DE102020119579A1 - Method for assigning states to components, apparatus, computer program product and computer-readable storage medium - Google Patents

Abstract

Die Erfindung betrifft ein Verfahren zum Zuordnen von Zuständen zu Bauteilen, bei welchem eine elektronische Recheneinrichtung für die mehreren Bauteile jeweils wenigstens einen Messwert (MES1) ermittelt, welcher eine Eigenschaft des jeweiligen, zugehörigen Bauteils charakterisiert (Schritt S1). Wenn die elektronische Recheneinrichtung für zumindest eines der Bauteile genau einen Messwert (MES1) ermittelt, wird für jedes Bauteil, für welches die elektronische Recheneinrichtung genau einen Messwert (MES1) ermittelt, der genau eine Messwert (MES1) mittels der elektronischen Recheneinrichtung normalisiert und/oder standardisiert, wodurch aus dem genau einen Messwert (MES1) genau ein weiterer Wert erzeugt wird (Schritt S2). Wenn die elektronische Recheneinrichtung für zumindest eines der Bauteile mehrere, eine Messkurve bildende Messwerte (MES1) ermittelt, werden für jedes Bauteil, für welches die elektronische Recheneinrichtung mehrere, eine Messkurve bildende Messwerte (MES1) ermittelt (Schritt S3), die mehreren, die eine Messkurve bildenden Messwerte (MES1) mittels der elektronischen Rechenrichtung normalisiert und/oder standardisiert, wodurch mehrere Messkurvenwerte erzeugt werden, welche eine weitere Messkurve bilden.

The invention relates to a method for assigning states to components, in which an electronic computing device determines at least one measured value (MES1) for each of the multiple components, which characterizes a property of the respective associated component (step S1). If the electronic computing device determines exactly one measured value (MES1) for at least one of the components, for each component for which the electronic computing device determines exactly one measured value (MES1), the precisely one measured value (MES1) is normalized by the electronic computing device and/or standardized, whereby exactly one further value is generated from exactly one measured value (MES1) (step S2). If the electronic computing device determines multiple measured values (MES1) forming a measurement curve for at least one of the components, for each component for which the electronic computing device determines multiple measured values (MES1) forming a measurement curve (step S3), the multiple, the one Measured values (MES1) forming the measured curve are normalized and/or standardized by means of the electronic computing device, as a result of which a plurality of measured curve values are generated which form a further measured curve.

Description

Die Erfindung betrifft ein Verfahren zum Zuordnen von Zuständen zu Bauteilen. Die Erfindung betrifft außerdem eine Vorrichtung, ein Computerprogrammprodukt und ein computerlesbares Speichermedium.The invention relates to a method for assigning states to components. The invention also relates to an apparatus, a computer program product and a computer-readable storage medium.

Der WO 2019/201369 A2 ist ein Verfahren zum Bereitstellen, Abrufen und Nutzen eines Datenelements beziehungsweise mehrerer Datenelemente in einer Werkschöpfungskette einer Bahnware aus Kunststoff zum Produzieren eines Endprodukts als bekannt zu entnehmen. Des Weiteren offenbart die DE 10 2018 124 569 A2 ein Steuerungsverfahren zum Steuern einer zum schichtweisen additiven Fertigen eines Bauteils ausgebildeten, additiven Fertigungsvorrichtung.the WO 2019/201369 A2 a method for providing, retrieving and using a data element or a plurality of data elements in a work creation chain of a sheet material made of plastic for producing an end product can be seen as known. Furthermore, the DE 10 2018 124 569 A2 a control method for controlling an additive manufacturing device designed for layer-by-layer additive manufacturing of a component.

Aufgabe der vorliegenden Erfindung ist es, ein Verfahren, eine Vorrichtung, ein Computerprogrammprodukt und ein computerlesbares Speichermedium zu schaffen, sodass Zustände besonders einfach und somit zeit- und kostengünstig jeweiligen Bauteilen zugeordnet werden können.The object of the present invention is to create a method, a device, a computer program product and a computer-readable storage medium so that states can be assigned to respective components in a particularly simple and thus time-saving and cost-effective manner.

Diese Aufgabe wird erfindungsgemäß durch ein Verfahren mit den Merkmalen des Patentanspruchs 1, durch eine Vorrichtung mit den Merkmalen des Patentanspruchs 7, durch ein Computerprogrammprodukt mit den Merkmalen des Patentanspruchs 8 und durch ein computerlesbares Speichermedium mit den Merkmalen des Patentanspruchs 9 gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der abhängigen Ansprüche.This object is achieved according to the invention by a method having the features of patent claim 1, by a device having the features of patent claim 7, by a computer program product having the features of patent claim 8 and by a computer-readable storage medium having the features of patent claim 9. Advantageous configurations of the invention are the subject matter of the dependent claims.

Ein erster Aspekt der Erfindung betrifft ein Verfahren zum Zuordnen von Zuständen zu Bauteilen, welche beispielsweise hergestellt werden beziehungsweise wurden. Beispielsweise werden die Bauteile im Rahmen einer Herstellung, insbesondere einer Serien- oder Massenfertigung, von Kraftfahrzeugen hergestellt, sodass es sich beispielsweise bei dem jeweiligen Bauteil um ein jeweiliges Bauteil für ein jeweiliges Kraftfahrzeug handelt. Das Verfahren umfasst einen auch mit a) bezeichneten ersten Schritt, bei welchem eine elektronische Recheneinrichtung, das heißt ein Computer, für die mehreren Bauteile, denen die Zustände zugeordnet werden beziehungsweise werden sollen, jeweils wenigstens einen Messwert ermittelt. Der jeweilige Messwert wird beziehungsweise wurde beispielsweise im Rahmen eines Messverfahrens ermittelt, insbesondere gemessen, wobei das Messverfahren Teil des erfindungsgemäßen Verfahrens sein kann. Beispielsweise wird der Messwert im Rahmen des Messverfahrens mittels wenigstens eines Sensors ermittelt, insbesondere gemessen. Unter dem Ermitteln des Messwerts durch die elektronische Recheneinrichtung ist insbesondere zu verstehen, dass die elektronische Recheneinrichtung wenigstens ein, insbesondere elektrisches, Signal empfängt, welches den Messwert charakterisiert. Insbesondere kann das Signal Daten umfassen, welche den jeweiligen Messwert charakterisieren. Der Messwert ist beispielsweise ein Messwert einer physikalischen Größe, insbesondere Messgröße. Die physikalische Größe kann beispielsweise eine Schwingung, eine Beschleunigung, eine Kraft oder eine andere physikalische Größe, insbesondere Messgröße, sein. Da für die mehreren Bauteile jeweils wenigstens ein Messwert durch die elektronische Recheneinrichtung ermittelt wird, werden entsprechend mehrere Messwerte durch die elektronische Recheneinrichtung ermittelt. Der jeweilige Messwert, welcher für das jeweilige Bauteil ermittelt wird, gehört sozusagen zu dem jeweiligen Bauteil, wobei der jeweilige Messwert wenigstens eine Eigenschaft des jeweiligen, zu dem Messwert gehörenden beziehungsweise zugehörigen Bauteils charakterisiert. Handelt es sich beispielsweise bei der Messgröße um eine Beschleunigung oder um eine Schwingung, so charakterisiert der jeweilige Messwert beispielsweise ein jeweiliges Geräuschbeziehungsweise Schwingungsverhalten als die Eigenschaft. Mit anderen Worten ist die Eigenschaft dann beispielsweise ein Schwingungs- beziehungsweise Geräuschverhalten des jeweiligen Bauteils. Ferner kann die Eigenschaft wenigstens eine Abmessung des jeweiligen Bauteils und/oder ein Gewicht des Bauteils und/oder eine Härte des Bauteils sein.A first aspect of the invention relates to a method for assigning states to components which are or have been manufactured, for example. For example, the components are produced as part of a production, in particular a series or mass production, of motor vehicles, so that the respective component is, for example, a respective component for a respective motor vehicle. The method includes a first step, also denoted by a), in which an electronic computing device, ie a computer, determines at least one measured value for each of the multiple components to which the states are or are to be assigned. The respective measured value is or was determined, for example, as part of a measurement method, in particular measured, with the measurement method being part of the method according to the invention. For example, the measured value is determined, in particular measured, by means of at least one sensor as part of the measuring method. The determination of the measured value by the electronic computing device is to be understood in particular as meaning that the electronic computing device receives at least one signal, in particular an electrical signal, which characterizes the measured value. In particular, the signal can include data that characterize the respective measured value. The measured value is, for example, a measured value of a physical variable, in particular a measured variable. The physical variable can be, for example, a vibration, an acceleration, a force or another physical variable, in particular a measured variable. Since at least one measured value is determined by the electronic arithmetic unit for each of the several components, a corresponding number of measured values are determined by the electronic arithmetic unit. The respective measured value which is determined for the respective component belongs, so to speak, to the respective component, with the respective measured value characterizing at least one property of the respective component belonging to or associated with the measured value. If, for example, the measured variable is an acceleration or a vibration, then the respective measured value characterizes a respective noise or vibration behavior as the property, for example. In other words, the property is then, for example, a vibration or noise behavior of the respective component. Furthermore, the property can be at least one dimension of the respective component and/or a weight of the component and/or a hardness of the component.

