JPWO2020227383A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2020227383A5 JPWO2020227383A5 JP2021566289A JP2021566289A JPWO2020227383A5 JP WO2020227383 A5 JPWO2020227383 A5 JP WO2020227383A5 JP 2021566289 A JP2021566289 A JP 2021566289A JP 2021566289 A JP2021566289 A JP 2021566289A JP WO2020227383 A5 JPWO2020227383 A5 JP WO2020227383A5
- Authority
- JP
- Japan
- Prior art keywords
- model
- chemical process
- machine learning
- learning model
- principles
- 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.)
- Granted
Links
- 238000001311 chemical methods and process Methods 0.000 description 38
- 238000000034 method Methods 0.000 description 30
- 238000010801 machine learning Methods 0.000 description 28
- 230000000704 physical effect Effects 0.000 description 18
- 238000005259 measurement Methods 0.000 description 13
- 238000004088 simulation Methods 0.000 description 12
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004886 process control Methods 0.000 description 2
- 238000013073 enabling process Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Description
前述の説明では本発明を実施する用途技術分野の一つとしてプロセス制御を詳細に述べたが、本明細書で開示した本願のハイブリッドモデルやモデリング方法/システムには、それ以外の利用技術分野もある。実施形態は、プロセス技術者が化学プロセスのトラブルシューティングをより良好に行うのを可能にすること、産業プラントの化学プロセスの一部のデボトルネッキングを可能にすること、対象の産業プラントの化学プロセスのパフォーマンスを(オンラインやオフラインで)最適化することなどにより、対象の化学プロセスのパフォーマンスの改善を可能にする。実施形態は、プロセスモデリングシステム、プロセスモデルシミュレーションシステムなどを含む。
なお、本発明は、態様として以下の内容を含む。
〔態様1〕
コンピュータに実装される、プロセスモデリング・シミュレーションの方法であって、
プロセッサが、対象の産業プラントの化学プロセスをモデル化する過程であって、当該化学プロセスの進行を予測するモデルの生成を含む、過程と、
生成された前記モデルによる予測に基づき、前記対象の産業プラントの前記化学プロセスのパフォーマンスの改善を可能にする過程であって、前記生成されたモデルは、前記化学プロセスの機械学習モデルによって向上する少なくとも1つの要素を含む第一原理モデルで構成されたハイブリッドモデルからなる、過程と、
を備える、方法。
〔態様2〕
態様1に記載の方法において、機械学習モデルによって向上する前記1つの要素がプラントデータに基づく入力変数であり、当該入力変数の数値を増強したもので当該機械学習モデルの訓練・構築を行う、方法。
〔態様3〕
態様2に記載の方法において、さらに、
第一原理に基づき、プラントデータからの元々の測定入力変数を増強した変数データセットを生成する過程であって、当該生成により、増強後の変数が生じる、過程と、
前記元々の入力変数に前記増強後の変数を組み合わせて前記機械学習モデルの訓練に利用する過程であって、訓練された当該機械学習モデルにより、精度の向上した対応する出力変数データセットが生成される、過程と、
を備える、方法。
〔態様4〕
態様1に記載の方法において、機械学習モデルによって向上する前記1つの要素が、前記化学プロセスの物理的性質の測定値であり、前記生成されたモデルが、当該物理的性質についての前記第一原理モデルによる予測ではなく、当該物理的性質の前記測定値についての前記機械学習モデルによる予測を採用する、方法。
〔態様5〕
態様4に記載の方法において、さらに、
前記第一原理モデルによって形成されるシミュレータからの出力に対する予測値を算出する過程と、
プラントデータからの出力変数の観測値と対応する出力変数の前記シミュレータによる予測値との差分を提示するように、前記機械学習モデルを訓練・構築する過程と、
を備える、方法。
〔態様6〕
態様1に記載の方法において、機械学習モデルによって向上する前記1つの要素は、前記第一原理モデルに利用可能な測定値がプラントデータに既存していない物理的性質についての定量的表現であり、当該物理的性質の測定値についての当該機械学習モデルによる予測が、前記第一原理モデルで使用される、方法。
〔態様7〕
態様6に記載の方法において、前記第一原理モデルがシミュレーションモデルであり、当該方法は、さらに、
前記機械学習モデルを、前記化学プロセスについての測定不能なシミュレーションモデルパラメータ又は関数値を算出するように構成する過程と、
算出された前記モデルパラメータ又は関数値を、前記シミュレーションモデルの入力に用いる過程と、
プラントデータからの出力測定値に対する前記シミュレーションモデルの出力の誤差を演算する過程と、
演算された前記誤差を用いて、前記機械学習モデルを訓練する過程と、
を備える、方法。
〔態様8〕
態様1に記載の方法において、前記生成されたモデルは、前記化学プロセスの操業条件、物理的性質および出力のうちの任意の1つ以上を予測するものであり、前記化学プロセスのパフォーマンスの改善を可能にする前記過程は、プロセス技術者が前記化学プロセスのトラブルシューティングを行うのを可能にすること、前記化学プロセスの一部のデボトルネッキングを可能にすること、および前記対象の産業プラントの前記化学プロセスのパフォーマンスを最適化することのうちの任意のものを含む、方法。
〔態様9〕
態様1に記載の方法において、前記化学プロセスのパフォーマンスの改善を可能にする前記過程が、前記生成されたモデルによる予測に基づき、前記対象の産業プラントの設備の設定を自動制御することを含む、方法。
〔態様10〕
コンピュータベースの、プロセスモデリング・シミュレーションのシステムであって、
対象の産業プラントの化学プロセスをモデル化し、当該化学プロセスの進行を予測するモデルを生成するモデリングサブシステムと、
生成された前記モデルによる予測に基づき前記対象の産業プラントの前記化学プロセスのパフォーマンスの改善を可能にするように前記モデリングサブシステムに接続されたインターフェースと、
を備え、前記生成されたモデルは、前記化学プロセスの機械学習モデルによって向上する少なくとも1つの要素を含む第一原理モデルで構成されたハイブリッドモデルからなる、システム。
〔態様11〕
態様10に記載のシステムにおいて、機械学習モデルによって向上する前記1つの要素がプラントデータに基づく入力変数であり、当該入力変数の数値を増強したもので当該機械学習モデルの訓練・構築を行う、システム。
〔態様12〕
態様11に記載のシステムにおいて、前記モデリングサブシステムが、さらに、第一原理に基づき、プラントデータからの元々の測定入力変数を増強した変数データセットを生成することによって増強後の変数を生じさせて、前記元々の入力変数に当該増強後の変数を組み合わせて前記機械学習モデルの訓練に利用し、訓練された当該機械学習モデルにより、精度の向上した対応する出力変数データセットを生成する、システム。
〔態様13〕
態様10に記載のシステムにおいて、機械学習モデルによって向上する前記1つの要素が、前記化学プロセスの物理的性質の測定値であり、前記生成されたモデルが、当該物理的性質についての前記第一原理モデルによる予測ではなく、当該物理的性質の前記測定値についての前記機械学習モデルによる予測を採用する、システム。
〔態様14〕
態様13に記載のシステムにおいて、前記モデリングサブシステムが、さらに、前記第一原理モデルによって形成されるシミュレータからの出力のための予測値を算出し、プラントデータからの出力変数の観測値と対応する出力変数の前記シミュレータによる予測値との差分を提示するように、前記機械学習モデルを訓練・構築する、システム。
〔態様15〕
態様10に記載のシステムにおいて、機械学習モデルによって向上する前記1つの要素は、前記第一原理モデルに利用可能な測定値がプラントデータに既存していない物理的性質についての定量的表現であり、当該物理的性質の測定値についての当該機械学習モデルによる予測が、前記第一原理モデルで使用される、システム。
〔態様16〕
態様15に記載のシステムにおいて、前記第一原理モデルがシミュレーションモデルであり、前記モデリングサブシステムは、さらに、前記機械学習モデルを、前記化学プロセスについての測定不能なシミュレーションモデルパラメータ又は関数値を算出するように構成し、算出された前記モデルパラメータ又は関数値を、前記シミュレーションモデルの入力に用いて、プラントデータからの出力測定値に対する前記シミュレーションモデルの出力の誤差を演算し、演算された前記誤差を用いて、前記機械学習モデルを訓練する、システム。
〔態様17〕
態様10に記載のシステムにおいて、前記生成されたモデルは、前記化学プロセスの操業条件、物理的性質および出力のうちの任意の1つ以上を予測するものであり、前記インターフェースは、プロセス技術者が前記化学プロセスのトラブルシューティングを行うのを可能にすること、前記化学プロセスの一部のデボトルネッキングを可能にすること、および前記対象の産業プラントの前記化学プロセスのパフォーマンスを最適化することのうちの任意のものにより、前記化学プロセスのパフォーマンスの改善を可能にする、システム。
〔態様18〕
態様10に記載のシステムにおいて、前記インターフェースは、制御部インターフェースを含み、当該制御部インターフェースは、前記対象の産業プラントの制御部に対し、当該制御部が前記生成されたモデルによる予測に基づき前記対象の産業プラントの設備の設定を自動制御するように通信可能に接続されている、システム。
〔態様19〕
コンピュータプログラムプロダクトであって、
対象の産業プラントにおける対象の化学プロセスのプロセスモデリング・シミュレーションを実現するコンピュータコード命令を保持したメモリ領域を有する、コンピュータ読取可能媒体、
を備え、前記コンピュータコード命令は、
少なくとも1つのデジタルプロセッサにより実行されることで:
(a)前記対象の産業プラントの前記化学プロセスをモデル化し、このモデル化は前記化学プロセスの進行を予測するモデルを生成することを含み、この生成されたモデルは、前記化学プロセスの機械学習モデルによって向上する少なくとも1つの要素を有する第一原理モデルで構成されたハイブリッドモデルを含み、
(b)前記生成されたモデルによる予測に基づき、前記対象の産業プラントの前記化学プロセスのパフォーマンスの改善を可能にする、
命令を含む、コンピュータプログラムプロダクト。
〔態様20〕
態様19に記載のコンピュータプログラムプロダクトにおいて、前記生成されたモデルは、前記化学プロセスの操業条件、物理的性質および出力のうちの任意の1つ以上を予測するものであり、前記コンピュータコード命令は、さらに、前記生成されたモデルによる予測に基づき前記対象の産業プラントの設備の設定を自動制御するというプロセス制御をプロセッサに実施させる命令を含む、コンピュータプログラムプロダクト。
〔態様21〕
態様19に記載のコンピュータプログラムプロダクトにおいて、機械学習モデルによって向上する前記1つの要素が:(i)プラントデータに基づく入力変数であって、その数値を増強したもので当該機械学習モデルの訓練・構築を行う入力変数;(ii)前記化学プロセスの物理的性質の測定値であって、前記生成されたモデルは、当該物理的性質についての前記第一原理モデルによる予測ではなく当該物理的性質の前記測定値についての当該機械学習モデルによる予測を採用する、測定値;および(iii)前記第一原理モデルに利用可能な測定値がプラントデータに既存していない物理的性質についての定量的表現であって、当該物理的性質の測定値についての当該機械学習モデルによる予測が、前記第一原理モデルで使用される、定量的表現;のうちの任意のものである、コンピュータプログラムプロダクト。
〔態様22〕
態様19に記載のコンピュータプログラムプロダクトにおいて、前記化学プロセスのパフォーマンスの前記改善は、プロセス技術者が前記化学プロセスのトラブルシューティングを行うのを可能にすること、前記化学プロセスの一部のデボトルネッキングを行うこと、および前記対象の産業プラントの前記化学プロセスのパフォーマンスを最適化することのうちの任意のものを含む、コンピュータプログラムプロダクト。
なお、本発明は、態様として以下の内容を含む。
〔態様1〕
コンピュータに実装される、プロセスモデリング・シミュレーションの方法であって、
プロセッサが、対象の産業プラントの化学プロセスをモデル化する過程であって、当該化学プロセスの進行を予測するモデルの生成を含む、過程と、
生成された前記モデルによる予測に基づき、前記対象の産業プラントの前記化学プロセスのパフォーマンスの改善を可能にする過程であって、前記生成されたモデルは、前記化学プロセスの機械学習モデルによって向上する少なくとも1つの要素を含む第一原理モデルで構成されたハイブリッドモデルからなる、過程と、
を備える、方法。
〔態様2〕
態様1に記載の方法において、機械学習モデルによって向上する前記1つの要素がプラントデータに基づく入力変数であり、当該入力変数の数値を増強したもので当該機械学習モデルの訓練・構築を行う、方法。
〔態様3〕
態様2に記載の方法において、さらに、
第一原理に基づき、プラントデータからの元々の測定入力変数を増強した変数データセットを生成する過程であって、当該生成により、増強後の変数が生じる、過程と、
前記元々の入力変数に前記増強後の変数を組み合わせて前記機械学習モデルの訓練に利用する過程であって、訓練された当該機械学習モデルにより、精度の向上した対応する出力変数データセットが生成される、過程と、
を備える、方法。
〔態様4〕
態様1に記載の方法において、機械学習モデルによって向上する前記1つの要素が、前記化学プロセスの物理的性質の測定値であり、前記生成されたモデルが、当該物理的性質についての前記第一原理モデルによる予測ではなく、当該物理的性質の前記測定値についての前記機械学習モデルによる予測を採用する、方法。
〔態様5〕
態様4に記載の方法において、さらに、
前記第一原理モデルによって形成されるシミュレータからの出力に対する予測値を算出する過程と、
プラントデータからの出力変数の観測値と対応する出力変数の前記シミュレータによる予測値との差分を提示するように、前記機械学習モデルを訓練・構築する過程と、
を備える、方法。
〔態様6〕
態様1に記載の方法において、機械学習モデルによって向上する前記1つの要素は、前記第一原理モデルに利用可能な測定値がプラントデータに既存していない物理的性質についての定量的表現であり、当該物理的性質の測定値についての当該機械学習モデルによる予測が、前記第一原理モデルで使用される、方法。
〔態様7〕
態様6に記載の方法において、前記第一原理モデルがシミュレーションモデルであり、当該方法は、さらに、
前記機械学習モデルを、前記化学プロセスについての測定不能なシミュレーションモデルパラメータ又は関数値を算出するように構成する過程と、
算出された前記モデルパラメータ又は関数値を、前記シミュレーションモデルの入力に用いる過程と、
プラントデータからの出力測定値に対する前記シミュレーションモデルの出力の誤差を演算する過程と、
演算された前記誤差を用いて、前記機械学習モデルを訓練する過程と、
を備える、方法。
〔態様8〕
態様1に記載の方法において、前記生成されたモデルは、前記化学プロセスの操業条件、物理的性質および出力のうちの任意の1つ以上を予測するものであり、前記化学プロセスのパフォーマンスの改善を可能にする前記過程は、プロセス技術者が前記化学プロセスのトラブルシューティングを行うのを可能にすること、前記化学プロセスの一部のデボトルネッキングを可能にすること、および前記対象の産業プラントの前記化学プロセスのパフォーマンスを最適化することのうちの任意のものを含む、方法。
〔態様9〕
態様1に記載の方法において、前記化学プロセスのパフォーマンスの改善を可能にする前記過程が、前記生成されたモデルによる予測に基づき、前記対象の産業プラントの設備の設定を自動制御することを含む、方法。
〔態様10〕
コンピュータベースの、プロセスモデリング・シミュレーションのシステムであって、
対象の産業プラントの化学プロセスをモデル化し、当該化学プロセスの進行を予測するモデルを生成するモデリングサブシステムと、
生成された前記モデルによる予測に基づき前記対象の産業プラントの前記化学プロセスのパフォーマンスの改善を可能にするように前記モデリングサブシステムに接続されたインターフェースと、
を備え、前記生成されたモデルは、前記化学プロセスの機械学習モデルによって向上する少なくとも1つの要素を含む第一原理モデルで構成されたハイブリッドモデルからなる、システム。
〔態様11〕
