CN116324648A - 化学生产控制 - Google Patents
化学生产控制 Download PDFInfo
- Publication number
- CN116324648A CN116324648A CN202180063765.8A CN202180063765A CN116324648A CN 116324648 A CN116324648 A CN 116324648A CN 202180063765 A CN202180063765 A CN 202180063765A CN 116324648 A CN116324648 A CN 116324648A
- Authority
- CN
- China
- Prior art keywords
- downstream
- data
- object identifier
- upstream
- computing unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012824 chemical production Methods 0.000 title description 7
- 239000000463 material Substances 0.000 claims abstract description 466
- 238000004519 manufacturing process Methods 0.000 claims abstract description 358
- 238000000034 method Methods 0.000 claims abstract description 301
- 239000004433 Thermoplastic polyurethane Substances 0.000 claims abstract description 212
- 229920002803 thermoplastic polyurethane Polymers 0.000 claims abstract description 212
- 238000012545 processing Methods 0.000 claims abstract description 183
- 229920005983 Infinergy® Polymers 0.000 claims abstract description 15
- 238000011144 upstream manufacturing Methods 0.000 claims description 227
- 230000008569 process Effects 0.000 claims description 158
- 239000002243 precursor Substances 0.000 claims description 115
- 230000015654 memory Effects 0.000 claims description 60
- 238000011143 downstream manufacturing Methods 0.000 claims description 57
- 239000002245 particle Substances 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 7
- 230000004048 modification Effects 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 7
- 241000196324 Embryophyta Species 0.000 description 197
- 230000000875 corresponding effect Effects 0.000 description 155
- 239000000047 product Substances 0.000 description 100
- 238000004806 packaging method and process Methods 0.000 description 69
- 238000010801 machine learning Methods 0.000 description 68
- 239000000523 sample Substances 0.000 description 58
- 230000032258 transport Effects 0.000 description 57
- 239000000126 substance Substances 0.000 description 38
- 230000004044 response Effects 0.000 description 30
- 230000001276 controlling effect Effects 0.000 description 29
- 238000006243 chemical reaction Methods 0.000 description 25
- 230000000670 limiting effect Effects 0.000 description 22
- 238000002156 mixing Methods 0.000 description 21
- 238000007689 inspection Methods 0.000 description 20
- 238000012360 testing method Methods 0.000 description 20
- 239000002994 raw material Substances 0.000 description 19
- 230000006854 communication Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 18
- 238000004458 analytical method Methods 0.000 description 17
- 230000008901 benefit Effects 0.000 description 17
- 238000003908 quality control method Methods 0.000 description 17
- 239000002609 medium Substances 0.000 description 16
- 238000005520 cutting process Methods 0.000 description 15
- 239000000203 mixture Substances 0.000 description 12
- 239000007788 liquid Substances 0.000 description 11
- 238000012549 training Methods 0.000 description 11
- 238000011049 filling Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 10
- 238000004064 recycling Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 238000013178 mathematical model Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000007906 compression Methods 0.000 description 7
- 230000006835 compression Effects 0.000 description 7
- 238000010438 heat treatment Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 229920000909 polytetrahydrofuran Polymers 0.000 description 7
- 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 6
- 239000011324 bead Substances 0.000 description 6
- 235000000332 black box Nutrition 0.000 description 6
- 238000001311 chemical methods and process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000012636 effector Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 238000000926 separation method Methods 0.000 description 6
- 230000036962 time dependent Effects 0.000 description 6
- 239000000654 additive Substances 0.000 description 5
- 230000000386 athletic effect Effects 0.000 description 5
- 230000003139 buffering effect Effects 0.000 description 5
- 239000006260 foam Substances 0.000 description 5
- 229920000642 polymer Polymers 0.000 description 5
- 239000003380 propellant Substances 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 4
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 4
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 4
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- WERYXYBDKMZEQL-UHFFFAOYSA-N butane-1,4-diol Chemical compound OCCCCO WERYXYBDKMZEQL-UHFFFAOYSA-N 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000005227 gel permeation chromatography Methods 0.000 description 4
- 238000009533 lab test Methods 0.000 description 4
- 239000007791 liquid phase Substances 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000000465 moulding Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 239000007790 solid phase Substances 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000004970 Chain extender Substances 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 3
- TZCXTZWJZNENPQ-UHFFFAOYSA-L barium sulfate Chemical compound [Ba+2].[O-]S([O-])(=O)=O TZCXTZWJZNENPQ-UHFFFAOYSA-L 0.000 description 3
- 230000007175 bidirectional communication Effects 0.000 description 3
- 239000003054 catalyst Substances 0.000 description 3
- 239000007795 chemical reaction product Substances 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000005470 impregnation Methods 0.000 description 3
- 239000012948 isocyanate Substances 0.000 description 3
- 150000002513 isocyanates Chemical class 0.000 description 3
- 239000011344 liquid material Substances 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 238000005453 pelletization Methods 0.000 description 3
- 230000000704 physical effect Effects 0.000 description 3
- 238000006116 polymerization reaction Methods 0.000 description 3
- 229920005862 polyol Polymers 0.000 description 3
- 150000003077 polyols Chemical class 0.000 description 3
- 239000007858 starting material Substances 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- 239000005995 Aluminium silicate Substances 0.000 description 2
- 101100386719 Caenorhabditis elegans dcs-1 gene Proteins 0.000 description 2
- 239000004721 Polyphenylene oxide Substances 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- WNLRTRBMVRJNCN-UHFFFAOYSA-N adipic acid Chemical compound OC(=O)CCCCC(O)=O WNLRTRBMVRJNCN-UHFFFAOYSA-N 0.000 description 2
- 235000012211 aluminium silicate Nutrition 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000011230 binding agent Substances 0.000 description 2
- 239000013590 bulk material Substances 0.000 description 2
- 229910000019 calcium carbonate Inorganic materials 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
- 238000004587 chromatography analysis Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 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
- 238000000113 differential scanning calorimetry Methods 0.000 description 2
- 150000002009 diols Chemical class 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004299 exfoliation Methods 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000004817 gas chromatography Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000007062 hydrolysis Effects 0.000 description 2
- 238000006460 hydrolysis reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000006101 laboratory sample Substances 0.000 description 2
- 239000000155 melt Substances 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 229910052757 nitrogen Inorganic materials 0.000 description 2
- 239000008188 pellet Substances 0.000 description 2
- 229920000570 polyether Polymers 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000001542 size-exclusion chromatography Methods 0.000 description 2
- 239000011343 solid material Substances 0.000 description 2
- 238000007711 solidification Methods 0.000 description 2
- 230000008023 solidification Effects 0.000 description 2
- 238000010025 steaming Methods 0.000 description 2
- 238000009864 tensile test Methods 0.000 description 2
- 238000012932 thermodynamic analysis Methods 0.000 description 2
- 239000006163 transport media Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 244000198134 Agave sisalana Species 0.000 description 1
- 239000004604 Blowing Agent 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
- 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
- 229920002472 Starch Polymers 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000001361 adipic acid Substances 0.000 description 1
- 235000011037 adipic acid Nutrition 0.000 description 1
- 239000000443 aerosol Substances 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
- 229910021502 aluminium hydroxide Inorganic materials 0.000 description 1
- PZZYQPZGQPZBDN-UHFFFAOYSA-N aluminium silicate Chemical compound O=[Al]O[Si](=O)O[Al]=O PZZYQPZGQPZBDN-UHFFFAOYSA-N 0.000 description 1
- 229910000323 aluminium silicate Inorganic materials 0.000 description 1
- QLJCFNUYUJEXET-UHFFFAOYSA-K aluminum;trinitrite Chemical compound [Al+3].[O-]N=O.[O-]N=O.[O-]N=O QLJCFNUYUJEXET-UHFFFAOYSA-K 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 239000004760 aramid Substances 0.000 description 1
- 229920006231 aramid fiber Polymers 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000001273 butane Substances 0.000 description 1
- 239000001175 calcium sulphate Substances 0.000 description 1
- 235000011132 calcium sulphate Nutrition 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 235000005607 chanvre indien Nutrition 0.000 description 1
- -1 clays Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 125000005442 diisocyanate group Chemical group 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 230000008278 dynamic mechanism Effects 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 238000005469 granulation Methods 0.000 description 1
- 230000003179 granulation Effects 0.000 description 1
- 239000011487 hemp Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 239000011147 inorganic material Substances 0.000 description 1
- 239000013067 intermediate product Substances 0.000 description 1
- 230000001788 irregular Effects 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
- 230000007774 longterm Effects 0.000 description 1
- VTHJTEIRLNZDEV-UHFFFAOYSA-L magnesium dihydroxide Chemical compound [OH-].[OH-].[Mg+2] VTHJTEIRLNZDEV-UHFFFAOYSA-L 0.000 description 1
- 239000000347 magnesium hydroxide Substances 0.000 description 1
- 229910001862 magnesium hydroxide Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 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
- 239000011859 microparticle Substances 0.000 description 1
- IJDNQMDRQITEOD-UHFFFAOYSA-N n-butane Chemical compound CCCC IJDNQMDRQITEOD-UHFFFAOYSA-N 0.000 description 1
- OFBQJSOFQDEBGM-UHFFFAOYSA-N n-pentane Natural products CCCCC OFBQJSOFQDEBGM-UHFFFAOYSA-N 0.000 description 1
- 230000010004 neural pathway Effects 0.000 description 1
- 210000000118 neural pathway Anatomy 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000012071 phase 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
- 239000000843 powder Substances 0.000 description 1
- 239000012716 precipitator Substances 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
- 230000000306 recurrent effect Effects 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
- 239000003381 stabilizer Substances 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
- 238000003756 stirring Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 239000000454 talc Substances 0.000 description 1
- 229910052623 talc Inorganic materials 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012800 visualization Methods 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
-
- 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)
Abstract
本教导涉及一种用于控制下游生产过程的方法，用于在下游工业工厂处通过使用该下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造物品，该方法包括：在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：下游对象标识符；至少一个与物品有关的期望的下游性能参数；下游历史数据；其中该组下游控制设置可用于在下游工业工厂处制造该物品。本教导还涉及一种用于下游生产的***、用途和软件产品。
Description
技术领域
本教导总体涉及包括热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)的物品的计算机辅助化学生产。
背景技术
诸如鞋底(例如，运动鞋的鞋底)的物品的传统制造通常涉及加工各种塑料部件。已知的是，用膨胀热塑性聚氨酯(“ETPU”)的颗粒或珠子生产出这样的物品或其部分(诸如，鞋的中底)。为了制造这样的物品，可以将热塑性聚氨酯(“TPU”)和/或ETPU粘合成期望的形状，例如使用橡胶或任何其他使用粘合剂的材料制成的外底。同样已知的是，避免使用粘合剂，而是使用另一种用于颗粒的互连介质。有时，例如可以添加添加剂以增加粘度。额外的步骤还可能涉及退火。
在这样的工业工厂中，将TPU和/或ETPU材料加工以制造一个或多个这样的物品。因此，制成的物品的属性依赖于各种加工步骤中的制造参数。为确保产品质量或生产稳定性，可期望的是，将制造参数与物品的至少某些特性相互关联。
工业工厂中的生产环境可能是复杂的，因此，物品的属性可能根据影响所述属性的生产参数的变化而变化。通常，属性对生产参数的依赖关系可能是复杂的，并与对一个或多个特定参数的组合的进一步依赖密不可分。在某些情况下，生产过程可能被分割为多个阶段，这可能会进一步加剧问题。因此，生产具有一致和/或可预测的质量的物品可能是有挑战性的。
通常，生产这样的物品的工业工厂是下游工业工厂，该下游工业工厂从一个或多个上游工业工厂接收至少一个或所有TPU和/或ETPU作为前驱体材料。通常，上游工业工厂是单独的工厂，与下游工业工厂隔离。上游工业工厂和下游工业工厂可以由不同的实体操作，且常常两个工厂之间唯一有意义的联系可能是供应链，即前驱体材料的订购和交付。前驱体材料可能具有一个规格范围，前驱体材料的一个或多个属性可能在该规格范围内。因此，用于生产物品的TPU和/或ETPU材料的属性可能在订单之间不同，或者甚至可能在不同的批次内不同。这些属性可能由于上游工厂生产TPU和/或ETPU材料的变化而变化。此外，在下游工厂的生产中也可能有变化。因此，在下游工厂生产出的物品也可能具有一个范围，这样的物品的属性可能在该范围内。依赖于各种变化及其组合，某些物品可能与其他物品不具有相同的质量或性能。这可能会导致物品内部的变化，在某些情况下会增加生产具有质量一致的物品的成本。
此外，与离散加工相反，诸如连续加工、阶段性加工或批次加工的制造过程可以提供大量的时间序列数据。然而，经由传统的时间序列方法进行机器学习已被证明是不实用的，因为根据整个价值链的横向整合需求来整合数据可能是困难的。特别是，简单而有意义的数据交换或标准化可能带来很大问题。
因此，有必要采取一些方法，该方法可以改善用TPU和/或ETPU制成的物品在整个价值链(理想情况下，从桶到最终产品)的控制和生产稳定性。
发明内容
现有技术所固有的至少一些问题将被示出为通过所附的独立权利要求的主题得以解决。至少一些进一步有利的替代方案将在从属权利要求中概述。
从第一角度来看，可以提供一种用于控制在下游工业工厂处制造物品的下游生产过程的方法，该下游工业工厂包括至少一个下游设备，且经由该下游设备使用该下游生产过程加工至少一个热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造该物品，该方法至少部分地经由下游计算单元执行，且该方法包括：
在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：
-下游对象标识符；所述下游对象标识符包括指示TPU和/或ETPU材料的一个或多个属性的前驱体数据；
-至少一个与物品有关的期望的下游性能参数；
-下游历史数据；其中，所述下游历史数据包括用于制造过去一个或多个物品的下游加工参数和/或操作设置；以及其中
-该组下游控制设置可用于在下游工业工厂处制造所述物品。
申请人已经意识到，通过这样做，所述至少一个与物品有关的期望的下游性能参数可用于控制在下游设备处加工带有关联属性的特定TPU和/或ETPU材料的方法。在某些情况下，下游工业工厂可以包括多个设备区，使得所述下游控制设置可以是区特定的(zone-specific)。
因此，可以根据期望的属性或性能参数来生产物品，所述期望的属性或性能参数不仅与下游的变化有关，而且考虑到了TPU和/或ETPU材料的任何变化。封装在下游对象标识符中的前驱体数据可用于寻找下游控制设置，目标是实现至少一个期望的下游性能参数。因此，物品的质量可得以改善和/或变得更加一致，例如不仅通过考虑到了TPU和/或ETPU属性的随机变化，而且还通过选择控制设置以使得下游历史数据被用于相同目的(即，用于实现至少一个期望的下游性能)。下游历史数据可以来自生产过去一个或多个物品的设备，而且它们甚至可以至少部分地来自另一设备。
根据一方面，下游历史数据包括来自与(例如，下游设备区中)先前加工的TPU和/或ETPU材料有关的一个或多个历史下游对象标识符的数据。
根据一方面，至少一个历史下游对象标识符已经附加有下游加工数据的至少一部分，该下游加工数据指示下游加工参数和/或设备操作条件，先前加工的TPU和/或ETPU材料是例如在下游设备区中在该下游加工参数和/或设备操作条件下加工的。
这样的历史下游对象标识符封装了它们相应的下游加工数据的一部分，对应的先前的输入材料在它们对应的该下游加工数据的一部分下在过去被加工以生产或加工对应的物品。因此，如本文所公开的下游历史数据是高度相关而简洁的数据集，该数据集可用于确定用于下游设备的控制设置。在所述下游设备被布置为使得存在用于制造所述物品的多个下游设备区的情况下，则可以为每个下游设备区提供所述下游控制设置，作为用于实现经由所述至少一个期望的性能参数特定的物品的期望的性能的目标。
根据一方面，每个或某些历史下游对象标识符包括与过去例如在下游工业工厂处所生产的关联物品的一个或多个属性有关的至少一个下游性能参数。因此，历史下游对象标识符中的每个或某些已经附加有它们相应的至少一个下游性能参数。
通过这样做，所述历史下游数据可以通过与任何下游对象标识符内的下游加工数据中的每个部分(它们对应的至少一个下游性能参数)相关联来进一步成为目标。从整个加工数据(该加工数据可能是广泛的)中，因此，简洁而有效的加工参数和/或操作设置的简况(snapshot)从而数字地联结至所生产的特定物品连同它的性能。因此，控制设置的确定可以被协同改进。这可以通过将至少一个下游性能参数附加至下游对象标识符来实现，与此有关的细节将在本公开内容中讨论。因此，当下游对象标识符被用作未来下游生产的历史对象标识符时，可以更好地利用所述标识符内的关联数据来改进未来生产。
应领会，在本发明教导的上下文中所提出的对象标识符不仅可以通过价值链提高物品向下和向下的可追踪性，而且还可以用于确保生产过程以获得更一致质量的物品的方式进行控制。不同于依赖通用的控制设置(这可能导致在不同时间所制造的多个物品出现更大的变化)，以更适配的方式控制生产链的至少多个部分(例如，下游设备或设备区)，目标是实现物品的期望的性能。因此，在提供用于生产物品的下游控制设置或下游区特定的控制设置时，可以至少部分地考虑TPU和/或ETPU材料和/或加工参数和/或设备操作条件的任何变化。
因此，该方法还包括：
-使用所述下游控制设置，执行下游生产过程。
下游生产过程可以通过将至少一些下游控制设置提供至下游工厂控制***或者在下游工厂控制***处录入来执行，该下游工厂控制***操作性地被联结至下游设备或下游设备区。附加地或替代地，下游生产过程可以通过将至少一些下游控制设置自动地提供至下游工厂控制***来执行。下游控制设置可以由下游计算单元直接传输至下游工厂控制***，或者它们可以在下游存储器位置处被提供，该下游存储器位置操作性地被联结至下游计算单元，下游工厂控制***可以从该存储器位置中读取或获取下游控制设置。
在某些情况下，下游计算单元可以至少部分地成为下游工厂控制***的一部分，使得下游计算单元可以直接使用下游控制设置来至少部分地控制下游生产过程。如所讨论的，下游控制设置可允许在每个下游设备区处控制下游生产过程。因此，更精细的控制粒度和灵活性可以根据至少一个期望的下游性能参数实现物品的性能。
根据一方面，该方法进一步包括：
-在下游计算单元处接收来自一个或多个下游设备或设备区的下游实时加工数据；其中，下游实时加工数据包括下游实时加工参数和/或设备操作条件。
因此，下游计算单元可以可通信地和/或操作性地被联结至下游设备或设备区。
根据另一方面，该方法包括：
-经由下游计算单元，基于下游对象标识符和下游区存在信号，确定下游实时加工数据的子集；其中，下游区存在信号指示在下游生产过程期间在特定设备区处存在TPU和/或ETPU材料。
因此，下游计算单元能够选择与下游对象标识符相关的下游加工数据。所述相关的数据或下游实时加工数据的子集可以基于TPU和/或ETPU材料在生产链中的位置，或者通过使用区存在信号来选择。
根据另一方面，该方法包括：
-经由计算单元，基于下游实时加工数据的子集和下游历史数据，计算与下游对象标识符有关的物品的至少一个下游性能参数。
如将理解，下游加工数据可能具有与数据的一个或多个组成部分相关联的可变性。例如，两个不同批次的TPU和/或ETPU材料在不同时间用同一混合器混合，可能是以不同的方式混合。其他参数和/或操作条件也可能存在类似的可变性。各个组成部分之间的可变性可能是随机的，且独立于或部分独立于其他组成部分的可变性。此外，这样的可变性的组合可能导致物品的性能或质量的可变性。因此，如上所述，依赖于下游实时加工数据的子集，下游计算单元可被配置为计算至少一个下游性能参数。因此，当在下游设备区中加工TPU和/或ETPU材料时，基本上可以确定至少一个下游性能参数是指示物品的质量的。至少一个下游性能可(例如，经由人机界面(“HMI”))被显示给操作员。然后，操作员可以调整下游生产过程，使得至少一个下游性能参数中的每个或某些可以与它的期望的下游性能参数的关联值相同或变得更接近它的期望的下游性能参数的关联值。
替代地或附加地，该方法包括：
-将至少一个下游性能参数附加至下游对象标识符。
下游性能参数可以例如作为元数据被附加至下游对象标识符。因此，下游对象标识符还封装了在下游生产过程期间所计算出的至少一个下游性能参数。因此，它不仅可以提高化学产品的可追踪性，而且可以简化物品的质量控制。
替代地或附加地，该方法包括：
-经由下游计算单元控制下游生产过程，使得下游性能参数中的至少一个与它们对应的期望的下游性能参数的关联值之间的差异最小化。
因此，计算出的性能值可以追踪期望的性能参数值。因此，生产过程的控制粒度可以在更精细的尺度上进一步提高。这样的控制可以允许至少部分地考虑到各种加工参数和/或操作条件的可变性。潜在地，下游设备区中的每个可以被自动控制，使得所生产的物品可以具有更一致的性能或质量。
替代地或附加地，该方法包括：
-将下游实时加工数据的子集附加至下游对象标识符。
因此，相关的下游加工数据也可以被捕获，且也与前驱体数据或前驱体材料数据一起被打包或封装在下游对象标识符中，使得物品与TPU和/或ETPU材料的属性的任何关系也被捕获。这可以在可能影响物品的任何一个或多个属性或性能的各种依赖关系之间提供更完整的关系。另一优点是，可能存在于TPU和/或ETPU材料属性和/或下游加工参数之间的各种相互依赖关系之间的组合也被捕获在下游对象标识符中。因此，下游对象标识符富含这样的信息，该信息不仅可用于追踪物品和/或其特定组成部分，诸如TPU和/或ETPU材料，而且可用于追踪负责产生该物品的特定下游实时加工数据。因此，对象标识符(诸如，历史下游对象标识符中的每个)可以更容易地集成到任何机器学习(“ML”)和这样的目的中。因此，下游对象标识符也可以用作历史对象标识符，以用于未来的下游生产。
应领会，期望的下游性能参数可以直接与物品的一个或多个属性有关，和/或可以与下游生产过程期间所产生的下游衍生材料的一个或多个属性有关。例如，在下游生产过程期间，在TPU和/或ETPU材料被转换为下游衍生材料的情况下，有时可能也需要追踪和/或控制这样的衍生材料的质量或性能。应理解，在这样的情况下，下游衍生材料是由TPU和/或ETPU材料所产生的中间材料，然后该衍生材料被用于生产物品。由于物品也依赖于下游衍生材料，有时可能也需要追踪和控制下游衍生材料。
因此，根据一方面，期望的下游性能参数中的至少一个与下游衍生材料的一个或多个属性有关。
根据一方面，下游区存在信号可以经由下游计算单元通过执行区时间转换来生成，该转换将与TPU和/或ETPU材料有关的至少一个属性映射至特定的设备区。例如，与TPU和/或ETPU材料有关的属性可以是TPU和/或ETPU材料的重量，使得通过对生产过程的了解(例如，经由下游实时加工数据)，可以确定在下游生产过程期间所产生的TPU和/或ETPU材料或其衍生材料的存在。作为一个实施例，如果在下游生产过程期间，第一下游设备区中具有一定重量的TPU和/或ETPU材料横穿至第二下游设备区，则在第二下游区的重量测量(例如，在预定时间时或在预定时间内)可用于生成第二下游区的区存在信号。同样，TPU和/或ETPU材料或其衍生材料横穿通过生产的流动值(例如，质量流或体积流)可以是用于生成下游区存在信号的一个属性。进一步作为一个实施例，TPU和/或ETPU材料沿设备区横穿的速度或速率可用于确定TPU和/或ETPU材料或其对应的衍生材料在给定时间时的空间或位置。替代地或附加地，与输入材料有关的属性的其他非限制性的实施例是体积、填充值、液位、颜色等等。
申请人已发现，有利的是，通过将下游实时加工数据(在生产环境中是时间依赖性数据，例如时间序列数据)映射至空间数据，从而使用代表TPU和/或ETPU材料的数字流元素映射现实生活中的生产流动，来生成区存在信号。例如，TPU和/或ETPU材料的数字流可以经由下游对象标识符进行追踪，且在时间依赖性下游实时加工数据中的状况(occurrence)可被用于沿着下游生产过程定位材料。因此，材料是经由已经测得的时间和下游实时加工数据来追踪或定位的，即通过使用下游加工数据的时间维度，该下游加工数据的时间维度与TPU和/或ETPU材料沿下游生产链的流动的时间维度相互关联。
区存在信号可以是间歇的，例如定期或不定期地经由计算生成，或者可以是连续生成的。这样做的优点是，与对应的对象标识符相关联的材料可以在生产链中连续或基本连续地定位，从而能够附加与材料高度相关的数据并将其转换为物品。例如，定期或不定期地计算可被用于检查材料在生产链中某些检查点的存在。这可以通过下游实时加工数据中的状况来补充，例如，通过下面概述的一个或多个传感器。
由于在化学生产操作中，与时间维度有关的参数，如停留时间和流速是已知的，区时间转换可以是简单的时间尺度的映射。替代地，可以使用基于加工仿真的更复杂的模型来匹配材料流动的时间尺度和实时加工数据。在任何情况下，加工数据的时间尺度可以比材料的流动更精细，以便将加工数据参数更精细地归结为材料的流动。
因此，下游实时加工数据的子集或甚至其组成部分(诸如，下游加工参数和/或设备操作条件中的每个或某些)可以根据材料在设备的特定子部分或在区内所花费的时间而被进一步优化或变得更加简洁。例如，如果设备区(诸如，第一下游设备区)包括混合器，然后是加热器，则下游实时数据的子集可以包括仅针对TPU和/或ETPU材料在混合器的时间内与混合器有关的下游加工参数和/或设备操作条件。同样，与加热器有关的下游加工参数和/或设备操作条件也可以仅包括从材料暴露至加热器开始的时间(例如，从混合器中出来时)。这样，数据集的相关性就可以根据特定材料的相关性进一步细化管理和优化。如将理解，一个替代方案可以是下游加工数据的子集包括从TPU和/或ETPU材料进入下游设备区的时间，直至TPU和/或ETPU离开下游设备区的时间的所有与下游设备区有关的下游加工参数和/或设备操作条件，该替代方案已经具有的优点是为下游对象标识符提供高相关性数据，然而，通过进一步指定下游加工数据的各个组成部分，如所解释的那样，在区本身内，下游实时加工数据的子集可被进一步优化，且在对应的下游对象标识符中所封装的数据的相关性可被进一步提高。
附加地或替代地，下游区存在信号可以至少部分地经由与特定区有关的传感器提供。例如，重量传感器和/或图像传感器可被用于检测TPU和/或ETPU材料或衍生材料在空间或特定设备区的存在。
“设备”可以指对应的工业工厂(诸如，下游工业工厂)内的任何一个或多个资产。作为非限制性的实施例，设备可以指计算单元或控制器(诸如，可编程逻辑控制器(“PLC”)或分布式控制***(“DCS”))、传感器、致动器、末端执行器单元、运输元件(诸如，输送***)、热交换器(诸如，加热器)、炉、冷却单元、蒸馏单元、提取器、反应器、混合器、研磨机、切碎机、压缩机、切片机、挤压机、干燥机、喷雾器、压力腔或真空腔、管、料仓、筒仓以及直接或间接用于工业工厂生产或生产期间的任何其他种类的装置中的任何一个或多个或任何它们的组合。优选地，设备具体指那些直接或间接参与生产过程的资产、装置或部件。更优选地，那些资产、装置或部件可以影响物品的性能。设备可以是缓冲的，或者可以是非缓冲的。此外，该设备可以涉及混合或非混合、分离或非分离。不带有混合的非缓冲设备的一些非限制性实施例是输送***或皮带、挤压机、造粒机和热交换器。不带有混合的缓冲设备的一些非限制性实施例是缓冲筒仓、料仓等。带有混合的缓冲设备的一些非限制性实施例是带有混合器的筒仓、混合容器、切割磨、双锥搅拌机、固化管等。带有混合的非缓冲设备的一些非限制性实施例是静态或动态混合器等。带有分离的缓冲设备的一些非限制性实施例是柱、分离器、提取器、薄膜汽化器、过滤器、筛等。该设备甚至可以是或者可以包括储存或包装元件(诸如，八角仓填充(octabin filling))、桶状物、袋、罐车。有时，两个或多个设备的组合也可被视为设备。
在下游工业工厂的上下文中，“设备区”是指物理上分离的区，这些区要么是同一件设备的一部分，要么是用于制造物品的不同件设备。因此，这些区在物理上位于非相同的位置处。这些位置可以是横向和/或竖向的非相同的地理位置。因此，TPU和/或ETPU材料从上游设备区开始，横穿下游，朝向上游设备区的下游的一个或多个设备区。因此，下游生产过程的各种步骤可以分布在区之间。
在本公开内容中，术语“设备”和“设备区”可以相互交换地使用。
“设备操作条件”是指代表设备的(例如，特定区的)状态的任何特性或值，例如，设置点、控制器输出、生产顺序、校准状态、任何设备有关的警告、振动测量、速度、温度、污垢值(诸如，过滤器差压)、维护日期等中的任何一个或多个。
术语“下游”应理解为是指在生产流动的方向上。例如，生产过程终止的最后设备区是下游设备区。然而，在本公开内容中，该术语在其含义内以相对意义使用。例如，位于第一设备区与最后设备区之间的中间设备区也可以被称为第一设备区的下游区，以及最后设备区的“上游”设备区。因此，最后设备区是第一设备区和中间设备区的下游区。同样地，第一设备区和中间设备区都是最后设备区的上游。
“工业工厂”或“工厂”可以指但不限于用于制造、生产或加工一个或多个工业产品的工业目的的任何技术基础设施，即由工业工厂所执行的制造或生产过程或加工。更具体地，下游工业工厂是指至少部分制造或生产物品的工业工厂。
基础设施可包括设备或加工单元，诸如热交换器、诸如分馏柱的柱、炉、反应室、裂解单元、储罐、挤压机、造粒机、沉淀器、搅拌机、混合器、切割器、固化管、汽化器、过滤器、筛、管线、烟囱、过滤器、阀、致动器、磨机、变压器、输送***、断路器、机械(例如，重型旋转设备诸如涡轮机)、发电机、粉碎机、压缩机、工业风扇、泵、运输元件(诸如，输送***、电机)等。有时，这些设备中的两个或多个的组合也可被视为设备。
此外，工业工厂通常包括多个传感器和至少一个控制***，该至少一个控制***用于控制工厂中与加工或加工参数相关的至少一个参数。这种控制功能通常由控制***或控制器响应于来自至少一个传感器的至少一个测量信号来执行。工厂的控制器或控制***可以作为分布式控制***(“DCS”)和/或可编程逻辑控制器(“PLC”)来实施。
因此，工业工厂(即，上游工业工厂或下游工业工厂)的至少一些设备或加工单元可被监测和/或控制，以生产一个或多个工业产品。监测和/或控制甚至可以为优化一个或多个产品或物品的生产进行。设备或加工单元可以经由控制器(诸如，DCS)而被监测和/或控制，以响应来自一个或多个传感器的一个或多个信号。此外，该工厂甚至可以包括至少一个可编程逻辑控制器(“PLC”)，以用于控制某些加工。工业工厂典型地可以包括多个传感器，这些传感器可被分布在工业工厂内，以用于监测和/或控制目的。这样的传感器可能会生成大量的数据。这些传感器可以被视为或不被视为设备的一部分。因此，生产(诸如，化学生产和/或服务生产)可以是数据密集型环境。因此，每个工业工厂都可能产生大量的有关加工的数据。
本领域技术人员将理解，工业工厂通常可包括仪器，该仪器可以包括不同类型的传感器。传感器可被用于测量一个或多个加工参数和/或用于测量设备操作条件或与设备或加工单元有关的参数。例如，传感器可被用于测量加工参数，诸如管线内的流速、罐内的液位、炉的温度、气体的化学成分等，且一些传感器可用于测量粉碎机的振动、风扇的速度、阀的开度、管线的腐蚀、变压器上的电压等。这些传感器之间的区别不能仅仅基于它们所感测的参数，而且甚至可能是对应传感器所使用的感测原理。基于传感器所感测的参数的传感器的一些实施例可以包括：温度传感器、压力传感器、辐射传感器(诸如，光传感器)、流量传感器、振动传感器、位移传感器和化学传感器(诸如，用于检测特定物质如气体的传感器)。在传感器所采用的感测原理方面不同的传感器的实施例可以是：压电传感器、压阻传感器、热电偶、阻抗传感器(诸如，电容式传感器和电阻式传感器)，等等。
该工业工厂甚至可以是多个工业工厂的一部分。如本文所使用的，术语“多个工业工厂”是广义的术语，且被赋予对于本领域的普通技术人员而言其普通和习惯的含义，而不限于具体或定制的含义。该术语具体可以指，但不限于，具有至少一个共同工业目的的至少两个工业工厂的复合体。具体而言，多个工业工厂可包括至少两个、至少五个、至少十个或者甚至更多的物理地和/或化学地联结的工业工厂。多个工业工厂可被联结，使得形成多个工业工厂的工业工厂可以共享它们的价值链、管线和/或产品中的一个或多个。
“物品”是指至少部分地由TPU和/或ETPU制成的任何产品。该物品甚至可以是至少部分地由TPU和/或ETPU制成的成型体或物品。一些非限制性的实施例包括：鞋类，诸如完全或部分由TPU和/或ETPU材料制成的鞋，例如鞋中底、鞋内底和鞋组合底。该物品甚至可以是鞍状物(例如，自行车鞍座)、轮胎(例如，自行车轮胎)、缓冲元件、装饰物、床垫、底座、手柄、保护膜、汽车内部或外部的部件、体育用品(例如，球)或体育用品的一部分(例如，握把)或地板覆盖物(特别是，用于运动区、田径场、体育馆、儿童游乐场和人行道的地板覆盖物)的内部或外部的部件。
因此，该物品至少部分地包括TPU和/或ETPU材料或包括TPU和/或ETPU的颗粒泡沫，以用于制备鞋中底、鞋内底、鞋组合底或鞋的装饰元素的成型体。鞋子可以是街头鞋、运动鞋、凉鞋、靴或安全鞋。对于运动鞋而言，ETPU颗粒泡沫已被发现是特别有利的。
作为一个非限制性的实施例，“TPU”可以例如在上游工业工厂处使用上游生产过程来生产，输入材料为以下形式：
异氰酸酯：4,4‘-亚甲基二苯基二异氰酸酯(MDI)
扩链剂：1,4-丁二醇
多元醇：聚四氢呋喃(PolyTHF)
依赖于上游工业过程的特定情况，还可以添加其他添加剂，诸如催化剂、稳定剂和/或抗氧化剂。任何其他适合用于生产TPU和/或ETPU的加工都可以使用。
TPU的生产可以在Coperion公司的双螺杆挤出机(ZSK58 MC)中进行，该双螺杆挤出机的加工长度为48D(12个壳体)。熔体(聚合物熔体)从挤出机的排放可以通过齿轮泵进行。在熔体过滤之后，聚合物熔体可通过水下切粒(underwater granulation)的方式加工成微粒，这些微粒可在加热涡流床中连续干燥，温度为40℃-90℃。多元醇、扩链剂和二异氰酸酯以及催化剂可被按剂量注入到第一区中。如上所述，添加进一步的添加剂是在第8区中进行的。壳体温度在150℃至230℃之间。熔化和水下切粒可以210℃-230℃的熔化温度进行。螺杆速度可在180rpm和240rpm之间。产量可在180kg/h至220kg/h之间。对于TPU的生产，可以存在或不存在相比于本实施例中所示的额外的生产步骤。
作为进一步的非限制性实施例，ETPU的生产，或从TPU中生产膨胀颗粒(发泡微粒)，可能涉及与后续的熔化泵一起使用的螺杆直径为44mm且长径比为42的双螺杆挤出机、带有换网器的启动阀、穿孔板和水下切粒。热塑性聚氨酯在加工之前在80℃下干燥3小时，从而获得小于0.02wt.％的剩余水分。所使用的TPU可以经由计量装置(gravimetricdosing device)按剂量注入双螺杆挤出机的进料中。在将材料按剂量注入双螺杆挤出机的进料中之后，材料可以被熔化和混合。随后，推进剂CO2和N2可分别经由一个注射器加入。剩余的挤出机长度可用于将推进剂均匀地掺入到聚合物熔体中。在挤出机之后，聚合物/推进剂混合物可以通过齿轮泵经由带有换网器的启动阀被压入穿孔板。经由穿孔板可以生产出单独的股线(strand)。这些股线可以被输送到水下切粒单元的加压切割室，其中股线可以被切割成微粒，且在微粒膨胀时与水进一步输送。膨胀颗粒或微粒与加工水的分离可以通过离心式干燥机来完成。挤出机、聚合物和推进剂的总吞吐量可以是40kg/h。在通过离心干燥机将膨胀微粒与水分离后，膨胀微粒可在60℃下干燥3小时，以去除剩余的表面水以及颗粒中可能的水分，以便在进一步分析颗粒时不会变形。
除了在挤出机中加工之外，还可以在高压灭菌器中生产膨胀颗粒。为此，压力容器可以用固/液相填充，填充度为80％，其中相位比为0.32。这里的固相是TPU，液相是水与碳酸钙和一种表面活性物质的混合物。在这个固/液相的压力下，发泡剂/推进剂(丁烷)可以被压入密闭的压力容器中，该压力容器先前已经用氮气冲洗过。压力容器可以在50℃的温度下通过搅拌固/液相来加热，然后氮气被压入压力容器，压力达到8bar。随后，可进行进一步加热，直到达到期望的浸渍温度。当达到浸渍温度和浸渍压力时，压力容器可以在给定保持时间之后经由阀被松弛。
对于ETPU的生产，可以存在或者可以不存在相比于本实施例中所示的额外的生产步骤。
ETPU生产可以在上游工业工厂处进行，或ETPU材料(例如，作为前驱体)被提供至下游工业工厂以制造物品。替代地，如果需要，下游工业工厂可以在制造物品之前生产ETPU材料。因此，TPU和ETPU中的任一个或TPU和ETPU这二者可以是由下游工业工厂用于制造物品的前驱体材料。或者，ETPU生产可以是或者可以不是下游工业工厂的一部分。
TPU生产过程和/或ETPU生产过程可与上述代表性实施例中所示出的相同或不同。本领域技术人员应理解，具体的生产过程不限于本教导的范围或一般性。
还示出用于制造物品或其一部分的生产过程的非限制性实施例。对于通过蒸汽室模制/水蒸气融合以获得基于模具/颗粒泡沫的模制物品的模制件的制造被示出为代表性的实施例。膨胀微粒或ETPU可在来自Kurtz ersa GmbH(能量发泡机(Energy Foamer))的模制机上通过用水蒸气覆盖而被融合成边长为200mm且厚度为10mm或20mm的方形板。关于板厚度，融合参数可能仅在冷却方面有所不同。可以选择不同材料的熔合参数，使得面向工具的移动侧的最终模制部件的板侧具有尽可能少的坍塌ETPU颗粒。通常，3至50秒范围内的蒸汽加工时间可用于各个步骤。如果需要，也可以通过工具的可移动侧进行狭缝蒸汽加工。无论实验如何，关于工具的固定侧和可移动侧，最后对于20mm的板厚度，可以始终设置120s的冷却时间，对于10mm厚度的板，可以始终设置100s的冷却时间。板可以在70℃的炉中储存4小时。
在此，物品生产过程也可能与上述代表性实施例中所示出的相同或不同。本领域技术人员应理解，特定的下游生产过程不限于本教导的范围或一般性。
使用上述实施例可以说明的一点是，用于制造物品的下游生产过程可以包括多个步骤，这些步骤可以进一步涉及待严格控制的各种加工参数和/或操作条件，以获得具有期望属性的物品。此外，如还可以看到的，生产ETPU的方式也可能对物品属性具有影响。ETPU属性可能取决于在ETPU生产中所使用的TPU的属性。此外，ETPU的加工参数和/或操作条件以及甚至从输入材料生产TPU可能会一直依赖于价值链。这些变化还可能产生复杂的相互依赖性，这些相互依赖性可能在不同的条件下以不同的方式协作，从而导致以不同的时间和/或不同的材料所生产的物品之间的可变质量。
本教导不仅可以允许建立可以反映此类相互依赖性的这些相关数据中的至少一些之间的关系，而且还允许以一致的物品质量作为目标至少对下游生产过程进行监测和/或可适配控制。
下游控制设置可以至少部分地经由上游计算单元来确定。附加地或替代地，下游控制设置可以至少部分地经由下游计算单元来确定。上游计算单元可以是生产TPU和/或ETPU材料或且将其供应至下游工业工厂的上游工业设备或设施的一部分。
应理解，下游工业工厂是在其用于下游生产过程的输入处从上游工业工厂接收TPU和/或ETPU材料或前驱体材料的工厂。因此，下游工业工厂可能远离上游工业工厂。前驱体材料可以经由合适的运输介质(例如，经由卡车、轨、船等或它们的组合(例如，经由卡车，然后经由船完成的运输))在下游工业工厂处被提供。运输介质甚至可以是诸如管线之类的封闭介质。在一些情况下，TPU和/或ETPU材料可以在上游工厂生产期间和/或在装运之前以固定数量的包包装，例如每包含有10kg的TPU和/或ETPU材料。附加地或替代地，TPU和/或ETPU材料可以在任何其他合适的一个或多个容纳单元(例如，八角仓、筒或盒)中提供。
TPU和/或ETPU材料可在上游工业工厂储存和/或生产，然后运输或装运至下游工厂以用于制造物品。运输或装运可响应于对TPU和/或ETPU材料的订单而执行，所述订单经由用于接收TPU和/或ETPU材料的下游工厂发出。因此，下游工厂处所接收的TPU和/或ETPU材料可用于制造物品。
在一些情况下，那些经由上游计算单元所确定的下游控制设置可以由上游计算单元在下游存储器位置处提供。优势在于，控制设置可以作为服务由生产TPU和/或ETPU材料的上游工业工厂直接提供。有益的场景会是，上游工厂已经拥有基础设施和计算资源来预测和提供下游控制设置，以便这些设置可以根据TPU和/或ETPU材料的详情通过其关联的对象标识符来确定。因此，可以将设置提供至可能是上游工厂的客户的下游工厂，使得可以开箱即用地部署设置，而无需下游工厂进行任何额外的计算工作。因此，下游工厂可以在不修改其生产环境或任何额外计算资源的情况下优化生产且提高产品质量。
在这种情况下，下游对象标识符可以经由上游计算单元提供。至少一个期望的下游性能参数可例如作为下游工厂对于对象所要求的质量度量而被提供至上游工业工厂或上游计算单元。下游工业工厂因此可以向上游工业工厂或上游计算单元提供下游历史数据(优选地，包括一个或多个下游性能参数)，以用于确定下游控制设置。至少一些待被提供至上游计算单元的数据可能是下游工厂将想要保护的敏感数据。这些例如可在上游工厂和下游工厂这二者均可访问的共享存储器位置处被提供。共享存储器位置可以是经由工厂特定的访问策略可访问的云储存。访问策略可以确定任一工厂(即，上游工厂或上游计算单元以及下游工厂或下游计算单元)具有哪种访问权限。访问策略还可以限定认证措施，诸如加密和/或多因素认证。
还可能的是，下游存储器位置例如是上游计算单元和下游计算单元这二者均可访问的共享存储器位置或寄存器。
通过使用两个工厂都可以访问的隔离式共享寄存器，可以在两个工厂之间维持隔离和安全性。例如，下游工厂或计算单元可设有读取访问，使得下游计算单元可以读取或获取设置而不将下游控制***或设备暴露至外部访问。
类似地，在需要将下游历史数据和/或期望的性能参数提供至上游计算单元的情况下，可以向上游计算单元提供读取访问。因此，上游计算单元和下游计算单元都不需要访问其他设备，因此减少了任一工厂的安全漏洞。
在一些情况下，下游控制设置可以经由与将TPU和/或ETPU材料装运至下游工厂有关的标签提供。标签可以例如与TPU和/或ETPU材料一起被运输至下游工厂或者它可被单独提供。标签可以是硬件标签,诸如电子芯片和/或基于近场通信(“NFC”)的标签和/或数字可读代码，其可以在下游工厂处被读出，以检索适于使用所提供的TPU和/或ETPU生产物品的控制设置，目标是实现至少一个期望的性能参数。标签甚至可以通过为下游工业工厂所提供的受限访问来加密。
在某些情况下，经由下游计算单元所确定的下游控制设置取决于与TPU和/或ETPU材料有关的前驱体数据。如先前所讨论的，还可以在共享存储器位置处提供前驱体数据。
根据一方面，经由上游工业工厂提供上游对象标识符。例如，上游对象标识符响应于在上游工业工厂处接收到待被提供到下游工业工厂的TPU和/或ETPU材料的订单信号而被提供。可以(例如，经由上游计算单元)响应于订单信号自动地提供上游对象标识符。订单信号可经由上游工业工厂的企业资源规划(“ERP”)***而被接收，上游计算单元可响应于该订单信号而提供上游对象标识符。上游对象标识符可以附加有输入材料数据，其中输入材料数据指示用于生产TPU和/或ETPU材料的输入材料的一个或多个属性，且上游对象标识符被提供用于上游工业工厂处的输入材料。上游对象标识符可以附加有上游工业工厂的上游加工数据的子集，该子集包括上游加工参数和/或设备操作条件，输入材料在这些条件下被加工，以用于生产TPU和/或ETPU材料。
上游对象标识符可经由上游接口提供，优选地在与上游计算单元操作性地联结的上游存储器处。上游存储器和上游计算单元中的任一个或两个可以至少部分地是云平台或服务的一部分。类似地，下游存储器和下游计算单元中的任一个或两个可以至少部分地是云平台或服务的一部分。
提供上游对象标识符的一个优点可以是，上游加工数据的相关部分或子集被附加至用于生产TPU和/或ETPU材料的特定输入材料。这意味着不仅输入材料的属性，而且生产特定TPU和/或ETPU材料的条件也可以在上游对象标识符内被捕获，从而更好地限定前驱体材料的一个或多个属性。提供一个或多个上游对象标识符的方式可以类似于如针对下游对象标识符所讨论的替代方案。因此，对于上游标识符和下游标识符这二者，这些方面可以不重复。因此，本领域技术人员将理解，来自一个标识符的方面可以适用于另一标识符，而不需要在此明确地要求说明。例如，上游工业工厂也可以包括上游设备区，且类似于针对下游加工数据所讨论的，来自对应区的上游加工数据也可以被捕获，且以类似的方式被附加至一个或多个上游对象标识符。一个总体优点是，可以提供从输入材料至最终产品(即，经由对象标识符的物品)的基本完整的可追溯性和质量追踪和/或控制。另外，区存在的多个方面可以在上游工业工厂或设备中使用，以确定被附加至对应的对象标识符的加工数据的对应子集。
根据一方面，下游对象标识符被附加有来自上游对象标识符的数据的至少一部分。这样的下游对象标识符可以被称为附加的下游对象标识符。因此，附加的下游对象标识符，或附加有来自上游对象标识符的数据的至少一部分的下游对象标识符，可以提供生产链的更全面的画像，因此可以产生更完整的数据集，该数据集至少通过包含从输入材料至TPU和/或ETPU材料的对象标识符来引用或封装，这可以允许更好地确定下游控制设置。例如，附加至上游对象标识符的上游实时加工数据的子集也至少被下游对象标识符引用。附加地或替代地，任何一个或多个使用采样所确定的和/或经由上游计算单元所计算的上游性能参数也可以经由上游对象标识符而被提供至下游对象标识符。
在某些情况下，至少一些下游控制设置经由下游计算单元确定。在这种情况下，经由上游对象标识符所提供的上游实时加工数据的子集可由下游计算单元使用，以用于确定下游控制设置。例如，上游计算单元可以在共享存储器处提供上游对象标识符，类似于先前所讨论的。也可能的是，经由上游计算单元在共享存储器处提供下游对象标识符。下游计算单元因此可以使用下游对象标识符，以用于确定一组下游控制设置。
这种方法的一个优点可以是，上游工业设备不需要访问下游历史数据。可能会存在信息保护和安全性问题，因此下游工厂可能决定进行控制设置的本地确定。因此，信息或数据可以被下游工厂更好地保护。应理解，代替直接提供下游对象标识符，上游计算单元提供上游对象标识符，然后由下游计算单元使用该上游对象标识符来生成下游对象标识符。本领域技术人员将认识到，这种情况可以等同于由上游计算单元提供下游对象标识符。
在某些情况下，上游计算单元可以提供下游对象标识符或上游对象标识符，它封装了可用于基于下游历史数据确定该组下游控制设置的预测和/或控制逻辑。为了减轻下游工业工厂的任何信息保护问题，预测和/或控制逻辑可以在下游工业工厂处(例如，经由下游计算单元)进行训练。
预测和/或控制逻辑可以包括预测模型，当使用下游历史数据进行训练时，可能会产生下游数据驱动模型。“数据驱动模型”是指至少部分地从数据中得出(在这种情况下，从下游历史数据中得出)的模型。与纯粹使用物理-化学定律得出的动态机理模型相比，数据驱动模型可以允许描述无法由物理-化学定律建模的关系。使用数据驱动模型可以允许在不解决来自物理-化学定律的方程的情况下描述(例如，与对应生产过程中所发生的加工有关的)关系。这可以降低计算能力和/或提高速度。此外，上游工业工厂可能不需要知道下游生产的详情，以在下游工业工厂处提供可用的这样的模型。
数据驱动模型可以是回归模型。数据驱动模型可以是数学模型。数学模型可以将所提供的性能属性和所确定的性能属性之间的关系描述为函数。
在某些情况下，预测和/或控制逻辑或预测模型可以包括来自上游工业工厂的上游数据驱动模型(即，已经使用上游历史数据训练过的模型)。经训练的预测和/或控制逻辑或经训练的预测模型可以在下游工厂处提供更全面的预测，而不需要将上游生产细节暴露至下游工厂。
因此，在本文中，数据驱动模型(优选地，数据驱动的机器学习(“ML”)模型或仅仅是数据驱动的模型)是指根据对应的训练数据集(诸如，上游历史数据或下游历史数据)进行参数化的经训练的数学模型，以反映与对应的生产过程有关的反应动力学或物理-化学过程。未经训练的数学模型是指不反映反应动力学或物理-化学过程的模型，例如，未经训练的数学模型不是从基于经验观察提供科学概括的物理定律中得出的。因此，动力学或物理-化学属性可能不是未经训练的数学模型所固有的。未经训练的模型并不反映这种属性。用对应的训练数据集建造和训练的特征能够对未经训练的数学模型进行参数化。这种训练的结果仅仅是数据驱动模型，优选地数据驱动ML模型，作为训练过程的结果，优选仅有地作为训练过程的结果，反映与对应的生产过程有关的反应动力学或物理-化学过程。
预测和/或控制逻辑甚至可以是混合模型。混合模型可以指包括第一原理部分的模型(所谓的白盒)，以及如先前所解释的数据驱动部分(所谓的黑盒)。预测和/或控制逻辑可以包括白盒模型和黑盒模型和/或灰盒模型的组合。白盒模型可以基于物理-化学定律。物理-化学定律可以从第一原理中得出。物理-化学定律可以包括化学动力学、质量、动量和能量的守恒定律、任意维度的粒子数量中的一个或多个。白盒模型可以根据管理对应生产过程或其部分的物理-化学定律来选择。黑盒模型可以基于历史数据(诸如，下游历史数据和/或上游历史数据)。黑盒模型可以通过使用机器学习、深度学习、神经网络或其他形式的人工智能中的一个或多个来建立。黑盒模型可以是在训练数据集和测试数据之间产生良好拟合的任何模型。灰盒模型是将部分理论结构与数据组合以完成模型的模型。
经训练的模型可以包括串行架构或并行架构。在串行架构中，白盒模型的输出可以用作黑盒模型的输入，或黑盒模型的输出可以用作白盒模型的输入。在并行架构中，白盒模型和黑盒模型的组合输出可以诸如通过输出的叠加等方式确定。作为一个非限制性的实施例，第一子模型可以基于具有分析性白盒模型和在对应历史数据上训练过的充当黑盒校正器的数据驱动模型的混合模型，来预测至少一个性能参数和/或至少一些控制设置。此第一子模型可以具有串行架构，其中白盒模型的输出是黑盒模型的输入，或者第一子模型可以具有并行架构。白盒模型的预测输出可以与包括历史数据的一部分的测试数据集进行比较。计算出的白盒输出与测试数据之间的误差可以由数据驱动模型学习，然后可以应用于任意的预测。第二子模型可以具有并行架构。其他实施例也是可能的。
如本文所使用的，术语“机器学习”或“ML”可指统计方法，该统计方法使机器能够从数据中“学习”任务，而无需明确编程。机器学习技术可以包括“传统机器学习”—工作流，在工作流中人们手动选择特征，然后训练模型。传统机器学习技术的实施例可以包括决策树、支持向量机和集成方法(ensemble methods)。在一些实施例中，数据驱动模型可以包括数据驱动的深度学习模型。深度学习是机器学习的子集，非严谨地以人脑的神经通路进行建模。深度是指输入层与输出层之间的多个层。在深度学习中，算法会自动学习哪些特征是有用的。深度学习技术的实施例可以包括卷积神经网络(“CNN”)、递归神经网络(诸如长短期记忆(“LSTM”))以及深度Q网络。
根据一方面，预测和/或控制逻辑被配置为生成修改数据，该修改数据可用于修改预测和/或控制逻辑，从而改进下游控制设置的计算。
根据另一方面，经训练的预测(即，预测和/或控制逻辑可以在下游工业工厂处进行训练)和/或修改数据被提供至上游工业工厂。经训练的预测和/或控制逻辑和/或修改数据可以例如经由下游对象标识符或其一部分被提供至上游计算单元。为此目的，可以使用同一共享存储器或另一合适的介质。这种方法的优点可以是，下游工厂的生产数据不受上游工厂的影响，但为了改进上游生产过程，可以使用附加有经训练的预测和/或控制逻辑的下游对象标识符。因此，两个工厂之间的数据保护得到了改进。
另一优点可以是，经训练的预测和/或控制逻辑甚至可以作为服务被提供至其他一个或多个下游工厂，以改进其生产过程，同时重视将经训练的预测和/或控制逻辑提供至上游工业工厂(例如，提供至上游计算单元)的下游工厂的数据安全。
预测和/或控制逻辑甚至可以被混淆，例如，被封装在受保护的容器中，使得该逻辑受到保护，以防止未经授权的访问或读出。这种情况的优点可以是，上游工厂可以为下游工厂提供改进生产的服务，同时减少提供逻辑被暴露给未授权方的安全性问题。此外，下游工厂不需要在内部开发解决方案，也不需要暴露下游历史数据，但仍然可以分享经由上游工厂所提供的对象标识符和逻辑对下游生产的改进。上游工厂和下游工厂的数据安全性都可以得到改进，同时在两端提供潜在的生产改进。
“生产过程”(例如，下游生产过程)是指任何工业过程，当所述工业过程用于或应用于TPU和/或ETPU材料时提供物品。因此，物品是通过直接地或经由一个或多个衍生材料经由下游生产过程转换TPU和/或ETPU以产生该物品来提供的。同样，上游生产过程是指任何工业过程，当所述工业过程用于或应用于输入材料时提供TPU和/或ETPU材料。
因此，生产过程可以是任何合适的制造或处理过程，至少部分地涉及一个或多个化学过程或多个过程的组合，用于至少部分地从TPU和/或ETPU材料获得物品。生产过程甚至可以包括化学产品的包装和/或堆叠。因此，生产过程可以是化学过程和物理过程的组合。
术语“制造”、“生产”或“加工”将在对应的生产过程的上下文中互换使用。这些术语可包括将任何一种工业过程(包括化学过程)的应用至输入材料，该应用产生一个或多个TPU和/或ETPU材料，以及将任何一种工业过程(包括化学过程)的应用至TPU和/或ETPU，该应用产生一个或多个物品。
本公开内容中的“前驱体材料”或简单地“前驱体”一般是指TPU和/或ETPU材料。然而，该术语也可指与TPU和/或ETPU组合以产生物品的其他物质或材料。这样的其他物质或材料可以是粘合剂、填充剂、添加剂及其类似物中的任一个或多个。
由于这样的材料(诸如，用于制造物品的前驱体)特别是在其生产过程期间可能难以追溯或追踪，更不用说建立生产这样的材料的具体起始材料的可追溯性。应理解，输入材料可以被称为用于在上游工厂处所生产的TPU和/或ETPU材料的起始材料。同样，TPU和/或ETPU材料或前驱体可以被称为用于在下游工厂处所生产的物品的起始材料。作为一个实施例，在生产期间，输入材料可能与其他材料混合，和/或输入材料可能沿生产链被分割成不同的部分，例如，用于以不同的方式加工。输入材料可以被转换一次以上，例如，在转换为TPU和/或ETPU材料之前，可以转换为一个或多个衍生材料。同样，在下游生产过程期间，TPU和/或ETPU也可以被混合和/或分割和/或转换多次。此外，TPU和/或ETPU材料的不同部分可以被装运至不同的下游工业工厂或客户。例如，TPU和/或ETPU材料可以被分割且被包装在不同的包装中。虽然在某些情况下，可以为经包装的TPU和/或ETPU材料或其部分贴上标签，但可能很难附上负责生产该特定TPU和/或ETPU材料或其部分的生产过程的详情。类似的问题也可能存在于下游生产链中。在许多情况下，输入材料和/或TPU和/或ETPU和/或物品可能处于难以物理地给其贴上标签的形式。因此，本教导提供的一个或多个对象标识符的方式也可以用于克服这种限制。
生产过程(即，上游生产过程和/或下游生产过程)可以是连续的、阶段性(例如，当基于需要回收的催化剂时，它可能是一批化学生产过程)。这些生产类型之间的一个主要区别是在生产期间所生成的数据中出现的频率。例如，在批处理加工中，生产数据从生产过程的开始延伸到最后一批，跨越运行中已经生产的不同批次。在连续的设置中，数据是更连续的，其中在生产的操作和/或维护驱动的停机时间中有潜在的转变。
“加工数据”是指包括值(例如，数字或二进制信号值)的数据，该数据在对应的生产期间例如经由一个或多个传感器被测量。加工数据可以是一个或多个加工参数和/或设备操作条件的时间序列数据，例如在下游工厂的情况下，下游时间序列数据。优选地，对应的加工数据包括其对应的工厂的加工参数和/或设备操作条件的时间信息，例如，数据包含与加工参数和/或设备操作条件有关的至少一些数据点的时间戳。更优选地，加工数据包括时空数据，即时态数据以及与物理上分开的一个或多个设备区有关的位置或数据，使得可以从该数据中得出时空关系。该时空关系可用于例如计算输入材料在给定时间时的位置。
“实时加工数据”是指在特定材料(例如，TPU和/或ETPU材料或前驱体)正在使用对应的生产过程进行加工时，所测量的或基本上处于瞬时状态的加工数据。例如，输入材料的实时加工数据或上游实时加工数据是来自使用上游生产过程对输入材料加工或在该加工的大约同一时间的上游加工数据。同样，TPU和/或ETPU材料的实时加工数据或下游实时加工数据是来自使用下游生产过程对前驱体材料加工或在该加工的大约同一时间的下游加工数据。
在这里，大约同一时间是指很少或没有时间延迟。术语“实时”在计算机和仪器的技术领域中可以理解。作为一个具体的非限制性实施例，在对应材料上所执行的对应的生产过程期间的生产状况与所测量或所读出的加工数据之间的时间延迟小于15s，具体地不超过10s，更具体地不超过5s。对于高生产量的加工，延迟小于一秒，或小于几毫秒，或甚至更小。因此，实时数据可以被理解为在对应的工厂处加工对应的材料期间所生成的时间依赖性加工数据流。
“加工参数”可指任何有关生产过程的变量，例如，温度、压力、时间、液位等中的任何一个或多个。
“输入材料”可指至少一种用于生产TPU和/或ETPU材料的原材料或未加工的材料。输入材料的几个非限制性实施例可以是以下中的任一个或多个：聚醚醇、聚醚二醇、聚四氢呋喃、聚酯二醇(如基于己二酸和丁烷-1,4-二醇)、异氰酸酯、填充材料—有机或无机材料(如木粉、淀粉、亚麻、***、苎麻、黄麻、剑麻、棉花、纤维素或芳族聚酰胺纤维)、硅酸盐、重晶石、玻璃球、沸石、金属或金属氧化物、滑石、白垩、高岭土、氢氧化铝、氢氧化镁、亚硝酸铝、硅酸铝、硫酸钡、碳酸钙、硫酸钙、硅石、石英粉、气溶胶、粘土、云母或硅灰石、铁粉、玻璃球、玻璃纤维或碳纤维。
作为进一步的非限制性实施例，输入材料可以是亚甲基二苯基二异氰酸酯(MDI)和/或聚四氢呋喃(“PTHF”)，它至少要经过一部分的生产过程以获得TPU。应理解，输入材料因此在一个或多个设备区中进行化学加工，以获得TPU和/或ETPU。在这种情况下，衍生材料是指源于输入材料但进一步被加工以获得TPU和/或ETPU材料的材料。例如，TPU可以在一个或多个另外的设备区进一步被加工以获得ETPU。
“输入材料数据”是指与输入材料的一个或多个特性或属性有关的数据。因此，输入材料数据可以包括指示输入材料的属性(如，数量)的任一个或多个值。替代地或附加地，指示数量的值可以是输入材料的填充度和/或质量流。这些值优选地经由操作性地联结至上游设备或包括在上游设备中的一个或多个传感器测量。替代地或附加地，输入材料数据可以包括与输入材料有关的样品/测试数据。替代地或附加地，输入材料数据可以包括指示输入材料的任何物理和/或化学特性的值，诸如密度、浓度、纯度、pH、成分、粘度、温度、重量、体积等的任一个或多个。
