DE102017100130B4 - Automatisiertes stochastisches Verfahren zum Erkennen von Eigenschaften und Verwenden desselben in einem wiederholbaren Verfahren - Google Patents

Automatisiertes stochastisches Verfahren zum Erkennen von Eigenschaften und Verwenden desselben in einem wiederholbaren Verfahren Download PDF

Info

Publication number
DE102017100130B4
DE102017100130B4 DE102017100130.1A DE102017100130A DE102017100130B4 DE 102017100130 B4 DE102017100130 B4 DE 102017100130B4 DE 102017100130 A DE102017100130 A DE 102017100130A DE 102017100130 B4 DE102017100130 B4 DE 102017100130B4
Authority
DE
Germany
Prior art keywords
properties
repeatable
time series
series data
workpiece
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
Application number
DE102017100130.1A
Other languages
English (en)
Other versions
DE102017100130A1 (de
Inventor
Diana M. Wegner
Jeffrey A. Abell
Michael A. Wincek
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of DE102017100130A1 publication Critical patent/DE102017100130A1/de
Application granted granted Critical
Publication of DE102017100130B4 publication Critical patent/DE102017100130B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K20/00—Non-electric welding by applying impact or other pressure, with or without the application of heat, e.g. cladding or plating
    • B23K20/10—Non-electric welding by applying impact or other pressure, with or without the application of heat, e.g. cladding or plating making use of vibrations, e.g. ultrasonic welding
    • 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
    • G05B19/42—Recording and playback systems, i.e. in which the programme is recorded from a cycle of operations, e.g. the cycle of operations being manually controlled, after which this record is played back on the same machine
    • G05B19/425—Teaching successive positions by numerical control, i.e. commands being entered to control the positioning servo of the tool head or end effector
    • 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
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • 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
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/0255—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system the criterion being a time-optimal performance criterion
    • 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
    • G05B19/19—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 positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G05B19/21—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 positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path using an incremental digital measuring device
    • 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
    • G05B19/19—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 positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G05B19/33—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 positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path using an analogue measuring device
    • 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
    • G05B19/19—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 positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • G05B19/39—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 positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path using a combination of the means covered by at least two of the preceding groups G05B19/21, G05B19/27 and G05B19/33
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32194—Quality prediction
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/36—Nc in input of data, input key till input tape
    • G05B2219/36219—Calculate machining information, like time, surface to be machined from program
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • General Factory Administration (AREA)

Abstract

Automatisiertes Verfahren (100) zum Erkennen von qualitätsvoraussagenden Eigenschaften eines wiederholbaren Verfahrens, umfassend:das Messen roher Zeitreihendaten (D) während des wiederholbaren Verfahrens unter Verwendung eines Satzes von Sensoren (25), wobei die rohen Zeitreihendaten mehrere Parameter des wiederholbaren Verfahrens beschreiben;wobei das automatisierte Verfahren gekennzeichnet ist durch:das Empfangen der rohen Zeitreihendaten (D) von dem Satz Sensoren (25) über eine erste Steuerung (55);das stochastische Erzeugen von in Frage kommenden Eigenschaften (CF) aus den rohen Zeitreihendaten (D) mit der ersten Steuerung (55), wobei die in Frage kommenden Eigenschaften (CF) voraussagend für eine Qualität eines Werkstücks ist, das über das wiederholbare Verfahren hergestellt wurde;das Bestimmen über ein evolutionäres oder generisches Programmiermodul (80), welches mathematische Werkzeuge mit einem symbolischen Manipulator zur stochastischen Optimierung verwendet, eines Satzes von voraussagbaren Eigenschaften (CF) als eine Teilmenge der erzeugten in Frage kommenden Eigenschaften (CF), wobei der bestimmte Satz von voraussagbaren Eigenschaften (CF) für die Qualität des Werkstücks voraussagender ist als die erzeugten in Frage kommenden Eigenschaften (CF); unddas Ausführen einer Steuermaßnahme in Bezug auf das wiederholbare Verfahren über eine zweite Steuerung (50) unter ausschließlicher Verwendung des Satzes von voraussagbaren Eigenschaften (CF), einschließlich des Bestimmens der Qualität des Werkstücks durch Anwenden einer Regel auf den Satz von voraussagbaren Eigenschaften (CF) und Modifizieren mindestens eines Werkstücks und eines Parameters der wiederholbaren Verfahrens basierend auf der bestimmten Qualität.

