JP2023507596A

JP2023507596A - 最適化粉末生産

Info

Publication number: JP2023507596A
Application number: JP2022537628A
Authority: JP
Inventors: シュナイダー，ヘイダー; ケーニッヒ，ルネ
Original assignee: BASF SE
Current assignee: BASF SE
Priority date: 2019-12-20
Filing date: 2020-12-18
Publication date: 2023-02-24
Also published as: US20230026440A1; EP4078313A1; KR20220117292A; CN114846422A; WO2021123385A1

Abstract

生産プラント（１１０）を制御および／またはモニターするコンピュータ実装方法が提案される。生産プラント（１１０）は少なくとも１つのバッチプロセス（１１４）を備える少なくとも１つのプロセスチェーン（１１２）を備える。方法は、ａ）入力データを決定する少なくとも１つの工程（１３２）であって、入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、工程は、少なくとも１つの通信インタフェース（１５８）を介して、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信することを含む、入力データを決定する少なくとも１つの工程（１３２）と、ｂ）少なくとも１つの予測工程（１３４）であって、予測工程において、生産プラント（１１０）を運転するための運転条件は、入力データに少なくとも１つの訓練済みモデル（１３６）を適用することによって決定され、訓練済みモデル（１３６）は、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、少なくとも１つの予測工程（１３４）と、ｃ）少なくとも１つの制御および／またはモニタリング工程（１４０）であって、運転条件が提供される、少なくとも１つの制御および／またはモニタリング工程（１４０）とを含む。

Description

技術分野
本発明は、生産プラントを制御および／またはモニターするコンピュータ実装方法、コンピュータプログラム、および制御システムに関する。本発明は、特に、カーボンブラック、ニッケル、鉄、酸化亜鉛、または二酸化チタン生産のため等の工業用粉末生産のために使用されてもよい。他の用途も考えられる。

背景技術
１～１００ｎｍの典型的な粒子サイズを有する高純度ナノサイズ粉末、および、カーボンブラック、ニッケル、鉄、酸化亜鉛、または二酸化チタン等の０．１～１０μｍの典型的な粒子サイズを有するマイクロサイズ粉末の工業用粉末生産は、連続フレーム、ホットウォール、または噴霧熱分解反応器を含むエアロゾルプロセスにおいて実施されることができる。

例えば、カルボニル鉄粉（ＣＩＰ）生産は、米国特許第２６１２４４０号、英国特許第６９５９２５号、米国特許第２５９７７０１号、米国特許第２８５１３４７号、独国特許第１４３３３６１号、独国特許第３２１６３６２号、独国特許第３４２８１２１号、独国特許第３９４０３４７号、米国特許第４１９７１１８号、米国特許第４１１３４８０号、ソ連国特許発明第１１８６３９８号、独国特許第１０２００５０３０６１３号、国際公開第２０１４／０４９０１６号、中国特許第１０３０４６０３３号、Ｓｙｒｋｉｎ、Ｔｏｌｍａｓｓｋｉ、Ｐｅｔｒｏｖａ、ＰｏｒｏｓｈｋｏｖａｙａＭｅｔａｌｌｕｒｇｉｙａ、Ｎｏ．７（４３）、３８～４４ページ、１９６６年７月から翻訳、Ｍｉｔｔａｓｃｈ、ＺｅｉｔｓｃｈｒｉｆｔｆｕｒａｎｇｅｗａｎｄｔｅＣｈｅｍｉｅ、「ＵｂｅｒＥｉｓｅｎｃａｒｂｏｎｙｌｕｎｄＣａｒｂｏｎｙｌｅｉｓｅｎ」、２８．０７．１９２８、（３０）、８２７、Ｓｙｒｋｉｎ；ＰｏｒｏｓｈｋｏｖａｙａＭｅｔａｌｌｕｒｇｉｙａ、Ｎｏ．３（２１）、７５～８４ページ、ｉ９６４（ｉ９６４）年５月～６月（原著ｉ９６３（ｉ９６３）年１月２７日提出）、から翻訳「ＡｂｏｕｔＮｅｗｐｒｏｃｅｓｓｕｓｉｎｇａｔｏｍｉｚａｔｉｏｎｏｆｌｉｑｕｉｄＩＰＣｉｎｔｏａｎｄｅｃｏｍｐｏｓｅｒ」、Ｅｂｅｎｈｏｅｃｈ、ＰｒｏｇｒｅｓｓｉｎｐｏｗｄｅｒＭｅｔａｌｌｕｒｇｙ（４２）、１９８６、「Ｃａｒｂｏｎｙｌｉｒｏｎｐｏｗｄｅｒｐｒｏｄｕｃｔｉｏｎ、ｐｒｏｐｅｒｔｉｅｓａｎｄａｐｐｌｉｃａｔｉｏｎｓ」によって説明される。

粒子サイズ分布、形態、凝集度、界面化学、または相組成等の未処理粉末特性は、エアロゾル反応器内での化学反応および粒子成長に強く依存する。未処理粉末特性は、ミル、スクリーン、ふるい、オーブン、か焼炉、ロータリキルン、または流動床等の単位操作または反応器における、後続の機械的、熱的、ならびに／または混合式熱および／または化学プロセスによってさらに改質されることができる。エアロゾル反応器および後続の単位操作または反応器の両方の制御は、用途特有の粉末特性を決定するために極めて重要である。実際には、用途特有の粉末特性を決定する第１原理の法則が知られていない。したがって、生産プロセスの制御は、高い程度の経験主義および手作業による最適化を伴い、それは、粉末生産を複雑かつエラーを起こし易くする。

国際公開第２０１９／１８８９３１号は、ワインディング条件生成デバイス、ワインディングデバイス、ワインディング欠陥レベル予測値生成デバイス、ワインディング条件計算法、ワインディング法、およびワインディング欠陥レベル予測値生成法を説明する。ワインディング条件生成デバイスは、入力ユニット、出力ユニット、および条件計算ユニットを備え、条件計算ユニットは、ターゲットワインディング品質を満たすワインディングウェブが生産されるときに使用されるワインディング条件およびワインディングパラメータの組み合わせを教師データとして使用する機械学習によって生成される学習モデルを備え、その学習モデルを使用して、入力ユニットから入力される新しいワインディングウェブのワインディングパラメータから新しいワインディングウェブのワインディング条件を計算し、出力ユニットはワインディング条件を出力する。ワインディングパラメータは、ウェブの幅、ウェブを搬送する速度、およびウェブのワインディング長を含む。ワインディング条件は、ウェブのワイディングの開始時のウェブの張力およびウェブのワイディングの終了時のウェブの張力を含む。

解決しようとする課題
したがって、上記で述べた技術的課題に対処する方法およびデバイスを提供することが望ましい。具体的には、複雑でなく、頑健で、生産プラントの改善された制御を可能にする、生産プラントを制御およびモニターするデバイスおよび方法が提供されるものとする。

概要
この課題は、独立請求項の特徴を有する、生産プラントを制御および／またはモニターするコンピュータ実装方法、コンピュータプログラム、および制御システムによって対処される。孤立してまたは任意の組み合わせで実現されてもよい有利な実施形態は従属請求項に挙げられている。

以下で使用するとき、用語「有する（ｈａｖｅ）」、「備える（ｃｏｍｐｒｉｓｅ）」、または「含む（ｉｎｃｌｕｄｅ）」、あるいはその任意の文法的変形は非排他的方法で使用される。そのため、これらの用語は、これらの用語によって導入される特徴を除いて、この文脈で説明されるエンティティ内にさらなる特徴が存在しない状況、および、１つまたは複数のさらなる特徴が存在する状況を共に指してもよい。一例として、表現「ＡはＢを有する（ＡｈａｓＢ）」、「ＡはＢを備える（ＡｃｏｍｐｒｉｓｅｓＢ）」、および「ＡはＢを含む（ＡｉｎｃｌｕｄｅｓＢ）」は、Ｂを除いて、他の要素がＡ内に存在しない状況（すなわち、Ａは、唯一かつ排他的にＢからなる）、および、Ｂを除いて、要素Ｃ、要素ＣおよびＤ、またはなおさらなる要素等の１つまたは複数のさらなる要素はエンティティＡ内に存在する状況を共に指してもよい。

さらに、特徴または要素が１回または典型的には２回以上存在してもよいことを示す、用語「少なくとも１つ（ａｔｌｅａｓｔｏｎｅ）」、「１つまたは複数（ｏｎｅｏｒｍｏｒｅ）」、または同様な表現が、それぞれの特徴または要素を導入するときに１回のみ使用されることになることが留意されるものとする。以下において、ほとんどの場合、それぞれの特徴または要素を参照するとき、表現「少なくとも１つ」または「１つまたは複数」は、それぞれの特徴または要素が１回または２回以上存在してもよいという事実にもかかわらず、繰り返されないことになる。

さらに、以下で使用するとき、用語「好ましくは（ｐｒｅｆｅｒａｂｌｙ）」、「より好ましくは（ｍｏｒｅｐｒｅｆｅｒａｂｌｙ）」、「特に（ｐａｒｔｉｃｕｌａｒｌｙ）」、「より詳細には（ｍｏｒｅｐａｒｔｉｃｕｌａｒｌｙ）」、「具体的に（ｓｐｅｃｉｆｉｃａｌｌｙ）」、「より具体的には（ｍｏｒｅｓｐｅｃｉｆｉｃａｌｌｙ）」、または同様な用語は、代替の可能性を制限することなく、任意選択の特徴に関連して使用される。そのため、これらの用語によって導入される特徴は、任意選択の特徴であり、特許請求項の範囲をいずれの点でも制限することを意図されない。

本発明は、当業者が認識することになるように、代替の特徴を使用することによって実施されることになる。同様に、「本発明の一実施形態（ｉｎａｎｅｍｂｏｄｉｍｅｎｔｏｆｔｈｅｉｎｖｅｎｔｉｏｎ）」によって導入される特徴または同様な表現は、本発明の代替の実施形態に関する制限なしで、本発明の範囲に関する制限なしで、そして、そのような方法で導入される特徴と、本発明の任意選択のまたは任意選択でない他の特徴と組み合わせる可能性に関する制限なしで、任意選択の特徴であることを意図される。

本発明の第１の態様において、生産プラントを制御および／またはモニターするコンピュータ実装方法が提案される。

本明細書で使用される用語「コンピュータ実装（ｃｏｍｐｕｔｅｒ－ｉｍｐｌｅｍｅｎｔｅｄ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、少なくとも１つのプロセッサを備えるデータ処理手段等のデータ処理手段を使用することによって完全にまたは部分的に実装されるプロセスを、限定することなく指してもよい。そのため、用語「コンピュータ（ｃｏｍｐｕｔｅｒ）」は、デバイス、または、少なくとも１つのプロセッサ等の少なくとも１つのデータ処理手段を有するデバイスの組み合わせまたはネットワークを一般に指してもよい。コンピュータは、さらに、データ記憶デバイス、電子インタフェース、またはヒューマン－マシンインタフェースのうちの少なくとも１つ等の１つまたは複数のさらなるコンポーネントを備えてもよい。

本明細書で使用される用語「生産プラント（ｐｒｏｄｕｃｔｉｏｎｐｌａｎｔ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、少なくとも１つの製品を生産および／または製造および／または生成および／または処理するデバイスまたはデバイスのシステムまたはデバイスの複合体を、限定することなく指してもよい。生産プラントは化学生産プラントであってもよい。特に、生産プラントは、少なくとも１つの粉末を生産するために構成される粉末生産プラントであってもよい。

用語「化学生産プラント（ｃｈｅｍｉｃａｌｐｒｏｄｕｃｔｉｏｎｐｌａｎｔ）」は、１つまたは複数の化学製品を製造、生産、または処理する工業目的のために使用される任意の技術的インフラストラクチャ、すなわち、化学生産プラントによって実施される製造または生産プロセスまたは処理を、限定することなく指してもよい。相応して、化学生産プラントは、プロセスプラント、医薬品プラント、オイルおよび／または天然ガス井等の化石燃料処理施設、精製所、石油化学プラント、分留所等のうちの１つまたは複数であってもよい。化学生産プラントは、さらに、蒸留所、処理プラント、またはリサイクリングプラントのうちの任意のものであることができる。化学生産プラントは、さらに、上記で挙げた例またはそれらの類似物の任意のものの組み合わせであることができる。さらに、化学生産プラントは、典型的には、複数のセンサ、および、化学生産プラント内で、プロセスに関連する少なくとも１つのパラメータまたはプロセスパラメータを制御する少なくとも１つの制御システムを備える。そのような制御機能は、センサのうちの少なくとも１つのセンサからの少なくとも１つの測定信号に応答して制御システムまたはコントローラによって通常実施される。

本開示における用語「化学製品（ｃｈｅｍｉｃａｌｐｒｏｄｕｃｔ）」は、化学、医薬、栄養、化粧用、生物学的製品、飲料、織物、金属、プラスチック、またはさらにそれらの組み合わせのうちの任意のものを指してもよい。化学製品は完全に天然成分からなってもよい、または、化学製品は、１つまたは複数の合成成分を少なくとも部分的に含んでもよい。化学製品の幾つかの非制限的な例は、有機または無機組成物、モノマー、ポリマー、発泡体、殺虫剤、除草剤、化学肥料、供給材料、栄養製品、前駆物質、医薬品または処理製品、あるいは、それらの成分または有効成分のうちの任意の１つまたは複数である。幾つかの例において、化学製品は、さらに、エンドユーザまたは消費者によって使用可能な製品、例えば、化粧品または医薬組成物であってもよい。化学製品は、さらに、さらなる１つまたは複数の製品を作るために使用可能な製品であってもよい、例えば、化学製品は、靴用のソールを製造するために使用可能な合成発泡体または自動車外観のために使用可能なコーティングであってもよい。化学製品は、任意の形態、例えば、固体、半固体、ペースト、液体、乳剤、溶液、ペレット、顆粒、または粉末の形態であってもよい。付加的にまたは代替的に、化学製品は、さらに、例えば、リサイクリング等の回収または廃棄物処理、１つまたは複数の化学製品になるようなブレークダウンまたは溶解等の化学処理のためのサービス製品であってもよい。

生産プラントは、処理ユニットとしても示される機器、例えば、熱交換器、分留カラム等のカラム、炉、反応チャンバ、分留ユニット、貯蔵タンク、押し出し機、ペレット製造機、沈降分離機、ブレンダー、ミキサー、カッター、硬化チューブ、気化器、濾過器、ふるい、パイプライン、スタック、濾過器、弁（ａｓｔａｃｋ，ａｆｉｌｔｅｒ，ａｖａｌｖｅ）、アクチュエータ、ミル、変換器、搬送システム、回路ブレーカ、機械装置、例えば、タービン等のヘビーデューティ回転機器、発電機、粉砕機、圧縮機、工業用ファン、ポンプ、コンベヤシステム等の輸送要素、モータ等のうちの任意の１つまたは複数を備えてもよい。用語「機器（ｅｑｕｉｐｍｅｎｔ）」は、生産プラント内の任意の１つまたは複数のアセットを指してもよい。非制限的な例として、機器は、コンピューティングユニットまたはコントローラ、センサ、アクチュエータ、エンドエッフェクターユニット、コンベヤシステム等の輸送要素、ヒーター等の熱交換器、炉、冷却ユニット、反応器、ミキサー、フライス盤、チョッパー、圧縮機、スライサ、押し出し機、乾燥機、噴霧器、圧力または真空チャンバ、チューブ、ビン、サイロ、および、工業プラントにおける生産のためにまたは生産中に間接的または直接的に使用される任意の他の種類の装置のうちの任意の１つまたは複数あるいはそれらの組み合わせのうちの任意のものを指してもよい。好ましくは、機器は、具体的に、生産プロセスに直接的にまたは間接的に関わるアセット、装置、またはコンポーネントを指す。より好ましくは、アセット、装置、またはコンポーネントは、化学製品の性能に影響を及ぼす可能性がある。機器はバッファリングされてもよい、または、機器はバッファリングされなくてもよい。さらに、機器は、混合または非混合、分離または非分離を含んでもよい。混合なしの状態でバッファリングされない機器の幾つかの非制限的な例は、コンベヤシステムまたはベルト、押し出し機、ペレット製造機、および熱交換器である。混合なしの状態でバッファリングされる機器の幾つかの非制限的な例は、バッファーサイロ、ビン等である。混合を伴う、バッファリングされる機器の幾つかの非制限的な例は、ミキサーを有するサイロ、混合用容器、カッティングミル、ダブルコーンブレンダー、硬化チューブ等である。混合を伴う、バッファリングされない機器の幾つかの非制限的な例は、スタティックまたはダイナミックミキサー等である。分離を伴う、バッファリングされる機器の幾つかの非制限的な例は、カラム、セパレータ、抽出、薄膜気化器、濾過器、ふるい等である。機器は、さらに、オクタビン充填、ドラム、バッグ、タンクトラック等の貯蔵または包装要素であってもよい、または、機器はそれを備えてもよい。

生産プラントは少なくとも１つのプロセスチェーンを備える。本明細書で使用される用語「プロセスチェーン（ｐｒｏｃｅｓｓｃｈａｉｎ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、少なくとも１つの処理ユニットまたは複数の処理ユニットにおいて実施されるプロセスまたは生産工程のシーケンスを指してもよい。プロセスチェーンは、同時に実施されてもよい工程またはプロセス、および／または、連続的に実施されてもよい工程またはプロセスを含んでもよい。プロセスチェーンは少なくとも１つの生産ラインを備えてもよい。プロセスチェーンは、複数の生産ライン、特に、並列に運転されることができる複数の生産ラインを備えてもよい。

生産プラントは、少なくとも２つの逐次プロセス、特に、少なくとも２つの化学プロセスを含んでもよい。用語「逐次プロセス（ｓｅｑｕｅｎｔｉａｌｐｒｏｃｅｓｓｅｓ）」は、互いに追従する少なくとも２つのプロセスを指してもよい。プロセスのそれぞれは、異なる運転パラメータを有してもよい。具体的には、後続の第２のプロセスは、前の第１のプロセスによって影響される場合があり、特に、第１のプロセスの少なくとも１つのパラメータは第２のプロセスからのパラメータを決定してもよい。別個のパラメータを有する逐次プロセスは、特に、２つのプロセスのうちの少なくとも１つのプロセスが化学プロセスである場合、制御するのがより厳しいまたはより困難である場合がある。本発明による制御および／またはモニターする方法は、逐次プロセスの確実かつ簡略化された制御を可能にしてもよい。

プロセスチェーンは、少なくとも１つのバッチプロセスを含む。本明細書で使用される用語「バッチプロセス（ｂａｔｃｈｐｒｏｃｅｓｓ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、プロセスであって、処理ユニットが、時系列順であり、生産プロセスに直接関連する、プロセスを、限定することなく指してもよい。プロセスチェーンは、複数のバッチプロセスを含んでもよい。バッチプロセスは、製品の少なくとも１つの特性を制御するように構成されてもよい。バッチプロセスは、少なくとも１つの機械的および／または少なくとも１つの熱的および／または少なくとも１つの化学的プロセスを含んでもよい。バッチプロセスは、ミリング、ミキシング、シービング、スクリーニング、水素アニーリング、コーティング、およびその組み合わせのうちの１つまたは複数を含む、仕上げ運転とも呼ばれる処理用単位操作を含んでもよい。生産プラントは、少なくとも１つのミル、少なくとも１つのスクリーン、少なくとも１つのふるい、少なくとも１つのオーブン、少なくとも１つのか焼炉、少なくとも１つの回転キルン、少なくとも１つの流動床からなる群から選択される少なくとも１つのユニットを備えてもよい。

プロセスチェーンは、少なくとも１つの連続プロセスを含んでもよい。本明細書で使用される用語「連続プロセス（ｃｏｎｔｉｎｕｏｕｓｐｒｏｃｅｓｓ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、中断がない状態の、フロー生産法を、限定することなく指してもよい。プロセスチェーンはバッチおよび連続プロセスを含んでもよい。プロセスチェーンは、半連続および／または半バッチプロセスを含んでもよい。例えば、プロセスチェーンは、少なくとも１つの連続プロセスおよび複数のバッチプロセスを含んでもよい。生産プラントは、連続処理および／またはバッチ処理のために構成されてもよい。生産プラントは、複数の並列連続および／またはバッチプロセスを含んでもよい。連続および／またはバッチプロセスは、異なる方法で組み合わされてもよい。連続およびバッチプロセスの組み合わせは、製品用の品質等の少なくとも１つの基準に依存してもよい。連続およびバッチプロセスの組み合わせは、品質基準に基づいてプロセスチェーンを通る最良ルートをとるために選択されてもよい。さらに、オーダーキューまたは同様なもの等の他の基準が考えられてもよい。

例えば、生産プラントは、少なくとも１つの粉末を生産するために構成される粉末生産プラントであってもよい。粉末は、例えば、１～１００ｎｍの粒子サイズを有するナノサイズ粉末、または、例えば、０．１～１０μｍの粒子サイズを有するマイクロサイズ粉末であってもよい。粉末は、カルボニル鉄粉（ＣＩＰ）、鉄粉、カーボンブラック、ニッケル、鉄、酸化亜鉛、二酸化チタンからなる群から選択される少なくとも１つの粉末であってもよい。

特に、生産プラントは、カルボニル鉄粉（ＣＩＰ）を生産する粉末生産プラントであってもよい。カルボニル鉄粉は、種々の工業用途のために、例えば、金属射出成形、コイルコア、レーダー吸収、ダイヤモンドツール、および同様なもののために生産されてもよい。ＣＩＰは高純度のマイクロサイズ鉄粉である。ＣＩＰは、鉄ペンタカルボニルの熱分解によって生産されることができる。ＣＩＰは、ガス状の鉄ペンタカルボニル（ＩＰＣ）がＦｅおよびＣＯに分解されるホットウォールエアロゾルプロセスによって生産されてもよい。生産プラントは、少なくとも１つの蒸発器を備えてもよい、または、少なくとも１つの蒸発器に接続されてもよい。生産プラントは、少なくとも１つの反応器を備えてもよい。反応器は、プロセスチェーンの連続プロセスであってもよい、または、その一部であってもよい。別個のカボニレーションプラントまたは上流プロセス工程で生産されてもよい液状鉄ペンタカルボニル（ＩＰＣ）は、液体が約１０４℃まで加熱される蒸発器に給送されてもよい。ＩＰＣは沸騰し、発生した純粋なガスは、生産プラントの反応器に給送されてもよい。反応器は、一定の長さおよび径を有する円筒反応器であってもよい。反応器は、５５０℃まで壁面加熱されてもよい。ＩＰＣは、吸熱反応において、鉄および５モルＣＯガスに定量的に分解される。反応ゾーン内の温度は、典型的には２５０℃と３５０℃との間である。気相で形成されるＦｅ粒子はμｍサイズの球粒子であってもよい。

反応器によって生産される未処理ＣＩＰは、典型的には、或る程度の不純物を含み、例えば、ハードグレードＣＩＰはＣまたはＮまたはＯ（Σ≒２重量％）を含み、それは、触媒活性鉄粒子の表面上で起こる異なる副反応から生じる。具体的には、アンモニアがシステムに給送されない場合、鉄カーバイドおよび鉄酸化物が構造内に見出される可能性がある；アンモニアが反応ガスに添加される場合、鉄酸化物はほとんど形成されないが、鉄窒化物および鉄カーバイドは形成される。未処理ＣＩＰ特性は、供給材料組成、流入ガスの温度、反応器幾何形状、反応器サイズ、反応器壁温度のうちの１つまたは複数によって制御されてもよい。プロセスチェーンは、少なくとも１つの未処理ＣＩＰ分類工程を備えてもよく、反応器の底部において反応器内で形成される材料またはモルＩＰＣ当たり５モルＣＯ等の反応器のオフガスは、未処理ＣＩＰを少なくとも２つ以上のフラクションに分類するために使用されてもよい。ＩＰＣおよび未処理ＣＩＰ生産は、連続プロセスにおいて行われてもよい。

未処理ＣＩＰは、仕上がり製品を生産するために、少なくとも１つのバッチプロセスにおいてさらに処理されてもよい。上記で概説したように、プロセスチェーンは、少なくとも１つのバッチプロセスを備える。例えば、未処理ＣＩＰは、コンテナ内に給送されてもよく、所望のおよび／または計画されたおよび／または望まれる仕上がり製品の要件に応じて異なるバッチプロセスにおいて後で処理されてもよい。生産プラントは、異なる種類の最終ＣＩＰ、いわゆるグレードを生産するために構成されてもよい。グレードは、複数の生産ライン上で生産されてもよい。グレードは、用途特有の特性および品質基準に依存してもよい。品質基準は、ＣＩＰの工業用途によって指定されてもよい。品質基準は、用途についての適切な機能を保証するために規定されてもよい。最終ＣＩＰ製品の特性は、粒子サイズ分布、形態、凝集度、界面化学、および相組成のうちの１つまたは複数を含んでもよい。最終ＣＩＰ製品の特性、すなわち、プロセスチェーンの成果は、ミリング、ミキシング、シービング、スクリーニング、水素アニーリング、コーティング、およびその組み合わせのうちの１つまたは複数を含む、後続の固体処理用単位操作によって制御されてもよい。生産プラントは、少なくとも１つのミル、少なくとも１つのスクリーン、少なくとも１つのふるい、少なくとも１つのオーブン、少なくとも１つのか焼炉、少なくとも１つの回転キルン、少なくとも１つの流動床からなる群から選択される少なくとも１つのユニットを備えてもよい。未処理ＣＩＰ特性は、機械的および／または熱的および／または化学的プロセスによって改質されてもよい。ミリングは、弱凝集体（ａｇｇｌｏｍｅｒａｔｅ）および／または強凝集体（ａｇｇｒｅｇａｔｅ）を破壊することを含んでもよい。ミキシングは、より大きいバッチを均一化することを含んでもよい。シービングは、粒子サイズ分布の微調整を含んでもよい。特性の後続の調整は、多数の企業ノウハウおよび／または手作業のバッチ操作を必要としてもよい。

ＣＩＰの生産プロセスは、多様な仕様を満たすために高い柔軟度を必要とする。粉末生産において、中間品質検査および／または粉末特性を支配する現象の第１の原理の理解が、しばしば、抜けているおよび／または不完全であるため、全ての生産工程で品質問題を検出することは、通常、難しい。これは、間違ったまたは不適切な製品が、異なる工程を通って運ばれ、プロセスチェーンの終わりの最終品質チェックで検出されるだけであることをもたらす場合がある。そのような条件下で、生産失敗のリスクおよび不適切ＣＩＰバッチの生産が高まる。本発明は、要求される特性および／または品質基準を満たすために、最適生産条件下で生産することを可能にする方法を提案する。

方法は、以下の方法工程を含み、以下の方法工程は、具体的には、所与の順序で実施されてもよい。さらに、異なる順序も考えられる。方法工程のうちの２つ以上の方法工程を完全にまたは部分的に同時に実施することがさらに考えられる。さらに、方法工程のうちの１つまたは複数あるいはさらに全ての方法工程が、一度に実施されてもよい、または、繰り返し実施されてもよい、例えば、１回または数回繰り返されてもよい。さらに、方法は、挙げられていないさらなる方法工程を含んでもよい。

方法は、
ａ）入力データを決定する少なくとも１つの工程であって、入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、工程は、少なくとも１つの通信インタフェースを介して、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信することを含む、入力データを決定する少なくとも１つの工程と、
ｂ）少なくとも１つの予測工程であって、予測工程において、生産プラントを運転するための運転条件は、入力データに少なくとも１つの訓練済みモデルを適用することによって決定され、訓練済みモデルは、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、少なくとも１つの予測工程と、
ｃ）少なくとも１つの制御および／またはモニタリング工程であって、運転条件が提供される、少なくとも１つの制御および／またはモニタリング工程と
を含む。

本明細書で使用される用語「入力データ（ｉｎｐｕｔｄａｔａ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、訓練済みモデルについての入力値またはパラメータ、ならびに／または、訓練済みモデルに記入されることができるデータを、限定することなく指してもよい。訓練済みモデルは、入力データに基づいて少なくとも１つの予測を生成するように構成される。入力データは、品質基準を特徴付けることができる少なくとも１つのパラメータの定量化可能な変数であってもよい、または、その変数を含んでもよい。入力データは、プラントレイアウトデータを特徴付けることができる少なくとも１つのパラメータの定量化可能な変数であってもよい、または、その変数を含んでもよい。

入力データは品質基準を含む。本明細書で使用される用語「品質基準（ｑｕａｌｉｔｙｃｒｉｔｅｒｉｏｎ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、製品、特に、仕上がり製品の少なくとも１つの特性、例えば、値または範囲を、限定することなく指してもよい。品質基準は、用途に依存する品質基準であってもよい。品質基準は、粒子サイズ分布、形態、凝集度、界面化学、および相組成のうちの１つまたは複数を含んでもよい。品質基準は、少なくとも１つの顧客仕様を含んでもよい。顧客仕様は、少なくとも１つの品質パラメータについての少なくとも１つの範囲を含んでもよい。品質パラメータに基づいて、顧客バリューチェーンに沿うさらなる処理が行われることができる。訓練済みモデルは、品質基準に関連する入力データ、特に、入力パラメータを給送されてもよい。入力パラメータの一部は、顧客によって提供されてもよい。他は、顧客入力に基づいて決定されてもよい。例えば、顧客は、工業用途およびそのような用途について適切な仕様を指定してもよい。製品特性に関するさらなる入力パラメータは、計算されるかまたはデータベースから取得されてもよい。

品質基準は、通信インタフェースを介して顧客によって提供されてもよい。本明細書で使用される用語「通信インタフェース（ｃｏｍｍｕｎｉｃａｔｉｏｎｉｎｔｅｒｆａｃｅ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、情報を転送するために構成される境界を形成するアイテムまたは要素を、限定することなく指してもよい。特に、通信インタフェースは、情報を、例えば別のデバイス上に送信または出力するため等で、計算デバイス、例えば、コンピュータからの情報を転送するために構成されてもよい。付加的にまたは代替的に、通信インタフェースは、情報を受信するため等で、情報を計算デバイス、例えば、コンピュータ上に転送するために構成されてもよい。通信インタフェースは、具体的には、情報を転送または交換する手段を提供してもよい。特に、通信インタフェースは、データ転送接続、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＮＦＣ、誘導結合、または同様なものを提供してもよい。一例として、通信インタフェースは、ネットワークまたはインターネットポート、ＵＳＢポート、およびディスクドライブのうちの１つまたは複数を含む少なくとも１つのポートであってもよい、または、それを含んでもよい。通信インタフェースは少なくとも１つのウェブインタフェースであってもよい。

入力データは生産プラントレイアウトデータを含む。本明細書で使用される用語「生産プラントレイアウトデータ（ｐｒｏｄｕｃｔｉｏｎｐｌａｎｔｌａｙｏｕｔｄａｔａ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、以下でより詳細に説明されることになるホワイトボックスモデルにおいて特に使用されることができる物理化学値を、限定することなく指してもよい。例えば、生産プラントレイアウトデータは、生産プラントの設計、および／または、運転時、メンテンス時等のステータス、計画されたメンテナンス、現在の運転ステータス、例えば、劣化ステータス等の生産プラントに関する情報を含んでもよい。設計は、反応器幾何形状、反応器の数、連続プロセスまたはバッチプロセス等のプラントレイアウト等の、手近な物理的反応器設計を指定するパラメータを含んでもよい。生産プラントレイアウトデータはリアルタイムデータを含んでもよい。リアルタイムデータは、生産プラントの現在の状態に関する情報を含んでもよい。用語「現在の状態に関する情報（ｉｎｆｏｒｍａｔｉｏｎａｂｏｕｔａｃｕｒｒｅｎｔｓｔａｔｅ）」は、例えば、生産プラントの１つまたは複数のセンサからのセンサデータによって得られる、運転ステータスに関連する任意の情報を指してもよい。生産プラントレイアウトデータは、予め規定されたレイアウトパラメータを含んでもよい。例えば、予め規定されたレイアウトパラメータは、幾何形状、最低温度、最高温度、速度、および同様なもの等の仕様のうちの１つまたは複数を含んでもよい。予め規定されたレイアウトパラメータは、ホワイトボックスモデルまたはスケジューリングのために使用されてもよい。予め規定されたレイアウトパラメータは、通信インタフェースを介して少なくとも１つのデータベースから取得されてもよい。本明細書で使用される用語「データベース（ｄａｔａｂａｓｅ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、少なくとも１つのデータ記憶デバイスに記憶された情報等の情報の任意の集合体を、限定することなく指してもよい。データベースは、少なくとも１つのデータ記憶デバイスであって、情報がそこに記憶されている、少なくとも１つのデータ記憶デバイスを備えてもよい。特に、データベースは、情報の任意の集合体を含んでもよい。データベースは、少なくとも１つのサーバ、複数のサーバを備える少なくとも１つのサーバシステム、少なくとも１つのクラウドサーバ、またはクラウドコンピューティングインフラストラクチャからなる群から選択される少なくとも１つのデータベースであってもよい、または、それを備えてもよい。データベースは、データを記憶するように構成される少なくとも１つの記憶ユニットを備えてもよい。

本明細書で使用される用語「予測」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、訓練済みモデルの結果を、限定することなく指してもよい。予測は、特に、品質基準を達成するための少なくとも１つの運転条件の予想値であってもよい。訓練済みモデルは、必要とされる用途特有の製品特性、特に粉末特性をもたらす最適生産プロセス条件を予測するために構成されてもよい。換言すれば、工程ｂ）にて運転条件を決定することは、生産プラントを運転するための運転条件を予測することを含んでもよい。具体的には、予測工程にて、生産プラントを運転するための予測された運転条件が決定される。制御および／またはモニタリング工程は、予測された運転条件に基づいてもよい。制御および／またはモニタリング工程は、予測された運転条件を提供することを含んでもよい。工程ｂ）にて決定される運転条件は、最良ルートに関する情報を含んでもよい。予測された運転条件は、プロセスチェーンを通る最良ルートを含んでもよい。本明細書で使用される用語「ルート（ｒｏｕｔｅ）」または「生産ルート（ｐｒｏｄｕｃｔｉｏｎｒｏｕｔｅ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、単位操作の組み合わせおよび／または処理ユニットの組み合わせおよび／またはプロセスまたは生産工程の組み合わせであって、生産プラントにおける生産プロセス中に実施および／または通過した連続および／またはバッチプロセスを特に含む、プロセスまたは生産工程の組み合わせを、限定することなく指してもよい。本明細書で使用される用語「最良ルート（ｂｅｓｔｒｏｕｔｅ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、少なくとも１つの品質基準の観点から、生産プラントを通る最適ルートを、限定することなく指してもよい。そのため、最適ルートは、具体的には、少なくとも１つの品質基準を最大または最小にする複数の考えられるルートから選択されるルートであってもよい。最良ルートは、ターゲットルートおよび／または最終ルートおよび／または計画されたルートであってもよい。例えば、バッチプロセスは、品質基準および／または生産プラントのワークロードに応じて、生産プラントを通る異なるルートを含んでもよい。異なる処理用単位操作は、少なくとも１つの品質基準の観点から最適に達するおよび／または最適を確保するために組み合わされてもよい。

本明細書で使用される用語「運転条件」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、生産プラントを運転するための生産プロセス条件、特に、生産プラントの１つまたは複数のユニットについてのあるいはさらに全てのユニットについての生産プロセス条件を、限定することなく指してもよい。運転条件は、体積または質量流量、流入組成、流入温度、濃度、圧力、反応器壁温度、反応器幾何形状、反応器サイズのうちの１つまたは複数等の、連続処理ユニットについての運転条件を含んでもよい。運転条件は、滞留時間、圧力、体積または質量流量、流入組成、流入温度、濃度、壁温度、滴下レシピ、反応器幾何形状、反応器サイズのうちの１つまたは複数等の、バッチ処理ユニットについての運転条件を含んでもよい。

本明細書で使用される用語「訓練済みモデル（ｔｒａｉｎｅｄｍｏｄｅｌ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、数学モデルであって、少なくとも１つの訓練用データセットに対して訓練され、少なくとも１つの入力変数について少なくとも１つのターゲット変数を予測するために構成される、数学モデルを、限定することなく指してもよい。具体的には、入力変数は品質基準およびプラントレイアウトデータであってもよく、ターゲット変数は運転条件であってもよい。訓練済みモデルは、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である。本明細書で使用される用語「データ駆動型モデル（ｄａｔａｄｒｉｖｅｎｍｏｄｅｌ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、経験的な予測モデルを、限定することなく指してもよい。具体的には、データ駆動型モデルは、実験データの解析から導出されてもよい。データ駆動型モデルは機械学習ツールであってもよい。

訓練済みモデルは、プロセスコントロール、物理的反応器設計、プラントレイアウト、およびプロダクションランからのデータに関連する、生産される粉末の品質基準のうちの１つまたは複数を含む過去のデータを用いて訓練されてもよい。訓練済みモデルは、過去の生産プラントレイアウトデータ、少なくとも１つの過去の品質基準、および過去の運転条件を反映するセンサデータのうちの１つまたは複数を含む過去のプロダクションランからのデータに対して訓練されてもよい。一般に、モデルの訓練は、関数、この場合、プラントレイアウトデータを再生することに基づいてもよく、品質基準は関数の変数であり、運転条件は関数値である。運転条件はセンサデータによって反映されるため、モデルの訓練は、センサデータに基づく。さらに、モデルの訓練は、過去のプラントレイアウトデータおよび品質基準に少なくとも部分的に基づいてもよい。用語「過去のプロダクションラン」は、過去のまたは早期時点のプロダクションランを指す。過去のプロダクションランは、プロセスコントロール、物理的反応器設計、プラントレイアウト、およびプロダクションランのセンサデータのうちの１つまたは複数に関連する、生産される製品の品質基準を含んでもよい。センサデータは、少なくとも１つの温度センサ、体積または質量流量センサ、圧力センサ、粒子カウントセンサ、重量センサからのデータを含んでもよい。本明細書で使用されるとき、用語「少なくとも部分的にデータ駆動型のモデル（ａｔｌｅａｓｔｐａｒｔｉａｌｌｙｄａｔａ－ｄｒｉｖｅｎｍｏｄｅｌ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、訓練済みモデルがデータ駆動型モデル部および他のモデル部を含むことを、限定することなく指してもよい。

訓練済みモデルはハイブリッドモデルであってもよい。ハイブリッドモデルは、第１原理部、いわゆるホワイトボックス、ならびに、データ駆動型部、いわゆるブラックボックスを含むモデルを指してもよい、例えば、レビュー論文、ＭｏｒｉｔｚｖｏｎＳｔｏｃｈら：「Ｈｙｂｒｉｄｓｅｍｉ－ｐａｒａｍｅｔｒｉｃｍｏｄｅｌｉｎｇｉｎｐｒｏｃｅｓｓｓｙｓｔｅｍｓｅｎｇｉｎｅｅｒｉｎｇ：Ｐａｓｔ、ｐｒｅｓｅｎｔａｎｄｆｕｔｕｒｅ」、２０１４、Ｃｏｍｐｕｔｅｒｓ＆ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ、ｐｅｒｇａｍｏｎｐｒｅｓｓ、Ｏｘｆｏｒｄ、ＧＢ、第６０巻、２０１３年８月３１日、８６～１０１ページＸＰ０２８７９２３５６、ＩＳＳＮ：００９８－１３５４、ＤＯＩ：１０．１０１６／Ｊ．ＣＯＭＰＣＨＥＭＥＮＧ．２０１３．０８．００８参照。訓練済みモデルは、ホワイトボックスモデルおよびブラックボックスモデルの組み合わせを含んでもよい。ホワイトボックスモデルは物理化学法則に基づいてもよい。物理化学法則は、第１原理から導出されてもよい。物理化学法則は、化学反応速度論、質量保存則、モーメンタムおよびエネルギー、任意次元における粒子母集団のうちの１つまたは複数を含んでもよい。ホワイトボックスモデルは、それぞれのプロセス工程を支配する物理化学法則に従って選択されてもよい。ブラックボックスモデルは、過去のプロダクションランからのセンサデータに基づいてもよい。ブラックボックスモデルは、機械学習、深層学習、ニューラルネットワーク、または他の形態の人工知能のうちの１つまたは複数を使用することによって構築されてもよい。ブラックボックスモデルは、訓練データとテストデータとの間の良好な適合をもたらす任意のモデルであってもよい。

訓練済みモデルは、直列または並列アーキテクチャを含んでもよい。直列アーキテクチャにおいて、ホワイトボックスモデルの出力はブラックボックスモデル用の入力として使用され、ブラックボックスモデルの出力はホワイトボックスモデル用の入力として使用される。並列アーキテクチャにおいて、ホワイトボックスモデルおよびブラックボックスモデルの結合出力は、出力の重ね合わせによって等で決定される。直列および並列アーキテクチャのさらなる詳細について、レビュー論文、ＭｏｒｉｔｚｖｏｎＳｔｏｃｈら：「Ｈｙｂｒｉｄｓｅｍｉ－ｐａｒａｍｅｔｒｉｃｍｏｄｅｌｉｎｇｉｎｐｒｏｃｅｓｓｓｙｓｔｅｍｓｅｎｇｉｎｅｅｒｉｎｇ：Ｐａｓｔ、ｐｒｅｓｅｎｔａｎｄｆｕｔｕｒｅ」、２０１４、Ｃｏｍｐｕｔｅｒｓ＆ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ、ｐｅｒｇａｍｏｎｐｒｅｓｓ、Ｏｘｆｏｒｄ、ＧＢ、第６０巻、２０１３年８月３１日、８６～１０１ページＸＰ０２８７９２３５６、ＩＳＳＮ：００９８－１３５４、ＤＯＩ：１０．１０１６／Ｊ．ＣＯＭＰＣＨＥＭＥＮＧ．２０１３．０８．００８に対して参照が行われる。例えば、未処理ＣＩＰ生産工程において、プロセスコントロールデータおよび反応器幾何形状に基づいてモデルを訓練するために、３つのサブモデルが使用されることができる。第１のサブモデルは、化学反応速度論およびホワイトボックスモデルとしての母集団バランスソルバーおよび過去データに対して訓練されるブラックボックス補正器として役立つデータ駆動型モデルを有するハイブリッドモデルに基づいて平均粒子径を予測してもよい。この第１のサブモデルは、ホワイトボックスモデルの出力がブラックボックスモデル用の入力である直列アーキテクチャを有してもよく、または、第１のサブモデルは並列アーキテクチャを有してもよい。第２のサブモデルは、第１のサブモデルからの入力および数値流体力学（ＣＦＤ：ＣｏｍｐｕｔａｔｉｏｎａｌｆｌｕｉｄＤｙｎａｍｉｃｓ）によって得られる滞留時間分布に基づいて粒子サイズ分布を予測してもよい。滞留時間分布は、粒子サイズ分布（ＰＳＤ：ｐａｒｔｉｃｌｅｓｉｚｅｄｉｓｔｒｉｂｕｔｉｏｎｓ）を得るために、母集団バランスソルバーによって変換される。計算されたＰＳＤと過去のデータとの間の誤差は、データ駆動型モデルによって学習されることができ、その後、任意の予測のために適用されることができる。第２のサブモデルは並列アーキテクチャを有してもよい。第３のサブモデルは、第１のサブモデルによって提供される特徴および過去の訓練用データに基づいて化学組成を予測してもよい。第３のサブモデルは直列アーキテクチャを有してもよく、ブラックボックスモデルの出力はホワイトボックスモデルに対する入力である。他の例も考えられる。

訓練済みモデルは、少なくとも１つのサブモデル、特に、複数のサブモデルを含んでもよい。例えば、サブモデルはホワイトボックスモデルであってもよい、および／または、サブモデルのうちの少なくとも１つはホワイトボックスモデルであってもよい。訓練済みモデルは、生産工程のうちの少なくとも１つのためにおよび／またはプロセス工程のうちの少なくとも１つのためにおよび／または少なくとも１つの生産ラインのために等で、複数のサブモデルを含んでもよく、複数のサブモデルは、ホワイトボックスモデルあるいはハイブリッドモデルまたは純粋なデータ駆動型モデルである。各サブモデルは、運転条件を予測することを担当するかまたは運転条件を予測する他のサブモデルに入力を提供することを担当してもよい。訓練済みモデルは、現実の生産プロセスにおいて直接制御可能である制御可能パラメータを予測するために構成される。そのようなパラメータは、生産プラントレイアウトファイルにおいてメタデータによってフラグを立てられてもよい。本明細書で使用されるとき、用語「制御可能パラメータ（ｃｏｎｔｒｏｌｌａｂｌｅｐａｒａｍｅｔｅｒ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、生産プロセスにおいて設定されることができるパラメータを、限定することなく指してもよい。制御可能パラメータは、例えば、体積または質量流量、流入組成、流入温度、濃度、圧力、反応器壁温度のうちの１つまたは複数を含んでもよい。

生産プラントによる生産は、複数の生産工程を含んでもよい。訓練済みモデルは、単一生産工程または生産工程の群を示すことができる。訓練済みモデルは、単一生産工程または生産工程の群についての運転条件を予測するために構成される。理想的には、各制御可能要素を含むフルプロセスチェーンが予測されてもよい。

生産プラントは、少なくとも１つの生産ラインを備えてもよい。生産プラントは、複数の生産ラインを備えてもよい。生産ラインは並列に運転されてもよい。訓練済みモデルは、単一生産ラインまたは生産ラインの群についての運転条件を予測するために構成されてもよい。例えば、生産ラインは、少なくとも１つの反応器および少なくとも１つの固体処理ユニットを備えてもよい。訓練済みモデルは、反応器および／または固体処理ユニットについての運転条件を予測するために構成されてもよい。

上記で概説したように、プロセスチェーンは、連続およびバッチプロセスの任意の組み合わせを含んでもよい。訓練済みモデルは、品質基準を達成するために処理チェーン（ｐｒｏｃｅｓｓｉｎｇｃｈａｉｎ）を通る最良ルートに関連する運転条件を提供するように構成されてもよい。さらに、順序キューまたは同様なもの等の、処理チェーンを通る最良ルートを決定するための他の基準が考慮されてもよい。

訓練済みモデルは、未処理ＣＩＰ製品のための反応器上でのＣＩＰ生産等、連続プロセスまたは生産プロセスの一部を含むおよび／またはカバーしてもよい。さらに、ＣＩＰグレードにつながる、未処理製品を仕上げるためのバッチプロセスが、訓練済みモデルに含まれてもよい。これらの仕上げ運転は、例えば、ミリング、分類、水素アニーリング、コーティング、およびその組み合わせを含んでもよい。訓練済みモデルは、プロセスチェーンの各バッチプロセスに関連する単位操作を含んでもよい。単位操作は、工業用途およびそれぞれの製品特性、特にＣＩＰ特性に応じて、組み合わせの予め規定されたセットとして訓練済みモデルに含まれてもよい。具体的には、バッチプロセスは、連続プロセスまたは生産プロセスの一部をカバーする訓練済みモデルの出力に基づいてモデル化されてもよく、その出力は、そのような場合、中間品質基準を提供してもよい。全てのバッチプロセスまたはルートは、それ自身のモデルを有してもよい。各単位操作の組み合わせについて、モデルは、入力データ、特に顧客入力に応じて予測するために、訓練され選択されてもよい。

訓練済みモデルは、プロセスチェーンを通る予め規定されたルート用のモデルを含んでもよい。例えば、特にＣＩＰ生産の場合、訓練済みモデルは、反応器および予め規定された単位操作に関連するモデル部を含んでもよい。例えば、複数の異なる予め規定されたルートが存在してもよく、品質基準に基づいて、運転条件がそれについて決定される整合または適合ルートが選択される。プロセスチェーンを通る予め規定されたルートに対して代替的に、少なくとも１つの最適化問題が、目的関数に基づいて規定されてもよい。例えば、グラフ理論は、最適運転条件ならびに連続およびバッチプロセスの最適組み合わせを見出すために使用されてもよい。そのため、最良ルートが、訓練されてもよく、また、運転条件に加えて予測されてもよい。

本明細書で使用される用語「制御（ｃｏｎｔｒｏｌ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、生産プラントの少なくとも１つのパラメータを決定および／または調整することを、限定することなく指してもよい。本明細書で使用される用語「モニタリング（ｍｏｎｉｔｏｒｉｎｇ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、生産プラントの少なくとも１つのパラメータを定量的および／または定性的に決定することを、限定することなく指してもよい。少なくとも１つのパラメータは、生産プラントの運転条件に関連する。制御および／またはモニタリング工程において、予測された運転条件が提供される。具体的には、制御および／またはモニタリング工程は、予測された運転条件に基づいてもよい。用語「提供すること（ｐｒｏｖｉｄｉｎｇ）」は、特に生産プラントのコントローラまたはスケジューラに対して、少なくとも１つの出力を生成することを指してもよい。運転条件は、少なくとも１つの出力チャネルを介して提供されてもよい。生産プラントは、決定された運転条件に従って制御されてもよい。各制御可能要素についての運転条件が提供されてもよい。訓練済みモデルは、現実の生産プロセスにおいて直接制御可能である制御可能パラメータを予測するために構成されてもよい。そのようなパラメータは、生産プラントレイアウトファイル内のメタデータによってフラグを立てられてもよい。特に、未処理ＣＩＰ生産プロセスの反応器は、最適成果に達するために、提供された運転条件に従って制御されてもよい。方法は、以下でより詳細に説明される制御システム等の制御システムを使用することを含んでもよい。

方法は、決定された運転条件に基づいて生産プラントのランについての生産計画を決定することを含んでもよい。方法は、制御システムおよび／またはスケジューラそして特に最適生産プラニングによって生産プラントを制御することを可能にしてもよい。顧客が、所望の仕様を含むオーダーを入れると、最適運転条件が、訓練済みモデルを用いて決定されてもよい。フル生産計画は、制御システムによって評価されてもよい、および／または、スケジューラに渡されてもよく、スケジューラは、到来する生産ランを、例えば、品質基準の類似度、反応器割り当て、運転条件、未処理材料の目的物、緊急度、バッチサイズ、および同様なものに基づいてランク付けする。さらに、制御システムおよび／またはスケジューラは、最終製品バッチをピックアップし、それらを顧客の場所まで輸送するために、必要とされる輸送ターミナルがオンサイトであるように物流管理的にトリガーする輸送プラニングシステムと通信状態にあってもよい。さらに、制御システムおよび／またはスケジューラは、完全にデジタル化された生産プラニングに基づいて在庫水準を予想するために使用される場合がある。

本発明のさらなる態様において、生産プラントを制御および／またはモニターするコンピュータプログラム、具体的に、アプリケーションが提案される。生産プラントは少なくとも１つのバッチプロセスを備える少なくとも１つのプロセスチェーンを備え、コンピュータプログラムは、プログラムがコンピュータまたはコンピュータネットワークによって実行されると、
ｉ）入力データを決定する工程であって、入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、工程は、少なくとも１つの通信インタフェースを介して、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信することを含む、入力データを決定する工程、
ｉｉ）入力データに少なくとも１つの訓練済みモデルを適用することによって、生産プラントを運転するための運転条件を決定する工程であって、訓練済みモデルは、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、決定する工程、
ｉｉｉ）運転条件を提供する工程
をコンピュータまたはコンピュータネットワークに実施させる、命令を含む。

本明細書で使用される用語のほとんどの考えられる規定について、上記のまたは以下でさらに詳細に説明されるコンピュータ実装方法の説明に対して参照が行われてもよい。

具体的には、コンピュータプログラムは、コンピュータ可読データキャリアおよび／またはコンピュータ可読記憶媒体上に記憶されてもよい。用語「コンピュータ可読データキャリア（ｃｏｍｐｕｔｅｒ－ｒｅａｄａｂｌｅｄａｔａｃａｒｒｉｅｒ）」および「コンピュータ可読記憶媒体（ｃｏｍｐｕｔｅｒ－ｒｅａｄａｂｌｅｓｔｏｒａｇｅｍｅｄｉｕｍ）」は、具体的には、コンピュータ実行可能命令を記憶しているハードウェア記憶媒体等の非一時的データ記憶手段を指してもよい。コンピュータ可読データキャリアまたは記憶媒体は、具体的には、ランダムアクセスメモリ（ＲＡＭ）および／または読み出し専用メモリ（ＲＯＭ）等の記憶媒体であってもよい、または、それを備えてもよい。

本明細書でさらに開示され提案されるのは、機械可読キャリア上に記憶されたプログラムコード手段であって、プログラム（ｔｈｅｐｒｏｇｒａｍ）がコンピュータまたはコンピュータネットワーク上で実行されると、本明細書に同封される（ｅｎｃｌｏｓｅｄ）実施形態のうちの１つまたは複数において本発明による方法を実施するためのものである、プログラムコード手段を有するコンピュータプログラム製品である。具体的には、プログラムコード手段は、コンピュータ可読データキャリアおよび／またはコンピュータ可読記憶媒体上に記憶されてもよい。

本明細書でさらに開示され提案されるのは、データ構造が記憶されているデータキャリアであり、データ構造は、コンピュータまたはコンピュータネットワークの作業メモリまたは主メモリ内に等、コンピュータまたはコンピュータネットワーク内にロードされた後、本明細書で開示される実施形態のうちの１つまたは複数に従って方法を実行してもよい。

本明細書でさらに開示され提案されるのは、機械可読キャリア上に記憶されたプログラムコード手段であって、プログラム（ｔｈｅｐｒｏｇｒａｍ）がコンピュータまたはコンピュータネットワーク上で実行されると、本明細書で開示される実施形態のうちの１つまたは複数に従って方法を実施するための、プログラムコード手段を有するコンピュータプログラム製品である。本明細書で使用するとき、コンピュータプログラム製品は、取引可能な製品としてのプログラムを指す。製品は、一般に、紙形式で等、任意の形式で、または、コンピュータ可読データキャリア上に存在してもよい。具体的には、コンピュータプログラム製品は、データネットワークにわたって分散されてもよい。

本発明のさらなる態様において、生産プラントを制御および／またはモニターする制御システムが提案される。生産プラントは、少なくとも１つのバッチプロセスを含む少なくとも１つのプロセスチェーンを含む。制御システムは、入力データを決定するために構成される少なくとも１つの通信インタフェースを備える。入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含む。通信インタフェースは、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信するために構成される。制御システムは、入力データに少なくとも１つの訓練済みモデルを適用することによって、生産プラントを運転するための運転条件を決定するために構成される少なくとも１つの予測ユニットを備える。訓練済みモデルは、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である。制御システムは、運転条件を提供するために構成される少なくとも１つの出力デバイスを備える。

本明細書で使用される用語「予測ユニット（ｐｒｅｄｉｃｔｉｏｎｕｎｉｔ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、好ましくは、少なくとも１つのデータ処理デバイスを使用することによって、そしてより好ましくは、少なくとも１つのプロセッサおよび／または少なくとも１つの特定用途向け集積回路を使用することによって、予測を実施するように適合される任意のデバイスを、限定することなく指してもよい。そのため、一例として、予測ユニットは、１つまたは複数のコンピュータ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）等の１つまたは複数のプログラマブルデバイス、または、上記で述べた予測を実施するために構成される他のデバイスを備えてもよい。そのため、一例として、少なくとも１つの予測ユニットは、多数のコンピュータコマンドを含むソフトウェアコードが記憶されている少なくとも１つのデータ処理デバイスを備えてもよい。予測ユニットは、指定された運転のうちの１つまたは複数を実施する１つまたは複数のハードウェア要素を提供してもよい、および／または、指定された運転のうちの１つまたは複数を実施するために、１つまたは複数のプロセッサであって、プロセッサ上で実行されるソフトウェアを有する、１つまたは複数のプロセッサを提供してもよい。

本明細書で使用される用語「出力デバイス（ｏｕｔｐｕｔｄｅｖｉｃｅ）」は、広範囲の用語であり、当業者に対してその通常かつ慣用の意味を与えられ、特別なまたはカスタマイズされた意味に限定されない。その用語は、具体的には、例えば、少なくとも１つのスケジューラに対して、訓練済みモデルの少なくとも１つの成果を提供するために構成されるデバイスを、限定することなく指してもよい。出力デバイスは少なくとも１つのディスプレイデバイスを備えてもよい。

制御システムは、決定された運転条件に従って生産プラントを制御および／またはモニターするために構成される少なくとも１つのコントロールユニットを備えてもよい。制御システムは、生産プラントをスケジュールするために構成されるスケジューラユニットをさらに備えてもよい。スケジューラユニットは、決定された運転条件に基づいて生産プラントのランについて生産計画を決定するために構成されてもよい。制御システムは、方法を参照する先行する請求項のうちの任意の先行する請求項に従って、生産プラントを制御および／またはモニターする方法を実施するために構成されてもよい。本明細書で使用される用語のほとんどの考えられる規定について、上記のまたは以下でさらに詳細に説明されるコンピュータ実装方法の説明に対して参照が行われてもよい。

要約すると、また、さらなる考えられる実施形態を排除することなく、以下の実施形態が想定されてもよい：
実施形態１：生産プラントを制御および／またはモニターするコンピュータ実装方法であって、生産プラントは少なくとも１つのバッチプロセスを備える少なくとも１つのプロセスチェーンを備え、方法は、
ａ）入力データを決定する少なくとも１つの工程であって、入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、工程は、少なくとも１つの通信インタフェースを介して、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信することを含む、入力データを決定する少なくとも１つの工程と、
ｂ）少なくとも１つの予測工程であって、予測工程において、生産プラントを運転するための運転条件は、入力データに少なくとも１つの訓練済みモデルを適用することによって決定され、訓練済みモデルは、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、少なくとも１つの予測工程と、
ｃ）少なくとも１つの制御および／またはモニタリング工程であって、運転条件が提供される、少なくとも１つの制御および／またはモニタリング工程と
を含む、コンピュータ実装方法。

実施形態２：生産プラントは少なくとも２つの逐次プロセスを備える、先行する実施形態に記載の方法。

実施形態３：生産プラントは、決定された運転条件に従って制御される、先行する実施形態のいずれか１つに記載の方法。

実施形態４：各制御可能要素についての運転条件が提供され、訓練済みモデルは、現実の生産プロセスにおいて直接制御可能である制御可能パラメータを予測するために構成される、先行する実施形態に記載の方法。

実施形態５：訓練済みモデルは、品質基準を達成するために処理チェーンを通る最良ルートに関連する運転条件を提供するために構成される、先行する実施形態のいずれか１つに記載の方法。

実施形態６：生産プラントのランのための生産計画は、決定された運転条件に基づいて決定される、先行する実施形態のいずれか１つに記載の方法。

実施形態７：品質基準に関連する情報は少なくとも１つの顧客仕様を含み、顧客仕様は、少なくとも１つの品質パラメータについての少なくとも１つの範囲を含む、先行する実施形態のいずれか１つに記載の方法。

実施形態８：生産プラントレイアウトデータはリアルタイムデータを含み、リアルタイムデータは生産プラントの現在の状態に関する情報を含む、先行する実施形態のいずれか１つに記載の方法。

実施形態９：生産プラントレイアウトデータは予め規定されたレイアウトパラメータを含み、予め規定されたレイアウトパラメータは、通信インタフェースを介して少なくとも１つのデータベースから取得される、先行する実施形態のいずれか１つに記載の方法。

実施形態１０：生産プラントは、連続処理のために構成される、先行する実施形態のいずれか１つに記載の方法。

実施形態１１：生産プラントによる生産は複数の生産工程を含み、訓練済みモデルは、単一生産工程についてのまたは生産工程の群についての運転条件を予測するために構成される、先行する実施形態のいずれか１つに記載の方法。

実施形態１２：訓練済みモデルはハイブリッドモデルである、先行する実施形態のいずれか１つに記載の方法。

実施形態１３：訓練済みモデルは少なくとも１つのサブモデルを含み、サブモデルは、ホワイトボックスモデル、ハイブリッドモデル、またはデータ駆動型モデルのうちの１つまたは複数である、先行する実施形態のいずれか１つに記載の方法。

実施形態１４：訓練済みモデルは複数のサブモデルを含み、複数のサブモデルは、ホワイトボックスモデルあるいはハイブリッドモデルまたは純粋なデータ駆動型モデルであり、各サブモデルは、運転条件を予測することを担当するかまたは運転条件を予測する他のサブモデルに入力を提供することを担当する、先行する実施形態に記載の方法。

実施形態１５：訓練済みモデルはホワイトボックスモデルおよびブラックボックスモデルの組み合わせを含み、ホワイトボックスモデルは物理化学法則に基づき、ブラックボックスモデルは過去のプロダクションランからのセンサデータに基づく、先行する実施形態のいずれか１つに記載の方法。

実施形態１６：物理化学法則は、化学反応速度論、質量保存則、モーメンタムおよびエネルギー、任意次元における粒子母集団のうちの１つまたは複数を含む、先行する実施形態に記載の方法。

実施形態１７：ブラックボックスモデルは、機械学習、深層学習、ニューラルネットワーク、または他の形態の人工知能のうちの１つまたは複数を使用することによって構築される、先行する２つの実施形態のいずれか１つに記載の方法。

実施形態１８：訓練済みモデルは直列または並列アーキテクチャを含む、先行する３つの実施形態のいずれか１つに記載の方法。

実施形態１９：直列アーキテクチャにおいて、ホワイトボックスモデルの出力はブラックボックスモデル用の入力として使用される、または、ブラックボックスモデルの出力はホワイトボックスモデル用の入力として使用され、並列アーキテクチャにおいて、ホワイトボックスモデルおよびブラックボックスモデルの結合出力は、出力の重ね合わせによって等で決定される、先行する実施形態に記載の方法。

実施形態２０：訓練済みモデルは、プロセスコントロール、物理的反応器設計、プラントレイアウト、およびプロダクションランからのデータに関連する、生産される粉末の品質基準のうちの１つまたは複数を含む過去のデータを用いて訓練される、先行する実施形態のいずれか１つに記載の方法。

実施形態２１：生産プラントは、少なくとも１つの粉末を生産するために構成される粉末生産プラントであり、粉末は、カルボニル鉄粉（ＣＩＰ）、鉄粉、カーボンブラック、ニッケル、鉄、酸化亜鉛、二酸化チタンからなる群から選択される少なくとも１つの粉末である、先行する実施形態のいずれか１つに記載の方法。

実施形態２２：生産プラントを制御および／またはモニターするコンピュータプログラム、具体的に、アプリケーションであって、生産プラントは少なくとも１つのバッチプロセスを備える少なくとも１つのプロセスチェーンを備え、コンピュータプログラムは、プログラムがコンピュータまたはコンピュータネットワークによって実行されると、
ｉ）入力データを決定する工程であって、入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、工程は、少なくとも１つの通信インタフェースを介して、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信することを含む、入力データを決定する工程、
ｉｉ）入力データに少なくとも１つの訓練済みモデルを適用することによって、生産プラントを運転するための運転条件を決定する工程であって、訓練済みモデルは、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、決定する工程、
ｉｉｉ）運転条件を提供する工程
をコンピュータまたはコンピュータネットワークに実施させる、命令を含む、コンピュータプログラム。

実施形態２３：生産プラントを制御および／またはモニターするコンピュータ実装方法であって、生産プラントは少なくとも１つのバッチプロセスを備える少なくとも１つのプロセスチェーンを備え、方法は、
－入力データを決定する少なくとも１つの工程であって、入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、工程は、少なくとも１つの通信インタフェースを介して、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信することを含む、入力データを決定する少なくとも１つの工程と、
－少なくとも１つの予測工程であって、予測工程において、生産プラントを運転するための運転条件は、入力データに少なくとも１つの訓練済みモデル（１３６）を適用することによって決定され、訓練済みモデルは、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、少なくとも１つの予測工程と、
－少なくとも１つの制御および／またはモニタリング工程であって、運転条件が提供される、少なくとも１つの制御および／またはモニタリング工程と
を含み、予測工程で決定される運転条件は、処理チェーンを通る最良ルートを含む、コンピュータ実装方法。

実施形態２４：実施形態１～２１のいずれか１つに記載の制御および／またはモニターする方法に従って、生産プラントを制御および／またはモニターすることを含む、先行する実施形態に記載の方法。

実施形態２５：生産プラントを制御および／またはモニターする制御システムであって、生産プラントは少なくとも１つのバッチプロセスを備える少なくとも１つのプロセスチェーンを備え、制御システムは、入力データを決定するために構成される少なくとも１つの通信インタフェースを備え、入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、通信インタフェースは、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信するために構成され、制御システムは、入力データに少なくとも１つの訓練済みモデルを適用することによって、生産プラントを運転するための運転条件を決定するために構成される少なくとも１つの予測ユニットを備え、訓練済みモデルは、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型であり、制御システムは、運転条件を提供するために構成される少なくとも１つの出力デバイスを備える、制御システム。

実施形態２６：決定された運転条件に従って生産プラントを制御および／またはモニターするために構成される少なくとも１つのコントロールユニットを備える、先行する実施形態に記載の制御システム。

実施形態２７：生産プラントをスケジュールするために構成されるスケジューラユニットをさらに備え、スケジューラユニットは、決定された運転条件に基づいて生産プラントのランについて生産計画を決定するために構成される、先行する実施形態に記載の制御システム。

実施形態２８：方法を参照する先行する実施形態のうちのいずれか１つに従って、生産プラントを制御および／またはモニターする方法を実施するために構成される、先行する３つの実施形態のいずれか１つに記載の制御システム。

さらなる任意選択の特徴および実施形態は、好ましくは従属請求項と併せて実施形態の後続の説明においてより詳細に開示される。そこでは、それぞれの任意選択の特徴は、当業者が認識するように、孤立してならびに任意の実現可能な組み合わせで実現されてもよい。本発明の範囲は、好ましい実施形態によって制限されない。実施形態は図において概略的に示される。そこでは、これらの図における同一の参照符号は、同一のまたは機能的に匹敵する要素を指す。

本発明による例示的な方法の一実施形態を示す図である。生産プラントの実施形態を示す図である。生産プラントの実施形態を示す図である。本発明による訓練済みモデルの一実施形態を示す図である。訓練済みモデルの構成を示す図である。生産プラントの実施形態を示す図である。生産プラントの実施形態を示す図である。

実施形態の詳細な説明
図１は、本発明による、生産プラント１１０を制御および／またはモニターする例示的なコンピュータ実装方法の一実施形態を示す。

図２Ａおよび２Ｂは、生産プラント１１０の例示的な実施形態を示す。生産プラント１１０は化学生産プラントであってもよい。特に、生産プラント１１０は、少なくとも１つの粉末を生産するために構成される粉末生産プラントであってもよい。生産プラント１１０は、少なくとも１つのバッチプロセス１１４を備える少なくとも１つのプロセスチェーン１１２を備える。プロセスチェーン１１２は、少なくとも１つの処理ユニットまたは複数の処理ユニットにおいて実施されるプロセスまたは生産工程のシーケンスを含んでもよい。プロセスチェーン１１２は、同時に実施されてもよい工程またはプロセス、および／または、連続的に実施されてもよい工程またはプロセスを含んでもよい。プロセスチェーン１１２は、少なくとも１つの生産ライン１１６を備えてもよい。プロセスチェーン１１２は、複数の生産ライン、特に、並列に運転されることができる複数の生産ラインを備えてもよい。図２Ａに示すように、プロセスチェーン１１２は、「ライン１」～「ラインｎ」で示すｎ個の生産ライン１１６を備えてもよく、ｎは正整数である。図２Ａに示す実施形態において、生産ライン１１６は並列に運転される。

バッチプロセス１１４は、時系列順に配列され、生産プロセスに直接関連する処理ユニットを備えてもよい。プロセスチェーン１１２は、複数のバッチプロセス１１４を含んでもよい。バッチプロセス１１４は、製品の少なくとも１つの特性を制御するように構成されてもよい。バッチプロセス１１４は、少なくとも１つの機械的および／または１つの熱的および／または１つの化学的プロセスを含んでもよい。バッチプロセス１１４は、ミリング、ミキシング、シービング、スクリーニング、水素アニーリング、コーティング、およびその組み合わせのうちの１つまたは複数を含む、仕上げ運転とも呼ばれる処理用単位操作を含んでもよい。生産プラント１１０は、少なくとも１つのミル、少なくとも１つのスクリーン、少なくとも１つのふるい、少なくとも１つのオーブン、少なくとも１つのか焼炉、少なくとも１つの回転キルン、少なくとも１つの流動床からなる群から選択される少なくとも１つのユニット１２０を備えてもよい。図２Ａに示すように、プロセスチェーン１１２、特に、生産ライン１１６のそれぞれは、「ユニット１」～「ユニットｎ」で示すｎ個のユニット１２０を備えてもよく、ｎは正整数である。

プロセスチェーン１１２は、少なくとも１つの連続プロセス１２２を含んでもよい。プロセスチェーン１１２はバッチプロセス１１４および連続プロセス１２２を含んでもよい。プロセスチェーン１１２は、半連続および／または半バッチプロセスを含んでもよい。例えば、プロセスチェーン１１２は、少なくとも１つの連続プロセス１２２および複数のバッチプロセス１１４を含んでもよい。生産プラント１１０は、連続処理および／またはバッチ処理のために構成されてもよい。生産プラント１１０は、複数の並列連続プロセス１２２および／またはバッチプロセス１１４を含んでもよい。連続プロセス１２２および／またはバッチプロセス１１４は、異なる方法で組み合わされてもよい。連続プロセス１２２およびバッチプロセス１１４の組み合わせは、製品用の品質等の少なくとも１つの基準に依存してもよい。連続プロセス１２２およびバッチプロセス１１４の組み合わせは、品質基準に基づいてプロセスチェーン１１２を通る最良ルートをとるために選択されてもよい。さらに、オーダーキューまたは同様なもの等の他の基準が考えられてもよい。

工程ｂ）にて決定される運転条件は、最良ルートに関する情報を含んでもよい。ルートは、単位操作の組み合わせおよび／または処理ユニットの組み合わせおよび／またはプロセスまたは生産工程の組み合わせであって、生産プラントにおける生産プロセス中に実施および／または通過した連続および／またはバッチプロセスを特に含む、プロセスまたは生産工程の組み合わせであってもよい。最良ルートは、少なくとも１つの品質基準の観点から、生産プラントを通る最適ルートであってもよい。そのため、最適ルートは、具体的には、少なくとも１つの品質基準を最大または最小にする複数の考えられるルートから選択されるルートであってもよい。最良ルートは、ターゲットルートおよび／または最終ルートおよび／または計画されたルートであってもよい。例えば、バッチプロセスは、品質基準および／または生産プラントのワークロードに応じて、生産プラントを通る異なるルートを含んでもよい。異なる処理用単位操作は、少なくとも１つの品質基準の観点から最適に達するおよび／または最適を確保するために組み合わされてもよい。図２Ｂは、ユニット１～６の組み合わせが異なる、２つの考えられるルートａ）およびｂ）を有する一実施形態を示す。最良ルートは、所望の化学製品、具体的にはその品質基準に応じて選択されてもよい。

例えば、生産プラント１１０は、少なくとも１つの粉末を生産するために構成される粉末生産プラントであってもよい。粉末は、例えば、１～１００ｎｍの粒子サイズを有するナノサイズ粉末、または、例えば、０．１～１０μｍの粒子サイズを有するマイクロサイズ粉末であってもよい。粉末は、カルボニル鉄粉（ＣＩＰ）、鉄粉、カーボンブラック、ニッケル、鉄、酸化亜鉛、二酸化チタンからなる群から選択される少なくとも１つの粉末であってもよい。

例えば、図２Ａに示すように、生産プラント１１０は、カルボニル鉄粉（ＣＩＰ）を生産する粉末生産プラントであってもよい。カルボニル鉄粉は、種々の工業用途のために、例えば、金属射出成形、コイルコア、レーダー吸収、ダイヤモンドツール、および同様なもののために生産されてもよい。ＣＩＰは高純度のマイクロサイズ鉄粉である。ＣＩＰは、鉄ペンタカルボニルの熱分解によって生産されることができる。ＣＩＰは、ガス状の鉄ペンタカルボニル（ＩＰＣ）がＦｅおよびＣＯに分解されるホットウォールエアロゾルプロセスによって生産されてもよい。生産プラント１１０は、少なくとも１つの蒸発器を備えてもよい、または、少なくとも１つの蒸発器に接続されてもよい。図２Ａにおいて、鉄ペンタカルボニルの流入は、未処理材料および参照数字１２４として示される。生産プラント１１０は、少なくとも１つの反応器１２６を備えてもよい。反応器１２６は、プロセスチェーン１１２の連続プロセス１２２であってもよい、または、その一部であってもよい。別個のカボニレーションプラントまたは上流プロセス工程で生産されてもよい液状鉄ペンタカルボニル（ＩＰＣ）は、液体が約１０４℃まで加熱される蒸発器に給送されてもよい。ＩＰＣは沸騰し、発生した純粋なガスは、反応器１２６に給送されてもよい。反応器１２６は、一定の長さおよび径を有する円筒反応器であってもよい。反応器１２６は、５５０℃まで壁面加熱されてもよい。ＩＰＣは、吸熱反応において、鉄および５モルＣＯガスに定量的に分解される。反応ゾーン内の温度は、典型的には２５０℃と３５０℃との間である。気相で形成されるＦｅ粒子はμｍサイズの球粒子であってもよい。

「未処理材料（ｒａｗｍａｔｅｒｉａｌ）」および図２Ａの参照数字１２８として示される未処理ＣＩＰは、「仕上がり粉末（ｆｉｎｉｓｈｅｄｐｏｗｄｅｒ）」および図２Ａの参照数字１３８として示される仕上がり製品を生産するために、少なくとも１つのバッチプロセス１１４においてさらに処理されてもよい。例えば、未処理ＣＩＰ１２８は、コンテナ内に給送されてもよく、所望のおよび／または計画されたおよび／または望まれる仕上がり製品の要件に応じて異なるバッチプロセス１１４において後で処理されてもよい。生産プラント１１０は、異なる種類の最終ＣＩＰ、いわゆるグレードを生産するために構成されてもよい。グレードは、複数の生産ライン１１６上で生産されてもよい。グレードは、用途特有の特性および品質基準に依存してもよい。品質基準は、ＣＩＰの工業用途によって指定されてもよい。品質基準は、用途についての適切な機能を保証するために規定されてもよい。「仕上がり粉末」および図２Ａの参照数字１３８として示される最終ＣＩＰ製品の特性は、粒子サイズ分布、形態、凝集度、界面化学、および相組成のうちの１つまたは複数を含んでもよい。最終ＣＩＰ製品の特性、すなわち、プロセスチェーン１１２の成果は、ミリング、ミキシング、シービング、スクリーニング、水素アニーリング、コーティング、およびその組み合わせのうちの１つまたは複数を含む、後続の固体処理用単位操作によって制御されてもよい。生産プラント１１０は、少なくとも１つのミル、少なくとも１つのスクリーン、少なくとも１つのふるい、少なくとも１つのオーブン、少なくとも１つのか焼炉、少なくとも１つの回転キルン、少なくとも１つの流動床からなる群から選択される少なくとも１つのユニットを備えてもよい。未処理ＣＩＰ特性は、機械的および／または熱的および／または化学的プロセスによって改質されてもよい。ミリングは、弱凝集体および／または強凝集体を破壊することを含んでもよい。ミキシングは、より大きいバッチを均一化することを含んでもよい。シービングは、粒子サイズ分布の微調整を含んでもよい。特性の後続の調整は、多数の企業ノウハウおよび／または手作業のバッチ操作を必要としてもよい。

図１を参照すると、方法は、
ａ）入力データを決定する少なくとも１つの工程（参照数字１３２で示す）であって、入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、工程は、少なくとも１つの通信インタフェース（１５８）を介して、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信することを含む、入力データを決定する少なくとも１つの工程と、
ｂ）少なくとも１つの予測工程（参照数字１３４で示す）であって、予測工程において、生産プラント１１０を運転するための運転条件は、入力データに少なくとも１つの訓練済みモデル１３６を適用することによって決定され、訓練済みモデル１３６は、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、少なくとも１つの予測工程と、
ｃ）少なくとも１つの制御および／またはモニタリング工程（参照数字１４０で示す）であって、運転条件が提供される、少なくとも１つの制御および／またはモニタリング工程と
を含む。

品質基準は、用途依存の品質基準であってもよい。品質基準は、粒子サイズ分布、形態、凝集度、界面化学、および相組成のうちの１つまたは複数を含んでもよい。品質基準は、少なくとも１つの顧客仕様を含んでもよい。顧客仕様は、少なくとも１つの品質パラメータについての少なくとも１つの範囲を含んでもよい。品質パラメータに基づいて、顧客バリューチェーンに沿うさらなる処理が行われることができる。訓練済みモデル１３６は、品質基準に関連する入力データ、特に、入力パラメータを給送されてもよい。入力パラメータの一部は、顧客によって提供されてもよい。他は、顧客入力に基づいて決定されてもよい。例えば、顧客は、工業用途およびそのような用途について適切な仕様を指定してもよい。製品特性に関するさらなる入力パラメータは、計算されるかまたはデータベースから取得されてもよい。

生産プラント１１０に関する情報は、生産プラントの設計、および／または、運転時、メンテンス時等のステータス、計画されたメンテナンス、現在の運転ステータス、例えば、劣化ステータスに関する情報を含んでもよい。設計は、反応器幾何形状、反応器の数、連続プロセスまたはバッチプロセス等のプラントレイアウト等の、手近な物理的反応器設計を指定するパラメータを含んでもよい。生産プラントレイアウトデータはリアルタイムデータを含んでもよい。リアルタイムデータは、生産プラントの現在の状態に関する情報を含んでもよい。生産プラントレイアウトデータは、予め規定されたレイアウトパラメータを含んでもよい。予め規定されたレイアウトパラメータは、通信インタフェースを介して少なくとも１つのデータベースから取得されてもよい。データベースは、少なくとも１つのデータ記憶デバイスであって、情報がそこに記憶されている、少なくとも１つのデータ記憶デバイスを備えてもよい。特に、データベースは、情報の任意の集合体を含んでもよい。データベースは、少なくとも１つのサーバ、複数のサーバを備える少なくとも１つのサーバシステム、少なくとも１つのクラウドサーバ、またはクラウドコンピューティングインフラストラクチャからなる群から選択される少なくとも１つのデータベースであってもよい、または、それを備えてもよい。データベースは、データを記憶するように構成される少なくとも１つの記憶ユニットを備えてもよい。

予測は、特に、品質基準を達成するための少なくとも１つの運転条件の予想値であってもよい。訓練済みモデル１３６は、必要とされる用途特有の製品特性、特に粉末特性をもたらす最適生産プロセス条件を予測するために構成されてもよい。

運転条件は、体積または質量流量、流入組成、流入温度、濃度、圧力、反応器壁温度、反応器幾何形状、反応器サイズのうちの１つまたは複数等の、連続処理ユニットについての運転条件を含んでもよい。運転条件は、滞留時間、圧力、体積または質量流量、流入組成、流入温度、濃度、壁温度、滴下レシピ、反応器幾何形状、反応器サイズのうちの１つまたは複数等の、バッチ処理ユニットについての運転条件を含んでもよい。

訓練済みモデル１３６は、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である。具体的には、データ駆動型モデルは、実験データの解析から導出されてもよい。データ駆動型モデルは機械学習ツールであってもよい。訓練済みモデル１３６は、プロセスコントロール、物理的反応器設計、プラントレイアウト、およびプロダクションランからのデータに関連する、生産される粉末の品質基準のうちの１つまたは複数を含む過去のデータを用いて訓練されてもよい。センサデータは、少なくとも１つの温度センサ、体積または質量流量センサ、圧力センサ、粒子カウントセンサ、重量センサからのデータを含んでもよい。

訓練済みモデル１３６はハイブリッドモデルであってもよい。図３は、本発明による訓練済みモデル１３６の一実施形態を示す。ハイブリッドモデルは、第１原理部、いわゆるホワイトボックス、ならびに、データ駆動型部、いわゆるブラックボックスを含むモデルを指してもよい、例えば、レビュー論文、ＭｏｒｉｔｚｖｏｎＳｔｏｃｈら：「Ｈｙｂｒｉｄｓｅｍｉ－ｐａｒａｍｅｔｒｉｃｍｏｄｅｌｉｎｇｉｎｐｒｏｃｅｓｓｓｙｓｔｅｍｓｅｎｇｉｎｅｅｒｉｎｇ：Ｐａｓｔ、ｐｒｅｓｅｎｔａｎｄｆｕｔｕｒｅ」、２０１４、Ｃｏｍｐｕｔｅｒｓ＆ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ、ｐｅｒｇａｍｏｎｐｒｅｓｓ、Ｏｘｆｏｒｄ、ＧＢ、第６０巻、２０１３年８月３１日、８６～１０１ページＸＰ０２８７９２３５６、ＩＳＳＮ：００９８－１３５４、ＤＯＩ：１０．１０１６／Ｊ．ＣＯＭＰＣＨＥＭＥＮＧ．２０１３．０８．００８参照。訓練済みモデル１３６は、ホワイトボックスモデル１４２およびブラックボックスモデル１４４の組み合わせを含んでもよい。ホワイトボックスモデル１４２は物理化学法則に基づいてもよい。物理化学法則は、化学反応速度論、質量保存則、モーメンタムおよびエネルギー、任意次元における粒子母集団のうちの１つまたは複数を含んでもよい。ホワイトボックスモデルは、それぞれのプロセス工程を支配する物理化学法則に従って選択されてもよい。ブラックボックスモデル１４４は、過去のプロダクションランからのセンサデータに基づいてもよい。ブラックボックスモデル１４４は、機械学習、深層学習、ニューラルネットワーク、または他の形態の人工知能のうちの１つまたは複数を使用することによって構築されてもよい。ブラックボックスモデル１４４は、訓練データとテストデータとの間の良好な適合をもたらす任意のモデルであってもよい。図４は、訓練済みモデル１３６の一実施形態の構成を示す。特に、データ駆動型モデルがそれに基づいて生成される実験データおよびホワイトボックスモデル１４２がそれに基づいて生成される理論データが示される。

訓練済みモデル１３６は、直列または並列アーキテクチャを含んでもよい。直列アーキテクチャにおいて、ホワイトボックスモデル１４２の出力１４６はブラックボックスモデル１４４用の入力として使用される、または、ブラックボックスモデル１４４の出力１４８はホワイトボックスモデル１４２用の入力として使用される。並列アーキテクチャにおいて、ホワイトボックスモデル１４２およびブラックボックスモデル１４４の結合出力１５０は、出力１４６、１４８の重ね合わせによって等で決定される。直列および並列アーキテクチャのさらなる詳細について、レビュー論文、ＭｏｒｉｔｚｖｏｎＳｔｏｃｈら：「Ｈｙｂｒｉｄｓｅｍｉ－ｐａｒａｍｅｔｒｉｃｍｏｄｅｌｉｎｇｉｎｐｒｏｃｅｓｓｓｙｓｔｅｍｓｅｎｇｉｎｅｅｒｉｎｇ：Ｐａｓｔ、ｐｒｅｓｅｎｔａｎｄｆｕｔｕｒｅ」、２０１４、Ｃｏｍｐｕｔｅｒｓ＆ＣｈｅｍｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ、ｐｅｒｇａｍｏｎｐｒｅｓｓ、Ｏｘｆｏｒｄ、ＧＢ、第６０巻、２０１３年８月３１日、８６～１０１ページＸＰ０２８７９２３５６、ＩＳＳＮ：００９８－１３５４、ＤＯＩ：１０．１０１６／Ｊ．ＣＯＭＰＣＨＥＭＥＮＧ．２０１３．０８．００８に対して参照が行われる。図３は、直列アーキテクチャの実施形態を示し、ホワイトボックスモデルおよびブラックボックスモデルの結合出力がさらに計算される。

訓練済みモデル１３６は、少なくとも１つのサブモデル、特に、複数のサブモデルを含んでもよい。例えば、サブモデルはホワイトボックスモデルであってもよい、および／または、サブモデルのうちの少なくとも１つはホワイトボックスモデルであってもよい。訓練済みモデル１３６は、生産工程のうちの少なくとも１つのためにおよび／またはプロセス工程のうちの少なくとも１つのためにおよび／または少なくとも１つの生産ライン１１６のために等で、複数のサブモデルを含んでもよく、複数のサブモデルは、ホワイトボックスモデルあるいはハイブリッドモデルまたは純粋なデータ駆動型モデルである。各サブモデルは、運転条件を予測することを担当するかまたは運転条件を予測する他のサブモデルに入力を提供することを担当してもよい。訓練済みモデル１３６は、現実の生産プロセスにおいて直接制御可能である制御可能パラメータを予測するために構成される。そのようなパラメータは、生産プラントレイアウトファイルにおいてメタデータによってフラグを立てられてもよい。

生産プラント１１０による生産は、複数の生産工程を含んでもよい。訓練済みモデル１３６は、単一生産工程または生産工程の群を示すことができる。訓練済みモデル１３６は、単一生産工程または生産工程の群についての運転条件を予測するために構成される。理想的には、各制御可能要素を含むフルプロセスチェーンが予測されてもよい。訓練済みモデル１３６は、単一生産ライン１１６または生産ラインの群１１６についての運転条件を予測するために構成されてもよい。例えば、生産ライン１１６は、少なくとも１つの反応器１２６および少なくとも１つの処理ユニット１２０を備えてもよい。訓練済みモデル１３６は、反応器および／または固体処理ユニット１２０についての運転条件を予測するために構成されてもよい。

上記で概説したように、プロセスチェーン１１２は、連続およびバッチプロセスの任意の組み合わせを含んでもよい。訓練済みモデル１３６は、品質基準を達成するために処理チェーン１１６（ｐｒｏｃｅｓｓｉｎｇｃｈａｉｎ１１６）を通る最良ルートに関連する運転条件を提供するように構成されてもよい。さらに、順序キューまたは同様なもの等の、処理チェーンを通る最良ルートを決定するための他の基準が考慮されてもよい。訓練済みモデル１３６は、未処理ＣＩＰ製品のための反応器上でのＣＩＰ生産等、連続プロセス１２２または生産プロセスの一部を含むおよび／またはカバーしてもよい。さらに、ＣＩＰグレードにつながる、未処理製品を仕上げるためのバッチプロセス１１４が、訓練済みモデル１３６に含まれてもよい。これらの仕上げ運転は、例えば、ミリング、分類、水素アニーリング、コーティング、およびその組み合わせを含んでもよい。訓練済みモデル１３６は、プロセスチェーン１１２の各バッチプロセス１１４に関連する単位操作１１８を含んでもよい。単位操作１１８は、工業用途およびそれぞれの製品特性、特にＣＩＰ特性に応じて、組み合わせの予め規定されたセットとして訓練済みモデル１３６に含まれてもよい。具体的には、バッチプロセス１１４は、連続プロセス１２２または生産プロセスの一部をカバーする訓練済みモデル１３６の出力に基づいてモデル化されてもよく、その出力は、そのような場合、中間品質基準を提供してもよい。全てのバッチプロセス１１４またはルートは、それ自身のモデルを有してもよい。各単位操作１１８の組み合わせについて、モデルは、入力データ、特に顧客入力に応じて予測するために、訓練され選択されてもよい。

訓練済みモデル１３６は、プロセスチェーン１１２を通る予め規定されたルート用のモデルを含んでもよい。例えば、特にＣＩＰ生産の場合、訓練済みモデル１３６は、反応器および予め規定された単位操作に関連するモデル部を含んでもよい。例えば、複数の異なる予め規定されたルートが存在してもよく、品質基準に基づいて、運転条件がそれについて決定される整合または適合ルートが選択される。プロセスチェーン１１２を通る予め規定されたルートに対して代替的に、少なくとも１つの最適化問題が、目的関数に基づいて規定されてもよい。例えば、グラフ理論は、最適運転条件ならびに連続プロセス１２２およびバッチプロセス１１４の最適組み合わせを見出すために使用されてもよい。そのため、最良ルートが、訓練されてもよく、また、運転条件に加えて予測されてもよい。バッチプロセス１１４は、品質基準および／または生産プラント１１０のワークロードに応じて、生産プラント１１０を通る異なるルートを含んでもよい。例えば、図２Ａの生産ライン１１６の場合、単位操作１１８およびユニット１２０は、少なくとも１つの品質基準の観点から最適条件に達するおよび／またはそれを確保することが可能であるように組み合わされてもよい。

図２Ａにさらに示すように、生産プラント１１０は、制御システム１５６によって制御されてもよい。制御システム１５６は、入力データを決定するために構成される少なくとも１つの通信インタフェース１５８を備える。通信インタフェース１５８は、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信するために構成される。制御システム１５６は、入力データに少なくとも１つの訓練済みモデル１３６を適用することによって、生産プラント１１０を運転するための運転条件を決定するために構成される少なくとも１つの予測ユニット１６０を備える。制御システム１５６は、運転条件を提供するために構成される少なくとも１つの出力デバイス１６２を備える。

生産プラント１１０は、決定された運転条件に従って制御されてもよい。各制御可能要素についての運転条件が提供されてもよい。訓練済みモデル１３６は、現実の生産プロセスにおいて直接制御可能である制御可能パラメータを予測するために構成されてもよい。そのようなパラメータは、生産プラントレイアウトファイル内のメタデータによってフラグを立てられてもよい。特に、未処理ＣＩＰ生産プロセスの反応器１２６は、最適成果に達するために、提供された運転条件に従って制御されてもよい。

方法は、決定された運転条件に基づいて生産プラント１１０のランについての生産計画を決定することを含んでもよい。方法は、制御システム１５６および／またはスケジューラそして特に最適生産プラニングによって生産プラントを制御することを可能にしてもよい。顧客が、所望の仕様を含むオーダーを入れると、最適運転条件が、訓練済みモデル１３６を用いて決定されてもよい。フル生産計画は、制御システム１５６によって評価されてもよい、および／または、スケジューラに渡されてもよく、スケジューラは、到来する生産ランを、例えば、品質基準の類似度、反応器割り当て、運転条件、未処理材料の目的物、緊急度、バッチサイズ、および同様なものに基づいてランク付けする。さらに、制御システム１５６および／またはスケジューラは、最終製品バッチをピックアップし、それらを顧客の場所まで輸送するために、必要とされる輸送ターミナルがオンサイトであるように物流管理的にトリガーする輸送プラニングシステムと通信状態にあってもよい。さらに、制御システム１５６および／またはスケジューラは、完全にデジタル化された生産プラニングに基づいて在庫水準を予想するために使用される場合がある。

本発明の別の例において、方法は、特に、熱可塑性ポリウレタン（ＴＰＵ）または拡張熱可塑性ポリウレタン（ＥＴＰＵ）を生産するために、ポリウレタン生産プラントにおいて適用されてもよい。

図１を再び参照すると、本発明による、生産プラント１１０をモニターおよび／または制御するコンピュータ実装方法のさらなる実装態様が示される。

図５Ａおよび５Ｂは、生産プラント１１０の例示的な実施形態を示す。生産プラント１１０は化学生産プラントである。特に、生産プラント１１０は、少なくとも１つのポリウレタン、より詳細には１つのＴＰＵおよび／または１つのＥＴＰＵを生産するために構成されるポリウレタン生産プラントであってもよい。生産プラント１１０は、少なくとも１つのバッチプロセス５１４を備える少なくとも１つのプロセスチェーン５１２を備える。プロセスチェーン５１２は、少なくとも１つの処理ユニットまたは複数の処理ユニットにおいて実施されるプロセスまたは生産工程のシーケンスを含んでもよい。プロセスチェーン５１２は、同時に実施されてもよい工程またはプロセスおよび／または連続的に実施されてもよい工程またはプロセスを含んでもよい。プロセスチェーン５１２は、少なくとも１つの生産ライン５１６を備えてもよい。プロセスチェーン５１２は、複数の生産ライン、特に、並列に運転されることができる複数の生産ラインを備えてもよい。図５Ａに示すように、プロセスチェーン５１２は、「ライン１」～「ラインｎ」で示すｎ個の生産ライン５１６を備えてもよく、ｎは正整数である。図５Ａに示す実施形態において、生産ライン５１６は並列に運転される。

バッチプロセス５１４は、時系列順に配列され、生産プロセスに直接関連する処理ユニットを備えてもよい。プロセスチェーン５１２は、複数のバッチプロセス１１４を含んでもよい。バッチプロセス５１４は、製品の少なくとも１つの特性を制御するように構成されてもよい。バッチプロセス５１４は、少なくとも１つの機械的および／または１つの熱的および／または１つの化学的プロセスを含んでもよい。バッチプロセス５１４は、押し出し、フィーディング、ミキシング、ブローイング、カラーリングのうちの１つまたは複数を含む、仕上げ用運転とも呼ばれる処理用単位操作５１８を含んでもよい。生産プラント５１０は、少なくとも１つの押し出し機、少なくとも１つのインジェクタ、少なくとも１つの多孔板、オートクレーブからなる群から選択される少なくとも１つのユニット５２０を備えてもよい。図５Ａに示すように、プロセスチェーン５１２、特に、生産ライン５１６のそれぞれは、「ユニット１」～「ユニットｎ」で示すｎ個のユニット５２０を備えてもよく、ｎは正整数である。

プロセスチェーン５１２は、少なくとも１つの連続プロセス５２２を含んでもよい。プロセスチェーン５１２はバッチプロセス５１４および連続プロセス５２２を含んでもよい。プロセスチェーン５１２は、半連続および／または半バッチプロセスを含んでもよい。例えば、プロセスチェーン５１２は、少なくとも１つの連続プロセス５２２および複数のバッチプロセス５１４を含んでもよい。生産プラント５１０は、連続処理および／またはバッチ処理のために構成されてもよい。生産プラント５１０は、複数の並列連続プロセス５２２および／またはバッチプロセス５１４を含んでもよい。連続プロセス５２６（ｃｏｎｔｉｎｕｏｕｓｐｒｏｃｅｓｓｅｓ５２６）および／またはバッチプロセス５１４は、異なる方法で組み合わされてもよい。連続プロセス５２２およびバッチプロセス５１４の組み合わせは、製品用の品質等の少なくとも１つの基準に依存してもよい。連続プロセス５２２およびバッチプロセス５１４の組み合わせは、品質基準に基づいてプロセスチェーン５１２を通る最良ルートをとるために選択されてもよい。さらに、オーダーキューまたは同様なもの等の他の基準が考えられてもよい。

工程ｂ）にて決定される運転条件は、最良ルートに関する情報を含んでもよい。ルートは、単位操作の組み合わせおよび／または処理ユニットの組み合わせおよび／またはプロセスまたは生産工程の組み合わせであって、生産プラントにおける生産プロセス中に実施および／または通過した連続および／またはバッチプロセスを特に含む、プロセスまたは生産工程の組み合わせであってもよい。最良ルートは、少なくとも１つの品質基準の観点から、生産プラントを通る最適ルートであってもよい。そのため、最適ルートは、具体的には、少なくとも１つの品質基準を最大または最小にする複数の考えられるルートから選択されるルートであってもよい。最良ルートは、ターゲットルートおよび／または最終ルートおよび／または計画されたルートであってもよい。例えば、バッチプロセスは、品質基準および／または生産プラントのワークロードに応じて、生産プラントを通る異なるルートを含んでもよい。異なる処理用単位操作は、少なくとも１つの品質基準の観点から最適に達するおよび／または最適を確保するために組み合わされてもよい。図５Ｂは、ユニット１～６の組み合わせが異なる、２つの考えられるルートａ）およびｂ）を有する一実施形態を示す。最良ルートは、所望の化学製品、具体的にはその品質基準に応じて選択されてもよい。

例えば、生産プラント５１０は、少なくとも１つのポリウレタン、より詳細には１つのＴＰＵおよび／または１つのＥＴＰＵを生産するために構成されるポリウレタン生産プラントであってもよい。例えば、図５Ａに示すように、生産プラント５１０は、ポリウレタン、特にＴＰＵおよび／またはＥＴＰＵの生産のためのポリウレタン生産プラントであってもよい。ＴＰＵおよびＥＴＰＵは、種々の工業用途、例えば、発泡体、絶縁材料、シューソール、ケースのために生産されてもよく、これら種々の工業用途に応じて、異なる特性が必要とされてもよい。本出願の意味で、これらの特性は品質基準であってもよい。

ＥＴＰＵは、ＴＰＵを拡張させることによってＴＰＵから生産されることができる。図５Ａにおいて、ＴＰＵ生産の流入プレポリマーは、未処理材料および参照数字５２４として示される。生産プラント５１０は、少なくとも１つの反応器５２６を備えてもよい。反応器５２６は、プロセスチェーン１１２の連続プロセス５２２であってもよい、または、その一部であってもよい。反応器は、ＴＰＵを生産するために重合プロセス用の反応器であってもよい。

図５Ａの参照数字５２８は、ＴＰＵを示し、図５Ａで参照数字５３８として示す仕上がり製品を生産するために少なくとも１つのバッチプロセス１１４においてさらに処理されてもよい。例えば、ＴＰＵ５２８は、コンテナ内に給送されてもよく、所望のおよび／または計画されたおよび／または望まれる仕上がり製品の要件に応じて異なるバッチプロセス５１４において後で処理されてもよい。生産プラント５１０は、異なる種類の最終製品を生産するために構成されてもよい。最終製品は、複数の生産ライン５１６上で生産されてもよい。最終製品は、用途特有の特性および品質基準に依存してもよい。品質基準は、最終製品の工業用途によって指定されてもよい。品質基準は、用途についての適切な機能を保証するために規定されてもよい。図５Ａで参照数字５３８として示される仕上がり最終製品の特性は、粒子サイズ分布、形態、硬度、孔サイズ、および相組成のうちの１つまたは複数を含んでもよい。仕上がり最終製品の特性、すなわち、プロセスチェーン５１２の成果は、後続の処理用単位操作によって制御されてもよい。ＴＰＵ特性は、機械的および／または熱的および／または化学的プロセスによって改質されてもよい。ＴＰＵは、続く溶融プロセスにおいて、溶融がより均等になるように粉砕されてもよい。ミキシングは、より大きいバッチを均一化することを含んでもよい。シービングは、粒子サイズ分布の微調整を含んでもよい。特性の後続の調整は、多数の企業ノウハウおよび／または手作業のバッチ操作を必要としてもよい。

非制限的な例として、「ＴＰＵ」は、例えば、上流生産プロセス、および、
イソシアネート：４、４’－メチレンジフェニルジイソシアネート（ＭＤＩ）
鎖延長剤：１、４－ブタンジオール
ポリオール：ポリテトラヒドロフラン（ＰｏｌｙＴＨＦ）
の形態の入力材料を使用して、上流工業プラントにおいて、プロセス５２２で生産されてもよい。

触媒、安定剤、および／または酸化防止剤等のさらなる添加剤は、上流工業プロセスの詳細に応じて、添加されてもよい。ＴＰＵおよび／またはＥＴＰＵを生産する任意の他の適切なプロセスが使用されてもよい。

ＴＰＵ生産は、４８Ｄ（１２ハウジング）のプロセス長を有する、会社Ｃｏｐｅｒｉｏｎの、ツインスクリュー押し出し機ＺＳＫ５８ＭＣ内で実施することを含んでもよい。押し出し機からの溶融物（ｍｅｌｔ）（ポリマー溶融物）の放出は、ギアポンプによって実施されてもよい。溶融物ろ過後に、ポリマー溶融物は、水中造粒によって顆粒になるように処理されてもよく、その顆粒は、４０～９０℃で加熱用渦床において絶えず乾燥されてもよい。ポリオール、鎖延長剤、およびジイソシアネート、ならびに触媒は、第１のゾーン内に滴下されてもよい。さらなる添加剤の添加は、上記で説明したように、ゾーン８で起こる。ハウジング温度は１５０～２３０℃に及ぶ（ｒａｎｇｅ）。溶融および水中造粒は、２１０～２３０℃の溶融温度で実施されてもよい。スクリュー速度は１８０ｒｐｍと２４０ｒｐｍとの間であってもよい。スループットは１８０～２２０ｋｇ／ｈに及んでもよい。ＴＰＵ生産についてこの例に示す生産工程以外のさらなる生産工程が存在してもよい、または、存在しなくてもよい。

ＥＴＰＵを生産するバッチまたは半バッチプロセスの例が示されてもよい。さらなる非制限的な例として、ＥＴＰＵ生産またはＴＰＵからの拡張粒子（発泡顆粒）の生産は、４４ｍｍのスクリュー径および４２の長さと径との比を有するツインスクリュー押し出し機が、後続の溶融ポンプ、スクリーンチェンジャを有するスタートアップ弁、多孔板、および水中造粒と共に使用されることを含んでもよい。熱可塑性ポリウレタンは、０．０２重量％未満の残留水分を得るために、３時間の間、８０℃で、処理する前に乾燥される。使用されるＴＰＵは、ツインスクリュー押し出し機の供給材料内に重量滴下デバイスによって滴下されてもよい。材料をツインスクリュー押し出し機の供給材料内に滴下した後、材料は溶融され混合されてもよい。その後、推進剤ＣＯ２およびＮ２が、１つのインジェクタによってそれぞれ添加されてもよい。残っている押し出し材の長さは、ポリマー溶融物内への推進剤の均質な組み込みのために使用されてもよい。押し出し機後に、ポリマー／推進剤混合物は、スクリーンチェンジャを有するスタートアップ弁を介してギアポンプによって多孔板内に圧入されてもよい。多孔板によって、個々のストランドが生産されてもよい。これらのストランドは、水中造粒ユニットの加圧されたカッティングチャンバまで搬送されてもよく、そこで、ストランドは、顆粒になるようにカットされ、顆粒が拡張している間に、水でさらに輸送されてもよい。プロセス水からの拡張粒子または顆粒の分離は、遠心脱水機によって行われてもよい。押し出し材、ポリマー、および推進剤の総スループットは、４０ｋｇ／ｈであってもよい。遠心脱水機による水からの拡張顆粒の分離後に、拡張顆粒は、粒子のさらなる解析をゆがめないように、残留表面水ならびに粒子内の潜在的水分を除去するために、６０℃で３時間乾燥されてもよい。このプロセスによるＥＴＰＵ生産は、１つのユニット、例えば、ユニット１として考えられてもよい。押し出し機における処理に加えて、拡張粒子はまた、オートクレーブで生産されてもよい。このため、圧力容器は、相比が０．３２である固相／液相を有する８０％の充填度で充填されてもよい。固相は、ここではＴＰＵであり、液相は、水と炭酸カルシウムおよび表面活性物質との混合物である。この固／液相に対する圧力によって、発泡剤／推進剤（ブタン）は、前もって窒素で洗浄される緊密な圧力容器内に圧入されてもよい。圧力容器は、５０℃の温度で固／液相を撹拌することによって、加熱されてもよく、その後、窒素が、８ｂａｒまで圧力容器に圧入されてもよい。その後、更なる加熱が、所望の含侵温度に達するまで実施されてもよい。含侵温度および含侵圧力に達すると、圧力容器は、所与の保持時間後に弁によって緩められてもよい。このプロセスによるＥＴＰＵ生産は、１つのユニット、例えば、ユニット２として考えられてもよい。

ＥＴＰＵ生産についてこの例で示した生産工程以外のさらなる生産工程が存在してもよい、または、存在しなくてもよい。

ＴＰＵ生産工程および／またはＥＴＰＵ生産工程は、上記に代表的な例で示すものと同じであってもよい、または、同じでなくてもよい。特定の生産工程が、本教示の範囲または一般性に対して制限的でないことを当業者は認識するものとする。

ＴＰＵは、異なるユニットによって示されるさらなるバッチプロセスにおいて顔料で着色されてもよい。

図１を再び参照すると、方法は、
ａ）入力データを決定する少なくとも１つの工程（参照数字１３２で示す）であって、入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、工程は、少なくとも１つの通信インタフェース（１５８）を介して、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信することを含む、入力データを決定する少なくとも１つの工程と、
ｂ）少なくとも１つの予測工程（参照数字１３４で示す）であって、予測工程において、生産プラント１１０を運転するための運転条件は、入力データに少なくとも１つの訓練済みモデル１３６を適用することによって決定され、訓練済みモデル１３６は、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、少なくとも１つの予測工程と、
ｃ）少なくとも１つの制御および／またはモニタリング工程（参照数字１４０で示す）であって、運転条件が提供される、少なくとも１つの制御および／またはモニタリング工程と
を含む。

品質基準は、用途依存の品質基準であってもよい。品質基準は、粒子サイズ分布、形態、凝集度、硬度、孔サイズ、および相組成のうちの１つまたは複数を含んでもよい。品質基準は、少なくとも１つの顧客仕様を含んでもよい。顧客仕様は、少なくとも１つの品質パラメータについての少なくとも１つの範囲を含んでもよい。品質パラメータに基づいて、顧客バリューチェーンに沿うさらなる処理が行われることができる。訓練済みモデル１３６は、品質基準に関連する入力データ、特に、入力パラメータを給送されてもよい。入力パラメータの一部は、顧客によって提供されてもよい。他は、顧客入力に基づいて決定されてもよい。例えば、顧客は、工業用途およびそのような用途について適切な仕様を指定してもよい。製品特性に関するさらなる入力パラメータは、計算されるかまたはデータベースから取得されてもよい。

生産プラント５１０に関する情報は、生産プラントの設計、および／または、運転時、メンテンス時等のステータス、計画されたメンテナンス、現在の運転ステータス、例えば、劣化ステータスに関する情報を含んでもよい。設計は、反応器幾何形状、反応器の数、連続プロセスまたはバッチプロセス等のプラントレイアウト等の、手近な物理的反応器設計を指定するパラメータを含んでもよい。生産プラントレイアウトデータはリアルタイムデータを含んでもよい。リアルタイムデータは、生産プラントの現在の状態に関する情報を含んでもよい。生産プラントレイアウトデータは、予め規定されたレイアウトパラメータを含んでもよい。予め規定されたレイアウトパラメータは、通信インタフェースを介して少なくとも１つのデータベースから取得されてもよい。データベースは、少なくとも１つのデータ記憶デバイスであって、情報がそこに記憶されている、少なくとも１つのデータ記憶デバイスを備えてもよい。特に、データベースは、情報の任意の集合体を含んでもよい。データベースは、少なくとも１つのサーバ、複数のサーバを備える少なくとも１つのサーバシステム、少なくとも１つのクラウドサーバ、またはクラウドコンピューティングインフラストラクチャからなる群から選択される少なくとも１つのデータベースであってもよい、または、それを備えてもよい。データベースは、データを記憶するように構成される少なくとも１つの記憶ユニットを備えてもよい。

予測は、特に、品質基準を達成するための少なくとも１つの運転条件の予想値であってもよい。訓練済みモデル１３６は、必要とされる用途特有の製品特性をもたらす最適生産プロセス条件を予測するために構成されてもよい。

訓練済みモデル１３６は、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である。具体的には、データ駆動型モデルは、実験データの解析から導出されてもよい。データ駆動型モデルは機械学習ツールであってもよい。訓練済みモデル１３６は、プロセスコントロール、物理的反応器設計、プラントレイアウト、およびプロダクションランからのデータに関連する、生産されるポリウレタンの品質基準のうちの１つまたは複数を含む過去のデータを用いて訓練されてもよい。センサデータは、少なくとも１つの温度センサ、体積または質量流量センサ、圧力センサ、粒子カウントセンサ、重量センサからのデータを含んでもよい。

生産プラント５１０による生産は、複数の生産工程を含んでもよい。訓練済みモデル１３６は、単一生産工程または生産工程の群を示すことができる。訓練済みモデル１３６は、単一生産工程または生産工程の群についての運転条件を予測するために構成される。理想的には、各制御可能要素を含むフルプロセスチェーンが予測されてもよい。訓練済みモデル１３６は、単一生産ライン５１６または生産ラインの群５１６についての運転条件を予測するために構成されてもよい。例えば、生産ライン５１６は、少なくとも１つの反応器５２６および少なくとも１つの処理ユニット５２０を備えてもよい。訓練済みモデル１３６は、反応器および／または固体処理ユニット５２０についての運転条件を予測するために構成されてもよい。

上記で概説したように、プロセスチェーン５１２は、連続およびバッチプロセスの任意の組み合わせを含んでもよい。訓練済みモデル１３６は、品質基準を達成するために処理チェーン５１６（ｐｒｏｃｅｓｓｉｎｇｃｈａｉｎ５１６）を通る最良ルートに関連する運転条件を提供するように構成されてもよい。さらに、順序キューまたは同様なもの等の、処理チェーンを通る最良ルートを決定するための他の基準が考慮されてもよい。訓練済みモデル１３６は、反応器上でのポリウレタン生産等、連続プロセス５２２または生産プロセスの一部を含むおよび／またはカバーしてもよい。さらに、最終製品につながる、未処理製品を仕上げるためのバッチプロセス５１４が、訓練済みモデル１３６に含まれてもよい。これらの仕上げ運転は、例えば、ＴＰＵを粉砕すること、拡張することを含んでもよい。訓練済みモデル１３６は、プロセスチェーン５１２の各バッチプロセス５１４に関連する単位操作５１８を含んでもよい。単位操作５１８は、工業用途およびそれぞれの製品特性に応じて、組み合わせの予め規定されたセットとして訓練済みモデル１３６に含まれてもよい。具体的には、バッチプロセス５１４は、連続プロセス５２２または生産プロセスの一部をカバーする訓練済みモデル１３６の出力に基づいてモデル化されてもよく、その出力は、そのような場合、中間品質基準を提供してもよい。全てのバッチプロセス５１４またはルートは、それ自身のモデルを有してもよい。各単位操作５１８の組み合わせについて、モデルは、入力データ、特に顧客入力に応じて予測するために、訓練され選択されてもよい。

訓練済みモデル１３６は、プロセスチェーン５１２を通る予め規定されたルート用のモデルを含んでもよい。例えば、特にＴＰＵおよび／またはＥＴＰＵ生産の場合、訓練済みモデル１３６は、反応器および予め規定された単位操作に関連するモデル部を含んでもよい。例えば、複数の異なる予め規定されたルートが存在してもよく、品質基準に基づいて、運転条件がそれについて決定される整合または適合ルートが選択される。プロセスチェーン５１２を通る予め規定されたルートに対して代替的に、少なくとも１つの最適化問題が、目的関数に基づいて規定されてもよい。例えば、グラフ理論は、最適運転条件ならびに連続プロセス５２２およびバッチプロセス５１４の最適組み合わせを見出すために使用されてもよい。そのため、最良ルートが、訓練されてもよく、また、運転条件に加えて予測されてもよい。バッチプロセス５１４は、品質基準および／または生産プラント５１０のワークロードに応じて、生産プラント５１０を通る異なるルートを含んでもよい。例えば、図５Ａの生産ライン５１６の場合、単位操作５１８およびユニット５２０は、少なくとも１つの品質基準の観点から最適条件に達するおよび／またはそれを確保することが可能であるように組み合わされてもよい。

図５Ａにさらに示すように、生産プラント５１０は、制御システム５５６によって制御されてもよい。制御システム５５６は、入力データを決定するために構成される少なくとも１つの通信インタフェース５５８を備える。通信インタフェース５５８は、生産プラントレイアウトデータを取得し、品質基準に関連する情報を受信するために構成される。制御システム５５６は、入力データに少なくとも１つの訓練済みモデル５３６を適用することによって、生産プラント５１０を運転するための運転条件を決定するために構成される少なくとも１つの予測ユニット５６０を備える。制御システム５５６は、運転条件を提供するために構成される少なくとも１つの出力デバイス５６２を備える。

生産プラント５１０は、決定された運転条件に従って制御されてもよい。各制御可能要素についての運転条件が提供されてもよい。訓練済みモデル５３６は、現実の生産プロセスにおいて直接制御可能である制御可能パラメータを予測するために構成されてもよい。そのようなパラメータは、生産プラントレイアウトファイル内のメタデータによってフラグを立てられてもよい。特に、ポリウレタン生産プロセスの反応器５２６は、最適成果に達するために、提供された運転条件に従って制御されてもよい。

方法は、決定された運転条件に基づいて生産プラント５１０のランについての生産計画を決定することを含んでもよい。方法は、制御システム５５６および／またはスケジューラそして特に最適生産プラニングによって生産プラントを制御することを可能にしてもよい。顧客が、所望の仕様を含むオーダーを入れると、最適運転条件が、訓練済みモデル５３６を用いて決定されてもよい。フル生産計画は、制御システム５５６によって評価されてもよい、および／または、スケジューラに渡されてもよく、スケジューラは、到来する生産ランを、例えば、品質基準の類似度、反応器割り当て、運転条件、未処理材料の目的物、緊急度、バッチサイズ、および同様なものに基づいてランク付けする。さらに、制御システム５５６および／またはスケジューラは、最終製品バッチをピックアップし、それらを顧客の場所まで輸送するために、必要とされる輸送ターミナルがオンサイトであるように物流管理的にトリガーする輸送プラニングシステムと通信状態にあってもよい。さらに、制御システム５５６および／またはスケジューラは、完全にデジタル化された生産プラニングに基づいて在庫水準を予想するために使用される場合がある。

符号の説明
１１０生産プラント
１１２プロセスチェーン
１１４バッチプロセス
１１６生産ライン
１１８単位操作
１２０ユニット
１２２連続プロセス
１２４未処理材料
１２６反応器
１２８未処理粉末
１３２入力データを決定すること
１３４予測工程
１３６訓練済みモデル
１３８仕上がり粉末
１４０制御およびモニタリング工程
１４２ホワイトボックスモデル
１４４ブラックボックスモデル
１４６出力
１４８出力
１５０結合出力
１５２実験データ
１５４理論データ
１５６制御システム
１５８通信インタフェース
１６０予測ユニット
１６２出力デバイス

例えば、カルボニル鉄粉（ＣＩＰ）生産は、米国特許第２６１２４４０号、英国特許第６９５９２５号、米国特許第２５９７７０１号、米国特許第２８５１３４７号、独国特許第１４３３３６１号、独国特許第３２１６３６２号、独国特許第３４２８１２１号、独国特許第３９４０３４７号、米国特許第４１９７１１８号、米国特許第４１１３４８０号、ソ連国特許発明第１１８６３９８号、独国特許第１０２００５０３０６１３号、国際公開第２０１４／０４９０１６号、中国特許第１０３０４６０３３号、Ｓｙｒｋｉｎ、Ｔｏｌｍａｓｓｋｉ、Ｐｅｔｒｏｖａ、ＰｏｒｏｓｈｋｏｖａｙａＭｅｔａｌｌｕｒｇｉｙａ、Ｎｏ．７（４３）、３８～４４ページ、１９６６年７月から翻訳、Ｍｉｔｔａｓｃｈ、ＺｅｉｔｓｃｈｒｉｆｔｆｕｒａｎｇｅｗａｎｄｔｅＣｈｅｍｉｅ、「ＵｂｅｒＥｉｓｅｎｃａｒｂｏｎｙｌｕｎｄＣａｒｂｏｎｙｌｅｉｓｅｎ」、２８．０７．１９２８、（３０）、８２７、Ｓｙｒｋｉｎ；ＰｏｒｏｓｈｋｏｖａｙａＭｅｔａｌｌｕｒｇｉｙａ、Ｎｏ．３（２１）、７５～８４ページ、１９６４（１９６４）年５月～６月（原著１９６３（１９６３）年１月２７日提出）、から翻訳「ＡｂｏｕｔＮｅｗｐｒｏｃｅｓｓｕｓｉｎｇａｔｏｍｉｚａｔｉｏｎｏｆｌｉｑｕｉｄＩＰＣｉｎｔｏａｎｄｅｃｏｍｐｏｓｅｒ」、Ｅｂｅｎｈｏｅｃｈ、ＰｒｏｇｒｅｓｓｉｎｐｏｗｄｅｒＭｅｔａｌｌｕｒｇｙ（４２）、１９８６、「Ｃａｒｂｏｎｙｌｉｒｏｎｐｏｗｄｅｒｐｒｏｄｕｃｔｉｏｎ、ｐｒｏｐｅｒｔｉｅｓａｎｄａｐｐｌｉｃａｔｉｏｎｓ」によって説明される。

上記で概説したように、プロセスチェーンは、連続およびバッチプロセスの任意の組み合わせを含んでもよい。訓練済みモデルは、品質基準を達成するために処理チェーンを通る最良ルートに関連する運転条件を提供するように構成されてもよい。さらに、順序キューまたは同様なもの等の、処理チェーンを通る最良ルートを決定するための他の基準が考慮されてもよい。

本明細書でさらに開示され提案されるのは、プログラムコード手段であって、プログラムコード手段がコンピュータまたはコンピュータネットワーク上で実行されると、本明細書に開示される実施形態のうちの１つまたは複数において本発明による方法を実施するためのものである、プログラムコード手段を有するコンピュータプログラム製品である。具体的には、プログラムコード手段は、コンピュータ可読データキャリアおよび／またはコンピュータ可読記憶媒体上に記憶されてもよい。

本明細書でさらに開示され提案されるのは、機械可読キャリア上に記憶されたプログラムコード手段であって、プログラムコード手段がコンピュータまたはコンピュータネットワーク上で実行されると、本明細書で開示される実施形態のうちの１つまたは複数に従って方法を実施するための、プログラムコード手段を有するコンピュータプログラム製品である。本明細書で使用するとき、コンピュータプログラム製品は、取引可能な製品としてのプログラムを指す。製品は、一般に、紙形式で等、任意の形式で、または、コンピュータ可読データキャリア上に存在してもよい。具体的には、コンピュータプログラム製品は、データネットワークにわたって分散されてもよい。

上記で概説したように、プロセスチェーン１１２は、連続およびバッチプロセスの任意の組み合わせを含んでもよい。訓練済みモデル１３６は、品質基準を達成するために処理チェーン１１２を通る最良ルートに関連する運転条件を提供するように構成されてもよい。さらに、順序キューまたは同様なもの等の、処理チェーンを通る最良ルートを決定するための他の基準が考慮されてもよい。訓練済みモデル１３６は、未処理ＣＩＰ製品のための反応器上でのＣＩＰ生産等、連続プロセス１２２または生産プロセスの一部を含むおよび／またはカバーしてもよい。さらに、ＣＩＰグレードにつながる、未処理製品を仕上げるためのバッチプロセス１１４が、訓練済みモデル１３６に含まれてもよい。これらの仕上げ運転は、例えば、ミリング、分類、水素アニーリング、コーティング、およびその組み合わせを含んでもよい。訓練済みモデル１３６は、プロセスチェーン１１２の各バッチプロセス１１４に関連する単位操作１１８を含んでもよい。単位操作１１８は、工業用途およびそれぞれの製品特性、特にＣＩＰ特性に応じて、組み合わせの予め規定されたセットとして訓練済みモデル１３６に含まれてもよい。具体的には、バッチプロセス１１４は、連続プロセス１２２または生産プロセスの一部をカバーする訓練済みモデル１３６の出力に基づいてモデル化されてもよく、その出力は、そのような場合、中間品質基準を提供してもよい。全てのバッチプロセス１１４またはルートは、それ自身のモデルを有してもよい。各単位操作１１８の組み合わせについて、モデルは、入力データ、特に顧客入力に応じて予測するために、訓練され選択されてもよい。

プロセスチェーン５１２は、少なくとも１つの連続プロセス５２２を含んでもよい。プロセスチェーン５１２はバッチプロセス５１４および連続プロセス５２２を含んでもよい。プロセスチェーン５１２は、半連続および／または半バッチプロセスを含んでもよい。例えば、プロセスチェーン５１２は、少なくとも１つの連続プロセス５２２および複数のバッチプロセス５１４を含んでもよい。生産プラント５１０は、連続処理および／またはバッチ処理のために構成されてもよい。生産プラント５１０は、複数の並列連続プロセス５２２および／またはバッチプロセス５１４を含んでもよい。連続プロセス５２２および／またはバッチプロセス５１４は、異なる方法で組み合わされてもよい。連続プロセス５２２およびバッチプロセス５１４の組み合わせは、製品用の品質等の少なくとも１つの基準に依存してもよい。連続プロセス５２２およびバッチプロセス５１４の組み合わせは、品質基準に基づいてプロセスチェーン５１２を通る最良ルートをとるために選択されてもよい。さらに、オーダーキューまたは同様なもの等の他の基準が考えられてもよい。

上記で概説したように、プロセスチェーン５１２は、連続およびバッチプロセスの任意の組み合わせを含んでもよい。訓練済みモデル１３６は、品質基準を達成するために処理チェーン５１２を通る最良ルートに関連する運転条件を提供するように構成されてもよい。さらに、順序キューまたは同様なもの等の、処理チェーンを通る最良ルートを決定するための他の基準が考慮されてもよい。訓練済みモデル１３６は、反応器上でのポリウレタン生産等、連続プロセス５２２または生産プロセスの一部を含むおよび／またはカバーしてもよい。さらに、最終製品につながる、未処理製品を仕上げるためのバッチプロセス５１４が、訓練済みモデル１３６に含まれてもよい。これらの仕上げ運転は、例えば、ＴＰＵを粉砕すること、拡張することを含んでもよい。訓練済みモデル１３６は、プロセスチェーン５１２の各バッチプロセス５１４に関連する単位操作５１８を含んでもよい。単位操作５１８は、工業用途およびそれぞれの製品特性に応じて、組み合わせの予め規定されたセットとして訓練済みモデル１３６に含まれてもよい。具体的には、バッチプロセス５１４は、連続プロセス５２２または生産プロセスの一部をカバーする訓練済みモデル１３６の出力に基づいてモデル化されてもよく、その出力は、そのような場合、中間品質基準を提供してもよい。全てのバッチプロセス５１４またはルートは、それ自身のモデルを有してもよい。各単位操作５１８の組み合わせについて、モデルは、入力データ、特に顧客入力に応じて予測するために、訓練され選択されてもよい。

Claims

化学生産プラント（１１０）を制御および／またはモニターするコンピュータ実装方法であって、前記化学生産プラント（１１０）は少なくとも１つのバッチプロセス（１１４）を備える少なくとも１つのプロセスチェーン（１１２）を備え、前記方法は、
ａ）入力データを決定する少なくとも１つの工程（１３２）であって、前記入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、前記工程は、少なくとも１つの通信インタフェース（１５８）を介して、前記生産プラントレイアウトデータを取得し、前記品質基準に関連する情報を受信することを含む、入力データを決定する少なくとも１つの工程（１３２）と、
ｂ）少なくとも１つの予測工程（１３４）であって、前記予測工程において、前記化学生産プラント（１１０）を運転するための運転条件は、前記入力データに少なくとも１つの訓練済みモデル（１３６）を適用することによって決定され、前記訓練済みモデル（１３６）は、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、少なくとも１つの予測工程（１３４）と、
ｃ）少なくとも１つの制御および／またはモニタリング工程（１４０）であって、前記運転条件が提供される、少なくとも１つの制御および／またはモニタリング工程（１４０）と
を含む、コンピュータ実装方法。
前記化学生産プラント（１１０）は少なくとも２つの逐次プロセスを備える、先行する請求項に記載の方法。
前記化学生産プラント（１１０）は、前記決定された運転条件に従って制御される、先行する請求項のいずれか１項に記載の方法。
各制御可能要素についての前記運転条件が提供され、前記訓練済みモデル（１３６）は、現実の生産プロセスにおいて直接制御可能である制御可能パラメータを予測するために構成される、先行する請求項に記載の方法。
前記訓練済みモデルは、前記品質基準を達成するために前記処理チェーン（１１２）を通る最良ルートに関連する運転条件を提供するために構成される、先行する請求項のいずれか１項に記載の方法。
前記化学生産プラント（１１０）のランのための生産計画は、前記決定された運転条件に基づいて決定される、先行する請求項のいずれか１項に記載の方法。
前記品質基準に関連する前記情報は少なくとも１つの顧客仕様を含み、前記顧客仕様は、少なくとも１つの品質パラメータについての少なくとも１つの範囲を含む、先行する請求項のいずれか１項に記載の方法。
前記生産プラントレイアウトデータはリアルタイムデータを含み、前記リアルタイムデータは前記化学生産プラント（１１０）の現在の状態に関する情報を含む、先行する請求項のいずれか１項に記載の方法。
前記生産プラントレイアウトデータは予め規定されたレイアウトパラメータを含み、前記予め規定されたレイアウトパラメータは、前記通信インタフェースを介して少なくとも１つのデータベースから取得される、先行する請求項のいずれか１項に記載の方法。
前記化学生産プラント（１１０）は、連続処理（１２２）のために構成される、先行する請求項のいずれか１項に記載の方法。
前記化学生産プラント（１１０）による生産は複数の生産工程を含み、前記訓練済みモデル（１３６）は、単一生産工程についてのまたは生産工程の群についての運転条件を予測するために構成される、先行する請求項のいずれか１項に記載の方法。
前記訓練済みモデル（１３６）はハイブリッドモデルである、先行する請求項のいずれか１項に記載の方法。
前記訓練済みモデル（１３６）は少なくとも１つのサブモデルを含み、前記サブモデルは、ホワイトボックスモデル、ハイブリッドモデル、またはデータ駆動型モデルのうちの１つまたは複数である、先行する請求項のいずれか１項に記載の方法。
前記訓練済みモデル（１３６）は複数のサブモデルを含み、前記複数のサブモデルは、ホワイトボックスモデルあるいはハイブリッドモデルまたは純粋なデータ駆動型モデルであり、各サブモデルは、運転条件を予測することを担当するかまたは前記運転条件を予測する他のサブモデルに入力を提供することを担当する、先行する請求項に記載の方法。
前記訓練済みモデル（１３６）はホワイトボックスモデル（１４２）およびブラックボックスモデル（１４４）の組み合わせを含み、前記ホワイトボックスモデル（１４２）は物理化学法則に基づき、前記ブラックボックスモデル（１４４）は過去のプロダクションランからのセンサデータに基づく、先行する請求項のいずれか１項に記載の方法。
前記ブラックボックスモデル（１４４）は、機械学習、深層学習、ニューラルネットワーク、または他の形態の人工知能のうちの１つまたは複数を使用することによって構築される、先行する請求項に記載の方法。
前記化学生産プラント（１１０）は、少なくとも１つの粉末を生産するために構成される粉末生産プラントであり、前記粉末は、カルボニル鉄粉（ＣＩＰ）、鉄粉、カーボンブラック、ニッケル、鉄、酸化亜鉛、二酸化チタンからなる群から選択される少なくとも１つの粉末である、先行する請求項のいずれか１項に記載の方法。
化学生産プラント（１１０）を制御および／またはモニターするコンピュータプログラム、具体的に、アプリケーションであって、前記化学生産プラント（１１０）は少なくとも１つのバッチプロセス（１１４）を備える少なくとも１つのプロセスチェーン（１１２）を備え、前記コンピュータプログラムは、前記プログラムがコンピュータまたはコンピュータネットワークによって実行されると、
ｉ）入力データを決定する工程であって、前記入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、前記工程は、少なくとも１つの通信インタフェースを介して、前記生産プラントレイアウトデータを取得し、前記品質基準に関連する情報を受信することを含む、入力データを決定する工程、
ｉｉ）前記入力データに少なくとも１つの訓練済みモデル（１３６）を適用することによって、前記化学生産プラント（１１０）を運転するための運転条件を決定する工程であって、前記訓練済みモデル（１３６）は、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型である、決定する工程、
ｉｉｉ）前記運転条件を提供する工程
を前記コンピュータまたは前記コンピュータネットワークに実施させる、命令を含む、コンピュータプログラム。
化学生産プラント（１１０）を制御および／またはモニターする制御システム（１５６）であって、前記化学生産プラント（１１０）は少なくとも１つのバッチプロセス（１１４）を備える少なくとも１つのプロセスチェーン（１１２）を備え、前記制御システム（１５６）は、入力データを決定するために構成される少なくとも１つの通信インタフェース（１５８）を備え、前記入力データは、少なくとも１つの品質基準および生産プラントレイアウトデータを含み、前記通信インタフェース（１５８）は、前記生産プラントレイアウトデータを取得し、前記品質基準に関連する情報を受信するために構成され、制御システム（１５６）は、前記入力データに少なくとも１つの訓練済みモデル（１３６）を適用することによって、前記化学生産プラント（１１０）を運転するための運転条件を決定するために構成される少なくとも１つの予測ユニット（１６０）を備え、前記訓練済みモデル（１３６）は、過去のプロダクションランからのセンサデータに対して訓練されることによって、少なくとも部分的にデータ駆動型であり、前記制御システム（１５６）は、前記運転条件を提供するために構成される少なくとも１つの出力デバイス（１６２）を備える、制御システム（１５６）。
請求項１～１７のいずれか１項に記載の、化学生産プラント（１１０）を制御および／またはモニターする方法を実施するために構成される、先行する請求項に記載の制御システム（１５６）。