“前驱体数据”或“前驱体材料数据”是指与TPU和/或ETPU材料的一个或多个特性或属性有关的数据。因此，前驱体材料数据可以包括指示TPU和/或ETPU材料的属性(诸如，量)的任一个或多个值。替代地或附加地，指示量的值可以是TPU和/或ETPU材料的填充度和/或质量流。至少一些值可以经由操作性地联结至下游设备或包括在下游设备中的一个或多个传感器测量。一些值可由上游工厂或上游计算单元(例如，经由上游对象标识符)提供，或在某些情况下通过提供下游对象标识符本身。替代地或附加地，前驱体数据可包括与TPU和/或ETPU材料有关的样品/测试数据。因此，替代地或附加地，前驱体材料数据可以包括指示TPU和/或ETPU材料的任何物理和/或化学特性的值，诸如密度、浓度、纯度、pH、成分、粘度、温度、重量、体积等中的任一个或多个。特别是在TPU的情况下，前驱体数据可以包括例如指示以下任一个或多个参数或结果的值：气相色谱、杨氏模量、肖氏硬度、熔体流动值、熔体流动速率(“MFR”)和色值。特别是在ETPU的情况下，前驱体数据可以包括例如指示以下任一个或多个参数或结果的值：颗粒重量或珠子重量、剥离度、尺寸稳定性测试或收缩测试、拉伸测试、弹性或回弹性、磨损、体积密度、珠子密度或颗粒密度或泡沫密度、硬度、压缩属性(例如，刚度，经由压缩永久变形或压缩应力所测量的)、拉伸强度、断裂伸长率、撕裂强度、差示扫描量热法(“DSC”)、动态力学分析(“DMA”)、热力学分析(“TMA”)、核磁共振光谱(“NMR”)、傅里叶变换红外色谱法(“FT-IR”)、凝胶渗透色谱法(“GPC”)、尺寸排除色谱法、水解测量、日光测试、视觉外观(例如，三维结构)、颗粒尺寸分布(“PSD”)。这些值可以经由上游计算单元计算和/或它们也可以来自所执行的测量结果，例如，来自一个或多个质量控制或实验室分析。上面所示出的ETPU参数的实施例也可适用于物品或其一部分，例如通过加工(例如，模制)颗粒形式的ETPU材料制成的鞋底。因此，任何ETPU参数都可适用于块状ETPU颗粒和/或由该颗粒制成的加工物品。
在某些情况下，前驱体数据可以包括来自上游对象标识符的一部分数据，例如，前驱体数据然后可以包括对上游对象标识符的引用或链接，或者甚至在某些情况下包括上游加工数据的子集的至少一部分。
必须提及的是，正在由底层化学生产环境的加工设备所加工的输入材料被分为物理或现实世界的包装，在下文中称为“包装对象”(或分别为“物理包装”或“产品包装”)。这样的包装对象的包装尺寸可以例如按材料重量或按材料量被固定，或者可以基于重量或量来确定，为此，可以由加工设备提供相当恒定的加工参数或设备操作参数。这样的包装对象可以通过计量单元从输入液体和/或固体原材料中创建。
这种包装对象的后续加工是通过相应的数据对象来管理的，这些数据对象包括所谓的“对象标识符”，这些对象标识符是经由与所提及的设备或者甚至是设备的一部分联结的计算单元而被分配至每个包装对象。包括底层包装对象的相应的“对象标识符”的数据对象被储存在计算单元的存储器元件中。
数据对象可以响应于经由设备所提供的触发信号而生成，优选地响应于布置在每个设备单元处的相应的传感器的输出而生成。如上所述，底层工业工厂可能包括不同类型的传感器，例如，用于测量一个或多个加工参数和/或用于测量与设备或加工单元有关的设备操作条件或参数的传感器。
更具体地，所提及的“对象标识符”是指其对应材料的数字标识符。例如，上游对象标识符是为输入材料而提供的。类似地，历史上游对象标识符对应于早期加工的特定历史输入材料。对象标识符优选地经由计算单元生成。对象标识符的提供或生成可由对应的设备而触发，或响应于例如来自上游设备的触发事件或信号而触发。对象标识符可被储存在与计算单元操作性地联结的存储器或存储器元件中。例如，操作性地联结至上游计算单元的上游存储器。类似地，操作性地联结至下游计算单元的下游存储器。在某些情况下，如所讨论的，还可以提供共享存储器，该共享存储器操作性地联结至上游计算单元和下游计算单元这二者，或上游计算单元和下游计算单元这二者都可访问该共享存储器。在某些情况下，共享存储器可以是或至少部分地是上游存储器的一部分，和/或共享存储器可以是或至少部分地是下游存储器的一部分。存储器可以包括至少一个数据库，或者它可以是至少一个数据库的一部分。因此，对象标识符甚至可以是数据库的一部分。应理解，对象标识符可以经由任何合适的方式被提供，例如它可以被传输、接收或者它可以被生成。
对应的“计算单元”(即，上游计算单元或下游计算单元)可以包括或者它可以是具有一个或多个处理核的处理装置或计算机处理器(诸如，微处理器、微控制器或其类似物)。在某些情况下，计算单元可以至少部分地是设备的一部分，例如它可以是过程控制器，诸如可编程逻辑控制器(“PLC”)或分布式控制***(“DCS”)，和/或它可以至少部分地是远程服务器。因此，对应的计算单元可以从操作性地连接至对应设备的一个或多个传感器中接收一个或多个输入信号。如果对应的计算单元不是对应设备的一部分，它可以从对应设备中接收一个或多个输入信号。替代地或附加地，对应的计算单元可以控制操作性地连接至对应设备的一个或多个致动器或开关。该一个或多个致动器或开关甚至可以是设备的一部分。
“存储器”或“存储器元件”(例如，上游存储器和/或下游存储器)可指用于将数据形式的信息储存在合适的储存介质中的装置或***。优选地，存储器是适合于以机器可读的数字形式(例如，经由计算机处理器可读的数字数据)储存信息的数字存储器。因此，存储器可以被认为是由计算机处理器可读的数字存储器装置。该存储器可以至少部分地在云服务中实现。进一步优选地，数字存储器装置上的存储器也可以经由计算机处理器进行操纵。例如，记录在数字存储器装置上的数据的任何部分可以由计算机处理器部分地或全部地用新数据写入和/或擦除和/或覆盖。
对应的“计算单元”(即，上游计算单元或下游计算单元)可以包括或者它可以是具有一个或多个处理核的处理装置或计算机处理器(诸如，微处理器、微控制器或其类似物)。在某些情况下，对应的计算单元可以至少部分地是对应的设备的一部分，例如它可以是过程控制器，诸如可编程逻辑控制器(“PLC”)或分布式控制***(“DCS”)，和/或它可以至少部分地是远程服务器和/或云服务。因此，对应的计算单元可以从操作性地连接至对应设备或多个设备区的一个或多个传感器中接收一个或多个输入信号。如果计算单元不是设备的一部分，则它可以从设备或设备区中接收一个或多个输入信号。替代地或附加地，计算单元可以控制操作性地连接至设备的一个或多个致动器或开关。该一个或多个致动器或开关甚至可以是设备的一部分。计算单元操作性地联结至设备或多个设备区。
因此，对应的计算单元可以通过控制任一个或多个致动器或开关和/或末端执行器单元(例如，经由操纵一个或多个对应的设备操作条件)来操纵与对应的生产过程有关的一个或多个参数。该控制优选地响应于从设备中检索到的一个或多个信号来进行。
在此上下文中，“末端执行器单元”或“末端执行器”是指作为对应的设备的一部分和/或操作性地连接至设备的装置，因此可经由设备和/或对应的计算单元来控制，目的是与设备周围的环境互动。作为几个非限制性的实施例，末端执行器可以是切割器、夹持器、喷雾器、混合单元、挤出机尖端或其类似物，或甚至是它们对应的被设计为与环境(例如，输入材料和/或前驱体和/或物品)互动的部分。
当提到对应的材料(即，输入材料或TPU和/或ETPU材料或衍生材料)时，“属性”或“多个属性”可指对应的材料的量、批次信息、指定质量(诸如，纯度、浓度、粘度)的一个或多个值或材料的任何特性中的任一个或多个。对于TPU和/或ETPU，至少一些属性可以从前驱体数据中得出。本领域技术人员将理解，任一个或多个属性都可以从前面在前驱体数据的上下文中所讨论的任一个或多个参数或结果中得到。
“接口”可以是硬件和/或软件组件，至少部分地是对应设备的一部分，或者是提供对象标识符的另一计算单元的一部分。例如，接口可以是应用编程接口(“API”)。在某些情况下，该接口还可以被连接至至少一个网络，例如，用于接合网络中的两个硬件组件和/或协议层。例如，该接口可以是对应的设备和对应的计算单元之间的接口。在下游工厂的情况下，下游接口可以是下游设备和下游计算单元之间的接口。类似地，在上游工厂的情况下，上游接口可以是上游设备和上游计算单元之间的接口。在某些情况下，对应的设备可以经由对应的网络可通信地联结至对应的计算单元。因此，该接口甚至可以是网络接口，或者它可以包括网络接口。在某些情况下，该接口甚至可以是连接接口，或者它可以包括连接接口。
“网络接口”是指设备或一组允许与网络操作性连接的一个或多个硬件和/或软件组件。
“连接接口”是指用于建立通信(诸如，传输或交换或信号或数据)的软件和/或硬件接口。该通信可以是有线的或它可以是无线的。连接接口优选地基于或它支持一个或多个通信协议。通信协议可以是无线协议，例如：诸如
或WiFi的短距离通信协议，或诸如蜂窝或移动网络(例如第二代蜂窝网络或(“2G”)、3G、4G、长期演进(“LTE”)、或5G)的长距离通信协议。替代地或附加地，连接接口甚至可以基于专有的短距离协议或长距离协议。连接接口可以支持任一个或多个标准和/或专有协议。连接接口和网络接口可以是相同的单元或它们可以是不同的单元。
本文所讨论的“网络”可以是任何合适种类的数据传输介质，有线的、无线的或它们的组合。特定种类的网络并不限于本教导的范围或一般性。因此，网络可以指至少一个通信端点与另一通信端点之间的任何合适的任意互连。网络可以包括一个或多个分布点、路由器或其他类型的通信硬件。网络的互连可以通过物理硬接线、光学和/或无线射频的方法形成。网络具体可以是或可以包括完全地或部分地由硬接线构成的物理网络(诸如，光纤网络)，或完全地或部分地由导电电缆构成的网络，或其组合。网络可以至少部分地包括互联网。上游工厂处的至少一部分网络或上游网络可以与下游工厂处的至少一部分网络或下游网络隔离。此外，上游网络和下游网络可以至少部分地是非公共网络，即与公共网络(诸如，互联网)隔离。通过隔离，应理解，所述网络可以使用安全措施(诸如，每个工厂处的一个或多个网络防火墙)隔离。替代地或附加地，可适当地采取用于保护一个或两个工厂处的网络和生产环境的其他安全和隔离措施。
如所讨论的，在某些情况下，加工数据的对应子集被附加至对应的对象标识符上。例如，通过上游设备加工输入材料的上游实时加工数据的子集被整体包括在上游对象标识符中，或者其一部分被附加或保存。因此，与在上游设备或设备区中加工输入材料相关的上游实时加工数据的简况是可用的或与上游对象标识符链接。实时加工数据是整体保存还是保存其一部分，可以例如基于经由上游计算单元关于加工数据的子集的哪一部分应被附加至对象标识符的决定。类似地，通过下游设备加工TPU和/或ETPU材料的下游实时加工数据的子集被整体包括在下游对象标识符中，或者其一部分被附加或保存。
针对先前所讨论的，替代地或附加地，例如，该决定可以基于对所得到的TPU和/或ETPU材料或物品的期望特性具有主导影响的对应的加工参数和/或设备操作条件来做出。这在某些情况下是有利的，特别是当相关的实时加工数据量很大时，所以代替将大量数据附加至对应的对象标识符，对应的计算单元可以决定对应的实时加工数据的哪个子集将被附加。因此，附加至对象标识符的实时加工数据的一部分可以经由对应的计算单元确定。例如，下游计算单元可以确定下游实时加工数据的哪个子集将被附加至下游对象标识符。
此外，该决定可以基于一个或多个ML模型。这种模型将在本公开内容中更详细地讨论。
根据另一方面，上游对象标识符还被附加有上游加工特定数据。上游加工特定数据可以是以下中的任一个或多个：上游企业资源规划(“ERP”)数据(诸如，来自下游工厂的订单号和/或生产代码和/或生产加工配方和/或批次数据)、接收者数据(诸如，下游工厂数据)以及与输入材料和/或前驱体材料至化学产品的转换有关的数字模型或逻辑。先前在预测和/或控制逻辑方面讨论了这种数字模型的一个实施例。
ERP数据可以从与上游工业工厂有关的ERP***中接收。
数字模型可以是以下中的任一个或多个：代表一个或多个物理变化和/或化学变化的计算机可读数学模型，该物理变化和/或化学变化与输入材料和/或前驱体至化学产品的转换有关。批次数据可以与生产中的批次有关，和/或是与经由同一设备所制造的先前产品有关的数据。通过这样做，TPU和/或ETPU材料的可追溯性可以通过捆绑关联的加工特定数据得到进一步改进。更具体地，批次数据可被用于更优化地排序至少部分地经由同一上游设备所生产的各种分批或成批的TPU和/或ETPU材料的生产。
类似地，下游对象标识符可被附加有下游加工特定数据。下游加工特定数据可以是以下中的任一个或多个：下游企业资源规划(“ERP”)数据(诸如，给上游工厂的订单号和/或生产代码和/或生产加工配方和/或批次数据)、供应商数据(诸如，上游工厂数据)以及与输入材料和/或前驱体材料至化学产品的转换有关的数字模型或逻辑。先前在预测和/或控制逻辑方面讨论了这种数字模型的一个实施例，它可以例如由上游计算单元提供。
“控制设置”是指可由对应的一个或多个工厂控制***影响的任何对应的可控设置和/或值，这些***以一种方式功能性地或操作性地联结至对应的设备，使得设置和/或可控值影响加工对应的材料(以及如果存在，相关衍生材料)以分别生产TPU和/或ETPU材料或物品的方式。例如，下游控制设置确定下游加工参数和/或操作条件，使用该下游加工参数和/或操作条件生产物品。类似地，上游控制设置确定上游加工参数和/或操作条件，使用该上游加工参数和/或操作条件生产TPU和/或ETPU材料。例如，控制设置可以是对应工厂的一个或多个工厂控制***中的一个或多个控制器的设置点。例如，控制设置可以涉及控制器在设备区处加工时应使用的温度设置点。另一控制设置可以是一个或多个材料应被加工(例如，混合)的时间段。控制设置的其他非限制性实施例是值诸如：时间(诸如，加工时间)、压力、量(诸如，重量或体积)、比率、液位、变化率(诸如，流动速率、产量)、速度、旋转速度(诸如，每分钟旋转(“rpm”))和质量。附加地或替代地，对应的控制设置甚至可以确定生产前驱体或化学产品的配方。例如，至少一些对应的控制设置可以确定待使用的材料量或百分比，例如选择两种成分应以何种比率被混合和/或在对应的设备处的添加剂剂量。作为一个非限制性的实施例，配方可以是为了获得TPU材料，输入材料(例如，异氰酸酯)的组分与扩链剂和/或多元醇需要处于哪个比率。本领域技术人员应理解，诸如比率和/或加工方法和/或时间中的一个或多个的配方可以根据输入材料的详情进行调整，使得可以确保从TPU中所获得的TPU和/或ETPU和/或从TPU和/或ETPU中所获得的物品的质量一致。
因此，“区特定控制设置”指控制设置，即任何可控设置和/或值，它们是特定于具体区的，例如上游设备区。类似地，下游控制设置也可以是区特定的。
对应的“性能参数”可以分别是(或者它可以指示或者有关)TPU和/或ETPU材料或物品的任一个或多个属性。因此，下游性能参数可以是这样的参数，它应满足一个或多个预限定的标准，该标准指示物品对特定应用或用途的适合性或适合程度。作为非限制性的实施例，性能参数可以是以下中的任一个或多个：强度(诸如，拉伸强度)、硬度(诸如，肖氏硬度)、密度(诸如，体积密度)、颜色、浓度、成分、粘度、熔体流动速率、熔体流动值(“MFV”)(诸如，TPU的熔体流动值)、刚度(诸如，杨氏模量值)、纯度或杂质(诸如，每百万分之一(“ppm”)值)、失效率(诸如，平均失效时间(“MTTF”))或任一个或多个值或值范围，例如经由使用预限定标准的测试确定。任何下游性能参数甚至可以与物品的部件有关。例如，由ETPU材料制成的模制鞋底。性能参数可以是前面在前驱体数据的上下文中所讨论的任一个或多个参数或结果，或者可以从那些参数和/或结果中得出。例如，指示以下参数或结果中的任一个或多个的值：颗粒重量或珠子重量、剥离度、尺寸稳定性测试或收缩测试、拉伸测试、弹性或回弹性、磨损、体积密度、珠子密度或颗粒密度或泡沫密度、硬度、压缩属性(例如，刚度，经由压缩永久变形或压缩应力所测量的)、拉伸强度、断裂伸长率、撕裂强度、差示扫描量热法(“DSC”)、动态力学分析(“DMA”)、热力学分析(“TMA”)、核磁共振光谱(“NMR”)、傅里叶变换红外色谱法(“FT-IR”)、凝胶渗透色谱法(“GPC”)、尺寸排除色谱法、水解测量、日光测试、视觉外观(例如，三维结构)、颗粒尺寸分布(“PSD”)。类似地，对于TPU材料，它们可以是以下参数或结果中的任一个或多个：气相色谱、杨氏模量、肖氏硬度、熔体流动速率(“MFR”)和色值。
附加地或替代地，对于物品而言，性能参数可以是或者它们可以从以下参数中的任一个或多个中得出：拉伸强度、断裂伸长率、回弹性、压缩属性、颗粒尺寸分布(“PSD”)和体积密度。
一般而言，任何性能参数都可以经由与对应的生产过程有关的相应计算单元来计算。对象标识符可以使这些参数的计算更加有效和可靠。任何这些参数都可以是历史数据的一部分，以使对应计算单元能够确定生产设置，且可选地监测制造过程和/或控制产品质量。另外，如所提出的，历史数据可以基于当前的生产(例如，经由下游对象标识符)进行更新。历史数据也可被用于训练一个或多个ML模型，例如，经由任何这些性能参数对质量进行即时(on-the-fly)预测。与预测和/或控制逻辑的情况一样，这种经训练的ML模型可以至少部分地是数据驱动模型。
申请人已经意识到，特别是对于ETPU材料(可选地也可以对于物品)，参数颗粒尺寸分布(“PSD”)和/或体积密度特别适用于监测和/或控制它们对应的生产过程。这些参数可以经由在线测量来观察和/或它们可以在对应的生产过程中经由对应的计算单元来计算。
应理解，在某些情况下，性能参数可能指示对对应材料或产品的特定应用或用途缺乏适合性，或对对应材料或产品的特定应用或用途的不适合程度。类似地，上游性能参数可以是这样的参数，它应满足一个或多个预限定的标准，该标准指示TPU和/或ETPU材料和/或甚至物品或其一部分对特定应用或用途的适合性或适合程度。因此，下游性能参数代表了与该物品有关的性能或质量。例如，预限定的标准可以是一个或多个参考值或范围，物品和/或前驱体的性能参数相对于该参考值或范围进行比较，以确定物品和/或TPU和/或ETPU材料的质量或性能。预限定的标准可以使用一个或多个测试(诸如，实验室测试、可靠性或磨损测试)来确定，从而限定TPU和/或ETPU材料或物品的性能参数要求，使其适用于一个或多个特定用途或应用。在某些情况下，性能参数可能与衍生材料的属性有关，或从衍生材料的属性中测量。
对应的“期望的性能参数”可以是(或者它可以指示或者有关)TPU和/或ETPU材料或物品或其一部分的任一个或多个期望的属性。所以，期望的性能参数可以对应于性能参数的期望值。例如，期望的上游性能参数可以对应于上游性能参数的期望值。类似地，期望的下游性能参数可以对应于下游性能参数的期望值。
应理解，“区特定的”在本上下文中是指与特定的设备区(例如，分别是上游设备中的特定区或下游设备区中的特定区)有关。
通常，对应的性能参数是从对应的生产期间和/或之后所收集的物品和/或TPU和/或ETPU材料的一个或多个样品确定的。这些样品可以被带到实验室，进行分析以确定对应的性能参数。分析结果或所确定的性能参数可以包括或被附加至对应的对象标识符，因此被包括在对应的历史数据中。
然而，应理解，收集样品、加工或测试样品，然后分析测试结果的整个活动可能需要大量的时间和资源。因此，在收集样品和实施对输入材料和/或加工参数和/或设备操作条件的任何调整之间可能会有很大的延迟。这种延迟或滞后可能会导致生产出次优产品，或者在最坏的情况下，生产被停止，直到样品已经被分析以及通过调整输入材料或TPU和/或ETPU材料和/或加工参数和/或设备操作条件采取任何纠正措施。
作为至少减少物品性能的可变性以及可选地也减少TPU和/或ETPU材料的可变性的解决方案，本教导可被用于经由历史数据来更严格地控制它们对应的生产过程，且在某些情况下经由可附加至至少一些历史对象标识符的至少一个区特定的性能参数。因此，可以减少对人工采样的需求。
根据一方面，至少一个下游性能参数的计算是使用下游分析计算机模型进行的。根据另一方面，下游控制设置的确定是使用至少一个下游机器学习(“ML”)模型进行的。下游ML模型可以基于优选地来自一个或多个历史下游对象标识符的下游历史数据进行训练。与预测和/或控制逻辑的情况一样，经训练的下游ML模型可以至少部分是数据驱动模型。
类似地，至少一个上游性能参数的计算可以是使用上游分析计算机模型进行的。同样，可选地，上游控制设置的确定可以是使用至少一个上游机器学习(“ML”)模型进行的。上游ML模型可以基于优选地来自一个或多个上游对象标识符的上游历史数据进行训练。与预测和/或控制逻辑的情况一样，经训练的上游ML模型可以至少部分地是数据驱动模型。
物品的生产以及TPU和/或ETPU材料的生产可以是数据密集型环境，可以从不同的设备中产生大量的数据。还应理解，所提出的教导也使监测和/或控制方法或***的实现适合且更有效地用于至少在下游工业工厂中的边缘计算。类似地，尽管生产是在彼此隔离的不同工厂进行的，但在上游工业工厂处可以应用同等的特征，以进一步建立从输入材料到物品的更完整的可追溯性和质量控制。应认识到，诸如安全性和/或质量控制和/或至少下游生产过程的控制的监测可以因此基本上在现场完成，例如在每个下游设备区内，并减少计算资源(诸如，处理能力和/或存储器要求)，因为对象标识符为计算性能参数提供高度有针对性的相关数据的一组数据。也可能的是减少计算中的延迟，从而确保有足够的时间进行数字运算算法，而不减慢对应的生产过程。它还可以使ML模型的训练过程更快、更有效。此外，来自上游生产过程的数据和/或逻辑可以在下游进一步利用，以便对物品的性能进行更精细的控制。
由于类似的原因，它也使本教导适合于云计算，因为数据集可以变得紧凑和高效。许多云服务提供商基于计算资源的利用情况以按使用量付费的模式操作，因此可以减少成本和/或更有效地利用计算能力。
因此，根据一方面，至少一个下游ML模型可以基于来自一个或多个历史下游对象标识符的数据或下游历史数据进行训练。用于训练下游ML模型的数据还可以包括历史和/或当前的实验室测试数据，或诸如从物品或其一部分和/或TPU和/或ETPU材料的过去和/或最近的样品所测量的下游性能参数的数据。例如，可以使用来自一个或多个分析(诸如，图像分析)的质量数据、实验室设备或其他测量技术。通过将分析的性能参数包括在其相关联的历史对象标识符中，可以以有效的方式捕获性能参数和它们对应的加工数据之间更完整的关系。因此，昂贵而耗时的实验室结果可以更精确地被用来提高未来物品的质量。人为错误的范围也可以减少，因为质量数据及其相关联的加工数据简况是一体化的。
在某些情况下，如果要分析物品、其一部分或其衍生材料，会自动提供采样对象标识符。这可能是基于置信度值，或者如果计算单元不能将计算出的性能参数及其对应的期望值之间的差异最小化。因此，对样品进行分析的结果可以被包括或附加在采样对象标识符处，进一步精确地封装数据且减少人为错误的范围。来自采样对象标识符的数据也可被包括在下游历史数据中。
因此，用数据(例如，来自历史下游对象标识符的数据)训练的至少一个下游ML模型可被用于确定至少一些下游控制设置，这些下游控制设置甚至可以是下游设备的区特定的控制设置。
因此，为了确定下游控制设置，使用下游历史数据训练的下游ML模型可以接收前驱体数据和至少一个期望的下游性能参数作为输入。因此，下游ML模型可以提供下游控制设置作为计算值。如先前所讨论的，计算值可以经由HMI被提供至操作者，和/或该值可被直接提供至下游控制***。同样与所讨论的类似，下游ML模型可被用于根据从前驱体数据中所获得的TPU和/或ETPU材料的详情、从至少一个期望的下游性能参数中所获得的期望性能以及下游实时加工数据的子集来自动地适配下游生产过程。例如，下游计算单元可以最小化经由下游ML模型所计算的下游性能参数中的每个或某些与它们对应的期望性能参值之间的差异。
根据另一方面，下游ML模型还可以提供指示下游控制设置的至少一个置信度值。在某些情况下，置信度值也可被附加至下游对象标识符上，例如作为元数据。如果任何下游控制设置的预测或计算的置信度水平低于一精确度阈值，则可在下游控制***处触发警告以用于生产。该警告可作为警告信号生成，例如使用一组默认设置启动下游生产，或者它可用于确定是否应重新训练下游ML模型。
在某些情况下，响应于任何下游控制设置的预测或计算的置信度水平低于一精确度阈值，经由下游接口自动地提供重新训练的对象标识符。下游处理单元可被配置为将置信度值、前驱体数据和至少一个期望的下游性能参数附加至重新训练的对象标识符。重新训练的对象标识符可被用于确定在重新训练的对象标识符包括该组变量的情况下，还缺乏哪些洞察力来控制下游生产过程。因此，重新训练的对象标识符可被用于进一步改进下游历史数据，以便经由下游计算单元进行未来确定。根据一方面，可以对与重新训练的对象标识符相关联的所生产的物品进行采样和分析。分析的结果(例如，所测量的下游性能参数)可被附加至重新训练的对象标识符。因此，重新训练的对象标识符可被包括在下游历史数据中。这样，就可以保持材料的全面可追溯性，且可以对正确的物品或其一部分进行采样，使得即使对于以前的下游历史数据没有完全覆盖的情况，下游历史数据也能得到有效的丰富。因此，这可以使正确的一个或多个样品从生产中收集(因为由重新训练的对象标识符所提供的追踪)，且这些样品可以与来自重新训练的对象标识符的数据一起分析，以寻找置信度水平下降的原因。因此，可以更好地理解各种变量之间的复杂关系，使得可以进一步改进下游控制过程。
在某些情况下，相同的下游ML模型或另一模型可被下游计算单元用于确定下游实时加工数据子集的哪些部分或组成部分对物品生产具有最主导的影响。因此，下游计算单元能够排除那些对至少一个下游性能参数有可忽略的影响的下游加工参数和/或设备操作条件。因此，为特定物品所附加的下游实时加工数据的相关性可以针对它们对应的对象标识符得以改进。
在某些情况下，下游对象标识符至少被附加有上游对象标识符的一部分。因此，整个上游对象标识符可被封装在下游对象标识符中，或者可被封装在下游对象标识符的仅一部分中。例如，该部分可以是对上游对象标识符的引用，或者是将两个对象标识符直接联系的链接，或将两个对象标识符经由一个或多个可能在二者之间所生成的其他对象标识符进行联系的链接。
如所讨论的，下游物体控制设置可以是区特定的，对前驱体材料在下游生产过程中经过的不同区进行不同设置。这可以使下游生产过程可以根据材料在上游加工的下游加工数据，在下游区内进行调整。因此，控制的粒度可以进一步提高，且使之更加灵活。例如，可以通过适配下游区特定的控制设置来纠正上游的任何次优加工。
除了确定下游区特定的控制设置以外，下游对象标识符可根据存在信号而与来自对应下游设备区的实时加工数据的至少一部分附加在一起，如所讨论的。因此，除了提供更细化的控制以外，下游对象标识符的相关性(特别是其中封装和/或引用的数据)可以进一步改进。
