DE102021132336A1 - Communication system and method for communication between participants in a communication system (DAGNA) - Google Patents
Communication system and method for communication between participants in a communication system (DAGNA) Download PDFInfo
- Publication number
- DE102021132336A1 DE102021132336A1 DE102021132336.3A DE102021132336A DE102021132336A1 DE 102021132336 A1 DE102021132336 A1 DE 102021132336A1 DE 102021132336 A DE102021132336 A DE 102021132336A DE 102021132336 A1 DE102021132336 A1 DE 102021132336A1
- Authority
- DE
- Germany
- Prior art keywords
- data sets
- communication system
- input data
- participants
- unit
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/04—Protocols for data compression, e.g. ROHC
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0409—Adaptive resonance theory [ART] networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/098—Distributed learning, e.g. federated learning
-
- 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
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
Die Erfindung betrifft ein Kommunikationssystem (10) sowie ein Verfahren zur Kommunikation zwischen mehreren Teilnehmern (12) des Kommunikationssystems (10). Das Kommunikationssystem (10) kann kurz auch DAGNA (Digital Arrangement for Global Network Access) genannt werden. Jeder Teilnehmer (12) hat eine KI-Einheit (20) und ist dazu eingerichtet, Eingangsdatensätze (E) zu empfangen und Ausgangsdatensätze (A) zu senden. Die Eingangsdatensätze (E) und/oder die gesendeten oder zu sendenden Ausgangsdatensätze (A) werden verwendet, um übereinstimmende Datensatzteile (D) in den Eingangsdatensätzen (E) und/oder Ausgangsdatensätzen (A) zu identifizieren. Wurden solche übereinstimmenden Datensatzteile (D) erkannt, werden diese beim Senden von Ausgangsdatensätzen (A) nicht mitgesendet. Der gesendete Ausgangsdatensatz (A) enthält lediglich den verbleibenden Teil von notwendigen und veränderlichen Daten ohne die übereinstimmenden Datensatzteile (D). Die übereinstimmenden Datensatzteile (D) können beispielsweise vor dem Senden aus einem zum Senden vorgesehenen Ausgangsdatensatz (A) entfernt werden.The invention relates to a communication system (10) and a method for communication between a number of participants (12) in the communication system (10). The communication system (10) can also be called DAGNA (Digital Arrangement for Global Network Access) for short. Each subscriber (12) has an AI unit (20) and is set up to receive input data sets (E) and to send output data sets (A). The input data sets (E) and/or the output data sets (A) sent or to be sent are used to identify matching data set parts (D) in the input data sets (E) and/or output data sets (A). If such matching data set parts (D) were recognized, these are not sent when the output data sets (A) are sent. The output data record (A) sent contains only the remaining part of necessary and variable data without the matching data record parts (D). The matching data set parts (D) can be removed, for example, before sending from an initial data set (A) intended for sending.
Description
Die Erfindung betrifft ein Kommunikationssystem mit mehreren Teilnehmern und einem Kommunikationsnetzwerk. Das Kommunikationssystem kann kurz auch DAGNA (Digital Arrangement for Global Network Access) genannt werden. Die Teilnehmer können untereinander über das Kommunikationsnetzwerk kommunizieren.The invention relates to a communication system with a number of participants and a communication network. The communication system can also be called DAGNA (Digital Arrangement for Global Network Access) for short. The participants can communicate with each other via the communication network.
