[发明专利]用于工业中的性能指标的基于数据的优化的方法和系统

说明书

本发明涉及用于加工和制造厂的性能指标的基于数据的优化的系统和方法。该系统包括用于收集和合并来自工业处理单元的数据、对数据进行预处理以消除离群值和缺失的模块。此外，系统根据数据生成定制输出并识别影响给定处理性能指标的重要变量。该系统还为包括重要特征的关键性能指标构建预测模型，并确定用于在用户干预最少的情况下优化关键性能指标的操作点。特别地，系统接收来自用户的关于要优化的关键性能指标的输入并且向用户通知来自各分析步骤的输出，以帮助用户有效地管理分析并且采取合适的操作决策。

优先权要求

本专利申请要求2017年5月15日提交的印度申请第201721009012号的优先权。前述申请的全部内容通过引用并入本文中。

技术领域

本文中实施方式总体上涉及数据分析的领域，并且具体地涉及用于优化加工和制造业的关键性能指标的系统和方法。

背景技术

诸如生产率、产品质量、能源消耗、正常运行时间百分比、排放水平等的指标用于监测制造业和加工厂的表现。当今工业面临着实现雄心勃勃的生产目标、最大限度地降低能耗、满足排放标准和定制其产品的挑战，同时还要应对原材料质量和其他影响参数例如环境温度、湿度等的广泛变化。工业努力通过调整已知对性能指标有影响或起作用的若干参数来不断改进其性能指标。当加工涉及有限数量的变量时，这是容易的。但是，大多数工业处理由串联和/或并联的许多单元组成，并且涉及数千个变量或参数。在这种情况下识别影响关键性能指标(KPI)和(它们的)最优水平的变量并非易事，并且这样做会需要大量时间和专业知识。诸如统计技术、机器学习和数据挖掘等的数据分析方法具有解决这些复杂的优化问题的潜力，并且可用于分析工业数据并发现更新的操作域(regime ofoperation)。

识别影响KPI的相关变量是与处理数据分析相关联的挑战。这是由于工业处理中的大量变量以及它们之间复杂的非线性相互作用。存在几个变量(或特征)选择技术，但不存在单一变量选择技术能够识别所有相关变量，特别是在复杂的工业过程中。因此，需要一种能够选择最重要变量的更好的变量选择技术。

此外，在所有描述数据分析向制造和加工工业的应用的方法中，焦点均限于KPI、其他感兴趣的变量和来自预测模型的结果的可视化，以及/或者向最终用户提供处理建议。在最终用户的决策过程中提供的巨大帮助的其他一些输出例如对应于KPI的期望范围和不期望范围的变量的范围、不同吞吐量水平处的KPI范围等等在任何现有方法中均不作为特征。

发明内容

以下内容呈现了本公开内容的一些实施方式的简化概要，以提供对于实施方式的基本理解。该概要不是实施方式的广泛概述。其并非意在标识实施方式的关键/紧要要素或描绘实施方式的范围。其唯一目的是以简化的形式呈现一些实施方式，作为下面呈现的更详细描述的序言。

考虑到的前述内容，本文的实施方式提供了用于分析来自一个或更多个工业处理单元的多个数据以用于优化工业的关键性能指标的系统和方法。