Description

  • TECHNISCHES GEBIET
  • Die vorliegende Erfindung betrifft ein automatisiertes stochastisches Verfahren zum Erkennen von Eigenschaften und Verwenden desselben in einem wiederholbaren Verfahren.
  • Ein automatisiertes Verfahren gemäß dem Oberbegriff des Anspruchs 1 ist der Art nach im Wesentlichen aus der DE 10 2012 219 187 A1 bekannt.
  • Ferner gehen aus den Druckschriften US 2011 / 0 108 181 A1 , US 2013 / 0 105 556 A1 und DE 10 2012 002 381 A1 Verfahren für die Optimierung von Prozessen hervor.
  • HINTERGRUND
  • Verschiedene Verfahren sind wiederholbar und eignen sich damit zur Echtzeit-Verfahrensüberwachung. Ein Beispiel für ein solches wiederholbares Verfahren ist Ultraschallschweißen, was das gesteuerte Anwenden hochfrequenter Schwingungsenergie auf zu verbindende Oberflächen eines eingespannten Werkstücks einbezieht. Die Reibungswärme erzeugt Wärme, die schließlich die zu verbindenden Oberflächen erweicht und verbindet. Für ein gegebenes Werkstück wird das Bilden von mehreren gleichen Schweißstellen häufig in einer gleichbleibenden, wiederholbaren Weise durchgeführt. Ein weiteres Beispielverfahren ist das Kaltprüfen von Verbrennungsmotoren, in dem die Leistungsfähigkeit des Motors ohne Verbrennung in den Zylindern getestet wird, z. B. durch Antreiben des Motors über einen Elektromotor, einschließlich statischer und dynamischer Dichtheitsprüfu ng.
  • Konventionelle Prozesssteuerungsverfahren für wiederholbare Verfahren verwenden das Überwachen von festen Stellgrößen gegenüber kalibrierten Grenzwerten. Das heißt, verschiedene Parameter-basierte Regelkreissteuerungstechniken können zum Aufrechterhalten von bestimmten Parametern innerhalb eines kalibrierten Bereichs angewendet werden. Beispielsweise können Schweißstrom, Verschiebung und akustische Signale sowie Schweißfrequenz in einem Schweißprozess individuell überwacht und mit entsprechenden Grenzwerten verglichen werden. Die Grenzwerte können über die Zeit durch Versuch und Irrtum, experimentelle oder deterministische Verfahren angepasst werden. Solche Regelkreis-Grenzwert-basierte Ansätze können über die Zeit recht gleichbleibende Prozesssteuerungsparameter erzeugen. Dennoch können Werkstücke einer minderen Qualität noch mit stabilen Prozesssteuerungsparametern hergestellt werden und somit stellen Regelkreis-Grenzwert-basierte Ansätze nicht immer eine stabile Qualität der Werkstücke über die Zeit sicher.
  • Der Erfindung liegt daher die Aufgabe zu Grunde, ein automatisiertes Verfahren zur Qualitätssicherung anzugeben, mit dem der voran beschriebenen Problematik Rechnung getragen werden kann.
  • ZUSAMMENFASSUNG
  • Diese Aufgabe wird mit einem automatisierten Verfahren mit den Merkmalen des Anspruchs 1 gelöst.
  • Ein Zufalls- oder stochastisches Verfahren wird offenbart, das automatisiertes Erkennen von qualitätsvoraussagenden Eigenschaften zum ultimativen Verwenden beim Steuern eines wiederholbaren Verfahren ermöglicht, z. B. Ultraschallschweißen oder Kaltprüfen von Motoren in den vorstehend genannten nicht einschränkenden exemplarischen Anwendungen. Wie hier verwendet, bezieht sich der Begriff „Eigenschaft“ auf jede beliebige quantitative oder qualitative Größe, ob als Rohdaten gemessen oder daraus abgeleitet, die die Qualität eines während des Verfahrens hergestellten Werkstücks vorhersagen können. Die hier betrachteten Eigenschaften können aus dem Verfahren oder später während des Verwendens des Werkstücks bestimmt werden, das heißt vor, während und nach dem Herstellen und können univariant oder multivariant sein.