Ein solches Kommunikationssystem ist beispielsweise in
Bei solchen Kommunikationssystemen besteht das Problem, dass mit steigender Anzahl der Teilnehmer (Knoten) die auszutauschenden Datenmengen stark zunehmen und eine große Bandbreite in der Datenübertragung erfordern, insbesondere wenn eine Echtzeitübertragung benötigt wird. Bei geographisch weit verzweigten Kommunikationssystemen, beispielsweise über eine Mehrzahl von Standorten (beispielsweise auch länderübergreifend), sind hohe Investitionskosten und/oder Betriebskosten die Folge. In der Industrie besteht jedoch ein Bedarf, Geräte und Maschinen zu vernetzen, beispielsweise zu Überwachungs- und/oder Wartungs- und/oder Aktualisierungszwecken.The problem with such communication systems is that with an increasing number of participants (nodes), the data volumes to be exchanged increase sharply and require a large bandwidth in the data transmission, particularly when real-time transmission is required. In the case of geographically widely branched communication systems, for example across a number of locations (for example also across countries), high investment costs and/or operating costs are the result. However, there is a need in industry to network devices and machines, for example for monitoring and/or maintenance and/or updating purposes.
Es kann daher als Aufgabe der vorliegenden Erfindung angesehen werden, ein Kommunikationssystem zu schaffen, das unabhängig von der Architektur bzw. der Topologie eines Kommunikationsnetzwerkes eine effektive Möglichkeit bereitstellt, die für die Kommunikation erforderliche Bandbreite zu begrenzen bzw. zu reduzieren.It can therefore be seen as an object of the present invention to create a communication system which, independently of the architecture or the topology of a communication network, provides an effective way of limiting or reducing the bandwidth required for communication.
Diese Aufgabe wird durch ein Kommunikationssystem mit den Merkmalen des Patentanspruches 1 sowie ein Verfahren mit den Merkmalen des Patentanspruches 9 gelöst.This object is achieved by a communication system having the features of
Das erfindungsgemäße Kommunikationssystem weist mehrere Teilnehmer und ein Kommunikationsnetzwerk auf. Die Teilnehmer sind über das Kommunikationsnetzwerk kommunikationsverbunden. Das Kommunikationsnetzwerk kann jede Art von Architektur bzw. Topologie aufweisen. Die Kommunikation über das Kommunikationsnetzwerk kann drahtgebunden und/oder drahtlos erfolgen. Das Kommunikationsnetzwerk kann eine Internetverbindung aufweisen. Das Kommunikationsnetzwerk kann ein WAN- und/oder LAN- und/oder WLAN-Verbindung aufweisen.The communication system according to the invention has a number of participants and a communication network. The participants are communication-connected via the communication network. The communication network can have any type of architecture or topology. The communication via the communication network can be wired and/or wireless. The communications network may include an internet connection. The communication network can have a WAN and/or LAN and/or WLAN connection.
Die Teilnehmer des Kommunikationssystems können auch als Netzwerkelemente bezeichnet werden. Jeder Teilnehmer ist adressierbar und dazu eingerichtet, mit einem oder mehreren anderen Teilnehmern des Kommunikationssystems protokollgesteuert mit oder ohne Fehlerkorrektur zu kommunizieren. Bei dem Kommunikationsnetzwerk kann es sich beispielsweise um ein Peer-to-Peer-Netzwerk handeln.The participants in the communication system can also be referred to as network elements. Each participant can be addressed and is set up to communicate with one or more other participants in the communication system in a protocol-controlled manner, with or without error correction. The communication network can be a peer-to-peer network, for example.
Mehrere und vorzugsweise alle Teilnehmer weisen eine lernfähige KI-Einheit auf. Die KI-Einheit ist insbesondere dazu eingerichtet, einen Algorithmus zum automatischen Lernen, beispielsweise einen Algorithmus zum tiefen Lernen (Deep-Learning) auszuführen. Das Lernen jeder KI-Einheit kann unüberwacht, selbsttätig während des Betriebs des Kommunikationssystems durchgeführt werden. Überwachtes Lernen ist vorzugsweise nicht vorgesehen.Several and preferably all participants have an adaptive AI unit. The AI unit is set up in particular to run an algorithm for automatic learning, for example an algorithm for deep learning (deep learning). The learning of each AI unit can be carried out unsupervised, automatically during the operation of the communication system. Supervised learning is preferably not provided for.
