CN116670598A - 化学生产 - Google Patents
化学生产 Download PDFInfo
- Publication number
- CN116670598A CN116670598A CN202180086555.0A CN202180086555A CN116670598A CN 116670598 A CN116670598 A CN 116670598A CN 202180086555 A CN202180086555 A CN 202180086555A CN 116670598 A CN116670598 A CN 116670598A
- Authority
- CN
- China
- Prior art keywords
- data
- object identifier
- input material
- historical
- real
- 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 369
- 238000000034 method Methods 0.000 claims abstract description 351
- 230000008569 process Effects 0.000 claims abstract description 263
- 238000004519 manufacturing process Methods 0.000 claims abstract description 242
- 239000000126 substance Substances 0.000 claims abstract description 191
- 238000012545 processing Methods 0.000 claims abstract description 117
- 230000005055 memory storage Effects 0.000 claims abstract description 31
- 238000011144 upstream manufacturing Methods 0.000 claims description 80
- 238000010801 machine learning Methods 0.000 claims description 68
- 238000004806 packaging method and process Methods 0.000 claims description 56
- 230000006870 function Effects 0.000 claims description 28
- 238000003908 quality control method Methods 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 10
- 238000009533 lab test Methods 0.000 claims description 6
- 239000000047 product Substances 0.000 description 251
- 241000196324 Embryophyta Species 0.000 description 93
- 230000000875 corresponding effect Effects 0.000 description 82
- 239000000523 sample Substances 0.000 description 50
- 238000012360 testing method Methods 0.000 description 29
- 238000006243 chemical reaction Methods 0.000 description 24
- 230000008901 benefit Effects 0.000 description 22
- 238000002156 mixing Methods 0.000 description 20
- 230000006854 communication Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 17
- 239000002994 raw material Substances 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 16
- 230000008859 change Effects 0.000 description 14
- 230000001276 controlling effect Effects 0.000 description 14
- 239000000203 mixture Substances 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 238000013473 artificial intelligence Methods 0.000 description 10
- 238000004064 recycling Methods 0.000 description 10
- 238000005070 sampling Methods 0.000 description 10
- 239000004433 Thermoplastic polyurethane Substances 0.000 description 9
- 229920002803 thermoplastic polyurethane Polymers 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000010354 integration Effects 0.000 description 7
- 239000007788 liquid Substances 0.000 description 7
- 238000013178 mathematical model Methods 0.000 description 7
- 239000007787 solid Substances 0.000 description 7
- 239000000872 buffer Substances 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011049 filling Methods 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 239000012636 effector Substances 0.000 description 5
- 229920000909 polytetrahydrofuran Polymers 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 230000036962 time dependent Effects 0.000 description 5
- 238000012384 transportation and delivery Methods 0.000 description 5
- UPMLOUAZCHDJJD-UHFFFAOYSA-N 4,4'-Diphenylmethane Diisocyanate Chemical compound C1=CC(N=C=O)=CC=C1CC1=CC=C(N=C=O)C=C1 UPMLOUAZCHDJJD-UHFFFAOYSA-N 0.000 description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 4
- 238000010923 batch production Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000003139 buffering effect Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 239000011344 liquid material Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000000704 physical effect Effects 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 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
- 239000007795 chemical reaction product Substances 0.000 description 3
- 238000013329 compounding Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 239000006260 foam Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 2
- 101150087322 DCPS gene Proteins 0.000 description 2
- 239000004721 Polyphenylene oxide Substances 0.000 description 2
- 101100386725 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) DCS1 gene Proteins 0.000 description 2
- WNLRTRBMVRJNCN-UHFFFAOYSA-N adipic acid Chemical compound OC(=O)CCCCC(O)=O WNLRTRBMVRJNCN-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- -1 biologicals Substances 0.000 description 2
- 239000013590 bulk material Substances 0.000 description 2
- WERYXYBDKMZEQL-UHFFFAOYSA-N butane-1,4-diol Chemical compound OCCCCO WERYXYBDKMZEQL-UHFFFAOYSA-N 0.000 description 2
- OSGAYBCDTDRGGQ-UHFFFAOYSA-L calcium sulfate Chemical compound [Ca+2].[O-]S([O-])(=O)=O OSGAYBCDTDRGGQ-UHFFFAOYSA-L 0.000 description 2
- QXJJQWWVWRCVQT-UHFFFAOYSA-K calcium;sodium;phosphate Chemical compound [Na+].[Ca+2].[O-]P([O-])([O-])=O QXJJQWWVWRCVQT-UHFFFAOYSA-K 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 150000002009 diols Chemical class 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000013312 flour Nutrition 0.000 description 2
- 239000008187 granular material Substances 0.000 description 2
- 239000013072 incoming material Substances 0.000 description 2
- 239000013067 intermediate product Substances 0.000 description 2
- 102100033718 m7GpppX diphosphatase Human genes 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 229920000570 polyether Polymers 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 235000012239 silicon dioxide Nutrition 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
- 239000010409 thin film Substances 0.000 description 2
- 244000198134 Agave sisalana Species 0.000 description 1
- 239000005995 Aluminium silicate Substances 0.000 description 1
- 240000008564 Boehmeria nivea Species 0.000 description 1
- 244000025254 Cannabis sativa Species 0.000 description 1
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 1
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 229920003043 Cellulose fiber Polymers 0.000 description 1
- 240000000491 Corchorus aestuans Species 0.000 description 1
- 235000011777 Corchorus aestuans Nutrition 0.000 description 1
- 235000010862 Corchorus capsularis Nutrition 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 241000219146 Gossypium Species 0.000 description 1
- 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
- YKTSYUJCYHOUJP-UHFFFAOYSA-N [O--].[Al+3].[Al+3].[O-][Si]([O-])([O-])[O-] Chemical compound [O--].[Al+3].[Al+3].[O-][Si]([O-])([O-])[O-] YKTSYUJCYHOUJP-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 239000001361 adipic acid Substances 0.000 description 1
- 235000011037 adipic acid Nutrition 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- WNROFYMDJYEPJX-UHFFFAOYSA-K aluminium hydroxide Chemical compound [OH-].[OH-].[OH-].[Al+3] WNROFYMDJYEPJX-UHFFFAOYSA-K 0.000 description 1
- 235000012211 aluminium silicate Nutrition 0.000 description 1
- 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
- 239000004760 aramid Substances 0.000 description 1
- 229920006231 aramid fiber Polymers 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013361 beverage Nutrition 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 229960000074 biopharmaceutical Drugs 0.000 description 1
- 235000000332 black box Nutrition 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 229910000019 calcium carbonate Inorganic materials 0.000 description 1
- 235000010216 calcium carbonate Nutrition 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
- 239000003054 catalyst Substances 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 235000005607 chanvre indien Nutrition 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 239000000839 emulsion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 229910021485 fumed silica Inorganic materials 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 239000011487 hemp Substances 0.000 description 1
- 239000004009 herbicide 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
- 239000004615 ingredient Substances 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
- 239000012948 isocyanate Substances 0.000 description 1
- 150000002513 isocyanates Chemical class 0.000 description 1
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 1
- 239000006101 laboratory sample Substances 0.000 description 1
- 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
- 238000007620 mathematical function Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000010445 mica Substances 0.000 description 1
- 229910052618 mica group Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000010004 neural pathway Effects 0.000 description 1
- 210000000118 neural pathway Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 239000006072 paste Substances 0.000 description 1
- 239000008188 pellet Substances 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 239000008194 pharmaceutical composition Substances 0.000 description 1
- 239000000825 pharmaceutical preparation Substances 0.000 description 1
- 229940127557 pharmaceutical product Drugs 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000013031 physical testing Methods 0.000 description 1
- 238000013439 planning 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
- 238000004886 process control Methods 0.000 description 1
- 238000003672 processing method 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
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 150000004760 silicates Chemical class 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 239000000454 talc Substances 0.000 description 1
- 229910052623 talc Inorganic materials 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 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
- 239000002699 waste material Substances 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
-
- 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
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
-
- 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
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0426—Programming the control sequence
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32287—Medical, chemical, biological laboratory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本教导涉及一种用于改进用于在包括至少一个设备和一个或多个计算单元的工业工厂处制造化学产品的生产过程的方法,并且该产品是通过处理至少一种输入材料来制造的,该方法包括:提供与化学产品相关的至少一个期望性能参数,确定用于控制化学产品的生产的一组控制设置;其中,控制设置是使用记分器模块来确定的,该记分器模块被配置为从存储器存储装置中选择至少一个历史对象标识符,其中,历史对象标识符已经附加到用于制造过去一个或多个化学产品的历史过程参数和/或操作设置。本教导还涉及用于改进生产过程的***、用途和软件程序。
Description
技术领域
本教导大体涉及计算机辅助的化学生产。
背景技术
在工业工厂中,输入材料被处理以制造一种或多种产品。因此,制造的产品的特性依赖于制造参数。通常希望将制造参数与产品的至少一些特性相关联,用于确保产品质量或生产稳定性。
在加工(process)工业或诸如化学或生物生产工厂的工业工厂内,使用用于生产一种或多种化学或生物产品的生产过程来处理一种或多种输入材料。加工工业中的生产环境可能是复杂的,因此产品的特性可能根据影响所述特性的生产参数的变化而变化。通常,特性对生产参数的依赖性可能是复杂的,并且与对特定参数的一个或多个组合的进一步依赖***织在一起。在一些情况下,生产过程可能分为多个阶段,这可能进一步加剧问题。因此,生产具有一致和/或可预测质量的化学或生物产品可能具有挑战性。
为了保持化学产品的质量一致,可以执行质量控制。质量控制通常涉及在生产过程之后或期间收集化学产品的一个或多个样本。然后对样本进行分析,并且然后根据需要可以采取校正动作。为了有效,样本可能需要定期收集并且应代表化学产品的统计变化。取决于该生产过程中发生变化的频率,可能要求质量控制的频率对准。因此,质量控制可能是昂贵且耗时的。
此外,与离散处理相比,化学或生物处理(例如连续、活动或批处理)可能会提供可能难以整合的大量时间序列数据。此外,为工厂操作员和/或机器学习中的整合或使用提供有意义的数据可能具有挑战性。
因此,需要可以帮助改进价值链上的质量和生产稳定性的方法,理想地从桶(barrel)到最终产品。
发明内容
现有技术固有的问题中的至少一些将通过随附的独立权利要求的主题来解决。在从属权利要求中将概述进一步有利的替代方案中的至少一些。
当从第一角度来看时,可以提供一种用于改进用于在工业工厂处制造化学产品的生产过程的方法,该工业工厂包括至少一个设备和一个或多个计算单元,并且通过使用该生产过程经由该设备处理至少一种输入材料来制造该产品,该方法包括:
-在计算单元中的任一个计算单元处,提供与化学产品相关的至少一个期望性能参数;
-经由计算单元中的任一个计算单元,确定用于控制化学产品的生产的一组控制设置;其中,控制设置是使用记分器(scorer)模块来确定的,该记分器模块被配置为基于期望性能参数和所确定的性能参数从存储器存储装置中选择至少一个历史对象标识符,
其中,历史对象标识符已附加了用于制造过去的一个或多个化学产品的历史过程参数和/或操作设置;其中,使用历史过程参数和/或操作设置来确定该组控制设置。
该组控制设置可用于或适合于在工业工厂处制造化学产品。
申请人已经意识到,通过处理包括来自一个或多个历史对象标识符的数据的历史数据,可以用于确定该组控制设置。特别地,由于来自过去制造的产品的历史数据与其对应的对象标识符可追溯地链接,因此可以通过记分器模块选择来利用这样的历史对象标识符,用于实现期望的化学产品。由于高度相关的数据,即用于制造该部分化学产品的历史过程参数和/或操作设置已被附加到其相应的对象标识符,因此此类历史对象标识符保留了高度相关数据的快照,这些数据导致生产具有所确定的性能参数的化学产品。因此,可以有效地引用和利用此类高度相关性数据,以生产具有期望性能参数的化学产品。所确定的性能参数可能已经被附加到相应的历史对象标识符,或者它可能在其外部,这将在以下公开中变得清楚。换句话说,记分器模块可以在选择对应的历史对象标识符之前已经具有所确定的性能参数的值,或者记分器模块可以从其对应的历史对象标识符中检索或查询已确定的性能参数以执行选择。
应当理解,甚至可以指定化学产品具有多于一个期望性能参数。记分器模块可以利用历史数据,使得可以实现至少一个期望性能参数和它们对应的已确定性能参数的最佳适合。简单来说,记分器模块可以计算分数,该分数是期望性能参数与其对应的已确定性能参数之间的差。因此,可以选择最佳匹配,例如,具有最接近期望性能参数的已确定性能参数的历史对象标识符。
附加地或替代地,记分器模块可以基于分数函数来选择一个或多个历史对象标识符。分数函数可以提供品质因数(“FoM”)值。作为非限制性示例,FoM可以是收益(benefit)与成本函数。在此上下文中,“收益”可以是期望的任何参数,例如一个或多个性能参数。类似地,“成本”可以是应当最小化的至少一个参数。例如,FoM可以是(PP1)/(生产时间),在这个例子中,它可以被理解为根据相对于处理时间的期望性能参数PP1的成本收益函数。在一些情况下,可能需要最大化此FoM,以便选择提供高FoM值的一个或多个历史对象标识符。这种FoM可以表示可用于生产化学产品的优化生产过程。在一些情况下,可以对“收益”(例如,期望性能参数)和/或“成本”(例如,处理时间)施加附加的边界条件、约束或限制,例如收益部分的某个最小值。因此可以相应地为FoM指定优化窗口。
应当理解,FoM甚至可以是更综合的函数,例如,(PP1.PP2)/(添加剂材料的量),或(PP2+PP3)/(处理时间.添加剂材料的量)。在这些非限制性示例中,用于生产化学产品的添加剂材料的量根据性能参数PP1和PP2之间的给定关系进行评估。
甚至可以使用任何合适的数学函数,包括任何一个或多个运算,诸如加、减、乘、积分或除,利用参数的归一化值来指定FoM。归一化可用于调整FoM中使用的参数的比例,或调整特定参数对FoM值的影响。一个或多个比例因子甚至可以应用于FoM函数中的任何一个或多个参数。在不背离教导精神的情况下,FoM函数可以表示一个值,该值可以是最大化时的最佳值,也可以是最小化时的值。因此,基于FoM的选择可以允许从存储器存储装置确定优化的控制设置,以实现根据特定标准优化的化学产品,而这些标准不需要成为历史对象标识符的一部分。一个优点是,这可以允许确定针对给定条件提供最佳性能或成本与收益之间的最佳折衷的控制设置。
替代地或附加地,在存在多于一个期望性能参数的情况下,记分器模块可以使用记分函数根据最佳适合标准来选择一个或多个历史对象标识符。最佳适合标准例如可以是基于依赖于不同性能参数的加权函数的分数。作为非限制性示例,加权函数分数可以使用诸如A.PP1+B.PP2+C.PP3的分数函数来计算;其中A、B和C是权重因子或比例因子,PP1-PP3是性能参数,即期望性能参数或所确定的性能参数。在这种情况下,可以通过任何计算单元计算期望分数和确定分数,然后记分器模块可以选择具有最接近期望分数的确定分数的一个或多个历史对象标识符。应当理解,可以通过在分数函数中使用期望性能参数来计算期望分数,类似地,可以在分数函数中使用对应的确定性能参数来计算确定分数。
分数函数中的权重因子可能彼此不同,或者某些因子可能与其他一些因子相等。例如,A可以等于B,但不等于C。本领域技术人员将理解,在不偏离本教导的一般性或范围的情况下,加权因子的数量可以是两个或者它们可以是三个以上,尽管在此示例中显示了三个因子。类似地,加权分数可能是与上面所示不同的函数。例如,某些性能参数可以根据它们各自的影响或优先级和/或极性(polarity)来乘以和/或除以和/或减去以获得期望的化学产品。
根据一个方面,该方法包括:
-使用一组控制设置来控制生产过程。
因此根据所确定的控制设置控制生产过程。经由设备和/或任何计算单元来执行控制。
根据一个方面,该方法包括:
-经由接口,提供包括输入材料数据的上游对象标识符;其中,输入材料数据指示输入材料的一种或多种特性。
因此提供了包括输入材料数据的对象标识符,其可以具有以下将变得清楚的几个优点。例如,可以通过对象标识符提供输入材料数据,这可以允许在整个生产链中跟踪输入材料及其衍生物,包括化学产品。对象标识符因此也可以用作历史对象标识符,其可以用于确定用于未来生产的控制设置。
根据一个方面,该方法包括:
-在任何计算单元处接收来自设备的实时过程数据;其中实时过程数据包括实时过程参数和/或设备操作条件。
实时过程数据因此从设备被接收,这可以如将描述的那样被利用。
根据一个方面,该方法包括:
-经由任何计算单元确定实时过程数据的子集;实时过程数据的子集指示处理输入材料的过程参数和/或设备操作条件。
因此,确定与正在处理的输入材料相关的实时处理数据的子集。与正在处理的输入材料无关的数据因此被排除在外。因此,子集表示实时过程数据的高度相关部分,其至少部分负责将输入材料转化为化学产品。由于子集指的是处理输入材料的过程参数和/或设备操作条件,所以子集中的诸如信号的组成部分(component)可以根据这些组成部分是否与输入材料的处理相关而改变。因此,可以根据输入材料所经历的处理步骤向子集添加和/或从子集中移除一种或多种组成部分。子集因此不仅可以是实时变化的数据,而且它可以相对于包括在子集中的诸如参数或信号的组成部分随时间变化。这在输入材料在不同时间经历不同处理步骤的生产过程中特别有益。在批处理或活动处理等生产处理中,子集的优势可以进一步显现。
实时过程数据的子集可以例如基于对象标识符和区域存在信号来确定。区域存在信号可以指示在生产过程期间输入材料在特定设备区域处的存在。
此处公开的任何方法步骤可以由相同的计算单元或彼此可操作地耦合的不同计算单元来执行,例如,如果其中一个单元接收过程数据,则另一个可以做出子集的确定。在这种情况下,操作耦合可以例如经由由计算单元共享的一个或多个存储器位置或存储器存储装置。附加地或替代地,计算单元可以经由一个或多个数据总线或信号可操作地耦合。应当理解,在存在“一个”计算单元而不是一个或多个计算单元的情况下,方法步骤可以由该计算单元执行。因此,在本公开中,“计算单元中的任何一个”和“一个计算单元”可以互换使用,而不排除任何步骤可以由同一计算单元或任何一个或多个计算单元完成。
根据一个方面,该方法包括:
-将实时过程数据的子集附加到对象标识符。
相应地,与输入材料相关的实时过程数据被附加到对象标识符。因此,任何计算单元都可以确定哪些实时过程数据与输入材料相关,并将以实时过程数据的子集形式的相关数据附加到对象标识符。是高度相关性的数据集的实时过程数据的子集因此可以用对象标识符封装,这不仅可以提高化学产品的可追溯性和跟踪性,而且数据可以用于未来的生产,例如,用于确定未来的控制设置。该子集因此例如作为元数据被附加到与特定输入材料相关的特定对象标识符。这协同地允许高度相关的过程数据与至少部分负责将输入材料转化为化学产品的输入材料数据一起封装。因此,基本上在运行中,高相关性数据也通过对象标识符被捕获。此外,已经附加有实时过程数据的子集的对象标识符,或附加的对象标识符,对于机器学习(“ML”)应用也是非常有用的。
根据一个方面,该方法包括:
-将分数函数和/或从分数函数计算的分数值附加到对象标识符。
因此,用于确定控制设置的分数函数和/或从分数函数计算的分数值也被可追踪地存储、耦合到对象标识符。
确定的性能参数可以通过分析相应的过去的化学产品来确定。例如,对于过去的化学产品进行分析,例如,使用实验室分析或试验来确定所确定的性能参数。在这方面,对象标识符可以提供这样的后期生产确定的数据可以容易地附加到对应的对象标识符的协同优势。数据因此得到丰富,可以在后期轻松利用。生产过程和质量控制的透明度也因此得到提高,相关数据可以与正确的材料和/或化学产品相关联。类似地,所确定的性能参数甚至可以通过化学产品的用户提供,例如经由客户反馈。例如,客户可以是使用过化学产品的下游工业工厂,例如用于下游生产过程。
根据一个方面,该方法包括:
-将所确定的性能参数附加到对象标识符。
因此,对象标识符得以被所确定的性能参数丰富。因此,这样的对象标识符可以由记分器模块选择。对象标识符甚至可以附加不同的确定的性能参数。在一些情况下可以使用一些或所有确定的性能参数来计算期望的分数。
根据一个方面,所确定的性能参数中的任何一个或多个是使用模型来确定的。该模型可以至少部分地包括在对象标识符中和/或该模型可以至少部分地在对象标识符之外。该模型因此可以与对象标识符相关联。
根据一个方面,所确定的性能参数是基于实时过程数据的子集和历史数据来计算的。因此,附加地或替代地,可以基于实时过程数据的子集和历史数据来计算所确定的性能参数中的任何一个或多个。
因此,可以利用历史过程数据来计算一个或多个确定的性能参数。历史过程数据优选地指示那些过程参数和/或设备操作条件,在过去根据这些过程参数和/或设备操作条件处理先前的一个或多个输入材料。历史过程数据可能涉及相同的设备或设备区域,或另一个设备或设备区域。
根据一个方面,该模型至少部分是已经使用历史过程数据进行训练的机器学习(“ML”)模型。
根据一方面,历史过程数据包括来自与过去处理的一个或多个输入材料相关的一个或多个历史对象标识符的数据。来自至少一个历史对象标识符的数据可以包括已经以与实时过程数据的子集类似的方式确定的历史过程数据的一个或多个子集。因此,历史过程数据可以包括一个或多个过去的过程数据的子集,这些子集已经被附加到相应的历史对象标识符。在一些情况下,一个或多个历史对象标识符可能来自其他设备或具有类似生产的区域,在其中处理过去的输入材料,因此来自此类区域的历史对象标识符也可能是可用的。
因此,可以利用历史对象标识符来构建过去在运行中收集的更有效的训练数据集。这可以简化历史数据的应用,使其更简单、更有效,例如,对于ML技术。历史过程数据甚至可以包括过去计算的过去确定的性能参数。这可以进一步改进所确定的性能参数的计算和/或响应于实时过程数据的子集在生产期间对至少运行中的性能参数的预测。
在一些情况下,历史对象标识符中的至少一个还可以附加过去的一个或多个确定的性能参数。如前所述,过去的性能参数可能已经基于过去或历史过程数据的子集被计算,和/或它们可能已经通过对相应化学产品或其样品执行的物理测试或分析来确定。因此,也可以利用过去的测试或采样数据来计算控制设置或甚至计算输入材料的至少一个确定的性能参数。
因此,一个或多个历史对象标识符包括它们的过程数据的子集,可以利用其将关系与性能参数以及对应的过去输入材料的特性相关联。
还应当理解,至少一个、更优选一些、甚至更优选大多数、更优选每个历史对象标识符已经被附加有,或者它封装了相应的先前输入材料被处理以产生或处理相应的化学产品的相关过程数据。因此,本文公开的历史数据是高度相关但简明的数据集,其可用于执行在生产期间一个或多个状态以及在某些情况下的性能参数的计算。因此,除了所讨论的优点之外,它不仅可以提高化学产品的可追溯性,还可以简化化学产品的质量控制或监测。更多内容将在本公开中进一步讨论。
由于来自对象标识符的数据可以高度集中地概述输入材料到化学产品的转换,因此此类数据集可以非常简洁,从而可以允许快速处理并降低的计算能力。优势包括更快的ML模型训练时间、更快的数据集成、适用于边缘处理和云计算应用。
当设备包括多个物理上分离的设备区域时,本教导的好处可以进一步增加。在这种情况下,子集可以在材料沿着生产过程前进时跟踪输入材料。因此,状态的计算可以动态跟踪生产过程中的输入材料。
根据一个方面,至少一些历史对象标识符可以用随机化的操作设置来生成。例如,可以使用一个或多个控制设置中的至少部分随机化的变化来生产不同的过去的化学产品。因此,每个随机化的历史对象标识符都附加有它们对应的过程数据的子集。至少一些这样的随机化的化学产品可以被分析,并且它们每个的一个或多个确定的性能参数被附加到它们对应的随机化的历史对象标识符。换句话说,每个这样的随机化的生产过程都可以运行,同时在有意地引入不同的过程参数和/或设备操作条件,以便在随机化的化学产品之间强制进行确定性能参数的有意分布。这种变化可以为记分器模块带来更好的选择和/或粒度。
