[发明专利]用于确定物质或材料的特性的装置和方法

说明书

本发明涉及一种装置和一种方法，以用于确定物质或材料的特性、尤其是粘接剂的粘性，其特征在于，模型(106)包括多个模块(A...Z)，所述模块构造成用于根据输入参量(S1...Sxx)处理数据，其中，所述多个模块(A...Z)中的模块(D)构造成用于确定输出参量(k1...kn)，所述输出参量表征物质或材料的特性，其中，在选择中能够选择所述输出参量(k1...kn)中的被确定的至少一个输出参量，其中，识别所述选择并且根据所述选择确定所述输入参量(S1...Sxx)中的至少一个输入参量，所述至少一个输入参量的数据由所述模型(106)处理，其中，选择所述模块(A...Z)中的至少一个模块以用于处理用于所述输入参量(S1...Sxx)中的至少一个输入参量的数据。

技术领域

本发明涉及一种用于确定物质或材料的特性的装置和方法。

背景技术

为了确保均匀的产品质量，也为了节省用于材料的费用，期望的是，提早识别例如在不同批次之间的由于未知波动产生的或者由于已知的操作或改变、例如通过产品掺杂产生的产品偏差。

发明内容

一种用于确定物质或材料的特性、尤其是粘接剂的粘性的方法设置为，模型包括多个模块，所述模块构造成根据输入参量处理数据，其中，所述多个模块中的一个模块构造成用于确定输出参量，所述输出参量表征物质或材料的特性，其中，在选择中可以选择所述输出参量中的被确定的至少一个输出参量，其中，识别所述选择并且根据所述选择确定所述输入参量的至少一个输入参量，所述至少一个输入参量的数据由模型处理，其中，选择所述模块中的至少一个模块以用于处理用于所述输入参量中的至少一个输入参量的数据。通过输入参量的根据要确定的特性的这种选择能够借助于传感的或分析的数据结合机器学习算法确定间接的过程和材料特征参量，所述过程和材料特征参量通过传统的评估方法不能得到。这能够实现，简单地、精确地和有利地识别产品偏差、操作或改变。

优选地，根据所述选择或者根据所述输入参量中的至少一个输入参量确定所述模块中的至少一个模块，所述至少一个模块根据所述输入参量中的至少一个输入参量的数据确定预处理的数据，其中，根据预处理的数据确定所述输出参量中的至少一个输出参量。由此选择数据预处理，所述数据预处理适配于待确定的特性或者相应的输入参量。这能够实现干扰参量消除、器具独立性或维度或特征选择。

一模块例如包括多个预限定的分类和/或回归模型，其中，根据所述选择，选择出至少一个分类模型和/或至少一个回归模型以用于确定所述输出参量中的至少一个输出参量。这种模块化的模型能够特别好地配置。

优选地，针对表征粘接剂的粘性的输出参量的确定而言，选择偏最小二乘回归。该模型可以在多维数据空间中良好地处理线形关系并且不那么倾向于过拟合

优选地，所述输入参量中的至少一个输入参量表征光谱数据、热分析方法数据或流变学方法数据。这些数据适于提供关于多种物质或材料的信息。由此所述模型可以多方面地使用。

优选地，针对表征粘接剂的粘性的输出参量的选择而言，选择以下输入参量，该输入参量表征中红外(FTIR)中的光谱数据。该输入参量包含非常多关于粘接剂的分子组分的信息并且由于数据的高纬度特别适用于机器学习的应用。

优选地，针对表征粘接剂的粘性的输出参量的选择而言，选择用于预处理至少一个输入参量的模块，所述模块包括用于使噪音最小化的Sawitzky-Golay过滤和和用于以计算的方式消除该输入参量的数据中的偏差的SNV变换。生成的预处理的数据特别好地适用于粘接剂的粘性的确定。

优选地，针对表征粘接剂的粘性的输出参量的选择而言，选择用于预处理至少一个输入参量的模块，所述模块构造成用于借助通过正交减法消除误差EROS来实施干扰参量消除。由此消除不来源于输出参量的不一致(Varianzen)。这提高模型的稳固性。