CN1662858A - 设计试验的方法和计算机 - Google Patents
设计试验的方法和计算机 Download PDFInfo
- Publication number
- CN1662858A CN1662858A CN03813909.XA CN03813909A CN1662858A CN 1662858 A CN1662858 A CN 1662858A CN 03813909 A CN03813909 A CN 03813909A CN 1662858 A CN1662858 A CN 1662858A
- Authority
- CN
- China
- Prior art keywords
- test
- data
- optimizer
- unit
- module
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
-
- 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
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
- General Factory Administration (AREA)
Abstract
本发明是关于用下列步骤设计试验的一种方法:A.通过一个数据驱动的优化器,从一个试验空间选出至少一个第一试验,B.输入第一试验通过实验取得的试验数据,C.为处理试验数据应用一个元层,其中元层包括一个神经网络和/或一个混合模型和/或一个精确模型和/或一个或多个数据挖掘方法,D.将第一试验通过实验取得的试验数据输入到数据驱动的优化器中,E.通过处理的结果影响数据驱动的优化器,F.通过数据驱动的优化器,从试验空间选出至少一个第二试验。
Description
本发明是关于设计试验的一种方法和一种计算机***以及一种相应的计算机程序产品。
从现有技术得知,用统计试验设计方法去设计试验。此外,这些设计方法要使用于,用最少数量的试验来取得一个过程中的调节参数和干扰参数与形成的产品-和过程性能之间关系的一个经验的过程模型。这样一个统计的试验设计,例如可以借助于计算机程序“STAVEX”(STAtistische Versuchsplanung mit Expertensystem(具有专家***的统计试验设计),生产者为瑞士的AICOS Technologie)来进行。另一个市场上可以得到的试验设计计算机程序,是德国公司StatSoft(Europe)GmbH的程序“StatisticaR”。
在统计试验设计的范围内,在现有技术中区分为各种试验设计类型。尤其是在传统的、全因子方法与按照Taguchi或Shainin的现代方法之间进行区分。
传统的、全因子方法,是所有统计试验设计方法的起源。它是根据方差分析,建立在所有质量决定的因子相互比较的基础上。在过去的几十年中,制订出了很多的方案,并在研究和开发实验室中得到确认。
Shainin-DOE(DOE=Design of Experiment,试验设计)适宜作为过程最佳化的适合的方法,因为它将所谓“强的”影响因素分离开并在关联和相依性上去研究它们。
Taguchi-DOE是建立在以前的、部分因子的、正交的试验计划基础上。由于通过预选最重要的影响量大大节省了试验过程,这就是试验设计和过程设计的一个快速和相对经济的方法。
其它已知的统计试验设计类型,是部分因子试验计划(“fractional factorial”)、Plakett-Burmann试验设计、集中组合设计(“central composite”)、Box-Behnken试验设计、D-最佳设计(“D-optimal Designs”)、混合设计、平衡方块设计、拉丁平方形、Desperado设计(为此也可参阅Eberhard Scheffler,Statistische Versuchsplanung and-auswertung;DeutscherVerlag für Grundstoffindustrie,Stuttgart,1997)。
另一些试验设计方法见Hans Bendemer的“OptimaleVersuchsplanung,优化的试验设计”,德国手册系列丛书(DTB,23卷和ISBN 3-87144-278-X)以及Wilhelm Kleppmann的试验设计手册,“产品和过程最佳化”2.,增订版,ISBN:3-446-21615-4。由于费用原因在实践中经常使用这些方法。
已知的统计试验设计方法的缺点是,进行试验设计和模型化时没有考虑到补充的知识,致使有时找不到适当的最佳效果,使所产生结果和结论的值得信赖性成了问题。以前知道的试验设计方法的另一个重要缺点是,这些方法在有大量的要考虑的影响因素中范围太广。此外,在某些***中,例如在催化作用或有效物料研究中,目标功能经常剧烈“起伏”,因此难于用统计方法理解。
由WO 00/15341得知一种用于开发异质催化反应过程的固体材料催化剂的方法,它是按照演化方法建立在对照调试的基础上的。
此外,还由WO 00/43411,J.chem..Inf.Compute.Sci.2000,40,981-987“使用随机优化算法的异质催化设计”以及由Applied Catalysis A:General 200(2000)63-67“An evolutionaryapproach in the combinatorial selection and optimization ofcatalytic materials,在催化材料的组合选择和优化中使用的开发方法”得知相应的演化工作的方法。
