TWI266207B - Method and computer system for designing experiments - Google Patents

Method and computer system for designing experiments Download PDF

Info

Publication number
TWI266207B
TWI266207B TW092108486A TW92108486A TWI266207B TW I266207 B TWI266207 B TW I266207B TW 092108486 A TW092108486 A TW 092108486A TW 92108486 A TW92108486 A TW 92108486A TW I266207 B TWI266207 B TW I266207B
Authority
TW
Taiwan
Prior art keywords
module
experimental
data
experiment
optimization tool
Prior art date
Application number
TW092108486A
Other languages
English (en)
Other versions
TW200402636A (en
Inventor
Andreas Schuppert
Arne Ohrenberg
Original Assignee
Bayer Ag
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bayer Ag filed Critical Bayer Ag
Publication of TW200402636A publication Critical patent/TW200402636A/zh
Application granted granted Critical
Publication of TWI266207B publication Critical patent/TWI266207B/zh

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00Systems controlled by a computer
    • G05B15/02Systems controlled by a computer electric

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Pharmaceuticals Containing Other Organic And Inorganic Compounds (AREA)
  • General Factory Administration (AREA)

Description

1266207 A7 -------------B7 五、發明說明 發明所屬之技術領域: 本發明一般係關於使用一電腦來設計實驗的方法與系 統’而且更尤其是關於使用一電腦來設計實驗,其中由電 腦所進行用以設計實驗之處理係包括實驗資料之評估與資 5料之過濾。 先前技術: 在先前技術中,眾所皆知的乃是使用統計性實驗設計 方法來設計實驗。此設計方法用在尤其以最小數目的實驗 10 來決定經驗處理模型,用於一處理中之被控制之變數與造 成影響之變數間之關係以及用於最終產品特性與處理特 性。此統計性實驗設計方法可例如使用、、STAVEX,(具 有專家系統的統計性實驗設計,製造商為瑞士的AICOS 科技)電腦軟體程式以及德國StatSoft (歐洲)GmbH所 15 製造、名為、、Statistical,所出售的軟體而來進行。 經濟部智慧財產局員工消費合作社印製 種種不同的習知實驗設計技術存在於統計性實驗設計 的領域中。所有的統計性實驗設計方法緣起於古典、完全 之因素方法。該因素法乃藉由與變異分析之類比而將所有 以品質來調整的因素互相比較。近幾十年來,因素方法的 20種種變化已經在研究與發展實驗室中發展並且確認。 根據Taguchi或Shainin的現代實驗設計方法係可與 古典、完全的因素方法相區別。Shainin的實驗設計 (DOE")方法係為一合適的最佳化方法,因其將被認 為具強烈影響的變數隔離,並且進行處理以測定它們的關 -3 - 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 1266207 A7 B7 五、發明說明(2) 連性與從屬性。Taguchi之DOE乃以習知之部分因素、正 交實驗設計為基礎。由於事先選定最重要的影響變數可大 量節省必要的實驗循環,所以Tagauchi技術是一快速且相 當經濟的實驗與處理之設計方法。 