CN112771459A - 用于灌装系统的通信和开环/闭环控制系统 - Google Patents
用于灌装系统的通信和开环/闭环控制系统 Download PDFInfo
- Publication number
- CN112771459A CN112771459A CN201980063303.9A CN201980063303A CN112771459A CN 112771459 A CN112771459 A CN 112771459A CN 201980063303 A CN201980063303 A CN 201980063303A CN 112771459 A CN112771459 A CN 112771459A
- Authority
- CN
- China
- Prior art keywords
- closed loop
- open
- communication
- loop control
- machine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004891 communication Methods 0.000 title claims abstract description 39
- 101000749824 Homo sapiens Connector enhancer of kinase suppressor of ras 2 Proteins 0.000 claims description 16
- 101001137642 Homo sapiens Kinase suppressor of Ras 1 Proteins 0.000 claims description 16
- 101001137640 Homo sapiens Kinase suppressor of Ras 2 Proteins 0.000 claims description 16
- 102100021001 Kinase suppressor of Ras 1 Human genes 0.000 claims description 16
- 102100021000 Kinase suppressor of Ras 2 Human genes 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000013473 artificial intelligence Methods 0.000 claims description 10
- 238000000071 blow moulding Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 7
- 238000004806 packaging method and process Methods 0.000 claims description 6
- 235000013361 beverage Nutrition 0.000 claims description 5
- 238000010017 direct printing Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 18
- 238000004519 manufacturing process Methods 0.000 description 18
- 230000009471 action Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 239000000047 product Substances 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 230000003190 augmentative effect Effects 0.000 description 4
- 239000000872 buffer Substances 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000012263 liquid product Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 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
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/409—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using manual data input [MDI] or by using control panel, e.g. controlling functions with the panel; characterised by control panel details or by setting parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
- B65B57/00—Automatic control, checking, warning, or safety devices
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- 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]
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24168—Identify connected programmer to allow control, program entry
-
- 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
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Human Computer Interaction (AREA)
- Manipulator (AREA)
