WO2024104809A1 - Bestimmen einer vorhersagequalität einer restdauer eines betriebsablaufs - Google Patents

Abstract

Die Erfindung betrifft ein Verfahren (S1-S7) zum Bestimmen einer Vorhersagequalität eines Vorhersagealgorithmus zum Bestimmen einer Restdauer (θprog) eines Betriebsablaufs, insbesondere Restgardauer eines Garvorgangs, in einem Haushaltsgerät (1), insbesondere Haushaltsgargerät (1), bei dem für mehrere Zeitpunkte (t, ti) des Garvorgangs ein jeweiliger absoluter Vorhersagefehler (Δθ) zwischen einer durch den Vorhersagealgorithmus vorhergesagten Restdauer (θprog), insbesondere Restgardauer, und einer realen Restdauer (θreal), insbesondere Restgardauer, bestimmt wird und ein Qualitätsmaß (Q) als Summe der mit jeweiligen Gewichtsfaktoren (γ) gewichteten Vorhersagefehler (Δθ) berechnet wird, wobei sich die Gewichtsfaktoren (γ) über den Verlauf des Betriebsablaufs, insbesondere Garzeitverlaufs ändern. Die Erfindung ist insbesondere vorteilhaft anwendbar ein Bestimmen einer Restgardauer eines Garvorgangs, insbesondere in Haushaltsgargeräten, speziell Öfen, insbesondere Backöfen.

Description

Bestimmen einer Vorhersagequalität einer Restdauer eines Betriebsablaufs

Die Erfindung betrifft ein Verfahren zum Bestimmen einer Vorhersagequalität eines Vorhersagealgorithmus zum Bestimmen einer Restdauer eines Betriebsablaufs in einem Haushaltsgerät. Die Erfindung betrifft auch ein Verfahren zum Verbessern einer Einstellung eines Vorhersagealgorithmus zum Bestimmen einer Restgardauer eines Garvorgangs von Gargut in einem Haushaltsgargerät, wobei der Vorhersagealgorithmus mindestens einen variierbaren Einstellparameter umfasst, der das Bestimmen der Restgardauer beeinflusst. Die Erfindung betrifft außerdem ein Haushaltsgargerät, wobei das Haushaltsgargerät dazu eingerichtet ist, das Verfahren durchzuführen. Die Erfindung betrifft ferner ein Haushaltsgargerät, wobei das Haushaltsgargerät dazu eingerichtet ist, mittels eines Vorhersagealgorithmus eine Restgardauer eines auf dem Haushaltsgargerät ablaufenden Garvorgangs von Gargut zu bestimmen, wobei der Vorhersagealgorithmus mindestens einen variierbaren Einstellparameter umfasst, der mittels des Verfahrens eingestellt worden ist. Die Erfindung betrifft darüber hinaus ein System mit einem Haushaltsgargerät und einer damit datentechnisch gekoppelten externen Datenverarbeitungsinstanz, wobei das System dazu eingerichtet ist, das Verfahren durchzuführen. Die Erfindung ist insbesondere vorteilhaft anwendbar ein Bestimmen einer Restgardauer eines Garvorgangs, insbesondere in Haushaltsgargeräten, speziell Öfen, insbesondere Backöfen.

Vorhersagealgorithmen zum Vorhersagen und Erkennen einer Restgardauer während eines Garvorgangs von Gargut in einem Haushaltsgargerät sind grundsätzlich bekannt. Beispielsweise sind Vorhersagealgorithmen bekannt, welche einen aktuellen Bräunungsgrad einer Oberfläche von Gargut erkennen können und anhand eines Vergleichs mit einem Soll-Bräunungsgrad sowohl ein Garzeitende bei Erreichen des Soll-Bräunungsgrads erkennen können als auch durch Abweichungen zwischen dem aktuellen Bräunungsgrad und Soll-Bräunungsgrad eine Restgardauer Vorhersagen können. Jedoch sind die Vorhersage der Restgardauer und die Erkennung des tatsächlichen Eintritts des Garzeitendes (bei der Restgardauer null) in der Regel fehlerbehaftet, so dass es vorkommen kann, dass der Eintritt des durch den Vorhersagealgorithmus vorhergesagten Garzeitendes zeitlich vor oder hinter dem von einem Nutzer tatsächlich gewünschten Garzeitende liegt. Dies ist besonders nachteilig, wenn das durch den Vorhersagealgorithmus vorhergesagte bzw. bestimmte Garzeitende hinter dem tatsächlich gewünschten Garzeitende liegt, weil dann die Wahrscheinlichkeit zunimmt, das das Gargut übergart (z.B. verkocht oder sogar angebrannt) ist, während dann, wenn das durch den Vorhersagealgorithmus vorhergesagte bzw. berechnete Garzeitende vor dem tatsächlich gewünschten Garzeitende liegt, lediglich weitergegart zu werden braucht. Auch ist es nachteilig, wenn der Eintritt des Garzeitende durch den Vorhersagealgorithmus zwar sehr gut bestimmt wird, aber die Restgardauer zuvor zumindest zeitweise eine starke Abweichung von der tatsächlichen Restgardauer gezeigt hat, weil dann ein Nutzer, der sich auf die vorhergesagte Restgardauer verlässt, sich ggf. merklich zu früh zu dem Gargerät begibt oder erst eine merkliche Zeitdauer nach dem Garzeitende.

A. Saxena et al., "Metrics for evaluating performance of prognostic techniques", 2008 International Conference on Prognostics and Health Management, 2008, Seiten 1-17, doi: 10.1109/PHM.2008.4711436, untersucht Metriken, die bereits für Prognosen in einer Vielzahl von Bereichen verwendet werden, darunter Medizin, Nukleartechnik, Automobil, Luft- und Raumfahrt und Elektronik. Es werden auch andere Domänen berücksichtigt, die Aufgaben im Zusammenhang mit Vorhersagen beinhalten, wie z. B. Wetter und Finanzen. Unterschiede und Ähnlichkeiten zwischen diesen Bereichen und der Gesunderhaltung wurden analysiert, um zu verstehen, welche Methoden zur Leistungsbewertung verwendet werden können und welche nicht. Darüber hinaus wurden diese Metriken auf verschiedene Arten kategorisiert, die bei der Entscheidung über eine geeignete Teilmenge für eine bestimmte Anwendung nützlich sein können. Einige wichtige prognostische Konzepte wurden unter Verwendung eines Notationsrahmens definiert, der eine kohärente Interpretation verschiedener Metriken ermöglicht. Außerdem wurde eine Liste von Metriken vorgeschlagen, um kritische Aspekte von RUL-Vorhersagen zu bewerten, bevor sie in realen Anwendungen eingesetzt werden.

DE 10 2020 113 840 A1 offenbart ein Verfahren zum Erkennen wenigstens eines Beladungsparameters eines geschlossenen Raums, dem zumindest eine elektrisch betriebene Mikrowellenquelle zugeordnet ist, wobei die Mikrowellenquelle eingerichtet ist, Mikrowellen zu erzeugen und in den Raum einzuspeisen, wobei ein Versorgungssignal der Mikrowellenquelle während des Betriebs der Mikrowellenquelle erfasst wird, sodass Messdaten erhalten werden, wobei die Messdaten ausgewertet werden, um zumindest eine Welligkeitscharakteristik des Versorgungssignals zu identifizieren, die vom Beladungsparameter abhängig ist, sodass aufgrund der identifizierten Welligkeitscharakteristik des Versorgungssignals der Beladungsparameter erkannt wird.

DE 10 2020 100 227 A1 offenbart ein Verfahren zum Erkennen eines Gargutzustands in einem Garraum eines Gargeräts mittels elektromagnetischer Strahlung, das die folgenden Schritte umfasst: Einspeisen von elektromagnetischer Strahlung in den Garraum, Erfassen einer Hochfrequenz-Eigenschaft der elektromagnetischen Strahlung zu einem ersten Zeitpunkt, um ein erstes Messergebnis der Hochfrequenz-Eigenschaft zu erhalten, Verändern der Garraumatmosphäre im Garraum, Erfassen der Hochfrequenz-Eigenschaft der elektromagnetischen Strahlung zu zumindest einem zweiten Zeitpunkt, um zumindest ein zweites Messergebnis der Hochfrequenz-Eigenschaft zu erhalten, und Auswerten der wenigstens zwei Messergebnisse, um eine Auswertungsgröße zu erhalten, aufgrund derer der Gargutzustand erkannt wird.

US 2021182667 A offenbart ein Kochgerät und ein Verfahren zum Steuern desselben zum Analysieren von Änderungen der Innentemperatur, der Außentemperatur und der Oberfläche eines Kochmaterials, das gekocht wird, und zum angemessenen Erhitzen des Kochmaterials basierend auf dem Analyseergebnis. Insbesondere kann die Intensität der von einer Heizung auf das Kochgut abgegebenen Wärme oder die Kochzeit unter Verwendung eines Modells künstlicher Intelligenz, Kl, gesteuert werden, das maschinelles Lernen, ML, über ein 5G-Netzwerk ausführt, so dass das Kochgut in Übereinstimmung mit einer Änderung an der Oberfläche des Kochmaterials und einer Änderung in einem thermischen Bild, das die Innentemperatur und die Außentemperatur des Kochmaterials darstellt, geeignet gekocht wird.

EP 3 785 581 A1 offenbart ein Kochgerät mit künstlicher Intelligenz. Das Kochgerät mit künstlicher Intelligenz umfasst einen Heizabschnitt zum Erhitzen von Zutaten in einem Kochgefäß, einen Vibrationssensor zum Erfassen eines Vibrationssignals der Zutaten in dem Kochgefäß und einen Prozessor, der so konfiguriert ist, dass er Daten entsprechend dem Vibrationssignal an ein Modell mit künstlicher Intelligenz liefert, um Informationen darüber zu erhalten, ob die Zutaten in dem Kochgefäß kochen, und eine Steuerung basierend auf den erhaltenen Informationen durchzuführen. DE 10 2018 118486 A1 offenbart ein Verfahren zum Erzeugen eines Garprogramms zum Garen von Gargut mittels eines Gargeräts. Eine Textinformation über ein Rezept wird durch ein Steuermodul empfangen, Schlüsselinformationen werden in der Textinformation durch das Steuermodul automatisch identifiziert, und durch das Steuermodul wird anhand der Schlüsselinformationen ein Garprogramm erzeugt, wobei das Garprogramm derart erzeugt wird, dass das Gargeraet in der Lage ist, das Garprogramm auszuführen.