5 部分因素實驗設計型態的進一步已知統計性實驗設計 技術包括Plackett-Burmann實驗設計、中央合成設計、 Box-Behnken實驗設計、D-最理想設計、混合設計、平衡 塊設計、拉丁方塊、以及暴徒(desperado)設計(參見例 如 Eberhard Scheffler,Statische Versuchsplanung und- 10 Auswertung,Deutscher Verlag ftir Grundstoffindustrie, Stuttgart,1997) o 設計實驗用的額外方法亦可從Hans Bendemer, vv OptimaleVersuchsplanung^ 【最佳實驗設計】,Reihe Deutsche Taschenbiicher (DTB 第 23 冊與 ISBN3-87144-15 278-X ) 以及 Wilhem Kleppmann5T aschenbuch
Versuchsplanung,、、Produkte und Prozesse optimieren” 【將 產品與方法最佳化】,第二次擴編,ISBN:3-446_21615-4 得知。實際上,常常為了成本而使用這些方法。 用以設計實驗之已知統計方法的缺點在於,與實驗設 20 計與模型製造相關的處理會在無考量額外知識的情形下進 行。因此,在某些特定情況之下,無法得到合適的最佳條 件,而且所產生之結果與陳述的可靠度是可疑的。用於設 計實驗之先前技術方法的進一步明顯缺點在於,在大量之 影響變數需要列入考慮情況下’先前技術方法變得太廣 -4- 本紙張尺度適用中國國家標準(CNS)A4規格(210x297公釐) 钉 線 經濟部智慧財產局員工消費合作社印製 1266207 B7
泛。此外,就某些實驗系統而言,例如在催化劑或者活性 成分的研究中,目標功能則常常受到嚴重毀壞,因此以統 計方法來記錄則有其困難度。 、 在此併入供參考的W〇 00/153^,其係揭露一種發展 5不均勻催化反應製程用之固體催化劑的方法,其係以根據 漸進方法的平行化測試為基礎。以漸進方式而操作的相對 應方法亦可從 WO 00/43411,J· chem· Inf. Compute. Sci 裝 2000,40,981-987 使用推測最佳化演算法之不均勻催化劑 設計”以及從應用催化劑A:General 200(2000)63-77、、在摧 10 化材料之合併選擇與最佳化中的一種漸進研究〃得知,各 在此併入供參考。 綠 此外,在此所併入供參考的美國專利第6,0〇9,379 號’其係揭露一種藉由一有效實驗設計而來控制一製造過 程的方法。根據此專利,諸測試點係均勻地分佈於一多面 15 球表面上,以便使各個製造參數可均勻地受到加權。 經濟部智慧財產局員工消費合作社印製 圖1顯示進行過濾實驗用之先前技術系統20的方塊 圖,譬如可能使用於催化劑與材料與活性成分研究的領域 中。應該理解的是,以下描述為進行資料處理操作之系統 20的各功能性方塊圖,以及以下描寫並且於圖式中顯示為 20 本發明組成具體實施例之系統的各功能性方塊圖,其係組 成一軟體模組,或者,一硬體模組或者一合併的硬體/軟 體模組。此外,各模組適當地包含一記憶體儲存區域,譬 如RAM,用來儲存進行處理操作用的資料與指令。或 者,用來進行處理操作的指令,其係可被儲存於一個或者 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐) 1266207 A7 B7 五、發明說明(4) 更多個模組的硬體中。 多考Θ 糸、、充2〇包括一物質庫(substance library)模 組卜譬如一組合庫(c〇mbinat〇制版ary)模組,其係連接 到-實驗設定模組2。該模級2乃連接到一實驗資料模組 5 3與-以資料驅動的最佳化卫具4。該最佳化工具*亦連 接到該庫模組1。該模組2進行高通量過遽(、、hts„ ) 或者高速實驗()之實驗。此過渡實驗基本上用 來在化學、生化、或者生物科技系統中,鑑別活性成分、 催化劑研究(均句與不均勻)、材料研究、與最佳反應條 1〇 =之m該最佳化工具4為_黑盒最佳化玉具,其係以 資,來驅動的模型或者-漸進式演算法為基礎而來操作。 該最佳化工具4並不具有關於實驗設計之結構與互動的先 驗(a priori)知識。反而,該最佳化工具4卻受限於用來選 擇儲存於組合庫模組1的實驗之實驗資料評估。該黑盒最 15佳化工具4乃藉由例如基因演算法、漸進演算或者签收 類神經網路或者其它以資料驅動的模型方式而來執行,該 些模型研究係取決於推測或者決定性的最佳化結構或者合 併前者與後者兩者的最佳化結構。 ° 經濟部智慧財產局員工消費合作社印製 當操作時,實驗設定模組2通常在複數個實驗上進" 2〇處理。該模組2將資料標形式的實驗結果提供到實驗資: 模組3。同時,模組2則將作為輪入資料的實驗結果資 或者至少其中一部份提供到以數據驅動的最佳化工具4。 在模組3的實驗資料包括造成影響之變數,譬如屬ς、° 數、結構特徵、描述符號、物理變數與材料特性,以及= 本紙張尺度適用中國國家標準(CNS)A4規格(210x297公楚) 1266207
