控制生产流程的方法.pdf

《控制生产流程的方法.pdf》由会员分享，可在线阅读，更多相关《控制生产流程的方法.pdf（12页完成版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 104081296 A (43)申请公布日 2014.10.01 C N 1 0 4 0 8 1 2 9 6 A (21)申请号 201280068494.6 (22)申请日 2012.02.02 G05B 13/04(2006.01) (71)申请人福斯分析股份公司 地址丹麦希勒罗德 (72)发明人波布克曼 波尔格雷格森 (74)专利代理机构北京安信方达知识产权代理 有限公司 11262 代理人张瑞 王漪 (54) 发明名称 控制生产流程的方法 (57) 摘要 一种对包括生物材料基质的形态修改的流程 步骤的生产流程进行控制的方法包括：获得在该 流程的多次生产运行中的。

2、每次生产运行过程中获 取的数字输入数据，该输入数据包括来自在该流 程内的一个或多个位置处与该基质已经交互过的 电磁或声谱的一部分内的辐射的信息和相关联的 生产运行的流程控制参数和生产事件数据；在计 算机中从该数字输入数据的多变量分析生成一个 预测模型，该模型使该信息直接与流程控制参数、 生产运行事件和流程控制设置中的一项或多项链 接；以及在该计算机中将该预测模型应用于从一 次新的生产运行获得的交互信息以生成该新的生 产运行的流程控制参数、流程控制事件和所预测 的生产运行事件中的一项或多项作为输出以便在 对该生产流程进行控制中使用。 (85)PCT国际申请进入国家阶段日 2014.07.30 (。

3、86)PCT国际申请的申请数据 PCT/EP2012/051729 2012.02.02 (87)PCT国际申请的公布数据 WO2013/113388 EN 2013.08.08 (51)Int.Cl. 权利要求书2页 说明书6页 附图3页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书6页 附图3页 (10)申请公布号 CN 104081296 A CN 104081296 A 1/2页 2 1.一种控制生产流程的方法，该生产流程包括一个形态修改流程步骤，在该步骤中使 用一个被适配成用于执行一次基于生物材料基质的给料的一种形态修改的形态修改装置， 该方法包。

4、括：获得在该流程的多次生产运行中的每次生产运行过程中获取的数字输入数 据，该输入数据包括来自在该流程内的一个或多个位置处与该给料交互过的探针辐射的信 息和相关联的生产运行的一个流程控制参数、一个流程控制设置和生产事件数据中的一项 或多项；从该数字输入数据的一次多变量分析生成一个或多个预测模型，其中，一个具体模 型使该交互探针辐射信息直接与一个具体流程控制参数、流程控制设置或生产运行事件链 接；使该一个或多个预测模型对一个数据处理器可用；在该流程的一次新的生产运行过程 中为一次给料获得交互探针辐射信息；以及在该数据处理器中将这些预测模型中的一个或 多个应用于所获得的交互探针辐射信息以生成该新的生。

5、产运行的一个流程控制参数、一个 流程控制设置和一个所预测的生产运行事件中的一项或多项作为输出。 2.如权利要求1所述的方法，其特征在于，这些输出包括一个流程控制参数、一个流程 控制设置和一个所预测的流程事件中的一项或多项以便实现该生产流程的一个目标性能， 并且其特征在于，该方法进一步包括使用这些输出控制该形态修改流程步骤。 3.如权利要求2所述的方法，其特征在于，控制该形态修改流程步骤包括对该形态修 改流程步骤中所使用的给料的供应速率或状况中的一项或两项进行控制。 4.如权利要求2所述的方法，其特征在于，控制该形态修改流程步骤包括对该形态修 改装置的操作进行控制。 5.如权利要求2所述的方法，。

6、其特征在于，该输出包括一个所预测的生产运行事件，并 且其特征在于，方法进一步包括生成一个从属感觉信号。 6.如权利要求1所述的方法，其特征在于，该形态修改装置包括以下各项中的一项或 多项：一个颗粒冲压单元；一个挤压机单元；一个扩张器单元；一个截断器单元；一个筛分 单元；以及一个研磨单元。 7.如权利要求1所述的方法，其特征在于，从该流程的一部分中在该形态修改装置之 前的一个位置获得该交互探针辐射信息。 8.如权利要求7所述的方法，其特征在于，该交互探针辐射信息用于该形态修改流程 步骤的一种前馈控制中。 9.如以上任何一项权利要求所述的方法，其特征在于，从电磁光谱的微波到X射线部 分内的辐射获得。

7、该交互探针辐射信息。 10.如权利要求9所述的方法，其特征在于，从电磁光谱的近红外线部分内的辐射获得 该交互探针辐射信息。 11.如权利要求9或权利要求10所述的方法，其特征在于，该交互探针辐射信息代表该 探针辐射的按照其波长的表达而标引的强度变化。 12.如以上任何一项权利要求所述的方法，其特征在于，该多变量分析包括应用于实施 从以下各项组成的组中的一项或多项中选择的方法的计算机算法中：多个导数；标准正态 变量；以及用于从该交互信息清除与该流程控制参数无关的效应的乘法信号校正；流程控 制设置或生产运行事件。 13.如权利要求12所述的方法，其特征在于，该多变量分析包括应用于实施从以下各 项组。

8、成的组中的一项或多项中选择的方法的计算机算法中：包括偏最小二乘法、主成分回 权 利 要 求 书CN 104081296 A 2/2页 3 归法、多元线性回归法、或岭回归法的线性建模算法；或者包括人工神经网络或支持向量机 以生成该预测模型的非线性建模算法。 14.如权利要求1至8中任一项所述的方法，其特征在于，从声谱的超声部分内的辐射 获得该交互探针辐射信息。 15.如权利要求1所述的方法，其特征在于，该方法包括一个将该数字输入数据存储在 一个可更新的电子数据库内的进一步的步骤，并且其特征在于，所述生成该预测模型的步 骤包括对所更新的所存储的数字输入数据进行一次多变量分析。 16.如以上任何一项。

9、权利要求所述的方法，其特征在于，该生物材料基质为一个从由 以下各项组成的组中选择的一个基本上生物的材料基质：一种食品基质；一种动物饲料基 质；一种宠物食品基质；一种水产饲料基质；一种生物质基质；以及任何以上基质的中间产 物或成分。 权 利 要 求 书CN 104081296 A 1/6页 4 控制生产流程的方法 0001 本发明涉及一种控制生产流程(并且具体地包括生物材料基质的形态修改的步 骤的流程)的方法。 0002 在本文件的余下部分中，除非另有具体说明或除非上下文另外要求，否则单数的 使用包括复数的使用，并且反之亦然。具体地并且为了避免混淆，旨在说明书中或权利要求 所述的元件前面的词语“。

10、一个”或“一种”不排除存在或保护多个这种元件。 0003 通常众所周知的是在生产流程过程中监控生物材料基质的化学和/或生物化学 成分和使用成分信息用于控制生产流程以便一致地实现生产流程的最终或中间产品的所 希望的成分目标。 0004 分析探针辐射交互与生物材料基质的交互作用的效应已经被成功地用作一种用 于化学成分的在线监控的手段。红外线(具体地近红外线)探针辐射的使用已经发现在此 方面中的广泛实际应用。已经明确确认近红外线辐射的吸收光谱图案非常经常包含关于辐 射已经与其交互的生物材料基质的信息。来自电磁光谱的其他部分(例如，X射线、微波或 可见光部分)、或来自超声的探针辐射也可以与生物材料基质。

11、进行交互并且由此被其修改。 因此，这种交互辐射将很可能也包含与生物材料基质相关的有用信息。 0005 生物材料基质的形态修改是许多生产流程的一个组成部分并且通常在工业生物 质、食品或饲料生产流程中发现。这种修改经常包括在破碎机、冲压机、截断器、扩张器或挤 压机单元中改变生物材料基质的形状、大小、粒度和/或密度，其中，成分变化小并且具有 间接性质。形态修改通常消耗生产流程所需的总能量的主要部分并且通过这种流程的正确 且精确控制可以实现潜在的经济效益。 0006 Lestander(莱斯坦德)、Johnsson(约翰逊)和Grothage(格罗特治)(生物资源 技术100(2009年)，1589-。

12、1594年)披露了光谱信息用于预测生物燃料生成流程中颗粒冲 压单元的能量消耗，该冲压单元将双组分生物材料基质(此处为两种不同类型的锯屑)用 作用于冲压的给料。从23使用三个因变量的析因实验(即，使用全因子实验设计)发展 出预测模型。第一因变量为一个生物材料参考样本集合的成分，这些生物材料参考样被人 为地构建成包含第一类型锯屑的100、55和10，与其他类型构成平衡。用于构建预测 模型的其他两个因变量为锯屑的含水量和干燥温度。近红外线辐射被用作探针辐射，并且 在该流程中为在颗粒冲压单元前面的一个位置处的每个参考样本记录光谱。然后，这些光 谱中的每个光谱与针对那个参考样本测量的颗粒冲压单元能量消耗。

13、相关。光谱信息被设置 为针对数据的多变量建模中的三个因变量的自变量，并且建立使光谱信息与能量消耗链接 的预测模型。 0007 与在流程控制中使用光谱信息的这种方法相关联的一个问题为需要使用所构建 的参考样本的实验以便发展或更新预测模型。实验设计中所需的组合随着生物材料基质的 复杂性增加而显著扩张。为了适应实际生产流程中所使用的生物材料基质的成分的新变 化，需要每次更新时设计和执行大型的且复杂的实验。这会引起保持预测模型更新的难度 增加。 0008 为了举例说明这种情况，考虑为生产型动物制造的配合饲料。这些饲料通常基于 说 明 书CN 104081296 A 2/6页 5 八种或更多种生物材料成。

14、份。配合饲料生产现场在任何给定时间将经常制造五十种或更多 种不同类型的配合饲料，所有都基于不同成份组合。不久后，通常一个月，将对这些配合饲 料进行重新配制以反映成份的可用性和/或成本的变化。在这种重新配制过程中，会停止 使用某些成份，其他成份可以投入使用并且具体饲料的成份的比例可以深刻地变化。此外， 可能需要在大量生产现场反映这些重新配制活动。为了实施遵循Lestander等人的流程控 制，将需要从涉及到为五十条产品线中的每条产品线构建的并且随着每次重新配置(即， 每月)而重复的128个参考样本(假设八种成分)的实验发展出预测模型。如果温度和含 水量也将要变化，则针对每条产品线，这将涉及到51。

15、2次实验性运行。这将最有可能引起相 当大的生产停工时间，因为生产线用于进行这些实验并且因此使这种方法的实际实施极 其困难和成本可能非常高。 0009 根据本发明，提供了一种控制生产流程的方法，该生产流程包括生物材料基质给 料的形态修改的流程步骤，该方法包括：获得在该流程的多次生产运行中的每次生产运行 过程中获取的数字输入数据，该输入数据包括来自探针辐射(通常来自在该流程内的一个 或多个位置处已经与给料交互过的电磁光谱部分内)的信息和相关联的生产运行的流程 控制参数和生产事件数据；从该数字输入数据的多变量分析生成多个预测模型，其中，具体 模型使该交互探针辐射信息直接与具体控制参数或生产事件链接；。

16、使这些预测模型对计算 机可用；在该流程的新的生产运行过程中为给料获得该交互探针辐射信息；以及在该计算 机中将所获得的交互探针辐射信息应用于这些模型以生成该新的生产运行的流程控制参 数和生产运行事件中的一项或两项的预测值作为输出；以及将这些预测值用于形态修改的 控制，通常为前馈控制。 0010 通过使用在实际生产运行过程中从适当定位的传感器和其他输入装置获得的交 互探针辐射信息、流程控制参数和生产运行事件发展预测模型，然后避免了特殊试验安排 和构建的参考样本。 0011 此外，由于预测模型的构建中所使用的生物材料基质为那些构成实际生产运行中 被处理的给料的基质，则主要地仅那些在实际和经济上可能处。

17、理的基质将在商业上用于建 模。此外，就与所讨论的生产现场相关的成份和流程而言，将对如此发展的预测模型进行优 化。因此，保证了这些模型的最可靠的性能。 0012 最方便地，经历过多变量分析的数据可以被存储在电子数据库中以便重复访问。 因此，当引入新的生物材料基质并且将其相关联的数据添加至数据库内时，预测模型可以 被构建成使得可以用新的生产运行数据相对容易地更新。 0013 在本发明的一个实施例中，计算机可以访问所希望的生产运行目标或流程控制设 置，或者被用户预编程到存储器中或被其输入，可以针对这种情况优化所预测的流程控制 参数或生产运行事件中的每一个。 0014 形态修改流程步骤可以包括或者单独。

18、地或者在单个外壳中向如颗粒冲压单元、截 断器单元、挤压机单元、扩张器单元、研磨单元的形态修改装置进给生物材料基质；或这些 当中任何的组合进给生物材料基质。可以从由以下各项组成的组中选择生物材料基质：生 产型动物饲料基质、食品基质、宠物食品基质、水产饲料基质；生物质基质、以及任何以上基 质的中间产物或成分。这些基质进而通常混合了众多具有不同特性的生物碱基成份。生 产型动物饲料基质的说明，这些成份可以是例如小麦、大麦、大米、玉米、其他谷类或其副产 说 明 书CN 104081296 A 3/6页 6 品，包括蒸馏器馏分；大豆、油菜籽、葵花子、其他油籽或其副产品；羽扇豆、豌豆、豆类、其 他干豆或其副。

19、产品；或鱼粉或肉类-以及动物或海洋源的骨粉或相似产品。 0015 有用地，生成预测模型的步骤可以包括使用数字输入数据生成预测模型，该数字 输入数据被选择成能够预测控制参数以便用于在给料被进给到形态修改装置内之前控制 其供应速率或状况(如温度)中的一项或两项。 0016 此外或可替代地，生成预测模型的步骤可以包括使用被选择成能够预测控制参数 以便用于控制形态修改装置本身的操作的数字输入数据生成预测模型。 0017 仅出于说明目的，现在将参照附图中的图示更加详细地描述本发明的将要在生产 型动物饲料的制造中使用的示例性实施例，其中：图1展示了颗粒状材料的生产的典型生 产流程的代表性部分；图2展示了根。

20、据本发明的监控生产流程的方法的实施例的流程图； 以及图3展示了建立可在图2的方法中使用的预测模型的方法的实施例。 0018 图1中展示了颗粒状材料(例如，此处为颗粒状动物饲料)的生产流程的部分2， 仅作为普遍性的代表。其已经被简化成用于能够更好地理解本发明。在本实施例中，提供 了料斗4以容纳将经历形态修改流程(此处为造粒)的生物材料基质给料。参照动物饲料， 这种给料通常为组成饲料块并且根据需要补充有微量养分(如矿物质和维生素)和膳食补 充品的若干成份的混合，例如，主要养分来源，如大豆、玉米或其他谷粒。将认识到，可以用 多种不同方式建立饲料，例如，单独的成分可以是成比例的并且被在线混合作为生产流。

21、程 的一部分，从而使得可以用如用于输送饲料的配料和混合装置的元件替换料斗4。 0019 安置了一个输送机(此处为变速螺旋输送机6)用于从料斗4接收给料以便将给 料运向调节单元8，给料将从那里传至形态修改装置10。仅以说明的方式，在本实施例中， 调节单元8为一个操作用于通过加热蒸气和/或将其引入给料内来对给料进行调节的蒸气 单元。在本实施例中，形态修改装置10被表现为颗粒冲压单元，包括一个转动平模颗粒冲 压机12和控制器14。此外或可替代地，装置10可以包括也操作用于修改给料的形态而基 本上不改变其成分的其他已知单元。这种单元可以是挤压机、扩张器、研磨、破碎或截断单 元或这些中任何的组合。提供调。

22、速器16作为螺旋输送机6的一部分以测量和调节给料从 料斗4被输送至调节单元8的速度。提供了温度调节器18作为调节单元8的一部分以测 量和调节给料被输出向形态修改装置10的温度。控制器14、调速器16和温度调节器18中 的一个或多个可操作地连接到流程控制计算机20，在本实施例中，该流程控制计算机被配 置成用于控制颗粒冲压机12、螺旋输送机6和调节单元8中的相关联的一个或多个的操作 以便调节与形态修改流程相关联的生产流程的至少部分2的吞吐量。 0020 举例来讲，在本实施例中，调速器16被适配成用于提供目前给料输送速度的测量 作为到计算机20内的数据处理器22的流程控制参数。存储器单元24对处理器。

23、22是可或 者远程或者本地访问的并且在本实施例中存储一个或多个预测模型。处理器22通过合适 的编程被适配成用于使用这些模型预测流程控制参数、流程控制设置(即，有待被控制以 便实现所希望的控制参数值的单元的设置)和生产运行事件中的一项或多项。在本实施例 中并且如以下将更全面描述的，存储器单元24保持处理器22可使用的至少一个预测模型 用于预测最佳速度设置(可替代地，本设置的必要偏差)或有待在螺旋输送机6中实施的 测量控制参数(此处为速度)以便实现所希望的目标，如造粒冲压机12的吞吐量、最终生 产的颗粒的能量消耗或物体特性中的一项或多项。在本实施例中，处理器22被适配成用于 说 明 书CN 104。

24、081296 A 4/6页 7 向调速器16提供基于预测值的控制信号以便其在螺旋输送机6的输送速度的适当调节中 使用。类似地，温度调节器18所测量的给料温度可以此外或可替代地被提供作为至计算机 20的数据处理器22的测量流程控制参数。适当的预测模型在数据处理器22中的应用将产 生调节单元20的实现造粒冲压机12的目标吞吐量所需的最佳温度设置、或本设置的必要 偏差的预测。可以再次将指示最佳温度设置的控制信号从处理器22提供至温度调节器18 以便其在调节单元8所供应的热量(此处通过蒸气调节)的调节中使用。 0021 将认识到，一个单元所监控的控制参数可以用于调节另一个单元的设置以便实现 目标。可能。

25、已经发展出存储器28中所存储的预测模型，当应用于处理器22中时，该预测模 型生成例如有待通过调速器16实施的速度设置以便作为目标实现与生产流程所生产的颗 粒相关联的所希望的物理特性，如细料的耐久性或量值。来自模型的速度设置取决于如温 度调节器18所测量的温度的流程控制参数。作为说明，螺旋输送机6的加速将引起给料更 快速地传递通过调节单元8。其结果是，给料花费更少的时间被加热，从而使得其在调节单 元8的输出端的温度将下降。 0022 仅举进一步的例子来讲，还提供了可操作地连接到处理器22上的显示单元24，可 以基于所预测的生产运行事件或当前生产运行的所预测的流程控制设置在该显示单元上 为操作员显。

26、示信息。然后，操作员可以手动地应用所显示的信息用于优化流程的控制。 0023 以下将更详细地描述在计算机20中的一个或多个预测模型的生成和其用于提供 所预测的流程控制设置和生产运行事件从一个或多个测量流程控制参数的预测中的任一 项或两项的使用方式。 0024 提供了分析器28用于将探针辐射(此处为电磁辐射)输送到给料内并且在其与 给料交互后检测所输送的探针辐射。分析器28被安排成用于通常在形态修改装置10之前 和最有用地在其设置要被控制的单元之前在生产流程中的一个位置输送电磁辐射，从而使 得该单元生成的信息可以用于那个单元的前馈控制。在本示例性实施例中，分析器28被安 装在流程线中以便在料斗4。

27、与螺旋输送机6之间的一个位置处将辐射耦合到给料内。通常， 分析器28可以被适配成耦合来自电磁光谱或声谱的可以与给料交互的任何一个或多个区 域的探针辐射，并且这些交互作用对其特性的变化是灵敏。这种电磁辐射区域可以有用地 包括微波、X射线、紫外线、可见光和/或红外线区域。这种声辐射区域可以是超声。 0025 具体地并且在本实施例中，分析器28被适配成用于将红外线探针辐射输送到给 料内。众所周知的是，中红外线和近红外线辐射区域趋向于对这种给料的特性的变化特别 敏感。 0026 分析器28以已知的方式被配置成用于检测其与生物材料基质给料交互后的红外 线探针辐射并且为处理器22生成光谱数据作为输出，为代。

28、表按照跨相关光谱区域的波长 的表达标引的所检测的红外线探针辐射的强度变化的信息。 0027 图2的流程图中展示了根据本发明的控制生产流程的方法的示例并且以下将具 体参照上述和图1中所示的生产流程部分对其进行更加详细的描述。一个或多个预测模型 被生成作为根据本发明的方法的一个第一步骤210，并且使得其对计算机20的处理器22是 可访问的。针对每个控制参数、设置和/或有待预测的生产运行事件生成单独的预测模型。 通常根据以下将参照图3的流程图更加详细描述的方法生成每个模型，并且每个模型将与 给料相关联的相同的交互光谱信息与有待预测的参数、设置和/或事件中的不同的一项链 说 明 书CN 1040812。

29、96 A 5/6页 8 接而不需要单独确定生物材料基质的成分信息。 0028 一旦已经建立了必要的预测模型，如图2的步骤220处所表现的，分析器28就在 生产流程中从有待控制的单元或多个单元6、8、10之前的一个位置获得来自新的生产运行 中的生物材料基质的光谱数据。此光谱数据在此步骤220被传递至计算机20的处理器22。 0029 在计算机20内执行步骤230，在该步骤，从存储器28中所存储的那些预测模型中 选择适当的预测模型并且其在处理器22中应用于在步骤220获得的交互信息。可以重复选 择和应用适当的预测模型的此步骤230直到已经预测了所有所需的参数、设置和事件。以 此方式，在步骤240生。

30、成相应的所预测的流程控制参数、设置或生产事件数据。这可以是例 如代表实现整个生产流程或其一部分的所希望的一个或多个目标所需的有待用于螺旋输 送机6的速度(测量控制参数)或有待用于达到给料温度(测量参数)的调节单元8的设 置的数字信号。目标可以是例如形态修改流程(此处为造粒)中的最佳吞吐量；形态流程 的能量消耗；或所希望的输出物理特性(此处为细料的颗粒耐久性或少量)。在其他实施 例中，可以在操作员手动地作用在其上的显示单元24上形象化地呈现所预测的控制参数、 设置或事件。此外或可替代地，可以在步骤240预测所预期的颗粒冲压单元10能量消耗、 所预期的单元10的吞吐量、或单元10的停止或堵塞的可能。

31、性的指示并且其被显示用于人 类感知、优选地用于后续手动动作。 0030 在步骤250，使用从步骤240输出的所生成的预测进行生产流程的自动或手动调 节。因为在流程线中在有待控制的单元6、8、10之前的一个位置从分析器28获得在步骤220 所获得的交互光谱信息，则最有益地，根据本发明的调节可以采取那个单元6、8、10的前馈 控制的形式。 0031 如图2中所示，根据本发明的控制生产流程的方法可以可选地包括使用在新的生 产运行过程中生成的交互光谱信息结合来自该新运行的流程控制参数和生产运行事件来 对这些预测模型中的一个或多个预测模型进行更新的步骤215。可以使用已知形式的数学 算法来确定是否可以用。

32、预测模型可靠地预测新的光谱信息或该新的信息是否应该用于更 新这些模型。如果需要，在新的生产流程的正常操作过程中使用在步骤220以类似方式收 集的光谱数据执行更新而不需要单独确定如新的生产运行中的给料所使用的那个生物材 料基质的成分信息。此交互信息与新的生产运行所需的生产流程信息相关，使用适当地定 位在该生产流程中的传感器以类似的方式收集该生产流程信息并且其被添加至这种相关 数据的现有数据库中，该数据在步骤210用于生成预测原始模型。然后，重复步骤210以实 质上如以下所描述的方式生成更新过的预测模型。 0032 根据本发明，在被编程为使用众所周知的利用或者线性或者非线性多变量分析的 化学计量技。

33、术的计算机20内建立每个预测模型。从而，生成数学算法(或预测模型)，通过 该数学算法，来自已经与生产流程内的一个或多个位置处的给料交互过的探针辐射的强度 信息与所希望的流程控制参数或生产运行事件相关。在本实施例中，使用了红外线(具体 地近红外线)光谱辐射。在本实施例中，使用如透射、反射、反射率、傅立叶转换或拉曼散射 技术的已知技术检测交互红外线光谱信息。 0033 然而，将认识到，在其他实施例中，可以在电磁光谱的其他波长区域(包括可见 光、X射线波长区域)处获得交互光谱信息或其可以通过其他分析技术(包括NMR、超声和 图像分析技术)来获得，其条件始终是这种辐射受到生物材料基质给料的确定有待预测。

34、的 说 明 书CN 104081296 A 6/6页 9 参数、设置或事件的特性的影响。可以在所讨论的信息上使用上述已知多变量分析技术通 过合理的试错法来验证这种影响的存在，以便确定交互信息与有待预测的参数、设置或事 件直接的相关度。 0034 在建立这种预测模型中的一个第一步骤310是生成一个数据库，其中，每条记录 代表一次生产运行并且该数据库被存储在存储器28中或以另外方式使得对处理器22是可 访问的。 0035 有待在那次生产运行中经历形态修改流程的给料的交互光谱信息被存储在该数 据库中，该交互光谱信息通常来自电磁光谱的红外线并且优选地近红外线部分内。该数据 库中的每条记录还包括对相关联。

35、的生产运行的相关流程控制参数、设置和生产运行事件进 行识别的信息。控制参数可以包括速度；设置可以包括实现所希望的控制参数所需的单元 设置；以及事件可以包括关于堵塞频率、给料配方、形态修改装置的能量消耗、或修改后的 给料或最终产品的物理特性的信息。可以用已知的方式从生产流程内的传感器自动收集这 种信息，其可以从另一个数据存储器被传输或可以被手动地输入并且可以通常与和给料的 形态修改相关联的生产流程内的单元6、8、10相关联。 0036 在步骤320，数据库的内容在计算机内经历多变量统计分析。在本示例中，这包括 从步骤310将数据库分成两个部分的步骤324。被用作校准数据集的第一且最大的部分在 步。

36、骤326经历多变量分析。第二部分在步骤328被用作验证集。将认识到，数据库的精确 使用和划分将取决于建立预测模型中所使用的具体分析技术。可选地，可以在计算机20内 进行步骤322，通过该步骤，交互光谱信息经历数据预处理。进行此内容主要用于消除来自 交互光谱信息的与流程控制参数或生产运行事件无关的效应。预处理步骤322使用从由以 下各项组成的组中选择的已知方法：导数、标准正态变量、和乘法信号校正。 0037 此流程步骤320的组合输出为在步骤330建立的并且提供输入交互光谱信息与所 希望的流程控制参数或设置或生产运行事件之间的数学关系的预测模型。此模型供计算机 20用于预测新生产运行中的给料的那。

37、个控制参数、设置或事件。然后，此预测输出可以用于 实现目标值所需的给料的形态修改的生产流程步骤的自动控制。此外或可替代地，预测输 出可以是操作员有待作用在其上以便控制流程的感觉信号。 0038 根据图2中所示的方法的实施例，来自生产运行的交互光谱信息可以和从同一次 生产运行获取的相关联的流程控制参数、设置和/或以及生产运行事件一起添加至在步骤 310生成的数据库。然后，更新过的数据库可以在计算机20中用于以上述方式建立更新过 的预测模型而不需要构建专门的参考样本或需要执行新的单独的实验。 0039 将认识到，在不脱离所要求保护的本发明的情况下，计算机20可以包括如图1的 实施例中所描述的单个单元，或其可以包括被适配成用于一起执行如上所述的计算机20 的操作的两个或更多个或者本地的或者彼此相互远离的子单元，并且认识到，在不脱离所 要求保护的本发明的情况下，输送机6、和/或调解单元8和/或形态修改单元10的功能性 可以组合在单个单元内。 说 明 书CN 104081296 A 1/3页 10 图1 说 明 书 附 图CN 104081296 A 10 2/3页 11 图2 说 明 书 附 图CN 104081296 A 11 3/3页 12 图3 说 明 书 附 图CN 104081296 A 12 。