BR112019018300A2

BR112019018300A2 - Sistema e método para determinar padrões de falha de dados de sensor em processos de validação e fabricação de produtos

Info

Publication number: BR112019018300A2
Application number: BR112019018300-0A
Authority: BR
Inventors: Thurner Frank
Original assignee: Mts Consulting & Engineering Gmbh
Priority date: 2017-03-08
Filing date: 2018-03-06
Publication date: 2020-03-31
Also published as: EP3593302A1; MX2019010547A; JP7241708B2; DE102017104884A1; CN110603548A; ZA201905211B; RU2770297C2; RU2019129916A3; US20190392533A1; WO2018162481A1; KR20190123279A; CA3053998A1; DE102017104884B4; KR102505722B1; JP2020509521A; CN110603548B; AU2018232670A1; RU2019129916A

Abstract

trata-se de um método para monitorar pelo menos um processo e para determinar padrões de falha de falhas que ocorrem em pelo menos um processo, em que uma tabela de parâmetro com padrões de falha característicos é gerada para um número de processos parciais do pelo menos um processo, em que a tabela de parâmetro é gerada com base em dados históricos de sensor, em que os dados históricos de sensor descrevem um número de curvas históricas que têm pelo menos duas dimensões e são respectivamente atribuídas a um processo parcial, e em que as curvas históricas para cada processo parcial compreendem curvas históricas ok (ok) e curvas históricas nok (não ok), em que as curvas históricas nok representam processos parciais defeituosos.

Description

“SISTEMA E MÉTODO PARA DETERMINAR PADRÕES DE FALHA DE DADOS DE SENSOR EM PROCESSOS DE VALIDAÇÃO E FABRICAÇÃO DE PRODUTOS”

CAMPO DA INVENÇÃO [0001] A invenção refere-se a um método para determinar padrões de falhas de falhas que ocorrem em pelo menos um processo e para monitorar um processo (um processo de fabricação que compreende pelo menos uma etapa do processo ou um processo de validação de produto/uma validação de produto), cada uma baseada em dados de sensor 2- a n-dimensional. Além disso, a invenção refere-se a um sistema configurado para realizar o método de acordo com a invenção.

ANTECEDENTES DA INVENÇÃO [0002] Na fabricação de mercadorias, tais como veículos, a qualidade das mercadorias e o processo de produção ou fabricação podem ser aumentados se as falhas no processo de produção ou fabricação puderem ser atribuídas a uma causa de falha específica. Um processo de produção ou fabricação aqui compreende a produção, montagem e/ou comissionamento de componentes individuais, como o estabelecimento de uma conexão a parafuso entre dois componentes de um veículo. O número de possíveis padrões de falha pode ser imenso, dependendo da mercadoria a ser produzida - em veículos, pode ser na faixa de quatro ou cinco dígitos. Em suma, um grande número de falhas pode se acumular, o que pode estar na faixa de algumas centenas de erros.

[0003] Na prática, é difícil não apenas detectar uma falha específica ou um padrão de falha, mas também associar a falha a uma causa de falha. Na maioria dos casos, portanto, não é possível melhorar o processo de produção ou fabricação, ou seja, projetar o processo de produção ou fabricação ou o produto de maneira menos propensa a falhas, ou alcançar um processo de produção ou fabricação que seja virtualmente isento de falha.

Petição 870190086388, de 03/09/2019, pág. 5/39

2/23 [0004] A dificuldade de determinar uma causa de falha também é agravada pelo fato de que certas falhas podem ter causas diferentes. Assim, uma falha em particular pode ter surgido em um caso devido a uma primeira causa de falha e, em outro caso, devido a uma segunda causa de falha. O código de falha ou falha sozinho, portanto, normalmente fornece apenas informações insuficientes para ter capacidade de determinar uma causa de falha e ter capacidade de eliminar tal causa.

OBJETIVO DA INVENÇÃO [0005] O objetivo da invenção é, pelo menos, superar parcialmente as desvantagens mencionadas acima. Em particular, é um objetivo da invenção permitir uma detecção e localização precisas de padrões de falha e causas de falha na validação de produto e nos processos de produção ou fabricação e, assim, possibilitar produtos de alta qualidade e processos de produção ou fabricação virtualmente isentos de falhas. A invenção se destina a fornecer uma contribuição significativa para a estratégia de falha zero em produtos e processos de produção ou fabricação.

SOLUÇÃO INVENTIVA [0006] Pelo menos um dos objetos acima é alcançado por um método e um sistema de acordo com as reivindicações independentes. Características e detalhes adicionais da invenção, bem como refinamentos vantajosos e outras modalidades emergem das respectivas reivindicações dependentes, a descrição e o desenho. Características e detalhes, que são descritos em conexão com o método de acordo com a invenção, aplicam-se também em conexão com o sistema de acordo com a invenção e vice-versa, de modo que, com relação à divulgação dos aspectos individuais da invenção, referência possa sempre ser feita reciprocamente entre eles.

[0007] Por conseguinte, é fornecido um método para monitorar pelo menos um processo e para identificar padrões de falhas de falhas que ocorrem no pelo menos um processo, em que uma tabela de

Petição 870190086388, de 03/09/2019, pág. 6/39

3/23 parâmetro com padrões de falha característicos é gerada para diversos processos parciais de pelo menos um processo, em que a tabela de parâmetro é gerada com base em dados históricos de sensor, em que os dados históricos de sensor descrevem um número de curvas históricas que têm pelo menos duas dimensões e são respectivamente atribuídas a um processo parcial, e em que as curvas históricas para cada processo parcial compreendem curvas históricas OK (OK) e curvas históricas NOK (não OK), em que as curvas históricas NOK representam processos parciais defeituosos.

[0008] É particularmente vantajoso aqui se [0009] - o pelo menos um processo incluir um processo de fabricação e um processo de validação de produto/uma validação de produto, e [0010] - os processos parciais compreenderem etapas de processo do processo de fabricação e etapas de validação de produto do processo de validação de produto/validação de produto, e [0011] - as curvas históricas compreenderem curvas históricas de processo e curvas históricas de validação de produtos, em que as curvas históricas OK compreendem curvas históricas de processo OK e curvas históricas de validação de produto OK, e as curvas históricas NOK compreendem curvas históricas de processo NOK e curvas históricas de validação de produto NOK, e [0012] - os processos parciais defeituosos incluírem etapas de processo defeituoso e produtos defeituosos.

[0013] Também é vantajoso se a geração da tabela de parâmetro para cada processo parcial compreender:

[0014] - selecionar as curvas históricas NOK das curvas históricas; e [0015] - para cada curva histórica NOK selecionada e dependendo do tipo de processo parcial:

Petição 870190086388, de 03/09/2019, pág. 7/39

4/23 [0016] - dividir a curva histórica NOK em um número de seções ou em um número de quadrantes;

[0017] - determinar um número de valores de parâmetros para cada seção/cada quadrante, em que os parâmetros relevantes para o tipo de processo parcial são armazenados em uma tabela de configuração;

[0018] - executar uma etapa de mapeamento na qual um padrão de falha é atribuído à curva histórica NOK, em que o padrão de falha é selecionado de um conjunto de padrões de falha relevantes para o tipo do processo parcial, que são armazenados na tabela de configuração e em que um padrão de falha é preferencialmente atribuído a uma pluralidade de curvas históricas NOK.

[0019] A geração da tabela de parâmetro pode, depois de atribuir os padrões de falha às curvas históricas NOK, compreender ainda:

[0020] - determinar uma distribuição característica para cada padrão de falha para os parâmetros pertencentes ao respectivo padrão de falha (populações de parâmetros);

[0021] - de todos os padrões de falha, determinar os padrões de falha que são inequivocamente identificáveis com base em uma única população de parâmetros, em que essa população de um parâmetro não se sobrepõe a nenhuma outra população de parâmetros dos padrões de falha; e [0022] - inserir os padrões de falha determinados inequivocamente identificáveis na tabela de parâmetro, em que apenas os valores da população de parâmetros com os quais a imagem de erro é inequivocamente identificável são armazenados como uma característica na tabela de parâmetro para o respectivo padrão de falha.

Petição 870190086388, de 03/09/2019, pág. 8/39

5/23 [0023] É vantajoso se as etapas a seguir forem executadas para os padrões de falha que não são inequivocamente identificáveis com base em uma única população de parâmetros:

[0024] i) reduzir os comprimentos de intervalo das populações de parâmetro por um valor relativo ou absoluto predeterminado;

[0025] ii) determinar essas imagens de erro que são inequivocamente identificáveis com base em uma população de parâmetro com comprimentos de intervalo reduzidos e inserir o padrão de falha inequivocamente identificável determinado no final da tabela de parâmetro, em que os valores das populações de parâmetro que têm os comprimentos de intervalo originais são armazenados como características na tabela de parâmetro; e [0026] iii) verificar se ainda existem padrões de falha que não foram inseridos na tabela de parâmetro, e se esse teste for positivo, continuar com a etapa i) até que todos os padrões de falha tenham sido inseridos na tabela de parâmetro.

[0027] As características armazenadas na tabela de parâmetro podem ser ajustadas antes do armazenamento por um valor relativo ou absoluto predeterminado, em particular, os limites de intervalo podem ser aumentados por um valor relativo predeterminado. Isso pode compensar as flutuações na detecção de padrões de falha.

[0028] Depois de inserir todos os padrões de falha na tabela de parâmetro, pode ser realizada uma etapa de verificação, em que a etapa de verificação compreende:

[0029] i) para cada curva histórica NOK com base na qual a tabela de parâmetro foi gerada, determinar um padrão de falha associado com base na tabela de parâmetro selecionando o padrão de falha cujas características na tabela de parâmetro correspondem às características da curva histórica NOK; em que os padrões de falha armazenados na tabela de parâmetro são comparados em ordem crescente com as características da

Petição 870190086388, de 03/09/2019, pág. 9/39

6/23 curva histórica NOK e a comparação é terminada quando um padrão de falha foi determinado;

[0030] ii) para cada curva histórica NOK da etapa í), verificar se o padrão de falha detectado corresponde ao padrão de falha associado à curva histórica NOK na etapa de mapeamento; e [0031] iii) se, para um padrão de falha na etapa ii), um determinado número de padrões de falha detectados não corresponder aos padrões de falha associados, [0032] - salvar o número no padrão de falha na tabela de parâmetro;

[0033] - gerar pelo menos uma característica adicional e armazenar a característica adicional, juntamente com as características do padrão de falha como um novo padrão de falha na tabela de parâmetro; e [0034] - executar as etapas de acordo com a reivindicação 4 para os padrões de falha que tenham pelo menos uma característica adicional.

[0035] Para padrões de falha que não são inequivocamente identificáveis, mesmo com a característica adicional, é vantajoso realizar uma regressão logística binária, em que, para esses padrões de falha, a fórmula da regressão logística binária é armazenada no padrão de falha na tabela de parâmetro e depois a etapa de verificação é repetida.

[0036] Na tabela de parâmetro, esses padrões de falha podem ser marcados para os quais o menor número respectivo foi armazenado na etapa de verificação.

[0037] Os dados históricos de sensor podem ser fornecidos por sensores. Esses sensores podem ser atribuídos a um centro de produção, uma ferramenta, um dispositivo de teste e/ou um dispositivo de validação de produto.

Petição 870190086388, de 03/09/2019, pág. 10/39

7/23 [0038] Depois de criar a tabela de parâmetro, as etapas a seguir podem ser executadas:

[0039] a) coletar dados de sensor fornecidos por sensores durante um processo parcial, em que os dados do sensor coletados descrevem pelo menos uma curva que tem pelo menos duas dimensões e em que os dados de sensor coletados são atribuídos ao processo parcial;

[0040] b) comparar os dados de sensor recolhidos com padrões de falha característicos para esse processo parcial armazenado na tabela de parâmetro, em que, para a comparação, as características reais são extraídas a partir dos dados do sensor recolhidos correspondentes às características que descrevem os padrões de falha característicos desse processo parcial, em que as características reais são comparadas com as características na tabela de parâmetro de acordo com uma regra de comparação; e [0041] c) selecionar esse padrão de falha a partir da tabela de parâmetro as características dos quais correspondem as características reais a um grau predeterminado de correspondência.

[0042] Para o grau predeterminado de correspondência, é facultativamente previsto que cada característica real e a característica correspondente do padrão de falha satisfaçam a um critério de correspondência predeterminado.

[0043] Após a etapa c), pelo menos uma causa de falha associada ao padrão de falha e/ou pelo menos uma medida de eliminação de falha associada ao padrão de falha pode ser selecionada para o padrão de falha selecionado, em que as causas de falha e/ou as medidas de eliminação de falha e a atribuição ao respectivo padrão de falha são armazenadas em uma tabela.

[0044] É ainda fornecido um sistema que é adaptado para realizar o método de acordo com a invenção, em particular, um sistema de computador com um dispositivo de memória no qual a tabela de parâmetro é

Petição 870190086388, de 03/09/2019, pág. 11/39

8/23 armazenada e uma interface para aceitar dados de sensor nos quais padrões de falha são detectados.

BREVE DESCRIÇÃO DAS FIGURAS [0045] Mais detalhes e características da invenção serão evidentes a partir da descrição a seguir, tomada em combinação com os desenhos, em que a invenção não está limitada às modalidades descritas abaixo. Nas Figuras:

[0046] Figura 1: mostra um fluxograma do método de acordo com a invenção;

[0047] Figura 2: compreende um conjunto de curvas de processo que compreende um número de curvas históricas de processo NOK e um número de curvas históricas de processo OK;

[0048] Figura 3: mostra um exemplo específico de uma curva histórica de processo OK e uma curva histórica do processo NOK (dividida em quadrantes); e [0049] Figura 4: mostra uma distribuição exemplar dos valores de um parâmetro para uma pluralidade de padrões de falha.

DESCRIÇÃO DETALHADA DA INVENÇÃO [0050] Com o método de acordo com a invenção ou com o sistema de acordo com a invenção, é possível obter produtos e processos virtualmente isentos de falhas e robustos, em particular processos de fabricação. O método de acordo com a invenção e o sistema de acordo com a invenção contribuem de forma significativa para a estratégia de falha zero e para a optimização do produto e processo através da ligação em rede digital dos processos em produção e montagem.

[0051] Aplicações exemplificativas do método de acordo com a invenção são [0052] - distinguir entre casos OK (OK) e NOK (não

OK), como distinguir entre produtos defeituosos e não defeituosos, ou entre processos defeituosos e não defeituosos, com base nas curvas de validação de

Petição 870190086388, de 03/09/2019, pág. 12/39

9/23 processo e/ou produto ou com base em características contínuas, tais como on-line durante um processo de fabricação, e/ou [0053] - reconhecer padrões de falha das curvas

NOK, por exemplo, do processo NOK e/ou curvas de validação do produto, para poder iniciar medidas específicas de solução de problemas com base nos padrões de falha.

[0054] Com o método/sistema de acordo com a invenção, padrões de falha de validação de produto e curvas de processo podem ser identificados, relações causais e causas para cada padrão de falha podem ser determinadas, e soluções e medidas para cada causa de falha podem ser oferecidas ou disponibilizadas. Se os padrões de falha forem detectados diretamente durante um processo de produção, por exemplo, medidas para eliminar as falhas já podem ser iniciadas e executadas no processo de produção.

[0055] A Figura 1 mostra um fluxograma de um método de acordo com a invenção.

[0056] De acordo com a invenção, é fornecido um sistema com o qual um monitoramento da validação de produto e/ou etapas de processo de um processo de fabricação seja realizado ou com o qual os padrões de falha de produtos defeituosos e/ou etapas de processo possam ser identificados devem primeiro ser ensinados. Com base nas informações aprendidas, o sistema pode então monitorar a qualidade do produto ou a funcionalidade do produto e/ou um processo de fabricação e identificar produtos defeituosos e/ou etapas do processo e suas possíveis causas, preferencialmente online, isto é, por exemplo, durante a validação de produto e/ou processo de fabricação, e sugerir soluções e medidas para a eliminação de falhas com base nos padrões de falha determinados.

[0057] Daqui em diante, o termo etapa de processo inclui etapas de validação de produto e/ou etapas de processo de um processo de fabricação. Essas etapas de processo também são chamadas de processos

Petição 870190086388, de 03/09/2019, pág. 13/39

10/23 parciais. O termo processo de fabricação também compreende processos de validação de produto. O termo curvas de processo também compreende curvas de validação de produto.

[0058] O método descrito abaixo com referência a processos, etapas de processo e curvas de processo pode, por conseguinte, também ser aplicado de acordo com a invenção a validações de produto, processos de validação de produto ou curvas de validação de produto.

[0059] Para esse propósito, em uma primeira etapa S10, é fornecida a detecção dos dados de sensor, com base na qual o “aprendizado do sistema é realizado em uma etapa adicional S20. Os dados de sensor podem descrever curvas de processo de um processo específico ou etapa de processo, ou seja, os dados de sensor são preferencialmente adquiridos como n-tuplas (n > = 1).

[0060] Os dados de sensor são fornecidos por sensores que monitoram, por exemplo, um dispositivo de produção específico ou uma ferramenta específica. Por exemplo, um acionador de torque elétrico pode ter um sensor de torque e um sensor de ângulo com o qual o forque e o ângulo de rotação podem ser detectados durante uma operação de aparafusamento. A partir dos torques e ângulos de rotação registrados (2tupla), uma curva de processo pode ser gerada, o que indica o torque como uma função do ângulo de rotação.

[0061] Sensores para outros parâmetros físicos podem ser fornecidos. Assim, por exemplo, um temporizador pode ser fornecido, o qual, além do torque e do ângulo de rotação, também detecta os tempos de aparafusamento (por exemplo, em milissegundos). Dos forques registrados, dos ângulos de rotação e dos tempos de aparafusamento (3-tupla), uma curva de processo (nesse caso, uma curva de processo tridimensional) pode ser gerada novamente, indicando, por exemplo, o torque como uma função do ângulo de rotação ou o torque em função do tempo de aparafusamento.

Petição 870190086388, de 03/09/2019, pág. 14/39

11/23 [0062] Em vez de curvas, também é possível fornecer recursos contínuos para uma validação de processo e/ou produto.

[0063] Esses dados de sensor adquiridos para o ensinamento do sistema ou as curvas de processo derivadas dos mesmos são denominados abaixo como dados históricos de sensor ou curvas históricas de processo. Os dados históricos de sensor são armazenados em um dispositivo de memória do sistema. Dependendo da natureza do processo, os dados históricos de sensor ou as curvas históricas de processo podem ser coletados em um determinado período de tempo para fornecer um banco de dados suficientemente grande para o aprendizado.

[0064] Se os dados históricos de sensor para diferentes processos ou etapas de processo forem coletados, os dados históricos de sensor serão atribuídos ao respectivo processo ou etapa de processo no dispositivo de memória. Para poder reconhecer as etapas de processo defeituoso durante o monitoramento, é vantajoso se as curvas históricas de processo pertencentes a uma etapa de processo ou processo incluírem não apenas curvas de processo OK, mas também um número mínimo (por exemplo, pelo menos seis) de curvas de processo NOK. As curvas de processo NOK representam etapas de processo defeituoso ou produtos defeituosos ou funções de produto.

[0065] As seguintes etapas S21 a S24 são realizadas no decurso da etapa S20 ou são subetapas da etapa S20.

[0066] As etapas S21a a S21d são referidas como “Ensinamento” S21.

[0067] As etapas S22a a S22c são referidas como “Cálculo de impressão digital” S22.

[0068] As etapas S23a a S23b são referidas como “Ajuste de faixa” S23.

[0069] As etapas S24a a S24d são referidas como “Etapa de verificação” S24.

Petição 870190086388, de 03/09/2019, pág. 15/39

12/23 [0070] Primeiro, uma tabela de parâmetro é gerada e armazenada no dispositivo de memória do sistema de acordo com a invenção. Depois do ensinamento do sistema, a tabela de parâmetro contém vários padrões de falha característicos para vários processos ou etapas de processo diferentes.

[0071] Para esse propósito, primeiro, em uma etapa S21a, as curvas de processo NOK das curvas históricas de processo correspondentes (que possuem curvas de processo NOK e OK) são selecionadas para cada processo a ser ensinado.

[0072] A seleção das curvas de processo NOK pode ser feita por um usuário, por exemplo, por meio de uma tela de entrada/seleção apropriada. Nesse caso, o número de curvas de processo NOK selecionadas deve atingir uma certa ordem de magnitude para garantir que haja um certo tamanho de amostra de casos NOK para cada padrão de falha a ser ensinado.

[0073] Um exemplo de um conjunto de curvas históricas de processo, incluindo um número de curvas de processo NOK e um número de curvas de processo OK, é mostrado na Figura 2. As curvas de torque são mostradas aqui como uma função do ângulo de rotação em uma operação de aparafusamento. As curvas de processo NOK aqui são aquelas curvas que terminam fora de uma faixa alvo predeterminada, em que a faixa alvo é representada aqui pela janela F. A janela F é definida aqui por um intervalo de ângulo de rotação específico e por um intervalo de torque especifico.

[0074] Após a seleção das curvas históricas de processo NOK, elas são divididas em seções ou quadrantes (individualmente ou juntas) na etapa S21b. Uma curva histórica de processo NOK dividida em quadrantes é mostrada na Figura 3, onde uma curva histórica de processo OK também é mostrada. No exemplo mostrado na Figura 3, a curva de processo NOK é dividida em um total de 9 quadrantes.

Petição 870190086388, de 03/09/2019, pág. 16/39

13/23 [0075] A divisão das curvas históricas de processo NOK em quadrantes ou seções pode ser feita de duas maneiras:

[0076] 1. Com base em vários parâmetros de configuração das ferramentas ou máquinas cujos sensores geram e fornecem os dados de sensor para a respectiva curva histórica de processo, as seções ou quadrantes podem ser configurados automaticamente. Em uma operação de aparafusamento, por exemplo, o torque de localização, o torque de limiar, o torque desejado, outros torques e os respectivos ângulos ou ângulos de rotação podem ser usados para essa finalidade. Por exemplo, no exemplo mostrado na Figura 3, o torque de localização FM e o torque limiar SWM e os respectivos ângulos de rotação foram usados como parâmetros para definir os primeiros quatro quadrantes.

[0077] 2. Com base na entrada de um usuário.

Nesse caso, o usuário pode definir as seções ou os quadrantes, levando em conta determinados parâmetros ou até mesmo independentemente dos parâmetros.

[0078] Depois de dividir as curvas históricas de processo NOK em seções/quadrantes, um número de valores de parâmetro é determinado em uma próxima etapa S21c para cada seção/cada quadrante de cada curva de processo NOK. Os parâmetros para os quais os valores devem ser determinados dependem, por um lado, do tipo de etapa de processo em que a curva de processo NOK é baseada e, por outro lado, da respectiva seção/quadrante. Por exemplo, podem ser fornecidos parâmetros diferentes para dois processos de aparafusamento diferentes ou para dois quadrantes diferentes de uma curva de processo NOK cujos valores devem ser determinados.

[0079] Os parâmetros relevantes para cada tipo de etapa de processo e para cada seção/cada quadrante são armazenados em uma tabela de configuração que pode ser armazenada no dispositivo de

Petição 870190086388, de 03/09/2019, pág. 17/39

14/23 memória do sistema. Os parâmetros podem compreender parâmetros estatísticos. Exemplos de tais parâmetros por seção/quadrante são:

[0080] - Valor final (X), valor final (Y) [0081] - Máximo (X), Máximo (Y) [0082] - Desvio padrão (X), desvio padrão (Y) [0083] - Média/Mediana (X), Média/Mediana (Y) [0084] - Inclinação Y (em X de; para), curvatura Y (em X de; para), etc.

[0085] Dependendo do tipo de curva de processo NOK e seção/quadrante, certas combinações de parâmetros podem ser definidas.

[0086] Os valores de parâmetros determinados podem ser armazenados no dispositivo de memória e atribuídos à respectiva curva histórica de processo NOK.

[0087] Após os valores de parâmetro terem sido determinados para as curvas históricas de processo NOK, os padrões de falha são atribuídos às curvas históricas de processo NOK em uma etapa de mapeamento S21d. Preferivelmente, cada curva de processo NOK histórica é atribuída individualmente a um padrão de falha. Isso é feito preferencialmente manualmente. Para auxiliar o usuário, a respectiva curva histórica do processo NOK pode ser visualizada, preferencialmente com a divisão do quadrante/seção e os valores de parâmetro apurados também sendo exibidos. Além disso, as curvas históricas de processo NOK atribuídas ao mesmo padrão de falha podem ser mostradas.

[0088] Dependendo do tipo de curva histórica de processo NOK, diferentes padrões de falha podem ser atribuídos. Os possíveis padrões de falhas atribuíveis são armazenados em uma tabela de configuração. Por exemplo, o padrão de falha Ângulo de rotação muito grande” pode ser atribuído a uma curva de processo NOK, que representa uma operação de aparafusamento, mas não uma curva de processo NOK, que

Petição 870190086388, de 03/09/2019, pág. 18/39

15/23 representa uma operação de solda. Naturalmente, um padrão de falha específico pode ser atribuído a várias curvas de processo NOK de diferentes processos ou múltiplas curvas de processo NOK do mesmo processo.

[0089] A atribuição de uma curva de processo NOK a um padrão de falha é armazenada no dispositivo de memória do sistema. Com isso, cada padrão de falha é atribuído simultaneamente a vários parâmetros.

[0090] Padrões de falha para uma operação de aparafusamento (por exemplo, com uma chave de fenda elétrica) podem ser, por exemplo:

[0091 ] - Deslizamento/fiação da chave de fenda [0092] - Ângulo final muito alto [0093] - Torque final, etc. muito baixo [0094] A curva histórica de processo NOK mostrada na Figura 3 pode ser atribuída, por exemplo, ao padrão de falha “deslizamento, que pode ser reconhecido, por exemplo, pelo torque cair repentinamente para quase 0 Nm em um ângulo de rotação de aproximadamente 720°.

[0095] Depois de mapear os padrões de falha para as curvas históricas de processo NOK, pode-se verificar, para cada padrão de falha designado, se o número de curvas históricas de processo NOK atende ao critério de um tamanho de amostra representativo. Por exemplo, pode-se verificar se um padrão de falha foi atribuído a pelo menos n (por exemplo, n > 6) curvas históricas de processo NOK.

[0096] Após a etapa S21d e, se necessário, a verificação do tamanho da amostra, um número de curvas de processo NOK históricas com padrões de falha associados e um tamanho de amostra representativo por padrão de falha são armazenados no sistema. O “ensinamento é assim completado. A atribuição de um padrão de falha a uma curva histórica de processo NOK é referida abaixo como opinião de especialista.

Petição 870190086388, de 03/09/2019, pág. 19/39

16/23 [0097] Em seguida, na etapa S22, uma impressão digital estatística é calculada para cada padrão de falha, isto é, para as curvas históricas de processo NOK associadas a um padrão de falha.

[0098] Para esse propósito, primeiro, em uma etapa S22a, uma distribuição característica dos valores de parâmetros determinados na etapa S21c das curvas históricas de processo NOK atribuídas ao respectivo padrão de falha é determinada para cada padrão de falha. As curvas históricas de processo NOK associadas a um padrão de falha são referidas como populações de padrão de falha, cada parâmetro de uma população de padrão de falha (chamada população de parâmetro) que tem uma distribuição característica.

[0099] Um exemplo da distribuição característica na forma de diagramas de caixa para o parâmetro “Torque Máx. e para os padrões de falha “Deslizamento, “Parada, “Erro precoce de mordida, “Erro atrasado de mordida, “Ângulo máx. e Torque de rosqueamento muito alto é mostrado na Figura 4.

[0100] Subsequente à etapa S22a, em uma etapa S22b, são determinados esses padrões de falha que são inequivocamente identificáveis com base em um único parâmetro ou em uma única população de parâmetro. Esses são os padrões de falha que têm pelo menos uma população de parâmetro que não se sobrepõe a nenhuma outra população de parâmetro do mesmo parâmetro de todos os padrões de falha. Ou seja, um padrão de falha que tem um parâmetro cuja população não se sobrepõe às populações do mesmo parâmetro de outros padrões de falha é inequivocamente identificável em relação a esse parâmetro. Para que esse padrão de falha também seja inequivocamente identificável em relação a esse parâmetro, esse parâmetro não deve também descrever inequivocamente outro padrão de falha.

[0101] No exemplo mostrado na Figura 4, o padrão de falha “Ângulo máx. é inequivocamente identificável pelo parâmetro Torque Máx. porque a população do parâmetro Torque Máx. do padrão de falha

Petição 870190086388, de 03/09/2019, pág. 20/39

17/23 “Ângulo máx. não se sobrepõe a nenhuma outra população do parâmetro Torque Máx. do padrão de falha remanescente, enquanto as populações do parâmetro Torque Máx. se sobrepõem nos demais padrões de falha. Para os padrões de falha remanescentes mostrados na Figura 4, é então verificado se existem outros parâmetros com os quais os padrões de falha são inequivocamente identificáveis com base em um único parâmetro.

[0102] Os padrões de falha inequivocamente identificáveis determinados na etapa S22b são então classificados no início da tabela de parâmetro na etapa S22c subsequente. Aqui, de preferência, somente valores (por exemplo, limites de intervalo) do parâmetro na tabela de parâmetro são armazenados para cada padrão de falha e atribuídos ao padrão de falha com o qual o respectivo padrão de falha pode ser identificado sem ambiguidade. No exemplo mostrado na Figura 4, para o padrão de falha “Ângulo máx. somente os valores do parâmetro “Torque Máx. serão armazenados, como na forma 100 <= Torque Máx. [Nm] <= 152, se os visores inferior e superior (limites populacionais) forem armazenados como limites de intervalo.

[0103] Assim, ao monitorar um processo de fabricação para uma operação de aparafusamento, o padrão de falha “Ângulo máx. pode ser determinado quando o forque máximo está entre 100Nm e 152Nm.

[0104] Além disso, os valores dos parâmetros remanescentes também podem ser armazenados no padrão de falha na tabela de parâmetro, caso em que a característica que torna possível identificar inequivocamente o padrão de falha é distinguida separadamente.

[0105] Os valores de parâmetro armazenados na tabela de parâmetro podem ser ajustados, por exemplo, por um valor relativo ou absoluto. Por exemplo, os limites de intervalo podem ser ajustados em ± 5%, de modo que no exemplo acima ”95 <= torque máximo [Nm] <- 159,6 seria armazenado. Isso pode ser usado para compensar as flutuações que não

Petição 870190086388, de 03/09/2019, pág. 21/39

18/23 foram registradas devido ao tamanho da amostra da população do padrão de falha.

[0106] A tabela seguinte mostra uma seção da tabela de parâmetro para o padrão de falha “Ângulo máx. mostrado na Figura 4, em que os limites de intervalo já foram adaptados.

[0107] Porque o parâmetro “Torque máximo [Nm] faz a identificabilidade inequívoca do padrão de falha “Ângulo máx. possível, somente esses valores são armazenados na tabela de parâmetro. Os valores dos parâmetros remanescentes permanecem vazios.

Parâmetro	Valor mín.	Valor máx.
Ângulo [°]	““	““
Desvio padrão	—	—
Torque máx. [Nm]	95	159,6
Torque inicial [Nm]	—	—
Torque final [Nm]	—	—

[0108] Se vários parâmetros forem necessários para a identificabilidade inequívoca de um padrão de falha, os valores correspondentes são armazenados na tabela de parâmetro para cada um desses diversos parâmetros. Além disso, pode ser armazenado na tabela de parâmetro como os valores dos parâmetros individuais devem ser logicamente ligados (E/OU, XOR, ...).

[0109] Esses padrões de falha (remanescentes) que não são identificáveis por meio de um único parâmetro ou por meio de uma única população de parâmetros são pós-processados em uma etapa subsequente S23, que é chamada de adaptação de faixa, para, se possível, atingir identificabilidade inequívoca para esses padrões de falha também.

[0110] Nesse caso, na etapa S23a, os comprimentos de intervalo (por exemplo, os visores inferior e superior (limites de população))

Petição 870190086388, de 03/09/2019, pág. 22/39

19/23 de todos os parâmetros dos padrões de falha remanescentes são primeiro reduzidos por um valor relativo ou absoluto predeterminado.

[0111] Subsequentemente, é verificado em uma etapa S23b se existem agora um (ou vários) padrões de falha entre os padrões de falha remanescentes que são inequivocamente identificáveis com base em um único parâmetro.

[0112] Se sim: Os um ou mais padrões de falha inequivocamente identificável são inseridos analogamente à etapa 22c no final da tabela de parâmetro, se necessário, com limites de intervalo adaptados dos parâmetros.

[0113] Se não: Continuar com o ajuste de faixa retornando à etapa 23a.

[0114] A adaptação de faixa é realizada iterativamente até que todos os padrões de falha sejam inequivocamente identificáveis com base em um único parâmetro e inseridos na tabela de parâmetro.

[0115] Após a conclusão da etapa S23, todos os padrões ou parâmetros de falha associados a esses padrões de falha são armazenados nas curvas históricas de processo NOK selecionadas na etapa S21a na tabela de parâmetro como características dos padrões de falha.

[0116] Subsequente à etapa S23, é executada uma etapa de verificação S24.

[0117] De acordo com uma variante da invenção, a etapa de verificação é realizada apenas para aqueles padrões de falha que só podem ser ordenados na tabela de parâmetro com o auxílio da etapa 23 (adaptação de faixa).

[0118] De acordo com uma outra variante da invenção, a etapa de verificação é realizada para todos os padrões de falha.

[0119] Dentro do escopo da etapa de verificação S24, o padrão de falha associado da tabela de parâmetro é determinado

Petição 870190086388, de 03/09/2019, pág. 23/39

20/23 primeiro na etapa S24a com base na tabela de parâmetro gerada anteriormente para cada curva histórica de processo NOK (possivelmente com a restrição mencionada anteriormente) que foi usada para gerar a tabela de parâmetro. O padrão de falha assim determinado para uma etapa histórica de processo NOK é chamado de Opinião calculada.

[0120] Subsequentemente, em uma etapa S24b, verifica-se para cada padrão histórico de falha NOK se a opinião do especialista corresponde à opinião calculada ou se existem diferenças entre as duas opiniões. Assim, verifica-se se o padrão de falha associado a uma curva histórica de processo NOK na etapa S21d é idêntico ao padrão de falha obtido para esta curva histórica de processo NOK na etapa S24a. Idealmente, para cada curva histórica de processo NOK, o padrão de falha associado à etapa S21d é idêntico ao respectivo padrão de falha determinado na etapa S24a.

[0121] A verificação na etapa S24b é executada por padrão de falha. Isto é, é determinado que as curvas de processo NOK foram atribuídas ao padrão de falha a ser verificado na etapa S21d. Subsequentemente, é verificado quais padrões de falha foram determinados para essas curvas históricas de processo NOK na etapa S24a. Se não houver desvios aqui, a etapa S24 para esse padrão de falha histórico pode ser terminada.

[0122] No entanto, se ocorrerem desvios aqui para um padrão de falha, ou seja, se um padrão de falha diferente foi atribuído a uma curva de processo NOK histórica na etapa S24a do que na etapa S21d, a opinião do especialista se desvia da opinião calculada. O número de desvios pode então ser armazenado na tabela de parâmetro para o respectivo padrão de falha. Ao mesmo tempo, um ou mais parâmetros adicionais são definidos para esse padrão de falha. Esse padrão de falha (parâmetros originais e parâmetros adicionais) é salvo como um novo padrão de falha na tabela de parâmetro, em que o padrão de falha já existente na tabela de parâmetro também pode ser sobrescrito. A definição do parâmetro (ou parâmetros)

Petição 870190086388, de 03/09/2019, pág. 24/39

21/23 adicional pode ser feita pelo usuário do sistema. Os parâmetros adicionais podem ser, por exemplo, a distribuição em um intervalo, a inclinação em um intervalo, a curvatura em um intervalo, etc.

[0123] Subsequentemente, para aqueles padrões de falha para os quais parâmetros adicionais foram definidos (etapa S24c), verifica-se se existem padrões de falha que são inequivocamente identificáveis com um único parâmetro. Para os padrões de falha para os quais esse é o caso, a etapa de verificação termina aqui.

[0124] Para os padrões de falha remanescentes, uma regressão logística binária (BLR) é realizada em uma etapa subsequente S24d e a fórmula para a regressão logística binária é armazenada para o respectivo padrão de falha.

[0125] Na tabela de parâmetro, é adicionalmente armazenado para cada padrão de falha com qual método o padrão de falha foi inserido na tabela de parâmetro, [0126] - de acordo com as etapas S22b e S22c, ou [0127] - de acordo com a etapa S23b (ajuste de faixa), ou [0128] - de acordo com a etapa S24c (ajuste de faixa + características adicionais), ou [0129] - de acordo com a etapa S24d (BLR), [0130] em que também é indicado qual método levou ao menor desvio entre opinião de especialista e opinião calculada.

[0131] No final da etapa S24d, a etapa S20 também termina e o sistema pode ser considerado como sendo ensinado.

[0132] Com o sistema ensinado para determinados processos ou etapas de processo, esses processos ou etapas de processo podem ser monitorados on-line, ou seja, durante a operação e de preferência em tempo real e imediatamente após a detecção de uma falha, o funcionário

Petição 870190086388, de 03/09/2019, pág. 25/39

22/23 pode ser notificado dos padrões de falha correspondentes e se necessário, também medidas apropriadas de eliminação de falhas.

[0133] Para esse propósito, em uma etapa S30, os dados de sensor são fornecidos por uma ferramenta/máquina ou similar, que é coletada por sensores que são atribuídos à ferramenta/máquina. Por exemplo, um acionador de torque elétrico pode estar associado a um sensor de torque e um sensor de ângulo. Os dados de sensor, nesse caso, descrevem uma curva de processo atribuída à etapa de processo/processo, por exemplo, o curso do torque ao longo do tempo ou o curso do torque sobre o ângulo de rotação, por exemplo, durante uma operação de aparafusamento.

[0134] Os dados de sensor assim obtidos, ou as curvas de processo resultantes, podem agora ser comparados na etapa S40 com os padrões de falha armazenados na tabela de parâmetro. De acordo com os parâmetros dos padrões de falha característicos associados à etapa de processo/processo, os valores dos parâmetros correspondentes são extraídos da respectiva curva de processo e comparados com os parâmetros dos padrões de falha na tabela de parâmetro.

[0135] Se a comparação for positiva, o padrão de falha correspondente é selecionado da tabela de parâmetro como o resultado da comparação em uma etapa S50 e pode então ser disponibilizado para o usuário. Além disso, as medidas de eliminação de falhas atribuídas a esse padrão de falha podem ser selecionadas de uma tabela de ações e também disponibilizadas para o usuário.

[0136] Caso contrário, não há falha ou a falha ainda é desconhecida. Nesse último caso, o sistema pode ser ensinado para essa falta desconhecida, desde que esteja disponível uma amostra suficientemente grande das correspondentes curvas históricas de processo NOK.

[0137] Isso possibilita, por exemplo, detectar falhas ou padrões de falhas quase em tempo real em um processo de produção contínuo. Os dados de sensor fornecidos em tempo real, por exemplo, por uma

Petição 870190086388, de 03/09/2019, pág. 26/39

23/23 planta de fabricação, podem ser comparados diretamente com os padrões de falha armazenados. Em certos casos, uma etapa de processo defeituoso já pode ser detectada antes do final da etapa de processo - por exemplo, uma possível falha pode ser detectada a partir do curso do torque de um torquímetro antes da conclusão da operação de aparafusamento, para que a operação de aparafusamento não precise ser concluída.

Claims

REIVINDICAÇÕES

1. Método para monitorar pelo menos um processo e para determinar padrões de falha de falhas que ocorrem no pelo menos um processo caracterizado pelo fato de que uma tabela de parâmetro com padrões de falha característica é gerada para um número de processos parciais do pelo menos um processo, em que a tabela de parâmetro é gerada com base em dados históricos de sensor, em que os dados históricos de sensor descrevem um número de curvas históricas que têm pelo menos duas dimensões e são respectivamente atribuídas a um processo parcial, e em que as curvas históricas para cada processo parcial compreendem curvas históricas OK (OK) e curvas históricas NOK (não OK), em que as curvas históricas NOK representam processos parciais defeituosos.
2. Método, de acordo com a reivindicação anterior, caracterizado pelo fato de que

- o pelo menos um processo inclui um processo de fabricação e um processo de validação de produto/uma validação de produto, e

- os processos parciais compreendem etapas de processo do processo de fabricação e etapas de validação de produto do processo de validação de produto/validação de produto, e

- as curvas históricas compreendem curvas históricas de processo e curvas históricas de validação de produtos, em que as curvas históricas OK compreendem curvas históricas de processo OK e curvas históricas de validação de produto OK, e as curvas históricas NOK compreendem curvas históricas de processo NOK e curvas históricas de validação de produto NOK, e

- os processos parciais defeituosos incluem etapas de processo defeituoso e produtos defeituosos.
3. Método, de acordo com qualquer uma das reivindicações anteriores, caracterizado pelo fato de que gerar a tabela de parâmetro para cada processo parcial compreende:

Petição 870190086388, de 03/09/2019, pág. 29/39

2/5

- selecionar (S21a) as curvas históricas NOK das curvas históricas; e

- para cada curva histórica NOK selecionada e dependendo do tipo de processo parcial:

- dividir (S21 b) a curva histórica NOK em várias seções ou em vários quadrantes;

- determinar (S21c) diversos valores de parâmetros para cada seção/cada quadrante, em que os parâmetros relevantes para o tipo de processo parcial são armazenados em uma tabela de configuração;

- realizar (S21 d) uma etapa de mapeamento na qual um padrão de falha é atribuído à curva histórica NOK, em que o padrão de falha é selecionado a partir de um conjunto de padrões de falha relevantes para o tipo de processo parcial armazenado na tabela de configuração, e em que um padrão de falha é preferencialmente atribuído a várias curvas históricas NOK.
4. Método, de acordo com a reivindicação anterior, caracterizado pelo fato de que gerar a tabela de parâmetro depois de atribuir os padrões de falha às curvas históricas NOK compreende ainda:

~ para cada padrão de falha, determinar (S22a) uma distribuição característica para os parâmetros (populações de parâmetros) pertencentes ao respectivo padrão de falha;

- a partir de todos os padrões de falha, determinar (S22b) os padrões de falha que são inequivocamente identificáveis a partir de uma única população de parâmetros, em que esta população de um parâmetro não se sobrepõe a nenhuma outra população de parâmetros dos padrões de falha; e

- inserir (22c) os padrões de falha determinados inequivocamente identificáveis na tabela de parâmetro, em que apenas os valores da população de parâmetros com os quais o padrão de falha é inequivocamente identificável são armazenados para o respectivo padrão de falha como uma característica na tabela de parâmetro.

Petição 870190086388, de 03/09/2019, pág. 30/39

3/5
5. Método, de acordo com a reivindicação anterior, caracterizado pelo fato de que, para os padrões de falha que não são inequivocamente identificáveis a partir de uma única população de parâmetros, são executadas as seguintes etapas:

i) reduzir (S23a) os comprimentos de intervalo das populações de parâmetros por um valor relativo ou absoluto predeterminado;

ii) determinar (S23b) os padrões de falha que são inequivocamente identificáveis a partir de uma população de parâmetros que tem comprimentos de intervalo reduzidos e inserir as imagens de erro inequivocamente identificáveis determinadas no final da tabela de parâmetro, em que os valores das populações de parâmetros que têm os comprimentos de intervalo de originais são as características são armazenados na tabela de parâmetro; e iii) verificar se ainda existem padrões de falha que não foram inseridos na tabela de parâmetro e, se esse teste for positivo, continuar com a etapa i) até que todos os padrões de falha tenham sido inseridos na tabela de parâmetro.
6. Método, de acordo com uma das duas reivindicações anteriores, caracterizado pelo fato de que as características armazenadas na tabela de parâmetro são ajustadas antes de serem armazenadas por um valor relativo ou absoluto predeterminado, em particular, os limites de intervalo são aumentados por um valor relativo predeterminado.
7. Método, de acordo com uma das duas reivindicações anteriores, caracterizado pelo fato de que, depois de inserir todos os padrões de falha na tabela de parâmetro, é realizada uma etapa de verificação (S24), sendo que a etapa de verificação compreende:

i) para cada curva histórica NOK com base na qual a tabela de parâmetro foi gerada, determinar (S24a) um padrão de falha associado com base na tabela de parâmetro selecionando esse padrão de falha cujas características na tabela de parâmetro correspondem às

Petição 870190086388, de 03/09/2019, pág. 31/39

4/5 características da curva histórica NOK, em que os padrões de falha armazenados na tabela de parâmetro são comparados em ordem ascendente com as características da curva histórica NOK e a comparação termina quando um padrão de falha é determinado;

ii) para cada curva histórica NOK da etapa i), verificar (S24b) se o padrão de falha detectado corresponde ao padrão de falha associado à curva histórica NOK na etapa de mapeamento; e iii) se, para um padrão de falha na etapa ii), um determinado número de padrões de falha detectados não corresponder aos padrões de falha associados,

- salvar o número no padrão de falha na tabela de parâmetro;

- gerar pelo menos uma característica adicional e armazenar a característica adicional, juntamente com as características do padrão de falha como um novo padrão de falha na tabela de parâmetro; e

- executar as etapas de acordo com a reivindicação 4 para os padrões de falha que tenham pelo menos uma característica adicional.
8. Método, de acordo com a reivindicação anterior, caracterizado pelo fato de que é realizada uma regressão logística binária para padrões de falha que não são inequivocamente identificáveis com a característica adicional, e em que, para os padrões de falha, a fórmula da regressão logística binária é armazenada no padrão de falha na tabela de parâmetro e a etapa de verificação é subsequentemente repetida.
9. Método, de acordo com a reivindicação anterior, caracterizado pelo fato de que, na tabela de parâmetro, esses padrões de falha são marcados para os quais o menor número respectivo foi armazenado na etapa de verificação.
10. Método, de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que os dados históricos de sensor são fornecidos por sensores.

Petição 870190086388, de 03/09/2019, pág. 32/39

5/5
11. Método, de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, após gerar a tabela de parâmetro, são executadas as seguintes etapas:

a) coletar (S30) dados de sensor fornecidos pelos sensores durante um processo parcial, em que os dados de sensor coletados descrevem pelo menos uma curva que tem pelo menos duas dimensões e em que os dados de sensor coletados são atribuídos ao processo parcial;

b) comparar (S40) os dados de sensor coletados com padrões de falha característicos para esse processo parcial armazenado na tabela de parâmetro, em que, para a comparação, as características reais são extraídas a partir dos dados de sensor coletados correspondentes às características que descrevem os padrões de falha característicos desse processo parcial, em que as características reais são comparadas com as características na tabela de parâmetro de acordo com uma regra de comparação; e

c) selecionar (S50) aquele contorno de falha a partir da tabela de parâmetro, as características dos quais correspondem às características reais a um grau predeterminado.
12. Método, de acordo com a reivindicação anterior, caracterizado pelo fato de que, no grau de correspondência predeterminado, cada característica real e a característica correspondente do padrão de falha satisfazem um critério de correspondência predeterminado.
13. Método, de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, após a etapa c), pelo menos uma causa de falha associada ao padrão de falha e/ou pelo menos uma medida de eliminação de falha associada ao padrão de falha são selecionadas para o padrão de falha selecionado, em que as causas de falha e/ou as medidas de eliminação de falhas e a atribuição ao respectivo padrão de falha são armazenadas em uma tabela.