CN111095143B - 实时建模和量化地评估眼科镜片预期总体品质水平的方法 - Google Patents
实时建模和量化地评估眼科镜片预期总体品质水平的方法 Download PDFInfo
- Publication number
- CN111095143B CN111095143B CN201880055919.7A CN201880055919A CN111095143B CN 111095143 B CN111095143 B CN 111095143B CN 201880055919 A CN201880055919 A CN 201880055919A CN 111095143 B CN111095143 B CN 111095143B
- Authority
- CN
- China
- Prior art keywords
- lens
- parameters
- manufacturing process
- unit
- quality
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 138
- 238000004519 manufacturing process Methods 0.000 claims abstract description 214
- 230000007613 environmental effect Effects 0.000 claims abstract description 52
- 230000009897 systematic effect Effects 0.000 claims abstract description 3
- 230000008569 process Effects 0.000 claims description 88
- 238000011156 evaluation Methods 0.000 claims description 66
- 238000005259 measurement Methods 0.000 claims description 23
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000011002 quantification Methods 0.000 claims description 13
- 238000013178 mathematical model Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims 1
- 238000012314 multivariate regression analysis Methods 0.000 claims 1
- 238000012552 review Methods 0.000 abstract description 13
- 238000010606 normalization Methods 0.000 abstract description 6
- 238000010100 freeform fabrication Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 25
- 230000007547 defect Effects 0.000 description 21
- 238000007689 inspection Methods 0.000 description 14
- 230000010076 replication Effects 0.000 description 11
- 239000000047 product Substances 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 7
- 238000003070 Statistical process control Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000003754 machining Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000005498 polishing Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000012550 audit Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004381 surface treatment Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000497386 Silveira Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Eyeglasses (AREA)
- General Factory Administration (AREA)
- Prostheses (AREA)
Abstract
本发明涉及一种建模和量化地评估眼科镜片的总体品质水平的方法,所述镜片具有特定“镜片”参数和环境参数并且通过眼科镜片数字制造过程来生产出。还提供了一种用于执行自由形态生产线的实时在线品质审查的方法,该方法使用制造过程的品质得分、基于在生产出的每个镜片上相对于所述品质水平在正常生产的背景下的预期值数字地计算出的整体品质水平的标准化,该预期值可能受到独立评估的系统差值的影响。
Description
发明领域
本发明涉及用于在处方(Rx)镜片的生产实验室中制造眼镜镜片的数字制造过程或方法的领域。
本发明尤其涉及提供一种允许实时审查制造过程的自动的、反应性的且准确的方法。此类审查应基于对提供高分辨率的测得的光焦度绘图的结果的分析并且基于镜片的表面上的所述光焦度的准确误差图。这种审查应用于要交付的正常生产(或日常生产)的镜片所产生的产品。
本发明还涉及一种过程,该过程适用于单一镜片表面的焦度测量(反射测量、表面扫描等)以评定一般固定在表面处理块上的镜片的经机加工的此单一表面的设计复制,以便至少审查制造过程的步骤的有限部分。
最后,审查方法适用于用于制造眼镜镜片的任何制造过程。
现有技术和要解决的问题
眼科行业已经从坯件制造商通过良好掌握的批量生产过程(其中,在几个表面点处检查几个样品)来连续复制(通过模制等)固定且死板的设计以保证设计复制的情况演变为兴起数字表面处理,这已经完全改变了制造镜片的方式。现在,任何个性化的和定制的设计都可以在Rx实验室中在镜片上直接进行表面处理(机加工)(称为“设计复制”)。
这种演变具有若干后果:
-数字制造过程是精细的并且需要持续维护;
-最终产品的预期品质更高但更难以保证,因为检测和量化出现在个性化设计(所有都不同)的表面上任何位置的各种缺陷的难度更大;
-制造渐变表面的责任已经从坯件制造商(批量生产)转移到Rx实验室(个性化生产)。
比如,在数字表面处理的情况下,数字制造过程涉及一系列步骤(多步骤过程):封阻坯件、产生一个(或两个)镜片表面、对镜片进行抛光、在镜片表面雕刻参考标记等,这些步骤导致多种多样的可能缺陷,因而影响镜片的最终品质。
与镜片本身或制造过程并无关联的外部参数(被称为环境参数)对过程品质(例如实验室温度等)有影响。