如所讨论的，下游对象标识符可以至少部分地封装或富含上游对象标识符，或更具体地，来自上游对象标识符的数据(该数据已被附加有上游实时加工数据的子集的至少一部分)。另外，下游对象标识符可被链接至上游对象标识符。换句话说，可以说，下游对象标识符与上游对象标识符附加在一起。因此，通过上游对象标识符至少部分地成为下游对象标识符的一部分，下游对象标识符与上游对象标识符相关。
下游计算单元甚至提供另一些下游对象标识符，例如，当TPU和/或ETPU材料在下游生产过程中被分割或与其他材料结合时。如前面讨论的特定数据子集可被附加至它们对应的另一些下游对象标识符。通过这样做，可以提高对下游生产链的各组成部分的质量的更精细的可见性。例如，每个特定区的性能参数也可被用于追踪和控制该特定区的材料的质量。
与上述讨论类似，另一些ML模型也可被应用至任何另一些下游对象标识符。另一些ML模型可被用于根据对应模型的输出适配区特定的下游控制设置，来预测性能参数和/或控制下游生产。
本领域技术人员将理解，术语“附加”或“附加”可指包括或附接，例如在同一数据库或同一存储器元件中保存不同的数据元素(诸如，元数据)，要么在数据库或存储器元件的相邻位置，要么在不同位置。该术语甚至可以指在相同或不同的位置处链接一个或多个数据元素、数据包或数据流，其方式是在需要时可以读取和/或获取和/或组合这些数据包或数据流。这些位置中的至少一个可以是远程服务器的一部分，甚至至少部分地是基于云的服务的一部分。
“远程服务器”是指远离工厂定位的一个或多个计算机或一个或多个计算机服务器。因此，远程服务器可以位于离工厂几公里或更远的位置。远程服务器甚至可以位于一个不同的国家。远程服务器甚至可以至少部分地实施为基于云的服务或平台，例如作为平台即服务(“PaaS”)。该术语甚至可以统称为位于不同位置的一个以上的计算机或服务器。远程服务器可以是数据管理***。
应理解，前驱体材料、TPU和/或ETPU材料在横穿初始下游设备区之后，其性质可能与前驱体进入初始下游设备区时有很大不同。因此，如所讨论的，在前驱体材料从初始下游设备区横穿后进入另一下游设备区时，前驱体材料可能已经转换为衍生材料或中间加工材料。然而，为简单起见，在不失去本教导的一般性的情况下，术语TPU和/或ETPU材料将被用来指在下游生产过程期间TPU和/或ETPU材料已经转换为这种中间加工材料或衍生材料的情况。例如，一批以化学组分混合物形式存在的前驱体材料可能已经在输送带上横穿了初始下游设备区，该批材料被加热以引起化学反应。因此，当前驱体材料进入另一下游设备区时，在直接离开初始下游设备区后或在横穿其他区之后，该材料可能已经成为与前驱体材料的属性不同的衍生材料。例如，在初始下游设备区处的TPU形式的前驱体在进入另一下游设备区时可能已经转换为ETPU。这个实施例中的ETPU可以被称为衍生品或中间加工材料。然而，如上所提及的，这种衍生材料仍然可以被称为前驱体材料，至少是因为这种中间加工材料和前驱体材料之间的关系可以经由下游生产过程来限定和确定。此外，在其他情况下，即使在横穿了初始下游设备区或其他区后，前驱体材料仍然可以基本保持类似的属性，例如，当初始下游设备区仅仅是简单地干燥前驱体材料或过滤它以去除微量的不想要的材料。因此，本领域技术人员将理解，任何中间区中的前驱体材料可能会或可能不会被转换为衍生材料。
如所讨论的，在收集TPU和/或ETPU材料、衍生材料或物品的样品进行分析的情况下，这些样品也可被提供有样品对象标识符。样品对象标识符可以类似于本公开内容中所讨论的对象标识符，从而附加的相关的相应加工数据，如所讨论的。因此，样品还可被附加与所述样品的属性相关的下游生产过程的精确简况。因此，可以进一步改进分析和质量控制。此外，下游生产过程可以被协同改进，例如，基于一个或多个ML模型的改进训练。
根据另一方面，当下游生产过程涉及TPU和/或ETPU材料在区内或区之间被物理运输或移动(例如，使用诸如输送***的运输元件)时，下游实时加工数据还可以包括指示运输元件的速度和/或TPU和/或ETPU材料在下游生产过程中被运输的速度的数据。该速度可以经由一个或多个传感器直接提供，和/或可以经由下游计算单元计算，例如，基于进入该区的时间和离开该区的时间或进入该区之后的另一区的时间。因此，下游对象标识符可以进一步富含该区中的加工时间方面，特别是那些可能对物品的一个或多个下游性能参数具有影响的时间。此外，通过使用进入和离开的时间戳或进入随后区的时间戳，可以省去对运输元件的速度测量传感器或设备的要求。
根据另一方面，每个对象标识符包括唯一标识符，优选地全局唯一标识符(“GUID”)。通过将GUID附加至物品的每个虚拟包装上，至少可以增强对物品回到TPU和/或ETPU材料的追溯。可选地，物品可以被追溯回到用于生产TPU和/或ETPU材料的输入材料。经由GUID，还可以减少加工数据(诸如，时间序列数据)的管理，且可以在虚拟/物理包装、生产历史和质量控制历史之间建立直接的联系。
如关于ML模型所讨论的，根据一方面，上游ML模型可以基于来自上游对象标识符的数据进行训练。训练数据还可以包括过去和/或当前的实验室测试数据，或来自TPU和/或ETPU材料和/或物品的过去和/或近期样品的数据。对象标识符还可以使上游工厂更容易将下游工厂处所生产的物品的性能与用于生产TPU和/或ETPU的特定输入材料联系起来，以及与用于加工该材料的上游加工数据联系起来。这对确保物品的一致质量有很大益处。
除了前面所讨论的ML模型的优点外，在对应生产线上拥有基于区的经训练的模型，可以更详细地追踪材料和预测它们的对应性能参数，甚至物品的性能参数。
在一些生产情况下，如批量生产，这种模型可被用于即时标记质量控制问题，不仅是针对所生产的物品，而且是针对任何衍生材料。
因此，上游和/或下游的任一或每个设备区可以经由单独的ML模型进行监测和/或控制，该单独的ML模型是根据来自该区的对应的对象标识符的数据进行训练的。
根据一方面，为区提供对应的对象标识符(例如，下游对象标识符)可以发生或被触发，以响应指示TPU和/或ETPU材料的属性的任一个或多个值和/或来自下游设备操作条件的任一个或多个值和/或下游加工参数的任一个或多个值达到、满足或跨越一预限定阈值。任何这样的值可以经由一个或多个下游传感器和/或开关来测量。例如，预限定阈值可以与在下游设备处所引入的TPU和/或ETPU材料的重量或量值有关。因此，当在下游设备处所接收的TPU和/或ETPU材料的重量的量达到预限定的量阈值(诸如，重量阈值)时，可以生成触发信号。理想情况下，上游对象标识符被自动附加至下游对象标识符，例如经由传入的TPU和/或ETPU材料的加工特定数据和/或标签。在本公开内容的前面，还讨论了提供对象标识符的触发事件或状况的某些实施例。响应于触发信号，或直接响应于量或重量达到预限定的重量阈值，可以提供对象标识符。触发信号既可以是一个单独的信号，也可以仅是一个事件，例如，满足预限定标准的特定信号，诸如经由计算单元和/或设备所检测到的阈值。因此，还应理解，对象标识符可以响应于TPU和/或ETPU材料的量达到预限定的量阈值时被提供。该量可以被测量为重量，如上面的实施例所解释的，和/或它可以是任一个或多个其他值，诸如液位、填充或填充度或体积和/或通过合计或通过对TPU和/或ETPU材料的质量流量应用积分。
因此，例如可以响应于触发事件或信号而提供下游对象标识符，所述事件或信号优选经由下游设备或初始下游设备区提供。这可以响应于操作性地联结至下游设备的一个或多个下游传感器和/或开关中的任一个的输出而完成。触发事件或信号可与TPU和/或ETPU材料的量值有关，例如与量值达到或符合一预限定的量阈值的状况有关。所述状况可以经由下游计算单元和/或下游设备来检测，例如，使用一个或多个重量传感器、液位传感器、填充传感器或任何可以测量或检测TPU和/或ETPU材料量的合适传感器。
使用量作为提供下游对象标识符的触发器的一个优点可以是，材料量在生产过程期间的任何变化都可以作为触发器，以提供另一些一个或多个下游对象标识符，如本教导所解释的。申请人已经意识到，这可以提供一种最佳方式，在加工或生产一个或多个物品、任何衍生材料的工业环境中，分段生成不同的对象标识符，最终可以在核算量或质量流的同时，基本上在整个生产链中追踪到物品。通过仅仅在引入或输入新材料的位置，或在材料被分割的位置提供对象标识符，对象标识符的数目可以最小化，同时不仅在生产的终点，而且在内部保留材料的可追溯性。在不添加新材料或不拆分材料的设备或生产区内，可以利用这些区内的加工知识来维持两个相邻对象标识符内的可观察性。
当从一个角度来看，还可以提供根据本文所公开的任一个方法方面所生成的控制设置和/或任一个或多个性能参数的用途，用于控制生产过程(例如，下游工厂)。更具体地，下游控制设置和/或至少一个下游性能参数。
通过这样做，所讨论的任一个下游工厂可以获得一个改进的生产过程，以用于制造一个或多个物品。
当从另一角度来看，还可以提供一种用于控制下游生产过程的***，该***被配置为执行本文所公开的任一方法。或者，一种用于控制在下游工业工厂处制造物品的下游生产过程的***，该下游工业工厂包括至少一个下游设备，且经由该下游设备，通过使用下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造该物品，其中该***被配置为执行本文所公开的任一方法。
例如，可以提供一种用于控制在下游工业工厂处制造物品的下游生产过程的***，该下游工业工厂包括至少一个下游设备和下游计算单元，且经由下游设备使用下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造物品，其中该***被配置为：
在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：
-下游对象标识符；所述下游对象标识符包括指示TPU和/或ETPU材料的一个或多个属性的前驱体数据；
-至少一个与物品有关的期望的下游性能参数；
-下游历史数据；其中，所述下游历史数据包括用于制造过去一个或多个物品的下游加工参数和/或操作设置；以及其中
-该组下游控制设置可用于在下游工业工厂处制造所述物品。
当从另一角度来看，还可以提供一种计算机程序，包括指令，当该程序由合适的计算单元执行时，使计算单元执行本文所公开的任一方法。还可以提供一种非暂时性计算机可读介质，该介质储存有导致合适的计算单元执行本文所公开的任一方法步骤的程序。
例如，可以提供一种计算机程序或储存该程序的非暂时性计算机可读介质，包括指令，当该程序由合适的计算单元执行时，该计算单元与至少一个设备操作性地联结，用于在下游工业工厂通过使用下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造物品，使该计算单元能够：
在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：
-下游对象标识符；所述下游对象标识符包括指示TPU和/或ETPU材料的一个或多个属性的前驱体数据；
-至少一个与物品有关的期望的下游性能参数；
-下游历史数据；其中，所述下游历史数据包括用于制造过去一个或多个物品的下游加工参数和/或操作设置；以及其中
-该组下游控制设置可用于在下游工业工厂处制造所述物品。
应理解，该组下游控制设置适用于在下游工业工厂处制造化学产品。
计算机可读数据介质或载体包括任何合适的数据储存装置，其上储存有一组或多组包含本文所述的任一种或多种方法或功能的指令(例如，软件)。指令也可以完全或至少部分地驻留在主存储器内和/或在计算单元、主存储器和处理装置执行期间驻留在处理器内，这可以构成计算机可读存储介质。该指令可进一步经由网络接口装置在网络上传输或接收。
用于实现本文所述的一个或多个实施例的计算机程序可被储存和/或分布在合适的介质上，例如与其他硬件一起或作为其他硬件的一部分提供的光学储存介质或固态介质，但也可以以其他形式分布，例如经由互联网或其他有线或无线电信***。然而，计算机程序也可以通过像万维网这样的网络呈现，且可以从这样的网络下载到数据处理器的工作存储器中。
此外，还可以提供用于使计算机程序产品可供下载的数据载体或数据存储介质，该计算机程序产品被布置用于执行根据本文所公开的任一方面的方法。
当从另一角度来看，还可以提供一种包括计算机程序代码的计算单元，用于执行本文所公开的方法。另外，还可以提供一个计算单元，该计算单元与包含用于执行本文所公开的方法的计算机程序代码的存储器操作性地联结。
两个或多个组件“操作性地”联结或连接对于本领域的技术人员而言应当是清楚的。以非限制性的方式，这意味着在联结或连接的组件之间至少可以存在一个通信连接，例如，经由接口或任何其他合适的接口。该通信连接可以是固定的，或者可以是可移动的。此外，通信连接可以是单向的，或者可以是双向的。此外，通信连接可以是有线和/或无线的。在某些情况下，通信连接也可用于提供控制信号。
“参数”在此上下文中指的是任何相关的物理或化学特性和/或其测量，如温度、方向、位置、量、密度、重量、颜色、水分、速度、加速度、变化率、压力、力、距离、pH、浓度和成分。该参数也可以指某一特性的存在或缺乏。
“致动器”是指负责直接或间接地移动和控制与诸如机器的设备有关的机构的任何部件。执行器可以是阀、电机、驱动器或其类似物。致动器可以是电动的、液压的、气动的，或它们的任何组合。
“计算机处理器”是指被配置用于执行计算机或***的基本操作的任意逻辑电路，和/或一般而言，被配置用于执行计算或逻辑操作的装置。特别是，处理装置或计算机处理器可被配置为处理驱动计算机或***的基本指令。作为一个实施例，处理装置或计算机处理器可以包括至少一个算术逻辑单元(“ALU”)、至少一个浮点单元(“FPU”)(诸如，数学协处理器或数字协处理器)、多个寄存器(特别是被配置为向ALU提供操作数和存储操作结果的寄存器)以及存储器(诸如，L1和L2高速缓存存储器)。特别是，处理装置或计算机处理器可以是多核处理器。具体而言，处理装置或计算机处理器可以是或可以包括中央处理单元(“CPU”)。处理装置或计算机处理器可以是(“CISC”)复杂指令集计算微处理器、精简指令集计算(“RISC”)微处理器、超长指令字(“VLIW”)微处理器，或实施其他指令集的处理器或实施指令集组合的处理器。处理装置也可以是一个或多个专用处理装置，如专用集成电路(“ASIC”)、现场可编程门阵列(“FPGA”)、复杂可编程逻辑器件(“CPLD”)、数字信号处理器(“DSP”)、网络处理器或类似装置。本文描述的方法、***和装置可以作为软件在DSP、微控制器或任何其他侧处理器中实现，也可以作为硬件电路在ASIC、CPLD或FPGA中实现。应理解，术语处理装置或处理器也可以指一个或多个处理装置，例如位于多个计算机***(例如，云计算)的处理装置的分布式***，且不限于单个装置，除非另有规定。
“计算机可读数据介质”或载体包括任何合适的数据储存装置或计算机可读存储器，其上储存有一组或多组包含本文所述的任一种或多种方法或功能的指令(例如，软件)。指令也可以完全或至少部分地驻留在主存储器内和/或在计算单元、主存储器和处理装置执行期间驻留在处理器内，这可以构成计算机可读存储介质。该指令可进一步通过网络接口装置在网络上传输或接收。
附图说明
现在将参考以下附图对本教导的某些方面进行讨论，所述附图以实施例的方式解释了所述方面。由于本教导的一般性并不取决于此，因此附图可不按比例。附图示出的某些特征可以是与物理特征一同示出的逻辑特征，以便于理解且不影响本教导的一般性。为了容易地标识对任何特定元件或动作的讨论，参考标号中最显著的一位或多位是指首次引入该元件的图的编号。
图1例示了根据本教导的***的某些方面。
图2例示了根据本教导的方法方面。
图3通过结合框图/流程图的方式示出了根据本教导的***和相应的方法的第一实施方案。
图4通过结合框图/流程图的方式示出了根据本教导的***和相应的方法的第二实施方案。
图5通过结合框图/流程图的方式示出了根据本教导的***和相应的方法的第三实施方案。
图6示出了基于图表的数据库布置的第一实施方案，代表了工业工厂或工厂集群的拓扑结构，包括多个设备装置和相应的多个设备区，输入材料在制造或生产过程中在这些设备装置和设备区之间行进。
图7示出了如图6所示的基于图表的数据库布置的第二实施方案。
图8通过结合框图/流程图的方式示出了根据本教导的使用云计算平台的***和相应的方法的另一实施方案，其中在所述云中实现机器学习(ML)过程。
具体实施方式
图1示出了***168的非具体的实施例，所述***168用于控制在下游工业工厂中制造物品170的下游生产过程。将从下文的讨论中理解至少一些方法方面。
本领域的技术人员应领会，本实施例的目的，甚至是本教导的目的，不是为了示出用于制造物品170的生产过程，目的是示出本教导如何能被应用至至少下游生产过程。正如说明书中所示，这种生产过程可能很复杂，因此图1中所示的具体设备被对准，而非遵从特定的生产过程，这使得能够更好地理解本教导。
下游工业工厂包括至少一个下游设备，所述下游设备可选地具有使用下游生产过程制造或生产物品170的多个设备区。物品170可以是至少部分地由TPU和/或ETPU制成的任何产品。例如，物品170可以是鞋类(诸如，完全地或部分地由TPU和/或ETPU材料制成的鞋)，或者所述物品可以是鞋的一部分(诸如，鞋中底、鞋内底和鞋组合底)。所述物品甚至可以是自行车鞍座、自行车轮胎、缓冲元件、装饰物、床垫、底座、手柄、保护膜、汽车内部或汽车外部的部件、体育用品(例如，球)或地板覆盖物(特别是，用于运动区、田径场、体育馆、儿童游乐场和人行道的地板覆盖物)。因此，TPU和/或ETPU材料可以是在鞋类生产中使用的前驱体材料114。
前驱体材料114可以由上游工业工厂所提供，所述上游工业工厂可以与下游工业工厂隔离。可以在上游工业工厂处使用至少一种输入材料来制造前驱体材料114。例如，所述输入材料可以是亚甲基二苯基二异氰酸酯(MDI)和/或聚四氢呋喃(“PTHF”)，其在上游工业工厂处在上游生产过程中用于生产TPU和/或ETPU材料，然后被提供或供应至下游工业工厂以用于生产物品170。
前驱体材料114甚至可以是成批的，例如每包装10kg。如所讨论的，由于例如前驱体材料114的产品或者甚至制成前驱体材料114的材料或者使用下游生产过程将前驱体材料114转换成的材料或产品的特性，这种材料和/或产品在生产链中可能难以追溯。例如，ETPU可以呈颗粒或珠子的形式，其例如使用蒸汽室模制而被模制成物品170或其一部分。然而，可能重要的是，确保每个部件(例如，每个单元或包装)或甚至内部部分具有一致且期望的属性或质量。本教导可以实现物品170的一个或多个期望的下游性能参数的生产。
下游设备可具有或可不具有多个设备区。在此实施例中，图1中的下游设备可被视为包括多个区。例如，料斗或混合锅104可以是初始下游设备区的一部分。混合锅104接收至少一种前驱体材料114，前驱体材料114可以是单个材料，或可以包括多种组分。在此实施例中，前驱体材料114以两个部分被接收，所述两个部分被示出为分别经由第一阀112a和第二阀112b被供应至混合锅104。第一阀112a和第二阀112b也可以属于初始下游设备区。
为前驱体材料114提供对象标识符(或在此情况下，下游对象标识符122)。下游对象标识符122可以在下游计算单元124处被提供。下游计算单元124可以例如经由下游接口将下游对象标识符122提供至下游存储器128。如所讨论的，在某些情况下，下游对象标识符122可以通过上游计算单元例如经由共享存储器而被提供至下游计算单元124。在某些情况下，下游存储器128可以是能经由上游计算单元访问的共享存储器。上游计算单元可以是属于上游工业工厂的计算单元。下游对象标识符122包括与前驱体材料114有关的数据，或前驱体数据。前驱体数据指示了前驱体材料114的一个或多个属性。
下游对象标识符122(或者更具体地，来自下游对象标识符122的数据)可被用于确定控制物品170的生产的一组下游控制设置。下游对象标识符122、与物品170有关的至少一个期望的下游性能参数以及下游历史数据可被用于提供该组下游控制设置。该组下游控制设置可以至少部分地由上游计算单元确定和/或至少一些下游控制设置可以由下游计算单元124确定。下游历史数据可以包括用于例如经由下游设备在过去制造过去一个或多个物品的下游加工参数和/或操作设置。然后，该组下游控制设置被用于以实现至少一个期望的下游性能参数为目标来制造物品170。期望的下游性能参数与物品170的期望性能或质量有关。
例如，控制设置中的至少一些可以确定如何操纵第一阀112a和/或第二阀112b，例如允许多少材料和以何种比例。它们甚至可以决定混合锅104应如何操作，例如混合的时长和/或混合器的速度。附加地或替代地，控制设置可以确定以及控制特定加工参数所需要的值，在该值下所需的时长，例如设备操作条件，诸如设置点。因此，根据前驱体材料114和设备的详情来自动地确定控制设置。将领会，该组下游控制设置可以包括用于初始下游设备区的控制设置，即，区特定的控制设置以及类似地包含用于任何另一些设备区(若其存在)的区特定的控制设置。在某些情况下，该组下游控制设置可以包括全局控制设置，即，适用于整个生产链的设置。附加地或替代地，即使在设备区内，区特定的控制设置值中的至少一些可以根据该区的实时加工数据而即时调整，例如，响应于一个或多个分析模型和/或ML模型的输出而即时调整，其中所述模型用下游历史数据进行训练。可以将控制设置提供至诸如DCS和/或PLC的工厂控制***，以用于控制下游设备。优选地将所述设置自动地提供至控制***，然而，在某些情况下，所述设置可经由操作员提供。
下游对象标识符122可以是能区别于另一些对象标识符的唯一标识符，优选地是全局唯一的标识符(“GUID”)。根据特定工业工厂的详情和/或正被制造的物品170的详情和/或日期和时间的详情和/或正使用的具体前驱体材料114的详情来提供GUID。下游对象标识符122在此处示出为在下游存储器128处被提供，所述下游存储器128***作性地联结至下游计算单元124。下游存储器128甚至可以是下游计算单元124的一部分。下游存储器128和/或下游计算单元124可以至少部分地是云服务的一部分，例如MS Azure。
下游计算单元124例如经由下游网络138***作性地联结至下游设备，所述下游网络138可以是任何适当种类的数据传输介质。下游计算单元124甚至可以是下游设备的一部分，例如，它可以至少部分地是初始下游设备区的一部分。下游计算单元124可以甚至至少部分地是下游工业工厂的工厂控制***。下游计算单元124可以从操作性地联结至下游设备的一个或多个传感器接收一个或多个信号，所述一个或多个传感器例如是初始下游设备区的传感器。例如，下游计算单元124可以从填充传感器144和/或与运输元件102a至102b有关的一个或多个传感器接收一个或多个信号。所述传感器也是初始下游设备区的一部分。因此，下游计算单元124甚至可以至少部分地根据先前所解释的控制设置来控制初始下游设备区或初始下游设备区的某些部分。例如，下游计算单元124可以例如经由它们对应的致动器和/或加热器118和/或运输元件102a至102b来控制阀112a、112b。在图1的实施例中，运输元件102a、102b和其他元件被示出为输送***，所述输送***可以包括一个或多个电机以及经由所述电机所驱动的皮带以使得它移动，使得前驱体材料114经由皮带在皮带的横向方向120上被运输。
在不影响本教导的范围或一般性的情况下，其他种类的运输元件可以替代输送***使用或与所述输送***结合使用。在某些情况下，涉及材料流(例如，一种或多种材料进入以及一种或多种材料离开)的任何设备都可被称为运输元件。因此，除了输送***或皮带以外，诸如挤压机、造粒机、热交换器、缓冲筒仓、带有混合器的筒仓、混合器、混合容器、切割磨、双锥搅拌机、固化管、柱、分离器、提取器、薄膜汽化器、过滤器、筛等设备也可称为运输元件。因此，将理解，作为输送***的运输***的存在是可选的，至少因为在某些情况下，材料可以经由质量流直接从一个设备移动至另一设备，或者作为正常流经由一个设备至另一设备。例如，材料可以直接从一个热交换器移动至一个分离器，甚至更进一步，如移动至一个柱等等。因此，在某些情况下，一个或多个运输元件或***可能是一个设备所固有的。
在某些情况下，下游对象标识符122可以响应于触发信号或事件而被提供，所述触发信号或事件可以是与前驱体材料114的量有关的信号或事件。例如，填充传感器144可被用于检测至少一个量值，诸如前驱体材料114的填充度和/或重量。当量达到一预定阈值时，下游计算单元124可以自动地在下游存储器128处提供下游对象标识符122。
下游计算单元124随后被配置为基于下游对象标识符122和至少一个期望的性能参数来确定一组加工和/或操作参数。因此，下游计算单元124能够根据所确定的该组加工和/或操作参数以及历史数据，为每个设备区确定对应的区特定的控制设置。历史数据可以包括来自一个或多个历史上游对象标识符的数据，所述历史上游对象标识符与下游设备区中先前加工的前驱体材料114有关。至少一个历史上游对象标识符可被附加有加工数据的至少一部分，所述加工数据指示先前加工的前驱体材料114在下游设备区中被加工时的加工参数和/或设备操作条件。随后提供区特定的控制设置，以用于控制物品170的生产过程。区特定的控制设置可以经由输出接口(该输出接口可与接口相同，或者类似于接口的一个不同部件)提供。因此，区特定的控制设置由下游计算单元124和/或工厂控制***用于制造物品170。
在某些情况下，下游计算单元124可以从下游工业工厂的所有设备或设备区接收下游实时加工数据。下游计算单元124可以根据下游对象标识符和下游区存在信号来确定下游实时加工数据的子集。例如，触发信号或事件也可被用于生成初始下游设备区的下游区存在信号。附加地或替代地，下游区存在信号通过将下游实时加工数据(即，在生产环境中的时间依赖性数据)映射至空间数据来提供。因此，下游区存在信号不仅可用于确定与在初始下游设备区处加工前驱体材料114有关的下游加工参数和/或设备操作条件，而且也可以用于确定下游实时加工数据中所包括的所述下游加工参数和/或设备操作条件的时间方面。
在某些情况下，下游计算单元124甚至可以计算与物品170相关的至少一个下游性能参数，所述物品与下游对象标识符122相关。在某些情况下，下游性能参数甚至可以是区特定的参数。计算基于下游实时加工数据126的子集，在这种情况下所述子集被示出为可选地在下游对象标识符122处被附加。下游性能参数的计算也基于下游历史数据，所述下游历史数据可能包括来自一个或多个历史下游对象标识符的数据。每个历史下游对象标识符都与过去在下游设备区中加工对应的TPU和/或ETPU材料有关。历史下游对象标识符中的至少一个(优选地每个)被附加有下游加工数据的至少一部分，所述下游加工数据指示在例如初始下游设备区处在下游设备中先前加工TPU和/或ETPU材料的下游加工参数和/或设备操作条件。在某些情况下，历史下游对象标识符中的至少一些还可以包括或附加有它们关联的下游性能参数。
至少一个下游性能参数可以例如作为元数据被附加至下游对象标识符122。因此，下游对象标识符122富含与物品170的质量有关的性能参数。因此，质量控制过程可以例如通过将有关质量的数据与所得的物品170联结而被简化和改进，同时改进可追溯性。此外，至少所计算的下游性能参数可用于另一些下游区，以适配下游的生产过程。因此，下游生产过程可变得被更细化且灵活地控制，同时保持物品170的性能。
来自初始下游设备区的下游实时加工数据126的子集可以是当前驱体材料114处于初始下游设备区的时间窗内时的数据，或者所述时间窗可以甚至更短，因此恰好在前驱体材料114经由混合锅104进行加工的时间内。下游实时加工数据可被用于确定所述时间窗。因此，下游对象标识符122可以通过使用下游实时加工数据的时间维度而富含高相关性数据。因此，对象标识符不仅可以用来追踪生产过程中的材料，而且还可以封装能够使边缘计算和/或云计算更有效的高质量数据。对象标识符数据可以高度地适于机器学习模型的较快训练和再训练。数据整合也可以被简化，因为封装在对象标识符中的数据可以比传统数据集更紧凑。
下游实时加工数据126的子集的至少一部分指示在下游设备中或在初始下游设备区中加工TPU和/或ETPU材料或前驱体材料114的加工参数和/或设备操作条件(即，混合锅104以及阀112a至112b的操作条件)，例如是传入质量流、传出质量流、填充度、温度、水分、时间戳或进入时间、离开时间中的任一个或多个。在这种情况下，设备操作条件可以是阀112a、112b和/或混合锅104的控制信号和/或设置点。下游控制设置例如可被用于控制这些条件。下游实时加工数据126的子集可以是或者其可以包含时间序列数据，这意味着它可以包括时间依赖性信号，所述时间依赖性信号可以经由一个或多个传感器(例如，填充传感器144的输出)获得。时间序列数据可以包括连续信号，也可以包括具有规律时间间隔或不规律时间间隔的间歇信号。下游实时加工数据126的子集甚至可以包括一个或多个时间戳，例如进入和/或离开混合锅104的时间。因此，具体的前驱体材料114可以经由下游对象标识符122与有关该前驱体材料114的下游实时加工数据126的子集相关联。下游对象标识符122可以在生产过程的下游被附加至其他对象标识符，使得特定加工数据和/或设备操作条件可关联至特定物品。其他重要益处在本公开内容的其他部分中，例如在发明内容部分进行了讨论。
例如，包含运输元件102a、102b及相关联的皮带的输送***可被认为是位于初始下游设备区的下游方向的中间设备区。此实施例中的中间设备区包括加热器118，该加热器118用于将热施加至在皮带上横穿的前驱体。输送***甚至可以包括一个或多个传感器，例如速度传感器、重量传感器、温度传感器或用于测量或检测中间设备区处的前驱体材料114的加工参数和/或属性的任何其他类型的传感器。可以将传感器的任一输出或所有输出提供至下游计算单元124。
随着前驱体材料114沿着横向方向120前进，其经由加热器118被施加热。加热器118可操作性地被联结至下游计算单元124，即下游计算单元124可从加热器118接收信号或实时加工数据。此外，加热器118可经由下游计算单元124来控制，例如一个或多个控制信号和/或设置点来控制，所述一个或多个控制信号和/或设置点可以是下游控制设置，或者可以经由下游控制设置来获得的。因此，经由下游控制设置中的至少一些来确定在下游设备处加工前驱体材料114的方式。下游控制设置中的一些可被用于控制另一些下游区，如将进一步解释的。
类似地，包含运输元件102a、102b及相关联的皮带的输送***也***作性地联结至下游计算单元124，即，下游计算单元124可以从运输元件102a、102b接收信号或接收下游加工数据的一部分。所述联结例如可以经由下游网络138。此外，运输元件102a、102b甚至可以作为下游控制设置或响应于下游控制设置，经由下游计算单元124(例如，经由借助下游计算单元124所提供的一个或多个控制信号和/或设置点)可控制。因此，运输元件102a、102b的速度是可以通过下游计算单元124可观察和/或可控制的。
可选地，由于中间设备区中的前驱体材料114的量是恒定的或近乎恒定，因此可以不为中间设备区提供另一对象标识符。因此，来自中间设备区(即，来自加热器118和/或运输元件102a、102b)的加工数据也可以被附加至先前区或前述区的对象标识符，即下游对象标识符122。附加的下游实时加工数据126的子集因此可被丰富，以进一步指示来自中间设备区的加工参数和/或设备操作条件，即在中间设备区中加工前驱体材料114时加热器118和/或输送元件102a、102b的操作条件，例如传入质量流、传出质量流、来自中间区的一个或多个温度值、进入时间、离开时间、运输元件102a、102b和/或皮带的速度等中的一个或多个。在这种情况下，设备操作条件可以是可从下游控制设置中得出的运输元件102a、102b和/或加热器118的控制信号和/或设置点。
将明了，下游实时加工数据126的子集明显与前驱体材料114存在于对应设备区中的时间段有关。因此，可以经由下游对象标识符122提供与特定前驱体材料114有关的加工数据的精确简况。前驱体材料114的另外可观察性可经由中间设备区内的下游生产过程的特定部分或部分知识(例如，对化学反应的先验知识)来提取。替代地或附加地，前驱体材料114横穿中间设备区的速度可经由下游计算单元124提取另外可观察性。结合具有特定时间戳的下游实时加工数据126的子集或时间序列数据和/或中间设备区中的前驱体材料114的进入时间和/或退出时间，可以从下游对象标识符122获得在中间设备区加工前驱体材料114的条件的更细化细节。
来自下游对象标识符122的数据可被用于训练一个或多个下游ML模型，以整体监测和/或控制下游生产过程和/或其特定部分，例如在初始下游设备区和/或中间设备区内的下游生产过程部分。下游ML模型和/或下游对象标识符122甚至可被用于将物品170的一个或多个下游性能参数关联到一个或多个区中的下游生产过程的详情。
将领会，随着前驱体材料114沿着横向方向120前进，它可以改变其属性，且可以转换或变换为衍生材料116。例如，当加热器118加热前驱体材料114时，它可产生衍生材料116。本领域技术人员将领会，为简单和易于理解起见，衍生材料116在本教导中有时也可被称为前驱体。例如，在所讨论的设备区或部件的背景下，从而将清楚，前驱体在下游生产过程中所处的阶段，如对此实施例的描述中所讨论的。
现在讨论材料被分割成多个部分的区的实施例。图1将此区示出为包括切割磨142和第二运输元件106a、106b的另一下游设备区。沿着横向方向154横穿的衍生材料116使用切割磨142被分割或分段，从而产生多个部分，在此实施例中示出为第一分割材料140a和第二分割材料140b。
因此，根据本教导的一方面，可以为每个部分提供单独的对象标识符。然而，在某些情况下，可以仅为这些部分中的一个或一些提供对象标识符，而非为每个部分提供单独的对象标识符。例如，如果对追踪任何部分都不感兴趣，则情况可能如此。例如，可以不为被丢弃的衍生材料116的某个部分提供对象标识符。现在返回图1，为第一分割材料140a提供第一另一下游对象标识符130a，为第二分割材料140b提供第二另一下游对象标识符130b。
第一另一下游对象标识符130a包括下游对象标识符122的至少一部分，且类似地，第二另一下游对象标识符130b包括下游对象标识符122的至少一部分。下游计算单元124随后可以基于另一下游对象标识符以及下游区存在信号来确定下游实时加工数据的又一子集(例如，下游实时加工数据132a的第一子集和/或下游实时加工数据132b的第二子集)。下游计算单元124随后可以根据来自下游对象标识符122的数据、实时加工数据的又一子集以及来自与在另一下游设备区中先前加工的前驱体有关的一个或多个历史下游对象标识符的下游历史数据，确定用于下游设备区以及可选地用于所述下游设备区的另一些设备区的另一些区特定的控制设置。
第一另一下游对象标识符130a可选地被附加有下游实时加工数据的第一子集132a，且第二另一下游对象标识符130b可选地被附加有下游实时加工数据的第二子集132b。下游实时加工数据的第一子集132a可以是下游实时加工数据的第二子集132b的副本，或者它们可以部分地是相同的数据。例如，在第一分割材料140a和第二分割材料140b经历相同加工(即，在基本相同的地点和时间)的情况下，则附加至另一下游对象标识符130a及第二另一下游对象标识符130b的下游加工数据可能是相同的或相似的。然而，如果在另一下游设备区内，另一下游对象标识符130a和第二另一下游对象标识符130b被有差别地加工，则下游实时加工数据的第一子集132a和下游实时加工数据的第二子集132b可彼此不同。
然而，本领域技术人员将领会，在某些情况下，可选地在切割磨142处仅提供一个对象标识符，随后如果材料经由切割磨142被加工且被分割成多个部分，则可在切割磨142之后提供多个对象标识符。因此，取决于特定下游生产过程的详情，切割磨可以是或者可以不是分离装置。类似地，在某些情况下，可以不为切割磨提供新的对象标识符，使得来自该区的加工数据被附加至先前的对象标识符。因此，在分割和/或组合材料的区处提供新的对象标识符。例如，在某些情况下，可在切割磨142之后(例如，在进入切割磨142之后的不同区时)提供另一下游对象标识符130a和第二另一下游对象标识符130b。
在此实施例中，另一下游设备区还包括成像传感器146，成像传感器146可以是相机或任何其他种类的光学传感器。成像传感器146也可以操作性地联结至下游计算单元124。成像传感器146可被用于测量或检测衍生材料116在进入另一下游设备区之前的一个或多个属性。例如，这可以用来拒绝或分流不符合给定质量标准的材料。由于材料的量或质量流在另一下游设备区中改变，因此根据本教导的一方面，又一对象标识符(在图1中未示出)可能已在另一下游对象标识符130a和第二另一下游对象标识符130b之前被提供。
提供另一下游对象标识符130a和第二另一下游对象标识符130b可以经由成像传感器146响应于衍生材料116的质量标准而触发。质量标准甚至可以经由一个或多个下游性能参数来确定。通过使来自相近区或对来自对象标识符的数据(例如，来自中间设备区的质量流和至下游设备区的质量流)关联，下游计算单元124可以确定哪个特定前驱体材料114或衍生材料116与进入后续区的材料有关。替代地或附加地，时间戳中的两个或更多可以在各区之间关联，例如从中间设备区离开的时间戳以及经由成像传感器146检测和/或进入另一下游设备区时的时间戳。运输元件102a、102b的速度(要么经由传感器输出被直接地测量，要么从两个或更多个时间戳中确定)也可以用于建立前驱体的特定包装或批次及其对象标识符之间的关系。因此，甚至可以确定特定物品170在生产过程的某个给定时间的位置，因此能够建立时空关系。这些方面中的一些或全部不仅可被用于改进物品170从TPU和/或EPU材料至成品的可追溯性，而且还可被用于监测和改进生产过程以使其更可适配和可控制。
如所讨论的，第一另一下游对象标识符130a和第二另一下游对象标识符130b分别被附加有来自另一下游设备区的下游实时加工数据的第一子集132a和下游实时加工数据的第二子集132b。下游实时加工数据的第一子集132a和下游实时加工数据的第二子集132b甚至可被链接至或被附加有下游对象标识符122。与先前所讨论的下游对象标识符122类似，下游实时加工数据的第一子集132a和下游实时加工数据的第二子集132b指示在另一下游设备区中加工衍生材料116的下游加工参数和/或设备操作条件，即成像传感器146的输出，切割磨142和第二运输元件106a、106b的操作条件，例如传入质量流、传出质量流、填充度、温度、光学属性、时间戳等中的任一个或多个。在这种情况下，设备操作条件可以是从另一下游控制设置所得出的切割磨142和/或第二运输元件106a、106b的控制信号和/或设置点。因此，可以基于来自下游对象标识符122的数据(例如，被附加至下游对象标识符122的至少一个区特定性能参数)来优化另一些区特定控制设置。
下游实时加工数据的第一子集132a和下游实时加工数据的第二子集132b可以包括时间序列数据，这意味着它可以包括与时间依赖性信号，所述时间依赖性信号可以经由一个或多个传感器(例如，成像传感器146的输出和/或第二运输元件106a、106b的速度)获得。
随着衍生材料116在遇到成像传感器146之后继续前进，它在由第二运输元件106a、106b所驱动的横向方向154上朝向切割磨142移动。第二运输元件106a、106b在本实施例中被示出为与包括运输元件102a、102b的输送***分开的第二输送带***的一部分。将领会，第二输送带***甚至可以是包括运输元件102a、102b的同一输送***的一部分。因此，另一下游设备区可以包括在又一区中所使用的同一设备的一部分。
如从图1中可以看到，即使第一分割材料140a和第二分割材料140b稍后在生产中进入不同的路，它们对应的对象标识符(即，另一下游对象标识符130a和第二另一下游对象标识符130b)允许在剩余的生产过程中被单独地追随或追踪，且在某些情况下不止于此。
在离开初始下游设备区之后，第一分割材料140a被进给至挤压机150，而第二分割材料140b被运输至第三设备区处进行固化，所述第三设备区包括固化装置162和第三运输元件108a、108b。如先前所讨论的，示出的运输元件108a、108b相应地是非限制性的实施例。将领会，第三设备区位于初始下游设备区和另一下游设备区的下游。
随着第二分割材料140b经由皮带在横向方向156上移动，它经由固化设备162经历固化过程，从而产生经固化的第二分割材料160。由于不可能发生实质性的质量变化，因此根据一方面，可不为第三设备区提供新的对象标识符。因此，如前文所讨论的，来自第三设备区的加工数据也可被附加至第二另一下游对象标识符130b。与上文类似，附加的下游实时过程数据的第二子集132b因此被丰富，以进一步指示在第三设备区中加工第二分割材料140b的来自第三设备区的加工参数和/或设备操作条件，即，固化装置162和/或运输元件108a、108b的操作条件，例如传入质量流、传出质量流、来自第三区的一个或多个温度值、进入时间、离开时间、运输元件108a、108b和/或皮带速度等中的任何一个或多个。在这种情况下，设备操作条件可以是运输元件102a、102b和/或固化装置162的控制信号和/或设置点，这些信号和/或设置点也可以从另一些区特定控制设置中得到。因此，可以基于来自下游对象标识符122的数据(例如，被附加至下游对象标识符122的至少一个区特定性能参数)来优化另一些区特定控制设置。
类似地，第一分割材料140a前进至第四设备区，所述第四设备区包括挤压机150、温度传感器148以及第四运输元件110a、110b。同样在此处，由于可能不会发生实质性的质量变化，因此根据一方面，可不为第四设备区提供新的对象标识符。因此，如先前所讨论的，来自第四设备区的加工数据也可被附加至另一下游对象标识符130a。与上文类似的，附加的下游实时过程数据的第一子集132a因此可以被丰富，从而进一步指示在第三设备区中加工第一分割材料140a的来自第四设备区的加工参数和/或设备操作条件(即，挤压机150和/或温度传感器148和/或运输元件108a、108b的操作条件)，例如传入质量流、传出质量流、来自第三区的一个或多个温度值、进入时间、离开时间、运输元件110a、110b和/或皮带等中的一个或多个。在这种情况下，设备操作条件可以是运输元件108a、108b和/或挤压机150的控制信号和/或设置点，也可以如之前所解释的，基于所计算的性能参数以及有关实时加工数据来适配。
另外，第一分割材料140a向挤压材料152转换的属性和依赖度也可被包括在另一下游对象标识符130a中。将领会，第四设备区也是下游设备区和另一下游设备区的下游。
如可领会，可以改进整个生产过程中对材料和产品的监测，同时减少单个对象标识符的数目。
随着挤压材料152在经由运输元件108a、108b所生成的横向方向上进一步移动，它可以被收集在收集区166。收集区166可以是储存单元，或者可以是用于应用下游生产过程的另一些步骤的另一加工单元。在收集区166中，可以结合额外的材料，如在此示出的，可以将固化的第二分割材料160与挤压材料152结合。相应地，可以如先前所讨论的那样提供新的对象标识符。这种对象标识符被示出为是最后的下游对象标识符134。最后的下游对象标识符134可以被附加有最后区的实时加工数据136的子集，所述实时加工数据可以包括另一下游对象标识符130a和第二另一下游对象标识符130b的整体或一部分。因此，类似于在本公开内容中所详细讨论的那样，最后的下游对象标识符134设置有来自收集区166的加工参数和/或设备操作条件。取决于在收集区166中所完成的功能或进一步加工(如果有的话)，数据(诸如，传入质量流、传出质量流、来自收集区166的一个或多个温度值、进入时间、离开时间、速度等中的任何一个或多个)可被包括为最后区的实时加工数据136中。
在某些情况下，可以发送来自收集区166的单个批次以供储存和/或分类和/或包装。这种单个批次被示出为产品收集仓164a。由于量被再次分开，因此可以为每个筒仓提供单个对象标识符，使得筒仓中的物品170(即，产品收集仓164a的单个对象标识符)可以与物品170所暴露于的加工数据或条件相关联。
如将领会，对象标识符中的每一个可以是GUID。每个可以包括来自之前的对象标识符的全部或部分数据，或者它们可被链接。因此，相关的质量数据可以作为简况或可追溯链接而附至具体物品170。
如还所讨论的，一个或多个下游ML模型可被用于计算或预测一个或多个下游性能参数和/或下游控制设置，下游性能参数和/或下游控制设置中的一者或两者可以是区特定的。还可能的是，下游ML模型中的每个或一些也被配置为提供置信度值，所述置信度值指示至少一个下游性能参数和/或下游控制设置的置信度水平。如果预测下游性能参数的置信度水平低于一预定限制，则可以生成警告作为警告信号，以用于例如启动对样品的物理测试以进行实验室分析。还可以的是，响应于对预测的置信度水平低于一精确度阈值，经由接口自动地提供采样对象标识符。可以以类似的方式提供采样对象标识符，且下游计算单元124可以将有关的下游加工数据子集附加至与采样对象标识符相关的材料的采样对象标识符，在此示出为样品物品172。下游计算单元124也可将具有低置信度水平的至少一个区特定性能参数附加至采样对象标识符。因此，可以收集和验证和/或分析样品物品172，以使用对象标识符进一步改进质量控制。
图2例示了流程图200或例程，示出了本教导的多个方法方面，特别是从初始下游设备区的角度来看。在框202中，在下游计算单元124处提供用于控制物品170的生产的一组下游控制设置。下游控制设置基于下游对象标识符122来确定。下游对象标识符122包括指示前驱体材料114或TPU和/或ETPU材料的一个或多个属性的前驱体数据。下游控制设置也是基于与物品170相关的至少一个期望的下游性能参数来确定的。下游控制设置也是基于下游历史数据确定的。下游历史数据包括用于例如经由下游设备制造过去一个或多个物品的下游加工参数和/或操作设置。该组下游控制设置可被用于在下游工业工厂处制造物品170。可选地，在框204中，在下游计算单元124处接收来自下游设备或设备区中的一个或多个的下游实时加工数据。所述下游实时加工数据包括下游实时加工参数和/或设备操作条件。进一步可选地，在框206中，经由下游计算单元124，基于下游对象标识符和下游区存在信号来确定下游实时加工数据的子集。下游区存在信号指示在下游生产过程期间在特定设备区处存在前驱体材料。
类似地，随着TPU和/或ETPU材料向后续区行进，可以确定是否提供另一对象标识符。如果不提供，则来自后续区的下游加工数据也可被附加至同一对象标识符。如果确定提供另一对象标识符，则来自后续区的加工数据被附加至另一对象标识符。这些选项中的每个的细节诸如中间设备区和另一下游设备区的细节将在本公开内容中被详细地讨论，例如在发明内容部分同时参考图1来讨论。
图3示出的框图代表工业工厂的产品生产***的多个部分，在本实施方案中，分别包括十个产品加工装置或单元300至318或技术设备，沿着所示出的整个产品加工线布置。在本实施例中，这些加工单元(加工单元308)中的一个包括三个相应的设备区320、322、324(也参见图3和图5中更具体的实施方案)。
在本实施例中，作为输入材料的化学产品是基于原材料生产的，所述原材料通过液体原材料储罐300、固体原材料储罐302和再循环筒仓304被提供至加工线，所述再循环筒仓回收例如包含不足的材料/产品属性或不足的材料/产品质量的任何化学产品或中间产品。被输入至加工线306至318的对应原材料经由对应的加工设备(即，计量单元306、后续加热单元308、包括材料缓冲器310的后续处理单元以及后续分拣单元312)进行加工。在此处理设备306至312的下游，布置有运输单元314，所述运输单元将例如由于生产材料的质量不足而需要被回收的材料从分拣单元运输至再循环筒仓304。最后，由分拣单元312分拣出的材料被运输至第一包装单元316和第二包装单元318，它们将相应的材料包装到材料容器中以用于装运目的，例如，在块状材料的情况下为材料袋，在液体材料的情况下为瓶。
在本实施方案中，生产***300至318提供了计算单元的数据接口(二者在此框图中均未被描绘)，经由所述接口提供了包括关于对应的输入材料以及它们由于加工而发生的变化的数据对象。整个生产过程至少部分地通过计算单元控制。
加工设备306至312所加工的输入材料被分割为物理上或现实世界中所谓的“包装对象”(在下文中也被称为“物理包装”或“产品包装”)，其中这些包装对象由加工单元306至312的每个处理或加工。这种包装对象的包装尺寸可被固定，例如按材料重量(例如，10kg、50kg等)或按材料量(例如1分米、1/10立方米等)，或者甚至可以按重量或量确定，为此可以由加工设备提供相当恒定的加工参数或设备操作参数。
计量单元306首先从输入的液体原材料和/或固体原材料和/或由再循环筒仓304所提供的再循环材料中创建出这种包装对象。在创建出包装对象后，计量单元将这些对象运输至均质化单元308。均质化单元308使包装对象的材料均质化，即使例如被加工的液体材料和固体材料或两种液体或两种固体材料均质化。在加热过程结束之后，加热单元308将相应加热的包装对象运输至处理单元310，所述处理单元310例如通过加热、干燥或加湿或通过某化学反应将输入包装对象的材料转换为不同的物理状态和/或化学状态。经相应转换的包装对象随后被运输至三个下游包装单元316、318，或所提及的运输单元314中的一个或多个。
借助于对应的数据对象330、332、334(或分别预先描述的“对象标识符”)管理现实世界包装对象的后续加工，所述数据对象经由操作性地联结至设备306至312或作为设备一部分的计算单元而被指派至每个包装对象，且被储存在计算单元的存储器元件处。根据本实施方案，三个数据对象330至334是响应于经由设备单元306至312所提供的触发信号而生成的，即响应于布置在设备单元306至312中的每个处的相应传感器的输出或对应的开关的输出而生成的，其中这种传感器***作性地联结至设备单元306至312。如事先所提及的，工业工厂可以包括不同类型的传感器，例如用于测量一个或多个加工参数和/或用于测量与设备或加工单元相关的设备操作条件或参数的传感器。在本实施方案中，用于测量在设备单元306至312的内部被加工的块状材料和/或液体材料的流速和液位的传感器被布置在这些单元。
在本实施方案中，图3中所描绘的三个示例性数据对象330、332、334各自与基于加工单元306-312和314-318的整个产品生产过程的三个不同的设备区320、322、324有关。
前两个数据对象330、332包括包含加工数据的产品包装对象。所述加工数据包括相关物理包装在几个加工单元内停留/处理期间所经历的加工/处理信息。加工数据可以是汇总数据，诸如底层物理包装在相关加工单元内的停留时间期间所计算出的平均温度，和/或它可以是底层生产过程的时间序列数据。
第一数据对象330是第一种包装(在图3中称为“A-包装”)，在本实施例中，其被指派至已经被运输通过两个加工单元、计量单元306以及加热单元308的物理包装。第一数据对象330包括在加工时间的当前点时，两个单元在每个停留期间的相关数据。第一数据对象包括相应的“产品包装ID”。
加热单元308包含几个设备区，在本实施方案中，包含三个设备区320、322、324(“区1”、“区2”、“区3”)。这些不同的设备区被用作分拣组，用于分拣或选择相关的加工数据。这种分拣可能有助于仅获得相关设备区的包装对象的那些数据，所述数据与底层物理包装位于这个设备区内的对应时间点的处理有关。然而，在本实施方案中，物理包装的材料成分未被加工单元306、308这二者改变。
一旦A-包装330到达下一处理单元310(在本实施例中是“具有缓冲器的处理单元”)，每个物理包装的材料成分会改变，因为此加工单元310不仅仅以塞式流动模式运输物理包装。此外，相应的物理包装包括缓冲体积，所述缓冲体积大于初始包装尺寸，使得这种物理包装具有限定的反混程度。因此，离开此处理单元310的每个物理包装是另一种物理包装，其在图3中被称为“B-包装”。
相应的第二数据对象332(“B-包装”)也包括相应的“产品包装ID”。数据对象332还包括限定数目的先前数据对象的数据，在本实施例中，数据对象330以限定的百分比被称为“A-包装”，所谓的“来自相关A-包装的汇总数据”。对应的汇总方案或算法取决于例如底层加工单元、底层物理包装的尺寸、底层物理包装的材料的混合能力以及底层物理包装在底层加工单元中的停留时间或加工单元的相应的设备区。
一旦经加工的物理(产品)包装被两个包装单元316、318中的一个打包成离散的物理包装，例如将经加工的物理包装打包到容器、筒或八角仓容器等中，在本实施方案中，相应的经打包的物理包装经由另一称为“物理包装”的数据对象334处理或追踪。这个数据对象334包括相关的先前物理包装(如本情况中的“A包装”和“B包装”)，这些物理包装已经被打包到这个数据对象334中。例如出于追踪目的，称为相应的“产品包ID”就足够了，而非使用完整的数据对象，因为这种产品包装ID在之后的数据处理中可以例如借助于外部“云计算”平台所执行的数据处理而被容易地联系在一起。
第一数据对象(或“对象标识符”)330特别地包括以下信息：
-用于底层包装的“产品包装ID”；
-关于底层包装的一般信息，如关于包装的底层加工材料的信息或规格；
-底层包装在整个加工线306-318中的当前位置；
-加工数据，即作为底层包装的加工材料的温度和/或重量的汇总值；
-底层生产过程的时间序列数据；以及
-与来自底层包装的样品的连接，其中产品包装经过采样站，且在限定的时刻，使操作员从此产品包装中取得样品且提供至实验室。对于此样品，样品对象(见图6，参考标志634和638)将被生成，且将被链接至相关的产品包装(见图6，参考标志626和630)。此样品对象特别地包含来自实验室的相应产品质量控制(QC)数据和/或来自相应测试机器的性能数据。
第二对象标识符332附加地包括：
-在具有缓冲器310的处理单元中所生成的有关A-包装的汇总数据。
第三对象标识符334由两个包装单元316、318生成，称号和时间戳为“物理包装1976-02-06 19:12:21.123”，且包括以下信息：
-同样，相应的包装或对象标识符(“包装ID”)。
-如图3中所描绘的，产品的名称被包装到两个材料容器中，以用于装运目的；
-用于订购相应被包装产品的订单号；以及
-相应的被包装产品的批号。
第一对象标识符330和第二对象标识332的包装一般信息包括输入原材料的材料数据，在本实施例中，所述材料数据分别指示输入材料或加工材料的化学和/或物理属性(如，材料温度和/或重量)，且在本实施方案中还包括上文所提及的与输入材料相关的实验室样品数据或测试数据(诸如，历史测试结果)。
根据图3还例示的产品生产过程(经由所述接口)从整个设备搜集加工数据，所述加工数据指示加工参数(如，所提及的加工材料的温度和/或重量)，且在本实施方案中，还指示加工输入材料的设备操作条件(如，加热器的温度和/或所应用的计量参数)。在本实施方案中，所搜集的加工数据仅是如来自相关A-包装的汇总数据的加工数据的一部分，在本实施方案中，加工数据被附加至第二对象标识符332。
如上文所述，在本实施方案中，三个对象标识符330至334被用于将所提及的输入材料数据和/或特定加工参数和/或设备操作条件关联或映射至化学产品的至少一个性能参数，所述性能参数分别是或分别指示底层材料(例如，对应的化学产品)的任一个或多个属性。
根据图3所示出的本实施方案，所搜集的包括在两个对象标识符330、332中的加工数据(作为汇总值)包括指示加工参数的数值，且附加地，包括指示在生产过程中所测量的设备操作条件的数值。此外，对象标识符330、332包括作为加工参数和/或设备操作条件中的一个或多个时间序列数据而被提供的加工数据。设备操作条件可以是例如基于振动测量的代表设备状态的任何特征或数值，在本实施方案中，生产机器设置点、控制器输出以及与设备有关的任何警告。此外，还可以包括运输元件速度、温度和污垢值(诸如，过滤器压差、维护日期)。
在图3所示的产品生产***的实施方案中，整个产品加工设备306至318包括所提及的多个三个设备区320至324，使得在生产过程期间，输入原材料300至304沿着整个加工线306至318横穿，且在本实施方案中，从第一设备区320至第二设备区322行进，以及从第二设备区322至第三设备区324行进。在这种生产情况下，第一对象标识符330在第一设备区320被提供，其中第二对象标识符332在输入材料已通过第一设备区320进行了处理之后进入第二设备区322时被提供。第二对象标识符332附加有或包括由第一对象标识符330所提供的数据或信息的至少部分，且附加地包括最后的数据/信息“来自相关的A-包装的汇总数据”。
值得注意的是，对象标识符330至334中的任一个或每个可以包括唯一标识符，优选地是全局唯一标识符(“GUID”)，以便在整个生产过程期间，可靠和安全地将对象标识符指派至相应的包装。
在当前的产品加工情况下，所提及的附加至第一对象标识符330的加工数据是从第一设备区320所搜集的加工数据的至少一部分。相应地，第二对象标识符332被附加有从第二设备区322所搜集的加工数据的至少一部分，其中从第二设备区322所搜集的加工数据指示在第二设备区322中加工输入原材料300至304的加工参数和/或设备操作条件。
在下文的表1中，以表格的形式再次示出了另一示例性对象标识符。此对象标识符包括比先前所描述的三个对象标识符330至334更多的信息/数据。
此示例性对象标识符涉及所谓的“B-包装”，底层日期和时间戳为“1976-02-0618:31:53.401”，如下文中描述的图4中所示的B-包装，但包括比图4中所示的B-包装更多的数据。
在本实施例中，唯一标识符(“Unique ID”)包括唯一URL(“uniqueObjectURL”)。在本实施例中，底层包装的主要细节(“包装细节”)是创建包装的日期和时间戳(“创建时间戳”)(具有两个值“02.02.1976 18:31:53.401”)以及包装的类型(“包装类型”)(在本实施例中具有包装类型“B”)。包装沿底层生产线的当前位置(“包装位置”)由“包材位置链接”限定(在本实施例中，是至生产线的“输送带1”的运输链接)。
在输送带1处，设置有测量设备(参见包括示例性加工数据或值的“测量点”)以用于测量平均温度(“平均值”)(当前揭示的材料温度为85℃)，且设置有用于底层温度区的相应描述(“描述”)(在本实施例中为“温度区1”)。此外，测量设备还可以包括用于检测包装进入输送带1的日期/时间(“进入时间”)(在本实施例中为“02.02.1976 18:31:54.431”)的传感器，且可以包括用于检测包装从输送带1离开的日期/时间(“离开时间”)(在本实施例为“02.02.197618:31:57.234”)。最后，测量设备包括用于检测有关生产过程的底层时间序列信息(“时间序列”)的时间序列值(“时间序列值”)的传感器设备。
此外，在本实施例中，所示出的对象标识符还包括关于下游定位的“输送带2”、下游定位的“混合器1”以及下游定位的“筒仓1”的信息，以用于中间地储存已经被处理的材料。
| -B-包装1976-02-06 18:31:53.401 | |
| -唯一ID | |
| -唯一URL | uniqueObjectURL |
| -包装细节 | |
| -创建时间戳 | 02.02.1976 18:31:53.401 |
| -包装类型 | B |
| -包装位置 | |
| -包装位置链接 | 输送带1 |
| -输送带1 | |
| -测量点 | |
| -平均值 | 85℃ |
| -描述 | 温度区1 |
| -进入时间 | 02.02.1976 18:31:54.431 |
| -离开时间 | 02.02.1976 18:31:57.234 |
| -时间序列 | 时间序列值 |
| -输送带2 | |
| -混合器1 | |
| -筒仓1 |
表1：示例性表格式对象标识符
图4示出了工业工厂的底层产品生产***的加工部分的第二实施方案，在本第二实施方案中，分别包括六个产品加工装置400、402、406、410、412、416或技术设备。
用于加工包装对象的“上游过程”400与用于分拣已加工的包装对象的“分拣单元”402相连。上游过程400和分拣单元402借助于第一数据对象404来管理。此数据对象404涉及已经描述过的“B-包装”，所述“B-包装”具有底层日期和时间戳“1976-02-06 18:51:43.431”，描述了它的创建日期和时间。数据对象404包括当前加工的包装对象“包装ID”(所谓“对象标识符”)。数据对象404进一步包括关于当前加工的包装对象的n个预先描述的化学和/或物理属性，在本实施例中是“属性1”和“属性n”。
在本实施例中，输入材料(即，被进给至上游过程400的相应包装对象)由“再循环筒仓”406提供。另一方面，再循环筒仓406从“运输单元1”410获取底层再循环材料，该“运输单元1”410将必须再循环且由分拣单元402相应地分拣的包装对象运输至再循环筒仓406。底层运输过程步骤410通过第二数据对象408进行管理，该第二数据对象涉及上述“B包装”且包括所提及的底层日期和时间戳“1976-02-0618:51:43.431”、当前加工的包装对象的“包装ID”以及两个化学和/或物理属性“属性1”和“属性n”。然而，由于所提及的对底层分拣出的包装对象进行再循环的要求，第二数据对象408还包括底层包装对象的另一化学和/或物理属性，在本实施例中为“属性2”，其尤其包括该包装对象的相应性能指标，在本实施例中为“材料或产品性能低或不足”。
取决于相应的包装对象的性能值，由上游过程400加工且未由分拣单元402分拣出的包装对象由分拣单元402提供至第一“包装单元1”412或第二“包装单元2”416。包装单元412、416用于将相应的包装对象包装到对应的容器414、418。通过第三数据对象420和第四数据对象422来管理由两个包装单元412、416所执行的包装过程。
两个数据对象420、422都涉及“物理包装”，且包括与上述“B包装”相同的日期“1976-02-06”，但时间戳“19:12:21.123”晚于上述“B-包装”。它们还包括底层包装对象的“包装ID”。然而，数据对象420、422还包括底层最终产品的性能指标，在本实施例中为关于储存在第一容器(或填充袋)414中的产品的“性能中间范围”，而对于储存在第二容器(或填充袋)418中的产品是“性能高范围”。此外，两个数据对象420、422包括对应的最终产品的“订单号”和“批号”。
图5示出了在工业工厂实施的底层化学产品生产过程或***的多个部分的第三实施方案，在本第二实施方案中，这些部分分别包括九个产品加工装置500-516或技术设备。
本产品加工方法基于两种原材料，即“原材料液体”500和“原材料固体”502，以便以已知方式生产聚合材料。与先前所描述的根据图3和图4的生产场景一样，技术设备包括用于使用再循环材料的“再循环筒仓”504，如事先所描述的。
该技术设备还包括“计量(Dosing)单元506”，用于根据所提及的输入原材料创建包装对象，输入原材料由“反应单元”508加工，该“反应单元”508沿着所示出的四个聚合反应区(“区1-区4”)510、512、514、516运输包装对象，以便对其进行加工，且通过“固化单元”518固化反应单元508中所生产的聚合材料(即，相应的包装对象)。在本实施方案中，固化单元518仅包括材料缓冲器，而不包括反混设备。相应地，固化单元518也运输经加工的包装对象。
“运输单元1”520运输被分拣出的包装对象，以通过再循环筒仓504用于其再循环。最终经加工(即，未分拣出)的单元再次运输至第一“包装单元1”522和第二“包装第单元2”524。两个包装单元522、524将相应的包装对象转换且运输至相应的容器或填充袋526、528。
图5所描绘的生产过程通过第一数据对象530和第二数据对象534来管理。
第一数据对象530涉及具有创建日期为“1976-02-06”和创建时间为“18:31:53.401”的“A包装”。在当前的生产场景中，数据对象530再次包括预先描述的“包装ID”，即关于由计量单元506所执行的计量过程(“计量属性”)的加工信息，以及关于通过反应单元508生产聚合材料的其他加工信息(“反应单元属性”)。计量属性包括每个包装对象的原材料量的信息，即“原材料百分比1(液体)”、“原材料百分比2(固体)”和产品温度。反应单元属性包括四个聚合反应区510-516的温度(“温度区1”、“温度区2”、“温度区3”和“温度区4”)。
因此，第一数据对象530包括沿着加工线506-524的底层包装对象的当前位置(“当前包装位置”)。在本实施方案中，该包装对象的当前位置通过“包装位置链接”和相应的“区位置”来管理。最后包括关于底层聚合反应的化学和/或物理信息，即相应的“反应焓/周转度(turnover degree)”。由此，运输给定包装对象的加工单元506-524计算反应焓值且将反应焓值永久写入/实现到第一数据对象530中。因为关于包装位置和相应的停留时间以及关于相应的加工值(例如，包装温度)的现有信息，这是可能的。基于第一数据对象530中所包括的反应焓和/或周转度的当前值，经由第一数据对象510和固化单元518之间的通信线路532，基于反应焓的计算值来调整固化时间参数。
第二数据对象534涉及由包装单元522、524之一所加工的“物理包装”，且包括对应的创建日期/时间信息“1976-02-06 19:12:21.123”。包括“包装ID”、“产品”描述/规格、“订单号”、“批号”以及所提及的计算出的焓和/或周转度的值。
图6示出了基于图形的数据库布置的第一实施方案，该数据库布置代表底层工业工厂602的分层或拓扑结构，该底层工业工厂是工业工厂集群600的一部分且包括作为相应的产品加工线604的一部分的多个设备装置和相应的设备区。此拓扑结构允许工业工厂602(或底层工厂集群600)的不同底层部分之间的功能关系可视化，以便能够实现改进的底层产品包装的加工或规划。所示的基于图形的数据库的圆形节点经由连接线链接，可以使用不同的链接类型。
在此实施方案中，设备装置包括材料加工单元606、614，材料加工单元606、614通过信号和/或数据连接与作为加工单元606、614的一部分的传感器/致动器608、616连接，且材料加工单元606、614被连接至多个输入/输出(I/O)装置610、612和618、620。
在本实施方案中，第一加工单元606进一步与示例性的三个产品包装(产品包装1-3)622、624、626连接，其中第二加工单元614进一步与另外三个产品包装(产品包装4-n)628、630、632连接。仅示例性地，“产品包装3”626被连接至产品样品(样品1)634，其中“产品包装5”630被连接至另一产品样品(样品n)638。“样品1”634进一步与“检查批次1”636连接，其中“样品n”进一步与“检查批次n”640连接。最后，两个检查批次636、640与“检查指令1”单元642连接，该“检查指令1”单元642用作关于如何创建所提及的检查批次以及如何实现对应底层样品634、638的分析/质量控制的规范。
图6所示的拓扑结构有利地提供了数据结构，该数据结构允许直观且容易地理解所示出的化学工厂的功能性及加工，因此允许用户(尤其是机器/工厂操作者)对化学工厂或化学工厂集群中的这种复杂的生产过程的简单可管理性，因为所示的对象(节点)被建模成非常类似于对应的现实世界的对象。
更具体地，此拓扑结构提供了高度的上下文信息，基于该上下文信息，用户/操作者可以容易地收集每个对象的技术和/或材料属性。这额外地允许用户进行相当复杂的查询，例如关于相关的有关生产的连接或对象之间的关系，特别是跨多个节点或甚至拓扑/层次结构等级。因此，图6中所示的对象(节点)可以在运行时间期间通过其他属性和/或值容易地扩展。
图7示出了如图6所示的基于图形的数据库布置的第二实施方案，但仅用于生产线700(“线1”)。
在本实施方案中，设备装置包括材料加工单元702“单元1”和“单元n”708，它们经由信号和/或数据连接与传感器/致动器“传感器/致动器1”704和“传感器/致动器n”710连接，传感器/致动器n和传感器/致动器710被连接至相应的输入/输出(I/O)装置“I/O 1”706和“I/O n”712。这些I/O装置包括与用于控制生产线700的操作的(未示出)PLC的连接。
在本实施方案中，第一加工单元(“单元1”)702进一步与示例性的三个产品包装(“产品部分”1-3)714、716、718连接，其中第二加工单元(“单元n”)708进一步与另外两个产品包装连接(“产品部分”4和n)720、722连接。仅示例性地，“产品包装3”718被连接至产品样品(“样品1”)724，其中产品包装n 722被连接至另一产品样品(“样品n”)728。
与图6中所示的实施方案不同，第一“传感器/致动器1”704也被连接至第一产品样品(“样品1”)724，其中第二“传感器/致动器n”710也被连接至第二产品样品(“样品n”)728。这两个额外的连接具有以下优点：可以在独立的时间或者甚至在同一时间在不同的样品站处独立地取得样品。例如，传感器/致动器704可以是布置在样品站处的按钮，当取得样品的时刻，该按钮由用户或操作者按下。
替代地，这样的样品可以是可以由采样机自动生成的信号。这种自动生成的信号例如可以经由所示的I/O对象706到达传感器/致动器对象704，其中I/O对象706从PLC/DCS(未示出)接收所提及的按钮信息。在取得样品的时刻，样品对象724(例如)将被创建且被链接至在该时刻位于采样站位置的产品部分。
基于相应生成的样品724、728，可以生成一个或多个检查批次726、730，甚至仅针对一个(且相同)样品。然而，一个或多个样品可以独立地或甚至同时在一个加工线内生成。最后，如图6中示出的实施方案，“样品1”724进一步与第一“检查单元1”726连接，其中“样品n”进一步与第二“检查单元n”730连接。两个检查单元726、730最终与“检查指令1”单元732连接，该“检查指令1”单元732再次用作说明，如在图6中所描绘的“检查指令1”单元642的情况下，即关于如何创建所提及的检查批次以及关于如何实现底层样品724、728的分析/质量控制。“检查指令1”单元732可以单独创建，且可以仅创建一次，同时将检查指令732用于不止仅一个检查批次，如图7中的“检查批次1”726和另外的“检查批次n”730所例示的。
图8描绘了抽象层800，该抽象层800包括对象数据库801且用作用于预先描述的生产设备和相应的原材料的抽象层，对于预先描述的产品数据，可以包括预先描述的物理包装或产品包装相关数据，即作为相应数字孪生。
在本实施方案中，抽象层800提供与外部云计算平台804的双向通信线路802。此外，抽象层800还与n个生产PLC/DCS和/或机器PLC806、808通信，要么如在“PLC/DCS 1”806的情况下进行双向810通信，要么如在“PLC/DCS n”808的情况下进行单向812通信。在本实施方案中，云计算平台804包括与客户集成接口或平台816的双向通信线路814，本生产工厂拥有者的客户可经由该客户集成接口或平台将控制信号传达和/或递送至工厂的预先描述的设备单元。
在对象数据库801中还包括与此相关的其他对象，例如，上述样品、检查批次、样品指令、传感器/致动器、装置、装置相关文档、用户(例如，机器或工厂操作者)、相应用户组和用户权限、配方、订单、设置点参数集或来自云/边缘装置的收件箱对象。
在云计算平台804处，实施人工智能(Al)或机器学习(ML)***，通过该***寻找或创建最佳算法，该最佳算法经由专用部署管线818被部署至物联网(loT)边缘装置或组件820，以便使用相应地创建或找到的算法来控制边缘装置820。在本实施方案中，边缘装置820与抽象层800双向通信822。
借助于抽象层800以及所包含的对象数据库801，创建了预先描述的物理包装或产品包装，如本文档中所描述的。抽象层800还可以连接至云计算平台804内的某些加工和/或AI(或ML)组件。对于这种连接，可以使用已知的数据流协议“Kafka”。因此，在创建底层产品包装时或在创建底层产品包装前后，首先可以将空数据包作为消息发送出去，特别是独立于底层时间序列数据。之后，当已加工了最终产品包装时，可以发送另一消息。这些消息包含底层包装的对象标识符作为数据包ID，使得稍后可以在云平台侧上使相关包再次彼此链接。这具有以下优点：可以避免大数据包传输至云端，从而使所需的传输带宽或容量最小化。
在云计算平台804内，流式传输及接收到的产品数据由所提及的AI方法或ML方法使用，以便寻找或创建算法以用于获取与底层产品有关的附加数据，诸如所预测的产品质量控制(QC)值。对于在云计算平台804内所执行的此过程，需要如QC数据或所测得的有关产品(或物理)包装的性能参数的附加数据。这可以经由相同的方式从对象数据库801接收，该对象数据库801呈样品对象和包含有关产品包装的此类信息的检查批次对象(也参见图6)的形式。
还可以从除对象数据库之外的任何其他***接收这种信息。在这种情况下，其他***将QC和/或性能数据连同样品/检查批次ID一起从对象数据库发送出。在云计算平台804内，此数据将被组合且被用于寻找例如基于ML的算法/模型。由此，可有效地使用云平台804内的计算能力。
在本实施方案中，通过部署管线818将相应寻找到的算法或模型部署至边缘装置820。边缘装置820可以是靠近抽象层800的对象数据库801(因此也相应地靠近PLC/DCS 1至PLC/DCS n 806、808)定位的组件，即在网络安全等级和位置方面，允许低网络延迟和直接且安全的通信。
由于对于ML模型的使用不需要这种计算能力，因此边缘装置820使用ML模型生成所提及的高级信息且将其提供至对象数据库801。因此，边缘装置820需要在云计算平台804处使用的相同信息或信息子集，以生成基于ML的算法或模型，对象数据库801可以将此数据提供至边缘装置820，例如经由用于机器与机器通信的开放网络协议，例如已知的“消息队列遥测传输”(MQTT)协议。
这种设置能够实现基于AI/ML的高级过程控制和自主制造以及相应的自主操作机器。
如图8中所示的实施方案所例示的，基于来自预先描述的数据对象330-334(图3)的数据，在云计算平台804的一侧，使用这种数据作为训练数据来训练AI/ML***或相应的AI/ML模型。因此，在本实施方案中，训练数据可以包括指示化学产品的性能参数的历史数据和当前实验室测试数据，特别是来自过去的数据。
AI/ML模型可用于预测一个或多个预先描述的性能参数，所述预测优选地经由计算单元完成。附加地或替代地，AI/ML模型可被用于至少部分地控制生产过程，优选地经由调整设备操作条件，且更优选地所述控制经由所提及的计算单元完成。附加地或替代地，AI/ML模型也可以例如由计算单元用于确定哪些加工参数和/或设备操作条件对化学产品具有主导影响，使得那些占主导地位的加工参数和/或设备操作条件被分别附加至数据对象或所提及的对象标识符。
本领域技术人员将理解，可以以“实时”或近实时的方式执行方法步骤，至少那些经由计算单元所执行的方法步骤。这些术语在计算机技术领域中被理解。作为一个具体实施例，由计算单元所执行的任何两个步骤之间的时间延迟不超过15s，具体地不超过10s，更具体地不超过5s。优选地，延迟小于一秒，更优选地小于几毫秒。因此，计算单元可以被配置为以实时方式执行方法步骤。此外，软件产品可以使计算单元以实时方式执行方法步骤。
例如，可以按照多个实施例或多个方面中所列出的顺序执行方法步骤。然而，应注意，在特定情况下，也可以有不同的顺序。此外，还可以一次或重复执行一个或多个方法步骤。可以定期或不定期地重复这些步骤。此外，可以同时或以适时重叠的方式执行两个或多个方法步骤，特别是当重复执行一些或多个方法步骤时。该方法可以包括未列出的其他步骤。
“包括”一词不排除其他元件或步骤，不定冠词“一”或“一个”不排除多个。单个加工装置、处理器或控制器或其他类似单元可以实现权利要求中列举的若干项的功能。仅仅在相互不同的从属权利要求中列举了某些措施这一纯粹事实并不指示这些措施的组合不能发挥优势。权利要求中的任何附图标记不应被解释为限制范围。
此外，应注意，在本公开内容中，指示特征或元件可能存在一次或多次的术语“至少一个”、“一个或多个”或类似的表达通常可能仅在介绍对应的特征或元件时使用一次。因此，在某些情况下，除非另有具体说明，否则当提及对应的特征或元件时，可能不会重复“至少一个”或“一个或多个”的表述，尽管相应的特征或元件可能出现一次或多次。
此外，术语“优选地”、“更优选地”、“特别地”、“更特别地”、“具体地”、“更具体地”或类似术语与可选特征结合使用，而不限制替代可能性。因此，由这些术语引入的特征是可选特征且无意以任何方式限制权利要求的范围。如本领域技术人员将认识到的，本教导可以通过使用替代特征来执行。类似地，由“根据一方面”或类似表述引入的特征旨在是可选特征，对本教导的替代方案没有任何限制，对本教导的范围没有任何限制，且对以这种方式引入的特征与本教导的其他可选或非可选特征相结合的可能性没有任何限制。
上文已经公开了以下方面的多个实施例：用于控制下游生产过程的方法；用于执行本文所公开的方法的***；用于控制下游生产过程的***；用途；软件程序；以及，包括用于执行本文所公开的方法的计算机程序代码的计算单元。更具体地，本教导涉及一种用于控制下游生产过程的方法，用于通过使用下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来在下游工业工厂处制造物品，该方法包括：在下游计算单元处提供用于控制物品的生产的一组下游控制设置，其中基于下游对象标识符、与物品有关的至少一个期望的下游性能参数、下游历史数据来确定下游控制设置；且其中该组下游控制设置可用于在下游工业工厂处制造物品。本教导还涉及用于下游生产的***以及软件产品。
然而，本领域技术人员将理解，在不脱离所附权利要求及其等同物的实质和范围的情况下，可以对这些实施例进行改变和修改。还应理解，可以自由组合来自本文所讨论的方法和产品实施方案的多个方面。
总结但不排除其他可能的实施方案，本教导的某些示例性实施方案总结在以下条款中：
条款1.一种用于控制在下游工业工厂处制造物品的下游生产过程的方法，该下游工业工厂包括至少一个下游设备，且经由该下游设备使用该下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造该物品，该方法至少部分地经由下游计算单元执行，且该方法包括:
在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：
-下游对象标识符；所述下游对象标识符包括指示TPU和/或ETPU材料的一个或多个属性的前驱体数据；
-至少一个与物品有关的期望的下游性能参数；
-下游历史数据；其中，所述下游历史数据包括用于制造过去一个或多个物品的下游加工参数和/或操作设置；以及其中
-该组下游控制设置可用于在下游工业工厂处制造所述物品。
条款2.根据条款1所述的方法，其中至少一些下游控制设置由与上游工业工厂有关的上游计算单元确定，优选地TPU和/或ETPU材料中的至少一个由上游工业工厂提供。
条款3.根据条款2所述的方法，其中至少一些下游控制设置被提供在共享存储器中，该共享存储器能被上游计算单元和下游计算单元这二者访问。
条款4.根据条款1-条款3中的任一个或多个所述的方法，其中至少一些下游控制设置由下游计算单元确定。
条款5.根据条款4所述的方法，其中所述下游计算单元所确定的控制设置是使用上游对象标识符来确定的，该上游对象标识符包括上游加工数据的子集，该上游加工数据的子集包括用于在上游工业工厂处制造TPU和/或ETPU材料的上游加工参数和/或操作设置，优选地，上游对象标识符还附加有与TPU和/或ETPU材料有关和/或与物品有关的至少一个上游性能参数。
条款6.根据条款4所述的方法，其中期望的下游性能参数中的至少一个是粒度分布(“PSD”)或体积密度。
条款7.根据条款1-条款6中的任一个或多个所述的方法，其中所述上游对象标识符包括预测和/或控制逻辑，以用于基于下游历史数据来提供至少一些下游控制设置，优选地，预测和/或控制逻辑被加密或混淆(obfuscated)以防止未经授权的读出。
条款8.根据条款7所述的方法，其中预测和/或控制逻辑包括能够由下游历史数据训练的数据驱动模型。
条款9.根据条款8所述的方法，其中经训练的预测和/或控制逻辑生成修改数据，该修改数据能够用于修改预测和/或控制逻辑，从而改进下游控制设置的计算。
条款10.根据条款8或条款9所述的方法，其中经训练的预测和/或控制逻辑和/或所述修改数据被提供至上游计算单元。
条款11.根据条款2-条款10中的任一个或多个所述的方法，其中下游对象标识符由上游计算单元提供，优选地，所述下游对象标识符附加有来自上游对象标识符的数据。
条款12.根据条款11所述的方法，其中在共享存储器处提供下游对象标识符和/或经由诸如芯片、NFC装置或数字可读代码的标签来提供下游对象标识符。
条款13.根据条款1-条款12中的任一个或多个所述的方法，其中该方法还包括:
-使用下游控制设置执行下游生产过程，优选地通过将下游控制设置自动提供至下游计算单元和/或工厂控制***，以用于控制下游生产过程。
条款14.根据条款1-条款13中的任一个或多个所述的方法，其中该方法还包括:
-在下游计算单元处，接收来自下游设备或设备区中的一个或多个的下游实时加工数据；其中，所述下游实时加工数据包括下游实时加工参数和/或设备操作条件。
条款15.根据条款14所述的方法，其中该方法包括:
-经由下游计算单元，基于下游对象标识符和下游区存在信号，确定下游实时加工数据的子集；其中下游区存在信号指示在下游生产过程期间在特定设备区处存在TPU和/或ETPU材料。
条款16.根据条款15所述的方法，其中该方法还包括:
-将下游实时加工数据和/或下游加工特定数据的子集附加至下游对象标识符。
条款17.根据条款15或条款16所述的方法，其中所述方法包括:
-经由下游计算单元，基于下游实时加工数据和下游历史数据的子集，计算与下游对象标识符相关的物品的至少一个下游性能参数，优选地，至少一个下游区特定性能参数被附加至下游对象标识符。
条款18.根据条款15-条款17中的任一个或多个所述的方法，其中所述下游区存在信号是经由下游计算单元通过执行区时间转换而生成的，该转换将与TPU和/或ETPU材料有关的至少一个属性映射至特定设备区，诸如经由来自下游实时加工数据的一个或多个时间依赖性信号。
条款19.根据条款17-条款18中的任一个或多个所述的方法，其中该方法包括:
-经由下游计算单元来控制下游生产过程，以使得下游性能参数中的至少一个与它们对应的期望下游性能参数的关联值之间的差异最小化。
条款20.根据条款17-条款19中的任一个或多个所述的方法，其中使用至少一个下游机器学习(“ML”)模型来执行至少一个下游性能参数的计算，优选地使用下游历史数据来训练该下游ML模型。
条款21.根据条款20所述的方法，其中该下游ML模型被配置为提供至少一个置信度值，该置信度值指示用于计算至少一个下游性能参数的置信度水平。
条款22.根据条款21所述的方法，其中响应于至少一个下游性能参数的计算或预测的置信度水平低于一准确度阈值，优选地在用于下游生产过程的控制***处生成警告信号。
条款23.根据条款21或条款22所述的方法，其中采样对象标识符是响应于所述至少一个下游性能参数的计算或预测的置信度水平低于一准确度阈值或响应于警告信号而自动生成的，所述采样对象标识符与在置信度水平准确度跨越该准确度值的时间或在该时间前后位于对应区处的材料有关。
条款24.根据条款22或条款23所述的方法，其中响应于警告信号执行至少一次实验室分析，优选地对处于与警告有关的该对应区处的材料执行分析。
条款25.根据条款24所述的方法，其中分析的日期和/或结果被附加至采样对象标识符，优选地来自采样对象标识符的数据被包括在下游历史数据中，以用于下游计算单元的未来计算。
条款26.根据条款15-条款25中的任一个或多个所述的方法，其中至少一个下游设备包括多个物理上分离的设备区，这些区包括初始下游设备区和另一下游设备区，使得在下游生产过程期间，TPU和/或ETPU材料从初始下游设备区横穿至另一下游设备区，在初始下游设备区处提供下游对象标识符，且其中该方法还包括:
-经由下游接口提供包括下游对象标识符的至少一部分的另一下游对象标识符；
-经由下游计算单元，基于另一下游对象标识符和下游区存在信号，确定下游实时加工数据的又一子集；
-经由下游计算单元，基于来自下游对象标识符的数据、下游实时加工数据的又一子集以及又一下游历史数据，确定用于至少另一下游设备区的另一区特定控制设置。
条款27.根据条款26所述的方法，其中所述又一下游历史数据包括来自与另一下游设备区中先前加工的TPU和/或ETPU材料有关的一个或多个历史下游对象标识符的数据，且其中历史下游对象标识符中的至少一个附加有至少一部分的下游加工数据，该下游加工数据指示先前加工的TPU及/或ETPU材料(优选地在另一下游设备区中)被加工时的下游加工参数和/或设备操作条件。
条款28.根据条款26或条款27所述的方法，其中该方法还包括:
-经由下游计算单元，基于该下游实时加工数据的另一子集和另一下游历史数据，计算与另一下游对象标识符有关的物品的另一至少一个下游性能参数；
-将另一至少一个下游区特定性能参数附加至另一下游对象标识符。
条款29.根据条款26-条款28中的任一个或多个所述的方法，其中该方法还包括:
-将下游实时加工数据的另一子集的至少一部分附加至另一下游对象标识符。
条款30.根据条款1-条款29中的任一个或多个所述的方法，其中在操作性联结至下游计算单元的下游存储器处提供对象标识符中的任一个。
条款31.根据条款30所述的方法，其中下游计算单元和/或下游存储器至少部分地经由基于云的服务来实施。
条款32.根据条款1-条款31中的任一个或多个所述的方法，其中该物品是运动项和/或鞋类。
条款33.根据条款1-条款32中的任一个或多个所述的方法，其中下游设备操作条件是代表下游设备的状态的任何特性或值，例如，设置点、控制器输出、生产顺序、校准状态、任何设备有关的警告、振动测量、速度(诸如，运输元件速度)、温度和污垢值(诸如，过滤器差压)、维护日期中的任何一个或多个。
条款34.根据条款1-条款33中的任一个或多个所述的方法，其中下游加工数据包括指示在下游生产过程期间所测量的下游加工参数和/或设备操作条件的至少一个数值。
条款35.根据条款1-条款34中的任一个或多个所述的方法，其中下游加工数据包括指示在下游生产过程期间所测量或所检测的下游加工参数和/或设备操作条件的至少一个二进制值。
条款36.根据条款1-条款35中的任一个或多个所述的方法，其中下游加工数据包括下游加工参数和/或设备操作条件中的一个或多个的时间序列数据。
条款37.根据条款1-条款36中的任一个或多个所述的方法，其中下游加工数据包括下游加工参数和/或设备操作条件的时态信息(temporal information)，或时间序列数据。
条款38.根据条款37所述的方法，其中时态信息的形式为指示与下游加工参数和/或设备操作条件有关的至少一些数据点的时间戳的数据，或时间序列数据。
条款39.根据条款1-条款38中的任一个或多个所述的方法，其中前驱体数据包括与TPU和/或ETPU材料的一个或多个特性或属性有关或指示TPU和/或ETPU材料的一个或多个特性或属性的数据。
条款40.根据条款1-条款39中的任一个或多个所述的方法，其中前驱体数据包括与TPU和/或ETPU材料有关的实验室样品或测试数据，例如历史测试结果。
条款41.根据条款34-条款40中的任一个或多个所述的方法，其中至少一个数值和/或至少一个二进制值和/或时间序列数据和/或指示TPU和/或ETPU材料的物理和/或化学性质的至少一些值至少部分地经由来自一个或多个传感器和/或开关的信号而被获得或测量，所述一个或多个传感器和/或开关***作性地联结至下游设备，优选地所述传感器和/或开关是下游设备的一部分。
条款42.根据条款1-条款41中的任一个或多个所述的方法，其中经由操作性地联结至下游设备区的下游计算单元提供对象标识符，优选地所述下游计算单元是下游设备的一部分。
条款43.根据条款42所述的方法，其中计算单元是控制器或控制***，或者是控制器或控制***的一部分，所述控制器或控制***诸如为分布式控制***(“DCS”)和/或可编程逻辑控制器(“PLC”)。
条款44.根据条款1-条款41中的任一个或多个所述的方法，其中对象标识符响应于触发事件或信号而被提供或生成，所述事件或信号优选地经由设备提供，更优选地响应于操作性地联结至所述设备的一个或多个传感器和/或开关中的任一个的输出而被提供。
条款45.根据条款44所述的方法，其中触发事件或信号与TPU和/或ETPU材料的量值有关，更具体地，与量值达到或满足一预定量阈值的状况有关，且经由下游计算单元和/或下游设备来检测所述状况。
条款46.根据条款45所述的方法，其中所述量值是重量值和/或填充因子和/或液位值和/或体积值。
条款47.根据条款42-条款46中的任一个或多个所述的方法，其中下游设备还***作性地联结至一个或多个致动器和/或末端执行器单元，优选地，所述致动器和/或末端执行器单元是下游设备的一部分。
条款48.根据条款1-条款47中的任一个或多个所述的方法，其中对象标识符中的任一个或每个都包括唯一标识符，优选地全局唯一标识符(“GUID”)。
条款49.根据条款26-条款48中的任一个或多个所述的方法，其中设备区中的任一个或每个都经由单独的ML模型被监测和/或控制，优选地基于来自该区的对应对象标识符的数据来训练该单独的ML模型。
条款50.一种用于控制在下游工业工厂处制造物品的下游生产过程的***，该下游工业工厂包括至少一个下游设备，且经由下游设备使用下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造该物品，其中该***被配置为执行以上方法条款的方法中的任一个。
条款51.一种计算机程序或储存该程序的非暂时性计算机可读介质，包括指令，当该程序由合适的计算单元执行时，所述指令使得计算单元执行以上方法条款中的任一个的方法步骤。
条款52.一种用于控制在下游工业工厂处制造物品的下游生产过程的***，该下游工业工厂包括至少一个下游设备和下游计算单元，且经由下游设备使用下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造该物品，其中该***被配置为：
在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：
-下游对象标识符；所述下游对象标识符包括指示TPU和/或ETPU材料的一个或多个属性的前驱体数据；
-至少一个与物品有关的期望的下游性能参数；
-下游历史数据；其中，所述下游历史数据包括用于制造过去一个或多个物品的下游加工参数和/或操作设置；以及其中
-该组下游控制设置可用于在下游工业工厂处制造所述物品。
条款53.一种计算机程序或储存该程序的非暂时性计算机可读介质，包括指令，当该程序由合适的计算单元执行时，所述指令操作性地联结至至少一个设备，所述至少一个设备用于通过使用下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料而在下游工业工厂处制造物品，使得该计算单元：
在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：
-下游对象标识符；所述下游对象标识符包括指示TPU和/或ETPU材料的一个或多个属性的前驱体数据；
-至少一个与物品有关的期望的下游性能参数；
-下游历史数据；其中，所述下游历史数据包括用于制造过去一个或多个物品的下游加工参数和/或操作设置；以及其中
-该组下游控制设置可用于在下游工业工厂处制造所述物品。
条款54.根据以上方法条款中的任一个所生成的该组下游控制设置的用途，以用于控制工业工厂处的生产过程。
Claims (17)
1.一种用于控制在下游工业工厂处制造物品的下游生产过程的方法，该下游工业工厂包括至少一个下游设备，且经由该下游设备使用该下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造该物品，该方法至少部分地经由下游计算单元执行，且该方法包括:
在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：
-下游对象标识符；所述下游对象标识符包括指示TPU和/或ETPU材料的一个或多个属性的前驱体数据；
-至少一个与物品有关的期望的下游性能参数；
-下游历史数据；其中，所述下游历史数据包括用于制造过去一个或多个物品的下游加工参数和/或操作设置；以及其中
-该组下游控制设置可用于在下游工业工厂处制造所述物品。
2.根据权利要求1所述的方法，其中至少一些下游控制设置由与上游工业工厂有关的上游计算单元确定，且其中TPU和/或ETPU材料中的至少一个由上游工业工厂提供。
3.根据权利要求2所述的方法，其中至少一些下游控制设置被提供在共享存储器中，该共享存储器能被上游计算单元和下游计算单元这二者访问。
4.根据权利要求1-3中的任一个或多个所述的方法，其中至少一些下游控制设置由下游计算单元确定。
5.根据权利要求4所述的方法，其中所述下游计算单元所确定的控制设置是使用上游对象标识符来确定的，该上游对象标识符包括上游加工数据的子集，该上游加工数据的子集包括用于在上游工业工厂处制造TPU和/或ETPU材料的上游加工参数和/或操作设置。
6.根据权利要求4所述的方法，其中期望的下游性能参数中的至少一个是粒度分布(“PSD”)或体积密度。
7.根据权利要求1-6中的任一个或多个所述的方法，其中所述上游对象标识符包括预测和/或控制逻辑，以用于基于下游历史数据来提供至少一些下游控制设置。
8.根据权利要求7所述的方法，其中所述预测和/或控制逻辑包括能够由下游历史数据训练的预测模型。
9.根据权利要求8所述的方法，其中经训练的预测和/或控制逻辑生成修改数据，所述修改数据能够用于修改所述预测和/或控制逻辑，从而改进下游控制设置的计算。
10.根据权利要求8或9所述的方法，其中经训练的预测和/或控制逻辑和/或所述修改数据被提供至上游计算单元。
11.根据权利要求2-10中的任一个或多个所述的方法，其中所述下游对象标识符由上游计算单元提供。
12.根据权利要求1-11中的任一个或多个所述的方法，其中该方法还包括:
-使用下游控制设置执行下游生产过程，优选地通过将下游控制设置自动提供至下游计算单元和/或工厂控制***，以用于控制下游生产过程。
13.根据权利要求1-12中的任一个或多个所述的方法，其中该方法还包括:
-在下游计算单元处，接收来自下游设备或下游设备区中的一个或多个的下游实时加工数据；其中，所述下游实时加工数据包括下游实时加工参数和/或设备操作条件。
14.根据权利要求13所述的方法，其中该方法还包括:
-将下游实时加工数据和/或下游加工特定数据的子集附加至下游对象标识符。
15.根据权利要求13或14所述的方法，其中所述方法包括:
-经由下游计算单元，基于下游实时加工数据和下游历史数据的子集，计算与下游对象标识符有关的物品的至少一个下游性能参数。
16.一种用于控制在下游工业工厂处制造物品的下游生产过程的***，该下游工业工厂包括至少一个下游设备和下游计算单元，且经由下游设备使用下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料来制造该物品，其中该***被配置为：
在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：
-下游对象标识符；所述下游对象标识符包括指示TPU和/或ETPU材料的一个或多个属性的前驱体数据；
-至少一个与物品有关的期望的下游性能参数；
-下游历史数据；其中，所述下游历史数据包括用于制造过去一个或多个物品的下游加工参数和/或操作设置；以及其中
-该组下游控制设置可用于在下游工业工厂处制造所述物品。
17.一种计算机程序或储存该程序的非暂时性计算机可读介质，包括指令，当该程序由合适的计算单元执行时，所述指令***作性地联结至至少一个设备，所述至少一个设备用于通过使用下游生产过程加工至少一种热塑性聚氨酯(“TPU”)和/或膨胀热塑性聚氨酯(“ETPU”)材料而在下游工业工厂处制造物品，使得该计算单元：
在下游计算单元处提供一组下游控制设置，该组下游控制设置用于控制所述物品的生产，其中所述下游控制设置是基于以下因素来确定的：
-下游对象标识符；所述下游对象标识符包括指示TPU和/或ETPU材料的一个或多个属性的前驱体数据；
-至少一个与物品有关的期望的下游性能参数；
-下游历史数据；其中，所述下游历史数据包括用于制造过去一个或多个物品的下游加工参数和/或操作设置；以及其中
-该组下游控制设置可用于在下游工业工厂处制造所述物品。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20197014.2 | 2020-09-18 | ||
| EP20197014 | 2020-09-18 | ||
| EP20204154 | 2020-10-27 | ||
| EP20204154.7 | 2020-10-27 | ||
| PCT/EP2021/075447 WO2022058408A1 (en) | 2020-09-18 | 2021-09-16 | Chemical production control |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116324648A true CN116324648A (zh) | 2023-06-23 |
Family
ID=77914376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180063765.8A Pending CN116324648A (zh) | 2020-09-18 | 2021-09-16 | 化学生产控制 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US20240012395A1 (zh) |
| EP (1) | EP4214585A1 (zh) |
| JP (1) | JP2023547765A (zh) |
| KR (1) | KR20230070252A (zh) |
| CN (1) | CN116324648A (zh) |
| TW (1) | TW202213008A (zh) |
| WO (1) | WO2022058408A1 (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024023729A1 (en) | 2022-07-28 | 2024-02-01 | Precision Planting Llc | Agricultural sample packaging system and related methods |
| EP4336292A1 (en) * | 2022-09-07 | 2024-03-13 | Basf Se | Method for process automation of a production process |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US10234848B2 (en) * | 2017-05-24 | 2019-03-19 | Relativity Space, Inc. | Real-time adaptive control of additive manufacturing processes using machine learning |
| IT201800006680A1 (it) * | 2018-06-26 | 2019-12-26 | Metodo di predizione della presenza di difetti di prodotto durante una fase di lavorazione intermedia di un prodotto sottile avvolto in bobina |
-
2021
- 2021-09-16 US US18/245,880 patent/US20240012395A1/en active Pending
- 2021-09-16 KR KR1020237012776A patent/KR20230070252A/ko unknown
- 2021-09-16 JP JP2023518113A patent/JP2023547765A/ja active Pending
- 2021-09-16 CN CN202180063765.8A patent/CN116324648A/zh active Pending
- 2021-09-16 WO PCT/EP2021/075447 patent/WO2022058408A1/en active Application Filing
- 2021-09-16 EP EP21777759.8A patent/EP4214585A1/en active Pending
- 2021-09-17 TW TW110134931A patent/TW202213008A/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| TW202213008A (zh) | 2022-04-01 |
| EP4214585A1 (en) | 2023-07-26 |
| JP2023547765A (ja) | 2023-11-14 |
| KR20230070252A (ko) | 2023-05-22 |
| WO2022058408A1 (en) | 2022-03-24 |
| US20240012395A1 (en) | 2024-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116324648A (zh) | 化学生产控制 | |
| WO2022136144A1 (en) | Chemical production | |
| US20240024839A1 (en) | Chemical production monitoring | |
| US20230350395A1 (en) | Chemical production control | |
| US20230390725A1 (en) | Chemical Production | |
| TW202213010A (zh) | 化學生產 | |
| US20230341838A1 (en) | Chemical production control | |
| US20230409015A1 (en) | Chemical Production | |
| US20240061403A1 (en) | Chemical Production | |
| US20240192661A1 (en) | Chemical production |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |