예측 신뢰도를 사용하여 예측에 기반한 프로세스의 피드 포워드 제어를 최적화하는 방법은 무엇입니까?


7

다음과 같은 특성을 가진 생산 프로세스에 대한 제어 방법을 찾고 있습니다.

  • 1 제어 변수
  • 많은 공정 매개 변수 (+ 50)
  • 결과 변수 1 개
  • 30-90 초 지연으로 결과 변수의 연속 측정
  • 제어 변수와 결과 변수 간의 (비선형) 관계를 결정하는 수많은 요소와 프로세스를 제어하는 ​​복잡한 물리

일정한 프로세스 / 입력 매개 변수를 사용하면 결과 변수의 분포가 정상입니다.

제어 방법은 결과 변수가 최소값 이상이어야하고 결과 값의 평균이 가능한 한 한도에 가깝도록해야합니다. 하한선을 초과하면 제품이 더 비싸지 만 하한선 아래는 더 비쌉니다 : 제품이 폐기됩니다.

이제 다음을 시도해보고 싶습니다. 결과 변수에 원하는 값을 유도하는 컨트롤 변수를 예측하는 입력으로 일부 프로세스 매개 변수를 사용하여 통계 모델을 만들고 싶습니다. 컨트롤 변수의 값 옆에, 나는 또한 그 값의 '신뢰'또는 분포를 결정하기를 원한다. 그런 다음 제어 변수가 하한값 (예 : 3 시그마)을 초과해야하는 시간을 표시하고 싶습니다. 연속적으로 나는 제어 변수에 대한 설정 값을 주어진 값으로 설정하여 하한선 위의 주어진 부분을 얻고 싶습니다. 내가 상상 한 것을 설명하기 위해 아래 그림을 만들었습니다.

Feed forward Control Optimization based on prediction confidence

이 설정이 어떤 의미가 있다고 생각하십니까? 훨씬 단순한 확실한 대체 솔루션이 누락 되었습니까? 이것은 알려진 접근인가?


1
MPC (Model Predictive Control)로 시작할 수 있다고 생각합니다.
Coffee Driven Organism

네가 무엇을 요구하는지 모르겠다. 지연된 출력 변수와 몇 가지 알려진 매개 변수를 사용하여 시스템의 현재 상태를 예측하려고하십니까? 아니면 허용 범위 내에서 상태를 유지하면서 가장 효율적인 입력을 유지하도록 컨트롤러를 얻으려고합니까?
BarbalatsDilemma

답변:


0

이것은 답변보다 더 많은 코멘트이지만 아직 논평 할만한 평판이 충분하지 않습니다.

  • 제 1 원리 모델을 도출하는 것은 너무 복잡 할 수 있지만 이해할 수있는 좋은 통계 모델은 분명히 많은 좋은 데이터가 필요합니다. 많은 양의 데이터를 보유하는 것만으로는 충분하지 않으며, 입력 공간을 커버하기 위해 입력 변수가 자극되어야합니다. 일반적으로 산업 현장의 실제 데이터는 그렇지 않습니다. 대부분의 온라인 측정은 입력 공간의 동일한 지역에 가깝습니다

  • 왜 피드백 제어가 필요하지 않습니까? 피드백 제어를위한 모델이 필요하지 않습니다. (도움이 되기는하지만) 30 ~ 90 초는 대부분의 화학 공정에서 큰 지연이 아닙니다 (공정에 따라 다르며 화학 공정이 아닐 수도 있습니다)

  • 그렇지 않으면 많은 양의 데이터가 있고 좋은 데이터 기반 모델을 설정하는 경우 접근 방식이 효과적 일 수 있지만 모델을 자주 재조정해야합니다

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.