KR20230119181A - 화학물질 생산 - Google Patents
화학물질 생산 Download PDFInfo
- Publication number
- KR20230119181A KR20230119181A KR1020237023516A KR20237023516A KR20230119181A KR 20230119181 A KR20230119181 A KR 20230119181A KR 1020237023516 A KR1020237023516 A KR 1020237023516A KR 20237023516 A KR20237023516 A KR 20237023516A KR 20230119181 A KR20230119181 A KR 20230119181A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- equipment
- input material
- real
- zone
- Prior art date
Links
- 238000012824 chemical production Methods 0.000 title description 8
- 239000000463 material Substances 0.000 claims abstract description 372
- 238000000034 method Methods 0.000 claims abstract description 359
- 230000008569 process Effects 0.000 claims abstract description 271
- 238000004519 manufacturing process Methods 0.000 claims abstract description 219
- 239000000126 substance Substances 0.000 claims abstract description 179
- 238000012545 processing Methods 0.000 claims abstract description 98
- 238000010801 machine learning Methods 0.000 claims description 77
- 238000006243 chemical reaction Methods 0.000 claims description 43
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000003908 quality control method Methods 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000001276 controlling effect Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013459 approach Methods 0.000 claims description 5
- 238000009533 lab test Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000000047 product Substances 0.000 description 215
- 238000011144 upstream manufacturing Methods 0.000 description 81
- 241000196324 Embryophyta Species 0.000 description 78
- 239000000523 sample Substances 0.000 description 46
- 230000000875 corresponding effect Effects 0.000 description 36
- 230000008859 change Effects 0.000 description 21
- 230000000670 limiting effect Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 18
- 238000002156 mixing Methods 0.000 description 18
- 238000012546 transfer Methods 0.000 description 17
- 230000008901 benefit Effects 0.000 description 16
- 238000007689 inspection Methods 0.000 description 15
- 230000015654 memory Effects 0.000 description 15
- 238000005520 cutting process Methods 0.000 description 14
- 230000005055 memory storage Effects 0.000 description 14
- 238000012856 packing Methods 0.000 description 14
- 238000004064 recycling Methods 0.000 description 14
- 238000012360 testing method Methods 0.000 description 14
- 238000005192 partition Methods 0.000 description 12
- 238000005070 sampling Methods 0.000 description 11
- 239000004433 Thermoplastic polyurethane Substances 0.000 description 10
- 238000013473 artificial intelligence Methods 0.000 description 10
- 229920002803 thermoplastic polyurethane Polymers 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 239000000203 mixture Substances 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 8
- 230000001976 improved effect Effects 0.000 description 8
- 239000002994 raw material Substances 0.000 description 8
- 239000007787 solid Substances 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 239000004615 ingredient Substances 0.000 description 7
- 238000013178 mathematical model Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000011049 filling Methods 0.000 description 6
- 239000007788 liquid Substances 0.000 description 6
- 230000032258 transport Effects 0.000 description 6
- 238000010923 batch production Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 239000012636 effector Substances 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 229920000909 polytetrahydrofuran Polymers 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000036962 time dependent Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- UPMLOUAZCHDJJD-UHFFFAOYSA-N 4,4'-Diphenylmethane Diisocyanate Chemical compound C1=CC(N=C=O)=CC=C1CC1=CC=C(N=C=O)C=C1 UPMLOUAZCHDJJD-UHFFFAOYSA-N 0.000 description 4
- 101100386719 Caenorhabditis elegans dcs-1 gene Proteins 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 239000011344 liquid material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000704 physical effect Effects 0.000 description 4
- 229920000642 polymer Polymers 0.000 description 4
- 239000002243 precursor Substances 0.000 description 4
- TZCXTZWJZNENPQ-UHFFFAOYSA-L barium sulfate Chemical compound [Ba+2].[O-]S([O-])(=O)=O TZCXTZWJZNENPQ-UHFFFAOYSA-L 0.000 description 3
- 239000003054 catalyst Substances 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 239000006260 foam Substances 0.000 description 3
- 238000005194 fractionation Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000013439 planning Methods 0.000 description 3
- 239000000843 powder Substances 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 2
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 239000004721 Polyphenylene oxide Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- WNLRTRBMVRJNCN-UHFFFAOYSA-N adipic acid Chemical compound OC(=O)CCCCC(O)=O WNLRTRBMVRJNCN-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 239000013590 bulk material Substances 0.000 description 2
- WERYXYBDKMZEQL-UHFFFAOYSA-N butane-1,4-diol Chemical compound OCCCCO WERYXYBDKMZEQL-UHFFFAOYSA-N 0.000 description 2
- OSGAYBCDTDRGGQ-UHFFFAOYSA-L calcium sulfate Chemical compound [Ca+2].[O-]S([O-])(=O)=O OSGAYBCDTDRGGQ-UHFFFAOYSA-L 0.000 description 2
- QXJJQWWVWRCVQT-UHFFFAOYSA-K calcium;sodium;phosphate Chemical compound [Na+].[Ca+2].[O-]P([O-])([O-])=O QXJJQWWVWRCVQT-UHFFFAOYSA-K 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 150000002009 diols Chemical class 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- -1 for example Substances 0.000 description 2
- 238000000265 homogenisation Methods 0.000 description 2
- 229910010272 inorganic material Inorganic materials 0.000 description 2
- 239000011147 inorganic material Substances 0.000 description 2
- 239000013067 intermediate product Substances 0.000 description 2
- 239000012948 isocyanate Substances 0.000 description 2
- 150000002513 isocyanates Chemical class 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000011368 organic material Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000013031 physical testing Methods 0.000 description 2
- 229920000570 polyether Polymers 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 239000011343 solid material Substances 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 229910002012 Aerosil® Inorganic materials 0.000 description 1
- 244000198134 Agave sisalana Species 0.000 description 1
- 239000005995 Aluminium silicate Substances 0.000 description 1
- 240000008564 Boehmeria nivea Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 1
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 229920003043 Cellulose fiber Polymers 0.000 description 1
- 240000000491 Corchorus aestuans Species 0.000 description 1
- 235000011777 Corchorus aestuans Nutrition 0.000 description 1
- 235000010862 Corchorus capsularis Nutrition 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 241000219146 Gossypium Species 0.000 description 1
- 229920005983 Infinergy® Polymers 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 240000006240 Linum usitatissimum Species 0.000 description 1
- 235000004431 Linum usitatissimum Nutrition 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 206010027339 Menstruation irregular Diseases 0.000 description 1
- 229920001730 Moisture cure polyurethane Polymers 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- YKTSYUJCYHOUJP-UHFFFAOYSA-N [O--].[Al+3].[Al+3].[O-][Si]([O-])([O-])[O-] Chemical compound [O--].[Al+3].[Al+3].[O-][Si]([O-])([O-])[O-] YKTSYUJCYHOUJP-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000001994 activation Methods 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 239000001361 adipic acid Substances 0.000 description 1
- 235000011037 adipic acid Nutrition 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- WNROFYMDJYEPJX-UHFFFAOYSA-K aluminium hydroxide Chemical compound [OH-].[OH-].[OH-].[Al+3] WNROFYMDJYEPJX-UHFFFAOYSA-K 0.000 description 1
- 235000012211 aluminium silicate Nutrition 0.000 description 1
- 239000004760 aramid Substances 0.000 description 1
- 229920006231 aramid fiber Polymers 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 239000010428 baryte Substances 0.000 description 1
- 229910052601 baryte Inorganic materials 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 229910000019 calcium carbonate Inorganic materials 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 235000005607 chanvre indien Nutrition 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 229910052570 clay Inorganic materials 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- PMHQVHHXPFUNSP-UHFFFAOYSA-M copper(1+);methylsulfanylmethane;bromide Chemical compound Br[Cu].CSC PMHQVHHXPFUNSP-UHFFFAOYSA-M 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000000892 gravimetry Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000011487 hemp Substances 0.000 description 1
- 239000004009 herbicide Substances 0.000 description 1
- 150000004679 hydroxides Chemical class 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000006317 isomerization reaction Methods 0.000 description 1
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 1
- 239000006101 laboratory sample Substances 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 239000010445 mica Substances 0.000 description 1
- 229910052618 mica group Inorganic materials 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 239000002343 natural gas well Substances 0.000 description 1
- 230000010004 neural pathway Effects 0.000 description 1
- 210000000118 neural pathway Anatomy 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 239000006072 paste Substances 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920000728 polyester Polymers 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000376 reactant Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006722 reduction reaction Methods 0.000 description 1
- 238000005204 segregation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 150000004760 silicates Chemical class 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000000454 talc Substances 0.000 description 1
- 229910052623 talc Inorganic materials 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 229920001187 thermosetting polymer Polymers 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 239000010456 wollastonite Substances 0.000 description 1
- 229910052882 wollastonite Inorganic materials 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
- 239000010457 zeolite Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- 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]
- G05B19/41875—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 quality surveillance of production
-
- 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
- G05B2219/32199—If number of errors grow, augment sampling rate for testing
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 교시는 적어도 하나의 장비 및 하나 이상의 컴퓨팅 유닛을 포함하는 산업 플랜트에서 화학 제품을 제조하기 위한 생산 프로세스를 개선하기 위한 방법에 관한 것이며, 제품은 적어도 하나의 투입 물질을 처리함으로써 제조되고, 이 방법은 장비로부터 실시간 프로세스 데이터를 수신하는 단계, 실시간 프로세스 데이터의 서브세트를 결정하는 단계, 투입 물질 및/또는 장비와 관련된 적어도 하나의 상태를 계산하는 단계를 포함한다. 본 교시는 또한 생산 프로세스를 개선하기 위한 시스템, 용도 및 소프트웨어 프로그램에 관한 것이다.
Description
본 교시는 일반적으로 컴퓨터로 지원되는 화학물질 생산에 관한 것이다.
산업 플랜트에서, 투입 물질은 하나 이상의 제품을 제조하기 위해 처리된다. 따라서 제조된 제품의 특성은 제조 파라미터에 의존한다. 일반적으로 제품 품질 또는 생산 안정성을 보장하기 위해 제조 파라미터를 제품의 적어도 몇몇 특성과 연관시키는 것이 바람직하다.
프로세스 산업, 또는 화학적 또는 생물학적 생산 플랜트와 같은 산업 플랜트 내에서, 하나 이상의 화학적 또는 생물학적 제품을 생산하기 위한 생산 프로세스를 사용하여 하나 이상의 투입 물질이 처리된다. 프로세스 산업의 생산 환경은 복잡할 수 있으므로 제품의 특성은 해당 특성에 영향을 미치는 생산 파라미터의 변화에 따라 달라질 수 있다. 일반적으로, 생산 파라미터에 대한 특성의 의존성은 복잡할 수 있으며 특정 파라미터의 하나 이상의 조합에 대한 추가 의존성과 얽혀 있을 수 있다. 몇몇 경우에, 생산 프로세스가 여러 단계로 나누어져 문제가 더욱 악화될 수 있다. 따라서 일관되고 예측가능한 품질로 화학적 또는 생물학적 제품을 생산하는 것이 어려울 수 있다.
화학 제품(chemical product)의 품질을 일관되게 유지하기 위해, 품질 제어(quality control)가 수행될 수 있다. 품질 제어에는 일반적으로 생산 프로세스 후 또는 생산 프로세스 중에 화학 제품의 하나 이상의 샘플을 수집하는 것을 포함한다. 그런 다음 샘플이 분석되고, 필요에 따라 수정 조치가 취해질 수 있다. 효과적이려면, 샘플을 정기적으로 수집해야 할 수 있으며 화학 제품의 통계적 변동을 대표해야 한다. 생산 프로세스에서 발생하는 변동 빈도에 따라, 품질 제어의 빈도를 조정해야 할 수 있다. 따라서 품질 제어에 많은 비용과 시간이 소요될 수 있다.
또한, 개별 처리와 달리, 연속, 캠페인(campaign) 또는 배치(batch) 프로세스와 같은 화학적 또는 생물학적 처리는 통합하기 어려울 수 있는 방대한 양의 시계열 데이터를 제공할 수 있다. 또한 머신 러닝에서 사용하거나 통합을 위해 및/또는 플랜트 운영자를 위해 의미 있는 데이터를 제공하는 것이 어려울 수 있다.
따라서 배럴에서 최종 제품까지 이상적으로 밸류 체인 전반에 걸쳐 품질 및 생산 안정성을 향상시키는 데 도움이 될 수 있는 접근 방식이 필요하다.
종래 기술에 내재된 문제점 중 적어도 일부는 첨부된 독립항의 청구대상에 의해 해결되는 것으로 나타날 것이다. 추가 유리한 대안 중 적어도 일부는 종속항에 요약될 것이다.
산업 플랜트에서 화학 제품을 제조하기 위한 생산 프로세스를 모니터링 및/또는 제어 및/또는 개선하는 방법이 제공될 수 있으며, 산업 플랜트는 적어도 하나의 장비 및 하나 이상의 컴퓨팅 유닛을 포함하고, 제품은 장비를 통해 생산 프로세스를 사용하여 적어도 하나의 투입 물질을 처리함으로써 제조되며, 이 방법은,
- 입력 인터페이스를 통해, 장비로부터 실시간 프로세스 데이터를 수신하는 단계와,
- 컴퓨팅 유닛 중 임의의 컴퓨팅 유닛을 통해, 실시간 프로세스 데이터의 서브세트를 결정하는 단계 - 실시간 프로세스 데이터의 서브세트는 투입 물질이 처리되는 장비 작동 조건 및/또는 프로세스 파라미터를 나타냄 - 와,
- 실시간 프로세스 데이터의 서브세트의 적어도 일부를 사용하여, 투입 물질 및/또는 장비와 관련된 적어도 하나의 상태를 계산하는 단계를 포함한다.
본 출원인은 이렇게 함으로써, 처리 중인 특정 투입 물질과 관련된 프로세스 파라미터 및/또는 장비 작동 조건을 나타내는 실시간 프로세스 데이터의 서브세트가 처리 중인 투입 물질과 관련된 적어도 하나의 상태를 계산하는 데 사용될 수 있음을 알게 되었다. 따라서, 처리 중인 투입 물질과 관련이 없는 실시간 프로세스 데이터는 계산에 사용되지 않는다. 따라서, 컴퓨팅 유닛은 실시간 프로세스 데이터 중 어느 것이 투입 물질과 관련이 있는지를 결정할 수 있고 적어도 하나의 상태를 계산하기 위해 실시간 프로세스 데이터의 서브세트의 형태로 관련 데이터를 사용할 수 있다. 그렇게 하기 위한 상이한 방식이 예를 들어 구역 존재 신호를 사용하여 본 개시에서 논의될 것이다. 임의의 방법 단계는 연속적으로 또는 유사하거나 유사하지 않은 길이의 시구간에서 반복될 수 있다. 예를 들어, 프로세스에 따라, 임의의 상태의 계산은 예를 들어, 몇 분마다 또는 매분 또는 분당 여러 번 또는 매초 또는 밀리초마다 반복적으로 수행될 수 있다. 실시간 프로세스 데이터는 일반적으로 실시간 데이터 스트림의 형태이며, 서브세트를 결정하기 위해 연속적으로 또는 간헐적으로 수신될 수 있다. 서브세트는 예를 들어, 수행되는 처리 단계에 따라 결정될 수 있다. 서브세트는 선택된 실시간 프로세스 데이터의 실시간 스트림일 수 있다.
따라서, 관련성이 높은 프로세스 데이터를 포함하는 실시간 프로세스 데이터의 서브세트는 투입 물질 및/또는 장비와 관련된 적어도 하나의 상태를 계산하는 데 활용될 수 있다. 따라서 서브세트는 투입 물질을 화학 제품으로 변환하는 것을 적어도 부분적으로 담당하는 실시간 프로세스 데이터의 관련성이 높은 부분을 나타낸다. 서브세트는 투입 물질이 처리되는 장비 작동 조건 및/또는 프로세스 파라미터를 나타내므로, 서브세트의 신호와 같은 구성요소는 구성요소가 투입 물질의 처리와 관련이 있는지 여부에 따라 변경될 수 있다. 따라서, 투입 물질이 적용되는 처리 단계에 따라 서브세트에 대해 하나 이상의 구성요소가 추가 및/또는 제거될 수 있다. 따라서 서브세트는 실시간으로 변화하는 데이터일 수 있을 뿐만 아니라 서브세트에 포함된 파라미터 또는 신호와 같은 구성요소에 관하여 시간이 지남에 따라 변할 수 있다. 이는 투입 물질이 서로 다른 시간에 서로 다른 처리 단계를 거치는 생산 프로세스에서 특히 유용하다. 배치 또는 캠페인 프로세스와 같은 생산 프로세스에서, 서브세트의 이점이 더욱 두드러질 수 있다.
방법 단계는 동일한 컴퓨팅 유닛 또는 서로 동작 가능하게 결합된 서로 다른 컴퓨팅 유닛에 의해 수행될 수 있는데, 예를 들어, 유닛 중 하나가 프로세스 데이터를 수신하면, 다른 유닛이 서브세트를 결정할 수 있다. 그러한 경우에, 동작 결합은 예를 들어 컴퓨팅 유닛에 의해 공유되는 하나 이상의 메모리 위치 또는 메모리 저장소를 통해 이루어질 수 있다. 추가로 또는 대안적으로, 컴퓨팅 유닛은 하나 이상의 데이터 버스 또는 신호를 통해 동작 가능하게 결합될 수 있다. 하나 이상의 컴퓨팅 유닛 대신에 "하나의" 컴퓨팅 유닛이 있는 경우, 방법 단계는 컴퓨팅 유닛에 의해 수행될 수 있음을 이해할 것이다.
어떤 경우든, 적어도 하나의 상태의 계산은 더 많은 이점을 제공할 수 있다.
예를 들어, 계산된 상태 중 적어도 하나는 투입 물질이 화학 제품으로 변환하기 위해 겪는 화학 반응의 상태일 수 있다. 따라서, 일반적이거나 평균적인 처리 파라미터를 사용하는 생산 프로세스에 의존하는 대신에, 적어도 하나의 상태의 계산은 처리되는 투입 물질의 실제 상태에 대한 보다 정확한 스냅샷을 제공할 수 있다. 예를 들어, 반응의 상태는 반응이 완료되었는지 여부 또는 화학 반응이 완료되기까지 얼마나 걸리는지일 수 있다. 화학 반응의 상태는 엔탈피 또는 엔트로피와 같은 물질의 내부 상태일 수도 있다. 따라서, 상태는 반응 속도, 소정의 상태에 도달하는 시간과 같은 반응 시간, 반응물 농도와 같은 농도, 온도 값, pH 값 또는 임의의 다른 화학 파라미터, 및/또는 증발, 이성질체화, 용해, 산화, 환원, 부패, 해리, 재조합, 치환, 활성화 에너지 또는 합성의 양 또는 완료 정도 중 임의의 하나 이상과 같은 화학 반응 파라미터일 수도 있다. 일부 추가의 비제한적 예로서, 상태는 이소시아네이트 함량, 예를 들어, 배치 및/또는 연속 폴리우레탄 프리폴리머 반응에서 중첨가 반응의 NCO 함량과 같은 NCO 함량일 수 있다. 임의의 상태는 열가소성 폴리우레탄("TPU") 생산 프로세스에서 중첨가 반응의 NCO 함량일 수 있다. 이러한 계산된 상태는 반응이 완료되지 않은 곳 및/또는 경화가 발생하는 시기를 확인하기 위해 복수의 생산 단계에서도 도움이 될 수 있다. 임의의 상태는 열경화성 폴리머의 반응 스테이지일 수 있다. 임의의 상태는 예를 들어 샌드위치 패널 생산을 위한 이중 벨트 시스템에서 중첨가 반응의 상태를 결정하기 위해 프리 NCO 및/또는 OH 함량일 수 있다.
일 양상에 따르면, 방법은 또한:
- 장비를 통해 생산 프로세스를 조정하는 단계를 포함하고, 생산 프로세스의 조정은 계산된 상태 중 적어도 하나에 응답하여 수행된다.
따라서, 생산 프로세스를 조정하거나 제어함으로써, 투입 물질의 처리는 하나 이상의 상태로 계산된 물질의 실제 상태에 따라 적응될 수 있다. 생산 프로세스는 예를 들어, 화학 반응의 상태 중 적어도 하나에 따라 프로세스 파라미터 및/또는 장비 작동 조건 중 하나 이상을 조정함으로써 조정될 수 있다. 이렇게 하면 투입 물질의 부족 및/또는 과잉 처리를 방지할 수 있다. 따라서 투입 물질을 보다 정확하게 처리할 수 있다. 생산 프로세스의 조정은 예를 들어 계산된 상태 중 적어도 하나의 값이 대응하는 원하는 상태 값에 접근하거나 도달하도록 보다 폐쇄 루프 방식으로 수행될 수도 있다. 조정은 컴퓨팅 유닛 또는 다른 제어기를 통해 수행될 수 있다.
상태 중 적어도 하나의 계산은 투입 물질 데이터를 포함함으로써 수행될 수도 있다. 투입 물질 데이터는 투입 물질의 하나 이상의 특성을 나타낼 수 있다. 따라서, 적어도 하나의 상태의 계산은 더욱 정확해질 수 있다. 이는 예를 들어 사용되는 투입 물질의 특성에 따라 투입 물질이 훨씬 더 정확하게 처리되도록 할 수 있다.
논의된 바와 같이, 양상에 따르면, 계산된 상태 중 적어도 하나는 값이다. 이 값은 예를 들어 엔탈피 값, 농도 또는 성능 파라미터일 수 있다. 이러한 값은 전술한 대로 생산 프로세스를 조정하는 데에도 사용될 수 있다. 부가적으로 또는 대안적으로, 하나 이상의 값의 계산은 실시간 프로세스 데이터의 서브세트에 기초하여 그러한 값의 형태로 측정을 제공하는 적어도 하나의 가상 센서의 일부일 수 있다. 이러한 측정은 추가 물리적 센서 없이도 생산 프로세스에 대한 보다 심층적인 통찰력을 허용할 수 있다. 또한 제안된 서브세트를 사용함으로써, 생산 프로세스에서 투입 물질에 따라 서브세트가 변경됨에 따라 가상 센서의 종류 및/또는 수가 자동으로 적응되도록 할 수 있다. 상태 및/또는 서브세트의 변경에 따라 새로운 가상 센서가 생성되고/되거나 하나 이상의 생성된 가상 센서가 비활성화될 수 있다. 따라서 가상 센서는 특정 장비 부분 또는 구역에서 물질의 상태 및/또는 위치에 따라 온 더 플라이로 생성될 수도 있다.
따라서 관련성이 높은 데이터세트인 실시간 프로세스 데이터의 서브세트를 사용하여 투입 물질을 화학 제품으로 변환하는 것과 관련된 추가 프로세스 정보를 활용할 수 있다. 이를 통해 실시간 프로세스 데이터를 통해 직접 볼 수 없는 화학 제품과 관련된 추가 특성을 가져올 수 있다. 이러한 값은 생산 프로세스를 보다 심층적으로 모니터링하는 데 사용될 수 있으며 보다 일관된 제품 품질 및/또는 효율성을 달성하기 위해 생산 프로세스를 제어할 수도 있다.
값은 자원 소비 값일 수도 있다. 예를 들어, 화학 제품의 생산을 위해 얼마나 많은 양의 투입 물질 및/또는 기타 물질, 예컨대, 첨가제, 용매, 촉매 등이 사용되었는지 계산할 수 있다. 이는 예를 들어, 화학 제품의 자동 가격 책정에 사용될 수 있다. 자원 소비 값은 예를 들어, 화학 제품의 생산 또는 판매를 위한 자동 자원 계획을 위해 전사적 자원 관리("ERP") 시스템에 자동으로 제공될 수 있다.
추가로 또는 대안적으로, 값은 화학 제품의 생산에 사용되는 에너지를 나타내는 에너지 값일 수 있다. 따라서 생산 중에 온 더 플라이로 결정될 수 있다.
부가적으로 또는 대안적으로, 값은 규제 값일 수 있다. 규제 값은 산업 플랜트 및/또는 화학 제품이 준수해야 하는 값을 지칭한다. 예를 들어, 화학 제품 생산을 위해 생성된 이산화탄소의 양과 같은 환경 파라미터이다. 배출량 및/또는 에너지 효율성과 같은 다른 형태의 풋프린트 또는 임의의 다른 하나 이상의 환경 파라미터는 하나 이상의 값으로서 계산될 수 있다. 따라서 이러한 값은 온 더 플라이로 계산될 수 있을 뿐만 아니라 규제 승인 또는 인증을 위해 자동으로 기록될 수도 있다. 이를 통해 보다 정확한 규제 값 계산을 기반으로 화학 제품의 보다 정확한 승인 또는 인증이 가능할 수 있다. 또한, 생산 후 이러한 값을 추정하는 추가 단계를 피할 수 있다.
또 다른 양상에 따르면, 방법은:
- 인터페이스를 통해 객체 식별자를 제공하는 단계를 포함하고, 객체 식별자는 투입 물질 데이터를 포함한다.
따라서 투입 물질 데이터를 포함하는 객체 식별자가 제공되며, 이는 다음에서 명확해질 몇 가지 이점을 가질 수 있다. 예를 들어, 투입 물질 데이터는 객체 식별자를 통해 제공될 수 있으며, 이를 통해 생산 체인 전체에서 화학 제품을 포함한 투입 물질 및 그 파생물도 추적할 수 있다.
일 양상에 따르면, 방법은 또한:
- 객체 식별자에 실시간 프로세스 데이터의 서브세트를 첨부하는 단계를 포함한다.
이렇게 함으로써, 프로세스 데이터의 관련성이 높은 부분이, 예컨대, 메타데이터로서, 특정 투입 물질과 관련된 특정 객체 식별자에 첨부된다. 이는 시너지 효과를 통해 투입 물질을 화학 제품으로 변환하는 것을 적어도 부분적으로 담당하였던 투입 물질 데이터와 함께 관련성이 높은 프로세스 데이터를 캡슐화할 수 있다. 따라서, 기본적으로 온 더 플라이로 관련성이 높은 데이터도 객체 식별자를 통해 캡처된다. 또한, 실시간 프로세스 데이터의 서브세트가 첨부된 객체 식별자 또는 첨부된 객체 식별자는 머신 러닝("ML") 애플리케이션에도 매우 유용할 수 있다.
일 양상에 따르면, 방법은 또한:
- 객체 식별자에 상태 중 적어도 하나를 첨부하는 단계를 포함한다.
따라서, 상태 중 적어도 하나는 또한 캡처되고 투입 물질을 화학 제품으로 변환하는 것을 적어도 부분적으로 담당하였던 프로세스 데이터의 서브세트와 함께 객체 식별자에 포함된다. 따라서 객체 식별자는 결과적인 화학 제품을 담당하는 변수를 보다 완벽하게 캡슐화할 수 있으며, 이는 기본적으로 생산 프로세스 전반에 걸쳐 특정 화학 제품을 추적하는 데 유용할 수 있다. 또한, 객체 식별자에 캡슐화된 데이터 세트는 품질 관리 및 ML 애플리케이션과 더 관련성이 높아질 수도 있다.
상태 중 임의의 것 또는 각각은 연속적으로 또는 간헐적으로 서로 다른 시간에 계산되었던 일련의 값 또는 시계열 데이터로서 보다 세분화된 방식으로 또는 단일 값으로 첨부될 수 있다. 세분화된 접근 방식은 실시간 프로세스 데이터의 서브세트와 관련하여 상태가 어떻게 변경되는지에 대한 추가 이해를 제공할 수 있다. 따라서 다양한 가변 생산 사이의 추가 상호의존성을 발견하고 향후 프로세스를 개선하는 데 사용할 수 있다. 이들 상태 데이터는 그들 각각의 객체 식별자 내에 캡슐화될 때 생산 중에 온 더 플라이로 자동으로 수집되고 정렬되었던 관련성이 높은 데이터세트를 제공할 수 있다. 이는 임의의 이러한 로트 또는 배치를 다시 참조하고 특정 제품 또는 물질에서 결정론적이었던 요소와 관련된 귀중한 정보를 추출하는 것을 매우 쉽게 할 수 있다. 따라서 객체 식별자로부터의 데이터는 생산 프로세스 개선과 같은 다양한 분석을 위한 창의적 사용에 적합할 수 있다.
일 양상에 따르면, 상태 중 적어도 하나의 계산은 모델을 사용하여 수행된다. 모델은 적어도 부분적으로 물체 식별자에 포함될 수 있고/있거나 모델은 적어도 부분적으로 객체 식별자 외부에 있을 수 있다. 따라서 모델은 객체 식별자와 연관될 수 있다.
일 양상에 따르면, 상태 중 적어도 하나의 계산은 이력 프로세스 데이터를 사용하여 수행된다. 따라서 계산은 또한 적어도 하나의 상태의 계산을 더욱 개선하기 위해 이력 프로세스 데이터를 활용할 수 있다. 이력 프로세스 데이터는 바람직하게는 이전의 하나 이상의 투입 물질이 과거에 처리되었던 장비 작동 조건 및/또는 프로세스 파라미터를 나타낸다. 이력 프로세스 데이터는 동일한 장비 또는 장비 구역 또는 다른 것과 관련될 수 있다.
일 양상에 따르면 모델은 적어도 부분적으로 이력 프로세스 데이터를 사용하여 훈련된 머신 러닝("ML") 모델이다.
일 양상에 따르면, 이력 프로세스 데이터는 과거에 처리되었던 하나 이상의 투입 물질과 관련된 하나 이상의 이력 객체 식별자로부터의 데이터를 포함한다. 적어도 하나의 이력 객체 식별자로부터의 데이터는 실시간 프로세스 데이터의 서브세트와 유사한 방식으로 결정된 이력 프로세스 데이터의 하나 이상의 서브세트를 포함할 수 있다. 따라서 이력 프로세스 데이터는 각각의 이력 객체 식별자에 첨부되었던 프로세스 데이터의 하나 이상의 과거 서브세트를 포함할 수 있다. 몇몇 경우에, 하나 이상의 이력 객체 식별자는 과거의 투입 물질이 처리되었던 유사한 생산이 있는 다른 장비 또는 영역에서 가져온 것일 수 있으므로, 이러한 구역으로부터의 이력 객체 식별자도 사용할 수 있다.
따라서 이력 객체 식별자를 활용하여 과거에 온 더 플라이로 수집되었던 보다 효과적인 훈련 데이터세트를 구축할 수 있다. 이를 통해 예를 들어, ML 기법에 대해 이력 데이터를 더 간단하고 더 효과적으로 적용하는 것을 단순화할 수 있다. 이력 프로세스 데이터는 과거에 계산되었던 하나 이상의 상태도 포함할 수 있다. 이는 하나 이상의 상태에 대한 계산을 더욱 향상시킬 수 있다.
어떤 경우에는 이력 객체 식별자 중 적어도 하나에 과거의 하나 이상의 성능 파라미터가 첨부될 수도 있다. 과거 성능 파라미터는 과거 또는 이력 프로세스 데이터의 서브세트를 기반으로 계산되었을 수 있고/있거나 각각의 화학 제품 또는 이의 샘플에 대해 수행된 물리적 테스트 또는 분석을 통해 결정되었을 수 있다. 따라서, 과거 테스트 또는 샘플링 데이터는 투입 물질에 대한 하나 이상의 상태 또는 심지어 적어도 하나의 성능 파라미터를 계산하기 위해 활용될 수도 있다.
따라서, 하나 이상의 이력 객체 식별자는 대응하는 과거 투입 물질의 특성과 함께 상태와의 관계를 연관시키기 위해 활용될 수 있는 프로세스 데이터의 서브세트를 포함한다.
본 명세서에 개시된 바와 같은 객체 식별자는 그들의 투입 물질 데이터를 통해 적어도 특정한 물질 특성을 대응하는 이력적으로 결정된 하나 이상의 상태와 연관시키는 것을 허용할 수 있다는 것이 이해될 것이다. 따라서 객체 식별자 데이터는 처리 중인 투입 물질 및/또는 장비와 관련된 적어도 하나의 상태를 계산하기 위해 나중에 활용될 수 있다.
또한 적어도 하나, 보다 바람직하게는 몇몇, 더욱 바람직하게는 대부분, 보다 바람직하게는 각각의 이력 객체 식별자에 첨부되거나 또는 각각의 이전의 투입 물질이 처리되었던 관련 프로세스 데이터를 캡슐화하여 각각의 화학 제품을 생산하거나 처리한다는 것이 이해될 것이다. 따라서 본 명세서에 개시된 이력 데이터는 관련성이 높지만 간결한 데이터 세트이며, 이는 하나 이상의 상태 및 경우에 따라 생산 중 성능 파라미터의 계산을 수행하는 데 사용될 수 있다. 따라서, 화학 제품의 추적성을 향상시킬 수 있을 뿐만 아니라 화학 제품의 품질 관리 또는 모니터링을 단순화할 수 있다. 이에 대해서는 본 개시에서 추가로 더 논의될 것이다.
따라서, 객체 식별자를 통해, 관련 프로세스 데이터는 투입 물질 데이터와 함께 객체 식별자에서 캡처될 수 있어서, 투입 물질의 특성과 화학 제품의 임의의 관계도 실시간 프로세스 데이터의 서브세트로서 캡처된 관련 프로세스 데이터와 함께 캡처될 수 있다. 이는 화학 제품의 임의의 하나 이상의 특성에 영향을 미칠 수 있는 다양한 의존성 사이에 보다 완전한 관계를 제공할 수 있다. 또 다른 이점은 투입 물질 특성 및/또는 프로세스 파라미터 사이에 존재할 수 있는 다양한 상호의존성 간의 조합도 객체 식별자 내에 캡처된다는 것일 수 있다. 따라서 첨부된 객체 식별자는 화학 제품 및/또는 투입 물질과 같은 특정 구성요소를 추적하는 데 사용할 수 있는 정보뿐만 아니라 화학 제품의 발생을 담당하였던 특정 실시간 프로세스 데이터로 보강된다. 그 결과, 각각의 이력 객체 식별자와 같은 객체 식별자들은 임의의 머신 러닝("ML") 및 그러한 목적을 위해 보다 쉽게 통합될 수 있다. 따라서, 객체 식별자는 또한 미래의 생산을 위한 이력 객체 식별자로 사용될 수 있다.
객체 식별자의 데이터는 투입 물질을 화학 제품으로 변환하는 데 매우 집중된 개요를 제공할 수 있으므로, 이러한 데이터세트는 매우 간결할 수 있어서 빠른 처리와 낮은 계산 능력을 허용할 수 있다. 이점에는 ML 모델의 더 빠른 훈련 시간, 더 빠른 데이터 통합, 에지 처리 및 클라우드 계산 애플리케이션에 대한 적합성이 포함될 수 있다.
본 교시의 이점은 장비가 물리적으로 분리된 복수의 장비 구역을 포함할 때 더욱 증가할 수 있다. 이러한 경우, 서브세트는 투입 물질이 생산 프로세스를 따라 진행됨에 따라 투입 물질을 추적할 수 있다. 따라서 상태의 계산은 생산 프로세스에서 투입 물질을 동적으로 추적할 수 있다.
일 양상에 따르면, 실시간 프로세스 데이터의 서브세트는 구역 존재 신호를 사용하여 결정된다. 구역 존재 신호는 생산 프로세스 동안 장비의 특정 위치에서 투입 물질의 존재를 나타낼 수 있다. 예를 들어, 위치는 장비 내의 특정 장비 구역일 수 있다.
구역 존재 신호는 투입 물질과 관련된 적어도 하나의 특성을 특정 장소 또는 장비 구역에 매핑하는 구역-시간 변환을 수행함으로써 컴퓨팅 유닛을 통해 생성될 수 있다. 예를 들어, 투입 물질과 관련된 특성은 투입 물질의 중량일 수 있어, 예를 들면, 실시간 프로세스 데이터를 통해, 생산 프로세스를 숙지함으로써, 투입 물질 또는 생산 프로세스 동안 생성된 유도체 물질의 존재가 결정될 수 있다. 예를 들어, 다운스트림 장비 구역에서 소정의 중량을 갖는 투입 물질이 생산 프로세스 동안 다운스트림 장비 구역으로 이동하는 경우, 예를 들어, 사전결정된 시간에 또는 그 시간 내에 다운스트림 구역에서 중량 측정이 사용되어 다운스트림 구역에 대한 구역 존재 신호를 생성할 수 있다. 유사하게, 흐름 값, 예를 들면, 투입 물질 또는 그 유도체 물질이 생산을 통해 이동하는 질량 흐름 또는 용량 흐름은 구역 존재 신호를 생성하는 데 사용되는 속성일 수 있다. 또한 예로서, 투입 물질이 위치 또는 장비 구역을 따라 이동하는 속도 또는 속력은 주어진 시간에 투입 물질 또는 해당 유도체 물질이 있는 공간 또는 위치를 결정하는 데 사용될 수 있다. 대안적으로 또는 추가로, 투입 물질과 관련된 특성의 다른 비제한적인 예는 용량, 충진 값, 레벨, 색상 등이다.
본 출원인은 생산 환경에서 시간 의존 데이터(예컨대, 시계열 데이터)인 실시간 프로세스 데이터를 공간 데이터에 매핑하여 투입 물질을 나타내는 디지털 흐름 요소를 사용하여 실제 생산 흐름을 매핑함으로써 구역 존재 신호를 생성하는 것이 유리하다는 것을 알게 되었다. 예를 들어, 투입 물질의 디지털 흐름은 객체 식별자를 통해 추적될 수 있으며 시간 의존 실시간 프로세스 데이터에서의 발생은 생산 프로세스를 따라 물질을 배치하는 데 사용될 수 있다. 따라서 물질은 이미 측정된 시간 및 실시간 프로세스 데이터를 통해, 즉 생산 체인을 따라 투입 물질 흐름의 시간 차원과 상관되는 프로세스 데이터의 시간 차원을 사용하여 추적되거나 배치된다.
구역 존재 신호는 간헐적일 수 있고, 예를 들어, 규칙적 또는 불규칙한 시간에 컴퓨팅 유닛 중 임의의 것을 통해 계산되거나 또는 연속적이거나 연속적으로 생성될 수 있다. 이는 각각의 객체 식별자와 관련된 물질이 생산 체인 내에서 연속적으로 또는 기본적으로 연속적으로 위치할 수 있으므로 물질 및 화학 제품으로의 변환과 관련성이 높은 데이터를 첨부할 수 있다는 이점이 있을 수 있다. 예를 들어 생산 체인 내의 소정의 체크포인트에서 물질의 존재를 확인하기 위해 규칙적 또는 불규칙한 시간에 계산이 수행될 수 있다. 이는 예를 들어 아래에 요약될 하나 이상의 센서에 의해 실시간 프로세스 데이터에서의 발생으로 보완될 수 있다.
체류 시간 및 유속과 같은 시간 차원과 관련된 화학물질 생산 동작 파라미터가 알려져 있기 때문에, 구역-시간 변환은 시간 스케일에서 간단한 매핑이 될 수 있다. 이와 달리, 프로세스 시뮬레이션을 기반으로 하는 보다 복잡한 모델을 사용하여 물질 흐름의 시간 스케일과 실시간 프로세스 데이터를 일치시킬 수 있다. 어떤 경우든 프로세스 데이터의 시간 스케일은 물질의 흐름보다 미세할 수 있어서 프로세스 데이터 파라미터를 더 세밀하게 물질의 흐름에 귀속시킬 수 있다.
추가적으로 또는 대안적으로, 구역 존재 신호는 특정 장소 또는 구역과 관련된 센서를 통해 적어도 부분적으로 제공될 수 있다. 예를 들어, 공간에서 또는 특정 장소 또는 장비 구역 내의 투입 물질 또는 유도체 물질의 존재를 검출하기 위해 중량 센서 및/또는 이미지 센서가 사용될 수 있다.
일 양상에 따르면, 장비는 물리적으로 분리된 복수의 장비 구역을 포함하여, 투입 물질이 한 구역에서 다른 구역으로 이동할 때 서브세트가 투입 물질의 위치에 따라 동적으로 변경된다. 따라서 실시간 프로세스 데이터의 서브세트는 생산 프로세스를 따라 투입 물질을 따르는 관련 데이터 스트림으로서 이해될 수 있다. 투입 물질 및/또는 장비와 관련된 적어도 하나의 상태는 구역 중 적어도 하나에서 변경되거나 변경되지 않을 수 있다. 예를 들어, 화학 반응이 이전 구역의 반응의 연속인 경우, 계산되는 상태는 동일할 수 있다. 이와 달리, 다음 구역에서 상이한 화학 반응이 수행되고 있으면, 상태가 다를 수 있다. 유사하게, 풋 프린트 계산 출력은 동일하거나, 다음 구역에서 서브세트가 변경될 수 있지만 다를 수 있다.
투입 물질의 여러 배치가 파이프라인에 있는 생산 프로세스에서, 각 배치에 대한 개별 계산이 있을 수 있다. 위에서 설명한 바와 같이, 상태가 첨부된 객체 식별자는 배치의 각각의 객체 식별자를 통해 계산된 상태를 따를 수 있다는 시너지 이점을 제공할 수 있다.
본 교시에 개시된 계산된 상태 및/또는 서브세트는 HMI(human machine interface) 시스템 또는 디바이스에 제공될 수 있다. HMI 시스템은 적어도 부분적으로는 비디오 스크린 및/또는 혼합 현실("MR") 디바이스와 같은 디스플레이 디바이스를 포함할 수 있다. 이를 통해 운영자는 관찰할 수 없는 내부 상태를 관찰하고 필요한 경우 시정 조치를 취할 수 있다.
"장비"는 산업 플랜트 내의 임의의 하나 이상의 자산을 지칭할 수 있다. 비제한적 예로서, 장비는 컴퓨팅 유닛 또는 제어기, 예컨대, 프로그래밍 가능한 로직 제어기("PLC") 또는 분산 제어 시스템("DCS"), 센서, 액추에이터, 엔드 이펙터 유닛, 컨베이어 시스템과 같은 이송 요소, 열 교환기, 예컨대, 히터, 용광로, 냉각 유닛, 반응기, 믹서, 분쇄기, 초퍼, 압축기, 슬라이서, 압출기, 건조기, 분무기, 압력 또는 진공 챔버, 튜브, 빈, 사일로 및 산업 플랜트에서 생산을 위해 또는 생산 중에 직접 또는 간접적으로 사용되는 임의의 다른 종류의 장치 중 임의의 하나 이상 또는 이들의 조합 중 임의의 것을 지칭할 수 있다. 바람직하게는, 장비는 생산 프로세스에서 직접 또는 간접적으로 포함되는 이들 자산, 장치 또는 구성요소를 구체적으로 지칭할 수 있다. 더 바람직하게는, 화학 제품의 성능에 영향을 줄 수 있는 이들 자산, 장치 또는 구성요소를 지칭할 수 있다. 장비는 버퍼링될 수도 버퍼링되지 않을 수도 있다. 또한, 장비는 혼합 또는 비혼합, 분리 또는 비분리를 포함할 수 있다. 혼합이 없는 버퍼링되지 않은 장비의 일부 비제한적인 예로는 컨베이어 시스템 또는 벨트, 압출기, 펠리타이저 및 열 교환기가 있다. 혼합이 없는 버퍼링된 장비의 일부 비제한적인 예로는 버퍼 사일로, 빈 등이 있다. 혼합이 있는 버퍼링된 장비의 일부 비제한적인 예로는 믹서가 있는 사일로, 믹싱 용기, 커팅 밀, 더블 콘 블렌더, 경화 튜브 등이 있다. 혼합이 있는 버퍼링되지 않은 장비의 일부 비제한적인 예로는 정적 또는 동적 믹서 등이 있다. 분리가 있는 버퍼링된 장비의 일부 비제한적인 예로는 컬럼, 분리기, 추출, 박막 기화기, 필터, 체 등이 있다. 장비는 옥타빈 충진, 드럼, 백, 탱크 트럭과 같은 저장 또는 패킹 요소일 수도 있고 이를 포함할 수도 있다. 종종 2개 이상의 장비의 조합도 장비로 간주될 수 있다.
"장비 구역"은 동일한 장비의 일부인 물리적으로 분리된 구역을 지칭하기도 하고, 또는 구역은 화학 제품 제조에 사용되는 상이한 장비일 수 있다. 따라서 구역은 물리적으로 동일하지 않은 위치에 있다. 위치는 횡방향으로 및/또는 수직으로 동일하지 않은 지리적 위치일 수 있다. 따라서 투입 물질은 업스트림 장비 구역에서 시작하여 업스트림 장비 구역의 하류에 있는 하나 이상의 장비 구역을 향해 다운스트림으로 이동한다. 따라서 생산 프로세스의 다양한 단계가 구역들 사이에 분배될 수 있다.
본 개시에서, "장비" 및 "장비 구역"이라는 용어는 혼용될 수 있다.
"장비 작동 조건"은 장비의 상태를 나타내는 임의의 특성 또는 값, 예를 들어, 설정포인트, 제어기 출력, 생산 순서, 캘리브레이션 상태, 임의의 장비 관련 경고, 진동 측정, 속도, 온도, 필터 차압과 같은 파울링 값, 유지보수 날짜 등 중 하나 이상을 지칭한다.
"업스트림"이란 용어는 생산 흐름의 반대 방향에 있는 것으로 이해하면 된다. 예를 들어, 생산 프로세스가 지작하는 바로 첫 번째 장비 구역이 업스트림 장비 구역이다. 그러나, 이 용어는 본 개시에서는 그 의미 안에서 상대적인 의미로 사용된다. 예를 들어, 제1 장비 구역과 마지막 장비 구역 사이에 있는 중간 장비 구역은 마지막 장비 구역에 대해서는 업스트림 장비 구역이라고 하고, 제1 장비 구역에 대해서는 "다운스트림" 장비 구역이라고 할 수 있다. 따라서 마지막 장비 구역은 제1 장비 구역과 중간 장비 구역에 대한 다운스트림 구역이다. 마찬가지로, 제1 장비 구역과 중간 장비 구역은 모두 마지막 장비 구역의 업스트림이다.
"산업 플랜트" 또는 "플랜트"는 하나 이상의 산업 제품의 제조, 생산 또는 처리, 즉 산업 플랜트에 의해 수행되는 제조 또는 생산 프로세스 또는 처리의 산업 용도로 사용되는 임의의 기술 인프라구조를 제한없이 지칭할 수 있다. 산업 제품은 예를 들어, 화학, 생물학, 제약, 식품, 음료, 직물, 금속, 플라스틱, 반도체와 같은 임의의 물리적 제품일 수 있다. 추가로 또는 대안적으로, 산업 제품은 서비스 제품, 예를 들어, 재활용과 같은 회수 또는 폐기물 트리트먼트, 하나 이상의 화학 제품으로의 분해 또는 용해와 같은 화학적 트리트먼트일 수도 있다. 따라서, 산업 플랜트는 화학 플랜트, 프로세스 플랜트, 제약 플랜트, 석유 및/또는 천연 가스정과 같은 화석 연료 처리 시설, 정제소, 석유화학 플랜트, 분류 플랜트 등 중 하나 이상일 수 있다. 산업 플랜트는 증류소, 트리트먼트 플랜트 또는 재활용 플랜트 중 임의의 것이 될 수도 있다. 산업 플랜트는 위에 주어진 예나 그와 유사한 것 중 임의의 것의 조합일 수도 있다.
인프라구조는 열 교환기, 분별 컬럼과 같은 컬럼, 용광로, 반응 챔버, 분류 유닛, 저장 탱크, 압출기, 펠리타이저, 침전기, 블렌더, 믹서, 절단기, 경화 튜브, 기화기, 필터, 체, 파이프라인, 스택, 필터, 밸브, 액추에이터, 밀, 트랜스포머, 수송 시스템, 회로 차단기, 기계류, 예컨대, 터빈과 같은 중장비 회전 장비, 발전기, 분쇄기, 압축기, 산업용 팬, 펌프, 컨베이어 시스템과 같은 이송 요소, 모터 등 중 임의의 하나 이상과 같은 장비 또는 프로세스 유닛을 포함할 수 있다.
또한, 산업 플랜트는 전형적으로 복수의 센서 및 프로세스와 관련된 적어도 하나의 파라미터 또는 프로세스 파라미터를 제어하기 위한 적어도 하나의 제어 시스템을 플랜트에 포함한다. 이러한 제어 기능은 일반적으로 센서 중 적어도 하나로부터의 적어도 하나의 측정 신호에 응답하여 제어 시스템 또는 제어기에 의해 수행된다. 플랜트의 제어기 또는 제어 시스템은 분산 제어 시스템("DCS") 및/또는 프로그래밍 가능한 로직 제어기("PLC")로서 구현될 수 있다.
따라서, 산업 플랜트의 장비 또는 프로세스 유닛 중 적어도 일부는 하나 이상의 산업 제품을 생산하기 위해 모니터링 및/또는 제어될 수 있다. 모니터링 및/또는 제어는 하나 이상의 제품의 생산을 최적화하기 위해서도 수행될 수 있다. 장비 또는 프로세스 유닛은 하나 이상의 센서로부터의 하나 이상의 신호에 응답하여 DCS와 같은 제어기를 통해 모니터링 및/또는 제어될 수 있다. 또한, 플랜트는 프로세스 중 일부를 제어하기 위해 적어도 하나의 프로그래밍 가능한 로직 제어기("PLC")를 포함할 수도 있다. 산업 플랜트는 전형적으로 모니터링 및/또는 제어 목적을 위해 산업 플랜트에 분포될 수 있는 복수의 센서를 포함할 수 있다. 이러한 센서는 많은 양의 데이터를 생성할 수 있다. 센서는 장비의 일부로 간주될 수도 있고 그렇지 않을 수도 있다. 이처럼, 화학물질 및/또는 서비스 생산과 같은 생산은 데이터가 많은 환경일 수 있다. 따라서, 각 산업 플랜트는 대량의 프로세스 관련 데이터를 생성할 수 있다.
당업자는 산업 플랜트가 일반적으로 상이한 유형의 센서를 포함할 수 있는 계기를 포함할 수 있음을 이해할 것이다. 센서는 하나 이상의 프로세스 파라미터를 측정하고/하거나 장비 또는 프로세스 유닛과 관련된 장비 작동 조건 또는 파라미터를 측정하는 데 사용될 수 있다. 예를 들어, 센서는 파이프라인 내의 유속, 탱크 내부의 레벨, 용광로의 온도, 가스의 화학적 조성 등과 같은 프로세스 파라미터를 측정하는 데 사용될 수 있으며, 일부 센서는 분쇄기의 진동, 팬의 속도, 밸브의 열림, 파이프라인의 부식, 트랜스포머 양단의 전압 등을 측정하는 데 사용될 수 있다. 이들 센서 간의 차이점은 센서가 감지하는 파라미터에만 기초할 수는 없으며, 각 센서가 사용하는 감지 원리일 수도 있다. 센서가 감지하는 파라미터에 기초한 센서의 일부 예는 온도 센서, 압력 센서, 광 센서와 같은 방사선 센서, 흐름 센서, 진동 센서, 변위 센서 및 화학 센서, 예를 들어 가스와 같은 특정 물질을 검출하기 위한 센서를 포함할 수 있다. 센서가 이용하는 감지 원리 측면에서 다른 센서의 예는 예를 들어, 압전 센서, 압전 저항 센서, 열전대, 용량성 센서 및 저항성 센서와 같은 임피던스 센서 등일 수 있다.
산업 플랜트는 복수의 산업 플랜트의 일부일 수도 있다. 본 명세서에서 사용되는 "복수의 산업 플랜트"라는 용어는 광범위한 용어이고 당업자에게 통상적이고 관례적인 의미로 부여되어야 하며 특별하거나 맞춤화된 의미로 제한되지 않는다. 이 용어는 구체적으로 적어도 하나의 공통된 산업 목적을 갖는 적어도 2개의 산업 플랜트의 복합체를 지칭할 수 있지만 이에 제한되지 않는다. 구체적으로, 복수의 산업 플랜트는 물리적 및/또는 화학적으로 결합된 적어도 2개, 적어도 5개, 적어도 10개 또는 그 이상의 산업 플랜트를 포함할 수 있다. 복수의 산업 플랜트는 복수의 산업 플랜트를 형성하는 산업 플랜트가 그들의 밸류 체인, 유리체 및/또는 제품 중 하나 이상을 공유할 수 있도록 결합될 수 있다. 복수의 산업 플랜트는 화합물, 화합물 사이트, 페어분트(Verbund) 또는 페어분트 사이트로도 지칭될 수 있다. 또한, 다양한 중간 제품을 통해 최종 제품으로의 복수의 산업 플랜트의 밸류 체인 생산은 다양한 산업 플랜트와 같은 다양한 위치에서 분산되거나 페어분트 사이트 또는 화학 단지에 통합될 수 있다. 그러한 페어분트 사이트 또는 화학 단지는 하나 이상의 산업 플랜트일 수 있거나 이를 포함할 수 있으며, 적어도 하나의 산업 플랜트에서 제조된 제품은 다른 산업 플랜트의 공급원료 역할을 할 수 있다.
"생산 프로세스"는 투입 물질에 사용되거나 적용될 때 화학 제품을 제공하는 임의의 산업 프로세스를 지칭한다. 따라서 화학 제품은, 생산 프로세스를 통해 투입 물질을 직접 또는 하나 이상의 유도체 물질을 변환하여 그 결과 화학 제품이 되도록 함으로써 제공된다. 따라서 생산 프로세스는 임의의 제조 또는 처리 프로세스 또는 화학 제품을 얻는 데 사용되는 복수의 프로세스의 조합일 수 있다. 생산 프로세스는 화학 제품의 패키징 및/또는 적재도 포함할 수 있다. 따라서 생산 프로세스는 화학적 및 물리적 프로세스의 조합일 수 있다.
"제조", "생산" 또는 "처리"라는 용어는 생산 프로세스의 맥락에서 상호교환적으로 사용될 것이다. 이들 용어는 하나 이상의 화학 제품을 초래하는 투입 물질에 대한 화학 프로세스를 포함하는 산업 프로세스의 임의의 종류의 적용을 포함할 수 있다.
본 개시에서 "화학 제품"은 화학 제품, 의약품, 영양 제품, 화장품 또는 생물학적 제품 또는 이들의 조합 중 임의의 것과 같은 임의의 산업 제품을 지칭할 수 있다. 화학 제품은 전적으로 천연 성분으로 구성되거나 적어도 부분적으로 하나 이상의 합성 성분을 포함할 수 있다. 화학 제품의 몇몇 비제한적 예는 유기 또는 무기 조성물, 단량체, 중합체, 발포체, 살충제, 제초제, 비료, 사료, 영양 제품, 전구체, 의약품 또는 치료 제품, 또는 이들의 성분 또는 활성 성분 중 임의의 하나 이상이다. 몇몇 경우에, 화학 제품은 최종 사용자 또는 소비자가 사용할 수 있는 제품, 예를 들어 화장품 또는 의약품일 수 있다. 화학 제품은 다른 하나 이상의 제품을 만드는데 사용될 수 있는 제품일 수도 있는데, 예를 들면 화학 제품은 신발용 솔을 제조하는데 사용할 수 있는 합성 폼(synthetic foam)이나, 자동차 외장제에 사용될 수 있는 코팅일 수 있다. 화학 제품은, 예를 들어 고체, 반고체, 페이스트, 액체, 에멀젼, 용액, 펠릿, 과립, 비드, 열가소성 폴리우레탄("TPU") 입자와 같은 입자 또는 분말의 형태로 제공될 수 있다.
이러한 제품은 특히 생산 프로세스 동안 추적하기가 어려울 수 있다. 생산 중에, 투입 물질과 같은 물질은 다른 물질과 혼합될 수 있고/있거나, 투입 물질은 예를 들어, 다른 방식으로 처리하기 위해 생산 체인 아래의 상이한 부분으로 분할될 수 있다. 투입 물질은 화학 제품으로 변환되기 전에 예를 들어 하나 이상의 유도체 물질로 한 번보다 많이 변환될 수 있다. 때론, 화학 제품은 분할되고 상이한 패키지로 패키징될 수도 있다. 경우에 따라 패키징된 화학 제품 또는 그 일부에 라벨링할 수 있지만, 특정 화학 제품 또는 그 일부를 생산하는 것을 담당하였던 생산 프로세스의 세부사항을 첨부하기가 어려울 수 있다. 많은 경우, 투입 물질 및/또는 화학 제품은 물리적으로 라벨링하기 어려운 형태일 수 있다. 따라서 본 교시는 그러한 제한을 극복하는 데 하나 이상의 객체 식별자가 또한 사용될 수 있는 방법도 제공할 수 있다.
생산 프로세스는 캠페인에서 연속적일 수 있는데, 예를 들면, 회수가 필요한 촉매를 기반으로 하는 경우, 배치 화학물질 생산 프로세스일 수 있다. 이러한 생산 유형 간의 주요 차이점 하나는 생산 중에 생성되는 데이터에서 발생하는 빈도이다. 예를 들어, 배치 프로세스에서 생산 데이터는 생산 프로세스의 시작부터 해당 실행에서 생산된 상이한 배치에 걸쳐 마지막 배치까지 확장된다. 연속 설정에서, 데이터는 생산 동작의 잠재적 시프트 및/또는 유지보수로 인한 중단 시간으로 인해 더욱 연속적이다. 본 교시는 배치 프로세스 또는 배치 프로세스와 유사한 프로세스에서 특히 유리한 것으로 밝혀졌다.
"프로세스 데이터"는 예를 들어, 하나 이상의 센서를 통해 생산 프로세스 동안 측정된 값, 예컨대, 숫자 또는 이진 신호 값을 포함하는 데이터를 지칭한다. 프로세스 데이터는 프로세스 파라미터 및/또는 장비 작동 조건 중 하나 이상의 시계열 데이터일 수 있다. 바람직하게는, 프로세스 데이터는 프로세스 파라미터 및/또는 장비 작동 조건의 시간 정보를 포함하는데, 예를 들면, 이들 데이터는 프로세스 파라미터 및/또는 장비 작동 조건에 관한 데이터 포인트 중 적어도 일부에 대한 타임 스탬프를 포함한다. 보다 바람직하게는, 프로세스 데이터는 시간-공간 데이터, 즉, 물리적으로 떨어져 있는 하나 이상의 장비 구역과 관련된 시간적 데이터 및 위치 또는 데이터를 포함하여, 데이터로부터 시간-공간 관계가 유도될 수 있다.
"실시간 프로세스 데이터"는 특정 투입 물질이 생산 프로세스를 사용하여 처리되는 동안 기본적으로 과도 상태에 있거나 이 상태에서 측정되는 프로세스 데이터를 지칭한다. 예를 들어, 투입 물질에 대한 실시간 프로세스 데이터는 생산 프로세스를 사용하여 투입 물질을 처리하는 것과 동시에 또는 거의 동시의 프로세스 데이터이다. 여기서, 거의 동시는 시간 지연이 거의 없거나 전혀 없음을 의미한다. "실시간"이라는 용어는 컴퓨터 및 계기 기술 분야에서 이해된다. 특정한 비제한적 예로서, 투입 물질에 대해 수행되는 생산 프로세스 동안의 생산 발생과 측정 또는 판독되는 프로세스 데이터 사이의 시간 지연은 15초 미만, 구체적으로 10초 이하, 더 구체적으로는 5초 이하이다. 높은 스루풋 처리의 경우 지연은 1초 미만 또는 몇 밀리초 미만 또는 그보다 더 낮기도 하다. 따라서 실시간 데이터는 투입 물질을 처리하는 동안 생성되는 시간 의존적 프로세스 데이터 또는 시계열 데이터의 흐름으로 이해될 수 있다.
"프로세스 파라미터"는 생산 프로세스 관련 변수 중 임의의 것, 예를 들어, 온도, 압력, 시간, 레벨 등 중 임의의 하나 이상을 지칭할 수 있다.
"투입 물질"은 화학 제품을 생산하는 데 사용되는 적어도 하나의 공급원료 또는 처리되지 않은 물질을 지칭할 수 있다. 투입 물질은 임의의 유기 또는 무기 물질 또는 이들의 조합일 수도 있다. 따라서, 투입 물질은 혼합물일 수도 있거나 또는 임의의 형태의 복수의 유기 및/또는 무기 성분을 포함할 수 있다. 몇몇 경우에, 투입 물질은 예를 들어, 업스트림 처리 설비 또는 플랜트로부터의 중간 처리 물질일 수도 있다.
투입 물질의 몇 가지 비제한적 예는 폴리에테르 알코올, 폴리에테르 디올, 폴리테트라히드로푸란, 예컨대, 아디프산 및 부탄-1,4-디올에 기초한 폴리에스테르 디올, 이소시아네이트, 충진제 물질 - 유기 또는 무기 물질, 예컨대, 목재 분말, 전분, 아마, 대마, 모시, 황마, 사이잘, 면, 셀룰로오스 또는 아라미드 섬유, 규산염, 중정석, 유리 구체, 제올라이트, 금속 또는 금속 산화물, 활석, 백악, 카오린, 수산화알루미늄, 수산화마그네슘, 질화알루미늄, 규산알루미늄, 황산바륨, 탄산칼슘, 황산칼슘, 실리카, 석영 분말, 에어로실, 점토, 운모 또는 규회석, 철 분말, 유리 구체, 유리 섬유 또는 탄소 섬유 중 임의의 하나 이상일 수 있다.
추가의 비제한적 예로서, 투입 물질은 열가소성 폴리우레탄을 얻기 위해 생산 프로세스의 적어도 일부를 거친 메틸렌 디페닐 디이소시아네이트("MDI") 및/또는 폴리테트라히드로푸란("PTHF")일 수 있다. 따라서 투입 물질은 몇몇 경우에 유도체 물질일 수 있는 열가소성 폴리우레탄을 얻기 위해 하나 이상의 장비 구역에서 화학적으로 처리됨을 알 것이다. 유도체 물질은 화학 제품을 획득하기 위해 추가로 처리된다. 예를 들어, 열가소성 폴리우레탄("TPU")은 팽창된 열가소성 폴리우레탄("ETPU")을 얻기 위해 하나 이상의 추가 장비 구역에서 추가로 처리될 수 있다. ETPU는, 예를 들면 화학 제품일 수 있다. 그러나, 일부 경우에, TPU 자체는 추가 처리를 위해 다운스트림 고객 또는 공장으로 보내지는 화학 제품일 수도 있다.
"투입 물질 데이터"는 투입 물질의 하나 이상의 특징 또는 특성과 관련된 데이터를 지칭한다. 따라서, 투입 물질 데이터는 투입 물질의 양과 같은 특성을 나타내는 값 중 임의의 하나 이상을 포함할 수 있다. 대안적으로 또는 추가적으로, 양을 나타내는 값은 투입 물질의 충진 정도 및/또는 질량 흐름일 수 있다. 값은 바람직하게는 장비에 동작 가능하게 결합되거나 이에 포함되는 하나 이상의 센서를 통해 측정된다. 대안적으로 또는 추가적으로, 투입 물질 데이터는 투입 물질과 관련된 샘플/테스트 데이터를 포함할 수 있다. 대안적으로 또는 추가적으로, 투입 물질 데이터는 밀도, 농도, 순도, pH, 조성, 점도, 온도, 중량, 부피 등 중 임의의 하나 이상과 같은 투입 물질의 임의의 물리적 및/또는 화학적 특성을 나타내는 값을 포함할 수 있다. 이와 달리 또는 추가로, 투입 물질 데이터는 투입 물질과 관련된 성능 데이터를 포함할 수 있다. 일부 경우에, 투입 물질과 관련된 사전 생성된 객체 식별자가 이미 존재하는 방식으로 투입 물질이 생성되면, 투입 물질 데이터는 사전 생성된 객체 식별자로부터의 데이터의 일부를 포함할 수 있다. 예를 들면, 투입 물질 데이터는 이후 사전 생성된 객체 식별자에 대한 참조 또는 링크 또는 일부 경우에는 사전 생성된 객체 식별자로부터의 프로세스 데이터의 적어도 일부도 포함할 수 있다.
기본 화학 제품 생산 환경의 처리 장비에 의해 처리되는 투입 물질은 이하 "패키지 객체"로 지칭되는 물리적 패키지 또는 실제 패키지(또는 각각 "물리적 패키지" 또는 "제품 패키지")로 분할된다고 할 수 있다. 그러한 패키지 객체의 패키지 크기는 예컨대, 물질 중량 또는 물질 양에 의해 고정될 수 있거나 또는 상당히 일정한 프로세스 파라미터 또는 장비 작동 파라미터가 처리 장비에 의해 제공될 수 있는 중량 또는 양에 기초하여 결정될 수 있다. 이러한 패키지 객체는 투여 유닛에 의해 투입 액체 및/또는 고체 원료로부터 생성될 수 있다.
실제 패키지 객체의 후속 처리는 전술한 장비에 결합되거나 장비의 일부인 컴퓨팅 유닛을 통해 각 패키지 객체에 할당되는 언급된 객체 식별자를 포함하는 대응하는 데이터 객체에 의해 관리된다. 기본 패키지 객체의 대응하는 객체 식별자를 포함하는 데이터 객체는 컴퓨팅 유닛의 메모리 저장 요소에 저장된다.
데이터 객체는 장비를 통해 제공되는 트리거 신호에 응답하여, 바람직하게는 장비 유닛 각각에 배치되는 대응 센서의 출력에 응답하여 생성될 수 있다. 전술한 바와 같이, 기본 산업 플랜트는 상이한 유형의 센서, 예컨대, 하나 이상의 프로세스 파라미터를 측정하고/하거나 장비 또는 프로세스 유닛과 관련된 장비 작동 조건 또는 파라미터를 측정하기 위한 센서를 포함할 수 있다.
전술한 "객체 식별자"는 보다 구체적으로 투입 물질에 대한 디지털 식별자를 지칭한다. 객체 식별자는 바람직하게는 컴퓨팅 유닛에 의해 생성된다. 객체 식별자의 제공 또는 생성은 장비에 의해 또는 예를 들어 장비로부터의 트리거 이벤트 또는 신호에 응답하여 트리거될 수 있다. 객체 식별자는 컴퓨팅 유닛에 동작 가능하게 결합된 메모리 저장 요소에 저장될 수 있다. 메모리 저장소는 적어도 하나의 데이터베이스를 포함하거나 그 일부일 수 있다. 따라서, 객체 식별자는 데이터베이스의 일부가 될 수도 있다. 따라서 객체 식별자는 투입 물질을 사용하여 생산된 화학 제품으로 이어지거나 적어도 참조된다. 마찬가지로, 이력 업스트림 객체 식별자는 이전에 처리되었던 특정 이력 투입 물질에 대응한다. 객체 식별자는 송신, 수신 또는 생성될 수 있는 것과 같은 임의의 적절한 방식을 통해 제공될 수 있음을 이해할 것이다.
"컴퓨팅 유닛"은 하나 이상의 처리 코어를 갖는 마이크로프로세서, 마이크로컨트롤러 등과 같은 처리 수단 또는 컴퓨터 프로세서를 포함할 수 있거나 이들일 수 있다. 몇몇 경우에, 컴퓨팅 유닛은 적어도 부분적으로 장비의 일부일 수 있으며, 예를 들어 프로그래밍 가능 로직 제어기("PLC") 또는 분산 제어 시스템("DCS")과 같은 프로세스 제어기일 수 있고/있거나 적어도 부분적으로는 원격 서버일 수 있다. 따라서, 컴퓨팅 유닛은 장비에 동작 가능하게 연결된 하나 이상의 센서로부터 하나 이상의 입력 신호를 수신할 수 있다. 컴퓨팅 유닛이 장비의 일부가 아닌 경우, 장비로부터 하나 이상의 입력 신호를 수신할 수 있다. 대안적으로 또는 추가적으로, 컴퓨팅 유닛은 장비에 동작 가능하게 결합된 하나 이상의 액추에이터 또는 스위치를 제어할 수 있다. 하나 이상의 액추에이터 또는 스위치는 동작 가능하게 장비의 일부일 수도 있다.
따라서, 컴퓨팅 유닛은 예를 들어, 장비 작동 조건 중 하나 이상을 조작함으로써 액추에이터 또는 스위치 및/또는 엔드 이펙터 유닛 중 임의의 하나 이상을 제어함으로써 생산 프로세스에 관련된 하나 이상의 파라미터를 조작할 수 있다. 제어는 바람직하게는 장비로부터 검색된 하나 이상의 신호에 응답하여 행해진다.
"메모리 저장소"는 적절한 저장 매체에 데이터의 형태로 정보를 저장하기 위한 디바이스를 지칭할 수 있다. 바람직하게는, 메모리 저장소는 머신 판독가능한 디지털 형식, 예컨대, 컴퓨터 프로세서를 통해 판독가능한 디지털 데이터로 정보를 저장하기에 적합한 디지털 저장소이다. 따라서 메모리 저장소는 컴퓨터 프로세서에 의해 판독가능한 디지털 메모리 저장 디바이스로서 실현될 수 있다. 더욱 바람직하게는, 디지털 메모리 저장 디바이스 상의 메모리 저장은 컴퓨터 프로세서를 통해 조작될 수도 있다. 예를 들어, 디지털 메모리 저장 디바이스에 기록된 데이터의 임의의 부분은 컴퓨터 프로세서에 의해 새로운 데이터로 부분적으로 또는 전체적으로 기록 및/또는 삭제 및/또는 덮어쓰기될 수 있다.
이 맥락에서 "엔드 이펙터 유닛" 또는 "엔드 이펙터"는 장비의 일부이고/이거나 장비에 동작 가능하게 연결되므로, 장비 주변의 환경과 상호작용할 목적으로 장비 및/또는 각 컴퓨팅 유닛을 통해 제어할 수 있는 디바이스를 지칭한다. 몇 가지 비제한적 예로서, 엔드 이펙터는 절단기, 그리퍼, 분무기, 믹싱 유닛, 압출기 팁 등 또는 환경과 상호작용하도록 설계된 각각의 부품, 예컨대, 투입 물질 및/또는 전구체 및/또는 화학 제품일 수 있다.
"특성" 또는 "특성들"은 투입 물질과 관련하여, 투입 물질의 양, 배치 정보, 순도, 농도 또는 투입 물질의 임의의 특성과 같은 품질을 지정하는 하나 이상의 값 중 임의의 하나 이상을 지칭할 수 있다.
"인터페이스"는 하드웨어 및/또는 소프트웨어 구성요소, 적어도 부분적으로는 장비의 일부이거나 예컨대, 이를 통해 객체 식별자가 제공되는 다른 컴퓨팅 유닛의 일부일 수 있다. 예를 들어, 인터페이스는 애플리케이션 프로그래밍 인터페이스("API")일 수 있다. 몇몇 경우에, 인터페이스는 예를 들어, 네트워크에서 2개의 하드웨어 구성요소 및/또는 프로토콜 계층을 인터페이싱하기 위해 적어도 하나의 네트워크에 연결될 수도 있다. 예를 들어, 인터페이스는 장비 및 컴퓨팅 유닛 사이의 인터페이스일 수 있다. 몇몇 경우에, 장비는 네트워크를 통해 컴퓨팅 유닛에 통신가능하게 결합될 수 있다. 따라서, 인터페이스는 네트워크 인터페이스일 수도 있거나, 네트워크 인터페이스를 포함할 수도 있다. 경우에 따라, 인터페이스는 연결 인터페이스일 수도 있거나, 연결 인터페이스를 포함할 수 있다.
"네트워크 인터페이스"는 네트워크와의 작동 연결을 허용하는 디바이스 또는 하나 이상의 하드웨어 및/또는 소프트웨어 구성요소의 그룹을 지칭한다.
"연결 인터페이스"는 전송 또는 교환 또는 신호 또는 데이터와 같은 통신을 수립하기 위한 소프트웨어 및/또는 하드웨어 인터페이스를 지칭한다. 통신은 유선일 수도 있고 무선일 수도 있다. 연결 인터페이스는 바람직하게는 하나 이상의 통신 프로토콜을 기반으로 하거나 이를 지원한다. 통신 프로토콜은 무선 프로토콜, 예를 들어, Bluetooth® 또는 WiFi와 같은 근거리 통신 프로토콜 또는 셀룰러 또는 모바일 네트워크, 예를 들어, 2세대 셀룰러 네트워크 또는 ("2G"), 3G, 4G, LTE(Long-Term Evolution) 또는 5G와 같은 원거리 통신 프로토콜일 수 있다. 대안으로 또는 추가적으로, 연결 인터페이스는 전용 근거리 또는 원거리 프로토콜을 기반으로 할 수도 있다. 연결 인터페이스는 임의의 하나 이상의 표준 및/또는 전용 프로토콜을 지원할 수 있다.
본 명세서에서 논의되는 "네트워크"는 임의의 적합한 종류의 데이터 전송 매체, 유선, 무선 또는 이들의 조합일 수 있다. 특정한 종류의 네트워크는 본 교시의 범위 또는 일반성을 제한하지 않는다. 따라서 네트워크는 적어도 하나의 통신 엔드포인트와 다른 통신 엔드포인트 사이의 어떤 적절한 임의의 상호연결부를 지칭할 수 있다. 네트워크는 하나 이상의 분배 포인트, 라우터 또는 다른 유형의 통신 하드웨어를 포함할 수 있다. 네트워크의 상호연결부는 물리적 배선, 광학 및/또는 무선 라디오 주파수 방법에 의해 형성될 수 있다. 네트워크는 구체적으로 광섬유 네트워크 또는 전기 전도성 케이블에 의해 완전히 또는 부분적으로 만들어진 네트워크 또는 이들의 조합과 같은 배선에 의해 완전히 또는 부분적으로 만들어진 물리적 네트워크일 수 있거나 이를 포함할 수 있다. 네트워크는 적어도 부분적으로 인터넷을 포함할 수 있다.
"성능 파라미터"는 화학 제품의 임의의 하나 이상의 특성일 수도 있고, 이를 나타낼 수도 있다. 따라서, 성능 파라미터는 특정 적용 또는 사용을 위한 화학 제품의 적합성 또는 적합 정도를 나타내는 하나 이상의 사전정의된 기준을 충족해야 하는 그러한 파라미터이다. 소정의 경우에, 성능 파라미터는 화학 제품의 특정 적용 또는 사용을 위한 적합성 부족 또는 부적합 정도를 나타낼 수 있음을 알 것이다. 비제한적인 예로서, 성능 파라미터는 인장 강도와 같은 강도, 색상, 농도, 조성, 점도, 영률 값과 같은 강성도, 백만분율("ppm") 값과 같은 순도 또는 불순물, 평균 고장 시간("MTTF")과 같은 고장률, 또는 예를 들어, 사전정의된 기준을 사용하여 테스트를 통해 결정된 임의의 하나 이상의 값 또는 값 범위 중 임의의 하나 이상일 수 있다. 따라서 성능 파라미터는 화학 제품의 성능 또는 품질을 나타낸다. 사전정의된 기준은 예를 들어, 화학 제품의 품질 또는 성능을 결정하기 위해 화학 제품의 성능 파라미터가 비교되는 하나 이상의 기준 값 또는 범위일 수 있다. 사전정의된 기준은 하나 이상의 테스트를 사용하여 결정되었을 수 있으므로, 화학 제품의 성능 파라미터에 대한 요구사항이 하나 이상의 특정 사용 또는 적용에 적합하도록 정의된다.
일 양상에 따르면, 상태 중 적어도 하나의 계산은 적어도 부분적으로 분석 컴퓨터 모델인 모델을 사용하여 수행된다. 추가적으로 또는 대안적으로, 모델은 적어도 부분적으로 러닝("ML") 모델일 수 있다. ML 모델은, 예컨대 하나 이상의 이력 업스트림 객체 식별자로부터의 이력 데이터를 사용하여 훈련될 수 있다. 따라서 ML 모델이라는 용어는 본 개시에서 적어도 부분적으로 하나 이상의 머신 러닝("ML") 모델인 모델을 지칭하는 것으로 이해될 것이다. 마찬가지로, 임의의 하나 이상의 성능 파라미터는 모델 또는 별개의 모델을 사용하여 계산될 수도 있다. 별개의 모델은 유사하게 적어도 부분적으로 분석 모델 및/또는 하나 이상의 머신 러닝("ML") 모델일 수 있다.
보다 구체적으로, 본 교시의 맥락에서, ML 모델은 이력 데이터를 사용하여 훈련할 때 데이터 구동 모델을 생성할 수 있는 예측 모델일 수도 있고 또는 이를 포함할 수 있다. "데이터 구동 모델"은 적어도 부분적으로 데이터에서, 이 경우에는 이력 데이터에서 유도된 모델을 지칭한다. 순수하게 물리화학적 법칙을 사용하여 유도된 엄격한 모델과 달리, 데이터 구동 모델은 물리화학적 법칙으로 모델링할 수 없는 관계를 설명할 수 있다. 데이터 구동 모델을 사용하면 물리화학적 법칙의 수학식을 풀지 않고도 관계를 설명할 수 있다. 이것은 계산 전력을 감소시키거나 속도를 향상시킬 수 있다.
데이터 구동 모델은 회귀(regression) 모델일 수 있다. 데이터 구동 모델은 수학적 모델일 수 있다. 수학적 모델은 제공된 입력과 결정되거나 계산된 출력 간의 관계를 함수로서 설명할 수 있다. 예컨대, 서브세트가 ML 모델에 대한 입력으로서 제공되면, 모델은 함수를 적용하여 출력으로서 성능 파라미터 중 적어도 하나를 계산한다.
따라서, 본 맥락에서, 데이터 구동 모델, 바람직하게는 데이터 구동 머신 러닝("ML") 모델 또는 단지 데이터 구동 모델은 각각의 생산 프로세스와 관련된 반응 동역학 또는 물리화학적 프로세스를 반영하도록 이력 프로세스 데이터 또는 이력 데이터와 같은 각각의 훈련 데이터에 따라 파라미터화되는 훈련된 수학적 모델을 지칭한다. 훈련되지 않은 수학적 모델은 반응 동역학 또는 물리화학적 프로세스를 반영하지 않는 모델을 지칭하며, 예컨대, 훈련되지 않은 수학적 모델은 경험적 관찰에 기초한 과학적 일반화를 제공하는 물리 법칙에서 유도되지 않는다. 따라서, 동역학 또는 물리화학적 특성은 훈련되지 않은 수학적 모델에 고유하지 않을 수 있다. 훈련되지 않은 모델은 이러한 특성을 반영하지 않는다. 각각의 훈련 데이터 세트를 사용한 피처 엔지니어링 및 훈련은 훈련되지 않은 수학적 모델의 파라미터화를 가능하게 한다. 이러한 훈련의 결과는 단지 데이터 구동 모델, 바람직하게는 데이터 구동 ML 모델이며, 이는 훈련 프로세스의 결과로서, 바람직하게는 오로지 훈련 프로세스의 결과로서, 생산 프로세스에 관한 반응 동역학 또는 물리화학적 프로세스를 반영한다.
모델은 하이브리드 모델일 수도 있다. 하이브리드 모델은 제1 원리 부분, 소위 화이트 박스 및 전술한 데이터 구동 부분, 소위 블랙 박스를 포함하는 모델을 지칭할 수 있다. 이 모델은 화이트 박스 모델과 블랙 박스 모델의 조합 및/또는 그레이 박스 모델을 포함할 수 있다. 화이트 박스 모델은 물리화학적 법칙에 기초할 수 있다. 물리화학적 법칙은 제1 원리로부터 유도될 수 있다. 물리화학적 법칙은 화학 동역학, 질량 보존 법칙, 운동량 및 에너지, 임의의 차원의 입자 개체군 중 하나 이상을 포함할 수 있다. 화이트 박스 모델은 각각의 생산 프로세스 또는 그 일부를 지배하는 물리화학적 법칙에 따라 선택될 수 있다. 블랙박스 모델은, 예컨대 하나 이상의 이력 객체 식별자로부터의 이력 데이터에 기초할 수 있다. 블랙 박스 모델은 머신 러닝, 딥 러닝, 신경망 또는 다른 형태의 인공 지능 중 하나 이상을 사용하여 구축될 수 있다. 블랙 박스 모델은 훈련 데이터 세트와 테스트 데이터 사이에 잘 맞는 임의의 모델이 될 수 있다. 그레이 박스 모델은 부분적인 이론적 구조를 데이터와 조합하여 모델을 완성한 모델이다.
본 명세서에서 사용된 "머신 러닝" 또는 "ML"이라는 용어는 머신이 명시적으로 프로그래밍하지 않고 데이터로부터 작업을 "학습"할 수 있게 하는 통계적 방법을 지칭할 수 있다. 머신 러닝 기법은 "전통적인 머신 러닝", 즉 수동으로 피처를 선택한 다음 모델을 훈련시키는 워크플로우를 포함할 수 있다. 전통적인 머신 러닝 기법의 예는 결정 트리, 지원 벡터 머신 및 앙상블 방법을 포함할 수 있다. 몇몇 예에서, 데이터 구동 모델은 데이터 구동 딥 러닝 모델을 포함할 수 있다. 딥 러닝은 인간 두뇌의 신경 경로를 느슨하게 모델링한 머신 러닝의 서브세트이다. 딥은 입력 계층과 출력 계층 사이의 복수의 계층을 지칭한다. 딥 러닝에서, 알고리즘은 어떤 피처가 유용한지 자동으로 학습한다. 딥 러닝 기법의 예는 컨볼루션 신경망("CNN"), 장단기 메모리("LSTM")와 같은 순환 신경망 및 딥 Q 네트워크를 포함할 수 있다.
본 개시에서, "ML 모델" 및 "훈련된 ML 모델"이라는 용어는 혼용될 수 있다. 의도된 기능을 수행할 수 있기 위해 특정 ML 모델이 어떤 종류의 데이터로 훈련되었는지는 표시되거나 또는 당업자에게 명확할 것이다.
논의되었던 바와 같이, 화학물질 생산은 장비와 같은 상이한 소스로부터 많은 양의 데이터를 생산하는, 데이터가 많은 환경일 수 있다. 또한, 제안된 교시가 산업 플랜트, 특히 화학 플랜트에서 에지 컴퓨팅에 적합하고 보다 효율적인 품질 관리 방법 또는 시스템도 실현한다는 것도 이해할 것이다. 따라서 안전 및/또는 품질 관리와 같은 모니터링은 기본적으로 객체 식별자가 성능 파라미터 및/또는 적어도 하나의 상태의 계산을 위해 활용되는 관련 데이터의 고도로 표적이 된 데이터 세트를 제공함에 따라 처리 능력 및/또는 메모리 요구사항과 같은 감소된 계산 자원을 사용하여 스팟에서 또는 온 더 플라이로 달성될 수 있다. 계산 지연을 줄이는 것도 가능할 수 있으므로, 생산 프로세스의 속도를 늦추지 않고 대량 고속처리 알고리즘에 충분한 시간이 있는지 확인해야 한다. 또한 ML 모델에 대한 훈련 프로세스를 더 빠르고 효율적으로 만들 수 있다.
유사한 이유로 인해, 데이터 세트가 컴팩트하고 효율적으로 만들어질 수 있으므로 본 교시는 클라우드 컴퓨팅 환경 또는 인프라구조에도 적합해진다. 많은 클라우드 서비스 제공자는 계산 자원의 활용에 기반한 종량제(pay-per-use) 모델로 운영하므로, 비용을 절감하거나 계산 능력을 보다 효율적으로 활용할 수 있다.
따라서, 일 양상에 따르면, 모델, 적어도 부분적으로 적어도 하나의 ML 모델은 하나 이상의 이력 객체 식별자로부터 또는 하나 이상의 장비 구역으로부터의 데이터를 사용하여 훈련될 수 있다. ML 모델을 훈련시키는 데 사용되는 데이터는 이력 및/또는 현재 실험실 테스트 데이터 또는 화학 제품 및/또는 유도체 물질의 과거 및/또는 최근 샘플로부터의 데이터도 포함할 수 있다. 예를 들어, 이미지 분석, 실험실 장비 또는 기타 측정 기법과 같은 하나 이상의 분석에서 얻은 품질 데이터가 사용될 수 있다.
따라서 예컨대, 이력 객체 식별자로부터의 이력 데이터로 훈련된 적어도 하나의 ML 모델은 화학 제품과 관련된 하나 이상의 성능 파라미터를 예측하고/하거나 투입 물질 및/또는 장비와 관련된 하나 이상의 상태를 예측하는 데 사용될 수 있다. 따라서 생산 프로세스는 보다 효율적으로 만들어짐으로써 개선될 수 있고 생산 프로세스의 더 나은 모니터링 및/또는 제어가 달성될 수 있다. 따라서 수동 샘플링 및 테스트 요구사항 중 적어도 일부를 제거할 수 있으므로 시간과 자원이 절약된다.
따라서, 화학 제품과 관련된 하나 이상의 성능 파라미터를 계산하기 위해 및/또는 투입 물질 및/또는 장비와 관련된 하나 이상의 상태를 예측하기 위해 이력 데이터를 사용하여 훈련되는 ML 모델은 실시간 프로세스 데이터의 서브세트의 적어도 일부, 바람직하게는 투입 물질 데이터도 입력으로서 수신한다. 따라서 ML 모델은 적어도 하나의 성능 파라미터 및/또는 하나 이상의 상태를 하나 이상의 계산된 값으로서 제공할 수 있다. 따라서, 이러한 ML 모델은 생산 프로세스를 보다 자세히 모니터링하는 데 사용될 수 있다. ML 모델은 초기 단계에서 임의의 품질 관리 문제를 표시하는 데에도 사용될 수 있다.
몇몇 경우에, ML 모델과 같은 동일한 또는 다른 모델이 예컨대, 실시간 프로세스 데이터의 일부 또는 구성요소 중 어느 것이 화학 제품에 가장 지배적인 영향을 미치는지 결정하기 위해 컴퓨팅 유닛에 의해 사용될 수 있다. 따라서, 컴퓨팅 유닛은 적어도 하나의 구역별 성능 파라미터에 무시할 수 있는 영향을 미치는 프로세스 파라미터 및/또는 장비 작동 조건을 제외할 수 있다. 따라서, 프로세스 데이터의 서브세트는 계산 자원에 더 최적화될 수 있다. 따라서 특정 화학 제품에 첨부되는 실시간 프로세스 데이터의 관련성은 그들 각각의 객체 식별자에 대해 개선될 수 있다.
일 양상에 따르면, 장비는 복수의 물리적으로 분리된 장비 구역을 포함하여 제조 또는 생산 프로세스 동안 투입 물질이 업스트림 장비 구역으로부터 다운스트림 장비 구역으로 이동한다. 몇몇 경우에, 투입 물질은 다운스트림 장비 구역에 도달하기 전에 예컨대, 양적으로 분할되거나 감소될 수 있다. 따라서, 다른 양상에 따르면, 다운스트림 장비 구역에 있는 투입 물질의 적어도 일부분에 다운스트림 객체 식별자가 제공된다. 일부 경우에 투입 물질의 적어도 일부는 유도체 물질로 지칭될 수 있다는 것도 이해할 것이다. 논의되었던 바와 유사하게, 구역 존재 신호는 투입 물질 또는 유도체 물질이 다운스트림 장비 구역에 있을 때를 검출하거나 계산하는 데 사용될 수 있으므로 컴퓨팅 유닛은 다운스트림 객체 식별자 및 구역 존재 신호에 기초하여 실시간 프로세스 데이터의 다른 서브세트를 결정할 수 있다. 따라서 컴퓨팅 유닛은 실시간 프로세스 데이터의 다른 서브세트 및 다른 이력 데이터 및/또는 다른 적어도 하나의 상태에 기초하여 다운스트림 식별자와 관련된 화학 제품의 다른 적어도 하나의 성능 파라미터를 계산할 수 있다. 다른 이력 데이터는 예를 들어 다운스트림 장비 구역에서 이전에 처리된 투입 물질과 관련된 하나 이상의 이력 다운스트림 객체 식별자로부터의 데이터를 포함할 수 있다. 임의의 하나, 몇몇 또는 각각의 이력 다운스트림 객체 식별자에는 예를 들어, 다운스트림 장비 구역에서 이전에 처리된 투입 물질이 처리되었던 장비 작동 조건 및/또는 프로세스 파라미터를 나타내는 프로세스 데이터의 적어도 일부가 첨부되었을 수 있다. 따라서 다운스트림 객체 식별자에는 다른 적어도 하나의 구역별 성능 파라미터 및/또는 다른 적어도 하나의 상태가 첨부될 수 있다.
장비에 관한 위 논의와 유사하게, ML 모델과 같은 모델은 장비 구역 중 임의의 하나 이상에도 적용될 수 있다.
당업자는 "첨부" 또는 "첨부하는"이라는 용어가 예를 들어 데이터베이스 또는 메모리 저장소의 인접하거나 상이한 위치에서, 동일한 데이터베이스 또는 동일한 메모리 저장 요소 내에 메타데이터와 같은 상이한 데이터 요소를 저장하는 것과 같이 포함하거나 첨가하는 것을 의미할 수 있음을 이해할 것이다. 이 용어는 필요할 때 데이터 패키지 또는 스트림을 판독 및/또는 인출 및/또는 결합할 수 있는 방식으로 동일하거나 상이한 위치에 있는 하나 이상의 데이터 요소, 패키지 또는 스트림을 연결하는 것을 의미할 수도 있다. 위치 중 적어도 하나는 원격 서버의 일부이거나 적어도 부분적으로는 클라우드 서비스의 일부일 수도 있다.
"원격 서버"는 플랜트에서 떨어진 곳에 위치한 하나 이상의 컴퓨터 또는 하나 이상의 컴퓨터 서버를 지칭한다. 따라서 원격 서버는 플랜트에서 수 킬로미터 이상 떨어져 있을 수 있다. 원격 서버는 다른 국가에 있을 수도 있다. 원격 서버는 적어도 부분적으로 클라우드 서비스 또는 플랫폼, 예를 들어, 서비스형 플랫폼("PaaS")으로서 구현될 수도 있다. 이 용어는 서로 다른 위치에 있는 둘 이상의 컴퓨터 또는 서버를 통칭할 수도 있다. 원격 서버는 데이터 관리 시스템일 수 있다.
몇몇 경우에, 제1 장비 구역, 예컨대, 업스트림 장비 구역을 통과한 후의 투입 물질은 투입 물질이 업스트림 장비 구역에 진입한 시간과 본질적으로 상당히 상이할 수 있음을 이해할 것이다. 따라서, 다운스트림 구역과 같은 다음 구역에서 물질의 진입 시에, 투입 물질은 유도체 물질 또는 중간 처리 물질로 변환되었을 수 있다. 그러나, 단순화를 위해, 그리고 본 교시의 일반성을 잃지 않으면서, 본 개시에서 투입 물질이라는 용어는 생산 프로세스 동안 투입 물질이 그러한 중간 처리 물질 또는 유도체 물질로 변환된 경우를 또한 지칭하는 데 사용될 수 있다. 예를 들어, 화학 성분의 혼합물 형태인 투입 물질의 배치는 화학 반응을 유도하기 위해 배치가 가열되는 컨베이어 벨트 상의 업스트림 구역을 통과했을 수 있다. 그 결과, 투입 물질이 다운스트림 구역에 진입할 때, 업스트림 구역을 나온 직후 또는 다른 구역을 통과간 후에, 그 물질은 투입 물질과 특성이 다른 유도체 물질이 되었을 수 있다. 그러나, 전술한 바와 같이, 이러한 유도체 물질은 적어도 이러한 중간 처리 물질과 투입 물질 사이의 관계가 생산 프로세스를 통해 정의되고 결정될 수 있기 때문에, 여전히 투입 물질로 불릴 수 있다. 더욱이, 다른 경우에, 예를 들어, 업스트림 구역이 단순히 투입 물질을 건조시키거나 또는 이를 필터링하여 원치않는 물질의 흔적을 제거하는 경우, 투입 물질은 업스트림 구역 또는 다른 구역을 지나간 후에도 여전히 기본적으로 유사한 특성을 유지할 수 있다. 따라서, 당업자는 중간 구역 내의 투입 물질이 유도체 물질로 변환될 수도 변환되지 않을 수도 있음을 이해할 것이다.
일부 경우에, 업스트림 구역과 다운스트림 구역 사이에 하나 이상의 중간 구역이 있을 수 있지만, 이러한 구역에 별도의 객체 식별자가 제공되지는 않는다. 본 출원인은 투입 물질 또는 유도체 물질이 다른 물질과 결합될 때 또는 투입 물질 또는 유도체 물질이 분할되거나 복수의 부분으로 나누어질 때 다운스트림 객체 식별자를 생성하는 것이 바람직한 것을 알게 되었다. 또는 보다 일반적으로, 객체 식별자를 제공한 후에, 다운스트림 객체 식별자 또는 임의의 다른 객체 식별자의 생성은 물질의 질량 흐름이 변하는 구역에서만 행해질 수 있다. 질량 흐름 변화는 새로운 물질을 투입 물질이나 유도체 물질에 추가 또는 혼합 및/또는 투입 물질이나 유도체 또는 중간 처리 물질로부터 물질을 제거 또는 분할한 결과로 생긴 질량의 변화일 수 있다. 예를 들어, 일부 경우에 생산 동안 화학 반응으로 인해 수분이 제거되거나 기체가 방출되어 생긴 질량의 변화는 제2 또는 추가적인 객체 식별자를 트리거하는 사건으로부터 제외될 수 있다. 특히 투입 물질의 질량의 실질적인 변화가 없는 구역에서, 추가적인 객체 식별자는 제공되지 않을 수 있다. 질량의 "실질적인 변화"에 대한 한계를 특정하는 것은 여기서 필수적이지 않은데, 그 이유는 당업자는 이것이 다른 요인들 보다도 투입 물질 및/또는 제조되는 화학 제품의 유형에 의존할 수 있다는 것을 알고 있기 때문이다. 예를 들면, 어떤 경우에는 20% 이상의 질량의 변화가 실질적인 것으로 고려될 수 있지만, 다른 경우에는, 5% 이상이, 또는 어떤 경우에는 1% 이상이, 또는 아마도 훨씬 더 낮은 %의 값이 실질적인 것으로 고려될 수도 있다. 예를 들어, 고가의 제품의 경우, 덜 고가의 다른 제품에 비해 보다 작은 변화가 중대한 것으로 고려될 수 있다.
일부 예로서, 예컨대, 업스트림 장비 구역 이후의 장비 구역에서의 객체 식별자의 제공 또는 생성의 판단은, 장비 구역에서의 역혼합(backmixing)의 정도가 그 장비 구역에 앞선 구역에서의 패키지의 크기보다 작거나 또는 거의 비슷하면 새로운 객체 식별자를 제공하지 않는 것, 장비 구역에서의 역혼합의 정도가 그 장비 구역에 앞선 구역에서의 패키지의 크기보다 더 크면 새로운 객체 식별자를 제공하는 것, 하나 이상의 이송 시스템이나 요소를 포함하는 이송 구역인 장비 구역에서는 새로운 객체 식별자를 제공하지 않는 것, 장비 구역이 그 구역에서 물질의 분리를 포함하고 하나 이상의 구성요소가 물질의 분리된 구성요소이면 이들 하나 이상의 구성요소에 대해 새로운 객체 식별자를 제공하는 것, 장비 구역이 물질을 적어도 하나의 패키지에 채워넣거나 패키징하는 것을 포함하고 각 패키지가 하나 이상의 화학 제품을 포함하면 그 장비 구역에서 적어도 하나의 새로운 객체 식별자를 제공하는 것 중 어느 하나에 기초할 수 있다.
임의의 계산된 상태는 장비와 관련될 수 있다. 예를 들어, 특정 구역에서 수집된 물질의 양을 계산할 수 있다. 예를 들어, 수집 구역 또는 충진 구역에서, 서브세트는 구역과 관련된 하나 이상의 상태를 계산하는 데 사용될 수 있으며, 상태는 수집된 물질 또는 화학 제품의 양, 충진 용량 및/또는 남은 용량 중 임의의 하나 이상이 될 수 있다. 장비 상태는 서브세트에서 유도될 수 있는 장비와 관련된 가변 특성 또는 파라미터일 수 있다. 이것은 그러한 상태를 모니터링하기 위한 물리적 센서 또는 기구를 갖는 요구사항을 제거할 수 있다는 것이 이해될 것이다. 상태는 화학 제품 생산에 사용되는 촉매의 건강상태와도 관련될 수 있다.
논의된 바와 같이, 투입 물질, 유도체 물질 또는 화학 제품의 샘플이 분석을 위해 수집되는 경우, 이러한 샘플은 샘플 객체 식별자도 구비할 수 있다. 샘플 객체 식별자는 원칙적으로 본 개시에서 논의된 객체 식별자와 유사할 수 있고 따라서 논의된 바와 같이 관련 대응 프로세스 데이터가 첨부된다. 따라서, 샘플에는 해당 샘플의 특성과 관련된 생산 프로세스의 정확한 스냅샷도 디지털적으로 첨가될 수 있다. 따라서 분석 및 품질 관리 제어를 더욱 향상시킬 수 있다. 또한, 생산 프로세스는, 예를 들어, 하나 이상의 ML 모델의 향상된 훈련을 기반으로 시너지 효과를 내면서 개선될 수 있다.
또 다른 양상에 따르면, 생산 프로세스가 예를 들어, 컨베이어 시스템과 같은 이송 요소를 사용하여 구역 내에 또는 구역들 사이에서 물리적으로 이송되거나, 흐르거나, 이동되는 투입 물질을 포함할 때, 실시간 프로세스 데이터는 이송 요소의 속도 및/또는 생산 프로세스 동안 투입 물질이 이송되는 속도를 나타내는 데이터를 또한 포함할 수 있다. 속도는 하나 이상의 센서를 통해 직접 제공될 수 있고/있거나 예를 들어, 구역에 진입하는 시간과 구역에서 나가는 시간 또는 해당 구역에 이어 다른 구역에 진입하는 시간을 사용하여 예컨대, 실시간 프로세스 데이터를 통해 이동 유형 측정 시간에 기초하여 컴퓨팅 유닛을 통해 계산될 수 있다. 따라서 객체 식별자는 구역에서의 처리 시간 양상, 특히 화학 제품의 하나 이상의 성능 파라미터 및/또는 하나 이상의 상태에 영향을 줄 수 있는 것들로 더욱 보강될 수 있다. 또한, 출입 또는 후속 구역 진입의 타임 스탬프를 사용하여, 이송 요소용 속도 측정 센서 또는 디바이스의 요구사항을 제거할 수 있다.
또 다른 양상에 따르면, 각각의 객체 식별자는 고유 식별자, 바람직하게는 전역 고유 식별자("GUID")를 포함한다. 적어도 화학 제품의 추적은 화학 제품의 각 가상 패키지에 GUID를 추가함으로써 향상될 수 있다. GUID를 통해, 시계열 데이터와 같은 프로세스 데이터의 데이터 관리도 감소할 수 있으며, 가상/물리적 패키지, 생산 이력 및 품질 관리 이력 사이의 직접적인 상관이 가능해질 수 있다.
ML 모델에 관해 논의된 바와 같이, 일 양상에 따르면, ML 모델은 객체 식별자, 바람직하게는 복수의 객체 식별자로부터의 데이터에 기초하여 훈련될 수 있다. 훈련 데이터는 또한 과거 및/또는 현재 실험실 테스트 데이터, 또는 유도체 물질 및/또는 화학 제품의 과거 및/또는 최근 샘플로부터의 데이터를 포함할 수 있다.
앞서 논의한 이전 ML 모델의 이점 외에도, 생산 라인의 구역을 기반으로 훈련된 모델을 사용하면 물질을 보다 자세히 추적할 수 있고 이들 각각의 성능 파라미터 및/또는 상태와 화학 제품 성능 파라미터도 예측할 수 있다.
배치 생산과 같은 생산 시나리오에서는 이러한 모델이 사용되어 온 더 플라이로 모니터링함으로써 생산 프로세스가 보다 효율적이고 투명하게 하고 생산된 화학 제품뿐만 아니라 임의의 유도체 물질에 대해서도 품질 관리 문제를 표시할 수 있다.
따라서, 장비 구역들 중 임의의 것 또는 각각은 개별 ML 모델을 통해 모니터링 및/또는 제어될 수 있으며, 개별 ML 모델은 해당 구역의 각각의 객체 식별자로부터의 데이터에 기초하여 훈련된다.
일 양상에 따르면, 구역에 대한 각각의 객체 식별자의 제공은, 투입 물질의 특성을 나타내는 값 중 임의의 하나 이상 및/또는 장비 작동 조건의 값 중 임의의 하나 이상 및/또는 사전정의된 임계값에 도달하거나, 이를 충족하거나 또는 넘는 프로세스 파라미터의 값 중 임의의 하나 이상에 응답하여 발생하거나 트리거될 수 있다. 임의의 이러한 값은 하나 이상의 센서 및/또는 스위치를 통해 측정될 수 있다. 예를 들어, 사전정의된 임계값은 장비에서 도입되는 투입 물질의 중량 값과 관련될 수 있다. 따라서, 장비에서 수신되는 투입 물질의 중량과 같은 양이 중량 임계값과 같은 사전정의된 양 임계값에 도달할 때, 트리거 신호가 생성될 수 있다. 객체 식별자를 제공하기 위한 트리거링 이벤트 또는 발생의 소정 예는 본 개시의 앞에서도 논의되었다. 트리거 신호에 응답하여 또는 양 또는 중량이 사전정의된 중량 임계값에 도달하는 것에 직접 응답하여, 객체 식별자가 제공될 수 있다. 트리거 신호는 별도의 신호일 수도 있고, 또는 예를 들어, 컴퓨팅 유닛 및/또는 장비를 통해 검출된 임계값과 같은 사전정의된 기준을 충족하는 특정 신호와 같은 이벤트일 수도 있다. 따라서, 투입 물질의 양이 사전정의된 양 임계값에 도달하는 것에 응답하여 객체 식별자가 제공될 수 있음을 또한 이해할 것이다. 양은 앞의 예에서 설명한 대로 중량으로서 측정될 수 있고/있거나 레벨, 충진 또는 충진 정도 또는 부피와 같은 및/또는 합산하거나 투입 물질의 질량 흐름에 적분을 적용함으로써 임의의 하나 이상의 다른 값일 수 있다.
따라서, 예를 들어, 업스트림 객체 식별자는 트리거 이벤트 또는 신호에 응답하여 제공될 수 있으며, 이 이벤트 또는 신호는 바람직하게는 장비 또는 업스트림 장비 구역을 통해 제공된다. 이는 업스트림 장비에 동작 가능하게 결합된 하나 이상의 센서 및/또는 스위치 중 임의의 것의 출력에 응답하여 수행될 수 있다. 트리거 이벤트 또는 신호는 투입 물질의 양(quantity)의 값, 예를 들어, 사전결정된 양의 임계값에 도달하거나 충족하는 양의 값의 발생과 관련될 수 있다. 이 발생은 컴퓨팅 유닛 및/또는 업스트림 장비를 통해, 예를 들어, 하나 이상의 중량 센서, 레벨 센서, 충진 센서, 또는 투입 물질의 양을 측정하거나 검출할 수 있는 임의의 적합한 센서를 사용하여 검출될 수 있다.
객체 식별자를 제공하기 위한 트리거로서 양을 사용하는 이점은 생산 프로세스 동안 물질의 양의 임의의 변화가 본 교시에서 설명한 바와 같이 추가의 하나 이상의 객체 식별자를 제공하기 위한 트리거로서 사용될 수 있다는 것이다. 본 출원인은 이것이 하나 이상의 화학 제품을 처리하거나 생산하기 위한 산업 환경에서 상이한 객체 식별자의 생성을 분할하는 최적의 방법을 제공하여 기본적으로 전체 생산 체인에 걸쳐 그리고 일부 경우에는 이를 넘어 양 또는 질량 흐름을 설명하면서 투입 물질, 임의의 유도체 물질 및 결국 화학 제품도 추적될 수 있음을 알게 되었다. 예컨대, 새로운 물질이 도입 또는 투입될 때 물질 양이 변하거나 물질이 분리되는 포인트에만 객체 식별자를 제공함으로써, 생산 종료 포인트에서뿐만 아니라 그 내부에서도 물질의 추적 가능성을 유지하면서 객체 식별자의 수를 최소화할 수 있다. 새로운 물질이 추가되지 않거나 물질이 분리되지 않는 장비 또는 생산 구역 내에서, 이러한 구역 내의 프로세스에 대한 지식을 사용하여 2개의 인접한 객체 식별자 내에서 관찰 가능성을 유지할 수 있다.
다른 관점에서 볼 때, 산업 플랜트의 생산 프로세스를 모니터링 및/또는 제어 및/또는 최적화 및/또는 개선하기 위해 본 명세서에 개시된 임의의 하나 이상의 방법에서 생성된 바와 같은 적어도 하나의 상태 중 임의의 것의 사용도 제공될 수 있다. 이러한 상태의 다양한 장점은 이전에 논의되었으며, 예를 들어, 방법 양상에 따라 계산된 상태는 화학 제품이 최적화된 방식으로 생산되도록 할 수 있다. 상태는 생산 프로세스를 모니터링 및/또는 모니터링하는 데 사용될 수 있다.
다른 관점에서 볼 때, 생산 프로세스를 모니터링 및/또는 제어 및/또는 개선하기 위한 시스템이 또한 제공될 수 있는데, 이 시스템은 본 명세서에 개시된 임의의 방법을 수행하도록 구성된다. 또는 적어도 하나의 장비를 통해 적어도 하나의 투입 물질을 처리함으로써 산업 플랜트에서 화학 제품을 제조하기 위한 생산 프로세스를 모니터링 및/또는 제어 및/또는 개선하는 시스템이 제공되는데, 이 시스템은 하나 이상의 컴퓨팅 유닛을 포함하고, 시스템은 본 명세에 개시된 방법들 중 어느 하나를 수행하도록 구성된다.
예를 들어, 적어도 하나의 장비를 통해 적어도 하나의 투입 물질을 처리함으로써 산업 플랜트에서 화학 제품을 제조하기 위한 생산 프로세스를 모니터링 및/또는 제어 및/또는 개선하는 시스템이 제공될 수 있는데, 시스템은 하나 이상의 컴퓨팅 유닛을 포함하고, 시스템은,
- 입력 인터페이스를 통해, 장비로부터 실시간 프로세스 데이터를 수신하고,
- 컴퓨팅 유닛 중 임의의 컴퓨팅 유닛을 통해, 실시간 프로세스 데이터의 서브세트를 결정하고 - 실시간 프로세스 데이터의 서브세트는 투입 물질이 처리되는 장비 작동 조건 및/또는 프로세스 파라미터를 나타냄 - ,
- 실시간 프로세스 데이터의 서브세트의 적어도 일부를 사용하여, 투입 물질 및/또는 장비와 관련된 적어도 하나의 상태를 계산하도록 구성된다.
다른 관점에서 볼 때, 명령어가 임의의 하나 이상의 적합한 컴퓨팅 유닛에 의해 실행될 때 컴퓨팅 유닛으로 하여금 본 명세서에 개시된 임의의 방법을 수행하게 하는 명령어를 포함하는 컴퓨터 프로그램이 또한 제공될 수 있다. 임의의 하나 이상의 적합한 컴퓨팅 유닛이 본 명세서에 개시된 임의의 방법 단계를 실행하게 하는 프로그램을 저장하는 비일시적 컴퓨터 판독가능 매체도 제공될 수 있다.
예를 들어, 명령어를 포함하는 컴퓨터 프로그램 또는 프로그램을 저장하는 비일시적 컴퓨터 판독가능 매체가 제공될 수 있는데, 명령어가 생산 프로세스를 사용하여 적어도 하나의 투입 물질을 처리함으로써 산업 플랜트에서 화학 제품을 제조하기 위한 적어도 하나의 장비에 동작가능하게 결합된 임의의 하나 이상의 적절한 컴퓨팅 유닛에 의해 실행될 때, 컴퓨팅 유닛 중 임의의 컴퓨팅 유닛으로 하여금,
- 입력 인터페이스를 통해, 장비로부터 실시간 프로세스 데이터를 수신하게 하고,
- 실시간 프로세스 데이터의 서브세트를 결정하게 하며 - 실시간 프로세스 데이터의 서브세트는 투입 물질이 처리되는 장비 작동 조건 및/또는 프로세스 파라미터를 나타냄 - ,
- 실시간 프로세스 데이터의 서브세트의 적어도 일부를 사용하여, 투입 물질 및/또는 장비와 관련된 적어도 하나의 상태를 계산하게 한다.
컴퓨터 판독가능 데이터 매체 또는 캐리어는 본 명세서에 설명된 방법 또는 기능 중 임의의 하나 이상을 구현하는 하나 이상의 명령어 세트(예컨대, 소프트웨어)가 저장된 임의의 적합한 데이터 저장 디바이스를 포함한다. 명령어는 컴퓨터 판독가능 저장 매체를 구성할 수 있는 컴퓨팅 유닛, 주 메모리 및 처리 디바이스에 의해 실행되는 동안 주 메모리 및/또는 프로세서 내에 완전히 또는 적어도 부분적으로 상주할 수도 있다. 명령어는 또한 네트워크 인터페이스 디바이스를 거쳐 네트워크를 통해 송신되거나 수신될 수 있다.
본 명세서에 기술된 하나 이상의 실시예를 구현하기 위한 컴퓨터 프로그램은 다른 하드웨어와 함께 또는 그 일부로서 공급되는 광학 저장 매체 또는 고체 상태 매체와 같은 적절한 매체에 저장 및/또는 배포될 수 있지만, 인터넷이나 다른 유선 또는 무선 원격통신 시스템과 같은 다른 형태로도 배포될 수 있다. 그러나, 컴퓨터 프로그램은 월드 와이드 웹과 같은 네트워크를 통해 제공될 수도 있으며 이러한 네트워크로부터 데이터 프로세서의 작업 메모리로 다운로드될 수 있다.
또한, 컴퓨터 프로그램 제품을 다운로드할 수 있도록 하기 위한 데이터 캐리어 또는 데이터 저장 매체도 제공될 수 있으며, 컴퓨터 프로그램 제품은 본 명세서에 개시된 임의의 양상에 따른 방법을 수행하도록 구성된다.
다른 관점에서 볼 때, 본 명세서에 개시된 방법을 수행하기 위한 컴퓨터 프로그램 코드를 포함하는 컴퓨팅 유닛이 또한 제공될 수 있다. 또한, 본 명세서에 개시된 방법을 수행하기 위한 컴퓨터 프로그램 코드를 포함하는 메모리 저장소에 동작 가능하게 결합된 컴퓨팅 유닛이 제공될 수 있다.
2개 이상의 구성요소가 "동작 가능하게" 결합되거나 연결된다는 것은 당업자에게 명백할 것이다. 비제한적인 방식으로, 이는 적어도 예를 들어, 인터페이스 또는 임의의 다른 적합한 인터페이스를 통해 결합되거나 연결된 구성요소 사이에 통신 연결이 있을 수 있음을 의미한다. 통신 연결은 고정되거나 제거 가능할 수 있다. 또한, 통신 연결은 단방향이거나 양방향일 수 있다. 또한, 통신 연결은 유선 및/또는 무선일 수 있다. 몇몇 경우에, 통신 연결은 제어 신호를 제공하는 데에도 사용될 수 있다.
이 맥락에서 "파라미터"는 온도, 방향, 위치, 양, 밀도, 중량, 색상, 수분, 속도, 가속도, 변화율, 압력, 힘, 거리, pH, 농도 및 조성과 같은 임의의 관련 물리적 또는 화학적 특성 및/또는 그 측정치를 지칭한다. 파라미터는 소정 특성의 유무를 지칭할 수도 있다.
"액추에이터"는 머신과 같은 장비와 관련된 메커니즘을 직간접적으로 이동시키고 제어하는 역할을 하는 임의의 구성요소를 지칭한다. 액추에이터는 밸브, 모터, 드라이브 등일 수 있다. 액추에이터는 전기식으로, 유압식으로, 공압식으로 또는 이들의 조합 중 임의의 것으로 작동할 수 있다.
"컴퓨터 프로세서"는 컴퓨터 또는 시스템의 기본 작동을 수행하도록 구성된 임의의 로직 회로부 및/또는 일반적으로 계산 또는 로직 연산을 수행하도록 구성된 디바이스를 지칭한다. 특히, 처리 수단 또는 컴퓨터 프로세서는 컴퓨터 또는 시스템을 구동하는 기본 명령어를 처리하도록 구성될 수 있다. 예로서, 처리 수단 또는 컴퓨터 프로세서는 적어도 하나의 산술 로직 유닛("ALU"), 수학 코프로세서 또는 수치 코프로세서와 같은 적어도 하나의 부동 소수점 유닛("FPU)", 복수의 레지스터, 구체적으로 피연산자를 ALU에 공급하고 연산 결과를 저장하도록 구성된 레지스터, 및 L1 및 L2 캐시 메모리와 같은 메모리를 포함할 수 있다. 특히, 처리 수단 또는 컴퓨터 프로세서는 멀티코어 프로세서일 수 있다.
구체적으로, 처리 수단 또는 컴퓨터 프로세서는 중앙 처리 장치("CPU")일 수 있거나 이를 포함할 수 있다. 처리 수단 또는 컴퓨터 프로세서는 복합 명령어 세트 컴퓨팅("CISC") 마이크로프로세서, 축소 명령어 세트 컴퓨팅("RISC") 마이크로프로세서, 긴 명령어 워드("VLIW") 마이크로프로세서, 또는 다른 명령어 세트를 구현하는 프로세서 또는 명령어 세트의 조합을 구현하는 프로세서일 수 있다. 처리 수단은 또한 주문형 집적 회로("ASIC"), 필드 프로그래머블 게이트 어레이("FPGA"), 복합 프로그래머블 로직 디바이스("CPLD"), 디지털 신호 프로세서("DSP"), 네트워크 프로세서 등과 같은 하나 이상의 특수 목적 처리 디바이스일 수도 있다. 본 명세서에 기술된 방법, 시스템 및 디바이스는 DSP, 마이크로컨트롤러 또는 임의의 다른 사이드 프로세서의 소프트웨어로서 또는 ASIC, CPLD 또는 FPGA 내의 하드웨어 회로로서 구현될 수 있다. 처리 수단 또는 프로세서라는 용어는 또한 복수의 컴퓨터 시스템(예컨대, 클라우드 컴퓨팅)에 걸쳐 배치된 처리 디바이스의 분산 시스템과 같은 하나 이상의 처리 디바이스를 지칭할 수 있으며, 달리 명시되지 않는 한 단일 디바이스로 제한되지 않음을 이해해야 한다.
"컴퓨터 판독가능 데이터 매체" 또는 캐리어는 본 명세서에 설명된 방법 또는 기능 중 임의의 하나 이상을 구현하는 하나 이상의 명령어 세트(예컨대, 소프트웨어)가 저장된 임의의 적합한 데이터 저장 디바이스 또는 컴퓨터 판독가능 메모리를 포함한다. 명령어는 컴퓨터 판독가능 저장 매체를 구성할 수 있는 컴퓨팅 유닛, 주 메모리 및 처리 디바이스에 의해 실행되는 동안 주 메모리 및/또는 프로세서 내에 완전히 또는 적어도 부분적으로 상주할 수도 있다. 명령어는 또한 네트워크 인터페이스 디바이스를 거쳐 네트워크를 통해 송신되거나 수신될 수 있다.
본 교시의 소정 양상은 이 양상을 예를 들어 설명하는 다음 도면을 참조하여 이제 논의될 것이다. 현재 교시의 일반성은 이에 의존하지 않기 때문에, 도면은 축척에 맞지 않을 수 있다. 도면에 도시된 소정 특징은 본 교시의 일반성에 영향을 미치지 않고 이해를 위해 물리적 특징과 함께 도시된 논리적 특징일 수 있다.
도 1은 본 교시에 따른 시스템의 소정 양상을 도시한다.
도 2는 본 교시에 따른 방법 양상을 도시한다.
도 3은 조합된 블록/흐름도를 통해 본 교시에 따른 시스템 및 대응하는 방법의 제1 실시예를 도시한다.
도 4는 조합된 블록/흐름도를 통해 본 교시에 따른 시스템 및 대응하는 방법의 제2 실시예를 도시한다.
도 5는 조합된 블록/흐름도를 통해 본 교시에 따른 시스템 및 대응하는 방법의 제3 실시예를 도시한다.
도 6은 제조 또는 생산 프로세스 동안 투입 물질이 진행되는 복수의 장비 디바이스 및 이에 따른 복수의 장비 구역을 포함하는 산업 플랜트 또는 플랜트의 클러스터의 토폴로지 구조를 나타내는 그래프 기반 데이터베이스 배열의 제1 실시예를 도시한다.
도 7은 도 6에 도시된 바와 같은 그래프 기반 데이터베이스 배열의 제2 실시예를 도시한다.
도 8은 머신 러닝(ML) 프로세스가 클라우드에서 구현되는, 조합된 블록/흐름도를 통해 클라우드 컴퓨팅 플랫폼을 사용하는 본 교시에 따른 시스템 및 대응하는 방법의 다른 실시예를 도시한다.
도 1은 본 교시에 따른 시스템의 소정 양상을 도시한다.
도 2는 본 교시에 따른 방법 양상을 도시한다.
도 3은 조합된 블록/흐름도를 통해 본 교시에 따른 시스템 및 대응하는 방법의 제1 실시예를 도시한다.
도 4는 조합된 블록/흐름도를 통해 본 교시에 따른 시스템 및 대응하는 방법의 제2 실시예를 도시한다.
도 5는 조합된 블록/흐름도를 통해 본 교시에 따른 시스템 및 대응하는 방법의 제3 실시예를 도시한다.
도 6은 제조 또는 생산 프로세스 동안 투입 물질이 진행되는 복수의 장비 디바이스 및 이에 따른 복수의 장비 구역을 포함하는 산업 플랜트 또는 플랜트의 클러스터의 토폴로지 구조를 나타내는 그래프 기반 데이터베이스 배열의 제1 실시예를 도시한다.
도 7은 도 6에 도시된 바와 같은 그래프 기반 데이터베이스 배열의 제2 실시예를 도시한다.
도 8은 머신 러닝(ML) 프로세스가 클라우드에서 구현되는, 조합된 블록/흐름도를 통해 클라우드 컴퓨팅 플랫폼을 사용하는 본 교시에 따른 시스템 및 대응하는 방법의 다른 실시예를 도시한다.
도 1은 산업 플랜트에서 화학 제품(170)을 제조하기 위한 생산 프로세스를 모니터링 및/또는 제어 및/또는 개선하기 위한 시스템(168)의 예를 도시한다. 방법 양상의 적어도 일부는 또한 다음 논의에서 이해될 것이다. 산업 플랜트는 생산 프로세스를 사용하여 화학 제품(170)을 제조 또는 생산하기 위한 복수의 장비 구역 또는 적어도 하나의 장비를 포함한다. 화학 제품(170)은 임의의 형태, 예를 들어, 의약품, 발포체, 영양제, 농산물 또는 전구체일 수 있다. 예를 들어, 화학 제품(170)은 과립 형태의(in granular form) 열가소성 폴리우레탄일 수 있다. 화학 제품(170)은 여러 묶음으로 있을 수 있는데, 예를 들면, 각각 10kg의 패키지로 있을 수도 있다. 본 교시는 생산 프로세스를 모니터링 및/또는 제어 및/또는 개선하는 데 사용될 수 있는 투입 물질 및/또는 장비와 관련된 적어도 하나의 상태를 계산할 수 있게 한다. 따라서 계산된 상태는 생산 프로세스를 모니터링 및/또는 제어 및/또는 개선하는 데 사용 가능하거나 적합하다.
이러한 화학 제품의 특성으로 인해, 이들은 생산 체인에서 추적하기 어려울 수 있다. 그러나, 각 구성요소, 예컨대, 각 유닛 또는 패키지 또는 내부 부품도 일관되고 원하는 특성 또는 품질을 갖는다는 것을 보장하는 것이 중요할 수 있다. 본 교시의 적어도 일부 양상은 그것을 가능하게 할 수 있다. 또한 상태를 쉽게 다시 참조하고 향후 프로세스 개선을 위한 이력 데이터로도 사용할 수 있는 추적 가능한 방식으로 계산된 상태를 온 더 플라이로 보존할 수 있게 한다.
장비는, 예를 들어, 업스트림 장비 구역의 일부일 수 있는 호퍼 또는 믹싱 팟(104)으로서 장비 구역을 포함하는 것으로 도 1에 도시되어 있다. 믹싱 팟(104)은, 단일 물질일 수 있거나 또는 예를 들어 메틸렌 디페닐 디이소시아네이트("MDI") 및/또는 폴리테트라히드로푸란("PTHF")과 같은 다수 성분을 포함할 수 있는 투입 물질을 수용한다. 여기서는 투입 물질이 두 부분에 수용되는데, 이들은 제각기 제1 밸브(112a) 및 제2 밸브(112b)를 통해 믹싱 팟(104)에 공급되는 것으로 도시된다. 제1 밸브(112a) 및 제2 밸브(112b)도 업스트림 장비 구역에 속할 수 있다.
선택적이지만 바람직한 양상에 따르면, 객체 식별자, 또는 이 경우 업스트림 객체 식별자(122)가 투입 물질(114)에 대해 제공되는 것으로 도시된다. 업스트림 객체 식별자(122)는 고유 식별자, 바람직하게는 다른 객체 식별자와 구별가능한 전역적 고유 식별자("GUID")일 수 있다. GUID는 특정 산업 플랜트의 세부사항 및/또는 제조되는 화학 제품(170)의 세부사항 및/또는 날짜 및 시간의 세부사항, 및/또는 사용되는 특정 투입 물질의 세부사항에 따라 제공될 수 있다. 업스트림 객체 식별자(122)는 메모리 저장소(128)에서 제공되는 것으로 도시되어 있다. 메모리 저장소(128)는 컴퓨팅 유닛(124)에 동작가능하게 결합된다. 이 예에서, 하나 이상의 컴퓨팅 유닛은 단일 컴퓨팅 유닛으로 도시된다. 메모리 저장소(128)는 심지어 컴퓨팅 유닛(124)의 일부일 수도 있다. 메모리 저장소(128) 및/또는 컴퓨팅 유닛(124)은 적어도 부분적으로 클라우드 서비스의 일부일 수 있다.
컴퓨팅 유닛(124)은, 예를 들어 임의의 적절한 종류의 데이터 전송 매체일 수 있는 네트워크(138)를 통해, 업스트림 장비 구역 또는 업스트림 장비 구역에 속하는 장비에 동작가능하게 결합된다. 컴퓨팅 유닛(124)은, 플랜트 내 장비의 일부일 수도 있는데, 예를 들면 적어도 부분적으로 업스트림 장비 구역의 일부일 수도 있다. 컴퓨팅 유닛(124)은 적어도 부분적으로 DCS 및/또는 PLC와 같은 플랜트 제어 시스템일 수도 있다. 컴퓨팅 유닛(124)은 업스트림 장비에 동작가능하게 결합된 하나 이상의 센서로부터 하나 이상의 신호를 수신할 수 있다. 예를 들어, 컴퓨팅 유닛(124)은 충진 센서(144) 및/또는 이송 요소(102a-b)와 관련된 하나 이상의 센서로부터 하나 이상의 신호를 수신할 수 있다. 이들 센서는 업스트림 장비 구역의 일부이기도 하다. 컴퓨팅 유닛(124)은 적어도 부분적으로 업스트림 장비 구역 또는 이의 몇몇 부분을 제어할 수 있다. 예를 들어, 컴퓨팅 유닛(124)은, 예를 들어, 제각기의 액추에이터를 통해 밸브(112a,b) 및/또는 히터(118) 및/또는 이송 요소(102a-b)를 제어할 수 있다. 도 1의 예에서 이송 요소(102a,b) 및 기타 요소는 하나 이상의 모터 및 이들 모터를 통해 구동되는 벨트를 포함할 수 있는 컨베이어 시스템으로서 보여지며, 이는 투입 물질(114)이 벨트를 통해 벨트의 횡 방향(120)으로 이송되게 이동한다.
본 교시의 범위 또는 일반성에 영향을 미치지 않으면서, 다른 종류의 이송 요소가 컨베이어 시스템과 함께 또는 대신에 사용될 수도 있다. 몇몇 경우에, 물질의 흐름, 예컨대, 하나 이상의 물질 유입 및 하나 이상의 물질 유출을 포함하는 임의의 종류의 장비를 이송 요소라고 할 수 있다. 따라서, 컨베이어 시스템, 벨트, 도관 또는 레일 외에, 압출기, 펠리타이저, 열 교환기, 버퍼 사일로, 믹서가 있는 사일로, 믹서, 믹싱 용기, 커팅 밀, 더블 콘 블렌더, 경화 튜브, 컬럼, 분리기, 추출, 박막 기화기, 필터, 체와 같은 장비도 이송 요소라고 할 수 있다. 따라서, 적어도 어떤 경우에는 물질이 질량 흐름을 통해 한 장비에서 다른 장비로 직접 이동하거나 한 장비를 통해 다른 장비로 정상적인 흐름으로서 이동할 수 있기 때문에 컨베이어 시스템으로서 이송 시스템의 존재는 선택적일 수 있음을 이해할 것이다. 예를 들어, 물질은 열 교환기에서 분리기로 직접 이동하거나 심지어 예컨대, 컬럼 등으로 이동할 수 있다. 따라서, 어떤 경우에는 하나 이상의 이송 요소 또는 시스템이 장비에 고유할 수 있다.
업스트림 객체 식별자(122)로서 여기에 도시된 객체 식별자는 투입 물질의 양과 관련된 신호 또는 이벤트일 수 있는 트리거 신호 또는 이벤트에 응답하여 제공될 수 있다. 예컨대, 충진 센서(144)는 투입 물질의 충진 정도 및/또는 중량과 같은 적어도 하나의 양의 값을 검출하는 데 사용될 수 있다. 양이 사전결정된 임계값에 도달할 때, 컴퓨팅 유닛(124)은 메모리 저장소(128)에서 제1 업스트림 객체 식별자(122)를 자동으로 제공할 수 있다. 업스트림 객체 식별자(122)는 투입 물질과 관련된 데이터 또는 투입 물질 데이터를 포함한다. 투입 물질 데이터는 투입 물질의 하나 이상의 특성을 나타낸다.
몇몇 경우에, 컴퓨팅 유닛(124)은 입력 인터페이스를 통해 산업 플랜트의 모든 장비 또는 장비 구역으로부터 프로세스 데이터를 수신할 수 있다. 컴퓨팅 유닛(124)은 예컨대, 구역 존재 신호 및/또는 업스트림 객체 식별자에 기초하여 실시간 프로세스 데이터의 서브세트를 결정할 수 있다. 실시간 프로세스 데이터의 서브세트의 적어도 일부는 투입 물질(114) 및/또는 장비에 관련된 적어도 하나의 상태를 계산하는 데 사용된다. 계산된 상태 중 적어도 하나는 화학 제품(170)으로 변환하기 위해 투입 물질(114)이 겪는 화학 반응의 상태일 수 있다. 따라서, 일반 또는 평균 처리 파라미터에 의존하는 대신, 적어도 하나의 상태의 계산은 처리되는 투입 물질(114)의 실제 상태에 대한 보다 정확한 스냅샷을 제공할 수 있다. 예를 들어, 반응의 상태는 반응이 완료되었는지 여부 또는 화학 반응이 완료되기까지 얼마나 걸리는지 일 수 있다. 이것은 예를 들어 투입 물질(114)이 그 특정 구역, 예를 들어, 업스트림 장비 구역에서 예상되는 물질 또는 제품으로의 적절한 변형을 겪는 것을 보장하기 위해 생산 프로세스를 모니터링하고/하거나 생산 프로세스를 제어하는 데 사용될 수 있다. 따라서 생산 프로세스는 예를 들어, 투입 물질(114)의 생산 파라미터 또는 특성의 변화와 관계없이 보다 일관되게 만들어질 수 있다. 따라서, 적어도 하나의 상태의 계산은 바람직하게는 투입 물질 데이터를 사용하여 수행된다. 객체 식별자는 투입 물질 데이터가 사용 중인 특정 물질의 객체 식별자를 통해 매우 간단하게 제공될 수 있다는 점에서 추가적인 이점을 제공할 수 있다. 계산된 상태는 각각의 객체 식별자에 첨부될 수 있다. 예를 들어, 업스트림 장비 구역에서 계산되는 상태는 업스트림 객체 식별자(122)에 첨부될 수 있다. 이것은 상태 관련 데이터를 통합하는 것을 용이하게 할 수 있으며, 이는 본 교시에 따라 생산 중에 기본적으로 온 더 플라이로 효율적으로 캡슐화되는 것이다.
트리거 신호 또는 이벤트는 업스트림 장비 구역에 대한 구역 존재 신호를 생성하는 데에도 사용될 수 있다. 따라서 구역 존재 신호는 업스트림 장비 구역에서 투입 물질(114)의 처리와 관련된 프로세스 파라미터 및/또는 장비 작동 조건뿐만 아니라 실시간 프로세스 데이터에 포함된 프로세스 파라미터 및/또는 장비 작동 조건의 시간 양상을 결정하는 데에도 사용될 수 있다.
선택적으로, 컴퓨팅 유닛(124)은 화학 제품(170)과 관련된 적어도 하나의 성능 파라미터를 계산할 수도 있고, 이는 업스트림 객체 식별자(122)와 관련된다. 계산은 실시간 프로세스 데이터(126)의 서브세트를 기반으로 하며, 이 경우 업스트림 객체 식별자(122)에 선택적으로 추가된 것으로 도시된다. 계산은 또한 하나 이상의 이력 객체 식별자, 예컨대, 이력 업스트림 객체 식별자로부터의 데이터를 포함할 수 있는 이력 데이터에 기초한다. 각각의 이력 업스트림 객체 식별자는 예컨대, 과거에 업스트림 장비 구역에서 처리되었던 각각의 투입 물질과 관련된다. 적어도 하나의 이력 업스트림 객체 식별자에는 예컨대, 업스트림 장비 구역에서 이전에 처리된 투입 물질이 처리되었던 장비 작동 조건 및/또는 프로세스 파라미터를 나타내는 프로세스 데이터의 적어도 일부가 첨부된다. 이력 업스트림 객체 식별자 중 하나, 일부 또는 전부에 예컨대, 당시 계산되었던 적어도 하나의 이력 또는 과거 성능 파라미터 및/또는 상태가 첨부되었을 수도 있다.
적어도 상태 및/또는 성능 파라미터는, 예를 들어, 메타데이터로서 업스트림 객체 식별자(122)에 첨부되는 것으로 도시된다. 따라서, 업스트림 객체 식별자(122)는 계산되는 화학 제품(170)의 품질 및/또는 상태와 관련된 성능 파라미터로 보강된다. 따라서 예를 들어 품질 관련 데이터를 결과적인 화학 제품(170)과 결합함으로써 추적 가능성을 향상시키면서 품질 제어 프로세스가 단순화되고 향상될 수 있다.
업스트림 장비 구역으로부터의 실시간 프로세스 데이터(126)의 서브세트는 투입 물질(114)이 업스트림 장비 구역에 있었던 시간 윈도우 내의 데이터일 수 있고, 또는 시간 윈도우는 그저 투입 물질(114)이 믹싱 팟(104)을 통해 처리된 시간 정도로 훨씬 더 짧을 수 있다. 실시간 프로세스 데이터가 시간 윈도우를 결정하는 데 사용될 수 있다. 따라서, 업스트림 객체 식별자(122)는 실시간 프로세스 데이터의 시간-차원을 사용함으로써 관련성이 높은 데이터로 보강될 수 있다. 따라서, 객체 식별자는 생산 프로세스에서 물질을 추적하는 데뿐만 아니라 에지 컴퓨팅 및/또는 클라우드 컴퓨팅을 보다 효과적으로 만들 수 있는 고품질 데이터를 캡슐화하는 데 사용될 수 있다. 객체 식별자 데이터는 머신 러닝 모델의 빠른 교육 및 재교육에 매우 적합할 수 있다. 객체 식별자에 캡슐화된 데이터가 기존 데이터 세트보다 더 콤팩트할 수 있으므로 데이터 통합도 단순화할 수 있다.
실시간 프로세스 데이터(126)의 서브세트는 업스트림 장비 구역에서 프로세스 파라미터 및/또는 투입 물질이 처리되는 장비 작동 조건, 즉 믹싱 팟(104) 및 밸브(112a-b)의 작동 조건, 예를 들어, 유입 질량 흐름, 유출 질량 흐름, 충진 정도, 온도, 수분, 타임 스탬프 또는 진입 시간, 진출 시간 등 중 임의의 하나 이상을 나타낸다. 이 경우 장비 작동 조건은 밸브(112a,b) 및/또는 믹싱 팟(104)의 제어 신호 및/또는 설정 포인트일 수 있다. 실시간 프로세스 데이터(126)의 서브세트는 시계열 데이터이거나 이를 포함할 수 있으며, 이는 예를 들어 충진 센서(144)의 출력과 같은 하나 이상의 센서를 통해 얻을 수 있는 시간 의존적 신호를 포함할 수 있음을 의미한다. 시계열 데이터는 연속적인 신호를 포함할 수 있거나 이들 중 임의의 것이 규칙적이거나 불규칙한 시간 간격으로 간헐적일 수 있다. 실시간 프로세스 데이터(126)의 서브세트는 믹싱 팟(104)으로부터 하나 이상의 타임 스탬프, 예를 들어 진입 시간 및/또는 진출 시간을 포함할 수도 있다. 따라서, 특정 투입 물질(114)은 업스트림 객체 식별자(122)를 통해 그 투입 물질(114)과 관련된 실시간 프로세스 데이터(126)의 서브세트와 연관될 수 있다. 업스트림 객체 식별자(122)는 특정 프로세스 데이터 및/또는 장비 작동 조건이 특정 화학 제품과 상관될 수 있도록 생산 프로세스의 다른 객체 식별자 다운스트림에 첨부될 수 있다. 다른 중요한 이점은 본 개시의 다른 부분, 예를 들어, 요약 섹션에서 이미 논의되었다.
이송 요소(102a,b) 및 관련 벨트를 포함하는 컨베이어 시스템이 업스트림 장비 구역의 다운스트림 방향에 있는 중간 장비 구역으로 간주될 수 있다. 이 예에서 중간 장비 구역은 벨트를 가로지르는 투입 물질에 열을 가하는 데 사용되는 히터(118)를 포함한다. 컨베이어 시스템은 하나 이상의 센서, 예를 들어 속도 센서, 중량 센서, 온도 센서 또는 중간 장비 구역에서 투입 물질(114)의 프로세스 파라미터 및/또는 특성을 측정하거나 검출하기 위한 임의의 다른 종류의 센서 중 임의의 하나 이상을 포함할 수도 있다. 센서의 일부 또는 모든 출력은 컴퓨팅 유닛(124)에 제공될 수 있다.
투입 물질(114)이 횡 방향(120)을 따라 진행함에 따라, 히터(118)를 통해 열이 가해지며, 여기서는 유도체 물질(116)로 표시된다. 히터(118)는 컴퓨팅 유닛(124)에 동작가능하게 결합될 수 있으며, 즉, 컴퓨팅 유닛(124)은 히터(118)로부터 신호 또는 실시간 프로세스 데이터를 수신할 수 있다. 또한, 히터(118)는 컴퓨팅 유닛(124)을 통해, 예를 들어, 하나 이상의 제어 신호 및/또는 설정 포인트를 통해 제어될 수도 있다. 유사하게, 이송 요소(102a,b) 및 관련 벨트를 포함하는 컨베이어 시스템은 또한 컴퓨팅 유닛(124)에 동작가능하게 결합될 수 있는데, 즉, 컴퓨팅 유닛(124)은 이송 요소(102a,b)로부터 신호 또는 프로세스 데이터를 수신할 수 있다. 결합은, 예를 들어 네트워크를 통해 이루어질 수 있다. 따라서 실시간 프로세스 데이터(126)의 서브세트는 유도체 물질(116)이 노출됨에 따라 그에 따라 변경될 수 있다. 계산되는 상태는 동일한 상태이거나 다른 상태일 수 있다.
더욱이, 이송 요소(102a,b)는 컴퓨팅 유닛(124)을 통해, 예를 들어 컴퓨팅 유닛(124)을 통해 제공된 하나 이상의 제어 신호 및/또는 설정 포인트를 통해서도 제어가능할 수 있다. 예컨대, 이송 요소(102a,b)의 속도는 컴퓨팅 유닛(124)에 의해 관찰가능 및/또는 제어가능하여 계산된 상태가 예상 상태임을 보장할 수 있다.
선택적으로, 전구체 물질(114)의 양이 중간 장비 구역에서 일정하거나 거의 일정하기 때문에, 추가 객체 식별자가 중간 장비 구역에 제공되지 않을 수 있다. 따라서, 중간 장비 구역, 즉 히터(118) 및/또는 이송 요소(102a,b)로부터의 프로세스 데이터 또한 이전 또는 전술한 구역의 객체 식별자, 즉 업스트림 객체 식별자(122)에 첨부될 수 있다. 이제 실시간 프로세스 데이터의 서브세트는 투입 물질이 중간 장비 구역에서 처리됨에 따라 중간 장비 구역으로부터의 실시간 데이터를 참조하므로, 서브세트는 생산 프로세스에 따라 투입 물질을 동적으로 추적한다는 것을 이해할 것이다. 마찬가지로, 계산 중인 성능 파라미터 및/또는 상태도 동적으로 변경될 수 있다.
또한, 첨부된 실시간 프로세스 데이터(126)의 서브세트는 중간 장비 구역으로부터의 프로세스 파라미터 및/또는 중간 장비 구역에서 투입 물질(114)이 처리되는 장비 작동 조건, 즉 히터(118) 및/또는 이송 요소(102a,b)의 작동 조건, 예컨대, 유입 질량 흐름, 유출 질량 흐름, 중간 구역으로부터의 하나 이상의 온도 값, 진입 시간, 진출 시간, 이송 요소(102a,b) 및/또는 벨트의 속도 등 중 임의의 하나 이상을 더 나타내도록 보강될 수 있다. 이 경우 장비 작동 조건은 이송 요소(102a,b) 및/또는 히터(118)의 제어 신호 및/또는 설정 포인트일 수 있다. 실시간 프로세스 데이터(126)의 서브세트는 주로 투입 물질(114)이 각각의 장비 구역에 존재하는 시구간과 관련된다는 것이 명백할 것이다. 따라서, 특정 투입 물질(114)에 대한 관련 프로세스 데이터의 정확한 스냅샷이 업스트림 객체 식별자(122)를 통해 제공될 수 있다. 투입 물질(114)의 추가 관찰 가능성은 중간 장비 구역 내의 생산 프로세스, 예컨대 화학 반응의 특정 부분 또는 일부에 대한 지식을 통해 추출될 수 있다. 대안적으로 또는 추가로, 투입 물질(114)이 중간 장비 구역을 통과하는 속도는 컴퓨팅 유닛(124)을 통해 추가 관찰 가능성을 추출하는 데 사용될 수 있다. 특정 타임 스탬프를 갖는 실시간 프로세스 데이터(126)의 서브세트, 또는 시계열 데이터, 및/또는 중간 장비 구역에서 투입 물질(114)의 진입 시간 및/또는 진출 시간과 함께, 투입 물질(114)이 중간 장비 구역에서 처리되는 조건의 보다 세분화된 세부사항이 업스트림 객체 식별자(122)로부터 획득될 수 있다.
업스트림 객체 식별자(122)로부터의 데이터는 생산 프로세스 및/또는 이의 특정 부분, 예컨대, 업스트림 장비 구역 및/또는 중간 장비 구역 내의 생산 프로세스의 일부의 모니터링을 위한 하나 이상의 ML 모델을 훈련시키는 데 사용될 수 있다. ML 모델 및/또는 업스트림 객체 식별자(122)는 화학 제품의 하나 이상의 성능 파라미터 및/또는 상태를 하나 이상의 구역에서 생산 프로세스의 세부사항에 상관시키는 데에도 사용될 수 있다.
투입 물질(114)이 횡 방향(120)을 따라 진행함에 따라, 그 특성이 변경될 수 있고 유도체 물질(116)이 되도록 변환 또는 전환될 수 있음을 이해할 것이다. 예컨대, 히터(118)가 투입 물질(114)을 가열함에 따라, 유도체 물질(116)이 생성될 수 있다. 당업자는 단순함과 이해의 용이함을 위해 유도체 물질(116)이 때때로 본 교시에서 투입 물질로 지칭될 수도 있음을 이해할 것이다. 예를 들어, 논의 중인 장비 구역 또는 구성요소의 맥락에서, 투입 물질이 이 예의 설명에서 논의된 생산 프로세스 내에서 어느 단계에 있는지가 명확할 것이다.
이제 물질이 여러 부분으로 나누어지는 구역의 예를 논의한다. 도 1은 그러한 구역을 커팅 밀(142) 및 제2 이송 요소(106a,b)를 포함하는 다운스트림 장비 구역으로서 도시한다. 횡 방향(154)을 따라 가로지르는 유도체 물질(116)은 커팅 밀(142)을 사용하여 분할 또는 단편화되므로, 이 예에서 제1 분할 물질(140a) 및 제2 분할 물질(140b)로서 도시된 복수의 부분이 된다.
따라서, 본 교시의 양상에 따르면, 부분마다 개별 객체 식별자가 제공될 수 있다. 그러나 어떤 경우에는 부분마다 개별 객체 식별자를 제공하는 대신, 객체 식별자가 부분 중 하나 또는 부분 중 일부에 대해서만 제공될 수 있다. 예를 들어, 어떤 부분을 추적하는 것이 관심이 없는 경우가 이에 해당할 수 있다. 예를 들어, 버려지는 유도체 물질(116)의 일부에 대해서는 객체 식별자가 제공되지 않을 수 있다. 이제 다시 도 1을 참조하면, 제1 분할 물질(140a)에 대해 제1 다운스트림 객체 식별자(130a)가 제공되고, 제2 분할 물질(140b)에 대해 제2 다운스트림 객체 식별자(130b)가 제공된다.
선택적으로, 제1 다운스트림 객체 식별자(130a)에는 다운스트림 실시간 프로세스 데이터의 제1 서브세트(132a)가 첨부될 수 있고 제2 다운스트림 객체 식별자(130b)에는 다운스트림 실시간 프로세스 데이터의 제2 서브세트(132b)가 첨부될 수 있다. 다운스트림 실시간 처리 데이터의 제1 서브세트(132a)는 다운스트림 실시간 프로세스 데이터의 제2 서브세트(132b)의 사본일 수 있거나 부분적으로 동일한 데이터일 수 있다. 예를 들어, 제1 분할 물질(140a)과 제2 분할 물질(140b)이 동일한 프로세스를 거치면, 즉 본질적으로 동일한 장소 및 시간에 처리되면, 다운스트림 객체 식별자(130a) 및 제2 다운스트림 객체 식별자(130b)에 첨부된 프로세스 데이터는 동일하거나 유사할 수 있다. 그러나, 다운스트림 장비 구역 내에서 다운스트림 객체 식별자(130a)와 제2 다운스트림 객체 식별자(130b)가 다르게 취급된다면, 다운스트림 실시간 프로세스 데이터의 제1 서브세트(132a)와 다운스트림 실시간 프로세스 데이터의 제2 서브세트(132b)는 서로 다를 수 있다. 상태는 업스트림 장비 구역에 대해 설명한 바와 같이, 요건에 따라 제1 분할 물질(140A) 및 제2 분할 물질(140B) 각각 또는 어느 하나에 대해 계산될 수 있다. 상태는 각각의 객체 식별자에 적절하게 첨부될 수 있다.
그러나, 몇몇 경우에 선택적으로 단 하나의 객체 식별자만이 커팅 밀(142)에 제공될 수 있고, 그 후 커팅 밀(142)을 통해 처리된 물질이 복수의 부분으로 분할되면 복수의 객체 식별자가 커팅 밀(142) 다음에 제공될 수 있음을 당업자는 이해할 것이다. 따라서, 특정 생산 프로세스의 세부사항에 따라, 커팅 밀이 분리 디바이스일 수도 있고 아닐 수도 있다. 유사하게, 어떤 경우에는 커팅 밀에 대해 새로운 객체 식별자가 제공되지 않아서 구역으로부터의 프로세스 데이터가 이전 객체 식별자에 첨부될 수 있다. 따라서 물질이 분할 및/또는 결합되는 구역에서 새로운 객체 식별자가 제공될 수 있다. 예를 들어, 몇몇 경우에, 다운스트림 객체 식별자(130a) 및 제2 다운스트림 객체 식별자(130b)는 커팅 밀(142) 이후에, 예를 들어 커팅 밀(142)에 후속하는 상이한 구역에서 진입시에 제공될 수 있다.
이 예에서, 다운스트림 장비 구역은 또한 카메라 또는 임의의 다른 종류의 광학 센서일 수 있는 이미징 센서(146)를 포함한다. 이미징 센서(146)는 또한 컴퓨팅 유닛(124)에 동작가능하게 결합될 수 있다. 이미징 센서(146)는 다운스트림 장비 구역에 들어가기 전에 유도체 물질(116)의 하나 이상의 특성을 측정하거나 검출하는 데 사용될 수 있다. 이것은 예를 들어 주어진 품질 기준, 예컨대, 업스트림 장비 구역 및/또는 중간 장비 구역에서 결정된 성능 파라미터 또는 각각의 상태 중 적어도 하나를 충족하는 물질을 분류하거나 전환하기 위해 수행될 수 있다. 물질의 질량 유량이 다운스트림 장비 구역에서 변경됨에 따라, 본 교시의 양상에 따르면, 다른 객체 식별자(도 1에 도시되어 있지 않음)가 다운스트림 객체 식별자(130a) 및 제2 다운스트림 객체 식별자(130b) 이전에 제공되었을 수 있다.
다운스트림 객체 식별자(130a) 및 제2 다운스트림 객체 식별자(130b)의 제공은, 유도체 물질(116)이 이미징 센서(146)를 통해 품질 기준을 통과한 것에 응답하여 트리거될 수 있다. 인접 구역 또는 객체 식별자로부터의 데이터, 예를 들어, 중간 장비 구역으로부터의 질량 유량 및 다운스트림 장비 구역으로의 질량 유량을 상관시킴으로써, 컴퓨팅 유닛(124)은 어떤 특정 투입 물질(114) 또는 유도체 물질(116)이 후속 구역에 유입되는 물질과 관련이 있는지 결정할 수 있다. 대안적으로 또는 추가로, 2개 이상의 타임 스탬프, 예컨대 중간 장비 구역으로부터의 출구의 타임 스탬프 및 이미징 센서(146)를 통한 검출 및/또는 다운스트림 장비 구역에서의 진입의 타임 스탬프가 구역들 사이에 상관될 수 있다. 센서 출력을 통해 직접 측정되거나 또는 2개 이상의 타임스탬프로부터 결정되는 이송 요소(102a,b)의 속도는 투입 물질의 특정 패킷 또는 배치와 이의 객체 식별자 사이의 관계를 수립하는 데 사용될 수도 있다. 따라서 특정 화학 제품(170)이 주어진 시간에 생산 프로세스 내에 있었던 곳이 결정될 수 있으므로, 시공간 관계가 수립될 수 있다. 이들 양상 중 일부 또는 전부는 투입 물질에서부터 완제품까지 화학 제품(170)의 추적 가능성을 개선하는 데뿐만 아니라 생산 프로세스를 모니터링 및 개선하고 더 적응 가능하고 제어 가능하게 하는 데에도 사용할 수 있다.
논의된 바와 같이 제1 다운스트림 객체 식별자(130a) 및 제2 다운스트림 객체 식별자(130b)에는 다운스트림 장비 구역으로부터의 다운스트림 실시간 프로세스 데이터의 제1 서브세트(132a) 및 다운스트림 실시간 프로세스 데이터의 제2 서브세트(132b)가 제각기 첨부된다. 다운스트림 실시간 프로세스 데이터의 제1 서브세트(132a)와 다운스트림 실시간 프로세스 데이터의 제2 서브세트(132b)에는 업스트림 객체 식별자(122)가 링크되거나 첨부될 수 있다. 전술한 다운스트림 객체 식별자(122)와 유사하게, 다운스트림 실시간 프로세스 데이터의 제1 서브세트(132a) 및 다운스트림 실시간 프로세스 데이터의 제2 서브세트(132b)는 프로세스 파라미터 및/또는 장비 작동 조건, 즉 이미징 센서(146)의 출력, 다운스트림 장비 구역에서 유도체 물질(116)이 처리되는 커팅 밀(142) 및 제2 이송 요소(106a,b)의 작동 조건, 예를 들어, 유입 질량 흐름, 유출 질량 유량, 충진 정도, 온도, 광학 특성, 타임 스탬프 등을 나타낸다. 이 경우 장비 작동 조건은 커팅 밀(142) 및/또는 제2 이송 요소(106a,b)의 제어 신호 및/또는 설정 포인트일 수 있다. 다운스트림 실시간 프로세스 데이터의 제1 서브세트(132a) 및 다운스트림 실시간 프로세스 데이터의 제2 서브세트(132b)는 시계열 데이터를 포함할 수 있으며, 이는, 예를 들어 이미징 센서(146)의 출력 및/또는 제2 이송 요소(106a,b)의 속도와 같이 하나 이상의 센서를 통해 획득될 수 있는 시간 의존적 신호를 포함할 수 있음을 의미한다.
유도체 물질(116)이 이미징 센서(146)를 만난 후 진행함에 따라, 유도체 물질은 제2 이송 요소(106a,b)에 의해 구동되는 횡 방향(154)으로 커팅 밀(142)을 향해 이동한다. 제2 이송 요소(106a,b)는 이 예에서 이송 요소(102a,b)를 포함하는 컨베이어 시스템과 별개인 제2 컨베이어 벨트 시스템의 일부로서 도시되어 있다. 제2 컨베이어 벨트 시스템은 이송 요소(102a,b)를 포함하는 동일 컨베이어 시스템의 일부일 수도 있음을 이해할 것이다. 따라서, 다운스트림 장비 구역은 다른 구역에서 사용되는 동일한 장비의 일부를 포함할 수 있다.
도 1에서 볼 수 있는 바와 같이, 제1 분할 물질(140a) 및 제2 분할 물질(140b)이 생산시 나중에 상이한 방식으로 진행되더라도, 그들 각각의 객체 식별자, 즉 다운스트림 객체 식별자(130a) 및 제2 다운스트림 객체 식별자(130b)는 나머지 생산 프로세스를 통해 그리고 어떤 경우에는 그 이후에도 그들을 개별적으로 따르거나 추적하는 것을 허용한다. 유사하게, 출력 데이터도 각각의 물질을 추적한다.
알 수 있듯이, 제2 분할 물질(140b)은 경화 장치(162) 및 제3 이송 요소(108a,b)를 포함하는 제3 장비 구역에서의 경화를 위해 이송된다. 따라서 도시된 이송 요소(108a,b)는 이전에 논의된 바와 같이 비제한적인 예이다. 제3 장비 구역은 초기 업스트림 장비 구역과 다운스트림 장비 구역의 하류에 있음을 알 것이다.
제2 분할 물질(140b)이 벨트를 통해 횡 방향(156)으로 이동함에 따라, 경화 장치(162)를 통해 경화 프로세스를 진행하여 제2 분할 물질(160)이 경화된다. 실질적인 질량 변화가 발생하지 않을 수 있으므로, 한 양상에 따르면, 제3 장비 구역에 대해 새로운 객체 식별자가 제공되지 않을 수 있다. 그러나, 제 2 분할 물질(140b)에 대응하는 출력 데이터는 제3 장비 구역에서의 생산 프로세스에 따라 동적으로 변화하는데, 예를 들어, 수행 중인 처리로부터 경화 장치(162)로부터의 데이터를 스트리밍한다. 따라서, 이전에 논의된 바와 같이, 제3 장비 구역으로부터의 프로세스 데이터가 또한 제2 다운스트림 객체 식별자(130b)에 첨부될 수 있다. 앞에서와 유사하게, 첨부된 다운스트림 실시간 프로세스 데이터의 제2 서브세트(132b)는 제3 장비 구역으로부터의 프로세스 파라미터 및/또는 제3 장비 구역에서 제2 분할 물질(140b)이 처리되는 장비 작동 조건, 즉 경화 장치(162) 및/또는 이송 요소(108a,b)의 작동 조건, 예를 들어, 유입 질량 유량, 유출 질량 유량, 제3 구역으로부터의 하나 이상의 온도 값, 진입 시간, 진출 시간, 이송 요소(108a,b) 및/또는 벨트의 속도 등 중 임의의 하나 이상을 더 나타내도록 보강될 수 있다. 이 경우 장비 작동 조건은 이송 요소(108a,b) 및/또는 경화 장치(162)의 제어 신호 및/또는 설정 포인트일 수 있다.
유사하게, 제1 분할 물질(140a)은 압출기(150), 온도 센서(148) 및 제4 이송 요소(110a,b)를 포함하는 제4 장비 구역으로 진행한다. 여기서도 실질적인 질량 변화가 발생하지 않을 수 있으므로, 양상에 따르면, 제4 장비 구역에 대해 새로운 객체 식별자가 제공되지 않을 수 있다. 따라서, 이전에 논의된 바와 같이, 제4 장비 구역으로부터의 프로세스 데이터는 또한 선택적으로 다운스트림 객체 식별자(130a)에 첨부될 수 있다. 상기와 유사하게, 따라서 첨부된 다운스트림 실시간 프로세스 데이터의 제1 서브세트(132a)는 제4 장비 구역으로부터의 프로세스 파라미터 및/또는 제3 장비 구역에서 제1 분할 물질(140a)이 처리되는 장비 작동 조건, 즉 압출기(150) 및/또는 온도 센서(148) 및/또는 이송 요소(110a,b)의 작동 조건, 예를 들어, 유입 질량 흐름, 유출 질량 흐름, 제3 구역으로부터의 하나 이상의 온도 값, 진입 시간, 진출 시간, 이송 요소(110a,b) 및/또는 벨트의 속도 등 중 임의의 하나 이상을 더 나타내도록 보강될 수 있다. 이 경우 장비 작동 조건은 이송 요소(110a,b) 및/또는 압출기(150)의 제어 신호 및/또는 설정 포인트일 수 있다. 따라서, 제1 분할 물질(140a)의 압출된 물질(152)로의 변환의 특성 및 의존성도 다운스트림 객체 식별자(130a)에 포함될 수 있다. 제4 장비 구역도 업스트림 장비 구역 및 다운스트림 장비 구역의 하류에 있음을 알 것이다. 앞서 설명한 대로 각 구역에서의 물질 및/또는 장비에 대해 상태를 계산하고 첨부할 수 있다.
알 수 있듯이, 개별 객체 식별자의 수는 생산 프로세스 전반에 걸쳐 물질 및 제품 모니터링을 개선하면서 줄일 수 있다.
압출된 물질(152)이 이송 요소(108a,b)를 통해 생성된 횡 방향(158)으로 더 이동함에 따라, 수집 구역(166)에서 수집될 수 있다. 수집 구역(166)은 저장 유닛일 수도 있고 생산 프로세스의 추가 단계를 적용하기 위한 추가 처리 유닛일 수도 있다. 수집 구역(166)에서, 추가 물질이 결합될 수 있는데, 예컨대, 경화된 제2 분할 물질(160)이 압출된 물질(152)과 결합될 수 있다. 따라서, 이전에 논의된 바와 같이 새로운 객체 식별자가 제공될 수 있다. 그러한 객체 식별자는 마지막 다운스트림 객체 식별자(134)로서 도시된다. 마지막 다운스트림 객체 식별자(134)에는 다운스트림 객체 식별자(130a) 및 제2 다운스트림 객체 식별자(130b)의 전체 또는 일부를 포함할 수 있는 마지막 구역 실시간 프로세스 데이터(136)의 서브세트가 첨부될 수 있다. 따라서 마지막 다운스트림 객체 식별자(134)는 본 개시에서 상세히 논의되었던 바와 유사하게 수집 구역(166)으로부터의 프로세스 파라미터 및/또는 장비 작동 조건을 구비한다. 수집 구역(166)에서 수행되는 경우 기능 또는 추가 처리에 따라, 유입 질량 흐름, 유출 질량 흐름, 수집 구역(166)으로부터의 하나 이상의 온도 값, 진입 시간, 진출 시간, 속도 등 중 임의의 하나 이상과 같은 데이터가 마지막 구역 실시간 프로세스 데이터(136)로서 포함될 수 있다.
어떤 경우에는, 수집 구역(166)으로부터의 개별 로트(lot)가 분류 및 패키징 및/또는 저장될 수 있다. 이러한 개별 로트는 제품 수집 빈(product collection bin)(164a)으로서 도시되어 있다. 수량들이 다시 분할됨에 따라, 각각의 사일로에 대해 개별 객체 식별자가 제공되어 사일로 내의 화학 제품(170), 즉 제품 수집 빈(164a)에 대한 개별 객체 식별자가 화학 제품(170)이 거기에 노출되는 프로세스 데이터 또는 조건과 연관될 수 있다. 또한, 이러한 복수의 제품 및/또는 상태와 관련된 성능 파라미터가 제품 수집 빈(164a)의 개별 객체 식별자에 첨부될 수 있다. 예를 들어, 제품 수집 빈(164a)의 채워진 용량이 계산될 수 있다.
이해할 수 있는 바와 같이, 각각의 객체 식별자는 GUID일 수 있다. 각각은 이전의 객체 식별자로부터의 데이터를 전부 또는 일부 포함할 수 있거나 또는 이들은 연결될 수 있다. 따라서 관련 데이터는 특정 화학 제품(170)에 대한 스냅샷 또는 추적가능한 링크로서 추가될 수 있다.
논의되었던 바와 같이, 하나 이상의 성능 파라미터 및/또는 상태를 계산하거나 또는 예측하기 위해 하나 이상의 ML 모델이 사용될 수 있다. ML 모델의 각각 또는 일부가 적어도 하나의 구역별 성능 파라미터에 대한 신뢰 레벨을 나타내는 신뢰 값을 제공하도록 구성되는 것도 가능하다. 예를 들어, 성능 파라미터 예측시 신뢰 레벨이 사전결정된 한계보다 낮은 경우, 실험실 분석을 위해 샘플의 물리적 테스트를 시작하도록 경고 신호로서 경고가 생성될 수 있다. 예측의 신뢰 레벨이 정확도 임계값 아래로 떨어지는 것에 응답하여, 샘플링 객체 식별자가 인터페이스를 통해 자동으로 제공되는 것도 가능하다. 샘플링 객체 식별자는 유사한 방식으로 제공될 수 있고 컴퓨팅 유닛(124)은 샘플 물질(172)로서 도시된 샘플링 객체 식별자가 관련된 물질에 대한 샘플링 객체 식별자에 관련 프로세스 데이터의 서브세트를 첨부할 수 있다. 컴퓨팅 유닛(124)은 또한 신뢰 레벨이 낮은 적어도 하나의 구역별 성능 파라미터를 샘플링 객체 식별자에 첨부할 수 있다. 따라서 샘플 물질(172)은 객체 식별자를 사용하여 품질 관리를 더 개선하기 위해 수집 및 검증 및/또는 분석될 수 있다. 또한, 샘플링 빈(164b)은 샘플 물질(172)의 타깃 구역일 수 있다는 것도 알 것이다. 따라서, 샘플링 및 샘플 수집의 신뢰성도 향상된다.
도 2는 이 예에서 제1 장비 구역 또는 업스트림 장비 구역에서 볼 때, 본 교시의 방법 양상을 보여주는 흐름도(200) 또는 루틴을 도시한다.
블록(202)에서, 입력 인터페이스를 통해, 장비 또는 하나 이상의 장비 구역, 예컨대, 업스트림 장비 구역으로부터 실시간 프로세스 데이터가 수신된다. 실시간 프로세스 데이터는 프로세스 파라미터 및/또는 장비 작동 조건을 포함한다. 블록(204)에서, 실시간 프로세스 데이터의 서브세트가 결정된다. 실시간 프로세스 데이터의 서브세트는 투입 물질(114)이 처리되는 장비 작동 조건 및/또는 프로세스 파라미터를 나타낸다. 블록(206)에서, 실시간 프로세스 데이터의 서브세트의 적어도 일부를 사용하여, 투입 물질(114) 및/또는 장비, 예를 들어, 업스트림 장비 구역과 관련된 적어도 하나의 상태가 계산된다.
서브세트의 결정은, 생산 프로세스 동안 특정 장비 구역에서 투입 물질(114)의 존재를 나타내는 구역 존재 신호를 사용하여 수행될 수 있다.
선택적으로, 블록(208)에서, 실시간 프로세스 데이터 및 이력 프로세스 데이터의 서브세트에 기초하여, 투입 물질(114)과 관련된 화학 제품의 적어도 하나의 성능 파라미터 또는 업스트림 객체 식별자가 계산된다. 이력 프로세스 데이터는, 바람직하게는 동일한 장비, 예를 들어, 업스트림 장비 구역에서, 이전에 처리된 투입 물질과 관련된 하나 이상의 이력 객체 식별자로부터의 데이터를 포함할 수 있다. 바람직하게는, 각각의 이력 객체 식별자에는, 예를 들어, 동일한 장비 구역에서, 이전에 처리된 투입 물질이 처리되었던 장비 작동 조건 및/또는 프로세스 파라미터를 나타내는 프로세스 데이터의 적어도 일부가 첨부된다.
선택적으로, 블록(210)에서, 객체 식별자에, 적어도 하나의 성능 파라미터 및/또는 적어도 하나의 상태가 첨부된다. 예를 들어, 업스트림 장비 구역에서 계산된 적어도 하나의 성능 파라미터 및/또는 적어도 하나의 상태는 업스트림 객체 식별자에 첨부될 수 있다.
본 교시에 따른 서브세트는 생산 중 각각의 물질을 추적하는 동적 데이터 스트림일 수 있다. 서브세트는 특히 통합, 스트리밍, 클라우드 컴퓨팅, 에지 컴퓨팅 및 임의의 적합한 산업 플랜트에서 생산 프로세스의 실시간 모니터링 및/또는 제어 및/또는 최적화 또는 개선에 적합할 수 있으며, 특히 본 명세서에 개시된 바와 같이 객체 식별자와 결합하여 더욱 적합할 수 있다.
투입 물질이 후속 구역으로 진행함에 따라, 다른 객체 식별자가 제공되어야 하는지 여부가 결정될 수 있다. 그렇지 않은 경우, 후속 구역의 프로세스 데이터도 동일한 객체 식별자에 첨부될 수 있다. 다른 객체 식별자가 제공되어야 한다고 결정되면, 후속 구역으로부터의 프로세스 데이터가 또 다른 객체 식별자에 첨부된다. 중간 장비 구역 및 다운스트림 장비 구역과 같은 이들 옵션 각각에 대한 세부사항은 본 개시에서, 예를 들어 요약 섹션에 및 도 1을 참조하여 상세히 논의된다. 또한, 타깃 구역의 예도 논의되었다.
도 3에 도시된 블록도는 본 실시예에서 도시된 전체 제품 처리 라인을 따라 배열된 10개의 제품 처리 디바이스 또는 유닛(300-318) 또는 기술 장비를 각각 포함하는 산업 플랜트의 제품 생산 시스템의 일부를 나타낸다. 본 실시예에서 이들 처리 유닛 중 하나(처리 유닛(308))는 3개의 대응하는 장비 구역(320, 322, 324)을 포함한다(도 3 및 도 5의 보다 상세한 실시예도 참조).
본 예에서 화학 제품은 투입 물질로서 액체 원료 저장소(300), 고체 원료 저장소(302) 및 예컨대, 불충분한 물질/제품 특성 또는 불충분한 물질/제품 품질을 포함하는 임의의 화학 제품 또는 중간 제품을 재활용하는 재활용 사일로(304)를 통해 처리 라인에 제공되는 원료를 기반으로 생산된다. 처리 라인(306-318)에 투입되는 각각의 원료는 각각의 처리 장비, 즉 투여 유닛(306), 후속 가열 유닛(308), 물질 버퍼(310)를 포함하는 후속 처리 유닛 및 후속 분류 유닛(312)을 통해 처리된다. 이 처리 장비(306-312)의 다운스트림에는, 예를 들어, 생산된 물질의 불충분한 품질로 인해 분류 유닛에서 재활용 사일로(304)로 재활용이 필요한 물질을 이송하는 이송 유닛(314)이 배열된다. 최종적으로, 분류 유닛(312)에 의해 분류된 물질은 해당 물질을 운송을 위해 물질 컨테이너, 예를 들어, 벌크 물질의 경우 물질 백에 또는 액체 물질의 경우 병에 패킹하는 제1 및 제2 패킹 유닛(316, 318)으로 이동된다.
본 실시예에서 생산 시스템(300-318)은 컴퓨팅 유닛의 데이터 인터페이스(둘 다 이 블록도에 도시되지 않음)를 제공하며, 이를 통해 각각의 투입 물질에 대한 데이터를 포함하는 데이터 객체 및 처리로 인한 변경이 제공된다. 전체 생산 프로세스는 적어도 부분적으로는 컴퓨팅 유닛을 통해 제어된다.
처리 장비(306-312)에 의해 처리되는 투입 물질(들)은 물리적 또는 실제 소위 "패키지 객체"(이후 "물리적 패키지" 또는 "제품 패키지"라고도 함)로 나뉘며, 이들 패키지 객체는 각각의 처리 유닛(306-312)에 의해 핸들링 또는 처리된다. 이러한 패키지 객체의 패키지 크기는 예컨대, 물질 중량(예: 10kg, 50kg 등)에 의해 또는 물질 양(예: 1 데시미터, 1/10 입방 미터 등)에 의해 고정될 수 있거나, 또는 상당히 일정한 프로세스 파라미터 또는 장비 작동 파라미터가 처리 장비에 의해 제공될 수 있는 중량 또는 양에 의해 결정될 수도 있다.
투여 유닛(306)은 먼저 투입 액체 및/또는 고체 원료 및/또는 재활용 사일로(304)에 의해 제공된 재활용 물질로부터 그러한 패키지 객체를 생성한다. 패키지 객체를 생성한 후, 투여 유닛(306)은 이들 객체를 균질화 유닛(308)으로 이송한다. 균질화 유닛(308)은 패키지 객체의 물질을 균질화하며, 즉, 예컨대, 처리된 액체 물질과 고체 재료, 또는 2개의 액체 또는 고체 물질을 균질화한다. 가열 프로세스 후에, 가열 유닛(308)은 그에 따라 가열된 패키지 객체를 트리트먼트 유닛(310)으로 이송하는데, 트리트먼트 유닛은 예를 들어, 가열, 건조 또는 가습에 의해 또는 소정의 화학 반응에 의해 투입 패키지 객체의 물질을 상이한 물리적 및/또는 화학적 상태로 변환한다. 그에 따라 변환된 패키지 객체는 3개의 다운스트림 패킹 유닛(316, 318) 중 하나 이상 또는 언급된 이송 유닛(314)으로 이송된다.
실제 패키지 객체의 후속 처리는 장비(306-312)에 동작가능하게 결합되거나 장비의 일부인 컴퓨팅 유닛을 통해 각 패키지 객체에 할당되는 대응하는 데이터 객체(330, 332, 334)(앞서 설명한 "객체 식별자")에 의해 관리되고, 컴퓨팅 유닛의 메모리 저장 요소에 저장된다. 본 실시예에 따르면, 장비(306-312)를 통해 제공되는 트리거 신호에 응답하여, 즉 장비 유닛(306-312) 각각에 배치된 대응하는 센서 또는 각각 그에 따른 스위치의 출력에 응답하여 3개의 데이터 객체(330-334)가 생성되며, 그러한 센서는 장비 유닛(306-312)에 동작가능하게 결합된다. 앞서 언급한 바와 같이, 산업 플랜트는 상이한 유형의 센서, 예컨대, 하나 이상의 프로세스 파라미터를 측정하고/하거나 장비 또는 프로세스 유닛과 관련된 장비 작동 조건 또는 파라미터를 측정하기 위한 센서를 포함할 수 있다. 본 실시예에서, 장비 유닛(306-312) 내부에서 처리되는 벌크 및/또는 액체 물질의 유속 및 레벨을 측정하기 위한 센서가 이들 유닛에 배치된다.
본 실시예에서, 도 3에 도시된 3개의 예시적인 데이터 객체(330, 332, 334)는 각각 처리 유닛(306-312 및 314-318)에 기초한 전체 제품 생산 프로세스의 상이한 3개의 장비 구역(320, 322, 324)에 관한 것이다.
처음 2개의 데이터 객체(330, 332)는 프로세스 데이터를 포함하는 제품 패키지 객체를 포함한다. 프로세스 데이터는 관련 물리적 패키지가 여러 처리 유닛 내에서 상주/트리트먼트 동안 경험한 처리/트리트먼트 정보를 포함한다. 프로세스 데이터는 관련 처리 유닛 내 기본 물리적 패키지의 상주 시간 동안 계산된 평균 온도와 같은 집계 데이터일 수 있고/있거나 기본 생산 프로세스의 시계열 데이터일 수 있다.
제1 데이터 객체(330)는 본 실시예에서 2개의 처리 유닛, 투여 유닛(306) 및 가열 유닛(308)을 통해 이송되었던 물리적 패키지에 할당되는 제1 종류의 패키지(도 3에서 "A-패키지"로 지칭함)이다. 제1 데이터 객체(330)는 처리 시간의 현재 시점에 각각의 상주 동안 두 유닛의 관련 데이터를 포함한다. 제1 데이터 객체는 해당 "제품 패키지 ID"를 포함한다.
가열 유닛(308)은 여러 장비 구역, 본 실시예에서는 3개의 장비 구역(320, 322, 324)("구역 1", "구역 2", "구역 3")을 포함한다. 이들 서로 다른 장비 구역은 관련 프로세스 데이터를 분류하거나 선택하기 위한 분류 그룹으로서 활용된다. 이러한 분류는 관련 물리적 패키지가 이 장비 구역 내에 있는 해당 시점 내에서 기본 물리적 패키지의 처리와 관련되는 관련 장비 구역 외부의 패키지 객체에 대한 데이터만 얻는 데 도움이 될 수 있다. 그러나, 본 실시예에서, 물리적 패키지의 물질 구성은 처리 유닛(306, 308) 모두에 의해 변경되지 않는다.
일단 A-패키지(330)가 다음 트리트먼트 유닛(310)(본 실시예에서는 "버퍼가 있는 트리트먼트 유닛")에 도달하면, 이 처리 유닛(310)이 플러그 흐름 모드에서 물리적 패키지를 이송하므로 각각의 물리적 패키지의 물질 구성이 변한다. 또한, 해당 물리적 패키지는 원래 패키지 크기보다 큰 버퍼 볼륨을 포함하므로, 그러한 물리적 패키지는 정의된 역혼합 정도를 갖는다. 그 결과, 이 트리트먼트 유닛(310)을 떠나는 각각의 물리적 패키지는 도 3에서 "B-패키지"라고 하는 또 다른 종류의 물리적 패키지이다.
대응하는 제2 데이터 객체(332)("B-패키지")도 대응하는 "제품 패키지 ID"를 포함한다. 데이터 객체(332)는 정의된 수의 이전 데이터 객체, 본 예에서 "A-패키지"로 지정된 데이터 객체(330)의 데이터, 소위 "관련 A-패키지로부터의 집계 데이터"를 정의된 백분율로 더 포함한다. 그에 따른 집계 방식 또는 알고리즘은 예를 들어, 기본 처리 유닛, 기본 물리적 패키지의 크기, 기본 물리적 패키지의 물질의 혼합 기능 및 기본 처리 유닛 내 기본 물리적 패키지의 상주 시간, 또는 처리 유닛의 해당 장비 구역에 의존한다.
일단 처리된 물리적 (제품) 패키지가, 예를 들어, 처리된 물리적 패키지를 컨테이너, 드럼 또는 옥타빈 용기(octabin vessel) 등에 패킹함으로써, 2개의 패킹 유닛(316, 318) 중 하나에 의해 별개의 물리적 패키지로 패킹되면, 본 실시예에서, 대응하는 패킹된 물리적 패키지는 "물리적 패키지"라고 하는 다른 데이터 객체(334)를 통해 핸들링되거나 추적된다. 이 데이터 객체(334)는 그 안에 패킹된 관련된 이전 물리적 패키지(현재 시나리오에서 "A-패키지" 및 "B-패키지"와 같음)를 포함한다. 완전한 데이터 객체를 사용하는 대신 해당 "제품 패키지 ID"의 지정이 예컨대, 추적 목적으로 충분한데, 이는 이러한 제품 패키지 ID가 나중에 데이터 처리, 예컨대, 외부 "클라우드 컴퓨팅" 플랫폼을 통해 수행되는 데이터 처리 동안 쉽게 함께 연결될 수 있기 때문이다.
제1 데이터 객체(또는 "객체 식별자")(330)는 특히 다음 정보를 포함한다:
-
기본 패키지의 "제품 패키지 ID";
-
패키지의 기본 처리된 물질(들)에 대한 정보 또는 사양과 같은 기본 패키지에 대한 일반 정보;
-
전체 처리 라인(306-318) 내 기본 패키지의 현재 위치;
-
즉 기본 패키지의 처리된 물질(들)의 온도 및/또는 중량의 집계 값으로서 프로세스 데이터;
-
기본 생산 프로세스의 시계열 데이터; 및
-
기본 패키지 외부 샘플에 대한 연결, 제품 패키지가 샘플 스테이션을 통과하고, 지정된 순간에, 운영자가 이 제품 패키지에서 샘플을 꺼내 실험실에 제공함. 이 샘플의 경우, 샘플 객체(도 6 참조, 참조 부호 634 및 638)가 생성될 것이고 관련 제품 패키지(도 6 참조, 참조 부호 626 및 630)에 연결될 것이다. 특히 이 샘플 객체는 실험실로부터의 해당 제품 품질 관리(QC) 데이터 및/또는 그에 따른 테스트 머신의 성능 데이터를 포함한다.
제2 객체 식별자(332)는 추가적으로 다음을 포함한다.
-
버퍼가 있는 트리트먼트 유닛(310)에서 생성되는 관련 A-패키지로부터의 집계 데이터.
제3 객체 식별자(334)는 지정 및 타임 스탬프 "물리적 패키지 1976-02-06 19:12:21.123"를 갖는 2개의 패킹 유닛(316, 318)에 의해 생성되고 다음 정보를 포함한다.
-
다시 한 번, 그에 따른 패키지 또는 객체 식별자("패키지 ID");
-
도 3에 도시된 운송 목적을 위해 2개의 물질 컨테이너로 패킹되는 제품의 이름;
-
그에 따라 패킹되는 제품을 주문하기 위한 주문 번호; 및
-
그에 따라 패킹되는 제품의 로트 번호.
제1 및 제2 객체 식별자(330, 332)의 패키지 일반 정보는 각각 본 실시예에서 투입 물질의 화학적 및/또는 물리적 특성을 나타내는 투입 원료의 물질 데이터 또는 물질(들) 온도 및/또는 중량과 같은 처리된 물질(들)의 물질 데이터를 포함하며, 본 실시예에서는 이력 테스트 결과와 같은 투입 물질과 관련된 실험실 샘플 또는 테스트 데이터도 포함한다.
도 3에 의해 또한 도시된 제품 생산 프로세스에 따르면, 언급된 인터페이스를 통해, 언급된 처리된 물질(들)의 온도 및/또는 중량과 같은 프로세스 파라미터 및 본 실시예에서는 언급된 히터의 온도 및/또는 적용된 투여 파라미터와 같은 투입 물질이 처리되는 장비 작동 조건도 나타내는 전체 장비로부터의 프로세스 데이터가 수집된다. 수집된 프로세스 데이터, 본 실시예에서는 관련 A-패키지로부터의 집계 데이터와 같은 프로세스 데이터의 일부만이 본 실시예에서 제2 객체 식별자(332)에 첨부된다.
전술한 바와 같이, 본 실시예에서 3개의 객체 식별자(330-334)는 언급된 입력 물질 데이터 및/또는 특정 프로세스 파라미터 및/또는 장비 작동 조건을 화학 제품의 적어도 하나의 성능 파라미터에 상관시키거나 매핑하는 데 사용되며, 성능 파라미터는 각각 기본 물질(들), 예컨대, 그에 따른 화학 제품의 임의의 하나 이상의 특성이거나 이를 나타낸다.
도 3에 도시된 본 실시예에 따르면, 2개의 객체 식별자(330, 332)에 포함된 수집된 (집계 값으로서의) 프로세스 데이터는 생산 프로세스 동안 측정된 프로세스 파라미터 및 또한 장비 작동 조건을 나타내는 수치 값을 포함한다. 또한, 객체 식별자(330, 332)는 프로세스 파라미터 및/또는 장비 작동 조건 중 하나 이상의 시계열 데이터로서 제공되는 프로세스 데이터를 포함한다. 장비 작동 조건은 장비의 상태를 나타내는 임의의 특성 또는 값, 본 실시예에서는 생산 머신 설정포인트, 제어기 출력 및 예를 들어, 진동 측정을 기반으로 하는 임의의 장비 관련 경고일 수 있다. 또한, 이송 요소 속도, 온도 및 필터 차압과 같은 파울링 값, 유지보수 날짜가 포함될 수 있다.
도 3에 도시된 제품 생산 시스템의 실시예에서, 전체 제품 처리 장비(306-318)는 언급된 복수의 3개의 장비 구역(320-324)을 포함하여 생산 프로세스 동안, 투입 원료(들)(300-304)가 전체 처리 라인(306-318)을 따라 이동하고, 본 실시예에서, 제1 장비 구역(320)에서 제2 장비 구역(322)으로 그리고 제2 장비 구역(322)에서 제3 장비 구역(324)으로 진행한다. 이러한 생산 시나리오에서, 제1 객체 식별자(330)는 제1 장비 구역(320)에 제공되고, 제2 객체 식별자(332)는 제1 장비 구역(320)을 통해 처리된 후 제2 장비 구역(322)의 투입 물질의 진입시에 제공된다. 제2 객체 식별자(332)는 제1 객체 식별자(330)가 제공하는 데이터 또는 정보의 적어도 일부이며 마지막 데이터/정보 "관련 A-패키지로부터의 집계 데이터"를 추가로 포함한다.
객체 식별자가 전체적인 생산 프로세스 동안 대응하는 패키지에 신뢰할 수 있고 안전하게 할당될 수 있게 하기 위해 객체 식별자(330-334) 중 임의의 것 또는 각각이 고유 식별자, 바람직하게는 전역 고유 식별자("GUID")를 포함할 수 있다는 점은 주목할 만하다.
본 제품 처리 시나리오에서, 제1 객체 식별자(330)에 첨부된 언급된 프로세스 데이터는 제1 장비 구역(320)으로부터 수집된 프로세스 데이터의 적어도 일부이다. 따라서, 제2 객체 식별자(332)에는 제2 장비 구역(322)으로부터 수집된 프로세스 데이터의 적어도 일부가 첨부되고, 제2 장비 구역(322)으로부터 수집된 프로세스 데이터는 제2 장비 구역(322)에서 투입 원료(들)(300-304)가 처리되는 장비 작동 조건 및/또는 프로세스 파라미터를 나타낸다.
다음 표 1에서, 또 다른 예시적인 객체 식별자가 다시 표 형식으로 표시된다. 이 객체 식별자는 이전에 설명한 3개의 객체 식별자(330-334)보다 훨씬 많은 정보/데이터를 포함한다.
이 예시적인 객체 식별자는 도 4에 도시된 것과 같이 기본 날짜 및 타임 스탬프 "1976-02-06 18:31:53.401"을 갖는 소위 "B-패키지"에 관한 것이며, 다음에 설명되지만 도 4에 포함된 것보다 더 많은 데이터를 포함한다.
본 예에서 고유 식별자("고유 ID")는 고유 URL("unique-ObjectURL")을 포함한다. 본 예에서 기본 패키지의 주요 세부사항("패키지 세부사항")은 2개의 값 "02.02.1976 18:31:53.401"을 갖는 패키지 생성 날짜 및 타임스탬프("생성 타임스탬프") 및 본 예에서 패키지 유형 "B"를 갖는 패키지의 유형("패키지 유형")이다. 기본 생산 라인을 따라 패키지의 현재 위치("패키지 위치")는 "패키지 위치 링크"로 정의되며, 본 예에서는 생산 라인의 "컨베이어 벨트 1"로의 이송 링크이다.
컨베이어 벨트 1에는 현재 85 ℃의 물질 온도를 나타내는 평균 온도("평균 값")를 측정하기 위한 측정 장비(예시적인 처리 데이터 또는 값을 포함하는 "측정 포인트" 참조) 및 기본 온도 구역, 본 예에서는 "온도 구역 1"의 그에 따른 설명("설명")이 제공된다. 또한, 측정 장비는 컨베이어 벨트 1에서 패키지의 진입 날짜/시간("진입 시간"), 본 예에서는 "02.02.1976 18:31:54.431"을 검출하고 컨베이어 벨트 1에서 패키지가 떠나는 날짜/시간("퇴장 시간"), 본 예에서는 "02.02.1976 18:31:57.234"을 검출하기 위한 센서도 포함할 수 있다. 마지막으로, 측정 장비는 생산 프로세스에 관한 기본 시계열 정보("시계열")의 시계열 값("시계열 값")을 검출하는 센서 장비를 포함한다.
또한, 도시된 객체 식별자는 본 예에서 다운스트림에 위치한 "컨베이어 벨트 2", 다운스트림에 위치한 "믹서 1" 및 이미 처리된 물질(들)을 중간에 저장하는 다운스트림에 위치한 "사일로 1"에 대한 정보를 더 포함한다.
| - B-패키지 1976-02-06 18:31:53.104 | |
| - 고유 ID | |
| - 고유 URL | unique-ObjectURL |
| - 패키지 세부사항 | |
| - 생성 타임스탬프 | 02.02.1976 18:31:53.401 |
| - 패키지 유형 | B |
| - 패키지 위치 | |
| - 패키지 위치 링크 | 컨베이어 벨트 1 |
| - 컨베이어 벨트 1 | |
| - 측정 포인트 | |
| - 평균 값 | 85℃ |
| - 설명 | 온도 구역 1 |
| - 진입 시간 | 02.02.1976 18:31:54.431 |
| - 퇴장 시간 | 02.02.1976 18:31:57.234 |
| - 시계열 | 시계열 값 |
| - 컨베이어 벨트 2 | |
| - 믹서 1 | |
| - 사일로 1 |
표 1: 예시적인 표 객체 식별자
도 4는 본 제2 실시예에서 6개의 제품 처리 디바이스(400, 402, 406, 410, 412, 416) 또는 기술 장비를 각각 포함하는 산업 플랜트의 기본 제품 생산 시스템의 프로세스 부분의 제2 실시예를 도시한다.
패키지 객체를 처리하기 위한 "업스트림 프로세스"(400)는 처리된 패키지 객체를 분류하기 위한 "분류 유닛"(402)에 연결된다. 업스트림 프로세스(400) 및 분류 유닛(402)은 제1 데이터 객체(404)에 의해 관리된다. 이 데이터 객체(404)는 생성 날짜 및 시간을 나타내는 기본 날짜 및 타임 스탬프 "1976-02-06 18:51:43.431"을 갖는 이미 설명된 "B-패키지"에 관한 것이다. 데이터 객체(404)는 현재 처리된 패키지 객체의 "패키지 ID"(소위 "객체 식별자")를 포함한다. 데이터 객체(404)는 현재 처리된 패키지 객체에 대한 n개의 사전설명된 화학적 및/또는 물리적 특성, 본 예에서는 "특성 1" 및 "특성 n"을 더 포함한다.
본 예에서, 투입 물질, 즉 업스트림 프로세스(400)에 공급되는 해당 패키지 객체는 "재활용 사일로"(406)에 의해 제공된다. 반면에 재활용 사일로(406)는 재활용되어야 하고 그에 따라 분류 유닛(402)에 의해 분류되는 패키지 객체를 재활용 사일로(406)로 이송하는 "이송 유닛 1"(410)로부터 기본 재활용 물질을 얻는다. 기본 이송 프로세스 단계(410)는 전술한 "B-패키지"와 관련되고 언급된 기본 날짜 및 타임 스탬프 "1976-02-06 18:51:43.431", 현재 처리된 패키지 객체의 "패키지 ID" 및 2개의 화학적 및/또는 물리적 특성 "특성 1" 및 "특성 n"을 포함하는 제2 데이터 객체(408)에 의해 관리된다. 그러나, 기본 분류된 패키지 객체를 재활용하기 위한 언급된 요구사항으로 인해, 제2 데이터 객체(408)는 기본 패키지 객체의 또 다른 화학적 및/또는 물리적 특성, 본 예에서는 "특성 2"를 더 포함하며, 이는 특히 해당 패키지 객체에 대한 각각의 성능 지표, 본 예에서는 "낮거나 불충분한 물질 또는 제품 성능"을 포함한다.
업스트림 프로세스(400)에 의해 처리되고 분류 유닛(402)에 의해 분류되지 않는 패키지 객체는 해당 패키지 객체에 대한 성능 값에 따라 분류 유닛(402)에 의해 제1 "패킹 유닛 1"(412) 또는 제2 "패킹 유닛 2"(416)에 제공된다. 패킹 유닛(412, 416)은 해당 패키지 객체를 각각의 컨테이너(414, 418)에 패킹하는 데 사용된다. 두 패킹 유닛(412, 416)에 의해 실행되는 패킹 프로세스는 제3 데이터 객체(420) 및 제4 데이터 객체(422)에 의해 관리된다.
2개의 데이터 객체(420, 422)는 모두 "물리적 패키지"에 관한 것이며 전술한 "B-패키지"와 동일한 날짜 "1976-02-06"를 포함하지만, 전술한 "B-패키지"보다 나중의 타임 스탬프 "19:12:21.123"를 포함한다. 이들은 기본 패키지 객체의 "패키지 ID"도 포함한다. 그러나, 데이터 객체(420, 422)는 기본 최종 제품에 대한 성능 지표, 본 예에서는 제1 컨테이너 (또는 충진 자루)(414)에 저장된 제품에 대한 "성능 중간 범위" 및 제2 컨테이너 (또는 충진 자루)(418)에 저장된 제품의 경우 "성능 높은 범위"를 더 포함한다. 또한, 2개의 데이터 객체(420, 422)는 해당 최종 제품의 "주문 번호" 및 "로트 번호"를 포함한다.
도 5는 본 제2 실시예에서, 9개의 제품 처리 디바이스(500-516) 또는 기술 장비를 각각 포함하는 산업 플랜트에서 구현된 기본 화학 제품 생산 프로세스 또는 시스템의 부분의 제3 실시예를 도시한다.
본 제품 처리 접근법은 알려진 방식으로 중합체 물질을 생산하기 위해 2 개의 원료, 즉 "원료 액체"(500) 및 "원료 고체"(502)를 기반으로 한다. 도 3 및 도 4에 따른 이전에 설명된 생산 시나리오와 마찬가지로, 기술 장비는 사전에 설명된 바와 같이 재활용 물질을 사용하기 위한 "재활용 사일로"(504)를 포함한다.
기술 장비는 패키지 객체를 처리하기 위해 도시된 4개의 중합체 반응 구역("구역 1-4")(510, 512, 514, 516)을 따라 이들을 이송하는 "반응 유닛"(508) 및 반응 유닛(508)에서 처리되는 중합체 물질(즉, 해당 패키지 객체)을 경화시키기 위한 "경화 유닛"(518)에 의해 처리되는 언급된 투입 원료에 기초하여 패키지 객체를 생성하는 "투여 유닛"(506)을 더 포함한다. 본 실시예에서, 경화 유닛(518)은 물질 버퍼만 포함하며, 백믹싱 장비는 포함하지 않는다. 경화 유닛(518)은 또한 그에 따라 처리된 패키지 객체를 이송한다.
"이송 유닛 1"(520)은 재활용 사일로(504)에 의해 재활용을 위해 분류되는 패키지 객체를 이송한다. 마지막으로 처리된, 즉 분류되지 않은 유닛은 제1 "패킹 유닛 1"(522) 및 제2 "패킹 유닛 2"(524)로 다시 이송된다. 2개의 패킷 유닛(522, 524)은 해당 패키지 객체를 변환하고 각각의 컨테이너 또는 충진 자루(526, 528)로 이송한다.
도 5에 도시된 생산 프로세스는 제1 데이터 객체(530) 및 제2 데이터 객체(534)에 의해 관리된다.
제1 데이터 객체(530)는 생성 날짜 "1976-02-06" 및 생성 시간 "18:31:53.401"을 갖는 "A-패키지"에 관한 것이다. 본 생산 시나리오에서 데이터 객체(530)는 다시 한번 사전에 기술된 "패키지 ID", 투여 유닛(506)에 의해 수행되는 투여 프로세스에 대한 프로세스 정보("투여 특성") 및 반응 유닛(508)에 의한 중합체 물질의 생산에 대한 추가 프로세스 정보("반응 유닛 특성")를 포함한다. 투여 특성은 각 패키지 객체의 원료 양에 대한 정보, 즉 "백분율 원료 1(액체)", "백분율 원료 2(고체)" 및 제품 온도를 포함한다. 반응 유닛 특성은 4개의 중합체 반응 구역(510-516)("온도 구역 1", "온도 구역 2", "온도 구역 3" 및 "온도 구역 4")의 온도를 포함한다.
그 후, 제1 데이터 객체(530)는 처리 라인(506-524)을 따라 기본 패키지 객체의 현재 위치("현재 패키지 위치")를 포함한다. 본 실시예에서, 그 패키지 객체의 현재 위치는 "패키지 위치 링크" 및 해당 "구역 위치"에 의해 관리된다. 마지막으로 기본 중합체 반응에 대한 화학적 및/또는 물리적 정보, 즉 해당 "반응 엔탈피/턴오버 정도"가 포함된다. 이로써, 주어진 패키지 객체를 이송하는 처리 유닛(506-524)은 반응 엔탈피 값을 계산하고 제1 데이터 객체(530)에 영구적으로 기록/실현한다. 이것은 패키지 위치 및 해당 상주 시간 및 그에 따른 프로세스 값, 예를 들어, 패키지 온도에 대한 기존 정보로 인해 가능하다. 제1 데이터 객체(530)에 포함된 반응 엔탈피 및/또는 턴오버 정도의 현재 값에 기초하여, 제1 데이터 객체(530)와 경화 유닛(518) 사이의 통신 라인(532)을 통해, 반응 엔탈피의 계산된 값에 기초하여 경화 시간 파라미터가 조정된다.
제2 데이터 객체(534)는 패킹 유닛(522, 524) 중 하나에 의해 처리되는 "물리적 패키지"에 관한 것이며 대응하는 생성 날짜/시간 정보 "1976-02-06 19:12:21.123"을 포함한다. "패키지 ID", "제품" 설명/사양, "주문 번호", "로트 번호" 및 계산된 엔탈피 및/또는 턴오버 정도의 언급된 값이 포함된다.
도 6은 산업 플랜트의 클러스터(600)의 일부이고, 그에 따른 제품 처리 라인(604)의 일부인 복수의 장비 디바이스 및 대응하는 장비 구역을 포함하는 기본 산업 플랜트(602)의 계층적 또는 토폴로지 구조를 나타내는 그래프 기반 데이터베이스 배열의 제1 실시예를 도시한다. 이 토폴로지 구조는 기본 제품 패키지의 개선된 처리 또는 계획을 가능하게 하기 위해 산업 플랜트(602)(또는 기본 플랜트 클러스터(600))의 기본이 되는 상이한 부분 사이의 기능적 관계를 시각화할 수 있게 한다. 그래프 기반 데이터베이스의 표시된 원형 노드는 서로 다른 링크 유형이 가능한 연결선을 통해 연결된다.
이 실시예에서, 장비 디바이스는 처리 유닛(606, 614)의 일부인 센서/액터(608, 616)와의 신호 및/또는 데이터 연결을 통해 연결되고 여러 입출력(I/O) 디바이스(610, 612 및 618, 620)에 연결된 물질 처리 유닛(606, 614)을 포함한다.
본 실시예에서, 제1 처리 유닛(606)은 예시적인 3개의 제품 패키지(제품 패키지 1-3)(622, 624, 626)와 추가로 연결되고, 제2 처리 유닛(614)은 추가의 3개의 제품 패키지(제품 패키지 4-n)(628, 630, 632)와 추가로 연결된다. 예시적으로만, "제품 패키지 3"(626)은 제품 샘플(샘플 1)(634)에 연결되고, "제품 패키지 5"(630)는 다른 제품 샘플(샘플 n)(638)에 연결된다. "샘플 1"(634)은 "검사 로트 1"(636)과 추가로 연결되며, "샘플 n"은 "검사 로트 n"(640)과 추가로 연결된다. 마지막으로, 두 검사 로트(636, 640)는 언급된 검사 로트를 생성하는 방법 및 각각의 기본 샘플(634, 638)의 분석/품질 관리를 실현하는 방법에 대한 사양 역할을 하는 "검사 지침 1" 유닛(642)과 연결된다.
도 6에 도시된 토폴로지 구조는, 표시된 객체(노드)가 대응하는 실제 객체와 매우 유사하게 모델링되기 때문에, 표시된 화학 플랜트의 기능 및 처리의 직관적이고 용이한 이해 및 따라서 사용자, 특히 머신/플랜트 운영자에 의해 화학 플랜트 또는 화학 플랜트의 클러스터에서 그러한 복잡한 생산 프로세스의 용이한 관리능력을 허용하는 데이터 구조를 유리하게 제공한다.
특히, 이 토폴로지 구조는 사용자/운영자가 각 객체의 기술적 및/또는 물질 특성을 쉽게 수집할 수 있는 것에 기초하여 고도의 맥락 정보를 제공한다. 이는 추가적으로 예컨대, 여러 노드 또는 심지어 토폴로지/계층 레벨에 걸친 객체 간의 적절한 생산 관련 연결 또는 관계에 대해 사용자에 의한 다소 복잡한 쿼리를 허용한다. 그러면, 도 6에 도시된 객체(노드)가 런타임 중에 추가 특성 및/또는 값으로 쉽게 확장될 수 있다.
도 7은 생산 라인(700)("라인 1")에 대해서만, 도 6에 도시된 바와 같은 그래프 기반 데이터베이스 배열의 제2 실시예를 도시한다.
본 실시예에서 장비 디바이스는 대응하는 입출력(I/O) 디바이스 "I/O 1"(706) 및 "I/O n"(712)에 연결되는 센서/액터 "센서/액터 1"(704) 및 "센서/액터 n"(710)와 신호 및/또는 데이터 연결부를 통해 연결되는 물질 처리 유닛 "유닛 1"(702) 및 "유닛 n"(708)을 포함한다. 이들 I/O 디바이스는 생산 라인(700)의 동작을 제어하는 PLC(미도시)에 대한 연결을 포함한다.
본 실시예에서, 제1 처리 유닛("유닛 1")(702)은 예시적인 3개의 제품 패키지("제품 부분" 1-3)(714, 716, 718)와 추가로 연결되고, 제2 처리 유닛("유닛 n")(708)은 추가의 2개의 제품 패키지("제품 부분" 4 및 n)(720, 722)와 추가로 연결된다. 예시적으로만, 제품 패키지 3(718)은 제품 샘플("샘플 1")(724)에 연결되고, 제품 패키지 n(722)는 다른 제품 샘플("샘플 n")(728)에 연결된다.
도 6에 도시된 실시예와 대조적으로, 제1 "센서/액터 1"(704)도 제1 제품 샘플("샘플 1")(724)에 연결되고, 제2 "센서/액터 n"(710)도 제2 제품 샘플(샘플 n")(728)에 연결된다. 이 두 개의 추가 연결은 독립적인 시간에 또는 심지어 동시에 상이한 샘플 스테이션에서 독립적으로 샘플을 채취할 수 있다는 이점이 있다. 예를 들어, 센서/액터(704)는 샘플이 채취되는 순간에 사용자 또는 운영자에 의해 눌려지는 샘플 스테이션에 배치되는 푸시 버튼일 수 있다.
이와 달리, 이러한 샘플은 샘플링 머신에 의해 자동으로 생성될 수 있는 신호일 수 있다. 이러한 자동 생성 신호는 예를 들어 도시된 I/O 객체(706)를 통해 센서/액터 객체(704)에 도달할 수 있고, I/O 객체(706)는 (도시되지 않은) PLC/DCS로부터 언급된 푸시 버튼 정보를 수신한다. 샘플을 채취하는 순간, 샘플 객체(724)(예)가 생성될 것이고 그 순간 샘플링 스테이션 위치에 배치된 제품 부분에 연결될 것이다.
그에 따라 생성된 샘플(724, 728)에 기초하여, 단 하나의(동일한) 샘플에 대해서도 하나 이상의 검사 로트(726, 730)가 생성될 수 있다. 그러나 한 처리 라인 내에서 독립적으로 또는 심지어 동시에 하나 이상의 샘플이 생성될 수 있다.
마지막으로, 도 6에 도시된 실시예에서와 같이, "샘플 1"(724)은 제1 "검사 유닛 1"(726)과 추가로 연결되고, "샘플 n"은 제2 "검사 유닛 n"(730)과 추가로 연결된다. 두 검사 유닛(726, 730)은 최종적으로 도 6에 도시된 "검사 지침 1" 유닛(642)의 경우와 같이 다시 언급된 검사 로트를 생성하는 방법 및 기본 샘플(724, 728)의 분석/품질 관리를 실현하는 방법에 대한 사양 역할을 하는 "검사 지침 1" 유닛(732)과 연결된다. "검사 지침 1" 유닛(732)은 독립적으로 생성될 수 있으며, "검사 로트 1"(726) 및 추가로 "검사 로트 n"(730)에 의해 도 7에 도시된 바와 같이, 하나보다 많은 검사 로트에 대해서만 검사 지침(732)을 사용하면서, 한 번만 생성될 수 있다.
도 8은 객체 데이터베이스(801)를 포함하고 사전기술된 생산 장비 및 대응하는 원료 및 어쩌면 사전기술된 물리적 패키지 또는 제품 패키지 관련 데이터를 포함하는 사전기술된 제품 데이터에 대한 추상화 계층, 즉 그에 따른 디지털 트윈으로서의 역할을 하는 추상화 계층(800)을 도시한다.
본 실시예에서, 추상화 계층(800)은 외부 클라우드 컴퓨팅 플랫폼(804)과의 양방향 통신 라인(802)을 제공한다. 또한, 추상화 계층(800)은 다수의 n개의 생산 PLC/DCS 및/또는 머신 PLC(806, 808)와도 "PLC/DCS 1"(806)의 경우와 같이 양방향(810)으로 또는 "PLC/DCS n"(808)의 경우와 같이 단방향(812)으로 통신한다. 본 실시예에서, 클라우드 컴퓨팅 플랫폼(804)은 고객 통합 인터페이스 또는 플랫폼(816)에 대한 양방향 통신 라인(814)을 포함하며, 이를 통해 현재 생산 플랜트 소유자의 고객이 플랜트의 사전기술된 장비 유닛에 제어 신호를 통신 및/또는 전달할 수 있다.
추가로 포함된 객체 데이터베이스(801)는 여기에 관련된 다른 객체, 예컨대, 전술한 샘플, 검사 로트, 샘플 지침, 센서/액터, 디바이스, 디바이스 관련 문서, 사용자(예컨대, 머신 또는 플랜트 운영자), 그에 따른 사용자 그룹 및 사용자 권한, 레시피, 주문, 설정포인트 파라미터 세트 또는 클라우드/에지 디바이스로부터의 인박스 객체이다.
클라우드 컴퓨팅 플랫폼(804)에서, 전용 배치 파이프라인(818)을 통해 사물 인터넷(IoT) 에지 디바이스 또는 구성요소(820)에 배치되는 최적의 알고리즘을 찾거나 생성하는 인공 지능(AI) 또는 머신 러닝(ML) 시스템이 구현되어 그에 따라 생성되거나 발견된 알고리즘을 사용하여 에지 디바이스(820)를 제어한다. 본 실시예에서 에지 디바이스(820)는 추상화 계층(800)과 양방향으로 통신(822)한다.
추상화 계층(800) 및 포함된 객체 데이터베이스(801)에 의해, 사전기술된 물리적 패키지 또는 제품 패키지가 이 문서에서 설명된 바와 같이 생성된다. 추상화 계층(800)은 또한 클라우드 컴퓨팅 플랫폼(804) 내의 소정의 처리 및/또는 AI(또는 ML) 구성요소에 연결될 수 있다. 이 연결을 위해, 알려진 데이터 스트리밍 프로토콜 "Kafka"가 사용될 수 있다. 이에 의해, 기본 제품 패키지를 생성할 때 또는 그 즈음에, 특히 기본 시계열 데이터와 관계없이 먼저 빈 데이터 패킷을 메시지로서 보낼 수 있다. 그 후 최종 제품 패키지가 처리되면 다른 메시지를 보낼 수 있다. 이들 메시지는 기본 패키지의 객체 식별자를 데이터 패킷 ID로서 포함하므로 관련 패킷이 나중에 클라우드 플랫폼 측에서 서로 다시 연결될 수 있다. 이는 클라우드로의 전송을 위해 대용량 데이터 패킷을 피할 수 있으므로 필요한 전송 대역폭 또는 용량을 최소화할 수 있다는 장점이 있다.
클라우드 컴퓨팅 플랫폼(804) 내에서, 스트리밍되고 수신된 제품 데이터는 예측된 제품 품질 관리(QC) 값과 같은 기본 제품과 관련된 추가 데이터를 얻기 위한 알고리즘을 찾거나 생성하기 위해 언급된 AI 방법 또는 ML 방법에 의해 사용된다. 클라우드 컴퓨팅 플랫폼(804) 내에서 수행되는 이 절차를 위해, 관련 제품(또는 물리적) 패키지의 QC 데이터 또는 측정된 성능 파라미터와 같은 추가 데이터가 필요하다. 이것은 관련 제품 패키지에 대한 그러한 정보를 포함하는 샘플 객체 및 검사 로트 객체(도 6도 참조)의 형태로 객체 데이터베이스(801)로부터 동일한 방식을 통해 수신될 수도 있다.
이러한 정보는 객체 데이터베이스가 아닌 임의의 다른 시스템으로부터도 수신할 수 있다. 이 경우 다른 시스템은 객체 데이터베이스 중에서 샘플/검사 로트 ID와 함께 QC 및/또는 성능 데이터를 보낸다. 클라우드 컴퓨팅 플랫폼(804) 내에서, 이 데이터는 조합되어 예를 들어, ML 기반 알고리즘/모델을 찾는 데 사용된다. 이로써 클라우드 플랫폼(804) 내의 컴퓨팅 전력을 효과적으로 사용할 수 있다.
본 실시예에서, 그에 따라 발견된 알고리즘 또는 모델은 배치 파이프라인(818)을 통해 에지 디바이스(820)로 배치된다. 에지 디바이스(820)는 추상화 계층(800)의 객체 데이터베이스(801)에 가깝고 따라서 이에 따라 즉, 낮은 네트워크 지연과 직접적이고 안전한 통신을 허용하는 네트워크 보안 레벨 및 위치의 측면에서 PLC/DCS 1 내지 PLC/DCS n(806, 808)에도 가까이 위치하는 구성요소일 수 있다.
ML 모델의 사용에 이러한 컴퓨팅 전력이 필요하지 않으므로, 에지 디바이스(820)는 ML 모델을 사용하여 언급한 고급 정보를 생성하여 객체 데이터베이스(801)에 제공한다. 따라서, 에지 디바이스(820)는 ML 기반 알고리즘 또는 모델을 생성하기 위해 클라우드 컴퓨팅 플랫폼(804)에서 사용되는 동일한 정보 또는 정보의 서브세트를 필요로 하며, 객체 데이터베이스(801)는 예컨대, 알려진 "MQTT"(Message Queuing Telemetry Transport) 프로토콜과 같은 머신 대 머신 통신을 위한 개방형 네트워크 프로토콜을 통해 이 데이터를 에지 디바이스(820)에 제공할 수 있다.
이 셋업을 통해 AI/ML 기반 고급 프로세스 제어 및 자율 제조 및 이에 따른 자율 작동 머신을 실현할 수 있다.
도 8에 도시된 실시예에 도시된 바와 같이, 사전기술된 데이터 객체(330-334)(도 3)로부터의 데이터에 기초하여, 클라우드 컴퓨팅 플랫폼(804) 측에서, AI/ML 시스템 또는 그에 따른 AI/ML 모델이 이러한 데이터를 훈련 데이터로서 사용하여 훈련된다. 따라서, 본 실시예에서 훈련 데이터는 이력 및 현재 실험실 테스트 데이터, 특히 화학 제품의 성능 파라미터를 나타내는 과거로부터의 데이터를 포함할 수 있다.
AI/ML 모델은 하나 이상의 사전설명된 성능 파라미터를 예측하는 데 사용될 수 있으며, 이 예측은 바람직하게는 컴퓨팅 유닛을 통해 수행된다. 추가적으로 또는 대안적으로, AI/ML 모델은 바람직하게는 장비 작동 조건을 조정하는 것을 통해 생산 프로세스를 적어도 부분적으로 제어하는 데 사용되고, 더 바람직하게는 언급된 컴퓨팅 유닛을 통해 수행되는 제어에 사용될 수 있다. 추가적으로 또는 대안적으로, AI/ML 모델은 예를 들어, 컴퓨팅 유닛에 의해 프로세스 파라미터 및/또는 장비 작동 조건 중 어느 것이 화학 제품에 지배적인 영향을 미치는지 결정하는 데에도 사용될 수 있어서, 프로세스 파라미터 및/또는 장비 작동 조건 중 지배적인 것이 각각 데이터 객체 또는 언급된 객체 식별자에 첨부된다.
당업자는 방법 단계, 적어도 컴퓨팅 유닛을 통해 수행되는 방법 단계가 "실시간" 또는 거의 실시간 방식으로 수행될 수 있음을 이해할 것이다. 용어는 컴퓨터 기술 분야에서 이해된다. 구체적인 예로서, 컴퓨팅 유닛에 의해 수행되는 임의의 두 단계 사이의 시간 지연은 15초 이하, 구체적으로 10초 이하, 보다 구체적으로 5초 이하이다. 바람직하게는, 지연은 1초 미만, 더욱 바람직하게는 몇 밀리초 미만이다. 따라서, 컴퓨팅 유닛은 실시간 방식으로 방법 단계를 수행하도록 구성될 수 있다. 또한, 소프트웨어 제품은 컴퓨팅 유닛이 방법 단계를 실시간 방식으로 수행하게 할 수 있다.
방법 단계는 예를 들어, 예 또는 양상에 나열된 순서대로 수행될 수 있다. 그러나, 특정 상황에서는 상이한 순서도 가능할 수 있다. 또한, 방법 단계 중 하나 이상을 한 번 또는 반복적으로 수행하는 것도 가능하다. 단계는 정기적 또는 불규칙한 기간에 반복될 수 있다. 또한, 특히 방법 단계 중 몇몇 이상이 반복적으로 수행될 때 방법 단계 중 2개 이상을 동시에 또는 적시에 중첩 방식으로 수행하는 것이 가능하다. 방법은 나열되지 않은 추가 단계를 포함할 수 있다.
"포함"이란 용어는 다른 요소들 또는 단계들을 배제하지 않고, 단수형은 복수를 배제하지 않는다. 단일 처리 수단, 프로세서 또는 제어기 또는 다른 유사한 장치는 청구항에 개시된 여러 항목들의 기능을 수행할 수 있다. 어떤 수단이 서로 다른 종속항에 기재되어 있다는 단순한 사실이 이들 수단의 조합이 유리하게 사용될 수 없다는 것을 나타내지는 않는다. 청구항의 참조 기호는 범위를 제한하는 것으로 해석되어서는 안 된다.
또한, 본 명세서에서 "적어도 하나", "하나 이상" 또는 특징 또는 요소가 한 번 이상 존재할 수 있음을 나타내는 유사한 표현은 통상적으로 제각기의 특징 또는 요소를 소개할 때 한 번만 사용되었을 수 있음에 유의해야 한다. 따라서, 달리 구체적으로 언급하지 않는 한, 경우에 따라 각각의 특징 또는 요소를 언급할 때, 특징 또는 요소가 한 번 이상 존재할 수 있다는 사실에도 불구하고 "적어도 하나" 또는 "하나 이상"이라는 표현은 반복되지 않을 수 있다.
또한, 용어 "바람직하게", "보다 바람직하게", "특히", "보다 상세하게는", "구체적으로", "보다 구체적으로" 또는 이와 유사한 용어는 대안적인 가능성을 제한하지 않으면서 선택적 특징과 함께 사용된다. 따라서, 이러한 용어에 의해 소개된 기능은 선택적 기능이며 어떤 식으로든 청구 범위를 제한하고자 하는 것은 아니다. 본 교시는 당업자가 인식하는 바와 같이 대안적인 특징을 사용하여 수행될 수 있다. 유사하게, "양상에 따라" 또는 유사한 표현에 의해 소개된 특징은 본 교시의 대안에 관한 어떠한 제한 없이, 본 교시의 범위에 관한 어떠한 제한도 없이 그리고 이러한 방식으로 도입된 특징을 본 교시의 다른 선택적 또는 비선택적 특징과 결합할 수 있는 가능성에 대한 어떠한 제한도 없이 선택적인 특징인 것으로 의도된다.
설명에 사용된 임의의 제목은 편의만을 위한 것이며, 따라서 이러한 제목은 청구대상을 한정하거나 제한하는 효과를 갖지 않는다.
생산 프로세스를 모니터링 및/또는 제어 및/또는 개선하기 위한 방법, 본 명세서에 개시된 방법을 수행하는 시스템, 생산 프로세스를 모니터링 및/또는 제어 및/또는 개선하는 시스템, 용도, 소프트웨어 프로그램, 및 본 명세서에 개시된 방법을 수행하기 위한 컴퓨터 프로그램 코드를 포함하는 컴퓨팅 유닛에 대한 다양한예를 위에서 설명하였다. 그러나, 당업자는 첨부된 청구범위 및 그 균등물의 사상 및 범위를 벗어나지 않고 이들 예에 대한 변경 및 수정이 이루어질 수 있음을 이해할 수 있을 것이다. 본 명세서에서 논의된 방법 및 제품 실시예로부터의 양상이 자유롭게 조합될 수 있다는 것 또한 이해할 수 있을 것이다.
예를 들어, 본 교시는 적어도 하나의 장비 및 하나 이상의 컴퓨팅 유닛을 포함하는 산업 플랜트에서 화학 제품을 제조하는 생산 프로세스를 개선하는 방법에 관한 것으로, 제품은 적어도 하나의 투입 물질을 처리함으로써 제조되고, 이 방법은 장비로부터 실시간 프로세스 데이터를 수신하는 단계, 실시간 프로세스 데이터의 서브세트를 결정하는 단계, 투입 물질 및/또는 장비와 관련된 적어도 하나의 상태를 계산하는 단계를 포함한다.
Claims (26)
- 산업 플랜트에서 화학 제품을 제조하기 위한 생산 프로세스를 개선하는 방법으로서,
상기 산업 플랜트는 적어도 하나의 장비 및 하나 이상의 컴퓨팅 유닛을 포함하고, 상기 제품은 상기 장비를 통해 상기 생산 프로세스를 사용하여 적어도 하나의 투입 물질을 처리함으로써 제조되며, 상기 방법은,
입력 인터페이스를 통해, 상기 장비로부터 실시간 프로세스 데이터를 수신하는 단계와,
상기 컴퓨팅 유닛 중 임의의 컴퓨팅 유닛을 통해, 상기 실시간 프로세스 데이터의 서브세트를 결정하는 단계 - 상기 실시간 프로세스 데이터의 서브세트는 상기 투입 물질이 처리되는 장비 작동 조건 및/또는 프로세스 파라미터를 나타냄 - 와,
상기 실시간 프로세스 데이터의 서브세트의 적어도 일부를 사용하여, 상기 투입 물질 및/또는 상기 장비와 관련된 적어도 하나의 상태를 계산하는 단계를 포함하는,
방법.
- 제1항에 있어서,
상기 상태 중 적어도 하나의 계산은 또한 투입 물질 데이터를 사용하여 수행되고, 상기 투입 물질 데이터는 상기 투입 물질의 하나 이상의 특성을 나타내는,
방법.
- 제1항 또는 제2항에 있어서,
상기 계산된 상태 중 적어도 하나는 상기 투입 물질이 상기 화학 제품으로 변환하기 위해 겪는 화학 반응의 상태인,
방법.
- 제1항 내지 제3항 중 임의의 하나 이상의 항에 있어서,
상기 계산된 상태 중 적어도 하나는 값인,
방법.
- 제4항에 있어서,
상기 값은 상기 화학 제품의 생산에 사용되는 에너지를 나타내는 에너지 값인,
방법.
- 제4항 및 제5항 중 임의의 하나 이상의 항에 있어서,
상기 값은 상기 산업 플랜트 및/또는 상기 화학 제품에 의해 준수되어야 하는 규제 값인,
방법.
- 제4항 내지 제6항 중 임의의 하나 이상의 항에 있어서,
상기 방법은 상기 장비를 통해 상기 생산 프로세스를 조정하는 단계를 포함하며,
상기 생산 프로세스의 조정은 상기 계산된 상태 중 적어도 하나에 응답하여 수행되는,
방법.
- 제7항에 있어서,
상기 생산 프로세스의 조정은 상기 상태 중 적어도 하나가 그들의 대응하는 원하거나 또는 예상되는 상태에 접근하거나 도달하도록 수행되는,
방법.
- 제1항 내지 제8항 중 임의의 하나 이상의 항에 있어서,
상기 상태는 모델을 통해 계산되는,
방법.
- 제2항 내지 제9항 중 임의의 하나 이상의 항에 있어서,
상기 방법은 인터페이스를 통해 객체 식별자를 제공하는 단계를 포함하고,
상기 객체 식별자에는 상기 투입 물질 데이터가 첨부되는,
방법.
- 제10항에 있어서,
상기 방법은 또한 상기 객체 식별자에 상기 실시간 프로세스 데이터의 서브세트를 첨부하는 단계를 포함하는,
방법.
- 제10항 및 제11항 중 임의의 하나 이상의 항에 있어서,
상기 방법은 또한 상기 객체 식별자에 상기 상태 중 적어도 하나를 첨부하는 단계를 포함하는,
방법.
- 제1항 내지 제12항 중 임의의 하나 이상의 항에 있어서,
상기 장비를 통해 처리할 상기 투입 물질은 적어도 2개의 패키지로 분할되고, 상기 패키지의 크기는 고정되거나 또는 상당히 일정한 프로세스 파라미터 또는 장비 작동 파라미터가 상기 장비에 의해 제공될 수 있는 투입 물질의 중량 또는 양에 기초하여 결정되는,
방법.
- 제1항 내지 제13항 중 임의의 하나 이상의 항에 있어서,
상기 적어도 2개의 패키지의 처리는 각각 적어도 객체 식별자를 포함하는 대응하는 데이터 객체에 의해 관리되는,
방법.
- 제1항 내지 제14항 중 임의의 하나 이상의 항에 있어서,
상기 장비를 통해 트리거 신호가 제공되는 것에 응답하여 데이터 객체가 생성되는,
방법.
- 제15항에 있어서,
상기 트리거 신호는 상기 장비의 장비 유닛 각각에 배치된 해당 센서의 출력에 응답하여 제공되는,
방법.
- 제1항 내지 제15항 중 임의의 하나 이상의 항에 있어서,
각각의 생산 프로세스는 개별 머신 러닝(machine learning: ML) 모델을 통해 모니터링 및/또는 제어되고, 상기 개별 ML 모델은 상기 각각의 생산 프로세스와 관련된 반응 동역학 또는 물리화학적 프로세스를 반영하도록 이력 프로세스 데이터 또는 이력 데이터를 사용하여 훈련되는,
방법.
- 제17항에 있어서,
상기 개별 ML 모델은 첨부된 객체 식별자로부터의 데이터를 포함하는 훈련 데이터를 사용하여 훈련되며, 상기 훈련은 바람직하게는 상기 컴퓨팅 유닛을 통해 수행되는,
방법.
- 제18항에 있어서,
상기 산업 플랜트는 사물 인터넷(Internet-of-Things: IoT) 에지 디바이스 또는 구성요소를 포함하고, 기본 ML 시스템은 상기 IoT 에지 디바이스 또는 구성요소에 배치되는 알고리즘을 발견하거나 생성하여 그에 따라 생성되거나 발견된 알고리즘을 사용하여 상기 IoT 에지 디바이스를 제어하도록 구현되는,
방법.
- 제18항 또는 제19항에 있어서,
객체 데이터베이스를 포함하고 상기 생산 장비, 상기 해당 투입 물질 및 패키지 관련 데이터에 대한 추상화 계층으로서의 역할을 하는 추상화 계층을 제공하는,
방법.
- 제20항에 있어서,
상기 추상화 계층은 클라우드 컴퓨팅 플랫폼 내의 소정의 처리 및/또는 ML 구성요소에 연결되고, 상기 연결을 위해 데이터 스트리밍 프로토콜이 사용되며, 스트리밍되고 수신된 제품 데이터는 상기 ML 시스템에 의해 사용되어 기본 화학 제품과 관련된 추가 데이터를 얻기 위한 알고리즘을 발견하거나 생성하는,
방법.
- 제21항에 있어서,
상기 추가 데이터는 상기 기본 화학 제품의 예측 가능한 제품 품질 관리(QC) 데이터에 관한 것인,
방법.
- 제18항 내지 제22항 중 임의의 하나 이상의 항에 있어서,
상기 ML 모델을 훈련시키기 위한 상기 훈련 데이터는 또한 이력 및/또는 현재 실험실 테스트 데이터, 또는 과거 및/또는 최근 샘플로부터의 데이터를 포함하고, 상기 이력 및/또는 현재 실험실 테스트 데이터는 상기 화학 제품의 성능 파라미터를 나타내는,
방법.
- 산업 플랜트의 생산 프로세스를 모니터링 및/또는 제어 및/또는 최적화 및/또는 개선하는 상기 방법 청구항들 중 임의의 청구항에서 생성된 상기 적어도 하나의 상태 중 임의의 상태의 용도.
- 적어도 하나의 장비를 통해 적어도 하나의 투입 물질을 처리함으로써 산업 플랜트에서 화학 제품을 제조하기 위한 생산 프로세스를 개선하는 시스템으로서,
상기 시스템은 하나 이상의 컴퓨팅 유닛을 포함하고, 상기 시스템은,
입력 인터페이스를 통해, 상기 장비로부터 실시간 프로세스 데이터를 수신하고,
상기 컴퓨팅 유닛 중 임의의 컴퓨팅 유닛을 통해, 상기 실시간 프로세스 데이터의 서브세트를 결정하고 - 상기 실시간 프로세스 데이터의 서브세트는 상기 투입 물질이 처리되는 장비 작동 조건 및/또는 프로세스 파라미터를 나타냄 - ,
상기 실시간 프로세스 데이터의 서브세트의 적어도 일부를 사용하여, 상기 투입 물질 및/또는 상기 장비와 관련된 적어도 하나의 상태를 계산하도록 구성되는,
시스템.
- 명령어를 포함하는 컴퓨터 프로그램 또는 상기 프로그램을 저장하는 비일시적 컴퓨터 판독가능 매체로서,
상기 명령어는, 생산 프로세스를 사용하여 적어도 하나의 투입 물질을 처리함으로써 산업 플랜트에서 화학 제품을 제조하기 위한 적어도 하나의 장비에 동작가능하게 결합된 임의의 하나 이상의 적절한 컴퓨팅 유닛에 의해 실행될 때, 상기 컴퓨팅 유닛 중 임의의 컴퓨팅 유닛으로 하여금,
입력 인터페이스를 통해, 상기 장비로부터 실시간 프로세스 데이터를 수신하게 하고,
상기 실시간 프로세스 데이터의 서브세트를 결정하게 하며 - 상기 실시간 프로세스 데이터의 서브세트는 상기 투입 물질이 처리되는 장비 작동 조건 및/또는 프로세스 파라미터를 나타냄 - ,
상기 실시간 프로세스 데이터의 서브세트의 적어도 일부를 사용하여, 상기 투입 물질 및/또는 상기 장비와 관련된 적어도 하나의 상태를 계산하게 하는,
컴퓨터 프로그램 또는 비일시적 컴퓨터 판독가능 매체.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20213851.7 | 2020-12-14 | ||
| EP20213851 | 2020-12-14 | ||
| PCT/EP2021/085140 WO2022128764A1 (en) | 2020-12-14 | 2021-12-10 | Chemical production |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230119181A true KR20230119181A (ko) | 2023-08-16 |
Family
ID=73835472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237023516A KR20230119181A (ko) | 2020-12-14 | 2021-12-10 | 화학물질 생산 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230409015A1 (ko) |
| EP (1) | EP4260149A1 (ko) |
| KR (1) | KR20230119181A (ko) |
| CN (1) | CN116615696A (ko) |
| WO (1) | WO2022128764A1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2624036A (en) * | 2022-11-07 | 2024-05-08 | Infrasalience Ltd | Bespoke digital twin for chemical plant control |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6540481B2 (ja) * | 2015-12-01 | 2019-07-10 | オムロン株式会社 | 管理システムおよび管理プログラム |
| US10365640B2 (en) * | 2017-04-11 | 2019-07-30 | International Business Machines Corporation | Controlling multi-stage manufacturing process based on internet of things (IoT) sensors and cognitive rule induction |
| CN113165243A (zh) * | 2018-11-16 | 2021-07-23 | 科思创知识产权两合公司 | 用于改进物理生产过程的方法和系统 |
| US11403541B2 (en) * | 2019-02-14 | 2022-08-02 | Rockwell Automation Technologies, Inc. | AI extensions and intelligent model validation for an industrial digital twin |
| EP3696619A1 (en) * | 2019-02-15 | 2020-08-19 | Basf Se | Determining operating conditions in chemical production plants |
-
2021
- 2021-12-10 CN CN202180083841.1A patent/CN116615696A/zh active Pending
- 2021-12-10 EP EP21835709.3A patent/EP4260149A1/en active Pending
- 2021-12-10 KR KR1020237023516A patent/KR20230119181A/ko unknown
- 2021-12-10 WO PCT/EP2021/085140 patent/WO2022128764A1/en active Application Filing
- 2021-12-10 US US18/266,964 patent/US20230409015A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN116615696A (zh) | 2023-08-18 |
| WO2022128764A1 (en) | 2022-06-23 |
| US20230409015A1 (en) | 2023-12-21 |
| EP4260149A1 (en) | 2023-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240192661A1 (en) | Chemical production | |
| US20230350395A1 (en) | Chemical production control | |
| US20240024839A1 (en) | Chemical production monitoring | |
| US20230390725A1 (en) | Chemical Production | |
| KR20230070211A (ko) | 화학물질 생산 | |
| KR20230070252A (ko) | 화학 생산 제어 | |
| KR20230119181A (ko) | 화학물질 생산 | |
| US20230341838A1 (en) | Chemical production control | |
| US20240061403A1 (en) | Chemical Production |