此外,由US 6,009,379得知一种为了控制制造过程有关高效的试验设计方法。在这种情况,为了有均匀地加权各个制造参数,将试验点均匀地分布在一个多维球表面上。
图1示出的是为了实施筛选(Screening)试验由现有技术已知的一个***的方块图,尤其像在催化、材料研究和有效物料研究领域使用的那样。该***包括一个物质库(substanzbilliothek),即一个所谓的组合库(Library)1和一个用于实施高通量筛选(HTS)或高速实测(High-Speed Experimentation(HSE))试验的试验结构2。这些筛选试验,典型地使用于有效物料鉴定、催化研究(单相的和多相的)、材料研究以及在化学、生物化学或生物技术***时鉴别最佳反应条件。
通常,在这样一个试验结构2中要平行进行多个试验。试验结果以文件3的形式输出。这些输出的数据或其中的部分数据同时是一个优化器4的输入数据。
优化器4是一个所谓的黑匣子-优化器,就是说是一个建立在一个数据驱动模型或一个演化算法基础上的优化器。在优化器4中,不存在有关结构和/或作用关系的先验知识,更确切地说为了从组合库1中选出试验,它作为局限于数据处理的优化器。
典型的是,优化器4应用试验数据3,这些数据由影响参数(属性、因子、结构特征、描述符、物理量、材料性能)和有关这些参数在所谓的目标(目标量)上作用的数据组成,以便在目标的空间中确定一个最佳寻找方向。
这样一个黑匣子-优化器4的实现例如如下进行,经过:
-遗传算法,
-演化算法或策略,
-神经网络或
-其它数据驱动模型组(modellansatz),它们与随机的或决定性的或由两者组合的最佳化结构有关。
这些由现有技术得知的***有个共同的缺点,即先验的信息不能或只能局限性地对黑匣子-优化器产生影响和相应的寻找策略,经常缓慢地或向不适当的次优化收敛。因此,鉴于时间和费用上的花费,这些由现有技术得知的方法往往是低效率的。此外,在用以演化算法为基础的技术时,在使用优化器去实现最佳值时能使费用有高于使用合理的或统计措施时的危险。
因此,本发明的任务在于,创立一种较好的设计试验的方法以及创立一种相应的计算机***和计算机程序产品。
本发明的任务用独立权利要求的特征去解决。本发明的优选实施形式在从属权利要求中给出。
本发明的对象是一种设计试验的方法,为了实现最佳化的目的用下列步骤:
A)在一个计算机单元中,通过一个数据驱动的优化器,从一个试验空间(Versuchsraum)选出至少一个第一试验,
B)将第一试验的通过实验测定的试验数据输入到计算机单元的至少一个元层(Meta-Schicht)中,
C)为处理试验数据应用至少一个元层,
D)将第一试验的通过实验测定的试验数据输入到数据驱动的优化器中,
E)通过在元层中处理的结果和检验目标实现的结果来影响数据驱动的优化器,
F)通过数据驱动的优化器,从试验空间选出至少一个第二试验,
G)为第二试验的数据重复步骤B)至E)和
H)在目标达到时或重复至少一个第三或其它试验的步骤A)至F)直至达到目标时中断该六个步骤(Hexation)。
将方法进行重复直至达到最佳化目标,或确定出该最佳化目标可能不能实现。方法的中断能自动或通过用户进行。最佳化目标可以是实现试验的某些评价特征数值。特征数值例如可能涉及增益选择性、空间-时间-增益、费用、物理性能、作用机制、推导的性能等等。同样有可能在应用多个特征数值的情况下评价试验。
本发明允许为影响黑匣子-优化器积累知识以加速会聚和/或会聚的保证为目的来达到一个适宜的最佳值以及提高结果的可信赖性。在这种情况,能将知识作为先验的已知的基本知识和/或不断通过处理前面进行的试验处理而补充。
附加知识的生成优先是以“规则”形式进行,尤其是经过与数据挖掘(Data Mining)和其它方法的结构作用关系进行。这些规则能在一个最佳化步骤之前、期间或之后或者也连续不断地整和到试验设计中,此时数据驱动的优化器将相应受到影响。为了数据驱动的优化器的这个影响,预先规定一个元层。
通过使用这样一个元层,黑匣子-优化器“被调协”。在这种情况,元层不是局限于一个方法,而是能包括各种方法的组合。可能的方法是:
-神经网络,
-混合模型,
-精确模型(rigorose Modelle),
-数据挖掘方法,诸如判断树法、通用分离法、分组查找法、通用分割法、群集法、缔合规则生成器(Assoziationsregeln-generator)和相关法。
优化器工作方式的影响可在这种情况直接进行,即通过影响优化器工作方式的方法或间接地,通过过滤数据的方法,这些数据构成最佳化的基础。
按照本发明的一个优选实施形式,应用影响优化器的方法,通过这些方法优化器和/或最佳化过程“被调谐”。属于这些方法的例如有分组查找法或相关性分析法或在规则生成器(Regelgeneratorn)时的属性统计。
按照本发明的另一个优选实施形式,规定有一些其它的元层,它们改进各上述的元层或影响它或影响上述那些元层和/或附加地直接影响第一级(erste Ebene)的黑匣子-最佳化过程。
按照本发明的另一个优选实施形式,在每个最佳化步骤中能到原始的最佳化过程中去改变影响位置,和能改变在元层中使用的方法或方法组合。选择产生最佳规则的适宜方法在这种情况能自动进行。
按照本发明的一个优选实施形式,影响优化器通过重新评估试验数据进行。例如,用可直接实验方法确定诸如产额那样相应的数据,试验数据自己已经能含有一个评估。在这种情况,重新评估能通过过滤产额数据进行,例如借助将特别好的产额通过数据过滤更强地加权,将特别不好的产额通过数据过滤减弱加权。通过这种类型的数据过滤,使试验过程达到快速的会聚。