- General Factory Administration (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及用于至少一个灌装系统的通信和开环/闭环控制系统，该灌装系统包括具有以下各项的机器：软件通信机器人、特别是聊天机器人，其被配置为识别操作者的语音输入和/或文本输入；以及开环/闭环控制装置，其连接至软件通信机器人以进行数据通信并且被配置为基于软件通信机器人所识别出的语音输入和/或文本输入以开环和/闭环方式来控制灌装系统的机器。
Description
技术领域
本发明涉及灌装系统的领域，特别地涉及借助于操作装置以开环/闭环的方式来控制灌装系统。
背景技术
用于饮料等的灌装系统包括串联连接的多个生产单元，诸如灌装机、贴标签机和包装机等。如例如DE 10 2009 040 977 A1中所描述的，生产单元可以通过转动传送装置的形式而至少部分地被配置为彼此耦接的转动机器。可选地，生产单元还可以被配置为内联单元以及/或者通过线性运输装置、分配装置和产品缓冲器而彼此连接。相应的系统概念例如在DE 4 442 586 W4、DE 20 2004 012 848 U1和EP 2 218 664 A2中得到描述。
现在，一般使用触摸屏来操作灌装系统，通过该触摸屏，操作者可以输入用于以开环/闭环方式来控制灌装系统中的各个机器的指令。对操作者的认证可能是必要的，例如通过编码有操作者的身份的应答器来进行认证，以确保响应于来自操作者的输入而仅执行操作者被授权的那些操作。对操作者的输入的确认以及与操作状态或操作故障有关的信息可以显示在触摸屏上。
然而，适于经由这种触摸屏操作的操作措施需要操作者的相应良好建立的训练、经验和当前的集中，以实现期望操作。因此，目的是简化灌装系统的当前操作，使得更可靠且更快地实现合适的操作。
发明内容
上述目的通过用于至少一个灌装系统(特别地用于灌装饮料；还可以提供可能是彼此紧挨着设置的多个系统)的通信和开环/闭环控制系统来满足，其中，灌装系统包括具有以下各项的机器：
软件通信机器人、特别是聊天机器人，其被配置为识别操作者的语音输入和/或文本输入、以及/或者输出或显示与所述机器的操作状况有关的信息；
开环/闭环控制装置，其与所述软件通信机器人连接以进行数据通信，并且所述开环/闭环控制装置被配置为基于所述软件通信机器人所识别出的语音输入和/或文本输入以开环和/或闭环方式控制所述机器。
所提及的机器可以例如是灌装机、贴标签机、包装机、直接印刷机或吹塑机。运输装置/运输路径目前同样可以被术语“机器”涵盖。术语“开环/闭环控制系统”目前被理解为意味着开环和/或闭环控制系统。开环/闭环控制系统可以是整个灌装系统的中央开环/闭环控制系统的一部分，其以开环/闭环方式来控制所有机器。软件(软件实现的)通信机器人可以至少部分地位于灌装系统的机器之一处，并且可以是或包括聊天机器人。特别地，软件通信机器人可以包括或连接至显示装置，并且其可以包括或连接至语音输出。可以经由这种语音输出来进行与操作者的对话。软件通信机器人可以在灌装系统的中央处理单元中实现。在任何情况下，其接收麦克风所记录的语音输入或者来自操作者的文本输入。
聊天机器人是计算机实现的对话系统，利用该对话系统可以经由文本输入或语音进行通信，使得其智能地支持操作者操作灌装系统中的机器。一般来说，软件通信机器人显著地简化了在已知的现有技术触摸屏终端上对灌装系统的操作。特别地，软件通信机器人可以包括语音识别模块，该语音识别模块允许识别以多种语言或方言输入的文本和/或(口头)语音，使得操作者可以以他的优选语言来操作灌装系统。此外，软件通信机器人可被配置为询问输入并且示出针对操作者所提及的期望操作或问题、或者已被单独识别出的问题的解决方案。
此外，软件通信机器人可被配置为呈现诊断信息。分别位于灌装系统的特定机器处或与该机器在逻辑上相关联的软件通信机器人也可以在其中呈现与灌装系统中的另一机器的操作过程相关的数据。可以经由在机器上或机器处提供的显示装置来呈现数据，经由该显示装置，一般可以尤其借助于虚拟现实或增强现实应用来呈现信息。也可以经由语音输出来输出信息。为了提高经由合成语音输出而输出的信息的清晰度，语音输出可以发生在操作者所穿戴的头戴式耳机上。还可以使用移动操作装置和/或智能手机来呈现信息/数据。
软件通信机器人可以响应于与操作者的对话、通过与灌装系统的开环/闭环控制装置的数据通信来发起操作过程。
软件通信机器人可以包括特别用于说话者辨识的说话者识别模块。其还可用于说话者验证，即验证由操作者预定的说话者的身份。软件通信机器人可以使用说话者识别模块来识别操作者，然后可以使与所识别出的操作者的对话适应于操作者。例如，与被识别为经验丰富者的操作者的对话将在复杂性和细节方面不同于与被识别为经验较少者的另一操作者的对话。因此，对话可以适当地适应于操作者的训练或经验。对话还可以适应于所识别出的操作者的权限，使得可以防止操作者尝试发起他未被授权的操作。
软件通信机器人还可以例如在无线电通信中或者经由内联网与灌装系统的特别是移动的协作机器人进行数据通信，以响应于与操作者的对话而向其发出指令。此外，软件通信机器人可被配置为经由通信网络并响应于与操作者的对话而与远离正同软件通信机器人对话的操作者的一个或多个其他操作者进行通信。
软件通信机器人可以配备有人工智能(AI)模块或者与AI模块通信，软件通信机器人可以借助于该AI模块来进行学习。例如，在借助于上述的说话者识别模块识别操作者之后，软件通信机器人可以根据随时间发展的操作者的对话行为来推断操作者的经验/训练水平，并根据学习结果来调整其本身的对话行为。以这种方式，可以动态地管理、存储操作者的操作者简档并将其用于学习。操作者简档可以包含与操作者的资格和权限有关的数据，这些数据确定操作者可以在多大程度上影响哪些机器和机器的组件的操作。操作者简档还可用于对操作者的语音输入的语音识别。AI模块还可用于学习/训练上述语音识别和说话者识别。
AI模块可被配置用于机器学习，并且可以是或包括人工神经网络。学习可以至少部分地基于模糊逻辑。人工神经网络可以是神经模糊网络。模糊控制器与神经网络的组合使得能够自动调整或生成模糊规则，根据这些模糊规则，可以进行学习以及与操作者的对话。
此外，目前提供了根据上述示例之一的具有通信和开环/闭环控制系统的灌装系统。原则上，灌装系统的各机器(例如灌装机、封闭机、贴标签机、吹塑机和包装机等)可以分别配备有软件通信机器人或聊天机器人，并且各个软件通信机器人或聊天机器人可以相应地彼此联网。
附图说明
