、ＰＬＳモデル構築計算又は手続が、多段バッチ処理の第１段のＰＬＳバッチモデルＭ１を生成するように設定された系列データに実行される。次に、初期条件データＩ１及びプロセス変数データＸ１を入力としてＰＬＳモデルＭ１に加えることで、段１のＰＬＳモデルＭ１を実行して、最終バッチ品質予想Ｙｐ１を生成する。加えて、ＰＬＳモデルＭ１は、信頼区間ＣＩ１等の、予想Ｙｐ１の信頼性又は精度の推定を与え得る、又は、信頼性又は精度のそのような推定は、当業者により十分に知られているように、個別に算出され得る。次に、図１４に示されるように、バッチ処理の段２のＰＬＳモデルＭ２を開発する際に、最終バッチ品質予想Ｙｐ１及び／又は信頼区間ＣＩ１を初期入力として利用する。同様に、（段２のデータＸ１とバッチ出力測度Ｙとに加えて、段１のＰＬＳモデルＭ１により開発された品質予想Ｙｐ１及び／又は信頼区間ＣＩ１を入力として利用して）ＰＬＳモデルＭ２を作り出した後に、バッチ処理の段２に対する初期条件データＩ２とプロセス変数データＸ２とを含み、その上、（系列データを入力として利用して開発された）バッチ処理の段１のモデルＭ１により出力される最終バッチ品質予想Ｙｐ１と、対応する信頼区間ＣＩ１とを含む入力を利用して、ＰＬＳモデルＭ２を実行し、モデルの第２段に対する最終バッチ品質予想Ｙｐ２及び対応する信頼区間ＣＩ２を開発する。この処理は、モデルＭ２からの最終バッチ品質予想Ｙｐ２と信頼区間ＣＩ２とを利用して、段３に対して、図示されるように、多段バッチ処理の各々の後続の段に対して繰りかえされる。そのように、各々の段モデルは、先行する段のモデルの予想出力及び／又は信頼出力を単なる例として含む、先行する段のモデルの出力を利用して作り出される。当然、図１４は、図１２の右側に示される方法（１）を利用した、モデル開発を示しているが、図１２の左側に示される方法（２）を利用しても、段モデルＭ１、Ｍ２、Ｍ３等を開発することができるので、プロセスの全ての後続の段からの系列データＸ１、Ｘ２等を利用して、第１段モデルＭ１を開発し、プロセスの全ての後続の段からの系列データＸ２、Ｘ３、Ｘ４等を利用して、第２段モデルＭ２を開発すること等を行なえる。

図１４を参照して上に記載されたように、多段バッチ処理のｎ段に対するモデルＭ１、Ｍ２、…Ｍｎを開発した後に、多段モデルを利用してバッチプロセスのモデルを構築し、例えば、バッチを作成する際のバッチの出力品質を予想し、例えば、バッチ処理の実行を継続するか又は取りやめるかを、若しくは、後続の段への入力を調製させるかを決定して、バッチ処理の前段のモデルを構築することにより予想される最終バッチ製品の品質のいずれかの欠陥を修正しようとする。図１５は、多段バッチ処理の例示の利用を示す。

図１５に示されるように、初期条件データＩ１と、バッチ処理の段１の実際の実行から計測される又は得られるプロセス変数データＸ１は、段１のＰＬＳモデルＭ１に加えられる。このデータは、オンラインで捕獲されてもよく、そう望まれる場合は、データ履歴装置から得られてもよい。このデータを利用した段１のＰＬＳモデルＭＩの実行により、出力品質予想Ｙｐ１及び対応する信頼区間ＣＩ１が作成される。次に、出力品質予想Ｙｐ１及び信頼区間ＣＩ１を利用して、バッチのこの段の実行に基づいて、バッチ実行の最終品質を推定し得る。バッチの第１段の実行の実行に基づいて、後続の段でバッチを実行し続けるか、バッチを停止するか、又は、バッチの質を向上させるようにバッチ手続を変更するか、を決定し得る。

同様に、続いて、ＰＬＳモデルＭ１の出力は、入力として、バッチの段２が完了した後に、バッチの段２から計測された初期条件データＩ２及びプロセス変数データＸ２と共に、段２のＰＬＳモデルＭ２に加えられ得る。モデルＭ２は、最終バッチ品質予想Ｙｐ２及び信頼区間ＣＩ２を生成し、次に、多段バッチ処理の全ての段もモデルが構築されるまで、これらの品質予想と信頼区間は、バッチ処理の次の連続段のＰＬＳモデル等に加えられ、各々のモデルは、先行する段のＰＬＳモデルにより生成される最終バッチ品質予想及び信頼区間を利用する。

