DE102019121281A1 - Datenerfassungssystem, System und Verfahren für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen - Google Patents
Datenerfassungssystem, System und Verfahren für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen Download PDFInfo
- Publication number
- DE102019121281A1 DE102019121281A1 DE102019121281.2A DE102019121281A DE102019121281A1 DE 102019121281 A1 DE102019121281 A1 DE 102019121281A1 DE 102019121281 A DE102019121281 A DE 102019121281A DE 102019121281 A1 DE102019121281 A1 DE 102019121281A1
- Authority
- DE
- Germany
- Prior art keywords
- cloud
- sensors
- data acquisition
- interface
- machine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims description 23
- 238000012544 monitoring process Methods 0.000 title claims description 13
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 230000000704 physical effect Effects 0.000 claims abstract description 7
- 239000002131 composite material Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 239000011347 resin Substances 0.000 claims description 9
- 229920005989 resin Polymers 0.000 claims description 9
- 238000001721 transfer moulding Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000009776 industrial production Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 229920001187 thermosetting polymer Polymers 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002425 crystallisation Methods 0.000 description 2
- 230000008025 crystallization Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000009477 glass transition Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000000859 sublimation Methods 0.000 description 2
- 230000008022 sublimation Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004455 differential thermal analysis Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000002411 thermogravimetry Methods 0.000 description 1
- 230000000930 thermomechanical effect Effects 0.000 description 1
- 239000004634 thermosetting polymer Substances 0.000 description 1
Images
Classifications
-
- 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
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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]
- G05B19/4188—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 CIM planning or realisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
- H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
- G01N27/221—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance by investigating the dielectric properties
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/66—Arrangements for connecting between networks having differing types of switching systems, e.g. gateways
-
- 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
- B29C70/00—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts
- B29C70/04—Shaping composites, i.e. plastics material comprising reinforcements, fillers or preformed parts, e.g. inserts comprising reinforcements only, e.g. self-reinforcing plastics
- B29C70/28—Shaping operations therefor
- B29C70/40—Shaping or impregnating by compression not applied
- B29C70/42—Shaping or impregnating by compression not applied for producing articles of definite length, i.e. discrete articles
- B29C70/46—Shaping or impregnating by compression not applied for producing articles of definite length, i.e. discrete articles using matched moulds, e.g. for deforming sheet moulding compounds [SMC] or prepregs
- B29C70/48—Shaping or impregnating by compression not applied for producing articles of definite length, i.e. discrete articles using matched moulds, e.g. for deforming sheet moulding compounds [SMC] or prepregs and impregnating the reinforcements in the closed mould, e.g. resin transfer moulding [RTM], e.g. by vacuum
-
- 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
- G05B2219/31—From computer integrated manufacturing till monitoring
- G05B2219/31001—CIM, total factory control
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Quality & Reliability (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Manufacturing & Machinery (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Factory Administration (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
Ein Datenerfassungssystem (10) insbesondere für dielektrische Analysemessungen enthält eine Sensorschnittstelle (4), die konfiguriert ist, sich mit einem oder mehreren Sensoren (22a; 22b) zu verbinden, die sich in einer aktiven Bearbeitungszone (23) einer industriellen Herstellungsmaschine (20) befinden, einen Modulprozessor (1), der mit der Sensorschnittstelle (4) gekoppelt und konfiguriert ist, Messwerte von einem oder mehreren Sensoren (22a; 22b) zu empfangen, die mit der Sensorschnittstelle (4) gekoppelt sind, eine Cloudschnittstelle (3), die mit dem Modulprozessor (1) gekoppelt ist, und eine Maschinenschnittstelle (5), die mit dem Modulprozessor (1) gekoppelt ist. Die Messwerte geben physische Eigenschaften von Werkstücken an, die in der aktiven Bearbeitungszone (23) einer industriellen Herstellungsmaschine (20) verarbeitet werden. Die Cloudschnittstelle (3) ist konfiguriert, sich mit cloudbasierten Ressourcen (40) zu verbinden, und die Maschinenschnittstelle (5) ist konfiguriert, sich mit einem Controller (21) der industriellen Herstellungsmaschine (20) zu verbinden. Der Modulprozessor (1) ist konfiguriert zum Übertragen der empfangenen Messwerte von dem einen oder den mehreren dielektrischen Sensoren (22a; 22b) an cloudbasierte Ressourcen (40) über die Cloudschnittstelle (3) und zum Senden von Herstellungssteuersignalen an den Controller (21) der industriellen Herstellungsmaschine (20) über die Maschinenschnittstelle (5), wobei die Herstellungssteuersignale auf Parametern basieren, die von cloudbasierten Ressourcen (40) über die Cloudschnittstelle (3) empfangen wurden.
Description
- GEBIET DER ERFINDUNG
- Diese Erfindung bezieht sich auf ein Datenerfassungssystem, insbesondere für dielektrische Analyse- (DEA) Messungen, sowie Systeme und Verfahren für Echtzeit-Inline-Überwachung industrieller Herstellungsprozesse.
- Wenn sie auch auf alle Arten industrieller Herstellungssysteme anwendbar sind, werden diese Erfindung und die entsprechenden zugrundeliegenden Aufgaben ausführlicher in Verbindung mit Harztransferformprozessen von Hightech-Verbundbauteilen erklärt.
- ALLGEMEINER STAND DER TECHNIK
- Industrielle Herstellung von Verbundbauteilen verlässt sich auf der wiederholbaren Steuerung des Härtungsverhaltens von Duroplasten, da die Eigenschaften des Endprodukts stark von den Bedingungen des Härtungsprozesses abhängen. Daher ist es wünschenswert, in der Lage zu sein, alle solchen Prozesse in Echtzeit und vor Ort genau zu überwachen.
- Unter den möglichen Messverfahren befinden sich dielektrische Analyse (DEA), dynamische mechanische Analyse, thermomechanische Analyse, thermogravimetrische Analyse und differenziale thermale Analyse. DEA und die anderen Messverfahren erlauben Einblicke in die Härtungsmuster von Verbundmaterialien, Klebstoffen, Beschichtungen oder duroplastischen Harzsystemen. Durch Einsatz von einem oder mehr der möglichen Messverfahren können mehrere physische Eigenschaften, wie etwa der dielektrische Verlustfaktor, die Ionenleitfähigkeit, viskoelastische Eigenschaften, dynamische Koeffizienten, Glasübergangstemperaturen, Kristallisierungstemperaturen, Sublimierungstemperaturen oder Ionenviskosität mittels Messung der Dipolpolarisierungs- und Ionenmigrationsmuster bestimmt werden.
- KURZDARSTELLUNG DER ERFINDUNG
- Wenigstens einige dieser Ziele werden durch den Inhalt der jeweiligen unabhängigen Ansprüche erreicht. Vorteilhafte Ausführungsformen werden in den Unteransprüchen beschrieben, die mit den unabhängigen Ansprüchen zusammenhängen.