因此,存储器存储装置可以存储或包括多个历史对象标识符,每个历史对象标识符与相应的历史化学产品相关,其中至少一些历史化学产品是使用相对于彼此的随机化的操作设置来生产的。
本领域的技术人员将理解,上述随机化本身是新颖的和创造性的。因此,从另一个角度来看,还可以提供一种用于改进用于在工业工厂处制造化学产品的生产过程的方法,该工业工厂包括至少一个设备和一个或多个计算单元,并且该产生是通过使用该生产过程由设备处理至少一个输入材料而制造的,该方法包括:
-经由接口,提供包括输入材料数据的对象标识符;其中,输入材料数据指示输入材料的一种或多种特性,
-经由计算单元中的任一个计算单元,提供一个或多个控制设置的随机化变化;控制设置是用于控制生产过程,
-在计算单元中的任一个计算单元处,从设备接收实时过程数据;其中,实时过程数据包括实时过程参数和/或设备操作条件,
-经由计算单元中的任一个计算单元,确定实时过程数据的子集;实时过程数据的子集指示处理输入材料的过程参数和/或设备操作条件,
-将实时过程数据的子集附加到对象标识符。
可以使用与一个或多个控制设置相同或不同的不同随机化变化来重复该方法。由此产生的对象标识符或随机化的对象标识符因此对可以利用的相关过程数据进行分类。可以确定所产生的化学产品、和/或生产期间的材料、一个或多个性能参数,例如,用作确定的性能参数——使用所讨论的模型和/或通过测试或试验。从这些对象标识符,或在这种情况下随机化的对象标识符,记分器模块可以用于选择一个或多个历史随机化的对象标识符,类似于所讨论的。存储器存储装置甚至可以包括历史对象标识符和如解释生成的随机化的历史对象标识符的混合。
根据一方面,使用区域存在信号来确定实时过程数据的子集。区域存在信号可以指示在生产过程期间输入材料在设备的特定位置处的存在。例如,位置可以是设备内的特定设备区域。
可以通过执行区域时间变换经由计算单元生成区域存在信号,该区域时间变换将与输入材料相关的至少一个特性映射到特定位置或设备区域。例如,与输入材料相关的特性可以是输入材料的重量,使得通过生产过程的知识,例如经由实时过程数据,可以确定输入材料或在生产过程期间所生产的其衍生材料的存在。作为示例,如果在上游设备区域中具有一定重量的输入材料在生产过程期间穿过下游设备区域,则下游区域处的重量测量,例如,在预定时间处或在预定时间内,可以用于生成用于下游区域的区域存在信号。类似地,输入材料或其衍生材料穿过生产的流量(flow)值,例如质量流量或体积流量,可以是用于生成区域存在信号的特性。进一步地,作为示例,输入材料沿着位置或设备区域行进的速率(speed)或速度(velocity)可用于确定输入材料或其对应的衍生材料在给定时间处的空间或位置。替代地或者附加地,与输入材料相关的特性的其他非限制性示例是体积、填充值、级别、颜色等。
申请人已经发现,通过将实时过程数据映射到空间数据来生成区域存在信号是有利的,该实时过程数据在生产环境中是时间相关的数据,例如时间序列数据,从而使用表示输入材料的数字流元素来映射真实生产流。例如,可以经由对象标识符来跟踪输入材料的数字流,并且时间相关的实时过程数据中的出现可以用于沿着生产过程定位材料。因此,经由已经测量的时间和实时过程数据,即通过使用过程数据的时间维度来跟踪或定位材料,其与输入材料沿着生产链的流动的时间维度相关。
区域存在信号可以是间歇性的,例如在规则或不规则时间处经由任何计算单元计算,或者它可以是连续的或连续生成的。这可以具有以下优点:与相应对象标识符相关联的材料可以连续地或基本上连续地位于生产链内,并且从而使能附加与材料及其转换为化学产品高度相关的数据。例如,可以进行规则或不规则时间处的计算,以检查在生产链内的某些检查点处的材料的存在。这可以通过实时过程数据中的出现来补充,例如,通过一个或多个传感器,如下文将概述的。
由于在化学生产中,与时间维度相关的操作参数(例如停留时间和流速)是已知的,因此区域时间转换可以是时间标度上的简单映射。可替代地,可以使用基于过程模拟的更复杂的模型用于匹配实时过程数据和材料流动的时间标度。在任何情况下,过程数据的时间标度可以比材料的流动更精细,以便将过程数据参数更精细地归因于材料的流动。
附加地或者替代地,区域存在信号可以至少部分地经由与特定位置或区域相关的传感器来提供。例如,重量传感器和/或图像传感器可用于检测输入材料或衍生材料在空间处或特定位置或设备区域中的存在。
根据一个方面,该设备包括多个物理上分离的设备区域,使得当输入材料从一个区域横穿到另一个区域时,该子集根据输入材料的位置动态地改变。因此,实时过程数据的子集可以理解为在生产过程中跟随输入材料的相关数据流。控制设置可能相对于经由记分器模块所确定的那些至少在一个区域中改变或不改变。然而,在一些情况下,记分器模块可能以更闭环的方式工作,因此可以使用一个或多个性能参数调整控制设置或确定另一组控制设置,在生产过程中使用实时数据的子集计算,作为确定的性能参数。这可以导致对生产过程进行更具粒度的控制。
“设备”可以是指工业工厂内的任何一项或多项资产。作为非限制性示例,设备可以是指以下各项中的任何一项或多项或它们的任何组合: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;输送元件,诸如输送机***;热交换器,诸如加热器、熔炉、冷却单元、反应器、混合器、磨机、切碎机、压缩机、切片机、挤出机、干燥器、喷雾器、压力室或真空室、管、堆、料仓(silo)以及直接或间接用于工业工厂生产或在工业工厂生产期间使用的任何其他种类的装置。优选地,设备是指直接或间接参与生产过程的那些资产、装置或组件。更优选地,能够影响化学产品的性能的那些资产、装置或组件。设备可以是缓冲的,或者它们可以是非缓冲的。而且,设备可能涉及混合或不混合、分离或不分离。没有混合的非缓冲设备的一些非限制性示例是输送机***或皮带、挤出机、造粒机和热交换器。没有混合的缓冲设备的一些非限制性示例是缓冲料仓、堆等。具有混合的缓冲设备的一些非限制性示例是具有混合器的料仓、混合容器、切割机、双锥混合器、固化管等。具有混合的无缓冲设备的一些非限制性示例是静态或动态混合器等。具有分离的缓冲设备的一些非限制性示例是柱、分离器、提取、薄膜蒸发器、过滤器、筛网等。设备甚至可以是,或者它可包括存储或包装元件,诸如八仓填充、滚筒、袋子、罐车。
“设备区域”是指物理分离的区域,这些区域是同一设备的一部分,或者区域可以是用于制造化学产品的不同设备。因此,区域在物理上位于不相同的位置。位置可以是横向和/或垂直地不相同的地理位置。因此,输入材料从上游设备区域开始并向下游穿过,朝向上游设备区域下游的一个或多个设备区域。因此,生产过程的各种步骤可以分布在区域之间。
在本公开中,术语“设备”和“设备区域”可以互换使用。
“设备操作条件”是指表示设备的状态的任何特性或值,例如,设定点、控制器输出、生产顺序、校准状态、任何设备相关警告、振动测量、速度、温度、污垢(fouling)值(诸如过滤器压差、维护日期等)中的任何一个或多个。
术语“上游”应理解为在与生产流程相反的方向上。例如,生产过程开始的第一设备区域是上游设备区域。然而,在本公开中,术语被用作其含义内的相对意义。例如,位于第一设备区域和最后设备区域之间的中间设备区域也可以被称为用于最后设备区域的上游区域,以及用于第一设备区域的“下游”设备区域。因此,最后设备区域是用于第一设备区域和用于中间设备区域的下游区域。类似地,第一设备区域和中间设备区域在最后设备区域的上游。
“工业工厂”或“工厂”可以是指但不限于用于制造、生产或处理一种或多种工业产品的工业目的的任何技术基础设施,即制造或生产过程或由工业工厂执行的处理。工业产品可以是例如任何物理产品,诸如化学品、生物制品、药品、食品、饮料、纺织品、金属、塑料、半导体。附加地或者替代地,工业产品甚至可以是服务产品,例如恢复或废物处理,诸如回收、化学处理,诸如分解或溶解成一种或多种化学产品。因此,工业工厂可以是化工厂、加工厂、制药厂、化石燃料处理设施(诸如油井和/或天然气井)、炼油厂、石油化学工厂、裂化厂等中的一个或多个。工业工厂甚至可以是酒厂、处理厂或回收厂中的任何一个。工业工厂甚至可以是上文给出的任何示例或其类似物的组合。
基础设施可包括设备或过程单元,诸如热交换器、柱(诸如分馏柱)、熔炉、反应室、裂化单元、储罐、挤出机、造粒机、沉淀器、搅拌器、混合器、切割器、固化管、蒸发器、过滤器、筛网、管线、烟囱、过滤器、阀门、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、输送元件,诸如输送机***、电机等。
进一步地,工业工厂通常包括多个传感器和至少一个控制***,用于控制工厂中与过程或过程参数相关的至少一个参数。这样的控制功能通常由控制***或控制器响应于来自传感器中的至少一个的至少一个测量信号来执行。工厂的控制器或控制***可以实现为分布式控制***(“DCS”)和/或可编程逻辑控制器(“PLC”)。
因此,工业工厂的设备或处理单元中的至少一些可以被监测和/或控制用于生产工业产品中的一种或多种。监测和/或控制甚至可以进行用于优化一种或多种产品的生产。响应于来自一个或多个传感器的一个或多个信号,可以经由诸如DCS的控制器来监测和/或控制设备或过程单元。另外,工厂甚至可包括至少一个可编程逻辑控制器(“PLC”),用于控制一些过程。工业工厂通常可包括多个传感器,该传感器可以分布在工业工厂中用于监测和/或控制目的。这样的传感器可以生成大量的数据。传感器可以被认为是或可以不被认为是设备的一部分。因此,生产,诸如化学和/或服务生产,可以是数据密集环境。因此,每个工业工厂可能产生大量的过程相关数据。
本领域技术人员将理解到,工业工厂通常可包括可包括不同类型的传感器的仪器。传感器可用于测量一个或多个过程参数和/或用于测量设备操作条件或与设备或过程单元相关的参数。例如,传感器可用于测量过程参数,诸如管线内的流率、罐内的液位、熔炉的温度、气体的化学组成等,并且一些传感器可用于检测粉碎机的振动、风扇的速度、阀门的打开、管线的腐蚀、跨变压器的电压等。这些传感器之间的差异不能仅基于它们感测到的参数,而是它甚至可能是相应传感器使用的感测原理。基于传感器感测的参数的传感器的一些示例可包括: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(诸如气体)的传感器。在它们采用的感测原理方面不同的传感器的示例可以例如是:压电传感器、压阻传感器、热电偶、诸如电容传感器和电阻传感器的阻抗传感器等等。
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”是一个广义的术语,并且应赋予本领域普通技术人员其普通和惯用的含义,而不限于特殊或定制的含义。术语具体地可以是指但不限于具有至少一个共同工业目的的至少两种工业工厂的化合物。具体地,多个工业工厂可包括物理和/或化学耦接的至少两个、至少五个、至少十个或甚至更多的工业工厂。多个工业工厂可以耦接,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、排放物和/或产品中的一个或多个。多个工业工厂也可以称为复合物、复合物站点、一体化(Verbund)或一体化站点。此外,多个工业工厂经由各种中间产品到最终产品的价值链生产可以分散在各种位置中,诸如在各种工业工厂中,或者集成在一体化站点或化学园区中。这种一体化站点或化学园区可以是或可以包括一个或更多工业工厂,其中在至少一个工业工厂中制造的产品可以用作另一个工业工厂的原料。
“生产过程”是指在输入材料上使用或应用时提供化学产品的任何工业过程。因此,经由生产过程通过直接或经由一种或更多种衍生材料转换输入材料以产生化学产品来提供化学产品。因此,生产过程可以是任何制造或处理过程,或用于获得化学产品的多种过程的组合。生产过程甚至可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结合。
术语“制造”、“生产”或“处理”将在生产过程的上下文中互换使用。该术语可以涵盖工业过程的任何种类的应用,该工业过程包括产生一种或更多种化学产品的输入材料的化学过程。
本公开中的“化学产品”可以指任何工业产品,诸如化学、药物、营养、化妆品或生物产品,或甚至它们的任何组合。化学产品可以完全由天然组分组成,或者它可以至少部分地包括一种或更多种合成组分。化学产品的一些非限制性示例是有机或无机组合物、单体、聚合物、泡沫、杀虫剂、除草剂、肥料、饲料、营养产品、前体、药物或治疗产品,或它们的组分或活性成分中的任何一种或更多种。在一些情况下,化学产品甚至可以是最终用户或消费者可用的产品,例如化妆品或药物组合物。该化学产品甚至可以是可用于制造另外一种或更多种产品的产品,例如,该化学产品可以是可用于制造鞋底的合成泡沫,或可用于汽车外饰的涂料。化学产品可以以任何形式,例如,以固体、半固体、糊状物、液体、乳液、溶液、丸粒、颗粒、珠粒、诸如热塑性聚氨酯(“TPU”)颗粒的颗粒或粉末的形式。
因此,化学产品可能难以追踪或跟踪,特别是在其生产过程期间。在生产期间,诸如输入材料的材料可以与其它材料混合,和/或输入材料可以在生产链的下游分成例如用于以不同的方式处理的不同的部分。输入材料可以转换不止一次,例如在转换为化学产品之前转换为一种或更多种衍生材料。有时,化学产品可能会拆分并包装在不同的包装中。尽管在一些情况下可以对包装的化学产品或其部分进行标记,但可能很难附上负责生产该特定化学产品或其部分的生产过程的细节。在许多情况下,输入材料和/或化学产品可能处于难以在物理上对其进行标记的形式。因此,本教导也可以提供了也可用于克服这种限制的一种或更多种对象标识符的方式。
生产过程在活动中可以是连续的,例如,当基于需要回收的催化剂时,它可以是分批化学生产过程。这些生产类型之间的一个主要区别在于在生产期间生成的数据中出现的频率。例如,在批量过程中,生产数据从生产过程的开始延伸到该运行中已生产的不同批次的最后一批。在连续设定中,数据随着生产操作中的潜在变化和/或维护驱动的停机时间而更加连续。发现本教导在分批过程或类似于分批过程的过程中特别有利。
“过程数据”是指包括值的数据,例如数字或二进制信号值,其在生产过程期间例如经由一个或更多传感器测量。过程数据可以是过程参数和/或设备操作条件中的一个或更多的时间序列数据。优选地,过程数据包括过程参数和/或设备操作条件的时间信息,例如,数据包含与过程参数和/或设备操作条件相关的至少一些数据点的时间戳。更优选地,过程数据包括时空数据,即时间数据和与物理上分离的一个或更多设备区域相关的位置或数据,使得时空关系可以从数据中导出。
“实时过程数据”是指在使用生产过程处理特定输入材料的同时测量到的或本质上处于瞬态的过程数据。例如,输入材料的实时过程数据是来自使用生产过程处理输入材料或大约与使用生产过程处理输入材料同时的过程数据。在这里,大约同时意味着几乎没有或没有时间延迟。术语“实时”在计算机和仪器的技术领域中被理解。作为具体的非限制性示例,对输入材料执行的生产过程期间的生产发生与被测量或读出的过程数据之间的时间延迟小于15秒,具体地不超过10秒,更具体不超过5秒。对于高吞吐量处理,延迟小于一秒,或小于几毫秒,或甚至更低。因此,实时数据可以理解为在输入材料的处理期间生成的时间相关的过程数据流或时间序列数据流。
“过程参数”可以指任何生产过程相关变量,例如温度、压力、时间、液位等中的任何一个或更多。
“输入材料”可指用于生产化学产品的至少一种原料或未处理材料。输入材料可以是任何有机或无机物质,或甚至是它们的组合。因此,输入材料甚至可以是混合物或者它可以包含任何形式的多种有机和/或无机组分。在一些情况下,输入材料甚至可能是中间处理材料,例如来自上游处理设施或工厂的材料。
输入材料的一些非限制性示例可以是以下中的任何一种或更多种:聚醚醇、聚醚二醇、聚四氢呋喃、聚酯二醇(例如基于己二酸和丁烷-1,4-二醇)、异氰酸酯、填充材料-有机物或无机材料,诸如木粉、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、滑石粉、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、二氧化硅、石英粉、气相二氧化硅、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示例,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”),其经历生产过程的至少一部分以获得热塑性聚氨酯。应当理解,输入材料因此在一个或更多设备区域中被化学处理以获得热塑性聚氨酯,其在一些情况下可以是衍生材料。衍生材料进一步被处理以获得化学产品。例如,热塑性聚氨酯(“TPU”)可以在一个或更多另外的设备区域中进一步处理以获得发泡热塑性聚氨酯(“ETPU”)。例如,ETPU可以是化学产品。然而在一些情况下,TPU本身甚至可以是被送到下游客户或设施以进行进一步处理的化学产品。
“输入材料数据”是指与输入材料的一种或更多种特征或特性相关的数据。因此,输入材料数据可以包括指示输入材料的特性(诸如数量)的任何一个或更多值。可替代地或另外地,指示数量的值可以是输入材料的填充度和/或质量流量。该值优选地经由可操作地耦合到设备或包括在设备中的一个或更多传感器来测量。可替代地或另外地,输入材料数据可以包括与输入材料相关的样本/测试数据。可替代地或另外地,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、组成、粘度、温度、重量、体积等中的任何一个或更多。替代地或附加地,输入材料数据可以包括与输入材料相关的性能数据。在一些情况下,当输入材料以已经存在与输入材料相关联的预先生成的对象标识符的方式产生时,则输入材料数据可以包括来自预先生成的对象标识符的数据的一部分。例如,输入材料数据然后可以包括对预先生成的对象标识符的引用或链接,或者甚至在一些情况下包括来自预先生成的对象标识符的过程数据的至少一部分。
必须提到的是,正在由基础化学生产环境的处理设备处理的输入材料分为物理或现实世界的包装,以下称为“包装对象”(或分别为“物理包装”或“产品包装”)。这种包装对象的包装大小可以例如通过材料重量或材料量固定,或者可以基于重量或量来确定,为此处理设备可以提供相当恒定的过程参数或设备操作参数。这种包装对象可以借助于配料单元从输入的液体和/或固体原材料产生。
这种包装对象的后续处理借助于对应的数据对象进行管理,该数据对象包括所谓的“对象标识符”,该对象标识符经由与上述设备耦合或甚至是该设备的一部分的计算单元分配给每个包装对象。包括基础包装对象的对应的“对象标识符”的数据对象被存储在计算单元的存储器存储元件中。
数据对象可以响应于经由设备提供的触发信号,优选地响应于布置在设备单元中的每个设备单元处的对应传感器的输出而生成。如上所述,基础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更多过程参数和/或用于测量设备操作条件或与设备或过程单元相关的参数的传感器。
所提到的“对象标识符”,更具体地,是指输入材料的数字标识符。对象标识符优选地由计算单元生成。对象标识符的提供或生成可以由设备触发,或者响应于例如来自设备的触发事件或信号而触发。对象标识符存储在可操作地耦合到计算单元的存储器存储元件中。存储器存储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。因此,对象标识符甚至可以是数据库的一部分。对象标识符因此被携带或至少参考已经使用输入材料生产的化学产品。类似地,历史上游对象标识符对应于较早处理的特定历史输入材料。应当理解,可以通过任何合适的方式提供对象标识符,例如它可以被传送、接收或者它可以被生成。
