專利名稱：設(shè)計(jì)試驗(yàn)的方法和計(jì)算機(jī)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明是關(guān)于設(shè)計(jì)試驗(yàn)的一種方法和一種計(jì)算機(jī)系統(tǒng)以及一種相應(yīng)的計(jì)算機(jī)程序產(chǎn)品。
從現(xiàn)有技術(shù)得知，用統(tǒng)計(jì)試驗(yàn)設(shè)計(jì)方法去設(shè)計(jì)試驗(yàn)。此外，這些設(shè)計(jì)方法要使用于，用最少數(shù)量的試驗(yàn)來取得一個(gè)過程中的調(diào)節(jié)參數(shù)和干擾參數(shù)與形成的產(chǎn)品-和過程性能之間關(guān)系的一個(gè)經(jīng)驗(yàn)的過程模型。這樣一個(gè)統(tǒng)計(jì)的試驗(yàn)設(shè)計(jì)，例如可以借助于計(jì)算機(jī)程序“STAVEX”(STAtistische Versuchsplanung mit Expertensystem(具有專家系統(tǒng)的統(tǒng)計(jì)試驗(yàn)設(shè)計(jì))，生產(chǎn)者為瑞士的AICOS Technologie)來進(jìn)行。另一個(gè)市場(chǎng)上可以得到的試驗(yàn)設(shè)計(jì)計(jì)算機(jī)程序，是德國(guó)公司StatSoft(Europe)GmbH的程序“StatisticaR”。
在統(tǒng)計(jì)試驗(yàn)設(shè)計(jì)的范圍內(nèi)，在現(xiàn)有技術(shù)中區(qū)分為各種試驗(yàn)設(shè)計(jì)類型。尤其是在傳統(tǒng)的、全因子方法與按照Taguchi或Shainin的現(xiàn)代方法之間進(jìn)行區(qū)分。
傳統(tǒng)的、全因子方法，是所有統(tǒng)計(jì)試驗(yàn)設(shè)計(jì)方法的起源。它是根據(jù)方差分析，建立在所有質(zhì)量決定的因子相互比較的基礎(chǔ)上。在過去的幾十年中，制訂出了很多的方案，并在研究和開發(fā)實(shí)驗(yàn)室中得到確認(rèn)。
Shainin-DOE(DOE＝Design of Experiment，試驗(yàn)設(shè)計(jì))適宜作為過程最佳化的適合的方法，因?yàn)樗鼘⑺^“強(qiáng)的”影響因素分離開并在關(guān)聯(lián)和相依性上去研究它們。
Taguchi-DOE是建立在以前的、部分因子的、正交的試驗(yàn)計(jì)劃基礎(chǔ)上。由于通過預(yù)選最重要的影響量大大節(jié)省了試驗(yàn)過程，這就是試驗(yàn)設(shè)計(jì)和過程設(shè)計(jì)的一個(gè)快速和相對(duì)經(jīng)濟(jì)的方法。
其它已知的統(tǒng)計(jì)試驗(yàn)設(shè)計(jì)類型，是部分因子試驗(yàn)計(jì)劃(“fractional factorial”)、Plakett-Burmann試驗(yàn)設(shè)計(jì)、集中組合設(shè)計(jì)(“central composite”)、Box-Behnken試驗(yàn)設(shè)計(jì)、D-最佳設(shè)計(jì)(“D-optimal Designs”)、混合設(shè)計(jì)、平衡方塊設(shè)計(jì)、拉丁平方形、Desperado設(shè)計(jì)(為此也可參閱Eberhard Scheffler，Statistische Versuchsplanung and-auswertung；DeutscherVerlag für Grundstoffindustrie，Stuttgart，1997)。
另一些試驗(yàn)設(shè)計(jì)方法見Hans Bendemer的“OptimaleVersuchsplanung，優(yōu)化的試驗(yàn)設(shè)計(jì)”，德國(guó)手冊(cè)系列叢書(DTB，23卷和ISBN 3-87144-278-X)以及Wilhelm Kleppmann的試驗(yàn)設(shè)計(jì)手冊(cè)，“產(chǎn)品和過程最佳化”2.，增訂版，ISBN3-446-21615-4。由于費(fèi)用原因在實(shí)踐中經(jīng)常使用這些方法。
已知的統(tǒng)計(jì)試驗(yàn)設(shè)計(jì)方法的缺點(diǎn)是，進(jìn)行試驗(yàn)設(shè)計(jì)和模型化時(shí)沒有考慮到補(bǔ)充的知識(shí)，致使有時(shí)找不到適當(dāng)?shù)淖罴研Ч?，使所產(chǎn)生結(jié)果和結(jié)論的值得信賴性成了問題。以前知道的試驗(yàn)設(shè)計(jì)方法的另一個(gè)重要缺點(diǎn)是，這些方法在有大量的要考慮的影響因素中范圍太廣。此外，在某些系統(tǒng)中，例如在催化作用或有效物料研究中，目標(biāo)功能經(jīng)常劇烈“起伏”，因此難于用統(tǒng)計(jì)方法理解。