如果试验数据不是直接含有一个实验确定的评估,而是将评估通过实验后安排的计算才确定,则相应地也能进行。在这种情况,不是通过实验确定数据,而是通过计算过滤或加权确定的评估。
在这种情况,过滤的方式和方法可通过一些规则或其它关系得出,这些关系依据试验数据的一种分析方法找到,例如借助于神经网络或数据挖掘法或其它方法找到。
按照另一个优选的实施形式,对优化器的影响通过试验空间的缩小、放大和/或位移实现。
按照另一个优选的实施形式,过滤通过预选和/或加权试验数据进行。特别“不好的”试验数据,即由规则生成器进行预选作为不适合识别出的试验数据,并从试验空间除掉。此外,如果相应的参数由规则生成器作为不重要的识别出,也能从试验数据矩阵将整列或整行除掉。经此将试验空间缩小,使整个费用大大降低。
试验数据的加权能如下进行,即将在试验数据矩阵中作为特别重要识别出的试验数据重复一次或多次。可选择的是能引入一个加权系数。
按照本发明的另一个优选实施形式,黑匣子-优化器包括一些所谓的核心模块或核心算子,以及一个选择新试验点的模块。对优化器工作方式的影响,就通过对该核心模块或这些核心模块和/或选择新试验点的模块的影响进行,这些新试验点建立在例如由规则生成器识别出的关系的基础上。
在下面用附图详细阐述本发明的一些优选实施形式。示出的有:
图1表示一个由现有技术已知的试验设计***的方块图,
图2本发明试验设计***的一种实施形式的方块图,
图3具有重新评估试验数据的本发明试验设计***的一种实施形式的方块图,
图4具有预选和/或加权试验数据的本发明试验设计***的一种
实施形式,
图5具有影响选择优化器新试验点的本发明试验设计***的一种实施形式,
图6具有影响最佳化核心模块或一些核心模块的本发明试验设计***的一种实施形式。
图2的试验设计***是以组合(kombinatorisch)程序库5为基础,该程序库是基于由试验空间给出的框架条件(Rahmenbedingung)产生的。由这个组合库5通过优化器6选出一个或多个试验,然后在试验结构7中例如借助于一个高通量筛选或高速实测试验方法进行这些试验。相应的试验数据以一个文件8的形式输出。
为优化器6在试验设计***中设置一个元层9。元层9用于在考虑先验的已知知识或在试验进行期间补充获得的知识情况下影响优化器6。例如以规则形式或训练过的神经网络形式的知识,在这种情况能连续地通过处理文件8补充获得。
因此元层9通过附加的知识补充数据驱动的优化器6,以便加速试验系列的会聚。通过元层9可用基本知识和/或规则结构的整合改进一个实现于优化器6中的黑匣子最佳化方法的会聚速度。
这个整合能以各种方式和方法进行,例如通过:
A测试信号群(Testensamble)的信息辅助附加选择,即通过用数据挖掘找到的规则限制要检验的组合程序库和不介入优化器
B在作为最佳被识别的程序库范围的方向的最佳化步骤有目的的加权,即介入优化器的查找方法
C调谐黑匣子-最佳化方法的选择规则,即直接介入优化器的评估方法或在输入到优化器之前修改评估数值。
介入形式A,B和C基本上也能组合进行,就是说在一个最佳化步骤时,也能进行A和B、B和C、A和C或A和B和C的介入。从最佳化步骤到最佳化步骤,能改变介入位置和介入组合以及在元层中应用的方法。介入也能由布置在后的元层进行。
在通过统计试验设计进行最佳化时,与应用一个黑匣子-优化器类似进行,就是说这里在最佳化过程中也是经过元层以一个或几个上面阐述的形式介入。例如,通过在选择影响参数时其有效范围和/或有效范围的附加限制在组合影响参数时流入,来进行基本知识的整合。
为了按顺序进行统计试验设计,通过使用数据挖掘法或其它上述方法能流入有关影响参数的其它信息并整合到试验设计中,就是说在第一、第二...,第n个过程之后各自基于附加信息改变试验空间。
该改变通过下面的措施进行
a)补充或取消影响参数
b)改变各个或组合影响参数的有效范围
c)a)和b)的组合。
在这种情况有特殊优点的是,能继续为一个黑匣子或一个统计优化器6使用“传统”由现有技术本身已知的试验设计方法;将这些试验设计方法通过本发明改进,通过考虑基本知识或在试验过程期间补充获得的知识,使方法较快或完全会聚。
在催化剂、有效物料或材料或反应条件的试验设计最佳化时,通过本发明的“调谐”,尤其使会聚速度有明显提高。另一个优点是,在期待有相同的结果时,可以减少试验的数量,因而可以达到材料-和时间消耗较少和设备更好充分利用的目的。
此外还有一个特殊优点,通过整合基本知识,在使用HSE或HTS技术时或在组合进行时没有发生研究投资损失。
图3示出试验设计***的一个实施形式,此时对试验进行重新评估。
在试验结构7中,进行一个或多个事先从组合程序库5(比较图2)选出的试验。相应的试验数据以文件8的形式输出。试验数据此时自己已经能包括一个评估,前提是相应的数据直接能由试验掌握。为此的一个例子是由试验确定产额。产额同时是对所进行试验的一个评估。
在另外一些情况,能要求在评估模块10中对试验数据附加进行一个评估。例如,为计算建立在一个或多个试验数据基础上的评估,评估模块10有个计算规范。
将文件8和或许还有评估模块10的结果输入到元层9中。元层9包括用于实现一个数据挖掘(DM)算法、一个神经网络的模块11或一个混合方法或一个其它适当数据分析方法的模块11。
通过应用这样一种方法,产生一些规则,即用于理解在试验中观察到的化学***的附加信息和认识。模块11有一个规则生成器的功能。相应的规则和附带条件在元层9的模块12中表述。