当然、本明細書に記載される多段モデルは、オンラインバッチ実行の先行する全ての段を利用して、バッチの現時点の段で又は操作点でバッチ実行の最終出力品質を予想するように、バッチ実行中の（バッチがオンラインである間の）任意の時間に実行され得る。同様に、バッチ実行後に、本明細書で開発、実行されたような多段モデルを実行し、バッチの将来の実行の潜在的な変化を確定して、より良い品質が、バッチの出力で得られ得る。当然、本明細書で記載されるような多段モデル構築及び実行技術は、多くの状況で任意の所望の目的に利用されてもよく、バッチに同様に連続処理を適用することができる。

上述のように、上記の例示の方法及び／又は装置のうちの少なくとも幾つかが、コンピュータプロセッサ上で実行される１つ以上のソフトウェア及び／又はファームウェアプログラムにより実装され得る。しかしながら、特定用途向け集積回路、プログラム可能論理アレイ及び他のハードウェア装置を含むが、それらに限定されない、専用のハードウェア実装を、同様に構築して、本明細書に全て又は部分的に記載される幾つかの又は全ての例示の方法及び／又は装置を実装することができる。更に、分散型処理又は部品／オブジェクト分散型処理、並列処理、又は仮想機械処理を含むが、それらに限定されない代わりのソフトウェア実装を構築して、本明細書に記載される例示の方法及び／又はシステムを実装することができる。

本明細書に記載される例示のソフトウェア及び／又はファームウェア実装が、磁気媒体（例えば、磁気ディスク又はテープ）、光ディスク等の磁気光学式又は光学式媒体、又は、１つ以上の読出専用（非揮発性）メモリを収容するメモリカード又は他のパッケージ等の固体媒体、ランダムアクセスメモリ、又は、他の再書込可能な（揮発性）メモリなどの有形の記憶媒体上に保存されることに留意するべきである。従って、上記の媒体等の有形の記憶媒体又は後継の記憶媒体上に、本明細書に記載される例示のソフトウェア及び／又はファームウェアを保存することができる。上記の説明は、特定の基準及びプロトコルを参照して例示の部品及び機能を記述しているという点において、本特許の範囲は、そのような基準及びプロトコルに限定されないと理解される。例えば、インターネット及び他のパケット切換網伝送（例えば、伝送制御プロトコル（ＴＣＰ）／インターネットプロトコル（ＩＰ）、ユーザデータグラムプロトコル（ＵＤＰ）／ＩＰ、ハイパーテキスト構成言語（ＨＴＭＬ）、ハイパーテキスト転送プロトコル（ＨＴＴＰ））に対する各々の基準は、現時点の従来技術の実例である。そのような基準は、同じ一般的機能を有する、より高速でより効率的な均等物に周期的に代わる。従って、同じ機能を有する代わりの基準及びプロトコルは、本特許により考慮される均等物であり、付属の特許請求の範囲内に含まれるものと意図されている。

従って、この特許は、ハードウェア上で実行されるソフトウェア又はファームウェアを含む例示の方法及び装置を開示するが、そのようなシステムは、単に説明のためのものであり、限定するものと見なされるべきではないことに留意されるべきである。例えば、これらのハードウェア及びソフトウェア成分のいずれかの又は全ては、専らハードウェアに、専らソフトウェアに、専らファームウェアに、ハードウェア、ファームウェア及び／又はソフトウェアのある組み合わせで具現化され得ると考えられる。従って、上記の仕様は、例示の方法、システム、及び／又は機械的にアクセス可能な媒体を記述しているが、実施例は、そのようなシステム、方法及び機械的にアクセス可能な媒体を実装する唯一の方法ではない。従って、ある例示の方法、システム、及び機械的にアクセス可能な媒体は、本明細書に記載されているが、本特許の包含範囲は、それらに限定されない。

Claims (31)

1. プロセスのモデル構築方法であって、
   前記プロセスを、少なくとも第１処理段と第２処理段とを含む複数の処理段に分解することと、
   各々が前記複数の処理段の各々に対応し、少なくとも前記第１処理段の前記プロセス用の統計モデルと前記第１処理段に直接後続する第２処理段の前記プロセス用の統計モデルとを含む、前記プロセス用の複数の統計モデルを開発することと
   を含み、
   各々の処理段に対応する前記統計モデルが、前記複数の処理段のうちの対応する処理段の実行が完了されるまでの間に前記対応する処理段から得られる保存された段データと、前記対応する処理段での初期条件と、前記プロセスによって得られた最終段の最終段製品の品質を示す品質データと、を利用して開発され、
   各々の処理段に対応する前記統計モデルが、前記対応する処理段において、前記段データと前記初期条件とを利用して、前記プロセスの前記最終段の前記最終段製品の予想される品質の指標である最終段品質指標を生成し、
   前記第１処理段の前記統計モデルにより生成される前記最終段品質指標を利用して、前記第２処理段の前記統計モデルを開発する、
   方法。
2. 前記第１処理段に対する前記統計モデルにより導出された前記最終段品質指標が、前記第２処理段の前記統計モデルを開発するための初期条件として利用される、請求項１に記載の方法。
3. 前記複数の処理段に対応する複数の統計モデルを開発することが、複数のバッチを作成するために、前記複数の処理段の実行の各々の間に前記段データ及び前記初期条件を収集するデータ収集工程を含み、前記データ収集工程は、前記複数の処理段の実行の各々の間に、複数のプロセス変数の各々に対する値を前記段データ及び前記初期条件として計測することを含む、請求項１又は請求項２に記載の方法。
4. 前記処理段に対して計測される値が、複数のバッチの各々に対する前記処理段の間に複数の変数の各々に対して計測される複数の値を含む、３次元データ配列を含み、前記複数の処理段の間の複数の時刻の各々で、前記３次元データ配列を、プロセス変数値を含む２次元データ配列に展開することを更に含む、請求項１〜請求項３の何れか１項に記載の方法。
5. 前記プロセスがバッチ処理であり、前記第１処理段の前記統計モデルは、前記段データ及び前記初期条件を利用することによって前記最終段製品の予想される品質の指標である予想される最終段品質指標を生成する、請求項１〜請求項４の何れか１項に記載の方法。
6. 前記プロセスが連続処理であり、前記処理段に対して計測される値が、前記プロセスを実施する間の複数の時間枠の各々にわたり、複数の変数の各々に対して、前記処理段の間に計測された複数の値を含む、３次元データ配列を含み、前記３次元データ配列を、前記連続処理を実施する間の複数の時間枠の各々でのプロセス変数値を含む、２次元データ配列に展開することを更に含む、請求項１又は請求項２に記載の方法。
7. 前記複数の統計モデルを開発することが、処理段の潜在構造モデルへの投影（ＰＬＳ）を構築することを含む、請求項１〜請求項６の何れか１項に記載の方法。
8. 前記第１処理段の前記統計モデルにより生成され、前記第２処理段の前記統計モデルにより利用される前記段データの少なくとも一部分に、忘却因子を加えることを更に含む、請求項１〜請求項５の何れか１項に記載の方法。
9. プロセスを、少なくとも第１処理段と前記第１処理段に直接後続する第２処理段とを含む複数の処理段に分解することと、
   各々が前記複数の処理段の各々に対応し、少なくとも前記第１処理段の前記プロセス用の統計モデルと第２処理段の前記プロセス用の統計モデルとを含む、前記プロセス用の複数の統計モデルを開発することとを含み、
   各々の処理段に対応する前記統計モデルが、前記複数の処理段のうちの対応する処理段の実行が完了されるまでの間に前記対応する処理段から得られる保存された段データと、前記対応する処理段での初期条件と、前記プロセスによって得られた最終段の最終段製品の品質を示す品質データと、を利用して開発され、
   各々の処理段に対する前記統計モデルが、前記対応する処理段において、前記段データと前記初期条件とを利用して、前記プロセスの前記最終段の前記最終段製品の予想される品質の指標である予想される最終段品質指標を生成し、
   前記第１処理段の前記統計モデルにより生成される前記最終段品質指標を利用して、前記第２処理段の前記統計モデルを開発し、
   前記複数の統計モデルを利用して、前記プロセスのパラメータ値を予想すること
   をさらに含む、プロセスにより作成されるバッチを分析する方法。
10. 前記第２処理段の前記統計モデルが、前記第１処理段に対する前記最終段品質指標の精度の統計上の測度を更に利用する、請求項９に記載の方法。
11. 前記第１処理段に対する前記最終段品質指標の精度の統計上の測度が、前記第１処理段に対する前記最終段品質指標に関連する信頼区間である、請求項１０に記載の方法。
12. 前記第１処理段の前記統計モデルと前記第２処理段の前記統計モデルのうちの少なくとも１つが、ＰＬＳモデルである、請求項９〜請求項１１の何れか１項に記載の方法。
13. プロセスをモデル構築するための機械的に実行可能な命令が保存されている、コンピュータ読出可能媒体であって、前記プロセスが、少なくとも第１処理段と前記第１処理段に直接後続する第２処理段とを含む複数の処理段に分割可能であり、
    前記機械的に実行可能な命令が、
    各々が前記複数の処理段の各々に対応し、少なくとも前記第１処理段の前記プロセス用の統計モデルと前記第２処理段の前記プロセス用の統計モデルとを含む、複数の統計モデルを開発するための第１組の命令を含み、
    前記第１組の命令が、前記複数の処理段のうちの対応する処理段の実行が完了されるまでの間に前記対応する処理段から得られる保存された段データと、前記対応する処理段での初期条件と、前記プロセスによって得られた最終段の最終段製品の品質を示す品質データと、を利用して、各々の処理段に対応する前記統計モデルを開発し、
    各々の処理段に対応する前記統計モデルが、前記対応する処理段において、前記段データと前記初期条件とを利用して、前記プロセスの前記最終段の前記最終段製品の予想される品質の指標である予想される最終段品質指標を生成し、
    前記第１組の命令が、前記第１処理段の前記統計モデルにより生成される前記最終段品質指標を利用して、前記第２処理段の前記統計モデルを開発する、
    コンピュータ読出可能媒体。
14. 前記第１組の命令が、複数のバッチを作成するために、前記複数の処理段の実行の各々の間に前記段データ及び前記初期条件を収集する命令を含み、前記段データ及び前記初期条件の収集が、各々の前記複数の処理段の実行の各々の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項１３に記載のコンピュータ読出可能媒体。
15. 前記処理段に対して計測される値が、複数のバッチの各々に対する前記処理段の間に複数の変数の各々に対して計測された複数の値を含む、３次元データ配列を含み、前記複数の処理段の間の複数の時刻の各々で、前記３次元データ配列を、プロセス変数値を含む２次元データ配列に展開する命令を更に含む、請求項１３又は請求項１４に記載のコンピュータ読出可能媒体。
16. 前記プロセスが連続処理であり、前記第１組の命令が、前記複数の処理段の各々に対応する複数の統計モデルを開発するための命令を含み、前記プロセスを実施する間の複数の時間枠の各々の間に前記段データ及び前記初期条件を収集する命令を含み、前記段データ及び前記初期条件を収集することが、前記複数の時間枠の各々の間に、複数のプロセス変数の各々に対する値を計測することを含む、請求項１３に記載のコンピュータ読出可能媒体。
17. 前記プロセスが連続処理であり、前記処理段に対して計測される値が、前記プロセスを実施する間の複数の時間枠の各々にわたり、複数の変数の各々に対して、前記処理段の間に計測された複数の値を含む、３次元データ配列を含み、前記第１組の命令が、前記３次元データ配列を、前記連続処理を実施する間の複数の時間枠の各々でのプロセス変数値を含む、２次元データ配列に展開する命令を更に含む、請求項１３に記載のコンピュータ読出可能媒体。
18. 前記複数の統計モデルを開発するための前記第１組の命令が、処理段の潜在構造への投影（ＰＬＳ）モデルを構築する命令を含む、請求項１３〜請求項１７の何れか１項に記載のコンピュータ読出可能媒体。
19. プロセスにより生成されるバッチを分析するための機械的に実行可能な命令が保存されたコンピュータ読出可能媒体であって、前記プロセスが、少なくとも第１処理段と前記第１処理段に直接後続する第２処理段とを含む複数の処理段に分割可能であり、前記機械的に実行可能な命令が、
    各々が前記複数の処理段の各々に対応し、少なくとも前記第１処理段の前記プロセス用の統計モデルと前記第２処理段の前記プロセス用のモデルとを含む、前記プロセス用の複数の統計モデルを開発するための第１組の命令を含み、
    各々の処理段に対応する前記統計モデルが、前記複数の処理段のうちの対応する処理段の実行が完了されるまでの間に前記対応する処理段から得られる保存された段データと、前記対応する処理段での初期条件と、前記プロセスによって得られた最終段の最終段製品の品質を示す品質データと、を利用して開発され、
    各々の処理段に対応する前記統計モデルが、前記対応する処理段において、前記プロセスの前記最終段の前記最終段製品の予想される品質の指標である予想される最終段品質指標と前記初期条件とを生成し、
    前記プロセスのパラメータ値を予想するために前記複数の統計モデルを利用する第２組の命令をさらに含む、コンピュータ読出可能媒体。
20. 前記第２処理段の前記統計モデルが、前記第１処理段に対する前記最終段品質指標の精度の統計上の測度を更に利用する、請求項１９に記載のコンピュータ読出可能媒体。
21. 前記第１処理段に対する前記最終段品質指標の精度の統計上の測度が、前記第１処理段に対する前記最終段品質指標に関連する信頼区間である、請求項２０に記載のコンピュータ読出可能媒体。
22. 前記第１処理段の前記統計モデルと前記第２処理段の前記統計モデルのうちの少なくとも１つが、ＰＬＳモデルである、請求項１９〜請求項２１の何れか１項に記載のコンピュータ読出可能媒体。
23. 第１処理段と前記第１処理段に直接後続する第２処理段とを含む複数の処理段に分解可能なプロセスの統計モデルを構築する方法であって、
    前記複数の処理段の完了された実行に対応する保存された系列データ集合を利用して、前記第１処理段の統計モデルを開発することと、
    前記系列データ集合に含まれる第１部分であって、前記第１処理段が実行される間に前記第１処理段から得られる第１処理段データ及び前記第１処理段での初期条件を少なくとも含む第１部分を、入力として前記第１処理段の前記統計モデルに加えて、前記処理段の前記統計モデルが、前記第１処理段において、前記プロセスの最終段の最終段製品の予想される品質の指標である予想される最終段品質指標を生成し、
    前記系列データ集合に含まれる第２部分であって、前記第２処理段が実行される間に前記第２処理段から得られる第２処理段データ及び前記第２処理段での初期条件を少なくとも含む第２部分と、前記第１処理段の前記統計モデルにより生成された前記最終段品質指標とを利用して、前記第２処理段の統計モデルを開発することと
    を含む、方法。
24. 前記第１処理段の前記統計モデルと前記第２処理段の前記統計モデルのうちの少なくとも１つが、潜在構造への投影（ＰＬＳ）モデルである、請求項２３に記載の方法。
25. 第１処理段と前記第１処理段に直接後続する第２処理段とを有する多段処理の統計モデルを利用する方法であって、
    前記多段処理の統計モデルが、前記第１処理段及び前記第２処理段の各々の統計モデルを含み、
    前記多段処理の第１実行から得られる第１組のデータであって、前記第１処理段が実行される間に前記第１処理段から得られる第１処理段データ及び前記第１処理段での初期条件を少なくとも含む第１組のデータを前記第１処理段の前記統計モデルに加えて、前記第１処理段の前記統計モデルが、前記第１処理段において、前記多段処理の最終段の最終段製品の予想される品質の指標である予想される最終段品質指標を生成し、
    前記多段処理の第２実行から得られる第２組のデータであって、前記第２処理段が実行される間に前記第２処理段から得られる第２処理段データ及び前記第２処理段での初期条件を少なくとも含む第２組のデータと前記第１処理段の前記統計モデルにより生成された前記最終段品質指標とを前記第２処理段の前記統計モデルに加えることと
    を含む、
    方法。
26. 前記第１処理段に対する前記最終段品質指標の精度の統計上の測度を前記第２処理段の前記統計モデルに加えることを更に含む、請求項２５に記載の方法。
27. 前記第１処理段の前記統計モデルと前記第２処理段の前記統計モデルのうちの少なくとも１つが、主成分分析（ＰＣＡ）モデルである、請求項２５又は請求項２６に記載の方法。
28. 前記第１組のデータが、前記多段処理の実行の前記第１処理段の間に得られるプロセス変数データを含み、前記第２組のデータが、前記多段処理の前記実行の前記第２処理段の間に得られるプロセス変数データを含む、請求項２５〜請求項２７の何れか１項に記載の方法。
29. 第１処理段と前記第１処理段に直接後続する第２処理段とを含む複数の処理段に分割可能なプロセスの統計モデルを構築するために機械的に実行可能な命令が保存されているコンピュータ読出可能媒体であって、
    前記機械的に実行可能な命令が、
    前記複数の処理段の完了された実行に対応する保存された系列データ集合を利用して前記第１処理段の統計モデルを開発するための第１組の命令と、
    前記系列データ集合に含まれる第１部分であって、前記第１処理段が実行される間に前記第１処理段から得られる第１処理段データ及び前記第１処理段での初期条件を少なくとも含む第１部分を入力として前記第１処理段の前記統計モデルに加えて、前記第１処理段の前記統計モデルが、前記第１処理段において、前記第１処理段データと前記初期条件とを利用して、前記プロセスの最終段の最終段製品の予想される品質の指標である予想される最終段品質指標を生成する第２組の命令と、
    前記系列データ集合に含まれる第２部分であって、前記第２処理段が実行される間に前記第２処理段から得られる第２処理段データ及び前記第２処理段での初期条件を少なくとも含む第２部分と前記第１処理段の前記統計モデルにより生成された前記最終段品質指標とを利用して、前記第２処理段の統計モデルを開発するための第３組の命令と
    を含む、コンピュータ読出可能媒体。
30. 前記第１処理段の前記統計モデルと前記第２処理段の前記統計モデルのうちの少なくとも１つが、潜在構造への投影（ＰＬＳ）モデルである、請求項２９に記載のコンピュータ読出可能媒体。
31. 多段処理の複数の実行のうちの第１実行から得られる第１組のデータを前記第１処理段の前記統計モデルに加えて、前記第１処理段の前記最終段品質指標を生成する第４組の命令と、
    前記多段処理の複数の実行のうちの第２実行から得られる第２組のデータと前記第１処理段の前記最終段品質指標とを、前記第２処理段の前記統計モデルに加える第５組の命令と
    を更に含む、請求項２９又は請求項３０に記載のコンピュータ読出可能媒体。

Images