US 2021228022 A offenbart ein Computersystem, das mit einem Kochgerät kommunizierbar gekoppelt und dazu konfiguriert ist, eine oder mehrere Funktionen des Kochgeräts zu steuern, wobei: das Kochgerät eine Nahrungsmittelunterstützungsplattform die zum Halten von Nahrungsmitteln konfiguriert ist, einen oder mehrere erste Sensoren zum Erfassen strukturierter Daten, einschließlich Temperaturdaten, die den Nahrungsmitteln während des Betriebs des Kochgeräts entsprechen, einen oder mehrere zweite Sensoren zum Erfassen unstrukturierter Daten, einschließlich Bilddaten, die den Nahrungsmitteln während des Betriebs des Kochgeräts entsprechen, und eine oder mehrere Heizeinheiten, die konfiguriert sind zum Erhitzen von Nahrungsmitteln, die während des Betriebs des Kochgeräts auf der Nahrungsmittelhalteplattform platziert sind, beinhaltet; und das Computersystem einen oder mehrere Prozessoren und Speicherspeicheranweisungen beinhaltet, wobei die Anweisungen, wenn sie von dem einen oder den mehreren Prozessoren ausgeführt werden, bewirken, dass die Prozessoren Operationen ausführen, die Folgendes umfassen: Aktivieren des einen oder der mehreren ersten Sensoren und des einen oder der mehreren zweiten Sensoren, um erste Kochdaten während eines ersten Kochvorgangs in dem Kochgerät zu erfassen, einschließlich Erfassen einer Folge von Temperaturwerten während des ersten Kochvorgangs und einer Folge von Bildern während des ersten Garprozess, wobei jede Folge von Temperaturwerten und jede Folge von Bildern mit entsprechenden Zeitstempeln aufgezeichnet werden; Anzeigen, über eine mit dem Computersystem gekoppelte Anzeigeerzeugungskomponente, mindestens einer Teilmenge der Folge von Bildern in einer ersten Anmerkungsbenutzerschnittstelle, wobei die erste Anmerkungsbenutzerschnittstelle beinhaltet: jede Teilmenge der Folge von Bildern, die gemäß einer Zeitachse des ersten Kochvorgangs angezeigt werden; und eine Vielzahl von Eingabebereichen zum Spezifizieren jeweiliger Garfortschrittsstufen von Nahrungsmitteln in der Teilmenge der Folge von Bildern; Empfangen einer ersten Benutzereingabe, die die jeweiligen Garfortschrittsstufen von Nahrungsmitteln in der Teilmenge der Bildfolge spezifiziert; Gruppieren der Teilmenge von Bildern mit entsprechenden Temperaturdaten und Kochfortschrittsstufen, die durch die erste Benutzereingabe angegeben sind; und Übertragen der Teilmenge von Bildern mit den entsprechenden Temperaturdaten und Garfortschrittsstufen an einen Server eines Trainingsdatenkorpus zum Trainieren intelligenter Kochgeräte.

DE 11 2019 001 182 A5 offenbart ein Verfahren zum Erkennen wenigstens eines Beladungsparameters eines geschlossen Raums von einer Erkennungseinrichtung mittels elektromagnetischer Strahlung, bei dem Messungen von wenigstens einer Messgröße verwendet werden, wobei: eine erste Messung bei einer ersten räumlichen Verteilung des durch die elektromagnetische Strahlung erzeugten elektrischen Felds durchgeführt wird, zumindest eine zweite Messung bei einer zweiten räumlichen Verteilung des durch die elektromagnetische Strahlung erzeugten elektrischen Felds durchgeführt wird, die unterschiedlich zur ersten räumlichen Verteilung des elektrischen Felds ist, und die zumindest zwei Messungen hinsichtlich der wenigstens einen Messgröße mittels einer mathematischen Operation und/oder mathematischer Transformation ausgewertet werden, um wenigstens eine Auswertungsgröße aus den Messergebnissen zu erhalten, über die der Beladungsparameter bestimmt wird, indem eine Mustererkennung, die die wenigstens eine Auswertungsgröße als Eingangsgröße aufweist, und/oder ein mathematisches Modell angewendet werden bzw. wird, das die wenigstens eine Auswertungsgröße und zumindest einen Trainingsparameter umfasst, der aufgrund vorheriger Tests ermittelt worden ist.

US 2020018551 A offenbart ein Kochgerät mit künstlicher Intelligenz. Das Kochgerät mit künstlicher Intelligenz gemäß einer Ausführungsform umfasst: eine Erfassungseinheit, die dazu konfiguriert ist, mindestens ein Lebensmittelmaterial zu fotografieren und einen Abstand zu dem mindestens einen Lebensmittelmaterial zu erfassen; und einen Prozessor, der dazu konfiguriert ist, ein Gewicht des mindestens einen Lebensmittelmaterials durch Bereitstellen eines durch Fotografieren des mindestens einen Lebensmittelmaterials und des erfassten Abstands erhaltenen Bildes an ein künstliches Intelligenzmodell zu übertragen und Kochen gemäß einem eingestellten Kochkurs durchzuführen, die Basis einer Art des mindestens einen Lebensmittelmaterials und des Gewichts des mindestens einen Lebensmittelmaterials. Hier ist das künstliche Intelligenzmodell ein neuronales Netzwerk, das trainiert wird, indem Trainingsdaten verwendet werden, die ein Bild enthalten, das durch Fotografieren eines Lebensmittelmaterials erhalten wird, und eine Entfernung, aus der ein Bild fotografiert wird, und Etikettierungsdaten, die ein Gewicht eines Lebensmittelmaterials enthalten.

Es ist die Aufgabe der vorliegenden Erfindung, die Nachteile des Standes der Technik zumindest teilweise zu überwinden und insbesondere eine verbesserte Möglichkeit bereitzustellen, einen Vorhersagealgorithmus zum Bestimmen einer Restgardauer während eines Garvorgangs von Gargut in einem Haushaltsgargerät einzustellen.

Diese Aufgabe wird gemäß den Merkmalen der unabhängigen Ansprüche gelöst. Bevorzugte Ausführungsformen sind insbesondere den abhängigen Ansprüchen entnehmbar.

Die Aufgabe wird gelöst durch ein Verfahren zum Bestimmen einer Vorhersagequalität eines Vorhersagealgorithmus zum Bestimmen einer Restdauer eines Betriebsablaufs in einem Haushaltsgerät, bei dem

- für mehrere Zeitpunkte des Betriebsablaufs ein jeweiliger absoluter Vorhersagefehler zwischen einer realen Restdauer und einer durch den Vorhersagealgorithmus vorhergesagten Restdauer bestimmt wird und

- ein Qualitätsmaß als Summe der mit jeweiligen Gewichtsfaktoren gewichteten Vorhersagefehler berechnet wird, wobei

- sich die Gewichtsfaktoren über den zeitlichen Verlauf des Betriebsablaufs ändern.

Das Verfahren ergibt den Vorteil, dass mit diesen speziellen Qualitätsmaß ein Maß für die Vorhersagequalität des Vorhersagealgorithmus über die Dauer des Betriebsablaufs bereitgestellt wird, das berücksichtigt, dass ein Vorhersagefehler zu einem bestimmten Zeitpunkt während des Betriebsablaufs eine unterschiedlich starke Auswirkung haben im Vergleich zu einem Vorhersagefehler zu einem anderen Zeitpunkt des Betriebsablaufs, beispielsweise schwerwiegendere Auswirkungen auf ein Behandlungsergebnis und/oder eine Nutzerzufriedenheit haben kann.

Der Betriebsablauf ist insbesondere ein nutzerinitiierter Betriebsablauf. Der Betriebsablauf ist insbesondere ein Behandlungsablauf zum Behandeln von Gut, beispielsweise Lebensmittel (z.B. Garen, Mahlen von Kaffeebohnen, usw.), Geschirr (Spülen usw.), Wäsche (Waschen, Trocknen, usw.), usw. Das Haushaltsgerät kann ein elektrisches Haus- haltsgroßgerät, insbesondere im Sinne "weißer Ware", speziell Küchengerät oder ein elektrisches Haushaltskleingerät, z.B. Toaster, Kaffeemühle, usw. sein.

Es ist eine Ausgestaltung, dass das Haushaltsgerät ein Haushaltsgargerät ist. Das Verfahren ist dafür besonders zuverlässig und besonders nutzerunterstützend einsetzbar. Der Betriebsablauf ist dann insbesondere ein Garvorgang bzw. Garablauf, die Restdauer eine Restgardauer, der Verlauf des Betriebsablaufs ein Garzeitverlauf und das Behandlungsergebnis ein Garergebnis. Im Folgenden wird das vorliegende Verfahren anhand eines Haushaltsgargeräts näher beschrieben. Dabei können andere Formen von Haushaltsgeräten mitgemeint sein, solange dies nicht ausgeschlossen ist.

Der Vorhersagealgorithmus kann grundsätzlich jeder Algorithmus sein, der zu mehreren Zeitpunkten des Garvorgangs jeweils mindestens einen Gargutparameter (z.B. einen Bräunungsgrad, eine Kerntemperatur, einen Farbwechsel, eine Volumenänderung, eine Formänderung, usw.) misst bzw. bestimmt, um daraus die aktuelle vorhergesagte Restgardauer zu bestimmen. Die Restgardauer kann als Zeitspanne (z.B. "0:32 h", "32 min" oder "noch 32 min") oder als prozentualer Restwert (z.B. "45 %" oder "45 % verbleibend") angegeben werden.

Das Haushaltsgargerät kann beispielsweise ein Backofen, ein Kochfeld, ein Mikrowellengerät, ein Dampfgargerät, usw., oder eine beliebige Kombination daraus sein, z.B. ein Backofen mit zusätzlicher Mikrowellen- und/oder Dampfgarfunktionalität, ggf. als Teil eines Herds.

