专利名称：大规模优化和控制的透明模型的制作方法
技术领域：
本发明总体上涉及用于工业工厂和企业的优化和控制的建模。更具体地，本发明涉及用于以图形方式对参数混合模型进行建模、显示参数混合模型、以及与参数混合模型交互的系统和方法，该参数混合模型用来优化和控制工业工厂和企业的操作和/或它们的部件中的一些部件的操作。
背景技术：
工业设施(诸如，制造厂、炼油厂、发电厂、或者甚至大学校园中的公用工厂)中的操作的当前状况将计划、调度和控制(人工或自动)作为分开的规范对待。具体地，现行实践将计划和调度视为用作到工厂的在线(即，在操作期间)部件的输入(即，操作员或控制系统动作)的离线(即，未在工厂的操作期间)活动。这种分开会引入对操作的健壮性、成本效益、以及环境足迹(environmental footprint)的显著挑战，并且工厂操作人员和管理者、以及企业管理人员早已认识到这一点。然而，该挑战的解决方案证明了是难以捉摸的。尽管有在感测和控制基础设施、数据库系统、以及商业管理软件方面的显著投入，但是创建满足企业的“当前”财务目标和遵守工厂操作约束的生产日程仍然是艰巨挑战。对工厂操作常给出不可行或者未最优考虑工厂的当前操作条件的日程。当面对该挑战时，由于将用于调度的模型视为对工厂操作的“黑盒”，所以工厂操作无法有助于过时日程的修改。模型通常涉及整个工厂，模型的知识基础因而遍及工厂分布，从而添加了复杂性。根据遍及工厂的专门知识的分布式组对相关模型的一致修改证明是显著挑战。此外， 调度问题设定和执行也是所需要的专门知识未广泛可用的麻烦过程。
当参照附图阅读以下详细描述时，本发明的这些和其它特征、方面、以及优点将会变得更好理解，在附图中，相似的附图标记表示相似的部件，其中图I是示例性商业或工业能量系统的示意图；图2是图示了各种互连的、图I的能量系统的示例性部件的框图；图3是用于对图I的能量系统进行建模的示例性参数混合模型的框图；图4是图2的示例性蒸发制冷器块的框图；图5是图2的示例性锅炉块的框图；图6是表示与布置成网络的图I的系统的部件有关的多个参数混合模型的图形建模工具的图形用户接口(即，图形表示)的示例；图7是用于控制图I的系统的企业整合的参数混合模型实现控制系统的框图；图8是图示了对用户可用的部件块库的图形建模工具的图形用户接口(即，图形表示)的示例；图9是图示了用户选择优化标签时的优化视图的图形建模工具的图形用户接口(即，图形表示)的示例；图10是图示了用户提交了命令输入并更新了图I的系统的优化解决方案时的优化视图的图形建模工具的图形用户接口(即，图形表示)的示例；图11是非线性和非凸优化问题以及该问题的两个凸逼近的示例；图12是使用参数混合模型的优化求解方程的解决方案图的示例；以及图13是用于使用图形用户接口与参数混合模型交互的方法的示例。
具体实施例方式如上所述，在工厂的总体离线(即，未在操作期间)计划和调度活动与工厂的总体在线(即，在工厂的操作期间)控制和操作活动之间常常存在不连续性。本文中描述的实施例解决促成该缺陷的持久性的三个主要挑战。首先，本文中描述的实施例提供了一种用于表示整个工厂和实际上包括一个或更多个工厂的整个企业的通用建模框架。现有建模框架通常(a)由于它与企业的经济目标有关而无法捕捉工厂操作的相关细节，(b)在给定表示工厂的模型中包括的部件的数目的情况下无法避免禁止的复杂性，以及(C)无法维持模块性以使得在物理工厂/过程的部件与模型部件之间存在直观对应。本文中描述的实施例通过采用诸如美国专利申请第10/842，147号中公开的参数混合建模框架来解决这些挑战，该美国专利申请的全部内容通过引用并入本文。其次，本文中描述的实施例解决与表示工厂的模型的离线交互(例如，模型建立、 计划、调度交互)、以及与模型的在线交互(例如，控制和操作交互)的传统分开。具体地， 在传统系统中，部署的模型未对所有用户透明。换言之，由于将模型部署到在线环境，所以不可以容易地测量或访问模型和它们的部件的质量。在这些传统系统中，模型的修改通常是离线运用，用于修改模型的专门知识通常是高度集中的。然而，实际上，有资格修改模型的一个部件的人可能没有用以修改模型的另一部件的资格，这些不同的人常常在物理上处于不同地点中。总体而言，模型部件的异步修改是不可能的，修改频率根据模型类型、操作场景等而变化较大。本文中描述的实施例通过采用透明模型部署策略解决这些挑战。再次，本文中描述的实施例提供了一种消除优化软件与终端用户(工厂操作员、 会计部、财务部等)之间的通信障碍的图形优化语言。具体地，用于优化的图形语言使得较低级别的胜任力能够实施和/或部署优化解决方案。换言之，并非需要具有优化背景的博士，具有过程知识的工厂管理者将能够拥有优化解决方案。另外，图形语言提供了分布式开发、部署、以及维护能力，以使得可以通过相关的利益相关者在它们的正常操作设置中的输入进行优化问题和对优化问题的后续修改的合成。本文中描述的实施例使得能够按照具有对底层模型的目标、优先级、以及约束的完全透明性的系统方式进行操作的各个方面的处理(例如，关键部件的调度维护的调节、 关于可用容量或供应链中的中断的健壮性、操作的能量效率和低环境足迹、对市场价格压力的响应性等)。具体地，本文中描述的实施例使得能够按照可以通过用以作为信息和事务的看守者的、不需要集中权力的利益相关者的分布式集合同时管理工厂范围和/或企业范围的优化解决方案的方式进行大规模(潜在地，非线性)优化问题的图形设定、执行、以及报告。为了取得此目标，本文中描述 的实施例包括核心使能算法概念、以及软件实施方法。如上所述，本文中描述的实施例具有许多潜在的应用场景。例如，本文中描述的实施例有利于工业工厂中的操作的改进的计划和调度。诸如向复杂能量用户(例如，石化联合体、大学校园、大型住宅联合体等)提供蒸汽、制冷水和电的复杂应用涉及工厂操作人员进行的持续判定，诸如，应当使用哪些资源、应当设置资源的什么设置点(例如，容量)、资源应当操作多久、应当避免什么已有或即将发生的约束等。在这种应用中做出的判定的复杂性证实了对系统优化解决方案的需要，但是上述挑战迄今为止阻碍了全功能解决方案的开发。另外，本文中描述的实施例还有利于工业工厂中的多单元优化。从乳品厂中的奶粉烘干至发电厂中的锅炉操作的范围内的复杂过程固有地是多单元操作，其可以从用以改进例如操作的能量效率、降低对过程干扰的响应的成本、改进用以盈利地响应市场条件改变的能力等的原理优化策略获益。此外，本文中描述的实施例有利于给定可接受配方替选的情况下的产品合成物的优化。许多制造操作涉及生产可以经由替选配方(例如，在乳品厂中制造的奶酪)达到的成品。本文中描述的实施例包括制造过程的最佳调度的原理方法，以使得在任何给定时间， 通过配料的最佳集合做出具有预定质量规范的成品。
本文中描述的实施例还有利于优化电网上的工业工厂的购买和/或出售判定。电的许多大的消费者(如，工业工厂或大学校园)具有内部发电能力。内部发电相对于从电网购置的经济性正变得越来越较复杂，这是由于公用公司放弃了固定定价以使它们的利润最大化。电网上的每个节点可以作为源(即，电力的提供者)和散热器(即，电力的消费者) 这二者执行的智能电网中的当前趋势进一步使判定做出过程复杂。原理优化解决方案可以协助这种消费者在给定他们的优先级和目标的情况下在任何给定时间做出最有利的判定。本文中描述的实施例包括使得能够进行上述应用的数个方面。例如，本文中描述的实施例提供对模型质量和性能的在线透明性。在没有用以调查模型质量(各单元的、以及使用这些单元建立的网络的)的能力的情况下，无法维持模型保真度。例如，利用纯经验建模范例，不可以查明质量退化的源，所以不会完全取得模型的在线可见性。详细的基于第一原理的模型会遭受透明性的此缺失。另外，用以在不迫使模型失效的情况下修改部署模型的标的部件的能力是非常期望的。此实施例中的透明模型的在线修改包括和不限于参数调整的在线修改，并且包含新参数化模型的内涵以替换早先表现不佳的参数化模型。因此， 本文中描述的在线透明性通常改进了模型质量和性能。另外，本文中描述的实施例通过分布式的用户组提供问题公式化的异步创作能力。优化问题的大规模、以及工厂操作员和工程师的责任和胜任力的有限范围使得问题叙述的分布式异步创作是期望的(和常常必要的)。例如，在公用工厂中，制冷水环路和蒸汽环路以操作方式耦合。了解制冷水环路的专家通常对于蒸汽环路操作知道得很少，以及最有可能不被允许和/或不想承担蒸汽环路操作的责任，反之亦然。分布式创作能力还应当应用于优化解决方案的结果。工厂范围和/或企业范围的优化解决方案(例如，公用工厂的制冷器的操作日程的甘特图表)的结果对用户(例如，操作员、工厂管理者等)的分布式集合是可呈现的。另外，使得授权的利益相关者能够在没有产生不一致的情况下编辑提出的日程。此外，使得分布式用户能够以一致方式更新操作约束和请求重新调度。本文中描述的实施例还提供分布式的用户组对问题公式化的图形创作能力。在没有图形编辑能力的情况下，通常的工厂操作员将不会能够直接有助于模型维护。另外，在没有用于定义优化问题或解释解算器判定的图形语言的情况下，通常的工厂操作员或工程师将不会能够有助于优化问题的有意义定义。本文中描述的图形创作能力还应用于整体优化问题的结果。工厂范围和/或企业范围的优化解决方案(例如，制冷器的操作日程的甘特图表)的结果对用户(例如，操作员、工厂管理者等)的分布式集合是可呈现的。授权的利益相关者可以在没有产生不一致的情况下以图形方式编辑提出的日程。另外，分布式的用户组可以通过一致方式以图形方式更新操作约束和请求重新调度。图形创作能力的直观性增强了优化解决方案的可用性和正常运行时间。另外，本文中描述的实施例将来自工厂地面和/或商业系统的实时测量和信息合并。在工厂范围和/或企业范围的优化中，网络常常包括大量部件模型、复杂网络连接性、 操作条件的动态集合、约束、以及目标。从遍及企业分布、以及常常是具有本地自主性的功能的源获得保持此“问题公式化”最新需要的信息。需要集中信息处理的解决方案会变得站不住脚。具体地，实时测量影响问题公式化中的模型(例如，效率曲线常常基于设备的当前操作条件改变)。用以取得与实时测量整合的能力可以是对工厂范围的优化解决方案成功采用的障碍。模型透明性由于所有相关的利益相关者可以查看改变而有利于实时信息的成功结合。现在转到附图，图I是示例性商业或工业能量系统10的示意图。如下面更详细描述的， 图I的能量系统10是可以从本文中描述的图形建模框架获益的工厂类型的示例。图 I图示了商业和工业能量系统中典型的各种能量生成和消耗部件。例如，图I包括锅炉12， 其被配置成接收燃料并生成用作能量系统10的其它部件中的动力源的蒸汽。例如，在某些实施例中，废能发电单元(cogeneration unit) 14可以使用由锅炉12产生的蒸汽来驱动发电机16,发电机16生成可以由能量系统10的部件消耗和/或可以向电网18出售的电能。 另外，在某些实施例中，热回收蒸汽生成(HRSG)系统20可以通过蒸汽的生成用于热量的二次回收，其也可以用于驱动发电机16以生成电能。除了向电网18出售电之外，能量系统10 还可以从电网18购买电。能量系统10在任何特定时间点从电网18购买还是向电网18出售取决于能量系统10的当前电供给、能量系统10的当前电需求、能量系统10的电储存容量、从电网18购买/向电网18出售的价格、能量系统10的日/夜周期、连接到电网18的其它发电系统的可用性和容量等。如所示出的，能量系统10可以包括消耗电能、制冷水、和/或蒸汽中一些的过程单元22和建筑物24。另外，在某些实施例中，能量系统10可以包括可与热量储存池30相关联的电制冷器26和蒸汽制冷器28，并且可以消耗能量以生成制冷水，制冷水可以通过泵32 抽吸到过程单元22和建筑物24用于冷却，诸如用于建筑物冷却、工业过程冷却等。另外， 可以使来自例如制冷器26、28的加热的水循环经过冷却塔34和相关联的热交换器36和泵 38，其中将加热的水冷却用于稍后使用。因此，总的来说，各种部件可以在典型的商业或工业能量系统10中产生能量(即， 称作源)和/或消耗能量(即，称作散热器(sink))。实际上，图I中示出的部件对可以包括典型的商业或工业能量系统10的部件仅是示例性的。如图I所示，能量系统10的各种部件可以被配置成基于不同技术消耗和/或产生能量。在某些实施例中，能量系统10的部件的相互依存会极其复杂。另外，各种外部部件(诸如，电网18)会添加能量系统10的复杂性。再者，图I中示出的能量系统10对可以使用本文中描述的图形建模框架的复杂工厂和企业的类型仅是示例性的。图2是图示了各种互连的、图I的能量系统10的示例性部件的框图。具体地，图 2描绘了商业和工业能量系统10中典型的各种能量环路。例如，关键能量环路包括燃料环路40、电环路42、冷凝器环路44 (例如，冷却塔水)、蒸发器环路46 (例如，制冷器水)、以及蒸汽环路48。图2中示出的各种能量环路40、42、44、46、48仅是示例性的且并非旨在限制。 在其它实施例中，可以使用其它能量环路来对能量系统10进行建模。每个能量环路40、42、44、46、48包括作为各个能量环路40、42、44、46、48的输入和输出的一组定义变量。例如，燃料环路40包括te、pG, fe和r，其中，tG是燃料温度，pG是燃料压力，fG是燃料流动速率，r是燃料环路40的热因子。电环路42包括作为提供的电量的 kw。冷凝器环路44包括tse、tfe和，其中，tse是进入冷却塔的水的温度，tfc是从冷却塔排出的水的温度，fc是冷凝器环路44中水的流动速率。蒸发器环路46包括tsE、tfE和fE， 其中，tsE是离开制冷器的制冷水的温度，tfE是回到制冷器的制冷水的温度，fE是制冷水流动速率。蒸汽环路48包括ts、ps和fs，其中，ts是蒸汽温度，Ps是蒸汽压力，fs是蒸汽流。 再者，图2中示出的能量环路40、42、44、46、48的变量中的所有变量仅是示例性的且并非旨在限制。在其它实施例中，可以使用其它变量定义能量环路40、42、44、46、48。如所示出的，能量环路40、42、44、46、48耦合到如下部件块其表示通常向能量环路40、42、44、46、48提供能量或消耗来自能量环路40、42、44、46、48的能量的能量系统10 的实际能量相关设备组。例如，锅炉块50耦合到燃料环路40和蒸汽环路48 二者，发电机块52耦合到燃料环路40、电环路42、以及蒸汽环路48，蒸发制冷器块54耦合到电环路42、 冷凝器环路44、以及蒸发器环路46，吸收制冷器块56耦合到蒸发器环路46和蒸汽环路48。 再者，图2中示出的各个部件块50、52、54、56仅是示例性的且并非旨在限制。在其它实施例中，其它部件块可以耦合到各个能量环路40、42、44、46、48。公开的实施例有利于图I和图2的能量系统10的计划/调度和控制/操作。更具体地，如下面更详细描述的，本文中描述的实施例包括使得具有广泛不同领域的专门知识的分布式用户的不同集合能够与能量系统10的各部件块(例如，设备组)的参数混合模型交互的图I和图2的能量系统10的图形语言和接口以及透明建模框架。实际上，应当理解，虽然将本文中描述的实施例呈现为与能量系统10的能量高效操作有关，但是在其它实施例中，可以将本文中描述的实施例的图形语言和接口以及透明建模框架扩展到其它应用，诸如化学制造、油和气处理等。公开的实施例的目的是对解决了对能量系统10的许多不同能量相关部件进行建模(包括用于发电单元、锅炉、制冷器、泵和风扇等的各个参数混合模型、以及用于约束和目标的参数混合模型)的计算复杂性挑战的图I和图2的能量系统10进行优化。另外，公开的实施例经由图形语言和接口以及透明建模框架提供了通过分布式用户的不同集合进行的模型结构和/或参数的在线修改。可以建立参数目标函数以反映能量系统10的操作的经济目标。可以建立参数约束集合以反映能量系统10的操作的约束(例如，对冷却容量的约束、对允许排出的约束等)。如下面更详细描述的，即使对底层参数混合模型的访问限于特定用户(例如，建模专家)，本文中描述的图形语言也使得能量系统10中的所有利益相关者能够与参数混合模型、参数目标函数、以及参数约束集合的参数交互。还可以建立能量负荷模型以预测操作时间范围中的负荷简档。负荷模型可以包括例如制冷水需求、蒸汽需求、电需求等。基于全部这些模型和目标，随后可以解决能量系统10的优化问题以确定服从于参数约束集合的能量系统10的操作条件的最优简档。由于典型的商业和工业能量系统10的复杂性，本文中描述的混合技术提供了独特的优点。混合技术针对由于基本理解的缺乏而未被准确建模的现象，利用(leverage)从利用经验建模技术的基本过程建模或多或少可得的已知的基本关系(例如，已知的动能模型等)。因为通常针对密集操作独特地设计和开发工业规模能量设备，所以利用具体设计的经验建模技术对公布或可用的基本建模的显著校准或调节提供了更准确的能量模型。继而，更准确的能量模型使得能够实现基于更高度执行的模型的优化和控制解决方案。因此， 理想建模解决方案将调节或校准成与能量系统10的变化操作阶段中采集的能量设备测量 /性能数据最佳匹配的最佳可用基本模型和经验模型合并。根据参数混合模型的准确性，可以识别和使用线性(例如，单一值)参数或非线性(例如，随测量的能量变化的动能参数) 变量。图3是用于对能量系统10和/或更具体地为能量系统10的各部件块50、52、54、 56进行建模的示例性参数混合模型58的框图。如所示出的，参数混合模型58可以接收来自能量系统10的能量变量输入uk。能量变量输入Uk例如可以包括上述能量环路40、42、 44,46,48的变量。经验模型60可以使用能量变量输入Uk生成经验模型输出wk。经验模型输出Wk可以是能量变量输入Uk和经验模型参数P的函数。可以将经验模型输出Wk和能量变量输入Uk这二者引导到参数混合模型58的参数模型62中。来自参数模型62的基本模型参数Θ,可以是能量变量输入uk和经验模型输出Wk的函数。应当注意，基本模型参数Θ k的长度和参数向量的值这二者可以作为能量变量输入Uk和经验模型输出Wk的函数变化。在某些实施例中，基本模型参数9,可以包括 经验模型输出Wk，或者可以以它们最简单的形式简单地与经验模型输出Wk相同。可以将基本模型参数9,引导到可以是稳态或动态模型的参数第一原理模型64中。另外，参数第一原理模型64可以接收来自能量系统10 的能量变量输入％。参数第一原理模型64可以对测量或未测量的能量状态变量Xk和能量变量输出yk进行建模。能量状态变量Xk可以是能量变量输入uk、先前能量状态变量xk、以及基本模型参数0,的函数。能量变量输出yk可以是能量变量输入uk、当前能量状态变量 xk、以及基本模型参数9,的函数。可以从参数混合模型58引导能量变量输出yk作为输出。 因此，定义参数混合模型58的通常公式包括wk = If1 (uk, P )；Θ k = f2 (uk, wk)；xk = Fk (uk, xk_1； Θ k);以及Yk = Gk (uk, xk, Θ k)；其中，uk是时间k上能量变量输入的向量，P是经验模型参数的向量,Wk是时间k 上经验模型输出的向量，Θ k是时间k上基本模型参数的向量，Xk是时间k上测量或未测量的能量状态变量的向量，Yk是时间k上能量变量输出的向量。参数混合模型58对于实时优化和控制计算而言是极其高效的。此计算效率对优化能量系统10的性能的基于模型的优化和控制策略的成功实施是关键的。使用动态优化方法来计算能量系统10的操作期间的最佳动态轨迹以整体上优化能量系统10的效率。具体地，可以针对能量系统10的部件块50、52、54、56的各部件计算轨迹，并且基于与以上被列出为同各能量环路40、42、44、46、48相关联的输入和输出变量密切有关、但并不与所述输入和输出变量相同的参数将轨迹优化为时间上的目标。更具体地，如图3所示，由参数模型62生成的基本模型参数Θ k可以是不与能量变量输入Uk或者能量变量输出yk直接相似的一套参数。而是，即使在能量系统10的性能变量不可直接测量时，也可以使用能量系统 10的操作过程中的能量系统10的某些得出的测量(例如，参数)来生成与能量系统10的性能变量强烈相关的轨迹。例如，无法在能量系统10的操作期间测量锅炉的效率，并且锅炉的效率可以用作与锅炉部件块50的能量变量输入和输出uk、yk相关但不相同的参数。因此，可以利用参数混合模型58在能量系统10 (更具体地，锅炉部件块50的部件)的操作期间计算该参数，并且可以在计算到锅炉的输入(例如，锅炉的燃烧速率)的最佳轨迹的过程中使用此参数。这允许能量系统10的操作期间的较好实时控制，以使得可以更密切标的和维持能量系统10 的中间性能。在某些实施例中，可以通过求解如下方程确定最佳轨迹函数
权利要求
1.一种企业整合的参数混合模型系统控制器/优化器，包括在其上将计算机指令编码的非临时性计算机可读介质，其中，所述计算机指令包括指令，用于 向远程电子装置传输图形用户接口，其中，所述图形用户接口实现与同所述企业的工厂的物理部件相关的参数混合模型以及控制/优化约束和目标有关的多个命令输入，并且其中，所述实现的命令输入对应于操作所述电子装置的用户的访问级别； 接收来自所述图形用户接口的一个或更多个命令输入；以及 根据所述用户的访问级别，处理所述一个或更多个命令输入。
2.如权利要求I所述的系统控制器/优化器，其中，处理所述一个或更多个命令输入包括控制和/或优化所述工厂的操作。
3.如权利要求I所述的系统控制器/优化器，其中，处理所述一个或更多个命令输入包括在所述工厂的操作期间确定所述参数混合模型的模型质量。
4.如权利要求I所述的系统控制器/优化器，其中，所述计算机指令包括用于将与从所述用户接收的所述一个或更多个命令输入有关的信息传输给其它远程电子装置的指令。
5.如权利要求I所述的系统控制器/优化器，其中，接收所述一个或更多个命令输入包括接收来自所述企业的一个或更多个工程师级别用户的一个或更多个命令输入，并且处理所述一个或更多个命令输入包括修改所述参数混合模型中的一个或更多个参数混合模型。
6.如权利要求I所述的系统控制器/优化器，其中，接收所述一个或更多个命令输入包括接收来自所述企业的一个或更多个管理者级别用户的一个或更多个命令输入，并且处理所述一个或更多个命令输入包括修改所述企业的优化约束或目标。
7.如权利要求I所述的系统控制器/优化器，其中，所述计算机指令包括用于从另一适当授权用户接收对用户递交的所述参数混合模型的修改许可的指令。
8.如权利要求I所述的系统控制器/优化器，其中，所述计算机指令包括用于基于所述企业的修改的参数混合模型或修改的优化约束和/或目标来自动修改所述企业的优化解决方案的指令。
9.一种方法，包括 向远程电子装置传输图形用户接口，其中，所述图形用户接口实现与同工厂的物理部件相关的参数混合模型有关的多个命令输入，并且其中，所述实现的命令输入对应于操作所述电子装置的用户的访问级别； 接收来自所述图形用户接口的命令输入；以及 根据所述用户的访问级别，处理所述命令输入。
10.如权利要求9所述的方法，包括在所述用户向所述电子装置录入登录证书时确定所述用户的访问级别。
全文摘要
本发明提供了用于以图形方式对参数混合模型进行建模、显示参数混合模型、以及与参数混合模型交互的新型技术，该参数混合模型用来优化和控制工业工厂和企业的部件。具体地，用于控制工厂或企业的控制/优化系统的图形建模工具被配置成向用户传输图形用户接口，其中，图形用户接口基于用户的安全访问级别实现与多个参数混合模型有关的多个命令输入。图形用户接口可以显示参数混合模型，作为具有将节点相连的连接的网络的节点。用户可以根据用户的访问级别，以图形方式操纵与参数混合模型相关联的节点和连接，以便修改模型网络的优化约束或者实际上修改参数混合模型运作的方式(例如，参数混合模型的输入、输出、参数等)。
文档编号G05B13/04GK102707621SQ20121007175
公开日2012年10月3日 申请日期2012年3月16日 优先权日2011年3月18日
发明者亚历山大·巴顿·史密斯, 比扬·萨亚尔-罗德萨里 申请人:洛克威尔自动控制技术股份有限公司