- Nach einem ersten Aspekt der Erfindung umfasst ein Datenerfassungssystem, insbesondere für dielektrische Analyse- (DEA) Messungen, eine Sensorschnittstelle, die konfiguriert ist, sich mit einem oder mehr Sensoren zu verbinden, die sich in einer aktiven Bearbeitungszone einer industriellen Herstellungsmaschine befinden, einem Modulprozessor, der mit der Sensorschnittstelle gekoppelt und konfiguriert ist, Messwerte von einem oder mehr Sensoren zu empfangen, die mit der Sensorschnittstelle gekoppelt sind, eine Cloudschnittstelle, die mit dem Modulprozessor gekoppelt ist, und eine Maschinenschnittstelle, die mit dem Modulprozessor gekoppelt ist. Die Messwerte geben physische Eigenschaften von Werkstücken an, die in der aktiven Bearbeitungszone einer industriellen Herstellungsmaschine verarbeitet werden. Die Cloudschnittstelle ist konfiguriert, sich mit cloudbasierten Ressourcen zu verbinden, und die Maschinenschnittstelle ist konfiguriert, sich mit einem Controller der industriellen Herstellungsmaschine zu verbinden. Der Modulprozessor ist zum Übertragen der empfangenen Messwerte von dem einen oder den mehreren Sensoren an cloudbasierte Ressourcen über die Cloudschnittstelle und zum Senden von Herstellungssteuersignalen an den Controller der industriellen Herstellungsmaschine über die Maschinenschnittstelle konfiguriert, wobei die Herstellungssteuersignale auf Parametern basieren, die von cloudbasierten Ressourcen über die Cloudschnittstelle empfangen wurden.
- Nach einem zweiten Aspekt der Erfindung umfasst ein System für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen eine industrielle Herstellungsmaschine, die eine oder mehr aktive Bearbeitungszonen und einen Controller, einen oder mehr Sensoren, die sich in einer oder mehr der aktiven Bearbeitungszonen einer industriellen Herstellungsmaschine befinden, und mindestens ein Datenerfassungssystem nach dem ersten Aspekt der Erfindung aufweist. Der Controller ist mit der Maschinenschnittstelle des Datenerfassungssystems verbunden und der eine oder die mehreren Sensoren sind mit der Sensorschnittstelle des Datenerfassungssystems verbunden. Der Controller der industriellen Herstellungsmaschine ist konfiguriert, den Betrieb der industriellen Herstellungsmaschine basierend auf Herstellungssteuersignalen zu steuern, die von dem Datenerfassungssystem empfangen wurden.
- Nach einem dritten Aspekt der Erfindung umfasst ein Verfahren für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen das Platzieren von einem oder mehreren Sensoren in einer oder mehreren aktive Bearbeitungszonen einer industriellen Herstellungsmaschine, das Senden von Messwerten von dem einem oder den mehreren Sensoren an ein Datenerfassungssystem, wobei die Messwerte physische Eigenschaften von Werkstücken anzeigen, die in der aktiven Bearbeitungszonen einer industriellen Herstellungsmaschine bearbeitet werden, das Senden der empfangenen Messwerte durch das Datenerfassungsmodul von dem einen oder den mehreren Sensoren an cloudbasierte Ressourcen über eine Cloudschnittstelle des Datenerfassungssystems, das Empfangen von Parametern von cloudbasierten Ressourcen über die Cloudschnittstelle am Datenerfassungssystem, und das Senden von Herstellungssteuersignalen an einen Controller der industriellen Herstellungsmaschine, wobei die Herstellungssteuersignale auf den Parametern basieren, die von cloudbasierten Ressourcen empfangen wurden.
- Bei den Modulen, Systemen und Verfahren der Erfindung ist es vorteilhaft möglich, Verbundteile bezüglich Herstellungskosten, Bauteilqualität und Materialverhalten in der Produktion zu charakterisieren. Einen besseren Einblick in diese Parameter zu haben, erlaubt das optimieren der Härtungszykluszeiten zum Anpassen der Prozessvariationen von Batch zu Batch und zum genauen Wiederholen bestimmter Prozessumgebungen. Da die strukturelle Robustheit und Integrität der Endbauteile von dem Vorhandensein oder Fehlen von füllungs- oder härtungsinduzierten Mängeln abhängig ist - was wiederum von dem Füll- und Härtungsverhalten vor Ort abhängt - kann eine Qualitätskontrolle durch genaues Überwachen der Härteprozesse in Echtzeit und Inline mit der Herstellungsmaschine umgesetzt werden.
- Ferner ist es ein besonderer Vorteil, cloudbasierte Ressourcen einzusetzen, um die Messdaten, die erzeugt werden, in Echtzeit und vor Ort zu analysieren. Solche cloudbasierten Ressourcen können ein Pooling größerer Mengen von Daten von verschiedenen Herstellungsorten unter verschiedenen Herstellungsbedingungen erlauben, sodass mehr Informationen systematisch von den Daten extrahiert werden kann. Der Einsatz cloudbasierter Ressourcen ermöglicht insbesondere schnellere und einheitlichere Wertschöpfung durch fortschrittliche Datenanalyse bezüglich Vorhersehbarkeit, Qualitätskontrolle, Vorausplanung, Optimierung und/oder Robustheit von Herstellungsprozessen.
- Ein Feedbackmechanismus von den cloudbasierten Ressourcen zurück zu dem Datenerfassungsmodul versetzt das Datenerfassungsmodul in die Lage, das örtliche Verhalten der industriellen Herstellungsprozesse unter Beachtung von Wissen und Einblicken, die durch die Datenanalyse erhalten werden, die in den cloudbasierten Ressourcen ausgeführt wird, vorteilhaft zu beeinflussen. Vorteilhaft werden die industriellen Herstellungsprozesse so nicht nur bezüglich der sofortigen lokalen Herstellungsbedingungen optimiert, sondern auch bezüglich statistischer Daten, die Erfahrungen und Vorhersagen anderer (räumlich oder zeitlich) entfernter industrieller Herstellungsprozesse unter ähnlichen Bedingungen widerspiegeln.
- Nach einigen Ausführungsformen des ersten Aspekts kann das Datenerfassungsmodul ferner eine Mensch-Maschinenschnittstelle umfassen, die konfiguriert ist, über einen Datenbus mit einer Menschenschnittstellenvorrichtung verbunden zu werden. In einigen Ausführungsformen kann der Modulprozessor konfiguriert sein, die empfangenen Messwerte von dem einen oder den mehreren Sensoren über die human-Maschinenschnittstelle an die Menschenschnittstellenvorrichtung zu übertragen. In einigen dieser Ausführungsformen kann der Modulprozessor konfiguriert sein, die empfangenen Messwerte von dem einen oder den mehreren Sensoren basierend auf Parametern, die von cloudbasierten Ressourcen über die Cloudschnittstelle empfangen wurden, vorzuverarbeiten, bevor sie an die Menschenschnittstellenvorrichtung übertragen werden. Vorteilhaft können Daten bezüglich lokaler Herstellungsprozesse, die aktuell laufen, in dieser Weise durch weitere statistische Daten angereichert werden, wie durch cloudbasierte Ressourcen unter Beachtung der aktuellen Herstellungsbedingungen bewertet wird. Daher kann die Überwachung der Herstellungsprozesse für einen Bediener einfacher sein, wenn die Prozessinformationen umfassender sind.
- Nach einigen weiteren Ausführungsformen des ersten Aspekts kann der Modulprozessor konfiguriert sein, ein Triggersignal von dem Controller der industriellen Herstellungsmaschine über die Maschinenschnittstelle zu empfangen. Solche Triggersignale können kritische Zeitpunkte in den von dem einem oder den mehreren Sensoren, wie etwa dielektrischen Sensoren, Ultraschallsensoren, thermogravimetrischen Sensoren, dynamisch mechanischen Sensoren, differenzialthermalen Sensoren oder dergleichen, empfangenen Messwerten sein. In einigen dieser Ausführungsformen kann der Modulprozessor die empfangenen Messwerte von dem einen oder den mehreren Sensoren auf der Grundlage des kritischen Zeitpunkts, der durch das empfangene Triggersignal bestimmt angezeigt wird, vor der Übertragung der empfangenen Messwerte an cloudbasierte Ressourcen über die Cloudschnittstelle vorverarbeitet werden. Kritische Punkte können die Kurven der gemessenen physischen Parameter an bestimmten Ereignissen während des Herstellungsprozesses Ausrichtungen und damit die Vorbedingungen für aussagekräftige statistische Analyse der Messkurven verbessern.
- Nach einigen Ausführungsformen des zweiten Aspekts kann das System ferner cloudbasierte Ressourcen umfassen, die mit der Cloudschnittstelle des Datenerfassungssystems verbunden sind. In einigen Ausführungsformen kann das System mindestens zwei Datenerfassungssysteme umfassen, die miteinander über einen gemeinsamen Datenbus gekoppelt sein können. In einigen dieser Ausführungsformen kann ein erstes Datenerfassungssystem konfiguriert sein, Konfigurationsdaten für den Controller der industriellen Herstellungsmaschine auf ein zweites Datenerfassungssystem über den gemeinsamen Datenbus zu übertragen. Eine solche Umsetzung erlaubt vorteilhaft die Parallelisierung von Herstellungsprozessen unter ähnlichen oder gleichen Umständen durch Ausrichtung der Konfiguration des Datenerfassungssystems auf Grundlage von Übergreifenden Einblicken, die mittels Durchführung von cloudbasierten oder unternehmensbasierten Analysen größerer Datensätze festgestellt wurden.
- Nach einigen Ausführungsformen des zweiten Aspekts kann die industrielle Herstellungsmaschine beispielsweise eine Harztransferformmaschine sein, die ein oder mehrere Nester als aktive Bearbeitungszone aufweist, und wobei die Sensoren In-Form-Sensoren sind, die in dem Formnest der Harztransferformmaschine platziert sind.
- Nach einigen Ausführungsformen des zweiten Aspekts kann das Datenerfassungssystem eine Sensorsteuervorrichtung umfassen, die eine Änderung der Messbedingungen des einen oder der mehreren Sensoren während eines Herstellungsverfahrens der industriellen Herstellungsmaschine umfasst. Unter sich verändernden Herstellungsbedingungen können die Messbedingungen vorteilhaft in Echtzeit angepasst werden, um genauere, zuverlässigere und angemessen aufgelöste Messergebnisse bereitzustellen. Unter Verwendung der cloudbasierten statistischen Analysen kann eine solche Änderung der Messbedingungen vorausschauend im Voraus vor dem Start eines vorgegebenen Herstellungsprozesses geplant werden.
- Nach einigen Ausführungsformen des dritten Aspekts können die cloudbasierten Ressourcen oder die anderen unternehmensbasierten Rechnerressourcen eine statistische Analyse auf die übertragenen Messwerte des einen oder der mehreren Sensoren ausführen und die Parameter auf Grundlage der Ergebnisse der durchgeführten statistischen Analyse ausgeben.
- Nach einigen Ausführungsformen des dritten Aspekts kann die industrielle Herstellungsmaschine eine Verbundstoffherstellungsmaschine sein, beispielsweise eine Harztransferformmaschine mit einem Formnest als aktive Bearbeitungszone. In einigen dieser Ausführungsformen können die Sensoren In-Form-Sensoren sein, die in einem Formnest der Verbundstoffherstellungsmaschine platziert sind. Solche Sensoren können beispielsweise konfiguriert sein, elektrische Reaktionen von duroplastischen Herzen in dem Formnest in der Höhe der Sensorfläche der In-Form-Sensoren zu messen.
- Figurenliste
- Die Erfindung wird ausführlicher mit Verweis auf beispielhafte Ausführungsformen beschrieben, die in den beiliegenden Zeichnungen dargestellt sind.
- Die beiliegenden Zeichnungen sind enthalten, um ein weiteres Verständnis dieser Erfindung zu ermöglichen und sind in diese Beschreibung einbezogen und stellen einen Teil davon dar. Die Zeichnungen illustrieren die Ausführungsformen dieser Erfindung und dienen gemeinsam mit der Beschreibung der Erklärung der Grundsätze der Erfindung. Andere Ausführungsformen dieser Erfindung und viele der vorgesehenen Vorteile dieser Erfindung sind leicht zu verstehen, wenn sie durch Verweis auf die folgende ausführliche Beschreibung besser verständlich werden. Die Elemente der Zeichnungen sind nicht notwendigerweise im gleichen Maßstab zueinander gezeichnet. Gleiche Referenzziffern bezeichnen entsprechend ähnliche Teile.
-
1 illustriert schematisch ein System für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen nach einer beispielhaften Ausführungsform der Erfindung; -
2 illustriert schematisch ein dielektrisches Analysedatenerfassungsmodul nach einer beispielhaften Ausführungsform der Erfindung; und -
3 illustriert schematisch ein Ablaufdiagramm von Stufen eines Verfahrens zur Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen nach einer beispielhaften Ausführungsform der Erfindung. - In den Figuren bezeichnen gleiche Referenzziffern gleiche oder funktional ähnliche Bauteile, wenn nicht anders angegeben. Alle Richtungsbezeichnungen, wie „oben“, „unten“, „links“, „rechts“, „über“, „unter“, „horizontal“, „vertikal“, „hinten“, „vorne“ und ähnliche Begriffe werden nur zur Erklärungszwecken verwendet und sollen die Ausführungsformen nicht auf die spezifischen Anordnungen beschränken, die in den Zeichnungen dargestellt sind.
- AUSFÜHRLICHE BESCHREIBUNG DER ERFINDUNG
- Wenn auch spezifische Ausführungsformen hierin illustriert und beschrieben wurden, ist durch gewöhnliche Fachleute zu versehen, dass die spezifischen Ausführungsformen die gezeigt und beschrieben sind, durch eine Vielzahl alternativer und/oder äquivalenter Umsetzungen ersetzt werden können, ohne vom Geist der vorliegenden Erfindung abzuweichen. Allgemein soll diese Anmeldung alle Anpassungen oder Variationen der spezifischen Ausführungsformen abdecken, die hierin beschrieben werden.
-
1 illustriert schematisch ein System100 zur Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen, die in einer oder in mehreren industriellen Herstellungsmaschinen20 stattfinden, wie etwa einer Harztransferformmaschine oder allgemein einer Verbundstoffherstellungsmaschine. Die industriellen Herstellungsmaschinen20 können in einem herstellenden Unternehmen platziert sein und können sich funktional auf einer Maschinenebene befinden, in1 beispielhaft mit dem Referenzzeichen „Ll “ dargestellt. Auch, wenn in1 nur eine industrielle Herstellungsmaschine20 explizit dargestellt ist, sollte klar sein, dass das Herstellungsunternehmen mehr als eine industrielle Herstellungsmaschine20 einsetzen kann. Die industrielle Herstellungsmaschine20 kann allgemein eine aktive Bearbeitungszone23 umfassen, in der ein Herstellungsverfahren stattfinden kann. Die aktive Bearbeitungszone23 kann beispielsweise ein Formnest sein - in der beispielhaften Konfiguration als eine Harztransferform- (RTM) Maschine -, kann jedoch auch andere operationale Bauteile umfassen. - Der Betrieb der industriellen Herstellungsmaschine
20 wird allgemein durch einen Maschinencontroller21 gesteuert, der beispielsweise eine speicherprogrammierbare Steuerung (SPS) oder ein anderer programmierbarer industrieller digitaler Computer sein kann, der speziell für die Steuerung von industriellen Herstellungsprozessen in einer harten Umgebung angepasst ist. Der Maschinencontroller21 ist über einen ersten DatenbusB1 durch eine Maschinenschnittstelle5 mit einen Datenerfassungssystem10 verbunden. - Innerhalb der aktiven Bearbeitungszone
23 könne ein oder mehrere Sensoren22a , 22b platziert sein, beispielsweise als In-Form-Sensoren in einem Formnest23 einer RTM-Maschine. Die Sensoren können beispielsweise dielektrische Sensoren sein, wie etwa verschränkte Elektrodensensoren oder Plattenelektrodenkapazitätssensoren. Es ist auch möglich, weiterhin oder stattdessen andere Sensortypen einzusetzen, wie etwa Ultraschallsensoren, Temperatursensoren, dynamischmechanische Sensoren, Spannungsmessgeräte, differenzialthermale Sensoren oder dergleichen. Es sind nur zwei Sensoren22a ,22b ausdrücklich in1 zu sehen, aber es versteht sich, dass auch mehr als zwei Sensoren desselben oder eines anderen Typs, einer anderen Sensitivität und Wiederverwendbarkeit eingesetzt werden können. - Die Sensoren
22a ,22b sind mit einer Sensorschnittstelle4 des Datenerfassungssystems10 gekoppelt. Die Koppelung kann entweder mit einem Draht erfolgen, in welchem Fall die Sensorschnittstelle4 des Datenerfassungssystems10 verschiedene Sensorschnittstellenports 4a bis 4n für eine beliebige Anzahl Sensoren umfassen kann. Alternativ oder zusätzlich dazu können die Sensoren22a ,22b auch drahtlos mit dem Datenerfassungssystem10 gekoppelt sein, beispielsweise über eine Funkfrequenzdatenverbindung. Dazu kann das Datenerfassungssystem10 einen oder mehrere drahtlose Kommunikationsadapter11 ,12 und/oder13 umfassen, die konfiguriert sind, eine Funkfrequenz- oder optische Datenverbindung mit den Sensoren22a ,22b herzustellen, beispielsweise als ein mobiles Ad-Hoc-Netzwerk (MANET), das dynamisch ohne Infrastruktur gebildet ist und sich ständig selbst unter den teilnehmenden Netzwerkknoten konfiguriert. Die Adapter11 ,12 und/oder13 für drahtlose Kommunikation können beispielsweise WiFi, WLAN, Bluetooth®, IrDA, LiFi, Visible-Light Communication (VLC), RFID, ZigBee oder andere geeignete Datenaustauschprotokolle umfassen. - Die Maschinenebene
L1 umfasst auch ein Datenerfassungssystem10 für Messungen, das ausführlicher in2 dargestellt ist. Es enthält die Sensorschnittstelle4 , die mit einer Sensorsteuervorrichtung8 gekoppelt ist. Mittels der Sensorsteuervorrichtung8 können die Messbedingungen der Sensoren22a ,22b im laufenden Betrieb modifiziert werden, d. h. während eines Herstellungsprozesses der industriellen Herstellungsmaschine20 . - Ein Modulprozessor
1 als zentrale Rechnereinheit innerhalb des Datenerfassungssystems10 ist konfiguriert zum Empfangen dielektrischer Messwerte von einem oder mehreren Sensoren22a ,22b , die mit der Sensorschnittstelle4 verbunden sind. Das Datenerfassungssystem10 umfasst weiterhin eine Cloudschnittstelle3 , die mit dem Modulprozessor1 über eine Cloudzugangsvorrichtung7 verbunden ist. Die Cloudschnittstelle3 kann mit cloudbasierten Ressourcen über jede Art von drahtloser, verkabelter oder gemischter VerbindungC verbunden sein, wie allgemein mit dem Referenzzeichen40 in1 angezeigt. - Der Begriff „Cloud“ und „cloudbasierte Ressourcen“ in der Bedeutung dieser Offenbarung wird verwendet, um evolvierende Netze flüchtiger Anordnung zu bezeichnen, die miteinander über ein gemeinsames Datennetz kommunizieren können, wie etwa über das Internet. Solche „cloudbasierten Ressourcen“ können sich allgemein in einer hierarchisch oberen Datenanalyseebene
L3 befinden und müssen sich nicht physisch in der Nähe des Herstellungssystems100 selbst befinden. „Cloudbasierte Ressourcen“ können jede Art von Cloudservice umfassen, wie etwa Anwendungsclouds, Infrastrukturclouds, Clientclouds, Plattformclouds, Serverclouds und andere Typen evolvierender Netze. Clouds können es jedem Cloudteilnehmer ermöglichen, Daten in einer verteilten Weise auf verschiedenen Ressourcen der Cloud zu speichern und davon abzurufen. Clouds können verschiedenen Dienste für Drittentitäten ausführen, wie etwa Platform as a Service (PaaS), Software as a Service (SaaS) oder Infrastructure as a Service (IaaS). Während Clouds Dritten allgemein zur Verfügung stehen können, kann der Betrieb von cloudbasierten Ressourcen durch einen spezifischen Clouddienstleister bereitgestellt werden. Über Clouds können Fernzugriffe auf das Datenerfassungsmodul10 oder andere lokale Vorrichtungen in dem Herstellungssystem10 erfolgen, beispielsweise per externer Rechnervorrichtungen50 zum Zweck der Rekonfiguration und/oder Wartung. - Messwerte, die von den Sensoren
22a ,22b im Datenerfassungssystem10 abgerufen werden, können durch den Modulprozessor1 verarbeitet werden und mittels der Cloudzugangsvorrichtung7 über die Cloudschnittstelle3 an cloudbasierte Ressourcen40 übertragen werden. Die Messwerte geben allgemein physische Eigenschaften von Werkstücken an, die in der aktiven Bearbeitungszone23 einer industriellen Herstellungsmaschine20 verarbeitet werden, wie etwa beispielsweise die Dielektrizitätskonstante, der dielektrische Verlustfaktor, die Ionenleitfähigkeit, viskoelastische Eigenschaften, dynamische Koeffizienten, Glasübergangstemperaturen, Kristallisierungstemperaturen, Sublimierungstemperaturen oder Ionenviskosität. Diese physischen Parameter können mittels Messung von Dipolpolarisierungs- und Ionenmigrationsmustern bestimmt werden. - Um die Messwerte, die von den Sensoren
22a ,22b abgerufen wurden, für bessere Analyse in den cloudbasierten Ressourcen40 oder in anderen unternehmensbasierten Rechnerressourcen vorzubereiten, kann der Modulprozessor1 den Maschinencontroller21 auf Triggersignale überwachen oder pollen, die kritische Zeitpunkte der empfangenen Messwerte anzeigen. Beispielsweise kann das Öffnen oder Schließen des Formnests23 einer RTM-Maschine20 ein solcher kritischer Zeitpunkt sein, der dann an der Messkurve der Messwerte ausgerichtet sein kann. Der Modulprozessor1 kann insbesondere die empfangenen Messwerte von den Sensoren22a ,22b auf der Grundlage der relevanten oder assoziierten kritischen Zeitpunkte vorverarbeiten, die durch die empfangenen Triggersignale angezeigt werden. Solche vorverarbeitete Messwerte können dann über die Cloudschnittstelle3 für eine ausführlichere und wertvolle Datenanalyse an die cloudbasierten Ressourcen40 übertragen werden. - Der Modulprozessor
1 empfängt Parameter von den cloudbasierten Ressourcen40 , die vorausschauende oder analytische Informationen zu Herstellungsbedingungen, erwarteten Herstellungsergebnissen und ähnlichem umfassen. Solche Parameter können durch den Modulprozessor1 bei der Übertragung von Herstellungssteuersignalen an den Controller21 der industriellen Herstellungsmaschine20 über die Maschinenschnittstelle5 in Betracht gezogen werden. Der Modulprozessor1 kann die Parameter analysieren, um die Herstellungsbedingungen in der industriellen Herstellungsmaschine20 optimal einzustellen. Dazu kann das Datenerfassungssystem10 eine Maschinensteuervorrichtung9 enthalten, die speziell vorgesehen ist, um Konfigurationssignale in maschinenlesbare Anweisungen zu übertragen, um an den Maschinencontroller21 übertragen zu werden. - Wie in
1 illustriert, kann eine Steuerebene, die allgemein mit dem Referenzzeichen „L2“ bezeichnet wird, in der eine Menschenschnittstellenvorrichtung (HID)32 sowie ein Herstellungsunternehmensserver32 als eine unternehmensbasierte Rechnerressource platziert sein können. Die HID32 kann mit dem Datenerfassungssystem10 über einen gemeinsamen DatenbusB2 mit einer Mensch-Maschinenschnittstelle2 des Datenerfassungssystems10 verbunden sein. Der Modulprozessor1 kann einen beliebigen der Messwerte, die von den Sensoren22a ,22b abgerufen wurden, oder Parameter und statistische Analyseergebnisse der cloudbasierten Ressourcen40 an die HID32 übertragen, damit ein menschlicher Bediener oder Benutzer sie prüfen und manuell bewerten kann. Dazu kann der Modulprozessor1 konfiguriert sein, die empfangenen Messwerte von den Sensoren22a ,22b auf der Grundlage der Parameter zu bewerten, die von cloudbasierten Ressourcen40 empfangen wurden, bevor sie an die HID32 übertragen werden. So kann der Bediener, der die HID32 verwendet, in der Lage sein, ein klareres Bild zum Zweck der Qualitätssteuerung, Prozesssteuerung und/oder Prozessüberwachung zu erhalten. - Es kann auch möglich sein, dass ein menschlicher Bediener den Betrieb des Datenerfassungssystems
10 beispielsweise mittels eines Benutzereingabepanels15 , das in dem Datenerfassungssystem10 enthalten ist, direkt steuert oder überwacht. Ein Datenspeicher14 in dem Datenerfassungssystem10 , der mit dem Modulprozessor1 gekoppelt ist, kann Betriebssystem- und/oder Konfigurationsdaten sowie temporäre Messwertdaten für den menschlichen Bediener enthalten, der durch Nutzung des Benutzereingabepanels15 arbeiten soll. - Der gemeinsame Datenbus
B2 kann ebenfalls eingesetzt werden, um zwei oder mehr Datenerfassungssysteme10 miteinander zu koppeln. Jedes der Datenerfassungssysteme10 kann dann in der Lage sein, Konfigurationsdaten für einen Controller21 einer industriellen Herstellungsmaschine20 an andere Datenerfassungssysteme10 über den gemeinsamen DatenbusB2 zu übertragen. Es kann auch möglich sein, Konfigurationsdaten über eine unternehmensbasierte Rechnerressource zu übertragen, wie etwa einen Computer eines unternehmensweiten Netzes, mit dem die Datenerfassungssysteme10 verbunden werden können, beispielsweise dem Herstellungsunternehmensserver32 . -
3 illustriert schematisch ein Ablaufdiagramm von Stufen eines VerfahrensM zur Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen. Das VerfahrenM kann insbesondere in dem Herstellungssystem100 umgesetzt werde, wie in Verbindung mit1 illustriert. Das VerfahrenM kann ein Datenerfassungssystem einsetzen, wie etwa das Datenerfassungssystem wie in Verbindung mit2 erklärt. - In einer ersten Stufe
M1 sind ein oder mehrere Sensoren22a ,22b in einer aktiven Bearbeitungszone23 einer industriellen Herstellungsmaschine20 platziert. Beispielsweise kann die industrielle Herstellungsmaschine20 eine Verbundstoffherstellungsmaschine sein, wie etwa eine Harztransferformmaschine mit einem Formnest als aktive Bearbeitungszone23 . Die Sensoren22a ,22b können dielektrische Sensoren sein, die als In-Form-Sensoren eingesetzt sind, die in diesem Formnest platziert sind. Die dielektrischen Sensoren22a ,22b können dann elektrische Reaktionen von duroplastischen Herzen in dem Formnest in der Höhe der Sensorfläche der In-Form-Sensoren messen. - Die Messwerte werden in einer zweiten Stufe
M2 von den Sensoren22a ,22b an ein Datenerfassungssystem10 übertragen. Die Messwerte geben physische Eigenschaften von Werkstücken an, die in der aktiven Bearbeitungszone23 der industriellen Herstellungsmaschine20 verarbeitet werden. - Das Datenerfassungssystem
10 überträgt die empfangenen Messwerte in einer dritten StufeM3 an cloudbasierte Ressourcen40 über eine Cloudschnittstelle3 des Datenerfassungssystems10 , wobei eine statistische Analyse der übertragenen Messwerte der Sensoren22a ,22b ausgeführt werden kann. Als Ergebnis der ausgeführten statistischen Analyse können Parameter zurück an das Datenerfassungssystem10 übertragen werden, wo sie in einer vierten StufeM4 über die Cloudschnittstelle3 an dem Datenerfassungssystem10 empfangen werden. - Das Datenerfassungssystem
10 überträgt dann Herstellungssteuersignale in einer fünften Stufe M5 an einen Controller21 der industriellen Herstellungsmaschine20 . Diese Herstellungssteuersignal basieren auf den Parametern, die von cloudbasierten Ressourcen40 empfangen werden, um dem Betrieb der industriellen Herstellungsmaschine20 in Echtzeit oder mindestens nahe Echtzeit zu optimieren. - In der obigen ausführlichen Beschreibung sind verschiedene Merkmale in einem oder mehr Beispielen oder Beispielen mit dem Zweck der Verschlankung der Offenbarung gruppiert. Es versteht sich, dass die obige Beschreibung als illustrative, und nicht als restriktiv, zu verstehen ist. Sie soll alle Alternativen, Modifikationen und Äquivalente abdecken. Viele andere Beispiele werden einem Fachmann bei der Betrachtung der obigen Beschreibung offenkundig sein.
- Die Ausführungsformen wurden gewählt und beschrieben, um die Grundsätze der Erfindung und ihre praktischen Anwendungen bestmöglich zu erklären, und damit andere Fachleute in die Lage zu versetzen die Erfindung und verschiedene Ausführungsformen mit verschiedene Modifikationen, die sich für die speziell betrachtete Verwendung eignet, bestmöglich zu nutzen. In den beiliegenden Ansprüchen und der Beschreibung werden die Begriffe „enthaltend“ und „in dem“ als einfache sprachliche Gegenstücke für die jeweiligen Begriffe „umfassend“ bzw. „worin“ verwendet. Weiterhin schließt „ein“ oder „eine“ in dem vorliegenden Fall nicht mehrere aus.
- Bezugszeichenliste
-
- 1
- Modulprozessor
- 2
- Mensch-Maschinenschnittstelle
- 3
- Cloudschnittstelle
- 4
- Sensorschnittstelle
- 4a-n
- Sensorschnittstellenports
- 5
- Maschinenschnittstelle
- 6
- Benutzersteuervorrichtung
- 7
- Cloudzugangsvorrichtung
- 8
- Sensorsteuervorrichtung
- 9
- Maschinensteuervorrichtung
- 10
- Datenerfassungssystem
- 11
- Drahtloskommunikationsadapter
- 12
- Drahtloskommunikationsadapter
- 13
- Drahtloskommunikationsadapter
- 14
- Datenspeicher
- 15
- Benutzereingabepanel
- 20
- Industrielle Herstellungsmaschine
- 21
- Maschinencontroller
- 22a-b
- Sensoren
- 23
- Aktive Bearbeitungszone
- 31
- Herstellungsunternehmensserver
- 32
- Menschenschnittstellenvorrichtung
- 40
- Cloudbasierte Ressourcen
- 50
- Externe Rechnervorrichtung
- 100
- Herstellungssystem
- B1
- Datenbus
- B2
- Datenbus
- C
- Verbindungslink
- L1
- Maschinenebene
- L2
- Steuerebene
- L3
- Datenanalyseebene
- M
- Verfahren
- M1-5
- Verfahrensstufen
Claims (14)
- Datenerfassungssystem (10), insbesondere für dielektrische Analysemessungen, umfassend: eine Sensorschnittstelle (4), konfiguriert zum Verbinden eines oder mehrerer Sensoren (22a, 22b), die sich in einer aktiven Bearbeitungszone (23) einer industriellen Herstellungsmaschine (20) befinden; einen Modulprozessor (1), der mit der Sensorschnittstelle (4) gekoppelt und konfiguriert ist, Messwerte von einem oder mehreren dielektrischen Sensoren (22a; 22b) zu empfangen, die mit der Sensorschnittstelle (4) verbunden sind, wobei die Messwerte physische Eigenschaften der Werkstücke anzeigen, die in der aktiven Bearbeitungszone (23) einer industriellen Herstellungsmaschine (20) verarbeitet werden; eine Cloudschnittstelle (3), gekoppelt mit einem Modulprozessor (1), wobei die Cloudschnittstelle (3) konfiguriert ist, sich mit cloudbasierten Ressourcen (40) zu verbinden; und eine Maschinenschnittstelle (5), die mit dem Modulprozessor (1) gekoppelt ist, wobei die Maschinenschnittstelle (5) konfiguriert ist, sich mit einem Controller (21) der industriellen Herstellungsmaschine (20) zu verbinden, wobei der Modulprozessor (1) zum Übertragen der empfangenen Messwerte von dem einen oder den mehreren Sensoren (22a; 22b) an cloudbasierte Ressourcen (40) über die Cloudschnittstelle (3) und zum Senden von Herstellungssteuersignalen an den Controller (21) der industriellen Herstellungsmaschine (20) über die Maschinenschnittstelle (5) konfiguriert ist, wobei die Herstellungssteuersignale auf Parametern basieren, die von cloudbasierten Ressourcen (40) über die Cloudschnittstelle (3) empfangen wurden.
- Datenerfassungssystem (10) nach
Anspruch 1 , ferner umfassend: eine Mensch-Maschinenschnittstelle (2), konfiguriert zum Verbinden mit einer Menschenschnittstellenvorrichtung (32) über einen Datenbus (B2), wobei der Modulprozessor (1) konfiguriert ist, die empfangenen Messwerte von dem einen oder den mehreren Sensoren (22a; 22b) über die Mensch-Maschinenschnittstelle (2) an die Menschenschnittstellenvorrichtung (32) zu übertragen. - Datenerfassungssystem (10) nach
Anspruch 2 , wobei der Modulprozessor (1) konfiguriert ist, die empfangenen Messwerte von dem einen oder den mehreren Sensoren (22a; 22b) basierend auf Parametern, die von cloudbasierten Ressourcen (40) über die Cloudschnittstelle (3) empfangen wurden, oder basierend auf unternehmensbasierten Ressourcen vor der Übertragung an die Menschenschnittstellenvorrichtung (32) vorzuverarbeiten. - Datenerfassungssystem (10) nach einem der vorhergehenden Ansprüche, wobei der Modulprozessor (1) konfiguriert ist, ein Triggersignal vom Controller (21) der industriellen Herstellungsmaschine (20) über die Maschinenschnittstelle (5) zu empfangen, wobei das Triggersignal einen kritischen Zeitpunkt in den dielektrischen Messwerten des einen oder der mehreren Sensoren (22a; 22b) anzeigt.
- Datenerfassungssystem (10) nach
Anspruch 4 , wobei der Modulprozessor (1) konfiguriert ist, die empfangenen Messwerte von dem einen oder den mehreren Sensoren (22a; 22b) auf Grundlage des kritischen Zeitpunkts, der durch das empfangenen Triggersignal angezeigt wird, vorzuverarbeiten, bevor die empfangenen Messwerte über die Cloudschnittstelle (3) an cloudbasierte Ressourcen (40) oder an unternehmensbasierte Ressourcen übertragen werden. - System (100) für Echtzeit-Inline-Überwachung industrieller Herstellungsprozesse, das System (100) umfassend: eine oder mehrere industrielle Herstellungsmaschinen (20), die eine oder mehrere aktive Bearbeitungszonen (23) und einen Controller (21) aufweisen; einen oder mehrere Sensoren (22a; 22b), die sich innerhalb der einen oder mehreren der aktiven Bearbeitungszonen (23) einer industriellen Herstellungsmaschine (20) befinden; und mindestens ein Datenerfassungssystem (10) nach einem der
Ansprüche 1 bis5 , wobei der Controller (21) mit der Maschinenschnittstelle (5) des Datenerfassungssystems (10) verbunden ist und der eine oder die mehreren Sensoren (22a; 22b) mit der Sensorschnittstelle (4) des Datenerfassungssystems (10) verbunden sind, wobei die Controller (21) der industriellen Herstellungsmaschinen (20) konfiguriert sind, den Betrieb der einen oder mehreren industriellen Herstellungsmaschinen (20) basierend auf Herstellungssteuersignalen zu steuern, die von dem Datenerfassungssystem (10) empfangen wurden. - System (100) nach
Anspruch 6 , ferner umfassend: cloudbasierte Ressourcen (40), die mit der Cloudschnittstelle (3) des Datenerfassungssystems (10) verbunden sind. - System (100) nach
Anspruch 6 oder7 , umfassend mindestens zwei Datenerfassungssysteme (10) nach einem derAnsprüche 1 bis4 , wobei die mindestens zwei Datenerfassungssysteme (10) über einen gemeinsamen Datenbus (B2) oder über eine unternehmensbasierte Rechnerressource miteinander gekoppelt sind. - System (100) nach
Anspruch 8 , wobei ein erstes der mindestens zwei Datenerfassungsmodule (10) konfiguriert ist, Konfigurationsdaten für den Controller (21) der industriellen Herstellungsmaschine (20) über den gemeinsamen Datenbus (B2) an ein zweites der mindestens zwei Datenerfassungsmodule (10) zu übertragen. - System (100) nach einem der
Ansprüche 6 bis9 , wobei die industrielle Herstellungsmaschine (20) eine Verbundstoffherstellungsmaschine ist, insbesondere eine Harztransferformmaschine, die ein Formnest als die aktive Bearbeitungszone (23) aufweist, und wobei die Sensoren (22a; 22b) In-Form-Sensoren sind, die in einem Formnest der Verbundstoffherstellungsmaschine platziert sind. - System (100) nach einem der
Ansprüche 6 bis10 , wobei das mindestens eine Datenerfassungssystem (10) eine Sensorsteuervorrichtung (8) umfasst, die konfiguriert ist, die Messbedingungen des einen oder der mehreren Sensoren (22a; 22b) während eines Herstellungsprozesses der industriellen Herstellungsmaschine (20) zu modifizieren. - Verfahren (M) für Echtzeit-Inline-Überwachung industrieller Herstellungsprozesse, das Verfahren (M) umfassend: Platzieren (M1) eines oder mehrerer Sensoren (22a, 22b) in einer aktiven Bearbeitungszone (23) in einer industriellen Herstellungsmaschine (20); Senden (M2) von Messwerten von dem einen oder den mehreren Sensoren (22a; 22b) an ein Datenerfassungssystem (1), wobei die Messwerte physische Merkmale der Werkstücke anzeigen, die in der aktiven Bearbeitungszone (23) einer industriellen Herstellungsmaschine (20) verarbeitet werden; Übertragen (M3) der empfangenen Messwerte durch das Datenerfassungssystem (1) von dem einen oder den mehreren Sensoren (22a; 22b) an cloudbasierte Ressourcen (40) über eine Cloudschnittstelle (3) des Datenerfassungsmoduls (1); Empfangen (M4) von Parametern von cloudbasierten Ressourcen (40) über die Cloudschnittstelle (3) an dem Datenerfassungssystem (1); und Senden (M5) von Herstellungssteuersignalen an einen Controller (21) der industriellen Herstellungsmaschine (20), wobei die Herstellungssteuersignale auf den Parametern basieren, die von cloudbasierten Ressourcen (40) oder unternehmensbasierten Rechnerressourcen empfangen wurden.
- Verfahren (M) nach
Anspruch 12 , wobei die cloudbasierten Ressourcen (40) oder unternehmensbasierten Rechnerressourcen eine statistische Analyse auf die übertragenen dielektrischen Messwerte von dem einen oder den mehreren dielektrischen Sensoren (22a; 22b) ausführen und die Parameter auf Grundlage des Ergebnisses der ausgeführten statistischen Analyse ausgeben. - Verfahren (M) nach
Anspruch 12 oder13 , wobei die industrielle Herstellungsmaschine (20) eine Verbundstoffherstellungsmaschine ist, insbesondere eine Harztransferformmaschine, die ein Formnest als die aktive Bearbeitungszone (23) aufweist, und wobei die Sensoren (22a; 22b) In-Form-Sensoren sind, die in einem Formnest der Verbundstoffherstellungsmaschine platziert sind.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019121281.2A DE102019121281A1 (de) | 2019-08-07 | 2019-08-07 | Datenerfassungssystem, System und Verfahren für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen |
JP2020090900A JP6878655B2 (ja) | 2019-08-07 | 2020-05-25 | データ収集システム、並びに工業製造プロセスをリアルタイムでインライン監視するためのシステム及び方法 |
EP20176412.3A EP3786731A1 (de) | 2019-08-07 | 2020-05-26 | Datenerfassungssystem, system und verfahren für echtzeit-inline-überwachung von industriellen herstellungsprozessen |
US16/886,866 US11493907B2 (en) | 2019-08-07 | 2020-05-29 | Data acquisition system, system and method for real-time in-line monitoring of industrial manufacturing processes |
CN202010740792.1A CN112351057A (zh) | 2019-08-07 | 2020-07-27 | 数据采集***,实时在线监控工业制造过程的***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019121281.2A DE102019121281A1 (de) | 2019-08-07 | 2019-08-07 | Datenerfassungssystem, System und Verfahren für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102019121281A1 true DE102019121281A1 (de) | 2021-02-11 |
Family
ID=70857018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102019121281.2A Pending DE102019121281A1 (de) | 2019-08-07 | 2019-08-07 | Datenerfassungssystem, System und Verfahren für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen |
Country Status (5)
Country | Link |
---|---|
US (1) | US11493907B2 (de) |
EP (1) | EP3786731A1 (de) |
JP (1) | JP6878655B2 (de) |
CN (1) | CN112351057A (de) |
DE (1) | DE102019121281A1 (de) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7306550B1 (ja) | 2022-09-21 | 2023-07-11 | 凸版印刷株式会社 | 生産管理システム、生産管理方法、及びプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4446857A1 (de) * | 1993-12-27 | 1995-06-29 | Toshiba Machine Co Ltd | Verfahren zur automatischen Einstellung einer Spritzgußgeschwindigkeitsbedingung in einer Spritzgußmaschine |
DE10152765A1 (de) * | 2001-07-13 | 2003-05-22 | Siemens Ag | Verfahren und System zur elektronischen Bereitstellung von Diensten für Maschinen über eine Datenkommunikationsverbindung |
US20050114089A1 (en) * | 2003-11-05 | 2005-05-26 | Shoplogix Inc. | Self-contained system and method for remotely monitoring machines |
US20150106912A1 (en) * | 2013-10-16 | 2015-04-16 | Milacron Llc | Remote machine monitoring systems and services |
DE102017202360A1 (de) * | 2017-02-14 | 2018-08-16 | Deckel Maho Pfronten Gmbh | Datenschnittstellenvorrichtung zum einsatz an einer numerisch gesteuerten werkzeugmaschine |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2356100A (en) * | 1998-12-10 | 2000-06-26 | University Of Maryland | Scanning single electron transistor microscope for imaging ambient temperature objects |
JP2004164635A (ja) * | 2002-10-25 | 2004-06-10 | N System:Kk | 生産管理用モニタ装置 |
EP2660667B1 (de) * | 2012-05-04 | 2021-11-10 | Rockwell Automation Technologies, Inc. | Cloud-Gateway für industrielle Automatisierungsinformationen und Steuersysteme |
US9467500B2 (en) * | 2012-08-09 | 2016-10-11 | Rockwell Automation Technologies, Inc. | Remote industrial monitoring using a cloud infrastructure |
GB2521376A (en) * | 2013-12-17 | 2015-06-24 | Intellisense Io Ltd | System and method for securely managing data of industrial control systems |
EP3213163B1 (de) * | 2014-10-31 | 2024-06-12 | Big Data in Manufacturing GmbH | Client-vorrichtung zur datenerfassung und vorverarbeitung von prozessbedingten massendaten aus mindestens einer cnc-maschine oder einem industrieroboter |
US20180052451A1 (en) * | 2016-08-19 | 2018-02-22 | Rockwell Automation Technologies, Inc. | Remote industrial automation site operation in a cloud platform |
CN206060825U (zh) * | 2016-09-09 | 2017-03-29 | 深圳市智物联网络有限公司 | 一种实现多联网方式接入物联网云平台的装置 |
WO2018101848A1 (en) * | 2016-11-29 | 2018-06-07 | Coolfarm S.A. | Predictive dynamic cloud based system for environmental sensing and actuation and respective method of operation |
TW201832900A (zh) * | 2016-12-01 | 2018-09-16 | 日商新東工業股份有限公司 | 鑄造設備之資訊顯示系統 |
US20180164764A1 (en) * | 2016-12-12 | 2018-06-14 | General Electric Company | Apparatus and Method for Analysis of Machine Performance |
JP6624100B2 (ja) * | 2017-02-03 | 2019-12-25 | 新東工業株式会社 | 鋳造設備を構成する複数の装置の異常の原因を検出するシステム |
CN206855951U (zh) * | 2017-04-28 | 2018-01-09 | 恩格尔注塑机械(常州)有限公司 | 注塑机和用于监测注塑机的液压油品质的监测*** |
US10989680B2 (en) * | 2017-05-25 | 2021-04-27 | Board or Regents, The University of Texas Systems | Systems and methods for assessing the quality of adhesive bonds |
CN207304620U (zh) * | 2017-09-08 | 2018-05-01 | 深圳市智物联网络有限公司 | 基于物联网的工业设备反向控制*** |
KR102648517B1 (ko) * | 2018-03-20 | 2024-03-15 | 도쿄엘렉트론가부시키가이샤 | 통합형 반도체 공정 모듈을 포함하는 자기 인식 및 보정 이종 플랫폼, 및 이를 사용하기 위한 방법 |
CN109342514A (zh) * | 2018-09-04 | 2019-02-15 | 东莞弗兰德通信科技有限公司 | 介质塑料的介电常数测量方法及装置 |
-
2019
- 2019-08-07 DE DE102019121281.2A patent/DE102019121281A1/de active Pending
-
2020
- 2020-05-25 JP JP2020090900A patent/JP6878655B2/ja active Active
- 2020-05-26 EP EP20176412.3A patent/EP3786731A1/de active Pending
- 2020-05-29 US US16/886,866 patent/US11493907B2/en active Active
- 2020-07-27 CN CN202010740792.1A patent/CN112351057A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4446857A1 (de) * | 1993-12-27 | 1995-06-29 | Toshiba Machine Co Ltd | Verfahren zur automatischen Einstellung einer Spritzgußgeschwindigkeitsbedingung in einer Spritzgußmaschine |
DE10152765A1 (de) * | 2001-07-13 | 2003-05-22 | Siemens Ag | Verfahren und System zur elektronischen Bereitstellung von Diensten für Maschinen über eine Datenkommunikationsverbindung |
US20050114089A1 (en) * | 2003-11-05 | 2005-05-26 | Shoplogix Inc. | Self-contained system and method for remotely monitoring machines |
US20150106912A1 (en) * | 2013-10-16 | 2015-04-16 | Milacron Llc | Remote machine monitoring systems and services |
DE102017202360A1 (de) * | 2017-02-14 | 2018-08-16 | Deckel Maho Pfronten Gmbh | Datenschnittstellenvorrichtung zum einsatz an einer numerisch gesteuerten werkzeugmaschine |
Also Published As
Publication number | Publication date |
---|---|
EP3786731A1 (de) | 2021-03-03 |
US20210041857A1 (en) | 2021-02-11 |
CN112351057A (zh) | 2021-02-09 |
US11493907B2 (en) | 2022-11-08 |
JP6878655B2 (ja) | 2021-05-26 |
JP2021026758A (ja) | 2021-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE60224564T2 (de) | Dynamische bedienerfunktionen auf der basis der bedienerposition | |
DE112005003076B4 (de) | Verfahren zur Steuerung einer industriellen Automationsvorrichtung oder eines Prozesses | |
DE102017116161A1 (de) | Zwei-Faktor-Authentifizierung für Benutzerschnittstelleneinrichtungen in einer Prozessanlage | |
DE102017123609A1 (de) | Verfahren und system zur inbetriebnahme einer prozessleit-hardware | |
DE102017104912A1 (de) | Verfahren zum Parametrieren eines Feldgeräts der Automatisierungstechnik | |
EP2294764A1 (de) | Kommunikationsmodul sowie verfahren zur anbindung eines elektrischen gerätes an ein netzwerk | |
DE102017124892A1 (de) | Einrichtung und Verfahren zum kommunikativen Koppeln von Feldvorrichtungen mit Steuerungen in einem Prozesssteuerungssystem unter Verwendung einer verteilten Marshaling-Architektur | |
DE102017116311A1 (de) | Authentifizierung und autorisierung zum kontrollieren des zugriffs auf prozesskontrolleinrichtungen in einer prozessanlage | |
EP2567297A1 (de) | Verfahren und system zur bereitstellung von monitoring-kenngroessen in einem soa-basierten industriellen umfeld | |
EP2016470B1 (de) | Bediengerät zum informationsaustausch mit einem feldgerät in einem automatisierungssystem | |
DE102019121281A1 (de) | Datenerfassungssystem, System und Verfahren für Echtzeit-Inline-Überwachung von industriellen Herstellungsprozessen | |
EP3282329A1 (de) | Verfahren und system zum ferngesteuerten bedienen eines feldgeräts der prozessautomatisierung | |
DE102016124145A1 (de) | Verfahren zum Bedienen eines Feldgeräts der Automatisierungstechnik | |
DE102019220468A1 (de) | Industrielles-internet-der-dinge-system und informationsverarbeitungsvorrichtung desselben | |
EP1286141A1 (de) | Programmierbare Vorrichtung mit einem gravimetrischen Messinstrument, Verfahren zum Programmieren einer solchen Vorrichtung und Software zum Durchführen des Verfahrens | |
EP2988182A1 (de) | Vorrichtung und system zur bestimmung, optimierung oder überwachung zumindest einer prozessgrösse | |
EP2475968B1 (de) | Sensornetzwerk und verfahren zu dessen betrieb | |
WO2019175189A1 (de) | Elektronisches labor-dosiersystem für flüssigkeiten und verfahren zum betrieb eines elektronischen labor-dosiersystems für flüssigkeiten | |
EP3082118B1 (de) | Verfahren zur datenübertragung zwischen messeinrichtungen und einer datenverarbeitungseinrichtung in einem messdatenerfassungssystem | |
EP2876514A1 (de) | Schleifenprüfung der Funktionsfähigkeit technischer Geräte eines industriellen Prozessautomatisierungssystems | |
DE102018133465A1 (de) | Felderfassungsgerät für ein Feldbusnetzwerk | |
DE102018118510B4 (de) | Laborgerät, Laborgerätesystem und Verfahren zur Datenübertragung | |
EP3683637B1 (de) | Verfahren zum herstellen einer bidirektionalen verbindung zwischen einem gerät, insbesondere einem feldgerät, und einer applikation in einer zentralen einrichtung | |
DE102022103950A1 (de) | Verfahren zum Überprüfen der Originalität einer Firmware eines Feldgeräts der Automatisierungstechnik | |
EP4345555A1 (de) | Ein verfahren zur computer-gestützten prüfung und dokumentation einer installationshandlung eines benutzers zur installation von räumlich dezentral angeordneten komponenten einer maschine |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R081 | Change of applicant/patentee |
Owner name: NETZSCH PROCESS INTELLIGENCE GMBH, DE Free format text: FORMER OWNER: NETZSCH-GERAETEBAU GMBH, 95100 SELB, DE |