“计算单元”可以包括或者它可以是具有一个或更多处理核心的处理部件或计算机处理器,诸如微处理器、微控制器等。在一些情况下,计算单元可以至少部分地是设备的一部分,例如它可以是诸如可编程逻辑控制器(“PLC”)或分布式控制***(“DCS”)的过程控制器,和/或它可以至少部分地是远程服务器。因此,计算单元可以从可操作地连接到设备的一个或更多传感器接收一个或更多输入信号。如果计算单元不是设备的一部分,则它可以从设备接收一个或更多输入信号。可替代地或另外地,计算单元可以控制可操作地耦合到设备的一个或更多致动器或开关。可操作的一个或更多致动器或开关甚至可以是设备的一部分。
因此,计算单元可以能够通过控制致动器或开关和/或末端执行器单元中的任何一个或更多来操纵与生产过程相关的一个或更多参数,例如经由操纵一个或更多设备操作条件。优选地响应于从设备取得的一个或更多信号来进行控制。
“存储器存储装置”可以指用于以数据的形式在合适的存储介质中存储信息的设备。优选地,存储器存储装置是适合于以机器可读的数字形式(例如可经由计算机处理器读取的数字数据)存储信息的数字存储装置。存储器存储装置因此可以被实现为可由计算机处理器读取的数字存储器存储设备。进一步优选地,数字存储器存储设备上的存储器存储装置也可以经由计算机处理器来操纵。例如,记录在数字存储器存储设备上的数据的任何部分可以由计算机处理器部分或全部地采用新数据写入和/或擦除和/或覆盖。
在本上下文中,“末端执行器单元”或“末端执行器”是指作为设备的一部分和/或可操作地连接到设备的设备,并且因此可经由设备和/或计算单元进行控制,目的是与设备周围的环境互动。作为一些非限制性示例,末端执行器可以是切割器、抓取器、喷雾器、混合单元、挤出机尖端等,或者甚至是它们设计用于与环境(例如,输入材料和/或化学产品)互动的相应部分。
当涉及输入材料时,“一种特性”或“多种特性”可以指输入材料的数量、批次信息、指定质量的一个或更多值(诸如纯度、浓度、或输入材料的任何特征)中的任何一种或更多种。
“接口”可以是硬件和/或软件组件,或者至少部分是设备的一部分,或者是另一个计算单元的一部分,例如,经由其提供对象标识符。例如,该接口可以是应用编程接口(“API”)。在一些情况下,该接口还可以连接到至少一个网络,例如,用于连接网络中的两个硬件组件和/或协议层。例如,接口可以是设备和计算单元之间的接口。在一些情况下,设备可以经由网络通信地耦合到计算单元。因此,接口甚至可以是网络接口,或者它可以包括网络接口。在一些情况下,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”是指允许与网络操作性连接的设备或一组一个或更多硬件和/或软件组件。
“连接接口”是指用于建立诸如传输或交换或信号或数据的通信的软件和/或硬件接口。通信可以是有线的,或者它可以是无线的。连接接口优选地基于或支持一种或更多种通信协议。通信协议可以是无线协议,例如:短距离通信协议,诸如或WiFi,或者长距离通信协议,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。可替代地或另外地,连接接口甚至可以基于专有的短距离或长距离协议。连接接口可以支持任何一种或更多种标准和/或专有协议。
在此讨论的“网络”可以是任何合适种类的数据传输介质、有线、无线或其组合。具体种类的网络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到另一个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更多分发点、路由器或其它类型的通信硬件。网络的互连可以借助于物理硬布线、光学和/或无线射频方法形成。网络具体可以是或可以包括完全或部分由硬接线制成的物理网络,诸如光纤网络或完全或部分由导电电缆制成的网络或其组合。该网络可以至少部分地包括互联网。
“性能参数”可以是,或者它可以指示化学产品的任何一种或更多种特性有关。因此,性能参数是应满足一个或更多预定义标准的参数,该标准指示化学产品对特定应用或用途的适用性或适用程度。应当理解,在某些情况下,性能参数可以指示对于化学产品的特定应用或用途缺乏适用性或一定程度的不适用性。作为非限制性示例,性能参数可以是强度(诸如拉伸强度)、颜色、浓度、组成、粘度、刚度(诸如杨氏模量值)、纯度或杂质(诸如百万分率(“ppm”)值)、故障率(例如平均故障时间(“MTTF”))中的任何一项或多项,或任何一个或多个值或值范围,例如通过使用预定义标准的测试确定。因此,性能参数代表化学产品的性能或质量。例如,预定标准可以是一个或多个参考值或范围,化学产品的性能参数与之进行比较,以确定化学产品的质量或性能。预定义的标准可能已经使用一个或多个测试来确定,因此定义了对化学产品的性能参数的要求以适合于一个或多个特定用途或应用。
因此,应当理解,“期望性能参数”可以是指在生产过程中在化学产品和/或用于制造化学产品的材料中期望的性能参数。因此,期望性能参数可以被指定为化学产品应满足的规范或要求的一部分。
类似地,应当理解,“确定的性能参数”可以是指已经以任何合适的方式确定的与过去的化学产品或材料相关的性能参数。正如所讨论的,确定的性能参数可能已经使用实验室测试或试验(例如一个或多个物理和/或化学分析)来确定。附加地或替代地,确定的性能参数可能已经使用如本公开中所讨论的模型来确定或预测。这种预测可能是在对应化学产品的生产过程期间做出的。
确定的性能参数可以可选地附加到它们相应的历史对象标识符。在这种情况下,记分器模块可以搜索或查询例如多个历史对象标识符,以找到一个或多个历史对象标识符,这些历史对象标识符在期望性能参数和它们对应的确定的性能参数之间提供最佳匹配。最佳匹配可以是直接比较,或基于所解释的其他标准,例如,使用分数值、函数FoM或最佳适合。
然而,在一些情况下,一个或多个确定的性能参数在查询历史对象标识符之前可能已经为记分器模块已知。例如,通过测试结果获得的确定的性能参数,或者其由用户确定,等等。这样确定的性能参数在一些情况下可能没有附加到它们对应的历史对象标识符。由于对象标识符允许通过生产链追溯化学产品,因此可以将此类确定的性能参数或生产后数据追溯到它们的对象标识符,例如,经由它们的唯一ID或GUID。在这种情况下,例如,比较或最佳匹配评估可以由记分器模块在查询对应的历史对象标识符之前进行。
根据一个方面,确定的性能参数中的至少一个的计算是使用至少部分是分析计算机模型的模型来执行的。附加地或替代地,该模型可以至少部分地是机器学习(“ML”)模型。可以使用例如来自一个或多个历史上游对象标识符的历史数据来训练ML模型。因此,术语ML模型在本公开中将被理解为是指至少部分是一个或多个机器学习(“ML”)模型的模型。类似地,使用生产过程期间的实时过程数据的子集所计算的任何一个或多个性能参数也可以使用模型或单独的模型来计算。单独的模型可以类似地至少部分地是分析模型和/或一个或多个机器学习(“ML”)模型。
更具体地,在本教导的上下文中,ML模型可以是或者它可包括预测模型,当使用历史数据进行训练时,该预测模型可以产生数据驱动模型。。“数据驱动模型”是指至少部分源自数据的模型,在本例中源自历史数据。与纯粹使用物理化学定律推导的严格模型相比,数据驱动模型可以允许描述物理化学定律无法建模的关系。使用数据驱动模型可以允许描述关系,而无需根据物理化学定律求解方程。这可以降低计算能力和/或提高速度。
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输入与所确定的或所计算的输出之间的关系描述为函数。例如,当子集作为ML模型的输入提供时,模型通过应用函数来计算性能参数中的至少一个作为输出。
因此,在本上下文中,数据驱动模型,优选数据驱动机器学习(“ML”)模型或仅仅是数据驱动模型,是指根据诸如历史处理数据或历史数据的相应训练数据集进行参数化的经训练数学模型以反映与相应生产过程相关的反应动力学或物理化学过程。未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,例如未训练的数学模型不是从提供基于经验观察的科学概括的物理定律推导出的。因此,动力学或物理化学特性可能不是未训练的数学模型所固有的。未训练的模型不反映这种特性。采用相应的训练数据集进行特征工程和训练,可以对未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,优选是数据驱动的ML模型,作为训练过程的结果,优选仅作为训练过程的结果,反映与生产过程有关的反应动力学或物理化学过程。
该模型甚至可能是混合模型。混合模型可指包括第一原理部分的模型,分析模型或所谓的白盒,以及如前所述的数据驱动部分,所谓的黑盒。该模型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推导出。物理化学定律可以包括化学动力学、质量、动量和能量守恒定律、任意维度的粒子群中的一种或更多种。可以根据支配相应生产过程或其部分的物理化学定律来选择白盒模型。黑盒模型可以基于历史数据,例如来自一个或更多历史对象标识符。黑盒模型可以通过使用机器学习、深度学习、神经网络或其它形式的人工智能中的一种或更多种来构建。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相结合来完成模型的模型。
如在此所使用的,术语“机器学习”或“ML”可指使机器能够从数据中“学习”任务而无需显式编程的统计方法。机器学习技术可包括“传统机器学习”——手动选择特征并且然后训练模型的工作流程。传统机器学习技术的示例可包括决策树、支持向量机和集成方法。在一些示例中,数据驱动模型可以包括数据驱动深度学习模型。深度学习是基于人脑的神经通路松散建模的机器学习的子集。深度是指输入层和输出层之间的多个层。在深度学习中,算法自动学习哪些特征有用。深度学习技术的示例可以包括卷积神经网络(“CNN”)、循环神经网络(诸如长短期记忆(“LSTM”))和深度Q网络。
在本公开中,术语“ML模型”和“经训练的ML模型”可以互换使用。尽管将被指示或对于本领域技术人员而言将是清楚的,特定ML模型已经采用哪种数据训练以能够执行预期功能。
如所讨论的,化工生产可以是数据繁重的环境,其从不同的诸如设备的源中产生大量数据。还应当理解,所提出的教导不仅可以确定合适的一组控制设置,而且还使得质量控制方法或***的实现更适合于并且更有效地用于工业工厂(特别是化工厂)中的边缘计算。由于对象标识符提供了高度针对性的相关数据的数据集,因此可以在减少计算资源(诸如处理能力和/或存储器需求)的情况下基本上在现场或即时实现监测(诸如安全和/或质量控制),相关数据用于计算性能参数和/或至少一种状态。还可以减少计算中的延迟,从而确保有足够的时间用于数字运算算法,而不会减慢生产过程。它还可以使ML模型的训练过程更快且更高效。
由于类似的原因,它也使本教导适用于云计算环境或设施,因为数据集可以变得紧凑和高效。许多云服务提供商采用基于计算资源利用率的按使用付费模型操作,因此可以降低成本和/或可以更有效地利用计算能力。
因此,根据一方面,可以使用来自从一个或多个设备区域的一个或多个历史对象标识符的数据来训练该模型,至少部分地训练至少一个ML模型。用于训练ML模型的数据还可包括历史和/或当前实验室测试数据,或者来自化学产品和/或衍生材料的过去和/或最近样本的数据,其形式为确定的性能参数。例如,可以使用来自一个或多个分析的质量数据,诸如图像分析、实验室设备或其他测量技术。
利用历史数据(例如,来自历史对象标识符)训练的至少一个ML模型因此可以用于预测与化学产品相关的一个或多个性能参数。生产过程因此可以通过变得更有效率而得到改进,并且可以实现对生产过程的更好的监测和/或控制。因此,可以去除至少一些手动采样和测试要求,从而节省时间和资源。
因此,为了计算与化学产品相关的一个或多个性能参数,使用历史数据训练的ML模型可以接收实时过程数据子集的至少一部分作为输入,并且优选地还接收输入材料数据。ML模型因此可以提供至少一个性能参数和/或一个或多个状态作为一个或多个计算值。因此,这样的ML模型可用于更密切地监测生产过程。ML模型甚至可以用于在早期阶段标记任何质量控制问题。
在一些情况下,例如,计算单元可以使用相同的模型,诸如ML模型或另一个模型用于确定实时过程数据的哪部分或组件对化学产品具有最主要的影响。因此,计算单元能够排除对至少一个区域特定性能参数具有可忽略影响的那些过程参数和/或设备操作条件。因此,可以针对计算资源进一步优化过程数据的子集。因此,可以针对特定化学产品的相应的对象标识符改进针对特定化学产品附加的实时过程数据的相关性。
根据一个方面,设备包括多个在物理上分离的设备区域,使得在制造或生产过程期间,输入材料从上游设备区域行进到下游设备区域。在一些情况下,输入材料可以在到达下游设备区域之前被分开或例如在量上减少。因此,根据进一步的方面,针对下游设备区域处的输入材料的至少一部分提供下游对象标识符。还应当理解,在一些情况下,输入材料的至少一部分可以称为衍生材料。与所讨论的类似,区域存在信号可用于检测或计算输入材料或衍生材料何时位于下游设备区域,使得计算单元可基于下游对象标识符和区域存在信号确定实时过程数据的另一子集。计算单元因此可以基于实时过程数据的另一子集和另一历史数据和/或其它至少一个状态计算与下游标识符相关的化学产品的另一至少一个性能参数。另一历史数据可以包括来自与例如下游设备区域处先前处理的输入材料相关的一个或更多个历史下游对象标识符的数据。历史下游对象标识符的任一个、一些或每一个可以附加有过程数据的至少一部分,该过程数据指示先前处理的输入材料例如在下游设备区域中处理的过程参数和/或设备操作条件。
类似于上述关于设备的讨论,诸如ML模型的模型也可以应用于任何一个或多个设备区域。
本领域的技术人员将理解,术语“附加”或“用于附加”可以表示包括或附接,例如将不同的数据元素(诸如元数据)保存在相同的数据库中,或在相同的存储器存储元件中,在数据库或存储器存储装置中相邻或不同的位置。该术语甚至可指在相同或不同位置处的一个或更多数据元素、包或流的以使得数据包或数据流可以在需要时被读取和/或获取和/或组合的方式的链接。这些位置中的至少一个位置可以是远程服务器的一部分或甚至至少部分是云服务的一部分。
“远程服务器”是指远离工厂的一台或多台计算机或一台或多台计算机服务器。因此,远程服务器可能位于距工厂几公里或更远的地方。远程服务器甚至可能位于不同的国家。远程服务器甚至可以至少部分地实现为云服务或平台,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多于一台的计算机或服务器。远程服务器可以是数据管理***。
应当理解,在一些情况下,输入材料在穿越第一设备区域(例如,上游设备区域)之后可能与输入材料进入上游设备区域时的时间处在性质上显著不同。因此,在材料进入下面的区域(诸如下游区域)时,输入材料可能已经转换为衍生材料或中间处理材料。然而,为了简单起见并且不失本教导的一般性,在本公开中的术语输入材料也可以用于指代在生产过程期间输入材料已经转换为这种中间处理材料或衍生材料的情况。例如,以化学组分混合物形式的一批输入材料可能已经穿越传送带上的上游区域,在该区域中加热该批次以引发化学反应。结果,当输入材料进入下游区域时,在直接离开上游区域之后或在也穿越其它区域之后,材料可能已经变成在特性上与输入材料不同的衍生材料。然而,如上所述,这种衍生材料仍然可以被称为输入材料,至少因为这种中间处理材料与输入材料之间的关系可以经由生产过程来定义和确定。此外,在其它情况下,即使在穿越上游区域或同样其它区域之后,例如当上游区域简单地干燥输入材料或将其过滤以去除不需要的材料的痕迹时,输入材料仍可基本上保持相似的特性。因此,本领域技术人员将理解,中间区域中的输入材料可能会或可能不会被转换为衍生材料。
在一些情况下,在上游区域与下游区域之间可能存在一个或多个中间区域,但是没有为这种区域提供单独的对象标识符。申请人已经发现,当输入材料或衍生材料与其它材料组合时,或者当输入材料或衍生材料被分成或分段成多个部分时,生成下游对象标识符更为有利。或者更一般地,在提供对象标识符之后,下游对象标识符或任何其它对象标识符的生成可以仅在材料质量流量变化的那些区域进行。质量流量变化可以是由于向输入材料或衍生材料中添加或混合新材料和/或从输入材料或衍生材料或中间处理材料中去除或分离材料而导致的质量变化。例如,在一些情况下,由于去除水分或由于生产期间化学反应引起的气体释放而导致的质量变化可能会被排除在触发第二或其它对象标识符的事件之外。特别是在输入材料的质量没有显著变化的区域中,可以不提供进一步的对象标识符。这里不必为质量上的“显著变化”指定限制,因为本领域技术人员将理解,除其它因素外,它可取决于输入材料和/或正在制造的化学产品的类型。例如,在一些情况下,20%或更多的质量变化可能被认为是显著,而在其它情况下5%或更多,或者在一些情况下1%或更多,或者甚至可能更低的%值被认为是显著。例如,在珍贵产品的情况下,与另一种不太珍贵的产品相比,较小的变化可能被认为是显著的。
作为一些示例,可以基于以下中的任何一个确定例如在上游设备区域之后的设备区域处提供或生成对象标识符:如果设备区域处的返混度小于或接近在所述设备区域之前的区域处的包装大小则不提供新的对象标识符,如果设备区域处的返混度大于在所述设备区域之前的区域处的包装大小则提供新的对象标识符,不在只是涉及一个或更多输送***或元件的输送区域的设备区域处提供新的对象标识符,如果设备区域涉及在所述区域处的材料分离并且一种或更多种组分是材料的分离组分则为一个或更多组分提供新的对象标识符,如果涉及将材料填充或包装到至少一个包装中,每个包装包括一个或更多化学产品,则在设备区域处提供至少一个新的对象标识符。
如所讨论的,在输入材料、衍生材料或化学产品的样本被收集用于分析的情况下,这种样本也可以具有样本对象标识符。样本对象标识符在原则上可以类似于本公开中讨论的对象标识符,并且因此附加了所讨论的相关对应过程数据。因此,样本也可以数字化地附加有与所述样本的特性相关的生产过程的准确快照。因此可以进一步改进分析和质量控制。此外,例如基于一个或更多ML模型的改进训练,可以协同改进生产过程。此外,采样结果可用于确定控制设置,即使采样分析是在生产后完成的。类似地,客户反馈和试验结果也可以更好地整合和用来确定控制设置。
根据另一方面,当生产过程涉及输入材料在区域中或区域之间物理地输送、流动或移动时,例如,使用诸如输送机***的输送元件,实时过程数据还可以包括指示以下数据的数据:输送元件的速度和/或输入材料在生产过程期间输送的速度。速度可以经由一个或更多传感器直接提供和/或它可以经由计算单元计算,例如,基于经由实时过程数据的行进类型测量的时间,例如使用进入该区域的时间和离开该区域的时间或进入该区域之后的另一个区域的时间。因此,对象标识符可以进一步丰富区域中的处理时间方面,特别是可能对化学产品的一个或更多性能参数和/或一个或多个状态具有影响的那些方面。此外,通过使用进入和离开或随后的区域进入的时间戳,可以避免对用于输送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,优选地是全球唯一标识符(“GUID”)。至少可以通过将GUID附接到化学产品的每个虚拟包装来增强对化学产品的跟踪。经由GUID,还可以减少诸如时间序列数据的过程数据的数据管理,并可以实现虚拟/物理包装、生产历史和质量控制历史之间的直接关联。此外,在这种情况下,记分器模块可以使用与特定确定的性能参数(例如,采样结果或客户反馈)相关联的GUID,直接选择历史对象标识符。
如关于ML模型所讨论的,根据一个方面,可以基于来自对象标识符、优选地多个对象标识符的数据来训练ML模型。训练数据还可以包括确定的性能参数,例如,来自过去和/或当前实验室测试数据,或来自衍生材料和/或化学产品的过去和/或最近样本的数据。
除了之前讨论的ML模型的优点之外,拥有基于生产线区域的经训练模型可以允许更详细地跟踪材料并预测它们相应的性能参数和/或状态,并且甚至是化学产品性能参数。
在生产场景中,例如分批生产,这样的模型可以用于通过实时监测使生产过程更加高效和透明,并标记不仅用于如所生产的化学产品而且用于任何衍生材料的质量控制问题。
因此,可以经由单独的ML模型监测和/或控制任何或每个设备区域,基于来自该区域的相应对象标识符的数据来训练单独的ML模型。
根据一个方面,响应于指示输入材料特性的任何一个或更多值和/或来自设备操作条件的任何一个或更多值和/或达到、满足或超过预定义阈值的任何一个或更多过程参数值,为一个区域提供相应的对象标识符可能会发生或被触发。任何这种值都可以经由一个或更多传感器和/或开关来测量。例如,预定义阈值可以与在设备处引入的输入材料的重量值相关。因此,当在设备处接收的输入材料的诸如重量的数量达到诸如重量阈值的预定义数量阈值时,可以生成触发信号。用于提供对象标识符的触发事件或发生的某些示例也在本公开中稍早进行了讨论。响应于触发信号,或者直接响应于数量或重量达到预定义重量阈值,可以提供对象标识符。触发信号可以是单独的信号,或者它可以只是一个事件,例如满足预定义标准的特定信号,诸如经由计算单元和/或设备检测到的阈值。因此,还应当理解,可以响应于输入材料的数量达到预定义数量阈值而提供对象标识符。如上文的示例中所述,数量可以按重量测量,和/或它可以是任何一个或更多其它值,诸如输入材料的液位、填充或填充度或体积和/或通过对输入材料的质量流量求和或通过对输入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提供上游对象标识符,所述事件或信号优选地经由设备或上游设备区域提供。这可以响应于可操作地耦合到上游设备的一个或更多传感器和/或开关中的任何一个的输出来完成。触发事件或信号可以与输入材料的数量值有关,例如,与数量值达到或满足预定数量阈值的发生有关。可以经由计算单元和/或上游设备检测所述发生,例如,使用一个或更多重量传感器、液位传感器、填充传感器或可以测量或检测输入材料的数量的任何合适的传感器。
使用数量作为提供对象标识符的触发器的优点可以是在生产过程期间材料数量的任何变化都可以用作提供另外一个或更多对象标识符的触发器,如本教导中所解释的。申请人已经意识到,这可以提供一种最优方式来在用于处理或生产一种或更多种化学产品的工业环境中对不同对象标识符的生成进行分段,使得可以基本上贯穿整个生产链,并且至少在一些情况下甚至超出整个生产链地跟踪输入材料、任何衍生材料以及最终的化学产品,同时对数量或质量流量进行计数。通过仅在材料的量或数量发生变化(例如当引入或输入新材料时)或者材料被拆分的点处提供对象标识符,可以最小化对象标识符的数量,同时保持不仅在生产端点处也在生产端点内的材料的可追溯性。在没有添加新材料或没有拆分材料的设备或生产区域内,这种区域内的过程知识可用于保持两个相邻对象标识符内的可观察性。
当从另一个角度来看时,还可以提供如在本文公开的任何一个或多个方法中生成的用于控制工业工厂处的生产过程的一组控制设置的用途。这种控制设置的各种优点已经在本公开中进行了讨论。
当从另一个角度来看时,还可以提供一种用于改进生产过程的***,该***被配置为执行本文公开的任何方法。或者,一种用于改进用于经由至少一个设备通过处理至少一个输入材料在工业工厂处制造化学产品的生产过程的***,该***包括一个或多个计算单元,其中该***被配置为执行本文公开的方法中的任何一个。
例如,可以提供一种用于改进用于经由至少一个设备通过处理至少一个输入材料在工业工厂处制造化学产品的生产过程的***,该***包括一个或多个计算单元,其中该***被配置为:
-在计算单元中的任一个计算单元处,提供与化学产品相关的至少一个期望性能参数;
-经由计算单元中的任一个计算单元,确定用于控制化学产品的生产的一组控制设置;其中,控制设置是使用记分器模块来确定的,该记分器模块被配置为基于期望性能参数和确定的性能参数从存储器存储装置中选择至少一个历史对象标识符,
其中,历史对象标识符附加了用于制造过去一个或多个化学产品的历史过程参数和/或操作设置;其中,该组控制设置是使用历史过程参数和/或操作设置来确定的,并且该组控制设置能够用于在工业工厂处制造化学产品。
当从另一个角度来看时,还可以提供一种包括指令的计算机程序,当指令由任何一个或多个合适的计算单元执行时,使计算单元执行本文公开的任何方法。还可以提供一种非暂态计算机可读介质,其存储程序,使任何一个或多个合适的计算单元执行本文公开的任何方法步骤。
例如,可以提供计算机程序或存储该程序的非暂态计算机可读介质,包括指令,当指令由任何一个或多个合适的计算单元执行时,使得计算机中的任何计算单元执行如下操作,其中的计算单元可操作地耦合到使用生产过程通过处理至少一个输入材料在工业工厂处制造化学产品的至少一个设备:
-提供与化学产品相关的至少一个期望性能参数;
-确定用于控制化学产品的生产的一组控制设置;其中,控制设置是使用记分器模块来确定的,该记分器模块被配置为基于期望性能参数和确定的性能参数从存储器存储装置中选择至少一个历史对象标识符,
其中,历史对象标识符附加了用于制造过去一个或多个化学产品的历史过程参数和/或操作设置;其中,该组控制设置是使用历史过程参数和/或操作设置来确定的,并且该组控制设置能够用于在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存储设备,其上存储体现在此描述的任何一种或更多种方法或功能的一组或多组指令(例如,软件)。指令还可以在由计算单元、主存储器和处理设备执行期间完全或至少部分地驻留在主存储器和/或处理器内,其可以构成计算机可读存储介质。该指令可以进一步经由网络接口设备在网络上发送或接收。
用于实现在此描述的一个或更多实施例的计算机程序可以存储和/或分布在合适的介质上,诸如与其他硬件一起提供或作为其它硬件的一部分提供的光存储介质或固态介质,但也可以是以其它形式分发,诸如经由互联网或其它有线或无线电信***。然而,计算机程序也可以通过像万维网的网络呈现并且可以从这种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用于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成执行根据在此公开的方面中的任一方面的方法。
当从另一个角度来看时,还可以提供一种计算单元,其包括用于执行在此公开的方法的计算机程序代码。此外,可以提供一种计算单元,其可操作地耦合到存储器存储设备,该存储器存储设备包括用于执行在此公开的方法的计算机程序代码。
两个或更多个组件“可操作地”耦合或连接对于本领域技术人员来说应该是清楚的。以非限制性方式,这意味着在耦合或连接的组件之间至少可以存在通信连接,例如经由接口或任何其它合适的接口。通信连接可以是固定的,也可以是可移除的。此外,通信连接可以是单向的,或它可以是双向的。此外,通信连接可以是有线和/或无线的。在一些情况下,通信连接还可以用于提供控制信号。
本上下文中的“参数”是指任何相关的物理或化学特征和/或其测量值,诸如温度、方向、位置、数量、密度、重量、颜色、湿度、速度、加速度、变化率、压力、力、距离、pH、浓度和成分。该参数还可指某个特征的存在或缺乏。
“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相关的机构的任何组件。致动器可以是阀门、马达、驱动器等。致动器可以电动操作、液压操作、气动操作或它们的任何组合操作。
“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/或通常指被配置用于执行计算或逻辑操作的设备。特别地,处理部件或计算机处理器可以被配置用于处理驱动计算机或***的基本指令。作为示例,处理部件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,具体是被配置用于向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高速缓冲存储器。特别地,处理部件或计算机处理器可以是多核处理器。具体地,处理部件或计算机处理器可以是或可以包括中央处理单元(“CPU”)。处理部件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”)微处理器或实现其它指令集的处理器或执行指令集组合的处理器。处理部件也可以是一个或更多专用处理设备,诸如专用集成电路(“ASIC”)、现场可编程门阵列(“FPGA”)、复杂可编程逻辑设备(“CPLD”)、数字信号处理器(“DSP”)、网络处理器等。在此描述的方法、***和设备可以作为软件在DSP、微控制器或任何其它侧处理器中实现,或者作为ASIC、CPLD或FPGA内的硬件电路实现。应当理解,术语处理部件或处理器还可指一个或更多处理设备,诸如位于多个计算机***上的处理设备的分布式***(例如,云计算),并且不限于单个设备,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存储设备或计算机可读存储器,其上存储了体现在此所述的任何一种或更多种方法或功能的一组或多组指令(例如,软件)。指令还可以在由计算单元、主存储器和处理设备执行期间完全或至少部分地驻留在主存储器和/或处理器内,其可以构成计算机可读存储介质。指令可以进一步经由网络接口设备通过网络发送或接收。
附图说明
现在将参考通过示例的方式解释所述方面的以下附图来讨论本教导的某些方面。由于本教导的普遍性不依赖于此,因此附图可能未按比例绘制。图中所示的某些特征可以是为了理解而与物理特征一起显示的逻辑特征,而不影响本教导的一般性。
图1示出根据本教导的***的某些方面。
图2示出了根据本教导的方法方面。
图3通过组合框图/流程图的方式示出根据本教导的***和对应方法的第一实施例。
图4通过组合框图/流程图的方式示出根据本教导的***和对应方法的第二实施例。
图5通过组合框图/流程图的方式示出根据本教导的***和对应方法的第三实施例。
图6示出表示包括多个设备装置和相应的多个设备区域的工业工厂或工厂集群的拓扑结构的基于图形的数据库布置的第一实施例,输入材料在制造或生产过程期间在这些设备区域之间前进。
图7示出如图6中所示的基于图形的数据库布置的第二实施例。
图8通过组合框图/流程图的方式示出根据本教导的使用云计算平台的***和对应方法的另一实施例,其中机器学习(ML)过程在云中实现。
具体实施方式
图1示出了用于改进用于在工业工厂处制造化学产品170的生产过程的***168的示例。从以下讨论中也将理解至少一些方法方面。工业工厂包括至少一个设备或多个设备区域,用于使用生产过程制造或生产化学产品170。化学产品170可以是任何形式,例如药物产品、泡沫、营养产品、农产品或前体。例如,化学产品170可以是颗粒形式的热塑性聚氨酯。化学产品170甚至可以是分批的,例如每包10kg。本教导可以允许确定用于控制化学产品170的生产的一组控制设置。所确定的控制设置因此能够用于在工业工厂处制造化学产品。生产过程是可控的,用于通过控制设置来生产化学产品170。
由于这种化学产品的性质,它们可能难以在生产链中进行追踪。然而,重要的是确保每个组件,例如每个单元或包装,甚至内侧的部分具有一致和所需的特性或质量。本教导的至少一些方面可以实现这一点。还可以使得能够以可追溯的方式在运行中保存所计算的性能参数,这样可以很容易地回顾和使用它们,不仅可以确定控制设置,甚至可以作为改进未来过程的历史数据。
图1中示出的设备如为包括设备区域,例如示为料斗或混合罐104,其可以是上游设备区域的一部分。混合罐104接收输入材料,其可以是单一材料,或者它可以包含多种组分,例如亚甲基二苯基二异氰酸酯(“MDI”)和/或聚四氢呋喃(“PTHF”)。这里,输入材料被分成两个部分,它们被示为分别经由第一阀112a和第二阀112b供应到混合罐104。第一阀112a和第二阀112b也可以属于上游设备区域。
根据可选方面,示出为输入材料114提供对象标识符,或者在该情况下,是上游对象标识符122。上游对象标识符122可以是可与其它对象标识符区分开的唯一标识符,优选地是全球唯一标识符(“GUID”)。可以取决于特定工厂的细节和/或正在被制造的化学产品170的细节和/或日期和时间的细节和/或正在被使用的特定输入材料的细节来提供GUID。上游对象标识符122被示为在存储器存储装置128处提供。存储器存储装置128可操作地耦合到计算单元124。在该示例中,一个或多个计算单元被示为单个计算单元。存储器存储装置128甚至可以是计算单元124的一部分。存储器存储装置128和/或计算单元124可以至少部分地是云服务的一部分。
计算单元124例如经由网络138可操作地耦合到上游设备区域或是属于上游设备区域的设备,该网络138可以是任何合适类型的数据传输介质。计算单元124甚至可以是工厂中设备的一部分,例如它可以至少部分地是上游设备区域的一部分。计算单元124甚至可以至少部分地是工厂控制***,诸如DCS和/或PLC。计算单元124可以从可操作地耦合到上游设备区域的设备的一个或更多传感器接收一个或更多信号。例如,计算单元124可以从填充传感器144和/或与输送元件102a-b相关的一个或更多传感器接收一个或更多信号。所述传感器也是上游设备区域的一部分。计算单元124甚至可以至少部分地使用所确定的控制设置中的至少一些来控制上游设备区域或其一些部分。例如,计算单元124可以例如经由它们相应的致动器控制阀112a、b,和/或加热器118和/或输送元件102a-b。图1的示例中的输送元件102a、b和其它输送元件被示为传送***,该传送***可以包括一个或更多马达和经由所述马达驱动的皮带,使得它移动使得输入材料114经由皮带在皮带的横向方向120中被输送。如所讨论的,可以使用利用记分器模块确定的控制设置来完成控制,该记分器模块被配置为基于期望性能参数和确定的性能参数从存储器存储装置128中选择至少一个历史对象标识符。记分器模块可以是硬件和/或软件部件。例如,记分器模块可以是经由计算单元124执行的软件代码。存储器存储装置128可以存储一个或多个历史对象标识符。例如,上游对象标识符122可以被认为是用于未来生产过程的历史对象标识符。
在不影响本教导的范围或一般性的情况下,其它种类的输送元件也可以替代输送***使用或与输送***结合使用。在一些情况下,涉及材料流动(例如,一种或更多种材料流入和一种或更多种材料流出)的任何种类的设备可称为输送元件。因此,除了传送***、传送带、管道或轨道外,诸如挤出机、造粒机、热交换器、缓冲料仓、带混合器的料仓、混合器、混合容器、切割机、双锥混合器、固化管、塔、分离器、萃取器、薄膜蒸发器、过滤器、筛子的设备也可称为输送元件。因此,应当理解,输送***作为传送***的存在可以是可选的,至少因为在一些情况下材料可以经由质量流从一个设备直接移动到另一个设备,或者作为正常流动经由一个设备到另一个设备。例如,材料可以直接从热交换器移动到分离器或甚至进一步诸如移动到塔等。因此,在一些情况下,一个或更多输送元件或***可能是设备固有的。
可以响应于触发信号或事件提供此处显示为上游对象标识符122的对象标识符,该触发信号或事件可以是与输入材料的数量相关的信号或事件。例如,填充传感器144可用于检测输入材料的至少一个量值,诸如填充度和/或重量。当数量达到预定阈值时,计算单元124可以自动在存储器存储装置128处提供第一上游对象标识符122。上游对象标识符122包括与输入材料相关的数据,或输入材料数据。输入材料数据指示输入材料的一种或更多种特性。
在一些情况下,计算单元124可以经由输入接口接收来自工业工厂中的所有设备或设备区域的过程数据。计算单元124可以例如基于区域存在信号和/或上游对象标识符来确定实时过程数据的子集。在一些情况下,实时过程数据的子集的至少一部分可用于计算至少一个确定的性能参数。这种计算出的性能参数可以用于例如监测生产过程和/或控制生产过程以确保输入材料114经历适当的转化为材料或产品,如在该特定区域(例如上游设备区域)所设想的那样。因此,可以使生产过程更加一致,而不管例如输入材料114的生产参数或特性的变化。因此,至少性能参数的计算也优选地使用输入材料数据来完成。在这方面,对象标识符可以提供进一步的优势,即可以经由正在使用的特定材料的对象标识符非常直接地提供输入材料数据。计算的性能参数可以附加到相应的对象标识符。例如,在上游设备区域计算的性能参数可以附加到上游对象标识符122。这可以使相关过程数据和性能数据的整合变得容易,相关过程数据和性能数据根据本教导有效地封装了生产过程期间的基本运行。
触发信号或事件也可用于针对上游设备区域生成区域存在信号。区域存在信号因此不仅可以用于确定与在上游设备区域处处理输入材料114相关的过程参数和/或设备操作条件,而且可以用于确定实时过程数据中包括的所述过程参数和/或设备操作条件的时间方面。
如所讨论的,计算单元124还可以计算与化学产品170相关的至少一个性能参数。计算的性能参数可以用作确定的性能参数和/或它可以附加到对应的对象标识符,在这种情况下,上游对象标识符122。该计算优选地基于实时过程数据126的子集,在这种情况下,该子集可选地示为附加在上游对象标识符122处。该计算可以基于历史数据,该历史数据可以包括来自一个或多个历史对象标识符的数据,例如历史上游对象标识符。每个历史上游对象标识符都与例如过去在上游设备区域中处理的相应输入材料相关。至少一个历史上游对象标识符可能已经附加了至少一部分过程数据,该过程数据指示先前处理的输入材料在例如上游设备区域中被处理的过程参数和/或设备操作条件。一个、一些或所有的历史上游对象标识符也可能已经附加有至少一个历史或过去的性能参数和/或状态,例如,在那个时间计算的性能参数和/或状态。
至少性能参数被示出为附加到上游对象标识符122,例如作为元数据。因此,上游对象标识符122丰富了与化学产品170的质量相关的性能参数。因此可以简化和改进质量控制过程,同时提高可追溯性,例如通过将质量相关数据与所得化学产品170耦合。
来自上游设备区域的实时过程数据126的子集可以是输入材料114在上游设备区域处的时间窗口内的数据,或者因此仅对于输入材料114经由混合罐104处理的时间,时间窗口可以更短。实时过程数据可用于确定时间窗口。因此,上游对象标识符122可以通过使用实时过程数据的时间维度来采用高相关性数据来丰富。因此,对象标识符不仅可以用于跟踪生产过程中的材料,还可以封装高质量数据,该高质量数据使边缘计算和/或云计算更加有效。对象标识符数据可以非常适合机器学习模型的更快训练和再训练。数据集成也可以简化,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。
实时过程数据126的子集指示过程参数和/或设备操作条件,即输入材料在上游设备区域中被处理的混合罐104和阀112a-b的操作条件,例如,输入质量流量、输出质量流量、填充度、温度、湿度、时间戳或进入时间、离开时间等中的任何一项或多项。该情况下的设备操作条件可以是阀112a、b和/或混合罐104的控制信号和/或设定点。实时过程数据126的子集可以是或者它可以包括时间序列数据,这意味着它可以包括时间相关信号,其可以经由一个或更多传感器获得,例如填充传感器144的输出。时间序列数据可以包括连续的信号,或者它们中的任何一个可以以规则或不规则的时间间隔断断续续。实时过程数据126的子集甚至可以包括一个或更多时间戳,例如混合罐104的进入时间和/或离开时间。因此,特定输入材料114可经由上游对象标识符122和与该输入材料114相关的实时过程数据126的子集相关联。上游对象标识符122可以附加到生产过程下游的其它对象标识符,使得特定过程数据和/或设备操作条件可以与特定的化学产品相关。其它重要的益处已经在本公开的其它部分(例如在发明内容部分)进行了讨论。
