JP3035089B2 - Process characteristic estimation method and apparatus, process monitoring method and process control method using the estimation method - Google Patents
Process characteristic estimation method and apparatus, process monitoring method and process control method using the estimation methodInfo
- Publication number
- JP3035089B2 JP3035089B2 JP4255225A JP25522592A JP3035089B2 JP 3035089 B2 JP3035089 B2 JP 3035089B2 JP 4255225 A JP4255225 A JP 4255225A JP 25522592 A JP25522592 A JP 25522592A JP 3035089 B2 JP3035089 B2 JP 3035089B2
- Authority
- JP
- Japan
- Prior art keywords
- partial regression
- partial
- variable
- regression coefficient
- statistically significant
- 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.)
- Expired - Fee Related
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Feedback Control In General (AREA)
Description
【発明の詳細な説明】DETAILED DESCRIPTION OF THE INVENTION
【０００１】[0001]
【産業上の利用分野】本発明は、プロセスの特性推定方
法およびその装置ならびにその推定方法を用いたプロセ
スの監視方法およびプロセスの制御方法に関するもので
ある。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method and an apparatus for estimating the characteristics of a process, and a method for monitoring and controlling a process using the method.
【０００２】[0002]
【従来の技術】一般に、製造プラントのように時間の経
過とともに状態が変化するプロセスを監視したり望まし
い状態に制御したりする場合、プロセスの特性を把握し
て変動を検知することができれば、異常な状態の発生を
報知したり回避することができ、また操作量をプロセス
の特性に合わせて調節することができて安定した精度の
よい制御が行える。また、プロセスがむだ時間や遅れ時
間を含む場合には、状態の予測値による監視や制御を行
うようにすれば、変動に対して迅速に対応することがで
きることになる。2. Description of the Related Art Generally, when monitoring a process whose state changes over time, such as a manufacturing plant, or controlling the process to a desired state, if the characteristics of the process can be grasped and the change can be detected, an abnormal condition is detected. Can be notified or avoided, and the amount of operation can be adjusted according to the characteristics of the process, so that stable and accurate control can be performed. Further, when the process includes a dead time or a delay time, if monitoring or control is performed based on the predicted value of the state, it is possible to quickly respond to the fluctuation.
【０００３】しかしながら、プロセスの状態を表す変量
（操作量、内部の状態の検出量、制御量等）には多数の
種類があり、各変量間での従属関係や干渉などがあるか
ら、プロセスの特性を理論的に正確に把握することは困
難な場合が多い。したがって、現実のプロセスでは状態
を表す変量の値をインプロセスで測定し、測定した変量
の値に基づいて各時点でのプロセスの特性を表す状態方
程式を設定することによって、プロセスの特性を推定す
ることが必要である。[0003] However, there are many types of variables representing the state of a process (such as an operation amount, an amount of detection of an internal state, and a control amount), and there are subordination relationships and interference between the variables. It is often difficult to accurately grasp the characteristics theoretically. Therefore, in a real process, the value of a variable representing a state is measured in-process, and a characteristic of the process at each point in time is set based on the value of the measured variable, thereby estimating the characteristic of the process. It is necessary.
【０００４】多数の変量に基づいてプロセスの状態を推
定する手法として、多重線形回帰モデルに基づく重回帰
分析を用いる手法が知られている。重回帰分析をプロセ
スの特性の変動の推定に用いるには、複数の変量につい
て時間的にサンプリングすることにより測定値を得て、
計測時点に対する過去の複数組の測定値についてむだ時
間や遅れ時間に関する補正を施した後に、各測定値の組
に基づいて重回帰式を求め、この重回帰式をプロセスの
状態を表す状態方程式として用いることが考えられる。As a technique for estimating the state of a process based on a large number of variables, a technique using multiple regression analysis based on a multiple linear regression model is known. To use multiple regression analysis to estimate the variability of process characteristics, you can obtain measurements by sampling multiple variables over time,
After making corrections for dead time and delay time for multiple sets of past measurement values for the measurement time, a multiple regression equation is obtained based on each set of measurement values, and this multiple regression equation is used as a state equation representing the state of the process It can be used.
【０００５】ところで、現実のプロセスでは、種々の材
料の特性、設備性能、環境などの変動によってプロセス
の特性が時々刻々と変化する場合があるから、応答性や
追従性のよい推定を行うために、重回帰分析に用いる測
定値の組はできるだけ短時間内のものであることが必要
条件になる。In the actual process, the characteristics of the process may change every moment due to the fluctuation of the characteristics of various materials, equipment performance, environment, and the like. It is a necessary condition that a set of measured values used in the multiple regression analysis be within a short time as possible.
【０００６】[0006]
【発明が解決しようとする課題】しかしながら、短時間
内で得た測定値の組を重回帰分析に用いると、変動がほ
とんどない測定値が生じやすくなって、このような変量
に対応する偏回帰係数は統計的に有意ではない可能性が
高くなる。また、統計的に有意ではない偏回帰係数が重
回帰式に含まれていると他の偏回帰係数に影響を与える
ことになり、重回帰式を状態方程式として求めた予測値
の信頼性が低くなることがある。However, when a set of measured values obtained in a short time is used for multiple regression analysis, measured values with little variation are likely to be generated, and partial regression corresponding to such a variable is likely to occur. The coefficients are more likely not to be statistically significant. Also, if a partial regression coefficient that is not statistically significant is included in the multiple regression equation, it will affect other partial regression coefficients, and the reliability of the predicted value obtained by using the multiple regression equation as a state equation is low. May be.
【０００７】すなわち、重回帰分析に用いる測定値の組
は、できるだけ広い範囲で均一に分布していることが望
ましいが、短時間内の測定値の組を用いると変量の測定
値が比較的安定しているときには望ましい分布状態の測
定値が得られず、プロセスの特性の推定の精度が低下す
るという問題が生じるのである。さらに詳しく説明す
る。図２に示すように、プロセスの操作量およびプロセ
スの検出量である状態量ｘ1 〜ｘp と、プロセスの制御
量である出力量ｙとの測定値（ここでは、測定値につい
てむだ時間や遅れ時間については補正されているものと
する）は、時間の経過に伴って変動する。ここにおい
て、状態量ｘ1 ，ｘ2には変動幅の小さい期間があり、
とくに状態量ｘ2 にはほとんど変動しない期間もある。
また、状態量ｘp には時間変化の遅い期間があり、この
ような期間内では各区間Ｔ1 ，Ｔ2 ，……の中で測定値
がほとんど変化しないことになる。このように、重回帰
分析に用いる測定値を求める区間Ｔ1 ，Ｔ2 ，……の中
において、測定値の変動幅が小さい場合や測定値の変化
が少ない場合は、実際のプロセスでは比較的高い頻度で
発生する。このような場合には、その区間Ｔ1 ，Ｔ2 ，
……における対応する状態量ｘ1 ，ｘ2 ，ｘp の測定値
の分布に偏りが生じることになる。したがって、このよ
うな測定値に基づく重回帰分析を行うと、統計的に有意
な偏回帰係数を得ることができず、結果の信頼性が低く
なるという問題が生じるのである。That is, it is desirable that the set of measured values used in the multiple regression analysis is uniformly distributed in a wide range as much as possible, but if the set of measured values within a short time is used, the measured value of the variable is relatively stable. In such a case, a measurement value of a desirable distribution state cannot be obtained, and the accuracy of estimating the characteristics of the process deteriorates. This will be described in more detail. As shown in FIG. 2, measured values of state quantities x 1 to x p , which are process manipulated variables and process detected quantities, and output quantities y, which are process control quantities (here, dead time and The delay time is assumed to be corrected), and fluctuates as time passes. Here, there is a period in which the state variables x 1 and x 2 have a small fluctuation range,
In particular, the state quantity x 2 there is also a period during which almost does not change.
Further, there is a slow period of time of the state variable x p changes, each section T 1 is within such period, T 2, so that the measured value in the ...... hardly changes. As described above, in the intervals T 1 , T 2 ,... For obtaining the measurement values used in the multiple regression analysis, when the fluctuation width of the measurement values is small or the change of the measurement values is small, the actual process is relatively difficult. Occurs frequently. In such a case, the sections T 1 , T 2 ,
The distribution of the measured values of the corresponding state quantities x 1 , x 2 , x p in... Will be biased. Therefore, if a multiple regression analysis based on such measured values is performed, a statistically significant partial regression coefficient cannot be obtained, resulting in a problem that the reliability of the result is reduced.
【０００８】本発明は上記問題点の解決を目的とするも
のであり、プロセスの特性を推定する際に応答性および
追従性を高くしながらも、高い精度でプロセスの特性の
推定ができるようにしたプロセスの特性推定方法および
その装置を提供し、また、その推定方法を用いたプロセ
スの監視方法およびプロセスの制御方法を提供しようと
するものである。SUMMARY OF THE INVENTION An object of the present invention is to solve the above-mentioned problems, and to make it possible to estimate process characteristics with high accuracy while improving responsiveness and followability when estimating process characteristics. It is an object of the present invention to provide a method and an apparatus for estimating the characteristics of a process, and to provide a method of monitoring a process and a method of controlling a process using the method.
【０００９】[0009]
【課題を解決するための手段】請求項１の発明は、時間
の経過とともに状態が変化するプロセスの監視または制
御のためにプロセスの各時点の状態を表す複数種類の変
量から求めた状態方程式に基づいてプロセスの特性を推
定する方法であって、プロセスの状態を表す複数種類の
変量の測定値をそれぞれ所定の時間間隔でサンプリング
し、計測時点から所定時間前までの区間内の複数回のサ
ンプリングによって得た変量の測定値の組を用いて重回
帰分析を行う第１過程と、第１過程での重回帰分析によ
って求めた偏回帰係数に統計的に有意ではないものがあ
るときに、統計的に有意ではない偏回帰係数に対応する
少なくとも１つの変量については既定の偏回帰係数に基
づいて求めた代用の偏回帰係数を適用し、代用の偏回帰
係数と対応する変量の測定値との積を基準変数となる変
量の値から減算して中間の基準変数とし、中間の基準変
数を基準変数として残りの変量の測定値の組による重回
帰分析を行う第２過程と、第２過程での重回帰分析によ
って求めたすべての偏回帰係数が統計的に有意になるま
で第２過程を繰り返す第３過程と、第３過程ですべての
偏回帰係数が統計的に有意になると第２過程で適用した
代用の偏回帰係数と第３過程で求めた偏回帰係数とを各
変量に対する偏回帰係数とした重回帰式を状態方程式と
してプロセスの特性を推定する第４過程とから成るので
ある。According to the first aspect of the present invention, there is provided a computer system comprising:
Monitor or control processes that change state over time
Several types of variables that represent the state of the process at
Estimate process characteristics based on the equation of state
A method of measuring variables obtained by sampling a plurality of types of variables representing the state of a process at predetermined time intervals, and performing sampling a plurality of times within a section from a measurement time to a predetermined time before. When there is a first step of performing a multiple regression analysis using a set of values and a partial regression coefficient obtained by the multiple regression analysis in the first step is not statistically significant, a partial regression coefficient that is not statistically significant is used. For at least one variable corresponding to the regression coefficient, a substitute partial regression coefficient obtained based on a predetermined partial regression coefficient is applied, and a product of the substitute partial regression coefficient and a measured value of the corresponding variable is used as a reference variable. A second step of performing a multiple regression analysis using the set of measured values of the remaining variables using the intermediate reference variable as an intermediate reference variable by subtracting from the value of the variable, and a multiple regression analysis in the second step All A third process in which the second process is repeated until the partial regression coefficient becomes statistically significant, and a substitute partial regression coefficient applied in the second process when all the partial regression coefficients become statistically significant in the third process. And a fourth step of estimating process characteristics using a multiple regression equation with the partial regression coefficient obtained in the three steps and the partial regression coefficient for each variable as a state equation.
【００１０】請求項２の発明では、第２過程において適
用する代用の偏回帰係数は、統計的に有意である過去の
偏回帰係数のうちで最新のものを用いている。請求項３
の発明では、第２過程において適用する代用の回帰係数
は、統計的に有意である過去の偏回帰係数に関する統計
量に基づいて決定する。請求項４の発明では、第２過程
において適用する代用の回帰係数は、統計的に有意であ
る過去の偏回帰係数の時系列と統計量とに基づいて経験
則を適用して決定する。In the second aspect of the present invention, the latest partial regression coefficient used in the second process is the latest partial regression coefficient that is statistically significant in the past. Claim 3
According to the invention, the substitute regression coefficient to be applied in the second step is determined based on a statistic related to a past partial regression coefficient that is statistically significant. According to the fourth aspect of the present invention, the substitute regression coefficient applied in the second step is determined by applying an empirical rule based on a statistically significant time series of past partial regression coefficients and statistics.
【００１１】請求項５の発明は、時間の経過とともに状
態が変化するプロセスの監視または制御のためにプロセ
スの各時点の状態を表す複数種類の変量から求めた状態
方程式に基づいてプロセスの特性を推定する装置であっ
て、プロセスの状態を表す複数種類の変量の測定値をそ
れぞれ所定の時間間隔でサンプリングするプロセス状態
検出手段と、サンプリング値を記憶するデータ記憶手段
と、計測時点から所定時間前までの複数回のサンプリン
グによって得た変量の測定値の組を用いて重回帰分析を
行う第１の重回帰分析手段と、第１の重回帰分析手段に
より求めた偏回帰係数を検定する第１の検定手段と、第
１の重回帰分析手段により求めた偏回帰係数を記憶する
分析結果記憶手段と、第１の検定手段によって統計的に
有意ではない偏回帰係数が検出されたときに、統計的に
有意ではない偏回帰係数に対応する少なくとも１つの変
量については分析結果記憶手段に格納されている既定の
偏回帰係数に基づいて求めた代用の偏回帰係数と対応す
る変量の測定値との積を基準変数となる変量の測定値か
ら減算して中間の基準変数を求める中間基準変数演算手
段と、中間の基準変数および代用の偏回帰係数を記憶す
る中間変数データ記憶手段と、中間の基準変数を基準変
数として残りの変量の測定値の組による重回帰分析を行
う第２の重回帰分析手段と、第２の重回帰分析手段によ
り求めた偏回帰係数を検定して第２の重回帰分析手段に
より求めたすべての偏回帰係数が統計的に有意になるま
で中間基準変数演算手段および第２の重回帰分析手段に
よる演算を繰り返させる第２の検定手段と、第２の重回
帰分析手段により求めたすべての偏回帰係数が統計的に
有意になると中間基準変数演算手段で求めた代用の偏回
帰係数と第２の重回帰分析手段で求めた偏回帰係数とを
各変量に対する偏回帰係数とした重回帰式を状態方程式
として設定してプロセスの特性を推定する特性推定演算
手段とを具備しているのである。[0011] The invention according to claim 5 is characterized in that the state is changed over time.
Processes to monitor or control changing processes.
State obtained from multiple types of variables representing the state at each point in time
A device that estimates process characteristics based on equations.
A process state detecting means for sampling the measured values of a plurality of variables representing the state of the process at predetermined time intervals, a data storing means for storing the sampled values, and a plurality of times from the measurement time to a predetermined time before. First multiple regression analysis means for performing multiple regression analysis using a set of measured values of variables obtained by sampling, first test means for testing partial regression coefficients obtained by the first multiple regression analysis means, An analysis result storage means for storing the partial regression coefficient obtained by the first multiple regression analysis means, and a statistically insignificant partial regression coefficient when the first test means detects a partial regression coefficient that is not statistically significant For at least one variable corresponding to the partial regression coefficient, a substitute partial regression coefficient obtained based on a predetermined partial regression coefficient stored in the analysis result storage means and a measured value of the corresponding variable An intermediate reference variable calculating means for obtaining an intermediate reference variable by subtracting the product from a measured value of a variable serving as a reference variable; an intermediate variable data storage means for storing an intermediate reference variable and a substitute partial regression coefficient; A second multiple regression analysis means for performing multiple regression analysis using a set of measured values of the remaining variables using the variable as a reference variable, and a second multiple regression by testing a partial regression coefficient obtained by the second multiple regression analysis means Second testing means for repeating the calculations by the intermediate reference variable calculating means and the second multiple regression analyzing means until all partial regression coefficients obtained by the analyzing means are statistically significant, and second multiple regression analyzing means When all the partial regression coefficients obtained by the above are statistically significant, the partial regression coefficient obtained by the intermediate reference variable calculation means and the partial regression coefficient obtained by the second multiple regression analysis means are converted to the partial regression coefficient for each variable. Heavy Set the return type as state equation with each other to and a characteristic estimating calculation means for estimating the characteristics of the process.
【００１２】請求項６の発明は、プロセスの監視方法で
あって、請求項１ないし請求項４のいずれかのプロセス
の特性推定方法により求めた状態方程式を用いてプロセ
スの状態の変動を監視するのである。請求項７の発明
は、プロセスの制御方法であって、請求項１ないし請求
項４のいずれかのプロセスの特性推定方法により求めた
状態方程式を用いてプロセスの状態が規定した状態に保
たれるようにプロセスの操作量を制御するのである。According to a sixth aspect of the present invention, there is provided a method for monitoring a process, wherein a change in the state of the process is monitored using a state equation obtained by the method for estimating the characteristic of the process according to any one of the first to fourth aspects. It is. According to a seventh aspect of the present invention, there is provided a method of controlling a process, wherein a state of a process is maintained in a prescribed state using a state equation obtained by the method for estimating a characteristic of a process according to any one of the first to fourth aspects. Thus, the operation amount of the process is controlled.
【００１３】[0013]
【作用】請求項１の方法によれば、各区間で得た測定値
に基づいて求めた偏回帰係数が統計的に有意ではない場
合に、この偏回帰係数を既知である偏回帰係数に基づい
て求めた偏回帰係数で代用した重回帰式を状態方程式と
して用いるので、計測時点で重回帰分析に用いる測定値
に関しての正確な偏回帰係数は不明ではあるものの、比
較的よい偏回帰係数を用いることができ、信頼性の低下
を抑制することができるのである。したがって、重回帰
分析に用いる測定値として比較的短時間内のものを用い
ることができ、結果的に、変量の値が比較的速く変動し
てもプロセスの特性について応答性および追従性のよい
推定が行えることになる。According to the method of the first aspect, when the partial regression coefficient obtained based on the measurement value obtained in each section is not statistically significant, the partial regression coefficient is determined based on the known partial regression coefficient. Use the multiple regression equation substituted for the partial regression coefficient obtained as described above as the state equation, so the exact partial regression coefficient for the measurement value used for multiple regression analysis at the time of measurement is unknown, but a relatively good partial regression coefficient is used. Therefore, a decrease in reliability can be suppressed. Therefore, it is possible to use the measurement values used in the multiple regression analysis within a relatively short period of time, and as a result, to estimate the characteristics of the process with good responsiveness and followability even if the values of the variables fluctuate relatively quickly. Can be performed.
【００１４】請求項２ないし請求項４の方法は、代用す
る偏回帰係数の望ましい求め方の例であって、請求項２
の方法では、統計的に有意である過去の偏回帰係数のう
ちで最新のものを用いているから、プロセスの特性変動
に対する時間のずれの影響を小さくすることができる。
また、請求項３の方法では、代用する偏回帰係数として
統計的に有意である過去の偏回帰係数の平均値を用いた
り、検定統計量が棄却域と採択域とを分ける閾値に対し
てもっとも有意側になる偏回帰係数を用いたりするか
ら、プロセスの特性変動のばらつきの影響を小さくする
ことができる。さらに、請求項４の方法では、統計的に
有意である過去の偏回帰係数の時系列と検定統計量とに
基づいて経験則を適用して代用する偏回帰係数を決定す
るから、プロセスの特性変動のばらつきと時間のずれと
の影響の両方について、どちらも小さくなるような望ま
しい偏回帰係数を選択することができる。The method according to claim 2 to claim 4 is an example of a desirable method for obtaining a partial regression coefficient to be substituted.
In the method of (1), the latest one among the past partial regression coefficients that are statistically significant is used, so that the influence of the time lag on the characteristic variation of the process can be reduced.
Further, in the method of claim 3, the average value of past partial regression coefficients that are statistically significant is used as a partial regression coefficient to be substituted, or the test statistic is most suitable for a threshold that separates a rejection area from an adopted area. Since the partial regression coefficient that is on the significant side is used, it is possible to reduce the influence of the variation in the characteristic variation of the process. Furthermore, in the method of claim 4, the partial regression coefficient to be substituted is determined by applying an empirical rule based on the time series of the past partial regression coefficient that is statistically significant and the test statistic, so that the process characteristic is determined. Desirable partial regression coefficients can be selected such that both the influence of the variation of the fluctuation and the effect of the time lag are small.
【００１５】請求項５の構成は、上記方法に従ってプロ
セスの特性を推定する装置の構成である。すなわち、プ
ロセスの各変量の測定値をサンプリングしてデータ記憶
手段に記憶し、データ記憶手段に格納されているデータ
によって第１の重回帰分析手段によって重回帰分析を行
った結果を第１の検定手段によって検定し、各偏回帰係
数が統計的に有意か否かを判定する。第１の重回帰分析
手段により求めた偏回帰係数は分析結果記憶手段に記憶
され、分析結果記憶手段に格納された偏回帰係数につい
て統計的に有意ではない偏回帰係数については、分析結
果記憶手段に格納された既知の偏回帰係数に基づいて求
めた偏回帰係数で代用する。また、中間基準変数演算手
段によって代用の偏回帰係数と対応する変量の測定値と
の積を基準変数となる変量の値から減算して中間の基準
変数を求め、中間の基準変数および代用の偏回帰係数を
中間変数データ記憶手段に記憶する。こうして求めた中
間の基準変数を基準変数として、第２の重回帰分析手段
では、残りの変量の測定値の組による重回帰分析を行
い、第２の重回帰分析手段により求めた偏回帰係数を第
２の検定手段で検定して、第２の重回帰分析手段により
求めたすべての偏回帰係数が統計的に有意になるまで中
間基準変数演算手段および第２の重回帰分析手段による
演算を繰り返す。第２の重回帰分析手段により求めたす
べての偏回帰係数が統計的に有意になると中間基準変数
演算手段で求めた代用の偏回帰係数と第２の重回帰分析
手段で求めた偏回帰係数とを各変量に対する偏回帰係数
とした重回帰式を状態方程式として設定してプロセスの
特性を推定するのである。結局、請求項１の方法と同様
に、統計的に有意な偏回帰係数のみで重回帰式を設定
し、この重回帰式をプロセスの特性を推定する状態方程
式に用いるので、比較的よい偏回帰係数を用いてプロセ
スの特性を信頼性よく推定することができるのである。
その結果、比較的短時間内の測定値を用いて重回帰分析
を行っても信頼性の低下がなく、変量の比較的速い変動
に対応したプロセスの推定が精度よく行えるのである。According to a fifth aspect of the present invention, there is provided an apparatus for estimating a characteristic of a process according to the above method. That is, the measurement value of each variable of the process is sampled and stored in the data storage means, and the result of performing multiple regression analysis by the first multiple regression analysis means based on the data stored in the data storage means is subjected to a first test. A test is performed by means to determine whether each partial regression coefficient is statistically significant. The partial regression coefficient obtained by the first multiple regression analysis means is stored in the analysis result storage means, and the partial regression coefficient stored in the analysis result storage means is not statistically significant. Is substituted by the partial regression coefficient obtained based on the known partial regression coefficient stored in. Further, the intermediate reference variable calculating means subtracts the product of the substitute partial regression coefficient and the corresponding variable measurement value from the value of the reference variable to obtain an intermediate reference variable, and obtains the intermediate reference variable and the substitute partial variable. The regression coefficients are stored in the intermediate variable data storage. Using the intermediate reference variable thus obtained as a reference variable, the second multiple regression analysis means performs multiple regression analysis based on the set of measured values of the remaining variables, and calculates the partial regression coefficient determined by the second multiple regression analysis means. The test is performed by the second test means, and the calculation by the intermediate reference variable calculation means and the second multiple regression analysis means is repeated until all partial regression coefficients obtained by the second multiple regression analysis means become statistically significant. . When all the partial regression coefficients obtained by the second multiple regression analysis means become statistically significant, the partial partial regression coefficient obtained by the intermediate reference variable calculation means and the partial regression coefficient obtained by the second multiple regression analysis means are calculated. Is used as a partial regression coefficient for each variable, and a multiple regression equation is set as a state equation to estimate the characteristics of the process. After all, similarly to the method of claim 1, a multiple regression equation is set using only statistically significant partial regression coefficients, and this multiple regression equation is used for a state equation for estimating the characteristics of a process. The characteristics of the process can be reliably estimated using the coefficients.
As a result, even if multiple regression analysis is performed using the measured values within a relatively short time, the reliability does not decrease, and the process corresponding to the relatively fast variation of the variable can be accurately estimated.
【００１６】請求項６の方法では、上述のようにして求
めた状態方程式によってプロセスの特性を監視するので
あって、異常な状態への進行や異常な状態の発生を迅速
に検知することができ、異常を遅滞なく報知することが
できるようになる。また、むだ時間や遅れ時間を含むよ
うなプロセスでは、各変量の現在の値に対して状態方程
式を適用して予測値を求めることによって、基準変数の
変動を予測することができ、異常に対する予報を行うこ
とも可能になる。In the method according to the sixth aspect, the characteristic of the process is monitored by the state equation obtained as described above, and the progress to the abnormal state and the occurrence of the abnormal state can be detected quickly. , The abnormality can be notified without delay. Also, in processes that involve dead time or delay time, by applying a state equation to the current value of each variable to obtain a predicted value, it is possible to predict the fluctuation of the reference variable, and to predict the abnormality. Can be performed.
【００１７】請求項７の方法では、上述のようにして求
めた状態方程式によってプロセスの特性を制御するので
あって、異常な状態を回避したり、特性を制御して製品
の品質を安定させることができる。また、むだ時間や遅
れ時間を含むプロセスでは、各変量の現在の値に対して
状態方程式を適用して予測値を求めることができるか
ら、基準変数の変動を予測して操作量を調節することに
より、応答性よく安定した制御が行えることになる。In the method according to the present invention, the characteristics of the process are controlled by the state equation obtained as described above, and an abnormal state is avoided or the characteristics are controlled to stabilize the quality of the product. Can be. Also, in processes involving dead time or delay time, the predicted value can be obtained by applying the state equation to the current value of each variable. Thus, stable control can be performed with good responsiveness.
【００１８】[0018]
（実施例１）本実施例では、プロセスへの入力である操
作量およびプロセス内の各部の状態の検出量を説明変数
とし、プロセスの出力量である制御量の基準変数とする
重回帰式を求め、この重回帰式を状態方程式として用い
ることにより、プロセスの特性を推定する。すなわち、
プロセスの操作量、制御量、検出量を変量として出力量
（制御量）の予測値を求めたり、偏回帰係数の振る舞い
を調べたりするのである。これらの変量は、所定の時間
間隔でサンプリングされ、むだ時間や遅れ時間などの時
間のずれを補正した値を測定値として用いている。以下
の説明では、測定値は、時間のずれが補正されたものと
して扱う。(Embodiment 1) In this embodiment, a multiple regression equation is used in which the manipulated variable, which is an input to the process, and the detected amount of the state of each part in the process are used as explanatory variables, and the control variable, which is the output of the process, is used as a reference variable. Then, the characteristics of the process are estimated by using this multiple regression equation as a state equation. That is,
By using the manipulated variable, control variable, and detection variable of the process as variables, a predicted value of the output variable (control variable) is obtained, and the behavior of the partial regression coefficient is examined. These variables are sampled at predetermined time intervals, and values obtained by correcting time lags such as dead time and delay time are used as measured values. In the following description, the measured values are treated as if the time lag has been corrected.
【００１９】プロセスの操作量およびプロセスの検出量
である状態量ｘ1 〜ｘp と、プロセスの制御量である出
力量ｙとの時間のずれを補正した測定値は、図２のよう
に時間の経過に伴って変動する。プロセスの出力量ｙに
は目標値ＤＶに対して上限値ＵＬと下限値ＬＬとによっ
て特定の範囲が既定されており、出力量ｙが既定された
範囲を逸脱しないようにプロセスはフィードバック制御
される。しかしながら、プロセスの特性が変動したり、
外乱が大きくなったりすると、出力量ｙが既定の範囲を
逸脱するという異常が生じる場合がある。本実施例で
は、このような異常の発生を監視して異常な状態になる
と報知したり、異常を回避するための制御を行ったりす
るのである。The measured value obtained by correcting the time lag between the operation amount of the process and the state quantities x 1 to x p which are the detected amounts of the process and the output amount y which is the controlled amount of the process is, as shown in FIG. Fluctuates over time. A specific range of the output amount y of the process is defined by an upper limit UL and a lower limit LL with respect to the target value DV, and the process is feedback-controlled so that the output amount y does not deviate from the predetermined range. . However, process characteristics fluctuate,
When the disturbance becomes large, an abnormality may occur in which the output amount y deviates from a predetermined range. In the present embodiment, the occurrence of such an abnormality is monitored to notify the occurrence of an abnormal state, or control for avoiding the abnormality is performed.
【００２０】すなわち、図１に示すように、特定の時刻
におけるプロセスの特性を分析するために、プロセス１
からセンサの出力などとして得た上記状態量ｘ1 〜ｘp
および出力量ｙを、プロセス状態検出部２において所定
の時間間隔でサンプリングし、時間のずれを補正した測
定値をデータ記憶部３に格納する。こうしてデータ記憶
部３に格納された測定値について、図２のように、所定
の計測時点ｓ1 ，ｓ2，……から所定時間前までの過去
の所定区間Ｔ1 ，Ｔ2 ，……（一般に、Ｔ1 ＝Ｔ2 ＝…
…＝一定）の複数組の測定値を用いて第１の重回帰分析
部４によって重回帰分析を行い、各区間Ｔ1 ，Ｔ2 ，…
…ごとに次式のような重回帰式を求める。 Ｙj ＝αj0＋αj1ｘj1＋αj2ｘj2＋……＋αjpｘjp …（１） ここで、区間Ｔ1 ，Ｔ2 ，……は、できるだけ短い時間
に設定され、プロセスの特性の変動に対して追従して迅
速に応答できるようにしてある。また、Ｙj は出力値ｙ
j の予測値であって、添字のｊは区間Ｔj の測定値を用
いて求めた計測時点ｓj についての値であることを示し
ている。That is, as shown in FIG. 1, in order to analyze the characteristics of the process at a specific time, the process 1
From x 1 to x p obtained as sensor output from
Further, the output amount y is sampled at predetermined time intervals in the process state detection unit 2, and the measured value with the time lag corrected is stored in the data storage unit 3. For the measured values stored in the data storage unit 3 in this manner, as shown in FIG. 2, past predetermined sections T 1 , T 2 ,... From a predetermined measurement time point s 1 , s 2 ,. In general, T 1 = T 2 = ...
.. = Constant), multiple regression analysis is performed by the first multiple regression analysis unit 4 using a plurality of sets of measurement values, and each section T 1 , T 2 ,.
The multiple regression equation as shown below is obtained for each. Y j = α j0 + α j1 x j1 + α j2 x j2 +... + Α jp x jp (1) Here, the sections T 1 , T 2 ,... To respond quickly. Y j is the output value y
It is a predicted value of j, and the subscript j indicates that it is a value for the measurement time point s j obtained using the measured value of the section T j .
【００２１】重回帰式が求められると、求めた予測値Ｙ
j 、偏回帰係数αj0，αj1，……，αjpを分析結果記憶
部５に格納する。したがって、過去に求めた予測値Ｙ
j-i および偏回帰係数α(j-i)0，α(j-i)1，……，α
(j-i)pも分析結果記憶部５に格納されている。分析結果
記憶部５は、過去の一定回数分（たとえば、１０回
分）、すなわち、過去の所定期間以内について計測時点
ｓj の予測値Ｙj-i および偏回帰係数α(j-i)0，α
(j-i)1，……，α(j-i)pを格納している。すなわち、過
去１０回分を記憶しているとすれば、ｉ＝１，２，…
…，１０となる。When the multiple regression equation is obtained, the obtained predicted value Y
j and partial regression coefficients α j0 , α j1 ,..., α jp are stored in the analysis result storage unit 5. Therefore, the predicted value Y obtained in the past
ji and partial regression coefficients α (ji) 0 , α (ji) 1 , ……, α
(ji) p is also stored in the analysis result storage unit 5. The analysis result storage unit 5 stores the predicted value Y ji and the partial regression coefficient α (ji) 0 , α at the measurement time point s j for a certain number of times in the past (for example, 10 times), that is, within a predetermined period in the past.
(ji) 1 ,..., α (ji) p are stored. That is, if the past 10 times are stored, i = 1, 2,.
…, 10.
【００２２】次に、偏回帰係数αj0，αj1，……，αjp
について第１の検定部６で検定を行い、統計的に有意か
どうかを判定する。すなわち、検定統計量を求め別途に
定めた閾値と比較することによって、求めた偏回帰係数
αj0，αj1，……，αjpが統計的に有意かどうかを判定
するのである。ここに、検定統計量としては各種のもの
が知られているが、本実施例ではｔ分布を用いる検定統
計量として知られているｔ値を用いる。ｔ値の場合、絶
対値が大きいほど統計的に有意である確率が高くなる。Next, the partial regression coefficients α j0 , α j1 ,..., Α jp
Is tested by the first test unit 6 to determine whether or not is statistically significant. That is, it is determined whether the obtained partial regression coefficients α j0 , α j1 ,..., Α jp are statistically significant by obtaining the test statistic and comparing it with a separately determined threshold. Here, various kinds of test statistics are known, but in this embodiment, a t value known as a test statistic using a t distribution is used. In the case of the t value, the probability of being statistically significant increases as the absolute value increases.
【００２３】第１の検定部６において、すべての偏回帰
係数αj0，αj1，……，αjpが統計的に有意であると判
断されると、その偏回帰係数αj0，αj1，……，αjpを
用いた重回帰式を監視制御部１２での状態方程式として
用いることによってプロセス１の状態を推定する。すな
わち、（１）式によって出力量の予測値ｙj を求めた
り、偏回帰係数αj0，αj1，……，αjpの振る舞いを調
べることによって、プロセス１の異常状態に対して警報
出力を発生して報知し、またプロセス１を制御すること
ができる。When the first test section 6 determines that all partial regression coefficients α j0 , α j1 ,..., Α jp are statistically significant, the partial regression coefficients α j0 , α j1 , α j1 , α j1 , α j1 ,. ..., The state of the process 1 is estimated by using the multiple regression equation using α jp as the state equation in the monitoring control unit 12. That is, (1) asking for predicted value y j of the output quantity by formula, partial regression coefficients α j0, α j1, ......, by examining the behavior of alpha uk, the alarm output of the process 1 for abnormal condition It can generate and notify and control process 1.
【００２４】一方、第１の検定部６において、偏回帰係
数αj0，αj1，……，αjpのうちの一つでも統計的に有
意ではないと判断されると、中間基準変数演算部７にお
いて次の演算を行う。すなわち、統計的に有意ではない
偏回帰係数αjn（ｎは不定の自然数）に対応する少なく
とも１つの状態量ｘjk（ｋ∈｛ｎ｝：｛ｎ｝はｎの集
合）について、分析結果記憶部５に格納されている過去
の所定期間以内の偏回帰係数α(j-i)k（ｉ＝１，２，…
…）の中から、その状態量ｘjkに対応する統計的に有意
である偏回帰係数のうちで最新の偏回帰係数を代用の偏
回帰係数βjkとして用いる。たとえば、図３に示すよう
に、計測時点ｓj における偏回帰係数αjkの検定統計量
であるｔ値の絶対値が閾値ｔs を越えていない場合に
は、過去の所定期間Ｌにおいてｔ値が閾値ｔs を越えて
いるもののうち最新の過去の偏回帰係数α(j-2)kを代用
の偏回帰係数βjkとして採用するのである。なお、ｔ値
が負の場合にも絶対値を用いることによって同様に判断
できる。On the other hand, if the first test unit 6 determines that any one of the partial regression coefficients α j0 , α j1 ,..., Α jp is not statistically significant, the intermediate reference variable calculation unit At 7, the following operation is performed. That is, for at least one state quantity x jk (k∈ ｛n｝: {n} is a set of n) corresponding to the statistically insignificant partial regression coefficient α jn (n is an indefinite natural number), analysis result storage The partial regression coefficient α (ji) k (i = 1, 2,... ) Stored in the unit 5 within the past predetermined period.
Among ...), using the latest partial regression coefficients as partial regression coefficients beta jk substitute among statistically significant partial regression coefficients corresponding to the state quantities x jk. For example, as shown in FIG. 3, when the absolute value of the t value, which is the test statistic of the partial regression coefficient α jk at the measurement time point s j , does not exceed the threshold value t s , Is greater than the threshold value t s , the latest past partial regression coefficient α (j−2) k is adopted as the substitute partial regression coefficient β jk . It should be noted that a similar determination can be made by using the absolute value even when the t value is negative.
【００２５】こうして代用の偏回帰係数を求めた後に、
状態量ｘjkと代用の偏回帰係数βjkとの積の総和を求め
る。たとえば、偏回帰係数αj1，αj2，αjpが統計的に
有意ではなく、対応するすべての状態量ｘj1，ｘj2，ｘ
jpについて代用の偏回帰係数βj1，βj2，βjpを用いる
とすれば次の値を求めるのである。 Ｂj ＝βj1ｘj1＋βj2ｘj2＋……＋βjpｘjp …（２） また、次式のように、（２）式において求めた値Ｂj を
出力値ｙj から減算した値を中間の基準変数ｚj とす
る。 ｚj ＝ｙj −Ｂj …（３） 中間基準変数演算部７では、現在の計測時点ｓj に対応
する区間Ｔj の中のすべての測定値に対して（３）式の
演算を行って中間の基準変数ｚj を求める。この中間の
基準変数ｚj は中間変数データ記憶部８に記憶される。After obtaining the partial regression coefficient as a substitute,
The sum of the product of the state quantity x jk and the substitute partial regression coefficient β jk is obtained. For example, partial regression coefficients α j1 , α j2 , α jp are not statistically significant, and all corresponding state quantities x j1 , x j2 , x
If substitute partial regression coefficients β j1 , β j2 , β jp are used for jp , the following values are obtained. B j = β j1 x j1 + β j2 x j2 +... + Β jp x jp (2) Also, a value obtained by subtracting the value B j obtained in the expression (2) from the output value y j as in the following expression: Let it be an intermediate reference variable z j . z j = y j −B j (3) The intermediate reference variable calculator 7 performs the calculation of the formula (3) for all the measured values in the section T j corresponding to the current measurement time point s j. To obtain an intermediate reference variable z j . The intermediate reference variable z j is stored in the intermediate variable data storage unit 8.
【００２６】次に、第２の重回帰分析部９では、代用の
偏回帰係数βj1，βj2，βjpに対応する状態量ｘj1，ｘ
j2，ｘjpを除く区間Ｔj の中の状態量ｘj3，……，ｘ
j(p-1)と、中間の基準変数ｚj とを用いて、区間Ｔj に
関して重回帰分析を再度行い、次のような重回帰式を求
める。 Ｚj ＝γj0＋γj3ｘj3＋γj4ｘj4＋……＋γj(p-1)ｘj(p-1) …（４） ここにおいて、Ｚj は中間の基準変数ｚj の予測値であ
る。Next, in the second multiple regression analysis section 9, the state quantities x j1 , x j1 corresponding to the substitute partial regression coefficients β j1 , β j2 , β jp
j2, state the amount in the period T j with the exception of x jp x j3, ......, x
and j (p-1), using an intermediate reference variable z j, performing a multiple regression analysis again with respect to interval T j, obtaining the following multiple regression equation. Z j = γ j0 + γ j3 x j3 + γ j4 x j4 +... + Γ j (p-1) x j (p-1) (4) where Z j is the predicted value of the intermediate reference variable z j is there.
【００２７】このようにして求めた偏回帰係数γj0，γ
j3，……，γj(p-1)について、第２の検定部１０で第１
の検定部６と同様にして検定を行い、検定統計量と既定
の閾値との大小関係を比較して、求めた偏回帰係数
γj0，γj3，……，γj(p-1)が統計的に有意であるか否
かを判定する。ここで、偏回帰係数γj0，γj3，……，
γ j(p-1)の中に統計的に有意ではないものが含まれてい
るときには、その偏回帰係数に対して代用の偏回帰係数
を設定して中間基準変数演算部７からの演算を繰り返
し、すべての偏回帰係数が統計的に有意になるまで演算
を繰り返す。The partial regression coefficient γ thus obtainedj0, Γ
j3, ……, γj (p-1)For the first in the second test unit 10
The test is performed in the same way as the test unit 6 of
Partial regression coefficient obtained by comparing the magnitude relationship with the threshold
γj0, Γj3, ……, γj (p-1)Whether is statistically significant
Is determined. Where the partial regression coefficient γj0, Γj3, ……,
γ j (p-1)Contains something that is not statistically significant
The partial regression coefficient
And repeat the calculation from the intermediate reference variable calculator 7
And calculate until all partial regression coefficients are statistically significant
repeat.
【００２８】上述のようにして求めた中間変数データ記
憶部８に格納されている代用の偏回帰係数βj1，βj2，
βjpおよび第２の重回帰分析部９で求めた偏回帰係数γ
j0，γj3，……，γj(p-1)を対応する状態量ｘj1〜ｘjp
に対する偏回帰係数として（５）式のような重回帰式を
設定し、この重回帰式を状態方程式として特性推定演算
部１１において次式の演算を行う。 Ｙj ＝Ｚj ＋Ｂj …（５） （＝γj0＋γj3ｘj3＋γj4ｘj4＋……＋γj(p-1)ｘj(p-1) ＋βj1ｘj1＋βj2ｘj2＋……＋βjpｘjp） すなわち、（５）式をプロセス１の状態を示す状態方程
式とし、この予測値Ｙjや偏回帰係数を用いて監視制御
部１２で監視制御を行うのである。ここに、上の例では
第２の検定部１０において１回ですべての偏回帰係数が
統計的に有意になったものと仮定しているが、１回で統
計的に有意にならない場合には、代用の偏回帰係数の個
数が多くなるのはもちろんのことである。The substitute partial regression coefficients β j1 , β j2 , and β are stored in the intermediate variable data storage unit 8 obtained as described above.
β jp and the partial regression coefficient γ obtained by the second multiple regression analysis unit 9
j0, γ j3, ......, γ j (p-1) corresponding state quantity x j1 ~x uk a
A multiple regression equation such as the equation (5) is set as a partial regression coefficient with respect to, and the following equation is calculated in the characteristic estimation operation unit 11 using the multiple regression equation as a state equation. Y j = Z j + B j (5) (= γ j0 + γ j3 x j3 + γ j4 x j4 +... + Γ j (p-1) x j (p-1) + β j1 x j1 + β j2 x j2 + ... ... + Β jp x jp ) That is, equation (5) is a state equation indicating the state of process 1, and the monitoring control unit 12 performs monitoring control using the predicted value Yj and the partial regression coefficient. Here, in the above example, it is assumed that all partial regression coefficients have become statistically significant at one time in the second test unit 10, but if they do not become statistically significant at one time, It goes without saying that the number of partial regression coefficients as substitutes increases.
【００２９】監視制御部１２では、状態方程式において
各変量の係数値の変動を監視し、過去の係数値と比較す
ることによって、異常状態を検出したり、また異常の発
生箇所を判断する。さらに、プロセス１の出力を目標値
に近付けるように各操作量を状態方程式の各係数に従っ
て迅速に調節することができ、制御の応答性や精度が高
くなるのである。The monitoring controller 12 monitors the variation of the coefficient value of each variable in the state equation, and detects an abnormal state or determines the location of the abnormality by comparing the coefficient value with the past coefficient value. Furthermore, each manipulated variable can be quickly adjusted according to each coefficient of the state equation so that the output of the process 1 approaches the target value, and the responsiveness and accuracy of control are improved.
【００３０】むだ時間や遅れ時間を含むプロセス１で
は、状態方程式に計測時点での測定値を与えることによ
ってプロセス１の出力値に対する予測値を得ることがで
き、異常に対する予報を行ったり、異常が生じる前に応
答性よく各操作量を制御することが可能になる。ところ
で、代用の偏回帰係数βjkの決定方法としては、上述し
た方法のほかに、同じ変量に対応する過去の所定期間以
内の偏回帰係数のうち統計的に有意である偏回帰係数の
平均値を代用の偏回帰係数βjkとして用いてもよい。た
とえば、図３の例によれば、期間Ｌのうちで偏回帰係数
α(j-2)k，α(j-8)k，α(j-9)k，α(j-10)k に関するｔ
値が閾値ｔs を越えているから、（α(j-2)k＋α(j-8)k
＋α(j-9)k＋α(j-10)k ）／４を代用の偏回帰係数βjk
として用いるのである。また、過去の所定期間以内でｔ
値が閾値ｔs を越えている各偏回帰係数について、ｔ値
の大きさを重みとした荷重平均値を代用の偏回帰係数β
jkとして採用してもよい。さらに、過去の所定期間以内
でｔ値が閾値ｔs を越えている各偏回帰係数について、
計測時点ｓj との時間差に基づく重みを用いた荷重平均
値を代用の偏回帰係数βjkとして採用してもよい。In the process 1 including the dead time and the delay time, a predicted value with respect to the output value of the process 1 can be obtained by giving the measured value at the time of measurement to the state equation. It becomes possible to control each manipulated variable with good responsiveness before it occurs. By the way, as a method of determining the partial regression coefficient β jk as a substitute, in addition to the above-described method, the average value of the statistically significant partial regression coefficient among the partial regression coefficients within the past predetermined period corresponding to the same variable is May be used as a substitute partial regression coefficient β jk . For example, according to the example of FIG. 3, the partial regression coefficients α (j-2) k , α (j-8) k , α (j-9) k , and α (j-10) k in the period L t
Since the value exceeds the threshold value t s , (α (j−2) k + α (j−8) k
+ Α (j-9) k + α (j-10) k ) / 4 is substituted for partial regression coefficient β jk
It is used as Also, t within a predetermined period in the past
For each partial regression coefficient whose value exceeds the threshold value t s , the weighted average value weighted by the magnitude of the t value is used as a substitute partial regression coefficient β
It may be adopted as jk . Further, for each partial regression coefficient whose t value exceeds the threshold value t s within a predetermined period in the past,
The weighted average value with weights based on the time difference between the measurement point s j may be used as partial regression coefficients beta jk substitute.
【００３１】また、過去の所定期間以内の偏回帰係数に
ついて検定統計量（たとえばｔ値）の大小を比較し、検
定統計量が閾値に対してもっとも有意側の値になってい
る偏回帰係数を代用の偏回帰係数βjkとして採用しても
よい。たとえば、図３の例では、期間Ｌのうちではα
(j-9)kに対するｔ値が最大であるから、この偏回帰係数
を代用の偏回帰係数βjkとして採用する。The partial regression coefficient within a predetermined period in the past is compared with the magnitude of the test statistic (for example, the t value), and the test is performed.
A partial regression coefficient whose constant statistic is the most significant value with respect to the threshold may be adopted as a substitute partial regression coefficient β jk . For example, in the example of FIG.
Since the t-value for (j-9) k is the maximum, this partial regression coefficient is adopted as a substitute partial regression coefficient βjk .
【００３２】なお、上記実施例において、重回帰分析を
行う状態量ｘ1 〜ｘp については、プロセス１から直接
得た測定値のみではなく、所定の四則演算、微分演算、
積分演算、フィルタリングなどを行って加工した値を用
いたり、所定時間間隔での変量の差を用いたり、計測時
点から所定時間前までの測定値を組み合わせて合成した
値を用いてもよい。また、検定統計量としてｔ値を用い
ているが、Ｆ分布に従う検定統計量などを用いることも
できる。In the above embodiment, the state quantities x 1 to x p for performing the multiple regression analysis are not limited to the measured values obtained directly from the process 1 but also include the predetermined four arithmetic operations, differential operations,
A value processed by performing an integration operation, filtering, or the like may be used, a difference between variables at predetermined time intervals may be used, or a value obtained by combining measurement values from a measurement time to a predetermined time before may be used. In addition, although the t value is used as the test statistic, a test statistic that follows an F distribution may be used.
【００３３】（実施例２）本実施例では、過去の偏回帰
係数の時系列と、過去の偏回帰係数の統計量とを経験則
によって総合して代用の偏回帰係数βjkを決定する例を
示す。ここでは、過去の所定期間以内の偏回帰係数のう
ちで、統計的に有意である偏回帰係数のうちで最新のも
のと、ｔ値が最大であるものとの２つの偏回帰係数に関
連させて代用の偏回帰係数βjkを決定する。すなわち、
図３の例では、最新の偏回帰係数はα(j-2)kであり、ｔ
値が最大の偏回帰係数はα(j-9)kであるから、２つの偏
回帰係数α(j-2)k，α(j-9)kについて、ｔ値の差Δｔj
（＝ｔ(j-2)k−ｔ(j-9)k）と、両偏回帰係数α(j-2)k，
α(j-9)kが得られた計測時点の差ΔＬj （＝ｓ(j-2)−
ｓ(j-9) ）とを前件部とし、次式の結合係数ｆ（０≦ｆ
≦１）を後件部とするファジー推論によって結合係数ｆ
を決定し、次式によって代用の偏回帰係数βjを決定す
るのである。 βj ＝（１−ｆ）・α(j-2)k＋ｆ・α(j-9)k このように、最新の偏回帰係数α(j-2)kには（１−ｆ）
を乗算し、ｔ値が最大の偏回帰係数α(j-9)kにはｆを乗
算して代用の偏回帰係数βjkを決定する。(Embodiment 2) In the present embodiment, an example in which a substitute partial regression coefficient β jk is determined by integrating a time series of past partial regression coefficients and statistics of past partial regression coefficients by an empirical rule. Is shown. Here, among partial regression coefficients within a predetermined period in the past, two partial regression coefficients, the latest one among statistically significant partial regression coefficients and the one having the largest t value, are associated with each other. To determine the partial regression coefficient β jk as a substitute. That is,
In the example of FIG. 3, the latest partial regression coefficient is α (j−2) k and t
Since the partial regression coefficient having the largest value is α (j-9) k , the difference Δt j between the t values for the two partial regression coefficients α (j-2) k and α (j-9) k
(= T (j-2) k −t (j-9) k ) and the bipartite regression coefficient α (j-2) k ,
The difference ΔL j (= s (j−2) − at the measurement time when α (j-9) k was obtained
s (j-9) ) as the antecedent and the coupling coefficient f (0 ≦ f
≦ 1) by fuzzy inference with consequent part
Is determined, and the substitute partial regression coefficient β j is determined by the following equation. β j = (1−f) · α (j−2) k + f · α (j−9) k Thus, the latest partial regression coefficient α (j−2) k has (1−f)
, And the partial regression coefficient α (j-9) k having the largest t value is multiplied by f to determine the partial regression coefficient β jk as a substitute.
【００３４】結合係数ｆは、次のようにして決定され
る。まず、ｔ値の差Δｔj と計測時点の差ΔＬj とに、
図５に示すようなメンバシップ関数を適用する。ここ
で、ｔ値の差Δｔj と計測時点の差ΔＬj とは、Ｓ
（小）、Ｍ（中）、Ｂ（大）の３段階のラベルで分類さ
れており、図４のように取り決めたルールマップに従っ
て結合係数ｆのラベルを決定する。結合係数ｆについて
はラベルがＶＳ（極小）、Ｓ（小）、Ｍ（中）、Ｂ
（大）、ＶＢ（極大）の５段階に分類されており、図６
に示すメンバーシップ関数を適用してファジー演算によ
って確定値を決める。The coupling coefficient f is determined as follows. First, a difference Δt j between t values and a difference ΔL j at the time of measurement are expressed by:
A membership function as shown in FIG. 5 is applied. Here, the difference Δt j between the t values and the difference ΔL j at the time of measurement are represented by S
The labels are classified into three levels of (small), M (medium), and B (large), and the label of the coupling coefficient f is determined according to a rule map determined as shown in FIG. For the coupling coefficient f, the labels are VS (minimum), S (small), M (medium), B
(Large) and VB (maximum).
The final value is determined by fuzzy operation by applying the membership function shown in (1).
【００３５】上述のようにして、メンバーシップ関数、
ルールマップ、確定値の決定方法の中に経験則を取り入
れることができ、偏回帰係数の時系列と過去の偏回帰係
数の統計量とを経験則で総合して代用の偏回帰係数βjk
を決定することができるのである。他の構成は実施例１
と同様である。 （実施例３）実施例２では、２つの偏回帰係数の結合係
数ｆを求めるためにファジー推論を行っているが、本実
施例では、過去の所定期間以内でｔ値が閾値ｔs を越え
ている各偏回帰係数について荷重平均値を代用の偏回帰
係数βjkとして採用し、荷重平均値を求めるための重み
係数をファジー推論によって決定する例を示す。As described above, the membership function,
An empirical rule can be incorporated into the rule map and the method of determining the definite value. The partial regression coefficient β jk
Can be determined. Another configuration is the first embodiment.
Is the same as (Embodiment 3) In Embodiment 2, fuzzy inference is performed in order to obtain a coupling coefficient f of two partial regression coefficients, but in this embodiment, the t value exceeds the threshold value t s within a predetermined period in the past. An example in which a weighted average value is used as a substitute partial regression coefficient β jk for each partial regression coefficient and a weight coefficient for obtaining the weighted average value is determined by fuzzy inference will be described.
【００３６】すなわち、ｔ値の大きさと計測時点ｓj に
対して各ｔ値が得られた時点との時間差とを前件部とし
たルールマップを構成し、重み係数を後件部としてファ
ジー演算によって重み係数の確定値を求めるのである。
このようにして重み係数を決定すれば、荷重平均値に経
験則を取り込むことができて、代用の偏回帰係数βjと
して望ましいと考えられる値を選択することができるの
である。他の構成は実施例１と同様である。That is, a rule map is formed with the antecedent part as the antecedent part of the magnitude of the t value and the time difference between the time when each t value is obtained for the measurement time point s j , and the fuzzy operation is performed using the weighting factor as the consequent part. Thus, the final value of the weight coefficient is obtained.
In this way, determining the weighting factors, you can incorporate heuristics weighted average value is the value which is considered desirable as a partial regression coefficient beta j substitutes may be selected. Other configurations are the same as in the first embodiment.
【００３７】なお、実施例２および実施例３のようにフ
ァジー推論を用いる場合には、第１の重回帰分析部４で
求めた偏回帰係数αj0，αj1，……，αjpについて、統
計的に有意ではないものについてのみ代用の偏回帰係数
βjkを与えるファジー推論をを行うのではなく、統計的
に有意であるものについても、その偏回帰係数αj0，α
j1，……，αjpに関する情報をファジー推論に取り込む
ことによって、偏回帰係数αj0，αj1，……，αjpをよ
り望ましい値に補正することが可能になる。たとえば、
偏回帰係数αjkが統計的に有意であるとすると、実施例
２では、過去の最新の偏回帰係数に代えて計測時点ｓj
の偏回帰係数αjkに関する情報を用いればよく、実施例
３では、過去の偏回帰係数の情報に加えて計測時点ｓj
の偏回帰係数αjkに関する情報を用いるようにすればよ
い。[0037] In the case of using a fuzzy inference as in Example 2 and Example 3, the first partial regression coefficient alpha j0 determined by multiple regression analysis unit 4, alpha j1, ......, for alpha uk, Rather than performing fuzzy inference that gives a substitute partial regression coefficient β jk only for those that are not statistically significant, the partial regression coefficients α j0 , α
j1, ......, by incorporating information about alpha uk fuzzy inference, partial regression coefficients α j0, α j1, ......, it is possible to correct the alpha uk to a more desirable value. For example,
Assuming that the partial regression coefficient α jk is statistically significant, in the second embodiment, the measurement time s j is used instead of the latest partial regression coefficient in the past.
The information on the partial regression coefficient α jk may be used. In the third embodiment, in addition to the information on the past partial regression coefficient, the measurement time s j
The information on the partial regression coefficient α jk may be used.
【００３８】[0038]
【発明の効果】本発明は上述したように、各区間で得た
測定値に基づいて求めた偏回帰係数が統計的に有意では
ない場合に、この偏回帰係数を既知である偏回帰係数に
基づいて求めた偏回帰係数で代用した重回帰式を状態方
程式として用いるので、比較的よい偏回帰係数を用いる
ことができ、信頼性の低下を抑制することができるので
ある。すなわち、重回帰分析に用いる測定値として比較
的短時間内のものを用いることができ、結果的に、変量
の値が比較的速く変動してもプロセスの特性について応
答性および追従性のよい推定が行えるという効果を奏す
る。As described above, according to the present invention, when the partial regression coefficient obtained based on the measurement value obtained in each section is not statistically significant, the partial regression coefficient is replaced with a known partial regression coefficient. Since the multiple regression equation substituted with the partial regression coefficient obtained based on the partial regression coefficient is used as the state equation, a relatively good partial regression coefficient can be used, and a decrease in reliability can be suppressed. In other words, it is possible to use a measurement value used for multiple regression analysis within a relatively short period of time, and as a result, it is possible to estimate the characteristics of a process with good responsiveness and followability even if the value of a variable fluctuates relatively quickly. The effect that it can perform is produced.
【００３９】また、上述のようにして求めた状態方程式
に従ってプロセスを監視したり制御することによって、
異常状態の発生を迅速に報知したり、異常状態の発生を
回避したり、特性を制御して製品の品質を安定させるこ
とができるという利点がある。とくに、むだ時間や遅れ
時間を含むプロセスでは、各変量の現在の値に対して状
態方程式を適用して予測値を求めることができるから、
基準変数の変動を予測して異常状態の発生を予報した
り、予測的に操作量を調節することにより応答性よく安
定した制御が行ったりすることが可能になるという利点
がある。Further, by monitoring and controlling the process according to the state equation obtained as described above,
There are advantages that the occurrence of an abnormal state can be promptly notified, the occurrence of an abnormal state can be avoided, and the characteristics can be controlled to stabilize the quality of the product. In particular, for processes involving dead time and delay time, the state equation can be applied to the current value of each variable to obtain a predicted value,
There is an advantage that it becomes possible to predict the occurrence of an abnormal state by predicting the change of the reference variable, and to perform stable control with good responsiveness by predictively adjusting the operation amount.
【図１】実施例１を示すブロック回路図である。FIG. 1 is a block circuit diagram showing a first embodiment.
【図２】実施例１におけるプロセスから得られる変量の
変化の一例を示す動作説明図である。FIG. 2 is an operation explanatory diagram showing an example of a change in a variable obtained from a process in the first embodiment.
【図３】実施例１の偏回帰係数とｔ値との関係の一例を
示す動作説明図である。FIG. 3 is an operation explanatory diagram illustrating an example of a relationship between a partial regression coefficient and a t value according to the first embodiment.
【図４】実施例２においてファジー推論の前件部に適用
するメンバシップ関数を示す図である。FIG. 4 is a diagram illustrating a membership function applied to an antecedent part of fuzzy inference in the second embodiment.
【図５】実施例２においてファジー推論に適用するルー
ルマップを示す図である。FIG. 5 is a diagram showing a rule map applied to fuzzy inference in the second embodiment.
【図６】実施例２においてファジー推論の後件部に適用
するメンバシップ関数を示す図である。FIG. 6 is a diagram illustrating a membership function applied to a consequent part of fuzzy inference in the second embodiment.
１ プロセス ２ プロセス状態検出部 ３ データ記憶部 ４ 第１の重回帰分析部 ５ 分析結果記憶部 ６ 第１の検定部 ７ 中間基準変数演算部 ８ 中間変数データ記憶部 ９ 第２の重回帰分析部 １０ 第２の検定部 １１ 特性推定演算部 １２ 監視制御部 ｘ1 〜ｘp 状態量 ｙ 出力量DESCRIPTION OF SYMBOLS 1 Process 2 Process state detection part 3 Data storage part 4 First multiple regression analysis part 5 Analysis result storage part 6 First test part 7 Intermediate reference variable operation part 8 Intermediate variable data storage part 9 Second multiple regression analysis part 10 second test 11 characteristic estimating arithmetic unit 12 monitors the control unit x 1 ~x p state quantity y output quantity
───────────────────────────────────────────────────── フロントページの続き (72)発明者 井上 雅喜 大阪府門真市大字門真1048番地松下電工 株式会社内 (56)参考文献 特開 平６−4789（ＪＰ，Ａ) 特開 平５−204407（ＪＰ，Ａ) Ｐ．Ｇ．ホーエル，「入門数理統計 学」，初版，株式会社培風館，平成２年 １月30日，ｐ．168−267 (58)調査した分野(Int.Cl.7，ＤＢ名) G05B 11/00 - 13/04 G05B 21/00 - 21/02 G05B 23/02 ──────────────────────────────────────────────────続 き Continuation of front page (72) Inventor Masayoshi Inoue 1048 Kazuma Kadoma, Kadoma City, Osaka Prefecture Matsushita Electric Works, Ltd. (56) References JP-A-6-4789 (JP, A) JP-A-5-204407 ( JP, A) G. FIG. Howell, "Introductory Mathematical Statistics", First Edition, Baifukan Co., Ltd., January 30, 1990, p. 168-267 (58) Field surveyed (Int.Cl. 7 , DB name) G05B 11/00-13/04 G05B 21/00-21/02 G05B 23/02
Claims (7)
セスの監視または制御のためにプロセスの各時点の状態
を表す複数種類の変量から求めた状態方程式に基づいて
プロセスの特性を推定する方法であって、プロセスの状
態を表す複数種類の変量の測定値をそれぞれ所定の時間
間隔でサンプリングし、計測時点から所定時間前までの
区間内の複数回のサンプリングによって得た変量の測定
値の組を用いて重回帰分析を行う第１過程と、第１過程
での重回帰分析によって求めた偏回帰係数に統計的に有
意ではないものがあるときに、統計的に有意ではない偏
回帰係数に対応する少なくとも１つの変量については既
定の偏回帰係数に基づいて求めた代用の偏回帰係数を適
用し、代用の偏回帰係数と対応する変量の測定値との積
を基準変数となる変量の値から減算して中間の基準変数
とし、中間の基準変数を基準変数として残りの変量の測
定値の組による重回帰分析を行う第２過程と、第２過程
での重回帰分析によって求めたすべての偏回帰係数が統
計的に有意になるまで第２過程を繰り返す第３過程と、
第３過程ですべての偏回帰係数が統計的に有意になると
第２過程で適用した代用の偏回帰係数と第３過程で求め
た偏回帰係数とを各変量に対する偏回帰係数とした重回
帰式を状態方程式としてプロセスの特性を推定する第４
過程とから成ることを特徴とするプロセスの特性推定方
法。1. A professional whose status changes over time.
Status of the process at any point in time to monitor or control the process
Based on a state equation obtained from several types of variables
A method for estimating the characteristics of a process, wherein measured values of a plurality of types of variables representing the state of a process are respectively measured for a predetermined time.
A first step of performing multiple regression analysis using a set of variable measurement values obtained by sampling a plurality of times within a section from a measurement time point to a predetermined time before a measurement time, and a multiple regression analysis in the first step If some of the partial regression coefficients obtained by the above are not statistically significant, at least one variable corresponding to the partial regression coefficient that is not statistically significant is replaced by a partial partial regression coefficient calculated based on the predetermined partial regression coefficient. Apply the regression coefficients and subtract the product of the surrogate partial regression coefficients and the corresponding variable measurements from the value of the reference variable to determine the intermediate reference variable, and use the intermediate reference variable as the reference variable for the remaining variables. A second step of performing a multiple regression analysis based on the set of measured values of a second step, and a third step of repeating the second step until all partial regression coefficients obtained by the multiple regression analysis in the second step become statistically significant;
When all partial regression coefficients become statistically significant in the third step, a multiple regression equation in which the partial regression coefficient used in the second step and the partial regression coefficient obtained in the third step are used as partial regression coefficients for each variable. To estimate the characteristics of the process by using
And estimating the characteristic of the process.
係数は、統計的に有意である過去の偏回帰係数のうちで
最新のものを用いることを特徴とする請求項１記載のプ
ロセスの特性推定方法。2. The characteristic of the process according to claim 1, wherein the partial regression coefficient used in the second step is the latest one among the past partial regression coefficients that are statistically significant. Estimation method.
数は、統計的に有意である過去の偏回帰係数に関する統
計量に基づいて決定することを特徴とする請求項１記載
のプロセスの特性推定方法。3. The process characteristic estimation according to claim 1, wherein the substitute regression coefficient applied in the second step is determined based on a statistic related to a past partial regression coefficient that is statistically significant. Method.
数は、統計的に有意である過去の偏回帰係数の時系列と
統計量とに基づいて経験則を適用して決定することを特
徴とする請求項１記載のプロセスの特定推定方法。4. The method according to claim 1, wherein the substitute regression coefficient applied in the second step is determined by applying an empirical rule based on a time series and a statistic of past partial regression coefficients that are statistically significant. The method for estimating a process according to claim 1, wherein
セスの監視または制御のためにプロセスの各時点の状態
を表す複数種類の変量から求めた状態方程式に基づいて
プロセスの特性を推定する装置であって、プロセスの状
態を表す複数種類の変量の測定値をそれぞれ所定の時間
間隔でサンプリングするプロセス状態検出手段と、サン
プリング値を記憶するデータ記憶手段と、計測時点から
所定時間前までの複数回のサンプリングによって得た変
量の測定値の組を用いて重回帰分析を行う第１の重回帰
分析手段と、第１の重回帰分析手段により求めた偏回帰
係数を検定する第１の検定手段と、第１の重回帰分析手
段により求めた偏回帰係数を記憶する分析結果記憶手段
と、第１の検定手段によって統計的に有意ではない偏回
帰係数が検出されたときに、統計的に有意ではない偏回
帰係数に対応する少なくとも１つの変量については分析
結果記憶手段に格納されている既定の偏回帰係数に基づ
いて求めた代用の偏回帰係数と対応する変量の測定値と
の積を基準変数となる変量の測定値から減算して中間の
基準変数を求める中間基準変数演算手段と、中間の基準
変数および代用の偏回帰係数を記憶する中間変数データ
記憶手段と、中間の基準変数を基準変数として残りの変
量の測定値の組による重回帰分析を行う第２の重回帰分
析手段と、第２の重回帰分析手段により求めた偏回帰係
数を検定して第２の重回帰分析手段により求めたすべて
の偏回帰係数が統計的に有意になるまで中間基準変数演
算手段および第２の重回帰分析手段による演算を繰り返
させる第２の検定手段と、第２の重回帰分析手段により
求めたすべての偏回帰係数が統計的に有意になると中間
基準変数演算手段で求めた代用の偏回帰係数と第２の重
回帰分析手段で求めた偏回帰係数とを各変量に対する偏
回帰係数とした重回帰式を状態方程式として設定してプ
ロセスの特性を推定する特性推定演算手段とを具備して
成ることを特徴とするプロセスの特性推定装置。5. A professional whose status changes over time.
Status of the process at any point in time to monitor or control the process
Based on a state equation obtained from several types of variables
An apparatus for estimating the characteristics of a process, wherein measured values of a plurality of types of variables representing a state of a process are respectively measured for a predetermined time.
A process state detecting means for sampling at intervals, a data storing means for storing a sampling value, and a multiple regression analysis using a set of variable measurement values obtained by a plurality of samplings from a measurement time to a predetermined time before. First multiple regression analysis means, first test means for testing the partial regression coefficient obtained by the first multiple regression analysis means, and analysis result storage for storing the partial regression coefficient obtained by the first multiple regression analysis means Means, and when the partial regression coefficient not statistically significant is detected by the first test means, at least one variable corresponding to the partial regression coefficient not statistically significant is stored in the analysis result storage means. Intermediate reference variable is obtained by subtracting the product of the substitute partial regression coefficient obtained based on the predetermined partial regression coefficient and the corresponding variable measurement value from the measurement value of the reference variable An intermediate reference variable calculating means, an intermediate variable data storage means for storing an intermediate reference variable and a substitute partial regression coefficient, and performing a multiple regression analysis using a set of measured values of the remaining variables using the intermediate reference variable as a reference variable. The second regression analysis means and the partial regression coefficient obtained by the second multiple regression analysis means are tested, and an intermediate standard is used until all the partial regression coefficients obtained by the second multiple regression analysis means become statistically significant. A second test means for repeating the calculation by the variable calculation means and the second multiple regression analysis means, and an intermediate reference variable calculation means when all partial regression coefficients obtained by the second multiple regression analysis means become statistically significant. Characteristic estimation for estimating process characteristics by setting a multiple regression equation as a state equation, in which the partial regression coefficient obtained in step 2 and the partial regression coefficient obtained by the second multiple regression analysis means are used as partial regression coefficients for each variable. Performance Characteristic estimation apparatus of the process is characterized by comprising and means.
に記載のプロセスの特性推定方法により求めた状態方程
式を用いてプロセスの状態の変動を監視することを特徴
とするプロセスの監視方法。6. The method as claimed in claim 1, wherein the first and second parts are different from each other.
A process monitoring method characterized by monitoring a change in the state of the process using a state equation obtained by the method for estimating the characteristic of the process described in (1).
に記載のプロセスの特性推定方法により求めた状態方程
式を用いてプロセスの状態が規定した状態に保たれるよ
うにプロセスの操作量を制御することを特徴とするプロ
セスの制御方法。7. The method according to claim 1, wherein
A process control method characterized by controlling an operation amount of a process so that a process state is maintained using a state equation obtained by the process characteristic estimation method described in (1).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4255225A JP3035089B2 (en) | 1992-09-25 | 1992-09-25 | Process characteristic estimation method and apparatus, process monitoring method and process control method using the estimation method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4255225A JP3035089B2 (en) | 1992-09-25 | 1992-09-25 | Process characteristic estimation method and apparatus, process monitoring method and process control method using the estimation method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06110504A JPH06110504A (en) | 1994-04-22 |
| JP3035089B2 true JP3035089B2 (en) | 2000-04-17 |
Family
ID=17275774
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4255225A Expired - Fee Related JP3035089B2 (en) | 1992-09-25 | 1992-09-25 | Process characteristic estimation method and apparatus, process monitoring method and process control method using the estimation method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3035089B2 (en) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08147357A (en) * | 1994-11-22 | 1996-06-07 | Nec Yamagata Ltd | Simply modeling method for manufacturing device |
| JP3705296B1 (en) | 2004-04-30 | 2005-10-12 | オムロン株式会社 | Quality control apparatus and control method therefor, quality control program, and recording medium recording the program |
| JP2007328744A (en) | 2006-06-09 | 2007-12-20 | Canon Inc | Regression analyzing method and device therefor |
| JP5198087B2 (en) * | 2008-02-21 | 2013-05-15 | 富士フイルム株式会社 | Diagnostic apparatus and method for manufacturing equipment |
| JP2009223416A (en) * | 2008-03-13 | 2009-10-01 | Omron Corp | Remote device and monitoring system |
| CN102918471A (en) * | 2010-05-28 | 2013-02-06 | 株式会社日立制作所 | Plang diagnostic device and diagnostic method using same |
| JP7238378B2 (en) * | 2018-12-17 | 2023-03-14 | 富士通株式会社 | Abnormality detection device, abnormality detection program, and abnormality detection method |
-
1992
- 1992-09-25 JP JP4255225A patent/JP3035089B2/en not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| Ｐ．Ｇ．ホーエル，「入門数理統計学」，初版，株式会社培風館，平成２年１月３０日，ｐ．１６８−２６７ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06110504A (en) | 1994-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3698444B2 (en) | Method and apparatus for detecting and identifying defect sensors in a process | |
| Ghasempoor et al. | Real time implementation of on-line tool condition monitoring in turning | |
| JP3035089B2 (en) | Process characteristic estimation method and apparatus, process monitoring method and process control method using the estimation method | |
| US7949497B2 (en) | Machine condition monitoring using discontinuity detection | |
| JP7214417B2 (en) | Data processing method and data processing program | |
| CN112577515A (en) | Inertial sensor, method for self-calibration of inertial sensor, and computer-readable medium | |
| CN117455242A (en) | Water conservancy management system based on digital twinning | |
| WO2020110201A1 (en) | Information processing device | |
| JPH03132899A (en) | Service life predicting method for on-line equipment | |
| CN114459523B (en) | Calibration early warning method of online quality detection instrument | |
| JP3020072B2 (en) | Plant monitoring apparatus and method | |
| JPH05204407A (en) | Process characteristic predicting method, process monitoring method and process control method using same | |
| JP2691241B2 (en) | Process control equipment | |
| JPH0664664B2 (en) | Failure prediction device | |
| JPS6144326B2 (en) | ||
| JPH08320721A (en) | Abnormality content deciding method for fault predicting device | |
| JPH02137606A (en) | Control method for plate thickness at rolling many kinds of materials | |
| JPS5917612A (en) | Fault detector having identifying device of study | |
| US7013237B2 (en) | Apparatus and method for monitoring a running process | |
| JP3297020B2 (en) | Method and apparatus for control performance evaluation of control system and program recording medium therefor | |
| US20040003026A1 (en) | Data management device for precise quality control | |
| CN108844662B (en) | Method for evaluating state of electrical cabinet of numerical control machine tool | |
| Battaglia | Regression-based statistical process control | |
| JP2702206B2 (en) | Operating status monitor for hydraulic machinery | |
| JPH0425563B2 (en) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20000208 |
|
| LAPS | Cancellation because of no payment of annual fees |