[go: up one dir, main page]

CN121007866A - 用于动态过程终点检测的基于乘性散射校正的分析 - Google Patents

用于动态过程终点检测的基于乘性散射校正的分析

Info

Publication number
CN121007866A
CN121007866A CN202510548834.4A CN202510548834A CN121007866A CN 121007866 A CN121007866 A CN 121007866A CN 202510548834 A CN202510548834 A CN 202510548834A CN 121007866 A CN121007866 A CN 121007866A
Authority
CN
China
Prior art keywords
parameter
iteration
dynamic process
endpoint
curves
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202510548834.4A
Other languages
English (en)
Inventor
孙岚
熊章民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Viavi Solutions Inc
Original Assignee
Viavi Solutions Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Viavi Solutions Inc filed Critical Viavi Solutions Inc
Publication of CN121007866A publication Critical patent/CN121007866A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G16B40/20—Supervised data analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8411—Application to online plant, process monitoring
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/129—Using chemometrical methods

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Artificial Intelligence (AREA)
  • Bioethics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本公开的实施例涉及用于动态过程终点检测的基于乘性散射校正的分析。在一些实现中，设备可以接收与动态过程的迭代相关联的光谱数据。该设备可以基于光谱数据，生成与动态过程的迭代相关联的参数曲线集。该参数曲线集中的每个参数曲线可以对应于物理信号的参数集中的与动态过程的迭代相关联的相应参数。该设备可以基于该参数曲线集，确定动态过程的迭代的终点。

Description

用于动态过程终点检测的基于乘性散射校正的分析
背景技术
动态过程(诸如混合过程(例如，与制造药品相关联的混合过程))可能涉及一个或多个状态转变，诸如从非稳定状态(例如，混合的异质状态，其中混合物的性质随时间变化)到稳定状态(例如，混合的均质状态，其中混合物的性质随时间基本保持不变)的转变。例如，混合过程可能涉及以下转变，其中混合物的光谱性质从非稳定状态(例如，在混合过程开始时)转变为稳定状态(例如，指示混合过程已完成)。
发明内容
在一些实现中，一种方法包括：由设备接收与动态过程的迭代相关联的光谱数据；由该设备基于光谱数据，生成与动态过程的迭代相关联的参数曲线集，其中参数曲线集中的每个参数曲线对应于物理信号的参数集中的与动态过程的迭代相关联的相应参数；以及基于参数曲线集，确定动态过程的迭代的终点。
在一些实现中，一种设备包括：一个或多个存储器；以及一个或多个处理器，耦合到一个或多个存储器，被配置为：获取与动态过程的迭代相关联的光谱数据；基于光谱数据，生成与动态过程的迭代相关联的参数曲线集，其中该参数曲线集使用乘性散射校正(MSC)模型来生成，该乘性散射校正(MSC)模型从光谱数据中提取参数曲线集；以及基于参数曲线集，确定动态过程的迭代的终点。
在一些实现中，一种非瞬态计算机可读介质存储指令集，该指令集包括：一个或多个指令，当由设备的一个或多个处理器执行时，使该设备：接收与动态过程的迭代相关联的光谱数据；基于光谱数据，生成与动态过程的迭代相关联的参数曲线集，其中该参数曲线集包括以下项中的至少一项：指示在动态过程的迭代期间的光散射的加性效应的参数的曲线，或指示在动态过程的迭代期间的光散射的乘性效应的参数的曲线；以及基于参数曲线集，确定动态过程的迭代的终点。
附图说明
图1A至图1I是如本文所述的与基于参数曲线集确定动态过程的迭代的终点相关联的图。
图2是其中可以实现本文所述系统和/或方法的示例环境的图。
图3是设备的示例组件的图，其可以对应于光谱仪、检测设备和/或用户设备。
图4是与基于参数曲线集确定动态过程的迭代的终点相关联的示例过程的流程图。
具体实施方式
以下对示例实现的详细描述参考附图。不同图中的相同附图标记可以标识相同或相似的元件。以下描述以光谱仪为例。然而，本文描述的技术、原理、程序和方法可以与任何传感器一起使用，包括但不限于其他光学传感器和光谱传感器。
如上面所提到的，动态过程可能涉及其中测试对象的光谱性质从非稳定状态转变为稳定状态的转变。例如，混合过程可能涉及其中材料混合物的光谱性质从非稳定状态(例如，材料混合物的性质随时间变化的状态)转变为稳定状态(例如，材料混合物的性质随时间基本保持不变的状态)的转变。稳定状态指示已实现混合。因此，基于测试对象的光谱性质准确且可靠地检测稳定状态既可以改善动态过程的性能(例如，通过确保充分混合)，也可以提高动态过程的效率(例如，通过使混合过程在混合完成后立即结束)。
基于光谱性质检测混合过程迭代终点的常规技术使用移动块分析，其可以包括使用例如移动块标准偏差(MBSD)、移动块平均值(MBM)、移动块相对标准偏差(MB-RSD)或移动F检验。移动块分析通常需要基于校准或历史数据选择针对此类变量(例如，MBSD和/或MBM)的阈值，以确定何时达到稳定状态。然而，在实践中，重现混合过程的相同迭代难以实现，特别是在混合过程的开发期间。这意味着选择用于终点检测的适当阈值具有挑战性，这可能导致终点检测不准确。
此外，基于光谱性质检测混合过程迭代终点的常规技术是基于混合材料的化学信号。然而，在混合期间，混合的不同材料的粒子会四处移动并逐渐混合在一起。这意味着(除了化学信号在混合过程的迭代期间发生变化之外)物理信号(诸如光散射信号)会在混合过程的迭代期间发生变化。因此，这种物理信号可以与检测混合过程的终点相关联地使用(例如，作为使用化学信号的替代或与使用化学信号互补)。
本文描述的一些实现提供了一种用于动态过程终点检测的基于乘性散射校正(MSC)的分析。也就是说，本文描述的技术和装置使得能够使用基于MSC的分析来确定动态过程(例如，混合过程)的迭代的终点。在一些实现中，设备可以接收与动态过程的迭代相关联的光谱数据。然后，该设备可以基于光谱数据，生成与动态过程的迭代相关联的参数曲线集。这里，每个参数曲线对应于物理信号的参数集中的与动态过程的迭代相关联的相应参数。然后，该设备可以基于该参数曲线集，确定动态过程的迭代的终点。
在一些实现中，本文所述的技术和装置利用在混合过程的迭代期间表现出的关于物理性质(例如，光散射)的变化，由此能够从物理角度(附加到化学角度或替代化学角度)提供与混合均匀性相关的信息。在一些实现中，本文所述的技术和装置可以用于补充使用化学信号的常规分析，由此提高终点检测的可靠性(例如，通过使检测到的终点能够得到验证或确认)。
在一些实现中，基于形状的技术可以与在使用基于MSC的技术对一个或多个迭代进行后分析期间确定动态过程的迭代的终点相关联地使用。这里，基于形状的技术不需要校准或历史数据，并且可以在不需要用户手动选择用于终点检测的阈值的情况下采用。在一些实现中，可以自动标识用于终点检测的阈值(例如，无需用户干预)，并且这些阈值可以用于(例如，实时或接近实时地)监测动态过程的未来迭代。值得注意的是，虽然本文中描述的示例是在混合过程的上下文中描述的，但这些技术和装置可以用于从非稳定状态向稳定状态进行的任何动态过程。下面描述了其他细节。
图1A至图1I是如本文所述的与基于参数曲线集确定动态过程的迭代的终点相关联的图。图1A是示出了与基于参数曲线集确定动态过程的迭代的终点相关联的示例实现100的图。如图1A所示，示例实现100包括光谱仪210、检测设备220和用户设备230。
如图1A的附图标记102所示，检测设备220可以接收与动态过程的迭代相关联的光谱数据。例如，如所示出的，光谱仪210可以在混合过程的迭代期间在给定时间测量光谱数据，并且可以将光谱数据提供给检测设备220。在一些实现中，光谱数据包括光谱仪210在混合过程的迭代期间测量的光谱(例如，多元时间序列数据，诸如近红外(NIR)光谱)。
在一些实现中，检测设备220可以在混合过程的迭代期间实时或接近实时地接收光谱数据。例如，检测设备220可以(相对于光谱仪210在混合过程期间获取光谱数据)实时或接近实时地接收由光谱仪210在混合过程的迭代期间测量的光谱数据。在一些实现中，检测设备220可以基于光谱数据，确定动态过程的迭代的终点，如本文所述。
在一些实现中，检测设备220可以预处理光谱数据。例如，原始光谱数据可以包括一定量的噪声、散射效应、伪影或其他类型的不需要的特征。因此，在一些实现中，检测设备220可以预处理光谱数据以减少光谱数据中的此类不需要的特征的存在或从光谱数据中移除此类不需要的特征。在一些实现中，检测设备220可以使用例如导数计算技术、标准正态变量(SNV)技术或MSC技术等对光谱数据进行预处理。
如附图标记104所示，检测设备220可以基于光谱数据，生成与动态过程的迭代相关联的参数曲线集。在一些实现中，检测设备220可以使用MSC模型生成该参数曲线集，该MSC模型被配置为从光谱数据中提取参数曲线集。例如，光谱数据可以包括在混合过程的迭代期间收集的NIR光谱的时间序列。如上面所提及的，常规分析利用从光谱数据中提取的化学信息来监测混合过程的迭代并确定终点(例如，达到混合均匀性的时间点)。然而，光谱时间序列的基线遵循以下模式进行变化，该模式可以归因于混合期间的材料的光散射。这是可以理解的，因为在混合期间，不同材料的粒子移动并逐渐混合在一起，从而导致光散射的变化。因此，混合过程的迭代可以通过监测表示光散射的物理信号在混合过程的整个迭代期间的变化来被监测。在一些实现中，MSC模型可以被配置为对光散射的加性效应(称为alpha(α)参数)、光散射的乘性效应(称为beta(β)参数)和/或与光散射相关联的另一种类型的参数进行建模。在一个示例中，NIR光谱xi理论上可以通过等式1来描述：
xi＝αi+βixi，chem+ei (1)
其中αi表示加性基线偏移，βi表示乘性效应，xi，chem是不含任何噪声或散射效应的理论光谱，以及ei表示描述随机测量噪声和等式1未明确描述的其他散射效应的误差向量。值得注意的是，虽然α和β参数在等式1中示出并在本文描述的示例中使用，但可以以类似的方式使用扩展MSC(EMSC)模型或包括附加或不同参数的其他类型的模型。
在一些实现中，参数曲线集中的每个参数曲线对应于物理信号的参数集中的与动态过程的迭代相关联的相应参数。例如，关于等式1，参数曲线集可以包括指示在动态过程的迭代期间的光散射的加性效应的参数的曲线(即，α曲线)。作为另一个示例，参数曲线集可以包括指示在动态过程的迭代期间的光散射的乘性效应的参数的曲线(即，β曲线)。
图1B至图1E是示出了与示例混合过程的三个迭代相关联的参数曲线的示例的图。图1B和图1C分别是使用MSC模型提取的、针对示例混合过程的三个迭代(例如，迭代A、迭代B和迭代C)中每一个的第一阶段混合的α和β曲线的图。图1D和图1E分别是使用MSC模型提取的、针对示例混合过程的三个迭代中每一个的第二阶段混合的α和β曲线的图。
回到图1A，如附图标记106所示，检测设备220可以基于参数曲线集，确定动态过程的迭代的终点。在一些实现中，检测设备220可以使用参数曲线集的基于形状的分析来确定动态过程的终点。在一些实现中，检测设备220可以使用与动态过程的迭代相关联的斜率阈值集来执行基于形状的分析。在一些实现中，检测设备220可以基于与参数曲线集相关联的斜率曲线集和与参数曲线集相关联的趋势集来标识斜率阈值集。
因此，在一些实现中，检测设备220可以基于参数曲线集，生成斜率曲线集。这里，斜率曲线集中的每个斜率曲线可以对应于参数曲线集中的相应参数曲线。因此，在一些实现中，检测设备220可以针对参数曲线集中的每个参数曲线生成斜率曲线。斜率曲线是表示在动态过程的迭代的持续时间内的参数曲线的斜率的曲线。在一些实现中，为了生成斜率曲线，检测设备220通过在滑动窗口中拟合低阶多项式回归模型，然后对回归模型进行微分，来计算沿参数曲线的整个长度(例如，在时间域中)的参数曲线的斜率。
在一些实现中，检测设备220可以在生成斜率曲线之前对参数曲线进行归一化。在一些实现中，对参数曲线(即来自具有不同值范围的不同迭代的参数曲线)进行归一化使得参数曲线在动态过程的不同迭代之间更具直接的可比性。检测设备220用于对参数曲线进行归一化的归一化技术可以是例如按范围归一化，或者可以是另一种类型的归一化技术。
图1F至图1I是示出了对应于与如上关于图1B至1E所述的示例动态过程的三个迭代相关联的参数曲线的斜率曲线的示例的图。
图1F和图1G分别是图1B和图1C中所示的α和β曲线的斜率曲线的图。图1H和图1I分别是图1D和图1E中所示的α和β曲线的斜率曲线的图。
给定参数曲线的平台期(即，当给定参数曲线的斜率接近零时)指示动态过程的迭代已达到稳定状态。因此，参数曲线的斜率接近零指示动态过程的迭代的终点(即，动态过程的迭代已达到稳定状态)。因此，需要选择斜率阈值集(例如，上斜率阈值和下斜率阈值)，其中该斜率阈值集限定值范围，在该值范围内，斜率被认为足够接近零，以便使用给定的斜率曲线确定动态过程的迭代的终点。在一些实现中，检测设备220可以基于与斜率曲线相关联的参数曲线的趋势来确定针对给定斜率曲线的斜率阈值集。
因此，在一些实现中，检测设备220可以确定参数曲线集中的参数曲线的趋势。参数曲线的趋势是对参数曲线是向上还是向下趋势的指示。在一些实现中，检测设备220可以基于斜率曲线的符号来确定参数曲线的趋势。例如，图1C所示的β曲线和图1D所示的α曲线呈向下趋势(例如，参数曲线具有整体负斜率)，而图1B所示的α曲线和图1E所示的β曲线呈向上趋势(例如，参数曲线具有整体正斜率)。
在一些实现中，检测设备220可以基于参数曲线的趋势和与参数曲线相关联的斜率曲线，标识与参数曲线相关联的斜率阈值集。在一些实现中，如果参数曲线的趋势指示参数曲线呈向上趋势，则检测设备220可以基于斜率曲线的最小值，确定斜率阈值集。在一些实现中，如果参数曲线的趋势指示参数曲线呈向下趋势，则检测设备220可以基于斜率曲线的最大值，确定斜率阈值集。在一些实现中，检测设备220可以确定与每个参数曲线相关联的斜率阈值集(例如，检测设备220可以确定与α参数曲线相关联的斜率阈值集和与β参数曲线相关联的斜率阈值集)。
值得注意的是，来自动态过程的迭代的早期阶段的光谱数据在一些情况下可能非常不稳定，因此不应与确定动态过程的迭代的终点相关联地使用。因此，在一些实现中，检测设备220可以基于光谱数据，标识光谱数据的起始时间点，以用于确定动态过程的迭代的终点。该时间点可以称为伪稳定状态。因此，在一些实现中，与生成参数曲线相关联的起始时间点位于光谱数据的经标识的起始时间点处或之后。
在一些实现中，检测设备220可以使用斜率阈值集基于斜率曲线来确定动态过程的迭代的终点。例如，在一些实现中，检测设备220可以基于终点标准集来确定终点。在一个示例中，终点标准集可以要求斜率曲线的一定数量的连续值中的特定百分比(例如，斜率曲线的特定数量的连续值的80％)在下斜率阈值和上斜率阈值内。在一些实现中，检测设备220可以针对每个参数曲线确定动态过程的迭代的终点(例如，检测设备220可以确定与α参数曲线相关联的终点和与β参数曲线相关联的终点)。也就是说，检测设备220在一些方面可以基于斜率曲线集和相关联的斜率阈值集来确定候选终点集，其中该候选终点集中的每个候选终点与该斜率曲线集中的相应斜率曲线相关联。然后，检测设备220可以基于该候选终点集来确定动态过程的迭代的终点。例如，检测设备220可以从该候选终点集中选择最保守(例如，时间上最晚)的终点作为使用基于形状的分析检测到的终点。
在一些实现中，可以将由检测设备220确定的基于MSC的终点与基于与同一光谱数据集相关联的化学信号而确定的终点进行比较。这里，检测设备220可以被配置为选择混合过程的迭代的最终终点作为基于MSC的终点或基于化学信号检测到的终点中最保守的(例如，时间上最晚的)。因此，在一些实现中，检测设备220可以基于物理信号来确定动态过程的迭代的第一候选终点，并且可以基于从光谱数据中提取的化学信号来确定动态过程的迭代的第二候选终点。检测设备220然后可以相应地选择第一候选终点或第二候选终点作为动态过程的迭代的最终终点。
附加地或者备选地，检测设备220可以基于参数曲线(例如，而不是基于参数曲线的斜率曲线)确定动态过程的迭代的终点。在这种实现中，检测设备220可以基于参数曲线集来标识与动态过程的迭代相关联的参数阈值集，并且可以基于参数曲线集和参数阈值集来确定动态过程的迭代的终点。在一些这样的实现中，使用参数曲线本身确定的终点可以被视为候选终点池中的候选终点，并且检测设备220可以如上所述地选择最终终点(例如，通过从基于MSC的终点、基于化学信号确定的终点和基于参数曲线本身确定的终点中选择最保守的终点)。
在一些实现中，检测设备220可以针对来自动态过程的单个迭代的单个斜率曲线执行终点检测。在这种实现中，检测设备220可以与确定终点相关联地使用预定义终点标准。在一个示例中，检测设备220可以确定斜率曲线的特定数量的连续值(例如，30个连续值)中的特定百分比(例如，80％)大于或等于下斜率阈值并且小于或等于上斜率阈值的时间点。
在一些实现中，检测设备220可以执行与动态过程的多个迭代相关联的终点检测。例如，可以针对动态过程的每个迭代单独执行上述过程，并且可以将具有特定特征(例如，最宽范围)的斜率阈值集标识为针对与动态过程相关联的每个参数的主斜率阈值集。然后，检测设备220可以使用(多个)斜率阈值主集来确定每个迭代的终点。例如，(多个)斜率阈值主集可以用于确定针对先前执行的迭代或稍后执行的迭代的终点(例如，用于实时或接近实时的终点检测)。
图1F至图1I示出了如上所提及的斜率曲线，以及使用上述基于形状的分析检测到的基于MSC的终点。图1F至图1I中示出的终点汇总在表1中：
表1
如表1所示，针对迭代A的第二阶段混合，基于β曲线确定的终点(例如35)略早于基于α曲线确定的终点(例如49)。针对迭代B的第一阶段混合，基于β曲线确定的终点(例如278)略晚于基于α曲线确定的终点(例如236)。这里，可以选择较为保守的结果(即较晚的终点)作为这些迭代的终点。
出于比较，使用基于化学信号的两种不同技术(例如滚动主成分分析(PCA)和MBM)确定的终点汇总于表2中：
表2
如表2所示，两种常规技术示出了相似的结果，其中对于迭代A和迭代B的第一阶段混合，确定的终点略早于使用基于MSC的技术确定的终点。
回到图1A，如附图标记108所示，检测设备220可以(可选地)提供对动态过程的迭代的终点的指示。例如，检测设备220可以向用户设备230提供对由检测设备220确定的动态过程的迭代的终点的指示。在一些实现中，检测设备220可以向用户设备230提供与终点相关联的信息，以例如在动态过程的稍后执行的迭代期间实现斜率阈值的可视化。
附加地或备选地，检测设备220可以提供或存储与斜率阈值集相关联的信息。例如，检测设备220可以存储对由检测设备220确定的斜率阈值集的指示(例如，使得该斜率阈值集可以用于检测稍后执行的动态过程的另一个迭代的终点)。作为另一个示例，检测设备220可以向用户设备230提供对斜率阈值集的指示(例如，以使得能够通过用户设备230可视化动态过程的演变)。
以此方式，检测设备220可以基于物理信号(例如，光散射的变化)确定动态过程的迭代的终点，由此从物理角度提供对混合均匀性的理解。在一些实现中，这种信息可以与基于化学信号获得的信息互补，由此提高终点检测的可靠性。此外，使用上述基于形状的方法，检测设备220可以在动态过程的一个或多个迭代的后分析期间自动确定基于MSC的终点，而无需校准或历史数据或用户手动选择终点检测阈值。在一些实现中，基于动态过程的一个或多个迭代的后分析的终点检测阈值可以用于(例如，实时或接近实时)监测动态过程的未来迭代。
如上面所指示的，图1A至图1I作为示例提供。其他示例是可能的，并且可能与关于图1A至图1I所描述的不同。
图2是其中可以实现本文描述的系统和/或方法的示例环境200的图。如图2所示，环境200可以包括一个或多个光谱仪210-1至210-n(n≥1)(本文统称为光谱仪210，单独称为光谱仪210)、检测设备220、用户设备230和网络240。环境200的设备可以通过有线连接、无线连接或有线和无线连接的组合来互连。
光谱仪210包括能够对样本(例如，与制造过程相关联的样本)执行光谱测量的设备。例如，光谱仪210可以包括执行光谱分析(例如振动光谱分析，诸如NIR光谱分析、中红外光谱分析(mid-IR)、拉曼光谱分析等)的台式(即非手持式)光谱仪设备、手持式光谱仪设备或便携式光谱仪设备。在一些实现中，光谱仪210可以被安装或包含在与执行动态过程的迭代相关联地使用的设备中。例如，光谱仪设备210在一些实现中可以被安装或以其他方式包含在用于执行混合过程的迭代的混合设备中。在一些实现中，光谱仪210可以能够提供由光谱仪210获取的光谱数据，以供另一设备(诸如检测设备220)进行分析。
检测设备220包括一个或多个以下设备，该设备能够执行与基于参数曲线集确定动态过程的迭代的终点相关联的一个或多个操作，如本文所述。例如，检测设备220可以包括服务器、一组服务器、计算机、云计算设备等。在一些实现中，检测设备220可以从环境200中的另一个设备(诸如光谱仪210和/或用户设备230)接收信息和/或向其发送信息。
用户设备230包括一个或多个以下设备，该设备能够接收、处理和/或提供与基于参数曲线集确定动态过程的迭代的终点相关联的信息，如本文所述。例如，用户设备230可以包括通信和计算设备，诸如台式计算机、移动电话(例如，智能手机、无线电话等)、膝上型计算机、平板电脑、手持式计算机、可穿戴通信设备(例如，智能手表、智能眼镜等)或类似类型的设备。
网络240包括一个或多个有线和/或无线网络。例如，网络240可以包括蜂窝网络(例如，5G网络、4G网络、长期演进(LTE)网络、3G网络、码分多址(CDMA)网络等)、公共陆地移动网络(PLMN)、局域网(LAN)、广域网(WAN)、城域网(MAN)、电话网络(例如，公共交换电话网(PSTN))、专用网络、自组织网络、内联网、互联网、基于光纤的网络、云计算网络等，和/或这些或其他类型网络的组合。
图2中所示的设备和网络的数目和布置作为示例提供。在实践中，相较于图2中所示的设备和/或网络，可以存在更多的设备和/或网络、更少的设备和/或网络、不同的设备和/或网络、或不同布置的设备和/或网络。此外，图2中所示的两个或更多个设备可以在单个设备内实现，或者图2中所示的单个设备可以实现为多个分布式设备。附加地或备选地，环境200的一组设备(例如，一个或多个设备)可以执行被描述为由环境200的另一组设备执行的一个或多个功能。
图3是设备300的示例组件的图，其可以对应于光谱仪210、检测设备220和/或用户设备230。在一些实现中，光谱仪210、检测设备220和/或用户设备230可以包括一个或多个设备300和/或设备300的一个或多个组件。如图3所示，设备300可以包括总线310、处理器320、存储器330、输入组件340、输出组件350和通信组件360。
总线310包括一个或多个以下组件，该组件使得设备300的组件之间能够进行有线和/或无线通信。总线310可以(诸如通过操作耦合、通信耦合、电子耦合和/或电耦合)将图3中的两个或更多个组件耦合在一起。处理器320包括中央处理单元、图形处理单元、微处理器、控制器、微控制器、数字信号处理器、现场可编程门阵列、专用集成电路和/或另一种类型的处理组件。处理器320以硬件、固件或硬件与软件的组合来实现。在一些实现中，处理器320包括一个或多个处理器，该处理器能够被编程以执行本文其他地方描述的一个或多个操作或过程。
存储器330包括易失性和/或非易失性存储器。例如，存储器330可以包括随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器和/或另一种类型的存储器(例如，闪存、磁性存储器和/或光学存储器)。存储器330可以包括内部存储器(例如，RAM、ROM或硬盘驱动器)和/或可移动存储器(例如，可通过通用串行总线连接移动)。存储器330可以是非瞬态计算机可读介质。存储器330存储与设备300的操作相关的信息、指令和/或软件(例如，一个或多个软件应用)。在一些实现中，存储器330包括一个或多个以下存储器，该存储器诸如通过总线310耦合到一个或多个处理器(例如，处理器320)。
输入组件340使得设备300能够接收输入，诸如用户输入和/或感测到的输入。例如，输入组件340可以包括触摸屏、键盘、小键盘、鼠标、按钮、麦克风、开关、传感器、全球定位系统传感器、加速度计、陀螺仪和/或致动器。输出组件350使得设备300能够(诸如通过显示器、扬声器和/或发光二极管)提供输出。通信组件360使得设备300能够通过有线连接和/或无线连接与其他设备通信。例如，通信组件360可以包括接收器、发射器、收发器、调制解调器、网络接口卡和/或天线。
设备300可以执行本文描述的一个或多个操作或过程。例如，非瞬态计算机可读介质(例如，存储器330)可以存储指令集(例如，一个或多个指令或代码)，以供处理器320执行。处理器320可以执行该指令集以执行本文所述的一个或多个操作或过程。在一些实现中，一个或多个处理器320执行该指令集使一个或多个处理器320和/或设备300执行本文所述的一个或多个操作或过程。在一些实现中，硬连线电路装置被用来代替或结合指令来执行本文所述的一个或多个操作或过程。附加地或备选地，处理器320可以被配置为执行本文所述的一个或多个操作或过程。因此，本文所述的实现不限于硬件电路装置和软件的任何特定组合。
图3中所示的组件的数目和布置作为示例提供。设备300可以包括与图3中所示的组件相比更多的组件、更少的组件、不同的组件或不同布置的组件。附加地或备选地，设备300的一组组件(例如，一个或多个组件)可以执行被描述为由设备300的另一组组件执行的一个或多个功能。
图4是与基于参数曲线集确定动态过程的迭代的终点相关联的示例过程400的流程图。在一些实现中，图4中的一个或多个过程块由设备(例如，检测设备220)执行。在一些实现中，图4中的一个或多个过程块由与该设备分离或包括该设备的另一设备或一组设备(诸如光谱仪(例如，光谱仪210)和/或用户设备(例如，用户设备230))执行。附加地或备选地，图4中的一个或多个过程块可以由设备300的一个或多个组件执行，该组件诸如处理器320、存储器330、输入组件340、输出组件350和/或通信组件360。
如图4所示，过程400可以包括：接收与动态过程的迭代相关联的光谱数据(块410)。例如，检测设备可以接收与动态过程的迭代相关联的光谱数据，如上所述。
如图4进一步所示，过程400可以包括：基于光谱数据，生成与动态过程的迭代相关联的参数曲线集，该参数曲线集中的每个参数曲线对应于物理信号的参数集中的与动态过程的迭代相关联的相应参数(块420)。例如，检测设备可以基于光谱数据，生成与动态过程的迭代相关联的参数曲线集，其中参数曲线集中的每个参数曲线对应于物理信号的参数集中的与动态过程的迭代相关联的相应参数，如上。
如图4进一步所示，过程400可以包括：基于参数曲线集，确定动态过程的迭代的终点(块430)。例如，检测设备可以基于参数曲线集，确定动态过程的迭代的终点，如上所述。
过程400可以包括附加的实现，诸如下面描述的任何单个实现或实现的任意组合和/或与本文其他地方描述的一个或多个其他过程相关联的实现。
在第一实现中，参数曲线集使用MSC模型来生成，该MSC模型从光谱数据中提取参数曲线集。
在第二实现中，单独地或与第一实现结合，参数曲线集包括指示在动态过程的迭代期间的光散射的加性效应的参数的曲线。
在第三实现中，单独地或者与第一实现和第二实现中的一个或多个实现结合，参数曲线集包括指示在动态过程的迭代期间的光散射的乘性效应的参数的曲线。
在第四实现中，单独地或者与第一实现至第三实现中的一个或多个实现结合，确定动态过程的迭代的终点包括：确定趋势集，其中趋势集中的每个趋势对应于参数曲线集中的相应参数曲线；生成斜率曲线集，其中斜率曲线集中的每个斜率曲线与参数曲线集中的相应参数曲线相关联；基于趋势集和斜率曲线集，标识与动态过程的迭代相关联的斜率阈值集；基于斜率曲线集和斜率阈值集，确定候选终点集，其中候选终点集中的每个候选终点与斜率曲线集中的相应斜率曲线相关联；以及基于候选终点集，确定动态过程的迭代的终点。
在第五实现中，单独地或者与第一实现至第四实现中的一个或多个实现结合，终点是第一候选终点，并且该方法还包括：基于光谱数据，确定动态过程的迭代的第二候选终点，其中第二候选终点基于与动态过程的迭代相关联的化学信号来确定；以及选择第一候选终点或第二候选终点中的一者作为动态过程的迭代的最终终点。
在第六实现中，单独地或者与第一实现至第五实现中的一个或多个实现结合，确定动态过程的迭代的终点包括：基于参数曲线集，标识与动态过程的迭代相关联的参数阈值集；以及基于参数曲线集和参数阈值集，确定动态过程的迭代的终点。
在第七实现中，单独地或者与第一实现至第六实现中的一个或多个实现结合，过程400包括：基于光谱数据，标识光谱数据的要被使用以用于确定动态过程的迭代的终点的起始时间点，其中与生成参数曲线集相关联的起始时间点位于光谱数据的经标识的起始时间点处或之后。
尽管图4示出了过程400的示例块，但在一些实现中，过程400包括与图4中所示的块相比更多的块、更少的块、不同的块或不同布置的块。附加地或备选地，过程400的两个或更多个块可以并行执行。
前述公开内容提供了说明和描述，但并非旨在详尽无遗或将实现限制为所公开的精确形式。可以在上述公开内容的启发下进行修改和变型，或者可以从实现的实践中获得修改和变型。
如本文所用，术语“组件”旨在被广泛地解释为硬件、固件或硬件与软件的组合。将明显的是，本文描述的系统和/或方法可以以不同形式的硬件、固件和/或硬件与软件的组合来实现。用于实现这些系统和/或方法的实际专用控制硬件或软件代码并不限制实现。因此，本文描述了系统和/或方法的操作和行为，但没有涉及特定软件代码-应理解，可以使用软件和硬件来实现基于本文描述的系统和/或方法。
如本文所用，依据上下文，满足阈值可以是指值大于阈值、大于或等于阈值、小于阈值、小于或等于阈值、等于阈值、不等于阈值等。
即使权利要求中记载了特征的特定组合和/或在说明书中公开了特征的特定组合，这些组合也不旨在限制各种实现的公开。事实上，这些特征中的许多可以以权利要求中未具体记载和/或在说明书中未具体公开的方式进行组合。虽然下面列出的每个从属权利要求可能仅直接从属于一个权利要求，但各种实现的公开包括每个从属权利要求与权利要求集中每个其他权利要求的组合。如本文所用，提及项目列表中的“至少一个”的短语是指这些项目的任意组合，包括单个成员。例如，“至少一个：a、b或c”旨在涵盖a、b、c、a-b、a-c、b-c和a-b-c，以及具有多个相同项目的任意组合。
当“处理器”或“一个或多个处理器”(或另一个设备或组件，诸如“控制器”或“一个或多个控制器”)被描述或声明(在单个权利要求内或跨多个权利要求)为执行多个操作或被配置为执行多个操作时，该语言旨在广泛涵盖各种处理器架构和环境。例如，除非另有明确声明(例如，通过使用“第一处理器”和“第二处理器”或区分权利要求中的处理器的其他语言)，否则该语言旨在涵盖执行或被配置为执行所有操作的单个处理器、集体执行或被配置为执行所有操作的一组处理器、执行或被配置为执行第一操作的第一处理器和执行或被配置为执行第二操作的第二处理器，或执行或被配置为执行操作的处理器的任意组合。例如，当权利要求具有“一个或多个处理器被配置为：执行X；执行Y；以及执行Z”的形式时，该权利要求应解释为“一个或多个处理器被配置为执行X；一个或多个(可能不同)处理器被配置为执行Y；以及一个或多个(也可能不同)处理器被配置为执行Z。”
除非明确说明，否则本文使用的任何元素、动作或指令都不应被解释为关键或必要的。此外，如本文所用，冠词“一”和“一个”旨在包括一个或多个项目，并且可以与“一个或多个”互换使用。此外，如本文所用，冠词“该”旨在包括与冠词“该”相关引用的一个或多个项目，并且可以与“一个或多个”互换使用。此外，如本文所用，术语“集”旨在包括一个或多个项目(例如，相关项目、不相关项目或相关和不相关项目的组合)，并且可以与“一个或多个”互换使用。如果仅意在一个项目，则使用短语“仅一个”或类似语言。此外，如本文所用，术语“有”、“具有”、“包括”等旨在是开放式术语。此外，除非另有明确说明，短语“基于”旨在表示“至少部分地基于”。此外，如本文所用，术语“或”在一系列中使用时旨在具有包容性，并且可以与“和/或”互换使用，除非另有明确说明(例如，如果与“任一”或“仅之一”组合使用)。

Claims (20)

1.一种方法，包括：
由设备接收与动态过程的迭代相关联的光谱数据；
由所述设备基于所述光谱数据，生成与所述动态过程的所述迭代相关联的参数曲线集，
其中所述参数曲线集中的每个参数曲线对应于物理信号的参数集中的与所述动态过程的所述迭代相关联的相应参数；以及
基于所述参数曲线集，确定所述动态过程的所述迭代的终点。
2.根据权利要求1所述的方法，其中所述参数曲线集使用乘性散射校正MSC模型来生成，所述乘性散射校正MSC模型从所述光谱数据提取所述参数曲线集。
3.根据权利要求1所述的方法，其中所述参数曲线集包括指示在所述动态过程的所述迭代期间的光散射的加性效应的参数的曲线。
4.根据权利要求1所述的方法，其中所述参数曲线集包括指示在所述动态过程的所述迭代期间的光散射的乘性效应的参数的曲线。
5.根据权利要求1所述的方法，其中确定所述动态过程的所述迭代的所述终点包括：
确定趋势集，其中所述趋势集中的每个趋势对应于所述参数曲线集中的相应参数曲线；
生成斜率曲线集，其中所述斜率曲线集中的每个斜率曲线与所述参数曲线集中的相应参数曲线相关联；
基于所述趋势集和所述斜率曲线集，标识与所述动态过程的所述迭代相关联的斜率阈值集；
基于所述斜率曲线集和所述斜率阈值集，确定候选终点集，其中所述候选终点集中的每个候选终点与所述斜率曲线集中的相应斜率曲线相关联；以及
基于所述候选终点集，确定所述动态过程的所述迭代的所述终点。
6.根据权利要求1所述的方法，其中所述终点是第一候选终点，并且所述方法还包括：
基于所述光谱数据，确定所述动态过程的所述迭代的第二候选终点，
其中所述第二候选终点基于与所述动态过程的所述迭代相关联的化学信号而被确定；以及
选择所述第一候选终点或所述第二候选终点中的一者作为所述动态过程的所述迭代的最终终点。
7.根据权利要求1所述的方法，其中确定所述动态过程的所述迭代的所述终点包括：
基于所述参数曲线集，标识与所述动态过程的所述迭代相关联的参数阈值集；以及
基于所述参数曲线集和所述参数阈值集，确定所述动态过程的所述迭代的所述终点。
8.根据权利要求1所述的方法，还包括基于所述光谱数据，标识所述光谱数据的要被使用以用于确定所述动态过程的所述迭代的所述终点的起始时间点，其中与生成所述参数曲线集相关联的起始时间点位于所述光谱数据的经标识的所述起始时间点处或之后。
9.一种设备，包括：
一个或多个存储器；以及
一个或多个处理器，被耦合到所述一个或多个存储器，所述一个或多个处理器被配置为：
获取与动态过程的迭代相关联的光谱数据；
基于所述光谱数据，生成与所述动态过程的所述迭代相关联的参数曲线集，
其中所述参数曲线集使用乘性散射校正MSC模型而被生成，所述乘性散射校正MSC模型从所述光谱数据提取所述参数曲线集；以及
基于所述参数曲线集，确定所述动态过程的所述迭代的终点。
10.根据权利要求9所述的设备，其中所述参数曲线集中的每个参数曲线对应于物理信号的参数集中的与所述动态过程的所述迭代相关联的相应参数。
11.根据权利要求9所述的设备，其中所述参数曲线集包括指示在所述动态过程的所述迭代期间的光散射的加性效应的参数的曲线。
12.根据权利要求9所述的设备，其中所述参数曲线集包括指示在所述动态过程的所述迭代期间的光散射的乘性效应的参数的曲线。
13.根据权利要求9所述的设备，其中为了确定所述动态过程的所述迭代的所述终点，所述一个或多个处理器被配置为：
确定趋势集，其中所述趋势集中的每个趋势对应于所述参数曲线集中的相应参数曲线；
生成斜率曲线集，其中所述斜率曲线集中的每个斜率曲线与所述参数曲线集中的相应参数曲线相关联；
基于所述趋势集和所述斜率曲线集，标识与所述动态过程的所述迭代相关联的斜率阈值集；
基于所述斜率曲线集和所述斜率阈值集，确定候选终点集，其中所述候选终点集中的每个候选终点与所述斜率曲线集中的相应斜率曲线相关联；以及
基于所述候选终点集，确定所述动态过程的所述迭代的所述终点。
14.根据权利要求9所述的设备，其中所述终点是第一候选终点，并且所述一个或多个处理器还被配置为：
基于所述光谱数据，确定所述动态过程的所述迭代的第二候选终点，
其中所述第二候选终点基于与所述动态过程的所述迭代相关联的化学信号而被确定；以及
选择所述第一候选终点或所述第二候选终点中的一者作为所述动态过程的所述迭代的最终终点。
15.根据权利要求9所述的设备，其中为了确定所述动态过程的所述迭代的所述终点，所述一个或多个处理器被配置为：
基于所述参数曲线集，标识与所述动态过程的所述迭代相关联的参数阈值集；以及
基于所述参数曲线集和所述参数阈值集，确定所述动态过程的所述迭代的所述终点。
16.根据权利要求9所述的设备，其中所述一个或多个处理器还被配置为基于所述光谱数据，标识所述光谱数据的要被使用以用于确定所述动态过程的所述迭代的所述终点的起始时间点，其中与生成所述参数曲线集相关联的起始时间点位于所述光谱数据的经标识的所述起始时间点处或之后。
17.一种非瞬态计算机可读介质，所述非瞬态计算机可读介质存储指令集，所述指令集包括：
一个或多个指令，所述一个或多个指令当由设备的一个或多个处理器执行时，使所述设备：
接收与动态过程的迭代相关联的光谱数据；
基于所述光谱数据，生成与所述动态过程的所述迭代相关联的参数曲线集，其中所述参数曲线集包括以下至少一项：
指示在所述动态过程的所述迭代期间的光散射的加性效应的参数的曲线，或
指示在所述动态过程的所述迭代期间的光散射的乘性效应的参数的曲线；以及
基于所述参数曲线集，确定所述动态过程的所述迭代的终点。
18.根据权利要求17所述的非瞬态计算机可读介质，其中所述参数曲线集使用乘性散射校正MSC模型而被生成，所述乘性散射校正MSC模型从所述光谱数据提取所述参数曲线集。
19.根据权利要求17所述的非瞬态计算机可读介质，其中所述参数曲线集中的每个参数曲线对应于物理信号的参数集中的与所述动态过程的所述迭代相关联的相应参数。
20.根据权利要求17所述的非瞬态计算机可读介质，其中使所述设备确定所述动态过程的所述迭代的所述终点的所述一个或多个指令使所述设备：
确定趋势集，其中所述趋势集中的每个趋势对应于所述参数曲线集中的相应参数曲线；
生成斜率曲线集，其中所述斜率曲线集中的每个斜率曲线与所述参数曲线集中的相应参数曲线相关联；
基于所述趋势集和所述斜率曲线集，标识与所述动态过程的所述迭代相关联的斜率阈值集；
基于所述斜率曲线集和所述斜率阈值集，确定候选终点集，其中所述候选终点集中的每个候选终点与所述斜率曲线集中的相应斜率曲线相关联；以及
基于所述候选终点集，确定所述动态过程的所述迭代的所述终点。
CN202510548834.4A 2024-05-22 2025-04-28 用于动态过程终点检测的基于乘性散射校正的分析 Pending CN121007866A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US18/671,510 US20250364083A1 (en) 2024-05-22 2024-05-22 Multiplicative scatter correction based analysis for dynamic process end point detection
US18/671,510 2024-05-22

Publications (1)

Publication Number Publication Date
CN121007866A true CN121007866A (zh) 2025-11-25

Family

ID=95560315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202510548834.4A Pending CN121007866A (zh) 2024-05-22 2025-04-28 用于动态过程终点检测的基于乘性散射校正的分析

Country Status (3)

Country Link
US (1) US20250364083A1 (zh)
EP (1) EP4653845A1 (zh)
CN (1) CN121007866A (zh)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107843574B (zh) * 2016-09-21 2020-05-29 北京中医药大学 中药配方颗粒混合过程终点在线监控方法
US11920980B2 (en) * 2022-01-31 2024-03-05 Viavi Solutions Inc. Rolling principal component analysis for dynamic process monitoring and end point detection

Also Published As

Publication number Publication date
US20250364083A1 (en) 2025-11-27
EP4653845A1 (en) 2025-11-26

Similar Documents

Publication Publication Date Title
US10496515B2 (en) Abnormality detection apparatus, abnormality detection method, and non-transitory computer readable medium
Yun et al. An efficient method of wavelength interval selection based on random frog for multivariate spectral calibration
JP7237124B2 (ja) 近赤外分光法及び機械学習技術による、製造工程におけるエンドポイント検出
CN116559091B (zh) 用于动态过程监测和终点检测的滚动主成分分析
US12216005B2 (en) Blending process end point detection
CN121007866A (zh) 用于动态过程终点检测的基于乘性散射校正的分析
US12352692B2 (en) Dynamic process end point detection
EP4653846A1 (en) Dynamic process end point determination based on a process profile shape
HK40091862A (zh) 用於动态过程监测和终点检测的滚动主成分分析
HK40089500B (zh) 混合过程终点检测

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40127316

Country of ref document: HK