由WO 00/15341得知一種用于開發(fā)異質(zhì)催化反應(yīng)過程的固體材料催化劑的方法，它是按照演化方法建立在對(duì)照調(diào)試的基礎(chǔ)上的。
此外，還由WO 00/43411，J.chem..Inf.Compute.Sci.2000，40，981-987“使用隨機(jī)優(yōu)化算法的異質(zhì)催化設(shè)計(jì)”以及由Applied Catalysis AGeneral 200(2000)63-67“An evolutionaryapproach in the combinatorial selection and optimization ofcatalytic materials，在催化材料的組合選擇和優(yōu)化中使用的開發(fā)方法”得知相應(yīng)的演化工作的方法。
此外，由US 6,009,379得知一種為了控制制造過程有關(guān)高效的試驗(yàn)設(shè)計(jì)方法。在這種情況，為了有均勻地加權(quán)各個(gè)制造參數(shù)，將試驗(yàn)點(diǎn)均勻地分布在一個(gè)多維球表面上。


圖1示出的是為了實(shí)施篩選(Screening)試驗(yàn)由現(xiàn)有技術(shù)已知的一個(gè)系統(tǒng)的方塊圖，尤其像在催化、材料研究和有效物料研究領(lǐng)域使用的那樣。該系統(tǒng)包括一個(gè)物質(zhì)庫(kù)(substanzbilliothek)，即一個(gè)所謂的組合庫(kù)(Library)1和一個(gè)用于實(shí)施高通量篩選(HTS)或高速實(shí)測(cè)(High-Speed Experimentation(HSE))試驗(yàn)的試驗(yàn)結(jié)構(gòu)2。這些篩選試驗(yàn)，典型地使用于有效物料鑒定、催化研究(單相的和多相的)、材料研究以及在化學(xué)、生物化學(xué)或生物技術(shù)系統(tǒng)時(shí)鑒別最佳反應(yīng)條件。
通常，在這樣一個(gè)試驗(yàn)結(jié)構(gòu)2中要平行進(jìn)行多個(gè)試驗(yàn)。試驗(yàn)結(jié)果以文件3的形式輸出。這些輸出的數(shù)據(jù)或其中的部分?jǐn)?shù)據(jù)同時(shí)是一個(gè)優(yōu)化器4的輸入數(shù)據(jù)。
優(yōu)化器4是一個(gè)所謂的黑匣子-優(yōu)化器，就是說是一個(gè)建立在一個(gè)數(shù)據(jù)驅(qū)動(dòng)模型或一個(gè)演化算法基礎(chǔ)上的優(yōu)化器。在優(yōu)化器4中，不存在有關(guān)結(jié)構(gòu)和/或作用關(guān)系的先驗(yàn)知識(shí)，更確切地說為了從組合庫(kù)1中選出試驗(yàn)，它作為局限于數(shù)據(jù)處理的優(yōu)化器。
典型的是，優(yōu)化器4應(yīng)用試驗(yàn)數(shù)據(jù)3，這些數(shù)據(jù)由影響參數(shù)(屬性、因子、結(jié)構(gòu)特征、描述符、物理量、材料性能)和有關(guān)這些參數(shù)在所謂的目標(biāo)(目標(biāo)量)上作用的數(shù)據(jù)組成，以便在目標(biāo)的空間中確定一個(gè)最佳尋找方向。
這樣一個(gè)黑匣子-優(yōu)化器4的實(shí)現(xiàn)例如如下進(jìn)行，經(jīng)過-遺傳算法，-演化算法或策略，-神經(jīng)網(wǎng)絡(luò)或-其它數(shù)據(jù)驅(qū)動(dòng)模型組(modellansatz)，它們與隨機(jī)的或決定性的或由兩者組合的最佳化結(jié)構(gòu)有關(guān)。
這些由現(xiàn)有技術(shù)得知的系統(tǒng)有個(gè)共同的缺點(diǎn)，即先驗(yàn)的信息不能或只能局限性地對(duì)黑匣子-優(yōu)化器產(chǎn)生影響和相應(yīng)的尋找策略，經(jīng)常緩慢地或向不適當(dāng)?shù)拇蝺?yōu)化收斂。因此，鑒于時(shí)間和費(fèi)用上的花費(fèi)，這些由現(xiàn)有技術(shù)得知的方法往往是低效率的。此外，在用以演化算法為基礎(chǔ)的技術(shù)時(shí)，在使用優(yōu)化器去實(shí)現(xiàn)最佳值時(shí)能使費(fèi)用有高于使用合理的或統(tǒng)計(jì)措施時(shí)的危險(xiǎn)。
因此，本發(fā)明的任務(wù)在于，創(chuàng)立一種較好的設(shè)計(jì)試驗(yàn)的方法以及創(chuàng)立一種相應(yīng)的計(jì)算機(jī)系統(tǒng)和計(jì)算機(jī)程序產(chǎn)品。
本發(fā)明的任務(wù)用獨(dú)立權(quán)利要求的特征去解決。本發(fā)明的優(yōu)選實(shí)施形式在從屬權(quán)利要求中給出。