態様10に記載のシステムにおいて、機械学習モデルによって向上する前記1つの要素がプラントデータに基づく入力変数であり、当該入力変数の数値を増強したもので当該機械学習モデルの訓練・構築を行う、システム。
〔態様12〕
態様11に記載のシステムにおいて、前記モデリングサブシステムが、さらに、第一原理に基づき、プラントデータからの元々の測定入力変数を増強した変数データセットを生成することによって増強後の変数を生じさせて、前記元々の入力変数に当該増強後の変数を組み合わせて前記機械学習モデルの訓練に利用し、訓練された当該機械学習モデルにより、精度の向上した対応する出力変数データセットを生成する、システム。
〔態様13〕
態様10に記載のシステムにおいて、機械学習モデルによって向上する前記1つの要素が、前記化学プロセスの物理的性質の測定値であり、前記生成されたモデルが、当該物理的性質についての前記第一原理モデルによる予測ではなく、当該物理的性質の前記測定値についての前記機械学習モデルによる予測を採用する、システム。
〔態様14〕
態様13に記載のシステムにおいて、前記モデリングサブシステムが、さらに、前記第一原理モデルによって形成されるシミュレータからの出力のための予測値を算出し、プラントデータからの出力変数の観測値と対応する出力変数の前記シミュレータによる予測値との差分を提示するように、前記機械学習モデルを訓練・構築する、システム。
〔態様15〕
態様10に記載のシステムにおいて、機械学習モデルによって向上する前記1つの要素は、前記第一原理モデルに利用可能な測定値がプラントデータに既存していない物理的性質についての定量的表現であり、当該物理的性質の測定値についての当該機械学習モデルによる予測が、前記第一原理モデルで使用される、システム。
〔態様16〕
態様15に記載のシステムにおいて、前記第一原理モデルがシミュレーションモデルであり、前記モデリングサブシステムは、さらに、前記機械学習モデルを、前記化学プロセスについての測定不能なシミュレーションモデルパラメータ又は関数値を算出するように構成し、算出された前記モデルパラメータ又は関数値を、前記シミュレーションモデルの入力に用いて、プラントデータからの出力測定値に対する前記シミュレーションモデルの出力の誤差を演算し、演算された前記誤差を用いて、前記機械学習モデルを訓練する、システム。
〔態様17〕
態様10に記載のシステムにおいて、前記生成されたモデルは、前記化学プロセスの操業条件、物理的性質および出力のうちの任意の1つ以上を予測するものであり、前記インターフェースは、プロセス技術者が前記化学プロセスのトラブルシューティングを行うのを可能にすること、前記化学プロセスの一部のデボトルネッキングを可能にすること、および前記対象の産業プラントの前記化学プロセスのパフォーマンスを最適化することのうちの任意のものにより、前記化学プロセスのパフォーマンスの改善を可能にする、システム。
〔態様18〕
態様10に記載のシステムにおいて、前記インターフェースは、制御部インターフェースを含み、当該制御部インターフェースは、前記対象の産業プラントの制御部に対し、当該制御部が前記生成されたモデルによる予測に基づき前記対象の産業プラントの設備の設定を自動制御するように通信可能に接続されている、システム。
〔態様19〕
コンピュータプログラムプロダクトであって、
対象の産業プラントにおける対象の化学プロセスのプロセスモデリング・シミュレーションを実現するコンピュータコード命令を保持したメモリ領域を有する、コンピュータ読取可能媒体、
を備え、前記コンピュータコード命令は、
少なくとも1つのデジタルプロセッサにより実行されることで:
(a)前記対象の産業プラントの前記化学プロセスをモデル化し、このモデル化は前記化学プロセスの進行を予測するモデルを生成することを含み、この生成されたモデルは、前記化学プロセスの機械学習モデルによって向上する少なくとも1つの要素を有する第一原理モデルで構成されたハイブリッドモデルを含み、
(b)前記生成されたモデルによる予測に基づき、前記対象の産業プラントの前記化学プロセスのパフォーマンスの改善を可能にする、
命令を含む、コンピュータプログラムプロダクト。
〔態様20〕
態様19に記載のコンピュータプログラムプロダクトにおいて、前記生成されたモデルは、前記化学プロセスの操業条件、物理的性質および出力のうちの任意の1つ以上を予測するものであり、前記コンピュータコード命令は、さらに、前記生成されたモデルによる予測に基づき前記対象の産業プラントの設備の設定を自動制御するというプロセス制御をプロセッサに実施させる命令を含む、コンピュータプログラムプロダクト。
〔態様21〕
態様19に記載のコンピュータプログラムプロダクトにおいて、機械学習モデルによって向上する前記1つの要素が:(i)プラントデータに基づく入力変数であって、その数値を増強したもので当該機械学習モデルの訓練・構築を行う入力変数;(ii)前記化学プロセスの物理的性質の測定値であって、前記生成されたモデルは、当該物理的性質についての前記第一原理モデルによる予測ではなく当該物理的性質の前記測定値についての当該機械学習モデルによる予測を採用する、測定値;および(iii)前記第一原理モデルに利用可能な測定値がプラントデータに既存していない物理的性質についての定量的表現であって、当該物理的性質の測定値についての当該機械学習モデルによる予測が、前記第一原理モデルで使用される、定量的表現;のうちの任意のものである、コンピュータプログラムプロダクト。
〔態様22〕
態様19に記載のコンピュータプログラムプロダクトにおいて、前記化学プロセスのパフォーマンスの前記改善は、プロセス技術者が前記化学プロセスのトラブルシューティングを行うのを可能にすること、前記化学プロセスの一部のデボトルネッキングを行うこと、および前記対象の産業プラントの前記化学プロセスのパフォーマンスを最適化することのうちの任意のものを含む、コンピュータプログラムプロダクト。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962845686P | 2019-05-09 | 2019-05-09 | |
US62/845,686 | 2019-05-09 | ||
PCT/US2020/031636 WO2020227383A1 (en) | 2019-05-09 | 2020-05-06 | Combining machine learning with domain knowledge and first principles for modeling in the process industries |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2024044166A Division JP2024069609A (ja) | 2019-05-09 | 2024-03-19 | 機械学習を専門知識及び第一原理と組み合わせて行うプロセス産業のモデリング |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022532143A JP2022532143A (ja) | 2022-07-13 |
JPWO2020227383A5 true JPWO2020227383A5 (ja) | 2022-08-17 |
JP7460657B2 JP7460657B2 (ja) | 2024-04-02 |
Family
ID=70919055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021566289A Active JP7460657B2 (ja) | 2019-05-09 | 2020-05-06 | 機械学習を専門知識及び第一原理と組み合わせて行うプロセス産業のモデリング |
Country Status (4)
Country | Link |
---|---|
US (1) | US11853032B2 (ja) |
EP (1) | EP3966641A1 (ja) |
JP (1) | JP7460657B2 (ja) |
WO (1) | WO2020227383A1 (ja) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018009546A1 (en) | 2016-07-07 | 2018-01-11 | Aspen Technology, Inc. | Computer system and method for the dynamic construction and online deployment of an operation-centric first-principles process model for predictive analytics |
EP3966641A1 (en) | 2019-05-09 | 2022-03-16 | Aspen Technology, Inc. | Combining machine learning with domain knowledge and first principles for modeling in the process industries |
US11675334B2 (en) * | 2019-06-18 | 2023-06-13 | International Business Machines Corporation | Controlling a chemical reactor for the production of polymer compounds |
US11520310B2 (en) * | 2019-06-18 | 2022-12-06 | International Business Machines Corporation | Generating control settings for a chemical reactor |
US11782401B2 (en) | 2019-08-02 | 2023-10-10 | Aspentech Corporation | Apparatus and methods to build deep learning controller using non-invasive closed loop exploration |
TWI708946B (zh) * | 2019-09-06 | 2020-11-01 | 研能科技股份有限公司 | 人工智能物聯網處理流體分子系統 |
WO2021076760A1 (en) | 2019-10-18 | 2021-04-22 | Aspen Technology, Inc. | System and methods for automated model development from plant historical data for advanced process control |
US11630446B2 (en) | 2021-02-16 | 2023-04-18 | Aspentech Corporation | Reluctant first principles models |
WO2022216522A2 (en) * | 2021-04-06 | 2022-10-13 | Delaware Capital Formation, Inc. | Predictive maintenance of industrial equipment |
EP4352575A1 (en) | 2021-06-07 | 2024-04-17 | Basf Se | Monitoring and/or controlling a plant via a machine-learning regressor |
JP2023003177A (ja) * | 2021-06-23 | 2023-01-11 | 富士通株式会社 | 推論プログラム、推論方法および情報処理装置 |
EP4109187A1 (en) * | 2021-06-23 | 2022-12-28 | ABB Schweiz AG | Predicting process variables by simulation based on an only partially measurable initial state |
JP2023019823A (ja) * | 2021-07-29 | 2023-02-09 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム、モデル生成方法およびモデル生成プログラム |
JP7467395B2 (ja) * | 2021-07-29 | 2024-04-15 | 横河電機株式会社 | 情報処理装置、表示制御方法および表示制御プログラム |
JP2023019824A (ja) * | 2021-07-29 | 2023-02-09 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム、モデル生成方法およびモデル生成プログラム |
WO2023152532A1 (en) * | 2022-02-08 | 2023-08-17 | Abb Schweiz Ag | Method and system for enriching data for training ai model in process industries |
CN114266208B (zh) * | 2022-03-03 | 2022-05-24 | 蘑菇物联技术(深圳)有限公司 | 用于实现管道压降的动态预测的方法、设备、介质和系统 |
US20230297058A1 (en) * | 2022-03-21 | 2023-09-21 | Delaware Capital Formation, Inc. | End-to-end wireless sensor-hub system |
EP4270120A1 (en) * | 2022-04-25 | 2023-11-01 | Merck Patent GmbH | Embedded model-based digital twin workflow for the accelerated optimization of bio-/ chemical processes |
JP2023173706A (ja) * | 2022-05-26 | 2023-12-07 | 三菱重工業株式会社 | 状態量予測装置、状態量予測方法、状態量予測システム、及び状態量予測システムの制御方法 |
WO2023244262A1 (en) * | 2022-06-14 | 2023-12-21 | Frito-Lay North America, Inc. | Devices, systems, and methods for virtual bulk density sensing |
WO2024006400A1 (en) * | 2022-06-30 | 2024-01-04 | Amgen Inc. | Automatic data amplification, scaling and transfer |
GB202213747D0 (en) * | 2022-09-20 | 2022-11-02 | Univ Court Univ Of Glasgow | Methods and platform for chemical synthesis |
CN116595883B (zh) * | 2023-05-24 | 2024-03-01 | 上海交通大学 | 数值反应堆实时在线系统状态修正方法 |
CN116798531B (zh) * | 2023-06-29 | 2024-03-22 | 西南科技大学 | 一种基于融合算法的超声速燃烧室碳氢燃料机理简化方法 |
CN117055487B (zh) * | 2023-08-24 | 2024-04-16 | 北京科技大学 | 一种基于机理数据混合驱动的二辊斜轧穿孔参数优化方法 |
Family Cites Families (101)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5410634A (en) | 1984-09-19 | 1995-04-25 | Li; Chou H. | Self-optimizing method and machine |
EP0462815B1 (en) | 1990-06-21 | 1996-09-25 | Honeywell Inc. | Receding horizon based adaptive control having means for minimizing operating costs |
JPH0628009A (ja) | 1992-07-07 | 1994-02-04 | Asahi Chem Ind Co Ltd | 重合プロセスの制御方法 |
JPH0683427A (ja) * | 1992-09-04 | 1994-03-25 | Japan Atom Energy Res Inst | 柔軟マニピュレータの作業点位置制御システム |
US5477444A (en) | 1992-09-14 | 1995-12-19 | Bhat; Naveen V. | Control system using an adaptive neural network for target and path optimization for a multivariable, nonlinear process |
US5740033A (en) | 1992-10-13 | 1998-04-14 | The Dow Chemical Company | Model predictive controller |
JP3214636B2 (ja) | 1992-12-16 | 2001-10-02 | 横河電機株式会社 | 多変数制御調節計 |
US5682309A (en) | 1995-04-28 | 1997-10-28 | Exxon Chemical Patents Inc. | Feedback method for controlling non-linear processes |