然后以这些规则和附带条件为基础,必要时在模块13中进行试验或这些试验的重新评估。这可以这样进行,即只有当超过一个预先规定的门限值时,才进行一个试验的重新评估。另可选择的是,用户也能对激活或去激活重新评估施加影响。重新评估能使作为“不好”识别出的试验得到变坏的评估,使作为“好”识别出的试验有个较好的评估。
以必要时含有重新评估的试验数据的文件8为基础,黑匣子-优化器6制定另一个试验设计18。于是,在试验结构中又进行一些相应的试验等等。
图4示出一个可选择的实施形式,此时过滤不是通过重新评估试验数据,而是通过预选和/或加权进行。在这种情况,图4的试验设计***原则上与图3的结构相同,在模块13的位置为了预选和/或加权应用一个模块15。
就是说不重新或另外评估试验数据,而是能用模块15在所确定的规则的基础上例如选出试验或强一些或弱一些加权。这样去进行预选,而不用去改变试验的评估本身。
图5示出的是本发明试验设计***的另一个实施形式。图5的实施形式区别于图3和图4的地方,在于直接介入优化器6。
优化器在这个实施形式中包括一个或多个核心模块16,即所谓的核心算子。此外,优化器6还包括一个用于选择新试验点的模块17。模块17的工作方式受由模块12表述的规则和附带条件影响,即例如由模块17将所选择的新试验点屏弃,使从模块17到核心模块6进行反馈,以便选择相应另外的试验点作为替代被屏弃的试验点。
在核心模块或一些核心模块16中运行本来的最佳化之后,为了所观察***目标参数的最佳化,通过模块17推荐新的试验或试验点。这个***例如可涉及一个化学、生物技术、生物、发酵***。
在经过规则生成器,即经过元层9所制定的规则的基础上,剔除与所产生规则相矛盾的试验,必要时通过新的试验经过优化器,即经过核心模块或一些核心模块16来补充。
能用某种加权严格地、即完全地、或弹性地(weich)进行剔除。新设计的试验也必须再通过模块17。以这种方式,达到使由核心模块或一些核心模块16没能顾及到的或能顾及到的信息事后流入试验设计。
为了对由模块17所选择的新试验点进行再选择,另可选择的是能给优化器6串接上一个单独的模块18。这相当于在模块18中的一个检验:由模块17推荐的新试验点是否与规则吻合(regelkonform)。如果在该检验时将试验点消除,又要求来一个回流,以便设计相应的可选择的新试验点。
图6试验设计***的实施形式相当于图5的试验设计***,区别在于不影响模块17的工作方式或在模块18中的再选择,而是直接影响优化器6的核心模块或一些模块16的工作方式。
影响参数的类型和数量以及各个数据点的加权,是神经网络核心算子的例子。
选择算子(选出一个新系列试验)、突变算子和交叉(Cross-Over)算子,是在原生算法的例子上为演化算法核心算子的例子。
通过规则生成器产生的规则和信息,在优化器的算法中甚至在实施时予以考虑。
对于与神经网络耦连在一起的优化器,意味着通过规则限制试验空间或以特殊方式加权数据组。
在演化的算法优化器时,要考虑到一个或多个核心算子中的附加信息。这意味着,要禁止或优先实施例如一定的交叉、选择或突变。
对于两个优化器类型,这造成的后果是,在工作流程完全自动化时,经过接口介入优化器的相应程序部分,或信息经过手工或程控变动最佳化参数流入优化器。
图3至6的实施形式能相互组合,就是说多个规则生成器,即元层9,能相互独立地纳入到最佳化流程中。这些规则能用各种相互独立使用的方法和方式产生并汇合在模块12中。
对由元层9的规则生成器或一些规则生成器表述的规则的考虑,不是自动经过规定的接口和在保持预先给出的门限值情况下进行,就是通过手工写出用于优化器范围的规则进行,规则生成器介入优化器。
参考符号一览
组合程序库(kombinatorische Library) 1
试验结构(Versuchsaufbau) 2
文件(Datei) 3
优化器(Optimierer) 4
组合程序库 5
优化器 6
试验结构 7
文件 8
元层(Meta-Schicht) 9
评估模块(Bewer tungsmodul) 10
模块(Modul) 11
模块 12
模块 13
试验设计(Versuchsplan) 14
模块 15
核心模块(Kernmodul) 16
模块 17
模块 18
Claims (21)
1.为了达到最佳化目的,用下列步骤进行试验设计的方法:
A)在一个计算机单元中,通过一个数据驱动的优化器,从一个试验空间选出至少一个第一试验,
B)将第一试验的通过实验测定的试验数据输入到计算机单元的至少一个元层(Meta-Schicht)中,
C)为处理试验数据应用至少一个元层,
D)将第一试验的通过实验测定的试验数据输入到数据驱动的优化器中,
E)通过在元层中处理的结果和检验目标实现的结果来影响数据驱动的优化器,
F)通过数据驱动的优化器,从试验空间选出至少一个第二试验,
G)为第二试验的数据重复步骤B)至E)和
H)在目标达到时或重复至少一个第三或其它试验的步骤A)至F)直至达到目标时中断该六个步骤(Hexation)。
2.如权利要求1的方法,其中在选出至少一个第二试验之前通过优化器和/或通过元层将试验空间改变,尤其是限制、位移或放大。
3.如权利要求1或2的方法,其中元层包括一个神经网络和/或一个混合模型和/或一个精确模型和/或一个或多个数据挖掘方法。
4.如权利要求1、2或3的方法,其中为了确定实验的试验数据,要从有效物料研究、材料研究、催化研究、生物技术和/或反应条件最佳化的范围进行试验。
5.如上述权利要求1至4之一的方法,其中对数据驱动优化器的影响通过过滤建立在评估基础上的试验数据进行。
6.如权利要求5的方法,其中过滤通过重新评估试验数据进行。
7.如权利要求5的方法,其中过滤通过试验数据的加权和/或预选进行。
8.如权利要求7的方法,其中加权通过一个加全参数或通过一次或多次重复试验数据进行。
9.如上述权利要求1至8之一的方法,其中优化器有至少一个核心模块和一个用于选择新试验点的模块。
10.如权利要求9的方法,其中对数据驱动优化器的影响通过影响选择新试验点的模块进行。
11.如权利要求10的方法,其中对选择新试验点模块的影响是在超过一个门限值时和/或通过用户设定值进行。
12.如权利要求9的方法,其中对数据驱动优化器的影响通过影响核心模块进行。
13.如权利要求12的方法,其中对核心模块的影响在超过一个门限值时和/或通过用户设定值进行。
14.用于实施上述权利要求1至13之一的一种方法的计算机程序产品。
15.用于设计试验的计算机***,带有
A.一个数据驱动的优化器(6),用于从试验空间(1)选出至少一个第一试验,
B.数据驱动优化器的一个元层(9),为了评估为第一试验通过实验测定的试验数据,其中元层含有一个神经网络和/或一个混合模型和/或一个精确模型和/或数据挖掘方法,并且其中元层是建立在评估结果基础上为影响数据驱动优化器构成的。
16.如权利要求15的计算机***,具有建立在处理基础上的过滤(13,15)试验数据的工具。
17.如权利要求16的计算机***,其中过滤的工具是为重新评估试验数据构成的。
18.如权利要求16的计算机***,其中过滤的工具是为了加权和/或预选试验数据构成的。
19.如上述权利要求15至18之一的计算机***,其中优化器有至少一个核心模块(16)和一个选择新试验点的模块(17)。
20.如权利要求19的计算机***,其中元层是为了影响选择新试验点的模块构成的。
21.如权利要求19的计算机***,其中元层是为了影响核心模块构成的。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10216558.0 | 2002-04-15 | ||
DE10216558A DE10216558A1 (de) | 2002-04-15 | 2002-04-15 | Verfahren und Computersystem zur Planung von Versuchen |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1662858A true CN1662858A (zh) | 2005-08-31 |
Family
ID=28685059
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN03813909.XA Pending CN1662858A (zh) | 2002-04-15 | 2003-04-02 | 设计试验的方法和计算机 |
Country Status (13)
Country | Link |
---|---|
US (1) | US7424465B2 (zh) |
EP (1) | EP1499930B1 (zh) |
JP (1) | JP2005522765A (zh) |
CN (1) | CN1662858A (zh) |
AT (1) | ATE501470T1 (zh) |
AU (1) | AU2003221546A1 (zh) |
CA (1) | CA2482413A1 (zh) |
DE (2) | DE10216558A1 (zh) |
IL (1) | IL164596A0 (zh) |
NZ (1) | NZ535876A (zh) |
PL (1) | PL372974A1 (zh) |
TW (1) | TWI266207B (zh) |
WO (1) | WO2003087957A2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102918468A (zh) * | 2010-02-17 | 2013-02-06 | 豪尼机械制造股份公司 | 用于在烟草加工工业中制备烟草的装置和用于运行装置的方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004010808A1 (de) * | 2004-03-05 | 2005-09-22 | Bayer Technology Services Gmbh | Verfahren zur Durchführung von Hochdurchsatzexperimenten |
US7133735B2 (en) * | 2005-01-27 | 2006-11-07 | Taiwan Semiconductor Manufacturing Co., Ltd | Experiment management system and method thereof in semiconductor manufacturing environment |
AT9965U3 (de) * | 2008-02-07 | 2009-01-15 | Avl List Gmbh | Verfahren zur vermessung eines nichtlinearen dynamischen realen systems |
EP2297680A4 (en) * | 2008-05-01 | 2013-06-19 | Icosystem Corp | METHODS AND SYSTEMS FOR DESIGNING SELECTION EXPERIENCES AND DEDUCTION OF HUMAN DECISION-MAKING HEURISTICS |
US20090307636A1 (en) * | 2008-06-05 | 2009-12-10 | International Business Machines Corporation | Solution efficiency of genetic algorithm applications |
JP6133789B2 (ja) * | 2011-02-14 | 2017-05-24 | カーネギー メロン ユニバーシティ | 対象物に対する化合物の効果を予測するための機械学習に基づく方法、機械可読媒体及び電子システム |
US11449791B2 (en) * | 2018-11-16 | 2022-09-20 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for monitoring lab processes and predicting their outcomes |
US11086954B1 (en) | 2020-07-09 | 2021-08-10 | Bank Of America Corporation | Method and system for data testing |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5253331A (en) * | 1991-07-03 | 1993-10-12 | General Motors Corporation | Expert system for statistical design of experiments |
US5621665A (en) | 1992-12-15 | 1997-04-15 | International Business Machines Corporation | Selecting levels for factors for industrial process experiments |
BE1009406A3 (fr) * | 1995-06-09 | 1997-03-04 | Solvay | Methode de regulation de procedes de synthese de produits chimiques. |
US6044212A (en) * | 1996-05-24 | 2000-03-28 | Advanced Life Sciences, Inc. | Use of automated technology in chemical process research and development |
US6175816B1 (en) * | 1997-05-23 | 2001-01-16 | Advanced Life Sciences, Inc. | Use of automated technology in chemical process research and development |
US6144885A (en) * | 1997-06-03 | 2000-11-07 | Scarrah; Warren P. | Method for the interactive improvement of manufacturing processes |
US6009379A (en) | 1997-06-11 | 1999-12-28 | International Business Machines Corporation | Method for controlling manufacturing processes via efficient experimental |
ES2229377T3 (es) * | 1997-08-08 | 2005-04-16 | Bridgestone Corporation | Procedimiento para el diseño de neumaticos, analizador de optimizacion y medios de almacenamiento en los que se registra el programa de analisis de optimizacion. |
DE19843242A1 (de) | 1998-09-11 | 2000-03-23 | Inst Angewandte Chemie Berlin | Verfahren zur Herstellung aktiver und/oder selektiver Feststoff-Katalysatoren aus anorganischen oder metallorganischen Feststoffen oder Gemischen davon |
CA2361151A1 (en) | 1999-01-25 | 2000-07-27 | Combimatrix Corporation | Method for combinatorial materials development |
US6604092B1 (en) | 1999-02-26 | 2003-08-05 | Lisa E. Stewart | Expert system utilizing a knowledge base and design of experiment (DOE) techniques |
US6728641B1 (en) * | 2000-01-21 | 2004-04-27 | General Electric Company | Method and system for selecting a best case set of factors for a chemical reaction |
US6983233B1 (en) * | 2000-04-19 | 2006-01-03 | Symyx Technologies, Inc. | Combinatorial parameter space experiment design |
US6516313B1 (en) * | 2000-06-27 | 2003-02-04 | Mitsubishi Electric Research Laboratories, Inc. | Method for dynamic constraint handling in vertex based optimization of a continuous complex system |
US6763276B1 (en) * | 2000-06-27 | 2004-07-13 | Mitsubishi Electric Research Laboratories, Inc. | Method for optimizing a continuous complex system using a set of vertices and dynamic hierarchical constraints |
US6826487B1 (en) * | 2000-10-25 | 2004-11-30 | General Electric Company | Method for defining an experimental space and method and system for conducting combinatorial high throughput screening of mixtures |
US6996550B2 (en) * | 2000-12-15 | 2006-02-07 | Symyx Technologies, Inc. | Methods and apparatus for preparing high-dimensional combinatorial experiments |
US6684161B2 (en) * | 2001-07-11 | 2004-01-27 | General Electric Company | Combinatorial experiment design method and system |
-
2002
- 2002-04-15 DE DE10216558A patent/DE10216558A1/de not_active Ceased
-
2003
- 2003-04-02 PL PL03372974A patent/PL372974A1/xx not_active Application Discontinuation
- 2003-04-02 US US10/511,231 patent/US7424465B2/en not_active Expired - Fee Related
- 2003-04-02 EP EP03717266A patent/EP1499930B1/de not_active Expired - Lifetime
- 2003-04-02 AT AT03717266T patent/ATE501470T1/de active
- 2003-04-02 NZ NZ535876A patent/NZ535876A/en unknown
- 2003-04-02 CA CA002482413A patent/CA2482413A1/en not_active Abandoned
- 2003-04-02 DE DE50313529T patent/DE50313529D1/de not_active Expired - Lifetime
- 2003-04-02 WO PCT/EP2003/003424 patent/WO2003087957A2/de active Application Filing
- 2003-04-02 CN CN03813909.XA patent/CN1662858A/zh active Pending
- 2003-04-02 AU AU2003221546A patent/AU2003221546A1/en not_active Abandoned
- 2003-04-02 JP JP2003584837A patent/JP2005522765A/ja active Pending
- 2003-04-14 TW TW092108486A patent/TWI266207B/zh not_active IP Right Cessation
-
2004
- 2004-10-14 IL IL16459604A patent/IL164596A0/xx unknown
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102918468A (zh) * | 2010-02-17 | 2013-02-06 | 豪尼机械制造股份公司 | 用于在烟草加工工业中制备烟草的装置和用于运行装置的方法 |