由于过程受控或不受控,因而许多镜片参数对产品的品质有影响:材料指标(折射率)、镜片的“设计”参数、以及更一般的几何和光学参数等。在生产实验室中,由于产品多种多样,因此在正常生产期间,许多设计参数可能对镜片品质有重要影响。
最后,涉及制造过程而不涉及镜片本身的一些参数对过程品质(例如工具速度等)有影响。
检查机器是实验室品质管理的中心并且对于将出厂的每个产品的品质保持在高水平至关重要。
在许多情况下,检查是通过使用焦度计在某些标准定义的有限数量的点(例如,一个、两个或三个点)上测量透射焦度来实施的,而不用评定整个表面上的设计复制。仅通过使用适当的照明设备对镜片品质进行视觉评定以便证实特定表面缺陷(例如:使光投射穿过镜片并且分析被投射到漫散屏上的图像)而不进行精确的客观测量来检查整个表面的大的缺陷。
在可用的检查方案中,基于透射焦度绘图的检查是对于Rx镜片实验室而言最适当的检查方案。因而,为了保证自由形态制造过程的品质,基于使用透射焦度测量进行绘图的检查已经变得至关重要。
尽管使用基于焦度绘图的检查机器以“二进制”方式在“好”产品与“坏”产品之间对被测镜片进行分类,但是只有当废品率达到给定阈值时(在生产过程中通常在问题发生后很长时间)才采取纠正措施,这导致时间和金钱的浪费。
在许多情况下,绘图技术也用于实验室的品质审查。偶尔会生产一组限定的镜片,并且由专家分析绘图结果。尽管这些审查提供了有关生产品质的有用且客观的数据,并且已经可以做出更好的决策,但它们通常很晚。
更频繁的审查是基于对在给定镜片上测量的一个或多个参数的演变进行的分析,该镜片是仔细选择的并且是由镜片制造过程有规律的生产的,以便检测该镜片制造过程的漂移。
例如,文件EP 2 214 868 A1描述了一种允许控制眼科镜片制造过程的过程,该过程包括以下步骤:
a)根据制造过程使用特定制造设备来制造“主”镜片,
b)至少使用测量设备来测量步骤a)的主镜片的至少一个参数,
c)记录参数的值,
d)有规律地重复步骤a)至c)并且检查该参数随时间的演变,
其中,在镜片制造过程期间使用的制造设备的至少一个参数随时间的演变被控制/检查,并且主镜片的至少一个参数随时间的演变与制造设备的至少一个参数随时间的演变相关。
与基于单一测量值的统计过程控制(SPC)(该统计过程控制使用呈具有可测量参数的上限和下限的控制图表形式的图像表示)的原理相关联的此文件允许不定期地控制一类特定产品和缺陷的制造过程。此过程对于本领域技术人员是众所周知的。因此,批量生产过程可以在限定的时间间隔上停止并且用于制造主镜片,即用作学习样品的镜片,该设计是众所周知并被掌握的、并且包括对要学习的(多个)过程参数的变化敏感的良好选择的测量。其目的是通过与预定公差进行比较来时常(当生产出主镜片时)控制制造过程(参数)的稳定性并且不通过控制生产出的每个镜片来实时评定品质。主镜片不具有多样性:生产出的所有镜片具有完全相同的设计。在每个主镜片上,例如在与视近和/或视远相对应的点处仅进行一次或非常有限次数的测量。
在此框架内,申请人已经在市场上提供检查设备,该检查设备使用透射焦度绘图、具有基于误差图证实镜片缺陷所需的分辨率和准确性。该误差图作为被测光学表面/透射焦度图与参考/理论表面/根据完美镜片(即设计完美复制)预计的透射焦度图之间的差值来计算。
提供了使镜片评价更容易的对误差图的自动分析。这种自动分析以一组针对与理论设计的偏差的各种标准的形式给出了量化结果,这些量化结果是在镜片表面的限定区上计算出的。在评估的标准中,每个镜片的总体品质的单一可计算标准(称为“总体绘图标准”(简称“GMCTM”,自动化与机器人(Automation&Robotics),比利时韦尔维耶))允许考虑所有类型的缺陷,并且对于镜片/过程/环境参数的所有变体是有效的。镜片总体品质的此标准结合了制造过程中产生的并影响镜片设计复制的品质水平的任何缺陷的加权量化。此标准已经被调节以与领域专家评估最佳地匹配。这种量化基于误差图值,这些误差图值离散化为散布在镜片的整个表面上的适当数量的测量点。在某一方式中,这种量化自动且以高可重复性提供了对设计复制的总体品质的评估,该评估与专家的评估(非常)相似。
总之,在现有技术中,
-复杂的多步骤过程,
-各种各样的镜片(还参见参考文献[1]),
-各种各样的缺陷,
-许多镜片参数和环境参数对品质的高影响,导致对于受控的过程而言镜片的品质变化;
-由绘图检查提供的关于生产出的镜片的大量数据等,
使得焦度图的自动解释无法在制造品质方面有效地执行。
发明内容
本发明利用比如相应透射或表面光焦度绘图式检查过程所提供的焦度误差图,从而提供与制造镜片的大部分关键步骤相关的缺陷的信息,结果是提供评定最终镜片功能(光折射)的品质的优点。
本发明的一个目的是通过自动使用被包含在误差图中的所有信息、基于绘图检查的结果来建立过程的适当反馈。
本发明的另一个目的是为镜片数字制造过程提供一种反应性且准确的审查方法。此类审查应基于对来自正常生产的镜片的镜片表面的准确的高分辨率光焦度误差绘图的测量结果的分析。
本发明还旨在提供一种对用于执行镜片制造步骤之一的任何制造单元的创新的品质审查,该品质审查基于高端绘图检查以及智能数据分析方案、旨在提高品质和产出并且降低成本。
在此呈现的过程还适用于评定(一般固定在表面处理块上的)镜片的单一表面的设计复制的表面焦度测量(反射测量、表面扫描等),以便审查制造过程的步骤的有限部分或每个步骤。
发明的主要特征
在以下权利要求中更详细地描述了本发明。应注意的是,术语“方法”准确的说指代本发明的建模和评估或审查方法,而“过程”准确的说指代用于制造眼科镜片的数字过程或方法。
根据本发明的一个实施例,描述了一种用于实时建模和量化地评估眼科镜片的总体品质水平的方法,所述镜片具有特定镜片参数和环境参数、并且通过用于制造镜片的数字过程或方法生产,所述建模和评估方法是计算机实施的并且包括以下步骤:
-基于通过该制造过程生产出的第一代表性学习组的镜片,为了自动地且以高重复性重现专家评估工作地设定每个镜片的总体制造品质的唯一的可计算标准,为制造出的每个镜片提供根据理论/参考的透射或表面光焦度图或等效图与实际测得且经校正的透射或表面光焦度图或等效图之间的偏差图来评估出的总体品质量化;基于在制造过程的独立控制和评估的一个或多个步骤期间预期的预期系统偏差的知识来校正所述测得的实际焦度图,该偏差图与在散布在镜片表面上的适当且足够大数量的测量点处的所述偏差的评估相对应;
-基于通过该制造过程生产出的第二选定代表性组的被测镜片,通过学习方法来获取并且优化数学模型,该数学模型基于所述第二镜片学习组、通过使该镜片的总体品质标准的模型输出与该镜片的所述总体品质标准的实际计算值之间的差值最小化来提供当此镜片已经在特定的、基本上稳定的、经调节的且固定的状态下使用该制造过程生产出时制造出的每个镜片的镜片参数和环境参数与预期总体品质标准之间的转换,所述学习方法包括基于第二选定镜片学习组来识别对在正常生产期间生产出的镜片的品质有影响的相关输入镜片参数和环境参数,使得这些镜片的唯一的可测量总体品质的模型输出将基于一组相关的输入镜片参数和环境参数。
根据本发明的一个实施例,提供了一种借助于“制造过程品质得分”的“自由形态”生产线的品质的实时、在线审查方法,在相对于通过此相同的受控的过程制造出的镜片的此得分的预期值将计算出的实际总体品质水平归一化之后,建立该制造过程品质得分。
根据本发明的一个实施例,描述了一种针对要评估的数字制造过程的任何单元(被称为“评估单元”)提供“制造单元品质得分”的方法,所述单元品质得分根据在通过正常生产获得的有限数量的制造出的镜片上计算出的值、独立于镜片参数和环境参数的变体并且独立于制造过程涉及的其他单元的控制状态来计算出。
附图说明
图1示意性地表示了根据本发明的限定镜片数字制造过程的品质(设计复制的品质)的方法的总体方案。
图2示意性地表示了镜片的根据设计复制的总体误差的量化而计算的可计算总体品质标准的概念。
图3表示了GMC参数值随缺陷(在此为环形缺陷)的重要性增大而增大。
图4表示了生产具有不同镜片特征(下加光)的相似镜片的受控的稳定过程的情况,GMC随时间的相应演变因为其对镜片参数(在这种情况下仅是下加光)的敏感性而是不稳定的信号。
图5A和图5B示意性地表示了镜片制造单元的品质的定义。
图6示出了针对限定的镜片工艺路线评估特定镜片制造单元的品质。
图7示出了特定生产单元的所有现有镜片工艺路线(直接链接、不直接链接以及不链接的链接单元)。
图8示出了本发明的方法的一般配置,其中,控制镜片的制造过程模型被调节。
具体实施方式
为了清晰起见,下文给出了若干定义,这些定义是本发明的披露内容的组成部分。
定义
镜片(通过被称为自由形态镜片):光学镜片,一般旨在用于眼科眼镜,通常是定制的,具有要使用数字制造过程获得的至少一个数字限定的表面。
镜片的品质(易于理解的操作性定义):镜片的一组固有特性满足其最终功能(即光折射)的能力。实际上,关于“品质”的所有考虑可以应用于与所测量的缺陷相关联的相应误差幅度(设计复制的品质)。
镜片数字制造过程:使用一个或多个计算机驱动的装置来生产数字限定的并且可能是复杂的(多个)光滑表面的过程。可以供给各种相继的装置,包括用于执行根据坯件或数字3D增材制造等进行材料表面处理(在一侧、两侧)的步骤的装置。在此考虑多步骤镜片制造过程的选定部分,包括一个或多个机器、工具或操作(参见参考文献[1])。
实时:当通过制造过程制造出的新的镜片的检查结果可用时,更新指示符。
多步骤制造过程:制造过程中比如用于镜片数字表面处理的一系列步骤:选择和验证坯件、封阻坯件、对镜片表面进行表面处理/机加工、对镜片表面进行抛光、在镜片表面雕刻参考标记等。
良好调节的或受控的制造过程:在SPC中,稳定的、即并不触发控制表的检测规则(比如西部电气公司规则)的任何制造过程。
(镜片)数字制造过程单元:在镜片制造期间工艺路线操作中选出的最小的制造子过程。在极端情况下,该单元可以是一台机器上使用的工具或完整的机器线。
正常或常规生产:与生产用于测试的特定镜片不同,正常生产是指处方实验室的常规日常生产。
镜片参数:指定/限定要生产的镜片的并且在生产所述镜片时对其品质有影响的参数集:材料指标(折射率)、镜片设计参数、以及更一般的几何和光学参数等。在生产实验室中,由于产品多种多样,因此在正常生产或常规生产期间,许多镜片参数对镜片品质有重要影响。
环境参数:与镜片本身和制造过程不相关、但对过程品质有影响的参数(例如实验室温度等)。
相关参数:无论是镜片参数、环境参数还是制造过程参数,相关参数指代在给定的制造过程中实际影响制造出的镜片的最终品质的参数。
适当的学习组或群组:一大组受控镜片,即理想地具有与在正常生产中一样多样化的特性或参数的大量镜片,需要从对在正常生产期间生产的镜片的品质有影响的镜片参数和环境参数的空间中提供与所有相关变体的影响有关的信息(学习)。
代表性学习组或群组:通过具有镜片缺陷的所有变体的制造过程生产出的一大组受控镜片。
学习方法:整套学习方法(例如主成分分析(PCA)、线性或非线性多元回归等),无论是否受监督,其允许执行选择受影响参数与要建模的输出之间的关系的影响因子和建模因子的步骤。
误差图:测得的透射或表面光焦度图与根据完美镜片(即设计的完美复制)预期的参考/理论(或目标)的透射或表面光焦度图之间的差值。出于本发明的目的,针对合适地散布在镜片的整个表面上的适当且足够大数量的点(例如1,000个点)(镜片表面的离散化)获得镜片误差图。
误差图案:根据误差的空间分布,特性图案获得误差图的总体轮廓。
镜片总体品质标准(参见图2):提供单一值的可计算参数,该单一值表示制造出的镜片的设计复制的品质、镜片的误差图案的特性,考虑到所有类型的有关的缺陷,并且对镜片参数、环境参数以及过程参数的所有变体有效(参见参考文献[1])。
换言之,每个镜片的唯一总体品质标准是一个参数,其评估值提供了由生产出的镜片的给定误差图的信息转换而产生的单一值,所述镜片被离散化为适当且足够大数量的点。这是一个总体、唯一且绝对的量化标准,因为它不依赖于特定制造工具或其他过程参数和环境参数。如以上提及的,此标准被限定为自动且以高重复性匹配和模仿将从专家获得的评估。特别地,设定单一品质标准的目的是提供用于模仿专家的评估的工具,此唯一品质标准应基于具有足够尺寸以扫描在制造期间遇到的所有或大多数缺陷的一组镜片来限定。从数学上来说,根据一个实施例,该标准是根据在误差图中测得和收集到的局部焦度误差建立的、但是也可以还涉及例如在所考虑的适当和足够大数量的点上的概率数学测量值。镜片总体品质标准的实例是GMCTM。
计算机镜片总体品质标准使用公认的规则或直接是来自领域专家的评估结合了由于制造过程而产生的并且影响镜片品质水平的任何类型的缺陷的加权量化。这种量化基于散布在镜片的表面上的适当且足够大数量的测量点的实际测得的光焦度与理论/参考值相比的偏差。
基于参考的值的归一化:“值”与“参考”之间的距离在给定空间中的算术量化。在此,对测得的误差(测得的误差用作“值”)施用归一化,以与预期误差(预期误差成为“参考”)进行比较。因此,对测得的值的唯一的数学转换用来使其可与参考值进行比较(线性归一化,…)。另一种“归一化”的表述可以是比较结果、差值或比率等。
预期系统偏差:在制造过程的特定且受控的步骤引起的理论镜片与生产出的镜片之间的偏差可以独立评估。例如,坯件的均匀的焦度偏移可以在机加工之前测量出。这种测量将允许根据镜片误差测量(其考虑了坯件误差)校正机加工过程品质(即不考虑坯件误差)的最终评估。
镜片数字制造过程的品质:镜片数字制造过程的品质得分,该品质得分独立于镜片参数和环境参数的变体、通过将在生产出的任何镜片上计算出的镜片总体品质标准(例如GMC)归一化来获得,该品质得分与针对同一镜片在经良好调节的(受控的)过程的情况下、使用考虑了来自参数空间(镜片参数和环境参数)的相关参数的模型来计算的预期镜片总体品质标准相关。实际上,可以计算有限组镜片的数学期望值(平均、加权或不加权),以便限制统计波动。为严格起见,此定义应用于一组同质的制造单元(每个制造步骤的制造单元相同)或给定的工艺路线(定义为制造步骤的顺序)、或一组同质的工艺路线,或者在一组非同质的制造单元的情况下可以应用于一组固定的有代表性的工艺路线。
平均:数学期望(平均、加权或不加权)
镜片数字制造过程单元的品质:镜片数字制造过程单元的品质得分,该品质得分独立于镜片参数和环境参数的变体、通过在涉及要评估的单元的制造过程受控(除了要评估的单元)时将在生产出的任何镜片上计算出的镜片总体品质标准(例如GMC)归一化来获得,该品质得分与针对同一镜片在经良好调节的(受控的)过程的情况下、通过考虑了来自参数空间(镜片参数和环境参数)的相关参数的模型来计算的预期镜片总体品质标准相关。实际上,可以计算有限组镜片的数学期望值(平均、加权或不加权),以便限制统计波动。
镜片(镜片表面上)的测量点的适当数量:考虑到应用于与要检测的缺陷相关的表面上的焦度偏差的空间频率的香农定理,选择在镜片表面上空间采样分布的情况下具有最佳测量分辨率的点的数量。对于自由形态镜片数字制造过程所产生的缺陷,点的数量例如被包括在100与100,000之间。
受控的制造过程或制造过程单元:在统计过程控制的一般意义上被良好调节的制造过程或制造过程单元。
(制造过程的或制造过程单元的)控制状态:在统计过程控制的一般意义上,告知过程是否被良好调节的指示符。
图1示出了根据本发明的用于评定镜片数字制造过程的品质的方法的总体方案:
-在镜片变量和环境变量的所有可能变体中限定镜片参数和环境参数,以表征参考设计;
-详细说明导致预期误差的“受控”的镜片制造过程模型;
-限定多步骤制造过程(例如:图1示出的仅有的单一工艺路线),使得根据将实际测得的制造误差的归一化相对于预期制造误差来评定制造过程的总体品质。
过程品质的这种总体评估为实验室管理带来反馈,并且在工具故障(漂移,中断等)的情况下,可以采取适当的措施。
下文中披露了审查方法的详细步骤及其大量应用。
镜片总体品质标准的模型
根据本发明的特定实施例,描述了一种用于提供允许评定眼科镜片的预期总体品质水平的模型的方法,所述镜片具有镜片参数和环境参数、并且通过镜片数字制造过程生产出,所述方法涉及以下计算机实施的步骤:
-基于制造过程生产出的第一选定代表性学习组的镜片,为了重现专家的评估工作,设定每个镜片的总体制造品质的单一可计算标准,为制造出的每个镜片提供总体品质量化,该总体品质量化是根据理论或参考的相应透射或表面光焦度图与实际经校正的测得的相应透射或表面光焦度图之间的偏差图来评估出的,所述实际测得的焦度图基于在独立控制和评估的一个或多个制造过程步骤期间预期的系统偏差的知识进行校正,偏差图与散布在镜片表面上的适当数量的测量点的所述偏差的评估相对应。具体而言,基于统计值(例如,均值,标准偏差)和/或总体分解系数(例如,泽尼克多项式、傅里叶分解形式的误差图模型的系数)的加权组合来有利地建立总体品质量化,这些统计值在参考/理论的透射或表面光焦度图与实际透射或表面光焦度图之间的偏差图上和/或在此图的任何数学变换(例如,任何阶数的导数)上进行评估。由申请人开发的作为定性/定量误差标准的总体绘图标准(或GMC,参见上文)被认为是镜片总体品质标准。GMC是单一数字,表示设计复制的基于误差图的总体品质。其独立于缺陷的类型和位置在任何误差图案上发挥作用。如图3所展示的,对于环形图案误差,当缺陷的重要性增大时,GMC值增大。基于相关的和重要的绘图检查结果,选择其值是反应性的且重要的GMC,以在过程中创建反馈信号;
-基于第二选定代表性学习组的镜片,通过学习方法获得数学模型并且将其优化,所述数学模型提供由制造出的每个镜片的镜片参数和环境参数限定的每个镜片与针对考虑了在给定的、基本上稳定且固定的制造过程状态下的制造过程而生产出的眼科镜片每个镜片的预期总体品质的唯一的可计算标准之间的转换,并且使得所述镜片总体品质标准的预期模型的输出与镜片总体品质标准的基于所述第二组镜片的计算值之间的(一个)差值最小化,所述学习方法包括基于所述第二选定学习组的被测镜片来识别在正常生产期间对镜片品质有影响的相关输入镜片参数和环境参数,使得每个镜片的唯一的总体可计算品质标准的输出基于从这些相关的输入镜片参数和环境参数中集合的一组参数。
本发明的第一目的是基于镜片总体品质标准(比如,申请人的GMC)设定模型。
模型重现或模仿制造工具的行为。必须通过使偏差最小化来调节模型以使其与此工具的操作相对应。
当工具/过程受控时,应通过使镜片总体品质标准与模型给出的预期误差接近来提供所评估的实际误差。
过程品质得分
根据特定实施例,该方法进一步提供镜片数字制造过程的品质得分(被称为“过程品质得分”),所述品质得分根据对通过正常生产获得而制造出的单一镜片或制造出的有限数量的镜片的评估、并且独立于镜片参数和环境参数的变体来计算出,所述方法进一步涉及以下步骤:
-针对所处理的每个镜片数字地评估唯一的总体品质标准;
-考虑到分配给与信噪比(SNR)限制对该“过程品质得分”的影响有关的评估和/或统计考虑的时间段,选择评估独立于这些镜片参数和环境参数的变体的该镜片数字制造过程的品质水平所需的镜片的数量X;
-基于生产出的任何镜片的唯一的可计算总体品质标准的实际测得值的归一化的平均值将“过程品质得分”量化,该过程品质得分通过所述数学模型与特定镜片的总体品质标准的预期值相关,该数学模型针对制造过程的给定的、基本上稳定的且受控的状态提供所述镜片与其环境参数的转换。
模型将与在特定环境下的特定镜片相对应的数据转换为“预期”GMC。
通过对制造出的镜片的实际测得的GMC与“预期”GMC之间的差值(或比率)求平均值来将过程品质得分量化。
分析实际生产数据示出了设计复制的品质和预期GMC取决于多个镜片参数,因为难以制造的镜片更有可能具有高复制误差并因而具有高GMC。
这些多个镜片参数中有:下加光、偏心、材料以及曲率。例如,下加光越高,越难以通过通常的机加工来获得镜片,并且预期GMC值越高。因而,提供制造过程的品质量化的准确且反应性的反馈必须对镜片参数不敏感。因此,如果过程稳定且受控,那么代替直接使用GMC值,应使用基于预期GMC计算出的GMC的归一化值。此预期值由受控的过程模型提供、在来自实验室的真实测量数据上进行计算。
因此,对于稳定且受控的过程,生产一批相同的镜片产生相同的GMC输出,这是批量生产的情况。但是,自由形态镜片生产是个性化产业而不是成批生产。因此,即使该过程在特定品质水平下是稳定且受控的,此过程仍将根据生产特定镜片的难度而生产具有不同GMC的镜片。
图4呈现了生产相似镜片(其唯一不同的参数是下加光)的稳定且受控的过程。GMC的相应时间演变由于其对镜片参数的高敏感性而提供不稳定的信号,该信号表征生产每个镜片的固有困难。因此,GMC信号值在给定品质水平下对于受控的过程是不稳定的,GMC值相比于过程的品质更加对应于产品的品质。
即使所研究的镜片或多或少难以制造,但所寻找的过程品质得分必须对于稳定且受控的过程而言是稳定的。
因此,为了基于GMC建立关于过程的状态的适当的反馈信号,该GMC应对镜片参数不敏感。因此,根据本发明,代替使用GMC信号本身,发明人使用了计算出的GMC与假定为受控的过程的期望的GMC之间的差值或比率。以这种方式,如果GMC等于控制下期望的GMC,则过程仍然被认为受控。但是,如果计算的GMC高于控制下期望的GMC,则这意味着过程已经漂移并且不再受控。
为了计算期望GMC(其是受控的过程的GMC的期望值),必须建立受控的过程的模型。此模型应包括镜片参数与相应预期GMC之间的关系,例如在图4所展示的情况下为下加光与GMC之间的关系。
使用非线性多元回归计算出的模型产生良好的结果。如上定义的过程品质得分的基于GMC值(其为产品品质得分)的归一化已经针对特定发电机(未示出)证实。如预期的,因为这些值独立于镜片参数,因此将制造过程品质量化的信号与直接建立在生产出的镜片的GMC测量结果上的信号相比噪声更少并且更加稳定。
因此,过程品质得分是用来获得过程的反馈的重要且反应性的信号。
比较以下三种反馈信号:基于废品率的得分、基于两个ISO检查点处的焦度偏差的得分、以及基于GMC(未示出)的过程品质得分。在实例中,由于废品镜片的数量增加,研究的时间段以在实验室中执行的维护步骤结束。基于废品率的信号以及基于一个参考点处的焦度误差分析的信号在时间段结束时显示出与废品镜片的数量的增大相对应的增大。但是,第三信号在该时间段期间示出了恒定增长。这种增大是发电机漂移的迹象。因此,如果实验室已经监测此最后一个值,他们可以已经对发电机做出预防行动,避免废品镜片的数量增大。
虽然每个镜片是不同的,但过程品质得分针对每个镜片给出并且提供与批量生产过程的品质反馈信号相似的结果。
生产单元(或机器)品质得分
根据本发明的特定实施例,该方法进一步提供要评估的镜片数字制造过程的任何单元(被称为“评估单元”)的第二品质得分(被称为“生产单元品质得分”),该第二品质得分根据在通过正常生产获得而制造出的有限数量的产品上执行的对过程品质的评估、并且独立于镜片参数和环境参数的变体来计算出,所述方法进一步涉及以下步骤:
-针对任何镜片数字制造单元,记录所处理的每个镜片的“过程品质得分”;
-考虑到分配给与该信噪比(SNR)限制对该“单元品质得分”的影响有关的评估和/或统计考虑的时间段,选择评估要评估的该制造单元或“评估单元”所需的镜片的数量Y;
-计算该“评估单元”的“单元品质得分”,其作为相对于在该“评估单元”上处理的所有Y个镜片的平均“过程品质得分”。
图5A和图5B中给出了镜片制造过程单元的品质的定义。基于已经在评估单元上处理的特定数量的被测镜片、通过仅考虑在特定单元上选择性处理的镜片来确定平均过程品质得分,将单元品质得分量化。在混合流程生产(实验室没有协调组织)的情况下,这些数据可以用于为实验室管理员提供实时的机器品质指示符。
这些过程品质结果可以与生产工艺路线数据链接以提供生产的实时反馈。生产工艺路线数据至少收集用于生产给定镜片的机器列表以及各种相应制造单元的进入和退出时间(图6)。
单元(或机器)改进后品质得分(具有此单元的所有现有镜片工艺路线)
在多步骤过程中,例如,运行穿过同一抛光机的所有镜片的检查数据将受到生产流程中之后和之前的机器(比如为抛光机供电的(多个)发电机)的性能的影响。
根据本发明的特定实施例,该方法进一步提供要评估的镜片数字制造过程的任何单元(被称为“评估单元”)的第三品质得分(被称为“生产单元的改进后品质得分”),该第三品质得分根据对通过正常生产获得的制造出的有限数量的镜片的评估、独立于镜片参数和环境参数的变体并且独立于该制造过程涉及的其他单元的控制状态来计算出,该方法进一步涉及以下步骤:
-针对每个镜片数字制造单元,记录所处理的每个镜片的“过程品质得分”;
-确定眼科镜片的通过工艺路线链接的所有制造单元(被称为“链接至评估单元的单元”或“链接单元”);
-选择在该“评估单元”和/或该“链接单元”上处理的一组镜片Y’,考虑到分配给与该信噪比(SNR)限制对该“该单元的改进后品质得分”的影响有关的评估和/或统计考虑的时间段,需要所述组来用于评估该评估单元;
-当考虑到该组选定镜片的一组“过程品质得分”以及所有相应工艺路线时,数学上确定该评估单元和链接单元中每个单元的最可能的“该生产单元的改进后品质得分”。
根据这些实施例,考虑了镜片已经在其上进行处理的其他单元。目的是通过统计分析消除可能存在缺陷的单元的影响。
链接至评估单元的单元可以是直接链接或非直接链接至评估单元之前(或之后)的步骤或评估单元所涉及的、但与其不直接链接的制造步骤的单元(参见图7)。
应用-调节制造过程参数
根据本发明的特定实施例,该基本方法可以借助于对镜片的预期总体品质水平的量化进行监测来用于调节过程参数,该镜片具有任何镜片参数和环境参数、要通过镜片数字制造过程在这些过程参数的所述调节的情况下生产出。
根据这些实施例,制造过程参数或环境参数被修改。调节模型以考虑到被修改的镜片参数、过程参数和环境参数(参见图8)。
根据特定实施例,调节这些制造过程参数,使得在这些制造过程参数的所述调节的情况下将眼科镜片数字制造过程的品质得分或“过程品质得分”量化。
根据特定实施例,调节这些过程参数,使得在制造过程参数的所述调节的情况下将任何眼科镜片数字制造过程单元的品质得分或“单元品质得分”量化。
根据特定实施例,调节被评估的生产单元参数,使得在制造单元参数的所述调节的情况下将眼科镜片数字制造过程单元的品质得分或“生产单元品质得分”量化。
其他应用
根据本发明的特定实施例,该方法包括为选定镜片以及可能降至1D、2D等参数空间的特定环境参数提供该学习组中的镜片的计算出的实际总体品质标准与所述镜片的由该模型提供的预期总体品质标准之间的误差的显示的附加步骤,从而提供了针对与参数空间的镜片或环境参数的特定值相关的特定条件来检测受控的制造过程的可能的中断的手段。
可以以仪表板的形式提供显示,该仪表板表示例如在给定时间时的机器品质得分。实验室的每台机器都可以用例如误差条表示。机器品质得分的重要性可以用颜色表示(例如,绿色:好;黄色,红色:不好),同时条的长度可以代表机器最近生产出的镜片的数量。
还可以对生产品质进行持续审查,以控制机器在较长时间段期间的运行情况。在某一时段期间,可以监测若干发电机的机器品质得分的时间演变。在所讨论的示例性情况下,发电机在研究的整个时间段期间示出较高误差。对误差图的视觉分析确认系统误差。经研究的实验室还确认,此发电机是产生最多废品的发电机(未示出)。
机器品质得分还可以被用于检测漂移并且知晓什么时候需要维护。监督软件可以检测到这种漂移并且显示警告消息来警告实验室管理员并建议采取行动。
流程管理通常用于在数量方面管理和优化生产流程。将这种途径与机器品质得分所提供的信息结合起来允许利用集成的品质优化概念来管理生产流程。
例如,如果仪表板示出了第一雕刻机性能良好但使用较少,而第二雕刻机未使用,并且最常使用的第三雕刻机产生较多误差,则智能监督软件可以决定将镜片分配给前两个雕刻机,至少直到第三雕刻机(未示出)的问题解决为止。
根据本发明的特定实施例,该方法包括提供针对与镜片或环境参数的特定值、例如该参数空间的特定区域有关的特定条件来自动检测受控的该制造过程的漂移的附加步骤。
根据本发明的特定实施例,该方法包括允许针对与镜片或环境参数的特定值、例如该参数空间的特定区域的特定条件来自动检测可能失控的该制造过程的漂移的附加步骤。
参考文献
[1]FOGLIATTO,Flavio S.,DA SILVEIRA,Giovani J.C.,以及BORENSTEIN,Denis。大规模定制年代:文献的最新评论。国际生产经济学杂志,爱思唯尔,2012年,第138卷,第1期,14-25页。
Claims (16)
1.一种用于实时建模和量化地评估眼科镜片的预期总体品质水平的方法,所述镜片具有镜片参数和环境参数、并且通过镜片数字制造过程生产,所述建模和评估方法是计算机实施的并且包括以下步骤:
-基于通过该制造过程生产出的第一选定代表性学习组的被测镜片,为了自动地且以高重复性重现专家的评估工作地设定每个镜片的总体制造品质的单一可计算标准,向每个制造出的镜片提供根据参考或理论的相应透射或表面光焦度图与实际测得且经校正的相应透射或表面光焦度图之间的偏差图评估出的总体品质量化,该实际测得的焦度图的所述校正基于当这些制造过程步骤中的一个或多个制造过程步骤被独立地控制和评估时预期的系统偏差的知识来执行,该偏差图与在遍布该镜片的表面的一定数量的测量点处对所述偏差的评估相对应;
-基于通过该制造过程生产出的第二选定代表性学习组的被测镜片,通过学习方法来获取并且优化数学模型,该数学模型基于所述第二选定学习组的被测镜片、通过使该镜片的总体品质标准的模型输出与该镜片的所述总体品质标准的实际计算值之间的差值最小化来提供当此镜片已经在给定的、稳定的、经调节的且固定的状态下使用该制造过程生产时制造出的每个镜片的镜片参数和环境参数与预期总体品质标准之间的转换,所述学习方法包括基于所述第二选定学习组的被测镜片来识别对在正常生产期间生产的镜片的品质有影响的相关输入镜片参数和环境参数,使得每个镜片的唯一的可测量总体品质标准的模型输出将基于从这些相关输入镜片参数和环境参数中选出的一组参数。
2.根据权利要求1所述的实时建模和评估方法,其特征在于,散布在该镜片表面上的测量点的适当且足够大的数量是基于香农定理、考虑到焦度偏差的最大空间频率来确定的,并且被包括在100与100,000之间。
3.根据权利要求1所述的实时建模和评估方法,其特征在于,散布在该镜片表面上的测量点的适当且足够大的数量在1,000与100,000之间。
4.根据权利要求1所述的实时建模和评估方法,其特征在于,散布在该镜片表面上的测量点的适当且足够大的数量是1,000。
5.根据权利要求1所述的实时建模和评估方法,其特征在于,该数学模型的学习方法是作为线性或非线性多元回归或主成分分析(PCA)的、受到或不受到监督的自动学习方法。
6.根据权利要求1所述的实时建模和评估方法,其特征在于,该方法进一步提供该镜片数字制造过程的被称为“过程品质得分”的第一品质得分,所述过程品质得分根据对通过正常生产而制造出的单一镜片或制造出的有限数量的镜片的数字评估、并且独立于这些镜片参数和环境参数的变体来计算出,所述建模和评估方法进一步涉及以下步骤:
-针对所处理的每个镜片数字地评估该可测量总体品质标准;
-考虑到分配给与信噪比(SNR)限制对该“过程品质得分”的影响有关的评估和/或统计考虑的时间段,选择评估独立于这些镜片参数和环境参数的变体的该镜片数字制造过程的品质得分所需的镜片的数量X;
-通过使制造出的每个镜片的总体品质标准的实际计算值归一化相对于由所述数学模型提供的该总体品质标准的预期值来量化该“过程品质得分”,针对在给定的、稳定的、固定的且经调节或受控的状态下的制造过程提供制造出的每个镜片及其镜片参数和环境参数与这些镜片的总体品质标准的预期值之间的转换。
7.根据权利要求6所述的实时建模和评估方法,其特征在于,该方法进一步提供被称为“评估单元”的要评估的任何镜片数字制造过程单元的被称为“制造单元的品质得分”的第二品质得分,所述单元品质得分根据基于对通过正常生产而制造出的有限数量的镜片的评估并且独立于这些镜片参数和环境参数的变体来计算出,所述建模和评估方法进一步涉及以下步骤:
-针对任何镜片数字制造单元,记录所处理的每个镜片的“过程品质得分”;
-考虑到分配给与该信噪比(SNR)限制对该“单元品质得分”的影响有关的评估和/或统计考虑的时间段,选择评估要评估的该制造单元或“评估单元”所需的镜片的数量Y;
-计算该“评估单元”的“单元品质得分”,其作为相对于在该“评估单元”上处理的所有Y个镜片的平均“过程品质得分”。
8.根据权利要求6所述的实时建模和评估方法,其特征在于,该方法提供被称为“评估单元”的要评估的任何镜片数字制造过程单元的被称为“制造单元的改进后品质得分”的第三品质得分,所述单元改进后品质得分根据基于对通过正常生产而制造出的镜片的评估、独立于镜片参数和环境参数的变体并且独立于该制造过程涉及的其他单元的控制状态来计算出,所述方法进一步涉及以下步骤:
-针对每个镜片数字制造单元,记录所处理的每个镜片的“过程品质得分”;
-确定通过镜片生产工艺路线/流程而链接的、被称为“链接至该评估单元的单元”或“链接单元”的,所有眼科镜片制造单元;
-选择在该评估单元和/或该“链接单元”上处理的一组镜片Y,考虑到分配给与该信噪比(SNR)限制对该“该单元的改进后品质得分”的影响有关的评估和/或统计考虑的时间段,需要所述组来用于评估该评估单元;
-当考虑到该组选定镜片Y的一组“过程品质得分”以及所有相应工艺路线时,数学上确定该评估单元和链接单元中每个单元的最可能的“该制造单元的改进后单元品质得分”。
9.根据权利要求1所述的实时建模和评估方法,其特征在于,调节这些制造过程参数,使得将由镜片的数学模型给出的预期总体品质水平量化,该镜片具有镜片参数和环境参数、在这些制造过程参数的所述调节的情况下通过镜片数字制造过程生产出。
10.根据权利要求1所述的实时建模和评估方法,其特征在于,该方法包括为选定镜片以及降至1D、2D等参数空间的环境参数提供该第一学习组的被测镜片的实际总体品质标准与这些镜片的由该模型提供的预期总体品质标准之间的误差的显示的附加步骤,此显示因此提供了针对与参数空间的一部分的镜片和/或环境参数的特定值相关的特定条件来检测受控的制造过程的中断的手段。
11.根据权利要求1所述的建模和评估方法,其特征在于,该方法包括为选定镜片以及降至1D、2D等参数空间的环境参数提供被测镜片的实际总体品质标准与这些镜片的由该模型提供的预期总体品质标准之间的误差的显示的附加步骤,此显示提供了针对与参数空间的一部分的镜片和/或环境参数的特定值相关的特定条件来检测可能失控的该制造过程的漂移的手段。
12.根据权利要求10所述的实时建模和评估方法,其特征在于,该方法包括提供针对与该参数空间的一部分的镜片和/或环境参数的特定值有关的特定条件来自动检测受控的该制造过程的漂移的附加步骤。
13.根据权利要求11所述的实时建模和评估方法,其特征在于,该方法包括提供针对与该参数空间的一部分的镜片和/或环境参数的特定值有关的特定条件来自动检测可能失控的该制造过程的漂移的附加步骤。
14.根据权利要求6所述的实时建模和评估方法,其特征在于,调节这些制造过程参数,使得在这些制造过程参数的所述调节的情况下将该镜片数字制造过程的品质得分或“过程品质得分”量化。
15.根据权利要求7或8所述的实时建模和评估方法,其特征在于,调节这些制造过程参数,使得在这些制造过程参数的所述调节的情况下将该眼科镜片数字制造过程单元的品质得分或“单元品质得分”量化。
16.根据权利要求7或8所述的实时建模和评估方法,其特征在于,调节这些评估单元参数,使得在所述调节这些单元参数的情况下将任何眼科镜片数字制造过程单元的品质得分或“单元品质得分”量化。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
BE2017/5592 | 2017-08-28 | ||
BE2017/5592A BE1025126B1 (fr) | 2017-08-28 | 2017-08-28 | Méthode d’audit de qualité en ligne, en «temps reel» d'un processus numérique de fabrication de lentilles ophtalmiques |
PCT/EP2018/072923 WO2019042899A1 (fr) | 2017-08-28 | 2018-08-24 | Méthode d'audit de qualité en ligne en "temps reel" d'un processus numérique de fabrication de lentilles ophtalmiques |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111095143A CN111095143A (zh) | 2020-05-01 |
CN111095143B true CN111095143B (zh) | 2023-03-21 |
Family
ID=59974091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880055919.7A Active CN111095143B (zh) | 2017-08-28 | 2018-08-24 | 实时建模和量化地评估眼科镜片预期总体品质水平的方法 |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP3676677B1 (zh) |
CN (1) | CN111095143B (zh) |
BE (1) | BE1025126B1 (zh) |
BR (1) | BR112020003883A2 (zh) |
IL (1) | IL272614B2 (zh) |
WO (1) | WO2019042899A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084222A (zh) * | 2020-08-25 | 2020-12-15 | 江苏黄金屋光学眼镜有限公司 | 一种可夜视周边离焦镜片的加工工艺 |
CN113673915B (zh) * | 2021-10-22 | 2022-01-18 | 华夏生生药业(北京)有限公司 | 基于生产全周期跟踪的聚丙烯输液袋质量监测分析系统 |
CN114593898B (zh) * | 2022-05-07 | 2022-07-15 | 深圳市润之汇实业有限公司 | 基于折射数据的透镜质量分析方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738991A (zh) * | 2008-11-26 | 2010-06-16 | 国立成功大学 | 检测产品品质超规与评估产品实际测量值的方法 |
DE102010051762A1 (de) * | 2010-11-17 | 2012-05-24 | Rodenstock Gmbh | Berechnungsverfahren zur Wellenfrontdurchrechnung von Brillengläsern mit einem diffraktiven Gitter |
CN103358574A (zh) * | 2012-03-30 | 2013-10-23 | 庄臣及庄臣视力保护公司 | 轮廓形成控制 |
EP2799832A2 (de) * | 2013-05-02 | 2014-11-05 | Carl Zeiss Vision International GmbH | Verfahren und Vorrichtung für die Brillenglas-Qualitätskontrolle |
CN105073395A (zh) * | 2013-04-23 | 2015-11-18 | 埃西勒国际通用光学公司 | 用于对光学镜片制造工艺中所使用的制造设备进行控制的方法 |
TW201605602A (zh) * | 2014-08-12 | 2016-02-16 | Nat Univ Chin Yi Technology | 以類神經網路結合基因演算法建構逆向模型處理系統 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5461570A (en) * | 1994-06-10 | 1995-10-24 | Johnson & Johnson Vision Products, Inc. | Computer system for quality control correlations |
DE60323630D1 (de) * | 2002-05-16 | 2008-10-30 | Hoya Corp | Verfahren und einrichtung zum bewerten einer brillenlinse oder form zum formen einer brillenlinse und verfahren und system zur herstellung einer brillenlinse |
EP2189776B1 (en) * | 2007-08-31 | 2017-08-09 | Hoya Corporation | Lens evaluation method, lens evaluation device, lens manufacturing method, and lens characteristic display method |
DE602008005790D1 (de) * | 2007-11-30 | 2011-05-05 | Essilor Int | Verfahren zur steuerung eines verfahrens zur linsenherstellung |
US20110153248A1 (en) * | 2009-12-23 | 2011-06-23 | Yeming Gu | Ophthalmic quality metric system |
WO2017133970A1 (en) * | 2016-02-05 | 2017-08-10 | Essilor International (Compagnie Générale d'Optique) | A method for monitoring an optical lens manufacturing process |
-
2017
- 2017-08-28 BE BE2017/5592A patent/BE1025126B1/fr active IP Right Grant
-
2018
- 2018-08-24 IL IL272614A patent/IL272614B2/en unknown
- 2018-08-24 CN CN201880055919.7A patent/CN111095143B/zh active Active
- 2018-08-24 BR BR112020003883-0A patent/BR112020003883A2/pt unknown
- 2018-08-24 WO PCT/EP2018/072923 patent/WO2019042899A1/fr unknown
- 2018-08-24 EP EP18756254.1A patent/EP3676677B1/fr active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738991A (zh) * | 2008-11-26 | 2010-06-16 | 国立成功大学 | 检测产品品质超规与评估产品实际测量值的方法 |
DE102010051762A1 (de) * | 2010-11-17 | 2012-05-24 | Rodenstock Gmbh | Berechnungsverfahren zur Wellenfrontdurchrechnung von Brillengläsern mit einem diffraktiven Gitter |
CN103358574A (zh) * | 2012-03-30 | 2013-10-23 | 庄臣及庄臣视力保护公司 | 轮廓形成控制 |
CN105073395A (zh) * | 2013-04-23 | 2015-11-18 | 埃西勒国际通用光学公司 | 用于对光学镜片制造工艺中所使用的制造设备进行控制的方法 |
EP2799832A2 (de) * | 2013-05-02 | 2014-11-05 | Carl Zeiss Vision International GmbH | Verfahren und Vorrichtung für die Brillenglas-Qualitätskontrolle |
TW201605602A (zh) * | 2014-08-12 | 2016-02-16 | Nat Univ Chin Yi Technology | 以類神經網路結合基因演算法建構逆向模型處理系統 |
Non-Patent Citations (2)
Title |
---|
《基于图像处理的镜片疵病类型识别研究》;姚红兵;《激光与光电子学进展》;20131110;全文 * |
《基于图像统计建模的工业过程产品质量监测》;刘金平;《光电子· 激光》;20150915;全文 * |
Also Published As
Publication number | Publication date |
---|---|
BR112020003883A2 (pt) | 2020-09-08 |
IL272614B1 (en) | 2023-05-01 |
BE1025126B1 (fr) | 2018-11-05 |
CN111095143A (zh) | 2020-05-01 |
IL272614B2 (en) | 2023-09-01 |
WO2019042899A1 (fr) | 2019-03-07 |
EP3676677B1 (fr) | 2021-10-13 |
EP3676677A1 (fr) | 2020-07-08 |
IL272614A (en) | 2020-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI706232B (zh) | 模型化系統或執行諸如微影系統之系統之預測維修之方法及相關聯微影系統 | |
CN111095143B (zh) | 实时建模和量化地评估眼科镜片预期总体品质水平的方法 | |
KR102149866B1 (ko) | 리소그래피 시스템들과 같은 시스템들을 모델링하거나 시스템들의 예측 유지보수를 수행하는 방법들, 및 연계된 리소그래피 시스템들. | |
US6915172B2 (en) | Method, system and storage medium for enhancing process control | |
JP2006148070A (ja) | センサデータの補正方法及びインターロックシステムのインターロック評価方法 | |
JP7288345B2 (ja) | 粒子径分布測定装置、粒子径分布測定方法、及び、粒子径分布測定装置用プログラム | |
US20220147871A1 (en) | Method and system for quality control in industrial manufacturing | |
US10592840B2 (en) | Method for “real time” in-line quality audit of a digital ophthalmic lens manufacturing process | |
CN109213057B (zh) | 智能诊断装置和方法 | |
KR102224682B1 (ko) | 워크피스의 컴퓨터 단층 촬영 검사를 위한 시스템의 기능 상태 모니터링 방법 | |
Duc et al. | Design of industrial system using digital numerical control | |
Fruggiero et al. | The role of human fatigue in the uncertainty of measurement | |
CN113532341B (zh) | 用于确定测量测量物体的测量策略的方法和设备及程序 | |
CN116391159A (zh) | 用于批量生产的产品的质量控制 | |
Newman | Insuring quality: Purchasing's role | |
EP3267371A1 (en) | Method for "real time" in-line quality audit of a digital ophthalmic lens manufacturing process | |
Lin et al. | Relative control philosophy–balance and continual change for forecasting abnormal quality characteristics in a silicon wafer slicing process | |
Basova et al. | The Cutting Tool Technical State Forecasting During the Technological Production Preparation Stages | |
US11237550B2 (en) | Ultrasonic flow meter prognostics with near real-time condition based uncertainty analysis | |
CN114273978B (zh) | 刀具的磨损检测方法、电子设备及计算机可读存储介质 | |
Koteras et al. | Ensuring the Reliability of the Car Body Controls by Controlling the Current Inspection of Measuring Machines | |
Sonooch et al. | An Approach to Compare Measurement System Analysis and Process Capability Study for Prioritizing Improvement | |
TH2001001041A (th) | วิธีการตรวจสอบคุณภาพของกระบวนการผลิตเลนส์สายตาด้วยระบบดิจิตอลตาม "เวลาจริง" และในระหว่างการผลิต | |
KR20220157168A (ko) | 인공지능 기반 절삭공구 마모 관리 시스템 및 그 방법 | |
CN117852931A (zh) | 基于人工智能和大数据分析的营商环境评估算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |