專(zhuān)利名稱(chēng)：過(guò)程分析模型與實(shí)際過(guò)程運(yùn)轉(zhuǎn)的在線(xiàn)對(duì)齊的制作方法
技術(shù)領(lǐng)域：
本發(fā)明一般地涉及過(guò)程控制系統(tǒng)，更具體地涉及用于批次建模系統(tǒng)的數(shù)據(jù)對(duì)齊技術(shù)的實(shí)現(xiàn)，該批次建模系統(tǒng)輔助分析和預(yù)測(cè)在線(xiàn)或者進(jìn)行中的批次過(guò)程的質(zhì)量。
背景技術(shù)：
過(guò)程控制系統(tǒng)，例如用于化學(xué)、石油或者其他過(guò)程的過(guò)程控制系統(tǒng)，通常包括一個(gè)或者更多個(gè)過(guò)程控制器，以及通過(guò)模擬、數(shù)字或者結(jié)合的模擬/數(shù)字總線(xiàn)通信地耦接到至少一個(gè)主機(jī)或者操作者工作站和一個(gè)或者多個(gè)現(xiàn)場(chǎng)設(shè)備的輸入/輸出(I/O)設(shè)備?，F(xiàn)場(chǎng)設(shè)備，可以是，例如，閥，閥定位器，開(kāi)關(guān)和傳感器(例如，溫度，壓力和流速傳感器)，在過(guò)程中執(zhí)行過(guò)程控制功能例如打開(kāi)或者關(guān)閉閥以及測(cè)量過(guò)程控制參數(shù)。過(guò)程控制器接收表示現(xiàn)場(chǎng)設(shè)備所做的過(guò)程測(cè)量的信號(hào)，處理該信息以實(shí)施控制例程，并且生成控制信號(hào)，該控制信號(hào)通過(guò)總線(xiàn)或者其他通信線(xiàn)被發(fā)送至現(xiàn)場(chǎng)設(shè)備以控制該過(guò)程的運(yùn)轉(zhuǎn)。以此方式，過(guò)程控制器可以通過(guò)總線(xiàn)和/或其他通信線(xiàn)使用現(xiàn)場(chǎng)設(shè)備執(zhí)行和協(xié)調(diào)控制策略。來(lái)自現(xiàn)場(chǎng)設(shè)備和控制器的過(guò)程信息可以是由操作者工作站(例如，基于處理器的系統(tǒng))執(zhí)行的一個(gè)或更多應(yīng)用軟件(即，軟件例程，程序，等)可獲得的，以使得操作者能夠執(zhí)行關(guān)于過(guò)程的所需的功能，例如觀察過(guò)程的當(dāng)前狀態(tài)(例如，通過(guò)圖形用于界面)，評(píng)估該過(guò)程，修改該過(guò)程的運(yùn)行(例如，通過(guò)可視的對(duì)象圖)，等。很多過(guò)程控制系統(tǒng)也包括一個(gè)或者更多應(yīng)用軟件站(例如，工作站)，其通常使用個(gè)人電腦、筆記本、或者類(lèi)似的實(shí)現(xiàn)并且通過(guò)局域網(wǎng)(LAN)通信地耦接至控制器、操作者工作站、和過(guò)程控制系統(tǒng)內(nèi)的其他系統(tǒng)。每個(gè)應(yīng)用軟件站可以包括圖形用戶(hù)界面，其顯示包括過(guò)程變量值、與過(guò)程關(guān)聯(lián)的質(zhì)量參數(shù)值的過(guò)程控制信息，過(guò)程故障檢測(cè)信息，和/或過(guò)程狀態(tài)信息。通常，在圖形用戶(hù)界面顯示過(guò)程信息限制在顯示與過(guò)程相關(guān)聯(lián)的每個(gè)過(guò)程變量的值。此外，一些過(guò)程控制系統(tǒng)可以表征一些過(guò)程變量之間的簡(jiǎn)單關(guān)系以確定與過(guò)程關(guān)聯(lián)的質(zhì)量度量。然而，在該過(guò)程的直接產(chǎn)品不符合預(yù)定的質(zhì)量控制度量的情形下，該過(guò)程和/或其他過(guò)程變量只能在完成一個(gè)批次、過(guò)程、和/或該直接產(chǎn)品的組裝之后分析。雖然在完成該過(guò)程之后觀察該過(guò)程和/或質(zhì)量變量使得能夠?qū)崿F(xiàn)對(duì)后續(xù)產(chǎn)品的制造或者過(guò)程的改進(jìn)， 這些改進(jìn)不能糾正當(dāng)前完成的超出規(guī)格的產(chǎn)品。該問(wèn)題在批次過(guò)程中尤其嚴(yán)重，也即在實(shí)現(xiàn)批次過(guò)程的批次過(guò)程控制系統(tǒng)中。如所知的，批次過(guò)程通常運(yùn)行以通過(guò)多個(gè)階段或者步驟來(lái)處理作為一個(gè)“批次”的同一組原料，以制造產(chǎn)品。批次過(guò)程的多個(gè)階段或者步驟可以在一個(gè)儀器中執(zhí)行，例如槽，而其他階段或者步驟可以在其他儀器中執(zhí)行。由于相同的原料隨著時(shí)間在批次過(guò)程的不同的階段或者步驟被不同地處理，在同一件儀器內(nèi)的很多情形中，很難在該批次過(guò)程的任何階段或者步驟，準(zhǔn)確地確定該批次內(nèi)的材料是否被以合適的方式處理，該方式將可能產(chǎn)生具有所需或者充分質(zhì)量度量的最終產(chǎn)品的制造。也就是說(shuō)，因?yàn)楸惶幚淼牟牧系臏囟取毫?、濃度、PH 或者其他參數(shù)在批次運(yùn)轉(zhuǎn)過(guò)程中隨著時(shí)間改變，當(dāng)該材料保持在相同位置的很多時(shí)候，難以在批次運(yùn)行中的任何具體時(shí)間確定該批次過(guò)程是否以可能產(chǎn)生具有所需質(zhì)量度量的最終產(chǎn)品的方式運(yùn)行。一種已知的確定當(dāng)前運(yùn)行批次是否進(jìn)展正常或者出于所需規(guī)范內(nèi)(從而可能產(chǎn)生具有所需質(zhì)量度量的終產(chǎn)品)的方法是比較正在進(jìn)行的批次的運(yùn)轉(zhuǎn)中所做的不同過(guò)程變量測(cè)量和“理想批次”的運(yùn)轉(zhuǎn)中所做的類(lèi)似測(cè)量。在此，理想批次是預(yù)定的、先前運(yùn)行的批次，其被選為代表批次的正?；蛘哳A(yù)期運(yùn)轉(zhuǎn)并且產(chǎn)生具有所需質(zhì)量度量的最終產(chǎn)品的批次運(yùn)行。然而，過(guò)程的批次運(yùn)行通常在時(shí)間長(zhǎng)度中變化，即在用于完成批次的時(shí)間中改變， 使得難以知道理想批次中的哪個(gè)時(shí)間最適合于正在進(jìn)行的批次的當(dāng)前測(cè)量的參數(shù)。而且， 在很多情形中，與最終產(chǎn)品的質(zhì)量沒(méi)有顯著退化的選定的理想批次的過(guò)程變量相比，批次過(guò)程變量在批次運(yùn)轉(zhuǎn)中會(huì)顯著變化。因此，如果不是操作上不可能的，通常難以確定能夠在所有情形中用作所有其他批次運(yùn)行應(yīng)該與之比較的理想批次的一個(gè)具體批次運(yùn)行。—種克服了使用理想批次的問(wèn)題之一的分析在線(xiàn)批次過(guò)程的結(jié)果的方法包括為該批次創(chuàng)建統(tǒng)計(jì)模型。該技術(shù)包括從一個(gè)批次過(guò)程的多個(gè)不同批次運(yùn)行中為一組過(guò)程變量 (批次參數(shù))的每個(gè)收集數(shù)據(jù)，并且為這些批次運(yùn)行的每個(gè)確定或者測(cè)量質(zhì)量度量。之后， 所收集的批次參數(shù)和質(zhì)量數(shù)據(jù)用于創(chuàng)建該批次的統(tǒng)計(jì)模型，該統(tǒng)計(jì)模型代表產(chǎn)生所需的質(zhì)量度量的批次的“正?！边\(yùn)轉(zhuǎn)。該批次的這種統(tǒng)計(jì)模型然后可以被用于分析在特定批次運(yùn)行中所得到的不同的過(guò)程變量測(cè)量與被用于開(kāi)發(fā)模型的批次運(yùn)行中的相同測(cè)量如何統(tǒng)計(jì)地相關(guān)。例如，這種統(tǒng)計(jì)模型可以被用于提供每個(gè)測(cè)量的過(guò)程變量的平均值或中間值，以及在可以與當(dāng)前測(cè)量的過(guò)程變量相比較的批次運(yùn)行中任意具體時(shí)間的每個(gè)測(cè)量的過(guò)程變量相關(guān)聯(lián)的標(biāo)準(zhǔn)偏差。此外，這種統(tǒng)計(jì)模型，可以被用于預(yù)測(cè)該批次的當(dāng)前狀態(tài)將如何影響或者有關(guān)于該批次結(jié)束時(shí)所制造的該批次產(chǎn)品的最終質(zhì)量。一般而言，這種批次建模需要大量的數(shù)據(jù)，這些數(shù)據(jù)可以收集自例如發(fā)射器，控制環(huán)路，分析器，虛擬傳感器，計(jì)算模塊以及人工錄入的各種來(lái)源。大多數(shù)數(shù)據(jù)被存儲(chǔ)在連續(xù)數(shù)據(jù)歷史庫(kù)中。然而，重要的數(shù)據(jù)以及，尤其是人工錄入的數(shù)據(jù)，通常關(guān)聯(lián)于過(guò)程管理系統(tǒng)。 從這些類(lèi)型的系統(tǒng)所提取的數(shù)據(jù)必須被合并以滿(mǎn)足建立模型的要求。此外，正如上文所說(shuō)明的，根據(jù)技術(shù)以及建模的觀點(diǎn)，批次過(guò)程通常經(jīng)歷一些顯著不同的階段，步驟或時(shí)期。因此，批次過(guò)程通常會(huì)被相對(duì)于時(shí)期進(jìn)一步劃分，并且為每個(gè)時(shí)期分別地構(gòu)建模型。在這種情況下，來(lái)自于許多批次運(yùn)行的用于相同時(shí)期或階段的數(shù)據(jù)被分組以開(kāi)發(fā)用于該時(shí)期或階段的統(tǒng)計(jì)模型。這種數(shù)據(jù)安排的目的是為了移除或者減少過(guò)程的非線(xiàn)性?；陔A段，時(shí)期或其他根據(jù)來(lái)開(kāi)發(fā)分離的批次模型的另一個(gè)原因是，在一個(gè)批次的各個(gè)不同階段，不同的過(guò)程參數(shù)是有效的并且被用于建模。因此，階段模型可以以與每個(gè)特定階段相關(guān)的一組特定參數(shù)來(lái)構(gòu)建，從而僅包括或考慮在每個(gè)批次階段相關(guān)的過(guò)程參數(shù)。例如在一個(gè)特定階段，添加劑可以被添加到主批次裝載中，并且有關(guān)于這些添加劑的過(guò)程參數(shù)在之前的批次階段并不需要考慮，但這些過(guò)程參數(shù)卻是與添加這些添加劑的批次階段相關(guān)的。然而在創(chuàng)建這種統(tǒng)計(jì)批次模型時(shí)，仍有必要處理不同的批次運(yùn)行通常持續(xù)不同的時(shí)間長(zhǎng)度這一事實(shí)。這種現(xiàn)象是由許多因素引起的，例如，與批次運(yùn)行中操作者進(jìn)行手動(dòng)操作相關(guān)聯(lián)的不同的等待時(shí)間，要求較長(zhǎng)或較短加熱或其它處理時(shí)間的不同的環(huán)境條件，在批次運(yùn)行中導(dǎo)致較長(zhǎng)或較短處理時(shí)間的原材料成分的變化。事實(shí)上，在不同批次運(yùn)行中，特定過(guò)程變量的數(shù)據(jù)趨勢(shì)持續(xù)不同的時(shí)間長(zhǎng)度是很正常的，并且因而在不同批次過(guò)程運(yùn)行中共有的批次里程碑會(huì)相互之間具有時(shí)間上的偏移。然而，為了創(chuàng)建有效的統(tǒng)計(jì)模型，一個(gè)批次的每個(gè)階段，運(yùn)行，或時(shí)期的數(shù)據(jù)必須與用于創(chuàng)建模型的其他批次中相同階段，運(yùn)行或時(shí)期的類(lèi)似數(shù)據(jù)對(duì)齊。因此，在根據(jù)所測(cè)量的批次運(yùn)行創(chuàng)建用于批次過(guò)程的統(tǒng)計(jì)模型之前，有必要將來(lái)自不同批次運(yùn)行的批次數(shù)據(jù)對(duì)齊在共同的時(shí)間幀。一種用于對(duì)齊來(lái)自于一個(gè)批次過(guò)程的多個(gè)不同批次運(yùn)行的批次數(shù)據(jù)的常規(guī)技術(shù)采用指示變量來(lái)表示特定批次運(yùn)行的進(jìn)展。最佳的指示變量通常是平穩(wěn)的，連續(xù)的，并且單調(diào)的，并且跨越批次數(shù)據(jù)集中所有其他過(guò)程變量的范圍。為了創(chuàng)建時(shí)間對(duì)齊的批次運(yùn)行，批次數(shù)據(jù)被收集用于所有的過(guò)程變量，并且相對(duì)于指示變量在時(shí)間上被調(diào)整。在這種技術(shù)中， 在任意特定時(shí)間任意批次的成熟度或者完成百分率的測(cè)量是由指示變量的當(dāng)前值與指示變量的最終值的百分比率所確定的。另一種已知的對(duì)齊來(lái)自各種不同批次運(yùn)行的批次數(shù)據(jù)的方法采用動(dòng)態(tài)時(shí)間規(guī)整 (DTff)技術(shù)，這是一種借鑒于語(yǔ)音識(shí)別的技術(shù)。DTW最小化不同批次運(yùn)行變量的各個(gè)過(guò)程變量軌跡之間的距離。在這樣做時(shí)，DTW將時(shí)間規(guī)整分析中的所有過(guò)程變量都考慮在內(nèi)，并且已被確定為一種有效的對(duì)齊批次數(shù)據(jù)的方法。如果需要的話(huà)，DTW可以使用上述的指示變量，或者可以使用被創(chuàng)建或限定為批次完成時(shí)間的分?jǐn)?shù)的附加變量。這種指示變量被添加到初始過(guò)程變量集中以提高DTW計(jì)算的穩(wěn)健性，并且以避免在過(guò)長(zhǎng)的時(shí)間段內(nèi)收斂到局部最小值。無(wú)論如何，當(dāng)被應(yīng)用在批次數(shù)據(jù)時(shí)，DTW技術(shù)通常根據(jù)批次運(yùn)行的總體時(shí)間來(lái)偏移特定批次運(yùn)行中數(shù)據(jù)的時(shí)間量程，從而壓縮或擴(kuò)展該批次數(shù)據(jù)的時(shí)間量程以匹配該批次運(yùn)行的預(yù)定或“標(biāo)準(zhǔn)化”時(shí)間。數(shù)據(jù)集中所有的批次運(yùn)行都被偏移到標(biāo)準(zhǔn)化時(shí)間，以將每個(gè)批次運(yùn)行中的數(shù)據(jù)與來(lái)自其他批次運(yùn)行的數(shù)據(jù)對(duì)齊到共同的時(shí)間量程。批次模型然后可以根據(jù)度量到這種共同的或標(biāo)準(zhǔn)化時(shí)間量程的批次數(shù)據(jù)創(chuàng)建。一旦創(chuàng)建了統(tǒng)計(jì)模型，后續(xù)批次運(yùn)行就可以通過(guò)收集該批次的數(shù)據(jù)并比較所測(cè)量的或所收集的數(shù)據(jù)與模型數(shù)據(jù)來(lái)與該模型進(jìn)行比較。然而，為了恰當(dāng)?shù)貙?lái)自每個(gè)新批次運(yùn)行的數(shù)據(jù)與該批次模型進(jìn)行比較，新的批次數(shù)據(jù)還必須在時(shí)間上被度量(即，壓縮或擴(kuò)展)以匹配該批次模型所使用的標(biāo)準(zhǔn)化時(shí)間。在該批次運(yùn)行完成之前，難以將從進(jìn)行中的或者在線(xiàn)批次所接收的批次數(shù)據(jù)進(jìn)行時(shí)間度量，這是因?yàn)橹钡脚瓮瓿蓤?zhí)行之前，進(jìn)行中的批次的運(yùn)行時(shí)間是未知的。因此，其實(shí)只有在批次運(yùn)行已全部執(zhí)行完之后，新批次運(yùn)行的批次數(shù)據(jù)才可以關(guān)于所創(chuàng)建的批次模型進(jìn)行比較或分析。然而，如果從批次運(yùn)行中收集的數(shù)據(jù)能夠在該批次運(yùn)行仍處于運(yùn)行時(shí)使用該批次模型來(lái)進(jìn)行比較或分析，將是更有幫助的，因?yàn)橹挥挟?dāng)批次運(yùn)行仍運(yùn)行時(shí)，才可以改變用于實(shí)現(xiàn)批次執(zhí)行的控制參數(shù)來(lái)補(bǔ)償該批次中的故障或其它質(zhì)量下降。此外，在一個(gè)批次運(yùn)行完成之前，能夠知道該批次運(yùn)行是否有可能制造具有不可接受的質(zhì)量度量的最終產(chǎn)品是很有用的。特別地，如果能夠在批次運(yùn)行的處理中盡早得知該批次運(yùn)行不可能制造出符合所需質(zhì)量度量的最終產(chǎn)品，該批次運(yùn)行可以被暫?；蛲Ｖ?，并且未完成的批次可以被放棄，以節(jié)約處理時(shí)間及能源，并且使得設(shè)備能夠被用于處理將形成所需輸出的其他批次。因此，由于在批次模型中使用標(biāo)準(zhǔn)化批次運(yùn)行時(shí)間(以補(bǔ)償用于創(chuàng)建批次模型的不同批次運(yùn)行的持續(xù)時(shí)間)而不能夠知道如何對(duì)在線(xiàn)批次過(guò)程所收集的批次數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，使得產(chǎn)生了實(shí)現(xiàn)用于分析批次過(guò)程運(yùn)行的工業(yè)用在線(xiàn)系統(tǒng)的實(shí)質(zhì)性阻礙。在一種解決這種問(wèn)題的嘗試中，一種DTW在線(xiàn)實(shí)現(xiàn)在直到批次階段終止點(diǎn)的每個(gè)批次運(yùn)行掃描預(yù)測(cè)過(guò)程變量軌跡。然而，這些軌跡的預(yù)測(cè)通常與將來(lái)的批次運(yùn)行不相符。更重要地，這種在線(xiàn)DTff程序執(zhí)行每一次新掃描，記述正在被分析的變量的完整軌跡，這使得這種技術(shù)在處理器使用而言較為笨重、昂貴，并且對(duì)于過(guò)程控制系統(tǒng)中的在線(xiàn)實(shí)現(xiàn)而言過(guò)于復(fù)雜。因此，最常用的被用于在線(xiàn)批次分析應(yīng)用的方法要么假設(shè)被分析的在線(xiàn)批次以及在批次模型的開(kāi)發(fā)中所使用的被對(duì)齊的批次具有相等的持續(xù)時(shí)間，要么使用一組試探性規(guī)則來(lái)對(duì)齊批次運(yùn)行期間的批次數(shù)據(jù)。然而，這種假設(shè)當(dāng)前批次與用于創(chuàng)建批次模型的被對(duì)齊的批次的標(biāo)準(zhǔn)化時(shí)間具有相同時(shí)間長(zhǎng)度的設(shè)想往往是錯(cuò)誤的，并且因此產(chǎn)生粗劣的分析結(jié)果。此外，這種簡(jiǎn)化的試探性規(guī)則通常不滿(mǎn)足大多數(shù)應(yīng)用的需要。因此，這些技術(shù)帶來(lái)了誤導(dǎo)性的結(jié)果。