本發(fā)明的對(duì)象是一種設(shè)計(jì)試驗(yàn)的方法，為了實(shí)現(xiàn)最佳化的目的用下列步驟A)在一個(gè)計(jì)算機(jī)單元中，通過一個(gè)數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器，從一個(gè)試驗(yàn)空間(Versuchsraum)選出至少一個(gè)第一試驗(yàn)，B)將第一試驗(yàn)的通過實(shí)驗(yàn)測(cè)定的試驗(yàn)數(shù)據(jù)輸入到計(jì)算機(jī)單元的至少一個(gè)元層(Meta-Schicht)中，
C)為處理試驗(yàn)數(shù)據(jù)應(yīng)用至少一個(gè)元層，D)將第一試驗(yàn)的通過實(shí)驗(yàn)測(cè)定的試驗(yàn)數(shù)據(jù)輸入到數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器中，E)通過在元層中處理的結(jié)果和檢驗(yàn)?zāi)繕?biāo)實(shí)現(xiàn)的結(jié)果來影響數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器，F(xiàn))通過數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器，從試驗(yàn)空間選出至少一個(gè)第二試驗(yàn)，G)為第二試驗(yàn)的數(shù)據(jù)重復(fù)步驟B)至E)和H)在目標(biāo)達(dá)到時(shí)或重復(fù)至少一個(gè)第三或其它試驗(yàn)的步驟A)至F)直至達(dá)到目標(biāo)時(shí)中斷該六個(gè)步驟(Hexation)。
將方法進(jìn)行重復(fù)直至達(dá)到最佳化目標(biāo)，或確定出該最佳化目標(biāo)可能不能實(shí)現(xiàn)。方法的中斷能自動(dòng)或通過用戶進(jìn)行。最佳化目標(biāo)可以是實(shí)現(xiàn)試驗(yàn)的某些評(píng)價(jià)特征數(shù)值。特征數(shù)值例如可能涉及增益選擇性、空間-時(shí)間-增益、費(fèi)用、物理性能、作用機(jī)制、推導(dǎo)的性能等等。同樣有可能在應(yīng)用多個(gè)特征數(shù)值的情況下評(píng)價(jià)試驗(yàn)。
本發(fā)明允許為影響黑匣子-優(yōu)化器積累知識(shí)以加速會(huì)聚和/或會(huì)聚的保證為目的來達(dá)到一個(gè)適宜的最佳值以及提高結(jié)果的可信賴性。在這種情況，能將知識(shí)作為先驗(yàn)的已知的基本知識(shí)和/或不斷通過處理前面進(jìn)行的試驗(yàn)處理而補(bǔ)充。
附加知識(shí)的生成優(yōu)先是以“規(guī)則”形式進(jìn)行，尤其是經(jīng)過與數(shù)據(jù)挖掘(Data Mining)和其它方法的結(jié)構(gòu)作用關(guān)系進(jìn)行。這些規(guī)則能在一個(gè)最佳化步驟之前、期間或之后或者也連續(xù)不斷地整和到試驗(yàn)設(shè)計(jì)中，此時(shí)數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器將相應(yīng)受到影響。為了數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器的這個(gè)影響，預(yù)先規(guī)定一個(gè)元層。
通過使用這樣一個(gè)元層，黑匣子-優(yōu)化器“被調(diào)協(xié)”。在這種情況，元層不是局限于一個(gè)方法，而是能包括各種方法的組合?？赡艿姆椒ㄊ?神經(jīng)網(wǎng)絡(luò)，-混合模型，-精確模型(rigorose Modelle)，-數(shù)據(jù)挖掘方法，諸如判斷樹法、通用分離法、分組查找法、通用分割法、群集法、締合規(guī)則生成器(Assoziationsregeln-generator)和相關(guān)法。
優(yōu)化器工作方式的影響可在這種情況直接進(jìn)行，即通過影響優(yōu)化器工作方式的方法或間接地，通過過濾數(shù)據(jù)的方法，這些數(shù)據(jù)構(gòu)成最佳化的基礎(chǔ)。
按照本發(fā)明的一個(gè)優(yōu)選實(shí)施形式，應(yīng)用影響優(yōu)化器的方法，通過這些方法優(yōu)化器和/或最佳化過程“被調(diào)諧”。屬于這些方法的例如有分組查找法或相關(guān)性分析法或在規(guī)則生成器(Regelgeneratorn)時(shí)的屬性統(tǒng)計(jì)。
按照本發(fā)明的另一個(gè)優(yōu)選實(shí)施形式，規(guī)定有一些其它的元層，它們改進(jìn)各上述的元層或影響它或影響上述那些元層和/或附加地直接影響第一級(jí)(erste Ebene)的黑匣子-最佳化過程。
按照本發(fā)明的另一個(gè)優(yōu)選實(shí)施形式，在每個(gè)最佳化步驟中能到原始的最佳化過程中去改變影響位置，和能改變?cè)谠獙又惺褂玫姆椒ɑ蚍椒ńM合。選擇產(chǎn)生最佳規(guī)則的適宜方法在這種情況能自動(dòng)進(jìn)行。
按照本發(fā)明的一個(gè)優(yōu)選實(shí)施形式，影響優(yōu)化器通過重新評(píng)估試驗(yàn)數(shù)據(jù)進(jìn)行。例如，用可直接實(shí)驗(yàn)方法確定諸如產(chǎn)額那樣相應(yīng)的數(shù)據(jù)，試驗(yàn)數(shù)據(jù)自己已經(jīng)能含有一個(gè)評(píng)估。在這種情況，重新評(píng)估能通過過濾產(chǎn)額數(shù)據(jù)進(jìn)行，例如借助將特別好的產(chǎn)額通過數(shù)據(jù)過濾更強(qiáng)地加權(quán)，將特別不好的產(chǎn)額通過數(shù)據(jù)過濾減弱加權(quán)。通過這種類型的數(shù)據(jù)過濾，使試驗(yàn)過程達(dá)到快速的會(huì)聚。
如果試驗(yàn)數(shù)據(jù)不是直接含有一個(gè)實(shí)驗(yàn)確定的評(píng)估，而是將評(píng)估通過實(shí)驗(yàn)后安排的計(jì)算才確定，則相應(yīng)地也能進(jìn)行。在這種情況，不是通過實(shí)驗(yàn)確定數(shù)據(jù)，而是通過計(jì)算過濾或加權(quán)確定的評(píng)估。
在這種情況，過濾的方式和方法可通過一些規(guī)則或其它關(guān)系得出，這些關(guān)系依據(jù)試驗(yàn)數(shù)據(jù)的一種分析方法找到，例如借助于神經(jīng)網(wǎng)絡(luò)或數(shù)據(jù)挖掘法或其它方法找到。
按照另一個(gè)優(yōu)選的實(shí)施形式，對(duì)優(yōu)化器的影響通過試驗(yàn)空間的縮小、放大和/或位移實(shí)現(xiàn)。
按照另一個(gè)優(yōu)選的實(shí)施形式，過濾通過預(yù)選和/或加權(quán)試驗(yàn)數(shù)據(jù)進(jìn)行。特別“不好的”試驗(yàn)數(shù)據(jù)，即由規(guī)則生成器進(jìn)行預(yù)選作為不適合識(shí)別出的試驗(yàn)數(shù)據(jù)，并從試驗(yàn)空間除掉。此外，如果相應(yīng)的參數(shù)由規(guī)則生成器作為不重要的識(shí)別出，也能從試驗(yàn)數(shù)據(jù)矩陣將整列或整行除掉。經(jīng)此將試驗(yàn)空間縮小，使整個(gè)費(fèi)用大大降低。
試驗(yàn)數(shù)據(jù)的加權(quán)能如下進(jìn)行，即將在試驗(yàn)數(shù)據(jù)矩陣中作為特別重要識(shí)別出的試驗(yàn)數(shù)據(jù)重復(fù)一次或多次?？蛇x擇的是能引入一個(gè)加權(quán)系數(shù)。
按照本發(fā)明的另一個(gè)優(yōu)選實(shí)施形式，黑匣子-優(yōu)化器包括一些所謂的核心模塊或核心算子，以及一個(gè)選擇新試驗(yàn)點(diǎn)的模塊。對(duì)優(yōu)化器工作方式的影響，就通過對(duì)該核心模塊或這些核心模塊和/或選擇新試驗(yàn)點(diǎn)的模塊的影響進(jìn)行，這些新試驗(yàn)點(diǎn)建立在例如由規(guī)則生成器識(shí)別出的關(guān)系的基礎(chǔ)上。
在下面用附圖詳細(xì)闡述本發(fā)明的一些優(yōu)選實(shí)施形式。示出的有圖1表示一個(gè)由現(xiàn)有技術(shù)已知的試驗(yàn)設(shè)計(jì)系統(tǒng)的方塊圖，圖2本發(fā)明試驗(yàn)設(shè)計(jì)系統(tǒng)的一種實(shí)施形式的方塊圖，圖3具有重新評(píng)估試驗(yàn)數(shù)據(jù)的本發(fā)明試驗(yàn)設(shè)計(jì)系統(tǒng)的一種實(shí)施形式的方塊圖，圖4具有預(yù)選和/或加權(quán)試驗(yàn)數(shù)據(jù)的本發(fā)明試驗(yàn)設(shè)計(jì)系統(tǒng)的一種圖2的試驗(yàn)設(shè)計(jì)系統(tǒng)是以組合(kombinatorisch)程序庫(kù)5為基礎(chǔ)，該程序庫(kù)是基于由試驗(yàn)空間給出的框架條件(Rahmenbedingung)產(chǎn)生的。由這個(gè)組合庫(kù)5通過優(yōu)化器6選出一個(gè)或多個(gè)試驗(yàn)，然后在試驗(yàn)結(jié)構(gòu)7中例如借助于一個(gè)高通量篩選或高速實(shí)測(cè)試驗(yàn)方法進(jìn)行這些試驗(yàn)。相應(yīng)的試驗(yàn)數(shù)據(jù)以一個(gè)文件8的形式輸出。
為優(yōu)化器6在試驗(yàn)設(shè)計(jì)系統(tǒng)中設(shè)置一個(gè)元層9。元層9用于在考慮先驗(yàn)的已知知識(shí)或在試驗(yàn)進(jìn)行期間補(bǔ)充獲得的知識(shí)情況下影響優(yōu)化器6。例如以規(guī)則形式或訓(xùn)練過的神經(jīng)網(wǎng)絡(luò)形式的知識(shí)，在這種情況能連續(xù)地通過處理文件8補(bǔ)充獲得。