运些k數對目標變數所產生之影響有關的資料。進行處理 的最佳化工具4係典型地使用儲存於模組3的實驗資料, 以在目;^變數的空間内定義一最佳化的檢索方向。 類似先前技術系統20之系統的一般缺點在於,先驗 汛息並不在黑盒最佳化工具4中具有影響,或者僅僅具有 有限的影響,以致使檢索策略經常緩慢地整合或者在不 適备的次佳狀況上整合。結果,在時間花費與財務開銷 上,先前技術方法常常無效率。此外,在實驗設計技術以 10 15 經濟部智慧財產局員工消費合作社印製 20 漸進式演算為基礎之情況,其風險係當最佳化工具用來達 到最佳化狀況時的花費與開銷會高於使用合理或者統計步 驟者。 因此,需要使用以電腦為基礎之系統來設計實驗之方 法與系統,其可改善整合速度以及確保在一合適最佳狀態 的整合,而且亦增加該結果的可靠度。 〜 發明内容: 根據本發明,使用以電腦為基礎的系統來設計實驗的 方法與系統,包含使用與實驗相關的知識來影響在一以資 料驅動之最佳化卫具上的處理。該知識包括先驗知識以及 由連續評估先前進行實驗所獲得的補充知識。 在-較佳具體實施例中’設計實驗之以電腦為基礎的 系統,包括一媒介層模組,其使用先驗與補充得到的知 識’以影響在-最佳化工具上的處理操作,從而有效地調 整該最佳化工具。該知識較佳地包括與互動有關的規則, 本紙張尺.度適用中國國家標準(CNS)A4規格(210x297公釐) 1266207
1266207
A7
l2662〇7 矩陣中將特別相關的實 1 弓丨入-加權係數。 η 1者’該加柘可包括 包括日狀進—步較佳具體實施例中,該最佳化工具 电。兮二核心操作器模組與用來選擇新測試點的一模 器^ 化卫具之操作方法隨後則被由例如—規則產生 點^ 4之M料基礎㈣於雜心、與該選擇新測試 -的杈組之至少一模組之影響所影響。 ^發明之其它目的與優點將從目前較佳具體實施例之 10 it詳、屈說月而^人明瞭,該詳細說明應該連同圖式來考 慮0 實施方式: 圖2以方塊圖形式顯示根據本發明來設計實驗之*** 30之具體實施例。相同的參考號碼在此时描述具有實質 類似、較仙等於先前說明之結構與操作㈣統元件。 參考圖2,系統20包括一組合庫5,該組合庫係依據 對應於實驗空間的周圍條件而形成。一實驗設定模組7係 連接到組合庫5、實驗資料模組g以及媒介層模組9。該 模組9包括一最佳化工具6,並且連接到組合庫5。當操 〇作時,最佳化工具6乃從組合庫5選出一個或多個實驗, 該些實驗隨後例如藉由高通量篩選或者高速實驗的實驗方 法而於實驗設定模組7中進行。產生於模組7的實驗資料 係以一資料檔案的形式而提供到該實驗資料模組8。、 媒介層模組9經由考慮先驗(a priori)知識或者進行實 •10· 1266207 五 、發明說明(9) 10 15 經濟部智慧財產局員工消費合作社印製 20 體實施例中,=佳衫響最佳化工具6的處理。在一較佳具 為資料檀案的資料化工具6持續地評估在模組8中儲存作 網路的知識。因,,以得到形式為規則或者學習式類神經 到最佳齡層模組9乃11域供額外知識 從而加迷實驗^整充合並—工具6上的處理, 1二:9亦使黑盒最佳化方法之整合速度改善, 6中:此種整:知識與規則結構整合而進行於最佳化工具 試:二ίΓ用多種方式進行,譬如藉由:A)測 拐持的額外選擇’其使用由資料探勘所得 的規貝曰W禮制欲測試之組合庫5部份,而且不包含介入 最佳化具6所進行之處理;Β)在確認為最佳化之 庫區域的方向巾之最佳化步制選擇性轉,換句話說, 介入於該最佳化工具6的搜尋方法内;以及c)調整里各 最佳化方法_擇_,其係包含直接介人該最佳化工1 6的評估方法,或者包含在將評估魏提供到最佳化工具 6之前之評估變數的修改。在一較佳具體實施例中,介入 A、B與C的形式可能以組合方式進行。例如,在一最佳 化步驟中,諸介入可包括A與B、B與C、A與C、或者 A與B與C。諸介入位置與介入組合以及在媒介層模組9 中進行的方法可於各最佳化步驟逐一改變。諸介入亦可由 包括在實驗設計系統之隨後的媒介層模組來進行。 當藉由統計實驗模組而進行最佳化時,所進行的處理 則類似經由黑盒最佳化工具所進行者。該媒介層模組9以 ,計 線 •11· 本紙張尺度適用中國國家標準(CNS)A4規格(210 x297公釐) A7 B7 1266207 五、發明說明(10) 上述的一種或更多種形式而在最佳化過程中進行一介入。 例如,先前知識在造成影響之變數受到選擇時會被整合, 以致使它們的有效領域以及在該有效領域上的額外限制能 夠包括在造成影響之變數的組合中。 5 &成影響之變數上的進—步資訊可被納人,用於藉由 使用資料探勘方法或者上述的其它方法並且將它們整合於 實驗設計用之處理,以進行諸實驗的順序崎設計。例 如’該實驗空間可能在一實驗設計處理序列進行之後,依 據額外的資訊而改變。