發(fā)明內(nèi)容
一種批次建模與分析系統(tǒng)，使用簡(jiǎn)單且計(jì)算上花費(fèi)較少的技術(shù)來(lái)將收集自進(jìn)行中的、當(dāng)前運(yùn)行的或在線(xiàn)批次過(guò)程的數(shù)據(jù)與為該批次過(guò)程構(gòu)建的批次模型對(duì)齊，以使得能夠可靠地確定相對(duì)于該批次模型的在線(xiàn)批次過(guò)程的當(dāng)前運(yùn)行狀態(tài)。這種數(shù)據(jù)對(duì)齊技術(shù)使得進(jìn)一步的統(tǒng)計(jì)處理技術(shù)，諸如偏最小二乘或者潛在源投影(PLQ以及主成分分析(PCA)技術(shù)， 可以被應(yīng)用在在線(xiàn)批次數(shù)據(jù)以對(duì)當(dāng)前運(yùn)行批次的質(zhì)量進(jìn)行分析。反過(guò)來(lái)，這些分析向諸如批次操作員的用戶(hù)提供有用信息，以便用戶(hù)能夠根據(jù)批次模型來(lái)確定當(dāng)時(shí)批次的質(zhì)量，以及在批次運(yùn)行結(jié)束時(shí)能夠達(dá)到所需批次輸出質(zhì)量度量的可能性。此外，這些分析技術(shù)可以使得用戶(hù)能夠根據(jù)批次的當(dāng)前運(yùn)行狀態(tài)決定是否最好暫停或放棄該批次并重新開(kāi)始，而不是繼續(xù)該批次的運(yùn)行，因?yàn)樵撆蔚妮敵鲎罱K將不具有所需的或可接受的質(zhì)量測(cè)量。這些分析技術(shù)還可以使得用戶(hù)能夠決定如何來(lái)修改后續(xù)批次運(yùn)行階段中批次的處理，以補(bǔ)償該批次不理想的特性，從而在批次運(yùn)行完成時(shí)獲得所要求的批次質(zhì)量。


圖1是可以被用于實(shí)現(xiàn)批次過(guò)程的具有控制器與現(xiàn)場(chǎng)設(shè)備的過(guò)程控制網(wǎng)絡(luò)的示意圖；圖2是表示示例性過(guò)程控制系統(tǒng)的框圖，該示例性過(guò)程控制系統(tǒng)包括可以實(shí)現(xiàn)用于分析批次過(guò)程的在線(xiàn)批次分析系統(tǒng)的示例性運(yùn)行管理系統(tǒng)；圖3是用于確定批次過(guò)程的統(tǒng)計(jì)批次模型的示例性方法的流程圖；圖4是表示批次過(guò)程的示例性批次運(yùn)行的數(shù)據(jù)結(jié)構(gòu)的示意圖，包括與批次過(guò)程運(yùn)行關(guān)聯(lián)的過(guò)程變量測(cè)量以及質(zhì)量變量測(cè)量；圖5是表示用于批次過(guò)程的一些不同批次運(yùn)行的批次數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)的示意圖， 包括用于每個(gè)批次運(yùn)行的過(guò)程變量以及各自的質(zhì)量變量；圖6是表示用于批次過(guò)程的一些不同批次運(yùn)行的批次數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)的示意圖， 包括過(guò)程變量以及各自的質(zhì)量變量，在來(lái)自批次運(yùn)行的數(shù)據(jù)已被對(duì)齊在離線(xiàn)對(duì)齊過(guò)程之后；圖7示出了表示從圖6的對(duì)齊的批次數(shù)據(jù)所獲得的特定批次變量的軌跡的圖形；圖8示出了例程或方法的流程圖，該例程或方法可以被用于實(shí)現(xiàn)確定相對(duì)于統(tǒng)計(jì)批次模型的在線(xiàn)批次運(yùn)行的位置估計(jì)并基于所估計(jì)的位置執(zhí)行該批次運(yùn)行的在線(xiàn)批次分析的技術(shù)；圖9示出了特定批次變量的過(guò)程變量軌跡，該過(guò)程變量軌跡被劃分為在線(xiàn)批次數(shù)C
據(jù)將要對(duì)齊的多個(gè)掃描；圖10示出了表示相對(duì)于圖9中該過(guò)程變量的模型軌跡確定在線(xiàn)批次中過(guò)程變量的位置估計(jì)的方式的圖形；圖11示出了表示在統(tǒng)計(jì)掃描周期單調(diào)變化的過(guò)程變量以及用于提醒目的的該變量上限及下限的圖形；圖12示出了表示可以被用于開(kāi)發(fā)統(tǒng)計(jì)過(guò)程模型的模型掃描混合方法的圖形；圖13示出了由現(xiàn)有技術(shù)的在線(xiàn)批次分析方法所生成的質(zhì)量預(yù)測(cè)的圖形；圖14示出了由在此所述的在線(xiàn)批次分析方法所生成的質(zhì)量預(yù)測(cè)的圖形；圖15示出了如同圖14所示的在此所述的在線(xiàn)批次分析方法所生成的質(zhì)量預(yù)測(cè)的圖形，其使用在批次或批次階段完成之后實(shí)施的后計(jì)算來(lái)補(bǔ)償所確定的在批次或批次階段結(jié)束時(shí)所測(cè)量的質(zhì)量。
具體實(shí)施例方式圖1示出了示例性過(guò)程控制系統(tǒng)10，包括連接到數(shù)據(jù)歷史庫(kù)12以及一個(gè)或更多主工作站或計(jì)算機(jī)13 (其可以是任意類(lèi)型的個(gè)人計(jì)算機(jī)，工作站等)的過(guò)程控制器11，每個(gè)主工作站或計(jì)算機(jī)13具有顯示屏14。控制器11還通過(guò)輸入/輸出(I/O)卡沈和觀連接到現(xiàn)場(chǎng)設(shè)備15-22，并且可以運(yùn)行以使用現(xiàn)場(chǎng)設(shè)備15-22實(shí)現(xiàn)批次過(guò)程的一個(gè)或更多批次運(yùn)行。數(shù)據(jù)歷史庫(kù)12可以是任意所需類(lèi)型的數(shù)據(jù)收集單元，其具有任意所需類(lèi)型的存儲(chǔ)器以及任意所需的或已知的用于存儲(chǔ)數(shù)據(jù)的軟件、硬件或固件。數(shù)據(jù)歷史庫(kù)12可以與工作站 13中的一個(gè)分離(如圖1所示)，或者是工作站13中的一個(gè)的一部分?？刂破?1，其可以是例如Emerson Process Management所售的DeltaV 控制器，通過(guò)例如以太網(wǎng)連接或任意其他所需的通信網(wǎng)絡(luò)23通信地連接到主計(jì)算機(jī)13以及數(shù)據(jù)歷史庫(kù)12。控制器11還使用與例如標(biāo)準(zhǔn)4-20毫安設(shè)備和/或諸如FOUNDATION Fieldbus協(xié)議，HART 協(xié)議，WirelessHART 協(xié)議等智能通信協(xié)議相關(guān)聯(lián)的任意所需的硬件和軟件通信地連接到現(xiàn)場(chǎng)設(shè)備15-22?，F(xiàn)場(chǎng)設(shè)備15-22可以是任意類(lèi)型的設(shè)備，諸如傳感器，閥，發(fā)射器，定位器，等，而 I/O卡沈和觀可以是符合任意所需通信或控制器協(xié)議的任意類(lèi)型的I/O設(shè)備。在圖1所示的實(shí)施例中，現(xiàn)場(chǎng)設(shè)備15-18是通過(guò)模擬線(xiàn)或結(jié)合的模擬與數(shù)字線(xiàn)與I/O卡沈通信的標(biāo)準(zhǔn)4-20毫安設(shè)備或者HART設(shè)備，而現(xiàn)場(chǎng)設(shè)備19-22是諸如FOUNDATION Fieldbus 現(xiàn)場(chǎng)設(shè)備的智能設(shè)備，其采用Fieldbus通信協(xié)議通過(guò)數(shù)字總線(xiàn)與1/0卡28通信。當(dāng)然，現(xiàn)場(chǎng)設(shè)備15-22可以符合任意其他所需的標(biāo)準(zhǔn)或協(xié)議，包括將來(lái)開(kāi)發(fā)的任意標(biāo)準(zhǔn)或協(xié)議?？刂破?1包括實(shí)現(xiàn)或監(jiān)控一個(gè)或更多過(guò)程控制例程(存儲(chǔ)在存儲(chǔ)器32中)的處理器30，其可以包括控制環(huán)路，并且與設(shè)備15-22、主計(jì)算機(jī)13以及數(shù)據(jù)歷史庫(kù)12通信，從而以任意所需的方式控制過(guò)程。應(yīng)當(dāng)注意，在此所述的任意的控制例程或模塊的其中的部分可以由不同的控制器所實(shí)現(xiàn)或執(zhí)行，如果需要這樣做的話(huà)。類(lèi)似地，在此所述的將要在過(guò)程控制系統(tǒng)10中實(shí)現(xiàn)的控制例程或模塊可以采用任意的形式，包括軟件、固件、硬件等?？刂评炭梢砸匀我廛浖袷綄?shí)現(xiàn)，諸如采用面向?qū)ο缶幊?，采用梯形邏輯，時(shí)序功能圖，功能塊圖，或者采用任意其他的軟件編程語(yǔ)言或設(shè)計(jì)范例。類(lèi)似地，控制例程可以被硬式編碼到，例如一個(gè)或更多EPROM，EEPR0M，專(zhuān)用集成電路(ASIC)，或者任意其他硬件或固件元件中。因此，控制器11可以被配置成以任意所需的方式實(shí)現(xiàn)控制策略或控制例程。在一些實(shí)施例中，控制器11采用通常所稱(chēng)的功能塊來(lái)實(shí)施控制策略，其中每一功能塊是總體控制例程的對(duì)象或者其他部分(例如子例程)，并且與其他功能塊(通過(guò)被稱(chēng)為鏈接的通信)協(xié)同運(yùn)行以在過(guò)程控制系統(tǒng)10中實(shí)現(xiàn)過(guò)程控制環(huán)路。功能塊通常實(shí)施輸入功能，控制功能或輸出功能中的一種，該輸入功能諸如與發(fā)射器、傳感器或其他過(guò)程參數(shù)測(cè)量設(shè)備相關(guān)聯(lián)的功能，該控制功能諸如與實(shí)施PID、模糊邏輯等控制的控制例程相關(guān)聯(lián)的功能，該輸出功能控制諸如閥的某種設(shè)備的運(yùn)行以在過(guò)程控制系統(tǒng)10中執(zhí)行某種物理功能。 當(dāng)然，還存在有混合的以及其他類(lèi)型的功能塊。功能塊可以被存儲(chǔ)在控制器11中并被其執(zhí)行，這通常是在這些功能塊被用于，或者關(guān)聯(lián)于標(biāo)準(zhǔn)4-20毫安設(shè)備以及諸如HART設(shè)備的一些類(lèi)型的智能現(xiàn)場(chǎng)設(shè)備的情況中，或者可以被存儲(chǔ)在現(xiàn)場(chǎng)設(shè)備本身并由其實(shí)現(xiàn)，這可以是在使用Fieldbus設(shè)備的情況中。正如圖1的分解的塊40所示，控制器11可以包括一些如例程42與44所示的單環(huán)控制例程，以及如果需要的話(huà)，可以實(shí)現(xiàn)一個(gè)或更多高級(jí)控制環(huán)路，諸如控制環(huán)路46所示的多個(gè)/輸入-多個(gè)/輸出控制例程。每個(gè)這種環(huán)路通常被稱(chēng)為控制模塊。單環(huán)控制例程42與44被表示為采用分別連接到適合的模擬輸入(Al)與模擬輸出(AO)功能塊的、單個(gè)輸入/單個(gè)輸出模糊邏輯控制塊以及單個(gè)輸入/單個(gè)輸出PID控制塊來(lái)執(zhí)行單環(huán)控制， 這些控制塊可以關(guān)聯(lián)于諸如閥的過(guò)程控制設(shè)備，諸如溫度和壓力發(fā)射器的測(cè)量設(shè)備，或者過(guò)程控制系統(tǒng)10中任意其他的設(shè)備。高級(jí)控制環(huán)路46被表示為包括通信地連接到一個(gè)或更多AI功能塊的輸入以及通信地連接到一個(gè)或更多AO功能塊的輸出，然而高級(jí)控制塊48 的輸入與輸出可以被連接到任意其他所需的功能塊或控制元件以接收其他類(lèi)型的輸入以及提供其他類(lèi)型的控制輸出。高級(jí)控制塊48可以是任意類(lèi)型的模塊預(yù)測(cè)控制(MPC)塊，中樞網(wǎng)絡(luò)建?；蚩刂茐K，多變量模糊邏輯控制塊，實(shí)時(shí)優(yōu)化塊等，或者可以是可適調(diào)節(jié)控制塊等?？梢岳斫?，圖1所示的功能塊，包括高級(jí)控制塊48，可以由控制器11執(zhí)行，或者可選地， 可以設(shè)置在其他處理設(shè)備中并由其執(zhí)行，諸如工作站13中的一個(gè)或者甚至現(xiàn)場(chǎng)設(shè)備19-22 中的一個(gè)。此外，如在圖1中所示，一個(gè)或更多過(guò)程分析例程50可以由過(guò)程控制系統(tǒng)10的各種設(shè)備存儲(chǔ)并執(zhí)行。雖然過(guò)程分析例程50被表示為存儲(chǔ)在一個(gè)或更多計(jì)算機(jī)可讀存儲(chǔ)器 52中以被執(zhí)行在工作站13的處理器M上，例程50可以替代地被存儲(chǔ)并執(zhí)行在其他設(shè)備中。每個(gè)過(guò)程分析例程50通信地耦接到諸如控制例程42，44，46的一個(gè)或更多控制例程， 和/或耦接到數(shù)據(jù)歷史庫(kù)12以接收一個(gè)或更多所測(cè)量的過(guò)程變量測(cè)量。每個(gè)過(guò)程分析例程 50可以被用于開(kāi)發(fā)統(tǒng)計(jì)過(guò)程模型并根據(jù)該模型來(lái)分析進(jìn)行中的或在線(xiàn)批次過(guò)程。分析例程 50還可以向諸如批次操作者的用戶(hù)顯示關(guān)于在線(xiàn)或進(jìn)行中批次的信息，如同過(guò)程控制系統(tǒng) 10所實(shí)現(xiàn)的。圖2是表示過(guò)程控制環(huán)境100另一示例的框圖，該過(guò)程控制環(huán)境100包括運(yùn)行管理系統(tǒng)(0MQ 102，又被稱(chēng)為過(guò)程監(jiān)控與質(zhì)量預(yù)測(cè)系統(tǒng)(PMQ，其可以用于實(shí)現(xiàn)在線(xiàn)批次過(guò)程建模及分析系統(tǒng)。OMS 102被設(shè)置在包括過(guò)程控制系統(tǒng)106的工廠104中，該過(guò)程控制系統(tǒng)106可以包括例如圖1的過(guò)程控制系統(tǒng)10的部分或全部。示例性工廠104可以是任意類(lèi)型的制造設(shè)施，過(guò)程設(shè)施，自動(dòng)化設(shè)施，和/或任意其他類(lèi)型的過(guò)程控制結(jié)構(gòu)或系統(tǒng)。在一些示例中，工廠104可以包括位于不同位置的多個(gè)設(shè)施，并且盡管圖1的工廠104是表示為包括一個(gè)單獨(dú)的過(guò)程控制系統(tǒng)106，工廠104還可以包括附加的過(guò)程控制系統(tǒng)。過(guò)程控制系統(tǒng)106，其通過(guò)數(shù)據(jù)總線(xiàn)110通信地耦接到控制器108，該過(guò)程控制系統(tǒng)106可以包括任意數(shù)量的用于實(shí)現(xiàn)過(guò)程功能的現(xiàn)場(chǎng)設(shè)備(例如，輸入和/或輸出設(shè)備)， 該過(guò)程功能諸如執(zhí)行過(guò)程中的物理功能或進(jìn)行過(guò)程變量測(cè)試?，F(xiàn)場(chǎng)設(shè)備可以包括任意類(lèi)型的過(guò)程控制組件，該過(guò)程控制組件能夠接收輸入，生成輸出，和/或控制過(guò)程。例如，現(xiàn)場(chǎng)設(shè)備可以包括諸如閥，泵，風(fēng)扇，加熱器，冷卻器，和/或攪拌器的輸入設(shè)備以控制過(guò)程。此外， 現(xiàn)場(chǎng)設(shè)備可以包括諸如溫度計(jì)，壓力計(jì)，濃度計(jì)，液位計(jì)，流量計(jì)，和/或氣體傳感器的輸出設(shè)備來(lái)測(cè)量過(guò)程內(nèi)或部分過(guò)程的過(guò)程變量。輸入設(shè)備可以從控制器108接收指令以執(zhí)行一個(gè)或更多指定的命令并引起過(guò)程改變。再者，輸出設(shè)備測(cè)量過(guò)程數(shù)據(jù)，環(huán)境數(shù)據(jù)，和/或輸入設(shè)備數(shù)據(jù)并將所測(cè)量的數(shù)據(jù)作為過(guò)程控制信息發(fā)送給控制器108。這種過(guò)程控制信息可以包括對(duì)應(yīng)于來(lái)自每個(gè)現(xiàn)場(chǎng)設(shè)備所測(cè)量的輸出的變量的值(例如，所測(cè)量的過(guò)程變量和/ 或所測(cè)量的質(zhì)量變量)。在圖2示出的示例中，控制器108可以通過(guò)數(shù)據(jù)總線(xiàn)110與過(guò)程控制系統(tǒng)106中的現(xiàn)場(chǎng)設(shè)備通信，其可以耦接到過(guò)程控制系統(tǒng)106中的中間通信組件。