Die "reale" Restgardauer 0_reai (t) zu einem Zeitpunkt t entspricht der dann noch verbleibenden Zeitdauer des Garvorgangs, bis ein "reales" Garzeitende t_reai,end erreicht ist, bei dem ein gewünschter Soll-Garzustand des Garguts tatsächlich vorliegt. Das reale Garzeitende treai.end und damit die Dauer des zugehörigen Garvorgangs kann durch Beurteilung von Experten oder Nutzern oder automatisch, z.B. mit Mitteln der künstlichen Intelligenz, bestimmt worden sein. Eine entsprechende (0_reai; t)-Kurve, welche die reale Restgardauer 0reai (t) gegen die seit Beginn des Garvorgangs vergangene Zeit t abbildet, ist eine Gerade, die bei t = 0 (Beginn des Behandlungsvorgangs) den Wert 0_reai (0) = t_reai,end annimmt und dann linear abfällt, bis sie bei t = t_reai,end den Wert 0_reai (t_reai,end) = 0 erreicht. Die Gerade kann entsprechend als 0_reai (t) = 0_reai,end - 1 ausgedrückt werden. Die entsprechende (9p_rog, t)-Kurve für die durch den Vorhersagealgorithmus vorhergesagten Restgardauer 0_prOg (t) (im Folgenden auch als "Vorhersagekurve" bezeichnet) wird demgegenüber in der Regel aufgrund von Vorhersageungenauigkeiten des Algorithmus nicht der (0_reai, t)-Geraden der realen Restgardauern entsprechen, sondern demgegenüber zumindest zu den meisten Zeitpunkten t einen Vorhersagefehler A0 (t) aufweisen. Der Vorhersagefehler A0 (t) zu einem bestimmten Zeitpunkt t kann beispielsweise als A0 (t) = 0reai (t) - 0_Prog (t) oder als A0 (t) = 0p_rOg (t) - 0_reai (t) definiert sein.

Dass das Qualitätsmaß Q als Summe der mit jeweiligen Gewichtsfaktoren gewichteten absoluten Vorhersagefehler berechnet wird, kann unter Annahme der Nutzung der obigen Kurvendarstellungen beispielsweise als

mit Y (ti) den Zeitpunkten ti zugeordneten Gewichtsfaktoren geschrieben werden. Die Vorhersagequalität des Vorhersagealgorithmus ist dann tendenziell umso besser, je kleiner der Wert von Q ist.

Dass sich die Gewichtsfaktoren über den Garzeitverlauf - ggf. auch mehrfach oder sogar kontinuierlich - ändern, kann umfassen, dass sie größer und/oder kleiner werden, um ein bestimmtes Gargutverhalten und/oder eine Änderung von Betriebs Parametern berücksichtigen zu können, beispielsweise, wenn während des Garzeitverlaufs bzw. Garvorgangs mindestens ein Heizparameter, z.B. eine Mikrowellenleistung, geändert wird. Es ist auch möglich, dass die Gewichtsfaktoren über ein oder mehrere Phasen des Garzeitverlaufs konstant gehalten werden.

Es ist eine Ausgestaltung, dass die Gewichtsfaktoren mit fortschreitender Dauer des Garvorgangs größer werden. Dadurch wird der Vorteil erreicht, dass berücksichtigt wird, dass Vorhersagefehler zu Beginn eines Garvorgangs im allgemeinen eine geringere Bedeutung haben als Vorhersagefehler gegen Ende des Garvorgangs. Dadurch wiederum kann ein Übergaren des Garguts besonders effektiv vermieden werden. Dass die Gewichtsfaktoren Y (t) mit fortschreitender Dauer t des Garvorgangs größer werden, kann in einer Weiterbil- dung umfassen, dass für zumindest zwei Zeitpunkte tj, tj mit tj < tj die Beziehung

Y (tj) < Y (tj) güt. Diese Beziehung kann in einer Weiterbildung für alle Zeitpunkte tj gelten.

Es ist eine Ausgestaltung, dass der Gewichtsfaktor y (t) für einen bestimmten Zeitpunkt t größer ist bzw. auf einen größeren Wert festgesetzt wird, wenn die durch den Vorhersagealgorithmus vorhergesagte Restdauer, insbesondere Restgardauer, größer als die reale Restdauer ist, also 0_prOg (t) > 0_reai (t) gilt, als wenn die durch den Vorhersagealgorithmus vorhergesagte Restdauer kleiner als die reale Restdauer ist, also 0_prOg (t) < 0_reai (t) gilt. Dadurch wird vorteilhafterweise auf einfach umsetzbare Weise zusätzlich berücksichtigt, dass ein Übergaren durch Überschreiten des realen Garzeitendes t_reai,end tendenziell weit nachteiliger ist als ein Unterschreiten des realen Garzeitendes t_reai,end, bei dem lediglich weitergegart zu werden braucht, um t_reai,end bzw. den Soll-Gargutzustand zu erreichen.

Es ist eine Ausgestaltung, dass ein Unterschied Ay (t) der Gewichtsfaktoren y (t) bei positiven und negativen Vorhersagefehlern A0 (also für den Fall A0 > 0 und den Fall A0 < 0 bei gleichem t) für einen bestimmten Zeitpunkt t umso größer ist, je größer t ist bzw. je weiter der Garvorgang fortgeschritten ist bzw. je kleiner die Restdauer wird. Dies kann auch so ausgedrückt werden, dass Ay (t) = y (t | A0 < 0) - y (t | A0 > 0) umso größer wird, je größer t wird. Dadurch wird der Vorteil erreicht, dass der Qualitätsfaktor Q eine Vorhersagequalität des Algorithmus noch besser abbilden kann.

Es ist eine Ausgestaltung, dass die zum Berechnen des Qualitätswerts betrachteten Zeitpunkte t einen Anfangszeitpunkt t = 0 und einen Endzeitpunkt t = t_prog,end des durch den Vorhersagealgorithmus beendeten Garvorgangs umfassen.

Es ist eine Ausgestaltung, dass

- während eines Betriebsablaufs in Form eines Garvorgangs zu jeweiligen Bildaufnahmezeitpunkten Bilder von Gargut aufgenommen werden, insbesondere aus einem Garraum,

- aus der Menge der Bilder ein reales Garzeitende bestimmt wird und

- mittels des Vorhersagealgorithmus aus den Bildern zu den Bildaufnahmezeitpunkten gehörige vorhergesagte Restdauern in Form von Restgardauern bestimmt werden.

Das Bestimmen der Restgardauern mittels des Vorhersagealgorithmus kann auch so ausgedrückt werden, dass die während des Garvorgangs aufgenommenen Bilder durch den Vorhersagealgorithmus ausgewertet werden, um die jeweilige Restgardauer zu einem jeweiligen Bildaufnahmezeitpunkt vorherzusagen. Ein solcher Vorhersagealgorithmus kann auch als "bildbasierter" Vorhersagealgorithmus bezeichnet werden. Die Nutzung eines bildbasierten Vorhersagealgorithmus ergibt den Vorteil, dass sich das Verfahren einfach anhand der einmal aufgenommenen Bildfolge durchführen lässt.

Die während des Garvorgangs aufgenommenen Bilder entsprechen einer Folge von zu unterschiedlichen Zeiten aufgenommenen Bildern des Garguts, insbesondere einer Folge von im gleichen zeitlichen Abstand, z.B. alle 10 s, aufgenommenen Bildern. Die Bilder können beispielsweise mittels einer Kamera, insbesondere Digitalkamera, insbesondere digitalen Farbkamera, aufgenommen werden. Die Kamera kann eine Garraumkamera sein.

Es ist eine Weiterbildung, dass der Vorhersagealgorithmus nur das zu einem bestimmten Bildaufnahmezeitpunkt aufgenommene Bild auswertet, um daraus die zugehörige Restgardauer zu bestimmen. Es ist eine Weiterbildung, dass der Vorhersagealgorithmus das zu dem bestimmten Bildaufnahmezeitpunkt aufgenommene Bild und mindestens ein zuvor aufgenommenes Bild auswertet, um daraus die zugehörige Restgardauer zu bestimmen. Die Auswertung kann beispielsweise eine grundsätzlich bekannte Bestimmung eines Bräunungsgrads, eines Farbwechsels, einer Volumenänderung, einer Formänderung, usw. umfassen.

Jedoch ist das Verfahren grundsätzlich unter Verwendung jeglicher - auch nichtbildgebender - Sensoren durchführbar, wenn anhand der Messdaten mindestens eines solchen Sensors eine Restgardauer eines Garvorgangs berechnet werden kann.

Es ist eine Ausgestaltung, dass der Vorhersagealgorithmus einen Algorithmus zum Bestimmen eines Bräunungsgrads von Gargut umfasst. Solche Vorhersagealgorithmen sind grundsätzlich bekannt und bestimmen typischerweise einen Ist-Bräunungsgrad des Garguts aus mindestens einem mittels mindestens einer Kamera aufgenommenen Bild (d.h., aus einem Einzelbild oder einer Bildfolge), wobei die aktuell vorhergesagte Restgardauer Prog (t) aus einer Abweichung des aktuellen Ist-Bräunungsgrads zu einem Soll- Bräunungsgrad bestimmt wird. Die Aufgabe wird auch gelöst durch ein Verfahren zum Verbessern einer Einstellung eines Vorhersagealgorithmus zum Bestimmen einer Restgardauer eines Garvorgangs von Gargut in einem Haushaltsgargerät, wobei der Vorhersagealgorithmus mindestens einen variierbaren Einstellparameter umfasst, der das Bestimmen der Restgardauer beeinflusst, und wobei bei dem Verfahren

(a) ein jeweiliges Qualitätsmaß für eine Gruppe mit mehreren unterschiedlichen Gargütern gleicher Art gemäß dem Verfahren wie oben beschrieben bestimmt wird,

(b) eine Reihenfolge der unterschiedlichen Gargüter sortiert nach dem zugehörigen Qualitätsmaß aufgestellt wird,

(c) für die unterschiedlichen Gargüter jeweils ein Übereinstimmungsmaß zwischen einem zum durch den Vorhersagealgorithmus vorhergesagten Garzeitende vorliegenden Gargutstand zu dem zum realen Garzeitende vorliegenden Soll-Gargutstand bestimmt wird,

(d) eine weitere Reihenfolge der unterschiedlichen Gargüter sortiert nach dem zugehörigen Übereinstimmungsmaß aufgestellt wird,

(e) überprüft wird, ob eine Maximalzahl von Variationen des Satzes von Werten des mindestens einen variierbaren Einstellparameters überschritten ist, und falls nicht,

(f) der Satz von Werten variiert wird und

(g) erneut ein jeweiliges Qualitätsmaß für die Gargüter bestimmt wird, insbesondere gemäß Schritt (a), und folgend die Schritte (b) bis (e) erneut durchgeführt werden, falls doch,

(h) derjenige Satz von Werten als der am besten passende Satz von Werten festgelegt wird, dessen in Schritt (b) zumindest nach dem Qualitätsmaß bestimmte bzw. sortierte Reihenfolge mit der in Schritt (d) nach dem Übereinstimmungsmaß bestimmten Reihenfolge am besten übereinstimmt.

