[发明专利]用于监测过程的方法和系统

说明书

本发明公开了一种监测过程(1)的方法。本发明利用解释值。创建过程的ML模型。ML模型利用来自过程的测量结果作为ML模型的输入并形成模型输出。输入被分类成分组。针对每个输入来计算解释值，解释值指示输入对模型输出的贡献，并且计算每个分组的解释值的总和。监测计算的总和，每个总和指示所讨论分组的状态。

技术领域

本发明涉及过程的监测。该过程是例如水处理厂、造纸机等。

背景技术

现今，机器学习算法与系统一起使用，这些系统对类似造纸机或水处理的过程的行为进行建模、分析和估计。过程通常是多变量过程，因此进行大量测量，并且这些过程可能非常难以监测或理解。尤其当每天在线获得测量时，产生和处理大量的数据。

机器学习为系统提供了自动学习和通过经验得到改善而无需被显式编程的能力。因此，机器学习(ML)利用算法和统计模型，计算机系统使用算法和统计模型执行特定任务或多个任务而不使用显式指令。存在若干ML算法。在此仅提及它们中的一些：线性回归、逻辑回归、K-均值、前馈神经网络等。

ML算法的结果通常难以解释，特别是来自复杂过程的结果。因此，解释值用于帮助用户解释ML的结果。通过使用例如SHAP(Shapley加性解释)值、LIME方法或DeepLIFT方法来获得解释值。

仍然需要识别过程干扰的源或源头，对其进行监测。

发明内容

本发明的目的是提供一种监测过程的方式。本发明的另一目的是提供一种用于识别、任选地评估过程中的过程干扰源(或多个)或质量缺陷源的方法。本发明的另外的目的是一种使用关于干扰源/来源的信息控制该过程的方法。本发明利用解释值。过程的监测可自动完成。目标是以在独立权利要求中描述的方式实现的。从属权利要求说明了本发明的不同实施例。

一种用于监测过程和/或识别过程干扰源或质量缺陷源的创造性方法，包括用于创建过程的ML模型的预备步骤。ML模型利用来自过程的测量结果作为ML模型的输入并形成模型输出。该方法还包括用于将输入分类成分组的第二预备步骤。这可以利用包含关于输入如何属于分组的信息的预定数据库来完成。该方法具有计算步骤，用于计算每个输入的解释值，解释值指示输入对模型输出的贡献，并且用于计算每个分组的指示值的总和，指示值与解释值相关。进一步地，该方法包括监测步骤，用于监测所计算的总和，每个总和指示所讨论的分组的状态。可以以分组特定的方式来进行监测。分组可包括主分组和主分组中的子分组。该方法的输出可以用于该过程或该过程的子过程的手动或自动控制。

附图说明

在下面，通过参考所附附图更详细地描述本发明，其中：

图1示出了用于说明的ML建模的简单示例，

图2示出了根据本发明的方法的流程图示例，

图3示出了根据本发明的系统的示例，

图4示出了根据本发明的用于输入的主分组的计算总和的示例，

图5示出了根据本发明的主分组的子分组的计算总和的示例。

图6示出了用于具有预警和警报阈值(分别为较低和较高水平线)的化学分组计算的SHAP值的总和的示例

图7示出了将输入分组为主分组和子分组的示例。

具体实施方式

图1示出了用于说明的ML建模的简单示例。真实的模型可能要复杂得多，包含大量的变量。在图1中，X轴示出了一变量，例如，供应给造纸机的辊筒的电力。Y轴表示另一个变量，例如辊筒的旋转速度。这个简单的示例对这些变量之间的关系进行建模。随着供应电力的增加，旋转速度也随之增加。点1为被测旋转点，对应的X轴表示被测的供应电力。另一个示例可以是X轴示出了造纸机的水网(wire wate)中疏水污染物的量，以及Y轴示出了造纸机的洗涤间隔。