以下参考附图来描述根据本发明的方法的实施例。所描述的实施例在所有方面中将被认为仅仅是说明性的而不是限制性的，并且本发明包括所指定的特征的各种组合。
图1示意性地示出根据本发明的示例的、与灌装系统的机器连接的通信和开环/闭环控制系统。
图2示出例示了可以实现软件通信机器人的通信结构的框图，该通信结构例如可以用于操作灌装系统中的机器。
图3示出根据本发明的可以借助于通信和开环/闭环控制系统来操作的示例性灌装系统。
具体实施方式
本发明涉及操作灌装系统中的机器。根据本发明，机器由操作者通过输入到软件通信机器人中的文本或语音来操作。此外，聊天机器人将代表这种软件通信机器人，但软件通信机器人的任何实现被包括在该本说明书中。聊天机器人可以至少部分地用C++或Python编程。
图1示意性地示出包括多个机器M1、M2和M3的灌装系统100的线路。机器各自分别具有组件K11、K12和K13；或者K21、K22和K23；或者K31、K32和K33，以例如用于处理瓶子或其用于处理容器的预成型件。第一开环/闭环控制系统KSR1与第一机器M1通信以进行数据交换，第二开环/闭环控制系统KSR2与第二机器M2通信以进行数据交换，并且第三开环/闭环控制系统KSR3与第三机器M3通信以进行数据交换。开环/闭环控制系统KSR1、KSR2和KSR3各自还可以例如经由彼此间的机器M1、M2、M3之间的连接或者经由接收与所有机器M1、M2、M3有关的数据的高级数据系统来从任何机器M1、M2和M3接收数据。开环/闭环控制系统KSR1、KSR2和KSR3也可以互连以进行数据交换。
通信和开环/闭环控制系统KSR1包括与机器M1连接的开环/闭环控制系统SR1以采用开环/闭环方式来控制机器M1和聊天机器人K1，通信和开环/闭环控制系统KSR2包括与机器M2连接的开环/闭环控制系统SR2以采用开环/闭环方式来控制机器M2和聊天机器人K2，以及通信和开环/闭环控制系统KSR3包括与机器M3连接的开环/闭环控制系统SR3以采用开环/闭环方式来控制机器M3和聊天机器人K3。聊天机器人K1与开环/闭环控制系统SR1通信，聊天机器人K2与开环/闭环控制系统SR2通信，以及聊天机器人K3与开环/闭环控制系统SR3通信。操作者可以通过聊天机器人K1、K2和K3其中之一来操作机器M1、M2和M3其中之一。各聊天机器人可以在图2所示的通信结构200中实现。
开环/闭环控制系统SR1、SR2和SR3各自可以是中央开环/闭环控制系统的一部分。特别地，开环/闭环控制系统SR1、SR2和SR3各自无需物理地放置在机器M1、M2、M3其中之一处。开环/闭环控制系统SR1、SR2和SR3各自至少在逻辑上被指派给机器其中之一。
图2所示的通信结构200包括输入接口210。输入接口210接收表示由麦克风(未示出)记录的操作者的语音输入的数据。可选地，输入接口210可以接收文本数据。其可被配置为组合的软件和硬件接口。该数据从输入接口210发送到(数据)处理单元220。处理单元220可以是处理单元的一部分，该处理单元位于灌装系统的中央并且可以包括用于不同机器的不同处理单元。处理单元220可以包括用于处理数据的处理器。通信结构200还包括输出单元230和输出接口240。语音输出经由输出单元230生成，并且可以经由输出接口240和扬声器(未示出)输出以用于与操作者对话。输出接口240同样可被配置为组合的软件和硬件接口。
处理单元220可被配置为基于从输入接口210接收到的数据来执行说话者识别。此外，语音输入的语义内容由中央处理单元220确定。确定语义内容和说话者识别可以借助分别存储在模型存储器250中的一个或多个语言模型或语义模型而进行。在确定语义内容时，可以考虑某些词以某种顺序出现的概率。语义模型可以以神经网络或贝叶斯分类器的形式实现。借助于输出单元230执行的与操作者的对话是基于存储在对话模型存储器260中的对话模型而进行的。特别地，处理单元220可被配置成识别几种语言和/或方言的语音输入，其中需要在模型存储器250中提供用于不同语言或方言的不同模型。可以在图2所示的通信结构200中实现自我学习聊天机器人。学习过程借助于训练单元270进行，该训练单元270收集和评价数据并将所接收到的语音数据和所识别的语义内容存储在存储器280中。此外，可以在存储器280中存储和更新操作者的操作者简档。例如，可以学习借助于说话者识别而辨识出的操作者的知识水平随时间如何变化，并且处理单元220所控制的与该操作者的对话可以适应于随时间变化的操作者的知识水平。如果操作者在早期阶段仍然需要相对窄的、详细的对话来发起机器的期望操作，则由于操作者的知识水平的增加，对话可以在稍后时间缩短，从而使得能够更快地操作机器。在确定语音输入的语义内容时，还可以考虑操作者简档。
用以进行聊天机器人的对话的动态学习可以借助于通信结构200中所实现的人工智能而进行。人工智能还可以用于对语音输入的语音识别或说话者识别/辨识/验证。人工智能可以以神经网络的形式实现。神经网络可被理解为意味着适于模拟任何非线性函数的工具，因此还意味着例如模糊逻辑的规则(如果这些函数基于示例可用的话)。可以从大量示例中学习/训练神经网络的规则性和由此的加权，然后借助于预定的但也是适应性的规则(例如，模糊量和规则)来表达这些大量示例。模糊控制器与神经网络的组合允许以智能学习相关方式建立和参数化模糊规则。
在模糊理论中，规则(更确切地说是语言规则)包括：多个前提和动作(一般称为“如果-则”形式)，其中，所述多个前提为多个输入变量对通过逻辑运算彼此链接的多个语言值的隶属度的形式，即规则的所谓先决条件；并且所述动作采用输出变量对语言值的隶属函数的形式。各规则原则上可以由专家预定和/或使用自动化方法学习。该自动化方法可以特别地利用上述的人工神经网络来执行。可以通过优化步骤来进一步调整预定或学习的规则。优化步骤可以包括对与规则中使用的语言值相关联的模糊量的上述参数的调整或者规则的优先级排序或消除。当根据本发明基于规则的动作的结果隶属函数来确定总隶属函数时，可以特别地通过设置或调节规则的加权来进行优先级排序或消除。
两个或更多个语言值的逻辑运算可以使用通常的逻辑运算符(特别地，“与”、“或”和“异或”)来实现。可以采用二进制、三进制或具有三个以上操作数的运算符。另外，否定的一元运算可以适用于任何语言值。
当对规则的前提的两个或更多个语言值进行逻辑“与”时，规则的先决条件的程度可以特别地通过输入变量对其相应语言值的隶属度的最小值来形成。当对前提的两个或更多个语言值进行逻辑“或”时，先决条件的程度可以特别地通过输入变量对其相应语言值的隶属度的最大值来形成。可选地，逻辑“与”运算符和/或逻辑“或”运算符可以使用有限和来执行。
确定规则的动作的结果隶属函数是通过将规则的先决条件即逻辑连接前提的程度(规则的“如果”部分)分配到规则的动作的语言值(规则的“则”部分)来实现的。这种分配(也称为推理)可以通过在先决条件的程度和动作的隶属函数之间形成最小值来实现，即通过在先决条件的程度水平上以图形方式“截断”动作的隶属函数来实现。作为对此的替代，分配可以通过在先决条件的程度和动作的隶属函数之间形成乘积来实现。
规则可以包含两个或更多个前提，因此包含两个或更多个语言值，以作为先决条件。两个或更多个语言值可以相等。可选地或另外地，作为先决条件的语言值的部分的两个或更多个过程变量可以相等。
基于至少第一预定规则的动作的第一结果隶属函数来确定n个总隶属函数，这可以特别地通过使总隶属函数等同于动作的第一结果隶属函数来进行。第一结果隶属函数可以另外地通过加权、特别是通过在规则的动作的输出变量的范围上与加权函数相乘、以及/或者通过在预定限度处截断输出变量的值范围来修改。
从总隶属函数获得输出变量(去模糊化)，这可以特别地通过确定设置在总隶属函数下方的区域的重心的横坐标值来实现。可选地，可以根据最大准则(max criterion)法来选择总隶属函数具有最大值的输出变量的任何值。同样，可以根据最大平均(mean-of-maxima)法来选择总隶属函数取其(全局)最大值的输出变量的值集的平均值作为输出变量的值。
在组合神经模糊系统中，必须分别区分协作或离线系统与混合或在线系统，这两种系统可以在通信机构200中实现。在协作或离线系统中，神经网络以一定的时间间隔(即，不在操作期间)进行新的离线训练。在混合系统的情况下，在生产操作期间进行训练。特别有用(但绝不是排他)的是，这些系统仅允许将过程参数控制在先前确定的下限和上限内。
此外，虚拟现实或增强现实输出可以经由输出单元230和输出接口240的相应形成、特别是经由图2中未示出的显示装置，而被呈现给操作者。虚拟现实或增强现实输出既可用于支持与操作者的对话，也可用于显示诊断和其它操作数据。虚拟现实或增强现实输出可以特别地包含例如与灌装系统中的机器的操作过程有关的信息的模拟动画显示。
在图3中通过示例的方式示出可以借助图1所示的通信和开环/闭环控制系统KSR1、KSR2和KSR3来操作的精细灌装系统300。用于以诸如饮料等的液体产品灌装容器302、303的灌装系统300包括用于灌装和封闭容器302、303的灌装机305以及设置在灌装机305下游的用于将容器302、303分配到两个可单独控制的运输路径307、308上的分配装置306，其中在运输路径307、308中的各运输路径中，提供了具有可调节容器引导件309a、310a的至少一个容器缓冲器309、310。在容器缓冲器309、310的下游设置了贴标签机311、312和用于生产容器包装315的包装机313、314。它们被供给至收集和分配装置316，使得容器包装315被分配到设置在收集和分配装置316下游的分拣通道317上并且可被供给至拾取装置318。
运输路径307、308各自包括在入口侧的第一区段307a、308a，该第一区段307a、308a各自为单轨道的并且被配置用于容器302、303的无压运输。此外，运输路径307、308各自包括在出口侧的第二区段307b、308b，该第二区段307b、308b各自为多轨道的并且被配置用于容器302、303的无压运输。提供轨道开关307c、308c或相应的分配设施，以将容器302、303从单轨道的第一区段307a、308a分配到第二区段307b、308b中的各个通道，这些通道例如以单独的通道307b1至307b3、308b1至308b3的形式配置。
此外，灌装系统300包括吹塑机319、320。在所示示例中，提供单独的吹塑机319、320以用于生产不同的容器302、303，例如具有不同几何形状的容器。吹塑机319、320中至少之一可以经由入口侧上的运输路径321而连接到灌装机305。可以经由入口侧的轨道开关305a来供给不同的到来的容器流以用于进一步处理。可以例如以收缩隧道的形式提供其它生产单元323、324。
中央开环/闭环控制单元322被提供用于控制根据本发明的灌装系统300，并且特别地与分配装置306、容器缓冲器309、310、贴标签机311、312以及位于分配装置306上游的生产单元(诸如灌装机305和吹塑机319、320等)通信。图1所示的开环/闭环控制系统KSR1、KSR2和KSR3或聊天机器人K1、K2、K3可以是中央开环/闭环控制单元322的一部分。可以利用集中式和分布式数据处理来实现。
在所示示例中，贴标签机311、312连接到聊天机器人K1、K2，灌装机305连接到聊天机器人K3，吹塑机319、320连接到聊天机器人K4、K5。聊天机器人K1、K2、K3、K4在逻辑上与灌装系统300的各个机器相关联。当然，灌装系统300的所有机器可以都配备有聊天机器人，并且聊天机器人可以彼此联网，使得它们可以交换与机器的操作状态和操作者的要求有关的信息。出于安全原因，聊天机器人与其它机器、移动协作机器人、以及操作者的智能手机等的联网一般可被限制于限定的内部区域(例如，以公司自己的网络的形式)，并且可以同时启用互联网上的交换以供聊天机器人(例如，关于语音识别或说话者辨识)的独立学习。
中央开环/闭环控制单元322连接到聊天机器人，并且例如在组织系统生产和改变产品类型时可以至少部分地承担机器和运输技术的协作。各机器可以在逻辑上和/或物理上与具有聊天机器人和开环/闭环控制装置的通信和开环/闭环控制系统相关联。操作者可以使用语音输入和语音对话、通过聊天机器人K1、K2、K3、K4、K5来操作各个机器。聊天机器人可以使用位于机器处的显示装置来显示信息。
聊天机器人K1、K2、K3、K4、K5可以询问操作者的输入，提交针对所呈现或所识别的问题的解决方案，或者还发起特定动作。例如，聊天机器人K1、K2、K3、K4、K5各自可被配置成响应于与操作者的对话而呼叫另一操作者以获得支持(取决于资格、或为了更快地实现/移除例如设置过程或故障)、或者请求合适的自由移动协作机器人并直接为其指派特定动作(在图3中，例如，聊天机器人K2连接到协作机器人CR)。此外，聊天机器人K1、K2、K3、K4、K5可被配置成通过开环/闭环控制装置(例如，借助于中央开环/闭环控制单元322)来自动地结束、准备和开始生产以及相应地组织材料流，并将需要完成的任务通信至操作者。还将可以改变已发起的生产终止，使得无需首先执行终止并且之后必须再重启。例如由于已在短时间内收到产品的新订单并且生产所需的材料可用或者可以适时地再订购，因此还将可以设想及时地将生产自动延长。更长或更短的生产时间的一个原因还可以是接收到或没有接收到(例如来自饮料贸易工业的)空瓶，可能在短时间内递送这些空瓶并且可以将其供给或不供给至灌装系统300。
可以由聊天机器人K1、K2、K3、K4、K5提供的其它类型的操作支持是与操作者间的、关于在将生产切换为另一产品之前确切地要以什么数量生产哪些其它产品的对话澄清，或针对操作者的关于要以什么顺序执行哪些任务(例如，清洁和维护过程、一般转换过程，诸如材料的改变、格式部分的更改、设置等)以生产新产品的信息的输出。
此外，可以由聊天机器人K1、K2、K3、K4、K5提供以下方面的操作支持：
·诸如清洁/灭菌等的自动部分处理在操作者没有重新确认的情况下以正确顺序和/或以预定时间间隔开始，
·转换过程所需的转换部件和工具/材料由协作机器人、自动化引导车辆或叉车驾驶员订购和提供，
·为操作者当前要进行的任务提供和呈现文档、动画或视频，
·在机器上可视地显示要进行的相应任务的位置，或者
·在机器处或系统中在处理期间显示故障，
·发布消除或管理故障的建议。
信息/数据的相应呈现也可以经由移动控制装置和/或智能手机进行。
一般来说，可以显示灌装系统300的预期状态，例如伴随有例如语音输出的可预见/可预测停止或必要的干预。还可以推荐和/或直接发起例如用以避免停止或故障的预防措施、CIP或清洁过程、以及无菌系统中的中间消毒等。
在开始生产之前(例如，也在开始轮班之前)，可以以自动化方式触发诸如加热Reima(巴氏灭菌器和加热器)、加热用于收缩套管或收缩包装的隧道等的准备动作，并且在必要的情况下，可以提供合适的包装材料。为此，可以提前与操作者进行对话，例如，在晚上/周末的轮班结束时，询问关于第二天早上/周一的轮班开始的问题(例如：“系统/机器何时准备好以进行生产？”)。
其它可能的应用涉及：
·自动将生产转化为能源和介质效率和/或计划/快速订单处理，
·考虑操作者例如在休息、个人分配时间等期间的可用性。操作者可以通过语音输入、也可以通过诸如智能手机等的移动装置来报告“不可用”。
·识别(例如，改变轮班时的)操作者变化，并且推导度量、提供与系统的当前状况和即将发生的动作有关的信息。
·检测生产中断，并且可能在与操作者的对话中询问系统可能停机多长时间。可以向其他操作者通知这种情况，以例如休息以下、对机器执行清洁工作或维护。为了降低能耗，机器也可以适时地关闭和再次开启。来自先前的可课表情况的经验值可用于此目的。
·根据所涉及/可用的操作者(关于资格、物理限制等)以及系统状况和协作机器人(其范围、承载负载等)来组织系统的转换过程。
所有上述的操作支持可以基于相应创建和更新的操作者简档、特别是根据知识和能力水平而以个性化的方式提供给操作者，这时因为各聊天机器人可以从与操作者的个人对话中动态地学习(参见上文)。
此外，在通信结构200(参见图2)中实现的人工智能可以在常规使用过程中学习某些任务(诸如设置和故障排除等)的实际持续时间。例如，基于该数据调整生产计划或向轮班主管提出建议。诸如库存水平以及天气或环境条件(温度、湿度、时间等)等的数据也可并入生产数据的优化中。
Claims (10)
1.一种用于至少一个灌装系统(300)的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)，所述灌装系统包括具有以下项的机器：
软件通信机器人(K1、K2、K3)、特别是聊天机器人，其被配置为识别操作者的语音输入和/或文本输入以及/或者输出或显示与所述机器的操作状况有关的信息；以及
开环/闭环控制装置(SR1、SR2、SR3)，其与所述软件通信机器人连接以进行数据通信，并且被配置为基于所述软件通信机器人(K1、K2、K3)所识别出的语音输入和/或文本输入以开环和/或闭环方式来控制所述灌装系统(300)的所述机器。
2.根据权利要求1所述的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)，其中，所述开环/闭环控制装置(SR1、SR2、SR3)是用于以开环/闭环方式来控制所述灌装系统的所有机器的中央开环/闭环控制装置(322)的一部分。
3.根据权利要求1或2所述的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)，其中，所述软件通信机器人(K1、K2、K3)包括语音识别模块，所述语音识别模块被配置为识别多种语言和/或方言的文本输入和/或语音输入。
4.根据前述权利要求中任一项所述的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)，其中，所述软件通信机器人(K1、K2、K3)被配置为提供与所述灌装系统(300)的一个或多个机器(M1、M2、M3)有关的诊断信息。
5.根据前述权利要求中任一项所述的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)，其中，所述软件通信机器人(K1、K2、K3)包括说话者识别模块。
6.根据前述权利要求中任一项所述的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)，还具有人工智能模块即AI模块，其中，所述软件通信机器人(K1、K2、K3)被配置为借助于所述AI模块来进行学习。
7.根据权利要求6所述的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)，其中，所述AI模块是人工神经网络或包括人工神经网络。
8.根据前述权利要求中任一项所述的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)，还具有协作机器人，其中，所述协作机器人连接至所述软件通信机器人(K1、K2、K3)以进行数据通信。
9.一种用于利用根据前述权利要求中任一项所述的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)来灌装饮料的灌装系统(300)。
10.根据权利要求9所述的灌装系统(300)，还包括灌装机(305)、贴标签机(311、312)、包装机(313、314)、直接印刷机、和吹塑机(319、320)，并且其中，所述灌装机(305)、所述贴标签机(311、312)、所述包装机(313、314)、所述直接印刷机、和/或所述吹塑机(319、320)各自配备有根据前述权利要求中任一项所述的通信和开环/闭环控制系统(KSR1、KSR2、KSR3)。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102018212503.1 | 2018-07-26 | ||
| DE102018212503.1A DE102018212503A1 (de) | 2018-07-26 | 2018-07-26 | Kommunikations- und Steuerungs-/Regelungssytem für eine Abfüllanlage |
| PCT/EP2019/063525 WO2020020515A1 (de) | 2018-07-26 | 2019-05-24 | Kommunikations- und steuerungs-/regelungssystem für eine abfüllanlage |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112771459A true CN112771459A (zh) | 2021-05-07 |
Family
ID=66690330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980063303.9A Pending CN112771459A (zh) | 2018-07-26 | 2019-05-24 | 用于灌装系统的通信和开环/闭环控制系统 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US11772836B2 (zh) |
| EP (1) | EP3827318A1 (zh) |
| JP (1) | JP7476469B2 (zh) |
| CN (1) | CN112771459A (zh) |
| BR (1) | BR112021001129A2 (zh) |
| DE (1) | DE102018212503A1 (zh) |
| WO (1) | WO2020020515A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11520304B2 (en) * | 2019-04-04 | 2022-12-06 | William B. Pappas | Automation of self-lifting forklift |
| US20240022529A1 (en) * | 2020-10-23 | 2024-01-18 | Cafer Tosun | Method for controlling a process using a program product |
| DE102022102748A1 (de) | 2022-02-07 | 2023-08-10 | Arburg Gmbh + Co Kg | Verfahren zur Steuerung von Prozessen an Kunststoff verarbeitenden Maschinen |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1515993A (zh) * | 2003-01-10 | 2004-07-28 | 刘书铭 | 可携式语音输入模块 |
| US20090088875A1 (en) * | 2007-09-27 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Visualization of workflow in an industrial automation environment |
| CN101588985A (zh) * | 2007-05-22 | 2009-11-25 | Khs股份公司 | 灌装系统 |
| CN206108878U (zh) * | 2016-10-18 | 2017-04-19 | 冷昕玥 | 一种可以语音控制的矿泉水生产用自动灌装机 |
| CN206121530U (zh) * | 2016-08-27 | 2017-04-26 | 彩城（惠州）化工有限公司 | 一种基于语音控制功能的漆料搅拌装置 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4442586B4 (de) | 1994-11-30 | 2004-02-12 | Krones Ag | Vorrichtung zum Verteilen von Gefäßen |
| DE10026263B4 (de) * | 1999-08-27 | 2004-04-08 | Siemens Ag | Steuerungsverfahren für eine industrielle technische Anlage, insbesondere eine Werkzeugmaschine oder einen Roboter |
| JP2004164024A (ja) | 2002-11-08 | 2004-06-10 | Toshiba Mach Co Ltd | 管理支援装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体 |
| DE202004012848U1 (de) | 2004-08-17 | 2005-03-31 | Krones Ag | Vorrichtung zum Transportieren von Gegenständen |
| DE102009003475A1 (de) | 2009-02-12 | 2010-08-19 | Krones Ag | Förderer und Verfahren zum Beschicken einer Weiterverarbeitungseinheit |
| DE102009040977B4 (de) | 2009-09-11 | 2022-12-15 | Krones Aktiengesellschaft | Behältnisbehandlungsanlage und ein Behältnisbehandlungsverfahren zum Behandeln von mit einem Produkt befüllbaren Behältnissen |
| US9529343B2 (en) | 2010-06-30 | 2016-12-27 | Trumpf Werkzeugmaschinen Gmbh + Co. Kg | Dialogue system and method for examining machining processes |
| DE102011017448A1 (de) * | 2011-04-18 | 2012-10-18 | Krones Aktiengesellschaft | Verfahren zum Betreiben einer Behältnisbehandlungsanlage mit Störungsdiagnose |
| DE102013214052A1 (de) * | 2013-07-17 | 2015-02-19 | Krones Ag | Behälterbehandlungsmaschine mit Display |
| JP6346480B2 (ja) | 2014-03-25 | 2018-06-20 | アンリツインフィビス株式会社 | 表示装置および物品検査システム |
| JP6337556B2 (ja) | 2014-03-25 | 2018-06-06 | 岩崎電気株式会社 | 容器に対する殺菌処理システム |
| DE102015204922A1 (de) | 2015-03-18 | 2016-09-22 | Krones Ag | Datenaustausch zwischen einer Maschine und einem externen Steuermodul in der Getränkemittelindustrie |
| US10528020B2 (en) | 2016-08-09 | 2020-01-07 | Johnson Controls Technology Company | Building control system with adaptive user interface |
| US20180129181A1 (en) | 2016-08-17 | 2018-05-10 | BioHiTech America, LLC | Chatbot Systems and Methods for Industrial Machinery |
| DE102016115694A1 (de) * | 2016-08-24 | 2018-03-01 | Krones Ag | Behälterbehandlungsanlage und Verfahren für Behälterbehandlungsanlage mit Signalen für geplante Zustände |
| US9947319B1 (en) * | 2016-09-27 | 2018-04-17 | Google Llc | Forming chatbot output based on user state |
| US20190339671A1 (en) * | 2017-01-05 | 2019-11-07 | Itamar Izhak Yona | Systems and methods for automatic three-dimensional object printing |
| DE102017109736A1 (de) * | 2017-05-05 | 2018-11-08 | Storopack Hans Reichenecker Gmbh | Vorrichtung und Verfahren zum Polstern mindestens eines Gegenstands in einem Behälter |
-
2018
- 2018-07-26 DE DE102018212503.1A patent/DE102018212503A1/de active Pending
-
2019
- 2019-05-24 BR BR112021001129-3A patent/BR112021001129A2/pt unknown
- 2019-05-24 EP EP19727980.5A patent/EP3827318A1/de active Pending
- 2019-05-24 JP JP2021502974A patent/JP7476469B2/ja active Active
- 2019-05-24 CN CN201980063303.9A patent/CN112771459A/zh active Pending
- 2019-05-24 US US17/262,188 patent/US11772836B2/en active Active
- 2019-05-24 WO PCT/EP2019/063525 patent/WO2020020515A1/de active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1515993A (zh) * | 2003-01-10 | 2004-07-28 | 刘书铭 | 可携式语音输入模块 |
| CN101588985A (zh) * | 2007-05-22 | 2009-11-25 | Khs股份公司 | 灌装系统 |
| US20090088875A1 (en) * | 2007-09-27 | 2009-04-02 | Rockwell Automation Technologies, Inc. | Visualization of workflow in an industrial automation environment |
| CN206121530U (zh) * | 2016-08-27 | 2017-04-26 | 彩城（惠州）化工有限公司 | 一种基于语音控制功能的漆料搅拌装置 |
| CN206108878U (zh) * | 2016-10-18 | 2017-04-19 | 冷昕玥 | 一种可以语音控制的矿泉水生产用自动灌装机 |
Non-Patent Citations (1)
| Title |
|---|
| 张磊 等: "《信息工程专业机器人创新实验设计》", 31 August 2016, 北京邮电大学出版社, pages: 133 - 135 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US11772836B2 (en) | 2023-10-03 |
| JP2021532467A (ja) | 2021-11-25 |
| WO2020020515A1 (de) | 2020-01-30 |
| US20210292025A1 (en) | 2021-09-23 |
| JP7476469B2 (ja) | 2024-05-01 |
| EP3827318A1 (de) | 2021-06-02 |
| DE102018212503A1 (de) | 2020-01-30 |
| BR112021001129A2 (pt) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112771459A (zh) | 用于灌装系统的通信和开环/闭环控制系统 | |
| US11675330B2 (en) | System and method for improving assembly line processes | |
| US7668613B2 (en) | MES appliance integrated with control modules | |
| US8571839B2 (en) | System for simulating automated industrial plants | |
| CN105408919A (zh) | 查询响应设备 | |
| US11709483B2 (en) | Predictive process control for a manufacturing process | |
| WO2020111754A3 (ko) | 세미 슈퍼바이즈드 학습을 이용한 진단 시스템 제공방법 및 이를 이용하는 진단 시스템 | |
| CN109466593A (zh) | 一种列车运行计划下载和运行控制的方法及装置 | |
| CN104065553A (zh) | 虚拟网络迁移方法和相关设备 | |
| CN109858631A (zh) | 用于概念迁移的流式数据分析的自动机器学习系统及方法 | |
| Makanda et al. | Emergence of collective intelligence in industrial cyber-physical-social systems for collaborative task allocation and defect detection | |
| McLean et al. | An artificial neural network driven decision-making system for manufacturing disturbance mitigation in reconfigurable systems | |
| Zimmer et al. | Towards a decision-support framework for reducing ramp-up effort in plug-and-produce systems | |
| Moser | Machine learning and digital twin-sed path planning for AGVs at automated container terminals | |
| EP3504150B1 (de) | Behälterbehandlungsanlage und verfahren für behälterbehandlungsanlage mit signalen für geplante zustände | |
| Zhang et al. | A digital twin-driven flexible scheduling method in a human–machine collaborative workshop based on hierarchical reinforcement learning | |
| JP2006289874A (ja) | 射出成形支援装置、射出成形システム、射出成形支援制御方法 | |
| CN109743382B (zh) | 车辆的云服务系统及其交互方法 | |
| Land et al. | Increasing Robustness of Agents’ Decision-Making in Production Automation using Sanctioning | |
| KR102200726B1 (ko) | 플랜트의 전력 관리 장치 및 방법 | |
| JPWO2020020515A5 (zh) | ||
| KR102570558B1 (ko) | 코팅 장비의 제어 장치 및 방법 | |
| Alonso Moral et al. | Proceedings of the 1st Doctoral Consortium at the European Conference on Artificial Intelligence (DC-ECAI 2020) | |
| Iakovlev et al. | Enterprise automation using artificial intelligence: Methods, technologies and prospects | |
| Sompong et al. | Makespan Minimization for Parallel Machines Environment with Machine Dependent Processing Time by Using PBIL Combined with Local Search |
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 |