藉由增加或者移除造成影響之變 10數、改變個別之造成影響之變數或者組合之造成影&之變 數的有效領域、或者結合前者與後者,可進行該改變曰。 經 濟 部 智 慧 財 產 局 員 工 消 費 合 作 社 特別有利的是,可將設計實驗所用的先前技術古典方 法繼續制在黑盒或者統計性最佳化4上。根據本發 明,這些設計實驗用的方法乃經由考慮到先前知識或者在 15實驗程序期間内得到的知識而受到改善,其可加速該些方 法的整合或實際上允許諸最佳化方法本身的整合。在本發 明之-較佳實施過程中,在例如將實驗之設計最佳化,以 用於催化齊J ±動成分或者材料或者反應條件時,該整合 速度則會經由根據本發明的調整而被相當程度地增加。一 20進-步之優點則是,實驗數目可以降低,同時可預期有相 同結果,從而可降低時間與材料之花費並可較佳應用系 統。另-優點則是整合先前知識會在單獨或在一組合步驟 中使用HSE或者HTS技術時,避免研究投入的損失。 圖3顯不根據本發明一具體實施例而設計實驗的系統 -12-
1266207
、發明說明 11 二」系,括實驗之再評估。參考圖3,系統4G包括連接到 μ 触8的—實驗設定模組7,該實驗資料模組 ^則接著連接到-評估模組1()。媒介層模組9包括連接到 ^與條件模組12的—資料分析模組^,該規則與條 件权組12則連接到一再評估模組13。該分析模組u係連 接到實驗資料模組8與評估模組10。黑盒最佳化工具6連 接到再坪估模組13與一實驗設計模組14,該實驗設計模 組14則連接到設定模組7。 系統40係操作如下。實驗設定模組7進行從一組合 1〇庫(未顯示)事先選出的一個或多個實驗。該模組7產生 實驗貧料,該實驗資料則以資料檔案之形式而被輸出到該 模組8。假如適當的資料能直接經由實驗方式而取得,譬 如藉由產量的實驗測定,該產量的實驗測定是已進行實驗 之一#估,則該實驗資料本身可能已經包含評估。 15 或者,實驗資料之評估可能必須額外地於評估模組10 經濟部智慧財產局員工消費合作社印製 中進行。例如,該評估模組1〇進行一計算規則處理,以 算出依據一個或多個實驗資料的評估。在模組8中的資 料’以及假如適當的話’由模組10所評估的結果會提供 到媒介層模組9。在模組9中的資料分析模組11可進行— 20 資料探勘(DM)演算法、一類神經網路、一混合方法、 或者一些其它合適的資料分析方法。該模組12藉由應用 例如此些資料分析方法而產生規則,該模組12亦產生與 實驗中所考慮之化學系統有關的額外訊息與觀察。該模組 11的功能因此如同一規則資料產生器,而且該模組12會 -13- 本紙張尺度適用中國國家標準(CNS)A4規格(210 x297公爱) 1266207 、發明說明 規劃出相對應的規則與次要條件。 諸規話,該模組13會依據包含於模組12中的 與次要條件祕評估-實驗或者諸實驗。在一較佳 10 15 經濟部智慧財產局員工消費合作社印製 20 ϋ施例中,m在超過1定界限值的情形下 m。或者,該使用者可介入’以建立或者撤銷該 =2再評估可能包括將—更糟的評估指定到被視為 :好二:,以及將一改善的評估指定到被視為良好的實 具6加工處理在模組8中的資料,假如適 备的話’該資料包含受到再評估的實驗資料,以產生一進 一步的實驗設計’該實驗設計隨後則典型地儲存作為在實 驗設計模组u中的資料。該實驗設定模組7隨後則進行 與模組14中儲存的實驗設計對應之實驗。 圖4顯示-系統50的一替代性具體實施例,該系統 5〇包括經由事先選擇與加權之至少其中_項來_資料的 特徵。用來設計實驗的系統50實質地具有與系統4〇相同 的元件結構,除了再評估模組13被事先選定與加權用之 模組15所取代以外。因此該系統50,不像該系統4〇,並 沒有以不同的方式來將該實驗資料再評估或 資料。取而代之地,在該系統50中,該模組15二 依據儲存於模組12中的規則條件而刪除實驗或者給予它 們更大或者更小的加權。結果,一預定選擇在沒有改變^ 實驗的實際評估之下進行。 圖5顯示根據本發明而設計之系統6〇的一進一步且 體實施例。該系統60類似系統50,除了該系統6〇沒有包 -14- 本紙張尺度適用中國國家標準(CNS)A4規格(21〇 x297公釐) 1266207 發明說明(13) 10 15 經濟部智慧財產局員工消費合作社印製 20 括模組15之外。此外,系 ^ 9 ^ 糸、、先60乃提供用來直接介入於最 ΓΓ個二處理操作内。參考圖5,系統60包括 3有-個或夕個核心操作器模組16的一最佳化工具6,亦 =程式的功用如同在演算法中,例如選擇、梯度的計 异料。触16係連接到評估模組H)以及連接到亦在最 佳化工具6中之絲選定新測試點的模組17。再者’-後 選定模組18乃連接到各模組12、14、16與17。 田操作系統6G時’模叙12所規劃的規則與次要條件 曰〜a在模、、:a 17上所進行的處理^如,依據該規則與 次要條件貧料’該模組17拒絕已經被選定並且沒有進行 出自模組12之規_新測試點,並且提供反饋資料到該 核心模組16。在該核心模組16之反饋資料的接收導致核 心模組16選定測試點做為被拒絕之測試點的替代物。 在核心模組16進行實際最佳化之後,模組17則依據 從模組16所接收的資料而提出新的實驗或者測試點,以 將所考慮之該系統目標變數最佳化。該系統可例如包括一 化學、生物科技、生物、或者酵素系統。在媒介層模組9 中的規則產生器模組12則依據產生於模組11中的規則資 料而將與規劃於模組12之規則相抵觸的實驗刪除。假如 適當的話,最佳化工具6的核心模組16則產生新的替代 實驗。該實驗可經由加權的施加程度而完全地或者部份地 被刪除。該模組17隨後則作用在這些新設計的實驗上, 以確保將沒有或者不會被核心模組16考慮的該資訊隨後 地整合於核心模組16之設計實驗處理中。 15· 本紙張尺度適用中國國家標準(CNS)A4規格(210x297公爱)
It 線 A7 B7 1266207 五、發明說明(14) 一或者,該後選定模組18處理由最佳化工具6所提供 的貢料,並且進行由模組17所選擇之新測試點的後選 擇。換句話說,該模、组18進行一職,以測定由模組17 所產生的新測試點是否符合由模組12所提供的規則。假 5 =將測試點於該測試中刪除的話,該模組18則提供反饋 資料到該模組16,以導致替代之新測試點的設計。 圖6係為根據本發明來設計實驗的系統7〇,其係實質 地類似系統60,除了模組18不存在之外。因此,在系統 中模組17的操作方法並不被後選定處理所影響,更 1〇者該最佳化工具6之核心模組丨6的操作方法會被直接 衫響。在較佳具體實施例中,類神經網路的核心操作器包 括並且於處理中考慮造成影響之變數之型態與數目以及個 別貧料點的加權。此外,漸進式演算法的核心操作器,譬 如基因式演算法,其係包括提供用來選擇一新系列實驗的 15選擇操作器,變異操作器與交換(cr〇ss_〇vei^.作器。 經濟部智慧財產局員工消費合作社印製 虽操作系統70時,最佳化工具6的處理係依據規則 產生器模組12所產生的規則與訊息。在包括連接到類神 經網路之最佳化工具的較佳具體實施例中,該處理係依據 該規則並且操作以限制該實驗空間,或者該處理以特定方 20式將資料之記錄予以加權。 就漸進式演算法之最佳化工具而言,該核心操作器係 依據額外的訊息。在一較佳具體實施例中,特定的交換、 選擇或者變異會依需求被禁止或者進行。就兩種最佳化工 具而言,經由界面方式或者藉由最佳化參數的手動或者程 -16- 本紙張尺度適用中關家標準(CNS)A4規格(2ig χ297公変) 1266207 Α7 Β7 五、發明說明(Μ) 式控制之改變以包括訊息於最佳化工具處理中之方式而介 入最佳化工具之處理部份,會導致該工作流程的完整自動 化。 在一較佳具體實施例中,系統40與70的特徵可彼此 5 組合,以便將複數個規則產生器模組,即複數個媒介層模 組,以彼此無關方式整合入最佳化序列内。規則產生器模 組使用種種方法來產生規則,其中諸方法較佳地彼此無 關,而所產生的規則會結合於模組12中。可藉由被定義 的界面並且依照預定界限值以自動化方式,或者藉由該規 10 則產生器所介入之最佳化工具部份之手動規則規劃方式, 來考慮媒介層模組9之規則產生器模組所規劃的規則。 雖然已經將本發明之較佳具體實施例說明並且顯示, 但是對那些熟諳此技藝者而言,種種變更顯然可能在不違 背本發明原理的情形下進行。 15 圖式簡單說明: 圖1係為設計實驗之先前技術系統的方塊圖。 經濟部智慧財產局員工消費合作社印製 圖2係為根據本發明來設計實驗之系統的具體實施例 之方塊圖。 2〇 圖3係為根據包括實驗資料之再評估之本發明來設計 實驗之系統之具體實施例的方塊圖。 圖4係為根據包括實驗資料的預先選擇與加權之本發 明來設計實驗之系統的具體實施例之方塊圖。 圖5係為根據包括在最佳化工具處影響新測試點的選 -17- 本紙張尺度適用中國國豕標準(CNS)A4規格(210x297公釐) A7 1266207 B7 五、發明說明(16) 擇之本發明來設計實驗之系統的具體實施例之方塊圖。 圖6係為根據包括影響該最佳化工具之一核心模組之 本發明來設計實驗之系統的具體實施例之方塊圖。 經濟部智慧財產局員工消費合作社印製 本紙張尺度適用中國國家標準(CNS)A4規格(210x297公釐) A7 B7 1266207 五、發明說明(17) 圖式代號說明: 1 物質庫模組 2 實驗設定模組 3 實驗資料模組 4 黑盒最佳化工具 5 組合庫 6 最佳化工具 7 實驗設定模組 8 實驗資料模組 9 媒介層模組 10 評估模組 11 貧料分析模組 12 規則與條件模組 13 再評估模組 14 實驗設計模組 15 事先選定與加權的模組 16 核心操作器模組 17 用來選定新測試點的模組 18 後選定模組 20 先前技術系統 經濟部智慧財產局員工消費合作社印製 30 設計實驗系統 40 系統 50 .系統 60 系統 70 系統 -19- 本紙張尺度適用中國國家標準(CNS)A4規格(210x297公釐)

Claims (1)

  1. A8 B8 C8 D8 經濟部智慧財產局員工消費合作社印製 1266207 六、申請專利範圍 1. 一種設計實驗之方法,包含以下步驟: 使用一資料驅動之最佳化工具而從一實驗性空間 選擇至少一第一實驗; 接收第一實驗之實驗性測定的實驗資料;· 5 在一媒介層模組上評估第一實驗的實驗性測定實 驗資料,其中該媒介層模組產生評估資料;以及 在該最佳化工具上處理第一實驗的實驗性測定實 驗資料,其中在該最佳化工具的處理乃由該評估資料 所影響。 10 2.如申請專利範圍第1項之方法,進一步包含以下步 驟: 使用該最佳化工具而從該實驗性空間選擇至少一 第二實驗。 3. 如申請專利範圍第1項之方法,其中該最佳化工具與 15 該媒介層模組之至少其中一項在選擇至少一第二實驗 步驟之前,會改變該實驗空間。 4. 如申請專利範圍第1項之方法,其中該媒介層模組包 含類神經網路模組、混合模型模組、精密模型模組與 資料探勘模組之至少其中一項。 20 5·如申請專利範圍第1項之方法,其中該實驗資料以來 自活性成分研究、材料研究、催化作用研究、生物工 藝學與反應條件最佳化之至少其中一項的實驗為基 礎。 6.如申請專利範圍第1項之方法,其中在該媒介層模組 -20 - 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐)
    92136claim 1266207
    10 15 經濟部智慧財產局員工消費合作社印製 20 °以產生評估資料,包括過濾該實驗資料的步 驟。 7· trr利範圍第6項之方法,其中該過渡包括再評 估該實驗資料。 8. =請專利範圍第6項之方法,其中該過濾包括將該 貫驗貧料加權與事先選定的至少其中一項。 9. 如申請專利範圍第8項之方法,其中該加權包括使用 :加權參數以及進行該實驗資料之至少—複製的至少 其中一項。 1〇.如申請專利範圍第1項之方法,其中該最佳化工具包 括至少-核心模組與用來選擇新測試點的一模組。 11.如申請翻範圍第H)項之方法,其中在最佳化工具上 的處理係依據選擇新測試點用之模組上的處理而受到 影響。 範圍第n項之方法’其中在選擇新測試點 用之模組上的處理係由超過_界限的—數值與一預定 使用者值的至少其中一項所影響。 13. 如申請專利範圍第1G項之方法,其中在該最佳化工具 上的處理係依據核心模組上的處理而受到影響。 14. 如申請專利範圍第13項之方法,其中在核,讀組上的 處理乃由超過-界限的—數值與—預定❹者值之至 少其中一項所影響。 種用來没计實驗的系統,包含: 一最佳化工具,用來從一實驗空間選出至少一第 15. 21 - 本紙張尺度適用中國國家標準(CNS)A4規格(210x297公釐) A8 B8 C8 D8 1266207 六、申請專利範圍 一實驗;以及 一媒介層模組,連接到該最佳化工具,以用來評 估用於第一實驗之實驗所決定的實驗資料,其中該媒 介層模組產生實驗設計資料,以來影響該最佳化工具 5 上的處理。 16. 如申請專利範圍第15項之系統,其中該媒介層模組包 含類神經網路模組、混合模型模組、精密模型模組與 資料探勘模組之至少其中一項。 17. 如申請專利範圍第15項之系統,其中該媒介層模組包 10 括一過濾模組,以用來將該實驗資料過濾。 18. 如申請專利範圍第17項之系統,其中該過濾模組係可 操作來再評估該實驗資料。 19. 如申請專利範圍第17項之系統,其中該過濾模組係可 操作來進行將該實驗資料加權與事先選定之至少其中 15 一項。 20. 如申請專利範圍第15項之系統,其中該最佳化工具包 括至少一核心模組與用來選定新測試點的一模組。 21. 如申請專利範圍第20項之系統,其中該媒介層模組係 可操作來影響選定新測試點用的模組。 20 22.如申請專利範圍第20項之系統,其中該媒介層模組係 可操作來影響該核心模組。 -22 - 本紙張尺度適用中國國家標準(CNS)A4規格(210 X 297公釐)
    經濟部智慧財產局員工消費合作社印製
TW092108486A 2002-04-15 2003-04-14 Method and computer system for designing experiments TWI266207B (en)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE10216558A DE10216558A1 (de) 2002-04-15 2002-04-15 Verfahren und Computersystem zur Planung von Versuchen

Publications (2)

Publication Number Publication Date
TW200402636A TW200402636A (en) 2004-02-16
TWI266207B true TWI266207B (en) 2006-11-11

Family

ID=28685059

Family Applications (1)

Application Number Title Priority Date Filing Date
TW092108486A TWI266207B (en) 2002-04-15 2003-04-14 Method and computer system for designing experiments

Country Status (13)

Country Link
US (1) US7424465B2 (zh)
EP (1) EP1499930B1 (zh)
JP (1) JP2005522765A (zh)
CN (1) CN1662858A (zh)
AT (1) ATE501470T1 (zh)
AU (1) AU2003221546A1 (zh)
CA (1) CA2482413A1 (zh)
DE (2) DE10216558A1 (zh)
IL (1) IL164596A0 (zh)
NZ (1) NZ535876A (zh)
PL (1) PL372974A1 (zh)
TW (1) TWI266207B (zh)
WO (1) WO2003087957A2 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004010808A1 (de) * 2004-03-05 2005-09-22 Bayer Technology Services Gmbh Verfahren zur Durchführung von Hochdurchsatzexperimenten
US7133735B2 (en) * 2005-01-27 2006-11-07 Taiwan Semiconductor Manufacturing Co., Ltd Experiment management system and method thereof in semiconductor manufacturing environment
AT9965U3 (de) * 2008-02-07 2009-01-15 Avl List Gmbh Verfahren zur vermessung eines nichtlinearen dynamischen realen systems
EP2297680A4 (en) * 2008-05-01 2013-06-19 Icosystem Corp METHODS AND SYSTEMS FOR DESIGNING SELECTION EXPERIENCES AND DEDUCTION OF HUMAN DECISION-MAKING HEURISTICS
US20090307636A1 (en) * 2008-06-05 2009-12-10 International Business Machines Corporation Solution efficiency of genetic algorithm applications
WO2011100990A1 (de) * 2010-02-17 2011-08-25 Hauni Maschinenbau Ag Vorrichtung zur tabakaufbereitung in der tabak verarbeitenden industrie, und verfahren zum betrieb einer vorrichtung
JP6133789B2 (ja) * 2011-02-14 2017-05-24 カーネギー メロン ユニバーシティ 対象物に対する化合物の効果を予測するための機械学習に基づく方法、機械可読媒体及び電子システム
US11449791B2 (en) * 2018-11-16 2022-09-20 Cognizant Technology Solutions India Pvt. Ltd. System and method for monitoring lab processes and predicting their outcomes
US11086954B1 (en) 2020-07-09 2021-08-10 Bank Of America Corporation Method and system for data testing

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5253331A (en) * 1991-07-03 1993-10-12 General Motors Corporation Expert system for statistical design of experiments
US5621665A (en) 1992-12-15 1997-04-15 International Business Machines Corporation Selecting levels for factors for industrial process experiments
BE1009406A3 (fr) * 1995-06-09 1997-03-04 Solvay Methode de regulation de procedes de synthese de produits chimiques.
US6044212A (en) * 1996-05-24 2000-03-28 Advanced Life Sciences, Inc. Use of automated technology in chemical process research and development
US6175816B1 (en) * 1997-05-23 2001-01-16 Advanced Life Sciences, Inc. Use of automated technology in chemical process research and development
US6144885A (en) * 1997-06-03 2000-11-07 Scarrah; Warren P. Method for the interactive improvement of manufacturing processes
US6009379A (en) 1997-06-11 1999-12-28 International Business Machines Corporation Method for controlling manufacturing processes via efficient experimental
ES2229377T3 (es) * 1997-08-08 2005-04-16 Bridgestone Corporation Procedimiento para el diseño de neumaticos, analizador de optimizacion y medios de almacenamiento en los que se registra el programa de analisis de optimizacion.
DE19843242A1 (de) 1998-09-11 2000-03-23 Inst Angewandte Chemie Berlin Verfahren zur Herstellung aktiver und/oder selektiver Feststoff-Katalysatoren aus anorganischen oder metallorganischen Feststoffen oder Gemischen davon
CA2361151A1 (en) 1999-01-25 2000-07-27 Combimatrix Corporation Method for combinatorial materials development
US6604092B1 (en) 1999-02-26 2003-08-05 Lisa E. Stewart Expert system utilizing a knowledge base and design of experiment (DOE) techniques
US6728641B1 (en) * 2000-01-21 2004-04-27 General Electric Company Method and system for selecting a best case set of factors for a chemical reaction
US6983233B1 (en) * 2000-04-19 2006-01-03 Symyx Technologies, Inc. Combinatorial parameter space experiment design
US6516313B1 (en) * 2000-06-27 2003-02-04 Mitsubishi Electric Research Laboratories, Inc. Method for dynamic constraint handling in vertex based optimization of a continuous complex system
US6763276B1 (en) * 2000-06-27 2004-07-13 Mitsubishi Electric Research Laboratories, Inc. Method for optimizing a continuous complex system using a set of vertices and dynamic hierarchical constraints
US6826487B1 (en) * 2000-10-25 2004-11-30 General Electric Company Method for defining an experimental space and method and system for conducting combinatorial high throughput screening of mixtures
US6996550B2 (en) * 2000-12-15 2006-02-07 Symyx Technologies, Inc. Methods and apparatus for preparing high-dimensional combinatorial experiments
US6684161B2 (en) * 2001-07-11 2004-01-27 General Electric Company Combinatorial experiment design method and system

Also Published As

Publication number Publication date
PL372974A1 (en) 2005-08-08
AU2003221546A1 (en) 2003-10-27
EP1499930A2 (de) 2005-01-26
TW200402636A (en) 2004-02-16
CN1662858A (zh) 2005-08-31
CA2482413A1 (en) 2003-10-23
DE50313529D1 (de) 2011-04-21
IL164596A0 (en) 2005-12-18
WO2003087957A3 (de) 2004-01-08
DE10216558A1 (de) 2003-10-30
JP2005522765A (ja) 2005-07-28
EP1499930B1 (de) 2011-03-09
NZ535876A (en) 2006-06-30
US20050197986A1 (en) 2005-09-08
ATE501470T1 (de) 2011-03-15
WO2003087957A2 (de) 2003-10-23
US7424465B2 (en) 2008-09-09

Similar Documents

Publication Publication Date Title
Zolpakar et al. Application of multi-objective genetic algorithm (MOGA) optimization in machining processes
Tiwari et al. Solving machine loading problems in a flexible manufacturing system using a genetic algorithm based heuristic approach
Al-Hinai et al. An efficient hybridized genetic algorithm architecture for the flexible job shop scheduling problem
TWI266207B (en) Method and computer system for designing experiments
Kim et al. Recognition of machining features for cast then machined parts
Ponnambalam et al. A GA-SA multiobjective hybrid search algorithm for integrating lot sizing and sequencing in flow-line scheduling
EP1465035A2 (en) Constrained system identification for incorporation of a priori knowledge
Markham et al. Kanban setting through artificial intelligence: A comparative study of artificial neural networks and decision trees
Wibig Dynamic programming and genetic algorithm for business processes optimisation
Noori-Darvish et al. Minimizing the total tardiness and makespan in an open shop scheduling problem with sequence-dependent setup times
Lin et al. A two-stage approach for structural topology optimization
Kethley et al. Single machine scheduling to minimize total weighted late work: a comparison of scheduling rules and search algorithms
Cui et al. A heuristic for the one-dimensional cutting stock problem with pattern reduction
Ye et al. Simultaneous modular product scheduling and manufacturing cell reconfiguration using a genetic algorithm
Tian et al. A genetic algorithm with critical path-based variable neighborhood search for distributed assembly job shop scheduling problem
Mallikarjuna et al. A new meta-heuristics for optimum design of loop layout in flexible manufacturing system with integrated scheduling
JP2006048429A (ja) 解析エンジン交換型システム及びデータ解析プログラム
Qiu et al. A genetic algorithm-based approach to flexible job-shop scheduling problem
Bernardo et al. An interactive procedure for bi-criteria production scheduling
Mattson et al. Concept selection in n-dimension using s-Pareto frontiers and visualization
Bottura et al. Rule-based decision-making unit for eigenstructure assignment via parallel genetic algorithm and LQR designs
Caccia et al. Genetic algorithm for disassembly strategy definition
Gaafar et al. Fixed-quantity dynamic lot sizing using simulated annealing
Besseris Prioritised multi‐response product screening using fractional factorial designs and order statistics
Becker et al. Automated analysis method for high throughput nanoindentation data with quantitative uncertainty

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees