DE102004025876B4 - Vorrichtung und Verfahren zur Stapeleigenschaftsschätzung - Google Patents

Vorrichtung und Verfahren zur Stapeleigenschaftsschätzung Download PDF

Info

Publication number
DE102004025876B4
DE102004025876B4 DE102004025876.7A DE102004025876A DE102004025876B4 DE 102004025876 B4 DE102004025876 B4 DE 102004025876B4 DE 102004025876 A DE102004025876 A DE 102004025876A DE 102004025876 B4 DE102004025876 B4 DE 102004025876B4
Authority
DE
Germany
Prior art keywords
batch process
property
model
estimate
time
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
Application number
DE102004025876.7A
Other languages
English (en)
Other versions
DE102004025876A1 (de
Inventor
Terrence L. Blevins
Ashish Metha
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fisher Rosemount Systems Inc
Original Assignee
Fisher Rosemount Systems Inc
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 Fisher Rosemount Systems Inc filed Critical Fisher Rosemount Systems Inc
Publication of DE102004025876A1 publication Critical patent/DE102004025876A1/de
Application granted granted Critical
Publication of DE102004025876B4 publication Critical patent/DE102004025876B4/de
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B13/0265Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric

Abstract

Verfahren zum Schätzen einer Eigenschaft eines aktuellen Stapelprozesses, wobei das Verfahren umfasst: unter Verwendung eines nicht parametrischen Modells Reaktionsratenschätzungen zu bestimmen, die mit dem aktuellen Stapelprozess zusammenhängen; eine Schätzung einer Eigenschaft des aktuellen Stapelprozesses zu einem bestimmten Zeitpunkt basierend auf den Reaktionsratenschätzungen zu bestimmen; und einen Unterschied zwischen der Schätzung der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt und einer Eigenschaft eines Modellstapelprozesses zu einem Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, zu bestimmen, wobei der Modellstapelprozess auf mindestens einem vorhergegangenen Stapelprozess basiert.

Description

  • GEBIET DER ERFINDUNG
  • Die vorliegende Erfindung bezieht sich allgemein auf Prozesssteuerungssysteme, und im Spezielleren darauf, Schätzungen und/oder Vorhersagen zu bestimmen, die sich auf eine Eigenschaft eines Stapelprozesses beziehen.
  • HINTERGRUND
  • Prozesse können im Allgemeinen in drei Kategorien eingeteilt werden: kontinuierliche, halbkontinuierliche oder diskontinuierliche Prozesse, die auch Stapelverarbeitungs- oder Batch-Prozesse genannt werden. Ein kontinuierlicher Prozess ist ein Prozess, der mit Rohmaterialien oder Zufuhrelementen mit einer kontinuierlichen Geschwindigkeit arbeitet, um einen kontinuierlichen Produktfluss mit einem Ausstoß herzustellen. Beispiele für kontinuierliche Prozesse umfassen Erdölraffinerieprozesse, Prozesse zur Herstellung von Vitamin C und bestimmte Herstellungsprozesse für chemische Handelsartikel. Die Werte von Prozessvariablen wie Temperatur, Druck, Durchflussgeschwindigkeit, etc. bleiben in einem kontinuierlichen Prozess über die Zeit typischerweise an jeder Stelle gleich.
  • Ein diskontinuierlicher oder Stapelprozess ist ein Prozess, der mit einer begrenzten Menge von Rohmaterialien oder Zufuhrelementen als Gruppe arbeitet und diese Zufuhrelemente über die Zeit zwangsweise eine Reihe von Prozessschritten durchlaufen lässt, um beim Abschluss der Prozessschritte ein Ausgabeprodukt zu erzeugen. Für gewöhnlich werden dem Stapelprozess während des Ablaufs der Prozessschritte keine neuen Zufuhrelemente mehr hinzugefügt. Beispiele von Stapelprozessen umfassen die Bierherstellung, die Herstellung einiger pharmazeutischer Medikamente und die Herstellung vieler spezieller Chemikalien. Die Werte von Prozessvariablen wie Temperatur, Druck, Durchflussgeschwindigkeit, etc. verändern sich typischerweise mit der Zeit an einer oder mehreren Stellen in einem Stapelprozess.
  • Ein halbkontinuierlicher Prozess ist ein kontinuierlicher Prozess mit darin enthaltenen Stapelprozesskomponenten. Typischerweise arbeitet ein halbkontinuierlicher Prozess mit einer kontinuierlichen Zufuhr von Rohmaterialien, um einen kontinuierlichen Fluss eines Ausgabeprodukts herzustellen, weist aber beispielsweise eine Gruppe von Mischvorrichtungen auf, die eine begrenzte Menge der zu verarbeitenden Materialien irgendwo im Prozess eine begrenzte Zeit lang mischen.
  • Im Hinblick auf Stapelprozesse (und Stapelprozesskomponenten halbkontinuierlicher Prozesse) kann es nützlich sein, einen zukünftigen Zustand eines Stapelprozesse basierend auf vergangenen oder aktuellen Werten von Prozessvariablen, wie Temperatur und Druck, zu schätzen. Beispielsweise kann eine Prozesszustands- und Variablenschätzung einen Benutzer in die Lage versetzen, zu bestimmen, ob der endgültige Ausstoß eines bestimmten Stapelprozesses akzeptabel sein wird. Wird geschätzt, dass der endgültige Produktausstoß unterhalb annehmbarer Standards sein wird, kann der Stapelprozess zum Beispiel sofort abgebrochen werden. Alternativ kann der Stapelprozess über die erwartete Zeit hinaus, die für den Stapelprozess erforderlich ist, verlängert werden, so dass der Produktausstoß akzeptabel sein wird.
  • Es ist jedoch oft sehr schwierig, zeitraubend und/oder aufwändig, einen zukünftigen Zustand eines Stapelprozesses einzuschätzen. So kann in einem typischen Lösungsweg ein Stapelprozessbediener Prozessbedingungen eines erfolgreichen Stapelprozesses aufzeichnen. Der Bediener kann dann in nachfolgenden Stapelprozessen versuchen, die Stapelprozessbedingungen nahe an denjenigen des bekannten erfolgreichen Stapelprozesses zu halten. Bei diesem Lösungsweg wird davon ausgegangen, dass der endgültige Stapelprozesszustand nahe an demjenigen des bekannten erfolgreichen Stapelprozesses sein sollte, wenn die Stapelprozessbedingungen nahe an denjenigen des bekannten erfolgreichen Stapelprozesses gehalten werden. Es können aber andere, nicht gemessene Bedingungen oder Bedingungen, die nicht genau gesteuert werden können, den endgültigen Stapelprozesszustand beeinflussen. Deshalb kann, selbst wenn viele Stapelprozessbedingungen genau eingehalten werden, das Endergebnis des Stapelprozesses von demjenigen des bekannten erfolgreichen Stapelprozesses abweichen.
  • Bei einem anderen typischen Lösungsweg kann eine mathematische Gleichung (d. h. ein parametrisches Modell) entwickelt werden, um eine Reaktionsrate eines Prozesses abzuschätzen, wobei die Gleichung eine Funktion gemessener Prozessbedingungen ist. Die Gleichung kann dann integriert werden, um eine Schätzung des aktuellen Zustands des Stapelprozesses zu erzeugen. Die Entwicklung einer solchen Gleichung, die viele Prozessbedingungen berücksichtigt, ist jedoch für gewöhnlich extrem schwierig. Deshalb wird die entwickelte Gleichung vereinfacht, indem verschiedene Annahmen gemacht werden, was zu einer Gleichung führt, die nur eine grobe Annäherung an die Reaktionsrate liefert. Dementsprechend liefert jede Schätzung des aktuellen Zustands des Stapelprozesses, die auf einer solchen Gleichung beruht, nur eine grobe Annäherung an den aktuellen Zustand des Stapelprozesses.
  • Aus DE 197 27 795 C1 ist bekannt, dass ein erstes neuronales Netz (NN1) statische Parameter empfängt, die die anfänglichen (statischen) Prozessvariablen zu Beginn eines aktuellen Stapelprozesses wiedergeben, wie z. B. SO2 Säuremenge, Wasserlöslichkeit, Temperatur, PH-Wert und Helligkeit. NN1 bestimmt eine von Variablen abhängige Differentialgleichung mit einer bekannten Lösung (K1 und w) aus einem Satz von Variablen abhängigen Differentialgleichungen. Ein zweites neuronales Netz (NN2) empfängt dynamische Parameter, die die gemessenen Werte während des Betriebsverlaufs des derzeitig laufenden Stapelprozesses, wie z. B. Temperatur, PH-Wert und Helligkeit, repräsentieren. NN2 verwendet die dynamischen Parameter entlang mit der von NN1 ausgewählten, Parameter-abhängigen Differentialgleichung, um eine Lösung (K2 und w1) dynamisch zu bestimmen. Ein Prozesssteuermittel verwendet die Lösungen (K1 und w) und (K2 und w1), um den derzeitig laufenden Stapelprozess zu kontrollieren.
  • JP 06 055062 A beschreibt die Berechnung eines Parameters, wobei die Summe der Quadrate der Abweichung zwischen einem gemessenen Wert und einem geschätzten Wert einer Konzentration von jeder Komponente in einem komplizierten Reaktionssystem, worin zwei oder mehr chemische Reaktionen gleichzeitig stattfinden, minimiert wird.
  • Die Veröffentlichung „A Multilayered Neural Network Controller”, IEEE Control Systems Magazine, April 1988, Seiten 17–21, offenbart ein neuronales Netzwerk zum Steuern eines Stapelprozesses, wobei ein Fehler beim Vergleichen des Ergebnisses einer Schätzung des neuronalen Netzwerks mit aktuell gemessenen Werten des laufenden Stapelprozesses bestimmt wird.
  • ZUSAMMENFASSUNG
  • Die Ausführungsformen nach der vorliegenden Erfindung stellen Verfahren und eine Vorrichtung zum Aufstellen einer Schätzung einer Eigenschaft eines Stapelprozesses bereit. Allgemein ausgedrückt, stellt ein nicht parametrisches Modell mehrere Reaktionsratenschätzungen auf, die mit dem Stapelprozess zusammenhängen. Jede Reaktionsratenschätzung kann beispielsweise einem bestimmten Zeitpunkt während des Stapelprozesses entsprechen. Die mehreren Reaktionsratenschätzungen können integriert werden, um eine Schätzung einer Eigenschaft des Stapelprozesses zu einem bestimmten Zeitpunkt aufzustellen.
  • In weiteren Ausführungsformen werden Techniken zur Schulung des nicht parametrischen Modells bereitgestellt. Allgemein ausgedrückt, stellt das nicht parametrische Modell eine Schätzung der Eigenschaft am Endzeitpunkt eines Stapels auf. Diese Schätzung kann mit einem Messwert der aktuellen Eigenschaft des Stapels am Endzeitpunkt verglichen werden. Die Abweichung zwischen der Schätzung und dem Messwert kann verwendet werden, um das nicht parametrische Modell einzustellen. Das nicht parametrische Modell kann entsprechend dazu verwendet werden, mehrere Zeitpunkte einzustellen, indem Daten aus mehreren Stapelprozessen verwendet werden.
  • In noch weiteren Ausführungsformen können zusätzliche Daten basierend auf den mehreren, vom nicht parametrischen Modell aufgestellten Reaktionsratenschätzungen generiert werden. Beispielsweise kann eine Schätzung eines Unterschieds zwischen der Eigenschaft des Stapelprozesses zu einem bestimmten Zeitpunkt und einer Eigenschaft eines Modellstapelprozesses zu einem entsprechenden Zeitpunkt aufgestellt werden. Diese Schätzung kann dazu hergenommen werden, zusätzliche Daten zu generieren. Zum Beispiel kann eine Vorhersage der Eigenschaft zu einem erwarteten Endzeitpunkt bestimmt werden. Als weiteres Beispiel kann eine Schätzung der Zeit bestimmt werden, die noch verbleibt, bis die Eigenschaft einen gewünschten Wert erreicht.
  • KURZE BESCHREIBUNG DER ZEICHNUNGEN
  • Die Merkmale und Vorteile der hier beschriebenen Beispiele werden am besten mit Bezug auf die folgende ausführliche Beschreibung und die beigefügten Zeichnungen deutlich:
  • 1 ist ein Blockschema einer beispielhaften Prozessanlage;
  • 2 ist ein Blockschema eines beispielhaften Rechners, der in 1 schematisch dargestellt ist;
  • 3 ist ein Blockschema eines beispielhaften Arbeitsplatzrechners, der in 1 schematisch dargestellt ist;
  • 4 ist ein Blockschema, das ein Beispiel eines Informationsflusses in einem System wie der Prozessanlage von 1 darstellt;
  • 5 ist ein Ablaufschema einer Ausführungsform eines Verfahrens zum Aufstellen einer Schätzung einer Eigenschaft eines Stapelprozesses;
  • 6 ist ein Blockschema einer Ausführungsform einer Stapeleigenschaftsschätzeinrichtung;
  • 7 ist ein Ablaufschema einer Ausführungsform eines Verfahrens zum Anlernen der Stapeleigenschaftsschätzeinrichtung von 6;
  • 8 ist ein Blockschema einer weiteren Ausführungsform einer Stapeleigenschaftsschätzeinrichtung;
  • 9 ist ein Ablaufdiagramm einer Ausführungsform eines Verfahrens zum Aufstellen einer Vorhersage einer Eigenschaft eines Stapelprozesses zu einem Endzeitpunkt;
  • 10 ist ein Ablaufschema einer Ausführungsform eines Verfahrens zum Aufstellen einer Schätzung der Zeit, die noch verbleibt, bis eine Eigenschaft eines Stapelprozesses einen gewünschten Wert erreicht;
  • 11 ist ein Blockschema noch einer weiteren Ausführungsform einer Stapeleigenschaftsschätzeinrichtung;
  • 12 ist ein Ablaufschema einer weiteren Ausführungsform eines Verfahrens zum Aufstellen einer Vorhersage einer Eigenschaft eines Stapelprozesses an einem Endzeitpunkt;
  • 13 ist eine Ablaufschema einer weiteren Ausführungsform eines Verfahrens zum Aufstellen einer Schätzung der Zeit, die noch verbleibt, bis eine Eigenschaft eines Stapelprozesses einen gewünschten Wert erreicht;
  • 14 ist ein Blockschema noch einer weiteren Ausführungsform einer Stapeleigenschaftsschätzeinrichtung; und
  • 15 ist ein Ablaufschema einer Ausführungsform eines Verfahrens zum Herstellen der Verstärkungseinstellung von 14.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Systemübersicht
  • 1 ist ein Blockschema einer beispielhaften Prozessanlage 10. Die Prozessanlage 10 umfasst einen oder mehrere Knoten 12, 14, 16, 18 und 20. In der beispielhaften Prozessanlage 10 von 1 umfasst jeder der Knoten 12, 14 und 16 einen Prozessrechner 12a, 14a, 16a, die an ein oder mehrere Feldgerät/e 22 und 23 über Eingabe-/Ausgabegeräte (E/A-Geräte) 24 angeschlossen sind, bei denen es sich beispielsweise um Foundation Fieldbus-Schnittstellen, HART-Schnittstellen, etc. handeln kann. Die Rechner 12a, 14a und 16a sind auch mit einem oder mehreren Host- oder Bedienerarbeitsplatzrechnern 18a und 20a in den Knoten 18 und 20 über ein Netz 30 verbunden, das beispielsweise einen Bus oder mehrere Busse, ein verdrahtetes lokales Datennetz (LAN) wie ein Ethernet-LAN, ein drahtloses LAN, ein überregionales Datennetz (WAN), ein Intranet, etc. umfassen kann. Während die Rechnerknoten 12, 14, 16 und die damit verbundenen E/A- und Feldgeräte 22, 23 und 24 typischerweise in der manchmal rauen Anlagenumgebung angeordnet und über diese verteilt sind, befinden sich die Bedienerarbeitsplatzrechnerknoten 18 und 20 für gewöhnlich in Steuerwarten oder weniger rauen Umgebungen, die für das für den Rechner zuständige Personal leicht zugänglich sind.
  • Allgemein ausgedrückt, können die Arbeitsplatzrechner 18a und 20a der Knoten 18 und 20 dazu verwendet werden, Anwendungen zu speichern und auszuführen, die dazu eingesetzt werden, die Prozessanlage 10 zu konfigurieren und überwachen und/oder die Geräte 22, 23, 24 und Rechner 12a, 14a, 16a in der Prozessanlage 10 zu verwalten. Darüber hinaus kann eine Datenbank 32 an das Netz 30 angeschlossen sein und als Aufzeichnungsort vergangener Daten und/oder Konfigurationsdatenbank wirken, die die aktuelle Konfiguration der Prozessanlage 10 speichert, wie sie auf die Knoten 12, 14, 16, 18 und 20 heruntergeladen wurde und/oder darin gespeichert ist.
  • Jeder der Rechner 12a, 14a und 16a, bei denen es sich beispielsweise um den von Emerson Process Management vertriebenen Rechner DeltaVTM handeln kann, kann eine Rechneranwendung speichern und ausführen, die eine Steuerstrategie unter Verwendung einer Anzahl unterschiedlicher, unabhängig ausgeführter Steuermodule oder -blöcke implementiert. Die Steuermodule können jeweils aus dem bestehen, was gemeinhin als Funktionsblöcke bezeichnet wird, wobei jeder Funktionsblock Teil eines Unterprogramms eines Gesamtsteuerprogramms ist und mit anderen Funktionsblöcken (über Verbindungen, die „Links” genannt werden) zusammenarbeitet, um Prozessregelschleifen innerhalb der Prozessanlage 10 zu implementieren. Wie hinlänglich bekannt ist, erfüllen Funktionsblöcke typischerweise eine Eingabefunktion (wie diejenige, die mit einem Sender, einem Sensor oder anderen Prozessparametermessgeräten zusammenhängt), oder eine Steuerfunktion (wie diejenige, die mit einem Steuerprogramm zusammenhängt, das PID-, Fuzzy Logic-Steuerung, etc. durchführt), oder eine Ausgabefunktion, welche den Betrieb irgendeines Geräts (wie eines Ventils) steuert, um eine gewisse physikalische Funktion innerhalb der Prozessanlage 10 zu erfüllen. Natürlich gibt es auch hybride und andere Arten von Funktionsblöcken, die verwendet werden können. Während das Fieldbus-Protokoll und das Systemprotokoll des DeltaVTM Steuermodule und Funktionsblöcke verwenden können, die in einem objektorientierten Programmierprotokoll entworfen und implementiert sind, könnten die Steuermodule auch so ausgelegt sein, dass sie irgendein beliebiges Steuerprogrammierschema verwenden, einschließlich zum Beispiel einen Sequenzfunktionsblock, Kettenlogik, und sie sind nicht darauf beschränkt, so ausgelegt zu sein, dass sie einen Funktionsblock oder irgendeine andere bestimmte Programmiertechnik verwenden. Typischerweise ist die Konfiguration der Steuermodule, wie sie in den Prozesssteuerungsknoten 12, 14 und 16 gespeichert ist, in der Konfigurationsdatenbank 32 gespeichert, auf die Anwendungen zugreifen können, die von den Arbeitsplatzrechnern 18a und 20a ausgeführt werden.
  • In dem in 1 dargestellten System können die Feldgeräte 22 und 23, die mit den Rechnern 12a, 14a und 16a verbunden sind, standardmäßige 4–20 ma-Geräte sein, oder können intelligente Feldgeräte sein wie HART-, Profibus- oder Foundation Fieldbus-Feldgeräte, welche einen Prozessor und einen Speicher umfassen. Einige dieser Geräte wie etwa die Foundation Fieldbus-Feldgeräte (in 1 mit Bezugszahl 23 bezeichnet) können Module oder Teilmodule wie Funktionsblöcke, die mit der in den Rechnern 12a, 14a und 16a implementierten Steuerstrategie zusammenhängen, speichern und ausführen. Selbstverständlich kann es sich bei den Feldgeräten 22, 23 auch um irgendwelche andere Arten von Geräten wie Sensoren, Ventile, Sender, Stellglieder, etc. handeln, und bei den E/A-Geräten 24 um irgendeine Art von E/A-Geräten, die irgendeinem beliebigen Kommunikations- oder Rechnerprotokoll wie HART, Foundation Fieldbus, Profibus, etc. entspricht.
  • Die Rechner 12a, 14a und 16a umfassen jeweils einen Prozessor, der ein oder mehrere Prozesssteuerungsprogramme, die in einem Speicher hinterlegt sind, implementiert und überwacht, welche darin gespeicherte oder anderweitig damit zusammenhängende Regelschleifen umfassen können. Die Rechner 12a, 14a und 16a kommunizieren mit den Feldgeräten 22, 23, den Arbeitsplatzrechnern 18a, 20a und der Datenbank 32, um einen Prozess auf irgendeine gewünschte Weise zu steuern. Die Rechner 12a, 14a, 16a können jeweils so konfiguriert sein, dass sie auf irgendeine gewünschte Weise eine Steuerstrategie oder -routine implementieren.
  • In einer Ausführungsform implementieren die Rechner 12a, 14a und 16a etwas, was gemeinhin als Funktionsblöcke bezeichnet wird, wobei jeder Funktionsblock ein Teil (ein Unterprogramm) eines Gesamtsteuerprogramms ist, und arbeitet mit anderen Funktionsblöcken (über Verbindungen, die „Links” genannt werden) zusammen, um Prozessregelschleifen innerhalb der Prozessanlage 10 zu implementieren. Funktionsblöcke erfüllen typischerweise eine Eingabefunktion, wie diejenige, die mit einem Sender, einem Sensor oder einem anderen Prozessparametermessgerät zusammenhängt, oder eine Steuerfunktion, wie diejenige, die mit einem Steuerprogramm zusammenhängt, das eine PID-, Fuzzy Logic-Steuerung, etc durchführt, oder eine Ausgabefunktion, welche den Betrieb irgendeines Geräts wie eines Ventils steuert, um eine gewisse physikalische Funktion innerhalb der Prozessanlage 10 zu erfüllen. Natürlich gibt es auch hybride und andere Arten von Funktionsblöcken. Die Funktionsblöcke können beispielsweise im Rechner 12a gespeichert sein und von diesem ausgeführt werden, was typischerweise der Fall ist, wenn diese Funktionsblöcke für standardmäßige 4–20 ma-Geräte und einige Arten von intelligenten Feldgeräten verwendet oder diesen zugeordnet werden, oder können in den Feldgeräten selbst gespeichert und von diesen implementiert werden, was mit Fieldbus-Geräten der Fall sein kann.
  • 2 ist ein Blockschema eines beispielhaften Rechners 12a (die Rechner 14a und 16a können dasselbe oder ein ähnliches Gerät umfassen). Der Rechner 12a kann mindestens einen Prozessor 40, einen flüchtigen Speicher 44 und einen nichtflüchtigen Speicher 48 umfassen. Der flüchtige Speicher 44 kann beispielsweise einen Direktzugriffsspeicher (RAM) umfassen. In einigen Ausführungsformen kann der RAM durch eine oder mehrere Batterie/n gesichert sein, so dass im Falle eines Stromausfalls keine Daten verloren gehen. Der nichtflüchtige Speicher 48 kann beispielsweise eine oder mehrere Festplatte/n, oder Festwertspeicher (ROM), CD-Platten-ROM (CD-ROM), einen löschbaren programmierbaren ROM (EPROM), einen elektrisch löschbaren programmierbaren ROM (EEPROM), eine digitale versatile Platte (DVD) oder einen Flash-Speicher, etc. umfassen. Der Rechner 12a kann auch ein Rechner-Eingabe-/Ausgabegerät (Rechner-E/A-Gerät) 52 umfassen. Der Prozessor 40, der flüchtige Speicher 44, der nichtflüchtige Speicher 48 und das Rechner-E/A-Gerät 52 können über einen Adressen-/Datenbus 56 miteinander verbunden sein. In manchen Ausführungsformen kann/können der flüchtige Speicher 44, der nichtflüchtige Speicher 48 und/oder das Rechner-E/A-Gerät 52 mit dem Prozessor 40 über einen vom Adressen-/Datenbus 56 (nicht gezeigt) separaten Bus oder direkt mit dem Prozessor 40 verbunden sein.
  • Der Rechner 12a kann auch einen bidirektionalen Puffer 60 umfassen, der über einen bidirektionalen Bus 64 mit dem Prozessor 40 verbunden ist. Der Puffer 60 kann über einen bidirektionalen Bus 68 an mehrere E/A-Schaltungen 24 (1) angeschlossen sein. Der Rechner 12a ist über das Rechner-E/A-Gerät 52 an das Netz 30 angeschlossen.
  • Eine Bedieneroberflächenanwendung, die mit einem Steuerknoten 12, 14, 16 zusammenhängt, kann in einem oder mehreren der Arbeitsplatzrechner 18a gespeichert sein und von diesen ausgeführt werden. 3 ist ein Blockschema eines beispielhaften Arbeitsplatzrechners 18a (der Arbeitsplatzrechner 20a kann dasselbe oder ein ähnliches Gerät umfassen). Der Arbeitsplatzrechner 18a kann mindestens einen Prozessor 70, einen flüchtigen Speicher 74 und einen nichtflüchtigen Speicher 78 umfassen. Der nichtflüchtige Speicher 74 kann zum Beispiel einen RAM umfassen. In einigen Ausführungsformen kann der RAM durch eine oder mehrere Batterie/n gesichert sein, so dass im Falle eines Stromausfalls keine Daten verloren gehen. Der nichtflüchtige Speicher 78 kann beispielsweise eine oder mehrere Festplatte/n, oder Festwertspeicher (ROM), CD-Platten-ROM (CD-ROM), einen löschbaren programmierbaren ROM (EPROM), einen elektrisch löschbaren programmierbaren ROM (EEPROM), eine digitale versatile Platte (DVD) oder einen Flash-Speicher, etc. umfassen. Der Arbeitsplatzrechner 18a kann auch ein Arbeitsplatzrechner-Eingabe-/Ausgabegerät (Rechner-E/A-Gerät) 82 umfassen. Der Prozessor 70, der flüchtige Speicher 74, der nichtflüchtige Speicher 78 und das Arbeitsplatzrechner-E/A-Gerät 82 können über einen Adressen-/Datenbus 86 miteinander verbunden sein. Der Arbeitsplatzrechner 18a kann auch mindestens ein Display 90 und mindestens ein Benutzereingabegerät 94 umfassen. Das Benutzereingabegerät 94 kann zum Beispiel eine Tastatur, eine Kleintastatur, eine Maus etc. umfassen. In manchen Ausführungsformen kann der flüchtige Speicher 74, der nichtflüchtige Speicher 78 und/oder das Arbeitsplatzrechner-E/A-Gerät 82 mit dem Prozessor 70 über einen vom Adressen-/Datenbus 86 (nicht gezeigt) separaten Bus oder direkt mit dem Prozessor 70 verbunden sein.
  • Das Display 90 und das Benutzereingabegerät 94 sind mit dem Arbeitsplatzrechner-E/A-Gerät 82 verbunden. Zusätzlich ist der Arbeitsplatzrechner 18a über das Arbeitsplatzrechner-E/A-Gerät 82 mit dem Netz 30 verbunden. Obwohl das Arbeitsplatzrechner-E/A-Gerät 82 in 3 als ein Gerät dargestellt ist, kann es auch mehrere Geräte umfassen. Zusätzlich können in manchen Ausführungsformen das Display 90 und/oder das Benutzereingabegerät 94 direkt mit dem Adressen-/Datenbus 86 oder dem Prozessor 70 verbunden sein.
  • Übersicht über das Stapeleigenschaftsschätzverfahren
  • 4 ist ein Blockschema, das den Informationsfluss darstellt, der mit der Schätzung einer aktuellen Eigenschaft eines Stapelprozesses zusammenhängt. Daten, die mit einem Stapelprozess 104 zusammenhängen, können einer Stapeleigenschaftsschätzeinrichtung 108 zugespielt werden. Die Stapelprozessdaten können zum Beispiel Stapeldaten umfassen wie Zeitpunkt oder Angabe des Beginns des Stapelprozesses, Ausgangsbedingungen wie Größe eines Behälters, in dem der Stapelprozess stattfindet, Ausgangsmengen von Zutaten und/oder Reaktionsbeschleunigern, etc., Messbedingungen wie Temperatur, Druck, etc., die seit dem Beginn des Stapelprozesses verstrichene Zeit, etc. Basierend auf den Stapelprozessdaten stellt die Stapeleigenschaftsschätzeinrichtung 108 eine Schätzung einer aktuellen Eigenschaft des Stapelprozesses auf. Die Stapeleigenschaftsschätzeinrichtung 108 kann dann die Schätzung an eine Benutzeroberfläche 112 schicken, um sie einem Benutzer zu präsentieren.
  • Als veranschaulichendes Beispiel werden in einem typischen Zellstoffprozess Holzschnitzel „zersetzt”, um das Lignin aufzulösen, das die Holzfasern zusammenhält. Die sich ergebenden „sauberen” Holzfasern können zu einer Myriade auf Papier beruhender Produkte weiterverarbeitet werden. Somit kann in diesem Stapelprozess eine Stapeleigenschaft der Ligninentzug der Holzschnitzel von Interesse sein. Selbstverständlich ist der vorstehend beschriebene Zellstoffzersetzungsprozess nur ein Beispiel eines Stapelprozesses, für den die hier beschriebene/n Verfahren und Vorrichtung zur Schätzung einer Stapeleigenschaft verwendet werden kann. Im Allgemeinen können die Ausführungsformen der hier beschriebenen beanspruchten Verfahren und Vorrichtung verwendet werden, um viele verschieden Stapeleigenschaften in vielen verschiedenen Stapelprozessen zu schätzen.
  • Nunmehr kann mit Bezug auf die 1 und 4 die Stapeleigenschaftsschätzeinrichtung 108 von einem oder mehreren Rechner wie den Rechnern 12a, 14a, 16a und/oder Feldgeräten wie den Feldgeräten 22, 23, die mit dem Rechner verbunden sind, implementiert werden. Beispielsweise kann die Stapeleigenschaftsschätzeinrichtung 108 mehrere Funktionsblöcke umfassen, wobei jeder Funktionsblock von einem Rechner und/oder Feldgerät oder Feldgeräten implementiert werden kann. Die Stapeldaten können der Stapeleigenschaftsschätzeinrichtung 108 beispielsweise über die Feldgeräte 22, 23, die Datenbank 32, die Arbeitsplatzrechner 18a, 20a oder irgendein anderes Gerät bereitgestellt werden. Die von der Stapeleigenschaftsschätzeinrichtung 108 aufgestellte Schätzung kann beispielsweise über das Netz 30 an die Benutzeroberfläche 112 geschickt werden. Die Benutzeroberfläche 112 kann beispielsweise von einem Computer wie den Arbeitsplatzrechnern 18a oder 20a implementiert werden.
  • 5 ist ein Ablaufschema, das allgemein eine Ausführungsform eines Verfahrens zum Aufstellen einer Schätzung darstellt. Das Verfahren 150 kann von der Stapeleigenschaftsschätzeinrichtung 108 bewerkstelligt werden, die mit Bezug auf 4 beschrieben wurde. Bei Block 154 können Daten, die sich auf den Stapelprozess beziehen, empfangen werden. Die Stapelprozessdaten können die mit Bezug auf 4 beschriebenen Daten umfassen (z. B. Zeitpunkt oder Angabe des Beginns des Stapelprozesses, Ausgangsbedingungen, Messbedingungen, die seit dem Beginn des Stapelprozesses verstrichene Zeit, etc.). Bei Block 158 wird eine Schätzung der aktuellen Reaktionsrate aufgestellt, wobei sich die Reaktionsrate auf die Stapeleigenschaft bezieht, die von Interesse ist. Die aktuelle Reaktionsrate wird basierend auf den bei Block 154 empfangenen Daten aufgestellt. Im Allgemeinen können über den gesamten Stapelprozess hinweg aktualisierte Stapelprozessdaten empfangen werden, und die Reaktionsratenschätzung kann während des Stapelprozesses wiederholt durchgeführt werden. Dann werden bei Block 162 die Reaktionsratenschätzungen, die bei Block 158 aufgestellt wurden verwendet, um eine Schätzung der aktuellen Stapeleigenschaft aufzustellen. Wie weiter unten noch ausführlicher beschrieben wird, kann in einer Ausführungsform die aktuelle Stapeleigenschaft zu einem Zeitpunkt T basierend auf einer Integration der Reaktionsratenschätzungen ab dem Stapelbeginnzeitpunkt bis zum Zeitpunkt T aufgestellt werden.
  • Stapeleigenschaftsschätzeinrichtung
  • 6 ist ein Blockschema einer Ausführungsform einer Stapeleigenschaftsschätzeinrichtung. Die Stapeleigenschaftsschätzeinrichtung 200 umfasst ein neuronales Netz 204, das kommunikativ mit einem Integrator 208 verbunden ist. Das neuronale Netz 204 empfängt als Eingänge Stapelprozessdaten, die beispielsweise Ausgangsbedingungsdaten, Messbedingungsdaten, die verstrichene Zeit des Stapelprozesses, etc. enthalten. Das neuronale Netz ist darin geschult, Reaktionsschätzungen aufzustellen, wobei sich die Reaktionsrate auf die Stapeleigenschaft bezieht, die von Interesse ist. Das neuronale Netz 204 stellt die Reaktionsratenschätzungen basierend auf den Daten auf, die es an seinen Eingängen erhalten hat. Die Schulung des neuronale Netzes 204 wird nachstehend beschrieben.
  • Die Reaktionsratenschätzungen, die vom neuronalen Netz 204 aufgestellt wurden, werden dem Integrator 208 bereitgestellt. In einer Ausführungsform kann der Integrator 208 (z. B. ein Akkumulator) durch die Stapelbeginnanzeige rückgesetzt werden. In dieser Ausführungsform akkumuliert der Integrator 208 die Schätzungen der aktuellen Reaktionsrate, die vom neuronalen Netz 204 aufgestellt wurden. Die Stapeleigenschaftsschätzeinrichtung 200 kann darüber hinaus noch eine Verriegelungsschaltung 212 umfassen, die den Ausgang des Integrators 208 und auch eine Angabe des Endes des Stapelprozesses empfängt. Die Anzeige des Stapelprozessendes kann eine Anzeige eines erwarteten Zeitpunkts sein, zu dem der Stapelprozess aufhört. Die Verriegelungsschaltung 212 verriegelt den Wert bei ihrem Eingang im Ansprechen auf die Anzeige des Stapelprozessendes.
  • Im Betrieb stellt das geschulte neuronale Netz 204 eine Reihe von Reaktionsratenschätzungen auf, die dem zeitlichen Ablauf des Stapelprozesses entsprechen, wobei jede aufgestellte Reaktionsratenschätzung einer bestimmten Zeit entspricht, die ab dem Beginn des Stapelprozesses verstrichen ist. Der Integrator 208 integriert die vom neuronalen Netz 204 aufgestellten Schätzungen und stellt eine Reihe aktueller Stapeleigenschaftsschätzungen auf, wobei jede aufgestellte Stapeleigenschaftsschätzung einer bestimmten Zeit entspricht, die ab dem Beginn des Stapelprozesses verstrichen ist. Zu dem erwarteten Zeitpunkt, an dem der Stapelprozess aufhören soll, verriegelt die Verriegelungsschaltung 212 die aktuelle Stapeleigenschaftsschätzung. Somit speichert die Verriegelungsschaltung 212 eine Schätzung der Stapelendeigenschaft. In anderen Ausführungsformen könnte die Schätzung Stapelendeigenschaft in einem Register, einer Speicherstelle, etc. im Ansprechen auf die Anzeige des Stapelprozessendes gespeichert werden.
  • 7 ist ein Ablaufschema einer Ausführungsform eines Verfahrens zur Schulung des neuronalen Netzes 204 von 6. Das Verfahren 250 von 7 wird mit Bezug auf 6 beschrieben. Bei Block 254 werden mehrere Schulungsdatensätze für das neuronale Netz 204 erstellt. Die Schulungsdatensätze können Daten bezüglich aktueller Stapelprozesse enthalten. Beispielsweise kann ein Schulungsdatensatz, der einem aktuellen Stapelprozess entspricht, die Ausgangsbedingungen, erfasste Werte von Messbedingungen während des Stapelprozesses, etc. umfassen, die dem Stapelprozess entsprechen. Im Allgemeinen sollte ein Schulungsdatensatz Stapelprozessdaten enthalten, die dem neuronalen Netz 204 während des Stapelprozesses als Eingaben bereitgestellt werden. Zusätzlich kann der Schulungsdatensatz noch andere Daten enthalten, die der Stapeleigenschaftsschätzeinrichtung 200 während des Stapelprozesses zur Verfügung gestellt werden, wie die Anzeigen des Beginns und des Endes des Stapelprozesses. Darüber hinaus sollte der Schulungsdatensatz einen Messwert der Stapelendeigenschaft für den entsprechenden aktuellen Stapelprozess enthalten.
  • Bei Block 258 werden die Gewichtungen des neuronalen Netzes 204 zu Ausgangswerten initialisiert. Jede einer Anzahl von Verfahrensweisen, einschließlich bekannter Verfahrensweisen, kann verwendet werden, um die Ausgangswerte der Gewichtungen des neuronalen Netzes 204 zu bestimmen. Bei Block 262 wird ein Schulungsdatensatz ausgewählt. Im Allgemeinen wird bei Block 262 ein Schulungsdatensatz ausgewählt, der im Verfahren 250 noch nicht verwendet wurde.
  • Bei Block 266 werden Daten aus dem ausgesuchten Schulungsdatensatz der Stapeleigenschaftsschätzeinrichtung 200 bereitgestellt, damit sie eine Schätzung der Stapelendeigenschaft aufstellt. Bei Block 270 wird ein Fehlerwert basierend auf der geschätzten Stapelendeigenschaft, die von der Stapeleigenschaftsschätzeinrichtung 200 aufgestellt wurde, und der gemessenen Stapelendeigenschaft im ausgewählten Schulungsdatensatz generiert.
  • Bei Block 274 wird bestimmt, ob weitere Schulungsdatensätze zur Schulung des neuronalen Netzes 204 zur Verfügung stehen. Beispielsweise kann bestimmt werden, ob alle der mehreren Schulungsdatensätze, die bei Block 254 erstellt wurden, verwendet wurden, um das neuronale Netz 204 zu schulen. Stehen weitere Schulungsdatensätze zur Verfügung, geht der Ablauf des Verfahrens 250 zu Block 262 über. Stehen keine weiteren Schulungsdatensätze zur Verfügung, kann der Ablauf des Verfahrens 250 zu Block 278 übergehen.
  • Bei Block 278 wird bestimmt, ob die Gewichtungen so passen, dass der Fehler minimiert wird, ohne das neuronale Netz zu überschalen. Jede einer Anzahl von Verfahrensweisen, einschließlich bekannter Verfahrensweisen kann eingesetzt werden, um zu bestimmen, ob die Gewichtungen so passen, dass der Fehler minimiert wird, ohne das neuronale Neu zu überschulen. Falls nicht, werden bei Block 282 neue Gewichtungen basierend auf Fehlerwerten berechnet, die bei Block 270 generiert wurden. Dann können die Blöcke 254, 258, 262, 266, 270 und 274 wiederholt werden. Jede einer Anzahl von Verfahrensweisen, einschließlich bekannter Verfahrensweisen kann eingesetzt werden, um die Gewichtungen des neuronalen Netzes 204 basierend auf den Fehlerwerten einzustellen, die bei Block 270 generiert wurden. Wird bei Block 278 bestimmt, dass die Gewichtungen so passen, dass der Fehler minimiert wird, ohne das neuronale Netz zu überschulen, kann der Ablauf des Verfahrens 250 enden.
  • 8 ist ein Blockschema einer weiteren Ausführungsform einer Stapeleigenschaftsschätzeinrichtung. Die Stapeleigenschaftsschätzeinrichtung 300 umfasst das neuronale Netz 204, den Integrator 208 und die Verriegelungsschaltung 212, wie sie mit Bezug auf 6 beschrieben wurden. Das neuronale Netz 204 kann auf dieselbe oder eine ähnliche Weise geschult werden wie mit Bezug auf 7 beschrieben wurde. Die Stapeleigenschaftsschätzeinrichtung 300 umfasst auch einen Modellreaktionsratenspeicher 304, der Reaktionsraten für einen Modellstapelprozess speichert. Der Modellstapelprozess kann ein früherer, abgeschlossener Stapelprozess sein, bei dem die Stapelendeigenschaft beispielsweise als annehmbar, typisch, gewünscht, etc. bestimmt worden war. Die im Modellreaktionsratenspeicher 304 gespeicherten Reaktionsraten können zum Beispiel Schätzungen von Reaktionsraten sein, wie sie von einem neuronale Netz wie dem geschulten neuronalen Netz 204 bestimmt wurden. In einer Ausführungsform kann das neuronale Netz 204 auf Daten aus dem Modellstapelprozess angewandt werden, und jeder Ausgang, der vom neuronalen Netz 204 generiert wird, kann im Modellreaktionsratenspeicher 304 gespeichert werden. In einer anderen Ausführungsform wird nur eine Untergruppe der Ausgänge, die vom neuronale Netz 204 generiert wurden, im Modellreaktionsratenspeicher 304 gespeichert. Beispielsweise kann nur ein Ausgang jeweils von mehreren Gruppen von Ausgängen und nur die im Modellreaktionsratenspeicher 304 hinterlegten Muster abgegriffen werden. Als weiteres Beispiel können Gruppen von Ausgängen, die vom neuronale Netz 204 generiert wurden, verarbeitet werden, um einen Wert oder Werte für jede Gruppe aufzustellen, und der Wert oder die Werte werden im Modellreaktionsratenspeicher 304 gespeichert. Beispielsweise könnten Gruppen von Ausgängen aus dem neuronalen Netz 204 gemittelt, gefiltert, etc. und die Ergebnisse dann im Modellreaktionsratenspeicher 304 gespeichert werden. In noch einer anderen Ausführungsform können die im Modellreaktionsratenspeicher 304 hinterlegten Reaktionsraten Schätzungen von Reaktionsraten sein, wie sie von irgendeiner anderen Einrichtung als dem neuronalen Netz 204 bestimmt wurden.
  • Der Modellreaktionsratenspeicher 304 kann beispielsweise eine Nachschlagtabelle umfassen, die in einem Speicher wie einem Registersatz, einem RAM, ROM, CD-ROM, EPROM, EEPROM, DVD, FLASH-Speicher, einer Festplatte, Diskette, etc. gespeichert ist. Der Modellreaktionsratenspeicher 304 kann zwei Ausgänge bereitstellen; einen ersten Ausgang, der der Modellreaktionsrate zur aktuellen Zeit entspricht; und einen zweiten Ausgang, der der Modellreaktionsrate am Ende des Modellstapelprozesses entspricht (in Folgenden als „Modellreaktionsrate zum Endzeitpunkt” bezeichnet). Der Modellreaktionsratenspeicher 304 kann als Eingang eine Angabe der aktuellen verstrichenen Zeit des Stapelprozesses empfangen.
  • Die Modellreaktionsrate zum ausgegebenen aktuellen Zeitpunkt kann beispielsweise ein Eintrag in einer Nachschlagtabelle sein, wie sie in einem Nachschlagtabellenindex verzeichnet ist. Der Nachschlagtabellenindex kann erstellt werden, indem die aktuelle verstrichene Zeit verwendet wird, die in den Modellreaktionsratenspeicher eingegeben wurde. Die ausgegebene Modellreaktionsrate zum Endzeitpunkt kann beispielsweise ein bestimmter Wert sein, der in einer Nachschlagtabelle gespeichert ist, oder ein Wert, der getrennt von der Nachschlagtabelle gespeichert ist. Die Modellreaktionsrate zum Endzeitpunkt kann auf einer oder mehreren Reaktionsratenschätzungen beruhen, die für den Modellstapelprozess zum Beispiel vom neuronalen Netz 204 oder irgendeiner anderen Einrichtung gegen Ende des Modellstapelprozesses aufgestellt wurde. Zum Beispiel kann die Modellreaktionsrate zum Endzeitpunkt beispielsweise eine Probe, ein Mittelwert, ein gefilterter Wert, etc. von Reaktionsratenschätzungen des Modellstapelprozesses gegen Ende des Modellstapelprozesses sein.
  • Der erste Ausgang des Modellreaktionsratenspeichers 304 wird einem Addierer 308 bereitgestellt. Zusätzlich wird der Ausgang des neuronalen Netzes 204 dem Addierer 308 als weiterer Eingang bereitgestellt. Der Addierer 308 subtrahiert den Ausgang des neuronalen Netzes 204 vom ersten Ausgang des Modellreaktionsratenspeichers 304, um einen Ausgang zu generieren. Der Ausgang des Addierers 308 wird einem Integrator 312 bereitgestellt, der von derselben oder einer ähnliche Art sein kann wie der Integrator 208. Der Integrator 312 empfängt als zweiten Eingang die Stapelbeginnanzeige. Im Betrieb integriert der Integrator 312 den Ausgang des Addierers 308 ab Beginn des Stapelprozesses. Der Ausgang des Integrators 312 ist eine Schätzung des Unterschieds zwischen der aktuellen Eigenschaft des Stapelprozesses und derjenigen des Modellstapelprozesses zu einem entsprechenden Zeitpunkt während des Modellstapelprozesses. Der Ausgang des Integrators 312 wird einem Addierer 316 bereitgestellt. Eine gewünschte Endeigenschaft des Stapelprozesses wird als weiterer Eingang dem Addierer 316 bereitgestellt. Diese gewünschte Endeigenschaft kann beispielsweise die Stapelendeigenschaft des Modellstapelprozesses, eine erwartete Stapelendeigenschaft, etc. sein. Der Addierer 316 addiert seine Eingänge, um einen Ausgang zu generieren, der eine Vorhersage der Stapeleigenschaft zum erwarteten Endzeitpunkt ist.
  • Im Betrieb stellt der Modellreaktionsratenspeicher 304 dem Addierer 308 eine Reihe von Werten mit dem Fortschreiten verstrichener Zeit zur Verfügung. Zusätzlich generiert das neuronale Netz 204 mit dem Fortschreiten verstrichener Zeit auch eine Reihe von Werten. Der Addierer 308 generiert eine Reihe von Werten basierend auf den Ausgängen des neuronalen Netzes 204 und des Modellreaktionsratenspeichers 304. Der Integrator 312 integriert den Ausgang des Addierers 308 vom Beginn des Stapelprozesses ab. Der Ausgang des Integrators 312 wird dem Addierer 316 zur Verfügung gestellt, der den Ausgang des Integrators 312 zu der gewünschten Endeigenschaft addiert.
  • 9 ist ein Ablaufschema einer Ausführungsform eines Verfahrens zum Aufstellen einer Vorhersage einer Endeigenschaft eines Stapelprozesses. Das Verfahren 350 von 9 kann beispielsweise von einer Einrichtung wie der Einrichtung 300 von 8 oder einer anderen Einrichtung, einem Prozessor, der der Software entsprechend konfiguriert ist, etc. bewerkstelligt werden. Der einfacheren Erklärung halber wird der Ablauf von 9 mit Bezug auf 8 beschrieben. Selbstverständlich kann der Ablauf von 9 auch durch eine andere als die Einrichtung 300 bewerkstelligt werden.
  • Bei Block 354 werden Reaktionsratenschätzungen für einen Stapelprozess während des Stapelprozesses aufgestellt. Beispielsweise können die Reaktionsratenschätzungen vom neuronalen Netz 204 aufgestellt werden. Bei Block 358 werden Unterschiede zwischen den bei Block 354 aufgestellten Reaktionsratenschätzungen und entsprechenden Reaktionsraten eines Modellstapelprozesses generiert. Zum Beispiel ist der erste Ausgang des Modellreaktionsratenspeichers 304 eine Reaktionsrate des Modellprozesses, die der Reaktionsratenschätzung entspricht, die vom neuronalen Netz 204 aufgestellt wurde. Der Addierer 308 generiert dann Unterschiede zwischen dem Ausgang des neuronalen Netzes 204 und dem entsprechenden Ausgang des Modellreaktionsratenspeichers 304.
  • Bei Block 362 werden die bei Block 358 generierten Unterschiede integriert, um eine Schätzung des Unterschieds zwischen der aktuellen Eigenschaft des Stapelprozesses und derjenigen des Modellstapelprozesses zu einem entsprechenden Zeitpunkt während des Modellstapelprozesses aufzustellen. In einer Ausführungsform werden die bei Block 358 generierten Unterschiede akkumuliert. Der Integrator 312 kann zum Beispiel den Ausgang des Addierers 308 integrieren. Bei Block 366 wird der Wert der bei Block 362 integrierten Unterschiede dazu verwendet, eine Vorhersageeigenschaft des Stapelprozesses zum erwarteten Endzeitpunkt zu generieren. Beispielsweise kann der Wert der integrierten Unterschiede zu einer gewünschten Endeigenschaft des Stapelprozesses addiert werden. Zum Beispiel kann der Addierer 316 den Ausgang des Integrators 312 zur gewünschten Endeigenschaft des Stapelprozesses addieren.
  • Nunmehr mit Bezug auf 8 wird der zweite Ausgang des Modellreaktionsratenspeichers 304, welcher der Modellreaktionsrate gegen Ende des Modellstapelprozesses entspricht, einem Dividierer 320 zur Verfügung gestellt. Zusätzlich wird der Ausgang des Integrators 312, welcher eine Schätzung des Unterschieds zwischen der aktuellen Eigenschaft des Stapelprozesses und derjenigen des Modellstapelprozesses zu einem entsprechenden Zeitpunkt ist, dem Dividierer 320 als weiterer Eingang zur Verfügung gestellt. Der Dividierer 320 dividiert den Ausgang des Integrators 312 durch den zweiten Ausgang des Modellreaktionsratenspeichers 304, um einen Ausgang zu generieren. Der Ausgang des Dividieres 320 ist eine Schätzung einer Zeitabweichung vom erwarteten Endzeitpunkt des Stapelprozesses, wobei die Zeitabweichung einen Zeitpunkt angibt, zu dem die Eigenschaft des Stapelprozesses einen gewünschten Wert erreichen wird. In einer weiteren Ausführungsform kann der erste Ausgang des Modellreaktionsratenspeichers 304 dem Dividierer 320 zur Verfügung gestellt werden.
  • Der Ausgang des Dividierers 320 wird einem Addierer 324 zur Verfügung gestellt. Dem Addierer 324 werden auch noch als zusätzliche Eingänge die verstrichene Zeit und der erwartete Stapelendzeitpunkt bereitgestellt. Der Addierer 324 subtrahiert den Ausgang des Dividierers 320 und die verstrichene Zeit vom erwarteten Stapelendzeitpunkt, um eine Schätzung der Zeit aufzustellen, die noch verbleibt, bis der gewünschte Stapeleigenschaftswert erreicht ist.
  • 10 ist ein Ablaufschema einer Ausführungsform eines Verfahrens zum Aufstellen einer Schätzung von Zeit, die noch verbleibt, bis eine gewünschte Stapeleigenschaft erreicht ist. Das Verfahren 380 von 10 kann beispielsweise von einer Einrichtung wie der Einrichtung 300 von 8 oder einer anderen Einrichtung, einem Prozessor, der der Software entsprechend konfiguriert ist, etc. bewerkstelligt werden. Der einfacheren Erklärung halber wird der Ablauf von 10 mit Bezug auf 8 beschrieben. Selbstverständlich kann der Ablauf von 10 jedoch durch verschiedene andere als die Einrichtung 300 bewerkstelligt werden.
  • Die Blöcke 354, 358 und 362 sind dieselben wie mit Bezug auf 9 beschrieben. Bei Block 384 wird der bei Block 362 generierte Wert der integrierten Unterschiede dazu verwendet, um eine Schätzung einer Abweichung vom erwarteten Endzeitpunkt aufzustellen, wobei die Abweichung einen Zeitpunkt angibt, an dem die gewünschte Stapeleigenschaft erreicht sein wird. In einer Ausführungsform kann der bei Block 362 generierte Wert der integrierten Unterschiede durch eine Reaktionsrate des Modellstapelprozesses dividiert werden. Zum Beispiel könnte die Reaktionsrate des Modellstapelprozesses verwendet werden, die dem Endzeitpunkt des Modellstapelprozesses oder dem momentanen Zeitpunkt entspricht. Mit Bezug auf 8 kann als Beispiel der Dividierer 320 den Ausgang des Integrators 312 durch den zweiten Ausgang des Modellreaktionsratenspeichers 304 dividieren.
  • Bei Block 388 wird die Schätzung der bei Block 384 generierten Abweichung dazu verwendet, um eine Schätzung der Zeit aufzustellen, die noch verbleibt, bis die gewünschte Eigenschaft erreicht ist. In einer Ausführungsform werden die bei Block 384 generierte Abweichung sowie die aktuelle verstrichene Zeit vom erwarteten Endzeitpunkt des Stapelprozesses abgezogen, um eine Schätzung der verbleibenden Zeit aufzustellen. Mit Bezug auf 8 kann als Beispiel der Addierer 324 den Ausgang des Dividierers 320 und die verstrichene Zeit vom erwarteten Endzeitpunkt abziehen, um die Schätzung der verbleibenden Zeit aufzustellen.
  • 11 ist ein Blockschema noch einer weiteren Ausführungsform einer Stapeleigenschaftsschätzeinrichtung. Die Stapeleigenschaftsschätzeinrichtung 400 umfasst das neuronale Netz 204, den Integrator 208, die Verriegelungsschaltung 212, den Addierer 316, den Dividierer 320 und den Addierer 324 wie sie mit Bezug auf die 6 und 8 beschrieben wurden. Die Stapeleigenschaftsschätzeinrichtung 400 umfasst auch einen Modellstapeleigenschaftsspeicher 404, der Schätzungen der Eigenschaft eines Modellstapelprozesses zu verschiedenen Zeitpunkten während des Modellstapelprozesses speichert. Der Modellstapelprozess kann wie zuvor mit Bezug auf 8 beschrieben sein. Die Eigenschaftsschätzungen, die im Modellreaktionsratenspeicher 304 gespeichert sind, können beispielsweise Schätzungen einer aktuellen Eigenschaft des Modellstapelprozesses sein, wie sie von der Stapeleigenschaftsschätzeinrichtung 200 von 6 bestimmt wurde. In einer Ausführungsform kann die Stapeleigenschaftsschätzeinrichtung 200 auf Daten aus dem Modellstapelprozess angewandt werden, und jeder vom Integrator 208 generierte Ausgang kann im Modellstapeleigenschaftsspeicher 404 gespeichert werden. In einer anderen Ausführungsform wird nur eine Teilgruppe der Ausgänge, die vom Integrator 208 generiert wurden, im Modellstapeleigenschaftsspeicher 404 gespeichert. Beispielsweise kann jeweils ein Ausgang aus jeder der mehreren Gruppen von Ausgängen und nur die im Modellstapeleigenschaftsspeicher 404 gespeicherten Muster abgegriffen werden. Als weiteres Beispiel können Gruppen von Ausgängen, die vom Integrator 208 generiert wurden, verarbeitet werden, um einen Wert oder Werte für jede Gruppe zu generieren, und der Wert oder die Werte werden im Modellstapeleigenschaftsspeicher 404 gespeichert. Beispielsweise könnten Gruppen von Ausgängen aus dem Integrator 208 gemittelt, gefiltert, etc. und die Ergebnisse im Modellstapeleigenschaftsspeicher 404 gespeichert werden. In noch einer weiteren Ausführungsform können die Stapeleigenschaften im Modellstapeleigenschaftsspeicher 404 Schätzungen von aktuellen Stapeleigenschaften des Modellstapelprozesses sein, wie sie von irgendeiner anderen Einrichtung als der Stapeleigenschaftsschätzeinrichtung 200 bestimmt wurde. In noch einer weiteren Ausführungsform können die Stapeleigenschaften im Modellstapeleigenschaftsspeicher 404 Messungen von aktuellen Stapeleigenschaften des Modellstapelprozesses sein, die während des Modellstapelprozesses gemacht wurden. Beispielsweise könnten Proben eines Gases, einer Flüssigkeit, eines Feststoffs, etc. während des Modellstapelprozesses zu verschiedenen Zeitpunkten während des Modellstapelprozesses genommen werden. Diese Proben könnten dann analysiert werden, um die Stapeleigenschaft zu dem Zeitpunkt zu bestimmen, zu dem die Probe genommen wurde.
  • Der Modellstapeleigenschaftsspeicher 404 kann beispielsweise eine Nachschlagtabelle umfassen, die in einem Speicher wie einem Registersatz, einem RAM, ROM, CD-ROM, EPROM, EEPROM, DVD, FLASH-Speicher, einer Festplatte, Diskette, etc. gespeichert ist. Der Modellstapeleigenschaftsspeicher 404 kann einen Ausgang generieren und kann als Eingang eine Angabe der aktuellen verstrichenen Zeit des Stapelprozesses empfangen. Der Ausgang kann beispielsweise ein Eintrag in einer Nachschlagtabelle sein, wie sie in einem Nachschlagtabellenindex verzeichnet ist. Der Nachschlagtabellenindex kann erstellt werden, indem die aktuelle verstrichene Zeit verwendet wird, die in den Modellstapeleigenschaftsspeicher 404 eingegeben wurde. Der Ausgang des Modellstapeleigenschaftsspeichers entspricht der geschätzten (oder gemessenen) Eigenschaft des Modellstapelprozesses zu einer Zeit, die der verstrichenen Zeit entspricht.
  • Der Ausgang des Modellstapeleigenschaftsspeichers 404 wird einem Addierer 408 zur Verfügung gestellt. Zusätzlich wird der Ausgang des Integrators 208 als weiterer Eingang dem Addierer 408 zur Verfügung gestellt. Der Addierer 408 subtrahiert den Ausgang des Integrators 208 vom Ausgang des Modellstapeleigenschaftsspeichers 404, um einen Ausgang zu generieren. Der Ausgang des Addierers 408 ist eine Schätzung des Unterschieds zwischen der aktuellen Eigenschaft des Stapelprozesses und derjenigen des Modellstapelprozesses zu einer entsprechenden Zeit während des Modellstapelprozesses. Der Ausgang des Addierers 408 wird dem Addierer 316 zur Verfügung gestellt.
  • Der Ausgang des Addierers 408 ist eine Schätzung des Unterschieds zwischen der aktuellen Eigenschaft des Stapelprozesses und derjenigen des Modellstapelprozesses zu einer entsprechenden Zeit während des Modellstapelprozesses. Somit ist der Ausgang des Addierers 408 ähnlich dem Ausgang des Integrators 312 von 8.
  • 12 ist ein Ablaufschema einer weiteren Ausführungsform eines Verfahrens zum Generieren einer Vorhersage einer Endeigenschaft eines Stapelprozesses. Das Verfahren 450 von 12 kann beispielsweise von einer Einrichtung wie der Einrichtung 400 von 11, oder einer anderen Einrichtung, einem Prozessor, der der Software entsprechend konfiguriert ist, etc. bewerkstelligt werden. Der einfacheren Erklärung halber wird das Ablaufschema von 12 mit Bezug auf 11 beschrieben. Selbstverständlich kann das Ablaufschema von 12 auch von einer anderen als der Einrichtung 400 bewerkstelligt werden.
  • Bei Block 454 wird eine Schätzung der aktuellen Eigenschaft für einen Stapelprozess während des Stapelprozesses aufgestellt. Beispielsweise kann die Schätzung der aktuellen Eigenschaft vom Integrator 208 aufgestellt werden. Bei Block 458 wird ein Unterschied zwischen der bei Block 454 aufgestellten aktuellen Eigenschaftsschätzung und einer Eigenschaft des Modellstapelprozesses zu einer Zeit generiert, die der aktuellen verstrichenen Zeit des Stapelprozesses entspricht. Beispielsweise ist der Ausgang des Modellstapeleigenschaftsspeichers 404 eine Schätzung (oder Messung) der Eigenschaft des Modellprozesses, die der verstrichenen Zeit entspricht. Der Addierer 408 generiert einen Unterschied zwischen dem Ausgang des Integrators 208 und dem entsprechenden Ausgang des Modellstapeleigenschaftsspeichers 404. Der bei Block 458 generierte Unterschied ist eine Schätzung des Unterschieds zwischen der aktuellen Eigenschaft des Stapelprozesses und derjenigen des Modellstapelprozesses zu einem entsprechenden Zeitpunkt während des Modellstapelprozesses.
  • Bei Block 462 wird der bei Block 458 generierte Unterschied dazu verwendet, um eine Vorhersageeigenschaft des Stapelprozesses zum erwarteten Endzeitpunkt zu generieren. Beispielsweise kann der bei Block 458 generierte Unterschied zu einer gewünschten Endeigenschaft des Stapelprozesses addiert werden. Beispielsweise kann der Addierer 316 den Ausgang des Addierers 408 zur gewünschten Endeigenschaft des Stapelprozesses addieren.
  • Nunmehr kann mit Bezug auf 11 die Stapeleigenschaftsschätzeinrichtung 400 einen Modellreaktionsratenspeicher 416 umfassen. In einer Ausführungsform kann der Modellreaktionsratenspeicher einen Wert speichern, der der Modellreaktionsrate gegen Ende des Modellstapelprozesses entspricht, ähnlich dem entsprechenden Wert, der mit Bezug auf den zweiten Eingang des Modellreaktionsratenspeichers 304 von 8 beschrieben wurde. In einer weiteren Ausführungsform kann der Modellreaktionsratenspeicher 416 mehrere Werte speichern, die den Werten entsprechen, die mit Bezug auf den ersten Ausgang des Modellreaktionsratenspeichers 304 von 8 beschrieben wurden. In jeder Ausführungsform kann der Modellreaktionsratenspeicher 416 eine Einzelwert- oder Nachschlagtabelle umfassen, die in einem Speicher wie einem Register, einem Registersatz, einem RAM, ROM, CD-ROM, EPROM, EEPROM, DVD, FLASH-Speicher, einer Festplatte, Diskette, etc. gespeichert ist. Bei Ausführungsformen, in denen mehrere Werte gespeichert werden, kann der Modellreaktionsratenspeicher 416 als Eingang eine Angabe der aktuellen verstrichenen Zeit des Stapelprozesses erhalten. Der Ausgang kann beispielsweise ein Eintrag in einer Nachschlagtabelle sein, wie sie in einem Nachschlagtabellenindex verzeichnet ist. Der Nachschlagtabellenindex kann erstellt werden, indem die aktuelle verstrichene Zeit verwendet wird, die in den Modellreaktionsratenspeicher 416 eingegeben wurde. Bei Ausführungsformen, bei denen der Modellreaktionsratenspeicher 416 die aktuelle verstrichene Zeit als Eingang erhält, kann der Ausgang des Modellreaktionsratenspeichers 416 der Reaktionsrate des Modellstapelprozesses zu einer Zeit entsprechen, die der verstrichenen Zeit entspricht.
  • Der Ausgang des Modellreaktionsratenspeichers 416 wird dem Dividierer 320 zur Verfügung gestellt. Zusätzlich wird der Ausgang des Addierers 408, welcher eine Schätzung des Unterschieds zwischen der aktuellen Eigenschaft des Stapelprozesses und derjenigen des Modellstapelprozesses zu einer entsprechenden Zeit ist, dem Dividierer 320 als weiterer Eingang bereitgestellt. Der Dividierer 320 dividiert den Ausgang des Addierers 408 durch den Ausgang des Modellreaktionsratenspeichers 416, um einen Ausgang zu generieren. Der Ausgang des Dividierers 320 ist eine Schätzung einer Zeitabweichung vom erwarteten Endzeitpunkt des Stapelprozesses, wobei die Zeitabweichung einen Zeitpunkt angibt, zu dem die Eigenschaft des Stapelprozesses einen gewünschten Wert erreichen wird.
  • 13 ist ein Ablaufschema einer Ausführungsform eines Verfahrens zum Aufstellen einer Schätzung der Zeit, die noch verbleibt, bis eine gewünschte Stapeleigenschaft erreicht ist. Das Verfahren 480 von 13 kann beispielsweise von einer Einrichtung wie der Einrichtung 400 von 11 oder einer anderen Einrichtung, einem Prozessor, der der Software entsprechend konfiguriert ist, etc. bewerkstelligt werden. Der einfacheren Erklärung halber wird der Ablauf von 13 mit Bezug auf 11 beschrieben. Selbstverständlich kann der Ablauf von 13 auch durch eine andere als die Einrichtung 400 bewerkstelligt werden.
  • Die Blöcke 454 und 458 sind dieselben wie die mit Bezug auf 12 beschriebenen. Bei Block 484 wird der bei Block 458 generierte Unterschied dazu verwendet, um eine Schätzung einer Abweichung vom erwarteten Endzeitpunkt aufzustellen, wobei die Abweichung einen Zeitpunkt angibt, zu dem die gewünschte Stapeleigenschaft erreicht sein wird. In einer Ausführungsform kann der bei Block 458 generierte Unterschied durch die Reaktionsrate des Modellstapelprozesses dividiert werden. Zum Beispiel könnte die Reaktionsrate des Modellstapelprozesses, die dem Ende des Modellstapelprozesses oder der aktuellen verstrichenen Zeit entspricht, verwendet werden. Mit Bezug auf 11 kann beispielsweise der Dividierer 320 den Ausgang des Addierers 408 durch den Ausgang des Modellreaktionsratenspeichers 416 dividieren.
  • Bei Block 488 wird die Schätzung der bei Block 484 generierten Abweichung dazu verwendet, um eine Schätzung der Zeit aufzustellen, die noch verbleibt, bis die gewünschte Eigenschaft erreicht ist. In einer Ausführungsform werden die bei Block 484 generierte Abweichung sowie die aktuelle verstrichene Zeit vom erwarteten Endzeitpunkt des Stapelprozesses abgezogen, um die Schätzung der noch verbleibenden Zeit aufzustellen. Mit Bezug auf 11 kann der Addierer 324 beispielsweise den Ausgang des Dividierers 320 und die verstrichene Zeit vom erwarteten Endzeitpunkt abziehen, um die Schätzung der noch verbleibenden Zeit aufzustellen.
  • 14 ist ein Blockschema noch einer weiteren Ausführungsform einer Stapeleigenschaftsschätzeinrichtung. Die Stapeleigenschaftsschätzeinrichtung 500 umfasst die Bestandteile der wie mit Bezug auf 8 beschriebenen Stapeleigenschaftsschätzeinrichtung 300 und enthält zusätzlich einen Multiplizierer 504. Der Ausgang des neuronalen Netzes 204 wird dem Multiplizierer 504 zur Verfügung gestellt, welcher den Ausgang des neuronalen Netzes 204 mit einer Verstärkungseinstellung multipliziert. Der Ausgang des Multiplizierers 504 wird dann dem Integrator 208 und dem Addierer 308 zur Verfügung gestellt. Die Verstärkungseinstellung kann dazu verwendet werden, einen systemabhängigen Verstärkungsfehler des neuronalen Netzes 204 zu korrigieren, ohne das neuronale Netz 204 neu schulen zu müssen.
  • Im Betrieb kann der Verstärkungseinstellungswert auf Eins ersteingestellt werden, womit keine Verstärkungseinstellung vorgesehen wird. Wird festgestellt, dass eine Verstärkungseinstellung benötigt wird, kann ein geeigneter Verstärkungseinstellungswert generiert werden. 15 ist ein Ablaufschema einer Ausführungsform eines Verfahren zum Generieren des Verstärkungseinstellungswerts von 14. Das Verfahren 550 von 15 wird mit Bezug auf 14 beschrieben. Bei Block 554 werden mehrere Verstärkungen für die Stapeleigenschaftsschätzeinrichtung 500 bestimmt. Beispielsweise können mehrere Verstärkungen bestimmt werden, indem gemessene Eigenschaften des Endstapels durch entsprechende Schätzungen dividiert werden, die von der Stapeleigenschaftsschätzeinrichtung 500 aufgestellt wurden. Dann können bei Block 558 die mehreren Verstärkungen, die bei Block 554 generiert wurden, gefiltert werden, um einen Verstärkungseinstellungswert zu generieren. Beispielsweise können die Verstärkungen gemittelt, tiefpassgefiltert, etc. werden.
  • Dann kann bei Block 562 der Verstärkungseinstellungswert eingegrenzt werden. Liegt beispielsweise der Verstärkungseinstellungswert über einem ersten Schwellenwert, muss der Verstärkungseinstellungswert auf den ersten Schwellenwert gesetzt werden. Liegt entsprechend der Verstärkungseinstellungswert unter einem zweiten Schwellenwert, muss der Verstärkungseinstellungswert auf den zweiten Schwellenwert gesetzt werden.
  • Der Verstärkungseinstellungswert kann nach der Fertigstellung jedes Stapels aktualisiert werden, und es liegt eine Messung der Endeigenschaft vor. Auch kann der Verstärkungseinstellungswert nach der Fertigstellung mehrerer Stapel aktualisiert werden, und es liegen Messungen der entsprechenden Endeigenschaften vor.
  • Die Stapeleigenschaftsschätzeinrichtung 500 ist eine Modifizierung der Stapeleigenschaftsschätzeinrichtung 300 von 8. Die Stapeleigenschaftsschätzeinrichtung 200 von 6 und die Stapeleigenschaftsschätzeinrichtung 400 von 11 können ähnlich modifiziert sein.
  • In anderen Ausführungsformen kann der Multiplizierer 504 durch einen Addierer ersetzt sein, um eine Fehlanpassungseinstellung hinzuzufügen. Die Fehlanpassungseinstellung kann dazu verwendet werden, eine Fehlanpassung des neuronalen Netzes zu korrigieren, ohne das neuronale Netz 204 neu schulen zu müssen. Die Fehlanpassungseinstellung kann auf eine ähnliche Weise wie diejenige bestimmt werden, die vorstehend mit Bezug auf 15 beschrieben wurde. Jedoch können, anstatt mehrere Verstärkungen bei Block 554 zu bestimmen, mehrere Fehlanpassungen bestimmt werden. Beispielsweise können die mehreren Fehlanpassungen dadurch bestimmt werden, dass Schätzungen, die von der Stapeleigenschaftsschätzeinrichtung aufgestellt wurden, von entsprechenden gemessenen Stapelendeigenschaften abgezogen werden. In noch anderen Ausführungsformen kann ein Addierer zum Hinzufügen einer Fehlanpassungseinstellung zusätzlich zum Multiplizierer 504 verwendet werden. Beispielsweise kann der Addierer den Ausgang des Multiplizierers 504 empfangen, und der Ausgang des Addierers kann dem Integrator 208 zur Verfügung gestellt werden. Die am 8. Juni 2000 eingereichte US-Patentanmeldung Nr. 09/590,630 mit dem Titel „Adaptive Predictive Model in a Process Control System”, die dem Inhaber der vorliegenden Anwendung zugeteilt ist, beschreibt verschiedene Techniken, die eingesetzt werden können, um den Ausgang des neuronalen Netzes 204 zu modifizieren, wie etwa eine Fehlanpassungseinstellung vorzusehen. Die US-Patentanmeldung Nr. 09/590,630 wird hiermit universell und voll inhaltlich durch Bezug hier mit aufgenommen.
  • Nun können mit Bezug auf die 1, 6, 8, 11 und 14 einige oder alle Ausgänge, die von der Stapeleigenschaftsschätzeinrichtung 200, 300, 400, 500 generiert werden, an eine Benutzeroberfläche übertragen werden, um beispielsweise einem Bediener präsentiert zu werden. Zum Beispiel können einige oder alle der generierten Ausgänge beispielsweise vom Rechner 12a, 14a und/oder 16a an eine Benutzeroberfläche übertragen werden, die beispielsweise von einem Arbeitsplatzrechner 18a oder 20a implementiert wird. Die generierten Ausgänge können z. B. über das Netz 30 übertragen werden.
  • Ein Bediener kann die generierten Ausgänge beispielsweise verwenden, um zu entscheiden, ob der Stapelprozess sofort abgebrochen werden soll, die Stapelprozessvariablen geändert werden sollen (z. B. Zugabe von Zutaten, Anhebung/Senkung der Temperatur, etc.), die Stapelverarbeitungszeit verlängert oder verkürzt werden soll, etc. Alternativ können die generierten Ausgänge dazu verwendet werden, auf automatische Weise den Stapelvorgang sofort abzubrechen, die Stapelprozessvariablen zu ändern, die Stapelverarbeitungszeit zu verlängern oder zu verkürzen, etc. Beispielsweise könnten die generierten Ausgänge einer Rechneranwendung bereitgestellt werden, die im Ganzen oder teilweise von einem Rechner wie dem Rechner 12a, 14a, oder 16a implementiert wird.
  • Obwohl die vorstehend beschriebenen Ausführungsformen ein neuronale Netzsystem umfassen, können in anderen Ausführungsformen auch andere, nichtparametrische Modelle verwendet werden (z. B. eine dynamische, lineare Schätzeinrichtung, ein Modell mit begrenztem Ansprechen auf einen Impuls, etc.).
  • Es wurden verschiedene Block- und Ablaufschemata beschrieben. Dem Fachmann wird klar sein, dass jeder der Blöcke, die in diesen Block- und Ablaufschemata dargestellt sind, im Ganzen oder teilweise durch Software, Hardware und/oder Firmware implementiert werden kann. Jeder Block, oder ein Teil davon, kann unter Verwendung verschiedener Entwicklungswerkzeuge entwickelt werden, einschließlich Graphikdesigntools oder irgendeiner anderen Art von Programmier- oder Designtool für Software/Hardware/-Firmware.
  • In manchen Ausführungsformen kann jeder der Blöcke, die in den 6, 8, 11 dargestellt sind, als Funktionsblock in einem Prozesssteuerungssystem implementiert werden. Die Funktionsblöcke können beispielsweise durch einen Rechner wie den Rechnen 12a, 14a, 16a von 1 und/oder Feldgeräte wie den Feldgeräten 22, 23 von 1 implementiert werden. Jeder Funktionsblock kann ganz oder teilweise durch Software, Hardware oder Firmware implementiert werden. In anderen Ausführungsformen können einige oder alle der in den 6, 8, 11 und 14 dargestellten Blöcke unter Verwendung weiterer Programmkonventionen implementiert oder entwickelt sein, wie Kettenlogik, Sequenzfunktionsblöcke, etc., oder unter Verwendung irgendeiner anderen gewünschten Programmiersprache oder irgendeines anderen gewünschten Programmierparadigmas.
  • Wird ein Block eines der vorstehend beschriebenen Block- oder Ablaufschemata ganz oder teilweise durch Software implementiert, kann die Software auf einem berührbaren Medium wie einem RAM, ROM, einer CD-ROM, einem EPROM, EEPROM, einer DVD, einem FLASH-Speicher, einer Festplatte, einer Diskette, etc. gespeichert werden. Jeder Block, oder ein Teil davon, kann in jedem beliebigen Softwareformat implementiert werden, das etwa objektorientierte Programmierung, Kettenlogik, Sequenzfunktionsblöcke, Funktionsblockdiagramme oder irgendeine andere Softwareprogrammiersprache oder irgendein anderes Softwareprogrammierparadigma verwendet. Im Hinblick auf die vorstehend beschriebenen Ablaufschemata kann der durchschnittliche Fachmann leicht erkennen, dass die Schemata durch Software implementiert werden können, die von einem Prozessor ausgeführt wird, oder der gesamte Ablauf oder Teile davon könnten alternativ von einem anderen Gerät als einem Prozessor ausgeführt und/oder auf hinlänglich bekannte Weise in Firmware und/oder spezielle Hardware eingebaut werden. Bezugszeichenliste
    10 Prozessanlage
    12, 14, 16, 18, 20 Knoten
    12a, 14a, 16a Prozessrechner
    18a, 20a Host- oder Bedienerarbeitsplatzrechner
    22, 23 Feldgeräte
    24 Eingabe-/Ausgabegeräte, E/A-Geräte
    30 Netz
    32 Datenbank
    40 Prozessor
    44 Flüchtiger Speicher
    48 Nichtflüchtiger Speicher
    52 Rechner-Eingabe-/Ausgabegerät, Rechner-E/A-Gerät
    56 Adressen-/Datenbus
    60 Bidirektionaler Puffer
    68 Bidirektionaler Bus
    70 Prozessor
    74 Flüchtiger Speicher
    78 Nichtflüchtiger Speicher
    82 Arbeitsplatzrechner-E/A-Gerät
    86 Adressen-/Datenbus
    90 Display
    94 Benutzer-Eingabegerät
    104 Stapelprozess
    108 Stapeleigenschaftsschätzeinrichtung
    112 Benutzeroberfläche
    150, 250, 350, 380, 450, 550 Verfahren
    200 Stapeleigenschaftsschätzeinrichtung
    204 Neuronales Netz
    208 Integrator
    212 Verriegelungsschaltung
    300 Stapeleigenschaftsschätzeinrichtung
    304 Modellreaktionsratenspeicher
    308 Addierer
    312 Integrator
    316 Addierer
    320 Dividierer
    324 Addierer
    400 Stapeleigenschaftsschätzeinrichtung
    404 Modellstapeleigenschaftsspeicher
    408 Addierer
    416 Modellreaktionsratenspeicher
    480 Verfahren
    500 Stapeleigenschaftsschätzeinrichtung
    504 Multiplizierer

Claims (51)

  1. Verfahren zum Schätzen einer Eigenschaft eines aktuellen Stapelprozesses, wobei das Verfahren umfasst: unter Verwendung eines nicht parametrischen Modells Reaktionsratenschätzungen zu bestimmen, die mit dem aktuellen Stapelprozess zusammenhängen; eine Schätzung einer Eigenschaft des aktuellen Stapelprozesses zu einem bestimmten Zeitpunkt basierend auf den Reaktionsratenschätzungen zu bestimmen; und einen Unterschied zwischen der Schätzung der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt und einer Eigenschaft eines Modellstapelprozesses zu einem Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, zu bestimmen, wobei der Modellstapelprozess auf mindestens einem vorhergegangenen Stapelprozess basiert.
  2. Verfahren nach Anspruch 1, wobei das Bestimmen der Schätzung einer aktuellen Eigenschaft umfasst, die Reaktionsratenschätzungen zu integrieren.
  3. Verfahren nach Anspruch 2, wobei das Integrieren der Reaktionsratenschätzungen umfasst, die Reaktionsratenschätzungen zu akkumulieren.
  4. Verfahren nach Anspruch 1, wobei das nicht parametrische Modell ein neuronales Netz umfasst.
  5. Verfahren nach Anspruch 1, wobei das Bestimmen der Schätzung des Unterschieds zwischen der Eigenschaft des aktuellen Stapelprozesses und der Eigenschaft des Modellstapelprozesses umfasst: Unterschiede zwischen den Reaktionsratenschätzungen des aktuellen Stapelprozesses und Reaktionsratenschätzungen des Modellstapelprozesses zu bestimmen; und die Unterschiede zwischen den Reaktionsratenschätzungen des aktuellen Stapelprozesses und den Reaktionsratenschätzungen des Modellstapelprozesses zu integrieren.
  6. Verfahren nach Anspruch 1, wobei das Bestimmen des Unterschieds zwischen der Schätzung der Eigenschaft des aktuellen Stapelprozesses und der Eigenschaft des Modellstapelprozesses umfasst, die Schätzung der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt von einer Eigenschaft des Modellstapelprozesses zu dem Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, abzuziehen.
  7. Verfahren nach Anspruch 6, wobei die Eigenschaft des Modellstapelprozesses zum Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, eine geschätzte Eigenschaft ist.
  8. Verfahren nach Anspruch 6, wobei die Eigenschaft des Modellstapelprozesses zum Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, eine gemessene Eigenschaft ist.
  9. Verfahren nach Anspruch 1, darüber hinaus umfassend, eine Vorhersageeigenschaft zu einem Stapelprozessendzeitpunkt basierend auf der Schätzung des Unterschieds zwischen der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt und der Eigenschaft des Modellstapelprozesses zum Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, zu bestimmen.
  10. Verfahren nach Anspruch 9, wobei das Bestimmen der Vorhersageeigenschaft zum aktuellen Stapelprozessendzeitpunkt umfasst, eine gewünschte Eigenschaft zum aktuellen Stapelprozessendzeitpunkt zur Schätzung des Unterschieds zwischen der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt und der Eigenschaft des Modellstapelprozesses zu dem Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, zu addieren.
  11. Verfahren nach Anspruch 1, darüber hinaus umfassend, eine Schätzung einer Abweichung zwischen einer aktuellen Zeit, zu der die Eigenschaft des aktuellen Stapelprozesses einen gewünschten Wert erreicht, und einer erwarteten Zeit, zu der der aktuelle Stapelprozess den gewünschten Wert erreicht, zu bestimmen.
  12. Verfahren nach Anspruch 11, wobei das Bestimmen der Schätzung der Abweichung umfasst, eine Schätzung eines Unterschieds zwischen der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt und einer Eigenschaft eines Modellstapelprozesses zu einem Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, zu bestimmen.
  13. Verfahren nach Anspruch 12, wobei das Bestimmen der Schätzung der Abweichung darüber hinaus umfasst, die Schätzung des Unterschieds zwischen der Eigenschaft des aktuellen Stapelprozesses und der Eigenschaft des Modellstapelprozesses durch eine Schätzung einer Reaktionsrate des Modellstapelprozesses zu dividieren.
  14. Verfahren nach Anspruch 13, wobei die Schätzung der Reaktionsrate des Modellstapelprozesses eine Schätzung einer Reaktionsrate des Modellstapelprozesses nahe am Ende des Modellstapelprozesses ist.
  15. Verfahren nach Anspruch 13, wobei die Schätzung der Reaktionsrate des Modellstapelprozesses eine Schätzung einer Reaktionsrate des Modellstapelprozesses zu einem Zeitpunkt während des Modellstapelprozesses ist, der dem bestimmten Zeitpunkt entspricht.
  16. Verfahren nach Anspruch 11, darüber hinaus umfassend, eine Schätzung einer Zeit, die noch verbleibt, bis die Eigenschaft des aktuellen Stapelprozesses einen gewünschten Wert erreicht, basierend auf der Schätzung der Abweichung zu bestimmen.
  17. Verfahren nach Anspruch 16, wobei das Bestimmen der Schätzung der noch verbleibenden Zeit umfasst, die Schätzung der Abweichung und eine verstrichene Zeit von der erwarteten Zeit abzuziehen.
  18. Verfahren nach Anspruch 1, darüber hinaus umfassend, die Reaktionsratenschätzungen mit einer Verstärkungseinstellung zu multiplizieren.
  19. Verfahren nach Anspruch 1, darüber hinaus umfassend, eine Ausgleichseinstellung bzw. Fehlanpassungseinstellung zu den Reaktionsratenschätzungen zu addieren.
  20. Verfahren nach Anspruch 19, darüber hinaus umfassend, die Reaktionsratenschätzungen mit einer Verstärkungseinstellung zu multiplizieren.
  21. Verfahren nach Anspruch 1, darüber hinaus umfassend, ein Verfahren zum Schulen des nicht parametrischen Modells, wobei das Verfahren umfasst: das nicht parametrische Modell zu initialisieren; mehrere Reaktionsratenschätzungen mit dem nicht parametrischen Modell unter Verwendung eines Schulungsdatensatzes, der einem des mindestens einen vorhergegangenen Stapelprozess entspricht, aufzustellen; eine Schätzung einer Endeigenschaft des aktuellen Stapelprozesses basierend auf den mehreren Reaktionsratenschätzungen aufzustellen; die Schätzung der Endeigenschaft mit einer gemessenen Endeigenschaft des einen des mindestens einen vorhergegangenen Stapelprozesses zu vergleichen, um einen Fehler zu generieren; und das nicht parametrische Modell basierend auf dem Fehler einzustellen.
  22. Verfahren nach Anspruch 21, wobei das nicht parametrische Modell ein neuronales Netz mit mehreren Gewichtungen umfasst; wobei das Initialisieren des nicht parametrischen Modells umfasst, die mehreren Gewichtungen zu initialisieren; und wobei das Einstellen des nicht parametrischen Modells umfasst, die mehreren Gewichtungen einzustellen.
  23. Verfahren nach Anspruch 21, wobei das Aufstellen der Schätzung der Endeigenschaft des aktuellen Stapelprozesses umfasst, die mehreren Reaktionsratenschätzungen zu integrieren.
  24. Verfahren nach Anspruch 21, darüber hinaus umfassend, einen Verstärkungseinstellungswert basierend auf mehreren Schätzungen der Endeigenschaft, die mehreren vorhergegangenen Stapelprozessen entspricht, und mehreren Messungen der Endeigenschaft, die den mehreren vorhergegangenen Stapelprozessen entspricht, zu bestimmen, wobei die mehreren Schätzungen der Endeigenschaft vom nicht parametrischen Modell aufgestellt werden.
  25. Verfahren nach Anspruch 21, darüber hinaus umfassend: mehrere Fehler basierend auf mehreren Schätzungen der Endeigenschaft, die mehreren vorhergegangenen Stapelprozessen entspricht, und mehreren Messungen der Endeigenschaft, die den mehreren vorhergegangenen Stapelprozessen entspricht, zu bestimmen, wobei die mehreren Schätzungen der Endeigenschaft vom nicht parametrischen Modell aufgestellt werden; und basierend auf den mehreren Fehlern einen Ausgleichseinstellwert zu bestimmen.
  26. Stapeleigenschaftsschätzeinrichtung (300), umfassend: ein nicht parametrisches Modell (204), das so konfiguriert ist, dass es Daten, die mit einem aktuellen Stapelprozess zusammenhängen, empfängt und mehrere Reaktionsratenschätzungen aufstellt, die sich auf den aktuellen Stapelprozess beziehen; einen ersten Integrator (208), der mit dem nicht parametrischen Modell verbunden ist, um die mehreren Reaktionsratenschätzungen zu integrieren, um eine Schätzung einer Eigenschaft des aktuellen Stapelprozesses zu einem bestimmten Zeitpunkt aufzustellen; und einen Addierer (308), um einen Unterschied zwischen einer Schätzung der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt und einer Eigenschaft eines Modellstapelprozesses zu einem Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, zu generieren, wobei der Modellstapelprozess auf mindestens einem vorhergegangenen Stapelprozess basiert.
  27. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 26, darüber hinaus einen Speicher umfassend, der mit dem ersten Integrator (208) verbunden ist, um eine Schätzung einer Endeigenschaft des aktuellen Stapelprozesses zu speichern.
  28. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 26, wobei der Eigenschaftsunterschiedsschätzungsgenerator umfasst: einen Modellreaktionsratenspeicher (304), um Reaktionsratenschätzungen eines Modellstapelprozesses zu speichern, die den mehreren Reaktionsratenschätzungen entsprechen; einen ersten Addierer (308), der mit dem Modellreaktionsratenspeicher und dem nicht parametrischen Modell verbunden ist, um die mehreren Reaktionsratenschätzungen von den Reaktionsratenschätzungen des Modellstapelprozesses abzuziehen, um mehrere Reaktionsratenunterschiede zu generieren; und einen zweiten Integrator (312), der mit dem Addierer verbunden ist, um die mehreren Reaktionsratenunterschiede zu integrieren, um eine Schätzung des Unterschieds zwischen der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt und der Eigenschaft des Modellstapelprozesses zu dem Zeitpunkt, der dem bestimmten Zeitpunkt entspricht, aufzustellen.
  29. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 26, wobei der Eigenschaftsunterschiedsschätzungsgenerator umfasst: einen Modellstapeleigenschaftsspeicher (404), um eine Eigenschaft eines Modellstapelprozesses zu speichern, die der Schätzung der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt entspricht; und einen Addierer (408), der mit dem Modellstapeleigenschaftsspeicher und dem ersten Integrator (208) verbunden ist, um die Schätzung der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt von der Eigenschaft des Modellstapelprozesses abzuziehen.
  30. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 26, darüber hinaus einen Vorhersageendeigenschaftsgenerator umfassend, der mit dem Eigenschaftsunterschiedsschätzungsgenerator verbunden ist, um eine Vorhersage der Eigenschaft des aktuellen Stapelprozesses zu einem erwarteten Endzeitpunkt basierend auf der Schätzung des Unterschieds zwischen der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt und der Eigenschaft des Modellstapelprozesses zu dem Zeitpunkt, der dem bestimmten Zeitpunkt entspricht, zu treffen.
  31. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 30, wobei der Vorhersageendeigenschaftsgenerator einen Addierer (316) umfasst, um die Schätzung des Unterschieds der Eigenschaft zu einer gewünschten Eigenschaft des aktuellen Stapelprozesses zum Endzeitpunkt zu addieren.
  32. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 26, darüber hinaus einen Zeitabweichungsgenerator umfassend, der mit dem Eigenschaftsunterschiedsschätzungsgenerator verbunden ist, um eine Schätzung einer Abweichung zwischen einer tatsächlichen Zeit, zu der die Eigenschaft des aktuellen Stapelprozesses einen gewünschten Wert erreicht, und einer erwarteten Zeit, zu der die Eigenschaft des aktuellen Stapelprozesses den gewünschten Wert erreicht, basierend auf der Schätzung des Unterschieds zwischen der Eigenschaft des aktuellen Stapelprozesses zu dem bestimmten Zeitpunkt und der Eigenschaft des Modellstapelprozesses zu dem Zeitpunkt, der dem bestimmten Zeitpunkt entspricht, aufzustellen.
  33. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 32, wobei der Zeitabweichungsgenerator umfasst: einen Modellreaktionsratenspeicher (416), um eine Reaktionsratenschätzung eines Modellstapelprozesses aufzustellen; und einen Dividierer (320), der mit dem Modellreaktionsratenspeicher und dem Eigenschaftsunterschiedsschätzungsgenerator verbunden ist, um die Schätzung des Unterschieds der Eigenschaft durch die Reaktionsratenschätzung eines Modellstapelprozesses zu dividieren, um die Schätzung der Abweichung aufzustellen.
  34. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 33, wobei die Reaktionsratenschätzung des Modellstapelprozesses eine Schätzung einer Reaktionsrate des Modellstapelprozesses zu einem Zeitpunkt, der dem bestimmten Zeitpunkt entspricht, umfasst.
  35. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 33, wobei die Reaktionsratenschätzung des Modellstapelprozesses eine Schätzung einer Reaktionsrate des Modellstapelprozesses nahe am Ende des Modellstapelprozesses umfasst.
  36. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 32, darüber hinaus einen Schätzungsgenerator für die verbleibende Zeit umfassend, der mit dem Zeitabweichungsgenerator verbunden ist, um basierend auf der Schätzung der Abweichung eine Schätzung der Zeit aufzustellen, die noch verbleibt, bis die Eigenschaft des aktuellen Stapelprozesses den gewünschten Wert erreicht.
  37. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 36, wobei der Schätzungsgenerator für die verbleibende Zeit einen Addierer (324) umfasst, um die Schätzung der Abweichung und eine verstrichene Zeit des aktuellen Stapelprozesses von einem erwarteten Endzeitpunkt abzuziehen.
  38. Stapeleigenschaftsschätzeinrichtung (300) nach Anspruch 26, wobei das nicht parametrische Modell ein neuronales Netz umfasst.
  39. Verfahren zur Erleichterung der Steuerung eines aktuellen Stapelprozesses, wobei das Verfahren umfasst: Reaktionsratenschätzungen, die mit dem Stapelprozess zusammenhängen, unter Verwendung eines nicht parametrischen Modells zu bestimmen; Schätzungsdaten zu bestimmen, die sich auf den Unterschied zwischen einer Reaktionsratenschätzung des aktuellen Stapelprozesses zu einem bestimmten Zeitpunkt und einer Reaktionsratenschätzung eines Modellstapelprozesses zu einem Zeitpunkt während des Modellstapelprozesses, der dem bestimmten Zeitpunkt entspricht, beziehen, wobei der Modellstapelprozess auf mindestens einem vorhergegangenen Stapelprozess basiert; und die Schätzungsdaten zu verwenden, um die Steuerung des aktuellen Stapelprozesses zu erleichtern.
  40. Verfahren nach Anspruch 39, wobei das Verwenden der Schätzungsdaten umfasst, zusätzliche Schätzungsdaten basierend auf den Schätzungsdaten zu bestimmen.
  41. Verfahren nach Anspruch 40, wobei die zusätzlichen Schätzungsdaten eine Vorhersageeigenschaft zu einem Endzeitpunkt umfassen.
  42. Verfahren nach Anspruch 40, wobei die zusätzlichen Schätzungsdaten eine Schätzung einer Abweichung zwischen einem tatsächlichen Zeitpunkt, zu dem die Reaktionsrate des aktuellen Stapelprozesses einen gewünschten Wert erreicht, und einem erwarteten Zeitpunkt, zu dem der Stapelprozess den gewünschten Wert erreicht, umfasst.
  43. Verfahren nach Anspruch 40, wobei die zusätzlichen Schätzungsdaten Daten umfassen, die mit der Schätzung eines Zeitpunkts zusammenhängen, zu dem die Reaktionsrate des aktuellen Stapelprozesses einen gewünschten Wert erreicht.
  44. Verfahren nach Anspruch 40, wobei die zusätzlichen Schätzungsdaten eine Schätzung der Zeit umfassen, die noch verbleibt, bis die Reaktionsrate des aktuellen Stapelprozesses einen gewünschten Wert erreicht.
  45. Verfahren nach Anspruch 40, darüber hinaus umfassend, die zusätzlichen Schätzungsdaten zu verwenden, um die Steuerung des aktuellen Stapelprozesses zu erleichtern.
  46. Verfahren nach Anspruch 45, wobei das Verwenden der zusätzlichen Schätzungsdaten umfasst, zumindest einige der zusätzlichen Schätzungsdaten auf einer Anzeigevorrichtung anzuzeigen.
  47. Verfahren nach Anspruch 45, wobei das Verwenden der zusätzlichen Schätzungsdaten umfasst, zumindest einige der Schätzungsdaten einem Kontroller bzw. Rechner zur Verfügung zu stellen, der mit der Steuerung des aktuellen Stapelprozesses zusammenhängt.
  48. Verfahren nach Anspruch 47, wobei das Verwenden der Schätzungsdaten darüber hinaus umfasst, zumindest einige der Schätzungsdaten dazu zu verwenden, den aktuellen Stapelprozess über den Kontroller zu steuern.
  49. Verfahren nach Anspruch 39, wobei das Verwenden der Schätzungsdaten umfasst, zumindest einige der Schätzungsdaten auf einer Anzeigevorrichtung anzuzeigen.
  50. Verfahren nach Anspruch 39, wobei das Verwenden der Schätzungsdaten umfasst, zumindest einige der Schätzungsdaten einem Kontroller zur Verfügung zu stellen, der mit der Steuerung des aktuellen Stapelprozesses zusammenhängt.
  51. Verfahren nach Anspruch 50, wobei das Verwenden der Schätzungsdaten darüber hinaus umfasst, zumindest einige der Schätzungsdaten dazu zu verwenden, den aktuellen Stapelprozess über den Kontroller zu steuern.
DE102004025876.7A 2003-05-30 2004-05-27 Vorrichtung und Verfahren zur Stapeleigenschaftsschätzung Expired - Fee Related DE102004025876B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/449437 2003-05-30
US10/449,437 US7242989B2 (en) 2003-05-30 2003-05-30 Apparatus and method for batch property estimation

Publications (2)

Publication Number Publication Date
DE102004025876A1 DE102004025876A1 (de) 2004-12-16
DE102004025876B4 true DE102004025876B4 (de) 2015-12-31

Family

ID=32655764

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102004025876.7A Expired - Fee Related DE102004025876B4 (de) 2003-05-30 2004-05-27 Vorrichtung und Verfahren zur Stapeleigenschaftsschätzung

Country Status (6)

Country Link
US (1) US7242989B2 (de)
JP (2) JP5331286B2 (de)
CN (1) CN1573624B (de)
DE (1) DE102004025876B4 (de)
GB (1) GB2402232B (de)
HK (1) HK1067415A1 (de)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6662061B1 (en) * 1997-02-07 2003-12-09 Peter G. Brown System and method for simulation and modeling of batch process manufacturing facilities using process time lines
US7242989B2 (en) * 2003-05-30 2007-07-10 Fisher-Rosemount Systems, Inc. Apparatus and method for batch property estimation
US7877154B2 (en) * 2005-09-30 2011-01-25 Fisher-Rosemount Systems, Inc. Method and system for controlling a batch process
US8756039B2 (en) * 2010-03-02 2014-06-17 Fisher-Rosemount Systems, Inc. Rapid process model identification and generation
US9217565B2 (en) 2010-08-16 2015-12-22 Emerson Process Management Power & Water Solutions, Inc. Dynamic matrix control of steam temperature with prevention of saturated steam entry into superheater
US9447963B2 (en) 2010-08-16 2016-09-20 Emerson Process Management Power & Water Solutions, Inc. Dynamic tuning of dynamic matrix control of steam temperature
US9335042B2 (en) 2010-08-16 2016-05-10 Emerson Process Management Power & Water Solutions, Inc. Steam temperature control using dynamic matrix control
US9163828B2 (en) 2011-10-31 2015-10-20 Emerson Process Management Power & Water Solutions, Inc. Model-based load demand control
US11614733B2 (en) * 2018-04-30 2023-03-28 Aspentech Corporation Computer system and method for automated batch data alignment in batch process modeling, monitoring and control
US11069926B1 (en) * 2019-02-14 2021-07-20 Vcritonc Alpha, Inc. Controlling ongoing battery system usage via parametric linear approximation
US11526155B2 (en) 2020-07-30 2022-12-13 Aspentech Corporation Computer system and method for batch data alignment with active learning in batch process modeling, monitoring, and control
US11256594B1 (en) * 2020-08-04 2022-02-22 Salesforce.Com, Inc. Method and apparatus for estimating a time to perform an operation on a prospective data set in a cloud based computing environment

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0655062A (ja) * 1992-08-05 1994-03-01 Sumitomo Chem Co Ltd 反応特性算定装置及び該装置を用いた反応器設計方法
DE19727795C1 (de) * 1997-06-30 1998-12-17 Siemens Ag Verfahren und Anordnung zur neuronalen Modellierung einer Prozeßgröße und Steuerung des Prozesses mit dieser Größe

Family Cites Families (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3939328A (en) * 1973-11-06 1976-02-17 Westinghouse Electric Corporation Control system with adaptive process controllers especially adapted for electric power plant operation
GB1583545A (en) 1976-08-04 1981-01-28 Martin Sanchez J Control systems
US4054780A (en) 1976-11-01 1977-10-18 Phillips Petroleum Company Gain-adaptive process control
US4733733A (en) 1986-02-11 1988-03-29 Nl Industries, Inc. Method of controlling the direction of a drill bit in a borehole
US5166873A (en) 1989-09-13 1992-11-24 Yokogawa Electric Corporation Process control device
US5111531A (en) 1990-01-08 1992-05-05 Automation Technology, Inc. Process control using neural network
US5248577A (en) 1990-08-13 1993-09-28 Eastman Kodak Company Reactant concentration control method and apparatus for precipitation reactions
JP2539540B2 (ja) 1990-09-19 1996-10-02 株式会社日立製作所 プロセス制御装置
US5687077A (en) 1991-07-31 1997-11-11 Universal Dynamics Limited Method and apparatus for adaptive control
US5402333A (en) 1992-06-15 1995-03-28 E. I. Du Pont De Nemours & Co., Inc. System and method for improving model product property estimates
US5740033A (en) 1992-10-13 1998-04-14 The Dow Chemical Company Model predictive controller
US5664066A (en) * 1992-11-09 1997-09-02 The United States Of America As Represented By The United States Department Of Energy Intelligent system for automatic feature detection and selection or identification
JPH08505967A (ja) 1992-11-24 1996-06-25 パヴィリオン・テクノロジーズ・インコーポレイテッド 欠落および/または不完全なデータを有するニューラルネットワークを作動するための方法および装置
US5539638A (en) 1993-08-05 1996-07-23 Pavilion Technologies, Inc. Virtual emissions monitor for automobile
DE4338608B4 (de) 1993-11-11 2005-10-06 Siemens Ag Verfahren und Vorrichtung zur Führung eines Prozesses in einem geregelten System
US5442562A (en) 1993-12-10 1995-08-15 Eastman Kodak Company Method of controlling a manufacturing process using multivariate analysis
FR2721123B1 (fr) 1994-06-08 1996-09-06 Digilog Procédé et système pour l'estimation optimale non linéaire des processus dynamique en temps réel.
US5519605A (en) 1994-10-24 1996-05-21 Olin Corporation Model predictive control apparatus and method
US5659667A (en) 1995-01-17 1997-08-19 The Regents Of The University Of California Office Of Technology Transfer Adaptive model predictive process control using neural networks
US5680409A (en) 1995-08-11 1997-10-21 Fisher-Rosemount Systems, Inc. Method and apparatus for detecting and identifying faulty sensors in a process
JP3108359B2 (ja) * 1996-03-05 2000-11-13 出光興産株式会社 石油製品の性状推定装置
US5752007A (en) 1996-03-11 1998-05-12 Fisher-Rosemount Systems, Inc. System and method using separators for developing training records for use in creating an empirical model of a process
US5877954A (en) 1996-05-03 1999-03-02 Aspen Technology, Inc. Hybrid linear-neural network process control
US5727128A (en) 1996-05-08 1998-03-10 Fisher-Rosemount Systems, Inc. System and method for automatically determining a set of variables for use in creating a process model
US5822220A (en) 1996-09-03 1998-10-13 Fisher-Rosemount Systems, Inc. Process for controlling the efficiency of the causticizing process
JP2001511282A (ja) 1997-02-07 2001-08-07 ジー. ブラウン,ピーター 生物薬剤バッチプロセス製造施設のシミュレーションおよびモデル化のシステムおよび方法
US6311093B1 (en) 1997-06-20 2001-10-30 Peter G. Brown System and method for simulation, modeling and scheduling of equipment maintenance and calibration in biopharmaceutical batch process manufacturing facilities
US7043414B2 (en) 1997-06-20 2006-05-09 Brown Peter G System and method for simulating, modeling and scheduling of solution preparation in batch process manufacturing facilities
US20010018643A1 (en) 1997-06-20 2001-08-30 Peter G. Brown Method and computer program product for simulating quality control sampling in biopharmaceutical batch process manufacturing
US20010044710A1 (en) 1997-06-20 2001-11-22 Peter G. Brown System and method for simulation, modeling and scheduling of equipment preparation in biopharmaceutical batch process manufacturing facilities
US6983229B2 (en) 1997-06-20 2006-01-03 Brown Peter G Method for scheduling solution preparation in biopharmaceutical batch process manufacturing
US6106785A (en) * 1997-06-30 2000-08-22 Honeywell Inc. Polymerization process controller
US6088630A (en) 1997-11-19 2000-07-11 Olin Corporation Automatic control system for unit operation
US6122557A (en) 1997-12-23 2000-09-19 Montell North America Inc. Non-linear model predictive control method for controlling a gas-phase reactor including a rapid noise filter and method therefor
JPH11351049A (ja) * 1998-06-10 1999-12-21 Matsushita Electric Ind Co Ltd パラメータ推定制御装置
US6408227B1 (en) 1999-09-29 2002-06-18 The University Of Iowa Research Foundation System and method for controlling effluents in treatment systems
US6490501B1 (en) 1999-10-06 2002-12-03 Bell Helicopter Textron Inc. Cure monitoring and control system
US6484133B1 (en) 2000-03-31 2002-11-19 The University Of Chicago Sensor response rate accelerator
US6760716B1 (en) 2000-06-08 2004-07-06 Fisher-Rosemount Systems, Inc. Adaptive predictive model in a process control system
WO2002019602A2 (en) 2000-09-01 2002-03-07 Fred Hutchinson Cancer Research Center Statistical modeling to analyze large data arrays
JP2002358120A (ja) * 2001-06-04 2002-12-13 Mitsubishi Chemicals Corp バッチプラント運転管理装置
CA2450177C (en) 2001-06-08 2012-09-11 Netuitive, Inc. Automated analyzers for estimation systems
WO2003017372A1 (de) * 2001-08-14 2003-02-27 Infineon Technologies Ag Photodiodenanordnung mit zwei photodioden
US7242989B2 (en) * 2003-05-30 2007-07-10 Fisher-Rosemount Systems, Inc. Apparatus and method for batch property estimation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0655062A (ja) * 1992-08-05 1994-03-01 Sumitomo Chem Co Ltd 反応特性算定装置及び該装置を用いた反応器設計方法
DE19727795C1 (de) * 1997-06-30 1998-12-17 Siemens Ag Verfahren und Anordnung zur neuronalen Modellierung einer Prozeßgröße und Steuerung des Prozesses mit dieser Größe

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Psaltis: A Multilayered Neural Network Controller. In: IEEE Control Systems Magazine, April 1988, 17-21. *

Also Published As

Publication number Publication date
CN1573624B (zh) 2011-03-09
HK1067415A1 (en) 2005-04-08
GB2402232A (en) 2004-12-01
GB2402232B (en) 2006-06-07
JP5331286B2 (ja) 2013-10-30
GB0411361D0 (en) 2004-06-23
JP2005004742A (ja) 2005-01-06
CN1573624A (zh) 2005-02-02
JP5476418B2 (ja) 2014-04-23
US7242989B2 (en) 2007-07-10
DE102004025876A1 (de) 2004-12-16
US20040243380A1 (en) 2004-12-02
JP2012138118A (ja) 2012-07-19

Similar Documents

Publication Publication Date Title
DE102004026979B4 (de) Vielfacheingabe- /Vielfachausgabe-Steuer-/Regelblöcke mit nichtlinearen Vorhersagefähigkeiten
DE102006045428B4 (de) Verfahren und System zur Steuerung eines Batch-Prozesses
DE10341764B4 (de) Integrierte Modell-Vorhersagesteuerung und -Optimierung innerhalb eines Prozesssteuerungssystems
DE10048360B4 (de) Integrierte, fortschrittliche Steuerblöcke in Prozeßsteuersystemen
DE102007017039B4 (de) Robuste Prozessmodellidentifikation bei modellbasierten Steuerungstechniken
DE10304902B4 (de) Anpassung von erweiterten Prozeßsteuerblöcken in Abhängigkeit von veränderlichen Prozeßverzögerungen
DE102008038347B4 (de) System zur analyse der leistungscharakteristik einer gasturbine
DE10012258B4 (de) Selbst-Abstimmung in einer verteilten Prozeß-Regelumgebung
DE102006046870B4 (de) Prozessmodellidentifizierung in einem Prozesssteuersystem
DE102004025876B4 (de) Vorrichtung und Verfahren zur Stapeleigenschaftsschätzung
DE112011101738T5 (de) Mehrstufiges Prozessmodellierungsverfahren
DE10335116B4 (de) Integrierte elektronische Authentifizierung für die Freigabe von Softwareobjekten für ein Prozesssteuerungssystem
DE102004025875A1 (de) Funktionsblock mit Boolescher Logik
DE102011012710A1 (de) Schnelle Identifikation und Erzeugung von Prozessmodellen
DE10007972A1 (de) Diagnosevorrichtung und -verfahren in einem Prozeßsteuersystem
DE102007054417A1 (de) Bestimmen von geräteinternen Parameteradressen aus feldbusspezifischen Parameteradressen eines Feldgerätes
DE102016117560A1 (de) Werkzeugmaschine zum erzeugen einer geschwindigkeitsverteilung
DE102013100434A1 (de) Kompensieren von Sollwertänderungen in einer nicht-periodisch aktualisierten Steuereinrichtung
DE102016117585A1 (de) Verfahren und Vorrichtung zur Bestimmung von Schritten für eine multi-Zufallsvariablen Batch-Steuerungs-Analyse
DE102007063312A1 (de) Parametriersystem und Verfahren zur Parametrierung eines Feldgeräts
WO2009053137A2 (de) Verfahren zum computergestützten ermitteln mindestens einer eigenschaft einer haarcoloration
DE1523535C3 (de) Selbstanpassender Regelkreis
DE102016119421A1 (de) Geschwindigkeitsbasierte Regelung in einem nichtperiodisch aktualisierten Controller
EP3686697A1 (de) Regleroptimierung für ein leitsystem einer technischen anlage
DE102018131119A1 (de) Integration mehrerer Anlagenmodule mit jeweils wenigstens einer prozesstechnischen Einheit zu einer modular aufgebauten Gesamtanlage

Legal Events

Date Code Title Description
8110 Request for examination paragraph 44
R016 Response to examination communication
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee