一步分析運樣的信息。在本 發明的其他實施例中，硬分析器可W產生多于一個的硬分析器測量結果。進一步遵循運些 實施例，可W將硬分析器測量結果本身認為是用于確定運些多于一個的硬分析器測量結果 中的任一個的有效性的多元數據陣列。
[0049] 在本發明的某些實施例中，統計處理控制過程用于監視一個或多個硬分析器測量 結果和一個或多個推斷測量結果中的任一個或全部的運行變化，并且確定運些值中的某些 值是否應該被識別為無效。
[0050] 在本發明的某些其他實施例中，其他統計過程可W用于確定一個或多個硬分析器 測量結果和一個或多個推斷測量結果中的任一個或全部的有效性。例如，統計分析可W用 于建立每個測量結果的期望值，并且基于度量數據的實際可變性與典型可變性的比較，與 期望均值測試的偏差可W用于確定測量結果是否有效。實際上，在本領域已知的任意統計 過程都可W用于確定測量結果值中的任一個乃至全部的有效性。
[0051] 在本發明的其他實施例中，可W使用例如卡方測試統計來使用適合度測試過程， W確定是應該接受還是拒絕推斷測量結果。硬分析器測量結果可W類似地經受測試過程W 確定是應該接受還是拒絕某一值。
[0052] 在本發明的實施例中，當確定推斷測量結果和/或硬分析器測量結果中的任一個 或兩者無效時，生成一個/多個消息和/或一個/多信號。例如，可W將一個或多個消息發 送至操作員和/或DCS320W對處理10進行實時控制。在本發明的某些實施例中，在確定 其他例程的狀態和有效性時，可W將一個或多個信號結合到其他例程中。在本發明的某些 實施例中，一個或多個信號可w由控制過程用來確定是否應該對硬分析器測量結果和/或 推斷測量結果繼續進行控制。
[0053] 傳統上，當可W更頻繁的間隔從推斷分析器得到可比較的測量結果時，本領域尚 未運用來自硬分析器的測量結果。當運樣的間隔大約為小于30分鐘時，本領域尚未認識到 當可得到可比較推斷測量結果時對來自硬分析器的主要測量結果的使用進行運用的益處。
[0054] 在本發明的某些實施例中，硬分析器生成的測量結果可W是除了慣常地得到的主 要測量結果外或者替代慣常地得到的主要測量結果而使用的特殊樣本測量結果。在本發明 的其他實施例中，可W按間斷的采樣間隔得到硬分析器生成的測量結果。遵循運些實施例， 本發明的某些方法和系統可W將離散化技術應用于處理間斷采樣的測量結果。在本發明的 某些實施例中，使用簡單的插值來對間斷采樣間隔進行離散化。在本發明的某些其他實施 例中，一階模型可W用于對間斷采樣間隔進行離散化。在本發明的另外的某些其他實施例 中，二階模型可W用于對間斷采樣間隔進行離散化。在本發明的另外的某些其他實施例中， 高階模型可W用于對間斷采樣間隔進行離散化。
[0055] 在實施例中，本發明的系統或方法可W使用對發現無效或不可獲得的某些獨立變 量進行替換的技術。出于許多原因，主要測量結果可能是不可獲得的。在非限制性示例中， 由于用于提供測量結果的硬分析器和/或儀器或器具例如沒有正確地起作用（例如完全沒 有起作用）或者沒有提供服務，因此主要測量結果可能是不可獲得的。本文中描述用于在 間斷采樣間隔內離散化測量結果的方法中的任一方法可W用于W某一采樣間隔對無效或 不可獲得的某些主要測量結果進行替換。例如，簡單插值、一階模型、二階模型或更高階模 型中的任一個可W用于W某一采樣間隔對無效或不可獲得的某些主要測量結果進行替換。
[0056] 在本發明的實施例中，可W使用用于調整偏差的過程、用于調整比率乘法器的過 程W及用于模型修改或調節的統計過程中的任一個或多個來調節用于確定推斷測量結果 的模型。在本發明的實施例中，模型修改或調節過程可W作用于一個或多個模型參數。在 本發明的另一實施例中，模型修改或調節過程可W作用于一個或多個預測值。在本發明又 一實施例中，模型修改或調節過程可W作用于一個或多個模型參數和一個或多個預測值的 任意組合。
[0057] 在本發明的某些實施例中，統計驗證技術用于確定主要測量結果和推斷測量結果 的有效性。在本發明的某些其他實施例中，其他驗證技術可W用于確定主要測量結果和/ 或推斷測量結果的有效性。在某些非限制示例中，簡單的上限和下限檢驗可W用于確定主 要測量結果和/或推斷測量結果的有效性。在另一非限制性示例中，在推斷估計過程中使 用的主要測量結果或任一個或多個獨立測量結果的狀態可W用于確定主要測量結果和/ 或推斷測量結果的有效性。在示例性實施例中，智能發送器提供在推斷估計過程中所使用 的主要測量結果中的任一個和/或獨立測量結果中的任一個的狀態。 陽05引本發明的實施例旨在確定控流的ASTM屬性。運樣的ASTM屬性的非限制性示例包 括例如閃點、初始沸點、百分之十（10)沸點、百分之二十（20)沸點、百分之五十巧0)沸點、 百分之屯十（70)沸點、百分之九十巧0)沸點和最終沸點。
[0059] 本發明的其他實施例旨在確定色譜分析器通常提供的屬性。運樣的色譜屬性的非 限制性示例包括任何通常測量的蒸饋屬性。在本發明的某些實施例中，根據本發明的系統 和方法確定的色譜值包括處理流中的某些復合物的濃度。根據本發明的某些實施例，運樣 的復合物可w包括石蠟、異鏈燒控、締控、環燒和/或芳控。當提供了該示例性實施例的所 有復合物的濃度時，該分析統稱為"PIONA"。當提供了除了異鏈燒控外的本示例性實施例的 所有復合物的濃度時，該分析統稱為"PONA"。
[0060] 在某些實施例中，本發明可W針對使用其他主要測試方法的推斷分析器，諸如，例 如可W包括流點和云點的冷屬性。在其他實施例中，本發明可W針對使用其他主要測試方 法的推斷分析器，諸如，例如例如在給乙締裂解器的石腦油原料中的硫百分比、初始沸點和 最終沸點、閃點、總芳控（或石蠟、異鏈燒控、締控和/或環控）。實際上，本發明的推斷分析 器可W應用于任意主要測試方法，無論運樣的方法是已知還是后來發現的。
[0061] 在本發明的某些實施例中，可W使用包括溫度、壓力或流速中的任一個或多個的 獨立變量來進行從屬變量的推斷預測。本發明的某些實施例設及提供可W包括密度、粘度、 折射率、導電率、抑和其任意組合中的任一個或任意多個的從屬變量的推斷預測。實際上， 無論是現在開發還是稍后開發，可W測量的任意變量都可W用作用于確定推斷預測的獨立 變量。
[0062] 本發明的方法和系統可W應用于任意類型的處理，包括但不限于提煉處理、控處 理和化學處理。在某些實施例中，本發明的方法和系統可W應用于連續處理。在某些其他 實施例中，本發明的方法和系統可W應用于分批處理。在某些其他實施例中，本發明的方法 和系統可W應用于半分批處理。在某些其他實施例中，本發明的方法和系統可W應用于連 續處理、分批處理和半分批處理的任意組合。
[0063] 本發明的一方面提供了如下系統和方法：其中，硬分析器可W測量獨立變量，諸如 在推斷模型中使用的（一個或多個）壓力、（一個或多個）溫度和（一個或多個）流速中的 任一個或多個組合，從而推斷模型生成處理流體/樣本的成分的（一個或多個）預測。遵 循本發明的該方面，根據本發明的實施例，可W使用本文中所描述的本發明的方法和系統 的任意或所有過程。
[0064] 根據本發明的某些實施例，類似于本文中進一步描述的對于推斷測量結果和硬分 析器測量結果的驗證技術中的任一種，可W提供對獨立變量和樣本的成分兩者的驗證。根 據本發明的一些實施例，類似于本文中進一步描述的對于推斷測量結果和硬分析器測量結 果的驗證技術中的任一種，可W提供對預測的驗證。此外，在本發明的某些實施例中，模型 提供了實驗室測量結果的推斷測量結果、建模測量結果、參考測量結果和輔助測量結果。在 本發明的其他實施例中，可W基于例如其他比較測量結果來使用如本文中進一步描述的本 發明的過程來修改或調節該模型。 陽0化]本發明的實施例包括具有硬分析器的系統，該硬分析器被配置為生成處理樣本的 一個或多個對應的從屬變量。該系統還包括推斷分析器，該推斷分析器被配置為連同模型 一起采集并使用一個或多個獨立變量，W生成與硬分析器生成的從屬變量相對應的一個或 多個推斷從屬變量。該系統還被配置為生成測量的從屬變量與推斷的從屬變量的比較，并 且使用該比較來修改模型的一個或多個參數。在本發明的某些實施例中，可W根據本文中 所提供的過程來執行對對應的測量結果的離散化。
[0066]現在轉向圖1A，示出并描述了本發明的示例性實施例。如所示，增強型處理控制 系統300被配置用于借助于一個或多個硬分析器來增強推斷分析器的操作和性能。系統 300包括執行對處理流10的樣本的在線采集和/或分析的硬分析器310。因而，如上文所 述，硬分析器測量一個或多個從屬變量。該樣本因而是在物理和時間方面受限制的處理流 的代表，即，其是處理流的與處理中的特定點和時間相對應的物理子集。系統300還包括推 斷分析器312,該推斷分析器312被配置為使用模型例如從DCS(分布式控制系統）320接收 各種獨立處理變量，并且使用運些處理變量來預測處理的各種屬性（推斷的從屬變量）的 值。DCS320被配置為從處理10采集各種獨立處理變量，W用在處理10的控制和操作中。 CQM(認知品質管理器）316將硬分析器310生成的從屬變量與推斷分析器312生成的推斷 的從屬變量進行比較，并且使用該比較來更新推斷分析器312使用的模型W及/或者調整 推斷的從屬變量的值，然后，將運些值發送至處理優化器314。因而，CQM是處理器啟用模 塊，其被配置為使用該比較來對從推斷分析器312接收到的屬性預測進行驗證，然后提供 用于調整運些預測和/或更新推斷模型的選項。過程優化器314可W從CQM316接收對于 一個或多個流和流屬性的預測，然后將經驗證的調整后的預測轉換為處理指示，諸如調整 處理控制輸入，其被發送至DCS320W對處理10進行控制。應該認識到，處理優化器314可 W從除了CQM316外的源接收輸入，例如，其還可W對從DCS320直接接收到的獨立處理變 量進行接收和操作。在本發明的實施例中可W使用的處理優化器的示例通常包括APC(先 進處理控制），其也可W包括諸如可W從日本東京的化kogawa電氣公司購得的Exasmoc?多 變量優化控制的MPC(模型預測控制）系統。可W例如基于（a)第一原理的應用、化）嚴格 遵循經驗的"黑盒"方法（例如，基于統計算法或神經網絡算法）或（C)第一原理與經驗方 法的組合來W任何傳統方式生成該模型，并且該模型是推斷模型。W下針對圖1B示出并描 述適于用在其實施例中的模型生成的代表示例。 陽067] 系統300中所使用的獨立變量（包括獨立處理變量和獨立樣本變量兩者）的示例 可W包括但不限于催化劑或試劑的溫度、壓力、添加或消耗率、進入（來自）處理或處理的 點的熱能的流量、輸入（輸出）、光度測定或光譜測定裝置在特定波長或頻率下測量的折射 率、導電率、粘度、不透明度、pH、密度、強度響應等。 W側可選地，例如，為了利于推斷分析器312和/或CQM316的操作，可W通過根據在X軸上排列的種類（源/起源或類型）描繪獨立處理變量的值（y值）來組織獨立處理變量， W形成屬性譜（也稱為樣本譜）322,其中在給定的屬性譜中描繪的獨立變量在時間上彼此 相關，例如，它們基本上同時被采集。然后可W使用該樣本譜322來更新或生成屬性模型， 使得該模型基于樣本譜322的總體及其