Jede KI-Einheit ist dazu eingerichtet, die von wenigstens einem anderen Teilnehmer empfangenen Eingangsdatensätze und/oder eigene zu übermittelnde oder bereits übermittelte Ausgangsdatensätze für einen Vergleich zu verwenden. Durch den Vergleich sollen bzw. können in den Eingangsdatensätzen und/oder Ausgangsdatensätzen übereinstimmende Datensatzteile identifiziert werden. Je mehr Eingangsdatensätze und/oder Ausgangsdatensätze zur Verfügung stehen, desto besser und/oder vollständiger können durch das fortgesetzte Lernen die übereinstimmenden Datensatzteile ermittelt werden. Der als übereinstimmend erkannte Anteil der tatsächlich übereinstimmenden Datensatzteile, kann durch das Lernen erhöht und fehlerhafte Erkennungen können verringert werden.Each AI unit is set up to use the input data sets received from at least one other participant and/or its own output data sets to be transmitted or already transmitted for a comparison. The comparison should or can identify parts of the data set that match in the input data sets and/or output data sets. The more input data sets and/or output data sets that are available, the better and/or more complete the matching data set parts can be determined through continued learning. The portion of the data set parts that actually match that are recognized as matching can be increased through learning, and erroneous recognitions can be reduced.
Die KI-Einheit ist außerdem dazu eingerichtet, den wenigstens einen zu übermittelten Ausgangsdatensatz derart anzupassen, dass die identifizierten übereinstimmenden Datensatzteile im Ausgangsdatensatz nicht enthalten sind und beispielsweise vor dem Senden entfernt werden. Dadurch kann die Datenmenge des wenigstens einen zu übermittelnden Ausgangsdatensatzes verringert werden. Als Folge davon reduziert sich dadurch auch die erforderliche Bandbreite für die Kommunikation innerhalb des Kommunikationssystems.The AI unit is also set up to adapt the at least one output data record to be transmitted in such a way that the identified matching data record parts are not contained in the output data record and are removed, for example, before sending. As a result, the amount of data in the at least one output data set to be transmitted can be reduced. As a result, the bandwidth required for communication within the communication system is also reduced.
Da die KI-Einheiten der Teilnehmer selbsttätig während des Betriebs lernen, ist es nicht erforderlich, die Eingangsdatensätze und/oder Ausgangsdatensätze zu klassifizieren. Die Art der Daten spielt keine Rolle. Die KI-Einheiten lernen automatisch, welche Datensatzteile in Eingangsdatensätzen und/oder den Ausgangsdatensätzen übereinstimmen. Solche Datensatzteile können zukünftig beim Übermitteln von Ausgangsdatensätzen weggelassen werden, da sie Daten enthalten, die den anderen Teilnehmern bereits bekannt sind. Diese Datensatzteile können somit statisch oder quasistatisch sein.Since the participants' AI units learn automatically during operation, it is not necessary to classify the input data sets and/or output data sets. The type of data does not matter. The AI units automatically learn which data set parts match in the input data sets and/or the output data sets. In the future, such data set parts can be omitted when transmitting output data sets, since they contain data that is already known to the other participants. These data set parts can thus be static or quasi-static.
Durch die lernenden KI-Einheiten ist das Kommunikationssystem adaptiv und kann sich an verändernde zu übermittelnde Daten anpassen. Wenn beispielsweise ein Teilnehmer in einem bisher übereinstimmenden Datensatzteil eine Datenveränderung feststellt, kann der Teilnehmer daraufhin feststellen, dass sich der übereinstimmende Datensatzteil verändert hat und den geänderten Parameter bei der nächsten Übertragung eines Ausgangsdatensatzes übertragen. Die anderen Teilnehmer können diesen Parameter dann entsprechend verwenden. Wenn der geänderte Parameter ausreichend oft übertragen wurde, können die Teilnehmer diesen wieder als Bestandteil des wenigstens einen übereinstimmenden Datensatzteils erkennen und bei der weiteren Kommunikation weglassen. Eine derartige Änderung eines Parameters kann beispielsweise auftreten, wenn sich ein vorgegebener Parameter ändert (z.B. ein Sollwert oder ein Schwellenwert, etc.). Diese Änderung kann aufgrund einer Eingabe erfolgen, beispielsweise durch eine veränderte Parametervorgabe über eine Bedienschnittstelle oder eine andere geeignete Einrichtung, die Bestandteile eines Teilnehmers ist oder mit einem der Teilnehmer kommunikationsverbunden ist. Die Parameteränderung kann alternativ oder zusätzlich durch selbsttätiges Lernen eines Teilnehmers erfolgen.Due to the learning AI units, the communication system is adaptive and can adapt to changing data to be transmitted. If, for example, a participant detects a data change in a previously matching data set part, the participant can then determine that the matching data set part has changed and transmit the changed parameter with the next transmission of an output data set. The other participants can then use this parameter accordingly. If the changed parameter has been transmitted a sufficient number of times, the participants can recognize this again as part of the at least one matching data set part and omit it in further communication. Such a change in a parameter can occur, for example, when a predetermined parameter changes (e.g. a setpoint or a threshold value, etc.). This change can be made as a result of an input, for example through a changed parameter specification via a user interface or another suitable device that is part of a participant or is communicatively connected to one of the participants. Alternatively or additionally, the parameters can be changed by a participant learning by himself.
Es ist vorteilhaft, wenn jede KI-Einheit außerdem dazu eingerichtet ist, die Eingangsdatensätze zu analysieren und die Teilnehmer basierend auf den Eingangsdatensätzen zu kategorisieren bzw. wenigstens einer Gruppe zuzuordnen. Jede KI-Einheit kann beispielsweise dazu eingerichtet sein, anhand eines empfangenen Eingangsdatensatzes zu erkennen, ob die Struktur und der Aufbau eines empfangenen Eingangsdatensatzes der Struktur und dem Aufbau entspricht, den die betreffende KI-Einheit für die eigenen Ausgangsdatensätze verwendet, so dass dadurch festgestellt werden kann, dass der Teilnehmer, der den Eingangsdatensatz gesendet hat, zu derselben Gruppe gehört wie die betreffende KI-Einheit, die den Eingangsdatensatz empfangen hat. Auf diese Weise können im Kommunikationssystem identische oder typgleiche Teilnehmer bzw. Geräte identifiziert und einer gemeinsamen Gruppe zugeordnet werden. Jede Gruppe kann Teilnehmer enthalten, die durch ausreichend ähnliche Geräte oder identische Geräte gebildet sind. Beispielsweise können die Ventilatoren eines gleichen Typs die Teilnehmer einer gemeinsamen Gruppe darstellen. Beispielsweise können Wärmeübertrager, einstellbare Lüftungsklappen, Temperatursensoren, Feuchtigkeitssensoren, usw. Geräte sein, die jeweils einer gemeinsamen Gruppe zugeordnet werden. Unterschieden werden die Geräte basierend auf den von ihnen jeweils gesendeten Ausgangsdatensätzen.It is advantageous if each AI unit is also set up to analyze the input data sets and to categorize the participants based on the input data sets or to assign them to at least one group. Each AI unit can be set up, for example, to use a received input data record to recognize whether the structure and structure of a received input data record corresponds to the structure and structure that the AI unit in question uses for its own output data records, so that this can be determined that the participant who sent the input data set belongs to the same group as the relevant AI unit that received the input data set. In this way, participants or devices that are identical or of the same type can be identified in the communication system and assigned to a common group. Each group may contain participants formed by sufficiently similar devices or identical devices. For example, the fans of the same type can represent the participants in a common group. For example, heat exchangers, adjustable ventilation flaps, temperature sensors, humidity sensors, etc. can be devices that are each assigned to a common group. The devices are differentiated based on the output data sets they send.
Es ist außerdem vorteilhaft, wenn jede KI-Einheit dazu eingerichtet ist, die Eingangsdatensätze und Ausgangsdatensätze miteinander zu vergleichen, wobei insbesondere nur die Datensätze bei dem Vergleich berücksichtigt werden, deren Teilnehmer einer gemeinsamen Gruppe angehören. Jede KI-Einheit kann daher den Vergleich beispielsweise ausschließlich für die Gruppe durchführen, zu der der Teilnehmer der KI-Einheit gehört, oder optional zusätzlich für eine oder mehrere weitere Gruppen.It is also advantageous if each AI unit is set up to compare the input data sets and output data sets with one another, with in particular only those data sets being taken into account in the comparison whose participants belong to a common group. Each AI unit can therefore carry out the comparison, for example, exclusively for the group to which the participant of the AI unit belongs, or optionally additionally for one or more other groups.
Die wenigstens eine lernfähige KI-Einheit des Kommunikationssystems kann beispielsweise basierend auf einem künstlichen neuronalen Netzwerk ausgebildet sein. Das Lernen kann basierend auf einer ART-Architektur (Adaptive Resonance Theory) basieren. Das Lernen findet insbesondere unüberwacht statt. Alternativ hierzu kann auch ein bestärkendes oder verstärkendes Lernen (Reinforcement Learning) durchgeführt werden. Vorzugsweise findet jedoch ein überwachtes Lernen nicht statt.The at least one adaptive AI unit of the communication system can be designed based on an artificial neural network, for example. The learning may be based on an ART (Adaptive Resonance Theory) architecture. The learning takes place in particular unsupervised. Alternatively, reinforcement learning can also be carried out. However, supervised learning preferably does not take place.
Bei einem Ausführungsbeispiel ist das Kommunikationsnetzwerk als Peer-to-Peer-Netzwerk mit beliebiger Architektur organisiert.In one embodiment, the communication network is organized as a peer-to-peer network with any architecture.
Vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den abhängigen Ansprüchen, der Beschreibung und den Zeichnungen. Nachfolgend werden Ausführungsbeispiele der Erfindung anhand der beigefügten Zeichnungen im Einzelnen erläutert. In den Zeichnungen zeigen:
-
1 eine schematische Prinzipdarstellung eines Kommunikationssystems mit einem Kommunikationsnetzwerk, über das mehrere Teilnehmer kommunikationsverbunden sind, -
2 eine stark schematisierte Prinzipdarstellung eines Teilnehmers des Kommunikationssystems aus1 und -
3 eine schematische Darstellung zum Vergleich von Datensätzen und zur Bildung eines von einem Teilnehmer gesendeten Ausgangsdatensatz.
-
1 a schematic basic representation of a communication system with a communication network via which several participants are connected for communication, -
2 a highly schematized basic representation of a participant of thecommunication system 1 and -
3 a schematic representation of the comparison of data sets and the formation of an output data set sent by a participant.