因此元層9通過附加的知識(shí)補(bǔ)充數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器6，以便加速試驗(yàn)系列的會(huì)聚。通過元層9可用基本知識(shí)和/或規(guī)則結(jié)構(gòu)的整合改進(jìn)一個(gè)實(shí)現(xiàn)于優(yōu)化器6中的黑匣子最佳化方法的會(huì)聚速度。
這個(gè)整合能以各種方式和方法進(jìn)行，例如通過A測(cè)試信號(hào)群(Testensamble)的信息輔助附加選擇，即通過用數(shù)據(jù)挖掘找到的規(guī)則限制要檢驗(yàn)的組合程序庫(kù)和不介入優(yōu)化器B在作為最佳被識(shí)別的程序庫(kù)范圍的方向的最佳化步驟有目的的加權(quán)，即介入優(yōu)化器的查找方法C調(diào)諧黑匣子-最佳化方法的選擇規(guī)則，即直接介入優(yōu)化器的評(píng)估方法或在輸入到優(yōu)化器之前修改評(píng)估數(shù)值。
介入形式A，B和C基本上也能組合進(jìn)行，就是說在一個(gè)最佳化步驟時(shí)，也能進(jìn)行A和B、B和C、A和C或A和B和C的介入。從最佳化步驟到最佳化步驟，能改變介入位置和介入組合以及在元層中應(yīng)用的方法。介入也能由布置在后的元層進(jìn)行。
在通過統(tǒng)計(jì)試驗(yàn)設(shè)計(jì)進(jìn)行最佳化時(shí)，與應(yīng)用一個(gè)黑匣子-優(yōu)化器類似進(jìn)行，就是說這里在最佳化過程中也是經(jīng)過元層以一個(gè)或幾個(gè)上面闡述的形式介入。例如，通過在選擇影響參數(shù)時(shí)其有效范圍和/或有效范圍的附加限制在組合影響參數(shù)時(shí)流入，來進(jìn)行基本知識(shí)的整合。
為了按順序進(jìn)行統(tǒng)計(jì)試驗(yàn)設(shè)計(jì)，通過使用數(shù)據(jù)挖掘法或其它上述方法能流入有關(guān)影響參數(shù)的其它信息并整合到試驗(yàn)設(shè)計(jì)中，就是說在第一、第二...，第n個(gè)過程之后各自基于附加信息改變?cè)囼?yàn)空間。
該改變通過下面的措施進(jìn)行a)補(bǔ)充或取消影響參數(shù)b)改變各個(gè)或組合影響參數(shù)的有效范圍c)a)和b)的組合。
在這種情況有特殊優(yōu)點(diǎn)的是，能繼續(xù)為一個(gè)黑匣子或一個(gè)統(tǒng)計(jì)優(yōu)化器6使用“傳統(tǒng)”由現(xiàn)有技術(shù)本身已知的試驗(yàn)設(shè)計(jì)方法；將這些試驗(yàn)設(shè)計(jì)方法通過本發(fā)明改進(jìn)，通過考慮基本知識(shí)或在試驗(yàn)過程期間補(bǔ)充獲得的知識(shí)，使方法較快或完全會(huì)聚。
在催化劑、有效物料或材料或反應(yīng)條件的試驗(yàn)設(shè)計(jì)最佳化時(shí)，通過本發(fā)明的“調(diào)諧”，尤其使會(huì)聚速度有明顯提高。另一個(gè)優(yōu)點(diǎn)是，在期待有相同的結(jié)果時(shí)，可以減少試驗(yàn)的數(shù)量，因而可以達(dá)到材料-和時(shí)間消耗較少和設(shè)備更好充分利用的目的。
此外還有一個(gè)特殊優(yōu)點(diǎn)，通過整合基本知識(shí)，在使用HSE或HTS技術(shù)時(shí)或在組合進(jìn)行時(shí)沒有發(fā)生研究投資損失。
圖3示出試驗(yàn)設(shè)計(jì)系統(tǒng)的一個(gè)實(shí)施形式，此時(shí)對(duì)試驗(yàn)進(jìn)行重新評(píng)估。
在試驗(yàn)結(jié)構(gòu)7中，進(jìn)行一個(gè)或多個(gè)事先從組合程序庫(kù)5(比較圖2)選出的試驗(yàn)。相應(yīng)的試驗(yàn)數(shù)據(jù)以文件8的形式輸出。試驗(yàn)數(shù)據(jù)此時(shí)自己已經(jīng)能包括一個(gè)評(píng)估，前提是相應(yīng)的數(shù)據(jù)直接能由試驗(yàn)掌握。為此的一個(gè)例子是由試驗(yàn)確定產(chǎn)額。產(chǎn)額同時(shí)是對(duì)所進(jìn)行試驗(yàn)的一個(gè)評(píng)估。
在另外一些情況，能要求在評(píng)估模塊10中對(duì)試驗(yàn)數(shù)據(jù)附加進(jìn)行一個(gè)評(píng)估。例如，為計(jì)算建立在一個(gè)或多個(gè)試驗(yàn)數(shù)據(jù)基礎(chǔ)上的評(píng)估，評(píng)估模塊10有個(gè)計(jì)算規(guī)范。
將文件8和或許還有評(píng)估模塊10的結(jié)果輸入到元層9中。元層9包括用于實(shí)現(xiàn)一個(gè)數(shù)據(jù)挖掘(DM)算法、一個(gè)神經(jīng)網(wǎng)絡(luò)的模塊11或一個(gè)混合方法或一個(gè)其它適當(dāng)數(shù)據(jù)分析方法的模塊11。
通過應(yīng)用這樣一種方法，產(chǎn)生一些規(guī)則，即用于理解在試驗(yàn)中觀察到的化學(xué)系統(tǒng)的附加信息和認(rèn)識(shí)。模塊11有一個(gè)規(guī)則生成器的功能。相應(yīng)的規(guī)則和附帶條件在元層9的模塊12中表述。
然后以這些規(guī)則和附帶條件為基礎(chǔ)，必要時(shí)在模塊13中進(jìn)行試驗(yàn)或這些試驗(yàn)的重新評(píng)估。這可以這樣進(jìn)行，即只有當(dāng)超過一個(gè)預(yù)先規(guī)定的門限值時(shí)，才進(jìn)行一個(gè)試驗(yàn)的重新評(píng)估。另可選擇的是，用戶也能對(duì)激活或去激活重新評(píng)估施加影響。重新評(píng)估能使作為“不好”識(shí)別出的試驗(yàn)得到變壞的評(píng)估，使作為“好”識(shí)別出的試驗(yàn)有個(gè)較好的評(píng)估。
以必要時(shí)含有重新評(píng)估的試驗(yàn)數(shù)據(jù)的文件8為基礎(chǔ)，黑匣子-優(yōu)化器6制定另一個(gè)試驗(yàn)設(shè)計(jì)18。于是，在試驗(yàn)結(jié)構(gòu)中又進(jìn)行一些相應(yīng)的試驗(yàn)等等。
圖4示出一個(gè)可選擇的實(shí)施形式，此時(shí)過濾不是通過重新評(píng)估試驗(yàn)數(shù)據(jù)，而是通過預(yù)選和/或加權(quán)進(jìn)行。在這種情況，圖4的試驗(yàn)設(shè)計(jì)系統(tǒng)原則上與圖3的結(jié)構(gòu)相同，在模塊13的位置為了預(yù)選和/或加權(quán)應(yīng)用一個(gè)模塊15。
就是說不重新或另外評(píng)估試驗(yàn)數(shù)據(jù)，而是能用模塊15在所確定的規(guī)則的基礎(chǔ)上例如選出試驗(yàn)或強(qiáng)一些或弱一些加權(quán)。這樣去進(jìn)行預(yù)選，而不用去改變?cè)囼?yàn)的評(píng)估本身。
圖5示出的是本發(fā)明試驗(yàn)設(shè)計(jì)系統(tǒng)的另一個(gè)實(shí)施形式。圖5的實(shí)施形式區(qū)別于圖3和圖4的地方，在于直接介入優(yōu)化器6。
優(yōu)化器在這個(gè)實(shí)施形式中包括一個(gè)或多個(gè)核心模塊16，即所謂的核心算子。此外，優(yōu)化器6還包括一個(gè)用于選擇新試驗(yàn)點(diǎn)的模塊17。模塊17的工作方式受由模塊12表述的規(guī)則和附帶條件影響，即例如由模塊17將所選擇的新試驗(yàn)點(diǎn)屏棄，使從模塊17到核心模塊6進(jìn)行反饋，以便選擇相應(yīng)另外的試驗(yàn)點(diǎn)作為替代被屏棄的試驗(yàn)點(diǎn)。
在核心模塊或一些核心模塊16中運(yùn)行本來的最佳化之后，為了所觀察系統(tǒng)目標(biāo)參數(shù)的最佳化，通過模塊17推薦新的試驗(yàn)或試驗(yàn)點(diǎn)。這個(gè)系統(tǒng)例如可涉及一個(gè)化學(xué)、生物技術(shù)、生物、發(fā)酵系統(tǒng)。
在經(jīng)過規(guī)則生成器，即經(jīng)過元層9所制定的規(guī)則的基礎(chǔ)上，剔除與所產(chǎn)生規(guī)則相矛盾的試驗(yàn)，必要時(shí)通過新的試驗(yàn)經(jīng)過優(yōu)化器，即經(jīng)過核心模塊或一些核心模塊16來補(bǔ)充。
能用某種加權(quán)嚴(yán)格地、即完全地、或彈性地(weich)進(jìn)行剔除。新設(shè)計(jì)的試驗(yàn)也必須再通過模塊17。以這種方式，達(dá)到使由核心模塊或一些核心模塊16沒能顧及到的或能顧及到的信息事后流入試驗(yàn)設(shè)計(jì)。
為了對(duì)由模塊17所選擇的新試驗(yàn)點(diǎn)進(jìn)行再選擇，另可選擇的是能給優(yōu)化器6串接上一個(gè)單獨(dú)的模塊18。這相當(dāng)于在模塊18中的一個(gè)檢驗(yàn)由模塊17推薦的新試驗(yàn)點(diǎn)是否與規(guī)則吻合(regelkonform)。如果在該檢驗(yàn)時(shí)將試驗(yàn)點(diǎn)消除，又要求來一個(gè)回流，以便設(shè)計(jì)相應(yīng)的可選擇的新試驗(yàn)點(diǎn)。
圖6試驗(yàn)設(shè)計(jì)系統(tǒng)的實(shí)施形式相當(dāng)于圖5的試驗(yàn)設(shè)計(jì)系統(tǒng)，區(qū)別在于不影響模塊17的工作方式或在模塊18中的再選擇，而是直接影響優(yōu)化器6的核心模塊或一些模塊16的工作方式。
影響參數(shù)的類型和數(shù)量以及各個(gè)數(shù)據(jù)點(diǎn)的加權(quán)，是神經(jīng)網(wǎng)絡(luò)核心算子的例子。
選擇算子(選出一個(gè)新系列試驗(yàn))、突變算子和交叉(Cross-Over)算子，是在原生算法的例子上為演化算法核心算子的例子。
通過規(guī)則生成器產(chǎn)生的規(guī)則和信息，在優(yōu)化器的算法中甚至在實(shí)施時(shí)予以考慮。
對(duì)于與神經(jīng)網(wǎng)絡(luò)耦連在一起的優(yōu)化器，意味著通過規(guī)則限制試驗(yàn)空間或以特殊方式加權(quán)數(shù)據(jù)組。
在演化的算法優(yōu)化器時(shí)，要考慮到一個(gè)或多個(gè)核心算子中的附加信息。這意味著，要禁止或優(yōu)先實(shí)施例如一定的交叉、選擇或突變。
對(duì)于兩個(gè)優(yōu)化器類型，這造成的后果是，在工作流程完全自動(dòng)化時(shí)，經(jīng)過接口介入優(yōu)化器的相應(yīng)程序部分，或信息經(jīng)過手工或程控變動(dòng)最佳化參數(shù)流入優(yōu)化器。
圖3至6的實(shí)施形式能相互組合，就是說多個(gè)規(guī)則生成器，即元層9，能相互獨(dú)立地納入到最佳化流程中。這些規(guī)則能用各種相互獨(dú)立使用的方法和方式產(chǎn)生并匯合在模塊12中。
對(duì)由元層9的規(guī)則生成器或一些規(guī)則生成器表述的規(guī)則的考慮，不是自動(dòng)經(jīng)過規(guī)定的接口和在保持預(yù)先給出的門限值情況下進(jìn)行，就是通過手工寫出用于優(yōu)化器范圍的規(guī)則進(jìn)行，規(guī)則生成器介入優(yōu)化器。
參考符號(hào)一覽組合程序庫(kù)(kombinatorische Library) 1試驗(yàn)結(jié)構(gòu)(Versuchsaufbau) 2文件(Datei) 3優(yōu)化器(Optimierer) 4組合程序庫(kù) 5優(yōu)化器 6試驗(yàn)結(jié)構(gòu) 7文件 8元層(Meta-Schicht) 9評(píng)估模塊(Bewer tungsmodul) 10模塊(Modul) 11模塊 12模塊 13試驗(yàn)設(shè)計(jì)(Versuchsplan) 14模塊 15核心模塊(Kernmodul) 16模塊 17模塊 18
權(quán)利要求
1.為了達(dá)到最佳化目的，用下列步驟進(jìn)行試驗(yàn)設(shè)計(jì)的方法A)在一個(gè)計(jì)算機(jī)單元中，通過一個(gè)數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器，從一個(gè)試驗(yàn)空間選出至少一個(gè)第一試驗(yàn)，B)將第一試驗(yàn)的通過實(shí)驗(yàn)測(cè)定的試驗(yàn)數(shù)據(jù)輸入到計(jì)算機(jī)單元的至少一個(gè)元層(Meta-Schicht)中，C)為處理試驗(yàn)數(shù)據(jù)應(yīng)用至少一個(gè)元層，D)將第一試驗(yàn)的通過實(shí)驗(yàn)測(cè)定的試驗(yàn)數(shù)據(jù)輸入到數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器中，E)通過在元層中處理的結(jié)果和檢驗(yàn)?zāi)繕?biāo)實(shí)現(xiàn)的結(jié)果來影響數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器，F(xiàn))通過數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器，從試驗(yàn)空間選出至少一個(gè)第二試驗(yàn)，G)為第二試驗(yàn)的數(shù)據(jù)重復(fù)步驟B)至E)和H)在目標(biāo)達(dá)到時(shí)或重復(fù)至少一個(gè)第三或其它試驗(yàn)的步驟A)至F)直至達(dá)到目標(biāo)時(shí)中斷該六個(gè)步驟(Hexation)。
2.如權(quán)利要求1的方法，其中在選出至少一個(gè)第二試驗(yàn)之前通過優(yōu)化器和/或通過元層將試驗(yàn)空間改變，尤其是限制、位移或放大。
3.如權(quán)利要求1或2的方法，其中元層包括一個(gè)神經(jīng)網(wǎng)絡(luò)和/或一個(gè)混合模型和/或一個(gè)精確模型和/或一個(gè)或多個(gè)數(shù)據(jù)挖掘方法。
4.如權(quán)利要求1、2或3的方法，其中為了確定實(shí)驗(yàn)的試驗(yàn)數(shù)據(jù)，要從有效物料研究、材料研究、催化研究、生物技術(shù)和/或反應(yīng)條件最佳化的范圍進(jìn)行試驗(yàn)。
5.如上述權(quán)利要求1至4之一的方法，其中對(duì)數(shù)據(jù)驅(qū)動(dòng)優(yōu)化器的影響通過過濾建立在評(píng)估基礎(chǔ)上的試驗(yàn)數(shù)據(jù)進(jìn)行。
6.如權(quán)利要求5的方法，其中過濾通過重新評(píng)估試驗(yàn)數(shù)據(jù)進(jìn)行。
7.如權(quán)利要求5的方法，其中過濾通過試驗(yàn)數(shù)據(jù)的加權(quán)和/或預(yù)選進(jìn)行。
8.如權(quán)利要求7的方法，其中加權(quán)通過一個(gè)加全參數(shù)或通過一次或多次重復(fù)試驗(yàn)數(shù)據(jù)進(jìn)行。
9.如上述權(quán)利要求1至8之一的方法，其中優(yōu)化器有至少一個(gè)核心模塊和一個(gè)用于選擇新試驗(yàn)點(diǎn)的模塊。
10.如權(quán)利要求9的方法，其中對(duì)數(shù)據(jù)驅(qū)動(dòng)優(yōu)化器的影響通過影響選擇新試驗(yàn)點(diǎn)的模塊進(jìn)行。
11.如權(quán)利要求10的方法，其中對(duì)選擇新試驗(yàn)點(diǎn)模塊的影響是在超過一個(gè)門限值時(shí)和/或通過用戶設(shè)定值進(jìn)行。
12.如權(quán)利要求9的方法，其中對(duì)數(shù)據(jù)驅(qū)動(dòng)優(yōu)化器的影響通過影響核心模塊進(jìn)行。
13.如權(quán)利要求12的方法，其中對(duì)核心模塊的影響在超過一個(gè)門限值時(shí)和/或通過用戶設(shè)定值進(jìn)行。
14.用于實(shí)施上述權(quán)利要求1至13之一的一種方法的計(jì)算機(jī)程序產(chǎn)品。
15.用于設(shè)計(jì)試驗(yàn)的計(jì)算機(jī)系統(tǒng)，帶有A.一個(gè)數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器(6)，用于從試驗(yàn)空間(1)選出至少一個(gè)第一試驗(yàn)，B.數(shù)據(jù)驅(qū)動(dòng)優(yōu)化器的一個(gè)元層(9)，為了評(píng)估為第一試驗(yàn)通過實(shí)驗(yàn)測(cè)定的試驗(yàn)數(shù)據(jù)，其中元層含有一個(gè)神經(jīng)網(wǎng)絡(luò)和/或一個(gè)混合模型和/或一個(gè)精確模型和/或數(shù)據(jù)挖掘方法，并且其中元層是建立在評(píng)估結(jié)果基礎(chǔ)上為影響數(shù)據(jù)驅(qū)動(dòng)優(yōu)化器構(gòu)成的。
16.如權(quán)利要求15的計(jì)算機(jī)系統(tǒng)，具有建立在處理基礎(chǔ)上的過濾(13，15)試驗(yàn)數(shù)據(jù)的工具。
17.如權(quán)利要求16的計(jì)算機(jī)系統(tǒng)，其中過濾的工具是為重新評(píng)估試驗(yàn)數(shù)據(jù)構(gòu)成的。
18.如權(quán)利要求16的計(jì)算機(jī)系統(tǒng)，其中過濾的工具是為了加權(quán)和/或預(yù)選試驗(yàn)數(shù)據(jù)構(gòu)成的。
19.如上述權(quán)利要求15至18之一的計(jì)算機(jī)系統(tǒng)，其中優(yōu)化器有至少一個(gè)核心模塊(16)和一個(gè)選擇新試驗(yàn)點(diǎn)的模塊(17)。
20.如權(quán)利要求19的計(jì)算機(jī)系統(tǒng)，其中元層是為了影響選擇新試驗(yàn)點(diǎn)的模塊構(gòu)成的。
21.如權(quán)利要求19的計(jì)算機(jī)系統(tǒng)，其中元層是為了影響核心模塊構(gòu)成的。
全文摘要
本發(fā)明是關(guān)于用下列步驟設(shè)計(jì)試驗(yàn)的一種方法A.通過一個(gè)數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器，從一個(gè)試驗(yàn)空間選出至少一個(gè)第一試驗(yàn)，B.輸入第一試驗(yàn)通過實(shí)驗(yàn)取得的試驗(yàn)數(shù)據(jù)，C.為處理試驗(yàn)數(shù)據(jù)應(yīng)用一個(gè)元層，其中元層包括一個(gè)神經(jīng)網(wǎng)絡(luò)和/或一個(gè)混合模型和/或一個(gè)精確模型和/或一個(gè)或多個(gè)數(shù)據(jù)挖掘方法，D.將第一試驗(yàn)通過實(shí)驗(yàn)取得的試驗(yàn)數(shù)據(jù)輸入到數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器中，E.通過處理的結(jié)果影響數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器，F(xiàn).通過數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化器，從試驗(yàn)空間選出至少一個(gè)第二試驗(yàn)。
文檔編號(hào)G05B13/02GK1662858SQ03813909
公開日2005年8月31日 申請(qǐng)日期2003年4月2日 優(yōu)先權(quán)日2002年4月15日
發(fā)明者A·舒珀特, A·奧倫伯格 申請(qǐng)人:拜爾技術(shù)服務(wù)有限責(zé)任公司