Das Verfahren kann analog zu dem zuvor beschriebenen Verfahren ausgebildet werden und weist die gleichen Vorteile auf. Insbesondere kann so auch beurteilt werden, unter welchen Werten von Einstellparametern des Vorhersagealgorithmus dieser die beste Vorhersage der Restgardauer für eine ganze Gruppe unterschiedlicher Gargüter gleicher Art gibt. Das Verfahren zum Verbessern der Einstellung der Vorhersagealgorithmus entspricht also insbesondere einem Verfahren zum Bestimmen bzw. Nutzen verbesserter bzw. optimierter Einstellparameter des Vorhersagealgorithmus. Der mindestens eine Einstellparameter hat einen Einfluss auf die vorhergesagte Restgardauer bzw. der Prognosegenauigkeit bzw. den Vorhersagefehler und damit die Qualitätszahl Q. Dass der Vorhersagealgorithmus einen variierbaren Einstellparameter umfasst, bedeutet insbesondere, dass dieser Einstellparameter gezielt auf einen bestimmten Wert aus einer Menge von Werten einstellbar ist, z.B. weil der Vorhersagealgorithmus entsprechend programmierbar ist.

Unter "unterschiedlichen Gargütern gleicher Art" werden insbesondere Gargüter verstanden, die in Bezug auf ihre Grundzusammensetzung aus Nutzersicht als gleichartig bzw. typischerweise durch einen Nutzer als zu einer gleichen Speisengruppe gehörig angesehen werden, sich aber in Zutatendetails unterscheiden. Unter Gargütern gleicher Art können beispielsweise

- Pizza,

- Lasagne,

- Brotteig,

- Aufbackbrötchen,

- Kuchen,

- Auflauf,

- Kartoffelprodukte, verstanden werden. Unterschiedliche Gargüter gleicher Art könnten im Fall von Pizza beispielsweise Pizzen mit unterschiedlichem Belag sein, z.B. Pizza Salami, Pizza Hawaii, Pizza Funghi, usw. Der jeweilige Garvorgang kann sich leicht unterscheiden, z.B. einen Heißluftbetrieb bei 200 °C für 11 min für Pizza Funghi und einen Heißluftbetrieb bei 220 °C für 13 min bei Pizza Salami umfassen. Der Vorhersagealgorithmus ist dann insbesondere dazu ausgelegt, eine Restgardauer für die Pizzen vorherzusagen, ohne die genaue Art der Pizza (Salami, Hawaii, Funghi, usw.) zu kennen. Dass es sich um eine Pizza handelt, kann dem Vorhersagealgorithmus z.B. durch einen Nutzer mitgeteilt worden sein oder automatisch, z.B. durch Objekterkennung, ermittelt worden sein.

Das Aufstellen der Reihenfolge der unterschiedlichen Gargüter sortiert nach dem zugehörigen Qualitätsmaß Q kann z.B. in aufsteigender Reihenfolge von einem kleinsten Wert von Q (z.B. für Pizza Salami) zu einem größten Wert von Q (z.B. für Pizza Hawaii) oder in absteigender Reihenfolge von einem größten Wert zu einem kleinsten Wert geschehen.

Das "Übereinstimmungsmaß" entspricht einer Einschätzung, wie gut der Garzustand zu dem durch den Vorhersagealgorithmus vorhergesagten bzw. bestimmten Garzeitende mit dem gewünschten Soll-Garzustand (d.h., dem Garzustand zum realen Garzeitende) übereinstimmt. Diese Einschätzung kann beispielsweise durch Experten oder Nutzer oder automatisch, z.B. durch Nutzung einer Kl -Methode, vorgenommen werden. Beispielsweise kann festgestellt werden, dass der Garzustand zu dem durch den Vorhersagealgorithmus vorhergesagten bzw. bestimmten Garzeitende gegenüber dem gewünschten Soll- Garzustand noch weit / merklich / ein wenig zu ungar oder weit / merklich / ein wenig übergar ist. Das Übereinstimmungsmaß kann insbesondere eine Klassifizierung in zwei oder mehr Klassen darstellen. Die Klassifizierung kann beispielsweise in Form einer diskreten Skala erfolgt (z.B. Schulnoten wie 1 bis 6, A bis F, usw.). Innerhalb einer Stu- fe/Klasse (z.B: Sehr Gut, 1 , A, ...) wird in einer Weiterbildung nicht weiter unterschieden bzw. klassifiziert oder sortiert. Ein Unterschied bzw. "Abstand" zwischen kann beispielsweise durch Kreuzentropie bestimmt werden.

Das Aufstellen der Reihenfolge der unterschiedlichen Gargüter sortiert nach dem zugehörigen Übereinstimmungsmaß kann z.B. von einer besten Übereinstimmung (z.B. für Pizza Salami) zu einer schlechtesten Übereinstimmung (z.B. für Pizza Hawaii) oder umgekehrt von einer schlechtesten Übereinstimmung zu einer besten Übereinstimmung geschehen.

Die Maximalzahl p_max von Variationen des Satzes von Werten kann durch einen Anwender des Verfahrens vorgegeben sein oder durch Erfüllen eines bestimmten Kriteriums erreicht werden.

Das Variieren der Werte der Sätze kann das Variieren eines Werts eines oder mehrerer Einstellparameter umfassen. Es ist eine Weiterbildung, dass die konkreten Werte der Sätze von Werten durch einen Anwender des Verfahrens vorgegeben werden. Es ist eine Weiterbildung, dass die konkreten Werte der Sätze von Werten für alle Einstellparameter variiert werden, z.B. durchkommutiert oder -permutiert, werden. Schritt (h) nutzt die Tatsache aus, dass für die m unterschiedlichen Gargüter gleicher Art zwei Reihenfolgen oder Sortierungen für jeden Satz von Werten der Einstellparameter vorliegen, nämlich eine Reihenfolge, bei der das berechnete Qualitätsmaß die Positionen der einzelnen Gargüter in der Reihenfolge bestimmt, und eine weitere Reihenfolge bei der eine "qualitative" Übereinstimmung mit dem Soll-Garzustand die Positionen der einzelnen Gargüter in der Reihenfolge anhand des Übereinstimmungsmaßes bestimmt wird. Stimmen die Reihenfolgen überein, ist dies ein starker Hinweis darauf, dass der Vorhersagealgorithmus eine gute Vorhersage des realen Gargutzustands liefert. Je geringer die Übereinstimmung in den Reihenfolgen ist, desto geringer ist die Wahrscheinlichkeit, dass der Vorhersagealgorithmus eine gute Vorhersage des realen Gargutzustands liefert.

Bei dem Verfahren ist die Reihenfolge der Schritte nicht auf die oben beschriebene Reihenfolge beschränkt.

Es ist eine Weiterbildung, dass für den Fall, dass die Maximalzahl p_max von Variationen durch Erfüllen eines bestimmten Kriteriums erreicht wird, Schritt (e) dergestalt ausgebildet wird, dass (als das Kriterium) überprüft wird, ob mindestens ein Qualitätsmaß (beispielsweise der größte Wert des Qualitätsmaßes) für die zuletzt durchgeführte Iteration bzw. Variation eine vorgegebene Größe unterschritten hat oder nicht.

Der verwendete Vorhersagealgorithmus ist vorteilhafterweise ein bildbasierter Vorhersagealgorithmus.

Es ist eine Ausgestaltung, dass derjenige Satz von Werten als der am besten passende Satz von Werten festgelegt wird, dessen nur nach dem Qualitätsmaß sortierte Reihenfolge mit der aus dem Übereinstimmungsmaß bestimmten Reihenfolge am besten übereinstimmt. Dies ist vorteilhafterweise besonders einfach durchführbar. Eine beste Übereinstimmung kann z.B. die Zahl der gleichen Plätze in der Reihenfolge usw. umfassen, wobei dann z.B. die beste Übereinstimmung für denjenigen Satz von Werten vorliegt, der die höchste Zahl an übereinstimmenden Plätzen aufweist. Die kann beispielsweise durch Kreuzentropie bestimmt werden.

Es ist eine Ausgestaltung, dass derjenige Satz von Werten als der am besten passende Satz von Werten in folgenden Schritten festgelegt wird: - Bestimmen von p > 2 Sätzen von Werten, deren nach dem Qualitätsmaß sortierte Reihenfolge mit der aus dem Übereinstimmungsmaß bestimmten Reihenfolge am besten übereinstimmt,

- die diesen Sätzen zugehörigen Verläufe der vorhergesagten Restgardauer bzw. Vorhersagekurven anhand mindestens eines Kurvenkriteriums beurteilt werden

- derjenige Satz von Werten als der am besten passende Satz von Werten festgelegt wird, für den das mindestens eine Kurvenkriterium das beste Ergebnis liefert.

Dadurch wird der Vorteil erreicht, dass die Werte des mindestens einen Einstellparameters zusätzlich und insbesondere nachrangig zu dem Qualitätsmaß auch noch anhand anderer automatisch bestimmbarer Kurvenkriterien optimiert werden können. Das Kurvenkriterium ist insbesondere ein Kriterium für eine Übereinstimmung der Vorhersagekurve mit der "realen" Geraden 0_reai (t) = 0_reai,end - 1. Diese Kurvenkriterien umfassen nicht das oben beschriebene Qualitätsmaß.

Es ist eine Ausgestaltung, dass das mindestens eine Kurvenkriterium die Abweichung bzw. Differenz zwischen dem durch den Vorhersagealgorithmus erreichten Garzeitende und dem realen Garzeitende umfasst, z.B. ausgedrückt durch t_pro_g,end - t_reai,end (oder umgekehrt). Dabei liefert das Kurvenkriterium ein umso besseres Ergebnis, je geringer die absolute Differenz ist, was bedeutet, dass der Vorhersagealgorithmus umso besser eingestellt ist, je geringer die absolute Differenz ist. Es ist eine Weiterbildung, dass der Vorhersagefehler vorzeichensensitiv betrachtet wird, weil so vorteilhafterweise zwischen llnter- und Übergaren unterschieden werden kann. Dabei kann insbesondere gelten, dass der Vorhersagealgorithmus für die gleiche absolute Differenz besser eingestellt, wenn ein Untergaren vorliegt, als wenn ein Übergaren vorliegt. Es ist jedoch auch eine Weiterbildung, dass nur der absolute zeitliche Fehler betrachtet wird.

Es ist eine Ausgestaltung, dass das mindestens eine Kurvenkriterium einen durchschnittlichen - insbesondere absoluten - Fehler der zu den unterschiedlichen Zeitpunkten vorliegenden realen Restgardauern zu den dann durch den Vorhersagealgorithmus vorhergesagten Restgardauern umfasst, d.h., wie groß der durchschnittliche absolute Vorhersagefehler

für alle tj mit i = 1 , 2, 3, n ist. Typischerweise liefert der durchschnittliche absolute Vorhersagefehler ein umso besseres Ergebnis, je geringer sein Wert ist.

Es ist eine Ausgestaltung, dass das mindestens eine Kurven Kriterium einen maximalen Vorhersagefehler A0_max mit

für alle tj umfasst. Typischerweise liefert der maximale Vorhersagefehler A0_max ein umso besseres Ergebnis, je geringer sein Wert ist.

Es ist eine Ausgestaltung, dass das mindestens eine Kurvenkriterium ein monotones, insbesondere streng monotones, Fallen der Vorhersagekurve umfasst, d.h., ob die Kurve eine stetige Abnahme der Restgarzeit, oder zumindest kein Wiederansteigen, zeigt. Denn es hat sich gezeigt, dass es für einen Nutzer verwirrend ist, wenn die vorhergesagten Restgarzeiten über einen merklichen Zeitraum nicht abnehmen oder sogar wieder zunehmen, und zwar fast unabhängig davon, wie oft dies geschieht wird. Dies Ausgestaltung kann beispielsweise so umgesetzt sein, dass gezählt wird, wie oft eine vorhergesagte Restgarzeit im Vergleich zu der zuvor berechneten Restgarzeit ansteigt. Alternativ oder zusätzlich kann diese Ausgestaltung so umgesetzt sein, dass nachgehalten wird, für wie lange die vorhergesagte Restgarzeit wiederansteigend vorhergesagt wird.

Es ist eine Weiterbildung, dass der Fehler ein prozentualer Fehler ist, insbesondere in Bezug auf das reale Garzeitende.

Die Aufgabe wird zudem gelöst durch ein Haushaltsgerät, insbesondere Haushaltsgargerät, wobei das Haushaltsgerät dazu eingerichtet ist, ein Verfahren wie oben beschrieben durchzuführen. Das Haushaltsgerät kann analog zu den zuvor beschriebenen Verfahren ausgebildet werden und weist die gleichen Vorteile auf. Ein weiterer Vorteil besteht darin, dass ein Nutzer des Haushaltsgargeräts selbst den Vorhersagealgorithmus mittels des Verfahrens zum Verbessern einer Einstellung des Vorhersagealgorithmus verbessern kann, z.B. für bisher nicht implementierte Arten von Gargütern, für zusätzliche Gargüter einer gleichen Art von Gargütern und/oder auf einen individuell festgelegten Gargutzustand (z.B. besonders knusprig). Dies ist besonders einfach umsetzbar, wenn der Vorhersagealgorithmus ein bildbasierter Vorhersagealgorithmus ist, wobei das Haushaltsgargerät dann insbesondere eine Garraumkamera aufweist oder mit einer solchen gekoppelt ist. Beispielsweise können ab Werk für bestimmte Arten von Gargütern bzw. Gargutgruppen mittels des Verfahrens optimierte Einstellparameter bzw. jeweilige Sätze von optimierten Werten davon vorgehalten werden. Der Nutzer kann in einer Weiterbildung in einen "Optimierungsmodus" wechseln, um das Verfahren im obigen Sinne individuell an seine Bedürfnisse anzupassen.

Die Aufgabe wird zudem gelöst durch ein Haushaltsgerät, insbesondere Haushaltsgargerät, wobei in dem Haushaltsgerät ein Vorhersagealgorithmus zum Bestimmen einer Restdauer eines Betriebsablaufs, insbesondere Restgardauer eines Garvorgangs von Gargut, implementiert ist, wobei der Vorhersagealgorithmus gemäß dem entsprechenden obigen Verfahren eingestellt worden ist.

Die Aufgabe wird außerdem gelöst durch ein Haushaltsgerät, insbesondere Haushaltsgargerät, wobei das Haushaltsgerät dazu eingerichtet ist, mittels eines Vorhersagealgorithmus eine Restdauer, insbesondere Restgardauer, eines auf dem Haushaltsgargerät ablaufenden Betriebsablaufs, insbesondere Behandlungsablaufs, insbesondere Garvorgangs von Gargut, zu bestimmen, wobei der Vorhersagealgorithmus mindestens einen variierbaren Einstellparameter umfasst, der mittels des obigen Verfahrens zum Verbessern einer Einstellung eines Vorhersagealgorithmus eingestellt worden ist. Ein solches Haushaltsgerät weist beispielsweise den Vorteil auf, dass ein Nutzer eine verbesserte Vorhersage der Restgardauer für unterschiedliche Gargüter gleicher Art erhält, wobei insbesondere die Wahrscheinlichkeit eines merklichen Übergarens verringert wird und damit ein Garergebnis verbessert werden kann.

Wie grundsätzlich bekannt, kann durch das Haushaltsgargerät mit Erreichen des Endes des Garvorgangs bei abgelaufener Restgardauer (d.h., bei einer Restgardauer gleich null) mindestens eine Aktion automatisch ausgelöst werden, z.B. eine Nachricht an einen Nut- zer ausgegeben wird, die Einbringung von Heizleistung gestoppt wird, eine Garraumtür geöffnet wird, in einen Warm haltevorgang übergegangen wird, usw.

Die Aufgabe wird ferner gelöst durch ein System mit einem Haushaltsgerät, insbesondere Haushaltsgargerät, insbesondere wie oben beschrieben, und einer damit datentechnisch gekoppelten externen Datenverarbeitungsinstanz, wobei das System dazu eingerichtet ist, das Verfahren wie oben beschrieben durchzuführen. Dies ergibt den Vorteil, dass bei mindestens gleicher Funktionalität wird bei dem Haushaltsgerät wie oben beschrieben eine in dem Haushaltsgerät vorgehaltene Rechenleistung verringert werden kann. Auch wird es einem Nutzer so ermöglicht, mit externen Experten zusammenzuarbeiten, um das oder die Verfahren durchzuführen, z.B. im Rahmen eines Serviceangebots des Herstellers des Haushaltsgeräts.

Die oben beschriebenen Eigenschaften, Merkmale und Vorteile dieser Erfindung sowie die Art und Weise, wie diese erreicht werden, werden klarer und deutlicher verständlich im Zusammenhang mit der folgenden schematischen Beschreibung eines Ausführungsbeispiels, das im Zusammenhang mit den Zeichnungen näher erläutert wird.

Fig.1 zeigt einen möglichen Ablauf eines Verfahrens zum Bestimmen eines Qualitätsmaßes eines Vorhersagealgorithmus zum Bestimmen einer Restgardauer während eines Garvorgangs von Gargut in einem Haushaltsgargerät;

Fig.2 zeigt als Auftragung einer Restgardauer gegen eine Gardauer in beliebigen Zeiteinheiten einen Verlauf einer realen Restgardauer und einen Verlauf einer prognostizierten Restgardauer;

Fig.3 zeigt eine zu Fig.3 analoge Auftragung mit einem im Vergleich zu Fig.2 unterschiedlichen Verlauf der prognostizierten Restgardauer;

Fig.4 zeigt eine Auftragung von Gewichtsfaktoren über die Vorhersagefehler A0 für drei unterschiedliche Zeitpunkte eines Garvorgangs; und

Fig.5 zeigt einen möglichen Ablauf eines Verfahrens zum Verbessern einer Einstellung eines Vorhersagealgorithmus zum Bestimmen einer Restgardauer während eines Garvorgangs von Gargut in einem Haushaltsgargerät.

Fig.1 zeigt einen möglichen Ablauf eines Verfahrens zum Bestimmen eines Qualitätsmaßes Q eines Vorhersagealgorithmus zum Bestimmen einer Restgardauer während eines Garvorgangs unter Garen von Gargut G in einem Haushaltsgargerät in Form eines Ofens 1 , insbesondere Backofens. Das hier als Pizza angedeutete Gargut G ist in einen Garraum 2 des Ofens 1 eingebracht worden, dessen Beschickungsöffnung mittels einer frontseitigen Tür 3 verschließbar ist. Im Bereich einer Decke einer den Garraum 2 umschließenden Muffel 4 befindet sich eine Kamera 5, insbesondere Digitalkamera, insbesondere digitale Farbkamera, welche Bilder aus dem Garraum 2 aufnehmen kann und dabei insbesondere Bilder des Garguts G von oben oder schräg oben aufnehmen kann. Die Kamera 5 ist mit einer Datenverarbeitungseinheit, insbesondere Steuereinheit 6, verbunden, welche wiederum mit einer einen Bildschirm 7 aufweisenden Nutzerschnittstelle 8, z.B. Bedienblende, verbunden ist. Die Nutzerschnittstelle 8 kann beispielsweise einen berührungsempfindlichen Bildschirm oder "Touchscreen" aufweisen. Von der Kamera 5 aufgenommene Bilder können von der Steuereinheit 6 verarbeitet und an die Nutzerschnittstelle 8 übertragen werden, um bei Bedarf auf dem Bildschirm 7 angezeigt zu werden. Alternativ oder zusätzlich können die Bilder über ein Kommunikationsmodul 9 wie eine Ethernet- Modul, WLAN-Modul, Bluetooth-Modul usw. an mindestens eine externe Datenverarbeitungsinstanz wie eine mobiles Nutzerendgerät wie ein Smartphone EXT-1 , Tablet-PC usw. und/oder an einer Netzwerkserver EXT-2, Cloudrechner usw., insbesondere eines Herstellers des Ofens 1 , übertragen werden. Die Steuereinheit 6 kann auch dazu eingerichtet, z.B. programmiert, sein, das bzw. die im Folgenden beschriebene(n) Verfahren ablaufen zu lassen. Alternativ oder zusätzlich kann dazu die externe Datenverarbeitungsinstanz EXT-1 , EXT-2 verwendet werden, die dann mit dem Ofen 1 ein entsprechendes System bildet. Insbesondere kann das bzw. die Verfahren verteilt in dem System durchgeführt werden, also z.B. teilweise an dem Ofen 1 einer Nutzers und teilweise an der externen Datenverarbeitungsinstanz EXT-1 , EXT-2. Die Steuereinheit 6 kann ferner dazu eingerichtet sein, Garabläufe zu steuern.

Der Vorhersagealgorithmus kann insbesondere ein Algorithmus zum Bestimmen eines Ist- Bräunungsgrad des Garguts G aus mindestens einem mittels der Kamera 5 aufgenommenen Bild des Garguts G umfassen, wobei die aktuelle vorhergesagte Restgardauer öprog (t) aus einer Abweichung des aktuellen Ist-Bräunungsgrads zu einem Soll- Bräunungsgrad bestimmt wird. Der Vorhersagealgorithmus kann in der Steuereinrichtung 6 implementiert sein, z.B. durch eine entsprechende Programmierung. Das Verfahren zum Bestimmen des Qualitätsmaßes kann beispielsweise bei einem Hersteller des Ofens, z.B. in einem Labor, aber auch zu Hause bei einem Nutzer durchgeführt werden.

In einem Schritt S1 wird der Garraum 2 mit dem Gargut G beschickt und ein Garvorgang gestartet, ggf. nach einem vorherigen Vorheizen.

In einem Schritt S2 wird ein Bild des Garraums 2 und damit einer Oberfläche des Garguts G mittels der Kamera 5 aufgenommen und an die Steuereinheit 6 übertragen. Sie können z.B. in der Steuereinheit 6 und/oder der geräteexternen Instanz gespeichert werden.

In einem Schritt S3 wird überprüft, ob eine vorgegebene Ablaufdauer für das Verfahren erreicht ist oder nicht. Diese Ablaufdauer ist insbesondere so gewählt, dass alle möglichen Garzustände des Garguts G durchlaufen werden und durch die Kamera 5 fotografiert werden. Insbesondere ist die Ablaufdauer so gewählt, dass sie länger dauert als die längste praktisch nutzbare Gardauer. Dies gibt den Vorteil, dass alle realistischerweise möglichen Garzustände des Garguts G z.B. bis hin zu sehr starken Bräunungen, "very well done", usw. in den Bildern erkennbar sind. Die vorgegebene Ablaufdauer kann sogar so lang bemessen sein, dass an ihrem Ende das Gargut G nicht mehr verzehrbar ist, z.B. weil es praktisch verbrannt oder stark überkocht ist.

Ist dies nicht der Fall ("N"), wird zu Schritt S2 zurückgekehrt und ein neues Bild aufgenommen, insbesondere eine vorgegebene Zeitdauer nach dem zuletzt aufgenommenen Bild, z.B. alle 10 s. Somit ergibt sich insbesondere eine Folge von in regelmäßigen Zeitabständen aufgenommenen Bildern.

Ist dies jedoch der Fall ("J"), wird in Schritt S4 aus den aufgenommenen Bildern bzw. der aufgenommenen Bildfolge das reale Garzeitende t_reai,end bestimmt, z.B. durch Expertenurteil oder Urteil eines Nutzers. Daraus lässt sich die reale Restgardauer 0_reai (tj) zu bestimmten Bildaufnahmezeitpunkten tj gemäß 0_reai (tj) = t_reai,end - 1 berechnen.

In einem Schritt S5 werden die Bilder in der aufgenommenen Reihenfolge nacheinander einem Vorhersagealgorithmus bereitgestellt, welcher daraus für die jeweiligen Bildaufnahmezeitpunkte tj eine vorhergesagte Restgardauer 0_prOg (tj) bestimmt, und zwar so Ian- ge, bis zu einem Endzeitpunkt t_Pr_Og,end die Restgardauer 0_prOg auf null abgefallen ist. Die Auftragung der Folge der n vorhergesagten Restgardauern 0_prOg (tj) über die entsprechenden Bildaufnahmezeitpunkte tj=i = 0 bis tj=_n = t_prOg,end ergibt die zugehörige Vorhersagekurve.

Die Schritte S4 und S5 können in beliebiger Reihenfolge und auch gleichzeitig durchgeführt werden.

In einem auf die Schritte S4 und S5 folgenden Schritt S6 wird für die Bildaufnahmezeitpunkte tj ein jeweiliger absoluter Prognose- bzw. Vorhersagefehler |A0 (tj)| zwischen der durch den Vorhersagealgorithmus vorhergesagten Restgardauer 0_prOg (tj) und der realen Restgardauer 0_reai (tj) bestimmt, hier z.B. ausgedrückt als |A0 (tj)| = |0_reai (tj) - 0_prOg (tj)|. Der letzte dazu betrachtete Bildaufnahmezeitpunkt tj entspricht t_prOg,end.

In einem Schritt S7 wird das Qualitätsmaß Q gemäß

als Summe von mit jeweiligen Gewichtsfaktoren y (tj) gewichteten absoluten Prognosefehlern über die betrachteten Bildaufnahmezeitpunkt tj berechnet, wobei die Gewichtsfaktoren Y (ti) mit fortschreitender Dauer des Garvorgangs bzw. mit fortschreitenden Bildaufnahmezeitpunkten tj größer werden.

Fig.2 zeigt als Auftragung einer Restgardauer 0 gegen eine Gardauer t in beliebigen Zeiteinheiten für einen bestimmten Garvorgang einen Verlauf der realen Restgardauer 0_reai (t) und einen Verlauf der prognostizierten bzw. vorhergesagten Restgardauer 0_prOg (t). Der Verlauf der realen Restgardauer 0_reai (t) entspricht einer linear abfallenden Geraden mit 0re_al (t ^— 0) ^— tre_a|,end Und 0re_al (t ^— tre_a|,end) ^— 0.

Außerdem eingezeichnet ist ein sog. "AET"-Faktor, der angibt, welcher zeitliche Anteil bis zum Erreichen des realen Garzeitendes t_reai,end noch verbleibt: Bei AET = 1 zum Zeitpunkt t = 0 verbleibt noch die volle Zeitdauer, bei AET = 0,5 ist die Hälfte der Zeit bis zum Errei- chen des realen Garzeitendes t_reai,end vergangen und bei AET = 0 ist das reale Garzeitende tretend erreicht.

Die Verläufe von 0_reai (t) und 0_prOg (t) stimmen zunächst praktisch überein, bis kurz vor t_re- ai.end öprog (t) merklich größer wird als 0_reai (t). Damit liegt das durch den Vorhersagealgorithmus vorhergesagte bzw. bestimmte Garzeitende tp_rOg,end merklich hinter dem realen Garzeitende t_reai,end, was nachteilig ist, da die Gefahr eines Übergarens steigt. Der Vorhersagefehler |A0 (tj)| kann auch für den Zeitraum ]t_reai,end; tp_rOg,end] betrachtet werden, wobei dann 0_reai (t) für diese Phase negativ weitergeführt werden kann.

Fig.3 zeigt eine zu Fig.2 analoge Auftragung mit einem im Vergleich zu Fig.2 unterschiedlichen Verlauf der prognostizierten Restgardauer 0_prOg (t). 0_prog (t) ist zwischen ART = 0 und kurz hinter AET = 0,5 z.T. erheblich größer als 0_reai (t), d.h., dass die prognostizierte Restgardauer 0p_rOg (t) für diesen Zeitraum ein z.T. weit hinter dem realen Garzeitende t_re- ai.end liegendes Garzeitende tp_rog,end vorhersagt. Kurz hinter ART = 0,5 werden durch den Vorhersagealgorithmus dann Restgardauern 0p_rog (t) vorhergesagt, die merklich kleiner sind als die realen Restgardauern 0_reai (t). Jedoch nähern sich kurz vor dem realen Garzeitende t_reai,end die Restgardauern 0_prog (t) und 0_reai (t) an, so dass dann das durch den Vorhersagealgorithmus tatsächlich erreichte Garzeitende tp_rog,end sehr gut mit dem realen Garzeitende t_reai,end übereinstimmt.

Der durch den Verlauf der prognostizierten Restgardauer 0_prog (t) aus Fig.3 erreichte fertige Garzustand des Garguts G ist somit besser als der durch den Verlauf der prognostizierten Restgardauer 0_prog (t) aus Fig.2 erreichte fertige Garzustand, obwohl die absoluten Vorhersagefehler |A0(t)| = |0_reai (t) - 0_prog (t)| während des Garvorgangs für Fig.3 in Summe weitaus größer sind als für Fig.2.

Würde somit nur die Summe bzw. das Integral der absoluten Vorhersagefehler |A0(t)| als Qualitätskriterium verwendet, würde sich eine falsche Einschätzung der Qualität ergeben, da dann die Qualität des Fig.2 zugrundeliegenden Vorhersagealgorithmus als besser angesehen würde als die Qualität des Fig.3 zugrundeliegenden Vorhersagealgorithmus, obwohl der Fig.3 zugrundeliegende Vorhersagealgorithmus das reale Garzeitende t_reai,end besser trifft. Dieser Nachteil lässt sich dadurch verringern, dass die in Schritt S7 angesetzten Gewichtsfaktoren Y (ti) beispielhaft mit fortschreitender Gardauer t größer werden. Dadurch wird erreicht, dass zu Beginn des Garvorgangs auftretende Abweichungen A0(t) leichter gewichtet werden als gegen Ende des Garvorgangs auftretende Abweichungen A0(t). Dies entspricht auch der praktischen Vorstellung, dass es zu Beginn eines Garvorgangs weniger wichtig ist, ob eine Vorhersagegenauigkeit hoch ist, als gegen Ende des Garvorgangs. Bezüglich Fig.2 und Fig.3 würden die in Fig.2 gezeigten Vorhersagefehler A0(t) stärker gewichtet bzw. ins Gewicht fallen als die Vorhersagefehler in Fig.3. Insbesondere würden die Vorhersagefehler A0(t) in Fig.3 vor ca. AET = 0,5 besonders gering gewichtet. Je nach Festsetzung der Gewichte kann so erreicht werden, dass der Vorhersagealgorithmus für Fig.3 ein kleineres Qualitätsmaß Q ergibt als für Fig.2 und damit für den Vorhersagealgorithmus aus Fig.3 eine bessere Qualität als für den Vorhersagealgorithmus aus Fig.2.

Die Korrelation zwischen dem Qualitätsmaß Q und der Eignung des Vorhersagealgorithmus zum Vorhersagen der Restgardauer 0p_rog lässt sich noch weiter verbessern, indem der Gewichtsfaktor y (tj) für einen bestimmten Bildaufnahmezeitpunkt tj größer ist, wenn die durch den Vorhersagealgorithmus erkannte Restgardauer 0_prOg (tj) größer ist als die reale Restgardauer 0_reai (ti), also das dann vorhergesagte Garzeitende t_prog,end (ti) zeitlich hinter dem realen Garzeitende t_reai,end liegt, als wenn die durch den Vorhersagealgorithmus vorhergesagte Restgardauer 0_prog (tj) kleiner ist als die reale Restgardauer 0_reai (tj), also das vorhergesagte Garzeitende tp_rOg,end (tj) zeitlich vor dem realen Garzeitende t_reai,end liegt. Dies kann für alle Bildaufnahmezeitpunkte tj oder für alle Bildaufnahmezeitpunkte tj ab einem bestimmten Bildaufnahmezeitpunkte tj gelten, insbesondere für alle Bildaufnahmezeitpunkte tj > 0.

Fig.4 zeigt eine Auftragung von Gewichtsfaktoren y (t) über den Vorhersagefehler A0 für drei unterschiedliche Zeitpunkte t eines Garvorgangs, nämlich für die Zeitpunkte AET = 1 [* t_reai,end] (Beginn des Garvorgangs), AET = 0,5 [* t_reai,end] (Hälfte des Garvorgangs) und AET = 0 [* t_reai,end] (Ende des Garvorgangs).

Für AET = 1 steigen die Werte der Gewichtsfaktoren y (t) mit steigendem Absolutwert |A0(t)| für A0(t) > 0 (rechter Zweig ab t = 0) und für A0(t) < 0 (linker Zweig ab t = 0) gleich stark an, und zwar zunächst z.B. parabolisch und folgend linear. Für AET = 0,5 steigen die Werte der Gewichtsfaktoren y (t) sowohl für A0(t) > 0 also auch für A0(t) < 0 zunächst parabolisch und folgend linear an, jedoch sind bei gleichem t die Gewichtsfaktoren y (t) größer, wenn A0(t) < 0 gilt, als wenn A0(t) > 0 gilt.

Für AET = 0 steigen die Werte der Gewichtsfaktoren y (t) sowohl für A0(t) > 0 also auch für A0(t) < 0 linear an, jedoch sind auch hier bei gleichem t die Gewichtsfaktoren y (t) größer, wenn A0(t) < 0 gilt, als wenn A0(t) > 0 gilt.

Fig.4 zeigt ferner, dass der Unterschied Ay (t) der Gewichtsfaktoren y (t) zwischen beiden Zweigen für einen bestimmten Zeitpunkt t umso größer ist, je größer t wird bzw. je weiter der Garvorgang fortschreitet bzw. je kleiner die Restgardauer wird. Dies kann auch so ausgedrückt werden, dass Ay (t) = y (t | A0 < 0) - y (t | A0 > 0) umso größer wird, je größer t wird. So ist beispielsweise der Unterschied Ay (t) der Gewichtsfaktoren y zwischen dem linken Zweig und dem rechten Zweig bei |A0| von z.B. 0,9 umso größer, je kleiner der AET-Faktor ist.

Fig.5 zeigt einen möglichen Ablauf eines Verfahrens zum Verbessern einer Einstellung eines Vorhersagealgorithmus zum Bestimmen einer Restgardauer während eines Garvorgangs zum Garen von Gargut in einem Haushaltsgargerät, speziell in dem Ofen 1. Der Vorhersagealgorithmus umfasst mindestens einen variierbaren Einstellparameter, der einen Einfluss auf die Bestimmung der Restgardauer hat.

Zu Beginn des Verfahrens wird mit einem bestimmte Satz von Werten des mindestens einen Einstellparameters analog zu den oben beschriebenen Schritt S1 bis S7 ein Qualitätsmaß Q bestimmt, und zwar jeweils für ein Gargut aus einer Gruppe mit m > 1 unterschiedlichen Gargütern gleicher Art. Rein beispielhaft sei angenommen, dass für m = 10 Pizzen mit unterschiedlichem Belag (z.B. Pizza Margherita, Pizza Funghi, Pizza, Salami, Pizza Hawaii, ...) ein jeweiliger Wert des Qualitätsmaßes Q (m = 1), Q (m = 2), .... bestimmt wird. Dies umfasst, dass für jede der m Pizzen eine entsprechende Bildfolge aufgenommen und abgespeichert worden ist und zudem t_reai,end (m) bestimmt worden ist.

In einem folgenden Schritt S8 wird eine Reihenfolge der unterschiedlichen Pizzen sortiert nach dem zugehörigen Wert des Qualitätsmaßes Q aufgestellt, z.B. in aufsteigender Rei- henfolge von kleinsten Q (z.B. für Pizza Salami) zu einem größten Q (z.B. für Pizza Hawaii).

In einem Schritt S9 wird ferner für die unterschiedlichen Pizzen jeweils ein Übereinstimmungsmaß zwischen einem zum durch den Vorhersagealgorithmus vorhergesagten Garzeitende tprog.end vorliegenden Gargutstand zu dem zum realen Garzeitende t_reai,end vorliegenden Soll-Gargutstand bestimmt. Diese Bestimmung kann beispielsweise durch Experten oder Nutzer vorgenommen werden, insbesondere durch Klassifizierung in zwei oder mehr Klassen wie z.B. t_Pr_Og,end = {viel zu unfertig / zu unfertig / etwas zu unfertig / gut übereinstimmend / etwas übergar / übergar / stark übergar} o.ä.

In einem Schritt S10 wird nun eine (weitere) Reihenfolge der unterschiedlichen Pizzen sortiert nach dem zugehörigen Übereinstimmungsmaß aufgestellt.

In einem Schritt S11 wird überprüft, ob eine Maximalzahl p_max von Variationen des Satzes von Werten des mindestens einen variierbaren Einstellparameters überschritten ist.

Ist dies nicht der Fall ("N"), wird in Schritt S12 der Satz von Werten variiert, dann die Schritte S5 bis S7 erneut durchgeführt und folgend zu Schritt S8 übergegangen. Dieser Ablauf berücksichtigt, dass die zum Berechnen von Q für die variierten Einstellungen benötigte Bildfolge bereits beim ersten Bestimmen von Q aufgenommen worden ist und auch das reale Garzeitende t_reai,end unverändert bleibt.

Mit erneuter Durchführung von Schritt S10 liegen dann zwei Reihenfolgen für den variierten Satz von Werten vor, nämlich sortiert nach Q und sortiert nach dem Übereinstimmungsmaß. Dies wird so lange wiederholt, bis die Maximalzahl p_max der Variationen überschritten ist und dann in Schritt S11 eine positives Ergebnis ("J") erhalten wird. In diesem Fall wird in einem Schritt S13 derjenige Satz von Werten als der am besten passende Satz von Werten festgelegt, dessen zumindest nach dem Qualitätsmaß Q bestimmte bzw. sortierte Reihenfolge mit der nach dem Übereinstimmungsmaß bestimmten Reihenfolge am besten übereinstimmt. Diese beste Übereinstimmung der beiden Reihenfolgen kann wiederum z.B. durch Expertenurteil oder Nutzerurteil oder automatisch bestimmt werden, z.B. durch eine geeignete Metrik wie eine Kreuzkorrelation. Dies kann in einer Variante derjenige Satz von Werten sein, dessen nur nach dem Qualitätsmaß sortierte Reihenfolge mit der qualitativ bestimmten Reihenfolge am besten übereinstimmt.

In einer anderen Variante wird der am besten passende Satz von Werten dadurch festgelegt, dass zunächst in Schritt 13a p > 2 Sätze von Werten, deren nach dem Qualitätsmaß sortierte Reihenfolge mit der qualitativ bestimmten Reihenfolge am besten übereinstimmt, ausgewählt werden, dann in Schritt 13b die den ausgesuchten Sätzen zugehörigen Vorhersagekurven anhand mindestens eines Kurvenkriteriums verglichen werden und in Schritt S13c derjenige Satz von Werten als der am besten passende Satz von Werten festgelegt wird, für den das mindestens eine Kurvenkriterium das beste Ergebnis ergibt.

Das mindestens eine Kurvenkriterium kann mindestens ein Kriterium aus der Gruppe

- Zeitlicher Fehler des durch den Vorhersagealgorithmus erreichten Garzeitendes zu dem realen Garzeitende,

- Durchschnittlicher Fehler des zu den unterschiedlichen Zeitpunkten durch den Vorhersagealgorithmus vorhergesagten Restgardauer und der dann vorliegenden realen Restgardauer (Durchschnittlicher Vorhersagefehler),

- Maximaler Fehler der zu den unterschiedlichen Zeitpunkten durch den Vorhersagealgorithmus vorhergesagten Restgardauer und der dann vorliegenden realen Restgardauer (Maximaler Vorhersagefehler),

- Monotones, insbesondere streng monotones, Abfallen der Vorhersagekurve bzw. Abweichen davon, umfassen.

Es ist eine Weiterbildung, dass der Fehler ein prozentualer Fehler ist, insbesondere in Bezug auf das reale Garzeitende.

Der am besten passende Satz von Werten kann folgend in die Steuereinrichtung 6 des Ofens 1 einprogrammiert werden, so dass der in der Steuereinrichtung 6 Vorhersagealgorithmus für die Lebensmittelart "Pizza" ein Garzeitende auch unterschiedlicher Pizzen mit hoher Zuverlässigkeit Vorhersagen und z.B. auf dem Bildschirm 7 anzeigen und/oder auf ein Nutzerendgerät übertragen kann. Auch kann die Steuereinrichtung 6 so einen Garvorgang präziser steuern, um ein gutes Gelingergebnis zu erhalten. Selbstverständlich ist die vorliegende Erfindung nicht auf das gezeigte Ausführungsbeispiel beschränkt. Allgemein kann unter "ein", "eine" usw. eine Einzahl oder eine Mehrzahl verstanden werden, insbesondere im Sinne von "mindestens ein" oder "ein oder mehrere" usw., solange dies nicht explizit ausgeschlossen ist, z.B. durch den Ausdruck "genau ein" usw.

Auch kann eine Zahlenangabe genau die angegebene Zahl als auch einen üblichen Tole- ranzbereich umfassen, solange dies nicht explizit ausgeschlossen ist.

Bezugszeichenliste

1 Ofen

2 Garraum

3 Tür

4 Muffel

5 Kamera

6 Steuereinheit

7 Bildschirm

8 Nutzerschnittstelle

9 Kommunikationsmodul

AET AET-Faktor

EXT-1 Smartphone

EXT-2 Netzwerkserver

G Gargut

Q Qualitätsmaß

S1-S13c Verfahrensschritte t Gardauer tj Bildaufnahmezeitpunkt tprog.end Vorhergesagtes Garzeitende treai,end Reales Garzeitende

A0 Vorhersagefehler

Y Gewichtsfaktor

0 Restgardauer öprog Vorhergesagte Restgardauer

0_reai Reale Restgardauer

Claims

Patentansprüche

1. Verfahren (S1-S7) zum Bestimmen einer Vorhersagequalität eines Vorhersagealgorithmus zum Bestimmen einer Restdauer (9p_rog) eines Betriebsablaufs, insbesondere Restgardauer eines Garvorgangs, in einem Haushaltsgerät (1), insbesondere Haushaltsgargerät (1), bei dem

- für mehrere Zeitpunkte (t, tj) des Garvorgangs ein jeweiliger absoluter Vorhersagefehler (A0) zwischen einer durch den Vorhersagealgorithmus vorhergesagten Restdauer (0_prog), insbesondere Restgardauer, und einer realen Restdauer (0_reai), insbesondere Restgardauer, bestimmt wird (S6) und

- ein Qualitätsmaß (Q) als Summe der mit jeweiligen Gewichtsfaktoren (y) gewichteten Vorhersagefehler (A0) berechnet (S7) wird, wobei

- sich die Gewichtsfaktoren (y) über den Verlauf des Betriebsablaufs, insbesondere Garzeitverlaufs, ändern.

2. Verfahren (S1-S7) nach Anspruch 1 , bei dem die Gewichtsfaktoren (y) mit fortschreitender Dauer (t) des Garvorgangs größer werden

3. Verfahren (S1-S7) nach einem der vorgehenden Ansprüche, bei dem der Gewichtsfaktor (y) für einen bestimmten Zeitpunkt (t, tj) größer ist, wenn die durch den Vorhersagealgorithmus vorhergesagte Restdauer (0_pro_g) größer als die reale Restdauer (0_re- ai) ist, als wenn die vorhergesagte Restdauer (0_prog) kleiner als die reale Restdauer (9real) ist.

4. Verfahren (S1-S7) nach einem der vorgehenden Ansprüche, bei dem ein Unterschied der Gewichtsfaktoren (y) bei positiven und negativen Vorhersagefehlern (A0) für einen bestimmten Zeitpunkt (t, tj) umso größer ist, je weiter der Betriebsablauf, insbesondere Garvorgang fortgeschritten ist.

5. Verfahren (S1-S7) nach einem der vorgehenden Ansprüche, bei dem

- während eines Betriebsablaufs in Form eines Garvorgangs zu jeweiligen Bildaufnahmezeitpunkten (tj) Bilder von Gargut (G) aufgenommen werden (S2), - aus der Menge der Bilder ein reales Garzeitende (t_reai,end) bestimmt wird (S4) und

- mittels des Vorhersagealgorithmus aus den Bildern zu den Bildaufnahmezeitpunkten (tj) gehörige vorhergesagte Restdauern in Form von Restgardauern (9p_rog) bestimmt werden (S5).

6. Verfahren (S1-S7) nach einem der vorgehenden Ansprüche, bei dem die Zeitpunkte (t, tj) einen Anfangszeitpunkt und einen Endzeitpunkt (t_prog,end) des durch den Vorhersagealgorithmus beendeten Garvorgangs umfassen.

7. Verfahren (S1-S7) nach einem der vorgehenden Ansprüche, bei dem der Vorhersagealgorithmus einen Algorithmus zum Bestimmen eines Bräunungsgrads von Gargut (G) umfasst und die vorhergesagte Restgardauer (0_Pro_g) aus einer Abweichung eines Ist-Bräunungsgrads zu einem Soll-Bräunungsgrad bestimmt wird.

8. Verfahren (S1-S13c) zum Verbessern einer Einstellung eines Vorhersagealgorithmus zum Bestimmen einer Restgardauer (0p_rog) eines Garvorgangs von Gargut (G) in einem Haushaltsgargerät (1), wobei der Vorhersagealgorithmus mindestens einen variierbaren Einstellparameter umfasst, der das Bestimmen der Restgardauer (0p_rog) beeinflusst, und wobei bei dem Verfahren

(a) ein jeweiliges Qualitätsmaß (Q) für eine Gruppe mit mehreren unterschiedlichen Gargütern (G) gleicher Art gemäß dem Verfahren nach einem der vorhergehenden Ansprüche bestimmt wird (S1-S7),

(b) eine Reihenfolge der unterschiedlichen Gargüter (G) sortiert nach dem zugehörigen Qualitätsmaß (Q) aufgestellt wird (S8),

(c) für die Gargüter (G) jeweils ein Übereinstimmungsmaß zwischen einem zum durch den Vorhersagealgorithmus vorhergesagten Garzeitende (tp_rog,end) vorliegenden Gargutstand zu dem zum realen Garzeitende (t_reai,end) vorliegenden Soll- Gargutstand bestimmt wird

(S9),

(d) eine weitere Reihenfolge der unterschiedlichen Gargüter (G) sortiert nach dem zugehörigen Übereinstimmungsmaß aufgestellt wird

(S10),

(e) überprüft wird, ob eine Maximalzahl (p_max) von Variationen (p) des Satzes von Werten des mindestens einen variierbaren Einstellparameters überschritten ist

(S11), und falls nicht, (f) der Satz von Werten variiert wird (S12) und

(g) erneut ein jeweiliges Qualitätsmaß (Q) für die Gargüter (G) bestimmt wird (S5- S7), insbesondere gemäß Schritt (a), und dann die Schritte (b) bis (e) erneut durchgeführt werden, falls doch

(h) derjenige Satz von Werten als der am besten passende Satz von Werten festgelegt wird, dessen in Schritt (b) zumindest nach dem Qualitätsmaß (Q) bestimmte Reihenfolge mit der in Schritt (d) nach dem Übereinstimmungsmaß bestimmten Reihenfolge am besten übereinstimmt (S13; S13a-S13c). Verfahren (S1 - S13c) nach Anspruch 8, bei dem derjenige Satz von Werten als der am besten passende Satz von Werten festgelegt wird, dessen nur nach dem Qualitätsmaß (Q) sortierte Reihenfolge mit der aus dem Übereinstimmungsmaß bestimmten Reihenfolge am besten übereinstimmt (S13). Verfahren (S1 - S13c) nach Anspruch 8, bei dem derjenige Satz von Werten als der am besten passende Satz von Werten in folgenden Schritten festgelegt wird:

- Bestimmen von p > 2 Sätzen von Werten, deren nach dem Qualitätsmaß (Q) sortierte Reihenfolge mit der aus dem Übereinstimmungsmaß bestimmten Reihenfolge am besten übereinstimmt (S13a),

- die diesen Sätzen zugehörigen Verläufe der vorhergesagten Restgardauer anhand mindestens eines Kurvenkriteriums beurteilt werden (S13b),

- derjenige Satz von Werten als der am besten passende Satz von Werten festgelegt wird, für den das mindestens eine Kurvenkriterium das beste Ergebnis liefert (S13c). Verfahren (S1 - S13c) nach Anspruch 10, bei dem das mindestens eine Kurvenkriterium mindestens ein Kriterium aus der Gruppe

- Abweichung zwischen dem durch den Vorhersagealgorithmus erreichten Garzeitende (tprog.end) und dem realen Garzeitende (t_reai,end),

- Durchschnittlicher absoluter Vorhersagefehler,

- Maximaler Vorhersagefehler,

- Monotones, insbesondere streng monotones, Abfallen der Vorhersagekurve umfasst.

12. Verfahren (S1 - S13c) nach Anspruch 11 , bei dem der Fehler ein prozentualer Fehler ist.

13. Haushaltsgerät (1), insbesondere Haushaltsgargerät, wobei das Haushaltsgerät (1) dazu eingerichtet ist, das Verfahren (S1-S7; S1-S13) nach einem der vorhergehenden Ansprüche durchzuführen.

14. Haushaltsgerät (1), wobei das Haushaltsgerät (1) ein Haushaltsgargerät ist und dazu eingerichtet ist, mittels eines Vorhersagealgorithmus eine Restgardauer (9p_rog) eines auf dem Haushaltsgargerät ablaufenden Garvorgangs von Gargut (Q) zu bestimmen, wobei der Vorhersagealgorithmus mindestens einen variierbaren Einstellparameter umfasst, der mittels des Verfahrens (S1-S13c) nach einem der Ansprüche 7 bis 11 eingestellt worden ist.

15. System (1 , EXT-1 , EXT-2) mit einem Haushaltsgerät (1), insbesondere Haushaltsgargerät, insbesondere nach einem der Ansprüche 13 bis 14, und einer damit datentechnisch gekoppelten externen Datenverarbeitungsinstanz (EXT-1 , EXT-2), wobei das System (1 , EXT-1 , EXT-2) dazu eingerichtet ist, das Verfahren (S1-S7; S1-S13c) nach einem der Ansprüche 1 bis 12 durchzuführen.