CN102918468B (zh) * | 2010-02-17 | 2015-12-02 | 豪尼机械制造股份公司 | 用于在烟草加工工业中制备烟草的装置和用于运行装置的方法 |
Also Published As
Publication number | Publication date |
---|---|
PL372974A1 (en) | 2005-08-08 |
AU2003221546A1 (en) | 2003-10-27 |
EP1499930A2 (de) | 2005-01-26 |
TW200402636A (en) | 2004-02-16 |
CA2482413A1 (en) | 2003-10-23 |
TWI266207B (en) | 2006-11-11 |
DE50313529D1 (de) | 2011-04-21 |
IL164596A0 (en) | 2005-12-18 |
WO2003087957A3 (de) | 2004-01-08 |
DE10216558A1 (de) | 2003-10-30 |
JP2005522765A (ja) | 2005-07-28 |
EP1499930B1 (de) | 2011-03-09 |
NZ535876A (en) | 2006-06-30 |
US20050197986A1 (en) | 2005-09-08 |
ATE501470T1 (de) | 2011-03-15 |
WO2003087957A2 (de) | 2003-10-23 |
US7424465B2 (en) | 2008-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zamuda et al. | Self-adaptive control parameters׳ randomization frequency and propagations in differential evolution | |
CN1790314A (zh) | 产品良率分析***及方法 | |
CN1662858A (zh) | 设计试验的方法和计算机 | |
JP2004258037A (ja) | 原子炉炉心燃料集合体装荷パターンを確立する方法 | |
CN1881218A (zh) | 聚类装置和聚类方法 | |
CN1517711A (zh) | 具有自动化液样准备的过程分析***及其与过程控制***的连接 | |
CN1832344A (zh) | 图形均衡器的控制器 | |
CN1848162A (zh) | 成分信息的可靠性评价方法、***及程序 | |
CN1867933A (zh) | 评估和优化原油选择的方法及*** | |
CN1851655A (zh) | 通过由测试集组成的测试环境来实现产品自动测试的方法 | |
CN1991786A (zh) | 软件测试方法和软件测试设备 | |
CN1845079A (zh) | 一种测试向量的产生方法 | |
US11449708B2 (en) | Method of identification and analysis for materials | |
CN1702661A (zh) | 信号路由装置及信号路由程序 | |
CN1687921A (zh) | 稀土串级萃取分离组分含量软测量方法 | |
CN1897615A (zh) | 一种实现用户定义统计功能的方法 | |
CN1652120A (zh) | 基于数值仿真与决策树算法的塑性成形工艺规则获取方法 | |
Karp et al. | Improving the identification of phenotypic abnormalities and sexual dimorphism in mice when studying rare event categorical characteristics | |
EP3671553A1 (en) | Method of identification and analysis for materials | |
CN1440121A (zh) | 数字滤波器系数设置装置及其方法 | |
CN1841301A (zh) | 信息处理装置和程序 | |
CN1043578A (zh) | 真值流处理装置 | |
CN1264109C (zh) | 半导体加工机床检测的自动化管理***及方法 | |
CN1702660A (zh) | 电路分析方法和电路分析设备 | |
CN1969458A (zh) | 可编程逻辑电路控制装置、可编程逻辑电路控制方法和程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1079863 Country of ref document: HK |
|
AD01 | Patent right deemed abandoned | ||
C20 | Patent right or utility model deemed to be abandoned or is abandoned | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: WD Ref document number: 1079863 Country of ref document: HK |