包括输送元件102a、b和相关联皮带的传送***可以被认为是上游设备区域下游的中间设备区域。该示例中的中间设备区域包括加热器118,该加热器118用于将热量施加到在带上穿越的输入材料。传送***甚至可以包括一个或更多传感器,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在中间设备区域处的输入材料114的过程参数和/或特性的任何其它种类的传感器中的任何一个或更多。可以将传感器的任何或所有输出提供给计算单元124。
当输入材料114沿着横向120的方向前进时,它通过加热器118被加热,此处显示为衍生材料116。加热器118可以可操作地耦合到计算单元124,即,计算单元124可以接收来自加热器118的信号或实时过程数据。此外,加热器118甚至可以经由计算单元124可控制,例如通过确定的控制设置。控制设置可能在生产过程开始之前已经确定和/或它们中的至少一些在生产过程期间被调整或确定,例如,响应于计算的一个或多个性能参数和/或实时过程数据126的子集。类似地,包括输送元件102a、102b和相关联的传送带的传送***也可以可操作地耦合到计算单元124,即,计算单元124可以从输送元件102a、102b接收信号或处理来自传输元件102a、102b的数据。耦合可以例如经由网络进行。实时过程数据126的子集因此可以随着衍生材料116暴露于其中而相应地改变。
此外,输送元件102a、102b甚至可以经由计算单元124可控制,例如经由控制设置。例如,输送元件102a、102b的速度能够由计算单元124观察和/或可控制以确保计算的状态是预期状态。
可选地,由于输入材料114的量在中间设备区域中是恒定的或接近恒定的,所以可以不为中间设备区域提供进一步的对象标识符。因此,来自中间设备区域(即来自加热器118和/或输送元件102a、b)的过程数据也可以附加到先前或前面的区域的对象标识符,即上游对象标识符122。它应当理解,实时过程数据的子集现在指的是来自中间设备区域的当输入材料在那里被处理时的实时数据,因此子集沿着生产过程动态地跟踪输入材料。同样,所计算的性能参数也可以动态变化。
此外,所附加实时过程数据126的子集因此可以被丰富以进一步指示来自中间设备区域的过程参数和/或设备操作条件,即输入材料114在中间设备区域中被处理的加热器118和/或输送元件102a、b的操作条件,例如,输入质量流量、输出质量流量、来自中间区域的一个或更多温度值、进入时间、离开时间、输送元件102a、b和/或皮带的速度等中的任何一项或多项。在该情况下设备操作条件可以是输送元件102a、b和/或加热器118的控制信号和/或设定点。很清楚的是,实时过程数据126的子集主要与输入材料114存在于相应设备区域中的时间段有关。因此,可经由上游对象标识符122提供特定输入材料114的相关过程数据的准确快照。可经由生产过程的特定部分或部件(例如,中间设备区域内的化学反应)的知识来提取输入材料114的进一步可观察性。可替代地或另外地,输入材料114穿越中间设备区域的速度可用于经由计算单元124提取进一步的可观察性。结合具有特定时间戳的实时过程数据126的子集,或时间序列数据,和/或中间设备区域中输入材料114的进入时间和/或离开时间,输入材料114在中间设备区域中被处理的条件的更详细细节可以从上游对象标识符122获得。
来自上游对象标识符122的数据可用于训练一个或更多ML模型以监测生产过程和/或其特定部分,例如,上游设备区域和/或中间设备区域内的生产过程的部分。ML模型和/或上游对象标识符122甚至可以用于将化学产品的一个或更多性能参数与一个或更多区域中的生产过程的细节相关联。
应当理解,随着输入材料114沿横向方向120前进,它可能会改变其特性并可能转换或转变为衍生材料116。例如,随着加热器118加热输入材料114,它可产生衍生材料116。本领域技术人员将理解,为了简单和易于理解,衍生材料116在本教导中有时也可称为输入材料。例如,在所讨论的设备区域或组件的上下文中,输入材料在生产过程内处于哪个阶段因此将是清楚的,如在本示例的描述中所讨论的。
现在讨论材料被分成多个部分的区域的示例。图1示出作为包括切割机142和第二输送元件106a、b的下游设备区域的这种区域。使用切割机142将沿着横向方向154穿越的衍生材料116分割或破碎,从而产生多个部分,在该示例中示为第一分割材料140a和第二分割材料140b。
因此,根据本教导的一个方面,可以为每个部分提供单独的对象标识符。但是在一些情况下,可以仅为部分之一或部分中的一些提供对象标识符,而不是为每个部分提供单独的对象标识符。这可能是如下情况,例如如果跟踪任何部分并不是所关注的。例如,可以不为丢弃的衍生材料116的一部分提供对象标识符。现在回过头来参考图1,为第一分割材料140a提供第一下游对象标识符130a,并且为第二分割材料140b提供第二下游对象标识符130b。
可选地,第一下游对象标识符130a可以附加有下游实时过程数据的第一子集132a,并且第二下游对象标识符130b可以附加有下游实时过程数据的第二子集132b。下游实时过程数据的第一子集132a可以是下游实时过程数据的第二子集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经历相同过程的情况下,即在基本上相同的地点和时间,则附加到下游对象标识符130a和第二下游对象标识符130b的过程数据可能相同或相似。然而,如果在下游设备区域内,下游对象标识符130a和第二下游对象标识符130b被区别处理,则下游实时过程数据的第一子集132a和下游实时过程数据的第二子集132b可能彼此不同。性能参数可以针对第一分割材料140a和第二分割材料140b中的每个或任一个根据需要来计算,如针对上游设备区域所解释的。计算的性能参数可以适当地附加到它们相应的对象标识符和/或它们可以用于调整控制设置。
然而,本领域的技术人员将理解,在一些情况下可选地可以在切割机142处仅提供一个对象标识符,并且然后如果经由切割机142处理的材料被分成多个部分,则可以在切割机142之后提供多个对象标识符。因此,取决于特定生产过程的细节,切割机可能是也可能不是分离设备。类似地,在一些情况下可以不为切割机提供新的对象标识符,使得来自该区域的过程数据附加到先前的对象标识符。因此,可以在材料被拆分和/或组合的区域处提供新的对象标识符。例如,在一些情况下,下游对象标识符130a和第二下游对象标识符130b可以设置在切割机142之后,例如在切割机142之后的不同区域的入口处。
在该示例中,下游设备区域还包括成像传感器146,其可以是相机或任何其它种类的光学传感器。成像传感器146也可操作地耦合到计算单元124。成像传感器146可用于在进入下游设备区域之前测量或检测衍生材料116的一种或更多种特性。这可以例如进行以分类或转移满足给定质量标准的材料,例如在上游设备区域和/或中间设备区域处确定的至少一个性能参数或相应的状态。随着下游设备区域中材料的质量流量发生变化,根据本教导的一个方面,可以在下游对象标识符130a和第二下游对象标识符130b之前提供另一个对象标识符(图1中未示出)。
下游对象标识符130a和第二下游对象标识符130b的提供可以响应于衍生材料116通过质量标准而经由成像传感器146被触发。通过关联来自相邻区域或来自对象标识符的数据,例如来自中间设备区域的质量流量和去往下游设备区域的质量流量,计算单元124可以确定哪个特定输入材料114或衍生材料116与进入后续区域的材料相关。可替代地或另外地,两个或更多个时间戳可以在区域之间相关,例如从中间设备区域离开的时间戳和经由成像传感器146检测和/或在下游设备区域处进入的时间戳。经由传感器输出直接测量或者从两个或更多个时间戳确定的输送元件102a、b的速度也可以用于建立输入材料的特定包或批次与其对象标识符之间的关系。因此甚至可以确定特定化学产品170在给定时间在生产过程内的什么位置,因此可以建立时空关系。这些方面中的一些或全部不仅可用于提高化学产品170从输入材料到成品的可追溯性,而且可用于监测和改进生产过程并使其更具适应性和可控性。
如所讨论的,第一下游对象标识符130a和第二下游对象标识符130b可以附加有分别来自下游设备区域的下游实时过程数据的第一子集132a和下游实时过程数据的第二子集132b。下游实时过程数据的第一子集132a和下游实时过程数据的第二子集132b甚至可以链接到或附加到上游对象标识符122。类似于先前讨论的上游对象标识符122,下游实时过程数据的第一子集132a和下游实时过程数据的第二子集132b指示衍生材料116在下游设备区域中被处理的过程参数和/或设备操作条件,即成像传感器146的输出、切割机142和第二输送元件106a、b的操作条件,例如,输入质量流量、输出质量流量、填充度、温度、光学特性、时间戳等中的任何一项或多项。在该情况下,设备操作条件可以是切割机142和/或第二输送元件106a、b的控制信号和/或设定点。下游实时过程数据的第一子集132a和下游实时过程数据的第二子集132b可以包括时间序列数据,这意味着它可以包括时间相关信号,该信号可以经由一个或更多传感器获得,例如经由成像传感器146的输出和/或第二输送元件106a、b的速度。
随着衍生材料116在遇到成像传感器146之后继续前进,它在由第二输送元件106a、b驱动的横向方向154中朝向切割机142移动。第二输送元件106a、b在该示例中被示为与包括输送元件102a、b的传送***分离的第二传送带***的一部分。应当理解,第二传送带***甚至可以是包括输送元件102a、b的同一传送***的一部分。因此,下游设备区域可以包括在另一区域中使用的一些相同设备。
如图1中可以看到,即使第一分割材料140a和第二分割材料140b稍后在生产中以不同的方式行进,它们相应的对象标识符,即下游对象标识符130a和第二下游对象标识符1301b允许在剩余的生产过程中以及在一些情况下也在剩余的过程之外单独地跟随或跟踪它们。同样,输出数据也跟踪相应的材料。
如所见,第二分割材料140b被输送用于在包括固化装置162和第三输送元件108a、b的第三设备区域处固化。所示的输送元件108a、b相应地是非限制性示例,如先前所讨论的。将理解到,第三设备区域在上游设备区域和下游设备区域的下游。
随着第二分割材料140b经由皮带在横向方向156中移动,其经由固化装置162经历固化过程以产生固化的第二分割材料160。由于显著的质量变化不会发生,因此根据一个方面,可以不为第三设备区域提供新的对象标识符。然而,对应于第二分割材料140b的输出数据会根据第三设备区域的生产过程而动态变化,例如,从正在进行的处理中流出来自固化装置162的数据。因此如前所述,来自第三设备区域的过程数据也可以附加到第二下游对象标识符130b。与上文类似,下游实时过程数据的附加第二子集132b因此可以被丰富以进一步指示第二分割材料140b在第三设备区域中被处理的来自第三设备区域的过程参数和/或设备操作条件,即,固化装置162和/或输送元件108a、b的操作条件,该过程参数和/或设备操作条件例如是输入质量流量、输出质量流量、来自第三区域的一个或更多温度值、进入时间、离开时间、输送元件108a、b和/或皮带的速度等中的任何一项或多项。在该情况下设备操作条件可以是输送元件102a、b和/或固化装置162的控制信号和/或设定点。
类似地,第一分割材料140a前进到第四设备区域,该第四设备区域包括挤出机150、温度传感器148和第四输送元件110a、b。这里同样由于显著质量变化不会发生,因此根据一个方面,可以不为第四设备区域提供新的对象标识符。因此如前所述,来自第四设备区域的过程数据可以可选地也可以附加到下游对象标识符130a。与上文类似,下游实时过程数据的附加第一子集132a因此可以被丰富以进一步指示第一分割材料140a在第三设备区域中被处理的来自第四设备区域的过程参数和/或设备操作条件,即挤出机150和/或温度传感器148和/或输送元件108a、b的操作条件,该过程参数和/或设备操作条件例如是输入质量流量、输出质量流量、来自第三区域的一个或更多温度值、进入时间、离开时间、输送元件110a、b和/或皮带的速度等中的任何一项或多项。在该情况下设备操作条件可以是输送元件108a、b和/或挤出机150的控制信号和/或设定点。因此,第一分割材料140a向挤出材料152的转变的特性和相关性也可以包括在下游对象标识符130a中。应当理解,第四设备区域也在上游设备区域的下游和下游设备区域。也可以根据所确定的控制设置来完成此类区域中的控制。
可以理解,可以减少单独的对象标识符的数量,同时改进整个生产过程中的材料和产品监测。
随着挤出材料152在经由输送元件108a、b生成的横向方向158中进一步移动,它可以被收集在收集区域166中。收集区域166可以是存储单元,或者它可以是用于应用生产过程的另外步骤的另外的处理单元。在收集区域166中,可以组合附加材料,例如,固化的第二分割材料160可以与挤出材料152组合。因此,可以如前所述提供新的对象标识符。这种对象标识符被示为最后的下游对象标识符134。最后的下游对象标识符134可以附加有最后的区域实时过程数据136的子集,其可以包括下游对象标识符130a和第二下游对象标识符130b的整个或部分。最后的下游对象标识符134因此被提供有来自收集区域166的过程参数和/或设备操作条件,类似于本公开中详细讨论的那样。取决于收集区域166中的功能或进一步处理(如果有的话),数据(诸如输入质量流量、输出质量流量、来自收集区域166的一个或更多温度值、进入时间、离开时间、速度等中的任何一项或多项)可以被包括作为最后的区域实时过程数据136。
在一些情况下,来自收集区域166的单独批次可以被分类和包装和/或存储。这样的分类批次被示出为产品收集堆164a。当数量再次被分割时,可以为料仓中的每一个提供单独的对象标识符,使得其料仓中的化学产品170,即用于产品收集堆164a的单独对象标识符可以与化学产品170在那里暴露的过程数据或条件相关联。而且,与这样的多个产品相关联的性能参数可以被附加到用于产品收集堆164a的单独对象标识符。例如,可以计算产品收集堆164a的填充容量。
应当理解,对象标识符中的每个对象标识符可以是GUID。每个都可以包括来自前面对象标识符的全部或部分数据,或者它们可以被链接。因此,相关数据可以作为快照或可追踪链接附加到特定化学产品170。
还如所讨论的,一个或更多ML模型可用于计算或预测一个或更多性能参数和/或状态。还可能的是,每个或一些ML模型还被配置为提供指示至少一个区域特定的性能参数的置信度水平的置信度值。如果预测性能参数的置信度水平低于预定限度,则可以生成警告作为警告信号,例如启动用于实验室分析的样本的物理测试。也可能响应于预测的置信度水平低于准确度阈值,经由接口自动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,并且计算单元124可以将相关过程数据的子集附加到采样对象标识符所涉及的材料的采样对象标识符,这里示为样本材料172。计算单元124还可以将具有低置信度水平的至少一个区域特定的性能参数附加到采样对象标识符。因此可以收集和验证和/或分析样本材料172以进一步改进使用对象标识符的质量控制。还将理解到,采样堆164b可以是用于样本材料172的目标区域。因此,也提高了采样和样本采集的可靠性。此外,采样结果可用于确定控制设置。
图2图示了流程图200或例程,其显示了本教导的方法方面,在该示例中,如从第一设备区域或上游设备区域所见。
在框202中,提供与化学产品170相关的至少一个期望性能参数。期望性能参数可以指示根据化学产品期望的性能,或者与化学产品170应该满足的规格相关的参数。
在框204中,确定用于控制化学产品170的生产的一组控制设置。控制设置使用记分器模块来确定,该记分器模块被配置为基于期望性能参数和确定的性能参数从存储器存储装置128选择至少一个历史对象标识符。每个历史对象标识符都附加了用于制造相应的过去的化学产品的历史过程参数和/或操作设置。该组控制设置是使用历史过程参数和/或操作设置来确定的。
可选地,在框206中,经由接口提供包括输入材料数据的上游对象标识符。输入材料数据指示输入材料的一个或多个特性。
可选地,在框208中,从设备接收实时过程数据。实时过程数据包括实时过程参数和/或设备操作条件。
可选地,在框210中,确定实时过程数据的子集。实时过程数据的子集指示处理输入材料的过程参数和/或设备操作条件。
根据本教导的子集可以是在生产期间跟踪相应材料的动态数据流。子集尤其适用于整合、流式传输、云计算、边缘计算,以及实时监测和/或控制和/或优化或改进任何合适工业工厂处的生产过程,进一步尤其是与如本文所公开的对象标识符相结合。
随着输入材料前进到后续区域,可以确定是否要提供另一个对象标识符。如果不是,则来自后续区域的过程数据也可以附加到相同的对象标识符。如果确定要提供另一个对象标识符,则将来自后续区域的过程数据附加到另一个对象标识符。这些选项中的每一个选项的细节(诸如中间设备区域和下游设备区域)在本公开中(例如在发明内容部分中以及参考图1)被详细讨论。
图3中所示的框图表示工业工厂的产品生产***的部分,在本实施例中,其包括沿着所示的整个产品处理线分别布置的十个产品处理设备或单元300-318或技术设备。在本实施例中,这些处理单元中的一个(处理单元308)包括三个对应的设备区域320、322、324(也参见图3和图5中更详细的实施例)。
在本示例中,作为输入材料的化学产品是基于原材料生产的,该原材料经由液体原材料储器300、固体原材料储器302和回收任何化学产品或中间产品的回收料仓304提供给处理线,该中间产品例如包括不充分的材料/产品特性或不充分的材料/产品质量。输入到处理线306-318的相应原材料经由相应的处理设备进行处理,即配料单元306、随后的加热单元308、包括材料缓冲器310的后续处理单元,以及后续分类单元312。在该处理设备306-312的下游,布置有输送单元314,其将例如由于所生产的材料的质量不足而需要回收的材料从分类单元输送到回收料仓304。最后,由分类单元312分类的材料转移到第一和第二包装单元316、318,它们将相应的材料包装到用于输送目的的材料容器中,例如,在散装材料的情况下是材料袋,或在液体材料的情况下是瓶子。
在本实施例中,生产***300-318提供计算单元的数据接口(二者未在此框图中描绘),经由该数据接口提供包括关于相应输入材料的数据及其由于处理而发生的变化的数据对象。整个生产过程至少部分地经由计算单元控制。
由处理设备306-312处理的输入材料被分成物理的或现实世界的所谓“包装对象”(在下文中也称为“物理包装”或“产品包装”),其中这些包装对象由处理单元306-312中的每一个处理单元操纵或处理。这种包装对象的包装大小例如可以通过材料重量(例如10kg、50kg等)或材料量(例如1分米、1/10立方米等)固定,或甚至可以通过重量或量来确定,处理设备可以提供相当恒定的过程参数或设备操作参数。
配料单元306首先从输入的液体和/或固体原料和/或由回收料仓304提供的回收材料产生这种包装对象。在产生包装对象之后,配料单元将这些对象输送到均质化单元308。均质化单元308对包装对象的材料进行均质化,即对例如处理的液体材料和固体材料,或者两种液体或固体材料进行均质化。在加热过程之后,加热单元308将相应加热的包装对象输送到处理单元310,该处理单元310例如通过加热、干燥或加湿或通过特定的化学反应将输入的包装对象的材料转换成不同的物理和/或化学状态。相应转换的包装对象然后被输送到三个下游包装单元316、318或上述输送单元314中的一个或更多。
现实世界包装对象的后续处理借助于对应的数据对象330、332、334(或分别为预先描述的“对象标识符”)进行管理,该数据对象经由可操作地耦合到设备306-312的计算单元,或者作为设备的一部分,分配给每个包装对象,并且存储在计算单元的存储器存储元件处。根据本实施例,响应于经由设备306-312提供的触发信号,即响应于布置在设备单元306-312中的每个设备单元处的对应传感器的输出,或分别根据开关,生成三个数据对象330-334,其中这种传感器可操作地耦合到设备单元306-312。如前所述,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更多过程参数和/或用于测量设备操作条件或与设备或过程单元相关的参数的传感器。在本实施例中,用于测量在设备单元306-312内处理的散装材料和/或液体材料的流量和液位的传感器布置在这些单元处。
在本实施例中,图3中描绘的三个示例性数据对象330、332、334基于处理单元306-312和314-318,各自涉及整个产品生产过程的不同的三个设备区域320、322、324。
前两个数据对象330、332包括包含过程数据的产品包装对象。过程数据包括相关物理包装在其在若干处理单元内的驻留/处理期间经历的处理/处置信息。过程数据可以是聚合数据,诸如在相关处理单元内的基础物理包装的停留时间期间计算出的平均温度,和/或它可以是基础生产过程的时间序列数据。
第一数据对象330是第一种类的包装(在图3中称为“A包装”),在本实施例中,该包装被分配给已经通过两个处理单元(配料单元306和加热单元308)输送的物理包装。第一数据对象330在处理时间的当前点处包括在每次驻留期间两个单元的相关数据。第一数据对象包括对应的“产品包装ID”。
加热单元308包含若干设备区域,在本实施例中为三个设备区域320、322、324(“1区”、“2区”、“3区”)。这些不同的设备区域被用作用于分类或选择相关的过程数据的分类组。这种分类可以帮助仅获得相关设备区域外的包装对象的那些数据,该数据涉及在相关物理包装在该设备区域内的对应时间点内对基础物理包装的处理。然而,在本实施例中,物理包装的材料成分并未被两个处理单元306、308改变。
一旦A包装330到达下一个处理单元310(在本实施例中为“带缓冲器的处理单元”),每个物理包装的材料成分改变,因为该处理单元310不仅以塞流模式输送物理包装。此外,对应的物理包装包括比原始包装大小更大的缓冲体积,使得这种物理包装具有定义的返混度。结果,离开该处理单元310的每个物理包装是另一种类的物理包装,其在图3中被称为“B包装”。
对应的第二数据对象332(“B包装”)还包括对应的“产品包装ID”。数据对象332进一步包括定义数量的先前数据对象的数据,在本示例中,数据对象330以定义的百分比指定为“A包装”,即所谓的“来自相关A包装的聚合数据”。相应的聚合方案或算法取决于例如基础处理单元、基础物理包装的大小、基础物理包装的材料的混合能力,以及基础物理包装在基础处理单元内的停留时间,或处理单元的对应设备区域。
一旦处理的物理(产品)包装被两个包装单元316、318之一包装成离散的物理包装,例如通过将处理的物理包装包装到容器、圆桶或八斗仓容器等中,在本实施例中经由称为“物理包装”的另一个数据对象334来处理或跟踪对应的打包的物理包装。该数据对象334包括已被打包到其中的相关先前物理包装(如本场景中的“A包装”和“B包装”)。指定对应的“产品包装ID”就足以例如用于跟踪目的,而不是使用完整的数据对象,因为这种产品包装ID可以在以后的数据处理期间例如借助于外部“云计算”平台执行的数据处理期间被很容易地链接在一起。
第一数据对象(或“对象标识符”)330特别包括以下信息:
-基础包装的“产品包装ID”;
-关于基础包装的一般信息,如关于包装的基础处理材料的信息或规格;
-整个处理线306-318内的基础包装的当前位置;
-过程数据,即作为基础包装的处理材料的温度和/或重量的聚合值;
-基础生产过程的时间序列数据;以及
-到基础包装中的样本的连接,其中产品包装通过样本站,并且操作员在定义的时刻从该产品包装中取出样本并将其提供给实验室。对于该样本,样本对象(参见图6,参考标记634和638)将生成并将链接到相关产品包装(参见图6,参考标记626和630)。该样本对象特别包含来自实验室的对应产品质量控制(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另外包括
-来自在具有缓冲器310的处理单元中生成的相关A包装的聚合数据。
第三对象标识符334由具有描述和时间戳“物理包装1976-02-0619:12:21.123”的两个包装单元316、318生成,并包括以下信息:
-同样,相应的包装或对象标识符(“包装ID”);
-产品名称,其被包装到图3中描述的用于输送目的的两个材料容器中;
-订单号,用于订购被相应包装的产品;以及
-被相应包装的产品的批号。
第一和第二对象标识符330、332的包装一般信息包括输入原材料的材料数据,其在本实施例中分别指示输入材料或处理材料的化学和/或物理特性,如材料的温度和/或重量,并且在本实施例中还包括与输入材料相关的上述实验室样本或测试数据,诸如历史测试结果。
根据同样如图3所示的产品生产过程,经由上述接口收集来自整个设备的过程数据,该数据指示过程参数,如处理材料的上述温度和/或重量,并且在本实施例中还指示处理输入材料的设备操作条件,如所述加热器的温度和/或施加的配料参数。所收集的过程数据,在本实施例中为类似来自相关A包装的聚合数据的仅过程数据的部分,在本实施例中被附加到第二对象标识符332。
如前所述,在本实施例中三个对象标识符330-334用于将提到的输入材料数据和/或特定过程参数和/或设备操作条件关联或映射到化学产品的至少一个性能参数,所述性能参数分别是或指示基础材料(例如相应的化学产品)的任何一种或更多种特性。
根据图3中所示的本实施例,包括在两个对象标识符330、332中的收集的过程数据(作为聚合值)包括指示过程参数的数值,以及另外指示在生产过程期间测量的设备操作条件的数值。此外,对象标识符330、332包括被提供为过程参数和/或设备操作条件中的一个或更多的时间序列数据的过程数据。设备操作条件可以是代表设备状态的任何特征或值,在本实施例中为例如基于振动测量的生产机器设定点、控制器输出和任何设备相关警告。此外,还可以包括输送元件速度、温度和污垢值(诸如过滤器压差)、维护日期。
在图3中所示的产品生产***的实施例中,整个产品处理设备306-318包括上述三个设备区域320-324中的多个,使得在生产过程期间输入的原材料300-304沿着整个处理线306-318穿越,并且在本实施例中从第一设备区域320前进到第二设备区域322,并且从第二设备区域322前进到第三设备区域324。在这种生产场景中,第一对象标识符330在第一设备区域320处被提供,其中在输入材料已经通过第一设备区域320处理之后在进入第二设备区域322时提供第二对象标识符332。第二对象标识符332附加有或包括数据的至少一部分或者由第一对象标识符330提供的信息,并且另外包括最后的数据/信息“来自相关A包装的聚合数据”。
值得注意的是,对象标识符330-334中的任何一个或每个对象标识符可以包括唯一标识符,优选地是全球唯一标识符(“GUID”),以便允许在整个生产过程期间将对象标识符可靠且安全地分配给对应的包装。
在当前的产品处理场景中,附加到第一对象标识符330的所述过程数据是从第一设备区域320收集的过程数据的至少一部分。相应地,第二对象标识符332附加有从第二设备区域322收集的过程数据的至少一部分,其中从第二设备区域322收集的过程数据指示输入原材料300-304在第二设备区域322中被处理的过程参数和/或设备操作条件。
在下面的表1中,再次以表格格式示出另一个示例性对象标识符。该对象标识符包括比先前描述的三个对象标识符330-334更多的信息/数据。
该示例性对象标识符涉及具有基础日期和时间戳“1976-02-0618:31:53.401”的所谓“B包装”,在下面描述的类似在图4中所示的对象标识符,但包括比图4中包括的数据更多的数据。
在本示例中,唯一标识符(“唯一ID”)包括唯一URL(“uniqueObjectURL”)。在本示例中,基础包装(“包装细节”)的主要细节是具有两个值“02.02.1976 18:31:53.401”的包装创建的日期和时间戳(“创建时间戳”),以及在本示例中具有包装类型“B”的包装的类型(“包装类型”)。包装沿着基础生产线的当前位置(“包装位置”)由“包装位置链接”定义,在本示例中是到生产线的“传送带1”的输送链接。
在传送带1处,提供了测量设备(参见“测量点”,其包括示例性处理数据或值)以用于测量目前显示85℃的材料温度的平均温度(“平均值”)和基础温度区域(在本示例中为“温度区域1”)的相应描述(“描述”)。此外,测量设备还可以包括传感器,用于检测包装在传送带1处的进入日期/时间(“进入时间”),在本示例中为“02.02.197618:31:54.431”,并且用于检测包装从传送带1离开的日期/时间(“离开时间”),在本示例中为“02.02.1976 18:31:57.234”。最后,测量设备包括用于检测关于生产过程的基础时间序列信息(“时间序列”)的时间序列值(“时间序列值”)的传感器设备。
此外,在本示例中所示的对象标识符进一步包括关于位于下游的“传送带2”、位于下游的“混合器1”和用于在中间存储已处理材料的位于下游的“料仓1”的信息。
-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 | 温度区域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 | |
-料仓1 |
表1:示例性表格对象标识符
图4示出工业工厂的基础产品生产***的过程部分的第二实施例,在本第二实施例中其分别包括六个产品处理设备400、402、406、410、412、416或技术设备。
用于处理包装对象的“上游过程”400连接到用于对处理的包装对象进行分类的“分类单元”402。上游过程400和分类单元402借助于第一数据对象404来管理。该数据对象404涉及具有描绘它的创建日期和时间的基础日期和时间戳“1976-02-06 18:51:43.431”的已经描述的“B包装”。数据对象404包括当前处理的包装对象的“包装ID”(所谓的“对象标识符”)。数据对象404进一步包括关于当前处理的包装对象的n个预先描述的化学和/或物理特性,在本示例中为“特性1”和“特性n”。
在本示例中,输入材料(即被送入到上游过程400的对应包装对象)由“回收料仓”406提供。另一方面,回收料仓406从将包装对象输送到回收料仓406的“输送单元1”410获得基础回收材料,该基础回收材料必须回收并相应地由分类单元402分类。基础输送过程步骤410借助于第二数据对象408进行管理,该第二数据对象408涉及上述“B包装”,并包括提到的基础日期和时间戳“1976-02-06 18:51:43.431”、当前处理的包装对象的“包装ID”,以及两个化学和/或物理特性“特性1”和“特性n”。然而,由于上述回收基础分类包装对象的要求,第二数据对象408进一步包括基础包装对象的另一化学和/或物理特性(在本示例中为“特性2”),其具体包括该包装对象的相应性能指标,在本示例中为“低或不足的材料或产品性能”。
取决于对应的包装对象的性能值,由上游过程400处理并且没有被分类单元402分类的包装对象由分类单元402提供给第一“包装单元1”412或第二“包装单元2”416。包装单元412、416用于将对应的包装对象打包到相应的容器414、418。由两个包装单元412、416执行的包装过程借助于第三数据对象420和第四数据对象422管理。
两个数据对象420、422均涉及“物理包装”,并包括与上述“B包装”相同的日期“1976-02-06”,但包括比上述“B包装”稍晚的时间戳“19:12:21.123”。它们还包括基础包装对象的“包装ID”。然而,数据对象420、422进一步包括用于基础最终产品的性能指标,在本示例中是关于存储在第一容器(或填充袋)414中的产品的“性能中等范围”和存储在第二容器(或填充袋)418中的产品的情况的“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“批次号”。
图5示出在工业工厂处实现的基础化学产品生产过程或***的部分的第三实施例,在当前第二实施例中,其分别包括九个产品处理设备500-516或技术设备。
本产品处理方法基于两种原材料,即“液体原材料”500和“固体原材料”502,以便用已知方式生产聚合材料。类似根据图3和图4的先前描述的生产场景,技术设备包括用于使用回收材料的“回收料仓”504,如前所述。
技术设备进一步包括用于基于上述输入原材料创建包装对象的“配料单元506”,该上述输入原材料由“反应单元”508以及由“固化单元”518处理,该“反应单元”508沿着所示的四个聚合物反应区域(“区域1-4”)510、512、514、516输送包装对象以便处理它们,并且该“固化单元”518用于固化在反应单元508中产生的聚合材料(即对应的包装对象)。在本实施例中,固化单元518仅包括材料缓冲器,但不包含返混设备。固化单元518还输送相应处理的包装对象。
“输送单元1”520借助于回收料仓504输送被分类出的用于回收的包装对象。最终处理的,即未分类出的单元再次输送到第一“包装单元1”522和第二“包装单元2”524。两个包装单元522、524将对应的包装对象转换和输送到相应的容器或填充袋526、528。
图5中所示的生产过程借助于第一数据对象530和第二数据对象534进行管理。
第一数据对象530涉及具有创建日期“1976-02-06”和创建时间“18:31:53.401”的“A包装”。在当前生产场景中,数据对象530再次包括预先描述的“包装ID”、关于由配料单元506执行的配料过程的过程信息(“配料特性”),以及关于借助于反应单元508生产聚合物材料的进一步过程信息(“反应单元特性”)。配料特性包括关于每个包装对象的原材料量的信息,即“百分比原材料1(液体)”、“百分比原材料2(固体)”和产品温度。反应单元特性包括四个聚合反应区域510-516(“温度区域1”、“温度区域2”、“温度区域3”和“温度区域4”)的温度。
因此,第一数据对象530包括沿处理线506-524的基础包装对象的当前位置(“当前包装位置”)。在本实施例中,该包装对象的当前位置借助于“包装位置链接”和对应的“区域位置”进行管理。最后包括有关基础聚合反应的化学和/或物理信息,即对应的“反应焓/周转度”。因此,输送给定包装对象的处理单元506-524计算并将永久反应焓值写入/实现到第一数据对象530中。由于关于包装位置和对应停留时间以及关于对应过程值的现有信息(例如包装温度),这是可能的。基于包括在第一数据对象530中的反应焓和/或周转度的当前值,经由第一数据对象530和固化单元518之间的通信线路532,固化时间参数基于计算的反应焓值被调节。
第二数据对象534涉及由包装单元522、524中的一个处理的“物理包装”并且包括对应的创建日期/时间信息“1976-02-06 19:12:21.123”。其中包括“包装ID”、“产品”描述/规格、“订单号”、“批次号”以及计算出的焓和/或周转度的上述值。
图6示出代表基础工业工厂602的层级或拓扑结构的基于图形的数据库布置的第一实施例,该工业工厂602是工业工厂集群600的一部分,并且包括作为相应的产品处理线604的一部分的多个设备装置和对应的设备区域。该拓扑结构允许对工业工厂602(或基础工厂集群600)的基础不同部分之间的功能关系进行可视化,以便实现改进的基础产品包装的处理或规划。基于图形的数据库的所示圆形节点经由连接线链接,不同的链接类型是可能的。
在该实施例中,设备装置包括材料处理单元606、614,它们经由信号和/或数据连接与作为处理单元606、614一部分的传感器/执行器(actor)608、616连接,并且它们连接到若干输入/输出(I/O)设备610、612和618、620。
在本实施例中,第一处理单元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,其中第二处理单元614进一步与另外三个产品包装(产品包装4-n)628、630、632连接。仅作为示例,“产品包装3”626连接到产品样本(样本1)634,其中“产品包装5”630连接到另一个产品样本(样本n)638。“样本1”634进一步与“检验批次1”636连接,其中“样本n”进一步与“检验批次n”640连接。最后,两个检验批次636、640都与“检验指令1”单元642连接,该“检验指令1”单元642用作关于如何创建上述检验批次以及如何实现相应基础样本634、638的分析/质量控制的规范。
如图6中所示的拓扑结构有利地提供了数据结构,其允许用户(特别是机器/工厂操作员)直观和容易地理解所示化工厂的功能和处理,并因此容易地管理化工厂或化工厂集群中的这种复杂生产过程,因为所示对象(节点)与对应的真实世界对象非常相似地建模。
更特别地,该拓扑结构提供了高度的上下文信息,用户/操作员可以基于该上下文信息轻松地收集每个对象的技术和/或材料特性。这另外允许用户进行相当复杂的查询,例如关于对象之间的相关的与生产相关的连接或关系,特别是跨多个节点或甚至拓扑/层次结构级别的连接或关系。于是,图6中所示的对象(节点)可以在运行时期间通过更多特性和/或值轻松扩展。
图7示出如图6中所示但仅用于生产线700(“线1”)的基于图形的数据库布置的第二实施例。
在本实施例中,设备装置包括材料处理单元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/执行器“传感器/执行器1”704和“传感器/执行器n”710连接,它们连接到对应的输入/输出(I/O)设备“I/O 1”706和“I/O n”712。这些I/O设备包括到用于控制生产线700的操作的PLC(未示出)的连接。
在本实施例中,第一处理单元(“单元1”)702进一步与示例性三个产品包装(“产品部分”1-3)714、716、718连接,其中第二处理单元(“单元n”)708进一步与另外两个产品包装(“产品部分”4和n)720、722连接。仅作为示例,“产品包装3”718连接到产品样本(“样本1”)724,其中产品包装n 722连接到另一个产品样本(“样本n”)728。
与图6中所示的实施例相反,第一“传感器/执行器1”704也连接到第一产品样本(“样本1”)724,其中第二“传感器/执行器n”710也连接到第二产品样本(“样本n”)728。这两个附加连接的优点是可以在不同的样本站在独立的时间或甚至同时独立地采样。例如,传感器/执行器704可以是布置在样本站处的按钮,其在采样时由用户或操作员按下。
可替代地,这种样本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可以例如经由所示的I/O对象706到达传感器/执行器对象704,其中I/O对象706从(未示出的)PLC/DCS接收提到的按钮信息。在获得样本的时刻,样本对象724(例如)将被创建并链接到当时位于采样站位置的产品部分。
基于相应生成的样本724、728,即使仅针对一个(和相同的)样本也可以生成一个或更多检验批次726、730。然而,一个或更多样本可以在一条处理线内独立地或甚至同时生成。
最后,如图6中所示的实施例中,“样本1”724进一步与第一“检验单元1”726连接,其中“样本n”进一步与第二“检验单元n”730连接。检验单元726、730二者最终都与再次用作规范的“检验指令1”单元732连接,如图6中描绘的“检验指令1”单元642的情况,即关于如何创建所述检验批次以及如何实现基础样本724、728的分析/质量控制。“检验指令1”单元732可以独立创建,并且可以只创建一次,而将检验指令732用于不止一个检验批次,如通过“检验批次1”726和进一步的“检验批次n”730在图7中所示。
图8描述了抽象层800,该抽象层800包括对象数据库801并且用作用于预先描述的生产设备和对应的原材料以及用于预先描述的产品数据(可包括预先描述的物理包装或产品包装相关数据,即根据数字孪生)的抽象层。
在本实施例中,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PLC 806、808(双向810,如“PLC/DCS1”806的情况,或单向812,如“PLC/DCS n”808的情况)通信。在本实施例中,云计算平台804包括到客户集成接口或平台816的双向通信线路814,当前生产工厂所有者的客户可以经由该接口或平台与工厂的预先描述的设备单元通信和/或传送控制信号。
在对象数据库801中进一步包括与此相关的其它对象,例如上述样本、检验批次、样本指令、传感器/执行器、设备、设备相关文档、用户(例如机器或工厂操作员)、相应用户组和用户权限、配方、订单、设定点参数集或来自云/边缘设备的收件箱对象。
在云计算平台804处,实现人工智能(AI)或机器学习(ML)***,通过该***找到或创建最优算法,该算法经由专用部署管道818部署到物联网(IoT)边缘设备或组件820,以便使用相应地创建或找到的算法来控制边缘设备820。在本实施例中,边缘设备820与抽象层800双向通信822。
借助于抽象层800和包括的对象数据库801,可以创建预先描述的物理或产品包装,如本文档中所述。抽象层800还可以连接到云计算平台804内的某些处理和/或AI(或ML)组件。对于该连接,可以使用已知的数据流协议“Kafka”。因此,在创建基础产品包装时或前后,首先可以将空数据包作为消息发送出去,特别是独立于基础时间序列数据。之后,在处理完最终产品包装后,可以发送另一条消息。这些消息包含基础包装的对象标识符作为数据包ID,使得稍后在云平台侧将相关包重新相互链接。这具有可以避免大数据包传输到云端,从而最小化所需的传输带宽或容量的优点。
在云计算平台804中,通过所提到的AI方法或ML方法使用流式传输和接收到的产品数据以便找到或创建用于获取与基础产品相关的附加数据的算法,诸如预测的产品质量控制(QC)值。对于在云计算平台804内执行的该过程,需要附加数据,如QC数据或相关产品(或物理)包装的测量性能参数。这可以经由相同的方式从对象数据库801以样本对象和检验批次对象的形式接收(也参见图6),它们包含有关相关产品包装的这种信息。
这种信息也可以从对象数据库以外的任何其它***接收。在该情况下,其它***将QC和/或性能数据连同样本/检验批次ID从对象数据库中发送出去。在云计算平台804内,该数据将被组合并用于寻找例如基于ML的算法/模型。由此可以有效地使用云平台804内的计算能力。
在本实施例中,经由部署流水线818将相应找到的算法或模型部署到边缘设备820。边缘设备820可以是靠近抽象层800的对象数据库801的组件,并且因此也相应地靠近PLC/DCS1到PLC/DCS n 806、808,即在网络安全级别和位置方面,其允许低网络延迟和直接且安全的通信。
由于使用ML模型不需要这种计算能力,因此边缘设备820使用ML模型生成上述高级信息并将其提供给对象数据库801。因此,边缘设备820需要在云计算平台804处用于生成基于ML的算法或模型的相同信息或信息的子集,对象数据库801可以将该数据提供给边缘设备820,例如经由用于机器对机器通信的开放网络协议,如已知的“消息队列遥测传输”(MQTT)协议。
该设置可以实现基于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中所示的实施例所示,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侧,使用这种数据作为训练数据来训练AI/ML***或相应AI/ML模型。因此,在本实施例中训练数据可以包括指示化学产品的性能参数的历史和当前实验室测试数据,特别是来自过去的特定数据。
AI/ML模型可用于预测一个或更多预先描述的性能参数,所述预测优选地经由计算单元完成。另外或可替代地,AI/ML模型可用于至少部分地控制生产过程,优选地经由调节设备操作条件,并且更优选地所述控制经由提到的计算单元完成。另外或可替代地,AI/ML模型也可以用于例如由计算单元确定哪些过程参数和/或设备操作条件对化学产品具有主导影响,使得对过程参数和/或设备操作条件具有主导影响的那些过程参数和/或设备操作条件分别附加到数据对象或所述对象标识符。
方法步骤可以例如按照示例或方面中列出的顺序执行。但需要注意的是,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,可以同时或以及时间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”一词不排除其它元素或步骤,并且不定冠词“一”或“一个”不排除复数。单个处理部件、处理器或控制器或其它类似单元可以实现权利要求中列举的若干项目的功能。仅仅某些措施在相互不同的从属权利要求中叙述的事实并不指示这些措施的组合不能被有利地使用。权利要求中的任何参考标记不应被解释为对范围的限制。
此外应当注意,在本公开中指示特征或元素可能存在一次或多于一次的术语“至少一个”、“一个或更多”或类似的表达通常可能仅在介绍相应的特征或元素时使用过一次。因此,在一些情况下除非另有具体说明,否则当提及相应的特征或元素时,可能不会重复“至少一个”或“一个或更多”的表达,尽管事实上相应的特征或元素可能出现一次或多于一次。
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并且不旨在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“根据一个方面”或类似表达引入的特征旨在是可选特征,而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,并且对将以这种方式引入的特征与本教导的其它可选或非可选特征组合的可能性没有任何限制。
说明书中使用的任何标题仅为方便起见,因此这种标题对主题没有任何限制或约束作用。
上文已经公开了以下的各种示例:用于改进生产过程的方法;用于执行本文所公开的方法的***;用于改进生产过程的***;用途;软件程序;以及计算单元,包括用于执行本文所公开的方法的计算机程序代码。然而,本领域技术人员将理解到,在不脱离随附的权利要求及其等同物的精神和范围的情况下,可以对这些示例进行改变和修改。将进一步理解到,本文所讨论的方法和产品实施例的各方面可以自由组合。
例如,本教导涉及一种用于改进在包括至少一个设备和一个或多个计算单元的工业工厂中制造化学产品的生产过程的方法,并且该产品通过处理至少一种输入材料来制造,其方法包括:提供与化学产品相关的至少一个期望性能参数,确定一组控制设置用于控制化学产品的生产;其中控制设置是使用记分器模块来确定的,该记分器模块被配置为从存储器存储装置中选择至少一个历史对象标识符,其中,历史对象标识符已附加到其上用于制造过去一种或多种化学产品的历史过程参数和/或操作设置。本教导还涉及用于改进生产过程的***、用途和软件程序。
Claims (25)
1.一种用于改进用于在工业工厂处制造化学产品的生产过程的方法,所述工业工厂包括至少一个设备和一个或多个计算单元,并且通过使用所述生产过程经由所述设备处理至少一个输入材料来制造所述产品,所述方法包括:
-在所述计算单元中的任一个计算单元处,提供与所述化学产品相关的至少一个期望性能参数;
-经由所述计算单元中的任一个计算单元,确定用于控制所述化学产品的生产的一组控制设置;其中,使用记分器模块来确定所述控制设置,所述记分器模块被配置为基于所述期望性能参数和所确定的性能参数从存储器存储装置中选择至少一个历史对象标识符,
其中,所述历史对象标识符已附加了用于制造过去的一个或多个化学产品的历史过程参数和/或操作设置;其中,使用所述历史过程参数和/或所述操作设置来确定所述一组控制设置,并且所述一组控制设置能够用于在所述工业工厂处制造所述化学产品。
2.根据权利要求1所述的方法,其中,用于经由所述设备进行处理的所述输入材料被分成至少两个包装,其中,所述包装的大小是固定的或基于输入材料重量或数量来确定,为此所述设备可以提供相当恒定的过程参数或设备操作参数。
3.根据权利要求1或权利要求2所述的方法,其中,通过对应的数据对象来管理所述至少两个包装的处理,每个数据对象至少包括历史对象标识符。
4.根据权利要求1至权利要求3中的任一项或多项所述的方法,其中,响应于经由所述设备提供的触发信号,生成数据对象。
5.根据权利要求4所述的方法,其中,响应于在所述设备的每个设备单元处布置的对应传感器的输出,提供所述触发信号。
6.根据权利要求1至权利要求5中的任一项或多项所述的方法,其中,
所述记分器模块使用记分函数执行选择。
7.根据权利要求1至权利要求6中的任一项或多项所述的方法,其中,所述方法包括:
- 经由接口,提供包括输入材料数据的上游对象标识符;其中,所述输入材料数据指示所述输入材料的一个或多个特性。
8.根据权利要求1至权利要求7中的任一项或多项所述的方法,其中,所述方法包括:
- 在所述计算单元中的任一个计算单元处,从所述设备接收实时过程数据;其中,所述实时过程数据包括实时过程参数和/或设备操作条件,
- 经由所述计算单元中的任一个计算单元,确定所述实时过程数据的子集;所述实时过程数据的所述子集指示处理所述输入材料的过程参数和/或设备操作条件。
9.根据权利要求8所述的方法,其中,所述方法包括:
- 将所述实时过程数据的所述子集附加到所述对象标识符。
10.根据权利要求1至权利要求9中任一项或多项所述的方法,其中,通过分析对应的过去的化学产品来确定所确定的性能参数。
11.根据权利要求7至权利要求10中任一项或多项所述的方法,其中,所述方法包括:
- 将所确定的性能参数附加到所述对象标识符。
12.根据权利要求8所述的方法,其中,基于所述实时过程数据的所述子集和历史数据来计算所确定的性能参数。
13.根据权利要求12所述的方法,其中,使用输入材料数据来计算所确定的性能参数,所述输入材料数据指示所述输入材料的一个或多个特性。
14.根据权利要求12或权利要求13所述的方法,其中,所述方法包括:
- 将所确定的性能参数附加到所述对象标识符。
15.根据权利要求1至权利要求14中的任一项或多项所述的方法,其中,所述存储器存储装置包括多个历史对象标识符,每个历史对象标识符与对应的历史化学产品相关,其中,使用相对于彼此随机化的操作设置来生产至少一些所述历史化学产品。
16.一种用于改进用于在工业工厂处制造化学产品的生产过程的方法,所述工业工厂包括至少一个设备和一个或多个计算单元,并且通过使用所述生产过程经由所述设备处理至少一个输入材料来制造所述产品,所述方法包括:
-经由接口,提供包括输入材料数据的对象标识符;其中,所述输入材料数据指示所述输入材料的一个或多个特性,
-经由所述计算单元中的任一个计算单元,提供一个或多个控制设置的随机变化;所述控制设置用于控制所述生产过程,
-在所述计算单元中的任一个计算单元处,从所述设备接收实时过程数据;其中,所述实时过程数据包括实时过程参数和/或设备操作条件,
-经由所述计算单元中的任一个计算单元,确定所述实时过程数据的子集;所述实时过程数据的所述子集指示处理所述输入材料的过程参数和/或设备操作条件,
-将所述实时过程数据的所述子集附加到所述对象标识符。
17.根据权利要求16所述的方法,其中,使用包括来自被附加的对象标识符的数据的训练数据来训练机器学习ML模型,优选地,经由所述计算单元进行所述训练。
18.根据权利要求17所述的方法,其中,所述工业工厂包括物联网IoT边缘设备或部件,并且其中,底层ML***被实现为查找或创建算法,所述算法被部署到所述IoT边缘设备或部件,以便使用相应创建或找到的算法来控制所述IoT边缘设备。
19.根据权利要求17或权利要求18所述的方法,其中,提供抽象层,所述抽象层包括对象数据库并且用作用于所述生产设备、用于对应的输入材料和用于包装相关数据的抽象层。
20.根据权利要求19所述的方法,其中,所述抽象层连接到云计算平台内的特定处理和/或ML部件,其中,对于该连接,使用数据流传输协议,并且其中,被流传输和接收到的产品数据由所述ML***用于查找或创建算法以获取与基础化学产品相关的附加数据。
21.根据权利要求20所述的方法,其中,所述附加数据涉及所述基础化学产品的可预测产品质量控制(QC)数据。
22.根据权利要求17至权利要求21中的任一项或多项所述的方法,其中,用于训练所述ML模型的所述训练数据还包括历史和/或当前实验室测试数据、或者来自过去和/或最近样本的数据,所述历史和/或当前实验室测试数据指示所述化学产品的所述性能参数。
23.一种用于改进生产过程的***,其中,所述***被配置为执行根据上述方法权利要求中的任一项的步骤。
24.一种计算机程序或存储所述程序的非暂态计算机可读介质,所述程序包括指令,所述指令当由任何一个或多个合适的计算单元执行时,使得所述计算单元执行根据上述方法权利要求中的任一项的步骤。
25.一种在上述方法权利要求中的任意一项或多项中生成的用于控制工业工厂处的生产过程的一组控制设置的用途。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20216436 | 2020-12-22 | ||
EP20216436.4 | 2020-12-22 | ||
PCT/EP2021/086402 WO2022136144A1 (en) | 2020-12-22 | 2021-12-17 | Chemical production |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116670598A true CN116670598A (zh) | 2023-08-29 |
Family
ID=73856779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180086555.0A Pending CN116670598A (zh) | 2020-12-22 | 2021-12-17 | 化学生产 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240192661A1 (zh) |
EP (1) | EP4268027A1 (zh) |
CN (1) | CN116670598A (zh) |
WO (1) | WO2022136144A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115113596B (zh) * | 2022-07-13 | 2023-09-08 | 浙江高裕家居科技股份有限公司 | 一种基于质量监测的聚氨酯材料生产参数调节方法及*** |
EP4328684A1 (en) * | 2022-08-24 | 2024-02-28 | Siemens Aktiengesellschaft | Predicting a batch quality value by a machine learning model for a dedicated batch of material in a production line |
GB202213747D0 (en) * | 2022-09-20 | 2022-11-02 | Univ Court Univ Of Glasgow | Methods and platform for chemical synthesis |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6445969B1 (en) * | 1997-01-27 | 2002-09-03 | Circuit Image Systems | Statistical process control integration systems and methods for monitoring manufacturing processes |
CN101341502A (zh) * | 2005-08-05 | 2009-01-07 | 辉瑞产品公司 | 自动化批量制造 |
DE102018122411A1 (de) * | 2018-09-13 | 2020-03-19 | Endress+Hauser SE+Co. KG | Verfahren zur Verbesserung der Messperformance von Feldgeräten der Automatisierungstechnik |
EP3696619A1 (en) * | 2019-02-15 | 2020-08-19 | Basf Se | Determining operating conditions in chemical production plants |
WO2020188336A1 (en) * | 2019-03-15 | 2020-09-24 | 3M Innovative Properties Company | Manufacturing a product using causal models |
-
2021
- 2021-12-17 US US18/268,689 patent/US20240192661A1/en active Pending
- 2021-12-17 EP EP21840567.8A patent/EP4268027A1/en active Pending
- 2021-12-17 CN CN202180086555.0A patent/CN116670598A/zh active Pending
- 2021-12-17 WO PCT/EP2021/086402 patent/WO2022136144A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20240192661A1 (en) | 2024-06-13 |
WO2022136144A1 (en) | 2022-06-30 |
EP4268027A1 (en) | 2023-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116670598A (zh) | 化学生产 | |
US20240024839A1 (en) | Chemical production monitoring | |
US20230350395A1 (en) | Chemical production control | |
CN116615695A (zh) | 化学生产 | |
US20230350396A1 (en) | Chemical production | |
US20240012395A1 (en) | Chemical production control | |
US20230409015A1 (en) | Chemical Production | |
US20230341838A1 (en) | Chemical production control | |
US20240061403A1 (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 |