Des Weiteren umfasst das erfindungsgemäße Verfahren eine Fallunterscheidung, in deren Rahmen zwischen einem auch mit b) bezeichneten zweiten Schritt beziehungsweise dessen Durchführung und einem auch mit c) bezeichneten dritten Schritt beziehungsweise dessen Durchführung unterschieden wird. Wenn die elektronische Recheneinrichtung für zumindest eines der Bauteile genau einen Messwert ermittelt, dann wird bei dem zweiten Schritt des Verfahrens für jedes Bauteil, für welches die elektronische Recheneinrichtung genau einen Messwert ermittelt beziehungsweise ermittelt hat, der genau eine Messwert mittels der elektronischen Recheneinrichtung normalisiert und/oder standardisiert, wodurch aus dem genau einen Messwert genau ein weiterer Wert erzeugt beziehungsweise berechnet wird. Das Normalisieren wird auch als Normieren bezeichnet und erfolgt beispielsweise im Rahmen einer auch als Normierung bezeichneten Normalisierung. Die Normalisierung beziehungsweise Standardisierung sind hinlänglich bekannte Methoden der Statistik und machen unterschiedliche Datenreihen beziehungsweise bezogen auf die vorliegende Erfindung die beispielsweise voneinander unterschiedlichen Messwerte vergleichbar. Mit anderen Worten ist unter der Normalisierung beziehungsweise unter der Standardisierung ein aus der Statistik hinlänglich bekanntes Vergleichbarmachen unterschiedlicher Datenreihen, insbesondere der Messwerte, zu verstehen.Furthermore, the method according to the invention includes a case distinction, in the context of which a distinction is made between a second step, also designated b), or its implementation, and a third step, also designated c), or its implementation. If the electronic arithmetic unit determines exactly one measured value for at least one of the components, then in the second step of the method for each component for which the electronic arithmetic unit has determined or has determined exactly one measured value, the exact one measured value is normalized by means of the electronic arithmetic unit and/or or standardized, whereby exactly one further value is generated or calculated from exactly one measured value. The normalization is also referred to as norming and takes place, for example, as part of a normalization that is also referred to as norming. The normalization or standardization are sufficiently known methods of statistics and make different data series or, based on the present invention, the different measured values, for example, comparable. In other words, normalization or standardization means making things comparable, which is well known from statistics different data series, especially the measured values.

Wenn die elektronische Recheneinrichtung für zumindest eines der Bauteile mehrere, wenigstens eine Messkurve bildende Messwerte ermittelt, werden bei dem dritten Schritt des Verfahrens für jedes Bauteil, für welches die elektronische Recheneinrichtung mehrere, wenigstens eine Messkurve bildende Messwerte ermittelt beziehungsweise ermittelt hat, die mehreren, die wenigstens eine Messkurve bildenden Messwerte mittels der elektronischen Recheneinrichtung normalisiert und/oder standardisiert, wodurch mehrere Messkurvenwerte erzeugt werden, welche eine weitere Messkurve bilden. Mit anderen Worten wird die weitere Messkurve durch die mehreren Messkurvenwerte gebildet, die durch Normalisierung beziehungsweise Standardisierung der mehreren Messwerte erzeugt beziehungsweise berechnet werden. Des Weiteren wird bei dem dritten Schritt des Verfahrens die weitere Messkurve mittels der elektronischen Recheneinrichtung in eine Anzahl an Segmenten unterteilt, wobei die Anzahl auch mit n bezeichnet wird und beispielsweise eine positive, ganze Zahl ist, welche zumindest 2 beträgt. Jedes Segment umfasst eine gegenüber 1 größere Teilmenge der mehreren, die weitere Messkurve bildenden Messkurvenwerte. Dies bedeutet, dass beispielsweise eine mit x bezeichnete Anzahl an Messkurvenwerte erzeugt werden, wobei die Teilmenge beispielsweise y Messkurvenwerte umfasst. Dabei ist y beispielsweise eine positive, ganze und gegenüber 1 größere Zahl, wobei y kleiner x ist, wobei vorzugsweise x eine ganze, positive und gegenüber 1 größere Zahl ist. des Weiteren werden bei dem dritten Schritt mittels der elektronischen Recheneinrichtung für jedes, auch als Abschnitt bezeichnetes Segment die Autokorrelation, ein Mittelwert, das Minimum, das Maximum und die Standardabweichung aus der jeweiligen Teilmenge des jeweiligen Segments berechnet. In der Folge werden die Autokorrelation, der Mittelwert, das Minimum, das Maximum und die Standardabweichung als weitere Werte verwendet.If the electronic computing device determines a plurality of measured values forming at least one measurement curve for at least one of the components, in the third step of the method for each component for which the electronic computing device has determined or determined a plurality of measured values forming at least one measurement curve, the plurality of the measured values forming at least one measured curve are normalized and/or standardized by means of the electronic computing device, as a result of which a plurality of measured curve values are generated which form a further measured curve. In other words, the further measurement curve is formed by the multiple measurement curve values that are generated or calculated by normalizing or standardizing the multiple measured values. Furthermore, in the third step of the method, the further measurement curve is subdivided into a number of segments using the electronic computing device, the number also being denoted by n and being, for example, a positive whole number which is at least 2. Each segment includes a subset that is larger than 1 of the multiple measurement curve values that form the further measurement curve. This means that, for example, a number of measurement curve values denoted by x are generated, the subset comprising, for example, y measurement curve values. In this case, y is, for example, a positive, whole number that is greater than 1, where y is less than x, with x preferably being a whole, positive number that is greater than 1. Furthermore, in the third step, the autocorrelation, a mean value, the minimum, the maximum and the standard deviation from the respective subset of the respective segment are calculated using the electronic computing device for each segment, also referred to as a section. In the following, the autocorrelation, the mean, the minimum, the maximum and the standard deviation are used as additional values.

Bei einem auch mit d) bezeichneten vierten Schritt des Verfahrens wird mittels der elektronischen Recheneinrichtung auf Basis der durch den zweiten Schritt und/oder durch den dritten Schritt erzeugten, weiteren Werte eine Hauptkomponentenanalyse durchgeführt. Bei der Hauptkomponentenanalyse wird mittels der elektronischen Recheneinrichtung wenigstens eine Hauptkomponente ermittelt. Insbesondere kann vorgesehen sein, dass wenigstens zwei oder wenigstens oder genau drei Hauptkomponenten ermittelt werden. Bei der Hauptkomponentenanalyse wird außerdem für jedes Bauteil, insbesondere genau, ein Hauptkomponentenwert für die ermittelte Hauptkomponente ermittelt. Bei einem auch mit e) bezeichneten fünften Schritt des Verfahrens wird eine die ermittelte Hauptkomponente beziehungsweise die ermittelten Hauptkomponenten und die ermittelten Hauptkomponentenwerte visualisierende Grafik auf einer elektronischen Anzeige, insbesondere der elektronischen Recheneinrichtung, angezeigt. Die elektronische Anzeige wird auch als Bildschirm bezeichnet. Durch das Anzeigen der Grafik auf der Anzeige kann die auf der Anzeige angezeigte Grafik von einer Person, das heißt mit dem menschlichen Auge, optisch wahrgenommen werden.In a fourth step of the method, also denoted by d), a main component analysis is carried out by means of the electronic computing device on the basis of the further values generated by the second step and/or by the third step. At least one main component is determined in the main component analysis using the electronic computing device. In particular, it can be provided that at least two or at least or exactly three main components are determined. In the case of the main component analysis, a main component value for the determined main component is also determined, in particular precisely, for each component. In a fifth step of the method, also denoted by e), a graphic visualizing the determined main component or the determined main components and the determined main component values is displayed on an electronic display, in particular the electronic computing device. The electronic display is also referred to as a screen. By displaying the graphic on the display, the graphic displayed on the display can be visually perceived by a person, that is, with the human eye.

Werden beispielsweise wenigstens oder genau zwei Hauptkomponenten ermittelt, insbesondere berechnet, sodass für jede ermittelte Hauptkomponente wenigstens oder genau ein Hauptkomponentenwert für das jeweilige Bauteil ermittelt wird, so werden für das jeweilige Bauteil wenigstens oder genau zwei Hauptkomponentenwerte ermittelt. Insbesondere entspricht die Anzahl an für das jeweilige Bauteil ermittelten Hauptkomponentenwerten der Anzahl an ermittelten Hauptkomponenten. Insbesondere können die Hauptkomponenten als Achsen, insbesondere als senkrecht zueinander verlaufende Achsen, eines Koordinatensystems verstanden werden beziehungsweise die Hauptkomponenten beziehungsweise die Hauptkomponentenwerte können entlang von senkrecht zueinander verlaufenden Achsen eines Koordinatensystems aufgetragen werden. Die Grafik kann somit beispielsweise ein Koordinatensystem umfassen, welches wenigstens zwei senkrecht zueinander verlaufende Achsen umfasst. Eine erste der Achsen veranschaulicht eine erste der Hauptkomponenten, und die zweite Achse veranschaulicht die zweite Hauptkomponente. Je Bauteil kann die Grafik beispielsweise, insbesondere genau, einen Punkt umfassen, welchen wenigstens oder genau zwei Koordinaten zugeordnet sind, anhand dessen der Punkt in dem Koordinatensystem dargestellt beziehungsweise positioniert ist. Eine erste der Koordinaten des jeweiligen Punkts ist beispielsweise eine erste der Hauptkomponenten, und eine zweite der Koordinaten des jeweiligen Punkts ist eine zweite der Hauptkomponenten.If, for example, at least or exactly two main components are determined, in particular calculated, so that at least or exactly one main component value is determined for the respective component for each determined main component, then at least or exactly two main component values are determined for the respective component. In particular, the number of main component values determined for the respective component corresponds to the number of main components determined. In particular, the main components can be understood as axes, in particular as axes running perpendicular to one another, of a coordinate system or the main components or the main component values can be plotted along axes of a coordinate system running perpendicular to one another. The graphic can thus include a coordinate system, for example, which includes at least two axes running perpendicular to one another. A first of the axes illustrates a first of the principal components and the second axis illustrates the second principal component. For each component, the graphic can, for example, include, in particular precisely, a point to which at least or precisely two coordinates are assigned, based on which the point is represented or positioned in the coordinate system. For example, a first of the coordinates of the respective point is a first of the principal components and a second of the coordinates of the respective point is a second of the principal components.

Bei einem auch mit f) bezeichneten sechsten Schritt des Verfahrens empfängt die elektronische Recheneinrichtung mittels einer Eingabevorrichtung der elektronischen Recheneinrichtung wenigstens eine, durch eine Person bewirkte Eingabe, durch welche in Abhängigkeit von der Grafik dem jeweiligen Bauteil wenigstens ein jeweiliger Zustand zugeordnet wird. Mit anderen Worten, die Person kann die Eingabevorrichtung bedienen und dadurch die zuvor genannte Eingabe in die Eingabevorrichtung und somit in die elektronische Steuereinrichtung vornehmen. Durch die Eingabe wählt beispielsweise die Person zumindest einen der zuvor genannten Punkte aus und ordnet dem Punkt und somit dem Bauteil, dessen Hauptkomponentenwert oder Hauptkomponentenwerte durch den Punkt visualisiert ist beziehungsweise sind, einen Zustand zu. Diese Eingabe wird mittels der Eingabevorrichtung und über die Eingabevorrichtung mittels der elektronischen Recheneinrichtung erfasst, wodurch der Zustand dem jeweiligen Bauteil zugeordnet wird. Die Erfindung ermöglicht es, durch eine große Anzahl an Bauteilen ermittelte und somit in großer Anzahl vorliegende Messwerte, die die Bauteile charakterisieren, eine übersichtliche und gleichzeitig im Hinblick auf die jeweilige Eigenschaft des jeweiligen Bauteils aussagekräftige Visualisierung insbesondere in Form der genannten Grafik für eine Person zu schaffen, sodass die Person anhand der Grafik die beziehungsweise alle Bauteile prüfen und mit einem jeweiligen Zustand versehen kann. Die Erfindung basiert dabei auf der Erkenntnis, dass eine große Anzahl an Bauteilen zu einer noch größeren Anzahl an Messwerten führen kann, was zu einer sehr großen Datenmenge führen kann, deren Beurteilung im Hinblick auf jeweilige Zustände der jeweiligen Bauteile von einer Person nicht oder nur sehr aufwendig bearbeitet beziehungsweise gehandhabt werden kann. Die Erfindung ermöglicht es nun, diese Datenmenge zu reduzieren, insbesondere auf ein Maß, das von einer Person einfach und somit zeit- und kostengünstig überschaubar beziehungsweise beherrschbar ist. Da die elektronische Recheneinrichtung die Eingabe der Person empfängt, ist insbesondere für nachgelagerte Prozesse eine einfache, zeit- und kostengünstige Ermittlung beziehungsweise Erfassung und Dokumentation der Zustände der Bauteile möglich.In a sixth step of the method, also denoted by f), the electronic computing device receives at least one input caused by a person by means of an input device of the electronic computing device, through which at least one respective state is assigned to the respective component depending on the graphic. In other words, the person can operate the input device and thereby make the aforementioned input into the input device and thus into the electronic control device. Through the input, for example, the person selects at least one of the points mentioned above and assigns the point and thus the component, its main component value or main component values is or are visualized by the point, a state. This input is recorded by means of the input device and via the input device by means of the electronic computing device, as a result of which the state is assigned to the respective component. The invention makes it possible for a large number of components to determine and thus present a large number of measured values that characterize the components, a clear and at the same time meaningful visualization with regard to the respective property of the respective component, in particular in the form of the graphic for one person create so that the person can use the graphic to check the or all components and provide them with a respective status. The invention is based on the finding that a large number of components can lead to an even larger number of measured values, which can lead to a very large amount of data whose assessment with regard to the respective states of the respective components is not possible or only very difficult for a person can be processed or handled in a complex manner. The invention now makes it possible to reduce this volume of data, in particular to a level that can be easily and thus managed or managed by one person in a time- and cost-effective manner. Since the electronic computing device receives the person's input, a simple, time-saving and cost-effective determination or recording and documentation of the states of the components is possible, in particular for downstream processes.

Bei einer vorteilhaften Ausführungsform der Erfindung wird in Abhängigkeit von dem dem jeweiligen Bauteil zugeordneten Zustand ein Rechenmodell durch maschinelles Lernen trainiert, um mittels des Rechenmodells den Zustand weiteren Bauteilen automatisch zuzuordnen. Hierunter ist insbesondere zu verstehen, dass durch die Eingabe der Person das einfach auch als Modell bezeichnete Rechenmodell lernt, welche Hauptkomponentenwerte der jeweiligen Hauptkomponente welchen Zustand bedeuten beziehungsweise auf welchen Zustand hinweisen könnten. In der Folge ist es denkbar, dass das Modell weiteren Bauteilen den Zustand zuordnen, was beispielsweise auf der Anzeige oder einer weiteren Anzeige angezeigt wird und in der Folge durch eine Person geprüft werden kann. Bestätigt die Person den mittels des Modells automatisch zugeordneten Zustand, sodass das Modell den Zustand korrekt zugeordnet hat, oder ändert die Person den dem jeweiligen Bauteil automatisch zugeordneten Zustand in einen anderen Zustand, so wird das Modell hierdurch weitertrainiert, sodass es mit zunehmendem Training den Zustand mit einer sehr hohen Wahrscheinlichkeit korrekt jeweiligen Bauteilen zuordnet. Die vorigen und folgenden Ausführungen können ohne Weiteres auch auf weitere, andere Zustände übertragen werden, sodass es in der Folge möglich ist, dass das Modell jeweilige Zustände der jeweiligen Bauteile mit einer sehr hohen Wahrscheinlichkeit korrekt automatisch zuordnen. Dadurch kann eine hohe Anzahl an Bauteilen insbesondere dahingehend geprüft werden, welchen Zustand diese Bauteile haben, und es kann der jeweilige Zustand dem jeweiligen Bauteil automatisch und dabei zeit- und kostengünstig insbesondere auch dann zugeordnet werden, wenn eine hohe Anzahl an Bauteilen auf eine hohe Anzahl an Zuständen geprüft wird.In an advantageous embodiment of the invention, depending on the state assigned to the respective component, a calculation model is trained by machine learning in order to use the calculation model to automatically assign the state to other components. This means in particular that through the person's input, the computer model, also referred to simply as a model, learns which main component values of the respective main component mean which state or could indicate which state. As a result, it is conceivable for the model to assign the status to other components, which is displayed, for example, on the display or another display and can subsequently be checked by a person. If the person confirms the state automatically assigned by means of the model, so that the model has correctly assigned the state, or if the person changes the state automatically assigned to the respective component to a different state, the model is trained further so that it changes the state with increasing training correctly assigned to the respective components with a very high probability. The previous and following statements can also be applied to further, other states without further ado, so that it is subsequently possible for the model to correctly and automatically assign respective states of the respective components with a very high probability. This allows a large number of components to be checked, in particular to determine the condition of these components, and the respective condition can be assigned to the respective component automatically and at the same time in a time- and cost-effective manner, especially when a large number of components has a large number is checked on states.

Dabei hat es sich als besonders vorteilhaft gezeigt, wenn zum Trainieren des Rechenmodells die Schritte a) bis f) durchgeführt werden. Einerseits können dadurch die Bauteile schnell und somit zeit- und kostengünstig geprüft werden. Andererseits kann dadurch das Rechenmodell effektiv und effizient trainiert werden, sodass man mit zunehmendem Training mit einer sehr hohen Wahrscheinlichkeit die Zustände den Bauteilen korrekt zuordnen kann.It has proven to be particularly advantageous if steps a) to f) are carried out to train the computational model. On the one hand, this means that the components can be checked quickly and thus in a time- and cost-effective manner. On the other hand, this allows the computational model to be trained effectively and efficiently, so that the states of the components can be correctly assigned with a very high probability with increasing training.

Als weiterhin besonders vorteilhaft hat es sich gezeigt, wenn sich die Messwerte auf einen jeweiligen Zeitpunkt beziehen, sodass beispielsweise die Messwerte eine Zeitreihe bilden beziehungsweise sodass die Messkurve eine Zeitreihe ist. Dadurch können die Bauteile besonders gut geprüft werden.It has also been shown to be particularly advantageous if the measured values relate to a particular point in time, so that, for example, the measured values form a time series or so that the measurement curve is a time series. This allows the components to be tested particularly well.

Um beispielsweise die Zustände den Bauteilen besonders präzise und einfach zuordnen zu können, ist es in weiterer Ausgestaltung der Erfindung vorgesehen, dass für die Messwerte der Bauteile die Ladungsmatrix durch Multiplikation der transponierten Komponentenmatrix mit der Wurzel der erklärenden Varianz der zu dem jeweiligen Messwert des jeweiligen Bauteils gehörenden Hauptkomponente berechnet und gespeichert wird.For example, in order to be able to assign the states of the components particularly precisely and easily, it is provided in a further embodiment of the invention that the charge matrix for the measured values of the components is calculated by multiplying the transposed component matrix by the root of the explanatory variance of the respective measured value of the respective component associated principal component is calculated and stored.