JP3565380B2 (ja) | 1996-02-06 | 2004-09-15 | 中国電力株式会社 | ミル特性計測装置 |
US6088630A (en) | 1997-11-19 | 2000-07-11 | Olin Corporation | Automatic control system for unit operation |
JP2002526852A (ja) | 1998-10-06 | 2002-08-20 | パヴィリオン・テクノロジーズ・インコーポレイテッド | 製造システムを監視、かつ制御する方法およびシステム |
JP2002063538A (ja) | 2000-06-09 | 2002-02-28 | Fujitsu Ltd | シミュレータ、シミュレーション方法およびシミュレーションプログラム、並びにシミュレーションプログラムを記録したコンピュータ読み取り可能な記録媒体 |
US6937966B1 (en) | 2000-06-09 | 2005-08-30 | International Business Machines Corporation | System and method for on-line adaptive prediction using dynamic management of multiple sub-models |
US20010051862A1 (en) | 2000-06-09 | 2001-12-13 | Fujitsu Limited | Simulator, simulation method, and a computer product |
CA2414707C (en) | 2000-06-29 | 2011-08-16 | Aspen Technology, Inc. | Computer method and apparatus for constraining a non-linear approximator of an empirical process |
WO2002005042A2 (en) | 2000-07-12 | 2002-01-17 | Aspen Technology, Inc. | Automated closed loop step testing of process units |
US7209793B2 (en) | 2000-07-12 | 2007-04-24 | Aspen Technology, Inc. | Automated closed loop step testing of process units |
JP4828719B2 (ja) | 2001-04-27 | 2011-11-30 | 一般財団法人石油エネルギー技術センター | 石油コンビナートの運転条件の推定方法 |
US20030220828A1 (en) | 2002-05-23 | 2003-11-27 | Chih-An Hwang | Polymer production scheduling using transition models |
SE522691C3 (sv) | 2002-06-12 | 2004-04-07 | Abb Ab | Dynamisk on-line-optimering av produktionsprocesser |
US7194317B2 (en) | 2002-08-22 | 2007-03-20 | Air Products And Chemicals, Inc. | Fast plant test for model-based control |
DE10341762B4 (de) | 2002-09-11 | 2014-05-15 | Fisher-Rosemount Systems, Inc. | Handhabung der Realisierbarkeit von Beschränkungen und Grenzen in einem Optimierer für Prozesssteuerungssysteme |
US7050863B2 (en) | 2002-09-11 | 2006-05-23 | Fisher-Rosemount Systems, Inc. | Integrated model predictive control and optimization within a process control system |
DE10348563B4 (de) | 2002-10-22 | 2014-01-09 | Fisher-Rosemount Systems, Inc. | Integration von Grafikdisplayelementen, Prozeßmodulen und Steuermodulen in Prozeßanlagen |
US7146231B2 (en) | 2002-10-22 | 2006-12-05 | Fisher-Rosemount Systems, Inc.. | Smart process modules and objects in process plants |
US9983559B2 (en) | 2002-10-22 | 2018-05-29 | Fisher-Rosemount Systems, Inc. | Updating and utilizing dynamic process simulation in an operating process environment |
US7213007B2 (en) | 2002-12-24 | 2007-05-01 | Caterpillar Inc | Method for forecasting using a genetic algorithm |
ATE472758T1 (de) | 2003-03-21 | 2010-07-15 | Aspen Technology Inc | Verfarhen und artikel zum detektieren, verifizieren und reparieren der colinearität |
FI117067B (fi) | 2003-07-04 | 2006-05-31 | Medicel Oy | Informaationhallintajärjestelmä biokemiallista informaatiota varten |
DE102004058238B4 (de) | 2003-12-03 | 2016-02-04 | Fisher-Rosemount Systems, Inc. | Adaptive, multivariable Prozesssteuerung, die Modellschaltung und Attribut-Interpolation nutzt |
US8296070B2 (en) | 2004-02-20 | 2012-10-23 | The Mathworks, Inc. | Method and apparatus for improved simulation of chemical and biochemical reactions |
JP4789277B2 (ja) | 2004-04-22 | 2011-10-12 | 横河電機株式会社 | プラント運転支援装置 |
US20060079983A1 (en) | 2004-10-13 | 2006-04-13 | Tokyo Electron Limited | R2R controller to automate the data collection during a DOE |
US7873502B2 (en) | 2004-12-22 | 2011-01-18 | The Mathworks, Inc. | Creation and maintenance of a history list in a method and apparatus for integrated modeling, simulation and analysis of chemical and biological systems |
US7447554B2 (en) | 2005-08-26 | 2008-11-04 | Cutler Technology Corporation | Adaptive multivariable MPC controller |
US7257501B2 (en) | 2005-11-17 | 2007-08-14 | Honeywell International Inc. | Apparatus and method for identifying informative data in a process control environment |
US7421374B2 (en) | 2005-11-17 | 2008-09-02 | Honeywell International Inc. | Apparatus and method for analyzing model quality in a process control environment |
US20070225835A1 (en) | 2006-03-23 | 2007-09-27 | Yucai Zhu | Computer method and apparatus for adaptive model predictive control |
US8046090B2 (en) | 2007-01-31 | 2011-10-25 | Honeywell International Inc. | Apparatus and method for automated closed-loop identification of an industrial process in a process control system |
US20080243289A1 (en) | 2007-03-28 | 2008-10-02 | Honeywell International, Inc. | Model maintenance architecture for advanced process control |
US8380842B2 (en) | 2007-04-26 | 2013-02-19 | Mtelligence Corporation | System and methods for the universal integration of plant floor assets and a computerized management system |
DE112009005510A5 (de) | 2008-01-31 | 2013-06-20 | Fisher-Rosemount Systems, Inc. | Robuster adaptiver modellprädiktiver Regler mit Abstimmung zum Ausgleich einer Modellfehlanpassung |
US8160730B2 (en) | 2008-03-03 | 2012-04-17 | Xinsheng Lou | Fuzzy logic control and optimization system |
US8755940B2 (en) * | 2008-08-22 | 2014-06-17 | Alstom Technology Ltd | Modeling and control optimization system for integrated fluidized bed combustion process and air pollution control system |
US20120004893A1 (en) | 2008-09-16 | 2012-01-05 | Quantum Leap Research, Inc. | Methods for Enabling a Scalable Transformation of Diverse Data into Hypotheses, Models and Dynamic Simulations to Drive the Discovery of New Knowledge |
US8560092B2 (en) | 2009-05-29 | 2013-10-15 | Aspen Technology, Inc. | Apparatus and method for model quality estimation and model adaptation in multivariable process control |
US9141911B2 (en) | 2009-05-29 | 2015-09-22 | Aspen Technology, Inc. | Apparatus and method for automated data selection in model identification and adaptation in multivariable process control |
US8452459B2 (en) | 2009-08-31 | 2013-05-28 | Fisher-Rosemount Systems, Inc. | Heat exchange network heat recovery optimization in a process plant |
US8239178B2 (en) | 2009-09-16 | 2012-08-07 | Schneider Electric USA, Inc. | System and method of modeling and monitoring an energy load |
US8452719B2 (en) | 2010-06-29 | 2013-05-28 | Rockwell Automation Technologies, Inc. | Extrapolating empirical models for control, prediction, and optimization applications |
US9046882B2 (en) * | 2010-06-30 | 2015-06-02 | Rockwell Automation Technologies, Inc. | Nonlinear model predictive control of a batch reaction system |
CA3074776C (en) | 2010-07-23 | 2021-02-16 | Saudi Arabian Oil Company | Machines, computer program products, and computer-implemented methods providing an integrated node for data acquisition and control |
US8457767B2 (en) | 2010-12-31 | 2013-06-04 | Brad Radl | System and method for real-time industrial process modeling |
CN103384893B (zh) | 2011-02-28 | 2016-12-28 | 横河电机株式会社 | 能量管理方法及其系统以及gui方法 |
US8762301B1 (en) | 2011-10-12 | 2014-06-24 | Metso Automation Usa Inc. | Automated determination of root cause |
US10554077B2 (en) | 2011-12-13 | 2020-02-04 | Schneider Electric USA, Inc. | Automated monitoring for changes in energy consumption patterns |
US20130151212A1 (en) | 2011-12-13 | 2013-06-13 | Schneider Electric USA, Inc. | Systems, methods and devices for determining energy conservation measure savings |
US9529348B2 (en) | 2012-01-24 | 2016-12-27 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for deploying industrial plant simulators using cloud computing technologies |
JP6193891B2 (ja) | 2012-02-08 | 2017-09-06 | アスペン テクノロジー インコーポレイテッド | 調整可能なトレードオフ係数を用いて非干渉性の閉ループステップ試験を行う装置および方法 |
WO2013170041A2 (en) | 2012-05-11 | 2013-11-14 | Aspen Technology, Inc. | Apparatus and method for automated data selection in model identification and adaptation in multivariable process control |
US9367804B1 (en) | 2013-03-13 | 2016-06-14 | Hrl Laboratories, Llc | System for instability detection and structure estimation of complex network dynamics |
