KR20220154191A - 제조 프로세스를 최적화하는 시스템, 방법 및 컴퓨터 프로그램 제품 - Google Patents
제조 프로세스를 최적화하는 시스템, 방법 및 컴퓨터 프로그램 제품 Download PDFInfo
- Publication number
- KR20220154191A KR20220154191A KR1020227035577A KR20227035577A KR20220154191A KR 20220154191 A KR20220154191 A KR 20220154191A KR 1020227035577 A KR1020227035577 A KR 1020227035577A KR 20227035577 A KR20227035577 A KR 20227035577A KR 20220154191 A KR20220154191 A KR 20220154191A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- data structure
- time
- parameter
- manufacturing
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 188
- 238000000034 method Methods 0.000 title claims abstract description 171
- 238000004590 computer program Methods 0.000 title claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 108
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 239000011521 glass Substances 0.000 claims description 29
- 238000013479 data entry Methods 0.000 claims description 21
- 238000005816 glass manufacturing process Methods 0.000 claims description 21
- 238000010801 machine learning Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000010891 electric arc Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 8
- 238000000576 coating method Methods 0.000 description 68
- 239000011248 coating agent Substances 0.000 description 66
- 238000003860 storage Methods 0.000 description 46
- 238000004140 cleaning Methods 0.000 description 31
- 239000000047 product Substances 0.000 description 25
- 238000004891 communication Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 11
- 230000007547 defect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 230000001364 causal effect Effects 0.000 description 4
- 230000001934 delay Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013450 outlier detection Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 241000699666 Mus <mouse, genus> Species 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013502 data validation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000005357 flat glass Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013386 optimize process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32015—Optimize, process management, optimize production line
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32177—Computer assisted quality surveyance, caq
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32291—Task sequence optimization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/40—Minimising material used in manufacturing processes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Manufacturing & Machinery (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
- Preparing Plates And Mask In Photomechanical Process (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Optical Communication System (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Drying Of Semiconductors (AREA)
Abstract
제조 프로세스를 최적화하기 위한 시스템, 방법, 및 컴퓨터 프로그램 제품이 제공된다. 이 방법은 제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하는 단계를 포함한다. 제조 데이터는 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함할 수 있다. 이 방법은, 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성해서, 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정(positionally-dimensioned) 데이터 구조로 변환하는 단계를 포함한다. 이 방법은, 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하고, 새로운 값에 기초하여 제조 프로세스를 최적화하는 단계를 포함한다.
Description
본 출원은 2020년 3월 16일에 출원된 미국 가특허 출원 제62/990,260호 및 2021년 2월 15일에 출원된 특허 출원 제 17/175,785호의 우선권을 주장하며, 이들의 개시 내용은 그 전체가 본 명세서에 참고로서 포함된다.
본 개시는 전반적으로 제조 프로세스에 관한 것이고, 비제한적 실시예로, 유리 제조 프로세스와 같은 제조 프로세스를 최적화하는 시스템, 방법, 및 컴퓨터 프로그램 제품, 및 이와 관련된 데이터 프로세싱 기술에 관한 것이다.
몇몇 비제한적 실시예 또는 양태에 따르면, 제조 프로세스를 최적화하기 위한 컴퓨터 구현 방법이 제공된다. 이 방법은, 적어도 하나의 프로세서로, 제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하는 단계를 포함한다. 이 제조 데이터는 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함할 수 있다. 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함할 수 있다. 이 방법은, 적어도 하나의 프로세서로, 제조 데이터를 포함하는 시간-순차(time-sequenced) 데이터 구조를 생성하는 단계를 포함할 수 있다. 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조의 시간과 연관될 수 있다. 이 방법은, 적어도 하나의 프로세서로, 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정(positionally-dimensioned) 데이터 구조로 변환하는 단계를 포함할 수 있다. 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관될 수 있다. 이 방법은, 적어도 하나의 프로세서로, 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하는 단계를 포함할 수 있다. 이 방법은, 새로운 값에 기초하여 제조 프로세스를 최적화하는 단계를 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하는 단계는, 적어도 하나의 프로세서로, 복수의 파라미터의 각각의 파라미터에 대한 구역을 식별하는 단계와, 각각의 파라미터에 대해서, 파라미터에 대한 구역의 길이 및 구역의 라인 속도에 기초하여, 시간 지연 인자를 결정하는 단계와, 적어도 하나의 프로세서로, 시간-순차 데이터 구조, 각각의 파라미터에 대한 구역 및 각각의 파라미터에 대한 시간 지연 인자에 기초하여 데이터 매트릭스 변환을 사용해서 위치적 치수 결정 데이터 구조를 생성하는 단계를 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 제조 프로세스는 유리 제조 프로세스일 수 있고, 제품은 코팅된 유리 제품을 포함할 수 있다. 복수의 파라미터는, 온도, 이벤트 시간, 전기 아크, 가스 흐름, 전압, 전류, 전력, 압력, 또는 이들의 임의의 조합을 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 이 방법은, 적어도 하나의 프로세서로, 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서 적어도 하나의 이상치(outlier) 파라미터 값을 검출하는 단계를 포함할 수 있다. 이 방법은, 적어도 하나의 프로세서로, 적어도 하나의 이상치 파라미터 값을 제거하는 단계를 포함할 수 있다. 적어도 하나의 알고리즘은, 모델 및 적어도 하나의 사용자 입력 값에 기초하여 새로운 값을 출력하도록 구성된 머신-학습 알고리즘을 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 이 방법은, 적어도 하나의 프로세서로, 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서, 빈 데이터 엔트리의 세트(a set of empty data entries)를 식별하는 단계를 포함할 수 있다. 이 방법은, 적어도 하나의 프로세서로, 빈 데이터 엔트리의 세트의 크기를 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조의 크기와 비교함으로써 누락된 데이터의 비율을 결정하는 단계를 포함할 수 있다. 이 방법은, 적어도 하나의 프로세서로, 누락된 데이터의 비율을 사전 결정된 허용 가능 임계값과 비교하는 단계를 포함할 수 있다. 이 방법은, 누락된 데이터의 비율이 사전 결정된 허용 오차 임계값을 만족하지 않는 것에 응답해서, 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조로부터 빈 데이터 엔트리의 세트를 삭제하는 단계를 포함할 수 있다. 이 방법은, 누락된 데이터의 비율이 사전 결정된 허용 오차 임계값을 만족하는 것에 응답해서, 빈 데이터 엔트리의 세트에 데이터를 대체(imputing)하는 단계를 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에 따르면, 제조 프로세스를 최적화하기 위한 시스템이 제공된다. 시스템은, 제품을 제조하는 제조 프로세스와 관련된 제조 데이터를 수신하도록 프로그래밍되거나 구성된 적어도 하나의 프로세서를 포함할 수 있다. 제조 데이터는 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함할 수 있다. 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함할 수 있다. 적어도 하나의 프로세서는 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하도록 프로그래밍되거나 구성될 수 있다. 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조의 시간과 연관될 수 있다. 적어도 하나의 프로세서는 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하도록 프로그래밍되거나 구성될 수 있다. 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관될 수 있다. 적어도 하나의 프로세서는 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하도록 프로그래밍되거나 구성될 수 있다. 적어도 하나의 프로세서는 새로운 값에 기초하여 제조 프로세스를 최적화하도록 프로그래밍되거나 구성될 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하는 것은, 복수의 파라미터의 각각의 파라미터에 대한 구역을 식별하는 것과, 각각의 파라미터에 대해서, 파라미터에 대한 구역의 길이 및 구역의 라인 속도에 기초하여, 시간 지연 인자를 결정하는 것과, 시간-순차 데이터 구조, 각각의 파라미터에 대한 구역 및 각각의 파라미터에 대한 시간 지연 인자에 기초하여 데이터 매트릭스 변환을 사용해서 위치적 치수 결정 데이터 구조를 생성하는 것을 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 제조 프로세스는 유리 제조 프로세스를 포함할 수 있고, 제품은 코팅된 유리 제품을 포함할 수 있다. 복수의 파라미터는, 온도, 이벤트 시간, 전기 아크, 가스 흐름, 전압, 전류, 전력, 압력, 또는 이들의 임의의 조합을 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 적어도 하나의 프로세서는, 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서 적어도 하나의 이상치(outlier) 파라미터 값을 검출하도록 더 프로그래밍되거나 혹은 구성될 수 있다. 적어도 하나의 프로세서는, 적어도 하나의 이상치 파라미터 값을 제거하도록, 더 프로그래밍되거나 혹은 구성될 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 적어도 하나의 알고리즘은, 모델 및 적어도 하나의 사용자 입력 값에 기초하여 새로운 값을 출력하도록 구성된 머신-학습 알고리즘을 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 제조 프로세스를 최적화하기 위한 컴퓨터 프로그램 제품이 제공된다. 컴퓨터 프로그램 제품은 프로그램 명령어를 포함하는 적어도 하나의 비일시적 컴퓨터-판독가능 매체를 포함할 수 있다. 프로그램 명령어는 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금, 제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하게 할 수 있다. 제조 데이터는 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함할 수 있다. 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함할 수 있다. 프로그램 명령어는 적어도 하나의 프로세서로 하여금, 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하게 할 수 있다. 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조의 시간과 연관될 수 있다. 프로그램 명령어는 적어도 하나의 프로세서로 하여금, 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하게 할 수 있다. 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관될 수 있다. 프로그램 명령어는 적어도 하나의 프로세서로 하여금, 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하게 할 수 있다. 프로그램 명령어는 적어도 하나의 프로세서로 하여금, 새로운 값에 기초하여 제조 프로세스를 최적화하게 할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하는 것은, 복수의 파라미터의 각각의 파라미터에 대한 구역을 식별하는 것과, 각각의 파라미터에 대해서, 파라미터에 대한 구역의 길이 및 구역의 라인 속도에 기초하여, 시간 지연 인자를 결정하는 것과, 시간-순차 데이터 구조, 각각의 파라미터에 대한 구역 및 각각의 파라미터에 대한 시간 지연 인자에 기초하여 데이터 매트릭스 변환을 사용해서 위치적 치수 결정 데이터 구조를 생성하는 것을 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 제조 프로세스는 유리 제조 프로세스를 포함할 수 있고, 제품은 코팅된 유리 제품을 포함할 수 있으며, 복수의 파라미터는, 온도, 이벤트 시간, 전기 아크, 가스 흐름, 전압, 전류, 전력, 압력, 또는 이들의 임의의 조합을 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 프로그램 명령어는 적어도 하나의 프로세서로 하여금 또한, 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서 적어도 하나의 이상치 파라미터 값을 검출하게 할 수 있다. 프로그램 명령어는 적어도 하나의 프로세서로 하여금 또한, 적어도 하나의 이상치 파라미터 값을 제거하게 할 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 적어도 하나의 알고리즘은, 모델 및 적어도 하나의 사용자 입력 값에 기초하여 새로운 값을 출력하도록 구성된 머신-학습 알고리즘을 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 제조 프로세스는 유리 제품의 제조 프로세스일 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 제조 프로세스는 코팅된 유리 제품의 제조 프로세스일 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 제조 프로세스는 유리 제품을 코팅하는 것일 수 있다.
추가의 실시예 또는 양태는 이하 열거되는 항에서 설명된다:
항 1 : 제조 프로세스를 최적화하기 위한 컴퓨터 구현 방법으로서, 적어도 하나의 프로세서로, 제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하는 단계 - 제조 데이터는 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함함 - 와, 적어도 하나의 프로세서로, 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하는 단계 - 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조의 시간과 연관됨 - 와, 적어도 하나의 프로세서로, 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정(positionally-dimensioned) 데이터 구조로 변환하는 단계 - 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관됨 - 와, 적어도 하나의 프로세서로, 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하는 단계와, 새로운 값에 기초하여 제조 프로세스를 최적화하는 단계를 포함한다.
항 2 : 항 1의 컴퓨터 구현 방법으로서, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하는 단계는, 적어도 하나의 프로세서로, 복수의 파라미터의 각각의 파라미터에 대한 구역을 식별하는 단계와, 각각의 파라미터에 대해서, 파라미터에 대한 상기 구역의 길이 및 구역의 라인 속도에 기초하여, 시간 지연 인자를 결정하는 단계와, 적어도 하나의 프로세서로, 시간-순차 데이터 구조, 각각의 파라미터에 대한 구역 및 각각의 파라미터에 대한 시간 지연 인자에 기초하여 데이터 매트릭스 변환을 사용해서 위치적 치수 결정 데이터 구조를 생성하는 단계를 포함한다.
항 3 : 항 1 또는 항 2의 컴퓨터 구현 방법으로서, 제조 프로세스는 유리 제조 프로세스를 포함하고, 제품은 코팅된 유리 제품을 포함한다.
항 4 : 항 1 내지 항 3 중 어느 하나의 컴퓨터 구현 방법으로서, 복수의 파라미터는, 온도, 이벤트 시간, 전기 아크, 가스 흐름, 전압, 전류, 전력, 압력, 또는 이들의 임의의 조합을 포함한다.
항 5 : 항 1 내지 항 4 중 어느 하나의 컴퓨터 구현 방법으로서, 적어도 하나의 프로세서로, 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서 적어도 하나의 이상치(outlier) 파라미터 값을 검출하는 단계와, 적어도 하나의 프로세서로, 적어도 하나의 이상치 파라미터 값을 제거하는 단계를 더 포함한다.
항 6 : 항 1 내지 항 5 중 어느 하나의 컴퓨터 구현 방법으로서, 적어도 하나의 알고리즘은, 모델 및 적어도 하나의 사용자 입력 값에 기초하여 새로운 값을 출력하도록 구성된 머신-학습 알고리즘을 포함한다.
항 7 : 항 1 내지 항 6 중 어느 하나의 컴퓨터 구현 방법으로서, 적어도 하나의 프로세서로, 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서, 빈 데이터 엔트리의 세트를 식별하는 단계와, 적어도 하나의 프로세서로, 빈 데이터 엔트리의 세트의 크기를 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조의 크기와 비교함으로써 누락된 데이터의 비율을 결정하는 단계와, 적어도 하나의 프로세서로, 누락된 데이터의 비율을 사전 결정된 허용 가능 임계값과 비교하는 단계를 더 포함한다.
항 8 : 항 1 내지 항 7 중 어느 하나의 컴퓨터 구현 방법으로서, 누락된 데이터의 비율이 사전 결정된 허용 가능 임계값을 만족하지 않는 것에 응답해서, 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조로부터 빈 데이터 엔트리의 세트를 삭제하는 단계를 더 포함한다.
항 9 : 항 1 내지 항 8 중 어느 하나의 컴퓨터 구현 방법으로서, 누락된 데이터의 비율이 사전 결정된 허용 가능 임계값을 만족하는 것에 응답해서, 빈 데이터 엔트리의 세트에 데이터를 대체(imputing)하는 단계를 더 포함한다.
항 10 : 제조 프로세스를 최적화하기 위한 시스템으로서, 제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하고 - 제조 데이터는 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함함 - , 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하고 - 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조의 시간과 연관됨 - , 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하고 - 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관됨 - , 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하며, 새로운 값에 기초하여 제조 프로세스를 최적화하도록 프로그래밍되거나 혹은 구성된 적어도 하나의 프로세서를 포함한다.
항 11 : 항 10의 시스템으로서, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하는 것은, 복수의 파라미터의 각각의 파라미터에 대한 구역을 식별하는 것과, 각각의 파라미터에 대해서, 파라미터에 대한 구역의 길이 및 구역의 라인 속도에 기초하여, 시간 지연 인자를 결정하는 것과, 시간-순차 데이터 구조, 각각의 파라미터에 대한 구역 및 각각의 파라미터에 대한 시간 지연 인자에 기초하여 데이터 매트릭스 변환을 사용해서 위치적 치수 결정 데이터 구조를 생성하는 것을 포함한다.
항 12 : 항 10 또는 항 11의 시스템으로서, 제조 프로세스는 유리 제조 프로세스를 포함하고, 제품은 코팅된 유리 제품을 포함한다.
항 13 : 항 10 내지 항 12 중 어느 하나의 시스템으로서, 복수의 파라미터는, 온도, 이벤트 시간, 전기 아크, 가스 흐름, 전압, 전류, 전력, 압력, 또는 이들의 임의의 조합을 포함한다.
항 14 : 항 10 내지 항 13 중 어느 하나의 시스템으로서, 적어도 하나의 프로세서는 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서 적어도 하나의 이상치 파라미터 값을 검출하고, 적어도 하나의 이상치 파라미터 값을 제거하도록, 더 프로그래밍되거나 혹은 구성된다.
항 15 : 항 10 내지 항 14 중 어느 하나의 시스템으로서, 적어도 하나의 알고리즘은, 모델 및 적어도 하나의 사용자 입력 값에 기초하여 새로운 값을 출력하도록 구성된 머신-학습 알고리즘을 포함한다.
항 16 : 프로그램 명령어를 포함하는 적어도 하나의 비일시적 컴퓨터-판독가능 매체를 포함하는, 제조 프로세스를 최적화하기 위한 컴퓨터 프로그램 제품으로서, 프로그램 명령어는 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금, 제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하고 - 제조 데이터는 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함함 - , 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하고 - 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조의 시간과 연관됨 - , 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하고 - 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관됨 - , 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하며, 새로운 값에 기초하여 상기 제조 프로세스를 최적화하게 한다.
항 17 : 항 16의 컴퓨터 프로그램 제품으로서, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하는 것은, 복수의 파라미터의 각각의 파라미터에 대한 구역을 식별하는 것과, 각각의 파라미터에 대해서, 파라미터에 대한 구역의 길이 및 구역의 라인 속도에 기초하여, 시간 지연 인자를 결정하는 것과, 시간-순차 데이터 구조, 각각의 파라미터에 대한 구역 및 각각의 파라미터에 대한 시간 지연 인자에 기초하여 데이터 매트릭스 변환을 사용해서 위치적 치수 결정 데이터 구조를 생성하는 것을 포함한다.
항 18 : 항 16 또는 항 17의 컴퓨터 프로그램 제품으로서, 제조 프로세스는 유리 제조 프로세스를 포함하고, 제품은 코팅된 유리 제품을 포함하며, 복수의 파라미터는, 온도, 이벤트 시간, 전기 아크, 가스 흐름, 전압, 전류, 전력, 압력, 또는 이들의 임의의 조합을 포함한다.
항 19 : 항 16 내지 항 18 중 어느 하나의 컴퓨터 프로그램 제품으로서, 프로그램 명령어는, 적어도 하나의 프로세서로 하여금 또한, 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서 적어도 하나의 이상치 파라미터 값을 검출하게 하고, 적어도 하나의 이상치 파라미터 값을 제거하게 한다.
항 20 : 항 16 내지 항 19 중 어느 하나의 컴퓨터 프로그램 제품으로서, 적어도 하나의 알고리즘은, 모델 및 적어도 하나의 사용자 입력 값에 기초하여 새로운 값을 출력하도록 구성된 머신-학습 알고리즘을 포함한다.
항 21 : 유리 제조 프로세스를 최적화하기 위한 컴퓨터 구현 방법으로서, 적어도 하나의 프로세서로, 코팅된 유리 제품을 제조하는 유리 제조 프로세스와 연관된 제조 데이터를 수신하는 단계 - 제조 데이터는 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함함 - 와, 적어도 하나의 프로세서로, 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하는 단계 - 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조의 시간과 연관됨 - 와, 적어도 하나의 프로세서로, 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정(positionally-dimensioned) 데이터 구조로 변환하는 단계 - 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관됨 - 와, 적어도 하나의 프로세서로, 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하는 단계와, 새로운 값에 기초하여 제조 프로세스를 최적화하는 단계를 포함한다.
항 22 : 유리 제조 프로세스를 최적화하기 위한 시스템으로서, 유리 제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하고 - 제조 데이터는 유리 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함함 - , 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하고 - 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조의 시간과 연관됨 - , 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하고 - 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관됨 - , 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하며, 새로운 값에 기초하여 제조 프로세스를 최적화하도록 프로그래밍되거나 혹은 구성된 적어도 하나의 프로세서를 포함한다.
항 23 : 프로그램 명령어를 포함하는 적어도 하나의 비일시적 컴퓨터-판독가능 매체를 포함하는, 유리 제조 프로세스를 최적화하기 위한 컴퓨터 프로그램 제품으로서, 프로그램 명령어는 적어도 하나의 프로세서에 의해 실행될 때, 적어도 하나의 프로세서로 하여금, 코팅된 유리 제품을 제조하는 유리 제조 프로세스와 연관된 제조 데이터를 수신하고 - 제조 데이터는 유리 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함함 - , 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하고 - 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조의 시간과 연관됨 - , 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하고 - 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관됨 - , 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하며, 새로운 값에 기초하여 상기 제조 프로세스를 최적화하게 한다.
본 개시의 이들 특징과 특성, 및 다른 특징과 특성은 물론, 구조의 관련 요소의 동작 방법과 기능, 부품의 조합 및 제조 경제성은, 이하의 설명과 첨부한 청구항 및 첨부 도면을 고려할 때 자명할 것이며, 이들 모두가 본 명세서의 일부를 형성하고, 동일한 참조 번호는 다양한 도면에서 대응하는 부분을 가리킨다. 그러나, 도면은 단지 예시 및 설명을 위한 것으로, 본 발명의 제한을 정의하는 것이 아니라는 것을 분명히 이해해야 한다.
이하 첨부 도면에 도시된 비제한적 예시적인 실시예를 참조하면서 추가의 이점 및 세부 사항을 더 상세히 설명한다:
도 1은 제조 프로세스를 최적화하기 위한 시스템 및 방법의 비제한적 실시예 또는 양태의 개략도를 도시한다.
도 2는 제조 프로세스를 최적화하기 위한 시스템, 방법, 및 컴퓨터 프로그램 제품의 비제한적 실시예와 관련해서 사용되는 컴퓨팅 장치의 예시적인 구성요소를 도시한다.
도 3은 제조 프로세스를 최적화하기 위한 방법의 비제한적 실시예 또는 양태의 프로세스를 도시한다.
도 4는 제조 프로세스를 최적화하기 위한 방법의 비제한적 실시예 또는 양태의 프로세스를 도시한다.
도 5는 제조 프로세스를 최적화하기 위한 방법의 비제한적 실시예 또는 양태의 프로세스를 도시한다.
도 6은 제조 프로세스를 최적화하기 위한 방법의 비제한적 실시예 또는 양태의 프로세스를 도시한다.
도 1은 제조 프로세스를 최적화하기 위한 시스템 및 방법의 비제한적 실시예 또는 양태의 개략도를 도시한다.
도 2는 제조 프로세스를 최적화하기 위한 시스템, 방법, 및 컴퓨터 프로그램 제품의 비제한적 실시예와 관련해서 사용되는 컴퓨팅 장치의 예시적인 구성요소를 도시한다.
도 3은 제조 프로세스를 최적화하기 위한 방법의 비제한적 실시예 또는 양태의 프로세스를 도시한다.
도 4는 제조 프로세스를 최적화하기 위한 방법의 비제한적 실시예 또는 양태의 프로세스를 도시한다.
도 5는 제조 프로세스를 최적화하기 위한 방법의 비제한적 실시예 또는 양태의 프로세스를 도시한다.
도 6은 제조 프로세스를 최적화하기 위한 방법의 비제한적 실시예 또는 양태의 프로세스를 도시한다.
별도로 명시적으로 언급한 경우를 제외하면, 본 실시예는 다양한 대안의 변형 및 단계 순서를 가정할 수 있다는 것을 이해해야 한다. 이하의 상세한 설명에 기재된 특정한 장치 및 프로세스는 단지 본 개시의 예시적인 실시예 또는 양태라는 점을 이해해야 한다. 따라서, 본 명세서에 개시된 실시예 또는 양태와 관련된 특정한 치수 및 다른 물리적 특성은 한정으로서 간주되어서는 안 된다. 본 명세서에서 사용되는 어떤 양태, 구성요소, 요소, 구조, 동작, 단계, 기능, 명령어 등은 명시적으로 언급되지 않는 한, 중요한 것이라거나 필수적인 것이라고 해석되어서는 안 된다. 또한, 본 명세서에서 사용되는 '일/하나의((a) 및 (an))'이라는 용어는 하나 이상의 항목을 포함하는 것으로 "하나 이상" 및 "적어도 하나"와 같은 의미로 사용될 수 있다. 또한, 본 명세서에서 사용되는 "구비하다", "구비하는" 등의 용어는 제한이 없는 용어이다. 또한, "~에 기초한"이라는 어구는 달리 명시적으로 언급되지 않는 한 "적어도 부분적으로 ~에 기초한"을 의미한다.
본 명세서에 사용되는 "통신" 및 "통신하다"라는 용어는 데이터의 수신, 전송, 전달, 공급 등(예를 들어, 정보, 신호, 메시지, 명령어, 커맨드 등)을 가리킬 수 있다. 하나의 유닛(예를 들어, 장치, 시스템, 장치 또는 시스템의 구성요소, 이들의 조합 등)이 다른 유닛과 통신한다는 것은, 한 유닛이 다른 유닛으로부터 직접 또는 간접적으로 정보를 수신하고, 및/또는 정보를 다른 유닛에 송신(예를 들어, 전송)할 수 있다는 것을 의미합니다. 이것은 본질적으로 유선 및/또는 무선인 직접 접속 또는 간접 접속을 의미할 수 있다. 나아가, 2개의 유닛이 서로 통신할 수는 있지만, 전송되는 정보는 제 1 유닛과 제 2 유닛 사이에서 수정, 프로세스, 릴레이 및/또는 라우팅될 수도 있다. 예를 들어, 제 1 유닛이 제 2 유닛과 통신하지만, 제 1 유닛이 수동적으로 정보를 수신하고, 제 2 유닛에 정보를 능동적으로 전송하지 않을 수도 있다. 다른 예로서, 적어도 하나의 중개 유닛(예를 들어, 제 1 유닛과 제 2 유닛 사이에 위치한 제 3 유닛)이 제 1 유닛으로부터 수신된 정보를 프로세스하고, 프로세스된 정보를 제 2 유닛으로 전송하는 경우, 제 1 유닛은 제 2 유닛과 통신할 수 있다. 몇몇 비제한적 실시예에서, 메시지는 데이터를 포함하는 네트워크 패킷(예를 들어, 데이터 패킷 등)을 지칭할 수 있다.
본 명세서에서 사용되는 용어 '컴퓨팅 장치'는 하나 이상의 네트워크와 및 또는 이를 통해 직접 또는 간접적으로 통신하도록 구성된 하나 이상의 전자 장치를 지칭할 수 있다. 컴퓨팅 장치는 모바일 또는 휴대용 컴퓨팅 장치, 데스크탑 컴퓨터, 서버 등일 수 있다. 또한, 용어 '컴퓨터'는 데이터를 수신, 프로세스 및 출력하는데 필요한 컴포넌트를 포함하는 임의의 컴퓨팅 장치를 지칭할 수 있으며, 일반적으로 디스플레이, 프로세서, 메모리 및 입력 장치 및 네트워크 인터페이스를 포함한다. '컴퓨팅 시스템'은 하나 이상의 컴퓨팅 장치 또는 컴퓨터를 포함할 수 있다. '애플리케이션' 또는 '애플리케이션 프로그램 인터페이스'(API)는, 클라이언트로부터 데이터를 수신하기 위한 클라이언트측 프런트엔드 및/또는 서버측 백엔드와 같은, 소프트웨어 컴포넌트들 사이의 상호작용을 용이하게 하기 위해 프로세서에 의해 실행될 수 있는, 컴퓨터 판독가능 매체 상에서 분류되는 컴퓨터 코드 또는 다른 데이터를 지칭한다. '인터페이스'는 (예를 들어, 키보드, 마우스, 터치스크린 등을 통해) 직접 또는 간접적으로 사용자가 상호작용할 수 있는 하나 이상의 그래픽 사용자 인터페이스(GUI)와 같은 생성된 디스플레이를 지칭한다. 또한, 네트워크 환경에서 직접 또는 간접적으로 통신하는 복수의 컴퓨터, 예를 들어, 서버 또는 다른 컴퓨터 장치는 '시스템' 또는 '컴퓨팅 시스템'을 구성할 수 있다.
본 명세서에 사용되는 용어 '서버'는, 인터넷이나 사설 네트워크와 같은 네트워크를 통해 클라이언트 장치 및/또는 다른 컴퓨팅 장치와 통신하며, 몇몇 예에서는 다른 서버 및/또는 클라이언트 장치 사이의 통신을 용이하게 하는 프로세서, 저장 장치 및/또는 유사한 컴퓨터 구성요소와 같은 하나 이상의 컴퓨팅 장치를 지칭할 수 있다.
비제한적 실시예는 유리 제조 프로세스와 같은 제조 프로세스를 최적화하기 위한 시스템, 방법, 및 컴퓨터 프로그램 제품에 관한 것이다. 이러한 제조 프로세스는 실시간 방식으로 대량의 데이터를 생성하고, 이것이 다양한 장치 및 구성 요소에 의해 수집되므로, 이러한 데이터를 효과적이고 효율적으로 저장, 구조화, 관리 및 액세스하는 데 어려움이 있다. 본 명세서에서 설명되는 비제한적 실시예는 프로세스 파라미터의 연속적 및/또는 주기적 최적화(예를 들어, 더 우수한 제품을 생성하기 위해, 더 적게 재료를 사용하기 위해, 폐 재료를 더 줄이기 위해, 제조 프로세스를 가속화하기 위해 등)를 포함하여 제조 프로세스 전반에 걸쳐 개선된 효율성을 제공한다. 더욱이, 제조 프로세스의 장치 및 구성 요소에서 수집되는 원시 데이터는, 이러한 데이터를 분석해서 최적화된 프로세스 파라미터를 생성할 때, 데이터 프로세스 비효율 및 에러가 나타날 수 있다. 따라서, 본 명세서에서 설명되는 비제한적 실시예는, 비제한적 예로서 머신-학습 알고리즘을 포함하는 분석 알고리즘에 사용하도록 제조 데이터를 재구성하기 위한 고유한 기술을 제공한다.
제조 프로세스 데이터
유리 제조 프로세스를 최적화하기 위해 전술한 시스템, 방법 및 컴퓨터 프로그램 제품이 사용될 수 있다. 본 명세서의 설명은 유리 제조의 측면에서의 기술적 구현을 참조할 수 있지만, 많은 기술적 특징 및 이점이, 제조 데이터의 수집 및 분석을 포함한, 임의의 유형의 제조 프로세스에 적용될 수 있다는 것을 이해할 것이다.
설명된 시스템 및 방법은 프로세스 최적화를 통해 제조 효율을 제공할 수 있다. 예를 들어, 판유리 제조에서, 제조 효율성은 (i) 부분적으로 용융된 모래 입자 및 작은 유리 기포를 포함하는 제품의 결함의 수를 감소시키는 것; (ⅱ) 코팅된 판 유리 제품을 용융 및 생산하기 위한 에너지 사용을 감소시키는 것; (ⅲ) 불량 유리(rejected glass), 절단 및 모서리 장식 손실과 같은 제조 폐기물을 감소시키는 것; (ⅳ) 유리 두께 분포를 최적화하는 것; (v) 제품 교체 중의 재료 손실을 감소시키는 것; (ⅵ) 원료 사용을 최적화하는 것, 및 (ⅶ) 재고 및 공급망을 관리하는 것을 포함할 수 있다.
다른 예로서, 유리 코팅 프로세스에서, 제조 효율은 (i) 예를 들어, 플라즈마 프로세스에서 프로세스 파편 및 전기적 아크로 인한 핀홀과 같은, 결함의 수를 최소화시키는 것; (ⅱ) 제품 색상 균일성을 최적화하는 것; (ⅲ) 예를 들어, 빈번한 음극 클리닝 및/또는 보충(replenishing)으로 인한 생산 중단 시간을 최소화하는 것; (ⅳ) 신제품 개발 및 상업화 주기를 최소화하는 것; 및 (v) 예측 유지 보수를 통합해서 장비 신뢰성과 무결성을 개선하는 것을 포함할 수 있다.
설명된 시스템 및 방법은 최적화시킬 제조 프로세스 동안 다양한 소스로부터의 데이터를 사용할 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 표 1은, 다양한 데이터 소스 및 예시적인 데이터 저장 위치로부터의 샘플 속도를 포함하는, 유리 제조 프로세스를 위한 다양한 데이터 소스를 제공한다.
| 프로세스 | 데이터 샘플 레이트 | 클라우드에 업로드된 데이터 |
| 센서 및 머신 제어 | 1초-10초 | 사내에(on premise) |
| 주요 프로세스 파라미터 제어 루프 | 10초-5분 | 사내에 |
| 프로세스 지도 제어 및 관리 | 30분-1시간 | 클라우드에 및/또는 사내에 |
| 프로세스 최적화 모델 | 1-4시간 | 클라우드에 |
| 공급망 및 프로세스 전반에 걸친 제어 | 8-24시간 | 클라우드에 |
| 기업 전반에서의 최적화 | >24 시간 | 클라우드에 |
몇몇 비제한적 실시예 또는 양태에서, 설명되는 시스템 및 방법의 데이터 흐름은, 다양한 데이터 소스로부터 제조 데이터를 추출하고 이 데이터를 클라우드 기반 데이터 플랫폼에 업로드하는 것으로 시작할 수 있다. 이 데이터는 분석을 위해 프로세스 전반의(process-wide) 데이터 세트로 프로세스, 예를 들어, 검증, 클리닝, 및 조직(organized)될 수 있다. 이 데이터는, 클라우드 기반 데이터 플랫폼의 검증된 데이터세트에 저장될 수 있다. 이 데이터는, 다양한 제조 및 비즈니스 요건에 기초해서 분석될 수 있다.몇몇 비제한적 실시예 또는 양태에서, 데이터 검증 및 특성 엔지니어링(feature engineering)은 다음의 예시적인 카테고리로 분류될 수 있다: (i) 일반적인 데이터 에러; (ⅱ) 프로세스별 데이터 프로세스 및 케이스별 데이터 처리; 및 (ⅲ) 새로운 프로세스 변수를 생성하기 위한 프로세스 특성 엔지니어링. 제 1 카테고리에서, 일반적인 데이터 에러가 식별될 수 있다. 일반적인 데이터 에러는 기기 및 컴퓨터 시스템에서 발생할 수 있는데, 비제한적 예로 프로세스 데이터베이스의 머신-관련 데이터 에러, 미접속, 셧다운 또는 SQL 서버 프로세스로 인한 서버-생성(server-generated) 기기 에러 및/또는 플랫 파일 데이터 서버 생성 에러를 포함한다. 이러한 데이터 에러는 특정 데이터 소스와 연관될 수 있다. 누락된 데이터 및 이상치(outlier)와 같은 데이터 에러는 자동으로 수정될 수 있다. 제 2 카테고리에서, 데이터 처리 및 엔지니어링은, 비한적 예로서 제품 세분화, 프로세스 시간 지연, 프로세스 데이터 구성요소 조직(organization) 및 프로세스 동적 추출을 포함하는, 프로세스에 특정하게 적용될 수 있다. 제 3 카테고리에서, 프로세스 특성 엔지니어링을 사용해서 새로운 프로세스 변수가 생성될 수 있다. 새로운 변수는, AI 모델링 및 지능형 액션 생성에 필요한 프로세스 특성을 효과적으로 나타낼 수 있는 프로세스 인사이트(insight) 및 숨겨진 역학 관계(dynamic)를 나타낼 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 제조 프로세스는, (i) 데이터 치수 변환, (ⅱ) 이상치(outlier) 데이터 제거, (ⅲ) 데이터 대체(imputation) (ⅳ) 클리닝 사이클 프로세스 식별 및 제품 레이어 속성을 포함한 프로세스 데이터 특성 엔지니어링과 같은 스테이지에 따라서 최적화될 수 있다.
데이터 치수 변환
제조 프로세스에서, 제품은, 제품에 대해서 수정, 처리, 조립 등이 수행될 수 있는 다양한 구역을 거쳐서 운송될 수 있다. 제조 프로세스에서 품질 변수와 공정 변수 사이의 인과 관계를 결정하는 것이 바람직할 수 있는데, 구역 내에서의 및/또는 구역들 사이의 속도 및/또는 운송 시간 지연은 이 품질 변수와 공정 변수 사이의 관계를 정확하게 결정하는 데에 영향을 미칠 수 있다. 예를 들어, 유리 제조 프로세스에서는, 유리 코팅 제조 프로세스의 특성상 품질 변수와 공정 변수 사이의 인과 관계의 결정이 복잡할 수 있다. 유리판이 적재 단부(Load-end)로부터 다양한 코팅 프로세스 부분(예를 들어, 워셔(washer) 구역, 코팅 구역 등)을 각각의 라인 속도로 운송되기 때문에, 유리 제품 품질 변수와 공정 변수 사이에 운송 시간 지연이 발생할 수 있으며, 이는 코팅기 위치 또는 구역에 따른 인과 관계의 올바른 해석에 영향을 미친다. 설명되는 시스템 및 방법은, 데이터 매트릭스를 시간-순차 데이터 구조로부터 위치적 치수 결정 데이터 구조로 변환하는 방법을 포함한, 인과 관계의 정확한 식별을 제공한다.
제조 프로세스 종료 시에 측정되는 제품 품질 변수와 제조 프로세스에 따라서 측정되는 공정 변수 사이에는 시차(예를 들어, 몇 분)가 있을 수 있다. 구역 위치는, 예를 들어 결함에 대한, 개별 구역 파라미터와 영향 사이의 관계를 식별하기 위해 표시될 수 있다. 구역 위치는, 시간-순차 데이터 구조로부터 위치적 치수 결정 데이터 구조로의 데이터 매트릭스 치수 변환을 적용해서, 표시될 수 있다. 제조 프로세스의 한 위치에서 기준점이 선택될 수 있고, 프로세스 흐름 방향에 따른 한 위치에서 시간 지연이 계산될 수 있다. 각각의 개별 구역의 위치는 시간-순차 데이터를 위치적 치수 결정 데이터로 변환하는 위치를 표시하는 데 사용될 수 있다. 변환이 구현된 이후에, 모델링에 사용되는 데이터는 시간에 무관할 수 있으므로, 프로세스와 품질 변수 사이의 상관 관계는 위치에 따라 달라진다. 각각의 구역에 대한 시차 계산을 위한 일반화된 방정식은 다음과 같다.
식 1
여기서, Δt는 그 구역의 타임 래그(time lag)를 나타내고, L은 제품 이동 방향에서의 그 구역 길이를 나타내며, v는 라인 속도를 나타낸다. 데이터 매트릭스 치수 변환은 라인 속도의 함수로 간주될 수 있다.
제조 프로세스의 모든 구역에 걸쳐 타임 래그 보상을 구현하기 위해서, 시간 지연은 두 가지 카테고리로 계산될 수 있다: (1) 개별 구역 지연; 및 (2) 품질(예를 들어, 결함) 검사 스캔과 구역 지연 기준점 사이의 시간 지연. 구역 지연 기준점(예를 들어, 기준 타임스탬프)은 개별 구역에서 정의될 수 있다. 개별 구역 타임 래그에 대해 사용되는 식은 다음과 같다.
식 2
여기서, Δkn은 구역 번호 n에 대한 총 시간 지연을 나타내며 여기서, 예를 들어 n=1 내지 10이다. Tr은 개별 구역에서의 기준 시간 스탬프를 나타낸다. 품질(예를 들어, 결함) 검사 스캔 위치와 구역 지연 기준점 사이의 타임 래그는 교차 상관(cross-correlation) 함수를 사용하여 계산할 수 있다.
이상치(outlier) 검출 및 제거
이상치는 데이터 세트의 대부분의 관찰 결과에서 벗어나는 극단값을 포함할 수 있다. 데이터 세트의 이상치는, 편향되거나 오판의 소지가 있는(misleading) 정보로 데이터를 오염시킬 위험이 있다. 이상치는 기기 에러, 실험 과정 에러 및/또는 기타 인적 에러/장비 에러로 인해 발생되는 중요 데이터 변동을 나타낼 수 있다. 이상치 검출은 제조 프로세스에서 측정된 제품 파라미터에 따라 카테고리화될 수 있다. 유리 코팅의 예에서, 이상치 검출은 비제한적 예로서, 다음 범주의 카테고리에 따라 카테고리화될 수 있다, (i) 온도; (ⅱ) 생산 라인 속도(제품에 따라 다를 수 있음) (ⅲ) 프로세스 이벤트 시간; (ⅳ) 전기 아크; (v) 프로세스 가스 흐름; (ⅵ) 전압; (ⅶ) 전류; (ⅷ) 전력; (ⅸ) 프로세스 압력 등.
이상치 식별 및 검출의 제 1 단계는, 제품 변경 및 프로세스 클리닝과 같은 이벤트에 의해 제조 프로세스에 도입될 수 있는 이상치를 결정하는 것을 포함할 수 있다. 이상치 식별 및 검출의 제 2 단계는, 강력한 통계적 방법을 사용해서 이상치를 라벨링하는 것을 포함할 수 있다. 제 1 단계에서, 시스템은 전원이 꺼진 구역과 전원이 켜진 구역을 식별할 수 있다. 생산 변경 동안에, 다른 제조 구역은 전원이 꺼질 수도 있고 켜질 수도 있으며, 전원이 꺼진 구역은, 주로 0의 생산 변수 값(product variable values)을 생성한다. 전원이 꺼진 구역을 먼저 필터링하지 않으면, 값이 0인 과도한 파라미터들이 측정된 통계 분포를 희석시키고 왜곡시킬 수 있다. 생산 및 프로세스 클리닝과 같은 이벤트를 식별하기 위해 디지털 플래그가 도입될 수 있다. 제 2 단계에서는 사분위수 범위(interquartile range; IQR) 방법을 사용하는 것과 같이, 이상치가 라벨링될 수 있다. IQR은 미드스프레드(midspread)라고도 하며, 75번째 백분위수(percentile)와 25번째 백분위수 사이의 차이, 또는 상위 사분위수와 하위 사분위수 사이(예를 들어, IQR=Q3-Q1)의 차이와 같은 통계적 분산의 척도일 수 있다. 전원이 꺼진 구역을 먼저 조정하지 않으면, 전원이 꺼진 구역으로부터의 과도한 0 값 파라미터를 감안할 때, IQR은, 정상의 생산 데이터 값을 이상치로 식별해 버릴 수 있다. 전원이 꺼진 구역을 고려한 이후에는, IQR은, 값의 일반적인 통계적 분포를 벗어난 이상치를 적절하게 식별할 수 있다.
누락된 데이터 대체(Missing Data Imputation)
제조 프로세스 데이터 세트가 무효인 경우, 예를 들어 장비 고장과 같은 프로세스 이벤트로 인해서 데이터 누락이 발생할 수 있다. 누락된 데이터 세그먼트가 충분히 큰 경우(예를 들어, 허용 임계값 초과), 누락된 데이터가 제거될 수 있다(예를 들어, 빈 열이 삭제될 수 있다). 누락된 데이터 세그먼트가 충분히 작은 경우(예를 들어, 허용 임계값 이내), 누락된 데이터가 대체될 수 있다. 몇몇 비제한의 실시예 또는 양태에서, 누락된 데이터 세그먼트의 허용 임계값은 전체 데이터세트의 5%로 설정될 수 있다.
누락 값 대체는 비제한적 예로서 (i) 상수 값 변수; (ⅱ) 확률적 변수; (ⅲ) 조건적 변수 등을 포함하는 하나 이상의 변수 카테고리에 따라서 실행될 수 있다. 제 1 카테고리에서, 누락 값을 통계적 평균 데이터(예를 들어, 변수 열 평균) 및/또는 인접 값(예를 들어, 인접 레코드로부터의 상수 값)으로 교체함으로써, 상수 값 변수(예를 들어, 프로세스 설정점 변수)가 대체될 수 있다. 제 2 카테고리에서, 확률적 변수는, 데이터 열들 사이의 상관관계를 분석하고, 선형 모델, 예를 들어 데이터의 저차원 근사(low-dimensional approximation)를 사용해서 추정치를 생성함으로써, 대체될 수 있다. 제 3 카테고리에서, 조건적 변수는 MICE(연쇄 방정식)에 의한 다변수 대체(multivariate imputation)를 사용해서 대체될 수 있으며, 여기서 누락된 데이터가 있는 각각의 변수는, 누락된 값을 채우기 전에, 데이터의 다른 변수를 사용해서 조건부로 모델링된다. MICE는, 채울 값을 결정하기 위해 데이터 세트를 수회 통과하는 것을 포함할 수 있다.
몇몇 비제한적 실시예 또는 양태에서, 이전 데이터 레코드로부터의 상수 값이, 누락된 데이터 값을 가진 데이터 레코드로 대체될 수 있다. 누락된 데이터를 해결하면, 이러한 모델에 연속 데이터 세트가 필요할 때(예를 들어, 접속이 해제된 데이터 세그먼트 없이), 머신 학습 모델이 작동할 수 있게 된다.
도면
이제 도 1을 참조하면, 비제한적 실시예 또는 양태에 따라 제조 프로세스를 최적화하기 위한 시스템(800)이 도시되어 있다. 시스템(800)은 클라우드 내 데이터 아키텍처를 위한 프로세스 흐름을 포함한다. 시스템(800)은 복수의 데이터 소스를 포함할 수 있는데, 이 데이터 소스는 데이터를 생성 및/또는 저장할 수 있는 하나 이상의 컴퓨팅 장치를 포함할 수 있다. 시스템(800)은, 제어 데이터 소스(802)(예를 들어, 센서 및 머신 제어의 데이터 제공) 및 프로세스 데이터 소스(804)(예를 들어, 주요 프로세스 파라미터 제어 루프의 데이터를 제공)를 포함하는, 복수의 사내(on-premise) 데이터 소스(802, 804)를 포함할 수 있다. 사내 데이터 소스(802, 804)는, 입력 저장 시스템(818)을 포함할 수 있는, 클라우드 컴퓨팅 시스템(예를 들어, 마이크로소프트 애저)과 통신할 수 있다. 사내 데이터 소스(802, 804)는 통신 네트워크(816)를 사용해서(예를 들어, 자체-호스팅되는 통합 런타임 서비스를 사용해서) 클라우드 컴퓨팅 시스템과 통신할 수 있다. 시스템(800)은 관계형 데이터베이스 관리 시스템(806)(예를 들어, SQL Server)을 더 포함할 수 있다. 관계형 데이터베이스 관리 시스템(806)은 생산 제어 데이터 소스(808), 결함 측정 데이터 소스(810), 및 분석 랩 데이터 소스(812)를 포함할 수 있다. 관계형 데이터베이스 관리 시스템(806)의 데이터 소스(808, 810, 812)는 통신 네트워크(816)를 통해서 입력 스토리지 시스템(800)과 통신할 수 있다. 시스템(800)은 또한, 통신 네트워크(816)를 통해서 입력 저장 시스템(818)과 통신할 수 있는 오프라인 결함 분석 데이터 소스(814)를 포함할 수 있다.
시스템(800)은 입력 저장 시스템(818)을 포함할 수 있고, 여기서 하나 이상, 또는 모든 원시 데이터 저장 및 데이터 검증 프로세스가 수행될 수 있다. 입력 저장 시스템(818)은 시스템 호스트(예를 들어, 데이터 레이크(Data Lake))에 의해 동작될 수 있다. 입력 저장 시스템(818)은 복수의 입력 데이터 테이블(820) 및 입력 데이터 키 테이블(822)을 포함할 수 있다. 시스템(800)은 출력 저장 시스템(824)을 포함할 수 있으며, 여기서 이력 데이터 취득을 위해서, 하나 이상, 또는 모든 처리된 데이터 세트 및 지능형 분석의 결과가 저장된다. 입력 저장 시스템(818)은 데이터 분석에 사용될 수 있는 하나 이상의 머신-학습 서비스와 연관될 수 있다. 비즈니스 케이스-기반 클리닝 프로세스(832) 이후의 머신-학습 모델 결과(830) 및 데이터 세트는, 입력 저장 시스템(818)으로부터 출력 저장 시스템(824)으로 통신될 수 있다.
이제 도 2를 참조하면, 비제한적 실시예에 따라서, 본 명세서에 설명된 시스템 및 방법을 구현 및 수행하기 위한 컴퓨팅 장치(900)의 예시적인 구성요소의 도면이 도시되어 있다. 컴퓨팅 장치(900)는, 비제한적 예로서, 제어 데이터 소스(802), 프로세스 데이터 소스(804), 관계형 데이터베이스 관리 시스템(806), 생산 제어 데이터 소스(808), 결함 측정 데이터 소스(810), 분석 랩 데이터 소스(812), 오프라인 결함 분석 데이터 소스(814), 통신 네트워크(816), 입력 저장 시스템(818), 출력 저장 시스템(824), 및/또는 전술한 장치를 제어하기 위한 하나 이상의 시스템 중 하나 이상의 컴퓨팅 장치를 포함하는, 도 1의 시스템(800)의 하나 이상의 컴퓨팅 장치에 대응할 수 있다. 몇몇 비제한적 실시예에서, 장치(900)는 도 2에 도시된 것보다 많은 추가 구성요소, 더 적은 수의 구성요소, 이와는 상이한 구성요소, 또는 다르게 배열된 구성요소를 포함할 수 있다. 장치(900)는 버스(902), 프로세서(904), 메모리(906), 저장 구성요소(908), 입력 구성요소(910), 출력 구성요소(912), 및 통신 인터페이스(914)를 포함할 수 있다. 버스(902)는 장치(900)의 구성요소들 사이의 통신을 가능하게 하는 구성요소를 포함할 수 있다. 몇몇 비제한적 실시예에서, 프로세서(904)는 하드웨어, 펌웨어, 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 예를 들어, 프로세서(904)는, 프로세서(예를 들어, 중앙 처리 장치(CPU), 그래픽 처리 장치(GPU), 가속 처리 장치(APU) 등), 마이크로프로세서, 디지털 신호 프로세서(DSP) 및/또는 기능을 수행하도록 프로그래밍 혹은 구성될 수 있는 임의의 처리 구성요소(예를 들어, FPGA(field-programmable gate array), ASIC(application-specific integrated circuit) 등)를 포함할 수 있다. 메모리(906)는 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 및/또는 프로세서(904)가 사용할 정보 및/또는 명령어를 저장하는 다른 유형의 동적 또는 정적 저장 장치(예를 들어, 플래시 메모리, 자기 메모리, 광학 메모리 등)를 포함할 수 있다.
도 2를 계속 참조하면, 저장 구성요소(908)는 장치(900)의 동작 및 사용과 관련된 정보 및/또는 소프트웨어를 저장할 수 있다. 예를 들어, 저장 구성요소(908)는 하드 디스크(예를 들어, 자기 디스크, 광 디스크, 광자기 디스크, 솔리드 스테이트 디스크 등) 및/또는 다른 유형의 컴퓨터 판독 가능 매체를 포함할 수 있다. 입력 구성요소(910)는, 장치(900)가 사용자 입력(예를 들어, 터치 스크린 디스플레이, 키보드, 키패드, 마우스, 버튼, 스위치, 마이크 등)을 통해서, 정보를 수신할 수 있게 하는 구성요소를 포함할 수 있다. 이에 더 해서 혹은 이와 달리, 입력 구성요소(910)는 정보를 감지하기 위한 센서(예를 들어, GPS(Global Positioning System) 구성요소, 가속도계, 자이로스코프, 액추에이터 등)를 포함할 수 있다. 출력 구성요소(912)는, 장치(900)(예를 들어, 디스플레이, 스피커, 하나 이상의 발광 다이오드(LED) 등)로부터의 출력 정보를 제공하는 구성요소를 포함할 수 있다. 통신 인터페이스(914)는, 장치(900)가 유선 접속, 무선 접속, 또는 유선 및 무선 접속을 이용해서 다른 장치와 통신하는 것을 가능하게 하는 송수신기형 구성요소(예를 들어, 송수신기, 별도의 수신기와 송신기 등)을 포함할 수 있다. 통신 인터페이스(914)는, 장치(900)가 다른 장치로부터 정보를 수신하고 및/또는 다른 장치에 정보를 제공하게 할 수 있다. 예를 들어, 통신 인터페이스(914)는 이더넷 인터페이스, 광학 인터페이스, 동축 인터페이스, 적외선 인터페이스, 무선 주파수(RF) 인터페이스, 범용 직렬 버스(USB) 인터페이스, Wi-Fi® 인터페이스, 셀룰러 네트워크 인터페이스 등을 포함할 수 있다.
장치(900)는 본 명세서에 설명된 하나 이상의 프로세스를 수행할 수 있다. 장치(900)는 메모리(906) 및/또는 저장 구성요소(908)와 같은 컴퓨터 판독가능 매체에 의해 저장된 소프트웨어 명령어를 프로세서(904)가 실행하는 것에 기초하여, 이들 프로세스를 수행할 수 있다. 컴퓨터 판독가능 매체는 임의의 비일시적 메모리 장치를 포함할 수 있다. 메모리 장치는 단일 물리적 저장 장치 내부에 위치된 메모리 공간 또는 여러 물리적 저장 장치에 분산된 메모리 공간을 포함한다. 소프트웨어 명령어는 다른 컴퓨터 판독 가능 매체로부터 또는 통신 인터페이스(914)를 통해 다른 장치로부터 메모리(906) 및/또는 저장 구성요소(908)로 판독될 수 있다. 실행될 때, 메모리(906) 및/또는 저장 구성요소(908)에 저장된 소프트웨어 명령어는 프로세서(904)가 본 명세서에 설명된 하나 이상의 프로세스를 수행하게 할 수 있다. 이에 더해서 혹은 이와 달리, 하드와이어드 회로(hardwired circuitry)는 본 명세서에 설명된 하나 이상의 프로세스를 수행하기 위해 소프트웨어 명령어 대신에 또는 이와 함께 사용될 수 있다. 따라서, 본 명세서에 설명된 실시예는 하드웨어 회로 및 소프트웨어의 임의의 특정 조합으로 제한되지 않습니다. 본 명세서에서 사용되는 "프로그래밍되거나 구성된"이라는 용어는 하나 이상의 장치 상의 소프트웨어, 하드웨어 회로, 또는 이들의 임의의 조합의 배열을 지칭한다.
이제 도 3을 참조하면, 비제한적 실시예 또는 양태에 따라 제조 프로세스를 최적화하기 위한 프로세스(1000)가 도시되어 있다. 프로세스(1000)의 하나 이상의 단계는, 프로세스(1000)의 하나 이상의 다른 단계의 하나 이상의 동일한 컴퓨팅 장치에 의해 실행될 수 있다. 프로세스(1000)의 하나 이상의 단계는 통신 네트워크(816), 입력 저장 시스템(818), 출력 저장 시스템(824), 및/또는 도 1의 시스템(800)의 장치를 제어하기 위한 다른 시스템의 하나 이상의 컴퓨팅 장치에 의해 실행될 수 있다.
단계(1002)에서, 제조 데이터가 수신될 수 있다. 예를 들어, 입력 저장 시스템(818)은 제품을 제조하는 제조 프로세스와 관련된 제조 데이터를 수신할 수 있다. 제조 데이터는 제조 프로세스의 하나 이상의 스테이지(예를 들어, 생산 스테이지, 조립 스테이지, 처리 스테이지 등)와 관련된 하나 이상의 데이터 소스로부터의 데이터를 포함할 수 있다. 제조 데이터는, 하나 이상의 프로세스 파라미터 값 및 하나 이상의 품질 파라미터 값을 포함한, 복수의 파라미터에 대한 값을 포함할 수 있다. 프로세스 파라미터는, 제조 프로세스의 스테이지의 하나 이상의 측정 가능한(예를 들어, 값을 가짐) 특성 및/또는 양태(예를 들어, 처리 속도, 처리 온도, 처리 압력 등)를 포함할 수 있다. 품질 파라미터는 제조되는 제품의 하나 이상의 측정 가능한(예를 들어, 값을 갖는) 특성 및/또는 양태를 포함할 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 제조 프로세스는 유리 제조 프로세스를 포함할 수 있고, 제품은 코팅된 유리 제품을 포함할 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 제조 데이터의 복수의 파라미터는 비제한적 예로서, 온도, 이벤트 시간, 전기 아크, 가스 흐름, 전압, 전류, 전력, 압력, 또는 이들의 임의의 조합을 포함할 수 있다.
단계(1004)에서, 시간-순차 데이터 구조가 생성될 수 있다. 예를 들어, 입력 저장 시스템(818)은, 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성할 수 있으며, 여기서 복수의 파라미터의 각각의 파라미터는 시간-순차 데이터 구조에서의 시간(예를 들어, 제조 프로세스 및/또는 생산의 파라미터의 측정 시간)과 관련된다. 몇몇 비제한적 실시예 또는 양태에서, 시간-순차 데이터 구조는, 각각의 파라미터가 시간 열에 따라 달라지고 시간 열에 따라 시퀀스되어 있는, 데이터 테이블일 수 있다.
단계(1006)에서, 시간-순차 데이터 구조는 변환될 수 있다. 예를 들어, 입력 저장 시스템(818)은 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환할 수 있다. 변환은 복수의 스테이지와 연관된 타이밍 데이터에 기초할 수 있다. 복수의 파라미터의 각각의 파라미터는 위치적 치수 결정 데이터 구조에서 적어도 하나의 위치와 연관될 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 위치적 치수 결정 데이터 구조는, 각각의 파라미터가 제조 프로세스에서의 위치에 따라 달라지고 이 위치에 따라 배열되어 있는, 데이터 테이블일 수 있다.
단계(1008)에서, 하나 이상의 프로세스 파라미터 값에 대한 새로운 값이 결정될 수 있다. 예를 들어, 입력 저장 시스템(818)은, 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초해서, 하나 이상의 프로세스 파라미터 값에 대한 새로운 값을 결정할 수 있다. 적어도 하나의 알고리즘은 모델(예를 들어, 랜덤 포레스트 모델, 신경망 등) 및 적어도 하나의 사용자 입력 값에 기초하여 새로운 값을 출력하도록 구성된 머신-학습 알고리즘을 포함할 수 있다.
단계(1010)에서, 제조 프로세스가 최적화될 수 있다. 예를 들어, 입력 저장 시스템(818)은 단계(1008)의 생성된 새로운 값에 기초해서, 제조 프로세스를 최적화할 수 있다. 제조 프로세스의 최적화는, 제조된 제품(예를 들어, 그 품질) 또는 제조된 제품의 부피의 개선(예를 들어, 제조 경제, 원료 투입 소비의 감소, 중복 반복 단계의 감소 등)을 포함할 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 입력 저장 시스템(818)은 하나 이상의 머신 학습 모델을 실행해서, 하나 이상의 프로세스 제어 시스템을 변경하는 등에 의한, 하나 이상의 프로세스 파라미터의 변경(예를 들어, 프로세스 파라미터 최적화)의 추천을 생성할 수 있다. 몇몇 비제한적 실시예 또는 측면에서, 유리 제조 프로세스의 최적화는 유리 제품의 다수 결함(예를 들어, 부분 용융된 모래 입자, 작은 유리 기포 등)의 감소, 용융해서 코팅된 판유리 제품을 생산하기 위한 에너지 사용량의 감소, 제조 폐기물 감소(불량 유리(rejected glass), 절단 및 모서리 장식 손실 등), 유리 두께 분포의 최적화, 제품 교체 중의 재료 손실의 감소, 재고 및 공급 변경 관리 등을 포함할 수 있다.
이제 도 4를 참조하면, 비제한적 실시예 또는 양태에 따른 제조 프로세스를 최적화하기 위한 프로세스(1100)가 도시되어 있다. 프로세스(1100)의 하나 이상의 단계는, 프로세스(1100)의 하나 이상의 다른 단계에서와 동일한 하나 이상의 컴퓨팅 장치에 의해 실행될 수 있다. 프로세스(1100)의 하나 이상의 단계는 통신 네트워크(816)의 하나 이상의 컴퓨팅 장치, 입력 저장 시스템(818), 출력 저장 시스템(824), 및/또는 도 1의 시스템(800)의 장치를 제어하기 위한 다른 시스템에 의해 실행될 수 있다. 도시된 프로세스(1100)는 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하는 방법을 나타낼 수 있다.
단계(1102)에서, 복수의 파라미터의 각각의 파라미터에 대한 구역이 식별될 수 있다. 예를 들어, 입력 저장 시스템(818)은 복수의 파라미터의 각각의 파라미터에 대한 구역(예를 들어, 제조 구역)을 식별할 수 있다. 단계(1104)에서, 시간 지연 인자가 결정될 수 있다. 예를 들어, 입력 저장 시스템(818)은, 각각의 파라미터에 대해서, 그 파라미터에 대한 구역의 길이(예를 들어, 미터의 수) 및 그 구역의 라인 속도(예를 들어, 초당 미터의 값)에 기초하여 시간 지연 인자를 결정할 수 있다. 단계(1106)에서, 위치적 치수 결정 데이터 구조가 생성될 수 있다. 예를 들어, 입력 저장 시스템(818)은 시간-순차 데이터 구조, 각 파라미터에 대한 구역, 및 각 파라미터에 대한 시간 지연 인자에 기초해서, 데이터 매트릭스 변환을 사용하여 위치적 치수 결정 데이터 구조를 생성할 수 있다. 이하의 표는 데이터 매트릭스 변환 결과의 비제한적 실시예 또는 양태를 나타내는 것으로, 여기서 유리 코팅을 위한 제조 프로세스에서 시간 정렬(예를 들어, 표 2에는 정렬 전, 표 3에는 정렬 후)이 구현된다. 열은 코팅 구역 프로세스 상태를 나타내고, 행은 실시간 일련의 타임스탬프를 나타낸다.
| 구역0 | 구역1 | 구역2 | 구역3 | 구역4 | 구역5 | |
| 09/10/2017 21:10:00 |
클리닝 | 코팅 | 코팅 | 코팅 | 코팅 | 코팅 |
| 09/10/2017 21:10:20 |
클리닝 | 코팅 | 코팅 | 코팅 | 코팅 | 코팅 |
| 09/10/2017 21:10:40 |
클리닝 | 코팅 | 코팅 | 코팅 | 코팅 | 코팅 |
| 09/10/2017 21:11:00 |
코팅 | 코팅 | 클리닝 | 코팅 | 코팅 | 코팅 |
| 09/10/2017 21:11:20 |
코팅 | 코팅 | 클리닝 | 클리닝 | 코팅 | 코팅 |
| 09/10/2017 21:11:40 |
코팅 | 코팅 | 클리닝 | 클리닝 | 코팅 | 코팅 |
| 09/10/2017 21:12:00 |
코팅 | 코팅 | 코팅 | 클리닝 | 코팅 | 코팅 |
| 09/10/2017 21:12:20 |
코팅 | 코팅 | 코팅 | 코팅 | 코팅 | 클리닝 |
| 09/10/2017 21:12:40 |
코팅 | 코팅 | 코팅 | 코팅 | 코팅 | 클리닝 |
| 09/10/2017 21:13:00 |
코팅 | 코팅 | 코팅 | 코팅 | 코팅 | 클리닝 |
| 구역 0 | 구역1 | 구역2 | 구역3 | 구역4 | 구역5 | |
| 09/10/2017 21:10:00 |
클리닝 | 코팅 | 클리닝 | 클리닝 | 코팅 | 클리닝 |
| 09/10/2017 21:10:20 |
클리닝 | 코팅 | 클리닝 | 클리닝 | 코팅 | 클리닝 |
| 09/10/2017 21:10:40 |
클리닝 | 코팅 | 클리닝 | 클리닝 | 코팅 | 클리닝 |
| 09/10/2017 21:11:00 |
코팅 | 코팅 | 코팅 | 코팅 | 코팅 | 코팅 |
| … | … | … | … | … | … | … |
이제 도 5를 참조하면, 비제한적 실시예 또는 양태에 따라 제조 프로세스를 최적화하기 위한 프로세스(1200)가 도시되어 있다. 프로세스(1200)의 하나 이상의 단계는 프로세스(1200)의 하나 이상의 다른 단계에서와 동일한 하나 이상의 컴퓨팅 장치에 의해 실행될 수 있다. 프로세스(1200)의 하나 이상의 단계는 통신 네트워크(816)의 하나 이상의 컴퓨팅 장치, 입력 저장 시스템(818), 출력 저장 시스템(824) 및/또는 도 1의 시스템(800)의 장치를 제어하기 위한 다른 시스템에 의해 실행될 수 있다. 도시된 프로세스(1200)는 머신-학습 모델 및/또는 데이터 매트릭스 변환 프로세스로의 입력을 위한 데이터를 클리닝/프로세스하는 방법을 나타낼 수 있다. 단계(1202)에서, 하나 이상의 이상치가 검출될 수 있다. 예를 들어, 입력 저장 시스템(818)은 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서 하나 이상의 이상치 파라미터 값을 검출할 수 있다. 이상치 검출은 사분위수 범위 방법을 사용해서 수행될 수 있다. 이상치 검출은 시스템은 전원이 꺼진 구역과 전원이 켜진 구역을 식별함으로써 용이해질 수 있으며, 여기서 전원이 꺼진 구역은 0의 파라미터 값을 생성해서 데이터 분포를 왜곡시킬 수 있다.
단계(1204)에서, 하나 이상의 이상치가 제거될 수 있다. 예를 들어, 입력 저장 시스템(818)은 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조로부터 하나 이상의 이상치 파라미터 값을 제거할 수 있다. 추가 예로서, 전원이 꺼진 구역의 0 값 파라미터는 각각의 데이터 구조로부터 제거될 수 있다.
이제 도 6을 참조하면, 비제한적 실시예 또는 양태에 따라 제조 프로세스를 최적화하기 위한 프로세스(1300)가 도시되어 있다. 프로세스(1300)의 하나 이상의 단계는 프로세스(1300)의 하나 이상의 다른 단계에서와 동일한 하나 이상의 컴퓨팅 장치에 의해 실행될 수 있다. 프로세스(1300)의 하나 이상의 단계는 통신 네트워크(816), 입력 저장 시스템(818), 출력 저장 시스템(824), 및/또는 도 1의 시스템(800)의 장치를 제어하기 위한 다른 시스템의 하나 이상의 컴퓨팅 장치에 의해 실행될 수 있다. 도시된 프로세스(1300)는 머신-학습 모델 및/또는 데이터 매트릭스 변환 프로세스로의 입력을 위한 데이터를 클리닝/프로세스하는 방법을 나타낼 수 있다.
단계(1302)에서, 빈 데이터 엔트리의 세트가 식별될 수 있다. 예를 들어, 입력 저장 시스템(818)은 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조에서 빈 데이터 엔트리의 세트를 식별할 수 있다. 빈 데이터 엔트리의 세트는 주어진 시간 및/또는 위치에 대해 측정된 데이터가 없는 연속 행 및/또는 열의 세트일 수 있다. 단계(1304)에서, 누락된 데이터의 비율이 결정될 수 있다. 예를 들어, 입력 저장 시스템(818)은 빈 데이터 엔트리의 세트의 크기(예를 들어, 행 및/또는 열의 수, 데이터 크기 등)를 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조의 크기(예를 들어, 전체 세트의 행 및/또는 열, 전체 세트의 데이터 크기 등)과 비교함으로써 누락된 데이터의 비율을 결정할 수 있다.
단계(1306)에서, 누락된 데이터의 비율은 사전 결정된 임계값과 비교될 수 있다. 예를 들어, 입력 저장 시스템(818)은 결정된 누락된 데이터 비율을 사전 결정된 허용 오차 임계값(예를 들어, 누락된 데이터의 임계 크기)과 비교할 수 있다. 사전 결정된 허용 오차 임계값은 머신-학습 모델 및/또는 사용자 입력에 의해 결정될 수 있다. 사전 결정된 허용 오차 임계값은 누락된 데이터의 임계값 크기를 나타낼 수 있는데, 이 임계값 크기가 초과된다면, 누락된 데이터 엔트리 행 및/또는 열은 대체된 데이터로 채워지기 보다는 삭제되어야 한다는 것을 나타낸다. 몇몇 비제한적 실시예 또는 양태에서, 사전 결정된 허용 오차 임계값은 5%일 수 있다(예를 들어, 누락된 데이터는 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조의 5% 이하일 수 있음).
단계(1308)에서, 누락된 데이터의 비율이 사전 결정된 허용 오차 임계값을 만족하는 것(예를 들어, 미만 혹은 이하임)에 응답하여, 누락된 데이터가 대체될 수 있다. 예를 들어, 입력 저장 시스템(818)은 데이터를 빈 데이터 엔트리의 세트에 대체(impute)할 수 있다. 몇몇 비제한적 실시예 또는 양태에서, 인접(예를 들어, 이전의, 후속하는) 데이터 레코드(예를 들어, 행 및/또는 열)로부터의 상수 값은, 누락된 데이터 값을 갖는 데이터 레코드로 대체될 수 있다. 이에 더해서 혹은 이와 달리, 머신-학습 모델은 이력 데이터에 기초해서 빈 데이터 엔트리의 세트의 누락된 값을 예측할 수 있다.
단계(1310)에서, 누락된 데이터의 비율이 사전 결정된 허용 오차 임계값을 만족하지 않는 것(예를 들어, 초과 혹은 이상임)에 응답하여, 빈 데이터 엔트리의 세트가 삭제될 수 있다. 예를 들어, 입력 저장 시스템(818)은 시간-순차 데이터 구조 또는 위치적 치수 결정 데이터 구조로부터 빈 데이터 엔트리의 세트를 삭제할 수 있다.
실시예를 예시의 목적으로 상세하게 설명했지만, 이러한 세부사항은 단지 그 목적을 위한 것으로, 본 개시는 개시된 실시예로 한정되지 않고, 첨부된 청구범위의 사상과 범주에 들어가는 수정 및 등가의 구성을 포함한다. 예를 들어, 본 개시는, 가능한 범위 내에서, 임의의 실시예의 하나 이상의 특징이 임의의 다른 실시예의 하나 이상의 특징과 조합될 수 있다는 것을 고려하는 것이 이해될 것이다.
Claims (15)
- 제조 프로세스를 최적화하기 위한 컴퓨터 구현 방법으로서,
적어도 하나의 프로세서로, 제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하는 단계 - 상기 제조 데이터는 상기 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 상기 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함함 - 와,
적어도 하나의 프로세서로, 상기 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하는 단계 - 상기 복수의 파라미터의 각각의 파라미터는 상기 시간-순차 데이터 구조의 시간과 연관됨 - 와,
적어도 하나의 프로세서로, 상기 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 상기 시간-순차 데이터 구조를 위치적 치수 결정(positionally-dimensioned) 데이터 구조로 변환하는 단계 - 상기 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관됨 - 와,
적어도 하나의 프로세서로, 상기 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 상기 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하는 단계와,
상기 새로운 값에 기초하여 상기 제조 프로세스를 최적화하는 단계
를 포함하는 컴퓨터 구현 방법.
- 제 1 항에 있어서,
상기 시간-순차 데이터 구조를 상기 위치적 치수 결정 데이터 구조로 변환하는 단계는,
적어도 하나의 프로세서로, 상기 복수의 파라미터의 각각의 파라미터에 대한 구역을 식별하는 단계와,
각각의 파라미터에 대해서, 상기 파라미터에 대한 상기 구역의 길이 및 상기 구역의 라인 속도에 기초하여, 시간 지연 인자를 결정하는 단계와,
적어도 하나의 프로세서로, 상기 시간-순차 데이터 구조, 각각의 파라미터에 대한 상기 구역 및 각각의 파라미터에 대한 상기 시간 지연 인자에 기초하여 데이터 매트릭스 변환을 사용해서 상기 위치적 치수 결정 데이터 구조를 생성하는 단계
를 포함하는,
컴퓨터 구현 방법.
- 제 1 항 또는 제 2 항에 있어서,
상기 제조 프로세스는 유리 제조 프로세스를 포함하고,
상기 제품은 코팅된 유리 제품을 포함하는,
컴퓨터 구현 방법.
- 제 3 항에 있어서,
상기 복수의 파라미터는, 온도, 이벤트 시간, 전기 아크, 가스 흐름, 전압, 전류, 전력, 압력, 또는 이들의 임의의 조합을 포함하는,
컴퓨터 구현 방법.
- 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
적어도 하나의 프로세서로, 상기 시간-순차 데이터 구조 또는 상기 위치적 치수 결정 데이터 구조에서 적어도 하나의 이상치(outlier) 파라미터 값을 검출하는 단계와,
적어도 하나의 프로세서로, 상기 적어도 하나의 이상치 파라미터 값을 제거하는 단계
를 더 포함하는 컴퓨터 구현 방법.
- 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
상기 적어도 하나의 알고리즘은, 모델 및 적어도 하나의 사용자 입력 값에 기초하여 상기 새로운 값을 출력하도록 구성된 머신-학습 알고리즘을 포함하는,
컴퓨터 구현 방법.
- 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
적어도 하나의 프로세서로, 상기 시간-순차 데이터 구조 또는 상기 위치적 치수 결정 데이터 구조에서, 빈 데이터 엔트리의 세트(a set of empty data entries)를 식별하는 단계와,
적어도 하나의 프로세서로, 상기 빈 데이터 엔트리의 세트의 크기를 상기 시간-순차 데이터 구조 또는 상기 위치적 치수 결정 데이터 구조의 크기와 비교함으로써 누락된 데이터의 비율을 결정하는 단계와,
적어도 하나의 프로세서로, 상기 누락된 데이터의 비율을 사전 결정된 허용 가능 임계값과 비교하는 단계
를 더 포함하는 컴퓨터 구현 방법.
- 제 7 항에 있어서,
상기 누락된 데이터의 비율이 상기 사전 결정된 허용 가능 임계값을 만족하지 않는 것에 응답해서, 상기 시간-순차 데이터 구조 또는 상기 위치적 치수 결정 데이터 구조로부터 상기 빈 데이터 엔트리의 세트를 삭제하는 단계
를 더 포함하는 컴퓨터 구현 방법.
- 제 7 항 또는 제 8 항에 있어서,
상기 누락된 데이터의 비율이 상기 사전 결정된 허용 가능 임계값을 만족하는 것에 응답해서, 상기 빈 데이터 엔트리의 세트에 데이터를 대체(imputing)하는 단계
를 더 포함하는 컴퓨터 구현 방법.
- 제조 프로세스를 최적화하기 위한 시스템으로서,
제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하고 - 상기 제조 데이터는 상기 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 상기 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함함 - ,
상기 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하고 - 상기 복수의 파라미터의 각각의 파라미터는 상기 시간-순차 데이터 구조의 시간과 연관됨 - ,
상기 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 상기 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하고 - 상기 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관됨 - ,
상기 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 상기 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하며,
상기 새로운 값에 기초하여 상기 제조 프로세스를 최적화하도록
프로그래밍되거나 혹은 구성된 적어도 하나의 프로세서를 포함하는,
시스템.
- 제 10 항에 있어서,
상기 시간-순차 데이터 구조를 상기 위치적 치수 결정 데이터 구조로 변환하는 것은,
상기 복수의 파라미터의 각각의 파라미터에 대한 구역을 식별하는 것과,
각각의 파라미터에 대해서, 상기 파라미터에 대한 상기 구역의 길이 및 상기 구역의 라인 속도에 기초하여, 시간 지연 인자를 결정하는 것과,
상기 시간-순차 데이터 구조, 각각의 파라미터에 대한 상기 구역 및 각각의 파라미터에 대한 상기 시간 지연 인자에 기초하여 데이터 매트릭스 변환을 사용해서 상기 위치적 치수 결정 데이터 구조를 생성하는 것
을 포함하는,
시스템.
- 제 10 항 또는 제 11 항에 있어서,
상기 복수의 파라미터는, 온도, 이벤트 시간, 전기 아크, 가스 흐름, 전압, 전류, 전력, 압력, 또는 이들의 임의의 조합을 포함하는,
시스템.
- 제 10 항 내지 제 12 항 중 어느 한 항에 있어서,
상기 적어도 하나의 프로세서는,
상기 시간-순차 데이터 구조 또는 상기 위치적 치수 결정 데이터 구조에서 적어도 하나의 이상치(outlier) 파라미터 값을 검출하고,
상기 적어도 하나의 이상치 파라미터 값을 제거하도록,
더 프로그래밍되거나 혹은 구성되는,
시스템.
- 프로그램 명령어를 포함하는 적어도 하나의 비일시적 컴퓨터-판독가능 매체를 포함하는, 제조 프로세스를 최적화하기 위한 컴퓨터 프로그램 제품으로서,
상기 프로그램 명령어는 적어도 하나의 프로세서에 의해 실행될 때, 상기 적어도 하나의 프로세서로 하여금,
제품을 제조하는 제조 프로세스와 연관된 제조 데이터를 수신하고 - 상기 제조 데이터는 상기 제조 프로세스의 복수의 스테이지와 연관된 복수의 데이터 소스로부터의 데이터를 포함하고, 상기 제조 데이터는 적어도 하나의 프로세스 파라미터 값 및 적어도 하나의 품질 파라미터 값을 포함하는 복수의 파라미터에 대한 값을 포함함 - ,
상기 제조 데이터를 포함하는 시간-순차 데이터 구조를 생성하고 - 상기 복수의 파라미터의 각각의 파라미터는 상기 시간-순차 데이터 구조의 시간과 연관됨 - ,
상기 복수의 스테이지와 연관된 타이밍 데이터에 기초하여, 상기 시간-순차 데이터 구조를 위치적 치수 결정 데이터 구조로 변환하고 - 상기 복수의 파라미터의 각각의 파라미터는 적어도 하나의 위치와 연관됨 - ,
상기 위치적 치수 결정 데이터 구조 및 적어도 하나의 알고리즘에 기초하여 상기 적어도 하나의 프로세스 파라미터 값에 대한 새로운 값을 결정하며,
상기 새로운 값에 기초하여 상기 제조 프로세스를 최적화하게 하는,
컴퓨터 프로그램 제품.
- 제 14 항에 있어서,
상기 시간-순차 데이터 구조를 상기 위치적 치수 결정 데이터 구조로 변환하는 것은,
상기 복수의 파라미터의 각각의 파라미터에 대한 구역을 식별하는 것과,
각각의 파라미터에 대해서, 상기 파라미터에 대한 상기 구역의 길이 및 상기 구역의 라인 속도에 기초하여, 시간 지연 인자를 결정하는 것과,
상기 시간-순차 데이터 구조, 각각의 파라미터에 대한 상기 구역 및 각각의 파라미터에 대한 상기 시간 지연 인자에 기초하여 데이터 매트릭스 변환을 사용해서 상기 위치적 치수 결정 데이터 구조를 생성하는 것
을 포함하는,
컴퓨터 프로그램 제품.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202062990260P | 2020-03-16 | 2020-03-16 | |
| US62/990,260 | 2020-03-16 | ||
| US17/175,785 US11698628B2 (en) | 2020-03-16 | 2021-02-15 | System, method, and computer program product for optimizing a manufacturing process |
| US17/175,785 | 2021-02-15 | ||
| PCT/US2021/022341 WO2021188426A1 (en) | 2020-03-16 | 2021-03-15 | System, method, and computer program product for optimizing a manufacturing process |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220154191A true KR20220154191A (ko) | 2022-11-21 |
Family
ID=77664929
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227035577A KR20220154191A (ko) | 2020-03-16 | 2021-03-15 | 제조 프로세스를 최적화하는 시스템, 방법 및 컴퓨터 프로그램 제품 |
Country Status (12)
| Country | Link |
|---|---|
| US (2) | US11698628B2 (ko) |
| EP (1) | EP4121915A1 (ko) |
| JP (1) | JP2023518055A (ko) |
| KR (1) | KR20220154191A (ko) |
| CN (1) | CN115380295A (ko) |
| AU (1) | AU2021236602A1 (ko) |
| BR (1) | BR112022017613A2 (ko) |
| CA (1) | CA3170771A1 (ko) |
| CO (1) | CO2022014596A2 (ko) |
| IL (1) | IL296301A (ko) |
| MX (1) | MX2022011501A (ko) |
| WO (1) | WO2021188426A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024122786A1 (ko) * | 2022-12-09 | 2024-06-13 | 주식회사 엑셈 | 전력 사용량 데이터를 처리하는 방법 및 이를 구현하는 서버 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116822998B (zh) * | 2023-08-30 | 2023-11-14 | 山东太祥阀门有限公司 | 一种基于大数据的全焊接球阀生产数据分析方法 |
| CN117689086B (zh) * | 2024-02-02 | 2024-04-26 | 山东国泰民安玻璃科技有限公司 | 一种中硼硅玻璃瓶的生产参数优化方法、设备及介质 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB9813454D0 (en) * | 1998-06-23 | 1998-08-19 | Northern Telecom Ltd | Dynamic prediction for process control |
| JP2006173373A (ja) * | 2004-12-16 | 2006-06-29 | Renesas Technology Corp | 半導体製品の製造システム |
| KR102205682B1 (ko) * | 2012-08-15 | 2021-01-21 | 노바 메주어링 인스트루먼츠 엘티디. | 인-시추 측정을 위한 광학 계측 |
| CN104732067A (zh) * | 2015-02-26 | 2015-06-24 | 济南大学 | 一种面向流程对象的工业过程建模预测方法 |
| US10866584B2 (en) | 2016-05-09 | 2020-12-15 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data processing in an industrial internet of things data collection environment with large data sets |
| US11327475B2 (en) | 2016-05-09 | 2022-05-10 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for intelligent collection and analysis of vehicle data |
| US10832196B2 (en) | 2018-08-31 | 2020-11-10 | Kinaxis Inc. | Analysis and correction of supply chain design through machine learning |
| CN109711714B (zh) * | 2018-12-24 | 2023-01-10 | 浙江大学 | 基于并联长短期记忆网络的制造装配产品质量预测方法 |
| CN110263972B (zh) * | 2019-05-15 | 2021-02-09 | 北京航空航天大学 | 产品质量预测方法及装置 |
-
2021
- 2021-02-15 US US17/175,785 patent/US11698628B2/en active Active
- 2021-03-15 AU AU2021236602A patent/AU2021236602A1/en active Pending
- 2021-03-15 JP JP2022555745A patent/JP2023518055A/ja active Pending
- 2021-03-15 EP EP21716922.6A patent/EP4121915A1/en active Pending
- 2021-03-15 MX MX2022011501A patent/MX2022011501A/es unknown
- 2021-03-15 KR KR1020227035577A patent/KR20220154191A/ko unknown
- 2021-03-15 BR BR112022017613A patent/BR112022017613A2/pt unknown
- 2021-03-15 IL IL296301A patent/IL296301A/en unknown
- 2021-03-15 CA CA3170771A patent/CA3170771A1/en active Pending
- 2021-03-15 WO PCT/US2021/022341 patent/WO2021188426A1/en active Application Filing
- 2021-03-15 CN CN202180021720.4A patent/CN115380295A/zh active Pending
-
2022
- 2022-10-14 CO CONC2022/0014596A patent/CO2022014596A2/es unknown
-
2023
- 2023-06-12 US US18/208,558 patent/US20230324888A1/en active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024122786A1 (ko) * | 2022-12-09 | 2024-06-13 | 주식회사 엑셈 | 전력 사용량 데이터를 처리하는 방법 및 이를 구현하는 서버 |
Also Published As
| Publication number | Publication date |
|---|---|
| AU2021236602A1 (en) | 2022-09-29 |
| IL296301A (en) | 2022-11-01 |
| US11698628B2 (en) | 2023-07-11 |
| CN115380295A (zh) | 2022-11-22 |
| US20210286341A1 (en) | 2021-09-16 |
| WO2021188426A1 (en) | 2021-09-23 |
| BR112022017613A2 (pt) | 2022-10-18 |
| MX2022011501A (es) | 2022-10-07 |
| CO2022014596A2 (es) | 2022-10-31 |
| US20230324888A1 (en) | 2023-10-12 |
| JP2023518055A (ja) | 2023-04-27 |
| EP4121915A1 (en) | 2023-01-25 |
| CA3170771A1 (en) | 2021-09-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20220154191A (ko) | 제조 프로세스를 최적화하는 시스템, 방법 및 컴퓨터 프로그램 제품 | |
| CN110865929B (zh) | 异常检测预警方法及系统 | |
| US10599982B2 (en) | Internet of things based determination of machine reliability and automated maintainenace, repair and operation (MRO) logs | |
| US8989887B2 (en) | Use of prediction data in monitoring actual production targets | |
| JP2020500420A (ja) | マシンラーニング基盤の半導体製造の収率予測システム及び方法 | |
| He et al. | Reliability-oriented quality control approach for production process based on RQR chain | |
| CN101536002A (zh) | 用于工艺监控的系统和方法 | |
| Subramaniyan et al. | An algorithm for data-driven shifting bottleneck detection | |
| US11258683B2 (en) | Web services platform with nested stream generation | |
| KR20150043338A (ko) | 캐시처리된 데이터베이스 질의 결과의 업데이트 | |
| CN114868092B (zh) | 数据管理平台、缺陷分析系统、缺陷分析方法、计算机存储介质和用于缺陷分析的方法 | |
| WO2017100278A1 (en) | Systems and methods of utilizing multiple forecast models in forecasting customer demands for products at retail facilities | |
| KR20230146069A (ko) | 부품, 센서, 및 계측 데이터 통합 | |
| Schuh et al. | Methodology for the evaluation of forecast reliability of production planning systems | |
| CN110889260B (zh) | 用于侦测工艺参数的方法及装置、电子设备和计算机可读介质 | |
| He et al. | Predicting field reliability based on two-dimensional warranty data with learning effects | |
| US20240077862A1 (en) | System and method for manufacturing system data analysis | |
| EP3413153A1 (en) | Method and distributed control system for carrying out an automated industrial process | |
| CN114916237A (zh) | 用于缺陷分析的计算机实现的方法、评估缺陷出现的可能性的计算机实现的方法、用于缺陷分析的设备、计算机程序产品和智能缺陷分析系统 | |
| CN106651056B (zh) | 一种基于设备工况组合的能源预测系统 | |
| JPH11126102A (ja) | ガス需要量の予測方法 | |
| TWI821666B (zh) | 服務管理系統及服務資訊流程的調適方法 | |
| Kalinov et al. | Control System for Assessing Reliability Functioning of the Complex Radio Electronic Equipment Using Machine Learning Methods | |
| US20240160193A1 (en) | Industrial automation data staging and transformation | |
| US20240160191A1 (en) | Industrial automation relational data extraction, connection, and mapping |