AT524001B1 - Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses - Google Patents
Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses Download PDFInfo
- Publication number
- AT524001B1 AT524001B1 ATA50601/2020A AT506012020A AT524001B1 AT 524001 B1 AT524001 B1 AT 524001B1 AT 506012020 A AT506012020 A AT 506012020A AT 524001 B1 AT524001 B1 AT 524001B1
- Authority
- AT
- Austria
- Prior art keywords
- production
- value
- rules
- variable
- values
- Prior art date
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 167
- 230000008569 process Effects 0.000 claims abstract description 57
- 238000012549 training Methods 0.000 claims abstract description 26
- 230000009471 action Effects 0.000 claims abstract description 23
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims description 32
- 230000006399 behavior Effects 0.000 claims description 28
- 230000003542 behavioural effect Effects 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005056 compaction Methods 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000013107 unsupervised machine learning method Methods 0.000 claims description 2
- 238000001746 injection moulding Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 239000007921 spray Substances 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010924 continuous production Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013106 supervised machine learning method Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/76—Measuring, controlling or regulating
- B29C45/766—Measuring, controlling or regulating the setting or resetting of moulding conditions, e.g. before starting a cycle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/76—Measuring, controlling or regulating
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0426—Programming the control sequence
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
- G05B19/4086—Coordinate conversions; Other special calculations
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
- G05B23/0294—Optimizing process, e.g. process efficiency, product quality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76003—Measured parameter
- B29C2945/76163—Errors, malfunctioning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76344—Phase or stage of measurement
- B29C2945/76438—Start up
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76929—Controlling method
- B29C2945/76939—Using stored or historical data sets
- B29C2945/76949—Using stored or historical data sets using a learning system, i.e. the system accumulates experience from previous occurrences, e.g. adaptive control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76929—Controlling method
- B29C2945/76979—Using a neural network
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/23—Pc programming
- G05B2219/23077—Reconfigurable remote programmer, learn control signals for different devices
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32193—Ann, neural base quality management
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32194—Quality prediction
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/33—Director till display
- G05B2219/33038—Real time online learning, training, dynamic network
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45244—Injection molding
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Manufacturing & Machinery (AREA)
- Automation & Control Theory (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Human Computer Interaction (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
Verfahren (7) zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses (911), welcher von mindestens einer Produktionsmaschine (91) in einer Produktionsanlage (9) zur Herstellung wenigstens eines Produkts durchgeführt wird, wobei das Verfahren (7) folgende Schritte aufweist: (a) Aufzeichnung von - mindestens einem Einstellwert (201) und/oder - mindestens einem Wert (111) von mindestens einer Prozessgröße (11) und/oder mindestens einem Wert (121) von mindestens einer Bezugsgröße (12) durch eine Datenaufzeichnungseinheit (71), (b) Ermittlung von - mindestens einem berechneten Einstellwert (202) und/oder - mindestens einer elektronischen Nachricht (5), insbesondere in Form von mindestens einer Handlungsempfehlung (51), durch eine Recheneinheit (72) mittels mindestens eines Regelwerks (76), (c) Entscheidung, ob - der mindestens eine berechnete Einstellwert (202) aus Schritt (b) übernommen und/oder - der mindestens einen Handlungsempfehlung (51) aus Schritt (b) Folge geleistet werden soll durch eine Entscheidungseinheit (73) und/oder den Bediener über mindestens eine Bedienerschnittstelle (93) wobei mindestens ein Regelwerk (76) aus Schritt (b) von einer Lerneinheit (75) mittels mindestens eines maschinellen Lernverfahrens unter Verwendung von Trainingsdaten einer Vielzahl von Produktionsanlagen (9) und/oder einer Vielzahl von Produktionsmaschinen (91) erstellt wird.
Description
[0001] Die Erfindung betrifft ein Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses mit den Merkmalen des Oberbegriffes des Anspruchs 1, sowie ein Feedbackverfahren mit den Merkmalen des Oberbegriffs von Anspruch 28. Zudem betrifft die Erfindung eine Produktionsanlage nach Anspruch 32 mit Mittel, das Verfahren aus Anspruch 1 und/oder das Feedbackverfahren aus Anspruch 28 auszuführen. Zudem betrifft die Erfindung ein Computerprogrammprodukt nach Anspruch 33.
[0002] In der Offenbarung der Anmeldung wird das Wort „Verfahren“ als Kurzform für das Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses verwendet. Das Wort „Verfahren“ bezeichnet insbesondere nicht das Feedbackverfahren. Analog dazu ist auch „Regelwerk“ nicht als Kurzform von „Feedbackregelwerk“ zu verstehen.
[0003] Der Produktionsprozess kann dabei beispielweise ein Formgebungsprozess, insbesondere ein Spritzgießprozess sein. Produktionsmaschinen folgen dieser Terminologie analog. Der Produktionsprozess kann kontinuierlich oder zyklisch ablaufen.
[0004] Die Steuerung eines Produktionsprozesses verlangt im Allgemeinen die Eingabe von einer Vielzahl von Einstellgrößen von Prozessgrößen. Da im Produktionsprozess sich diese Vielzahl an Größen untereinander stark beeinflussen, ist eine sinnvolle Einstellung, welche zu hochqualitativen Produkten führt, Ressourcen schont und die Produktionsanlage nicht schädigt, im Allgemeinen schwierig und nur für erfahrene Bediener manuell zu bewerkstelligen.
[0005] Zum Stand der Technik zählen Expertensysteme, welche den Bediener bei der Einstellung von Produktionsprozessen unterstützen. Diese basieren jedoch auf einem begrenzten Datenumfang, welcher durch Experten manuell gesammelt und aufbereitet wird. Dadurch wird die aktuell vorhandene Vielzahl an Messdaten von Sensoren an einer Produktionsanlage nicht verwendet.
[0006] Zudem zählt es zum Stand der Technik statt Expertensystemen eine Vielzahl von Prozessdaten und/oder Einstelldaten einer Produktionsmaschine zum maschinellen Lernen eines Regelwerks zu verwenden, welches Regelwerk beispielweise die Qualität des Produkts voraussagen kann. Damit kann zum Beispiel getestet werden, ob eine bestimme Einstellung einer Produktionsmaschine sinnvoll ist. Weiters kann ein maschinell gelerntes Regelwerk zur automatischen Bestimmung von Überwachungsgrenzen verwendet werden. Dies ist zum Beispiel in US 7 216 005 B2 mittels Verwendung von neuronalen Netzen realisiert. Die Optimierung eines auf Simulationen beruhenden Prozessoptimierungssystems ist in AT 519491 A1 offenbart. Das Trainieren des Regelwerks ist jedoch typischerweise auf eine einzelne Produktionsmaschine bezogen.
[0007] Weiters ist es Stand der Technik, eine Vielzahl von Daten zum Bedienerverhalten und/ oder von Prozessdaten von einer Vielzahl von Produktionsprozessen an ein zentrales Rechnernetz zu senden. Diese Daten werden typischerweise werkseitig und manuell analysiert und tragen zur Verbesserung neuer Generationen von Produktionsmaschinen und/oder Produktionsanlagen bei. Hierbei wird jedoch nicht die Einstellung der bestehenden Produktionsanlage beeinflusst.
[0008] Aufgabe dieser Erfindung ist, die Nachteile des Stands der Technik zu vermeiden. Insbesondere sollen ein verbessertes Verfahren, ein verbessertes Feedbackverfahren, eine verbesserte Produktionsanlage und ein verbessertes Computerprogrammprodukt geschaffen werden.
[0009] Erfindungsgemäß wird diese Aufgabe durch ein Verfahren mit den Merkmalen des Anspruchs 1, ein Feedbackverfahren nach Anspruch 28, eine Produktionsanlage nach Anspruch 32 und ein Computerprogrammprodukt nach Anspruch 33 gelöst. Bevorzugte Ausführungsbeispiele der vorliegenden Erfindung sind in den abhängigen Ansprüchen angegeben.
[0010] Ein erfindungsgemäßes Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses, welcher von mindestens einer Produktionsmaschine in einer Produktionsanlage zur Herstellung wenigstens eines Produkts durchgeführt wird, wobei die Produktionsanlage mindestens eine Bedienerschnittstelle zur Eingabe von Einstellwerten mindestens einer
Einstellgröße aufweist, - wobei bevorzugt mindestens ein Systemkonfigurationswert mindestens einer Systemkonfigurationsgröße in einem Speicher vorliegt - und - wobei besonders bevorzugt mindestens ein Einstellwert und/oder mindestens ein Systemkonfigurationswert als klassifizierter Wert vorliegt -, weist folgende Schritte auf:
(a) Aufzeichnung von - Mindestens einem Einstellwert von mindestens einer Einstellgröße und/oder
- mindestens einem Wert einer Prozessgröße und/oder mindestens einem Wert von mindestens einer Bezugsgröße des mindestens einen Produktionsprozesses (911), welche aus mindestens einem Wert einer Prozessgröße ermittelt wird
durch eine Datenaufzeichnungseinheit, wobei die in diesem Schritt genannten Werte bevorzugt als klassifizierte Werte vorliegen
(b) Ermittlung von - mindestens einem berechneten Einstellwert und/oder
- mindestens einer elektronischen Nachricht, insbesondere in Form von mindestens einer Handlungsempfehlung
durch eine Recheneinheit mittels mindestens eines Regelwerks, wobei die Eingangsdaten des Regelwerks die in Schritt (a) aufgezeichneten Werte und/oder mindestens einen Systemkonfigurationswert mindestens einer Systemkonfigurationsgröße und/ oder klassifizierte Werte der genannten Werte umfassen
(c) Entscheidung, ob - der mindestens eine berechnete Einstellwert aus Schritt (b) übernommen und/oder
- der mindestens einen Handlungsempfehlung aus Schritt (b) Folge geleistet werden soll
durch eine Entscheidungseinheit und/oder den Bediener über die mindestens eine Bedienerschnittstelle.
[0011] Erfindungsgemäß ist vorgesehen, dass mindestens ein Regelwerk aus Schritt (b) von einer Lerneinheit mittels mindestens eines maschinellen Lernverfahrens unter Verwendung von Trainingsdaten einer Vielzahl von Produktionsanlagen und/oder einer Vielzahl von Produktionsmaschinen erstellt wird.
[0012] Damit können unter anderem Handlungsempfehlungen, Parametrierungen, Einstellvorschläge einer Produktionsanlage und/oder -maschine usw. mittels Daten von einer Vielzahl von Produktionsmaschinen erlernt werden und einer Bedienerschnittstelle und/oder der Produktionsanlage und/oder -maschine direkt zur Verfügung gestellt werden.
[0013] Mit einer Vielzahl von Produktionsanlagen und/oder Produktionsmaschinen sind mindestens zwei, bevorzugt aber über 100 und besonders bevorzugt über 1000, Produktionsanlagen und/oder Produktionsmaschinen gemeint.
[0014] Es kann vorgesehen sein, dass die Trainingsdaten zur Erstellung des mindestens einen Regelwerks folgende Werte umfassen:
- mindestens einen Einstellwert mindestens einer Einstellgröße und/oder - mindestens einen Wert mindestens einer Prozessgröße und/oder - mindestens einen Wert mindestens einer Bezugsgröße und/oder
- mindestens einen Systemkonfigurationswert mindestens einer Systemkonfigurationsgröße und/oder
- mindestens eine Klassifikation der oben genannten Werte und/oder
- mindestens einen Identifikator mindestens einer der oben genannten Größen und/oder Klassen.
[0015] Der Identifikator einer Größe und/oder einer Klasse ist eine Zahl und/oder ein String, welche/welcher der Größe bzw. der Klasse eindeutig zugeordnet ist.
[0016] Bei einem Ausführungsbeispiel ist vorgesehen, dass mindestens ein Wert von mindestens einer Steuerungsgröße aufgezeichnet wird und aus diesem Wert mittels des Regelwerks mindestens ein Wert von mindestens einer Referenzgröße, insbesondere einer Uberwachungsgrenze, und/oder eine elektronische Nachricht, insbesondere eine Handlungsempfehlung, ermittelt wird.
[0017] Bei einem Ausführungsbeispiel ist vorgesehen, dass mindestens ein Wert von mindestens einer Systemkonfigurationsgröße, welcher beispielsweise das Material des Produkts spezifiziert, als Eingangswert verwendet wird um mittels des Regelwerks mindestens einen Wert von mindestens einer Steuerungsgröße und/oder mindestens einen Wert von mindestens einer Referenzgröße und/oder mindestens eine elektronische Nachricht zu ermitteln.
[0018] Bei einem Ausführungsbeispiel ist vorgesehen, dass, wenn nicht alle für das Starten des Produktionsprozesses nötigen Werte der Einstellgrößen definiert sind, wenigstens ein fehlender Wert als berechneter Wert einer Einstellgröße in Schritt (b) ermittelt wird.
[0019] Bei einem Ausführungsbeispiel ist vorgesehen, dass mindestens ein Wert von mindestens einer Bezugsgröße von mindestens einer Prozessgröße von mindestens einem Produktionsprozess aufgezeichnet wird, und Werte von Einstellgrößen laufend optimiert werden.
[0020] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Werte der Bezugsgrößen in Schritt (a) von jenem Produktionsprozess stammen, welcher mit den in Schritt (a) bestehenden Einstellwerten parametriert ist, insbesondere läuft in diesem Fall der Produktionsprozess für eine bestimmte Zeit und/oder eine bestimmte Anzahl an Zyklen unmittelbar vor Schritt (a) als Zwischenschritt ab.
[0021] Bei einem Ausführungsbeispiel ist vorgesehen, dass, zumindest im Falle einer Entscheidung durch den Bediener an der mindestens einen Bedienerschnittstelle in Schritt (c) der mindestens eine berechnete Einstellwert, bevorzugt auch seine Klassifikation, und/oder die mindestens eine elektronische Nachricht aus Schritt (b) visualisiert wird.
[0022] Bei einem Ausführungsbeispiel ist vorgesehen, dass bei positiver Entscheidung durch die Entscheidungseinheit und/oder den Bediener
- der mindestens eine berechnete Einstellwert übernommen wird und/oder die Handlungsempfehlung ausgeführt wird
und/oder dass bei negativer Entscheidung durch die Entscheidungseinheit und/oder den Bediener
- der mindestens eine alte Einstellwert beibehalten bleibt und/oder
- mindestens ein neuer Einstellwert von der Entscheidungseinheit und/oder dem Bediener an der mindestens einen Bedienerschnittstelle eingegeben wird.
[0023] Bei einem Ausführungsbeispiel ist vorgesehen, dass im Falle einer Änderung des mindestens eines Einstellwerts durch die Entscheidungseinheit eine Begründung an der mindestens einen Bedienerschnittstelle in Form einer elektronischen Nachricht angezeigt wird.
[0024] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Einstellgrößen des mindestens einen Produktionsprozesses Steuerungsgrößen von Prozessgrößen und/oder Uberwachungsgrenzen von Prozessgrößen und/oder Größen, welche die Art der Überwachung festlegen, umfassen.
[0025] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Systemkonfigurationsgrößen Größen umfassen, welche Eigenschaften
- der Produktionsanlage,
- der mindestens einen Produktionsmaschine, insbesondere eines Werkzeugs mindestens einer Produktionsmaschine,
- des Materials des Produkts und/oder - des Kunden beschreiben.
[0026] Beispielsweise kann die Region des Standorts einer Produktionsanlage und/oder die Branche des Kunden eine Systemkonfigurationsgröße darstellen.
[0027] Bei einem Ausführungsbeispiel ist vorgesehen, dass über ein Rechnernetz folgende Einheiten in Datenverbindung stehen oder bringbar sind:
- mindestens eine Produktionsmaschine
- mindestens eine Bedienerschnittstelle
- die Datenaufzeichnungseinheit
- die Entscheidungseinheit
- die Recheneinheit
- die Lerneinheit
- die Produktionsanlage und mindestens eine weitere Produktionsanlage
[0028] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Produktionsanlage eine Verbindungsvorrichtung aufweist, welche mittels Datenübertragungsmittel mit dem Rechnernetz verbunden oder verbindbar ist, wobei das Rechnernetz insbesondere ein internes Rechnernetz, welches innerhalb der Produktionsanlage angeordnet ist, und ein externes Rechnernetz, welches außerhalb der Produktionsanlage angeordnet ist, umfasst, wobei das externe Rechnernetz insbesondere die Produktionsanlage mit mindestens einer weiteren Produktionsanlage verbindet. Die Verbindungsvorrichtung kann als Edge Device ausgebildet sein.
[0029] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Datenaufzeichnungseinheit die ihr zugeführten Daten in der Produktionsanlage, in der Produktionsmaschine und/oder im Rechnernetz dauerhaft oder temporär speichert.
[0030] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Lerneinheit das mindestens eine maschinelle Lernverfahren auf dem mindestens einen externen Rechnernetz ausführt, mit welchem externen Rechnernetz eine Vielzahl von Produktionsanlagen in Datenverbindung stehen oder verbindbar sind.
[0031] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Lerneinheit das mindestens eine maschinelle Lernverfahren auf der mindestens einen Verbindungsvorrichtung ausführt, mit welcher Verbindungsvorrichtung über das interne Rechnernetz eine Vielzahl von Produktionsmaschinen in Datenverbindung stehen oder verbindbar sind.
[0032] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Trainingsdaten der Lerneinheit von einer Vielzahl von Produktionsmaschinen in mindestens einer Produktionsanlage gesammelt werden, wobei die Produktionsmaschinen zum Teil unterschiedlichen Typs sind.
[0033] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Lerneinheit mindestens ein Regelwerk für eine Fragestellung ermittelt, wobei bevorzugt mindestens ein überwachtes maschinelles Lernverfahren angewendet wird, wobei das maschinelle Lernverfahren besonders bevorzugt aus Trainingsdaten mit zugeordneten Antworten der Fragestellung lernt.
[0034] Die Trainingsdaten können dabei in unterschiedlichen Datenstrukturen, beispielsweise als Tabelle und/oder als Datenbank und/oder als Liste vorliegen.
[0035] Die für eine Fragestellung spezifische Zuordnung der Antworten zu Eingangsdaten kann beispielsweise über die Anordnung der Trainingsdaten in einer Datenstruktur, beispielsweise
einer Tabelle mit Zeilen und Spalten, realisiert werden.
[0036] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Lerneinheit mindestens ein Regelwerk für eine erste Fragestellung auf eine zweite Fragestellung übertragen kann, insbesondere dadurch, dass beim maschinellen Lernverfahren ein mit einer ersten Fragestellung vortrainiertes Regelwerk mit Trainingsdaten der zweiten Fragestellung trainiert wird. Ein Begriff in der Literatur dafür ist beispielsweise „Transfer Learning“.
[0037] Bei einem Ausführungsbeispiel ist vorgesehen, dass für mindestens eine Instanz einer Systemkonfigurationsklasse mindestens ein Regelwerk erstellt wird, wobei dieses mindestens eine Regelwerk insbesondere auf eine für diese mindestens eine Instanz der Systemkonfigurationsklasse spezifische Fragestellung trainiert wird.
[0038] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Lerneinheit mindestens ein Regelwerk ohne eine Fragestellung ermittelt, wobei bevorzugt mindestens ein unüberwachtes maschinelles Lernverfahren verwendet wird.
[0039] Bei einem Ausführungsbeispiel ist vorgesehen, dass das maschinelle Lernverfahren eine der folgenden Methoden anwendet:
- Entscheidungsbaum
- Neuronale Netze
- Lookup-Tabelle
- Formaler Zusammenhang
- Dynamische Modelle (stochastisch oder modellbasiert)
[0040] Mit der Methode „Lookup- Tabelle“ können die Trainingsdaten in eine Tabelle geschrieben und gespeichert werden. Diese kann dann als Regelwerk abgerufen werden.
[0041] Mit der Methode „formaler Zusammenhang“ kann beispielsweise die Berechnung einer statistischen Größe, wie eines Medians oder Mittelwerts, aus Daten einer Vielzahl von Produktionsanlagen und/oder Produktionsmaschinen gemeint sein.
[0042] Mit der Methode „dynamische Modelle“ kann die Verwendung eines - vorzugsweise physikalischen - Modells gemeint sein. Hier können beispielsweise Modellparameter eines bestimmten Modells erlernt werden und/oder ein durch Lernen ein passendes Modell ausgewählt werden. Zudem können qualitative Merkmale des Modells selbst erlernt werden.
[0043] Bei einem Ausführungsbeispiel ist vorgesehen, dass das Regelwerk in der Produktionsanlage, in der Produktionsmaschine, in der Verbindungsvorrichtung und/oder im Rechnernetz gespeichert ist.
[0044] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Klassifizierung wenigstens eines Werts durch eine Schritt (a) vorgeschaltete Klassifizierungs- und Beurteilungseinheit durchgeführt wird, wobei die Klassifizierungs- und Beurteilungseinheit insbesondere die folgenden Aufgaben erledigt:
- Beurteilung der Datenqualität und Wegwerfen irrelevanter Daten, insbesondere Erkennung von Anomalien
- Verdichtung und Komprimierung der Daten - Erstellung von Metadaten
[0045] Bei einem Ausführungsbeispiel ist vorgesehen, dass die Klassifizierungs- und Beurteilungseinheit mindestens ein Klassifizierungsregelwerk umfasst, welches insbesondere manuell mittels Expertenwissen und/oder durch eine zweite Lerneinheit mit mindestens einem Merkmal der Lerneinheit aus wenigstens einem der vorhergehenden Ausführungsbeispiele erstellt wurde.
[0046] Bei einem Ausführungsbeispiel ist vorgesehen, dass das Klassifizierungsregelwerk in der Produktionsanlage, auf der Produktionsmaschine, auf der Verbindungsvorrichtung und/oder im
Rechnernetz gespeichert ist.
[0047] Ein erfindungsgemäßes Feedbackverfahren unter Verwendung des Verfahrens, wobei das Verfahren unter Verwendung des mindestens einen Regelwerks ausgeführt wird, ist dadurch gekennzeichnet, dass von der Datenaufzeichnungseinheit Verhaltenswerte von mindestens einer Verhaltensgröße gesammelt werden, welche von der Lerneinheit als Trainingsdaten mindestens ein Feedbackregelwerk trainieren, wobei das Feedbackregelwerk insbesondere dazu verwendet wird, das Verfahren, insbesondere das Regelwerk, zu beurteilen und/oder weiterzuentwickeln.
[0048] Bei einem Ausführungsbeispiel des Feedbackverfahrens ist vorgesehen, dass die mindestens eine Verhaltensgröße das Verhalten des Bedieners beschreibt, beispielsweise die Akzeptanzhäufigkeit einer Handlungsempfehlung durch den Bediener.
[0049] Bei einem Ausführungsbeispiel des Feedbackverfahrens ist vorgesehen, dass über die mindestens eine Bedienerschnittstelle Fragen an den Bediener, insbesondere bezüglich einer Beurteilung des Verfahrens, gestellt werden, wobei die diesbezüglichen Eingaben des Bedieners mindestens eine Verhaltensgröße darstellen.
[0050] Bei einem Ausführungsbeispiel des Feedbackverfahrens ist vorgesehen, dass die mindestens eine Verhaltensgröße das Verhalten des Regelwerks und/oder des Verfahrens beschreiben, beispielsweise die Empfindlichkeit der Ausgangswerte des Regelwerks bei einer kleinen Änderung der Eingangswerte des Regelwerks.
[0051] Eine erfindungsgemäße Produktionsanlage weist Mittel auf, die geeignet sind, das Verfahren und/oder das Feedbackverfahren auszuführen.
[0052] Ein erfindungsgemäßes Computerprogrammprodukt umfasst Befehle, die bewirken, dass die Produktionsanlage das Verfahren und/oder das Feedbackverfahren ausführt.
[0053] Es sei angemerkt, dass sich das Verfahren für zyklusbasierte und kontinuierliche Produktionsprozesse eignet. Insbesondere eignet sich das Verfahren dadurch zur Ausführung in Produktionsanlagen, welche mindestens eine Spritzgießmaschine und/oder mindestens einen Kunststoffextruder enthalten.
[0054] Das durch die Verwendung von Daten von einer Vielzahl von Produktionsmaschinen und/oder Produktionsanlagen nötige Versenden von Daten kann anonymisiert und/oder nicht anonymisiert vollzogen werden.
[0055] Eine Produktionsanlage weist mindestens eine Produktionsmaschine auf. Die mindestens eine Produktionsmaschine kann mindestens ein Peripheriegerät aufweisen, welches ebenfalls Teil der Produktionsanlage ist. Weiters ist mindestens eine Bedienerschnittstelle in der Produktionsanlage vorgesehen. Die Steuerung und Uberwachung kann zentral ausgeführt werden, beispielsweise über ein Manufacturing Execution System (MES).
[0056] Einstellgrößen werden vom Bediener oder einem Computerprogramm, zum Beispiel dem erfindungsgemäßen Verfahren zur Optimierung und/oder Bedienung eines Produktionsprozesses und/oder einem Regelungsalgorithmus, definiert.
[0057] Beispiele für Einstellgrößen des Produktionsprozesses sind insbesondere Steuerungsgrößen und/oder Referenzgrößen. Steuerungsgrößen können beispielsweise Führungsgrößen, wessen augenblickliche Werte Sollwerten entsprechen, oder Größen, welche die Art der Steuerung festlegen, sein. Auch können hier Einstellgrößen für Regelungsalgorithmen des Produktionsprozesses gemeint sein. Referenzgrößen können beispielsweise Uberwachungsgrenzen einer Prozessgröße oder Größen, welche die Art der Überwachung festlegen, sein.
[0058] Beispiele für Einstellgrößen eines Verfahrens oder Computerprogramms, beispielsweise des erfindungsgemäßen Verfahrens zur Optimierung und/oder Bedienung eines Produktionsprozesses, sind Größen, welche festlegen, welches Regelwerk verwendet werden soll. Auch können hier Einstellgrößen eines Expertensystems oder eines Regelungsalgorithmus einer Produktionsmaschine gemeint sein.
[0059] Verhaltensgrößen beschreiben das Verhalten von beispielweise einem Produktionsprozess, einem Verfahren oder einem Bediener. Als beschreibende Größen sind die Verhaltensgrößen keine definierten oder eingestellten Größen.
[0060] Prozessgrößen sind physikalischen Messgrößen oder daraus abgeleitete Größen des Produktionsprozesses. Prozessgrößen beschreiben das Verhalten des Produktionsprozesses und sind damit Verhaltensgrößen.
[0061] Bezugsgrößen oder Kennzahlen sind von einer oder mehreren Prozessgrößen abgeleitete Größen. Bezugsgrößen oder Kennzahlen können zum Beispiel Eigenschaften einer Messkurve einer Prozessgröße beschreiben oder Zeitpunkte, bei denen Prozessgrößen bestimmte Werte einnehmen, oder beispielsweise die Standardabweichung von mehreren vergangenen Werten von einer Prozessgröße sein. Bezugsgrößen und Kennzahlen sind ebenfalls Verhaltensgrößen.
[0062] Prozessgrößen und/oder Bezugsgrößen können Qualitätsgrößen, wie beispielsweise Gewicht, Maßhaltigkeit, Verzug und/oder Oberfläche, insbesondere von Bauteilen der Produktionsmaschine und/oder der Produktionsanlage, umfassen. Diese können direkt gemessen und/oder aus Prozessgrößen abgeleitet werden.
[0063] Die Verhaltensgrößen des Bedieners zeichnen das Verhalten eines Bedieners auf. Ein Beispiel ist die relative Akzeptanzhäufigkeit einer Handlungsempfehlung durch den Bediener.
[0064] Die Verhaltensgrößen eines Verfahrens, wie beispielsweise des erfindungsgemäßen Verfahrens zur Optimierung und/oder Bedienung eines Produktionsprozesses, zeichnen beispielsweise das Verhalten eines Regelwerks auf. Dabei kann beispielsweise aufgezeichnet werden, wie empfindlich die Ausgangswerte des Regelwerks auf eine kleine Anderung der Eingangswerte des Regelwerks reagieren.
[0065] Systemkonfigurationsgrößen sind beschreibende Größen und unabhängig von Einstellgrößen und Verhaltensgrößen. Sie beschreiben beispielsweise Eigenschaften des Materials, der Produktionsmaschine, des Kunden, des Werkzeugs oder der geographischen Lage. Beispielsweise kann eine Eigenschaft der Produktionsmaschine der Maschinentyp und eine Eigenschaft des Kunden die Branche, in der er tätig ist, sein.
[0066] Die Werte von Systemkonfigurationsgrößen ändern sich demnach nur bei einer Änderung der Konfiguration, beispielsweise des Werkzeugs, des Kunden, der Produktionsmaschine oder dergleichen, insbesondere verändern sie sich nicht während und/oder durch die Schritte (a), (b) und (c) des erfindungsgemäßen Verfahrens oder durch einen Produktionsprozess.
[0067] Eine Parameterklasse kann beispielsweise Prozessgrößen mit der gleichen Einheit, aus demselben Abschnitt des Produktionsprozesses und/oder aus demselben Bereich oder Bauteil der Produktionsmaschine zusammenfassen.
[0068] Eine Systemkonfigurationsklasse kann beispielsweise die Typen von Produktionsmaschinen, die geographischen Regionen des Standorts einer Produktionsmaschine/-anlage oder auch die Branche der Kunden zusammenfassen.
[0069] Die beschriebenen Größen können nach der Terminologie in der vorliegenden Anmeldung beispielsweise folgendermaßen eingeordnet werden:
Einstellgröße - Einstellgröße des Produktionsprozesses o Steuerungsgröße o Referenzgröße - Einstellgröße eines Verfahrens / Computerprogramms o Steuerungsgröße der Recheneinheit / des Verfahrens
Verhaltensgröße - Verhaltensgröße des Produktionsprozesses 0 Prozessgröße 0 Bezugsgröße oder Kennzahl - Verhaltensgröße eines Verfahrens / Computerprogramms - Verhaltensgröße des Bedieners Systemkonfigurationsgröße - bezogen auf die Produktionsanlage - bezogen auf den Kunden [0070] Ausführungsbeispiele der Erfindung werden anhand der Figuren diskutiert. Dabei zeigen: [0071] Fig. 1a-d Ausführungsbeispiele des erfindungsgemäßen Verfahrens [0072] Fig. 2a,‚b Trainieren eines Regelwerks durch die Lerneinheit [0073] Fig. 3a,‚b Feedbackverfahren, a. Benutzerfeedback, b. Beurteilung des Verfahrens [0074] Fig. 4a-e Netzwerkarchitektur und Anordnung der Recheneinheiten
[0075] Fig. 5a,‚b konkretes Ausführungsbeispiel mit einem Regelwerk in Form eines Entscheidungsbaums
[0076] Fig. 6a,‚b Mittelung von Überwachungsgrenzen mehrerer Spritzgießmaschinen
[0077] Fig. 1a-d zeigt Ausführungsbeispiele des erfindungsgemäßen Verfahrens 7 zur Optimierung und/oder Bedienung eines Produktionsprozesses 911. Dabei zeigt Fig. 1a ein Ausführungsbeispiel, bei welchem an der mindestens einen Bedienerschnittstelle 93 Handlungsempfehlungen basierend auf vom Bediener eingegebenen Werten von Einstellgrößen 2 angezeigt werden sollen. Hier hat der Bediener insbesondere mindestens einen Wert 211 für eine Steuerungsgröße 21 zur Steuerung des Produktionsprozesses 911 eingegeben. Dieser mindestens eine Wert 211 wird von der Datenaufzeichnungseinheit 71 aufgezeichnet und zwischengespeichert. Der mindestens eine Wert 211 wird an die Recheneinheit 72 übertragen. In der Recheneinheit 72 sind mehrere, hier insbesondere zwei, Regelwerke 76 abgespeichert. Die zwei Regelwerke 76 berechnen aus dem mindestens einen Wert 211 einer Steuerungsgröße 21, jeweils verschiedene Ausgangsdaten. Die Ausgangsdaten der Regelwerke 76 sind mindestens ein berechneter Wert 212 einer Steuerungsgröße 21 zur Steuerung des Produktionsprozesses 911 und mindestens ein berechneter Wert 222 einer Referenzgröße 22 zur Überwachung des Produktionsprozesses 911. Dabei kann beispielweise der mindestens eine berechnete Wert 212 vom ersten Regelwerk 76 und der mindestens eine berechnete Wert 222 vom zweiten Regelwerk 76 ermittelt werden. Die berechneten Werte werden dann an die mindestens eine Bedienerschnittstelle 93 gesendet und für den Bediener, beispielweise durch eine elektronische Nachricht 5 visualisiert. Alternativ oder zusätzlich kann auch eine elektronische Nachricht 5 als Ausgangswert eines Regelwerks an die mindestens eine Bedienerschnittstelle gesendet werden, beispielweise um Warnungen auszugeben oder den mitgesendeten mindestens einen Wert 212 und/oder 222 dem Bediener bedienerfreundlich zu präsentieren.
[0078] Außerdem kann in einem Speicher 711 in der Datenaufzeichnungseinheit 71 mindestens eine Systemkonfigurationswert 301 einer Systemkonfigurationsgröße 3 abgespeichert sein. Dieser Wert kann zusätzlich als Eingangswert für die Regelwerke 76 verwendet werden.
[0079] Die Rücksendung einer elektronischen Nachricht 5 an die mindestens eine Bedienerschnittstelle 93 kann beispielweise zur Warnung des Bedieners vor schlechten, die Qualität des Produkts oder sogar die Produktionsmaschine 91 gefährdenden Einstellungen verwendet werden. Zudem kann die Rücksendung mindestens eines berechneten Werts 212 einer Steuerungsgröße 21 an die mindestens eine Bedienerschnittstelle 93 für konkrete Handlungsempfehlungen
51 zur Änderung der eingestellten Werte von Steuerungsgrößen 21 hin zu besseren Werten, beispielsweise den mindestens einen berechneten Wert 212, verwendet werden.
[0080] Wird zum Beispiel bei einer Spritzgießmaschine eine Materialmenge und eine Kühlzeit eingestellt, kann das Regelwerk 76 erkennen, dass die Kühlzeit im Verhältnis zur Materialmenge zu kurz ist, und dadurch Qualitätsprobleme des Produkts, wie Einfallstellen und Verzug, zu erwarten sind. Dem Bediener wird dann eine Handlungsempfehlung 51 mitgeteilt, und insbesondere mittels einer elektronischen Nachricht 5 empfohlen, die Einstellung für die Kühlzeit entsprechend zu erhöhen, wobei auch ein konkreter Wert oder Wertebereich für die Kühlzeit angegeben sein kann.
[0081] Außerdem kann die Rücksendung mindestens eines berechneten Werts 212 einer Steuerungsgröße 21 und/oder eines berechneten Werts 222 einer Referenzgröße 22 an die mindestens eine Bedienerschnittstelle 93 zum Vorschlag von mindestens einem Werte 212 und/oder 222 von noch nicht eingestellten Steuerungsgrößen 21 und Referenzgrößen 22 verwendet werden. Damit fungiert das Verfahren 7 als Einstellhelfer.
[0082] Verwendet zum Beispiel ein Bediener ein bestimmtes Material, welches durch einen dem Material zugeordneten Systemkonfigurationswert 301 einer Systemkonfigurationsgröße 3 abgespeichert ist, können fehlende Einstellwerte, beispielsweise mindestens ein Wert 212 einer Steuerungsgröße 21 und/oder mindestens ein Wert 222 einer Referenzgröße 22, automatisch vom Regelwerk 76 vorgeschlagen werden.
[0083] Die Rücksendung mindestens eines berechneten Werts 222 einer Referenzgröße 22, welche einer Prozessgröße 11 des Produktionsprozesses 911 zugeordnet ist, an die mindestens eine Bedienerschnittstelle 93 kann beispielweise zum Vorschlag von Überwachungsgrenzen der Prozessgröße 11 an den Bediener verwendet werden.
[0084] Beispielweise kann der Bediener an der mindestens einen Bedienerschnittstelle 93 als Steuerungsgröße 21 ein Soll-Spritzprofil einstellen, welches über die Datenaufzeichnungseinheit 71 an die Recheneinheit 72 weitergeleitet wird. Ein Regelwerk 76 berechnet dann aus diesem Soll-Spritzprofil die Uberwachungsgrenzen einer Prozessgröße 11 des Formgebungsprozesses 911, wobei die Uberwachungsgrenzen Werte 222 einer der Prozessgröße 11 zugeordneten Referenzgröße 22 darstellen. An der mindestens einen Bedienerschnittstelle kann dann die Handlungsempfehlung 51 in Form einer elektronischen Nachricht 5 mit dem beispielhaften Inhalt „Kunden, die ein ähnliches Spritzprofil eingestellt haben, stellten am Mikrograf folgende Uberwachungsgrenzen für die Prozessgröße ein“ zusammen mit einer Liste der berechneten Werte 222 der Referenzgröße 22 erscheinen. Der Bediener akzeptiert, verwirft oder korrigiert dann die Werte aufgrund der Handlungsempfehlung 51.
[0085] Fig. 1b zeigt eine alternative Ausführungsform des erfindungsgemäßen Verfahrens, wobei hier zur Datenakquirierung ein oder mehrere Zyklen des Produktionsprozesses 911 (oder ein kontinuierlicher Produktionsprozess 911 für eine gewisse Zeitspanne) nach den in der mindestens einen Bedienerschnittstelle 93 definierten Werten 211 der Steuerungsgrößen 21 durchgeführt werden. Die Zyklen können zum Beispiel als Testzyklen vor der Massenproduktion gesehen werden (oder die Zeitspanne als Testlauf). Danach werden beispielweise von der mindestens einen Bedienerschnittstelle 93 die Werte 211 von Steuerungsgrößen 21 und von dem Produktionsprozess 911 die Werte 111 der den Steuerungsgrößen 21 zugeordneten Prozessgrößen 11 von der Datenaufzeichnungseinheit 71 gesammelt. Die Werte werden dann zusammen mit den Systemkonfigurationswerten 301 an die Recheneinheit 72 übertragen, welche mittels - in diesem Fall - drei Regelwerken 76 verschiedene Fragestellungen löst.
[0086] Beispielweise können aus den Verhältnissen zwischen Soll- und Ist-Werten Vorschläge zu Optimierung des Produktionsprozesses 911 und/oder eines Regelalgorithmus des Produktionsprozesses 911 an der mindestens einen Bedienerschnittstelle 93 angezeigt werden, insbesondere zusammen mit einem bedienerfreundlichen Dialog bestehend aus Textnachrichten 5.
[0087] Auch kann aus mehreren Werten 111 mindestens einer Prozessgröße 11 mindestens ein Bezugswert 121 einer Bezugsgröße 12, beispielsweise eines Streumaßes der Werte 111 der
Prozessgröße 11, ermittelt werden (siehe auch Fig. 1b). Ein skaliertes Streumaß der Werte 111 der Prozessgröße 11 kann als adaptive Uberwachungsgrenze für eine Prozessgröße 11 im Produktionsprozess 911 verwendet werden. Dabei kann es vorteilhaft sein, dass die durch das skalierte Streumaß gegebenen vorläufigen Uberwachungsgrenzen noch einmal überprüft werden. Diese Überprüfung und gegebenenfalls eine Werteanpassung kann durch die Recheneinheit 72 durch ein dafür kreiertes Regelwerk 76 bewerkstelligt werden. Die Recheneinheit 72 sendet dann die angepassten UÜberwachungsgrenzen (als berechnete Referenzwerte 222) zurück zur mindestens einen Bedienerschnittstelle 93 und/oder direkt zurück zum Produktionsprozess 911 (in Fig. 1b nicht gezeigt).
[0088] Fig. 1c zeigt ein Ausführungsbeispiel des erfindungsgemäßen Verfahrens zur direkten Parametrierung des Produktionsprozesses 911 oder eines Regelungsalgorithmus des Produktionsprozesses 911 durch berechnete Werte 212 von Steuerungsgrößen 21 oder der UÜberwachung des Produktionsprozesses 911 durch berechnete Werte 222 von Referenzgrößen 22.
[0089] Ein unvollständiger Satz von Werten von Einstellgrößen 2, hier Steuerungs- und Referenzwerte 211, 221 werden vom Bediener an der mindestens einen Bedienerschnittstelle 93 eingegeben. Uber die Datenaufzeichnungseinheit 71 werden die Steuerungs- und Referenzwerte 211, 221 und Systemkonfigurationswerte 301 an die Recheneinheit 72 weitergegeben. Die berechneten Steuerungs- und Referenzwerte 212, 222 stellen nun einen vollständigen Satz von Werten von Einstellgrößen 2 dar, welcher geeignet zur Parametrierung des Produktionsprozesses 911 oder eines Regelungsalgorithmus des Produktionsprozesses 911 ist. Anstatt die Ausgangsdaten der Regelwerke 76 zurück zur mindestens einen Bedienerschnittstelle 93 zu senden, kann eine Entscheidungseinheit 73 auf Basis der berechneten Steuerungs- und Referenzwerte 212, 222 entscheiden, ob die Werte an den Produktionsprozess 911 übertragen werden oder nicht. Außerdem können die Werte eines vollständigen Einstellsatzes des Produktionsprozesses 911 oder eines Regelalgorithmus des Produktionsprozesses 911 durch das Optimierungsverfahren 7 optimiert werden, beispielweise durch Vergleich von Soll- und Ist-Werten von Prozessgrößen 11, wie in Fig. 1b.
[0090] Fig. 1d zeigt eine Variation des Ausführungsbeispiels in Fig. 1a, wobei zwischen der Datenaufzeichnungseinheit 71 und der Recheneinheit 74 eine Klassifizierungs- und Beurteilungseinheit 74 zwischengeschaltet ist. Diese Einheit klassifiziert, beurteilt und selektiert Daten mittels eines Klassifizierungsregelwerks 741. Damit leitet die Einheit selektierte Werte 213, 303 und Instanzen 41 von Klassen 4 weiter zur Recheneinheit 72. Diese beinhaltet Regelwerke 76, welche diese Werte und Instanzen von Klassen als Eingangsdaten verarbeiten und berechnete Werte 212, 222, berechnete Instanzen 42 von Klassen 4 und allenfalls elektronische Nachrichten 5 ausgeben, welche an die mindestens eine Bedienerschnittstelle 93 zurückgesendet werden.
[0091] Es sei hier angemerkt, dass auch ohne die Klassifizier- und Beurteilungseinheit 74 im Optimierungszyklus 7 klassifizierte Werte verwendet und vom Regelwerk 76 verstanden werden können. Die Klassifizierung hat in diesem Fall vor der Ausführung des Verfahrens 7 stattgefunden, manuell durch den Bediener, automatisch durch eine weitere Klassifizierungseinheit und/ oder bereits werkseitig.
[0092] Fig. 2a,b zeigt Ausführungsbeispiele des Trainierens eines Regelwerks 76 durch eine Lerneinheit 75. In Fig. 2a wird gezeigt, wie ein Regelwerk 76, welches fehlende Einstellungswerte 202 eines Produktionsprozesses 911 aus vorhandenen Einstellungswerten 201 durch eine Vielzahl von Einstellungen anderer Bediener lernt. Mit einem derart trainierten Regelwerk 76 können zum Beispiel Referenzwerte 222 für Uberwachungsgrenzen aus vom Bediener eingegeben Werten 211 von Steuerungsgrößen 21, wie in Fig. 1a, ermittelt werden. Zum Trainieren des Regelwerkes 76 werden hier Steuerungswerte 211 und Referenzwerte 221 von wenigstens einem Bediener auf mehreren Bedienerschnittstellen 91 mehrerer Produktionsmaschinen 91 eingegeben. Diese werden über die jeweilige der Produktionsmaschine 91 zugeordneten Datenaufzeichnungseinheit 71 an die gemeinsame Lerneinheit 75 weitergegeben. Außerdem werden hier von jeder Produktionsmaschine 91 auch Systemkonfigurationswerte 301 an die Lerneinheit 75 weitergegeben. Zum Erzeugen des Regelwerks wird nun beispielweise eine Tabelle kreiert, welche
Paare von Steuerungswerten 211 und Referenzwerten 221 enthält, wobei ein Paar von einer Produktionsmaschine 91 stammt. Diese Tabelle kann als Lookup- Tabelle verwendet werden und schon das Regelwerk 76 bilden. Zudem kann die Tabelle den Trainingsdatensatz eines überwachten maschinellen Lernverfahrens darstellen, beispielweise zum Trainieren eines neuronalen Netzes verwendet werden. Ein so trainiertes Regelwerk 76 kann durch die Abfrage mittels eines Steuerungswerts 221 einen Referenzwert 222 ermitteln, so kann das Regelwerk 76 zum Beispiel anhand einer Spritzkurve geeignete Uberwachungsgrenzen ermitteln. Die Fragestellung des Regelwerks 76 wird hier durch die Zuordnung der Trainingsdatenpaare, also durch die Tabelle, spezifiziert.
[0093] Fig. 2b zeigt das Trainieren eines Regelwerks 76 für eine andere Fragestellung, nämlich insbesondere zur Erkennung von „schlechten“ Einstellwerten, wie in Fig. 1a. Hier wird ein Satz von Steuerungswerten 211 zur Steuerung eines Produktionsprozess 911 verwendet. Die Steuerungswerte 211 und die Werte von Prozessgrößen 111 werden an die Lerneinheit 75 weitergeleitet, optional auch mit Systemkonfigurationswerten 301. Das Trainieren eines Regelwerks 76 mit einem solchen Datensatz aus Steuerungswerten 211 und Prozesswerten 111 erlaubt dem trainierten Regelwerk 76 die Voraussage eines Prozessverlaufs. Werden zudem Ereignisse von Überschreitungen von Referenzwerten 221 berücksichtigt, kann das Regelwerk 76 im Betrieb einen Prozessverlauf voraussagen beurteilen und Warnungen und Wertänderungsvorschläge an die mindestens eine Bedienerschnittstelle 93 weiterleiten.
[0094] Fig. 3a,b zeigen eine schematische Darstellung des Feedbackverfahrens für das Verfahren 7. Dabei zeigt Fig. 3a das Trainieren eines Feedbackregelwerks 100 durch Bedienerfeedback und/oder Bedienerverhalten. Hier kann der Bediener beispielweise das Verhalten eines bereits durchlaufenen Verfahrens 7 an der mindestens einen Bedienerschnittstelle 93 mittels Verhaltensgrößen 14 des Verfahrens 7 bewerten. Die Werte 141 der Verhaltensgrößen 14 des Verfahrens 7 können dann in der Lerneinheit 75 ein Feedbackregelwerk 100 trainieren. Das Feedbackregelwerk 100 kann dazu verwendet werden, das Regelwerk 76 zu beurteilen und/oder weiterzuentwickeln. Außerdem kann das Bedienerverhalten bei der Bedienung der Produktionsmaschine 91, der Produktionsanlage 9 und/oder des Verfahrens 7 mittels Bedienerverhaltensgrößen 13 automatisch aufgezeichnet und an die Lerneinheit 75 zum Trainieren des Feedbackregelwerks 100 weitergeleitet werden.
[0095] Fig. 3b zeigt das Trainieren eines Feedbackregelwerks 100 durch Beobachtung des Verhaltens des Verfahrens 7 für die automatische Parametrierung eines Produktionsprozesses 911. Das Verfahren 7 weist typischerweise ein Regelwerk 76 auf, welches von dem Feedbackregelwerk 100 in der Lerneinheit 75 verschieden ist. Das Feedbackregelwerk 100 kann aber auf dem Regelwerk 76 des Verfahrens 7 basieren und zur Weiterentwicklung trainiert werden. Das Verhalten des Verfahrens 7 wird durch Verhaltensgrößen 14 beschrieben, wessen Werte 141 an die Lerneinheit 75 übermittelt werden. So eine Verhaltensgröße 14 kann beispielsweise angeben, wie empfindlich die Ausgangswerte des Regelwerks 76 auf eine kleine Anderung der Eingangswerte des Regelwerks 76 reagieren.
[0096] Zudem können Steuerungswerte 231 der Recheneinheit 72 der Lerneinheit 75 zugeführt werden. Das Feedbackregelwerk 100 kann demnach beispielweise im trainierten Zustand von Steuerungswerten 231 eines Regelwerks 76 auf ein zukünftiges Verhalten des Regelwerks 76 schließen.
[0097] Fig. 4a-e zeigen die Orte der Vorrichtungen und Einheiten. Fig. 4a zeigt die Netzwerkarchitektur, welche mehrere, über ein externes Rechnernetz 82 verbundene Produktionsanlagen 9 aufweist. Die Verbindung eines internen Rechnernetzes 81 mit dem externen Rechnernetz 82 erfolgt über eine Verbindungsvorrichtung 92. Im internen Rechnernetz 81 einer Produktionsanlage 9 befinden sich die Produktionsmaschinen 91, welche einen Produktionsprozess 911 ausführen können und mindestens eine Bedienerschnittstelle 93 aufweisen. Die mindestens eine Bedienerschnittstelle 93 kann auch abseits der Produktionsmaschine 91 im internen Rechnernetz 81 eingebunden sein, zum Beispiel in Form eines Tablets oder Smartphones. Auch können alle Produktionsmaschinen 91 einer Produktionsanlage 9 über ein Manufacturing Execution System
gesteuert und überwacht werden.
[0098] Fig. 4b-e zeigen verschiedene mögliche Orte der Einheiten des Verfahrens 7 im Rechnernetz 8. Um eine einfache Darstellung zu ermöglichen, ist hier nur eine Produktionsanlage 9 gezeigt. In Fig. 4b befinden sich die Datenaufzeichnungseinheit 71, die Recheneinheit 72, die Entscheidungseinheit 73, die Klassifizier- und Beurteilungseinheit 74 und die Lerneinheit 75 im externen Rechnernetz 82. Trotzdem verarbeiten vorzugsweise alle Einheiten außer die Lerneinheit 75 Daten von ausschließlich einer Produktionsmaschine 91. In Fig. 4c sind alle oben genannten Einheiten in der Verbindungsvorrichtung 92 angeordnet. In Fig. 4d sind alle Einheiten außer die Lerneinheit 75 direkt an der Produktionsmaschine 91 angeordnet. Die Lerneinheit 75 ist dagegen in der Verbindungsvorrichtung 92 angeordnet. Fig. 4e zeigt eine Anordnung bei der die Lerneinheit 75 und die Beurteilungs- und Klassifizierungseinheit 74 im externen Rechnernetz 82 eingebunden sind, während die Recheneinheit 72 und die Entscheidungseinheit 73 in der Verbindungsvorrichtung 92 angeordnet sind. Die Datenaufzeichnungseinheit 71 ist hier direkt an der Produktionsmaschine 91 angeordnet.
[0099] Es sei angemerkt, dass die in Fig 4b-e gezeigten Einheiten des Verfahrens 7 und des Lernverfahrens beliebig angeordnet sein können. Insbesondere kann eine Einheit auch zugleich im externen Rechnernetz 82 und im internen Rechnernetz 81 angeordnet sein. In diesem Sinne ist mit „Einheit“ vorzugsweise eine logische Einheit gemeint, womit jedoch nicht ausgeschlossen ist, dass es sich auch um eine physische Einheit handeln kann.
[00100] In Fig. 5a,b ist ein konkretes Ausführungsbeispiel für einen Spritzgießprozess dargestellt. In der Datenaufzeichnungseinheit 71 werden zyklisch folgende Daten aufgezeichnet:
- Prozessgrößen 11: o Istwerte der Spritzzeit o Spritzkurven - Steuerungsgrößen 21: o Sollwerte der Prozessgrößen 11 o Umschaltkriterien - Referenzgrößen 22: o Minimal- und Maximalwerte der aktuellen Spritzzeit - Systemkonfigurationsgrößen 3: o Materialtyp
[00101] Diese Daten werden auf die Verbindungsvorrichtung 92 oder das externe Rechnernetz 82 übertragen. Dort werden die Daten mittels der Klassifizierungs- und Beurteilungseinheit 74 in folgende Klassen 5 eingeteilt:
- Werkzeugtypen - Art des Umschaltens - Verarbeitete Materialtypen
[00102] Zudem wird die Form der Spritzkurven von der Klassifizierungs- und Beurteilungseinheit 74 beurteilt um vorab eine Anomalie zu erkennen.
[00103] Zum Lernen des Regelwerks 76 werden sowohl Rohdaten als auch die klassifizierten Daten von der Lerneinheit 75 herangezogen. Das Lernen findet im externen Rechnernetz 82 statt. Das sich ergebende Regelwerk 76 ist der in Fig. 5a dargestellte Entscheidungsbaum.
[00104] Vor dem Ausführen des Verfahrens 7 wird das fertige Regelwerk 76 vom externen Rechnernetz 82 auf die Verbindungsvorrichtung 92 geladen und steht dort als OPC/UA-Service oder als REST-Interface zur Verfügung.
[00105] Durch kontinuierliches Lernen wird das Regelwerk 76 laufend verbessert und mittels Updates laufend, in gewissen Intervallen und/oder nach genügend großer Veränderung des gelernten Regelwerks 76 vom externen Rechnernetz 82 auf die Verbindungsvorrichtung 92 geladen, womit es dem Verfahren 7 zur Verfügung steht.
[00106] Das Regelwerk 76 in Fig. 5a gibt in der Verwendung in einem Verfahren 7 als Ausgangsdaten eine obere und untere Uberwachungsgrenze als Funktion des Istwerts der Spritzzeit aus. In Fig. 5a ist die obere Uberwachungsgrenze als durchgezogene Linie und die untere Uberwachungsgrenze als gestrichelte Linie abgebildet. Diese Funktion stellt eine Referenzgröße 22 für die intelligente Uberwachung eines Produktionsprozesses 911, hier eines Spritzgießprozesses, dar. Die Eingangsdaten des Regelwerks 76 sind die Klasse 5 „Art des Umschaltens“ mit den Instanzen 51 „volumenabhängig“ und „druckabhängig“ und die Klasse 5 „Verarbeitetes Material“ mit den Instanzen 51 „PP“ und „PE“. Diese Berechnung der Recheneinheit 72 findet auf der Verbindungsvorrichtung 92 statt.
[00107] Das Ergebnis mindestens eines Regelwerks 76 wird als Handlungsempfehlung 51 an der mindestens einen Bedienerschnittstelle 93 in Form eines Dialogs angezeigt, wie in Fig. 5b exemplarisch dargestellt (hier ist nicht das Ergebnis vom Entscheidungsbaum in Fig. 5a gezeigt). Die Handlungsempfehlungen 51 können vom Bediener wahlweise getestet, übernommen oder verworfen werden. Zudem kann nach der Entscheidung des Bedieners ein BedienerfeedbackDialog angezeigt werden, wobei der Bediener die getesteten Einstellungen und/oder die Handlungsempfehlungen 51 selbst beurteilen kann. Dieses Bedienerfeedback kann, wie zum Beispiel gemäß Fig. 3a, einem Feedbackregelwerk 100 zugeführt werden, welchen Regelwerk 76 zur Verbesserung der Handlungsempfehlungen 51 und/oder zur Verbesserung des Regelwerks 76, zum Beispiel des Entscheidungsbaums in Fig. 5a.
[00108] Die Fig. 6a,‚b zeigen Beispiele des Werteverlaufs der Drehmomente DR (eine Prozessgröße 11) in der Einheit Newtonmeter (Nm) über mehrere Zyklen Z beim Dosieren von drei baugleichen Spritzgießmaschinen, die mit demselben Material dasselbe Formteil produzieren. Zudem ist in Fig. 6a der Mittelwert DRM und ein skaliertes Streumaß, hier sechs Mal die Standardabweichung o, angegeben. Das skalierte Streumaß nimmt hier die Werte 10 Nm, 15 Nm und 45 Nm an.
[00109] Fig. 6b zeigt dagegen den Werteverlauf mit einer um den jeweiligen Mittelwert DRM verschobenen Ordinate. Zudem zeigt Fig. 6b den Median der skalierten Streumaße bei 15 Nm.
[00110] Der Werteverlauf der Prozessgröße 11 und/oder die daraus ermittelten Bezugswerte 121 wie das skalierte Streumaß kann beispielsweise zum Trainieren eines Regelwerks 76, welches adaptive Überwachungsgrenzen (wie zu Fig. 16 ausgeführt) überprüfen soll, verwendet werden. Typischerweise werden dafür aber Werte von einer Vielzahl von Spritzgießmaschinen, insbesondere mehr als drei, verwendet. Der Median kann aus den skalierten Streumaßen der drei (oder typischerweise der Vielzahl an) SpritzgieRßmaschinen „gelernt“ werden.
[00111] In einem Verfahren 7 kann dann dieser Median als Überwachungsgrenze vorgeschlagen werden, wenn eine Spritzgießmaschine dieser Bauart und diesem Material verwendet wird. Alternativ können auch, wie zu Fig. 1b ausgeführt, adaptive UÜberwachungsgrenzen aus dem aktuellen Produktionsprozess 911 ermittelt werden, wobei diese Uberwachungsgrenzen im Verfahren 7 vom Regelwerk 76 überprüft werden. Beispielsweise kann überprüft werden, ob sich die ermittelte adaptive Überwachungsgrenze innerhalb eines bestimmten erlaubten Bereichs um den „gelernten“ Median bei 15 Nm befindet, beispielsweise von 10 Nm bis 20 Nm. Gegebenenfalls kann die Uberwachungsgrenze in den erlaubten Bereich eingepasst werden.
BEZUGSZEICHENLISTE: 1 Verhaltensgröße 101 Verhaltenswert 11 Prozessgröße 111 Wert einer Prozessgröße 12 Bezugsgröße 121 Wert einer Bezugsgröße 13 Verhaltensgröße des Bedieners 131 Wert einer Verhaltensgröße des Bedieners 14 Verhaltensgröße des Verfahrens 141 Wert einer Verhaltensgröße des Verfahrens 2 Einstellgröße 201 Einstellwert 202 berechneter Einstellwert 21 Steuerungsgröße 211 Wert einer Steuerungsgröße 212 berechneter Wert einer Steuerungsgröße 213 _selektierter Wert einer Steuerungsgröße 22 Referenzgröße 221 Wert einer Referenzgröße 222 berechneter Wert einer Referenzgröße 223 _ selektierter Wert einer Referenzgröße 23 Steuerungsgröße der Recheneinheit 231 Wert einer Steuerungsgröße der Recheneinheit 3 Systemkonfigurationsgröße 301 Wert einer Systemkonfigurationsgröße 303 _selektierter Wert einer Systemkonfigurationsgröße 4 Klasse 41 Instanz einer Klasse 42 berechnete Instanz einer Klasse 5 elektronische Nachricht 51 Handlungsempfehlung
6 Datenübertragungsmittel 7 Verfahren 71 Datenaufzeichnungseinheit
711 Speicher 72 Recheneinheit
73 Entscheidungseinheit 74 Klassifizierungs- und Beurteilungseinheit 741 Klassifizierungsregelwerk 75 Lerneinheit 76 Regelwerk 8 Rechnernetz 81 internes Rechnernetz 82 externes Rechnernetz 9 Produktionsanlage 91 Produktionsmaschine 911 —Produktionsprozess 912 Steuereinheit 92 Verbindungsvorrichtung 93 Bedienerschnittstelle 95 Speicher 100 Feedbackregelwerk
Claims (1)
1. 1. Verfahren (7) zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses (911), welcher von mindestens einer Produktionsmaschine (91) in einer Produktionsanlage (9) zur Herstellung wenigstens eines Produkts durchgeführt wird, wobei die Produktionsanlage (9) mindestens eine Bedienerschnittstelle (93) zur Eingabe von Einstellwerten (201) mindestens einer Einstellgröße (2) aufweist, - wobei bevorzugt mindestens ein Systemkonfigurationswert (311) mindestens einer Systemkonfigurationsgröße (3) in einem Speicher (711) vorliegt - und - wobei besonders bevorzugt mindestens ein Einstellwert (201) und/oder mindestens ein Systemkonfigurationswert (301) als mindestens ein klassifizierter Wert vorliegt -, und das Verfahren (7) folgende Schritte aufweist:
(a) Aufzeichnung von - Mindestens einem Einstellwert (201) von mindestens einer Einstellgröße (2) und/oder - mindestens einem Wert (111) von mindestens einer Prozessgröße (11) und/oder mindestens einem Wert (121) von mindestens einer Bezugsgröße (12) des mindestens einen Produktionsprozesses (911), welche aus mindestens einem Wert (111) einer Prozessgröße (11) ermittelt wird, durch eine Datenaufzeichnungseinheit (71), wobei die in diesem Schritt genannten Werte bevorzugt als klassifizierte Werte vorliegen, (b) Ermittlung von - mindestens einem berechneten Einstellwert (202) und/oder - Mindestens einer elektronischen Nachricht (5), insbesondere in Form von mindestens einer Handlungsempfehlung (51), durch eine Recheneinheit (72) mittels mindestens eines Regelwerks (76), wobei die Eingangsdaten des Regelwerks (76) die in Schritt (a) aufgezeichneten Werte und/oder mindestens einen Systemkonfigurationswert (301) mindestens einer Systemkonfigurationsgröße (3) und/oder klassifizierte Werte der genannten Werte umfassen, (c) Entscheidung, ob - der mindestens eine berechnete Einstellwert (202) aus Schritt (b) übernommen und/oder - der mindestens einen Handlungsempfehlung (51) aus Schritt (b) Folge geleistet werden soll durch eine Entscheidungseinheit (73) und/oder den Bediener über die mindestens eine Bedienerschnittstelle (93) dadurch gekennzeichnet, dass mindestens ein Regelwerk (76) aus Schritt (b) von einer Lerneinheit (75) mittels mindestens eines maschinellen Lernverfahrens unter Verwendung von Trainingsdaten einer Vielzahl von Produktionsanlagen (9) und/oder einer Vielzahl von Produktionsmaschinen (91) erstellt wird.
2, Verfahren (7) nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass die Trainingsdaten zur Erstellung des mindestens einen Regelwerks (76) folgende Werte umfassen:
- mindestens einen Einstellwert (201) mindestens einer Einstellgröße (20) und/oder
- mindestens einen Wert (111) mindestens einer Prozessgröße (11) und/oder
- mindestens einen Wert (121) mindestens einer Bezugsgröße (12) und/oder
- mindestens einen Systemkonfigurationswert (301) mindestens einer Systemkonfigurationsgröße (3) und/oder
- mindestens eine Klassifikation der oben genannten Werte und/oder
- mindestens einen Identifikator mindestens einer der oben genannten Größen und/oder Klassen.
3. Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mindestens ein Wert (211) von mindestens einer Steuerungsgröße (21) aufgezeichnet wird und aus diesem Wert (211) mittels des Regelwerks (76) mindestens ein Wert (222) von mindestens einer Referenzgröße (22), insbesondere einer Uberwachungsgrenze, und/oder eine elektronische Nachricht (5), insbesondere eine Handlungsempfehlung (51),
10. 11.
12.
Ästerreichisches AT 524 001 B1 2023-10-15
ermittelt wird.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mindestens ein Wert (301) und/oder Identifikator von mindestens einer Systemkonfigurationsgröße (3), welcher beispielsweise das Material des Produkts spezifiziert, als Eingangswert verwendet wird um mittels des Regelwerks (76) mindestens einen Wert (212) von mindestens einer Steuerungsgröße (21) und/oder mindestens einen Wert (222) von mindestens einer Referenzgröße (22) und/oder mindestens eine elektronische Nachricht (5) zu ermitteln.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass, wenn nicht alle für das Starten des Produktionsprozesses (911) nötigen Werte (201) der Einstellgrößen (2) definiert sind, wenigstens ein fehlender Wert als berechneter Wert (202) einer Einstellgröße (2) in Schritt (b) ermittelt wird.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass mindestens ein Wert (121) von mindestens einer Bezugsgröße (12) und/oder Prozessgröße (11) von mindestens einem Produktionsprozess (911) aufgezeichnet wird, und Werte von Einstellgrößen (2) laufend optimiert werden.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Werte (121) der Bezugsgrößen (12) in Schritt (a) von jenem Produktionsprozess (911) stammen, welcher mit den in Schritt (a) bestehenden Einstellwerten (201) parametriert ist, insbesondere läuft in diesem Fall der Produktionsprozess (911) für eine bestimmte Zeit und/oder eine bestimmte Anzahl an Zyklen unmittelbar vor Schritt (a) als Zwischenschritt ab.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet dass, zumindest im Falle einer Entscheidung durch den Bediener an der mindestens einen Bedienerschnittstelle (93) in Schritt (c) der mindestens eine berechnete Einstellwert (202), bevorzugt auch seine Klassifikation, und/oder die mindestens eine elektronische Nachricht (5) aus Schritt (b) visualisiert wird.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekenn-
zeichnet, dass bei positiver Entscheidung durch die Entscheidungseinheit (73) und/oder den
Bediener
- der mindestens eine berechnete Einstellwert (202) übernommen wird und/oder die Handlungsempfehlung (51) ausgeführt wird
und/oder dass bei negativer Entscheidung durch die Entscheidungseinheit (73) und/oder den
Bediener
- der mindestens eine alte Einstellwert (201) beibehalten bleibt und/oder
- mindestens ein neuer Einstellwert (201) von der Entscheidungseinheit (73) und/oder dem Bediener an der mindestens einen Bedienerschnittstelle (93) eingegeben wird.
Verfahren (7) nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass im Falle einer Änderung des mindestens eines Einstellwerts (201) durch die Entscheidungseinheit (73) eine Begründung an der mindestens einen Bedienerschnittstelle (93) in Form einer elektronischen Nachricht (5) angezeigt wird.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Einstellgrößen (2) des mindestens einen Produktionsprozesses (911) Steuerungsgrößen (21) von Prozessgrößen (11) und/oder Überwachungsgrenzen und/oder Größen, welche die Art der Überwachung festlegen, umfassen.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Systemkonfigurationsgrößen (3) Größen umfassen, welche Eigenschaften
- der Produktionsanlage (9),
- der mindestens einen Produktionsmaschine (91), insbesondere eines Werkzeugs
13.
14.
15. 16.
17.
18.
19. 20.
21.
Ästerreichisches AT 524 001 B1 2023-10-15
mindestens einer Produktionsmaschine (91), - des Materials des Produkts und/oder - des Kunden beschreiben.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass über ein Rechnernetz (8) folgende Einheiten in Datenverbindung stehen oder bringbar sind:
- mindestens eine Produktionsmaschine (91)
- mindestens eine Bedienerschnittstelle (93)
- die Datenaufzeichnungseinheit (71)
- die Entscheidungseinheit (73)
- die Recheneinheit (72)
- die Lerneinheit (75)
- die Produktionsanlage (9) und mindestens eine weitere Produktionsanlage (9)
Verfahren (7) nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass die Produktionsanlage (9) eine Verbindungsvorrichtung (92) aufweist, welche mittels Datenübertragungsmittel (6) mit dem Rechnernetz (8) verbunden oder verbindbar ist, wobei das Rechnernetz (8) insbesondere ein internes Rechnernetz (81), welches innerhalb der Produktionsanlage (9) angeordnet ist, und ein externes Rechnernetz (82), welches außerhalb der Produktionsanlage (9) angeordnet ist, umfasst, wobei das externe Rechnernetz (82) insbesondere die Produktionsanlage (9) mit mindestens einer weiteren Produktionsanlage (9) verbindet.
Verfahren (7) nach wenigstens einem der Ansprüche 13 oder 14, dadurch gekennzeichnet, dass die Datenaufzeichnungseinheit (71) die ihr zugeführten Daten in der Produktionsanlage (9), in der Produktionsmaschine (91) und/oder im Rechnernetz (8) dauerhaft oder temporär speichert.
Verfahren (7) nach wenigstens einem der Ansprüche 14 oder 15, dadurch gekennzeichnet, dass die Lerneinheit (75) das mindestens eine maschinelle Lernverfahren auf dem mindestens einen externen Rechnernetz (8) ausführt, mit welchem externen Rechnernetz (8) eine Vielzahl von Produktionsanlagen (9) in Datenverbindung stehen oder verbindbar sind.
Verfahren (7) nach wenigstens einem der Ansprüche 14 bis 16, dadurch gekennzeichnet, dass die Lerneinheit (75) das mindestens eine maschinelle Lernverfahren auf der mindestens einen Verbindungsvorrichtung (92) ausführt, mit welcher Verbindungsvorrichtung (92) über das interne Rechnernetz (94) eine Vielzahl von Produktionsmaschinen (91) in Datenverbindung stehen oder verbindbar sind.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Trainingsdaten der Lerneinheit (75) von einer Vielzahl von Produktionsmaschinen (91) in mindestens einer Produktionsanlage (9) gesammelt werden, wobei die Produktionsmaschinen (91) zum Teil unterschiedlichen Typs sind.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Lerneinheit (75) mindestens ein Regelwerk (76) für eine Fragestellung ermittelt, wobei bevorzugt mindestens ein überwachtes maschinelles Lernverfahren angewendet wird, wobei das maschinelle Lernverfahren besonders bevorzugt aus Trainingsdaten mit zugeordneten Antworten der Fragestellung lernt.
Verfahren (7) nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass die Lerneinheit (75) mindestens ein Regelwerk (76) für eine erste Fragestellung auf eine zweite Fragestellung übertragen kann, insbesondere dadurch, dass beim maschinellen Lernverfahren ein mit einer ersten Fragestellung vortrainiertes Regelwerk (76) mit Trainingsdaten der zweiten Fragestellung trainiert wird.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für mindestens eine Instanz (41) einer Systemkonfigurationsklasse (4)
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
Ästerreichisches AT 524 001 B1 2023-10-15
mindestens ein Regelwerk (76) erstellt wird, wobei dieses mindestens eine Regelwerk (76) insbesondere auf eine für diese mindestens eine Instanz (41) der Systemkonfigurationsklasse (4) spezifische Fragestellung trainiert wird.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Lerneinheit (75) mindestens ein Regelwerk (76) ohne eine Fragestellung ermittelt, wobei bevorzugt mindestens ein unüberwachtes maschinelles Lernverfahren verwendet wird.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das maschinelle Lernverfahren eine der folgenden Methoden anwendet:
- Entscheidungsbaum
- Neuronale Netze
- Lookup-Tabelle
- Formaler Zusammenhang
- Dynamische Modelle (stochastisch oder modellbasiert)
Verfahren (7) nach wenigstens einem der Ansprüche 14 bis 23, dadurch gekennzeichnet, dass das Regelwerk (76) in der Produktionsanlage (9), in der Produktionsmaschine (91), in der Verbindungsvorrichtung (92) und/oder im Rechnernetz (8) gespeichert ist.
Verfahren (7) nach wenigstens einem der vorhergehenden Ansprüche, dadurch gekenn-
zeichnet, dass die Klassifizierung wenigstens eines Werts durch eine Schritt (a) vorgeschal-
tete Klassifizierungs- und Beurteilungseinheit (74) durchgeführt wird, wobei die Klassifizie-
rungs- und Beurteilungseinheit (74) insbesondere die folgenden Aufgaben erledigt:
- Beurteilung der Datenqualität und Wegwerfen irrelevanter Daten, insbesondere Erkennung von Anomalien und/oder Ausreissern
- Verdichtung und Komprimierung der Daten
- Erstellung von Metadaten
Verfahren (7) nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass die Klassifizierungs- und Beurteilungseinheit (74) mindestens ein Klassifizierungsregelwerk (741) umfasst, welches insbesondere manuell mittels Expertenwissen und/oder durch eine zweite Lerneinheit mit mindestens einem Merkmal der Lerneinheit (75) aus wenigstens einem der vorhergehenden Ansprüche erstellt wurde.
Verfahren (7) nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass das Klassifizierungsregelwerk (741) in der Produktionsanlage (9), auf der Produktionsmaschine (91), auf der Verbindungsvorrichtung (92) und/oder im Rechnernetz (8) gespeichert ist.
Feedbackverfahren unter Verwendung des Verfahrens (7) nach wenigstens einem der Ansprüche 1 bis 27, wobei das Verfahren (7) unter Verwendung des mindestens einen Regelwerks (76) ausgeführt wird, dadurch gekennzeichnet, dass von der Datenaufzeichnungseinheit (71) Verhaltenswerte (101) von mindestens einer Verhaltensgröße (1) gesammelt werden, welche von der Lerneinheit (75) als Trainingsdaten mindestens ein Feedbackregelwerk (100) trainieren, wobei das mindestens eine Feedbackregelwerk (100) insbesondere dazu verwendet wird, das Verfahren (7), insbesondere das mindestens eine Regelwerk (76), zu beurteilen und/oder weiterzuentwickeln.
Feedbackverfahren nach dem vorhergehenden Anspruch, dadurch gekennzeichnet, dass die mindestens eine Verhaltensgröße (1) das Verhalten des Bedieners beschreibt, beispielsweise die Akzeptanzhäufigkeit einer Handlungsempfehlung (51) durch den Bediener.
Feedbackverfahren nach wenigstens einem der Ansprüche 28 oder 29, dadurch gekennzeichnet, dass über die mindestens eine Bedienerschnittstelle (91) Fragen an den Bediener, insbesondere bezüglich einer Beurteilung des Verfahrens (7), gestellt werden, wobei die diesbezüglichen Eingaben des Bedieners mindestens eine Verhaltensgröße (1) darstellen.
Feedbackverfahren nach wenigstens einem der Ansprüche 28 bis 30, dadurch gekennzeichnet, dass die mindestens eine Verhaltensgröße (1) das Verhalten des Regelwerks (76)
und/oder des Verfahrens (7) beschreibt, beispielsweise die Empfindlichkeit der Ausgangswerte des Regelwerks (76) bei einer kleinen Anderung der Eingangswerte des Regelwerks (76).
32. Produktionsanlage mit Mittel, die geeignet sind, das Verfahren (7) nach wenigstens einem der Ansprüche 1 bis 27 und/oder das Feedbackverfahren nach wenigstens einem der Ansprüche 28 bis 31 auszuführen.
33. Computerprogrammprodukt, umfassend Befehle, die bewirken, dass die Produktionsanlage des Anspruchs 32 das Verfahren (7) nach wenigstens einem der Ansprüche 1 bis 27 und/oder das Feedbackverfahren nach wenigstens einem der Ansprüche 28 bis 31 ausführt.
Hierzu 5 Blatt Zeichnungen
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATA50601/2020A AT524001B1 (de) | 2020-07-10 | 2020-07-10 | Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses |
DE102021117513.5A DE102021117513A1 (de) | 2020-07-10 | 2021-07-07 | Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses |
CN202110776444.4A CN113910562A (zh) | 2020-07-10 | 2021-07-09 | 用于优化和/或操作至少一个生产过程的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ATA50601/2020A AT524001B1 (de) | 2020-07-10 | 2020-07-10 | Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses |
Publications (2)
Publication Number | Publication Date |
---|---|
AT524001A1 AT524001A1 (de) | 2022-01-15 |
AT524001B1 true AT524001B1 (de) | 2023-10-15 |
Family
ID=79020431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ATA50601/2020A AT524001B1 (de) | 2020-07-10 | 2020-07-10 | Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN113910562A (de) |
AT (1) | AT524001B1 (de) |
DE (1) | DE102021117513A1 (de) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060224540A1 (en) * | 2005-04-01 | 2006-10-05 | Nissei Plastic Industrial Co., Ltd. | Control apparatus for injection molding machine |
DE112011103778T5 (de) * | 2010-11-16 | 2013-08-22 | Mks Instruments Inc. | Steuern eines diskreten Fertigungsprozesses mit einem multivariaten Modell |
DE102017131025A1 (de) * | 2016-12-23 | 2018-06-28 | Engel Austria Gmbh | Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum Simulieren eines Formgebungsprozesses |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004041891B3 (de) * | 2004-08-31 | 2006-04-13 | Krauss-Maffei Kunststofftechnik Gmbh | EDV-technische Integration aller betrieblichen Abläufe in Produktionsmaschinen |
CN101934578B (zh) * | 2009-06-29 | 2015-07-15 | 鸿富锦精密工业(深圳)有限公司 | 统一各型注塑成型机操作界面的方法及注塑成型*** |
JP6346128B2 (ja) * | 2015-07-28 | 2018-06-20 | ファナック株式会社 | 最適な操作条件を算出できる射出成形システム及び機械学習器 |
-
2020
- 2020-07-10 AT ATA50601/2020A patent/AT524001B1/de active
-
2021
- 2021-07-07 DE DE102021117513.5A patent/DE102021117513A1/de active Pending
- 2021-07-09 CN CN202110776444.4A patent/CN113910562A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060224540A1 (en) * | 2005-04-01 | 2006-10-05 | Nissei Plastic Industrial Co., Ltd. | Control apparatus for injection molding machine |
DE112011103778T5 (de) * | 2010-11-16 | 2013-08-22 | Mks Instruments Inc. | Steuern eines diskreten Fertigungsprozesses mit einem multivariaten Modell |
DE102017131025A1 (de) * | 2016-12-23 | 2018-06-28 | Engel Austria Gmbh | Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum Simulieren eines Formgebungsprozesses |
Non-Patent Citations (1)
Title |
---|
Yacoub, F. et al. "Product optimization and control in the latent variable space of nonlinear PLS models" Chemometrics and Intelligent Laboratory Systems Volume 70, Issue 1, 28 Januar 2004, Seiten 63-74. https://doi.org/10.1016/j.chemolab.2003.10.004 * |
Also Published As
Publication number | Publication date |
---|---|
CN113910562A (zh) | 2022-01-11 |
AT524001A1 (de) | 2022-01-15 |
DE102021117513A1 (de) | 2022-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102018106808B4 (de) | Zustandsbestimmungsvorrichtung | |
DE112019001512T5 (de) | EINSPRITZGIEßMASCHINENSYSTEM | |
DE69128071T2 (de) | Vorrichtung und verfahren, ausgestattet mit einem computerisierten neuronalen netzwerk, zum überwachen einer prozesssteuerung | |
EP3529039A2 (de) | Verfahren zum indirekten ableiten einer systematischen abhängigkeit zwischen einer einstellgrösse und einer optischen eigenschaft einer folienbahn und zum anpassen der qualität | |
DE102017003427A1 (de) | Produktionssystem zur Durchführung eines Produktionsplans | |
DE102018125389A1 (de) | Zustandsbestimmungsvorrichtung | |
EP3591482B1 (de) | Überwachung einer technischen anlage | |
DE10241746B4 (de) | Verfahren zur zyklischen Qualitätsbewertung und Prozessüberwachung bei periodischen Produktionsprozessen | |
DE102016124585A1 (de) | Verfahren und Vorrichtungen zur Verwendung einer analytischen/statistischen Modellierung für eine kontinuierliche Prozessüberprüfung (Continued Process Verification, CPV) | |
DE102017000287A1 (de) | Zellensteuerung und produktionssystem zum verwalten der arbeitssituation einer vielzahl von fertigungsmaschinen in einer fertigungszelle | |
EP3077878A1 (de) | Computer-implementiertes verfahren und system zur automatischen überwachung und statusermittlung ganzer prozessabschnitte in einer process unit | |
DE102020118225A1 (de) | Anomaliebestimmungsvorrichtung und Anomaliebestimmungssystem | |
DE102020102863A1 (de) | Parametrierung einer Komponente in der Automatisierungsanlage | |
DE102020115118A1 (de) | Diagnosegerät | |
DE102021210107A1 (de) | Computerimplementierte Verfahren, Module und System zur Anomalieerkennung in industriellen Fertigungsprozessen | |
EP4258179A1 (de) | System zum erzeugen einer von einem menschen wahrnehmbaren erklärungsausgabe für eine von einem anomalieerkennungsmodul vorhergesagte anomalie auf hochfrequenten sensordaten oder davon abgeleiteten grössen eines industriellen fertigungsprozesses, verfahren und computerprogramm zur überwachung einer auf künstlicher intelligenz basierenden anomalieerkennung in hochfrequenten sensordaten oder davon abgeleiteten grössen eines industriellen fertigungsprozesses und verfahren und computerprogramm zur überwachung einer auf künstlicher intelligenz basierenden anomalieerkennung bei einer end-of-line akustikprüfung eines getriebes | |
DE102008032885A1 (de) | Verfahren und Vorrichtung zur Überprüfung und Feststellung von Zuständen eines Sensors | |
EP2433185B1 (de) | Vorrichtung und verfahren zum bearbeiten einer prozesssimulationsdatenbasis eines prozesses | |
AT524001B1 (de) | Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses | |
DE102018221002A1 (de) | Steuereinrichtung zur Steuerung einer Fertigungsanlage sowie Fertigungsanlage und Verfahren | |
EP3754447B1 (de) | Vorrichtung und verfahren zum visualisieren oder beurteilen eines prozesszustandes | |
DE112018007980T5 (de) | Fertigungssystem-entwurfsassistenzvorrichtung | |
DE102016124205A1 (de) | Computer-implementiertes Verfahren zur Optimierung eines Herstellungsprozesses | |
DE102015106059A1 (de) | Verwaltungssystem von Formproblemen für Spritzgießmaschinen | |
DE102022127260A1 (de) | Prozesskennzahlermittlung |