US9535808B2 (en) | 2013-03-15 | 2017-01-03 | Mtelligence Corporation | System and methods for automated plant asset failure detection |
US9727035B2 (en) | 2013-05-02 | 2017-08-08 | Aspen Technology, Inc. | Computer apparatus and method using model structure information of model predictive control |
WO2015149928A2 (en) | 2014-03-31 | 2015-10-08 | Basf Se | Method and device for online evaluation of a compressor |
US10366346B2 (en) | 2014-05-23 | 2019-07-30 | DataRobot, Inc. | Systems and techniques for determining the predictive value of a feature |
US9733629B2 (en) | 2014-07-21 | 2017-08-15 | Honeywell International Inc. | Cascaded model predictive control (MPC) approach for plantwide control and optimization |
US10379503B2 (en) | 2014-07-21 | 2019-08-13 | Honeywell International Inc. | Apparatus and method for calculating proxy limits to support cascaded model predictive control (MPC) |
US20160171414A1 (en) | 2014-12-11 | 2016-06-16 | Saudi Arabian Oil Company | Method for Creating an Intelligent Energy KPI System |
US20160260041A1 (en) | 2015-03-03 | 2016-09-08 | Uop Llc | System and method for managing web-based refinery performance optimization using secure cloud computing |
US10180680B2 (en) | 2015-03-30 | 2019-01-15 | Uop Llc | Tuning system and method for improving operation of a chemical plant with a furnace |
US10031510B2 (en) | 2015-05-01 | 2018-07-24 | Aspen Technology, Inc. | Computer system and method for causality analysis using hybrid first-principles and inferential model |
US20170308802A1 (en) | 2016-04-21 | 2017-10-26 | Arundo Analytics, Inc. | Systems and methods for failure prediction in industrial environments |
WO2018009546A1 (en) | 2016-07-07 | 2018-01-11 | Aspen Technology, Inc. | Computer system and method for the dynamic construction and online deployment of an operation-centric first-principles process model for predictive analytics |
WO2018011742A1 (en) | 2016-07-13 | 2018-01-18 | Incelligent P.C. | Early warning and recommendation system for the proactive management of wireless broadband networks |
GB2571651B (en) | 2016-10-21 | 2022-09-21 | Datarobot Inc | Systems for predictive data analytics, and related methods and apparatus |
CN106600000A (zh) | 2016-12-05 | 2017-04-26 | 中国科学院计算技术研究所 | 人‑机器人运动数据映射的方法及系统 |
US20180157225A1 (en) | 2016-12-05 | 2018-06-07 | Honeywell International Inc. | Apparatus and method for automatic model identification from historical data for industrial process control and automation systems |
US10234855B2 (en) | 2017-04-17 | 2019-03-19 | Honeywell International Inc. | Apparatus and method for rationalizing and resolving alarms in industrial process control and automation systems |
US10466684B2 (en) | 2017-05-25 | 2019-11-05 | Honeywell International Inc. | Apparatus and method for adjustable identification of controller feasibility regions to support cascaded model predictive control (MPC) |
EP3635493B1 (en) | 2017-06-02 | 2022-12-14 | AspenTech Corporation | Computer system and method for building and deploying predictive inferential models online |
JP6985833B2 (ja) | 2017-07-20 | 2021-12-22 | 横河電機株式会社 | データ処理装置、制御システム、データ処理方法及びプログラム |
US10755200B2 (en) | 2017-09-22 | 2020-08-25 | International Business Machines Corporation | Automated control of circumferential variability of blast furnace |
US20190102352A1 (en) | 2017-09-29 | 2019-04-04 | Rockwell Automation Technologies, Inc. | Multi-engine modeling for monitoring, diagnostics, optimization and control |
US11644823B2 (en) | 2017-09-29 | 2023-05-09 | Rockwell Automation Technologies, Inc. | Automatic modeling for monitoring, diagnostics, optimization and control |
US11662719B2 (en) | 2017-09-29 | 2023-05-30 | Rockwell Automation Technologies, Inc. | Classification modeling for monitoring, diagnostics optimization and control |
US11126692B2 (en) | 2017-09-29 | 2021-09-21 | Rockwell Automation Technologies, Inc. | Base analytics engine modeling for monitoring, diagnostics optimization and control |
FI20175970A1 (en) | 2017-11-01 | 2019-05-02 | Curious Ai Oy | Setting up a control system for the target system |
US11348018B2 (en) | 2017-12-19 | 2022-05-31 | Aspen Technology, Inc. | Computer system and method for building and deploying models predicting plant asset failure |
US20190197403A1 (en) | 2017-12-21 | 2019-06-27 | Nnaisense SA | Recurrent neural network and training process for same |
US11200489B2 (en) | 2018-01-30 | 2021-12-14 | Imubit Israel Ltd. | Controller training based on historical data |
US11720072B2 (en) | 2018-09-28 | 2023-08-08 | Honeywell International Inc. | Plant state operating analysis and control |
US11934159B2 (en) | 2018-10-30 | 2024-03-19 | Aspentech Corporation | Apparatus and methods for non-invasive closed loop step testing with controllable optimization relaxation |
US11593655B2 (en) | 2018-11-30 | 2023-02-28 | Baidu Usa Llc | Predicting deep learning scaling |
US11663493B2 (en) | 2019-01-30 | 2023-05-30 | Intuit Inc. | Method and system of dynamic model selection for time series forecasting |
US11373243B2 (en) | 2019-02-11 | 2022-06-28 | TD Ameritrade IP Compnay, Inc. | Time-series pattern matching system |
US11537877B2 (en) | 2019-02-12 | 2022-12-27 | Cisco Technology, Inc. | Deep learning system for accelerated diagnostics on unstructured text data |
EP3966641A1 (en) | 2019-05-09 | 2022-03-16 | Aspen Technology, Inc. | Combining machine learning with domain knowledge and first principles for modeling in the process industries |
US20200387818A1 (en) | 2019-06-07 | 2020-12-10 | Aspen Technology, Inc. | Asset Optimization Using Integrated Modeling, Optimization, and Artificial Intelligence |
US11782401B2 (en) | 2019-08-02 | 2023-10-10 | Aspentech Corporation | Apparatus and methods to build deep learning controller using non-invasive closed loop exploration |
WO2021076760A1 (en) | 2019-10-18 | 2021-04-22 | Aspen Technology, Inc. | System and methods for automated model development from plant historical data for advanced process control |
US11630446B2 (en) | 2021-02-16 | 2023-04-18 | Aspentech Corporation | Reluctant first principles models |
-
2020
- 2020-05-06 EP EP20729363.0A patent/EP3966641A1/en active Pending
- 2020-05-06 JP JP2021566289A patent/JP7460657B2/ja active Active
- 2020-05-06 US US16/868,183 patent/US11853032B2/en active Active
- 2020-05-06 WO PCT/US2020/031636 patent/WO2020227383A1/en unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPWO2020227383A5 (ja) | ||
JP2007264796A (ja) | プラント制御方法及びプラント制御装置 | |
JP2018151899A (ja) | 制御装置、制御プログラムおよび制御システム | |
US20210115895A1 (en) | Wind turbine model based control and estimation with accurate online models | |
US9170572B2 (en) | Dynamic model generation for implementing hybrid linear/non-linear controller | |
El-Mounayri et al. | Optimization of CNC ball end milling: a neural network-based model | |
CN105867138B (zh) | 一种基于pid控制器的稳定平台控制方法及装置 | |
EP2279461A2 (en) | Online modular parameterization and successive linear programming for improving manufacturing plant operations | |
CN110032706A (zh) | 一种低阶时滞系统的两阶段参数估计方法及系统 | |
JPH05127706A (ja) | ニユーラルネツト型シミユレータ | |
WO2020175418A1 (ja) | 予測制御開発装置、予測制御開発方法、及び予測制御開発プログラム | |
WO2019086760A1 (en) | Generation of a control system for a target system | |
CN103399488B (zh) | 基于自学习的多模型控制方法 | |
CN109684723B (zh) | 一种二维结构内部声学性能分析方法 | |
JP7264845B2 (ja) | 制御システム及び制御方法 | |
Kersten et al. | Application-based discussion of verified simulations of interval enclosure techniques | |
JP5077831B2 (ja) | プラント制御システムおよびプラント制御方法 | |
CN116382093A (zh) | 用于模型未知的非线性系统最优控制方法及设备 | |
CN109635330B (zh) | 一种基于直接法的复杂优化控制问题准确和快速求解方法 | |
JP5239686B2 (ja) | プロセス推定システムおよびプロセス推定方法 | |
CA3045389A1 (en) | Pre-step co-simulation method and device | |
JP7065969B2 (ja) | 実生産プロセスを制御するための方法および制御システム | |
JP2011141798A (ja) | プラントシミュレータ | |
JPWO2021156484A5 (ja) | ||
Woldemariam et al. | A machine learning based framework for model approximation followed by design optimization for expensive numerical simulation-based optimization problems |