An apparatus and method for monitoring a process involve development and application of a statistically qualified neuro-analytic (SQNA) model to accurately and reliably identify process change. The development of the SQNA model is accomplished in two stages: deterministic model adaption and stochastic model modification of the deterministic model adaptation. Deterministic model adaption involves formulating an analytic model of the process representing known process characteristics, augmenting the analytic model with a neural network that captures unknown process characteristics, and training the resulting neuro-analytic model by adjusting the neural network weights according to a unique scaled equation error minimization technique. Stochastic model modification involves qualifying any remaining uncertainty in the trained neuro-analytic model by formulating a likelihood function, given an error propagation equation, for computing the probability that the neuro-analytic model generates measured process output. Preferably, the developed SQNA model is validated using known sequential probability ratio tests and applied to the process as an on-line monitoring system. Illustrative of the method and apparatus, the method is applied to a peristaltic pump system.

Un materiale e un metodo per il controllo del processo coinvolgono lo sviluppo e l'applicazione di un modello neuro-analitico statisticamente qualificato (SQNA) ad esattamente ed attendibilmente identificano il cambiamento trattato. Lo sviluppo del modello di SQNA è compiuto in due fasi: adattamento di modello deterministico e modifica di modello stocastica dell'adattamento di modello deterministico. L'adattamento di modello deterministico coinvolge formulare un modello analitico del processo che rappresenta le caratteristiche trattate conosciute, crescente il modello analitico con una rete neurale che blocca le caratteristiche trattate sconosciute ed addestramento che il modello neuro-analitico risultante registrando la rete neurale appesantisce secondo una tecnica regolata unica di minimizzazione di errore di equazione. La modifica di modello stocastica coinvolge qualificare tutta l'incertezza restante nel modello neuro-analitico addestrato formulando una funzione di probabilità, data un'equazione di propagazione di errore, per la computazione della probabilità che il modello neuro-analitico genera l'uscita trattata misurata. Preferibilmente, il modello sviluppato di SQNA è convalidato usando le prove sequenziali conosciute di rapporto di probabilità ed è applicato al processo come sistema di controllo in linea. Illustrativo del metodo e dell'apparecchio, il metodo è applicato ad un sistema di pompaggio peristaltico.