本申請為分案申請，其母案為于2012年9月19日提交的申請?zhí)枮?01210353203.x的題為“使用多階段數(shù)據(jù)分離的推理過程建模、質(zhì)量預(yù)測及故障檢測”的申請。本專利大體涉及過程控制系統(tǒng)建模，更具體地，涉及使用多階段或多狀態(tài)數(shù)據(jù)分離來執(zhí)行連續(xù)處理或批處理中的過程建模、質(zhì)量預(yù)測以及故障檢測的方法。
背景技術(shù)：
：過程控制系統(tǒng)，例如用于化學(xué)、石油或者其他過程的過程控制系統(tǒng)，通常包括一個或者多個過程控制器，以及通過模擬、數(shù)字或者組合的模擬/數(shù)字總線通信地耦合到至少一個主機(jī)或者操作員工作站，并耦合到一個或者多個現(xiàn)場設(shè)備的輸入/輸出(i/o)設(shè)備?，F(xiàn)場設(shè)備，可以是例如閥、閥定位器、開關(guān)和變送器(例如溫度、壓強(qiáng)和流速傳感器)，其在過程中執(zhí)行例如打開或者關(guān)閉閥以及測量過程控制參數(shù)的過程控制功能。過程控制器接收表示由現(xiàn)場設(shè)備所進(jìn)行的過程測量的信號，處理該信息以實(shí)現(xiàn)控制例程，并且生成控制信號，該控制信號通過總線或者其他通信線被發(fā)送至現(xiàn)場設(shè)備以控制該過程的運(yùn)行。以此方式，過程控制器可以通過總線和/或其他通信鏈路使用現(xiàn)場設(shè)備來執(zhí)行和協(xié)調(diào)控制策略。來自現(xiàn)場設(shè)備和控制器的過程信息可以為由操作員工作站(例如基于處理器的系統(tǒng))執(zhí)行的一個或更多應(yīng)用(即例程、程序等)可用，以使得操作員能夠執(zhí)行關(guān)于過程的所需的功能，例如查看過程的當(dāng)前狀態(tài)(例如通過圖形用戶界面)，評估該過程，修改該過程的運(yùn)行(例如通過可視的對象圖)等等。很多過程控制系統(tǒng)還包括一個或多個應(yīng)用站，這些應(yīng)用站通常使用個人電腦、筆記本或者類似裝置實(shí)現(xiàn)，并且通過局域網(wǎng)(lan)通信地耦合至控制器、操作員工作站和過程控制系統(tǒng)內(nèi)的其他系統(tǒng)。每個應(yīng)用站可以包括顯示過程控制信息的圖形化用戶界面，該過程控制信息包括與過程、過程故障檢測信息和/或過程狀態(tài)信息相關(guān)聯(lián)的質(zhì)量參數(shù)值、過程變量值。通常地，在圖形化用戶界面中顯示過程信息受限于與該過程相關(guān)聯(lián)的每個過程變量的值的顯示。在一些情況中，過程控制系統(tǒng)可以描繪一些過程變量之間的簡單關(guān)系以估計(jì)與該過程相關(guān)聯(lián)的質(zhì)量度量，該過程和/或其他過程變量通常僅能夠在生產(chǎn)完成之后被詳細(xì)分析。用于過程質(zhì)量預(yù)測和故障檢測的預(yù)測性建模的使用開始在連續(xù)處理和批處理中流行起來。正如已知地，連續(xù)處理以連續(xù)方式對一組連續(xù)提供的原材料進(jìn)行處理，以制造產(chǎn)出的產(chǎn)品。一般而言，在連續(xù)處理中使用的過程控制器試圖將過程中特定位置的各種過程參數(shù)保持一致。然而，由于連續(xù)處理的生產(chǎn)量、所制得的產(chǎn)品的類型或等級、投入過程中的原材料的外包裝等會有規(guī)律地變化，因而難以在線地(即過程在運(yùn)行中)執(zhí)行過程產(chǎn)出的質(zhì)量預(yù)測，這是由于過程參數(shù)值可能基于生產(chǎn)量、所制得的產(chǎn)品等級等的改變而在任意特定位置變化。另一方面，批處理通常通過不同數(shù)量的階段或步驟運(yùn)行，以作為一個“批次”地一并處理一個共同組的原材料，以生產(chǎn)產(chǎn)品。一個批處理的多個階段或步驟可以使用相同的設(shè)備來執(zhí)行，例如容器罐，而其他的階段或步驟可以在其他設(shè)備中執(zhí)行。然而，由于溫度、壓強(qiáng)、濃度或者被處理材料的其他參數(shù)在批次運(yùn)行期間隨著時間變化很多次，而材料卻保持在相同的位置，因此難以確定批處理在批次運(yùn)行的任意時間是否以與可能生產(chǎn)具有所需質(zhì)量度量的最終產(chǎn)品相同的方式運(yùn)行。因此，也難以執(zhí)行批處理中的質(zhì)量預(yù)測和故障檢測。一種已知的預(yù)測當(dāng)前正在運(yùn)行的進(jìn)程是否正常進(jìn)行或者出于所需的規(guī)范內(nèi)(并且因而產(chǎn)生具有所需質(zhì)量度量的產(chǎn)品)的方法包括：將正在運(yùn)行的過程的運(yùn)行期間所得到的各種過程變量測量與在之前運(yùn)行的過程進(jìn)行期間所得到的類似測量進(jìn)行比較，其中之前運(yùn)行過程的產(chǎn)出已經(jīng)被測量或以其他方式已知。然而，正如上文所說明的，連續(xù)處理的運(yùn)行會基于產(chǎn)量和產(chǎn)品等級變化，而批處理的時間長度會變化，也即，其完成批次所需的時間變化，這使得難以知道之前過程運(yùn)行的哪個時間最適合在線過程的當(dāng)前所測量的參數(shù)。此外，在所需情況中，過程變量能夠在過程運(yùn)行期間大范圍地變化，與一個選定的之前過程的那些變量相比，最終產(chǎn)品的質(zhì)量沒有顯著降低。因此，如果不是實(shí)際不可行的話，通常難以識別過程的一個特定的之前運(yùn)行，該運(yùn)行能夠被用于所有情況中以測量或預(yù)測隨后過程運(yùn)行的質(zhì)量。一個更先進(jìn)的克服了上面指出的問題中的一個問題的分析正在進(jìn)行的連續(xù)處理和批處理結(jié)果的方法包括基于過程的各個運(yùn)行創(chuàng)建用于該過程的統(tǒng)計(jì)模型。這種技術(shù)包括從一個過程的多個不同運(yùn)行或在一個過程中的多個不同時間收集一組過程變量(參數(shù))的每一個的數(shù)據(jù)。之后，所收集的參數(shù)或質(zhì)量數(shù)據(jù)被用于創(chuàng)建該過程的統(tǒng)計(jì)模型，該統(tǒng)計(jì)模型表示產(chǎn)生所需質(zhì)量度量的過程的“正?！边\(yùn)行，這種過程的統(tǒng)計(jì)模型然后能夠被用于分析在特定的過程實(shí)現(xiàn)期間所得到的不同的過程參數(shù)測量是如何統(tǒng)計(jì)地關(guān)聯(lián)于在被用于開關(guān)該模型的過程中所得到得相同的測量，例如，這種統(tǒng)計(jì)模型可以被用于提供每個測量的過程參數(shù)的中間值，或者關(guān)聯(lián)于每個測量的過程變量的標(biāo)準(zhǔn)差，該過程變量是在能夠與當(dāng)前過程變量相比較的過程運(yùn)行期間的任意特定時間或位置所測量的，比如，這種統(tǒng)計(jì)模型可以被用于預(yù)測過程的當(dāng)前狀態(tài)將如何影響或關(guān)聯(lián)于在過程結(jié)束或輸出時生產(chǎn)的產(chǎn)品的最終質(zhì)量。通常地，線性和非線性統(tǒng)計(jì)地給予模型的過程預(yù)測器能夠被用于預(yù)測在線測量不可用的產(chǎn)品質(zhì)量參數(shù)。這種過程參數(shù)預(yù)測器已知有各種不同的名稱，包括：例如軟傳感器或推理傳感器以及類似的傳感器。事實(shí)上，有些種類的給予模型的線性預(yù)測器被用于執(zhí)行過程內(nèi)的過程參數(shù)預(yù)測，這些給予模型的預(yù)測器中最有優(yōu)勢的是多線性退化(mlr)預(yù)測器、主成分回歸分析(pcr)預(yù)測器、主成分分析(pca)預(yù)測器、偏最小二乘(pls)預(yù)測器以及判別分析(da)預(yù)測器。這些預(yù)測器能夠被用于離線和在線分析工具中以預(yù)測參數(shù)，例如由過程生產(chǎn)的產(chǎn)品的質(zhì)量測量。此外，已知使用pca技術(shù)來執(zhí)行過程紅的故障檢測。然而，已知的基于模型的預(yù)測器具有一個顯著的缺陷，它們不能針對變化著的過程狀態(tài)來調(diào)節(jié)其中所使用的預(yù)測性過程模型，這種變化的過程狀態(tài)可能由，例如生產(chǎn)率或產(chǎn)量變化、產(chǎn)品等級變化，引起。事實(shí)上，為了使用現(xiàn)有技術(shù)來對付這個問題，必須為每個可能的生產(chǎn)率或產(chǎn)品等級來構(gòu)造不同的模型。然而，這種技術(shù)導(dǎo)致預(yù)測器非常復(fù)雜，難以構(gòu)造或使用，這是因?yàn)橥茖?dǎo)、存儲和使用多個預(yù)測性模型變得非常耗費(fèi)處理器，要求大量的存儲空間，并且過于復(fù)雜而難以在實(shí)時系統(tǒng)中實(shí)現(xiàn)和維護(hù)。因此，雖然已知使用統(tǒng)計(jì)過程建模技術(shù)來對過程建模，例如連續(xù)處理，但是這些建模過程技術(shù)通常使得在一個連續(xù)處理穩(wěn)定或很好地定義的情況下良好工作，也即，在所制得的產(chǎn)品變化很小，或者過程的產(chǎn)量變化很小的情況下。因此，在許多例子中，用于故障檢測和預(yù)測的分析工具，例如pla和pls技術(shù)，的在線實(shí)現(xiàn)被限制在生產(chǎn)單獨(dú)產(chǎn)品的連續(xù)處理中。在許多例子中，過程通常被作為具有一組固定的測量和實(shí)驗(yàn)室分析的單獨(dú)單元處理。對于這種過程、單獨(dú)的pla或pls模型可以被推導(dǎo)并應(yīng)用于在線環(huán)境中。不幸地是，這些技術(shù)并不能滿足連續(xù)處理或批處理的要求，在這些連續(xù)處理或批處理中，可以使用一個或更多個不同的工廠設(shè)備(在不同時間)來生產(chǎn)多個等級的產(chǎn)品，或者具有可變的產(chǎn)量，或者在其中運(yùn)行條件有規(guī)律的變化。技術(shù)實(shí)現(xiàn)要素：一種過程建模技術(shù)使用由典型過程的歷史數(shù)據(jù)推導(dǎo)的單獨(dú)統(tǒng)計(jì)模型，例如pls、pcr、mlr等模型，并且將這個模型用于各種不同的過程狀態(tài)的質(zhì)量預(yù)測或故障檢測。更具體地，這種建模技術(shù)確定針對一組產(chǎn)品等級、產(chǎn)量等的每一個的過程參數(shù)的均值(以及可能的標(biāo)準(zhǔn)差)，將在線過程參數(shù)測量與這些均值進(jìn)行比較，并在單個過程模型中使用這些比較來執(zhí)行該過程各個狀態(tài)的質(zhì)量預(yù)測或故障檢測。由于僅需更新過程模型的過程參數(shù)的均值和標(biāo)準(zhǔn)差，因此在過程運(yùn)行在任意所定義的過程階段或狀態(tài)的同時，一個單獨(dú)的過程模型能夠被用于執(zhí)行質(zhì)量預(yù)測或故障檢測。此外，可以針對每個過程參數(shù)手動或自動調(diào)節(jié)過程模型的靈敏性(魯棒性)，以隨著時間調(diào)整或適應(yīng)模型。使用過程建模技術(shù)的過程質(zhì)量預(yù)測和故障檢測系統(tǒng)在連續(xù)處理和批處理中具有顯著增加的功能和效用，這是因?yàn)橘|(zhì)量預(yù)測和故障檢測系統(tǒng)允許調(diào)節(jié)推理傳感器的狀態(tài)，并為操作人員提供附加的對當(dāng)前在線過程運(yùn)行的理解。所公開的建模技術(shù)，其可以用于批次或連續(xù)制造過程中，將過程的運(yùn)行劃分為與狀態(tài)參數(shù)相關(guān)或者由狀態(tài)參數(shù)定義的不同階段或狀態(tài)，通常來說，該狀態(tài)參數(shù)關(guān)聯(lián)于或指示過程的各個可能狀態(tài)。狀態(tài)參數(shù)可以是例如產(chǎn)品等級、過程產(chǎn)量或者任意其他的過程顯著干擾的變量。該建模技術(shù)首先基于多個過程階段的測量的過程的運(yùn)行推導(dǎo)質(zhì)量預(yù)測或故障檢測模型，并且之后使用該模型來在過程的在線運(yùn)行期間執(zhí)行質(zhì)量預(yù)測或故障檢測。在模型創(chuàng)建階段，該方法收集由過程生成的訓(xùn)練數(shù)據(jù)，該訓(xùn)練數(shù)據(jù)包括用作所創(chuàng)建的模型的輸入的各種過程參數(shù)的值或測量，定義過程狀態(tài)的狀態(tài)參數(shù)的值，以及質(zhì)量參數(shù)或故障指示的值。該方法可以針對質(zhì)量預(yù)測模型時移過程輸入?yún)?shù)值和狀態(tài)參數(shù)值，以將該數(shù)據(jù)與將要預(yù)測的質(zhì)量參數(shù)對準(zhǔn)，由此消除過程輸入和將要預(yù)測的質(zhì)量參數(shù)之間的可變過程延遲的影響。然后處理時移的數(shù)據(jù)(在生成質(zhì)量預(yù)測模型的情況下)或訓(xùn)練數(shù)據(jù)(在故障檢測模型的情況下)，以確定一組過程參數(shù)均值，每個過程狀態(tài)的狀態(tài)參數(shù)均值和質(zhì)量或故障參數(shù)均值。這些過程狀態(tài)均值和每個數(shù)據(jù)時間片的狀態(tài)參數(shù)值(在對準(zhǔn)時間的數(shù)據(jù)或訓(xùn)練參數(shù))然后被用于推導(dǎo)針對每個數(shù)據(jù)時間片的一組時間片均值，并且過程參數(shù)的瞬時值和時間片均值隨后被用于推導(dǎo)每個時間片的相對于均值的一組偏差。該組相對于均值的偏差隨后可以被過濾，而且這些被過濾的相對于均值的偏差被用于推導(dǎo)過程模型，例如pls模型、神經(jīng)網(wǎng)絡(luò)(nn)模型、mlr模型、pca模型等。這些過程狀態(tài)均值還被存儲為模型的一部分。之后，在過程在線運(yùn)行期間，模型可以被用于執(zhí)行質(zhì)量預(yù)測或故障檢測。特別地，過程參數(shù)和狀態(tài)參數(shù)測量在過程在線運(yùn)行時由過程獲得，并且該數(shù)據(jù)可以被存儲在臨時存儲器中。對于質(zhì)量預(yù)測模型，過程和狀態(tài)參數(shù)測量可以以在該模型研發(fā)期間所執(zhí)行的時移相同的方式時移。在任意情況中，由過程可以獲得多組時間片數(shù)據(jù)，每個數(shù)據(jù)時間片包括每個過程輸入?yún)?shù)和狀態(tài)參數(shù)的值。存儲為模型的一部分的過程參數(shù)均值和狀態(tài)參數(shù)均值然后被與每個時間片的狀態(tài)參數(shù)的值一起使用，以確定每個時間片的過程參數(shù)的時間片均值。每個數(shù)據(jù)時間片的時間片均值以及該時間片的過程參數(shù)和狀態(tài)參數(shù)的值然后被用于創(chuàng)建該數(shù)據(jù)時間片的一組相對于均值的偏差。每個時間片相對于均值的偏差可以被過濾，并且過濾的數(shù)據(jù)然后被輸入到過程模型以執(zhí)行過程內(nèi)的在線質(zhì)量預(yù)測或故障檢測。顯著地，這樣創(chuàng)建和運(yùn)行的模型將能夠在所有定義的過程狀態(tài)中進(jìn)行質(zhì)量預(yù)測或故障檢測，而不需要改變過程模型，或者能夠?yàn)槊總€過程狀態(tài)推導(dǎo)不同的過程模型。事實(shí)上，在改變用于確定輸入到模型中的相對于均值的偏差的時間片均值的運(yùn)行中說明了不同過程狀態(tài)中過程的變化的運(yùn)行。此外，當(dāng)過程在不同過程狀態(tài)之間轉(zhuǎn)換時，過濾相對于均值的偏差提供了更好的質(zhì)量預(yù)測或故障檢測。因此，使用之前針對一個過程確定的過程狀態(tài)定義的模型生成和數(shù)據(jù)分析推導(dǎo)了用于該過程的各種不同運(yùn)行狀態(tài)的相對于均值的不同組偏差，并且然后在一個單獨(dú)的過程模型中使用這些不同組的相對于均值的偏差，而不需要針對該過程的每個運(yùn)行區(qū)域或狀態(tài)生成一個新的或不同的過程模型。換言之，被用來執(zhí)行過程的在線數(shù)據(jù)分析的過程模型能夠針對過程一次確定，并且被用于分析過程，甚至在過程運(yùn)行在不同狀態(tài)的情況下，并且不需要針對過程運(yùn)行的每個階段或狀態(tài)確定不同的模型。替代地，模型的輸入是基于相對于均值的偏差，該偏差被針對不同的過程階段或狀態(tài)改變或變化，以向該模型提供基于過程正在運(yùn)行時所處的過程狀態(tài)來進(jìn)行質(zhì)量預(yù)測或執(zhí)行故障檢測而不改變模型本身的能力。如果需要的話，在過程在線運(yùn)行期間，過程狀態(tài)均值可以通過收集與一個或多個過程狀態(tài)相關(guān)的來自過程的附加數(shù)據(jù)來改寫，該過程狀態(tài)例如是在模型創(chuàng)建期間沒有收集或收集了很少數(shù)據(jù)的過程狀態(tài)，或者是在其中過程運(yùn)行自模型創(chuàng)建后可以改變的過程狀態(tài)。在收集新數(shù)據(jù)之后，新的或者改變的過程狀態(tài)的過程均值可以被確定并存儲為過程模型的一部分，由此允許過程模型被用于在新過程狀態(tài)中或改變的過程狀態(tài)中執(zhí)行質(zhì)量預(yù)測或故障檢測，而不更新過程模型本身。進(jìn)一步地，警報(bào)和警示可以基于在線質(zhì)量預(yù)測和故障檢測系統(tǒng)的運(yùn)行自動生成，并且這些警報(bào)和警示可以在過程運(yùn)行期間提供給用戶，以使得用戶能夠進(jìn)行所需的改變或者采用修正措施。更進(jìn)一步地，先進(jìn)的用戶界面功能允許用戶能夠容易地查看在生成特定警報(bào)和警示時或前后的過程變量趨勢圖，以確定負(fù)責(zé)該警報(bào)或警示的過程參數(shù)。這些趨勢圖可以使得用戶能夠與警示時或前后的過程參數(shù)的均值和標(biāo)準(zhǔn)差比較地查看過程參數(shù)的歷史值，而不需要手動地搜尋數(shù)據(jù)歷史庫以查找該信息。這種功能使得在過程在線運(yùn)行期間的檢修故障和采取修正措施更容易且更快速。附圖說明圖1是具有控制器和現(xiàn)場設(shè)備的過程控制網(wǎng)絡(luò)的示意圖，其可以被用于實(shí)現(xiàn)過程以及各種過程建模部件以提供過程質(zhì)量預(yù)測和故障檢測；圖2示出了包括示例性運(yùn)行管理系統(tǒng)的示例性過程控制系統(tǒng)的框圖，該示例性運(yùn)行管理系統(tǒng)可以實(shí)現(xiàn)用于分析過程的在線過程分析系統(tǒng)；圖3示出了生成一個或多個質(zhì)量預(yù)測模型和故障檢測模型的方法的過程流程圖；圖4示出了用于生成質(zhì)量預(yù)測模型的在一組過程參數(shù)和質(zhì)量參數(shù)之間互相關(guān)性的一組互相關(guān)性圖的圖像；圖5是圖4的互相關(guān)性圖中的一個的放大視圖，其示出了由互相關(guān)性功能所確定的過程參數(shù)的變化與質(zhì)量變量的變化之間的延遲時間；圖6a和6b示出了用于推導(dǎo)一個或更多個基于統(tǒng)計(jì)的過程模型的系統(tǒng)的硬件/軟件流程框圖，該過程模型用于在連續(xù)處理或批處理中執(zhí)行過程質(zhì)量預(yù)測或故障檢測；圖7示出了在過程在線運(yùn)行期間使用一個或更多個質(zhì)量預(yù)測模型來執(zhí)行質(zhì)量預(yù)測和/或故障檢測的方法的過程流程框圖的流程圖；圖8示出了實(shí)現(xiàn)一個或多個基于統(tǒng)計(jì)的過程模型以使用過程狀態(tài)分離來在連續(xù)處理或批處理中執(zhí)行過程參數(shù)質(zhì)量預(yù)測的系統(tǒng)的硬件/軟件流程框圖；圖9是可以被實(shí)現(xiàn)以使用采用圖3的方法創(chuàng)建的統(tǒng)計(jì)過程模型來執(zhí)行質(zhì)量預(yù)測和/或故障檢測的功能塊的框圖；圖10示出了一系列傳統(tǒng)地提供給用戶以使得用戶能夠執(zhí)行與警報(bào)或警示相關(guān)的參數(shù)數(shù)據(jù)分析的用戶界面屏幕；圖11a-11d示出了一系列用戶界面屏幕，其可以被創(chuàng)建并提供給用戶以允許用戶容易查看與使用質(zhì)量預(yù)測或故障檢測或其他警報(bào)系統(tǒng)生成的警報(bào)或警示相關(guān)聯(lián)的過程參數(shù)趨勢圖；圖12a-12c示出了一系列用戶界面屏幕，其可以被創(chuàng)建并提供給用戶以允許用戶容易查看在與傳統(tǒng)過程控制系統(tǒng)的警報(bào)環(huán)境中生成的警報(bào)或警示相關(guān)聯(lián)的過程參數(shù)趨勢圖。具體實(shí)施方式圖1示出了示例性過程控制系統(tǒng)10，在其中可以實(shí)現(xiàn)實(shí)施在線質(zhì)量預(yù)測和故障檢測的高級技術(shù)。特別地，待實(shí)現(xiàn)在系統(tǒng)10中的質(zhì)量預(yù)測和故障檢測技術(shù)根據(jù)過程數(shù)據(jù)產(chǎn)生了一系列質(zhì)量預(yù)測和/或故障檢測模型，并且隨后使得用戶能夠使用這些模型來在連續(xù)處理或批處理中的多個預(yù)定的過程狀態(tài)或過程階段上施行在線質(zhì)量預(yù)測和故障檢測。因此，這些技術(shù)能夠應(yīng)用于或用于在連續(xù)處理或批處理中施行質(zhì)量預(yù)測和/或故障檢測，在這些連續(xù)處理或批處理中，產(chǎn)量、產(chǎn)品等級或其他一些干擾變量規(guī)律地變化，而無需為每個可能的過程階段或過程狀態(tài)產(chǎn)生獨(dú)立的模型。圖1示出的過程控制系統(tǒng)包括連接到數(shù)據(jù)歷史記錄12以及一個或多個主工作站或計(jì)算機(jī)13(其可以是任意類型的個人計(jì)算機(jī)、工作站等)的過程控制器11，每個主工作站或計(jì)算機(jī)13具有顯示屏14?？刂破?1還通過輸入/輸出(i/o)卡26和28被連接到現(xiàn)場設(shè)備15-22，并且可以運(yùn)行以使用現(xiàn)場設(shè)備15-22實(shí)現(xiàn)批處理的一個或多個批次運(yùn)行。數(shù)據(jù)歷史記錄12可以是任意所需類型的數(shù)據(jù)收集單元，其具有任意所需類型的存儲器以及任意所需的或已知的用于存儲數(shù)據(jù)的軟件、硬件或固件。數(shù)據(jù)歷史記錄12可以與工作站13中的一個分離(如圖1所示)，或者是工作站13中的一個的一部分?？刂破?1，其可以是例如emersonprocessmanagement所售的控制器，通過例如以太網(wǎng)連接或任意其他所需的通信網(wǎng)絡(luò)23被通信地連接到主計(jì)算機(jī)13以及數(shù)據(jù)歷史記錄12?？刂破?1采用與例如標(biāo)準(zhǔn)4-20毫安設(shè)備和/或諸如fieldbus協(xié)議、協(xié)議、wirelessharttm協(xié)議等的任何智能通信協(xié)議相關(guān)聯(lián)的任意所需的硬件和軟件而被通信地連接到現(xiàn)場設(shè)備15-22?，F(xiàn)場設(shè)備15-22可以是任意類型的設(shè)備，諸如傳感器、閥、變送器、定位器、等，而i/o卡26和28可以是符合任意所需通信或控制器協(xié)議的任意類型的i/o設(shè)備。在圖1所示的實(shí)施例中，現(xiàn)場設(shè)備15-18是通過模擬線或組合的模擬與數(shù)字線與i/o卡26通信的標(biāo)準(zhǔn)4-20毫安設(shè)備或者h(yuǎn)art設(shè)備，而現(xiàn)場設(shè)備19-22是諸如fieldbus現(xiàn)場設(shè)備的智能設(shè)備，其采用fieldbus通信協(xié)議通過數(shù)字總線與i/o卡28通信。當(dāng)然，現(xiàn)場設(shè)備15-22可以符合任意其他所需的一個或多個標(biāo)準(zhǔn)或協(xié)議，包括將來開發(fā)的任意標(biāo)準(zhǔn)或協(xié)議?？刂破?1包括實(shí)現(xiàn)或監(jiān)控一個或多個過程控制例程(存儲在存儲器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)歷史記錄12通信，從而以任意所需的方式控制過程。應(yīng)當(dāng)注意，如果需要，在此所述的任意的控制例程或模塊(包括質(zhì)量預(yù)測和故障檢測模塊或功能塊)可以具有由不同的控制器所實(shí)現(xiàn)或執(zhí)行的部分。類似地，在此所述的將要在過程控制系統(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?？梢砸匀我馑璧能浖袷綄?shí)現(xiàn)控制例程，諸如采用面向?qū)ο缶幊獭⑻菪芜壿?、時序功能圖、功能塊圖、或者采用任意其他的軟件編程語言或設(shè)計(jì)范例?？刂评炭梢员淮鎯υ谌魏晤愋偷拇鎯ζ?，諸如隨機(jī)存儲器(ram)或只讀存儲器(rom)中。類似地，控制例程可以被硬式編碼到，例如一個或多個eprom、eeprom、專用集成電路(asic)、或者任意其他硬件或固件元件中。因此，控制器11可以被配置為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采用通常所稱的功能塊來實(shí)施控制策略，其中每一功能塊是總體控制例程的對象或者其他部分(例如子例程)，并且與其他功能塊(通過被稱為鏈接的通信)協(xié)同運(yùn)行以在過程控制系統(tǒng)10中實(shí)現(xiàn)過程控制環(huán)路。基于控制的功能塊通常實(shí)施輸入功能、控制功能或輸出功能中的一種以在過程控制系統(tǒng)10中執(zhí)行一些物理功能，該輸入功能是諸如與變送器、傳感器或其他過程參數(shù)測量設(shè)備相關(guān)聯(lián)的功能，該控制功能是諸如與實(shí)施pid、模糊邏輯等控制相關(guān)聯(lián)的功能，該輸出功能是控制諸如閥的一些設(shè)備的運(yùn)行的功能。當(dāng)然，還存在有混合的以及其他類型的功能塊。功能塊可以被存儲在控制器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)備的一些類型的智能現(xiàn)場設(shè)備的情況中，或者在這些功能塊可以被存儲在現(xiàn)場設(shè)備本身并由其實(shí)現(xiàn)，這能夠是有關(guān)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，可以實(shí)現(xiàn)一個或多個先進(jìn)控制環(huán)路，諸如控制環(huán)路46所示的多個/輸入-多個/輸出控制例程。每個這種環(huán)路通常被稱為控制模塊。單環(huán)控制例程42與44被示出為采用單個輸入/單個輸出模糊邏輯控制塊以及分別被連接到適合的模擬輸入(ai)與模擬輸出(ao)功能塊的單個輸入/單個輸出pid控制塊來執(zhí)行單環(huán)控制，這些控制塊可以關(guān)聯(lián)于諸如閥的過程控制設(shè)備、諸如溫度和壓力變送器的測量設(shè)備、或者過程控制系統(tǒng)10中的任意其他的設(shè)備。先進(jìn)控制環(huán)路46被示出為包括通信地連接到一個或多個ai功能塊的輸入以及通信地連接到一個或多個ao功能塊的輸出，然而先進(jìn)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型的輸入并提供其他類型的控制輸出。先進(jìn)控制塊48可以是模塊預(yù)測控制(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)時優(yōu)化塊等中的任何類型，或者可以是可適應(yīng)地整定的控制塊等。可以理解，圖1所示的功能塊能夠由控制器11執(zhí)行，或者替代地，能夠位于諸如工作站13中的一個或者甚至現(xiàn)場設(shè)備19-22中的一個的其他處理設(shè)備中并由其執(zhí)行。此外，如在圖1中所示，一個或多個過程分析例程50可以由過程控制系統(tǒng)10的各種設(shè)備存儲并執(zhí)行，并且這些過程分析例程50可以用于實(shí)施下文將詳述的質(zhì)量預(yù)測和故障檢測數(shù)據(jù)分析。雖然過程分析例程50被示出為存儲在一個或多個計(jì)算機(jī)可讀存儲器52中以在工作站13和控制器11的處理器54上被執(zhí)行，例程或功能塊50能夠替代地被存儲并執(zhí)行在其他設(shè)備中，諸如現(xiàn)場設(shè)備15-22、數(shù)據(jù)歷史記錄12或獨(dú)立設(shè)備。過程分析例程50被通信地耦接到諸如控制例程42、44、46的一個或多個控制例程，和/或被耦接到數(shù)據(jù)歷史記錄12以接收一個或多個所測量的過程變量測量值，并且在一些情況下，接收關(guān)于施行數(shù)據(jù)分析的用戶輸入。通常而言，如下文詳述地，過程分析例程50被用于開發(fā)一個或多個統(tǒng)計(jì)過程模型并根據(jù)該模型來分析進(jìn)行中的或在線過程運(yùn)行。分析例程50還可以向諸如批處理或連續(xù)處理操作員的用戶顯示關(guān)于在線或進(jìn)行中批次的運(yùn)行，如同過程控制系統(tǒng)10所實(shí)現(xiàn)的一樣。過程分析例程50從用戶獲取有用信息，以用于數(shù)據(jù)分析。圖2是示出了過程控制環(huán)境100另一示例的框圖，該過程控制環(huán)境100包括運(yùn)行管理系統(tǒng)(oms)102，其又被稱為過程監(jiān)控與質(zhì)量預(yù)測系統(tǒng)(pms)，其能夠用于實(shí)現(xiàn)在線過程建模和分析系統(tǒng)，如在此所詳述地。oms102位于包括過程控制系統(tǒng)106的工廠104中，工廠104可以包括例如圖1的過程控制網(wǎng)絡(luò)10中的部分或全部。示例性工廠104可以是任意類型的制造設(shè)施、過程設(shè)施、自動化設(shè)施、和/或任意其他類型的過程控制結(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設(shè)施。因此，盡管圖2的工廠104被示出為包括單個過程控制系統(tǒng)106，工廠104還可以包括附加的過程控制系統(tǒng)。過程控制系統(tǒng)106，其通過數(shù)據(jù)總線110被通信地耦接到控制器108，該過程控制系統(tǒng)106可以包括任意數(shù)量的用于實(shí)現(xiàn)過程功能的現(xiàn)場設(shè)備(例如，輸入和/或輸出設(shè)備)，該過程功能諸如執(zhí)行過程中的物理功能或進(jìn)行過程參數(shù)(過程變量)的測量?，F(xiàn)場設(shè)備可以包括任意類型的過程控制組件，該過程控制組件能夠接收輸入、生成輸出、和/或控制過程。例如，現(xiàn)場設(shè)備可以包括諸如閥、泵、風(fēng)扇、加熱器、冷卻器、和/或混合器的輸入設(shè)備以控制過程。附加地，現(xiàn)場設(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)備來測量過程內(nèi)或部分過程內(nèi)的過程變量。輸入設(shè)備可以從控制器108接收指令以執(zhí)行一個或多個指定的命令并引起過程改變。此外，輸出設(shè)備測量過程數(shù)據(jù)、環(huán)境數(shù)據(jù)、和/或輸入設(shè)備數(shù)據(jù)并將所測量的數(shù)據(jù)作為過程控制信息發(fā)送給控制器108。這種過程控制信息可以包括相應(yīng)于來自每個現(xiàn)場設(shè)備的所測量的輸出的變量的值(例如，所測量的過程變量和/或所測量的質(zhì)量變量)。在圖2示出的示例中，控制器108可以通過數(shù)據(jù)總線110與過程控制系統(tǒng)106中的現(xiàn)場設(shè)備通信，其可以被耦接到過程控制系統(tǒng)106中的中間通信組件。這些通信組件可以包括現(xiàn)場接線盒以將命令區(qū)中的現(xiàn)場設(shè)備通信地耦接到數(shù)據(jù)總線110。附加地，通信組件可以包括調(diào)度柜來組織到現(xiàn)場設(shè)備和/或現(xiàn)場接線盒的通信路徑。此外，通信組件可以包括i/o卡以從現(xiàn)場設(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卡可以將來自控制器108的數(shù)據(jù)轉(zhuǎn)換為能夠被相應(yīng)的現(xiàn)場設(shè)備處理的數(shù)據(jù)格式。在一個示例中，可以采用fieldbus協(xié)議或其他類型的有線和/或無線通信協(xié)議(例如profibus協(xié)議、hart協(xié)議等)實(shí)現(xiàn)數(shù)據(jù)總線110。圖2的控制器108(其可以是個人電腦或任何其他類型的控制器設(shè)備)執(zhí)行一個或多個控制例程以管理過程控制系統(tǒng)106內(nèi)的現(xiàn)場設(shè)備。控制例程可以包括過程監(jiān)控應(yīng)用程序、警報(bào)管理應(yīng)用程序、過程趨勢和/或歷史應(yīng)用程序、批處理和/或活動管理應(yīng)用程序、統(tǒng)計(jì)應(yīng)用程序、流視頻應(yīng)用程序、先進(jìn)控制應(yīng)用程序等。此外，控制器108可以將過程控制信息轉(zhuǎn)發(fā)給oms102和數(shù)據(jù)歷史記錄(未在圖2中示出)?？刂评炭梢员粚?shí)現(xiàn)來確保過程控制系統(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，過程控制系統(tǒng)106可以被配置成在批次結(jié)束時制造產(chǎn)品的批次系統(tǒng)。在其他的示例中，過程控制系統(tǒng)106可以包括連續(xù)過程制造系統(tǒng)。來自于控制器108的過程控制信息可以包括相應(yīng)于所測量的、來源于過程控制系統(tǒng)106中現(xiàn)場設(shè)備的過程和/或質(zhì)量變量的值。在其他示例中，oms102可以將過程控制信息中的值解析為相應(yīng)的變量。所測量的過程變量可以關(guān)聯(lián)于過程控制信息，該過程控制信息來源于測量部分過程和/或現(xiàn)場設(shè)備特性的現(xiàn)場設(shè)備。所測量的質(zhì)量變量可以關(guān)聯(lián)于過程控制信息，該過程控制信息有關(guān)于測量與已完成產(chǎn)品的至少一部分相關(guān)聯(lián)的過程的特性。例如，過程可以在在流體中形成化學(xué)制品的濃度的罐中進(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)量參數(shù)。流體的溫度和流體流入罐的速率可以是過程參數(shù)。過程的產(chǎn)量可以是由用戶限定為狀態(tài)參數(shù)的過程參數(shù)。通過下文將詳述的過程控制建模和/或監(jiān)控，oms102可以確定，罐中流體的濃度取決于在罐中流體的溫度以及流入罐的流體流速。換言之，所測量的過程參數(shù)作用于或者影響所測量的質(zhì)量參數(shù)的質(zhì)量。oms102可以使用統(tǒng)計(jì)處理來施行故障檢測和/或質(zhì)量預(yù)測，并且來例如確定每個過程參數(shù)對于質(zhì)量參數(shù)影響和/或作用的量。附加地，oms102可以建模和/或確定關(guān)聯(lián)于過程控制系統(tǒng)106的所測量的過程參數(shù)和/或質(zhì)量參數(shù)之間的關(guān)系。所測量的過程和/或質(zhì)量參數(shù)之間的這些關(guān)系使得形成一個或多個經(jīng)計(jì)算的質(zhì)量參數(shù)是可行的。經(jīng)計(jì)算的質(zhì)量參數(shù)可以是一個或多個所測量的過程參數(shù)、所測量的質(zhì)量參數(shù)、和/或其他經(jīng)計(jì)算的質(zhì)量參數(shù)的多變量的和/或線性代數(shù)的組合。此外，oms102可以由所測量的過程參數(shù)、所測量的質(zhì)量參數(shù)、和/或經(jīng)計(jì)算的質(zhì)量參數(shù)的組合確定總體質(zhì)量參數(shù)?？傮w質(zhì)量參數(shù)可以相應(yīng)于整個過程的質(zhì)量確定和/或可以相應(yīng)于過程的所產(chǎn)生的產(chǎn)品的預(yù)測的質(zhì)量。當(dāng)然，可以在線或離線(例如使用實(shí)驗(yàn)室分析)來測量質(zhì)量參數(shù)。如圖2所示，oms102包括分析處理器114，其使用描述建模、預(yù)測建模、和/或優(yōu)化來生成關(guān)于過程控制系統(tǒng)106狀態(tài)和/或質(zhì)量的反饋。分析處理器114可以執(zhí)行例程(諸如圖1的例程50)來檢測、識別、和/或診斷過程運(yùn)行故障并預(yù)測任意故障對關(guān)聯(lián)于過程控制系統(tǒng)106所生成的產(chǎn)品的質(zhì)量的質(zhì)量參數(shù)和/或總體質(zhì)量參數(shù)的影響。此外，分析處理器114可以通過統(tǒng)計(jì)地和/或邏輯地將質(zhì)量和/或過程參數(shù)組合到關(guān)聯(lián)于過程的總體質(zhì)量的總體質(zhì)量參數(shù)來監(jiān)控過程運(yùn)行的質(zhì)量。分析處理器114然后可以將為總體質(zhì)量參數(shù)計(jì)算的值和/或關(guān)聯(lián)于其他質(zhì)量參數(shù)的值與各自閾值進(jìn)行比較。這些閾值可以建立在在過程中的不同時間的總體質(zhì)量參數(shù)的預(yù)定的質(zhì)量限度的基礎(chǔ)之上。例如，如果關(guān)聯(lián)于過程的總體質(zhì)量參數(shù)超過閾值一段時間，則所預(yù)測的所產(chǎn)生的產(chǎn)品的最終質(zhì)量可能不能符合與最終產(chǎn)品相關(guān)聯(lián)的質(zhì)量度量。如果總體質(zhì)量參數(shù)和/或任意其他質(zhì)量參數(shù)偏離各自閾值，則分析處理器114可以在過程觀察圖和/或過程變化圖中生成故障指示，其顯示被解釋的和/或未被解釋的與總體質(zhì)量參數(shù)相關(guān)聯(lián)的偏差(或變化)，和/或可以顯示生成該過程故障的變量或參數(shù)。示例性分析處理器114通過提供使得操作員能夠生成可以顯示所測量的過程參數(shù)、所測量的質(zhì)量參數(shù)、和/或經(jīng)計(jì)算的質(zhì)量參數(shù)等的當(dāng)前和/或過去值的過程質(zhì)量圖(例如，組合圖、迷你圖、過程偏差圖、變量趨勢圖、圖像等)的功能來管理分析，以確定一個或多個過程故障的起因。此外，在一些情況下，分析處理器114在過程運(yùn)行時生成這些圖形，并且當(dāng)oms102接收附加的過程控制信息時，分析處理器114不斷地更新和/或重新計(jì)算關(guān)聯(lián)于每個圖形的多變量統(tǒng)計(jì)。為了施行連續(xù)和批處理的這些功能，oms102為連續(xù)處理中的多個不同的時間中的每個或?yàn)榕幚碇械亩鄠€不同的批次運(yùn)行中的每個收集用于多個不同過程參數(shù)的過程數(shù)據(jù)。該數(shù)據(jù)可以收集自控制器108或控制網(wǎng)絡(luò)110內(nèi)的現(xiàn)場設(shè)備，收集自數(shù)據(jù)歷史記錄(例如圖1的數(shù)據(jù)歷史記錄12)，該數(shù)據(jù)歷史記錄可能已經(jīng)收集并且存儲用于過程的不同的批次運(yùn)行的過程數(shù)據(jù)，該數(shù)據(jù)可以還可以收集自任何其他的數(shù)據(jù)源。隨后，oms102處理該數(shù)據(jù)以生成一個或多個統(tǒng)計(jì)模型，并且將統(tǒng)計(jì)模型存儲在例如存儲器中，諸如oms102的計(jì)算機(jī)可讀存儲器或圖1的工作站13的存儲器52中的任一個。隨后，為了將來分析進(jìn)行中或在線的過程，該統(tǒng)計(jì)模型需要能夠被檢索。特別地，oms102可以使用所存儲的模型來分析或使得用戶能夠分析在特定的過程運(yùn)行的在線或進(jìn)行中的運(yùn)行期間收集的數(shù)據(jù)。然而，為了在過程在線運(yùn)行時分析來自過程運(yùn)行的數(shù)據(jù)，oms102確定在線過程運(yùn)行在相對于該模型的哪個階段或狀態(tài)。即，在這種情況下，oms102確定模型使用何種輸入來確定有關(guān)在線過程的其他因素，諸如相對于模型內(nèi)的那些相同的參數(shù)，在線過程的參數(shù)中的哪些是不正常的或是不符合規(guī)定的，在線過程的輸出是否滿足期望的質(zhì)量度量等。實(shí)際上，使用統(tǒng)計(jì)模型的在線數(shù)據(jù)的任何分析都將首先確定最能夠應(yīng)用于當(dāng)前收集的在線數(shù)據(jù)的統(tǒng)計(jì)模型的階段或狀態(tài)。僅當(dāng)在線時間與統(tǒng)計(jì)模型一致時才能夠施行分析，諸如為操作員提供屏幕以顯示在線過程如何比較于模型、施行統(tǒng)計(jì)分析來確定該過程是否正常地運(yùn)行或是否在界限之內(nèi)運(yùn)行或該過程是否不正常地運(yùn)行和/或該過程的輸出是否被預(yù)測為滿足期望的質(zhì)量度量，諸如期望的粘稠度、濃度等。作為示例，一旦用于當(dāng)前在線過程的數(shù)據(jù)被收集并且過程的狀態(tài)被確定，oms102的分析處理器114可以為用戶提供一系列不同的圖形或其他顯示來使得用戶能夠確定在線過程運(yùn)行的當(dāng)前運(yùn)行階段或耐久性。下文將描述一些圖形或顯示，應(yīng)當(dāng)理解，其他顯示、分析或信息也可以或替代地被提供給諸如操作員、維護(hù)人員等的用戶。作為示例，分析處理器114可以通過計(jì)算過程參數(shù)和/或質(zhì)量參數(shù)對總質(zhì)量變量的作用、或?qū)σ呀：臀唇５倪^程變化的多變量的統(tǒng)計(jì)錯誤指示符的作用來生成作用圖。過程和/或質(zhì)量參數(shù)的作用可以被顯示為已建模和/或未建模的每個參數(shù)的變化，作為對關(guān)聯(lián)于總質(zhì)量和/或與錯誤相關(guān)聯(lián)的質(zhì)量參數(shù)的變化的作用。此外，分析處理器114可以結(jié)合定義的閾值來為所選擇的過程和/或質(zhì)量變量中的任一個來生成變量趨勢圖。變量趨勢圖可以示出相對于在先前過程的類似時間的變量的值、與在過程的一段時間上的變量相關(guān)聯(lián)的值，例如模型變量值。通過生成作用圖和/或變量趨勢圖，分析過程114還可以識別對過程的可能的修正，以緩解過程中檢測的故障。通過提供用于創(chuàng)建具有關(guān)聯(lián)變化(例如，標(biāo)準(zhǔn)差)的模型的過程運(yùn)行的數(shù)據(jù)的歷史圖與對齊于相同時間刻度的當(dāng)前值的重疊，變量趨勢圖可以輔助操作員來確定過程故障的起因。分析處理器114還可以產(chǎn)生質(zhì)量預(yù)測圖，以確定如果實(shí)施，一個或多個修正對過程的總質(zhì)量的影響。如果一個或多個修正維持或改善總質(zhì)量至指定的閾值內(nèi)，則分析處理器114可以指示oms102來實(shí)施一個或多個修正。替代地，分析處理器114可以發(fā)送指示至控制器108來實(shí)施一個或多個控制修正。此外，一旦確定與總質(zhì)量參數(shù)和/或任何其他質(zhì)量參數(shù)相關(guān)聯(lián)的故障，示例性分析處理器114就可以產(chǎn)生迷你圖。該迷你圖可以包括在指定時間(例如，與過程故障相關(guān)聯(lián)的時間)過程和/或質(zhì)量參數(shù)的、相對于由過程模型預(yù)測的參數(shù)中的每個的平均值和/或標(biāo)準(zhǔn)差的值。附加地，迷你圖可以包括火花譜線(sparkline)，其指示與關(guān)聯(lián)于模型的過程和/或質(zhì)量變量中的每個相關(guān)聯(lián)的先前值。根據(jù)迷你圖，示例性分析處理器114可以使得操作員能夠確定和/或選擇用于過程的一個或多個修正動作，和/或確定是否這些修正的任一個將改善過程，以使得總質(zhì)量變量被預(yù)測在指定的范圍內(nèi)。oms102經(jīng)由在線數(shù)據(jù)處理器116管理對于過程控制數(shù)據(jù)，其包括過程變化圖、作用圖、變量趨勢圖、質(zhì)量預(yù)測圖和/或迷你圖。附加地，在線數(shù)據(jù)處理器116使得過程控制操作員能夠查看控制數(shù)據(jù)、改變和/或更改過程控制數(shù)據(jù)、和/或生成用于過程控制系統(tǒng)106內(nèi)現(xiàn)場設(shè)備的指令。為了能夠進(jìn)行在線分析，圖2的工廠104被示出為包括路由器120和本地工作站122，其經(jīng)由局域網(wǎng)124(lan)通信地耦接至在線數(shù)據(jù)處理器116。此外，路由器120可以將工廠104內(nèi)的任何其他的工作站(未示出)通信地耦接至lan124和/或在線數(shù)據(jù)處理器116。路由器120(可以無線地和/或經(jīng)由有線連接通信地耦接至其他的工作站)可以包括任何其他類型的無線和/或有線路由器，作為對lan124和/或在線數(shù)據(jù)處理器116的接入集線器?？梢圆捎萌我馑璧耐ㄐ琶浇榕c協(xié)議實(shí)現(xiàn)lan124。例如，lan124可以基于硬線或無線以太網(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，盡管示出了單個lan，但是可以使用一個以上的lan和工作站122中適合的通信硬件來在工作站122與各自的類似工作站(未示出)之間提供冗余的通信路徑。lan124還可被示出為被通信地耦接到防火墻128，該防火墻128根據(jù)一個或多個規(guī)則來確定來自遠(yuǎn)程工作站130和/或132的通信是否被允許接入工廠104。示例性遠(yuǎn)程工作站130和132可以向未處于工廠104內(nèi)的操作員提供到工廠104中的資源的訪問。遠(yuǎn)程工作站130和132通過廣域網(wǎng)(wan)134被通信地耦接到防火墻128。示例性工作站122、130和/或132可以被配置為基于oms102施行的在線分析來觀察、更改、和/或修正過程控制系統(tǒng)106中的一個或多個的過程，或者這些工作站可以直接地施行在此所述的在線過程分析應(yīng)用和方法。例如工作站122、130和/或132可以包括用戶接口136，其格式化和/或顯示由oms102生成的過程控制信息。例如，用戶接口136可以從oms102接收所生成的圖形和/或圖表，或者替代地，接收用于生成過程控制圖形和/或圖表的數(shù)據(jù)。一旦在各個工作站122、130和/或132中接收到圖形和/或圖表數(shù)據(jù)，用戶接口136可以生成相對較易為操作員所理解的圖形和/或圖表138的顯示。圖2中的示例示出了具有用戶接口136的工作站132。然而，工作站122和/或130可以包括兩個分析用戶接口136。附加地，用戶接口136可以將由在此描述的在線分析確定的、在過程控制系統(tǒng)106內(nèi)和/或工廠104內(nèi)的任何其他過程控制系統(tǒng)內(nèi)的任何過程控制故障的存在提醒給過程控制操作者。此外，用戶接口136可以引導(dǎo)過程控制操作者通過一個分析過程來確定過程故障的源頭，并預(yù)測過程故障對最終產(chǎn)品的質(zhì)量的影響。用戶接口136可以在過程故障正在發(fā)生時向操作者提供過程控制統(tǒng)計(jì)信息，由此使得操作者能夠?qū)^程進(jìn)行任何調(diào)整以校正任何故障。通過在過程期間校正故障，操作者可以保持最終產(chǎn)品的質(zhì)量。附加地，用戶接口136，通過示例性的oms102，可以顯示檢測、分析、校正措施和質(zhì)量預(yù)測信息。例如，用戶接口136可以顯示過程概況圖、過程變化圖、微型圖、貢獻(xiàn)圖、可變化趨勢圖和/或質(zhì)量預(yù)測圖(例如，圖138)。在查看這些圖138之后，操作者可以選擇額外的圖138來查看多變量的和/或統(tǒng)計(jì)過程信息，以確定過程故障的原因。附加地，用戶接口136可以顯示對過程故障的可能的校正措施。隨后用戶接口136可以允許操作者選擇(一個或多個)校正措施。在選擇校正之后，用戶接口136可以將校正傳輸至oms102，其隨后向控制器108發(fā)送指令，以在過程控制系統(tǒng)106中進(jìn)行適當(dāng)?shù)男ＵD2的工作站122、130和/或132可以包括任何計(jì)算設(shè)備，例如，個人電腦、筆記本、服務(wù)器、控制器、個人數(shù)字助理(pda)、微型計(jì)算機(jī)等?？梢杂萌魏魏线m的計(jì)算機(jī)系統(tǒng)或處理系統(tǒng)來實(shí)現(xiàn)工作站122、130和/或132。例如，可以用單處理器個人電腦、單個或多個處理器的工作站等來實(shí)現(xiàn)工作站122、130和/或132。提供圖1的過程控制環(huán)境10和圖2的過程控制環(huán)境100以說明過程控制系統(tǒng)或過程工廠的類型，在該過程控制系統(tǒng)或過程工廠中可以有利地采用在下文詳細(xì)描述的示例性過程質(zhì)量預(yù)測和故障檢測方法和裝置。然而，如果期望，在此描述的示例性的方法和裝置可以有利地用在復(fù)雜度高于或低于示例性過程控制環(huán)境10和100和/或圖1和圖2中所示的過程控制系統(tǒng)106的其他系統(tǒng)中，和/或用在與過程控制活動、企業(yè)管理活動、通信活動等結(jié)合而使用的系統(tǒng)中?，F(xiàn)有技術(shù)中，很多已知的過程控制系統(tǒng)通常提供過程信息的解析分析和/或統(tǒng)計(jì)分析。然而，這些系統(tǒng)一般采用離線工具來確定過程故障或其他可能影響過程生產(chǎn)的產(chǎn)品的質(zhì)量的過程條件的原因、以及為其所需的潛在的校正措施。這些離線工具可以包括過程學(xué)習(xí)、實(shí)驗(yàn)室學(xué)習(xí)、業(yè)務(wù)學(xué)習(xí)、故障檢修、過程改進(jìn)分析和/或六西格瑪分析。盡管這些工具可以為后續(xù)的生產(chǎn)校正過程，但是工具不能在故障發(fā)生時緩解和/或校正過程質(zhì)量。因此，這些離線工具不能防止生產(chǎn)質(zhì)量差的產(chǎn)品。另一方面，在此描述的示例性的在線過程控制系統(tǒng)分析可以用在過程控制系統(tǒng)中，以提供在過程中的故障檢測、分析和/或校正信息，它們使得操作者能夠在產(chǎn)品仍然在被制造時校正過程故障或增加產(chǎn)品質(zhì)量。換言之，在過程運(yùn)行期間，例如在故障發(fā)生時或在故障或引起差質(zhì)量的其他過程干擾發(fā)生之后，能夠立即響應(yīng)于預(yù)測故障或預(yù)測的質(zhì)量測量實(shí)現(xiàn)過程校正。盡管在此描述的示例性方法和裝置可以被用于預(yù)測和/或校正過程故障，或用于考慮過程的擾動變量中的變化，以改進(jìn)連續(xù)的和/或批量過程的過程質(zhì)量，但是在此將關(guān)于連續(xù)的過程來描述示例性方法和裝置。一般來講，在此描述的過程質(zhì)量預(yù)測和故障檢測分析用于執(zhí)行對過程(例如連續(xù)過程或批量過程)的質(zhì)量預(yù)測和故障檢測，該過程在多個不同的過程狀態(tài)(在此也稱為過程階段)中的一個狀態(tài)里運(yùn)行，而無需為每個不同的過程狀態(tài)創(chuàng)建新的或不同的過程模型。更具體地，一種用于執(zhí)行過程質(zhì)量預(yù)測和故障檢測分析的方法和系統(tǒng)包括用戶接口應(yīng)用，其首先允許用戶選擇一種統(tǒng)計(jì)模型以用于執(zhí)行過程內(nèi)的質(zhì)量預(yù)測。質(zhì)量預(yù)測例如可以基于神經(jīng)元網(wǎng)絡(luò)(nn)、多元線性回歸(mlr)或偏最小二乘(pls)模型。用于執(zhí)行過程質(zhì)量預(yù)測和/或故障預(yù)測分析的方法和系統(tǒng)隨后生成用于該過程的模型，并且附加地可以生成故障檢測統(tǒng)計(jì)模型，優(yōu)選地以主成分分析(pca)模型的形式。系統(tǒng)可以用hotelling的t2和q統(tǒng)計(jì)的應(yīng)用，也就是平方預(yù)測誤差(spe)，以確定與已測量的和未測量的過程擾動相關(guān)聯(lián)的故障條件。在過去，對nn、mlr、pls和pca分析的應(yīng)用的主要約束源于這一事實(shí)，即基礎(chǔ)預(yù)測技術(shù)是基于確定過程測量值與其均值的偏差。遺憾的是，在工廠中增加生產(chǎn)率或改變產(chǎn)品檔次(或改變過程的一些其他的擾動變量)一般引起過程參數(shù)的均值變化。為了考慮這些改變，以前的連續(xù)數(shù)據(jù)分析應(yīng)用需要生成不同的模型，以在不同值的工廠生產(chǎn)率、產(chǎn)品檔次等上執(zhí)行質(zhì)量預(yù)測或故障檢測。結(jié)果是，使用nn、pls、mlr和pca模型的傳統(tǒng)技術(shù)通常僅能夠用于在連續(xù)過程中執(zhí)行質(zhì)量預(yù)測和故障檢測，連續(xù)過程在恒定的吞吐量下運(yùn)行且僅產(chǎn)生一個產(chǎn)品檔次，這是由于與過程測量相關(guān)的平均值僅在此情況下保持接近恒定。但是，在很多情況下，頻繁改變連續(xù)過程的吞吐量，以保持由下游過程或市場需求設(shè)定的庫存量。必須經(jīng)常地響應(yīng)于由工廠主設(shè)定的吞吐量需求而改變的過程的一個實(shí)例是工廠的動力室的搖擺式鍋爐。過程操作點(diǎn)也可以隨著被制造的產(chǎn)品檔次而改變。這種情況的一個實(shí)例是連續(xù)反應(yīng)器，在該連續(xù)反應(yīng)器中，改變輸出成分的目標(biāo)，以允許制造不同的產(chǎn)品檔次。為了改變輸出成分，經(jīng)常需要改變一個或多個過程輸入的操作點(diǎn)。響應(yīng)于這些進(jìn)料或過程輸入的改變，諸如冷卻水流量、攪拌器功率、溢流量等其它參數(shù)也必須改變，以維持受控輸入(諸如批量溫度、恒定攪拌和塔頂壓強(qiáng)等)為恒定值。一般來說，在此描述的建模技術(shù)通過自動更改分析中使用的測量平均值，來考慮過程測量的平均值改變。這些建模技術(shù)由此能夠補(bǔ)償生產(chǎn)率或產(chǎn)品檔次的改變(或過程中的其它擾動)，而無需重構(gòu)或重新生成用于進(jìn)行預(yù)測的過程模型。有利地，在此描述的建模技術(shù)還補(bǔ)償模型中使用的偏差，來考慮從不同的吞吐量和產(chǎn)品檔次(或過程中的其它擾動)轉(zhuǎn)變所需的時間，從而在運(yùn)行過程來完成不同的產(chǎn)品檔次時，甚至在過程在不同的吞吐量和產(chǎn)品檔次之間轉(zhuǎn)變時，能夠在過程在不同的產(chǎn)品吞吐量下運(yùn)行期間，使用單個統(tǒng)計(jì)模型來實(shí)現(xiàn)質(zhì)量預(yù)測或故障檢測。更特別地，為了減小質(zhì)量參數(shù)預(yù)測的任何偏差，且為了防止故障的錯誤指示，改變模型分析中使用的平均值，以與對于給定的吞吐量或產(chǎn)品檔次所預(yù)期的平均值相匹配。此外，由于在吞吐量或產(chǎn)品檔次改變后從一個操作點(diǎn)至另一個操作點(diǎn)的轉(zhuǎn)變可能要花上一些時間，因此，對與平均值的偏差的計(jì)算進(jìn)行過濾，其中這一過濾是基于過程響應(yīng)檔次或吞吐量改變所需要的正常時間。一般情況下，適合連續(xù)或批量過程的、在此描述的質(zhì)量預(yù)測和故障檢測技術(shù)使用過程狀態(tài)分離，并具有兩個基本步驟，也就是模型生成和模型的在線使用，以執(zhí)行過程質(zhì)量預(yù)測和/或故障檢測。另外地，如果期望，當(dāng)例如過程進(jìn)入在最初建立模型時幾乎沒有從過程中收集到數(shù)據(jù)的狀態(tài)或是階段時，或是當(dāng)過程已經(jīng)不同于從過程中收集用于建模的數(shù)據(jù)時的過程，過程模型可適應(yīng)性地(在線)調(diào)節(jié)。圖3示出了方法或技術(shù)的示例性流程圖200，該方法或技術(shù)可以由例如oms102(oms可以在例如圖1的一個或多個例程50中執(zhí)行)實(shí)現(xiàn)，或在圖1的一個或多個工作站13內(nèi)實(shí)現(xiàn)，以推導(dǎo)在過程的質(zhì)量和故障預(yù)測中使用的一個或多個統(tǒng)計(jì)模型。使用圖3的技術(shù)推導(dǎo)的統(tǒng)計(jì)模型可在以后用于分析從過程中收集到的在線數(shù)據(jù)，以執(zhí)行產(chǎn)品質(zhì)量預(yù)測和/或過程故障檢測。雖然圖3的流程圖200描述為使用收集到的過程數(shù)據(jù)來生成諸如pls、nn和mlr模型等的質(zhì)量預(yù)測模型，和生成諸如pca模型等的故障檢測模型，以用于對過程進(jìn)行分析，但是可以替代這些特定類型的模型生成更少或更多類型的模型，或附加于這些特定類型的模型而生成更少或更多類型的模型。特別地，圖3的方法200可用于僅生成質(zhì)量預(yù)測模型、僅生成故障檢測模型、或生成兩種類型的模型的任意組合。此外，雖然圖3的方法200描述為產(chǎn)生pls、nn和mlr模型各一組以作為質(zhì)量預(yù)測模型，和產(chǎn)生pca模型以作為故障檢測模型，但是，也可以附加地或替代地推導(dǎo)其他類型的統(tǒng)計(jì)模型以作為質(zhì)量預(yù)測模型和故障檢測模型。而且，圖3的方法200可用于僅推導(dǎo)一個或兩個類型的上述模型，而不需要推導(dǎo)所有這些類型的模型。具體地參照圖3，塊212獲得過程的過程參數(shù)數(shù)據(jù)和質(zhì)量參數(shù)數(shù)據(jù)。如上所述，過程可以是連續(xù)過程或是批量過程，但是為了便于說明，在此僅將過程描述為連續(xù)過程。因此，在圖3所示的模型推導(dǎo)技術(shù)之前或期間，運(yùn)行該過程并為每一組過程參數(shù)或過程變量產(chǎn)生過程參數(shù)數(shù)據(jù)，過程參數(shù)或過程變量中一個在此被稱為狀態(tài)參數(shù)或狀態(tài)變量。另外地，在推導(dǎo)或收集過程參數(shù)數(shù)據(jù)的過程中，從過程中收集質(zhì)量參數(shù)數(shù)據(jù)(也被稱為質(zhì)量變量數(shù)據(jù)或結(jié)果變量數(shù)據(jù))，該質(zhì)量參數(shù)數(shù)據(jù)表示在實(shí)現(xiàn)過程的在線質(zhì)量預(yù)測和故障檢測時預(yù)測的質(zhì)量變量或質(zhì)量參數(shù)。在存儲器中將過程參數(shù)數(shù)據(jù)和質(zhì)量參數(shù)數(shù)據(jù)存儲為一組模型訓(xùn)練數(shù)據(jù)，在此稱為訓(xùn)練數(shù)據(jù)。重要的是，在生成或收集要在圖3的模型推導(dǎo)技術(shù)中使用的訓(xùn)練數(shù)據(jù)時，優(yōu)選地遍及與狀態(tài)參數(shù)的不同值或范圍相應(yīng)的多個不同的過程階段或過程狀態(tài)來運(yùn)行過程，并從該過程中收集數(shù)據(jù)。在這種情況下，在過程運(yùn)行期間中，多次為每個過程參數(shù)和質(zhì)量參數(shù)收集訓(xùn)練數(shù)據(jù)，以使得，優(yōu)選地，為過程的每個狀態(tài)，也就是說，當(dāng)過程運(yùn)行在每個不同定義的過程狀態(tài)下時，以及當(dāng)過程在狀態(tài)之間過渡時，收集過程參數(shù)數(shù)據(jù)和質(zhì)量參數(shù)數(shù)據(jù)。當(dāng)然，可在過程遍及任何期望的時間段的正常或計(jì)劃運(yùn)行期間獲得訓(xùn)練數(shù)據(jù)，如果期望，上述時間段既可以是連續(xù)的，也可以是不連續(xù)的。過程參數(shù)數(shù)據(jù)和質(zhì)量參數(shù)數(shù)據(jù)可包括在過程中測量或以其他方式實(shí)時收集得到的過程參數(shù)值(包括質(zhì)量參數(shù)值)，包括使用諸如實(shí)驗(yàn)室分析等離線技術(shù)生成的過程參數(shù)值(包括質(zhì)量參數(shù)值)，包括通過例如用戶接口由使用者輸入或是從使用者獲得的過程參數(shù)值(包括質(zhì)量參數(shù)值)，或包括通過其他期望的方式獲得的數(shù)據(jù)。在圖3的塊214中，模型推導(dǎo)技術(shù)200確定或獲得對在構(gòu)建質(zhì)量預(yù)測和故障檢測模型時使用的過程狀態(tài)參數(shù)或狀態(tài)變量的指示。該狀態(tài)參數(shù)或狀態(tài)變量可由例如工程師預(yù)先確定或預(yù)先設(shè)定，并被存儲為模型推導(dǎo)系統(tǒng)的一部分，且可由使用者通過例如用戶接口(例如圖1的用戶接口13中的一個)指定或選擇，或可通過其它期望的方式確定。通常地，過程狀態(tài)參數(shù)被選擇為重要的擾動變量，諸如過程的吞吐量、由過程生產(chǎn)的產(chǎn)品檔次或產(chǎn)品類型的指示等。但是，在某些情況下，可使用或根據(jù)兩個或多個過程參數(shù)或其它過程測量值來計(jì)算或確定狀態(tài)參數(shù)。例如，可使用兩個過程參數(shù)的平均值來作為狀態(tài)參數(shù)。在其它實(shí)例中，其可以采用其他統(tǒng)計(jì)技術(shù)、使用來自過程的任意期望的輸入來計(jì)算狀態(tài)參數(shù)，以確定表示在任何特定時間過程運(yùn)行的狀態(tài)的狀態(tài)參數(shù)。狀態(tài)參數(shù)可以是連續(xù)的變量或離散的變量。在一個實(shí)例中，允許使用者配置反映對過程運(yùn)行的主要擾動的改變的狀態(tài)參數(shù)。在某些情況下，該狀態(tài)參數(shù)是諸如過程的生產(chǎn)率或吞吐量等的連續(xù)參數(shù)。但是，在其他情況下，狀態(tài)參數(shù)可以是諸如對所生產(chǎn)的一組有限的離散產(chǎn)品檔次的中的一個的指示的離散參數(shù)。一般來說，使用者可選擇單一的測量或計(jì)算得到的過程參數(shù)作為狀態(tài)參數(shù)，并可指示狀態(tài)參數(shù)是連續(xù)的參數(shù)或是離散的參數(shù)，可指定用在數(shù)據(jù)分析中的狀態(tài)或階段的數(shù)量。默認(rèn)地，例如選擇的參數(shù)可假定為連續(xù)的參數(shù)，狀態(tài)的數(shù)量可假定為固定數(shù)量，例如為五個。在塊216中，技術(shù)200確定限定各不同過程狀態(tài)或階段的狀態(tài)參數(shù)的范圍或值。若該變量還沒有被設(shè)定，則塊216也可確定在生成質(zhì)量預(yù)測和故障檢測模型中使用的過程狀態(tài)的數(shù)量。如上所述，與各不同的過程狀態(tài)相關(guān)聯(lián)的狀態(tài)參數(shù)的范圍可由諸如操作者、過程工程師等使用者選擇或指定。上述范圍可表示與各過程狀態(tài)相關(guān)聯(lián)的狀態(tài)參數(shù)的不同值(在狀態(tài)參數(shù)是離散的變量的情況下)或狀態(tài)參數(shù)的不同范圍的值(在狀態(tài)參數(shù)是連續(xù)的變量的情況下)。僅作為實(shí)例，狀態(tài)參數(shù)可以分為例如5至10個不同范圍。如果期望，塊216可通過從訓(xùn)練數(shù)據(jù)中確定狀態(tài)參數(shù)的所有范圍，接著將該范圍分割為一組范圍，諸如一組均等的范圍，來自動確定與狀態(tài)變量相關(guān)聯(lián)的過程狀態(tài)范圍。在已經(jīng)收集并存儲過程的一組完整的訓(xùn)練數(shù)據(jù)，且已經(jīng)定義狀態(tài)參數(shù)及其相關(guān)聯(lián)的范圍或值，以由此定義過程狀態(tài)時，使用訓(xùn)練數(shù)據(jù)來推導(dǎo)要用于分析過程的未來在線操作的一個或多個質(zhì)量預(yù)測模型和/或故障檢測模型。生成質(zhì)量預(yù)測模型的技術(shù)與產(chǎn)生故障檢測模型的技術(shù)稍有不同，因此，在圖3中使用兩個不同的分支來分別說明這兩個技術(shù)。一般來說，圖3的分支220說明用于推導(dǎo)諸如pls模型、nn模型和mlr模型的質(zhì)量預(yù)測模型的步驟，而分支222說明用于推導(dǎo)諸如pca模型的故障檢測模型的步驟。在推導(dǎo)質(zhì)量預(yù)測模型時，塊224確定包括狀態(tài)參數(shù)在內(nèi)的不同的過程參數(shù)的訓(xùn)練數(shù)據(jù)的時移，其表示將這些參數(shù)相對于另一個參數(shù)或相對于質(zhì)量參數(shù)進(jìn)行時間移位的方式，以使過程參數(shù)數(shù)據(jù)以與質(zhì)量參數(shù)數(shù)據(jù)最佳地時間對準(zhǔn)的方式得到對準(zhǔn)。上述時間對準(zhǔn)提供了執(zhí)行更好預(yù)測的預(yù)測模型。特別地，在推導(dǎo)用于所要預(yù)測的各個質(zhì)量參數(shù)的質(zhì)量預(yù)測模型(例如nn、mlr和pls模型)的過程中，用于產(chǎn)生模型的偏差值被時移，來考慮過程模型的輸入的變化(即一個過程參數(shù)值的變化)影響由模型預(yù)測得到的質(zhì)量參數(shù)所需的時間。應(yīng)能理解，對于每個被用作對質(zhì)量預(yù)測模型的輸入的過程參數(shù)來說，上述延遲可能且通常是不同的。(相似地，在處理用于在線質(zhì)量參數(shù)預(yù)測的偏差值時也會考慮上述同一延遲)確定與各過程參數(shù)相關(guān)聯(lián)的延遲的一個方式是在每個過程參數(shù)與所要預(yù)測的質(zhì)量參數(shù)之間進(jìn)行互相關(guān)。在這種情況下，對于所選擇的、包括所有過程輸入(包括狀態(tài)參數(shù))的數(shù)據(jù)組，塊224可在用于產(chǎn)生對要推導(dǎo)的模型的輸入的各過程參數(shù)和反映或最相關(guān)于要預(yù)測的質(zhì)量參數(shù)的過程輸出之間進(jìn)行互相關(guān)(質(zhì)量參數(shù)可使用例如在線測量、離線實(shí)驗(yàn)室分析等獲得)。在質(zhì)量參數(shù)與特定的過程參數(shù)之間進(jìn)行互相關(guān)時，通過確定導(dǎo)致最大關(guān)聯(lián)值的時移，互相關(guān)的結(jié)果可以用于建立將與特定的過程參數(shù)(對模型的輸入)相關(guān)聯(lián)的時間延遲。當(dāng)然，各不同的過程參數(shù)可具有與其相關(guān)的不同的時移。通常來說，使用該技術(shù)，塊224為每個不同的過程參數(shù)確定特定的質(zhì)量測量值與各過程參數(shù)之間的最大互相關(guān)，接著根據(jù)獲得最大互相關(guān)值的時間延遲來確定該過程參數(shù)的時移。互相關(guān)可用于確定要用來推導(dǎo)質(zhì)量預(yù)測模型的時移的一個示例方式將在根據(jù)過程輸入來預(yù)測與卡米爾(kamyr)蒸煮器的輸出相關(guān)聯(lián)的卡帕(kappa)值的情況中進(jìn)行說明。在本實(shí)例中，芯片測速儀測速被選擇作為狀態(tài)參數(shù)，由于其設(shè)定了過程吞吐量。產(chǎn)品輸出的卡帕值可使用采樣分析儀或通過在實(shí)驗(yàn)室中對隨機(jī)樣品進(jìn)行分析來測量?？赏ㄟ^在包含在所選擇的數(shù)據(jù)組中的卡帕值與過程輸入之間進(jìn)行互相關(guān)，來自動確定與反映在卡帕值中的各過程輸入相關(guān)聯(lián)的延遲。對在圖4中，對于標(biāo)注了冷法噴射、排出、主噴射、芯片測速儀和低出(lowerext)的蒸煮器每個輸入示出了這樣的互相關(guān)確定的結(jié)果?，F(xiàn)在，通過選擇過程輸入，使用者可看到過程輸入與卡帕值之間的互相關(guān)。圖5更詳細(xì)地說明狀態(tài)參數(shù)、芯片測速儀測速和卡帕值的分析之間的互相關(guān)。如圖5的描繪所說明的那樣，根據(jù)提供最大相關(guān)的時移建立與過程輸入相關(guān)聯(lián)的延遲。在卡米爾蒸煮器的這一仿真中，芯片測速儀的速度改變與反映在卡帕值中的改變之間的延遲是175秒。當(dāng)然，在實(shí)際過程中，延遲可能更長。每個其它輸入?yún)?shù)的延遲或時移可通過相似的方式確定，這些延遲可接著被用作圖3的塊224中的時移量。在所有的過程參數(shù)和狀態(tài)參數(shù)時移得到確定之后，塊226使用塊224中確定的時移，來將每個輸入至模型和狀態(tài)參數(shù)的過程參數(shù)的過程參數(shù)數(shù)據(jù)時移，并將上述時移后的參數(shù)數(shù)據(jù)存儲在存儲器中。特別地，塊226將各組時移后的數(shù)據(jù)片存儲，其中，每個時移后的數(shù)據(jù)片具有用于生成模型的每個過程參數(shù)的值、狀態(tài)參數(shù)的值和質(zhì)量參數(shù)的值。特定的數(shù)據(jù)片的過程參數(shù)和狀態(tài)參數(shù)的測量值相對于質(zhì)量參數(shù)的測量值而以在塊224中確定的時移量被時移。對每個時移后的數(shù)據(jù)片，對不同的過程參數(shù)和狀態(tài)參數(shù)的時移參數(shù)數(shù)據(jù)看起來是在時間上一致。也就是說，過程參數(shù)輸入的改變在每個時移后的數(shù)據(jù)片中立即反應(yīng)在質(zhì)量參數(shù)中。接著，在每個定義的過程狀態(tài)下，塊228使用由塊226得出的時移數(shù)據(jù)，而計(jì)算每個過程參數(shù)(包括狀態(tài)參數(shù))的平均值和質(zhì)量參數(shù)的平均值。更特別地，塊228采集所有時移數(shù)據(jù)片，并使用每個數(shù)據(jù)片中狀態(tài)參數(shù)的值，以根據(jù)狀態(tài)參數(shù)的過程狀態(tài)范圍，確定每個數(shù)據(jù)片落在哪個特定的過程狀態(tài)。塊228接著對特定的過程狀態(tài)下的所有數(shù)據(jù)片的每個過程參數(shù)、狀態(tài)參數(shù)和質(zhì)量參數(shù)的所有值進(jìn)行平均，來確定特定的過程狀態(tài)的各過程參數(shù)、狀態(tài)參數(shù)和質(zhì)量參數(shù)的獨(dú)立的平均值。上述均值在此稱為過程狀態(tài)均值。接下來，塊230將每個過程狀態(tài)的該過程參數(shù)、該狀態(tài)參數(shù)和該質(zhì)量參數(shù)的這些平均值或均值存儲在一個存儲器中，以用于之后在開發(fā)質(zhì)量預(yù)測模型中使用，也用在使用開發(fā)好的質(zhì)量預(yù)測模型之中。因此，對于每一個數(shù)據(jù)片(也被稱為時間片)，塊232使用該時間片的時移數(shù)據(jù)和該過程狀態(tài)均值，以確定當(dāng)為該時間片確定偏離該均值的一組偏差時所使用的一組均值。特別地，該塊232選擇一個時間片的數(shù)據(jù)進(jìn)行處理，以確定用于該時間片的一組均值，繼而為該時間片確定偏離該均值的偏差，而該偏離該均值的偏差是作為一個模型產(chǎn)生例程的輸入，該例程用在開發(fā)該質(zhì)量預(yù)測模型之中。更加特別地，對于每個時間片，該塊232使用由該時間片指示的(為該時間片存儲的)狀態(tài)參數(shù)的瞬時值，以及為一個或多個過程狀態(tài)所確定的狀態(tài)參數(shù)的均值，來確定一個縮放因子(例如一個插值因子)，它用于為該時間片的每一個其他過程參數(shù)來確定合適的均值。在這種情況下：狀態(tài)參數(shù)是直接地與過程狀態(tài)相關(guān)聯(lián)的離散變量(即，狀態(tài)參數(shù)的不同值關(guān)聯(lián)于或被定義用于各不同的過程狀態(tài))，那么該狀態(tài)參數(shù)的值定義了或唯一地確定了該過程(對于該時間片)正在運(yùn)行所在的過程狀態(tài)，并且該時間片的過程參數(shù)的均值簡單地被確定為為該過程狀態(tài)所存儲的過程參數(shù)均值。但是，如果該參數(shù)是一個連續(xù)變量，或者該用戶定義了狀態(tài)參數(shù)的值的一個范圍與各過程狀態(tài)相關(guān)聯(lián)(即，為各過程狀態(tài)定義狀態(tài)參數(shù)值的范圍)，那么塊232確定一個插值因子，該因子定義了兩個狀態(tài)的分?jǐn)?shù)，(該時間片的)該狀態(tài)參數(shù)的瞬時值目前處于這兩個狀態(tài)中。也就是說，如果該狀態(tài)參數(shù)的瞬時值等于特定過程狀態(tài)的狀態(tài)參數(shù)的均值，那么該時間片正好位于單個過程狀態(tài)中，并且為該過程狀態(tài)所存儲的過程參數(shù)均值能夠用作該時間片的其他過程參數(shù)的均值。但是，如果該狀態(tài)參數(shù)瞬時值落在兩個不同(例如，兩個相鄰的)過程狀態(tài)的狀態(tài)參數(shù)均值之間，那么該時間片的其他過程參數(shù)的均值將被確定為針對該兩個過程狀態(tài)所存儲的過程參數(shù)均值的一個組合。典型地，用于該時間片的各過程參數(shù)的均值將通過插值來確定，該插值是使用一個插值因子來在該兩個相鄰的過程狀態(tài)的參數(shù)的參數(shù)均值之間進(jìn)行的插值，該插值因子是從該瞬時的狀態(tài)參數(shù)值獲得的。也就是說，一個插值例程可以基于(該時間片的)狀態(tài)參數(shù)的瞬時值和最近的兩個(來自兩個不同的過程狀態(tài)的)狀態(tài)參數(shù)均值之間的相互距離，來確定該時間片所存在于的兩個過程狀態(tài)中各自的百分比。塊232能夠通過使用對于該兩個相鄰的過程狀態(tài)所存儲的過程參數(shù)均值，(使用該相同的插值因子)為該時間片中的各個過程參數(shù)執(zhí)行插值。作為這一操作的結(jié)果，塊232確定了合適的均值，該均值用于(為該時間片的各過程參數(shù))計(jì)算對于該時間片的、偏離該均值的偏差，以用于建立過程模型。該塊232也將為該時間片的質(zhì)量參數(shù)執(zhí)行該插值。因此，對于時間片的每個過程參數(shù)和質(zhì)量參數(shù)，塊232都將使用該確定的、狀態(tài)和兩個相鄰過程狀態(tài)的狀態(tài)均值的分?jǐn)?shù)，來確定對于該時間片的過程參數(shù)的均值。進(jìn)行插值以確定對于一個特定時間片的一組時間片均值的一個例子將被更加詳細(xì)地說明。在該例子中，假設(shè)該狀態(tài)參數(shù)的變化范圍是從訓(xùn)練數(shù)據(jù)得到，以確定該狀態(tài)參數(shù)的整個運(yùn)行范圍。缺省地，該運(yùn)行范圍被自動地劃分成多個相等的段，該些段代表了在分析中所考慮的過程的不同狀態(tài)。在另一個例子中，該用戶能夠指定該狀態(tài)參數(shù)的整個范圍，過程狀態(tài)或階段的數(shù)量，以及與每一個過程狀態(tài)相關(guān)聯(lián)的狀態(tài)參數(shù)的子范圍。在任何情況下，在本例子中，對于在所定義的過程狀態(tài)或階段中的每一個過程測量的狀態(tài)參數(shù)的平均值都被確定并保存在存儲器中。在該例子中，對應(yīng)于一個鍋爐過程的運(yùn)行，該鍋爐蒸汽需求被配置為狀態(tài)參數(shù)，并且假設(shè)該變量可以在為建模所選擇的數(shù)據(jù)集的25-75％的范圍之內(nèi)變化。為其他輸入所收集的、被包含在該模型中的值，例如燃料流、空氣流、o2、通風(fēng)、is風(fēng)扇速度這五個參數(shù)輸入，如下表1中所示。表1狀態(tài)–蒸汽需求12345狀態(tài)范圍25-3535-4545-5555-6565-75范圍中的采樣數(shù)2103401508530蒸汽需求-平均3040506070燃料流-平均3040506070空氣流-平均3545556575o2-平均2.52.52.52.52.5通風(fēng)-平均-1-1-1-1-1is風(fēng)扇速度-平均2028385065在該例子中，為了確定時間片均值，該均值用于為一個時間片確定偏離該均值的偏差，可以使用下面的過程。如果該時間片的狀態(tài)參數(shù)的瞬時值等于用于一個過程狀態(tài)的狀態(tài)參數(shù)均值，那么對于該過程狀態(tài)的其他過程參數(shù)的狀態(tài)參數(shù)均值將被用作該時間片均值，在計(jì)算用于該時間片的偏離均值的參數(shù)偏差中使用。但是，在大多數(shù)情況下，一個時間片的狀態(tài)參數(shù)值將落在兩個過程狀態(tài)的狀態(tài)參數(shù)均值之間。在這種情況下，用于該兩個過程狀態(tài)的狀態(tài)參數(shù)均值將一起與用于該兩個過程狀態(tài)的過程參數(shù)均值聯(lián)合地被使用，以計(jì)算該時間片參數(shù)均值。對于以上描述的鍋爐例子，如果對于一個時間片的狀態(tài)參數(shù)值是37，那么，基于為各狀態(tài)參數(shù)存儲的狀態(tài)參數(shù)均值，可以使用標(biāo)準(zhǔn)的插值技術(shù)將用于該時間片的氣流參數(shù)的均值確定如下：當(dāng)狀態(tài)參數(shù)是產(chǎn)品等級(帶有枚舉值，例如1-5的離散參數(shù))時，那么，在模型開發(fā)中，能夠?yàn)檫@樣的數(shù)據(jù)采樣計(jì)算每個狀態(tài)的參數(shù)均值，即與在該狀態(tài)中的狀態(tài)參數(shù)一致的數(shù)據(jù)采樣。例如，為一個連續(xù)的反應(yīng)堆所建立的均值如下表2中所示。表2如果狀態(tài)參數(shù)值是3(adx215)，那么對于主要流的均值是60。如果狀態(tài)參數(shù)值改變?yōu)?(adx201)，那么主要流的均值是70。狀態(tài)的任何改變不會立即被反映在過程參數(shù)之中。在用于各時間片的均值(也稱片均值)被確定之后，塊234使用計(jì)算出的時間片均值去為該時間片中的每個過程參數(shù)和質(zhì)量參數(shù)計(jì)算偏離該均值的偏差。特別地，塊234將確定該時間片的各過程參數(shù)值(以及質(zhì)量參數(shù)值)和與其相關(guān)聯(lián)的時間片均值(由塊232所確定)之間的差值，以產(chǎn)生偏離該均值一組偏差，其中，為該時間片的各過程參數(shù)(除了該狀態(tài)參數(shù))以及質(zhì)量參數(shù)而分別確定一個偏離該均值的偏差。對于各時間片的偏離該均值的偏差可以接下來被存儲在一個存儲器中。塊235接下來分別對各串偏離該均值的偏差進(jìn)行濾波。該濾波過程使得生成的過程模型更加魯棒，并且有助于避免該模型在該過程簡單地在狀態(tài)之間轉(zhuǎn)移時檢測到質(zhì)量問題。該塊235可以為各過程參數(shù)、狀態(tài)參數(shù)和質(zhì)量參數(shù)實(shí)施低通濾波器。該低通濾波器可以使用一個濾波時間常數(shù)，該常數(shù)被設(shè)定為等于或大于質(zhì)量參數(shù)對任何一個過程參數(shù)產(chǎn)生變化的最長響應(yīng)時間，該過程參數(shù)作為被構(gòu)造的模型的輸入。當(dāng)然，也可以使用其他的濾波時間常數(shù)，并且可以基于比該質(zhì)量參數(shù)的最長響應(yīng)時間更短的響應(yīng)時間而選擇這些時間常數(shù)。作為濾波的一個例子，能夠基于所配置的過程的轉(zhuǎn)移時間(數(shù)秒)而應(yīng)用一個一階濾波器。例如，氣流偏離表1中的示例的均值的偏差能夠被這樣地計(jì)算：airflowdevn＝f×((airflown-airflowmeann)-airflowdevn-1)+airflowdevn-1其中，濾波因子f為：并且其中δt＝執(zhí)行周期(秒)τ＝轉(zhuǎn)移時間(秒)經(jīng)濾波的偏離均值的偏差接下來被提供給塊236，該塊使用該經(jīng)濾波的偏離均值的偏差來確定或生成該過程模型，例如，nn，mlr，和/或pls模型，該模型將被使用在之后的質(zhì)量預(yù)測操作中。能夠使用任何用于建立這些模型的所需的技術(shù)，并且，這些技術(shù)都是熟知的。因此，從偏離均值的偏差來生成模型的方法在這里不再詳細(xì)描述了。但是，作為生成過程模型的一部分，所確定的過程參數(shù)均值(包括狀態(tài)參數(shù)均值)和為每個過程狀態(tài)(即過程狀態(tài)均值)所確定的質(zhì)量參數(shù)均值以及用于每個過程狀態(tài)的狀態(tài)參數(shù)范圍被存儲為該過程模型的一部分，并且在使用該過程模型進(jìn)行在線過程的質(zhì)量預(yù)測的時候?qū)⑹褂盟鼈?。另外，濾波時間常數(shù)和時移值將被存儲為該過程模型的一部分。參照圖3中的分支222說明建立故障檢測模型的一種方法將。一般來說，如分支222所描繪的建立故障檢測模型的技術(shù)在很多方面都類似于建立質(zhì)量預(yù)測模型。但是，該故障檢測模型將從并未被時移或時間對準(zhǔn)的訓(xùn)練數(shù)據(jù)得出，因?yàn)樵撃Ｐ蛯⒈挥糜谶M(jìn)行未來的故障預(yù)測(而不是對在任何特定時間的過程質(zhì)量進(jìn)行預(yù)測)。在所有的其他方面，分支222中，訓(xùn)練數(shù)據(jù)以與在分支220中時間對準(zhǔn)的數(shù)據(jù)片被處理的方式非常類似的方式而被處理。因此，塊248使用為該過程所收集的該訓(xùn)練數(shù)據(jù)，并為各個所定義的過程狀態(tài)，計(jì)算各過程參數(shù)(包括狀態(tài)參數(shù))的平均值或均值，也計(jì)算對各質(zhì)量參數(shù)的平均值。由于塊248對原始訓(xùn)練數(shù)據(jù)的時間片操作，而不是對時間對準(zhǔn)的數(shù)據(jù)操作，在塊248中計(jì)算得到的均值可能會與在塊228中計(jì)算得到的均值不同。塊250接下來在一個存儲器存儲過程參數(shù)和質(zhì)量參數(shù)的這些平均值或均值，作為過程狀態(tài)均值，以之后用在開發(fā)故障檢測模型中，也用在模型開發(fā)后的進(jìn)行故障檢測中。之后，對于訓(xùn)練數(shù)據(jù)的各個時間片，塊252使用該時間片的參數(shù)數(shù)據(jù)和過程狀態(tài)均值，來確定在為該時間片確定偏離均值的偏差時所使用的一組時間片均值。特別地，塊252選擇一時間片數(shù)據(jù)進(jìn)行處理，以確定用于該時間片的一組均值，以之后為該時間片確定偏離該均值的偏差，而偏離該均值的偏差是模型生成例程的輸入，該例程用于開發(fā)該故障檢測模型。更加特別地，對于每個時間片，該塊252使用由該時間片指示的(為該時間片存儲的)狀態(tài)參數(shù)的瞬時值，以及為該過程狀態(tài)所存儲的過程狀態(tài)均值，來確定一個縮放因子(例如一個插值因子)，它用于為該時間片的每一個其他過程參數(shù)來確定合適的時間片均值。該過程類似于為塊232所描述的過程，因此在這里不再重復(fù)。在任何情況下，塊252使用對于來自兩個向量過程狀態(tài)的過程參數(shù)的該過程狀態(tài)均值，對時間片的每一個過程參數(shù)(使用相同的插值因子)進(jìn)行插值，以確定合適的時間片均值，來用于確定偏離均值的偏差，以用在從該時間片數(shù)據(jù)建立故障檢測模型。該塊252也對該時間片的質(zhì)量數(shù)據(jù)進(jìn)行插值。在為各數(shù)據(jù)時間片確定時間片均值之后，塊254使用所計(jì)算的時間片均值來為該時間片的各個過程參數(shù)和質(zhì)量參數(shù)確定偏離該均值的偏差。特別地，塊254確定該時間片的各過程參數(shù)(和質(zhì)量參數(shù))與它相關(guān)的(在塊252中確定的)時間片均值之間的差值，來產(chǎn)生偏離該均值的一組偏差，其中，為該時間片的各過程參數(shù)(除了狀態(tài)參數(shù))和質(zhì)量參數(shù)而分別確定一個偏離該均值的偏差。塊255接下來對偏離均值的偏差進(jìn)行濾波，以使得正在生成的過程模型更加健壯，并且有助于避免當(dāng)該過程在過程狀態(tài)之間轉(zhuǎn)移時該模型檢測到故障。該塊255可以使用一個低通濾波器，其中，濾波時間常數(shù)被設(shè)定等于或大于質(zhì)量參數(shù)對任何一個過程參數(shù)產(chǎn)生變化的最大響應(yīng)時間，該過程參數(shù)作為被構(gòu)造的模型的輸入。因此，在一個例子中，為了考慮該過程響應(yīng)狀態(tài)改變所需的時間，偏離均值的偏差可以基于對被檢測的故障的轉(zhuǎn)移時間而被濾波。當(dāng)然，也可以使用其他的濾波時間常數(shù)，并且這些時間常數(shù)能夠基于比最長響應(yīng)時間更短的響應(yīng)時間而被選擇。被濾波的、偏離均值的偏差接下來被提供給塊256，該塊256使用該被濾波的、偏離均值的偏差來確定或生成該故障檢測模型，例如pca模型，該模型用在之后的故障檢測操作中。再一次地，從偏離一組參數(shù)的均值的一組偏差來建立pca模型的過程是熟知的，因此在這里不再詳細(xì)描述。但是，作為生成過程模型的一部分，為各過程狀態(tài)(即過程狀態(tài)均值)以及各過程狀態(tài)的狀態(tài)參數(shù)范圍而確定的過程參數(shù)均值(包括狀態(tài)參數(shù)均值)和質(zhì)量參數(shù)均值，都被存儲作為該過程模型的一部分，并且將在使用該過程模型執(zhí)行在線過程的故障檢測時被使用。另外，該濾波時間常數(shù)能夠被存儲作為該過程模型的一部分。圖6a示出了用于執(zhí)行圖3中的過程質(zhì)量預(yù)測模型生成技術(shù)200的一個系統(tǒng)。特別地，如圖6a所示，該過程300運(yùn)行在一個訓(xùn)練階段，為大量的時間或樣本產(chǎn)生過程參數(shù)數(shù)據(jù)(包括狀態(tài)參數(shù)數(shù)據(jù))和質(zhì)量參數(shù)數(shù)據(jù)形式的過程數(shù)據(jù)。由圖6a中的線條302所指示的過程參數(shù)數(shù)據(jù)包括過程參數(shù)，狀態(tài)參數(shù)和質(zhì)量參數(shù)數(shù)據(jù)，例如，過程變量值，狀態(tài)變量值和質(zhì)量變量值，它們是由過程300中的設(shè)備所測量或者輸出的，或者是在過程300的運(yùn)行中以其他方式從過程300中收集的。該過程參數(shù)數(shù)據(jù)302被獲得，并作為一組訓(xùn)練數(shù)據(jù)被存儲在存儲器304中。該存儲器304可以是例如圖1中的數(shù)據(jù)歷史記錄器12或任何其他所需的存儲器。當(dāng)然，用于任何數(shù)量的過程參數(shù)、質(zhì)量參數(shù)(包括故障指示)和狀態(tài)參數(shù)的數(shù)據(jù)可以被測量、收集并作為訓(xùn)練數(shù)據(jù)的一部分被存儲在存儲器304中。接下來，一個時移計(jì)算塊306使用狀態(tài)參數(shù)的標(biāo)識、定義了不同過程狀態(tài)的狀態(tài)參數(shù)值范圍、用作模型輸入的過程參數(shù)的標(biāo)識、以及由該模型所估計(jì)的質(zhì)量參數(shù)，對獲取自存儲器304的訓(xùn)練數(shù)據(jù)進(jìn)行操作。該塊306能夠通過例如用戶接口305接收來自用戶的這些指示。該塊306使用將用于所構(gòu)造的模型中的質(zhì)量參數(shù)和過程參數(shù)的指示，并進(jìn)行以上描述的互相關(guān)技術(shù)，來為各個過程參數(shù)確定合適的時移。當(dāng)然，該塊306可以自動地執(zhí)行互相關(guān)，并自動地為各過程參數(shù)確定合適的時移，或者可以通過用戶接口305接收來自用戶的輸入，這使得用戶能夠查看并為各個過程參數(shù)選擇合適的延遲時間。在為各過程參數(shù)(和狀態(tài)參數(shù))計(jì)算出時移之后，時移塊或延遲單元308接收訓(xùn)練數(shù)據(jù)，并延遲不同過程參數(shù)的不同過程參數(shù)值，這些參數(shù)值將被用在由合適的量所構(gòu)造的模型中，該塊308將這些時間對準(zhǔn)的參數(shù)數(shù)據(jù)作為時間對準(zhǔn)的數(shù)據(jù)片存儲在存儲器310中。每一個時間對準(zhǔn)的數(shù)據(jù)片將具有對各過程參數(shù)的值，它用作該正在構(gòu)造的模型的輸入，也具有對各狀態(tài)參數(shù)的值，還具有正在由構(gòu)造模型所預(yù)測的質(zhì)量標(biāo)識的相關(guān)值，其中，該過程參數(shù)和該狀態(tài)參數(shù)的值相對于質(zhì)量參數(shù)的值在時間上偏移(例如，時間上提前或延后)，該偏移是基于由塊308所進(jìn)行的時移。因此，存儲器310將存儲時間片數(shù)據(jù)，它具有過程參數(shù)、質(zhì)量參數(shù)和狀態(tài)參數(shù)的值，它們被時間對準(zhǔn)過，以使得在過程參數(shù)的改變和所導(dǎo)致的質(zhì)量參數(shù)的改變之間的時間延遲被減少到盡可能最佳的程度。數(shù)據(jù)片的這些組是最佳地用在生成模型以產(chǎn)生最精確的質(zhì)量預(yù)測模型。接下來，塊312分析來自存儲器310的時間片數(shù)據(jù)，并為每個所定義的過程狀態(tài)開發(fā)一組過程參數(shù)和質(zhì)量參數(shù)。對于每個特定的過程狀態(tài)的該過程參數(shù)均值將對每個過程參數(shù)包括，狀態(tài)參數(shù)值落入該特定過程狀態(tài)的所有時間片的、過程參數(shù)的值的均值。類似地，對各特定過程狀態(tài)的質(zhì)量參數(shù)均值將對每個質(zhì)量參數(shù)包括，狀態(tài)參數(shù)值落入該特定過程狀態(tài)的所有時間片的、質(zhì)量參數(shù)的值的均值。類似地，對各特定過程狀態(tài)的狀態(tài)參數(shù)均值將對每個狀態(tài)參數(shù)包括，狀態(tài)參數(shù)值落入該特定過程狀態(tài)的所有時間片的、狀態(tài)參數(shù)的值的均值。當(dāng)對各過程狀態(tài)的該過程狀態(tài)均值(即對于時間對準(zhǔn)的訓(xùn)練數(shù)據(jù))被從存儲在存儲器310的整個時間片組中確定之后，塊314確定用于各時間片的過程參數(shù)和質(zhì)量參數(shù)均值(時間片均值)，以為該時間片確定偏離該均值的一組偏差。如相對于圖3所描述的，塊314可以基于對時間片的狀態(tài)參數(shù)瞬時值進(jìn)行插值，來為該時間片的過程參數(shù)和質(zhì)量參數(shù)，確定兩個相鄰過程狀態(tài)的過程參數(shù)均值之間的插值方式。當(dāng)對于各時間片的均值被確定后，這些時間片均值被提供給塊316并在其中被使用，一起被提供和使用的還有來自存儲器310的對準(zhǔn)的時間片數(shù)據(jù)，從而為各時間片的各參數(shù)和質(zhì)量參數(shù)確定偏離該均值的偏差。偏離該均值的該組偏差(為各對準(zhǔn)的時間片建立的一組偏離該均值的偏差)接下來被提供給濾波塊318，該塊逐個對每個過程參數(shù)的，對偏離均值的偏差進(jìn)行濾波，以考慮該過程從一個狀態(tài)改變至另一個狀態(tài)的情況。一般地說，偏離均值的偏差可以通過使用一個低通濾波器而被濾波，該濾波時間常數(shù)被基于質(zhì)量參數(shù)對過程參數(shù)的變化發(fā)生響應(yīng)所需的時間多少而被設(shè)置。在一種情況下，最長的響應(yīng)時間可以被用來設(shè)置該濾波常數(shù)。該濾波常數(shù)一般對于所有的偏離均值的偏差是相同的。另外，如果需要，該濾波時間常數(shù)可以由用戶通過例如用戶接口305所選擇或指定。濾波后的離均差隨后被提供給模型生成模塊318，該模型生成模塊318使用這些值通過標(biāo)準(zhǔn)模型創(chuàng)建技術(shù)來產(chǎn)生質(zhì)量預(yù)測模型。如圖6a中示出的，模型生成模塊320創(chuàng)建pls模型322、nn模型324和mlr模型326中的一個或多個。一般而言，為每個被預(yù)測的質(zhì)量變量將會創(chuàng)建一個單獨(dú)的模型并且這些模型當(dāng)然可具有不同的過程參數(shù)輸入。模型生成模塊320可將一個或多個過程狀態(tài)平均值、過程狀態(tài)的定義(例如，定義不同過程狀態(tài)的狀態(tài)參數(shù)的范圍)、濾波時間常數(shù)和對于每個過程參數(shù)的時移值作為過程模型的一部分與模型一同存儲。圖6b示出了用于創(chuàng)建故障檢測模型的系統(tǒng)且該系統(tǒng)包括圖6a中示出的過程300、訓(xùn)練數(shù)據(jù)存儲器304和用戶接口305。然而，在此情形下，模塊412分析存儲器304中的原始訓(xùn)練數(shù)據(jù)的時間片數(shù)據(jù)來為每個定義的過程狀態(tài)創(chuàng)建一組過程參數(shù)和質(zhì)量參數(shù)平均值。對于每個過程參數(shù)，每個特定的過程狀態(tài)的過程參數(shù)平均值將包括所有時間片的狀態(tài)參數(shù)值落入特定的過程狀態(tài)范圍內(nèi)的時間片中的過程參數(shù)的值的平均值。同樣的，對于質(zhì)量參數(shù)，每個特定的過程狀態(tài)的質(zhì)量參數(shù)平均值將包括所有狀態(tài)參數(shù)落入過程狀態(tài)內(nèi)的時間片中的質(zhì)量參數(shù)的值的平均值。類似的，對于狀態(tài)參數(shù)，每個特定的過程狀態(tài)的狀態(tài)參數(shù)平均值將包括所有時間片的狀態(tài)參數(shù)落入特定的過程狀態(tài)內(nèi)的時間片中的狀態(tài)參數(shù)的值的平均值。當(dāng)已經(jīng)從存儲在存儲器304中的整組時間片(也即，訓(xùn)練數(shù)據(jù)的時間片)為每個過程狀態(tài)確定過程狀態(tài)平均值后，模塊414為每個時間片確定待使用的過程參數(shù)和質(zhì)量參數(shù)平均值(時間片平均值)用于為該時間片確定一組離均差。如圖3中所指出的，模塊414可基于時間片的狀態(tài)參數(shù)的瞬時值使用插值法來為該時間片中的每個過程參數(shù)和質(zhì)量參數(shù)確定在兩個相鄰的過程狀態(tài)的過程參數(shù)平均值之間進(jìn)行插值的方式。當(dāng)為每個時間片確定時間片平均值后，這些平均值連同來自訓(xùn)練數(shù)據(jù)存儲器304的時間片數(shù)據(jù)一起被提供給模塊416并在其中使用，從而為每個時間片的每個過程參數(shù)和質(zhì)量參數(shù)確定離均差。多組離均差(為每個時間片創(chuàng)建一組離均差)隨后被提供給濾波模塊418，該濾波模塊418濾波離均差以說明過程正從一個狀態(tài)變換到另一個狀態(tài)的情形。一般而言，離均差可使用具有時間常數(shù)的低通濾波器來濾波，該時間常數(shù)基于質(zhì)量參數(shù)響應(yīng)于過程參數(shù)中的變換所花費(fèi)的時間量設(shè)置。如有需要，濾波時間常數(shù)可由用戶通過例如用戶接口305來選擇或指定并且可與圖6a的濾波模塊318中使用的濾波時間常數(shù)相同。濾波后的離均差隨后被提供給模型生成模塊420，該模型生成模塊420使用這些值通過標(biāo)準(zhǔn)模型創(chuàng)建技術(shù)產(chǎn)生故障檢測模型。如圖6b中示出的，模型生成模塊420可創(chuàng)建一個或多個pca模型422。一般而言，為每個被檢測的故障將會生成一個單獨(dú)的pca模型并且這些模型當(dāng)然可具有不同的過程參數(shù)輸入。當(dāng)然，典型地，也可使用其他類型的質(zhì)量預(yù)測和故障檢測模型并且模型生成程序314和414可以任何期望的或已知的方式生成pld、nn、mlr和pca模型。然而，可以理解的，質(zhì)量預(yù)測和故障檢測模塊優(yōu)選地從整組訓(xùn)練數(shù)據(jù)生成，如果可能，其包括與過程300在所有預(yù)定義的過程狀態(tài)范圍上的操作相關(guān)聯(lián)的數(shù)據(jù)。在任何情況下，可為過程300創(chuàng)建一個單獨(dú)的pls模型、nn模型、mlr模型或pca模型以用于執(zhí)行每個質(zhì)量預(yù)測和故障檢測而無需為每個預(yù)定義的過程狀態(tài)開發(fā)單獨(dú)的模型?？梢岳斫獾?，根據(jù)標(biāo)準(zhǔn)的模型創(chuàng)建技術(shù)，pls、nn、mlr和pca模型將被生成為為過程300創(chuàng)建的典型的模型，除了之外這些模型也將包括與不同組的過程狀態(tài)中的每一個相關(guān)聯(lián)的一組過程狀態(tài)平均值，以及狀態(tài)參數(shù)的定義和限定不同的過程狀態(tài)的狀態(tài)參數(shù)范圍。在此情形下，每組過程狀態(tài)平均值將包括過程變量和數(shù)據(jù)被收集的狀態(tài)變量中的每一個的平均值以及在質(zhì)量預(yù)測模型中質(zhì)量參數(shù)的平均值。圖7描述了使用通過圖3的方法創(chuàng)建的質(zhì)量預(yù)測或故障檢測中的一個執(zhí)行例如圖6a和6b中的過程300的過程的運(yùn)行的在線分析的方法500的流程圖。特別地，模塊502收集并存儲來自過程的過程參數(shù)和狀態(tài)參數(shù)數(shù)據(jù)。(當(dāng)然，也可以收集質(zhì)量參數(shù)數(shù)據(jù)和故障數(shù)據(jù)，但是該操作對于使用通過圖3的技術(shù)創(chuàng)建的模型執(zhí)行過程的數(shù)據(jù)分析而言并非嚴(yán)格地必須的)。所收集的過程參數(shù)和狀態(tài)參數(shù)數(shù)據(jù)能夠?qū)崟r地從過程在線獲得，能夠經(jīng)由實(shí)驗(yàn)室或離線分析獲得，能夠經(jīng)由用戶輸入獲得或者能夠以任何其他期望的方式獲得。然后，如果所使用的模型是質(zhì)量預(yù)測模型，例如pls、nn或者mlr模型，那么模塊504使用由圖3中的模塊224確定的時移量時移過程參數(shù)和狀態(tài)參數(shù)。這些時移量可作為模型的一部分被存儲并且，如有需要，可從模型中獲取。因此，這些時移量通常與用于偏移數(shù)據(jù)的時間偏離量相同從而產(chǎn)生用于生成模型的時間對準(zhǔn)的數(shù)據(jù)片。模塊504以虛線示出，因?yàn)槿绻褂玫哪Ｐ褪枪收蠙z測模型例如pla模型，那么該模塊504將不被執(zhí)行。在任一情形下，模塊506從所收集的數(shù)據(jù)產(chǎn)生一組數(shù)據(jù)片并且，如有需要，將這些數(shù)據(jù)片存儲在存儲器中。如果所使用的模型是質(zhì)量預(yù)測模型，那么這些數(shù)據(jù)片是時移的數(shù)據(jù)片，因?yàn)檫@些數(shù)據(jù)片中的過程參數(shù)和狀態(tài)參數(shù)數(shù)據(jù)在時間上相互偏移。然而，如果所使用的模型是故障檢測模型，那么數(shù)據(jù)片直接從所收集的過程數(shù)據(jù)產(chǎn)生而無需相互在時間上偏移。然后，模塊508處理由模塊506產(chǎn)生的每個數(shù)據(jù)片來為每個數(shù)據(jù)片確定一組時間片平均值。特別地，模塊508使用作為模型的一部分存儲的過程狀態(tài)平均值和數(shù)據(jù)片中的過程參數(shù)的瞬時值來為該數(shù)據(jù)片確定一組時間片平均值。當(dāng)狀態(tài)參數(shù)是一個連續(xù)變量，模塊508可基于狀態(tài)參數(shù)的瞬時值和兩個最近的過程狀態(tài)平均值之間的距離從狀態(tài)參數(shù)的瞬時值確定一個插值因子，并且隨后可使用該插值因子為其他的過程參數(shù)(存儲在模型中)在過程狀態(tài)平均值之間進(jìn)行插值從而為這些其他的過程參數(shù)確定時間片平均值。如果狀態(tài)參數(shù)是離散變量，那么模塊508可簡單地基于時間片中的狀態(tài)參數(shù)的瞬時值確定待使用的該組過程狀態(tài)平均值。模塊508可將該些時間片平均值存儲在存儲器中。模塊509隨后使用時間片平均值和時間片的過程參數(shù)的瞬時值來為該時間片確定一組離均差。特別地，模塊509確定時間片的每一個過程參數(shù)的瞬時值和其各自的平均值之間的差值來為該時間片產(chǎn)生一組離均差。當(dāng)然，當(dāng)正被分析的過程被在線運(yùn)行時，模塊508和509運(yùn)行于每個數(shù)據(jù)片以產(chǎn)生一連串離均差。然后，模塊510濾波每串離均差(也即，為每個過程參數(shù)創(chuàng)建一串離均差作為模型的輸入)并且將濾波后的離均差提供給待處理的模型。模塊510可使用與創(chuàng)建模型時所使用的濾波技術(shù)相同類型的濾波技術(shù)并且因此可使用與在圖3的方法中所使用的濾波系數(shù)相同的濾波系數(shù)來濾波用于從一開始產(chǎn)生模型的離均差。這些濾波系數(shù)可作為模型的一部分被存儲并且因此可從該模型本身獲取。模塊512使用濾波后的離均差運(yùn)行模塊以產(chǎn)生例如質(zhì)量測量預(yù)測、故障檢測等形式的模型輸出。模塊514可運(yùn)行于模型的輸出以產(chǎn)生顯示給或者提供給用戶的警報(bào)或警告。特別地，模塊514可將模型的輸出與一個或多個預(yù)先設(shè)置或預(yù)先設(shè)定的閾值進(jìn)行比較以檢測高于或低于一個閾值的模型的一個輸出，并且隨后基于該比較設(shè)置一個警報(bào)或者警告。當(dāng)然，可替代地，其他類型的警報(bào)也可執(zhí)行于模型的輸出。圖8示出了可使用圖7的方法來對例如圖6a和6b的過程300的過程執(zhí)行在線數(shù)據(jù)分析的系統(tǒng)，其使用之前為分析過程300創(chuàng)建的模型601。特別地，如圖7中示出的，過程300運(yùn)行來產(chǎn)生以任何期望的方式測量或收集且可被存儲在存儲器602中的過程參數(shù)和狀態(tài)參數(shù)數(shù)據(jù)。在質(zhì)量預(yù)測被執(zhí)行的情形下，時移模塊604使用作為過程模型的一部分存儲的時移量(如來自圖7的模型601的線所指示的)來時移過程參數(shù)和狀態(tài)參數(shù)。這些時移量通常與用于偏移數(shù)據(jù)的時間偏離量相同從而產(chǎn)生用于生成模型的時間對準(zhǔn)的數(shù)據(jù)片。時移模塊604可將時移的或者時間對準(zhǔn)的數(shù)據(jù)作為時間對準(zhǔn)的數(shù)據(jù)片存儲在存儲器606中。如果模型601是故障檢測模型，那么時移模塊604是不需要的或者不被使用的。在任一情形下，平均值計(jì)算模塊608處理存儲在存儲器606中的每個時間對準(zhǔn)的數(shù)據(jù)片(在質(zhì)量預(yù)測系統(tǒng)的情形下)或處理從過程本身收集且存儲在存儲器602中的數(shù)據(jù)片(在故障檢測分析系統(tǒng)的情形下)來為每個數(shù)據(jù)片確定一組時間片平均值。特別地，模塊608使用作為模型601的一部分存儲的過程狀態(tài)平均值和數(shù)據(jù)片中的狀態(tài)參數(shù)的瞬時值來為該數(shù)據(jù)片確定一組時間片平均值。當(dāng)狀態(tài)參數(shù)是連續(xù)變量時，模塊608可基于狀態(tài)參數(shù)的瞬時值和兩個最近的過程狀態(tài)平均值之間的距離從狀態(tài)參數(shù)的瞬時值確定插值因子，并且隨后可使用該插值因子為其他的過程參數(shù)在過程狀態(tài)平均值(存儲在模型601中)之間進(jìn)行插值來為這些其他的過程參數(shù)確定時間片平均值。如果狀態(tài)參數(shù)是離散變量，那么模塊608可簡單地基于時間片中的狀態(tài)參數(shù)的瞬時值確定待使用的該組過程狀態(tài)平均值。模塊608可將時間片平均值存儲在與其關(guān)聯(lián)的存儲器中。偏差模塊609隨后使用時間片平均值和時間片的過程參數(shù)的瞬時值來為該時間片確定一組離均差。特別地，模塊609確定時間片的每個過程參數(shù)的瞬時值和其各自的平均值之間的差值來為該時間片產(chǎn)生一組離均差。當(dāng)然，由于正被分析的過程被在線運(yùn)行，因此模塊608和609運(yùn)行于每個數(shù)據(jù)片以產(chǎn)生一連串離均差。然后，濾波模塊610濾波每串離均差(也即，為每個過程參數(shù)創(chuàng)建一串離均差作為該模型的輸入)并將濾波后的離均差提供給待處理的模型。濾波模塊610可使用與創(chuàng)建模型601時所使用的濾波技術(shù)相同類型的濾波技術(shù)并且因此可使用與在圖3的方法中所使用的濾波系數(shù)相同的濾波系數(shù)來濾波用于從一開始產(chǎn)生模型601的離均差。這些濾波系數(shù)可作為模型601的一部分被存儲并且因此可從模型601本身獲取。模塊601隨后使用濾波后的離均差運(yùn)行或被執(zhí)行并且產(chǎn)生例如質(zhì)量測量預(yù)測、故障檢測等形式的模型輸出。警報(bào)模塊614可運(yùn)行于模型601的輸出以產(chǎn)生顯示給或者提供給用戶的警報(bào)或警告。特別地，警報(bào)模塊614可將模型601的輸出與一個或多個預(yù)先設(shè)置或預(yù)先設(shè)定的閾值進(jìn)行比較以檢測高于或低于一個閾值的模型601的一個輸出，并且隨后基于該比較設(shè)置一個警報(bào)或警告。當(dāng)然，可替代地，其它類型的警報(bào)也可執(zhí)行于模型的輸出。圖9示出了功能模塊700的結(jié)構(gòu)圖，該功能模塊700可被實(shí)施以使用通過此處描述的技術(shù)創(chuàng)建的一組統(tǒng)計(jì)過程模型來執(zhí)行質(zhì)量預(yù)測和/或故障檢測。如有需要，可在用戶接口中、在控制系統(tǒng)內(nèi)的過程控制器中、或者甚至在位于過程控制系統(tǒng)內(nèi)(例如，圖1和圖2中的任一過程控制系統(tǒng)內(nèi))的現(xiàn)場設(shè)備中執(zhí)行或?qū)嵤┕δ苣K700。功能模塊700，此處被稱作數(shù)據(jù)分析(da)功能模塊，其能夠被配置成可由使用者以與過程控制系統(tǒng)中的其它功能模塊相同或相似的方式使用并觀察，由此使得da功能模塊700可兼容并容易集成到過程控制系統(tǒng)，功能模塊700用來在該過程控制系統(tǒng)中執(zhí)行數(shù)據(jù)分析。盡管功能模塊700被顯示為在同一組過程輸入?yún)?shù)和狀態(tài)參數(shù)上執(zhí)行質(zhì)量預(yù)測和故障檢測，但是功能模塊700可代替地能夠執(zhí)行質(zhì)量預(yù)測或故障檢測中的一個，而不需要執(zhí)行兩個。此外，盡管功能模塊700被描述為基于一組輸入?yún)?shù)和狀態(tài)參數(shù)來執(zhí)行單一類型的質(zhì)量預(yù)測和故障檢測，但是模塊700可包括多組模型并能夠執(zhí)行多種類型的質(zhì)量預(yù)測和故障檢測。然而，為了便于使用和配置，優(yōu)選的，為需要執(zhí)行的每個不同類型的質(zhì)量預(yù)測/故障檢測創(chuàng)建并執(zhí)行不同的功能模塊700。圖9的da功能模塊700的參數(shù)可包括典型的功能模塊參數(shù)，并另外可包括下面描述的數(shù)個新參數(shù)和特征。一般而言，da功能模塊700包括建模模塊702和警報(bào)模塊704，其分別包括一組輸入和輸出。到建模模塊702的輸入包括數(shù)個過程參數(shù)和狀態(tài)參數(shù)輸入706、算法輸入708、延遲輸入710、樣本輸入712和跟隨輸入714。過程參數(shù)和狀態(tài)參數(shù)輸入706被可通信地連接到過程控制系統(tǒng)中的其它功能模塊或裝置，并從其接收在數(shù)據(jù)分析中使用的過程參數(shù)和狀態(tài)參數(shù)的測量的值或確定的值，用來進(jìn)行質(zhì)量預(yù)測和故障檢測。算法輸入708是枚舉參數(shù)，其指示在模型中使用的建模算法的類型。算法輸入708可指定例如功能模塊700執(zhí)行mlr、pls、pls-da和nn預(yù)測建模中的一個。樣本輸入712接收確定的質(zhì)量樣本，該樣本可從過程的例如實(shí)驗(yàn)室測量等測量來獲得，延遲輸入710接收指示當(dāng)前時間和獲得提供在樣本輸入712處的樣本的時間之間的延遲的特定延遲。樣本輸入712和延遲輸入710可用來校正在由功能模塊700進(jìn)行的預(yù)測中的偏置誤差。跟隨輸入714是一個可用來使功能模塊700的質(zhì)量預(yù)測程序的輸出簡單地跟隨樣本輸入712處提供的樣本測量的輸入。一般而言，建模模塊702包括接口720，該接口720接收并存儲過程參數(shù)和狀態(tài)參數(shù)輸入706并提供這些輸入用來執(zhí)行質(zhì)量預(yù)測和故障檢測。特別地，接口720被連接到延遲模塊722，并向延遲模塊722提供過程參數(shù)值和狀態(tài)參數(shù)值，在質(zhì)量模型創(chuàng)建時時，該延遲模塊722將各個輸入延遲為質(zhì)量模型設(shè)置或確定的延遲或時移量。這些延遲可從內(nèi)存文件724提供，該內(nèi)存文件724存儲過程參數(shù)時移以及包括模型過程狀態(tài)平均值、過濾系數(shù)和用來執(zhí)行該模型的模型參數(shù)或模型系數(shù)的其它模型參數(shù)。質(zhì)量預(yù)測建模模塊726隨后使用由延遲模塊722產(chǎn)生的延遲的或時間對準(zhǔn)的數(shù)據(jù)片、來自接口720的測量的參數(shù)值、過程狀態(tài)平均值、過濾系數(shù)和模型系數(shù)(所有來自模型文件724)來以上面結(jié)合圖7和8描述的方式執(zhí)行質(zhì)量預(yù)測。質(zhì)量預(yù)測建模模塊726可產(chǎn)生未來預(yù)測(在一個時間范圍內(nèi))并可產(chǎn)生當(dāng)前預(yù)測，該未來預(yù)測被提供到標(biāo)記為future的功能模塊700的輸出，而該當(dāng)前預(yù)測被提供到標(biāo)記為out的功能模塊700的輸出。當(dāng)然，如有需要，使用由模型文件724存儲或提供的模型參數(shù)或模型系數(shù)，質(zhì)量預(yù)測建模模塊726可被編程或設(shè)計(jì)來執(zhí)行由算法輸入708所指定的不同模型中的任一模型。但是，偏置校正或補(bǔ)償可執(zhí)行于提供到功能模塊700的future和out輸出的預(yù)測值。特別地，延遲單元730將預(yù)測的質(zhì)量輸出延遲在延遲輸入710處指定的延遲量，求和模塊732確定質(zhì)量預(yù)測建模模塊726的延遲的預(yù)測的當(dāng)前輸出和在樣本輸入712處提供的樣本測量之間的差值。限制模塊734使用校正限制輸入(例如，可由使用者或功能模塊設(shè)計(jì)者來指定)限制該差值，然后濾波器735使用校正濾波系數(shù)或參數(shù)(例如，也可以由使用者或功能模塊設(shè)計(jì)者來指定)來濾波限制模塊732的輸出。濾波器735的輸出是偏置校正，該校正被提供到偏置使能開關(guān)736，該開關(guān)可由使用者或過程控制系統(tǒng)中產(chǎn)生的其它自動輸入來接通或斷開。如果偏置使能開關(guān)736被接通并使能，加法器模塊740和742將偏置校正加到由質(zhì)量預(yù)測建模模塊726產(chǎn)生的當(dāng)前預(yù)測和未來預(yù)測值上。由跟隨輸入714運(yùn)行或控制的開關(guān)744在將模塊726的偏置校正的當(dāng)前輸出或在樣本輸入712處提供的樣本值連接到功能模塊700的out輸出之間轉(zhuǎn)換。因此，跟隨輸入714使得功能模塊700的out輸出跟隨在樣本輸入712處提供的樣本值。此外，由模式信號控制的模式開關(guān)746控制是否在功能模塊700的out輸出處提供任何輸出。模式開關(guān)746可被用來基于功能模塊700或可使用功能模塊700的輸出的一些其它功能模塊的模式來使功能模塊700的當(dāng)前質(zhì)量輸出預(yù)測失效。因此，當(dāng)屬于或由功能模塊700模擬的過程控制系統(tǒng)的一部分例如處于服務(wù)模式、異常模式、手動模式等以外時，模式開關(guān)746使得功能模塊700的輸出失效或未連接。進(jìn)一步地，故障檢測模塊750被連接到接口702，并且接收過程參數(shù)和狀態(tài)參數(shù)輸入并使用這些輸入和來自模型文件724的狀態(tài)平均值以及其它模型信息以上面結(jié)合圖7和圖8描述的方式來執(zhí)行故障檢測。模塊750的輸出包括模塊誤差輸出、stat_t2輸出和stat_q輸出。該模塊誤差輸出是由故障檢測模塊750模擬或確定的誤差或故障檢測輸出，并且在用于故障檢測時是典型的pca模型輸出。stat-t2參數(shù)是只讀浮點(diǎn)數(shù)，其顯示在故障檢測中使用的pca模型的t2統(tǒng)計(jì)量。stat_q是只讀浮點(diǎn)數(shù)，其顯示在故障檢測中使用的pca模型的q統(tǒng)計(jì)量。stat-t2輸出和stat_q統(tǒng)計(jì)量通常由例如pca模型等預(yù)測的模型來產(chǎn)生，并且一般用來預(yù)測性警報(bào)。當(dāng)然，如由需要，使用由模型文件724存儲和提供的模型參數(shù)或模型系數(shù)，故障檢測建模模塊750可被編程或設(shè)計(jì)來執(zhí)行不同類型的模型中的任一模型。在任何情形下，如圖9所示，模塊誤差、stat-t2和q統(tǒng)計(jì)量和當(dāng)前質(zhì)量預(yù)測值(其可具有施加到其上的偏置校正)一起被提供到警報(bào)模塊704。警報(bào)模塊704還將t2_lim、q_lim、lo_lim和hi_lim接收為輸入?yún)?shù)，t2_lim是故障檢測模塊750的計(jì)算的t2統(tǒng)計(jì)量的上警報(bào)極限，q_lim是計(jì)算的q統(tǒng)計(jì)量的上警報(bào)極限，lo_lim指定質(zhì)量預(yù)測的低警報(bào)極限(如有需要，其可設(shè)定到產(chǎn)品規(guī)范低極限)，hi_lim指定質(zhì)量預(yù)測的高警報(bào)極限(如有需要，其可設(shè)定到產(chǎn)品規(guī)范高極限)。進(jìn)一步地，警報(bào)模塊704的pred_act輸出被用來觸發(fā)關(guān)于質(zhì)量預(yù)測的警報(bào)，并且警報(bào)模塊704的fault_act輸出被用來觸發(fā)關(guān)于故障檢測的警報(bào)。當(dāng)然，警報(bào)模塊704可通過比較由質(zhì)量預(yù)測建模模塊726提供到其上的質(zhì)量預(yù)測值與lo-lim值和hi_lim值以確定質(zhì)量預(yù)測值是否超出(低于或者高于)這些極限值來確定警報(bào)觸發(fā)并在超出時可觸發(fā)在fault_act輸出處的警報(bào)。同樣的，警報(bào)模塊704可通過分別比較故障檢測模塊750的不同輸出、模塊誤差、stat_t2和stat_q與故障閾值、t2_lim和q_lim以確定任一故障檢測值是否達(dá)到或超出其極限值(或者模塊誤差值顯示故障)。如果達(dá)到或超出閾值，警報(bào)模塊704可觸發(fā)在fault_act輸出處的警報(bào)。如有需要，警報(bào)模塊和預(yù)測模塊726、750的任一或全部輸出可被提供到或存儲在歷史數(shù)據(jù)庫中，以易于獲取。附加地，如果需要，在使用運(yùn)用此處所描述的建模技術(shù)構(gòu)建或生成的質(zhì)量預(yù)測和故障檢測模型時，可以在線實(shí)現(xiàn)自適應(yīng)建模。特別地，可能出現(xiàn)以下情況，在該情況下，該建模系統(tǒng)一旦創(chuàng)建即運(yùn)行，以分析與收集用于在數(shù)據(jù)分析系統(tǒng)創(chuàng)建模型的過程訓(xùn)練數(shù)據(jù)期間經(jīng)歷的過程條件明顯不同的過程條件。例如，該過程可能經(jīng)受或經(jīng)歷不同的生產(chǎn)量，或該過程被用于生產(chǎn)新的產(chǎn)品等級，且因此該過程運(yùn)行在訓(xùn)練階段中未曾經(jīng)歷的條件下。在一個例子中，該過程未曾經(jīng)歷或運(yùn)行在一個或多個過程狀態(tài)之下，該些過程狀態(tài)是為了在收集訓(xùn)練數(shù)據(jù)階段的過程而限定的。在另一例子中，過程的過程狀態(tài)時基于訓(xùn)練期間的狀態(tài)參數(shù)的范圍來限定的，但是該過程可能進(jìn)入一個與由狀態(tài)參數(shù)確定的過程狀態(tài)相比新的且未限定的過程狀態(tài)。在其他情況下，可以確定，由于不同的周圍條件、過程設(shè)備的老化或一些其他的干擾變量(測量的或未測量的)的改變，從收集訓(xùn)練數(shù)據(jù)時起過程運(yùn)行會略微變化。在這些情況中，需使用模型校正來改進(jìn)數(shù)據(jù)分析系統(tǒng)的運(yùn)行。如下所述的自適應(yīng)建模將會用于補(bǔ)償這些情況而無需再生成基礎(chǔ)模型自身。特別地，在不改變在模型生成階段所開發(fā)的基礎(chǔ)過程模型的情況下，在此處所描述的系統(tǒng)中響應(yīng)于這些或其他的條件或情況來實(shí)施自適應(yīng)建模是可行的。特別地，通過確定從新收集的過程測量值中確定用于各過程狀態(tài)(原始地限定的過程狀態(tài)或新添加的過程狀態(tài))的一組新的過程狀態(tài)均值，然后將這些新的過程狀態(tài)均值作為模型的一部分予以存儲，用于實(shí)施模型校正的的過程狀態(tài)，來進(jìn)行模型校正。如果需要，將會為各個過程狀態(tài)計(jì)算標(biāo)準(zhǔn)差并存儲。因此，總體來說，通過實(shí)施已存儲在模型中的針對各個過程狀態(tài)的平均值(過程狀態(tài)均值)的自適應(yīng)來實(shí)施模型自適應(yīng)。在沒有模型自適應(yīng)的情況下，則需要在模型開發(fā)過程中收集覆蓋過程狀態(tài)的所有運(yùn)行范圍的數(shù)據(jù)?；诟鳒y量數(shù)據(jù)中所見的變化，運(yùn)行范圍可被劃分為可選數(shù)量的狀態(tài)(例如五個)。然而，利用模型自適應(yīng)，訓(xùn)練過程中所用的過程數(shù)據(jù)不必覆蓋過程的完整的運(yùn)行范圍，這是因?yàn)楫?dāng)過程進(jìn)入一個不同的過程狀態(tài)時，建模系統(tǒng)能夠在過程處于新的或改變的狀態(tài)的一段時間內(nèi)收集每個狀態(tài)參數(shù)和過程參數(shù)的過程數(shù)據(jù)，此后，建模系統(tǒng)能夠自動計(jì)算該過程處于新的或改變的過程狀態(tài)時的一段時間的狀態(tài)參數(shù)以及每個過程參數(shù)的平均值。這些平均值能夠被存儲于模型之中(以此來自適應(yīng)模型)，該模型用于在將來當(dāng)過程運(yùn)行于這些過程狀態(tài)時建模該過程。例如，如果指示過程生產(chǎn)量的流速被選擇為狀態(tài)參數(shù)，那么能夠初始地收集用于過程參數(shù)測量值的數(shù)據(jù)且用于模型開發(fā)，即使該狀態(tài)參數(shù)僅在流速的小的運(yùn)行區(qū)間上變化。對于這種情形，用戶能夠識別在其上狀態(tài)參數(shù)正常運(yùn)行的范圍。此處，在模型建立過程期間處理數(shù)據(jù)時，所收集的數(shù)據(jù)僅落入若干個可能的狀態(tài)(依用戶輸入的進(jìn)程范圍而定)。對于對其收集了過程參數(shù)數(shù)據(jù)的過程狀態(tài)，模型生成例程計(jì)算一組平均值。然而，對于對其在模型生成階段未收集過程參數(shù)數(shù)據(jù)的過程狀態(tài)，參數(shù)平均值能夠初始地被設(shè)置為一些任意值，例如，與最接近的已收集了數(shù)據(jù)的狀態(tài)的參數(shù)平均值相等的值。在使得該模型在建模系統(tǒng)內(nèi)在線了之后，當(dāng)狀態(tài)參數(shù)值的變化指示出對于一個過程狀態(tài)先前并未收集過數(shù)據(jù)時，那么該建模或數(shù)據(jù)分析系統(tǒng)能夠通過進(jìn)入自適應(yīng)階段來實(shí)施自適應(yīng)建模。特別地，在自適應(yīng)階段中，當(dāng)過程運(yùn)行在新的過程狀態(tài)中時將在線地收集過程參數(shù)數(shù)據(jù)和狀態(tài)參數(shù)數(shù)據(jù)。一段時間之后或在每次新的時間采樣之后，這個過程狀態(tài)的平均值將會基于該過程在新的過程狀態(tài)中運(yùn)行時所測量的過程參數(shù)和狀態(tài)參數(shù)數(shù)據(jù)的值來更新。對于每個過程狀態(tài)，用戶能夠指定是否允許該均值的自適應(yīng)。如果用戶指定自適應(yīng)是允許的，那么該功能也能夠被用于更新模型(以解釋過程改變)。為防止如果過程關(guān)閉平均值被自適應(yīng)為錯誤的值，用戶能夠通過過程狀態(tài)基礎(chǔ)來查看或考慮過程狀態(tài)上的所計(jì)算的平均值，并限定均值的何等程度的自適應(yīng)(例如，允許百分之一的改變)能夠引起相對于已由用戶批準(zhǔn)的和/或在模型開發(fā)時已識別的數(shù)值發(fā)生的改變。如果需要，將以預(yù)定的方式或非預(yù)定的方式實(shí)施在線模型自適應(yīng)。例如，當(dāng)因產(chǎn)品等級或加工速率變化而需要對部分或大部分過程參數(shù)進(jìn)行重新設(shè)置時，模型參數(shù)能夠以預(yù)定的方式進(jìn)行校正，也即，如果對于新的等級(平均值及標(biāo)注差)的過程狀態(tài)和參數(shù)設(shè)置已知，能夠一次性地進(jìn)行全部校正。然而，如果針對一個或多個新的狀態(tài)的平均值和過程狀態(tài)值未知時，能夠逐漸地自適應(yīng)這些值，以實(shí)現(xiàn)新的參數(shù)平均值。在一個例子中，預(yù)定的模型的改變能夠基于對于新產(chǎn)品等級的過程狀態(tài)的現(xiàn)有知識來實(shí)施，新產(chǎn)品等級的知識能夠通過在線測量獲得并被存儲直至預(yù)定的模型自適應(yīng)過程被實(shí)施為止。用于開發(fā)適用于應(yīng)用預(yù)定的改變或預(yù)定的自適應(yīng)的模型的程序首先將一個等級或過程狀態(tài)識別參數(shù)包含在歷史數(shù)據(jù)的集合中，并且在數(shù)據(jù)可用時為該新等級或過程狀態(tài)存儲數(shù)據(jù)。該程序此后能夠利用新收集的的數(shù)據(jù)對訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理，說明各個等級。在這種情況下，該程序?yàn)槊總€等級單獨(dú)地計(jì)算平均值及標(biāo)準(zhǔn)差。隨后該程序?qū)⑹褂脤τ谶@些等級特定的等級平均值及標(biāo)準(zhǔn)差來對各個等級單獨(dú)地標(biāo)準(zhǔn)化數(shù)據(jù)。隨后，建模技術(shù)將使用來自多個等級的數(shù)據(jù)來開發(fā)模型。由于數(shù)據(jù)受平均值及標(biāo)準(zhǔn)差的制約，所以約束的/標(biāo)準(zhǔn)化的數(shù)據(jù)能夠被用于通用的多等級的模型開發(fā)。下一步，該方法將針對每個等級存儲用于開發(fā)作為多等級的模型的一部分的模型平均值和標(biāo)準(zhǔn)差。然而，運(yùn)行非預(yù)定的模型自適應(yīng)的實(shí)施，以在已改變的或新的狀態(tài)時計(jì)算在線的平均值和標(biāo)準(zhǔn)差，并在新的值確定時將這些平均值和標(biāo)準(zhǔn)差分別應(yīng)用于模型。在新狀態(tài)起初未被包含在模型中時(例如對于該特定的過程狀態(tài)沒有歷史或訓(xùn)練數(shù)據(jù))，使用非預(yù)定的模型自適應(yīng)。過程狀態(tài)的改變能夠被自動地檢測出來，并且該檢測將觸發(fā)自適應(yīng)建模技術(shù)，以實(shí)施模型的平均值和標(biāo)準(zhǔn)差的改變。如果新的狀態(tài)參數(shù)未出現(xiàn)在模型中，那么自適應(yīng)的自適應(yīng)例程將基于當(dāng)前的在線數(shù)據(jù)收集和模型參數(shù)計(jì)算來校正模型。實(shí)際的被用作新的過程狀態(tài)的過程狀態(tài)均值的過程參數(shù)均值和狀態(tài)參數(shù)均值在過程狀態(tài)改變之后以一段延時應(yīng)用于該模型，因?yàn)樾枰欢ǖ臅r間來從過程的運(yùn)行中在線地收集足夠的數(shù)據(jù)，從而在新的過程狀態(tài)中為每個過程參數(shù)和狀態(tài)參數(shù)確定一個具有統(tǒng)計(jì)學(xué)意義的均值。該延時由連續(xù)的計(jì)算和校正時間來限定。如果需要，新的模型參數(shù)平均值將具有相對于最初的模型參數(shù)平均值的偏差。即，一個模型平均值偏差β能夠被當(dāng)作確定自適應(yīng)的均值的過濾值，公式如下：在此，未處理的均值是在在線運(yùn)行時限定的近期計(jì)算的偏差。對于因改變的條件(可能是因設(shè)備退化或其他的以可預(yù)測的或不可預(yù)測的方式而改變的因素引起的)而導(dǎo)致的過程狀態(tài)偏移，同樣的均值偏差參數(shù)可以如上文所述被用于過濾自適應(yīng)的均值。此外，對于其他的改變或干擾，一些平均值可能為常數(shù)和/或難以用實(shí)際的方式跟蹤。在這些情況下，期望增加模型的魯棒性或敏感性來最小化錯誤的警報(bào)。雖然上面討論的數(shù)據(jù)分析技術(shù)已被描述過可應(yīng)用于連續(xù)性分析(即在連續(xù)處理中實(shí)施分析)，但是此類技術(shù)同樣可用于簡單的批處理過程應(yīng)用，此時“分批時間”或其他指示批處理進(jìn)程的參數(shù)被用作狀態(tài)參數(shù)。在這種情況下，“簡單的批分批”過程意為：1)批處理被限定于一個過程單元、2)批處理的輸入/輸出在批處理進(jìn)行時不會改變和3)在該過程單元中總是制造同樣的產(chǎn)品。附加地，使得用戶更簡單地查看并獲得與在質(zhì)量預(yù)測或故障檢測時生成的警報(bào)或警示(例如在圖9中的數(shù)據(jù)分析功能模塊700所生成的警報(bào)或警示)相關(guān)的信息是值得期待的。特別地，在用戶界面上添加可以在其被選中時顯示由連續(xù)數(shù)據(jù)分析系統(tǒng)所報(bào)告的質(zhì)量或錯誤警示的警示標(biāo)簽是期望的。在該系統(tǒng)中，用戶能夠從此列表中選擇警報(bào)或警示，且響應(yīng)于該選擇，用戶將自動獲得與此警報(bào)或警示相關(guān)聯(lián)的歷史信息(例如預(yù)測值或引發(fā)警示的t2或q的統(tǒng)計(jì)值)、在警示發(fā)出之前和之后的相關(guān)參數(shù)的參數(shù)值等。該特性通過以下方式為用戶提供了顯著的時間節(jié)約：相較于用戶必須查找并回顧預(yù)測的質(zhì)量或錯誤統(tǒng)計(jì)(t2或q預(yù)測值等)的趨勢圖來查找錯誤的或差的預(yù)測，新的用戶界面可確保用戶看到所有已生成的警示，并立即看到與所選擇的警示(無需回顧不同的過程參數(shù)的趨勢顯示)相關(guān)聯(lián)的歷史數(shù)據(jù)。由于該用戶界面系統(tǒng)使得用戶易于查看關(guān)聯(lián)于與任何類型的已生成的警報(bào)有關(guān)的參數(shù)的歷史數(shù)據(jù)，所以其可以在任何可提供警報(bào)匯總顯示(此警報(bào)摘要顯示可確保用戶查看已檢測到的過程警報(bào))的過程控制系統(tǒng)的用戶界面中得到更廣泛的應(yīng)用。特別地，該用戶界面可被應(yīng)用于任何在過程警報(bào)或警示生成的環(huán)境中，并通過用戶界面屏幕或顯示器來向用戶提供警報(bào)或警示，并且新的用戶界面允許用戶快速地分析引起該警報(bào)或警示的條件，因?yàn)橄到y(tǒng)允許用戶在警示生成之前和之后無需查看歷史記錄界面而立即查看歷史過程參數(shù)的趨勢數(shù)據(jù)(其存儲在歷史數(shù)據(jù)中)、調(diào)閱與事件相關(guān)聯(lián)的參數(shù)然后在警示生成之前和之后及時地回顧以立即看到趨勢數(shù)據(jù)。作為一種比較方式，圖10示出了以下的方式，當(dāng)前在批處理控制系統(tǒng)中使用的一些傳統(tǒng)的用戶界面中以這樣的方式顯示和分析警示。在頂部示出了諸如批處理過程的激活的過程列表和已完成的批處理的列表。如果在其中某一進(jìn)程中有警示處于激活狀態(tài)，那么其將被顯示在概覽中(見屏幕902)。用戶接下來可以在該概覽中選擇一個批處理過程且之后(通過缺省值)用戶界面將變?yōu)轱@示用于故障檢測(見屏幕904)的兩種統(tǒng)計(jì)數(shù)據(jù)(pca模型的t2和q統(tǒng)計(jì))的歷史趨勢。若任意一個統(tǒng)計(jì)值超過值一(1)，則將其視為錯誤條件。為了檢查與錯誤相關(guān)聯(lián)的過程測量值，用戶需檢查兩種統(tǒng)計(jì)參數(shù)的歷史趨勢、找出統(tǒng)計(jì)值何時超過值一，并在顯示的趨勢上及時選擇那一點(diǎn)。作為回應(yīng)，用戶將看到對故障影響最大的測量值(見屏幕906及908)。類似地，當(dāng)在概覽上指示了質(zhì)量預(yù)測警報(bào)時，用戶將能夠選擇過程并隨后選擇質(zhì)量預(yù)測標(biāo)簽。作為回應(yīng)，用戶界面系統(tǒng)將顯示質(zhì)量參數(shù)的歷史趨勢(見屏幕910)。隨后用戶界面允許用戶檢查質(zhì)量參數(shù)趨勢，以確定該預(yù)測何時超過了產(chǎn)品規(guī)格限值。為了探究引起質(zhì)量預(yù)測誤差高于或低于規(guī)格限值的原因，用戶必須在趨勢線上及時選擇這個點(diǎn)，選擇故障檢測標(biāo)簽并檢查歷史趨勢來確定在質(zhì)量參數(shù)警報(bào)發(fā)出時是否檢測到故障。該傳統(tǒng)的探究警示條件的方法存在明顯的局限和缺點(diǎn)。特別地，在概覽中用戶僅知道警示當(dāng)前是激活的，而為了發(fā)現(xiàn)有關(guān)此前的警示的更多信息，用戶必須：1)選擇在過程故障檢測中使用的統(tǒng)計(jì)數(shù)據(jù)或質(zhì)量預(yù)測參數(shù)的統(tǒng)計(jì)數(shù)據(jù)的歷史趨勢、2)檢查該趨勢以確定警示何時發(fā)出，且隨后3)在趨勢上選擇警示發(fā)出的位置，以找出更多的與該警示條件相關(guān)的信息。此外，為找出所有過去已發(fā)出的警示，必須在統(tǒng)計(jì)參數(shù)趨勢圖或質(zhì)量預(yù)測趨勢圖上找出并選擇每個警示，該過程費(fèi)時且枯燥。事實(shí)上，對于連續(xù)處理或批處理，回顧趨勢歷史以找出警示條件何時激活都是費(fèi)時的。因此，簡單地分析所有過去的警示從而找出常見問題等并不可行。同樣，指示導(dǎo)致生產(chǎn)不合格產(chǎn)品的條件的警示也容易被忽視。此處所描述的新的用戶界面卻可以確保用戶可以檢測當(dāng)前激活的或過去已發(fā)出的警示。對于連續(xù)的數(shù)據(jù)分析應(yīng)用，警示將由產(chǎn)品的預(yù)期質(zhì)量超出用戶限定的或計(jì)算出的限值(如產(chǎn)品規(guī)格或置信區(qū)間限值)或已檢測到的(利用pca模型及其相關(guān)統(tǒng)計(jì))過程故障來觸發(fā)。更為特別地，新的用戶界面在用戶界面屏幕上提供了連續(xù)列表標(biāo)簽，且當(dāng)該標(biāo)簽被選擇時，將提供當(dāng)前安裝在控制系統(tǒng)中用于質(zhì)量預(yù)測和/或故障檢測的連續(xù)數(shù)據(jù)分析模塊(例如圖9中的cda模塊)的概覽。在此概覽中，各個cda模塊上次的質(zhì)量預(yù)測或過程錯誤都將顯示(如圖11a所示)。值得注意的是，用戶界面屏幕中已添加了警報(bào)歷史標(biāo)簽以使得用戶能夠查看所有已檢測到的數(shù)據(jù)分析警示。當(dāng)用戶選擇該標(biāo)簽時，用戶界面顯示當(dāng)前及過去的警示列表。圖11b中的示例性的用戶界面屏幕示出了過去僅有一(1)例警示的警報(bào)歷史視圖。總體來說，該概覽能夠包括許多過程故障及質(zhì)量控制參數(shù)預(yù)測警報(bào)。當(dāng)用戶選擇一覽表中的警示中的一個時，用戶界面隨之顯示出在警示發(fā)出時間前后相關(guān)的質(zhì)量參數(shù)預(yù)測或過程故障檢測趨勢。圖11c示出了用于過程故障的示例性的視圖。下一步，當(dāng)用戶選擇導(dǎo)致故障的參數(shù)中的一個時，用戶界面使用該故障發(fā)生時的參數(shù)數(shù)據(jù)來提供該參數(shù)(例如，參數(shù)趨勢圖)的歷史信息。在圖11d的屏幕圖像中示出了該操作。當(dāng)然，用戶界面系統(tǒng)可以從警示關(guān)聯(lián)的時期(例如警示生成時)的數(shù)據(jù)歷史訪問該數(shù)據(jù)。這種簡單地查看所有過去已生成的警示并簡單地訪問警示發(fā)生時的相關(guān)歷史信息的功能相比傳統(tǒng)的警報(bào)匯總界面具有很多優(yōu)勢，后者無法提供警示匯總，也不支持顯示警示發(fā)生時的相關(guān)的歷史信息。此外，除了此處描述的使用數(shù)據(jù)分析模塊的應(yīng)用外，圖11a-11d中示出的警示界面還有其他應(yīng)用。事實(shí)上，與此處描述為在連續(xù)的數(shù)據(jù)分析中實(shí)現(xiàn)的警示界面相關(guān)聯(lián)的概念能夠應(yīng)用于許多其他應(yīng)用。例如，在標(biāo)準(zhǔn)的deltavtm操作員界面中提供了“警報(bào)列表”按鈕。當(dāng)操作員選擇該按鈕時，將顯示如圖12a所示的當(dāng)前激活的警報(bào)列表。當(dāng)查看警報(bào)列表時，用戶無法簡單地訪問并檢查檢測到警報(bào)的時間前后的該警報(bào)中的過程參數(shù)的值。然而，使用此處所描述的用戶界面，警報(bào)列表顯示已被修改為支持在列表中被選擇的警報(bào)發(fā)生時的相關(guān)歷史信息的顯示，此項(xiàng)改進(jìn)使得用戶能夠更加簡單且快速地分析警報(bào)的來源。圖12b示出了該概念，此處用戶能夠看到警報(bào)列表并選擇警報(bào)來查看警報(bào)變量(例如用于生成警報(bào)的變量)的趨勢數(shù)據(jù)。附加地，如果警報(bào)中的測量值與其他參數(shù)相關(guān)聯(lián)，那么用戶界面可向用戶提供一個選項(xiàng)，該選項(xiàng)請求顯示警報(bào)發(fā)生前后相關(guān)聯(lián)的參數(shù)的歷史數(shù)據(jù)。例如，如果警報(bào)中的參數(shù)是pid模塊的pv或mpc模塊的輸入值等，那么將顯示在警報(bào)發(fā)生時間點(diǎn)前后分派到該歷史記錄的模塊的任意其他參數(shù)。在圖12c中示出了該顯示。由于警報(bào)發(fā)生時的相關(guān)歷史數(shù)據(jù)易于訪問并顯示，操作員能夠更加容易且快速地分析問題的來源。如上所述，上文所提及的示例方法和/或裝置的至少部分將通過在計(jì)算機(jī)處理器上運(yùn)行的一個或多個的軟件和/或固件來實(shí)現(xiàn)。然而，專用的硬件實(shí)現(xiàn)包括(但不限于)專用集成電路，可編程邏輯陣列和其他硬件設(shè)備，這些硬件設(shè)備同樣能夠被構(gòu)建來完全或部分地實(shí)現(xiàn)在此描述的示例方法和/或裝置中的全部或部分。此外，包括(但不限于)分布式處理或組件/對象分布式處理、并行處理或虛擬機(jī)處理在內(nèi)的替代性的軟件實(shí)現(xiàn)也能夠被構(gòu)建來實(shí)現(xiàn)此處所描述的示例方法和/或系統(tǒng)。應(yīng)當(dāng)注意，此處所描述的示例軟件和/或固件實(shí)現(xiàn)將被存儲在有形的存儲介質(zhì)上，例如磁性介質(zhì)(例如磁盤或磁帶)、磁光或光學(xué)介質(zhì)(如光盤)、或固態(tài)介質(zhì)(如記憶卡)或其他的包含一個或多個只讀(非易失的)存儲器、隨機(jī)存取存儲器、或其他的可重寫的(易失的)存儲器在內(nèi)的其他封裝。對應(yīng)地，此處所描述的示例軟件和/或固件可被存儲在諸如上文所述的介質(zhì)或以后的存儲介質(zhì)的有形的存儲介質(zhì)上。以上說明參照特定的標(biāo)準(zhǔn)及協(xié)議描述的示例組件和功能，但是應(yīng)當(dāng)理解該專利的范圍并不僅僅限于這些標(biāo)準(zhǔn)和協(xié)議。例如，互聯(lián)網(wǎng)和其他分組交換網(wǎng)絡(luò)傳輸(如交換控制協(xié)議(tcp)/互聯(lián)網(wǎng)協(xié)議(ip)、用戶數(shù)據(jù)報(bào)協(xié)議(udp)/ip，超文本標(biāo)記語言(html)，超文本傳送協(xié)議(http))的各個標(biāo)準(zhǔn)代表了當(dāng)前該領(lǐng)域的狀態(tài)的范例。這些標(biāo)準(zhǔn)定期由更快或更有效率的且具有總體類似功能的類似標(biāo)準(zhǔn)所取代。相應(yīng)地，具有相同功能的替換標(biāo)準(zhǔn)和協(xié)議是類似物，該類似物由該專利延伸出來并期望可以包含在從屬權(quán)利要求的范圍內(nèi)。附加地，盡管此專利公開了示例方法和裝置包括在硬件上執(zhí)行的軟件或固件，需要指出的是，這些系統(tǒng)僅僅是解釋性的而非限定性的。例如，任何或全部的硬件或軟件組件都被期望僅在硬件上、僅在軟件上、僅在固件上或在其他由硬件、固件和/或軟件的組合上實(shí)施。相應(yīng)的，盡管以上說明描述了示例方法、系統(tǒng)和/或機(jī)器可訪問介質(zhì)，但是這些示例并非實(shí)現(xiàn)這些系統(tǒng)、方法和/或機(jī)器可訪問介質(zhì)的唯一方式。因此，盡管在此處描述了確定的方法、系統(tǒng)和/或機(jī)器可訪問介質(zhì)，但是該專利的覆蓋范圍并不限于此。當(dāng)前第1頁12