In
Das Kommunikationsnetzwerk 11 kann abweichend von der dargestellten Bus-Architektur auch jede beliebige andere Architektur bzw. Topologie aufweisen. Die Anzahl der Teilnehmer 12 kann variieren und größer oder kleiner sein als die lediglich beispielhaft dargestellte Anzahl von Teilnehmern 12 in
Die Teilnehmer 12 bilden beispielsgemäß Netzwerkelemente. Sie sind beim Ausführungsbeispiel adressierbar und kommunizieren protokollgesteuert miteinander. Das Kommunikationssystem bzw. Kommunikationsnetzwerk 11 ist als Peer-to-Peer-Netzwerk ausgestaltet. Alternativ zu diesem Ausführungsbeispiel können auch hierarchische Netzwerkarchitekturen verwendet werden.The
Jeder Teilnehmer 12 ist Bestandteil einer Maschine und/oder eines Gerätes, beispielsweise eines Klimageräts, eines Ventilators, eines Wärmetauschers, usw. Dabei können unterschiedliche Arten bzw. Typen von Geräten jeweils einen Teilnehmer 12 bilden und an ein gemeinsames Kommunikationsnetzwerk 11 angeschlossen sein. Lediglich beispielhaft sind in
Jeder Teilnehmer 12 ist dazu eingerichtet, über das Kommunikationsnetzwerk 11 Eingangsdatensätze E von einem oder mehreren anderen Teilnehmern 12 zu empfangen und Ausgangsdatensätze A an einen oder mehrere weitere Teilnehmer 12 zu senden.Each
Wie es schematisch in
Während des Betriebs des Kommunikationssystems 10 findet in jedem Teilnehmer 12 durch die lernfähige KI-Einheit 20 ein fortgesetztes Lernen statt. Der Begriff „KI“ steht für „Künstliche Intelligenz“ und soll so verstanden werden, dass die KI-Einheit dazu eingerichtet ist, aus verfügbaren Datensätzen (Eingangsdatensätze E und/oder Ausgangsdatensätze A) selbsttätig zu lernen. Beispielsweise kann die KI-Einheit hierfür ein künstliches neuronales Netz aufweisen. Sie kann eine Struktur zum tiefen Lernen (Deep-Learning) aufweisen.During the operation of the
Vorzugsweise ist jede KI-Einheit 20 dazu eingerichtet, unüberwacht zu lernen. Alternativ hierzu kann auch ein bestärkendes Lernen oder ein überwachtes Lernen durchgeführt werden. Die Struktur der lernfähigen KI-Einheit 20 kann beispielsweise basierend auf der ART-Architektur (Adaptive Resonance Theory) ausgebildet sein. Andere Lernstrukturen sind ebenfalls einsetzbar.Each
Jede KI-Einheit 20 ist dazu eingerichtet, die empfangenen Eingangsdatensätze E, die gesendeten Ausgangsdatensätze A und die zum Senden vorgesehenen Ausgangsdatensätze A miteinander zu vergleichen. Durch das während des Betriebs fortgesetzte Lernen können dadurch übereinstimmende Datensatzteile D (
Um das über das Kommunikationsnetzwerk 11 basierend auf einem Kommunikationsprotokoll zu übertragende Datenvolumen und mithin die erforderliche Bandbreite zu reduzieren, ist jede KI-Einheit 20 dazu eingerichtet, die Ausgangsdatensätze A ohne die übereinstimmenden Datensatzteile D zu senden, wie es schematisch in
Es kann beispielsweise eine Mindestdatenmenge (z.B. Mindestanzahl an unabhängigen Datensätzen) an verfügbaren Datensätzen E, A festgelegt werden, um mit ausreichender Sicherheit und Genauigkeit übereinstimmende Datensatzteile D zu identifizieren. Die KI-Einheiten 20 können dazu eingerichtet sein, übereinstimmende Datensatzteile D erst dann zu identifizieren und die Ausgangsdatensätze A ohne die übereinstimmenden Datensatzteile D zu senden, wenn diese Mindestdatenmenge verfügbar ist. Dadurch wird sichergestellt, dass von anderen Teilnehmern 12 benötigte relevante Daten nicht übermittelt werden.For example, a minimum amount of data (eg minimum number of independent data sets) of available data sets E, A can be specified in order to identify matching data set parts D with sufficient certainty and accuracy. The
Bei der erfindungsgemäßen Kommunikation ist es nicht erforderlich, von vornherein Teilnehmer bzw. Datensätze zu klassifizieren und zu unterscheiden. Die KI-Einheiten 20 lernen selbsttätig während des Betriebs. Es spielt dabei keine Rolle, ob die übereinstimmenden Datensatzteile D unveränderliche Daten oder sich zumindest während eines Zeitraums nicht ändernde Daten enthalten. Die übereinstimmenden Datensatzteile können somit statisch oder quasistatisch sein. Sie können beispielsweise Sollwerte und/oder Schwellenwerte und/oder andere beliebige Steuerungsdaten oder Regelungsdaten enthalten.In the communication according to the invention, it is not necessary to classify and distinguish participants or data sets from the outset. The
Jede KI-Einheit 20 und mithin jeder Teilnehmer 12 ist dazu eingerichtet, anhand der empfangenen Eingangsdatensätze E zu erkennen, ob der Teilnehmer 12, der den betreffenden Eingangsdatensatz E gesendet hat, derselben Gruppe angehört, wie der Teilnehmer 12, der den Eingangsdatensatz E empfangen hat oder nicht. Hierzu können die Datenstruktur und/oder Inhalte von bestimmten Datenfeldern ausgewertet werden. Da der Teilnehmer 12 die Datenstruktur und den Inhalt bestimmter Datenfelder kennt, die er selbst für das Erzeugen von Ausgangsdatensätzen A verwendet, kann durch Vergleich die Zugehörigkeit zu derselben Gruppe 13 oder 14, oder 15 ermittelt werden. Dadurch lassen sich die Teilnehmer 12 des Kommunikationssystems 10 sozusagen automatisch gruppieren.Each
Die Auswertung von Eingangsdatensätzen E, die ein Teilnehmer 12 empfängt, um übereinstimmende Datensatzteile D zu identifizieren, kann auf die Gruppe 13 oder 14 oder 15 beschränkt werden, der der Teilnehmer 12 selbst angehört. Eingangsdatensätze E von Teilnehmern 12 anderer Gruppen können dabei unberücksichtigt bleiben.The evaluation of input data sets E, which a
Die Erfindung betrifft ein Kommunikationssystem 10 sowie ein Verfahren zur Kommunikation zwischen mehreren Teilnehmern 12 des Kommunikationssystems 10. Jeder Teilnehmer 12 hat eine KI-Einheit 20 und ist dazu eingerichtet, Eingangsdatensätze E zu empfangen und Ausgangsdatensätze A zu senden. Die Eingangsdatensätze E und/oder die gesendeten oder zu sendenden Ausgangsdatensätze A werden verwendet, um übereinstimmende Datensatzteile D in den Eingangsdatensätzen E und/oder Ausgangsdatensätzen A zu identifizieren. Wurden solche übereinstimmenden Datensatzteile D erkannt, werden diese beim Senden von Ausgangsdatensätzen A nicht mitgesendet. Der gesendete Ausgangsdatensatz A enthält lediglich den verbleibenden Teil von notwendigen und veränderlichen Daten ohne die übereinstimmenden Datensatzteile D. Die übereinstimmenden Datensatzteile D können beispielsweise vor dem Senden aus einem zum Senden vorgesehenen Ausgangsdatensatz A entfernt werden.The invention relates to a
BezugszeichenlisteReference List
- 1010
- Kommunikationssystemcommunication system
- 1111
- Kommunikationsnetzwerkcommunication network
- 1212
- TeilnehmerParticipant
- 12a12a
- erster Teilnehmerfirst participant
- 12b12b
- zweiter Teilnehmersecond participant
- 12c12c
- dritter Teilnehmerthird participant
- 1313
- erste Gruppefirst group
- 1414
- zweite Gruppesecond group
- 1515
- dritte Gruppe third group
- 2020
- KI-EinheitAI unit
- 2121
- Speicher Storage
- AA
- Ausgangsdatensatzoutput record
- DD
- übereinstimmende Datensatzteilematching record parts
- EE
- Eingangsdatensatzinput record
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
- DE 102018109252 A1 [0002]DE 102018109252 A1 [0002]
Claims (9)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021132336.3A DE102021132336A1 (en) | 2021-12-08 | 2021-12-08 | Communication system and method for communication between participants in a communication system (DAGNA) |
PCT/EP2022/082864 WO2023104509A1 (en) | 2021-12-08 | 2022-11-22 | Communications system and method for communication between subscribers of a communications system (dagna) |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021132336.3A DE102021132336A1 (en) | 2021-12-08 | 2021-12-08 | Communication system and method for communication between participants in a communication system (DAGNA) |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102021132336A1 true DE102021132336A1 (en) | 2023-06-15 |
Family
ID=84463220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102021132336.3A Pending DE102021132336A1 (en) | 2021-12-08 | 2021-12-08 | Communication system and method for communication between participants in a communication system (DAGNA) |
Country Status (2)
Country | Link |
---|---|
DE (1) | DE102021132336A1 (en) |
WO (1) | WO2023104509A1 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018109252A1 (en) | 2018-04-18 | 2019-10-24 | Schuler Pressen Gmbh | AI system |
DE102018129601A1 (en) | 2018-11-23 | 2020-05-28 | Schuler Pressen Gmbh | Processing system with several system units communicating via a communication system |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11689634B2 (en) * | 2018-07-09 | 2023-06-27 | Saferide Technologies Ltd. | Optimizing size of protocol communication in a vehicle internal networks |
-
2021
- 2021-12-08 DE DE102021132336.3A patent/DE102021132336A1/en active Pending
-
2022
- 2022-11-22 WO PCT/EP2022/082864 patent/WO2023104509A1/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018109252A1 (en) | 2018-04-18 | 2019-10-24 | Schuler Pressen Gmbh | AI system |
DE102018129601A1 (en) | 2018-11-23 | 2020-05-28 | Schuler Pressen Gmbh | Processing system with several system units communicating via a communication system |
Also Published As
Publication number | Publication date |
---|---|
WO2023104509A1 (en) | 2023-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1309920B1 (en) | Address assignment method for at least one bus device that has recently been connected to a bus system | |
DE2943149C2 (en) | Ring network with several processors connected to a data ring line | |
DE102012102187B3 (en) | Control device for controlling safety-critical processes in an automated system and method for parameterizing the control device | |
DE102019114303B3 (en) | Method for detecting network participants in an automation network and automation network | |
DE10143356A1 (en) | Acceptance filter for filtering identifiers in messages in e.g. controller area network system, compares each identifier with prestored identifiers and sends corresponding acceptance signal to allocated user based on comparison result | |
EP3684015A1 (en) | Device and method for classifying data in particular for a controller area network or an automotive ethernet network | |
EP2733910B1 (en) | BUS system, method for operating a BUS system and fluid system with a BUS system | |
DE102018220823A1 (en) | DYNAMIC ROUTING DEVICE AND METHOD FOR CAN-MESSAGE OF VEHICLE | |
DE19510247C2 (en) | Data transmission method | |
DE102021132336A1 (en) | Communication system and method for communication between participants in a communication system (DAGNA) | |
WO2019201813A1 (en) | Ai system | |
DE102018125435B4 (en) | System for processing a workpiece with communicating system participants | |
DE102010045683A1 (en) | Combined unicast / multicast software transfer | |
EP2110725B1 (en) | System and method for allocating a device name | |
DE102016113322A1 (en) | Slave control for Ethernet network | |
DE102018129601B4 (en) | Processing system with several system units communicating via a communication system | |
WO2016079091A1 (en) | Method for operating a first and at least one second field device | |
DE2708244B2 (en) | Arrangement and method for controlling a switching system with a group of small computers | |
DE102019207220A1 (en) | Procedure for operating a field bus | |
EP2733555B1 (en) | BUS system with participants that are the producers and/or consumers of process values, device comprising a BUS system, fluidic system with a BUS system and method for operating a BUS system | |
EP4046340B1 (en) | Method for operating an automation system and data infrastructure | |
DE19502230A1 (en) | Fuzzy controller for technical system e.g. computer | |
DE19534757C1 (en) | Telecommunication system operating method | |
EP1547348B1 (en) | Method and device for controlling a printer or a copier by accessing data objects by means of the network addresses associated with said data objects | |
EP3699710A1 (en) | Method and device for structured provision of information of a production system and/or a production system component |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified |