WO2019042097A1 - 系统参数设计空间优化方法及装置 - Google Patents

系统参数设计空间优化方法及装置 Download PDF

Info

Publication number
WO2019042097A1
WO2019042097A1 PCT/CN2018/099272 CN2018099272W WO2019042097A1 WO 2019042097 A1 WO2019042097 A1 WO 2019042097A1 CN 2018099272 W CN2018099272 W CN 2018099272W WO 2019042097 A1 WO2019042097 A1 WO 2019042097A1
Authority
WO
WIPO (PCT)
Prior art keywords
key
process parameters
design space
quality
parameter
Prior art date
Application number
PCT/CN2018/099272
Other languages
English (en)
French (fr)
Inventor
肖伟
刘雪松
凌娅
陈勇
王振中
姜晓红
李页瑞
包乐伟
章晨峰
王磊
陈永杰
Original Assignee
江苏康缘药业股份有限公司
浙江大学
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 江苏康缘药业股份有限公司, 浙江大学 filed Critical 江苏康缘药业股份有限公司
Publication of WO2019042097A1 publication Critical patent/WO2019042097A1/zh

Links

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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/14—Quality control systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Definitions

  • the invention relates to the field of process knowledge systems, in particular to a system parameter design space optimization method and device.
  • the setting of the parameter design space is a setting for the PKS system parameter release.
  • the setting result of the parameter design space is often a single point parameter range.
  • the honeysuckle extraction temperature parameter as an example, firstly, multiple batches of honeysuckle extraction section temperature parameter data are collected, and then data is performed for each batch. The key points of the reaction temperature change are extracted, and each key point is processed again, and the processed key points of the plurality of batches are fitted with a normal distribution, and a certain degree of fitness is used as the final parameter design point.
  • the single-point design space causes the PKS parameters to be released in a narrow range. Even if the process capability is low, the design space cannot be optimized, which is not conducive to the role of PKS in intelligent manufacturing. There is currently no optimization method for PKS parameter design space.
  • the present invention provides a system parameter design space optimization method and device, by screening out key process parameters related to key quality attributes, and establishing a relationship model between the two to optimize the system parameter design space.
  • a system parameter design space optimization method and device by screening out key process parameters related to key quality attributes, and establishing a relationship model between the two to optimize the system parameter design space.
  • the present invention provides a system parameter design space optimization method, including:
  • process parameter data including quality parameters of an intermediate of the previous stage
  • a design space is obtained, which is a specific interval range corresponding to the key quality attribute.
  • screening process parameters related to the key quality attributes include:
  • Correlation analysis is performed on the process parameters that meet the deviation threshold, and a correlation coefficient between the process parameters and the key quality attributes is obtained;
  • the key process parameters are:
  • the corresponding process parameter is obtained as a key process parameter.
  • the establishing a relationship model between the key process parameters and key quality attributes includes:
  • a stepwise regression method is used to fit the standardized key process parameters and key quality attributes to obtain a relational model.
  • the method further includes: verifying the design space, including:
  • x i is the value of a process parameter for each batch of samples
  • n is the sample capacity. The average value of a process parameter for the sample.
  • stepwise regression process includes:
  • the determination coefficient is lower than the deterministic threshold, the confidence of the selection is expanded until the determination coefficient is greater than the deterministic threshold.
  • the present invention provides a system parameter design space optimization apparatus, comprising the following modules:
  • a process parameter module configured to acquire process parameter data, where the process parameter includes a quality parameter of an intermediate of a previous work segment
  • the CQA selection module is used to select the type of key quality attribute according to the production situation of the section;
  • a CPP screening module for screening process parameters related to the key quality attributes as key process parameters
  • a model module for establishing a relationship model between the key process parameters and key quality attributes
  • a design space module configured to acquire a design space according to the relationship model, where the design space is a specific interval range corresponding to the key quality attribute.
  • the CPP screening module includes:
  • the RSD analysis unit is configured to perform relative standard deviation analysis on the process parameters to obtain process parameters that meet the deviation threshold;
  • a correlation analysis unit configured to perform correlation analysis on the process parameter that meets the deviation threshold, and obtain a correlation coefficient between the process parameter and the key quality attribute
  • a significant coefficient unit configured to acquire a significant coefficient between the process parameter and a key quality attribute according to the correlation coefficient
  • a screening unit is configured to screen for key process parameters according to the significant coefficient.
  • the device further includes a verification module, where the verification module includes:
  • a point unit for taking a certain number of points within and outside the design space
  • a quality standard comparison unit configured to obtain quality data corresponding to the point, and compare quality data of points within and outside the design space with preset quality standards to obtain verification results;
  • a release unit configured to collect the quality attribute data by using the design space as a parameter release range
  • a capability calculation unit for calculating process capability of a quality attribute
  • the capability comparison unit is used to compare the original process capability and obtain the verification result.
  • FIG. 1 is a flowchart of a system parameter design space optimization method according to an embodiment of the present invention
  • FIG. 2 is a flowchart of a method for screening key process parameters according to an embodiment of the present invention
  • FIG. 3 is a flowchart of a method for establishing a mathematical model according to an embodiment of the present invention
  • FIG. 4 is a flowchart of a method for expanding a release parameter in a stepwise regression process according to an embodiment of the present invention
  • FIG. 5 is a flowchart of a method for verifying a design space according to an embodiment of the present invention
  • FIG. 6 is a block diagram of a system for optimizing a system parameter design space according to an embodiment of the present invention.
  • FIG. 7 is a schematic diagram of a software interface of a design space according to an embodiment of the present invention.
  • FIG. 8 is a flowchart of a design space verification method according to an embodiment of the present invention.
  • the production data is collected and processed by PKS, and the mathematical model between the key process parameters and the key quality parameters is established by stepwise regression method.
  • the design space is calculated by MODDE software, and the design space is calculated.
  • a system parameter design space optimization method is provided. Referring to FIG. 1, the method includes the following processes:
  • the input process parameters mainly include process process parameters and input quality parameters (the input process parameters described in the present application are simply referred to as process parameters), and the input process parameters are the quality parameters of the previous segment intermediate.
  • the data is mainly acquired through the data export function of the PKS, and the average value is required after the data is exported.
  • the production process of traditional Chinese medicine is complex, and there are many factors affecting the quality of products.
  • the original factors in the process of statistical process control (SPC) that cause the quality fluctuation of products or intermediates are mainly from six aspects, namely, people, machines, materials, methods, Measurement, environment (5M1E), in order to cover the factors that cause product quality fluctuations as much as possible, it is recommended to use the causal map combined with the 5M1E analysis method to initially screen the process parameters.
  • CQA Critical Quality Attributes
  • the relationship mapping table is pre-established, and then the corresponding key quality attributes are matched according to the actual work segment.
  • CQA is a refined quality target
  • Critical Process Parameter is a process control condition that enables CQA to implement. Therefore, it is necessary to screen process parameters related to the CQA (to a certain extent) as key process parameters. (hereinafter referred to as CPP).
  • RSD relative standard deviation
  • correlation analysis are used to screen key process parameters affecting product quality in actual production, and data processing is performed in the RSD analysis module and correlation module of the PKS system.
  • SPSS software such as Minitab is more convenient to use.
  • the design space is a range of CPPs within a certain range of intervals corresponding to the key quality attributes. According to the established mathematical model, obtaining the CPP range of CQA under specific probability, as the design space, to control the release of system parameters, is beneficial to improve the process control system process precision of the manufacturing process and improve the manufacturing quality of the product.
  • a method of screening key process parameters includes the following processes:
  • x i is the value of a process parameter for each batch of samples
  • n is the sample capacity. The average value of a process parameter for the sample.
  • Correlation analysis is generally performed on parameters with large RSD ( ⁇ 3%).
  • the threshold of RSD can be set to 3%, but only for reference.
  • the actual threshold also needs multiple analysis to determine.
  • the Pearson coefficient in statistics is used to measure the correlation between CQA and CPP (or CPPs), with values between -1 and 1.
  • the mathematical definition of the correlation coefficient between two variables is:
  • ⁇ X is the standard deviation of the X attribute
  • the X attribute is the characteristic of the process parameter, such as the pressure average, the temperature average, the variance and the time characteristic
  • ⁇ Y is the standard deviation of the Y attribute
  • Y is the CQA, such as the transfer rate , transfer rate and solid content.
  • RSD relative standard deviation
  • correlation analysis to screen key process parameters that affect product quality in actual production.
  • Data processing is performed in the RSD analysis module and correlation module of the PKS system.
  • software such as Minitab is more convenient to use. It is recommended to use SPSS, Minitab.
  • a parameter whose significant coefficient P value is less than 0.05 (or selected according to actual conditions) is selected as the CPP.
  • a method of establishing a mathematical model includes the following processes:
  • Minitab is used for stepwise regression, specifically selecting 'statistics' ⁇ 'regression' ⁇ 'fitting model' in minitab, selecting response variables and independent variables, and setting the selection in the 'step by step' option.
  • the confidence level is expanded, that is, in the previous embodiment, the process parameters are selected in addition to the CPP according to the significant coefficient P value less than 0.05, and the process parameters in the P value is greater than or equal to 0.05 are expanded, provided that the selected process parameters are expanded to increase the determination coefficient R 2 .
  • the deterministic threshold is preferably 0.85, or the analysis selection may be performed according to actual working conditions.
  • a method for verifying a design space includes the following processes:
  • the design space For example, take 10 points in the design space within the actual production process, and obtain the corresponding quality data in the production, compared with the preset quality standards; similarly, take 10 design space outside the actual production process Points and obtain corresponding quality data in production, compared to preset quality standards. If the comparison result is that the corresponding quality data of all points in the range (or most points, such as 9 points) is greater than the preset quality standard, the correspondence of all points outside the range (or most points, such as 9 points) If the quality data is less than the preset quality standard, the accuracy of the design space optimization result is verified. Otherwise, the design space range is not accurate.
  • the method includes the following processes:
  • the verification space in FIG. 7 can also be combined with the verification method in FIG. 8 to perform double verification on the design space.
  • the search for design space is mainly based on MODDE software.
  • select '4D Design space' select '4D Design space'.
  • the result is shown in Figure 7.
  • the corresponding design space can be selected according to the actual selection. For example, the implementation success probability is 99%. If the system requirements are met, the contour line labeled 1 in Figure 7 is selected, and the inner area of the contour line can be used as the basis and range for parameter release.
  • the extraction point is the acquisition process parameter
  • S62 is the core step.
  • the quality sample is collected under the corresponding process parameters, and the quality sample is processed, and the process capability is calculated according to a certain method formula. The narrative is not described here.
  • the design space is verified, which further ensures the reliability and accuracy of parameter release, and lays a foundation for intelligent manufacturing control.
  • a system parameter design space optimization apparatus is provided. Referring to FIG. 6, the following modules are included:
  • a process parameter module 610 configured to acquire process parameter data, where the process parameter includes a quality parameter of an intermediate of a previous segment
  • the CQA selection module 620 is configured to select a type of a key quality attribute according to a production condition of the work section;
  • the CPP screening module 630 is configured to filter process parameters related to the key quality attributes as key process parameters
  • a model module 640 configured to establish a relationship model between the key process parameters and key quality attributes
  • the design space module 650 is configured to acquire a design space according to the relationship model, where the design space is a specific interval range corresponding to the key quality attribute.
  • the CPP screening module 630 includes:
  • the RSD analyzing unit 631 is configured to perform relative standard deviation analysis on the process parameters to obtain a process parameter that meets the deviation threshold;
  • a correlation analysis unit 632 configured to perform correlation analysis on the process parameter that meets the deviation threshold, and obtain a correlation coefficient between the process parameter and the key quality attribute
  • a significant coefficient unit 633 configured to acquire a significant coefficient between the process parameter and a key quality attribute according to the correlation coefficient
  • the screening unit 634 is configured to screen and obtain key process parameters according to the significant coefficient.
  • system parameter design space optimization apparatus further includes a verification module 660, and the verification module includes:
  • the quality standard comparison unit 662 is configured to obtain the quality data corresponding to the point, and compare the quality data of the points in the design space range with the preset quality standard to obtain a verification result; and/or
  • a release unit 663 configured to collect the quality attribute data by using the design space as a parameter release range
  • a capability calculation unit 664 a process capability for calculating a quality attribute
  • the capability comparison unit 665 is configured to compare the original process capability to obtain a verification result.
  • the system parameter design space optimization device provided by the above embodiment is only illustrated by the division of the above functional modules. In actual applications, the functions may be allocated differently according to requirements.
  • the function module is completed, that is, the internal structure of the system parameter design space optimization device is divided into different functional modules to complete all or part of the functions described above.
  • the embodiment of the system parameter design space optimization apparatus provided in this embodiment is the same as the design space optimization method provided by the foregoing embodiment. For details, refer to the method embodiment, and details are not described herein again.

Abstract

本发明公开了一种系统参数设计空间优化方法及装置，所述优化方法包括：获取过程参数数据，所述过程参数包括上一工段的中间体的质量参数；根据工段生产情况，选择关键质量属性的类型；筛选与所述关键质量属性相关的过程参数，作为关键过程参数；建立所述关键过程参数与关键质量属性之间的关系模型；根据所述关系模型，获取设计空间，所述设计空间为对应于所述关键质量属性的特定区间范围。本发明通过筛选出与关键质量属性相关的关键过程参数，并建立两者的关系模型，优化系统参数设计空间，为参数放行提供一种有效、可靠的解决方案。

Description

系统参数设计空间优化方法及装置 技术领域
本发明涉及过程知识系统领域，特别涉及一种系统参数设计空间优化方法及装置。
背景技术
在过程知识系统(Process Knowledge System，简称PKS)中，参数设计空间的设定是对PKS系统参数放行的一种设定。
在现有技术中，参数设计空间的设定结果往往是单点参数范围，以金银花提取温度参数为例，首先收集多个批次的金银花提取工段温度参数数据，其次对每个批次进行数据处理，提取出反应温度变化的关键点，再次，对每个关键点进行处理，多个批次的经过处理的关键点正态分布拟合，以某个拟合度作为最终的参数设计点。
而单点的设计空间造成PKS参数放行的范围狭隘，即使过程能力较低也无法作出设计空间的优化，非常不利于PKS在智能制造中发挥作用。目前尚没有一种针对于PKS参数设计空间的优化方法。
发明内容
为了解决现有技术的问题，本发明提供了一种系统参数设计空间优化方法及装置，通过筛选出与关键质量属性相关的关键过程参数，并建立两者的关系模型，优化系统参数设计空间，为参数放行提供一种有效、可靠的解决方案。所述技术方案如下：
一方面，本发明提供了一种系统参数设计空间优化方法，包括：
获取过程参数数据，所述过程参数包括上一工段的中间体的质量参数；
根据工段生产情况，选择关键质量属性的类型；
筛选与所述关键质量属性相关的过程参数，作为关键过程参数；
建立所述关键过程参数与关键质量属性之间的关系模型；
根据所述关系模型，获取设计空间，所述设计空间为对应于所述关键质量属性的特定区间范围。
进一步地，所述筛选与所述关键质量属性相关的过程参数包括：
对过程参数进行相对标准偏差分析，得到符合偏差阈值的过程参数；
对所述符合偏差阈值的过程参数进行相关性分析，得到过程参数与关键质量属性之间的相关系数；
根据所述相关系数，获取所述过程参数与关键质量属性之间的显著系数；
根据所述显著系数，筛选得到关键过程参数。
进一步地，所述根据所述显著系数，筛选得到关键过程参数包括：
确定显著系数阈值，得到小于所述显著系数阈值的目标显著系数；
根据所述目标显著系数，获取对应的过程参数，作为关键过程参数。
进一步地，所述建立所述关键过程参数与关键质量属性之间的关系模型包括：
对关键过程参数和关键质量属性进行数据标准化操作；
利用逐步回归方法，对标准化的关键过程参数和关键质量属性进行拟合操作，得到关系模型。
进一步地，所述获取设计空间之后还包括：对所述设计空间进行验证，包括：
在所述设计空间范围内和外各取一定数量的点；
获取所述点对应的质量数据，将所述设计空间范围内和外的点的质量数据分别与预设的质量标准相比较，得到验证结果；和/或
以所述设计空间作为参数放行范围，收集质量属性数据；
计算质量属性的过程能力；
与原始过程能力比较，得到验证结果。
进一步地，所述相对标准偏差分析通过以下公式实现：
Figure PCTCN2018099272-appb-000001
其中，x i为各批次样品的某过程参数的值，n为样品容量，
Figure PCTCN2018099272-appb-000002
为样品某过程参数的平均值。
进一步地，逐步回归过程中包括：
获取关系模型的决定系数；
比较所述决定系数与决定度阈值的大小；
若所述决定系数低于所述决定度阈值，则扩大入选的置信度，直至所述决定系数大于决定度阈值。
另一方面，本发明提供了一种系统参数设计空间优化装置，包括以下模块：
过程参数模块，用于获取过程参数数据，所述过程参数包括上一工段的中间体的质量参数；
CQA选择模块，用于根据工段生产情况，选择关键质量属性的类型；
CPP筛选模块，用于筛选与所述关键质量属性相关的过程参数，作为关键过程参数；
模型模块，用于建立所述关键过程参数与关键质量属性之间的关系模型；
设计空间模块，用于根据所述关系模型，获取设计空间，所述设计空间为对应于所述关键质量属性的特定区间范围。
进一步地，所述CPP筛选模块包括：
RSD分析单元，用于对过程参数进行相对标准偏差分析，得到符合偏差阈值的过程参数；
相关性分析单元，用于对所述符合偏差阈值的过程参数进行相关性分析，得到过程参数与关键质量属性之间的相关系数；
显著系数单元，用于根据所述相关系数，获取所述过程参数与关键质量属性之间的显著系数；
筛选单元，用于根据所述显著系数，筛选得到关键过程参数。
进一步地，所述装置还包括验证模块，所述验证模块包括：
取点单元，用于在所述设计空间范围内和外各取一定数量的点；
质量标准比较单元，用于获取所述点对应的质量数据，将所述设计空间范围内和外的点的质量数据分别与预设的质量标准相比较，得到验证结果；和/或
放行单元，用于以所述设计空间作为参数放行范围，收集质量属性数据；
能力计算单元，用于计算质量属性的过程能力；
能力比较单元，用于与原始过程能力比较，得到验证结果。
本发明提供的技术方案带来的有益效果如下：
1)通过RSD分析和相关性分析，筛选出与关键质量属性相关的关键过程参数，为模型的建立提供可靠的参数素材；
2)通过逐步回归方法建立关键过程参数与关键质量属性之间的关系模型，避免多重共线性的影响，模型可靠性高；
3)适当扩大入选置信度，控制模型的决定系数高于阈值，保证最终设计空间的可靠性；
4)对设计空间进一步进行验证，验证设计空间优化结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的系统参数设计空间优化方法流程图；
图2是本发明实施例提供的筛选关键过程参数的方法流程图；
图3是本发明实施例提供的建立数学模型的方法流程图；
图4是本发明实施例提供的逐步回归过程中扩大放行参数的方法流程图；
图5是本发明实施例提供的验证设计空间的方法流程图；
图6是本发明实施例提供的系统参数设计空间优化装置的模块框图；
图7是本发明实施例提供的设计空间的软件界面示意图；
图8是本发明实施例提供的设计空间验证方法流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那 些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本发明实施例中，以沉浓缩过程为例，通过PKS收集处理生产数据，通过逐步回归法建立关键过程参数与关键质量参数之间的数学模型，最后用MODDE软件计算设计空间，并将设计空间作为工段关键过程参数放行的标准，非关键过程参数可按当前生产标准进行放行，尝试建立一种适用于中药生产过程的过程参数放行的方法。
在本发明的一个实施例中，提供了一种系统参数设计空间优化方法，参见图1，所述方法包括以下流程：
S1、获取过程参数数据。
具体地，输入过程参数主要包括过程工艺参数和输入质量参数(本申请中所述输入过程参数简称为过程参数)，输入过程参数即是上一个工段中间体的质量参数。
主要通过PKS的数据导出功能进行获取数据，数据导出后根据需要求平均值。中药生产过程复杂，影响产品质量的因素众多，过程统计控制理论(Statistical Process Control，SPC)中认为造成产品或者中间体质量波动的原因素主要来自6个方面，即人、机器、材料、方法、测量、环境(5M1E)，为了尽量涵盖引起产品质量波动的因素，推荐使用因果图结合5M1E分析法初步筛选过程参数。
S2、选择关键质量属性的类型。
关键质量属性(Critical QualityAttributes，CQA)的选择应该根据不同工段具体制定。如提取工段，成分含量是主要的CQA；在浓缩工段，固含、浸膏比重是CQA；在醇沉和萃取工段，指标成分的转移率、杂质的去除率是CQA，等等。
预建立关系映射表，后根据实际工段，匹配相应的关键质量属性。
S3、筛选关键过程参数。
CQA是细化的质量目标，而关键过程参数(Critical Process Parameter，CPP)是使CQA实现的工艺控制条件，因此，需要筛选与所述CQA相关(达到一定程度)的过程参数，作为关键过程参数(以下简称CPP)。
在本实施例中，使用RSD(相对标准偏差)分析和相关性分析联用来筛选实际生产中影响产品质量的关键工艺参数，数据处理均在PKS系统的RSD分析模块和相关性模块中进行。结合SPSS，Minitab等软件使用更为便捷。
S4、建立所述关键过程参数与关键质量属性之间的关系模型。
为了描述CPPs(Critical Process Parameters)和CQA之间的关系，制定CPPs的范围，需要建立CPPs和CQA之间的数学模型。
S5、根据所述关系模型，获取设计空间。
所述设计空间为对应于所述关键质量属性的特定区间范围内的CPP的范围。根据建立的数学模型，获取在特定概率下实现CQA的CPP范围，作为设计空间，以此控制系统参数的 放行，有利于提高过程知识系统对制造过程的过程控制的精确度，提高产品制造品质。
实施例2
在本发明的一个实施例中，提供了一种筛选关键过程参数的方法，参见图2，所述方法包括以下流程：
S21、对过程参数进行相对标准偏差分析，得到符合偏差阈值的过程参数。
在实际生产中，并不是所有的过程参数都有分析价值，因为在实际生产的工艺中，一些过程参数是已经固定的或者只是在微小的范围内变化，这些参数由于变化甚小，可以视为常量，不纳入分析。在这里，采用相对标准偏差(relative standard deviation，RSD)分析的目的就是初步筛选得到波动比较大的过程参数，即得到符合偏差阈值的过程参数。
RSD的计算公式为：
Figure PCTCN2018099272-appb-000003
其中，x i为各批次样品的某过程参数的值，n为样品容量，
Figure PCTCN2018099272-appb-000004
为样品某过程参数的平均值。
一般选择RSD较大(≥3％)的参数进行相关性分析，RSD的阈值可设置为3％，但仅作参考，实际阈值还需要多次的分析来确定。
S22、对所述符合偏差阈值的过程参数进行相关性分析，得到过程参数与关键质量属性之间的相关系数。
在实际生产中，不同的过程参数对中间体的质量影响程度是不一样的，有的参数对最终产品的质量起着决定性作用，有些参数对中间体或者最终产品质量的影响则较小，进行相关性分析的目的在于可以直观的看出影响产品的关键过程参数及其贡献度，找出生产过程的内在规律，加深对生产过程的理解，更好地对生产中的各个参数进行有目的的控制。
在本发明实施例中，应用统计学中的皮尔逊系数来度量CQA与CPP(或者CPPs)之间的相关性，其值介于-1到1之间。两个变量之间的相关系数的数学定义为：
Figure PCTCN2018099272-appb-000005
其中，σ X为X属性的标准差，X属性是过程参数相关的特征，如压力平均值，温度平均值，方差以及时间特征；σ Y为Y属性的标准差，Y为CQA，如转移率、转移率和固含量等。cov(X,Y)为X和Y的协方差，其定义为,cov(X,Y)＝E[(X-μ X)(Y-μ Y)]，其中，μ X,μ Y分别为属性X和Y的平均值。
S23、根据所述相关系数，获取所述过程参数与关键质量属性之间的显著系数。
此处我们使用RSD(相对标准偏差)分析和相关性分析联用来筛选实际生产中影响产品质量的关键工艺参数，数据处理均在PKS系统的RSD分析模块和相关性模块中进行。结合SPSS，Minitab等软件使用更为便捷。推荐使用SPSS、Minitab。
以Minitab为例计算皮尔逊系数，在Minitab软件中选中要进行分析的项并选择皮尔逊系数法，显示P值，即为符合偏差阈值的过程参数与关键质量属性之间的显著系数。
S24、根据所述显著系数，筛选得到关键过程参数。
相关性分析中，选择显著系数P值小于0.05(或根据实际情况进行分析选择)的参数作为CPP。通过上述两步，即可得到该工段不同CQA的CPP。
通过本实施例中筛选CPP的方法，找出生产过程中CQA与CPP初步规律，初步加深对生产过程的理解，为下面的建立数学模型提供良好的样本基础。
实施例3
在本发明的一个实施例中，提供了一种建立数学模型的方法，参见图3，所述方法包括以下流程：
S41、对关键过程参数和关键质量属性进行数据标准化操作。
标准化的方式很多，有标准差标准化，极差标准化等，研究中可以多多尝试，比较结果的不同。
S42、利用逐步回归方法，对标准化的关键过程参数和关键质量属性进行拟合操作，得到关系模型。
回归的方法也有很多，包括线性和非线性的。此处使用的是逐步回归的方法(避免多重共线性的影响)，可以尝试的方法还包括SVM、MLR、BP等。在本发明实施例中，使用Minitab进行逐步回归，具体为在minitab中选中‘统计’→‘回归’→‘拟合模型’，选定响应变量和自变量，在‘逐步’选项中，设置入选用α和删除用α和逐步类型，回归结束后，得到数学模型，即回归方程。
一般来说，与实验室数据相比，在小试研究中，CQA较多时，会使用综合评价的方法，如偏回归系数法，多指标综合评定法来筛选CPP，但实际生产由于没有实验设计，很难取得小试研究中R 2较高的偏回归方程，所以该方法并不适用于实际生产数据。而生产工艺由于相对成熟，变量因素往往是固定的几个因素，因此，原理较为简单的RSD和相关性分析联用，在实际生产数据筛选CPP的效果更好，但是也有弊端，因为仍缺乏一种综合评价筛选多指标的关键过程参数，如果用逐个的CQA寻找设计空间，很有可能出现设计空间没有交集的情况，即较实验室数据相比，制造过程中的决定系数R 2偏小，因此仍需寻找一种适合实际生产的筛选CPP的方法。(目前尝试使用综合各个CQA的对应CPPs作为整体评价指标的CPPs，逐步回归的时候扩大入选用α，直至R 2大于0.85)，即如图4所示，在逐步回归过程中包括：
S421、获取关系模型的决定系数；
S422、比较所述决定系数与决定度阈值的大小，若所述决定系数低于所述决定度阈值，则执行S423；
S423、扩大入选的置信度，直至所述决定系数大于决定度阈值。
扩大置信度即在上一个实施例中根据显著系数P值小于0.05筛选得到CPP以外，扩大入选在P值大于等于0.05范围下的过程参数，前提是扩大入选的过程参数使决定系数R 2增大，根据在本发明实施例中，所述决定度阈值优选为0.85，或者可以根据实际工况进行分析选择。
实施例4
在本发明的一个实施例中，提供了一种对设计空间进行验证的方法，参见图5，所述方法包括以下流程：
S611、在所述设计空间范围内和外各取一定数量的点；
S612、获取所述点对应的质量数据，将所述设计空间范围内和外的点的质量数据分别与预设的质量标准相比较，得到验证结果。
比如：在实际生产过程中取10个设计空间范围内的点，并获取生产中对应的质量数据，与预设的质量标准相比较；同样地，在实际生产过程中取10个设计空间范围外的点，并获取生产中对应质量数据，与预设的质量标准相比较。比较结果若为范围内的所有点(或者大部分点，比如9个点)的对应质量数据大于预设的质量标准，而范围外的所有点(或者大部分点，比如9个点)的对应质量数据小于预设的质量标准，则验证设计空间优化结果的准确性，否则，所述设计空间范围不准确。
在本发明的另一个实施例中，提供另一种对设计空间进行验证的方法，参见图8，所述方法包括以下流程：
S621、以所述设计空间作为参数放行范围，收集质量属性数据；
S622、计算质量属性的过程能力；
S623、与原始过程能力比较，得到验证结果。
若依照设计空间进行参数放行后，质量属性的过程能力有所提高，则验证设计空间优化结果的准确性，否则，所述设计空间范围不准确。也可以采用图7中的验证方法与图8中的验证方法结合，对所述设计空间进行双重验证。
设计空间的寻找主要基于MODDE软件进行。当响应变量较多时，选择‘4D Design space’，结果如图7所示，根据图中等高线划分的区域，可以根据实际选择进行选择相应的设计空间实施参数放行，比如，实施成功概率99％即能满足系统需求，则选定图7中标记为1的等高线，该等高线内部区域即可作为参数放行的依据和范围。
其中，在设计空间范围内/外取点即为获取过程参数，S62为核心步骤，在相应的过程参数下收集质量样本，并对所述质量样本进行处理，按照一定的方法公式计算过程能力，在此不展开叙述。
本发明实施例中对设计空间进行了验证，进一步确保了参数放行的可靠性和准确度，为智能制造控制奠定了基础。
实施例5
在本发明实施例中，提供了一种系统参数设计空间优化装置，参见图6，包括以下模块：
过程参数模块610，用于获取过程参数数据，所述过程参数包括上一工段的中间体的质量参数；
CQA选择模块620，用于根据工段生产情况，选择关键质量属性的类型；
CPP筛选模块630，用于筛选与所述关键质量属性相关的过程参数，作为关键过程参数；
模型模块640，用于建立所述关键过程参数与关键质量属性之间的关系模型；
设计空间模块650，用于根据所述关系模型，获取设计空间，所述设计空间为对应于所述关键质量属性的特定区间范围。
其中，所述CPP筛选模块630包括：
RSD分析单元631，用于对过程参数进行相对标准偏差分析，得到符合偏差阈值的过程参数；
相关性分析单元632，用于对所述符合偏差阈值的过程参数进行相关性分析，得到过程参数与关键质量属性之间的相关系数；
显著系数单元633，用于根据所述相关系数，获取所述过程参数与关键质量属性之间的显著系数；
筛选单元634，用于根据所述显著系数，筛选得到关键过程参数。
另一个优选实施例中，所述系统参数设计空间优化装置还包括验证模块660，所述验证模块包括：
取点单元661，用于在所述设计空间范围内和外各取一定数量的点；
质量标准比较单元662，用于获取所述点对应的质量数据，将所述设计空间范围内和外的点的质量数据分别与预设的质量标准相比较，得到验证结果；和/或
放行单元663，用于以所述设计空间作为参数放行范围，收集质量属性数据；
能力计算单元664，用于计算质量属性的过程能力；
能力比较单元665，用于与原始过程能力比较，得到验证结果。
需要说明的是：上述实施例提供的系统参数设计空间优化装置在进行设计空间优化时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统参数设计空间优化装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，本实施例提供的系统参数设计空间优化装置实施例与上述实施例提供的设计空间优化方法属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

  1. 一种系统参数设计空间优化方法，其特征在于，包括：
    获取过程参数数据，所述过程参数包括上一工段的中间体的质量参数；
    根据工段生产情况，选择关键质量属性的类型；
    筛选与所述关键质量属性相关的过程参数，作为关键过程参数；
    建立所述关键过程参数与关键质量属性之间的关系模型；
    根据所述关系模型，获取设计空间，所述设计空间为对应于所述关键质量属性的特定区间范围。
  2. 根据权利要求1所述的方法，其特征在于，所述筛选与所述关键质量属性相关的过程参数包括：
    对过程参数进行相对标准偏差分析，得到符合偏差阈值的过程参数；
    对所述符合偏差阈值的过程参数进行相关性分析，得到过程参数与关键质量属性之间的相关系数；
    根据所述相关系数，获取所述过程参数与关键质量属性之间的显著系数；
    根据所述显著系数，筛选得到关键过程参数。
  3. 根据权利要求2所述的方法，其特征在于，所述根据所述显著系数，筛选得到关键过程参数包括：
    确定显著系数阈值，得到小于所述显著系数阈值的目标显著系数；
    根据所述目标显著系数，获取对应的过程参数，作为关键过程参数。
  4. 根据权利要求1所述的方法，其特征在于，所述建立所述关键过程参数与关键质量属性之间的关系模型包括：
    对关键过程参数和关键质量属性进行数据标准化操作；
    利用逐步回归方法，对标准化的关键过程参数和关键质量属性进行拟合操作，得到关系模型。
  5. 根据权利要求1所述的方法，其特征在于，所述获取设计空间之后还包括：对所述设计空间进行验证，包括：
    在所述设计空间范围内和外各取一定数量的点；
    获取所述点对应的质量数据，将所述设计空间范围内和外的点的质量数据分别与预设的质量标准相比较，得到验证结果；和/或
    以所述设计空间作为参数放行范围，收集质量属性数据；
    计算质量属性的过程能力；
    与原始过程能力比较，得到验证结果。
  6. 根据权利要求2所述的方法，其特征在于，所述相对标准偏差分析通过以下公式实现：
    Figure PCTCN2018099272-appb-100001
    其中，x i为各批次样品的某过程参数的值，n为样品容量，
    Figure PCTCN2018099272-appb-100002
    为样品某过程参数的平均值。
  7. 根据权利要求4所述的方法，其特征在于，逐步回归过程中包括：
    获取关系模型的决定系数；
    比较所述决定系数与决定度阈值的大小；
    若所述决定系数低于所述决定度阈值，则扩大入选的置信度，直至所述决定系数大于决定度阈值。
  8. 一种系统参数设计空间优化装置，其特征在于，包括以下模块：
    过程参数模块，用于获取过程参数数据，所述过程参数包括上一工段的中间体的质量参数；
    CQA选择模块，用于根据工段生产情况，选择关键质量属性的类型；
    CPP筛选模块，用于筛选与所述关键质量属性相关的过程参数，作为关键过程参数；
    模型模块，用于建立所述关键过程参数与关键质量属性之间的关系模型；
    设计空间模块，用于根据所述关系模型，获取设计空间，所述设计空间为对应于所述关键质量属性的特定区间范围。
  9. 根据权利要求8所述的装置，其特征在于，所述CPP筛选模块包括：
    RSD分析单元，用于对过程参数进行相对标准偏差分析，得到符合偏差阈值的过程参数；
    相关性分析单元，用于对所述符合偏差阈值的过程参数进行相关性分析，得到过程参数与关键质量属性之间的相关系数；
    显著系数单元，用于根据所述相关系数，获取所述过程参数与关键质量属性之间的显著系数；
    筛选单元，用于根据所述显著系数，筛选得到关键过程参数。
  10. 根据权利要求8所述的装置，其特征在于，还包括验证模块，所述验证模块包括：
    取点单元，用于在所述设计空间范围内和外各取一定数量的点；
    质量标准比较单元，用于获取所述点对应的质量数据，将所述设计空间范围内和外的点的质量数据分别与预设的质量标准相比较，得到验证结果；和/或
    放行单元，用于以所述设计空间作为参数放行范围，收集质量属性数据；
    能力计算单元，用于计算质量属性的过程能力；
    能力比较单元，用于与原始过程能力比较，得到验证结果。
PCT/CN2018/099272 2017-08-31 2018-08-08 系统参数设计空间优化方法及装置 WO2019042097A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710771774.8 2017-08-31
CN201710771774.8A CN107578105B (zh) 2017-08-31 2017-08-31 系统参数设计空间优化方法及装置

Publications (1)

Publication Number Publication Date
WO2019042097A1 true WO2019042097A1 (zh) 2019-03-07

Family

ID=61030770

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/099272 WO2019042097A1 (zh) 2017-08-31 2018-08-08 系统参数设计空间优化方法及装置

Country Status (2)

Country Link
CN (1) CN107578105B (zh)
WO (1) WO2019042097A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578105B (zh) * 2017-08-31 2019-03-26 江苏康缘药业股份有限公司 系统参数设计空间优化方法及装置
CN110955196A (zh) * 2018-09-27 2020-04-03 北京国双科技有限公司 一种生产工艺指标数据的处理方法及系统
CN110333330A (zh) * 2019-06-13 2019-10-15 江苏康缘药业股份有限公司 一种片剂崩解时间的检测方法
CN110353995B (zh) * 2019-06-13 2021-10-01 江苏康缘药业股份有限公司 一种胶囊制剂装量偏差的检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103439288A (zh) * 2013-08-24 2013-12-11 浙江大学 一种银杏叶药材实时放行检测方法
CN104050612A (zh) * 2014-03-13 2014-09-17 无锡香象生物科技有限公司 一种基于云计算的药品比值比失衡安全监测方法
CN104714537A (zh) * 2015-01-10 2015-06-17 浙江大学 一种基于联合相对变化分析和自回归模型的故障预测方法
US20150356448A1 (en) * 2011-03-18 2015-12-10 Battelle Memorial Institute Information Processing Systems, Reasoning Modules, and Reasoning System Design Methods
CN107578105A (zh) * 2017-08-31 2018-01-12 江苏康缘药业股份有限公司 系统参数设计空间优化方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8555206B2 (en) * 2007-12-21 2013-10-08 Fisher-Rosemount Systems, Inc. Methods and apparatus to present recipe progress status information
CN102305792B (zh) * 2011-07-22 2014-03-26 浙江农林大学 基于非线性偏最小二乘优化模型的森林碳汇遥感估算方法
CN102567812B (zh) * 2012-01-09 2014-12-31 红云红河烟草(集团)有限责任公司 一种烟草加工工序中用加工参数预测控制指标的方法
CN103279837A (zh) * 2013-06-05 2013-09-04 浙江中控软件技术有限公司 一种生产数据分析方法及系统
CN103756980B (zh) * 2014-01-10 2015-10-21 中南林业科技大学 一种革耳菌发酵产漆酶的培养基及产漆酶的方法
CN104991984A (zh) * 2015-05-15 2015-10-21 广西大学 一种用于煮糖结晶的数据监测方法和系统
CN106650774A (zh) * 2016-10-11 2017-05-10 国云科技股份有限公司 一种数据分析中获取因变量与自变量回归关系的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150356448A1 (en) * 2011-03-18 2015-12-10 Battelle Memorial Institute Information Processing Systems, Reasoning Modules, and Reasoning System Design Methods
CN103439288A (zh) * 2013-08-24 2013-12-11 浙江大学 一种银杏叶药材实时放行检测方法
CN104050612A (zh) * 2014-03-13 2014-09-17 无锡香象生物科技有限公司 一种基于云计算的药品比值比失衡安全监测方法
CN104714537A (zh) * 2015-01-10 2015-06-17 浙江大学 一种基于联合相对变化分析和自回归模型的故障预测方法
CN107578105A (zh) * 2017-08-31 2018-01-12 江苏康缘药业股份有限公司 系统参数设计空间优化方法及装置

Also Published As

Publication number Publication date
CN107578105A (zh) 2018-01-12
CN107578105B (zh) 2019-03-26

Similar Documents

Publication Publication Date Title
WO2019042097A1 (zh) 系统参数设计空间优化方法及装置
CN111291777B (zh) 一种基于多组学集成的癌症亚型分类方法
CN116186634B (zh) 一种建筑工程施工数据智能管理系统
CN107368700A (zh) 基于计算云平台的微生物多样性交互分析系统及其方法
CN113092981B (zh) 晶圆数据检测方法及系统、存储介质及测试参数调整方法
CN109182462B (zh) 一种检测指标阴阳性的判定方法及装置
CN101713731A (zh) 一种药物制剂包衣质量的鉴别方法
CN111539308A (zh) 基于深度学习的胚胎质量综合评价装置
CN106323266B (zh) 一种兴趣点位置信息处理方法及装置
CN113539909A (zh) 一种故障检测方法、装置、终端设备及存储介质
CN110866689B (zh) 一种空间扫描统计量中选择最大扫描窗口的方法
US20210406272A1 (en) Methods and systems for supervised template-guided uniform manifold approximation and projection for parameter reduction of high dimensional data, identification of subsets of populations, and determination of accuracy of identified subsets
WO2023207453A1 (zh) 一种基于光谱聚类的中药成分分析方法及系统
WO2020001663A2 (zh) 基因测序结果类型的检测方法、装置、设备及存储介质
CN112837754B (zh) 一种基于特征基因的单细胞自动分类方法和装置
CN116167454A (zh) 智能化的二分类模型训练方法及装置
CN108508319B (zh) 基于故障特征气体间关联特征的变压器故障类型识别方法
US20200265925A1 (en) Source identification for unknown molecules using mass spectral matching
CN110010246A (zh) 一种基于神经网络和置信区间的疾病智能诊断技术
CN113536050B (zh) 一种配网监控系统曲线数据查询处理方法
RU2470352C1 (ru) Способ статистического регулирования технологического процесса (варианты)
TWI399661B (zh) 從微陣列資料中分析及篩選疾病相關基因的系統
CN110517724B (zh) 利用单细胞转录和基因敲除数据推断基因调控网络的方法
CN114067169A (zh) 一种基于卷积神经网络的拉曼光谱分析方法
CN107506824B (zh) 一种配电网的不良观测数据检测方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18850383

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18850383

Country of ref document: EP

Kind code of ref document: A1