這些通信組件可以包括現(xiàn)場(chǎng)接線(xiàn)盒以將命令區(qū)中的現(xiàn)場(chǎng)設(shè)備與數(shù)據(jù)總線(xiàn)110通信地耦接。此外，通信組件可以包括調(diào)度柜來(lái)組織到現(xiàn)場(chǎng)設(shè)備和/或現(xiàn)場(chǎng)接線(xiàn)盒的通信路徑。再者，通信組件可以包括I/O 卡以從現(xiàn)場(chǎng)設(shè)備接收數(shù)據(jù)并將數(shù)據(jù)轉(zhuǎn)換為能夠被示例性控制器108所接收的通信媒介。這些I/O卡可以將來(lái)自控制器108的數(shù)據(jù)轉(zhuǎn)換為能夠被對(duì)應(yīng)的現(xiàn)場(chǎng)設(shè)備處理的數(shù)據(jù)格式。在一個(gè)示例中，數(shù)據(jù)總線(xiàn)110可以采用Fieldbus協(xié)議或其它類(lèi)型的有線(xiàn)和/或無(wú)線(xiàn)通信協(xié)議 (例如Profibus協(xié)議，HART協(xié)議等)實(shí)現(xiàn)。圖1的控制器108管理一個(gè)或更多控制例程，從而管理過(guò)程控制系統(tǒng)106中的現(xiàn)場(chǎng)設(shè)備?？刂评炭梢园ㄟ^(guò)程監(jiān)控應(yīng)用程序，報(bào)警管理應(yīng)用程序，過(guò)程趨勢(shì)和/或歷史應(yīng)用程序，批次處理和/或活動(dòng)管理應(yīng)用程序，統(tǒng)計(jì)應(yīng)用程序，流化視頻應(yīng)用程序，高級(jí)控制應(yīng)用程序等。此外，控制器108可以將過(guò)程控制信息轉(zhuǎn)發(fā)給OMS 102?？刂评炭梢员粚?shí)現(xiàn)來(lái)確保過(guò)程控制系統(tǒng)106制造指定量的在一定質(zhì)量閾值內(nèi)的所需產(chǎn)品。例如，過(guò)程控制系統(tǒng)106可以被配置成在批次結(jié)束時(shí)制造產(chǎn)品的批次系統(tǒng)。在其他的示例中，過(guò)程控制系統(tǒng) 106可以包括不斷地制造產(chǎn)品的持續(xù)過(guò)程制造系統(tǒng)。來(lái)自于控制器108的過(guò)程控制信息可以包括對(duì)應(yīng)于所測(cè)量的來(lái)源于過(guò)程控制系統(tǒng)106中現(xiàn)場(chǎng)設(shè)備的過(guò)程和/或質(zhì)量變量的值。在其他示例中，OMS 102可以將過(guò)程控制信息中的值解析為對(duì)應(yīng)的變量。所測(cè)量的過(guò)程變量可以關(guān)聯(lián)于過(guò)程控制信息，該過(guò)程控制信息來(lái)源于測(cè)量部分過(guò)程和/或現(xiàn)場(chǎng)設(shè)備特性的現(xiàn)場(chǎng)設(shè)備。所測(cè)量的質(zhì)量變量可以關(guān)聯(lián)于過(guò)程控制信息，該過(guò)程控制信息有關(guān)于測(cè)量與已完成產(chǎn)品的至少一部分相關(guān)聯(lián)的過(guò)程的特性。例如，過(guò)程工廠可以在在流體中形成一定濃度的化學(xué)制品的槽中進(jìn)行化學(xué)反應(yīng)。 在這種示例中，流體中化學(xué)制品的濃度可以是一種質(zhì)量變量。流體的溫度和流體流入槽的速率可以是過(guò)程變量。通過(guò)過(guò)程控制建模和/或監(jiān)控，OMS 102可以確定槽中流體的濃度是建立在槽中流體的溫度以及流入槽的流體流速的基礎(chǔ)上的。因此，不僅濃度是質(zhì)量變量， 流體流速與流體溫度都會(huì)作用于或者影響濃度的質(zhì)量。換言之，所測(cè)量的過(guò)程變量作用于或者影響所測(cè)量的質(zhì)量變量的質(zhì)量。OMS 102可以使用統(tǒng)計(jì)處理來(lái)確定每個(gè)過(guò)程變量對(duì)質(zhì)量變量的影響和/或貢獻(xiàn)。此外，OMS 102可以建模和/或確定關(guān)聯(lián)于過(guò)程控制系統(tǒng)106的所測(cè)量的過(guò)程變量和/或質(zhì)量變量之間的關(guān)系。所測(cè)量的過(guò)程和/或質(zhì)量變量之間的這些關(guān)系可以形成一個(gè)或更多計(jì)算的質(zhì)量變量。計(jì)算質(zhì)量變量可以是一個(gè)或更多所測(cè)量的過(guò)程變量，所測(cè)量的質(zhì)量變量，和/或其他計(jì)算的質(zhì)量變量的多變量的和/或線(xiàn)性代數(shù)的結(jié)合。此外，OMS 102 可以由所測(cè)量的過(guò)程變量，所測(cè)量的質(zhì)量變量，和/或計(jì)算的質(zhì)量變量的結(jié)合確定總體質(zhì)量變量?？傮w質(zhì)量變量可以對(duì)應(yīng)于整個(gè)過(guò)程的質(zhì)量確定和/或?qū)?yīng)于過(guò)程直接產(chǎn)品的預(yù)測(cè)的質(zhì)量。如圖2所示，OMS 102包括分析處理器114，其使用描述建模，預(yù)測(cè)建模，和/或優(yōu)化來(lái)生成關(guān)于過(guò)程控制系統(tǒng)106狀態(tài)和/或質(zhì)量的反饋。分析處理器114可以檢測(cè)，確定， 和/或診斷過(guò)程運(yùn)行故障并預(yù)測(cè)任意故障對(duì)關(guān)聯(lián)于過(guò)程控制系統(tǒng)106直接產(chǎn)品質(zhì)量的質(zhì)量變量和/或總體質(zhì)量變量的影響。此外，分析處理器114可以通過(guò)統(tǒng)計(jì)地和/或邏輯地將質(zhì)量和/或過(guò)程變量結(jié)合到關(guān)聯(lián)于過(guò)程總體質(zhì)量的總體質(zhì)量變量來(lái)監(jiān)控過(guò)程的質(zhì)量。分析處理器114然后可以將為總體質(zhì)量變量計(jì)算的值和/或關(guān)聯(lián)于其他質(zhì)量變量的值與各自閾值進(jìn)行比較。這些閾值可以建立在在過(guò)程中不同時(shí)間總體質(zhì)量變量的預(yù)定質(zhì)量限度的基礎(chǔ)之上。例如，如果關(guān)聯(lián)于過(guò)程的總體質(zhì)量變量超過(guò)閾值一段時(shí)間，所預(yù)測(cè)的直接產(chǎn)品的最終質(zhì)量可能不能達(dá)到最終產(chǎn)品相關(guān)的質(zhì)量度量。如果總體質(zhì)量變量和/或任意其他質(zhì)量變量偏離各自閾值，分析處理器114可以在過(guò)程觀察圖和/或過(guò)程變化圖中生成故障指示，以顯示被解釋的和/或未被解釋的與總體質(zhì)量變量關(guān)聯(lián)的偏移(或變化)，和/或可以顯示產(chǎn)生該過(guò)程故障的變量。示例性分析處理器114管理分析，以通過(guò)提供使得操作者能夠生成可以顯示所測(cè)量的過(guò)程變量，所測(cè)量的質(zhì)量變量，和/或計(jì)算的質(zhì)量變量等的當(dāng)前和/或過(guò)去值的過(guò)程質(zhì)量圖(例如，結(jié)合圖， 迷你圖，過(guò)程變量圖，可變趨勢(shì)圖，圖像等)的功能來(lái)確定一個(gè)或更多過(guò)程故障的起因。此外，在一些情況中，分析處理器114在過(guò)程運(yùn)行時(shí)生成這些圖形，并且當(dāng)OMS 102接收附加的過(guò)程控制信息時(shí)，分析處理器114不斷地更新和/或重新計(jì)算關(guān)聯(lián)于每個(gè)圖形的多變量統(tǒng)計(jì)。為了執(zhí)行用于批次過(guò)程的這些功能，OMS 102為一些不同批次運(yùn)行的每個(gè)收集一些不同過(guò)程變量的批次過(guò)程數(shù)據(jù)。這種數(shù)據(jù)可以收集自控制器108或控制網(wǎng)絡(luò)110中的現(xiàn)場(chǎng)設(shè)備，收集自可能已經(jīng)收集并存儲(chǔ)不同過(guò)程批次運(yùn)行的過(guò)程數(shù)據(jù)的數(shù)據(jù)歷史庫(kù)(例如圖 1的歷史庫(kù)12)，或者收集自任意其他的數(shù)據(jù)源。OMS 102然后處理這種數(shù)據(jù)以生成一個(gè)或更多統(tǒng)計(jì)批次模型，并將該統(tǒng)計(jì)批次模型存儲(chǔ)在例如存儲(chǔ)器中，該存儲(chǔ)器諸如OMS 102的計(jì)算機(jī)可讀介質(zhì)，或者存儲(chǔ)在圖1的工作站13的存儲(chǔ)器52中的一個(gè)。統(tǒng)計(jì)批次模型然后可以按照需要被獲取以分析將來(lái)的進(jìn)行中或者在線(xiàn)的批次運(yùn)行。特別地，OMS 102可以使用所存儲(chǔ)的批次模型來(lái)分析或使得用戶(hù)能夠分析在特定批次運(yùn)行的在線(xiàn)或進(jìn)行中的運(yùn)行期間所收集的數(shù)據(jù)。然而，為了在批次在線(xiàn)運(yùn)行時(shí)分析批次運(yùn)行的數(shù)據(jù)，OMS 102必須首先確定相對(duì)于批次模型該在線(xiàn)批次所在的確切狀態(tài)或階段。也就是，OMS 102必須確定批次模型的哪個(gè)點(diǎn)要與在線(xiàn)批次數(shù)據(jù)進(jìn)行比較，以能夠確定關(guān)于在線(xiàn)批次的其他因素，諸如是否有在線(xiàn)批次的參數(shù)異?；蛘叱鱿鄬?duì)于批次模型中那些相同參數(shù)的規(guī)格，在線(xiàn)批次的輸出是否會(huì)滿(mǎn)足所需的質(zhì)量度量，等等。事實(shí)上，任何采用統(tǒng)計(jì)批次模型的在線(xiàn)數(shù)據(jù)的分析必須首先確定最適合在線(xiàn)數(shù)據(jù)的統(tǒng)計(jì)批次模型中的點(diǎn)。只有在在線(xiàn)數(shù)據(jù)與統(tǒng)計(jì)批次模型對(duì)齊之后，才可以實(shí)施進(jìn)一步的分析，諸如向操作者提供屏幕以表示在線(xiàn)批次如何與批次模型進(jìn)行比較， 實(shí)施統(tǒng)計(jì)分析以確定批次是否正常運(yùn)行或者運(yùn)行在范圍內(nèi)，或者批次是否運(yùn)行異常和/或批次的輸出是否預(yù)測(cè)為滿(mǎn)足所需的質(zhì)量度量，諸如所需的粘度、濃度、等等。作為一個(gè)示例，一旦當(dāng)前在線(xiàn)批次的數(shù)據(jù)被對(duì)齊到批次模型的特定點(diǎn)，OMS 102的分析處理器114可以向用戶(hù)提供一組不同的圖形或其它顯示以使得用戶(hù)能夠確定在線(xiàn)批次運(yùn)行的當(dāng)前運(yùn)行狀態(tài)或可行性。以下討論一些這類(lèi)圖形或顯示，可以理解，其他顯示、分析或信息也可以或可選地被提供給用戶(hù)，諸如操作者、維護(hù)人員、等。作為一個(gè)示例，分析處理器114可以通過(guò)計(jì)算過(guò)程變量和/或質(zhì)量變量相對(duì)于總體質(zhì)量變量或者引起故障的質(zhì)量變量的貢獻(xiàn)來(lái)生成貢獻(xiàn)圖。過(guò)程和/或質(zhì)量變量的貢獻(xiàn)可以被顯示為被解釋的和/或未被解釋的每一變量的偏差作為關(guān)聯(lián)于總體質(zhì)量的偏差和/或關(guān)聯(lián)于故障的質(zhì)量變量的貢獻(xiàn)。此外，分析處理器114可以為任意被選定的過(guò)程和/或質(zhì)量變量生成變量趨勢(shì)圖， 該變量可能具有大于預(yù)定閾值的偏差。變量趨勢(shì)圖可以顯示關(guān)聯(lián)于過(guò)程的一段時(shí)間上的變量的值與之前過(guò)程中類(lèi)似時(shí)間的變量值，例如模型變量值，的關(guān)系。通過(guò)生成貢獻(xiàn)圖和/或變量趨勢(shì)圖，分析處理器114還可以確定可行的過(guò)程的修正以解決批次過(guò)程中所檢測(cè)到的故障。通過(guò)在用于創(chuàng)建具有關(guān)聯(lián)偏差(例如標(biāo)準(zhǔn)偏差)的批次模型的批次數(shù)據(jù)歷史圖上重疊對(duì)齊于相同時(shí)間標(biāo)度的當(dāng)前值，變量趨勢(shì)圖可以幫助操作者確定過(guò)程故障的起因。分析處理器114還可以生成質(zhì)量預(yù)測(cè)圖以確定修正，如果實(shí)施的話(huà)，對(duì)于過(guò)程總體質(zhì)量的作用。如果修正將總體質(zhì)量維持或提高到特定閾值內(nèi)，分析處理器114可以指示 OMS 102實(shí)現(xiàn)修正?？蛇x地，分析處理器114可以向控制器108發(fā)送指令以實(shí)現(xiàn)過(guò)程修正。進(jìn)一步地，當(dāng)確定關(guān)聯(lián)于總體質(zhì)量變量和/或任意其他質(zhì)量變量的故障時(shí)，示例性分析處理器114可以生成迷你圖。迷你圖可以包括在指定時(shí)間的(例如，關(guān)聯(lián)于過(guò)程故障的時(shí)間)過(guò)程和/或質(zhì)量變量與由批次模型所預(yù)測(cè)的每個(gè)變量的平均值和/或標(biāo)準(zhǔn)偏差的關(guān)系。此外，迷你圖可以包括指出關(guān)聯(lián)于有關(guān)模型的每個(gè)過(guò)程和/或質(zhì)量變量的在先值的火花線(xiàn)。從迷你圖上，示例性分析處理器114可以使得操作者能夠決定和/或選擇一個(gè)或更多對(duì)過(guò)程的修正操作和/或確定修正是否將改進(jìn)過(guò)程以使得總體質(zhì)量變量被預(yù)測(cè)在指定限度內(nèi)。OMS 102通過(guò)在線(xiàn)數(shù)據(jù)處理器116管理過(guò)程控制數(shù)據(jù)的訪問(wèn)和控制，該過(guò)程控制數(shù)據(jù)包括過(guò)程偏移圖，貢獻(xiàn)圖，變量趨勢(shì)圖，質(zhì)量預(yù)測(cè)圖，和/或迷你圖。此外，在線(xiàn)數(shù)據(jù)處理器116向過(guò)程控制操作者提供訪問(wèn)權(quán)限以查看過(guò)程控制數(shù)據(jù)，變化和/或修改過(guò)程控制數(shù)據(jù)，和/或生成用于過(guò)程控制系統(tǒng)106中現(xiàn)場(chǎng)設(shè)備的指令。為了提供在線(xiàn)分析的訪問(wèn)，圖2的工廠104被表示為包括通過(guò)局域網(wǎng)124(LAN)通信地耦接到在線(xiàn)數(shù)據(jù)處理器116的路由120和本地工作站122。此外，路由120可以將工廠104中任意其他的工作站(未示出)通信地耦接到LAN 124和/或在線(xiàn)數(shù)據(jù)處理器116。 路由120，其可以無(wú)線(xiàn)地和/或通過(guò)有線(xiàn)連接通信地耦接到其他工作站，可以包括任意類(lèi)型的無(wú)線(xiàn)和/或有線(xiàn)路由，該路由作為連接到LAN 124和/或在線(xiàn)數(shù)據(jù)處理器116的訪問(wèn)集線(xiàn)器。LAN 1 可以采用任意所需的通信媒介與協(xié)議實(shí)現(xiàn)。例如，LAN 1 可以基于硬線(xiàn)或無(wú)線(xiàn)以太網(wǎng)通信方案。然而，也可以使用任意其他適合的通信媒介和協(xié)議。此外，盡管示出了單獨(dú)的LAN，一個(gè)以上的LAN和工作站122中適合的通信硬件也可以被用來(lái)在工作站 122與對(duì)應(yīng)的類(lèi)似工作站(未示出)之間提供足夠的通信路徑。LAN 1 還被示為通信地耦接到防火墻128，該防火墻1 根據(jù)一個(gè)或更多的規(guī)則來(lái)確定來(lái)自遠(yuǎn)程工作站130和/或132的通信是否被允許接入工廠104。遠(yuǎn)程工作站130 和132可以向未處于工廠104內(nèi)的操作者提供訪問(wèn)工廠104中資源的權(quán)限。遠(yuǎn)程工作站 130和132通過(guò)廣域網(wǎng)(WAN) 134通信地耦接到防火墻128。工作站122，130和/或132可以被配置為基于由OMS 102執(zhí)行的在線(xiàn)分析來(lái)觀察， 修改，和/或修正過(guò)程控制系統(tǒng)106中一個(gè)或更多的過(guò)程，或者這些工作站可以直接執(zhí)行在此所述的在線(xiàn)過(guò)程分析應(yīng)用程序及方法。例如工作站122，130和/或132可以包括用戶(hù)界面136，其編排和/或顯示由OMS 102生成的過(guò)程控制信息。在另一示例中，用戶(hù)界面136 可以從OMS 102接收所生成的圖形和/或圖表，或者可選地，用于生成過(guò)程控制圖形和/或圖表的數(shù)據(jù)。在將圖形和/或圖表接收到各個(gè)工作站122，130和/或132之后，用戶(hù)界面 136可以生成相對(duì)較易為操作者所理解的圖形和/或圖表138的顯示。圖2的示例性的配置示出了具有用戶(hù)界面136的工作站132。然而，工作站122和/或130可以包括用戶(hù)界面 136。此外，用戶(hù)界面136可以提醒過(guò)程控制操作者注意由在此所述的在線(xiàn)分析所確定的過(guò)程控制系統(tǒng)106和/或工廠104中任意其他的過(guò)程控制系統(tǒng)中任意過(guò)程控制故障的發(fā)生。此外，用戶(hù)界面136可以引導(dǎo)過(guò)程控制操作者來(lái)分析過(guò)程，從而確定過(guò)程故障的源頭并且預(yù)測(cè)過(guò)程故障對(duì)直接產(chǎn)品質(zhì)量的影響。用戶(hù)界面136可以在過(guò)程進(jìn)行時(shí)向操作者提供過(guò)程控制統(tǒng)計(jì)信息，由此使得操作者能夠?qū)^(guò)程進(jìn)行調(diào)整以修正任意的故障。通過(guò)修正過(guò)程中的故障，操作者可以保持直接產(chǎn)品的質(zhì)量。此外，通過(guò)示例性的OMS 102，用戶(hù)界面136可以顯示檢測(cè)、分析、修正操作、以及質(zhì)量預(yù)測(cè)信息。例如，用戶(hù)界面136可以顯示過(guò)程概覽圖表、過(guò)程變化圖、迷你圖、貢獻(xiàn)圖、 可變趨勢(shì)圖、和/或質(zhì)量預(yù)測(cè)圖(例如，圖形138)。在觀察這些圖形138之后，操作者可以選擇附加的圖形138來(lái)觀察多變量和/或統(tǒng)計(jì)過(guò)程信息以確定過(guò)程故障的起因。此外，用戶(hù)界面136可以顯示可行的修正過(guò)程故障的操作。用戶(hù)界面136可以之后允許操作者選擇一個(gè)或更多的修正操作。在選定修正之后，用戶(hù)界面136可以將修正發(fā)送到OMS 102，然后， OMS 102再向控制器108發(fā)送指令，以在過(guò)程控制系統(tǒng)106中做出適合的修正。圖1的工作站122，130和/或132可以包括任意的計(jì)算設(shè)備，包括個(gè)人電腦，筆記本電腦，服務(wù)器，控制器，個(gè)人數(shù)字助理(PDA)，微型計(jì)算機(jī)，等等。工作站122，130和/或 132可以采用任意適合的計(jì)算機(jī)系統(tǒng)或處理系統(tǒng)來(lái)實(shí)現(xiàn)。例如，工作站122，130和/或132 可以采用單個(gè)處理器的個(gè)人電腦，單個(gè)或多個(gè)處理器的工作站等來(lái)實(shí)現(xiàn)。圖1的過(guò)程控制環(huán)境10以及圖2的過(guò)程控制環(huán)境100被提供來(lái)表示系統(tǒng)的類(lèi)型， 下文中更具體描述的示例性的方法及裝置可以被有利地在其中使用。然而，如果需要的話(huà)， 在此所述的示例性的方法及裝置可以使用在復(fù)雜度高于或低于圖1和2中所示的示例性的過(guò)程控制環(huán)境10及100和/或過(guò)程控制系統(tǒng)106的其他系統(tǒng)中，和/或在有關(guān)過(guò)程控制作業(yè)，企業(yè)管理作業(yè)，通信作業(yè)等中使用的系統(tǒng)中。目前，許多過(guò)程控制系統(tǒng)提供過(guò)程控制信息的分解和/或統(tǒng)計(jì)分析。然而，這些系統(tǒng)通常采用離線(xiàn)工具來(lái)確定可能影響直接產(chǎn)品的質(zhì)量的過(guò)程控制故障的起因以及可能的修正操作。這些離線(xiàn)工具可以包括過(guò)程調(diào)查，實(shí)驗(yàn)室調(diào)查，事務(wù)調(diào)查，查找故障，過(guò)程改進(jìn)分析，和/或6-西格瑪(6-sigma)分析。雖然這些工具可以修正用于后續(xù)產(chǎn)品的過(guò)程，但是這些工具不能糾正和/或修正故障發(fā)生時(shí)的過(guò)程質(zhì)量。因此，這些離線(xiàn)工具對(duì)于過(guò)程控制環(huán)境是沒(méi)有作用的，在直到過(guò)程被修正前，其可能導(dǎo)致生產(chǎn)出具有質(zhì)量問(wèn)題的產(chǎn)品。另一方面，在此所述的示例性的在線(xiàn)批次過(guò)程控制系統(tǒng)分析可以被用于過(guò)程控制系統(tǒng)中以提供過(guò)程中的故障檢測(cè)、分析、和/或修正信息，使得操作者能夠在過(guò)程進(jìn)行或持續(xù)時(shí)修正過(guò)程故障。換言之，過(guò)程修正可以響應(yīng)于所預(yù)測(cè)的故障，在故障發(fā)生時(shí)或者基本上故障發(fā)生之后立即執(zhí)行。雖然在此所述的示例性的方法及裝置可以被用于預(yù)測(cè)和/或修正過(guò)程故障以改進(jìn)批次和/或連續(xù)過(guò)程的過(guò)程質(zhì)量，但是將以批次過(guò)程來(lái)具體地描述這些示例性的方法及裝置。附加地或可選地，該示例性的方法及裝置可以被用于通過(guò)預(yù)測(cè)產(chǎn)品質(zhì)量和修正對(duì)應(yīng)的過(guò)程故障和/或通過(guò)修正所檢測(cè)的過(guò)程故障來(lái)修正產(chǎn)品質(zhì)量。圖3示出了可以由OMS 102(其可以運(yùn)行圖1的例程50)實(shí)現(xiàn)的方法的示例性流程圖150，該方法用于為批次過(guò)程開(kāi)發(fā)統(tǒng)計(jì)批次模型并且然后使用該統(tǒng)計(jì)批次模型來(lái)分析來(lái)自在線(xiàn)批次過(guò)程運(yùn)行的數(shù)據(jù)。在塊152，OMS 102為特定批次收集批次數(shù)據(jù)。這種批次數(shù)據(jù)可以包括用于特定過(guò)程批次運(yùn)行的一些不同過(guò)程變量的測(cè)量的、計(jì)算的或估計(jì)的過(guò)程變量值，例如包括，諸如原材料構(gòu)成的輸入變量，諸如溫度、流速、液位或其他過(guò)程變量測(cè)量的進(jìn)行中過(guò)程變量測(cè)量，估計(jì)過(guò)程變量，諸如濕度、環(huán)境溫度等的環(huán)境數(shù)據(jù)，包括在一個(gè)或更多實(shí)驗(yàn)室分析中離線(xiàn)測(cè)量或獲得的任意數(shù)據(jù)的實(shí)驗(yàn)室數(shù)據(jù)，等等。這種數(shù)據(jù)可以在批次運(yùn)行時(shí)在線(xiàn)收集，或者可以從之前批次運(yùn)行的數(shù)據(jù)歷史庫(kù)(諸如圖1的歷史庫(kù)12)中收集或獲得。如果需要的話(huà)，用戶(hù)或操作者可以選擇特定的批次運(yùn)行來(lái)在建模過(guò)程中使用，該特定批次運(yùn)行的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)歷史庫(kù)中。在塊154中，在其數(shù)據(jù)已在塊152收集的批次運(yùn)行完成之后，和/或在該批次的不同階段、運(yùn)行或時(shí)期結(jié)束時(shí)，OMS 102收集用于該批次運(yùn)行的質(zhì)量測(cè)量或質(zhì)量數(shù)據(jù)。質(zhì)量數(shù)據(jù)可以包括該批次輸出或者該批次的階段、運(yùn)行或時(shí)期之一的輸出的質(zhì)量的測(cè)量或指示，包括，例如材料粘度，特定化學(xué)制品或元素的濃度，PH值， 材料構(gòu)成或比例，和/或任意其他表示批次運(yùn)行成功地生產(chǎn)可接受或所要求輸出的質(zhì)量數(shù)據(jù)。當(dāng)然，要收集的特定質(zhì)量數(shù)據(jù)可能取決于所制造的產(chǎn)品的類(lèi)型，并且這種質(zhì)量數(shù)據(jù)可以在線(xiàn)測(cè)量，可以通過(guò)實(shí)驗(yàn)室分析確定，可以通過(guò)視覺(jué)觀察(并且由用戶(hù)輸入)確定，可以根據(jù)其他參數(shù)計(jì)算，或者可以以任意其他已知方式來(lái)確定。此外，這種質(zhì)量數(shù)據(jù)可以從批次歷史庫(kù)中獲得，如果這種數(shù)據(jù)存儲(chǔ)在其中，或者通過(guò)在線(xiàn)過(guò)程或離線(xiàn)實(shí)驗(yàn)室分析獲得。圖4表示用于示例性批次運(yùn)行(例如批次#1)的數(shù)據(jù)結(jié)構(gòu)200，包括測(cè)量過(guò)程變量202以及計(jì)算或者其他方法測(cè)量或確定的質(zhì)量變量204，其可以包括一個(gè)或更多在批次結(jié)束時(shí)通過(guò)測(cè)量或觀察所獲得的總體質(zhì)量變量。正如已知的，批次處理是一種產(chǎn)品制造，其中相對(duì)大量的產(chǎn)品和/或產(chǎn)品的部分是在一個(gè)或更多個(gè)由控制例程控制的位置并行生產(chǎn)的。此外，批次過(guò)程通常包括一個(gè)或更多過(guò)程階段，每個(gè)階段包括一個(gè)或更多運(yùn)行并且每個(gè)運(yùn)行包括一個(gè)或更多時(shí)期。就其本身而言，示例性測(cè)量過(guò)程變量202可以包括來(lái)自于單個(gè)時(shí)期、運(yùn)行或階段的過(guò)程變量(又被稱(chēng)為過(guò)程參數(shù))或延續(xù)批次運(yùn)行多個(gè)時(shí)期、運(yùn)行或階段的過(guò)程變量。經(jīng)由示例，圖4所示的變量Pl可以對(duì)應(yīng)于流體流速(例如，過(guò)程變量)，而變量P2-P8對(duì)應(yīng)于溫度、壓力、另外的流速，等等。變量204可以對(duì)應(yīng)于質(zhì)量變量，例如濃度等。 雖然圖4的批次過(guò)程被表示為包括8個(gè)測(cè)量過(guò)程變量202以及兩個(gè)質(zhì)量變量204，在其他示例中，批次運(yùn)行可以包括較少或較多的過(guò)程變量以及較少或較多的質(zhì)量變量。此外，批次過(guò)程數(shù)據(jù)是在沿Z軸所示(在圖4中標(biāo)為“時(shí)間”)的時(shí)間段中收集的。圖4的數(shù)據(jù)圖200表示出一些過(guò)程變量202僅與批次過(guò)程中的特定時(shí)間有關(guān)。例如，過(guò)程變量Pl與批次的開(kāi)始到批次(或者數(shù)據(jù)被收集的批次的階段，運(yùn)行或時(shí)期)的中間點(diǎn)有關(guān)。因此，如果變量Pi關(guān)聯(lián)于流體流速，該流體可能僅從批次開(kāi)始到批次中間點(diǎn)在批次中流動(dòng)。在這點(diǎn)之后，該批次可能不使用流體流量并且因此，變量Pi與那時(shí)的批次過(guò)程不相關(guān)。相反，圖4的變量P4與整個(gè)批次過(guò)程有關(guān)。示例性質(zhì)量變量204可以關(guān)聯(lián)于整個(gè)批次過(guò)程或者可以關(guān)聯(lián)于批次過(guò)程的特定時(shí)期或階段。質(zhì)量變量204可以是測(cè)量的過(guò)程變量202和/或其他質(zhì)量變量204之間的多變量的、統(tǒng)計(jì)的、和/或代數(shù)關(guān)系的結(jié)果，可以以任意已知方式測(cè)量或確定，或者可以由用戶(hù)輸入。例如，質(zhì)量變量Ql可以對(duì)應(yīng)于批次過(guò)程產(chǎn)生的產(chǎn)品的構(gòu)成質(zhì)量。構(gòu)成質(zhì)量Ql是一種質(zhì)量變量，雖然其可能不能夠直接地在過(guò)程控制系統(tǒng)106中測(cè)量。作為替代地，構(gòu)成質(zhì)量 Ql可以根據(jù)測(cè)量的變量202的多變量結(jié)合建模和/或確定，或者可以由實(shí)驗(yàn)室分析確定。仍參考圖3，在塊156中，OMS 102接下來(lái)確定是否已為過(guò)程的足夠批次運(yùn)行收集批次數(shù)據(jù)，以為該批次創(chuàng)建適合的統(tǒng)計(jì)模型。如果沒(méi)有，塊156返回控制到塊152以為批次過(guò)程的另外運(yùn)行收集進(jìn)一步的過(guò)程變量數(shù)據(jù)。當(dāng)然，如果需要的話(huà)，用戶(hù)可以預(yù)選擇一個(gè)或更多批次運(yùn)行來(lái)在創(chuàng)建批次模型中使用或者可以阻止特定批次運(yùn)行(其不處于可接受性能的范圍內(nèi)或者其具有可能使得其不能被創(chuàng)建批次模型使用所接受的其他問(wèn)題)被用于創(chuàng)建統(tǒng)計(jì)批次模型。無(wú)論如何，當(dāng)塊156確定已經(jīng)收集了用于足夠批次運(yùn)行的數(shù)據(jù)，塊158 對(duì)齊來(lái)自存儲(chǔ)的批次模型的批次數(shù)據(jù)。為了說(shuō)明這點(diǎn)，圖5表示了關(guān)聯(lián)于一組示例性批次運(yùn)行的數(shù)據(jù)結(jié)構(gòu)300，其可以在圖3的塊152-156中獲得并被在塊158開(kāi)始時(shí)存儲(chǔ)在存儲(chǔ)器中。正如所示，數(shù)據(jù)結(jié)構(gòu)300包括若干批次運(yùn)行中的每個(gè)的過(guò)程變量302以及分別的質(zhì)量變量304。批次運(yùn)行(例如批次 1-N)示出這種特定批次過(guò)程包括順序執(zhí)行的4個(gè)階段(例如階段1-4)。例如，階段1可以對(duì)應(yīng)于在一個(gè)批次中化學(xué)制品的結(jié)合與混合，而階段2可以對(duì)應(yīng)于在一個(gè)批次中那些混合的化學(xué)制品的烘干。這些階段還可以被再劃分為運(yùn)行，時(shí)期，和/或級(jí)別。此外，質(zhì)量變量 304可以對(duì)應(yīng)于每一批次階段、時(shí)期、運(yùn)行或級(jí)別的測(cè)量過(guò)程變量302，和/或可以對(duì)應(yīng)于批次的結(jié)束。圖5的示例性數(shù)據(jù)圖示出每個(gè)獨(dú)立批次可以在持續(xù)時(shí)間上不同，而且在批次之間批次每一階段的開(kāi)始和結(jié)束時(shí)間也不同。例如，相比于批次1，批次2在較短的時(shí)間內(nèi)完成， 但相比于批次1，批次3和4在較長(zhǎng)的時(shí)間內(nèi)完成。此外，相比于批次2，批次1要求較長(zhǎng)的時(shí)間來(lái)完成階段1。仍參考圖3，塊158對(duì)齊圖5的批次數(shù)據(jù)以使得能夠創(chuàng)建批次模型。在一些情況中，通過(guò)按照與對(duì)應(yīng)階段的時(shí)間長(zhǎng)度成比例來(lái)壓縮每個(gè)變量(未示出)的相關(guān)持續(xù)時(shí)間，這種數(shù)據(jù)可以被對(duì)齊。因此，可以采用在每個(gè)批次中所測(cè)量的過(guò)程變量302來(lái)解決完成批次和/或階段的變化的時(shí)間。在另外的示例中，上述所熟知的DTW方法可以被用于將批次數(shù)據(jù)與固定的或標(biāo)準(zhǔn)化的時(shí)間幀對(duì)齊，該時(shí)間幀可以是，例如，所有批次的中位時(shí)間幀，所有批次的平均時(shí)間幀，或者諸如關(guān)聯(lián)于控制批次或選定批次的時(shí)間幀的某種其他時(shí)間幀。被對(duì)齊后，批次數(shù)據(jù)將表現(xiàn)為如圖6的數(shù)據(jù)結(jié)構(gòu)350所示，在其中每個(gè)批次的時(shí)間幀被標(biāo)準(zhǔn)化為精確地相同并且所有階段相互對(duì)齊，通過(guò)在時(shí)間上被擴(kuò)展或縮減，每個(gè)批次中的實(shí)際數(shù)據(jù)點(diǎn)被在時(shí)間上偏移，從而與將要在批次模型中使用的標(biāo)準(zhǔn)化時(shí)間幀相匹配。當(dāng)然，每一階段 (時(shí)期或運(yùn)行)中的時(shí)間可以根據(jù)那些階段(時(shí)期或運(yùn)行)的時(shí)間相對(duì)于該特定階段(時(shí)期或運(yùn)行)的標(biāo)準(zhǔn)化時(shí)間來(lái)被不同地偏移，以使得所有階段分別地被對(duì)齊。無(wú)論如何，任意已知的方法，諸如DTW方法，都可以被用于時(shí)間對(duì)齊來(lái)自不同批次運(yùn)行的批次數(shù)據(jù)，在處理該批次數(shù)據(jù)或開(kāi)發(fā)統(tǒng)計(jì)模型之前?？梢岳斫猓捎谟糜趧?chuàng)建圖6數(shù)據(jù)結(jié)構(gòu)的不同批次運(yùn)行中時(shí)間幀的擴(kuò)展與壓縮， 每個(gè)批次運(yùn)行或多或少的數(shù)據(jù)點(diǎn)會(huì)被提供或關(guān)聯(lián)標(biāo)準(zhǔn)化數(shù)據(jù)的每個(gè)不同的階段。如果需要的話(huà)，這種數(shù)據(jù)可以被轉(zhuǎn)換為固定數(shù)量或一組固定的標(biāo)準(zhǔn)化數(shù)據(jù)點(diǎn)(例如，使用線(xiàn)性或非線(xiàn)性?xún)?nèi)插)，以使得被用于創(chuàng)建批次模型的每個(gè)批次具有相同數(shù)量的數(shù)據(jù)點(diǎn)，或者以使得批次模型的標(biāo)準(zhǔn)化時(shí)間幀中的每個(gè)相同時(shí)間具有數(shù)據(jù)點(diǎn)。當(dāng)然，正如之前所述，通過(guò)采用直線(xiàn)內(nèi)插或諸如非線(xiàn)性?xún)?nèi)插的任意其他所需的內(nèi)插，數(shù)據(jù)中的點(diǎn)的值可以在多個(gè)點(diǎn)之間內(nèi)插獲得。此外，可以理解，不同批次運(yùn)行所收集的每個(gè)數(shù)據(jù)點(diǎn)可以是統(tǒng)計(jì)數(shù)據(jù)點(diǎn)，例如一組連續(xù)收集的原始數(shù)據(jù)點(diǎn)的平均值、中位值等。因此，例如，一個(gè)批次運(yùn)行的單個(gè)數(shù)據(jù)點(diǎn)可以被創(chuàng)建作為10個(gè)、100個(gè)等原始數(shù)據(jù)點(diǎn)的統(tǒng)計(jì)結(jié)合，以減少存儲(chǔ)在存儲(chǔ)器中的點(diǎn)的數(shù)量并減少關(guān)聯(lián)于模型處理的處理時(shí)間。當(dāng)然，用于創(chuàng)建批次運(yùn)行中任意特定統(tǒng)計(jì)數(shù)據(jù)點(diǎn)的原始數(shù)據(jù)點(diǎn)的數(shù)量可以建立在相較于批次中總體時(shí)間長(zhǎng)度的原始數(shù)據(jù)的測(cè)量頻率等的基礎(chǔ)上。—旦來(lái)自不同批次運(yùn)行的批次數(shù)據(jù)被對(duì)齊后，如圖6所示，塊160(圖幻根據(jù)所對(duì)齊的數(shù)據(jù)來(lái)創(chuàng)建統(tǒng)計(jì)批次模型，基于統(tǒng)計(jì)的觀點(diǎn)，以確定批次過(guò)程的標(biāo)準(zhǔn)或期望運(yùn)行，該批次過(guò)程由步驟152-156中收集自不同批次運(yùn)行的數(shù)據(jù)所確定。一種創(chuàng)建統(tǒng)計(jì)批次模型的方法為批次運(yùn)行中的每個(gè)過(guò)程變量創(chuàng)建一個(gè)或更多模型過(guò)程變量軌跡，其中每個(gè)這種模型過(guò)程變量軌跡確定或表示時(shí)間段上過(guò)程變量的期望或標(biāo)準(zhǔn)運(yùn)行，在該時(shí)間段中過(guò)程變量與批次運(yùn)行相關(guān)。這種時(shí)間段可以是，例如，批次的總體長(zhǎng)度，一個(gè)或更多批次階段、時(shí)期、運(yùn)行、級(jí)別等。作為示例，每個(gè)模型過(guò)程變量軌跡可以限定過(guò)程變量的期望值為，例如，模型的標(biāo)準(zhǔn)化時(shí)間幀中每個(gè)時(shí)間位置上的過(guò)程變量平均值或中位值(由所收集的批次數(shù)據(jù)計(jì)算的)。此外，如果需要的話(huà)，每個(gè)模型過(guò)程變量軌跡可以包括一個(gè)或更多標(biāo)準(zhǔn)偏差，該標(biāo)準(zhǔn)偏差關(guān)聯(lián)于在任意特定時(shí)間所收集的批次數(shù)據(jù)，以表明在該特定時(shí)間該變量的批次數(shù)據(jù)的典型偏差。一個(gè)示例性模型過(guò)程變量軌跡360如圖7所示。模型過(guò)程變量軌跡360包括標(biāo)準(zhǔn)化批次時(shí)間上過(guò)程變量的中間值或平均值(如實(shí)線(xiàn)362所示)，以及標(biāo)準(zhǔn)化批次時(shí)間上批次數(shù)據(jù)的第一標(biāo)準(zhǔn)上偏差與標(biāo)準(zhǔn)下偏差(如虛線(xiàn)364所示)。當(dāng)然，線(xiàn)362與364可以由模型總體標(biāo)準(zhǔn)化時(shí)間段上所收集的不同批次運(yùn)行的批次數(shù)據(jù)統(tǒng)計(jì)地確定。當(dāng)然，可以為批次過(guò)程中的每個(gè)測(cè)量的或計(jì)算的過(guò)程變量在任意在其中那些過(guò)程變量涉及建?；虮容^目的的時(shí)間段上，創(chuàng)建類(lèi)似圖7軌跡的模型過(guò)程變量軌跡。此外，雖然線(xiàn)362表示每個(gè)時(shí)間點(diǎn)上批次變量的平均值，而線(xiàn)364表示每個(gè)時(shí)間點(diǎn)上批次變量的第一標(biāo)準(zhǔn)偏差，還可以采用其他過(guò)程變量值的統(tǒng)計(jì)手段來(lái)創(chuàng)建模型過(guò)程變量軌跡，例如包括中間值、第二標(biāo)準(zhǔn)偏差或則其他偏差確定值，等等。
仍參考圖3，塊160還可以或可選地開(kāi)發(fā)諸如PCA (主成分分析)模型或PLS (潛結(jié)構(gòu)投影)模型的其他統(tǒng)計(jì)模型。正如已知的，PCA建模技術(shù)為批次數(shù)據(jù)開(kāi)發(fā)一組主成分，其之后可以被用于分析其他批次數(shù)據(jù)，諸如來(lái)自在線(xiàn)批次的數(shù)據(jù)。更進(jìn)一步地，PLS建模技術(shù)實(shí)施PLS (潛結(jié)構(gòu)投影)計(jì)算將為批次運(yùn)行所收集或確定的過(guò)程變量數(shù)據(jù)關(guān)聯(lián)于質(zhì)量變量， 該質(zhì)量變量是為模型中所使用的批次運(yùn)行所測(cè)量、計(jì)算或用其他方式確定的。PLS模型然后可以被用于根據(jù)所測(cè)量的批次中變量的統(tǒng)計(jì)值來(lái)預(yù)測(cè)將來(lái)批次的質(zhì)量變量。PCA與PLS 建模技術(shù)是所熟知的，因此不在此贅述。當(dāng)然，如果需要的話(huà)，可以根據(jù)圖6的對(duì)齊的批次數(shù)據(jù)來(lái)建立其他類(lèi)型的統(tǒng)計(jì)批次模型。在任意時(shí)間中，在一個(gè)或更多統(tǒng)計(jì)批次模型被建立之后，塊162將這些模型存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)器中，諸如圖1的存儲(chǔ)器52中，以備之后使用?，F(xiàn)在參考圖8，流程圖400示出了根據(jù)圖3的方法中創(chuàng)建的批次模型來(lái)為新的或者進(jìn)行中批次過(guò)程運(yùn)行進(jìn)行批次數(shù)據(jù)在線(xiàn)分析的示例性方法。通常而言，在線(xiàn)過(guò)程監(jiān)控的目標(biāo)是檢測(cè)批次運(yùn)行中任意的異常運(yùn)行，并且確定異常的來(lái)源，從而能夠補(bǔ)償或修正故障或其他批次問(wèn)題，或者使得能夠在盡可能短的時(shí)間內(nèi)確定不能產(chǎn)生可接受最終產(chǎn)品的批次。 在之后的情況中，操作者然后可以能夠停止批次運(yùn)行并且重新開(kāi)始，以保存否則將要被用來(lái)實(shí)現(xiàn)完成該批次運(yùn)行的原材料(在該批次中還未使用)與能量，并且將設(shè)備騰出給其他將形成可接受最終產(chǎn)品的批次運(yùn)行使用。在塊402中，例如OMS 102，自動(dòng)地為將要在分析中使用的一組過(guò)程變量中的每個(gè)收集、過(guò)濾并預(yù)處理來(lái)自于進(jìn)行中的或在線(xiàn)批次的批次過(guò)程測(cè)量數(shù)據(jù)、實(shí)驗(yàn)室分析數(shù)據(jù)以及人工輸入數(shù)據(jù)的統(tǒng)計(jì)掃描。而且，與批次模型一樣，從在線(xiàn)批次接收或收集的多個(gè)原始數(shù)據(jù)的值可以被統(tǒng)計(jì)地結(jié)合以創(chuàng)建單獨(dú)測(cè)量的在線(xiàn)批次數(shù)據(jù)點(diǎn)，在此有時(shí)被稱(chēng)為統(tǒng)計(jì)掃描(因而其可以是原始數(shù)據(jù)掃描或者一組原始數(shù)據(jù)掃描的平均或者其他統(tǒng)計(jì)結(jié)合)。在塊 404，通過(guò)使用接下來(lái)將詳述的技術(shù)，查找最符合所收集的在線(xiàn)掃描數(shù)據(jù)的模型統(tǒng)計(jì)掃描， OMS 102將當(dāng)前批次數(shù)據(jù)點(diǎn)(其可以是數(shù)據(jù)的統(tǒng)計(jì)掃描)與之前為該批次創(chuàng)建的批次模型對(duì)齊。一旦當(dāng)前或在線(xiàn)批次數(shù)據(jù)與批次模型對(duì)齊，OMS 102可以對(duì)在線(xiàn)批次數(shù)據(jù)實(shí)施任意所需的分析，如同塊406所示。例如，在塊406A，OMS 102可以對(duì)當(dāng)前在線(xiàn)批次數(shù)據(jù)與批次過(guò)程變量模型軌跡進(jìn)行比較，并提供任意上述的屏幕或用戶(hù)顯示。此外，在塊406B，在線(xiàn)批次過(guò)程的運(yùn)行可以采用PCA分析來(lái)監(jiān)控或分析以確定在相同的統(tǒng)計(jì)掃描中當(dāng)前批次過(guò)程與批次模型比較得如何，從而檢測(cè)故障。在一個(gè)示例中，在線(xiàn)批次數(shù)據(jù)，在對(duì)齊到批次模型后，可以被投影到主成分空間，并且可以測(cè)試T2與Q統(tǒng)計(jì)的控制上限(UCL)。最終，可以確定過(guò)程變量相對(duì)于總體方差的貢獻(xiàn)。計(jì)算T2與Q統(tǒng)計(jì)是熟知的，因此在此不再贅述。更進(jìn)一步地，在塊406C，OMS 102可以采用例如基于為該批次過(guò)程開(kāi)發(fā)的PLS批次模型的PLS技術(shù)來(lái)實(shí)施批次質(zhì)量預(yù)測(cè)。此外，在塊410，OMS 102使用塊406的分析來(lái)檢測(cè)一個(gè)或更多有關(guān)于批次的誤差， 并且在塊412可以提醒用戶(hù)由這些分析所檢測(cè)的潛在故障或問(wèn)題。更進(jìn)一步地，如果需要的話(huà)，OMS 102可以向用戶(hù)提供當(dāng)前批次最終產(chǎn)品的質(zhì)量度量的預(yù)測(cè)，提供關(guān)于如何改變?cè)诰€(xiàn)批次的將來(lái)階段、時(shí)期或運(yùn)行的控制的建議，以修正或者補(bǔ)償在批次中已發(fā)生的可能導(dǎo)致劣質(zhì)最終產(chǎn)品的故障或問(wèn)題，或者可以實(shí)施關(guān)于分析數(shù)據(jù)的任意其他操作。如圖8中的虛線(xiàn)所示，0MS102持續(xù)收集在線(xiàn)批次數(shù)據(jù)，甚至在實(shí)施在線(xiàn)數(shù)據(jù)對(duì)齊與基于模型的分析以及向用戶(hù)提供顯示時(shí)也持續(xù)收集。因此，雖然流程圖400的方法不需要在每個(gè)數(shù)據(jù)收集掃描之后實(shí)施塊406、408或410中的分析和/或顯示步驟，但在需要時(shí)可以這樣做。由于用于模型開(kāi)發(fā)的歷史數(shù)據(jù)對(duì)齊對(duì)例如在塊406與408開(kāi)發(fā)的T2和Q統(tǒng)計(jì)具有重要影響，由塊404實(shí)施的對(duì)齊對(duì)于正確的分析至關(guān)重要。在一個(gè)示例中，在線(xiàn)DTW過(guò)程可以應(yīng)用在塊404中，以將在線(xiàn)數(shù)據(jù)匹配于為圖3的塊160中的批次模型所開(kāi)發(fā)的批次過(guò)程模型軌跡中的最相似點(diǎn)。特別地，在在線(xiàn)運(yùn)行期間采用下述方法將批次進(jìn)展數(shù)據(jù)(即在線(xiàn)批次數(shù)據(jù))與批次模型對(duì)齊減少了過(guò)程的非線(xiàn)性與動(dòng)態(tài)特性。本質(zhì)上，這種將在線(xiàn)數(shù)據(jù)與批次模型對(duì)齊的方法依賴(lài)于這樣的假設(shè)，對(duì)于一組稱(chēng)為統(tǒng)計(jì)掃描的預(yù)定時(shí)間間隔，每個(gè)批次或階段模型都具有一組特定的模型參數(shù)。每次這種掃描可以包括預(yù)定數(shù)量的原始或統(tǒng)計(jì)數(shù)據(jù)點(diǎn)，并且批次或階段模型中的每次掃描可以包括相同數(shù)量的統(tǒng)計(jì)或原始數(shù)據(jù)點(diǎn)。圖 9示出了模型過(guò)程變量Xm(從由圖3的塊160所開(kāi)發(fā)的批次模型選取)的示例性模型過(guò)程變量軌跡502，該軌跡被劃分為多個(gè)相等(在時(shí)間上)的統(tǒng)計(jì)掃描。如圖9中的虛線(xiàn)所示， 掃描位置可以在時(shí)間幀上擴(kuò)展，該時(shí)間幀中具有在其中的或者與其關(guān)聯(lián)的多個(gè)數(shù)據(jù)點(diǎn)。優(yōu)選地，所有相關(guān)批次過(guò)程變量模型軌跡被劃分為相同的掃描周期?！┠Ｐ瓦^(guò)程變量軌跡被劃分為統(tǒng)計(jì)掃描周期或位置，對(duì)齊技術(shù)嘗試根據(jù)所有批次過(guò)程變量的當(dāng)前值選擇最符合當(dāng)前批次狀態(tài)的單個(gè)掃描位置。這種在線(xiàn)數(shù)據(jù)與模型軌跡數(shù)據(jù)之間的對(duì)齊不同于通常使用在批次分析中的離線(xiàn)數(shù)據(jù)對(duì)齊技術(shù)，因?yàn)樵跀?shù)據(jù)被對(duì)齊時(shí)在線(xiàn)數(shù)據(jù)是不完整的。因此，批次未完成運(yùn)行，并且因而在該種對(duì)齊技術(shù)中在線(xiàn)批次的總體時(shí)間未知。因此，雖然離線(xiàn)DTW技術(shù)通常根據(jù)批次的總體長(zhǎng)度或批次的一部分(例如階段， 運(yùn)行或時(shí)期)來(lái)在時(shí)間上匹配批次數(shù)據(jù)或者標(biāo)準(zhǔn)化批次數(shù)據(jù)，在線(xiàn)對(duì)齊技術(shù)并不知道批次的總體時(shí)間或者批次的相關(guān)部分，并且不能以該種方式標(biāo)準(zhǔn)化這種數(shù)據(jù)。為了以計(jì)算上簡(jiǎn)單的方式實(shí)現(xiàn)可以被用于提供在線(xiàn)或?qū)崟r(shí)分析的在線(xiàn)對(duì)齊，已開(kāi)發(fā)了針對(duì)典型DTW在線(xiàn)運(yùn)行的修改，并且通常按下述操作。根本上說(shuō)，這種技術(shù)的目標(biāo)在于確定在線(xiàn)批次最可能或最適合的位置，通過(guò)對(duì)在線(xiàn)批次運(yùn)行的最近收集的數(shù)據(jù)點(diǎn)(其可以是統(tǒng)計(jì)數(shù)據(jù)點(diǎn))與批次模型中的模型過(guò)程變量軌跡進(jìn)行比較來(lái)確定批次模型中的哪個(gè)掃描或掃描位置表現(xiàn)為在線(xiàn)批次最有可能的在線(xiàn)批次的當(dāng)前位置。通常地，這種技術(shù)使用每個(gè)新的在線(xiàn)數(shù)據(jù)點(diǎn)(其通常是過(guò)程變量值的陣列，每個(gè)變量值可能是統(tǒng)計(jì)數(shù)據(jù)值)來(lái)為批次模型中若干掃描位置中的每個(gè)確定總體距離。該計(jì)算距離然后被用于確定哪個(gè)模型掃描位置是在線(xiàn)過(guò)程當(dāng)前對(duì)齊的最可能的掃描位置。更具體地，一個(gè)掃描周期的總體距離是由過(guò)程變量距離的結(jié)合計(jì)算的，該過(guò)程變量距離是為每個(gè)考慮在模型中的過(guò)程變量所確定的。每個(gè)過(guò)程變量距離被確定為當(dāng)被設(shè)置在批次模型中最后確定的(即最近確定的)掃描位置上時(shí)過(guò)程變量的當(dāng)前值，與該過(guò)程變量處于過(guò)程模型中一個(gè)掃描位置上的模型軌跡的值之間的誤差或差額。通常地，為其計(jì)算過(guò)程變量距離的掃描位置包括當(dāng)前掃描位置(即根據(jù)為在線(xiàn)批次運(yùn)行最后收集的數(shù)據(jù)點(diǎn)所確定的關(guān)聯(lián)于在線(xiàn)批次運(yùn)行的掃描位置)以及緊接著當(dāng)前掃描位置的一組連續(xù)掃描位置，直到預(yù)測(cè)掃描范圍。正如之前所注明的，過(guò)程變量距離是為所考慮的每個(gè)掃描位置，為包括在批次模型中的所有相關(guān)過(guò)程變量所計(jì)算的。為不同過(guò)程變量計(jì)算的過(guò)程變量距離之后按照一個(gè)掃描接著一個(gè)掃描地結(jié)合，從而為每個(gè)被考慮的掃描位置創(chuàng)建結(jié)合的距離，并且具有最小的這種結(jié)合或總體距離的掃描位置被確定為在線(xiàn)批次運(yùn)行的最可能掃描位置。
在一個(gè)示例中，為每個(gè)過(guò)程變量距離確定歐氏距離，這種歐氏距離是過(guò)程變量的在線(xiàn)批次軌跡與該過(guò)程變量的模型過(guò)程變量軌跡之間距離的一種測(cè)量。更具體地，這種歐氏距離從被設(shè)置在在線(xiàn)批次運(yùn)行的最后確定的掃描位置的當(dāng)前在線(xiàn)批次變量值擴(kuò)展到預(yù)設(shè)數(shù)量(h)的將來(lái)掃描位置中的一個(gè)。為特定掃描位置的每個(gè)過(guò)程變量計(jì)算的過(guò)程變量距離然后被平方并加和，以為每個(gè)掃描位置生成過(guò)程變量距離的平方和。之后，具有與其關(guān)聯(lián)的最小過(guò)程變量距離平方和的掃描位置被選為在線(xiàn)過(guò)程最可能關(guān)聯(lián)的或者在線(xiàn)過(guò)程當(dāng)前對(duì)齊的掃描位置。這種技術(shù)可以采用圖10圖形地表示，其示出了過(guò)程變量X的圖9的模型過(guò)程變量軌跡502(例如，批次模型的中間過(guò)程變量軌跡)，又被標(biāo)為Xm。圖10還示出了為測(cè)量的或在線(xiàn)過(guò)程變量X的確定軌跡504，其當(dāng)然對(duì)應(yīng)于批次模型的過(guò)程變量Xm。特別地，線(xiàn)504表示采用在此所述的技術(shù)在以往確定的測(cè)量或在線(xiàn)過(guò)程變量X的軌跡。在這種情況中，標(biāo)記為k的掃描位置(虛線(xiàn))是在接收到來(lái)自在線(xiàn)批次運(yùn)行的最后一組測(cè)量的過(guò)程變量之后， 最近確定為在線(xiàn)批次的最適合或最可能位置的掃描位置，而掃描k+Ι是緊接著第k次掃描的掃描位置，依此類(lèi)推。為了確定來(lái)自在線(xiàn)批次運(yùn)行的批次過(guò)程變量的一組新的或最近測(cè)量值的位置，該技術(shù)根據(jù)批次模型中當(dāng)前相關(guān)的所有測(cè)量的過(guò)程變量的最近測(cè)量或確定的批次變量值來(lái)確定表現(xiàn)為最可能批次位置的模型掃描位置0^，1^+1，1^2，等)。這組最近的在線(xiàn)批次測(cè)量值在此被稱(chēng)作“當(dāng)前”批次數(shù)據(jù)點(diǎn)。通常而言，參考圖10的圖形，該技術(shù)確定表示在最近確定為在線(xiàn)批次運(yùn)行位置的掃描位置上從過(guò)程變量X的當(dāng)前過(guò)程變量值到過(guò)程模型軌跡Xm 的值之間距離的值。參考圖10的放大部分，點(diǎn)510是當(dāng)被設(shè)置在最近確定掃描位置k時(shí)測(cè)量過(guò)程變量X的當(dāng)前值。點(diǎn)512是緊挨在當(dāng)前值之前的在線(xiàn)過(guò)程變量X的值，而該當(dāng)前值是掃描位置k之前被確定為在線(xiàn)批次的最可能位置處的值。這里要注意，在線(xiàn)批次軌跡被連接到點(diǎn)512，因?yàn)殛P(guān)聯(lián)于過(guò)程變量X當(dāng)前值的掃描位置尚未確定。此外，如點(diǎn)510及512 之間的差額所示，變量X的當(dāng)前過(guò)程數(shù)據(jù)的值與該變量之前值具有不同的大小。無(wú)論如何，一組歐氏距離dQ，Cl1, d2..dh從點(diǎn)510(當(dāng)前數(shù)據(jù)點(diǎn))至在掃描位置k， k+1，k+2，...hh上模型過(guò)程變量軌跡上的點(diǎn)計(jì)算。這些距離表示當(dāng)被設(shè)置在掃描位置 k (在線(xiàn)過(guò)程的最近確定位置)時(shí)過(guò)程變量X的當(dāng)前在線(xiàn)過(guò)程變量值與當(dāng)前掃描位置以及一組預(yù)設(shè)數(shù)量的將來(lái)掃描位置(預(yù)測(cè)范圍)中的每一位置上的過(guò)程變量模型軌跡Xm之間的差額或誤差。在這種情況中，所計(jì)算的距離是圖10的圖形上的歐氏距離。雖然圖10僅示出了單個(gè)過(guò)程變量X相對(duì)于對(duì)應(yīng)的過(guò)程模型變量軌跡Xm的這些距離計(jì)算，但是還可以為在模型中使用的或者與批次過(guò)程中特定點(diǎn)(例如階段，運(yùn)行，時(shí)期等)相關(guān)的過(guò)程變量中的每個(gè)確定類(lèi)似的計(jì)算。接著，該技術(shù)一個(gè)掃描接著一個(gè)掃描地計(jì)算為每個(gè)過(guò)程變量所確定的距離的平方和。也就是，每個(gè)過(guò)程變量對(duì)應(yīng)的距離Cltl(關(guān)聯(lián)于當(dāng)前掃描位置)被平方并且之后將這些距離的平方加到一起以生成關(guān)聯(lián)于掃描位置k的第一加和。類(lèi)似地，每個(gè)過(guò)程變量對(duì)應(yīng)的距離Cl1 (關(guān)聯(lián)于第k+Ι掃描位置)被平方并且之后將這些距離的平方加到一起以生成關(guān)聯(lián)于掃描位置k+Ι的第二加和。對(duì)被考慮的掃描位置(k+3...hh)中的每個(gè)都重復(fù)這種加和處理。當(dāng)然，在所有情況下，距離Cltl，Cl1等被平方以獲得正值，因?yàn)檫@些距離表示每一掃描位置上批次運(yùn)行的過(guò)程變量的當(dāng)前測(cè)量值與這些過(guò)程變量的模型軌跡值之間的誤差。以類(lèi)似的方式，可以確定距離Cltl，Cl1等的絕對(duì)值來(lái)代替距離Cltl，Cl1等的平方。無(wú)論如何，距離的最小加和(其平方或其絕對(duì)值)定義了最可能是當(dāng)前在線(xiàn)批次位置的掃描位置(k，k+l， k+2，. . . k+h) 0因此，距離的最小加和被用來(lái)選擇模型掃描位置，在該模型掃描位置在線(xiàn)過(guò)程被確定為有關(guān)于模型。應(yīng)該理解，這種技術(shù)可以在任意特定時(shí)間確定當(dāng)前掃描位置(k)關(guān)聯(lián)于最短平方和的過(guò)程變量距離計(jì)算，并且因此，自最后一組測(cè)量或在線(xiàn)變量起在線(xiàn)批次并未移動(dòng)或發(fā)展。另一方面，這種技術(shù)可以確定在線(xiàn)批次運(yùn)行的位置的最佳估計(jì)是在時(shí)間上向前的下一個(gè)掃描位置(k+Ι)或者在時(shí)間上向前的一個(gè)以上的掃描位置(例如，掃描位置k+2，掃描位置k+3等)的。因此，這種技術(shù)實(shí)際上可以確定自最后對(duì)齊確定起在線(xiàn)批次的最佳當(dāng)前估計(jì)已移動(dòng)或跳過(guò)了多個(gè)掃描位置。然而，這種在線(xiàn)批次對(duì)齊方法不能在任何點(diǎn)返回掃描位置(例如，掃描位置k-1，k-2等)，因?yàn)檫@將導(dǎo)致建模和預(yù)測(cè)非線(xiàn)性。也就是說(shuō)，一旦對(duì)齊技術(shù)確定相對(duì)于批次模型在線(xiàn)批次已達(dá)到特定掃描位置，該技術(shù)不允許隨后或?qū)?lái)的估計(jì)在時(shí)間上返回(到之前的模型掃描位置)。然而，這種技術(shù)可以保留任意需要時(shí)間的當(dāng)前模型掃描位置k處的在線(xiàn)批次位置估計(jì)。在隨后的情況中，該技術(shù)可以在將來(lái)的計(jì)算中忽略所有之前收集的在線(xiàn)數(shù)據(jù)點(diǎn)，該在線(xiàn)數(shù)據(jù)點(diǎn)是之前確定的關(guān)聯(lián)于掃描位置k的，或者可以將當(dāng)前數(shù)據(jù)點(diǎn)與之前收集的確定關(guān)聯(lián)于相同掃描位置的數(shù)據(jù)點(diǎn)統(tǒng)計(jì)地結(jié)合。因此，在圖 10的示例中，如果該技術(shù)確定數(shù)據(jù)點(diǎn)510關(guān)聯(lián)于掃描k，該技術(shù)可以丟棄數(shù)據(jù)點(diǎn)512(以使得在線(xiàn)批次軌跡將連接到點(diǎn)510而非點(diǎn)51 或者可以將數(shù)據(jù)點(diǎn)510與數(shù)據(jù)點(diǎn)512統(tǒng)計(jì)地結(jié)合以生成在掃描位置k處在線(xiàn)批次變量X的新測(cè)量值。無(wú)論如何，上述的距離計(jì)算可以被表示為一組距離平方的加和，并且在一個(gè)示例中，可以以矩陣形式表示為e(k, j) = [M(k)-X(j)]Tff[M(k)-X(j)] k = k, k+1, k+2. . . k+h (1)其中e (k，j)-表示在采樣測(cè)量時(shí)間j (設(shè)置在當(dāng)前掃描位置k = k)的一組在線(xiàn)變量過(guò)程測(cè)量與在掃描位置k(其中k = k，k+1，. . . k+h)的那些變量的模型軌跡值之間的距離平方和的標(biāo)量；M(k)_在掃描位置k (其中k = k，k+1，. . . k+h)處的批次模型軌跡變量值的矩陣 (每個(gè)過(guò)程變量對(duì)應(yīng)一個(gè))；X (j)_在采樣測(cè)量時(shí)間j(設(shè)置在當(dāng)前掃描位置k = k)處在線(xiàn)變量值的矩陣；j-當(dāng)前或最近批次掃描時(shí)間；k-模型軌跡上的掃描位置，k = k是在線(xiàn)批次對(duì)齊到的最近確定掃描位置；h-模型對(duì)齊區(qū)域；以及W-參數(shù)權(quán)重矩陣(對(duì)角矩陣)，定義在例如模型開(kāi)發(fā)中，其確定在距離計(jì)算中每個(gè)變量X的相對(duì)重要程度。這里，W矩陣是權(quán)重參數(shù)的對(duì)角矩陣，其可以被用于給為一些過(guò)程變量中的一些確定的歐氏距離與其這些過(guò)程變量的其他一些相比的更大或者更小的權(quán)重，從而能夠修改距離計(jì)算以偏重(或者更重地依賴(lài)于)于已知的更關(guān)聯(lián)于或者更好地指示在線(xiàn)批次相對(duì)于批次模型的當(dāng)前位置的過(guò)程變量。當(dāng)然，為了給所有的過(guò)程變量相等的權(quán)重，W矩陣可以被設(shè)為單位矩陣。
由等式(1)可以理解，距離e(其是單獨(dú)的過(guò)程變量距離的平方和)是為對(duì)在每個(gè)參考模型軌跡上最近確定的掃描位置k直到批次模型中接下來(lái)連續(xù)h個(gè)掃描位置或掃描 (即k+1，k+2. · · k+h)的最近批次采樣j計(jì)算的。作為上述距離計(jì)算的修改或替換，可能需要將在線(xiàn)軌跡與模型軌跡的導(dǎo)數(shù)(即斜率)考慮在在線(xiàn)數(shù)據(jù)與過(guò)程模型的匹配中。特別地，距離計(jì)算可以包括所考慮的每個(gè)掃描位置處過(guò)程變量的模型軌跡與當(dāng)前確定過(guò)程變量軌跡的斜率之間的差額，嘗試完全或部分地根據(jù)當(dāng)前批次軌跡與模型軌跡的斜率的匹配來(lái)選擇下一掃描位置。在這種情況中，與上述在等式(1)中確定的歐氏距離所使用的一樣，為相同模型掃描位置計(jì)算每個(gè)在線(xiàn)軌跡與每個(gè)關(guān)聯(lián)模型軌跡的導(dǎo)數(shù)。當(dāng)前在線(xiàn)過(guò)程變量值的斜率被表示在圖10中從掃描位置k-1 的在線(xiàn)批次軌跡到點(diǎn)510的所畫(huà)的虛線(xiàn)上，而關(guān)聯(lián)于模型軌跡上的一些掃描位置(掃描位置k+2，k+5，k+7等)的斜率也在圖10中圖形地示出。在一個(gè)示例中，這種導(dǎo)數(shù)距離計(jì)算可以被表示為d(k，j) = [ (Μ (k) -M (k-1)) - (Χ (j) -χ (j-1)) ] Tff [ (Μ (k) -M (k-1)) - (Χ (j) -X (j-1)) ] (2)其中M (k)_在掃描位置k處的批次模型軌跡變量值的矩陣(每個(gè)過(guò)程變量對(duì)應(yīng)一個(gè))；M(k-1)_在掃描位置k-Ι處的批次模型軌跡變量值的矩陣(每個(gè)過(guò)程變量對(duì)應(yīng)一個(gè))X(J)-當(dāng)被設(shè)置在當(dāng)前掃描位置k = k時(shí)，在采樣測(cè)量時(shí)間j處在線(xiàn)變量值的矩陣；X (j-l)_當(dāng)被設(shè)置在當(dāng)前掃描位置k = k-Ι時(shí)，在采樣測(cè)量時(shí)間j-Ι處在線(xiàn)變量值的矩陣；j-當(dāng)前測(cè)量的批次樣品時(shí)間；k_在參考軌跡上最近對(duì)齊的掃描位置；h_模型對(duì)齊區(qū)域；以及W-參數(shù)權(quán)重對(duì)角矩陣，定義在例如模型開(kāi)發(fā)中，其確定在計(jì)算中每個(gè)變量的相對(duì)
重要程度?？傮w距離D(k，j)于是可以由歐氏距離與導(dǎo)數(shù)距離的加權(quán)和定義為D(k, j) = ae(k, j) + ^d(k, j) 0彡 α，β 彡 1這里，α和β是定義在總體距離計(jì)算中兩個(gè)距離計(jì)算(歐氏和導(dǎo)數(shù)距離)相對(duì)重要性的權(quán)重因子。這些權(quán)重因子可以以任意所需的方式選擇，諸如由操作者或用戶(hù)采用模型擬合技術(shù)等方式。在一種情況中，α加β可以等于1，其使得該計(jì)算歸一化。此外，如果需要的話(huà)，α或β可以設(shè)置為0。更進(jìn)一步地，為了增加上述在線(xiàn)距離計(jì)算的穩(wěn)定性與穩(wěn)健性，一種可選的批次進(jìn)展標(biāo)準(zhǔn)化時(shí)間變量可以被創(chuàng)建并且包括在變量參數(shù)組中。換言之，諸如上述討論的一種現(xiàn)有對(duì)齊技術(shù)的指示變量對(duì)齊方法，可以通過(guò)將一個(gè)指示變量包括在過(guò)程變量組中來(lái)被使用，并且這個(gè)指示變量可以被加入作為歐氏距離和/或斜率差額確定中的一個(gè)變量?？蛇x地，上述距離計(jì)算可以與指示技術(shù)計(jì)算結(jié)合(如果需要的話(huà)，采用適合的加權(quán))來(lái)確定在線(xiàn)批次運(yùn)行的最可能模型掃描位置，從而使得所確定的指示變量對(duì)齊連同在一些模型掃描位置的每個(gè)上的在線(xiàn)批次運(yùn)行的過(guò)程變量值與那些過(guò)程變量的模型軌跡值之間的差值一起使用，以確定這些模型掃描位置中的哪個(gè)與在線(xiàn)批次過(guò)程運(yùn)行中的哪個(gè)對(duì)齊。更進(jìn)一步，為了進(jìn)一步提高過(guò)程的穩(wěn)定性并避免模型掃描進(jìn)展過(guò)快(其可能發(fā)生在，例如，具有平坦過(guò)程變量軌跡的批次運(yùn)行)，可以在距離計(jì)算中加入懲罰以避免該確定過(guò)快或者過(guò)于迅速地進(jìn)展完模型掃描位置。更具體地，可取的是使得距離計(jì)算包括，相較于停留在相同位置或者停留在相同的掃描位置，對(duì)向前移動(dòng)一個(gè)掃描位置的懲罰。更進(jìn)一步地，當(dāng)向前移動(dòng)超過(guò)一個(gè)掃描位置時(shí)，可以在數(shù)量或程度上增加這種懲罰。換言之，在單次移動(dòng)中向前移動(dòng)兩個(gè)掃描位置的懲罰可以是向前移動(dòng)一個(gè)掃描位置懲罰的2倍，或者可以是向前移動(dòng)一個(gè)掃描位置懲罰的2倍左右，以便懲罰有利于在任意一個(gè)確定中移動(dòng)最少數(shù)量的掃描位置的計(jì)算。這種懲罰計(jì)算使得距離計(jì)算傾向于這樣的方式，該方式使得當(dāng)不同掃描位置的計(jì)算否則會(huì)彼此類(lèi)似或接近時(shí)，這在許多情況下可能發(fā)生，在線(xiàn)批次的新掃描位置的確定較可能停留在相同的掃描位置上，或者向前移動(dòng)較少數(shù)量的掃描位置。換言之， 當(dāng)關(guān)聯(lián)于多個(gè)掃描位置的距離的平方和基本相同(或者甚至將來(lái)的掃描位置的距離否則要小于當(dāng)前掃描位置的距離)時(shí)，具有懲罰變量是可取的，該懲罰變量將使得確定傾向于保持在相同掃描位置從而盡可能少地移動(dòng)掃描位置。采用這種懲罰變量的原因正是在于， 一旦做出選擇模型中的特定掃描位置作為在線(xiàn)批次過(guò)程的當(dāng)前位置的決定，批次模型就不可能在時(shí)間上返回。因此，這種懲罰評(píng)估提供了對(duì)齊方法的穩(wěn)定性以確保在時(shí)間上向前移動(dòng)(掃描位置)是合理的。一種表示懲罰沿掃描位置k快速進(jìn)展方式的方式是將等式C3)的距離表達(dá)式修改為D(k，j) = (1+ γ (i+δ) )D(k，j) 0 ^ y ;k = k+i ；i = 0，1，··，h;0 彡 δ < 1 (4)其解是滿(mǎn)足下述條件的指數(shù)k(5)這里，懲罰變量Y (i+δ)可以被確定為懲罰基部Y，其被修改為隨著i (懲罰被確定用于的將來(lái)掃描位置的數(shù)量)的增加而在數(shù)量上增加。附屬懲罰變量S可以是常量或者還可以隨著i增加而變化。無(wú)論如何，上述的權(quán)重矩陣W使得具有與在線(xiàn)批次的位置更高關(guān)聯(lián)的過(guò)程變量具有更高權(quán)重或者對(duì)距離計(jì)算具有更大影響，并且因而比其他過(guò)程變量對(duì)在線(xiàn)批次過(guò)程的當(dāng)前位置的確定影響更大。這種方法還可以提供DTW方法與指示變量對(duì)齊技術(shù)的整合，并且可以在每個(gè)批次階段結(jié)束時(shí)重新計(jì)算在線(xiàn)批次運(yùn)行與模型掃描位置的對(duì)齊(被稱(chēng)為后計(jì)算)，這對(duì)于質(zhì)量預(yù)測(cè)根本上是可實(shí)施的。特別地，在此所述的方法可以根據(jù)在批次階段結(jié)束時(shí)確定的測(cè)量批次質(zhì)量變量重新計(jì)算每個(gè)批次階段結(jié)束時(shí)若干模型掃描位置中的每個(gè)的在線(xiàn)批次過(guò)程運(yùn)行的對(duì)齊。在此所述的DTW對(duì)齊算法還可以被用于具有變化的過(guò)程軌跡，狀態(tài)或其他運(yùn)行模式的持續(xù)過(guò)程。在這種情況中，對(duì)齊算法可以檢測(cè)持續(xù)過(guò)程中的模式變化，該持續(xù)過(guò)程具有快速或逐漸變化的過(guò)程軌跡，狀態(tài)或其他運(yùn)行模式，以更好地確定在持續(xù)過(guò)程中的變化模式或過(guò)程狀態(tài)。更具體地，該對(duì)齊技術(shù)可以被用于確定分離過(guò)程模式作為一組可能模式中的一個(gè)，過(guò)程可以按照該組可能模式運(yùn)行，并且所檢測(cè)的模式或狀態(tài)變化可能導(dǎo)致使用不同的模式來(lái)分析當(dāng)前條件下的過(guò)程。當(dāng)然，可以對(duì)上述距離計(jì)算進(jìn)行修改來(lái)計(jì)算不同的差額或者增加其他被考慮在距離計(jì)算中的因素，如果需要的話(huà)。此外，可以理解，這些計(jì)算可以在任意在線(xiàn)批次分析例程中實(shí)施，諸如圖1的例程50，圖2的OMS 102，等。根據(jù)測(cè)試，確定了關(guān)于在線(xiàn)批次軌跡的校準(zhǔn)的一些問(wèn)題，包括當(dāng)上述在線(xiàn)對(duì)齊方法僅經(jīng)過(guò)一個(gè)掃描就被關(guān)閉時(shí)批次中的轉(zhuǎn)換點(diǎn)會(huì)引起顯著的統(tǒng)計(jì)偏差這一事實(shí)。此外，對(duì)于還緊密聚集在訓(xùn)練集的所有批次的連續(xù)批次，其緩慢變化的數(shù)據(jù)信號(hào)可能產(chǎn)生非常小的模型掃描標(biāo)準(zhǔn)偏差，其反過(guò)來(lái)，可能貫穿噪聲空間并引起誤報(bào)警。更進(jìn)一步，在單調(diào)變化數(shù)據(jù)的統(tǒng)計(jì)掃描的開(kāi)始或結(jié)束時(shí)的在線(xiàn)數(shù)據(jù)值可能超過(guò)分析的西格瑪邊界并引起誤報(bào)警。然而，為減少這些問(wèn)題，可以對(duì)離線(xiàn)建模技術(shù)進(jìn)行一些修改，這增加了模型的穩(wěn)健性并且大大提高了上述在線(xiàn)DTW算法的有效性。特別地，一種具有模型校準(zhǔn)可達(dá)到精度的在線(xiàn)采集可能落在模型掃描的開(kāi)始或結(jié)束附近。可以理解，每個(gè)模型掃描可能是一些，例如100個(gè)，統(tǒng)計(jì)批次數(shù)據(jù)點(diǎn)的結(jié)合。因此， 上述的在線(xiàn)DTW方法可以將采樣與正確的模型掃描對(duì)齊，但是在信號(hào)在掃描周期單調(diào)變化的情況中，仍有可能發(fā)生統(tǒng)計(jì)偏差。特別地，雖然關(guān)聯(lián)于正確的掃描，所測(cè)量的采樣可能與模型掃描中較早的時(shí)間或者模型掃描中較晚的時(shí)間相關(guān)聯(lián)，并且，由于所測(cè)量的信號(hào)在整個(gè)掃描周期單調(diào)變化，所測(cè)量的信號(hào)可能落在西格瑪上限或下限(例如掃描模型的標(biāo)準(zhǔn)偏差)之外并因而可能引起報(bào)警。圖11示出了這種觀點(diǎn)。這里，單獨(dú)的統(tǒng)計(jì)掃描周期600連同繪制在貫穿其中的持續(xù)單調(diào)數(shù)據(jù)信號(hào)602被示出。由于若干原始數(shù)據(jù)測(cè)量(或者甚至是統(tǒng)計(jì)數(shù)據(jù)測(cè)量，其中的每個(gè)都是若干原始數(shù)據(jù)測(cè)量的結(jié)合)將被在掃描周期600期間收集， 存儲(chǔ)在批次模型中的關(guān)聯(lián)于掃描周期600的值是統(tǒng)計(jì)掃描周期600期間收集的各種數(shù)據(jù)點(diǎn)的平均值或中間值。這個(gè)值由線(xiàn)604所示。此外，由于信號(hào)602是單調(diào)的，其將具有用于誤差檢測(cè)目的的相對(duì)小的西格瑪上下限(例如方差)，這些值由線(xiàn)606A與606B所示?，F(xiàn)在所測(cè)量的數(shù)據(jù)點(diǎn)610可能是實(shí)際上與掃描周期600的開(kāi)始對(duì)齊并且可能事實(shí)上與線(xiàn)602完全匹配。然而，上述的對(duì)齊方法雖然將點(diǎn)610于正確的掃描周期600對(duì)齊，仍將導(dǎo)致數(shù)據(jù)點(diǎn) 610落在為掃描周期600計(jì)算的西格瑪下限608B之下的確定，導(dǎo)致誤差的檢測(cè)。隨后落入掃描周期600中的點(diǎn)612也發(fā)生類(lèi)似的事件，其落在西格瑪上限606A之上。一種可以用于幫助修正這種問(wèn)題的方法包括批次模型的離線(xiàn)預(yù)處理，在此被稱(chēng)為模型掃描混合。這種方法通常使得相鄰掃描在時(shí)間上重疊，并且在當(dāng)前掃描的中間值與標(biāo)準(zhǔn)偏差的計(jì)算中使用當(dāng)前掃描之前或之后掃描的過(guò)程變量的值。這種相鄰掃描間掃描數(shù)據(jù)的重疊增加了批次模型的穩(wěn)健性。圖12示出了這種模型掃描混合方法，并且示出掃描600 與掃描620(掃描600之前的掃描)以及掃描622(掃描600之后的掃描)重疊。這種掃描的重疊減少了誤報(bào)警。這里，應(yīng)該理解，掃描600的值是掃描600、620與622收集的所有數(shù)據(jù)值的中間值，并且西格瑪上下限626A與626B是根據(jù)掃描600、620以及622收集的所有數(shù)據(jù)值所確定的，結(jié)果是模型掃描混合。重要的是，這種模型掃描混合引起所測(cè)量的數(shù)據(jù)點(diǎn) 610與612落入圖12的西格瑪限626A與626B內(nèi)，即使這些點(diǎn)關(guān)聯(lián)于掃描600的開(kāi)始或結(jié)束。由于用更穩(wěn)健的模型掃描內(nèi)容較好地處理了轉(zhuǎn)換點(diǎn)，這種技術(shù)提高了在線(xiàn)算法校準(zhǔn)批次模型的能力。增加的掃描長(zhǎng)度有利于處理跨越訓(xùn)練集批次的緊密聚集的信號(hào)，并且模型掃描混合的使用減少了由模型掃描的結(jié)束或開(kāi)始的單調(diào)信號(hào)偏移所引起的誤報(bào)警。此外， 直接在線(xiàn)DTW算法與模型離線(xiàn)預(yù)處理的結(jié)合是令人稱(chēng)贊的技術(shù)，其導(dǎo)致了在線(xiàn)批次軌跡與統(tǒng)計(jì)模型的軌跡更穩(wěn)健的跟蹤。
使用第一性原理哺乳動(dòng)物細(xì)胞模擬生物反應(yīng)器與運(yùn)行中的化學(xué)工廠實(shí)施了在此公開(kāi)的方法的模擬測(cè)試。在每種例子中，從歷史批次收集數(shù)據(jù)并且生成統(tǒng)計(jì)模型。通過(guò)后處理，對(duì)單調(diào)的質(zhì)量變量進(jìn)行了偏最小二乘預(yù)測(cè)，通常根據(jù)實(shí)驗(yàn)室分析確定。這些結(jié)果與從非DTW在線(xiàn)分析過(guò)程(即一種現(xiàn)有技術(shù)方法)，一種大體上如前述的在線(xiàn)DTW分析方法，以及這種在批次完成后提供的具有后計(jì)算的在線(xiàn)DTW分析中所獲得的那些結(jié)果進(jìn)行了比較。 當(dāng)批次增加或階段完成后這種后計(jì)算顯示了在線(xiàn)預(yù)測(cè)的修正。在許多情況下，實(shí)驗(yàn)室結(jié)果在批次結(jié)束的幾個(gè)小時(shí)或幾天之后是未知的，因此在批次結(jié)束時(shí)的批次質(zhì)量的修正預(yù)測(cè)具有額外的價(jià)值。圖13-15示出了采用現(xiàn)有技術(shù)方法(圖13)，上述DTW方法(圖14)以及上述具有后計(jì)算(圖15)DTW方法的相同的批次運(yùn)行。這里，該批次實(shí)際的實(shí)驗(yàn)室分析形成的值為 18.7。在沒(méi)有DTW(現(xiàn)有技術(shù)的對(duì)齊方法)的情況下，預(yù)測(cè)顯著偏離了這個(gè)估計(jì)，如圖13所示。這里，每個(gè)過(guò)程掃描僅在時(shí)間上被校準(zhǔn)，并且如果在線(xiàn)批次運(yùn)行超過(guò)模型，然后將重復(fù)最近的模型掃描。如圖14所示，上述DTW方法顯示了質(zhì)量變量的預(yù)測(cè)輸出的顯著提高。具有后計(jì)算的DTW方法對(duì)在批次進(jìn)展增加結(jié)束時(shí)的預(yù)測(cè)進(jìn)行了調(diào)整，并且后計(jì)算根據(jù)完整的 DTW算法和已知的結(jié)束點(diǎn)實(shí)施了預(yù)測(cè)的重構(gòu)。重復(fù)的校準(zhǔn)考慮到了將來(lái)將要對(duì)預(yù)測(cè)進(jìn)行的修正，并且當(dāng)批次長(zhǎng)度不同于模型長(zhǎng)度時(shí)該修正是最被注意的。例如，圖14和15中的預(yù)測(cè)計(jì)算與在掃描33，52，73以及結(jié)束處所作修正的預(yù)期相同。該結(jié)果是最接近于真實(shí)值18. 7 的預(yù)測(cè)。無(wú)論如何，在線(xiàn)模型與在線(xiàn)批次運(yùn)行對(duì)齊的DTW算法簡(jiǎn)便地最小化總體軌跡距離與軌跡距離的總體導(dǎo)數(shù)，而且由于在計(jì)算上簡(jiǎn)便，因而其是一種有效且適合的在線(xiàn)實(shí)現(xiàn)技術(shù)。此外，將標(biāo)準(zhǔn)化批次或階段時(shí)間添加到參數(shù)集提高了算法的穩(wěn)定性與穩(wěn)健性。已經(jīng)在模擬的以及來(lái)自于生物反應(yīng)器與化學(xué)反應(yīng)器的真實(shí)的數(shù)據(jù)上測(cè)試了該算法的有效性，并且測(cè)試確定了模型對(duì)齊不僅提高了 PCA以及PLS性能，還使其成為用于合適的批次過(guò)程監(jiān)控與質(zhì)量預(yù)測(cè)的基本功能。正如之前所注明的，上述示例性方法和/或裝置的至少一些由在計(jì)算機(jī)處理器上運(yùn)行的一個(gè)或多個(gè)軟件和/或固件程序?qū)崿F(xiàn)。然而，包括但不限于專(zhuān)用集成電路、可編程邏輯陣列和其它硬件設(shè)備的專(zhuān)用硬件實(shí)現(xiàn)能夠同樣被構(gòu)建為整體地或部分地實(shí)現(xiàn)這里所述的示例性方法和/或裝置的一些或全部。此外，包括但不限于分布式處理或部件/對(duì)象分布式處理、并行處理或虛擬機(jī)處理的替代的軟件實(shí)現(xiàn)也能夠被構(gòu)建為實(shí)現(xiàn)這里所述的示例性方法和/或系統(tǒng)。還需要說(shuō)明的是，這里所述的示例性軟件和/或固件實(shí)現(xiàn)存儲(chǔ)在有形存儲(chǔ)介質(zhì)上，例如磁性介質(zhì)(例如，磁盤(pán)或磁帶)；磁光或光學(xué)介質(zhì)例如光盤(pán)；或固態(tài)介質(zhì)，例如存儲(chǔ)卡或容納一個(gè)或多個(gè)只讀(非易失性)存儲(chǔ)器、隨機(jī)存取存儲(chǔ)器或其它可重寫(xiě)(易失性) 存儲(chǔ)器的其它封裝。因此，這里所述的示例性軟件和/或固件能夠存儲(chǔ)在有形存儲(chǔ)介質(zhì)例如上面或后繼描述的存儲(chǔ)介質(zhì)上。某種程度上上面的說(shuō)明書(shū)引用特定的標(biāo)準(zhǔn)和協(xié)議來(lái)描述示例性部件和功能，應(yīng)理解，本專(zhuān)利的范圍不限于這樣的標(biāo)準(zhǔn)和協(xié)議。例如，用于互聯(lián)網(wǎng)和其它分組交換網(wǎng)絡(luò)傳輸(例如，傳輸控制協(xié)議(TCP)/互聯(lián)網(wǎng)協(xié)議(IP)、用戶(hù)數(shù)據(jù)包協(xié)議 (UDP)/IP、超文本標(biāo)記語(yǔ)言(HTML)、超文本傳輸協(xié)議(HTTP))的每個(gè)標(biāo)準(zhǔn)代表本領(lǐng)域當(dāng)前狀態(tài)的例子。這樣的標(biāo)準(zhǔn)周期性地由具有相同的一般功能的、更快或更有效的等效形式取代。因此，具有相同功能的替換標(biāo)準(zhǔn)和協(xié)議是被本專(zhuān)利設(shè)想到的，并旨在包括在所附權(quán)利要求的范圍內(nèi)的等效形式。 此外，雖然本專(zhuān)利公開(kāi)了包括在硬件上執(zhí)行的軟件或固件的示例性方法和裝置， 應(yīng)注意，這樣的系統(tǒng)僅僅是示例性的，且不應(yīng)被認(rèn)為是限制性的。例如，設(shè)想這些硬件和軟件部件中的任何一個(gè)或全部可唯一地以硬件、唯一地以軟件、唯一地以固件或以硬件、固件和/或軟件的某種組合體現(xiàn)。因此，雖然上面的說(shuō)明書(shū)描述了示例性方法、系統(tǒng)和機(jī)器可訪問(wèn)介質(zhì)，這些例子不是實(shí)現(xiàn)這樣的系統(tǒng)、方法和機(jī)器可訪問(wèn)介質(zhì)的唯一方式。因此，雖然在這里描述了某些示例性方法、系統(tǒng)和機(jī)器可訪問(wèn)介質(zhì)，本專(zhuān)利的覆蓋范圍不限于此。
權(quán)利要求
1.一種將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，所述過(guò)程模型具有用于多重過(guò)程變量的每個(gè)的模型軌跡，所述方法包括在計(jì)算機(jī)設(shè)備接收來(lái)自所述在線(xiàn)過(guò)程運(yùn)行的值數(shù)據(jù)，所述值數(shù)據(jù)表示所述多重過(guò)程變量的每個(gè)的當(dāng)前值；存儲(chǔ)所接收的來(lái)自所述在線(xiàn)過(guò)程運(yùn)行的值數(shù)據(jù)至計(jì)算機(jī)可讀存儲(chǔ)器中；在多個(gè)模型掃描位置中的每個(gè)，為所述多重過(guò)程變量的每個(gè)，使用計(jì)算機(jī)設(shè)備分析所述值數(shù)據(jù)，以確定在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程運(yùn)行的過(guò)程變量與所述過(guò)程模型內(nèi)的用于所述過(guò)程變量的模型軌跡值之間的距離；為所述多個(gè)模型掃描位置的每個(gè)，使用計(jì)算機(jī)設(shè)備加和為所述多重過(guò)程變量確定的距離，以為多個(gè)模型掃描位置的每個(gè)生成加和的距離，所述加和的距離代表在單個(gè)模型掃描位置為所述多重過(guò)程變量確定的距離的和；使用計(jì)算機(jī)設(shè)備確定最小加和的距離；以及選擇與所述最小加和的距離關(guān)聯(lián)的模型掃描位置作為所述在線(xiàn)過(guò)程運(yùn)行當(dāng)前所對(duì)齊至的模型掃描位置。
2.根據(jù)權(quán)利要求1所述的將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，其中，所述在多個(gè)模型掃描位置中的每個(gè)，使用計(jì)算機(jī)設(shè)備分析所述值數(shù)據(jù)，以確定在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程運(yùn)行的過(guò)程變量與用于所述過(guò)程變量的模型軌跡值之間的距離，包括使用包括所述最近確定的模型掃描位置和比所述最近確定的模型掃描位置在時(shí)間上向前的一個(gè)或更多模型掃描位置的多個(gè)模型掃描位置。
3.根據(jù)權(quán)利要求1所述的將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，其中，所述在多個(gè)模型掃描位置中的每個(gè)，使用計(jì)算機(jī)設(shè)備分析所述值數(shù)據(jù)，以確定在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程運(yùn)行的過(guò)程變量與用于所述過(guò)程變量的模型軌跡值之間的距離，包括在所述多個(gè)模型掃描位置中的一個(gè)，確定在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程變量的當(dāng)前值與用于所述過(guò)程變量的模型軌跡的值之間的歐氏距離。
4.根據(jù)權(quán)利要求3所述的將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，還包括對(duì)所述歐氏距離求平方。
5.根據(jù)權(quán)利要求3所述的將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，其中，所述在多個(gè)模型掃描位置中的每個(gè)，使用計(jì)算機(jī)設(shè)備分析所述值數(shù)據(jù)，以確定在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程運(yùn)行的過(guò)程變量與用于所述過(guò)程變量的模型軌跡值之間的距離，還包括在所述多個(gè)模型掃描位置中的一個(gè)確定斜率差額距離，所述斜率差額距離限定在最近確定的模型掃描位置的在線(xiàn)過(guò)程變量的斜率與用于所述過(guò)程變量的模型軌跡的斜率之間的差額，并且包括結(jié)合所述歐氏距離和所述斜率差額距離以生成結(jié)合的距離作為所述在線(xiàn)過(guò)程運(yùn)行的所述過(guò)程變量和所述模型軌跡之間的距離。
6.根據(jù)權(quán)利要求5所述的將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，還包括當(dāng)結(jié)合所述歐氏距離和所述斜率差額距離以生成所述在線(xiàn)過(guò)程運(yùn)行的所述過(guò)程變量和所述模型軌跡之間的所述結(jié)合的距離時(shí)，給所述歐氏距離和所述斜率差額距離不同的權(quán)重。
7.根據(jù)權(quán)利要求3所述的將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，其中，為所述多個(gè)模型掃描位置的每個(gè)使用計(jì)算機(jī)設(shè)備加和為所述多重過(guò)程變量確定的距離還包括當(dāng)計(jì)算所述加和時(shí)，給為所述多重過(guò)程變量確定的距離不相等的權(quán)重。
8.根據(jù)權(quán)利要求3所述的將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，還包括基于加和所關(guān)聯(lián)的模型掃描位置，給所述加和的一個(gè)或者多個(gè)分配懲罰因子。
9.根據(jù)權(quán)利要求8所述的將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，其中，分配所述懲罰因子包括分配隨著所述模型掃描位置自所述最近確定的模型掃描位置在時(shí)間上的增加而增加的懲罰因子。
10.根據(jù)權(quán)利要求1所述的將在線(xiàn)過(guò)程運(yùn)行對(duì)齊至過(guò)程模型的方法，其中，在多個(gè)模型掃描位置中的每個(gè)，為所述多重過(guò)程變量的每個(gè)，使用計(jì)算機(jī)設(shè)備分析所述值數(shù)據(jù)，以確定在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程運(yùn)行的過(guò)程變量與所述過(guò)程模型內(nèi)的用于所述過(guò)程變量的模型軌跡值之間的距離，包括在所述多個(gè)模型掃描位置的每個(gè)，確定斜率差額距離為在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程變量的斜率與用于所述過(guò)程變量的模型軌跡的斜率之間的距離。
11.一種執(zhí)行批次過(guò)程的在線(xiàn)過(guò)程運(yùn)行的分析的方法，包括在所述在線(xiàn)過(guò)程運(yùn)行之前，在計(jì)算機(jī)設(shè)備上生成統(tǒng)計(jì)模型，所述統(tǒng)計(jì)模型具有用于多重過(guò)程變量的每個(gè)的模型軌跡，所述統(tǒng)計(jì)模型具有多個(gè)模型掃描位置；存儲(chǔ)所述統(tǒng)計(jì)模型于計(jì)算機(jī)可讀的存儲(chǔ)器中；在計(jì)算機(jī)設(shè)備接收來(lái)自所述在線(xiàn)過(guò)程運(yùn)行的數(shù)據(jù)，所述數(shù)據(jù)表示所述多重過(guò)程變量的每個(gè)的當(dāng)前值；在多個(gè)模型掃描位置中的每個(gè)，使用所述計(jì)算機(jī)設(shè)備分析所述多重過(guò)程變量的每個(gè)的當(dāng)前值，以基于所述在線(xiàn)過(guò)程運(yùn)行的過(guò)程變量值與用于所述過(guò)程變量的模型軌跡值之間的差額，確定所述在線(xiàn)過(guò)程運(yùn)行所對(duì)齊至的所述多個(gè)模型掃描位置中的那一個(gè)模型掃描位置；以及基于所確定的對(duì)齊，執(zhí)行對(duì)所述在線(xiàn)數(shù)據(jù)的分析。
12.根據(jù)權(quán)利要求11所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，生成所述統(tǒng)計(jì)模型包括收集為所述多重過(guò)程變量的每個(gè)的數(shù)據(jù)用于多個(gè)過(guò)程運(yùn)行，通過(guò)偏移所述多個(gè)過(guò)程運(yùn)行的每個(gè)的數(shù)據(jù)至標(biāo)準(zhǔn)化的時(shí)間幀而對(duì)齊用于所述多個(gè)過(guò)程運(yùn)行的每個(gè)的數(shù)據(jù)，以及發(fā)展所述統(tǒng)計(jì)模型的所述模型軌跡的每個(gè)為在標(biāo)準(zhǔn)化的時(shí)間幀中的數(shù)據(jù)的統(tǒng)計(jì)測(cè)量。
13.根據(jù)權(quán)利要求12所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，所述模型軌跡包括在一組標(biāo)準(zhǔn)化的時(shí)間的每個(gè)時(shí)間的過(guò)程變量的平均的測(cè)量。
14.根據(jù)權(quán)利要求12所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，所述模型軌跡包括在一組標(biāo)準(zhǔn)化的時(shí)間的每個(gè)時(shí)間的過(guò)程變量的偏差的統(tǒng)計(jì)測(cè)量。
15.根據(jù)權(quán)利要求11所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，基于所確定的對(duì)齊執(zhí)行對(duì)所述在線(xiàn)數(shù)據(jù)的分析包括比較所述過(guò)程變量的一個(gè)的在線(xiàn)數(shù)據(jù)和用于所述一個(gè)過(guò)程變量的模型軌跡。
16.根據(jù)權(quán)利要求15所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，還包括確定用于過(guò)程變量的所述在線(xiàn)數(shù)據(jù)是否超出與用于所述過(guò)程變量的所述模型軌跡關(guān)聯(lián)的范圍，并且如果用于過(guò)程變量的所述在線(xiàn)數(shù)據(jù)超出與用于所述過(guò)程變量的所述模型軌跡關(guān)聯(lián)的范圍，指明問(wèn)題。
17.根據(jù)權(quán)利要求11所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，基于所確定的對(duì)齊執(zhí)行對(duì)所述在線(xiàn)數(shù)據(jù)的分析包括執(zhí)行對(duì)所述在線(xiàn)數(shù)據(jù)的主成份分析過(guò)程。
18.根據(jù)權(quán)利要求11所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，基于所確定的對(duì)齊執(zhí)行對(duì)所述在線(xiàn)數(shù)據(jù)的分析包括執(zhí)行對(duì)所述在線(xiàn)數(shù)據(jù)的偏小二乘分析以確定所述在線(xiàn)過(guò)程運(yùn)行的預(yù)測(cè)質(zhì)量。
19.根據(jù)權(quán)利要求11所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，基于所確定的對(duì)齊執(zhí)行對(duì)所述在線(xiàn)數(shù)據(jù)的分析包括基于所述統(tǒng)計(jì)模型確定所述在線(xiàn)過(guò)程運(yùn)行的預(yù)測(cè)質(zhì)量。
20.根據(jù)權(quán)利要求11所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，使用所述計(jì)算機(jī)設(shè)備分析所述多重過(guò)程變量的每個(gè)的當(dāng)前值，以確定所述在線(xiàn)過(guò)程運(yùn)行所對(duì)齊至的所述多個(gè)模型掃描位置中的那一個(gè)模型掃描位置包括在多個(gè)模型掃描位置中的每個(gè)，為所述多重過(guò)程變量的每個(gè)，確定在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程運(yùn)行的過(guò)程變量與所述過(guò)程模型內(nèi)的用于所述過(guò)程變量的模型軌跡值之間的距離；為所述多個(gè)模型掃描位置的每個(gè)，加和為所述多重過(guò)程變量確定的距離，以為多個(gè)模型掃描位置的每個(gè)生成加和的距離，所述加和的距離代表在單個(gè)模型掃描位置為所述多重過(guò)程變量的每個(gè)確定的距離的和；確定最小加和的距離；以及選擇與所述最小加和的距離關(guān)聯(lián)的模型掃描位置作為所述在線(xiàn)過(guò)程運(yùn)行當(dāng)前所對(duì)齊至的模型掃描位置。
21.根據(jù)權(quán)利要求20所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，在多個(gè)模型掃描位置中的每個(gè)確定在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程運(yùn)行的過(guò)程變量與用于所述過(guò)程變量的模型軌跡之間的距離包括使用包括所述最近確定的模型掃描位置和比所述最近確定的模型掃描位置在時(shí)間上向前的預(yù)定數(shù)量的一個(gè)或更多模型掃描位置的多個(gè)模型掃描位置。
22.根據(jù)權(quán)利要求21所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，確定距離包括在所述多個(gè)模型掃描位置中的一個(gè)，確定在最近確定的模型掃描位置的所述在線(xiàn)過(guò)程變量的當(dāng)前值與用于所述過(guò)程變量的模型軌跡的值之間的歐氏距離。
23.根據(jù)權(quán)利要求22所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，確定距離還包括在所述多個(gè)模型掃描位置中的一個(gè)確定斜率差額距離，所述斜率差額距離限定在最近確定的模型掃描位置的在線(xiàn)過(guò)程變量的斜率與用于所述過(guò)程變量的模型軌跡的斜率之間的差額，并且包括結(jié)合所述歐氏距離和所述斜率差額距離以生成所述在線(xiàn)批次過(guò)程運(yùn)行的所述過(guò)程變量和所述模型軌跡之間的距離。
24.根據(jù)權(quán)利要求23所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，還包括當(dāng)結(jié)合所述歐氏距離和所述斜率差額距離以生成所述在線(xiàn)過(guò)程運(yùn)行的所述過(guò)程變量和所述模型軌跡之間的距離時(shí)，給所述歐氏距離和所述斜率差額距離不同的權(quán)重。
25.根據(jù)權(quán)利要求21所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，還包括當(dāng)計(jì)算所述加和時(shí)，給為所述多重過(guò)程變量確定的距離不相等的權(quán)重。
26.根據(jù)權(quán)利要求21所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，還包括基于加和所關(guān)聯(lián)的模型掃描位置，給所述加和的一個(gè)或者多個(gè)分配懲罰因子。
27.根據(jù)權(quán)利要求沈所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，分配所述懲罰因子包括分配隨著所述模型掃描位置自所述最近確定的模型掃描位置在時(shí)間上的增加而增加的懲罰因子。
28.根據(jù)權(quán)利要求11所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，生成統(tǒng)計(jì)模型，所述統(tǒng)計(jì)模型具有用于多重過(guò)程變量的每個(gè)的模型軌跡，包括統(tǒng)計(jì)地結(jié)合來(lái)自多個(gè)模型掃描位置的測(cè)量的數(shù)據(jù)以產(chǎn)生在單個(gè)模型掃描位置的用于過(guò)程變量的模型軌跡值。
29.根據(jù)權(quán)利要求11所述的執(zhí)行在線(xiàn)過(guò)程運(yùn)行的分析的方法，其中，分析所述多重過(guò)程變量的每個(gè)的當(dāng)前值，以確定所述在線(xiàn)過(guò)程運(yùn)行所對(duì)齊至的所述多個(gè)模型掃描位置中的那一個(gè)模型掃描位置包括確定指示變量對(duì)齊，以及結(jié)合在多個(gè)模型掃描位置的每個(gè)的所述在線(xiàn)過(guò)程運(yùn)行的所述過(guò)程變量值與用于所述過(guò)程變量的模型軌跡值的差額使用所述確定的指示變量對(duì)齊，以確定所述在線(xiàn)過(guò)程運(yùn)行所對(duì)齊至的所述多個(gè)模型掃描位置中的那一個(gè)模型掃描位置。
30.一種用于將在線(xiàn)批次過(guò)程運(yùn)行對(duì)齊至批次過(guò)程模型的計(jì)算機(jī)設(shè)備，所述批次過(guò)程模型具有用于多重批次過(guò)程變量的每個(gè)的模型軌跡，所述計(jì)算機(jī)設(shè)備包括計(jì)算機(jī)可讀的存儲(chǔ)器，所述存儲(chǔ)器具有存儲(chǔ)于其上的計(jì)算機(jī)實(shí)現(xiàn)的應(yīng)用程序，所述應(yīng)用程序包括第一例程，其在運(yùn)行所述第一例程的計(jì)算機(jī)設(shè)備接收來(lái)自所述在線(xiàn)批次過(guò)程運(yùn)行的值數(shù)據(jù)，所述值數(shù)據(jù)表示用于所述多重批次過(guò)程變量的每個(gè)的當(dāng)前值；第二例程，其存儲(chǔ)所接收的來(lái)自所述在線(xiàn)批次過(guò)程運(yùn)行的值數(shù)據(jù)至計(jì)算機(jī)可讀存儲(chǔ)器中；第三例程，其在多個(gè)模型掃描位置中的每個(gè)，為所述多重批次過(guò)程變量的每個(gè)，分析所述值數(shù)據(jù)，以確定在最近確定的模型掃描位置的所述在線(xiàn)批次過(guò)程運(yùn)行的過(guò)程變量與所述批次過(guò)程模型內(nèi)的用于所述過(guò)程變量的模型軌跡值之間的距離；第四例程，其為所述多個(gè)模型掃描位置的每個(gè)，加和為所述多重批次過(guò)程變量確定的距離，以為多個(gè)模型掃描位置的每個(gè)生成加和的距離，所述加和的距離代表在單個(gè)模型掃描位置為所述多重批次過(guò)程變量確定的距離的和；第五例程，其確定最小加和的距離；以及第六例程，其選擇與所述最小加和的距離關(guān)聯(lián)的模型掃描位置作為所述在線(xiàn)批次過(guò)程運(yùn)行當(dāng)前所對(duì)齊至的模型掃描位置。
31.根據(jù)權(quán)利要求30所述的計(jì)算機(jī)設(shè)備，其中，所述第三例程使用包括所述最近確定的模型掃描位置和比所述最近確定的模型掃描位置在時(shí)間上靠后的一個(gè)或更多模型掃描位置的多個(gè)模型掃描位置。
32.根據(jù)權(quán)利要求30所述的計(jì)算機(jī)設(shè)備，其中，所述第三例程在所述多個(gè)模型掃描位置中的一個(gè)，確定在最近確定的模型掃描位置的所述在線(xiàn)批次過(guò)程變量的當(dāng)前值與用于所述批次過(guò)程變量的模型軌跡的值之間的歐氏距離。
33.根據(jù)權(quán)利要求32所述的計(jì)算機(jī)設(shè)備，其中，所述第三例程對(duì)所述歐氏距離求平方， 以確定用于過(guò)程變量的距離。
34.根據(jù)權(quán)利要求32所述的計(jì)算機(jī)設(shè)備，其中，所述第三例程確定所述歐氏距離的絕對(duì)值，以確定用于過(guò)程變量的距離。
35.根據(jù)權(quán)利要求32所述的計(jì)算機(jī)設(shè)備，其中，所述第三例程還在所述多個(gè)模型掃描位置中的一個(gè)確定斜率差額距離，所述斜率差額距離限定在最近確定的模型掃描位置的在線(xiàn)批次過(guò)程變量的斜率與用于所述批次過(guò)程變量的模型軌跡的斜率之間的差額，并且包括結(jié)合所述歐氏距離和所述斜率以生成結(jié)合的距離作為所述在線(xiàn)過(guò)程運(yùn)行的所述過(guò)程變量和所述模型軌跡之間的距離。
36.根據(jù)權(quán)利要求35所述的計(jì)算機(jī)設(shè)備，其中，所述第三例程還包括當(dāng)結(jié)合所述歐氏距離和所述斜率差額距離以生成所述在線(xiàn)過(guò)程運(yùn)行的所述過(guò)程變量和所述模型軌跡之間的距離時(shí)，給所述歐氏距離和所述斜率差額距離不同的權(quán)重。
37.根據(jù)權(quán)利要求32所述的計(jì)算機(jī)設(shè)備，其中，所述第四例程當(dāng)計(jì)算所述加和時(shí)，給在單個(gè)模型掃描位置為所述多重過(guò)程變量的不同變量確定的距離不相等的權(quán)重。
38.根據(jù)權(quán)利要求32所述的計(jì)算機(jī)設(shè)備，其中，所述第四例程基于加和距離所關(guān)聯(lián)的模型掃描位置，給所述加和的距離的一個(gè)或者多個(gè)分配懲罰因子。
39.根據(jù)權(quán)利要求38所述的計(jì)算機(jī)設(shè)備，其中，所述第四例程分配在所述模型掃描位置自所述最近確定的模型掃描位置在時(shí)間上增加時(shí)在程度上增加的懲罰因子。
40.根據(jù)權(quán)利要求32所述的計(jì)算機(jī)設(shè)備，其中，所述第三例程在所述多個(gè)模型掃描位置的一個(gè)，確定所述距離為所述在最近確定的模型掃描位置的在線(xiàn)批次過(guò)程變量的斜率與用于所述批次過(guò)程變量的模型軌跡的斜率之間的差額。
全文摘要
過(guò)程分析模型與實(shí)際過(guò)程運(yùn)轉(zhuǎn)的在線(xiàn)對(duì)齊涉及一種批次建模與分析系統(tǒng)，使用簡(jiǎn)單且計(jì)算上花費(fèi)較少的技術(shù)來(lái)將收集自進(jìn)行中的，當(dāng)前運(yùn)行的或在線(xiàn)批次過(guò)程的數(shù)據(jù)與為該批次過(guò)程構(gòu)建的批次模型對(duì)齊，以使得能夠可靠地確定相對(duì)于批次模型的在線(xiàn)批次過(guò)程的當(dāng)前運(yùn)行狀態(tài)。這種數(shù)據(jù)對(duì)齊技術(shù)使得進(jìn)一步的統(tǒng)計(jì)處理技術(shù)，諸如偏最小二乘(PLS)以及主成分分析(PCA)技術(shù)，可以被應(yīng)用在在線(xiàn)批次數(shù)據(jù)以對(duì)當(dāng)前運(yùn)行批次的質(zhì)量進(jìn)行分析。反過(guò)來(lái)，這些分析向諸如批次操作員的用戶(hù)提供有用信息，以便用戶(hù)能夠根據(jù)批次模型來(lái)確定當(dāng)時(shí)批次的質(zhì)量，以及在批次運(yùn)行結(jié)束時(shí)能夠達(dá)到所需批次輸出質(zhì)量度量的可能性。
文檔編號(hào)G05B13/04GK102298319SQ201110138939
公開(kāi)日2011年12月28日 申請(qǐng)日期2011年5月23日 優(yōu)先權(quán)日2010年5月21日
發(fā)明者T·L·布勒文斯, W·K·沃杰茨尼斯 申請(qǐng)人:費(fèi)希爾-羅斯蒙特系統(tǒng)公司