In weiterer Ausgestaltung der Erfindung ist es vorgesehen, dass der zugeordnete Zustand umfasst, dass das jeweilige Bauteil fehlerfrei ist oder zumindest einen Fehler aufweist. Mit anderen Worten wird durch Zuordnen des Zustands zu dem jeweiligen Bauteil das jeweilige Bauteil, insbesondere virtuell, mit einem, insbesondere virtuellen, Etikett beziehungsweise Label versehen, welches das Bauteil beispielsweise dahingehend charakterisiert, dass das Bauteil fehlerfrei ist oder aber einen Fehler aufweist. Wird das Bauteil als fehlerfrei eingestuft, so kann beispielsweise das Bauteil verwendet werden, um ein Produkt wie beispielsweise ein Kraftfahrzeug aus dem Bauteil herzustellen. Wird jedoch das Bauteil als fehlerbehaftet eingestuft, sodass dem Bauteil ein Fehler zugeordnet wird, so wird das Bauteil beispielsweise nicht oder nicht ohne weitere Bearbeitung zur Herstellung eines Produkts wie beispielsweise eines Kraftfahrzeugs verwendet, sondern das Bauteil wird beispielsweise ausgeschleust und entsorgt oder aber nachgearbeitet beziehungsweise repariert und dann zum Herstellen des Produkts verwendet. Das Verfahren ist somit eine Methodik, um etwaige Anomalien wie beispielsweise Fehler von Bauteilen in einem Prüf- und/oder Produktionsprozess besonders zeit- und kostengünstig zu erkennen, insbesondere dann, wenn im Rahmen des Prüf- beziehungsweise Produktionsprozesses eine hohe Anzahl an Bauteilen verarbeitet und/oder aber eine hohe Anzahl an möglichen Zuständen beziehungsweise Fehlern geprüft wird.In a further embodiment of the invention, it is provided that the assigned state includes that the respective component is error-free or at least has one error. In other words, by assigning the status to the respective component, the respective component is provided, in particular virtually, with a label or label, in particular virtual, which characterizes the component, for example, to the effect that the component is error-free or has an error. If the component is classified as free of defects, the component can be used, for example, to produce a product, such as a motor vehicle, from the component. However, if the component is classified as defective, so that a defect is assigned to the component, the component is not used, for example, or not without further processing, to manufacture a product such as a motor vehicle, but For example, the component is rejected and disposed of or reworked or repaired and then used to manufacture the product. The method is therefore a method for detecting any anomalies such as defects in components in a testing and/or production process in a particularly time- and cost-effective manner, especially when a large number of components are processed and/or processed as part of the testing or production process. or a large number of possible states or errors is checked.

Insbesondere kann das Verfahren an einer einzelnen Produktionsanlage oder an einem Prüfstand in einer Produktion angewandt werden. Im Folgenden wird das Verfahren anhand eines konkreten Ausführungsbeispiels beschrieben. Die elektronische Recheneinrichtung ist beispielsweise eine auch mit N bezeichnete Anzahl an Messwerten für eine auch mit B bezeichnete Anzahl an Bauteilen, wobei beispielsweise dann, wenn einem Bauteil mehrere Messwerte zugeordnet sind, diese dem Bauteil zugeordneten Messwerte eine Zeitreihe beziehungsweise einen zeitlichen Verlauf, das heißt einen Verlauf über der Zeit (t), bilden. Ferner ist es denkbar, dass der jeweilige, dem Bauteil zugeordnete Messwert ein einzelner Messwert beziehungsweise Messpunkt ist. Im Rahmen der Standardisierung und/oder Normalisierung werden beispielsweise auch mit Res bezeichnete Residuen der auch mit n bezeichneten Messwerte oder Messpunkte des jeweiligen, aktuell auch mit k bezeichneten Bauteils insbesondere mittels folgender Formel bestimmt: $${\text{Res}}_{\text{k}}=\frac{m_k-\widehat{m_B}}{{\sum }_B}$$

In particular, the method can be applied to an individual production facility or to a test stand in a production facility. The method is described below using a specific exemplary embodiment. The electronic computing device is, for example, a number of measured values, also denoted by N, for a number of components, also denoted by B, wherein, for example, if a number of measured values are assigned to a component, these measured values assigned to the component form a time series or a time profile, i.e. one course over time (t). Furthermore, it is conceivable that the respective measured value assigned to the component is an individual measured value or measuring point. Within the framework of the standardization and/or normalization, for example, residuals, also denoted by Res, of the measured values or measuring points, also denoted by n, of the respective component, currently also denoted by k, are determined in particular using the following formula: $${\text{reserve}}_{\text{k}}=\frac{m_k-\widehat{m_B}}{{\sum }_B}$$

Dabei bezeichnet $\widehat{m_B}$

den Mittelwert aller Bauteile beziehungsweise aller, zu dem jeweiligen Bauteil gehörenden Messwerte, und Σ_B bezeichnet die Standardabweichung aller Bauteile beziehungsweise aller, zu dem jeweiligen Bauteil gehörender Messwerte. Im Falle von Messwerten, die als Zeitreihe hinterlegt sind, wird eine Dimensionsreduzierung vorgenommen, indem die Zeitreihe in Abschnitte segmentiert wird. Von jedem Abschnitt werden folgende Werte extrahiert: Autokorrelation, Mittelwert, Minimum, Maximum und Standardabweichung. In dem Falle, dass dem jeweiligen Bauteil nur ein einziger Messpunkt beziehungsweise Messwert zugeordnet ist, wird eine Segmentierung von Abschnitten nicht vorgenommen. Im Weiteren erfolgt beispielsweise eine Bildung von genau drei Hauptkomponenten aus den zuvor gewonnenen Daten, wobei beispielsweise auch eine Speicherung der Ladungsmatrix durch die Multiplikation der transponierten Komponentenmatrix mit der Wurzel der erklärenden Varianz der Hauptkomponenten erfolgt.designated $\widehat{m_B}$

the mean value of all components or all measured values belonging to the respective component, and Σ _B designates the standard deviation of all components or all measured values belonging to the respective component. In the case of measured values that are stored as a time series, the dimensions are reduced by segmenting the time series into sections. The following values are extracted from each bin: autocorrelation, mean, minimum, maximum and standard deviation. If only a single measuring point or measured value is assigned to the respective component, sections are not segmented. In addition, for example, exactly three main components are formed from the previously obtained data, with the charge matrix also being stored by multiplying the transposed component matrix by the root of the explanatory variance of the main components.

Des Weiteren werden beispielsweise drei Datensätze gespeichert: Ein erster der Datensätze umfasst alle Messwerte über sämtliche Bauteile sowie die dazugehörigen Residuen der Messwerte über die Bauteile. Ein zweiter der Datensätze umfasst die drei Hauptkomponenten sämtlicher Messwerte über alle Bauteile. Sofern Grenzmuster vorhanden sind, wird in dem, insbesondere zweiten, Datensatz das entsprechende Bauteil rot markiert. Ansonsten werden die restlichen Bauteile grün markiert. Sollten keine Grenzmuster vorhanden sein, werden sämtliche Bauteile beziehungsweise deren die Hauptkomponenten und die Hauptkomponentenwerte veranschaulichende Symbole wie beispielsweise Punkte grün markiert. Der dritte Datensatz umfasst beispielsweise 20 Residualwerte. Die Anzahl 20 bezieht sich auf die Messwerte, welche die höchsten Ladungen besitzen, die bei Ermittlung der Ladungsmatrix ermittelt wurden. Es wird hier angenommen, dass nur die Residualwerte mit hoher Ladung auf einer Hauptkomponente auch für eine Analyse relevant sind. Durch die Ermittlung der Ladungsmatrix kann ermittelt werden, welche Messwerte eines Bauteils über den größten Einfluss auf die Hauptkomponente haben.Furthermore, three data sets are stored, for example: A first of the data sets includes all measured values for all components and the associated residues of the measured values for the components. A second of the data sets includes the three main components of all measured values across all components. If limit samples are available, the corresponding component is marked in red in the data set, especially the second data set. Otherwise, the remaining components are marked in green. If there are no limit samples, all components or their symbols illustrating the main components and the main component values, such as points, are marked in green. For example, the third data set contains 20 residual values. The number 20 refers to the measured values that have the highest charges that were determined when determining the charge matrix. It is assumed here that only the residual values with a high charge on a main component are also relevant for an analysis. By determining the charge matrix, it can be determined which measured values of a component have the greatest influence on the main component.

Diese Daten werden beispielsweise in eine Applikation, insbesondere Web-Applikation, die innerhalb eines Computer-Netzwerks gehostet wird, dargestellt, insbesondere in Form der Grafik, die von einer Person optisch wahrgenommen werden kann. Insbesondere werden die Hauptkomponenten und die zugehörigen Hauptkomponentenwerte als eine dreidimensionale Grafik dargestellt, welche auch als 3D-Plot bezeichnet wird. Die drei Dimensionen erlauben es der Person, Unterschiede zu erkennen, die in einer zweidimensionalen Visualisierung nicht oder nicht ohne Weiteres erkannt werden könnten. Beispielsweise werden die Residualwerte aus der Dimensionsreduzierung anhand einer sogenannten Heatmap dargestellt. Insbesondere wird eine Annahme getroffen: Je näher ein Messpunkt an einem vorgebbaren oder vorgegebenen Referenzwert von beispielsweise 10 liegt, desto anormaler ist er. Es können weiterhin Werte nach entsprechenden Messgrößen sortiert werden. Es können entsprechende Cluster geschaffen werden, sodass Abhängigkeiten zwischen den Messwerten untereinander deutlich werden. Durch entsprechendes Bedienen der Eingabevorrichtung können beispielsweise sämtliche Messwerte in ihrer ursprünglichen Form sowie die dazugehörigen Residualwerte angezeigt werden. Sobald beispielsweise ein Residualwert über 3 Sigma liegt, also dreimal von der Standardabweichung abweicht, wird er in der Grafik und somit der Person als anormal angezeigt. Weiterhin ist es denkbar, die Messwerte eines Bauteils mit anderen verfügbaren Messwerten anderer Bauteile, insbesondere grafisch, zu vergleichen.This data is presented, for example, in an application, in particular a web application, which is hosted within a computer network, in particular in the form of graphics that can be visually perceived by a person. In particular, the principal components and the associated principal component values are presented as a three-dimensional graphic, which is also referred to as a 3D plot. The three dimensions allow the person to see differences that could not or not easily be seen in a two-dimensional visualization. For example, the residual values from the dimension reduction are displayed using a so-called heat map. In particular, an assumption is made: The closer a measurement point is to a predeterminable or predetermined reference value of 10, for example, the more abnormal it is. Values can still be sorted according to the corresponding measured variables. Appropriate clusters can be created so that dependencies between the measured values become clear. By appropriately operating the input device, for example, all measured values can be displayed in their original form as well as the associated residual values. For example, as soon as a residual value is above 3 sigma, i.e. deviates three times from the standard deviation, it is displayed in the graphic and thus in the person as abnormal. Furthermore, it is conceivable to compare the measured values of a component with other available measured values of other components, in particular graphically.

Die die Grafik optisch wahrnehmende Person führt eine Analyse durch, deren Ergebnis umfasst, dass die Person die Eingabe vornimmt und somit den Zustand dem jeweiligen Bauteil zuordnet. Sobald die Person ihre Analyse abgeschlossen hat, ordnet somit die Person dem Bauteil, das sie analysiert hat, einen Zustand beziehungsweise ein Label zu, was auch als Zustandszuordnung oder Labelling bezeichnet wird. Der zugeordnete Zustand (Label) kann beispielsweise in einer separaten Datenbank gespeichert werden.The person visually perceiving the graphic carries out an analysis, the result of which includes the person making the input and thus assigning the status to the respective component. Thus, once the person has completed their analysis, the person assigns a condition or label to the component they analyzed, which is also referred to as condition assignment or labeling. The assigned state (label) can be stored in a separate database, for example.

Sobald eine Anzahl an zugeordneten Zuständen beziehungsweise Labels vorliegt, wird beispielsweise das zuvor genannte Rechenmodell, insbesondere mittels Random Forest, erstellt. Ferner kann beispielsweise ein Long-Therm-Short-Memory neuronales Netz (LTSM NN) erstellt werden. Das Rechenmodell und das neuronale Netz sind Modelle, die insbesondere die folgenden Aufgaben haben können: Die Modelle treffen Annahmen bezüglich der Qualität des jeweiligen Bauteils. Dies kann entweder eine generelle Annahme sein wie beispielsweise ob das Bauteil beschädigt ist oder nicht, oder eine spezifische Annahme wie beispielsweise, ob eine Unwucht eines Rotors zu hoch ist oder nicht. Das Random-Forest-Modell bestimmt besonders für die Analyse relevante Messwerte mittels der Permutation der Wichtigkeit des Residuums des jeweiligen Messwerts. Die Vorgehensweise hierfür ist beispielsweise folgende:

1. i. Schätzen des Modellfehlers e_org = L(y,f(x)), wobei L(y,f) der Fehler, x die Eingangsmatrix der Residualwerte, f das trainierte Modell und y der Zielvektor ist
2. ii. Über jeden Residualwert (j = 1, ... n) wird folgendes durchgeführt:
   • - Erstellen einer Merkmalsmatrix (X_perm) durch die Permutation von j über die Eingangsmatrix (x).
   • - Schätzen des Fehlers e_perm = L(y,f(X_perm)) basierend auf den Vorhersagen der permutierten Daten
   • - Berechnen die Wichtigkeit des Residualwertes für die Modellaussage mit $\text{FI=}\frac{e_{perm}}{e_{org}}$
     
3. iii. Sortieren von FI aufsteigend.

As soon as a number of assigned states or labels is available, the aforementioned calculation model, for example, is created, in particular by means of a random forest. Furthermore, for example, a long-therm-short-memory neural network (LTSM NN) can be created. The computational model and the neural network are models that can have the following tasks in particular: The models make assumptions about the quality of the respective component. This can either be a general assumption, such as whether the component is damaged or not, or a specific assumption, such as whether a rotor imbalance is too high or not. The random forest model determines measurements that are particularly relevant for the analysis by permuting the importance of the residual of the respective measurement. The procedure for this is, for example, the following:

1. i. Estimate the model error e _org = L(y,f(x)), where L(y,f) is the error, x is the input matrix of residuals, f is the trained model, and y is the target vector
2. ii. For each residual value (j = 1, ... n) the following is performed:
   • - Create a feature _{matrix (X perm} ) by permuting j over the input matrix (x).
   • - Estimate the error e _perm = L(y,f(X _perm )) based on the predictions of the permuted data
   • - Calculate the importance of the residual value for the model statement $\text{FI=}\frac{e_{pe\mathrm{right}m}}{e_{O\mathrm{right}G}}$
     
3. iii. Sort by FI ascending.

Des Weiteren liest beispielsweise die elektronische Recheneinrichtung Daten ein, und die oben genannten Schritte werden durchgeführt, wobei beispielsweise anstelle der Schritte bezüglich des zweiten und dritten Datensatzes folgende Schritte durchgeführt werden: Das Random-Forest-Modell trifft eine Vorhersage bezüglich der Bauteilqualität basierend auf den Residualwerten. Falls ein Grenzmuster vorhanden ist, kann dieses beispielsweise insbesondere in einer Grafik als lila eingefärbt werden, sobald es von einem der Modelle als anormal eingestuft beziehungsweise klassifiziert wurde, was bedeutet, dass die automatische Klassifizierung beziehungsweise Vorhersage richtig ist, ansonsten wird es beispielsweise blau eingefärbt, was bedeutet, dass die automatische Klassifizierung beziehungsweise Vorhersage falsch ist. Die restlichen Komponenten werden entweder grün eingefärbt, falls keine Anomalie vorhergesagt wurde, und rot, falls eine Anomalie vorhergesagt wurde.Furthermore, the electronic computing device reads in data, for example, and the above-mentioned steps are carried out, with the following steps being carried out instead of the steps relating to the second and third data sets, for example: The random forest model makes a prediction with regard to the component quality based on the residual values . In particular, if a boundary pattern is present, this can be colored purple, for example in a graph, as soon as it has been classified as abnormal by one of the models, which means that the automatic classification or prediction is correct, otherwise it is colored blue, for example, which means that the automatic classification or prediction is wrong. The remaining components are either colored green if no anomaly was predicted and red if an anomaly was predicted.

Die Person analysiert die Daten und klassifiziert diese entsprechend in eine gewünschte Kategorie. Die oben genannten Schritte bezüglich der Modelle werden solange wiederholt, bis das Modell hinreichend genau trainiert wurde. Während dieser Trainingsphase werden die Ergebnisse des Random-Forest-Modells mit dem des LTSM-NN-Modells verglichen. Sobald ein hinreichend gutes Modell, das heißt entweder das Random-Forest-Modell oder das LTSM-NN-Modell trainiert wurde, wird dieses direkt auf die jeweilige Produktionsanlage gespielt beziehungsweise in deren Speicher geladen. Hierzu erfolgen beispielsweise die folgenden Schritte:

• - Bildung eines Datensatzes mit den Mittelwerten und der Standardabweichung aller Messwerte über alle Bauteile und Speicherung dieses Datensatzes auf der Produktionsanlage
• - Speicherung des Modells mit den besten Genauigkeiten aus den Trainingsphasen

The person analyzes the data and classifies it accordingly into a desired category. The above steps regarding the models are repeated until the model has been trained with sufficient accuracy. During this training phase, the results of the random forest model are compared to those of the LTSM-NN model. As soon as a sufficiently good model, i.e. either the random forest model or the LTSM-NN model, has been trained, it is loaded directly onto the respective production system or into its memory. To do this, for example, the following steps are taken:

• - Creation of a data record with the mean values and the standard deviation of all measured values for all components and storage of this data record on the production plant
• - Storage of the model with the best accuracies from the training phases

Ist das Random-Forest-Modell das beste Modell, werden die Daten aus der Maschine wie oben beschrieben verarbeitet und eine Vorhersage über die Qualität des Bauteils direkt an der Produktionsanlage getroffen. In dem Falle, dass das LTSM-NN-Modell das besttrainierte Modell ist, werden die Daten aus der Maschine wie oben beschrieben verarbeitet und eine Vorhersage über die Qualität des Bauteils direkt an der Maschine beziehungsweise Anlage getroffen. Zur Berechnung der Residuen werden für die Werte $\widehat{m_B}$

und σ_B zuvor ermittelte Daten verwendet. Im Falle einer Vorhersage, die auf einer Beschädigung oder Anomalie des Bauteils hindeutet, wird das Bauteil aus dem Produktionsprozess ausgeschleust und entsorgt beziehungsweise wiederverwertet oder nachgearbeitet. Während der Analyse von Signalen kann es vorkommen, dass neue Zusammenhänge zwischen Prüfschritten und Messdaten erkannt werden. So können beispielsweise redundante Prüfschritte identifiziert werden, da dieser Prüfschritt beziehungsweise Prüfvorgang durch eine andere Messung bereits abgedeckt wird. Dieser Prüfschritt kann somit entfernt werden, wodurch Prüfzeit und somit Kosten eingespart werden können.If the random forest model is the best model, the data from the machine is processed as described above and a prediction about the quality of the component is made directly at the production facility. If the LTSM-NN model is the best-trained model, the data from the machine is processed as described above and a prediction about the quality of the component is made directly on the machine or system. To calculate the residuals, for the values $\widehat{m_B}$

and σ _B uses previously determined data. In the event of a prediction that indicates damage or anomalies in the component, the component is removed from the production process and disposed of or recycled or reworked. During the analysis of signals it can happen that new connections between test steps and measurement data are recognized. For example, redundant test steps can be identified because this test step or test process is already covered by another measurement. This test step can thus be removed, which saves test time and thus costs.

Die Erfindung bringt insbesondere die folgenden Vorteile:

• - Schnelleres Zuordnen von Zuständen zu Bauteilen, wodurch qualitativ hochwertige Modelle zum maschinellen Lernen möglich sind
• - höhere Taktzeiten
• - geringere Anzahl an benötigten Prüfständen, insbesondere dann, wenn sich Prüfschritte als redundant erweisen sollten
• - Vergleich und Analyse von produzierten Bauteilen beziehungsweise Komponenten
• - reduzierter Zeit- und Arbeitsaufwand.

The invention offers the following advantages in particular:

• - Faster mapping of states to parts, enabling high-quality machine learning models
• - higher cycle times
• - Less number of required test benches, especially if test steps should prove to be redundant
• - Comparison and analysis of produced parts or components
• - reduced time and effort.

Ein zweiter Aspekt der Erfindung betrifft eine Vorrichtung zur Datenverarbeitung, wobei die Vorrichtung Mittel zur Ausführung des Verfahrens gemäß dem ersten Aspekt der Erfindung umfasst. Vorteile und vorteilhafte Ausgestaltungen des ersten Aspekts der Erfindung sind als Vorteile und vorteilhafte Ausgestaltungen des zweiten Aspekts der Erfindung anzusehen und umgekehrt.A second aspect of the invention relates to a device for data processing, the device comprising means for carrying out the method according to the first aspect of the invention. Advantages and advantageous configurations of the first aspect of the invention are to be regarded as advantages and advantageous configurations of the second aspect of the invention and vice versa.

Ein dritter Aspekt der Erfindung betrifft ein Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Computerprogrammprodukts durch einen Computer diesen veranlassen, das Verfahren gemäß dem ersten Aspekt der Erfindung auszuführen. Vorteile und vorteilhafte Ausgestaltungen des ersten und zweiten Aspekts der Erfindung sind als Vorteile und vorteilhafte Ausgestaltungen des dritten Aspekts der Erfindung anzusehen und umgekehrt.A third aspect of the invention relates to a computer program product, comprising instructions which, when the computer program product is executed by a computer, cause the latter to execute the method according to the first aspect of the invention. Advantages and advantageous configurations of the first and second aspect of the invention are to be regarded as advantages and advantageous configurations of the third aspect of the invention and vice versa.

Schließlich betrifft ein vierter Aspekt der Erfindung ein computerlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch einen Computer diesen veranlassen, das Verfahren gemäß dem ersten Aspekt der Erfindung auszuführen. Vorteile und vorteilhafte Ausgestaltungen des ersten, zweiten und dritten Aspekts der Erfindung sind als Vorteile und vorteilhafte Ausgestaltungen des vierten Aspekts der Erfindung anzusehen und umgekehrt.Finally, a fourth aspect of the invention relates to a computer-readable storage medium comprising instructions which, when executed by a computer, cause the computer to carry out the method according to the first aspect of the invention. Advantages and advantageous configurations of the first, second and third aspect of the invention are to be regarded as advantages and advantageous configurations of the fourth aspect of the invention and vice versa.

Weitere Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung eines bevorzugten Ausführungsbeispiels mit den zugehörigen Zeichnungen. Dabei zeigt:

• 1 ein Blockdiagramm zum Veranschaulichen eines erfindungsgemäßen Verfahrens zum Zuordnen von Zuständen zu Bauteilen;
• 2 Tabellen zum weiteren Veranschaulichen des Verfahrens; und
• 3 eine Grafik, die bei dem Verfahren auf einer elektronischen Anzeige angezeigt wird.

Further details of the invention result from the following description of a preferred exemplary embodiment with the accompanying drawings. It shows:

• 1 a block diagram to illustrate a method according to the invention for assigning states to components;
• 2 tables to further illustrate the process; and
• 3 a graphic displayed on an electronic display in the method.

In den Fig. sind gleiche oder funktionsgleiche Elemente mit gleichen Bezugszeichen versehen.Elements that are the same or have the same function are provided with the same reference symbols in the figures.

Im Folgenden wird anhand der Fig. ein Verfahren zum Zuordnen von Zuständen zu Bauteilen beschrieben, welche beispielsweise bei einer Herstellung von Produkten, insbesondere Kraftfahrzeugen, beziehungsweise für die Herstellung von Produkten, insbesondere Kraftfahrzeugen, hergestellt werden. Bei einem ersten Schritt S1 des Verfahrens ermittelt eine elektronische Recheneinrichtung für die mehreren Bauteile, denen die Zustände zugeordnet werden sollen, jeweils wenigstens einen Messwert, welcher wenigstens eine Eigenschaft des jeweiligen, zugehörigen Bauteils charakterisiert. Wenn die elektronische Recheneinrichtung für zumindest eines der Bauteile genau einen Messwert ermittelt, wird bei einem zweiten Schritt S2 des Verfahrens für jedes Bauteil, für welches die elektronische Recheneinrichtung genau einen Messwert ermittelt beziehungsweise ermittelt hat, der genau eine Messwert mittels der elektronischen Recheneinrichtung normalisiert und/oder standardisiert, wodurch aus dem genau einen Messwert genau ein weiterer Wert erzeugt wird. Wenn die elektronische Recheneinrichtung für zumindest eines der Bauteile mehrere, wenigstens eine Messkurve bildende Messwerte ermittelt, werden bei einem dritten Schritt S3 des Verfahrens für jedes Bauteil, für welches die elektronische Recheneinrichtung mehrere, wenigstens eine Messkurve bildende Messwerte ermittelt beziehungsweise ermittelt hat, die mehreren, die wenigstens eine auch als zeitliche Reihe oder Zeitreihe bezeichneten Messkurven bildenden Messwerte mittels der elektronischen Recheneinrichtung normalisiert und/oder standardisiert, wodurch mehrere Messkurvenwerte erzeugt werden, welche eine weitere Messkurve bilden. Bei dem dritten Schritt des Verfahrens wird die weitere Messkurve mittels der elektronischen Recheneinrichtung in eine Anzahl an Segmenten unterteilt, wobei die Anzahl der Segmente vorzugsweise größer als 1 ist und eine ganze, positive Zahl ist. Jedes Segment umfasst eine gegenüber 1 größere Teilmenge der mehreren, die weitere Messkurve bildenden Messkurvenwerte. Außerdem werden bei dem dritten Schritt des Verfahrens mittels der elektronischen Recheneinrichtung für jedes Segment die Autokorrelation, ein Mittelwert, das Minimum, das Maximum und die Standardabweichung aus der jeweiligen Teilmenge des jeweiligen Segments berechnet. Dabei werden die Autokorrelation, der Mittelwert, das Minimum und das Maximum und die Standardabweichung als weitere Werte verwendet. Bei einem vierten Schritt S4 des Verfahrens wird mittels der elektronischen Recheneinrichtung auf Basis der weiteren Werte eine Hauptkomponentenanalyse durchgeführt. Bei der Hauptkomponentenanalyse wird wenigstens eine Hauptkomponente ermittelt. Bei dem in den Fig. gezeigten Ausführungsbeispiel werden bei der Hauptkomponentenanalyse genau drei Hauptkomponenten ermittelt. Für jedes Bauteil wird, insbesondere genau, ein Hauptkomponentenwert für die jeweilige, ermittelte Hauptkomponente ermittelt, sodass beispielsweise für jedes Bauteil, insbesondere genau drei, Hauptkomponentenwerte mittels der elektronischen Recheneinrichtung ermittelt werden. Ein erster der Hauptkomponentenwerte des jeweiligen Bauteils ist ein erster Wert einer ersten der Hauptkomponenten, ein zweiter der Hauptkomponentenwerte des jeweiligen Bauteils ist ein zweiter Wert einer zweiten der Hauptkomponenten, und der dritte Hauptkomponentenwert des jeweiligen Bauteils ist ein dritter Wert der dritten Hauptkomponente.A method for assigning states to components which are produced, for example, during the manufacture of products, in particular motor vehicles, or for the manufacture of products, in particular motor vehicles, is described below with reference to the figure. In a first step S1 of the method, an electronic computing device determines at least one measured value, which characterizes at least one property of the respective associated component, for the plurality of components to which the states are to be assigned. If the electronic arithmetic unit determines exactly one measured value for at least one of the components, in a second step S2 of the method for each component for which the electronic arithmetic unit has determined or has determined exactly one measured value, the exact one measured value is normalized by means of the electronic arithmetic unit and/or or standardized, whereby exactly one further value is generated from exactly one measured value. If the electronic computing device determines a plurality of measured values forming at least one measurement curve for at least one of the components, in a third step S3 of the method for each component for which the electronic computing device has determined or determined a plurality of measured values forming at least one measurement curve, the plurality the at least one measurement curve, also referred to as a time series, is normalized and/or standardized by means of the electronic computing device, as a result of which a plurality of measurement curve values are generated, which form a further measurement curve. In the third step of the method, the further measurement curve is subdivided into a number of segments by means of the electronic computing device, the number of segments preferably being greater than 1 and being an integer, positive number. Each segment includes a subset that is larger than 1 of the multiple measurement curve values that form the further measurement curve. In addition, in the third step of the method, the autocorrelation, a mean value, the minimum, the maximum and the standard deviation from the respective subset of the respective segment are calculated for each segment by means of the electronic computing device. The autocorrelation, the mean, the minimum and the maximum and the standard deviation are used as additional values. In a fourth step S4 of the method, a main component analysis is carried out using the electronic computing device on the basis of the further values. At least one main component is determined in the main component analysis. In the embodiment shown in FIGS. Are in the Principal component analysis determines exactly three principal components. For each component, a main component value is determined, in particular precisely, for the respective determined main component, so that, for example, for each component, in particular exactly three main component values are determined using the electronic computing device. A first of the principal component values of the respective component is a first value of a first of the principal components, a second of the principal component values of the respective component is a second value of a second of the principal components, and the third principal component value of the respective component is a third value of the third principal component.

Bei einem fünften Schritt S5 des Verfahrens wird mittels der elektronischen Recheneinrichtung auf einer elektronischen Anzeige, welche auch als Bildschirm bezeichnet wird, eine die ermittelten Hauptkomponenten und die ermittelten Hauptkomponentenwerte visualisierende Grafik 1 (3) angezeigt, sodass die Grafik 1 von einer die Anzeige betrachtenden Person und somit mit dem menschlichen Auge optisch wahrnehmbar ist.In a fifth step S5 of the method, a graphic 1 ( 3 ) is displayed so that the graphic 1 can be visually perceived by a person viewing the display and thus by the human eye.

Bei einem sechsten Schritt S6 des Verfahrens empfängt die elektronische Recheneinrichtung mittels einer Eingabevorrichtung wenigstens eine, durch die genannte Person bewirkte Eingabe, durch welche in Abhängigkeit von der Grafik 1 dem jeweiligen Bauteil wenigstens ein Zustand zugeordnet wird. Durch den Zustand kann das Bauteil, dem der Zustand zugeordnet ist, derart charakterisiert werden, dass das Bauteil fehlerfrei ist. Ferner ist es denkbar, dass durch den Zustand das Bauteil, dem der Zustand zugeordnet wurde, derart charakterisiert wird, dass das Bauteil wenigstens einen Fehler oder wenigstens einen Fehlertyp aufweist.In a sixth step S6 of the method, the electronic computing device receives, by means of an input device, at least one input made by the named person, by means of which at least one state is assigned to the respective component as a function of the graphic 1 . The component to which the status is assigned can be characterized by the status in such a way that the component is error-free. It is also conceivable that the component to which the status was assigned is characterized by the status in such a way that the component has at least one error or at least one error type.

2 zeigt eine erste Tabelle 2 und eine zweite Tabelle 3. Bei dem in den Fig. veranschaulichten Ausführungsbeispiel ermittelt die elektronische Recheneinrichtung beispielsweise für 100 Bauteile jeweils 1000 Messwerte. In einer Spalte 4 der Tabelle 2 sind die beispielsweise mit BT1-100 bezeichneten Bauteile eingetragen. Die Tabelle 2 umfasst auch Spalten 5, in denen die jeweiligen, mit MES1-1000 bezeichneten Messwerte der Bauteile BT1-100 eingetragen sind. In dem in 2 gezeigten Ausführungsbeispiel wird für die Bauteile BT1-100 beispielsweise genau eine Hauptkomponente HPT1 ermittelt. Dabei sind in einer Spalte 6 der Tabelle 3 die Bauteile BT1-100 eingetragen, und in einer Spalte 7 der Tabelle 3 sind die zu den Bauteilen BT1-100 gehörenden Hauptkomponentenwerte der Hauptkomponente HPT1 eingetragen. Die 100 Bauteile ergeben multipliziert mit den jeweiligen 1000 Messwerten, dass die Tabelle 2 100.000 Messwerte umfasst. Durch die Normalisierung beziehungsweise Standardisierung und durch die Hauptkomponentenanalyse erfolgt eine Datenreduzierung, durch welche die 100.000 Messwerte auf die 100 Hauptkomponentenwerte der Hauptkomponente HPT1 reduziert werden. Somit ist jedem Bauteil genau ein Hauptkomponentenwert der Hauptkomponente HPT1 zugeordnet. 2 shows a first table 2 and a second table 3. In the exemplary embodiment illustrated in the figures, the electronic computing device determines, for example, 1000 measured values for 100 components. In a column 4 of Table 2, the components designated, for example, BT1-100 are entered. Table 2 also includes columns 5, in which the respective measured values of the components BT1-100, denoted by MES1-1000, are entered. in the in 2 For example, exactly one main component HPT1 is determined for the components BT1-100 shown in the exemplary embodiment shown. The components BT1-100 are entered in a column 6 of Table 3, and the main component values of the main component HPT1 belonging to the components BT1-100 are entered in a column 7 of Table 3. The 100 components multiplied by the respective 1000 measured values result in Table 2 comprising 100,000 measured values. The normalization or standardization and the main component analysis result in a data reduction, as a result of which the 100,000 measured values are reduced to the 100 main component values of the main component HPT1. Thus each component is assigned exactly one main component value of the main component HPT1.

Wie zuvor beschrieben, werden beispielsweise genau drei Hauptkomponenten HPT1, HPT2 und HPT3 ermittelt. Für jedes Bauteil und für jede Hauptkomponente wird genau ein Hauptkomponentenwert ermittelt, sodass für das jeweilige Bauteil genau drei Hauptkomponentenwerte ermittelt werden. Die Hauptkomponenten und die Hauptkomponentenwerte werden nun durch die Grafik 1 derart visualisiert, dass die Grafik 1 ein Koordinatensystem 8 mit genau drei paarweise senkrecht zueinander verlaufenden Achsen 9, 10 und 11 umfasst. Die Anzahl der Achsen 9, 10 und 11 entspricht der Anzahl der Hauptkomponenten HPT1-3. Somit werden die Hauptkomponenten HPT1-3 durch die Achsen 9, 10 und 11 veranschaulicht. Die jeweiligen, drei Hauptkomponentenwerte des jeweiligen Bauteils werden durch genau einen jeweiligen Punkt P veranschaulicht, sodass die Punkte P Bestandteil der Grafik 1 sind, mithin in das Koordinatensystem 8 eingetragen sind. Dem jeweiligen Punkt P sind genau drei Koordinaten zugeordnet, anhand derer der jeweilige Punkt P in dem Koordinatensystem 8 eingetragen ist. Die zu dem jeweiligen Bauteil gehörenden, genau drei Hauptkomponentenwerte werden für den jeweiligen Punkt P, durch den die Hauptkomponentenwerte des jeweiligen Bauteils veranschaulicht werden sollen, als Koordinaten verwendet, gemäß derer der jeweilige Punkt P in dessen Koordinatensystem 8 eingezeichnet beziehungsweise eingetragen wird. Der jeweilige Punkt P beziehungsweise dessen Koordinaten werden somit entlang der jeweiligen Achse 9, 10 beziehungsweise 11 eingetragen, wobei eine erste der Koordinaten der zu dem jeweiligen Bauteil gehörende Werte der Hauptkomponente HPT1 ist, eine zweite der Koordinaten der zu dem jeweiligen Bauteil gehörende Wert der Hauptkomponente HPT2 ist und die dritte Koordinate der zu dem jeweiligen Bauteil gehörende Wert der dritten Hauptkomponente HPT3 ist. Anhand der Punkte P und insbesondere anhand deren Lagen in dem Koordinatensystem 8 kann nun die Person prüfen und entscheiden, ob die zu den jeweiligen Punkten P gehörenden Bauteile fehlerfrei oder fehlerbehaftet sind. Beispielsweise kann die Person zumindest einen der Punkte P der Grafik 1 markieren und an diesen markierten Punkt den jeweiligen Zustand zuordnen, wodurch dieser Zustand dem jeweiligen, zu dem markierten Punkt gehörenden Bauteil zugeordnet wird. Das Verfahren ermöglicht es somit, eine besonders hohe Anzahl an Bauteilen und insbesondere deren Messwerte übersichtlich und gleichzeitig aussagekräftig darzustellen, um die Bauteile zeit- und kostengünstig prüfen und entsprechend mit einen Zustand versehen zu können.As described above, exactly three main components HPT1, HPT2 and HPT3 are determined, for example. Exactly one main component value is determined for each component and for each main component, so that exactly three main component values are determined for the respective component. The main components and the main component values are now visualized by the graphic 1 in such a way that the graphic 1 comprises a coordinate system 8 with exactly three axes 9, 10 and 11 running in pairs perpendicularly to one another. The number of axes 9, 10 and 11 corresponds to the number of main components HPT1-3. Thus, the principal components HPT1-3 are illustrated by axes 9, 10 and 11. The respective three main component values of the respective component are illustrated by exactly one respective point P, so that the points P are part of the graphic 1 and are therefore entered in the coordinate system 8 . Exactly three coordinates are assigned to the respective point P, on the basis of which the respective point P is entered in the coordinate system 8 . The three main component values belonging to the respective component are used as coordinates for the respective point P, which is intended to illustrate the main component values of the respective component, according to which the respective point P is drawn or entered in its coordinate system 8. The respective point P or its coordinates are thus entered along the respective axis 9, 10 or 11, with a first of the coordinates being the values of the main component HPT1 belonging to the respective component, and a second of the coordinates being the value of the main component belonging to the respective component HPT2 and the third coordinate is the value of the third main component HPT3 belonging to the respective component. Based on the points P and in particular based on their positions in the coordinate system 8, the person can now check and decide whether the components belonging to the respective points P are free of defects or have defects. For example, the person can mark at least one of the points P of the graphic 1 and assign the respective state to this marked point, as a result of which this state is assigned to the respective component belonging to the marked point. The method thus makes it possible to display a particularly large number of components and in particular their measured values clearly and at the same time meaningfully in order to and cost-effectively to be able to check and provide a status accordingly.

BezugszeichenlisteReference List

11

Grafikgraphic

22

Tabelletable

33

Tabelletable

44

Spaltesplit

55

Spaltesplit

66

Spaltesplit

77

Spaltesplit

88th

Koordinatensystemcoordinate system

99

Achseaxis

1010

Achseaxis

1111

Achseaxis

PP

PunktPoint

S1S1

Schrittstep

S2S2

Schrittstep

S3S3

Schrittstep

S4S4

Schrittstep

S5S5

Schrittstep

S6S6

Schrittstep

BT1-100BT1-100

Bauteilcomponent

MES1-1000MES1-1000

Messwertreading

HPT1HPT1

Hauptkomponentemain component

ZITATE ENTHALTEN IN DER BESCHREIBUNGQUOTES INCLUDED IN DESCRIPTION

Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of documents cited by the applicant was generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.

Zitierte PatentliteraturPatent Literature Cited

• WO 2019/201369 A2 [0002]WO 2019/201369 A2 [0002]
• DE 102018124569 A2 [0002]DE 102018124569 A2 [0002]

Claims (9)

Verfahren zum Zuordnen von Zuständen zu Bauteilen, bei welchem: a) eine elektronische Recheneinrichtung für die mehreren Bauteile jeweils wenigstens einen Messwert (MES1) ermittelt, welcher wenigstens eine Eigenschaft des jeweiligen, zugehörigen Bauteils charakterisiert (Schritt S1); b) wenn die elektronische Recheneinrichtung für zumindest eines der Bauteile genau einen Messwert (MES1) ermittelt, für jedes Bauteil, für welches die elektronische Recheneinrichtung genau einen Messwert (MES1) ermittelt, der genau eine Messwert (MES1) mittels der elektronischen Recheneinrichtung normalisiert und/oder standardisiert wird, wodurch aus dem genau einen Messwert (MES1) genau ein weiterer Wert erzeugt wird (Schritt S2); c) wenn die elektronische Recheneinrichtung für zumindest eines der Bauteile mehrere, wenigstens eine Messkurve bildende Messwerte (MES1) ermittelt, für jedes Bauteil, für welches die elektronische Recheneinrichtung mehrere, wenigstens eine Messkurve bildende Messwerte (MES1) ermittelt (Schritt S3): o die mehreren, die wenigstens eine Messkurve bildenden Messwerte (MES1) mittels der elektronischen Rechenrichtung normalisiert und/oder standardisiert werden, wodurch mehrere Messkurvenwerte erzeugt werden, welche eine weitere Messkurve bilden; o die weitere Messkurve mittels der elektronischen Recheneinrichtung in eine Anzahl an Segmenten unterteilt wird, wobei jedes Segment eine gegenüber 1 größere Teilmenge der mehreren, die weitere Messkurve bildenden Messkurvenwerte umfasst; o mittels der elektronischen Recheneinrichtung für jedes Segment die Autokorrelation, ein Mittelwert, das Minimum, das Maximum und die Standardabweichung aus der jeweiligen Teilmenge des jeweiligen Segments berechnet werden; und o die Autokorrelation, der Mittelwert, das Minimum, das Maximum und die Standardabweichung als weitere Werte verwendet werden; d) mittels der elektronischen Recheneinrichtung auf Basis der weiteren Werte eine Hauptkomponentenanalyse durchgeführt wird (Schritt S4), bei der: o wenigstens eine Hauptkomponente (HPT1) ermittelt wird; und o für jedes Bauteil ein Hauptkomponentenwert für die ermittelte Hauptkomponente (HPT1) ermittelt wird; e) eine die ermittelte Hauptkomponente (HPT1) und die ermittelten Hauptkomponentenwerte visualisierende Grafik (1) auf einer elektronischen Anzeige angezeigt wird (Schritt S5); f) die elektronische Recheneinrichtung mittels einer Eingabevorrichtung wenigstens eine, durch eine Person bewirkte Eingabe empfängt, durch welche in Abhängigkeit von der Grafik (1) dem jeweiligen Bauteil wenigstens ein Zustand zugeordnet wird (Schritt S6).Method for assigning states to components, in which: a) an electronic computing device determines at least one measured value (MES1) for each of the plurality of components, which measurement characterizes at least one property of the respective associated component (step S1); b) if the electronic arithmetic unit determines exactly one measured value (MES1) for at least one of the components, for each component for which the electronic arithmetic unit determines exactly one measured value (MES1) which normalizes exactly one measured value (MES1) by means of the electronic arithmetic unit and/ or is standardized, as a result of which precisely one further value is generated from precisely one measured value (MES1) (step S2); c) if the electronic computing device determines multiple measured values (MES1) forming at least one measurement curve for at least one of the components, for each component for which the electronic computing device determines multiple measured values (MES1) forming at least one measurement curve (step S3): o the several measured values (MES1) forming at least one measured curve are normalized and/or standardized by means of the electronic computing device, as a result of which several measured curve values are generated which form a further measured curve; o the further measurement curve is subdivided into a number of segments by means of the electronic computing device, each segment comprising a larger subset than 1 of the plurality of measurement curve values forming the further measurement curve; o the autocorrelation, a mean value, the minimum, the maximum and the standard deviation from the respective subset of the respective segment are calculated for each segment by means of the electronic computing device; and o the autocorrelation, the mean, the minimum, the maximum and the standard deviation are used as further values; d) a principal component analysis is carried out using the electronic computing device on the basis of the further values (step S4), in which: o at least one main component (HPT1) is determined; and o a main component value for the determined main component (HPT1) is determined for each component; e) a graphic (1) visualizing the determined principal component (HPT1) and the determined principal component values is displayed on an electronic display (step S5); f) the electronic computing device receives at least one input caused by a person by means of an input device, through which at least one state is assigned to the respective component as a function of the graphic (1) (step S6). Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in Abhängigkeit von dem dem jeweiligen Bauteil zugeordneten Zustand ein Rechenmodell durch maschinelles Lernen trainiert wird, um mittels des Rechenmodells den Zustand weiteren Bauteilen automatisch zuzuordnen.procedure after claim 1 , characterized in that depending on the state associated with the respective component, a computational model is trained by machine learning in order to automatically associate the state of other components by means of the computational model. Verfahren nach Anspruch 2; dadurch gekennzeichnet, dass zum Trainieren des Rechenmodells die Schritte a) bis f) durchgeführt werden.procedure after claim 2 ; characterized in that steps a) to f) are carried out to train the calculation model. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass sich die Messwerte (MES1) auf einen jeweiligen Zeitpunkt beziehen.Method according to one of the preceding claims, characterized in that the measured values (MES1) relate to a particular point in time. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass für die Messwerte (MES1) der Bauteile die Ladungsmatrix durch Multiplikation der transponierten Komponentenmatrix mit der Wurzel der erklärenden Varianz der zu dem jeweiligen Messwert des jeweiligen Bauteils gehörenden Hauptkomponente berechnet und gespeichert wird.Method according to one of the preceding claims, characterized in that the charge matrix for the measured values (MES1) of the components is calculated and stored by multiplying the transposed component matrix by the root of the explanatory variance of the main component belonging to the respective measured value of the respective component. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der zugeordnete Zustand umfasst, dass das jeweilige Bauteil fehlerfrei ist oder zumindest einen Fehler aufweist.Method according to one of the preceding claims, characterized in that the assigned state includes that the respective component is free of defects or has at least one defect. Vorrichtung zur Datenverarbeitung, umfassend Mittel zur Ausführung des Verfahrens nach einem der vorhergehenden Ansprüche.Device for data processing, comprising means for carrying out the method according to one of the preceding claims. Computerprogrammprodukt, umfassend Befehle, die bei der Ausführung des Computerprogrammprodukts durch einen Computer diesen veranlassen, das Verfahren nach einem der Ansprüche 1 bis 6 auszuführen.Computer program product, comprising instructions which, when the computer program product is executed by a computer, cause the latter to carry out the method according to one of Claims 1 until 6 to execute. Computerlesbares Speichermedium, umfassend Befehle, die bei der Ausführung durch einen Computer diesen veranlassen, das Verfahren nach einem der Schritte 1 bis 6 auszuführen.A computer-readable storage medium comprising instructions which, when executed by a computer, cause the computer to perform the method of any one of steps 1 to 6.

Images