  • Aufgabe der vorliegenden Methodik und der zugehörigen Hardware ist das Vorhersagen prozessbezogener Herstellungsqualität oder anderer Ereignisse mittels vorhandener Sensordaten. Es wird hier erkannt, dass Erfassen eines Problems oder eines Ereignisses während eines Herstellungsverfahrens, d. h. in Echtzeit, wichtig zum Einhalten hochwertiger Produktqualität und Minimieren von Herstellungs- und Garantiekosten ist. Die Ursachenanalyse wird durch eine solche Echtzeitanalyse erleichtert. Jedoch kann ein Problem darstellen, dass herkömmliche Grenzwert-basierte Vergleiche in Echtzeit nicht immer die zugrundeliegende Qualität des Werkstücks ausreichend beschreiben. Auch können Probleme in Werkstücken lange nach Verlassen der Fertigungsanlage auftreten, obwohl die Werkstücke zum Zeitpunkt der Herstellung einwandfrei innerhalb der Grenzwerte lagen.
  • Verschiedene Eingangssignale oder Sensordaten als rohe Zeitreihendaten als Teil des vorliegenden Verfahrens zum automatischen Ableiten voraussagbarer Eigenschaften verwendet werden. Die Eingangssignale können beispielsweise Herstellungsparameter-Signaldaten, Telematikdaten und/oder Garantiedaten beinhalten. Wenn zum Beispiel das wiederholbare Verfahren als exemplarisches Ultraschallschweißen eines Werkstücks verkörpert ist, könnten die voraussagbaren Eigenschaften verwendet werden, dabei zu helfen, die voraussagenden Eigenschaften in Echtzeit vorauszusagen, ob eine resultierende Schweißnaht zufriedenstellend/erfüllend oder unbefriedigend/nicht erfüllend sein könnte oder sie mindestens einer weiteren Auswertung und eines Tests zur Qualitätsbestimmung wert wäre.
  • Nicht einschränkende exemplarische Werkstücke, deren Herstellungsverfahren durch den vorliegenden Ansatz verbessert werden könnten, beinhalten Ultraschallschweißen von Kohlenstofffaserkomponenten oder Tabs eines vielzelligen Batteriemoduls, Kaltprüfen eines Motors oder jedes andere wiederholbare Verfahren. Während der vorliegende Ansatz nicht auf derartige Verfahren eingeschränkt ist, ist ein exemplarisches Batteriemodul repräsentativ für die Art des Systems, in dem das vorliegende Eigenschaftserkennungsverfahren besonders nützlich sein kann. Daher wird ein exemplarisches Batteriemodul im Weiteren dieser Erfindung zwecks veranschaulichender Einheitlichkeit ohne Einschränkung des Ansatzes auf solche Anwendungen verwendet.
  • In einer besonderen Ausführungsform beinhaltet ein automatisiertes stochastisches Verfahren zum Erkennen von Eigenschaften in wiederholbaren Verfahren Messen roher Zeitreihendaten während des wiederholbaren Verfahrens unter Verwendung eines Satzes von Sensoren. Die rohen Zeitreihendaten beschreiben mehrere Parameter des wiederholbaren Verfahrens. Das Verfahren beinhaltet Empfangen der rohen Zeitreihendaten von den Sensoren über eine erste Steuerung und anschließend stochastisch Erzeugen von in Frage kommenden Eigenschaften aus den rohen Zeitreihendaten unter Verwendung einer oder mehrerer logischer Blöcke der ersten Steuerung. Die in Frage kommenden Eigenschaften sind für eine Qualität eines Werkstücks, das durch das wiederholbare Verfahren hergestellt wurde, vorhersehbar. Weiterhin beinhaltet das Verfahren Bestimmen über ein evolutionär oder genetisches Programmiermodul, welche der in Frage kommenden Eigenschaften am meisten vorhersehbar für die Qualität des Werkstücks sind. Eine Steuerungsmaßnahme wird dann über die zweite Steuerung bezüglich des wiederholbaren Verfahrens unter Verwendung der am meisten voraussagenden in Frage kommenden Eigenschaften einschließlich des Anwendens einer Regel auf die voraussagenden in Frage kommenden Eigenschaften ausgeführt und Erstellens einer binären Steuerungsentscheidung bezüglich des Werkstücks.
  • Die erste Steuerung kann einen oder mehrere Signal-Fusions-Logikblöcke betreibbar zum Verschmelzen mehrerer Signale aus den rohen Zeitreihendaten, einen Kartierungs-Logikblock, der die rohen Zeitreihendaten durch objektive und/oder Fitnessfunktionen bearbeitet, einen Signal-Eigenschafts-Transformations-Logikblock, der die rohen Zeitreihendaten in einen alternativen Raum umwandelt und einen Zeitauswahl-Logikblock beinhalten, der zum Variieren eines Zeithorizonts der rohen Zeitreihendaten betreibbar ist.
  • Es wird auch ein System zum Erkennen von Eigenschaften in einem wiederholbaren Verfahren offenbart. In einer Ausführungsform beinhaltet das System den Satz von Sensoren, der zum Messen von Zeitreihendaten während des wiederholbaren Verfahrens betreibbar ist, die erste Steuerung, die zum Aufnehmen der rohen Zeitreihendaten der Sensoren und stochastischen Erzeugen von Eigenschaften aus den rohen Zeitreihendaten unter Verwendung einer oder mehrerer logischer Blöcke programmiert sind, das genetische oder evolutionäre Programmiermodul zum Bestimmen, welche der erzeugten in Frage kommenden Eigenschaften am meisten voraussagbar für die Qualität des Werkstücks sind und die zweite Steuerung, die zum Ausführen einer Steuerungsmaßnahme in Bezug auf das wiederholbare Verfahren unter Verwendung der am meisten voraussagenden in Frage kommenden Eigenschaften durch das genetische oder evolutionäre Programmiermodul programmiert ist.
  • Die oben genannten Funktionen und Vorteile sowie andere Funktionen und Vorteile der vorliegenden Offenbarung gehen aus der folgenden detaillierten Beschreibung der bestmöglichen praktischen Umsetzung der dargestellten Offenbarung in Verbindung mit den zugehörigen Zeichnungen hervor.
  • Figurenliste
    • 1 ist eine schematische Darstellung eines exemplarischen wiederholbaren Verfahrens und eines programmierten Systems zum stochastischen Erkennen und Anwenden von voraussagenden Eigenschaften während oder nach dem wiederholbaren Verfahren.
    • 2 ist ein schematische Logikdiagramm von Hardware- und Software-Komponenten des in 1 dargestellten Systems.
    • 3 ist ein Flussdiagramm, das ein exemplarisches Verfahren zum automatisierten stochastischen Erkennen von Eigenschaften in einem wiederholbaren Verfahren wie in 1 beschrieben darstellt.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Mit Bezug auf die Zeichnungen, in denen sich gleiche Referenznummern in den verschiedenen Figuren auf gleiche Komponenten beziehen, wird ein wiederholbares Verfahren 11 schematisch in 1 zum Herstellen eines Werkstücks 30 dargestellt. Das wiederholbare Verfahren 11 verwendet jeweils die erste und zweite Steuerung in Form eines Eigenschaftserzeugungsmoduls (FGM) 55 und Verfahrenssteuermodul (PCM) 50, wobei das FGM 55 zum Erzeugen von voraussagenden Eigenschaften in einer zufälligen oder stochastischen Weise verwendet wird und das PCM 50 zum Verwenden derselben programmiert ist, z. B. in der Gesamtsteuerung des wiederholbaren Verfahrens 11 und/oder für Zielproduktrückrufe wie hier erläutert. Die erzeugten Eigenschaften, die automatisch von Sensordaten (Pfeile 28, 128) abgeleitet werden können, werden danach iterativ durch das FGM 55 gegen die Zeit verarbeitet, da das FGM 55 die am meisten voraussagenden dieser Eigenschaften über evolutionäres Programmieren lernt. Das FGM 55 ist zum Ausführen eines Verfahrens 100 programmiert wie nachfolgend unter Bezugnahme auf 2 und 3 jeweils dargestellt ist.
  • Wie von Fachleuten gewünscht, wird jede Anwendung einen eigenen Satz von entsprechenden Funktionen und Eigenschaften aufweisen und somit sind die dargelegten exemplarischen Eigenschaften und Funktionen, Signale und Anwendungen als veranschaulichend und nicht als einschränkend gedacht. In einer nicht einschränkenden Ausführungsform kann das wiederholbare Verfahren 11 der 1 ein Ultraschallschweissverfahren sein etwa wie eins, in dem das Werkstück 30 als ein mehrzelliges Batteriemodul ausgebildet ist, z. B. ein Batteriepaket für ein Fahrzeug oder anderes System. Das wiederholbare Verfahren 11 kann unter Verwendung von Prozesssensoren 25, die die Sensordaten (Pfeil 28), die die unterschiedlichen Prozesssteuerungsvariablen oder Parameter als rohe Zeitreihendaten beschreiben, z. B. Spannungen, Ströme, Widerstände, Verschiebungen, Drücke, Temperaturen usw. sammeln, in Echtzeit überwacht werden. Zusätzlich kann das Nachbearbeiten des Werkstücks 30 kann periodisch über der Zeit mit Hilfe von zusätzlichen Sensoren 125 überwacht werden. Beispielsweise können die zusätzlichen Sensoren 125 Fernsensoren, wie Telematiksensoren eines Fahrzeugs oder anderer hochkarätiger Systeme oder Baugruppen, beinhalten, die zum manuellen oder automatischen Sammeln zusätzlicher Sensordaten (Pfeil 128) betreibbar sind, die die Nachbearbeitungsleistung einschließlich fern gesammelter Garantiereparatur- oder Diagnosedaten wie etwa durch einen Händler, eine Werkstatt oder Kaltprüfzelle beschreiben.
  • Die Sensordaten (Pfeile 28, 128) werden letztlich gesammelt und an das FGM 55 übertragen und danach zum Durchführen des Verfahrens 100 verwendet und zum Erzeugen und iterativen Erkennen von qualitätsvoraussagenden Eigenschaften verwendet. Solche Eigenschaften können in Echtzeit im wiederholbaren Verfahren 11 angewendet werden. Dadurch ist das Verfahren 100 adaptiv in dem Sinne, dass über die Zeit sich die Zusammensetzung der voraussagbaren Eigenschaften verändern und sich an Bedingungen anpassen kann, die mehr und mehr vorhersehbar für Qualität werden, was letztendlich Ausfallraten auf minimale Stufen reduzieren sollte. Das Verfahren 100 ist somit zum Erzeugen von voraussagbaren Eigenschaftssätzen gedacht, die durch das PCM 50 nutzbar sind, in Echtzeit eine binäre Qualität des Werkstücks 30 vorherzusagen, z. B. einer auf einer Oberfläche des Werkstücks 30 gebildeten Schweißnaht.
  • Eine besondere Herausforderung in der Produktion ist eine überwältigende Fülle von verfügbaren Verfahrenssignaldaten, die mit fehlenden konventionellen Mitteln zum Ableiten von Eigenschaften, die wirklich die Qualität des Werkstücks 30 oder des an Werkstück 30 durchgeführten Verfahrens vorhersagen, gekoppelt sind. Das FGM 55 ist daher mit Anweisungen gemäß dem Verfahren 100 zur Lösung dieses speziellen Problems programmiert, und zwar unter Verwendung einer automatisierten Methodik der Zufalls- oder stochastischen Eigenschafterkennung. Das heißt, der vorliegende Ansatz erzeugt beschreibende Eigenschaften, die von einem oder mehreren Verfahrensparametern, die die Qualität am besten voraussagen, gebildet wurden, wobei die generierten voraussagenden Eigenschaften (Pfeil F) letztlich auf das vom PCM 50 übertragen und durch dieses unter Verwendung von vorhandenen binären Klassifizierungsansätzen wie einer Leerkastenmethodik zum Auswählen der besten Eigenschaftskombinationen abgewendet werden.
  • Das nicht einschränkende beispielhafte wiederholbare Verfahren 11 der 1 beinhaltet eine Schweißanordnung 12. Die Schweißanordnung 12 beinhaltet eine Sonotrode/ein Schweißhorn 14 und einen Schweißamboss 16 zusammen mit anderen Schweißwerkzeugen und Komponenten wie nachstehend beschrieben. Das PCM 50 ist zum Überwachen von verschiedenen Steuersignalen konfiguriert, die von einer Stromversorgung/einer Schweißsteuerung (WC) 20 bereitgestellt und/oder durch die Sensoren 25 gemessen wurden, die bezogen auf die Schweißanordnung 12 angeordnet sind. Das PCM 50 kann online und in Echtzeit unter Verwendung der voraussagenden durch das FGM 55 erzeugten Eigenschaften (Pfeil F) vorhersagen, ob die Schweißanordnung 12 eine objektiv bestehende/gute Schweißverbindung oder eine unbefriedigende oder als schlecht einzustufende/verdächtige Schweißnaht aufweist. Schweißnähte von unbestimmter oder verdächtiger Qualität kann dann direkter Endkontrolle wie manueller Erfassung zum Überprüfen auf und Isolieren von unbefriedigende(n)/schlechte(n) Schweißnähten unterzogen werden. Im Gegenzug können von verifizierten schlechten Schweißnähten gesammelte Prozessdaten, ob bei der Endkontrolle oder von der Quelle für Garantieansprüche, zum FGM 55 wie hierin beschrieben, zur Verbesserung der voraussagenden Genauigkeit des Verfahrens 100 übertragen werden.
  • Wie Fachleuten auf dem Gebiet ersichtlich, kann eine Schweißsteuerung/Stromversorgung für Vibrationsschweißen wie die Schweißsteuerung 20 aus 1 an eine geeignete Energiequelle elektrisch verbunden sein, typischerweise eine 50-60-Hz-Wandsteckdose. Die Schweißsteuerung 20 kann Spannungsgleichrichter, Transformatoren, Stromumrichter und/oder andere Hardware beinhalten, die letztlich den Quellenstrom unabhängig von seiner Form in die Schweißsteuersignale (Pfeil 24) umformt. Die Schweißsteuersignale (Pfeil 24) befehlen letztendlich (eine) vorbestimmte Wellenformeigenschaft(en), beispielsweise ein periodisches Signal mit einer Frequenz von etwa 20 kHz bis etwa 40 kHz oder abhängiger von der bestimmten Schweißanwendung. Andere Verfahrensinformationen können in die Schweißsteuersignale (Pfeil 24) einschließlich, jedoch nicht beschränkt auf Stromkurven, Verschiebung des Schweißhorns 14, Schwingungsfrequenz, Ansteuersignalen, Parameter-Grenz-Alarmen, Schweißsteuerungsfehlerinformationen usw. einbezogen werden.
  • Weiterhin mit Verweis auf 1 kann die Ausrüstung in dem wiederholbaren Verfahren 11 auch einen Wandler 22 mit mechanischer Struktur beinhalten, der ausreichend zur Herstellung einer mechanischen Schwingung des Schweißhorns 14 in Reaktion auf die Schweißsteuersignale (Pfeil 24) ist. Das Schweißhorn 14 beinhaltet typischerweise ein Rändelungsmuster 21, typischerweise Erhöhungen und/oder Stege, die zum Greifen und Halten des Werkstücks 30 geeignet sind, wenn das Werkstück 30 zwischen dem Schweißhorn 14 und dem Amboss 16 eingespannt ist. Der Amboss 16 beinhaltet typischerweise ein ähnliches Rändelungsmuster 23. Ein Spannungsverstärker 18, das heißt, ein Verstärker, kann zum Erhöhen der Amplitude der geregelten mechanischen Schwingungen von der Schweißsteuerung 20 nach Bedarf verwendet werden.
  • Das PCM 50 und das FGM 55 empfangen die Sensordaten (Pfeil 28) von den Sensoren 25, die gegenüber der Schweißanordnung 12 angeordnet sind, so wie es die Zeitreihendaten in Echtzeit tun. Wie hier verwendet, meint Echtzeit gleichzeitig mit der Ausbildung von Schweißstellen im Werkstück 30 oder gleichzeitig mit Herstellung des Werkstücks 30 in anderen Ausführungsbeispielen außerhalb des Schweißbereichs. Allgemein kann das PCM 50 und FGM 55 als ein oder mehrere Rechnervorrichtungen ausgebildet sein. Das PCM 50 wird kontinuierlich über Empfangen der Schweißsteuersignale (Pfeil 24) der Augenblickswerte beliebiger Wellenformen, die dem Schweißhorn 14 durch Schweißsteuerung 20 übermittelt werden, sowie von Werten, die der Steuerung 20 bekannt oder intern bekannt sind, in Kenntnis gesetzt. das FGM 55 empfängt die zusätzlichen Sensordaten (Pfeile 128) von den Sensoren 125 und verarbeitet die empfangenen zusätzlichen Sensordaten (Pfeile 128). Die weiteren Sensordaten (Pfeil 128) könnten zum Bewerten von Eigenschaften der Schweißnaht verwendet werden, als sie ursprünglich gebildet wurde, z. B. durch Verarbeitung von historischen Zeitreihendaten für das Werkstück 30 und Finden von neuen Eigenschaften, die für langfristigen Qualität voraussagbar sein könnten.
  • In einem exemplarischen Ausführungsbeispiel können ein oder mehrere der Sensoren 25 kann als ein akustischer Sensor, beispielsweise ein Mikrofon oder ein akustischer Abstrahlungsensor in direktem Kontakt mit einer Oberfläche des Schweißhorns 14 der 1 konfiguriert sein. Der/die Sensor(en) 25 messen das Akustikfrequenz-Schweißhorn 14 der 1 über die Zeit, wobei das FGM 55 diesen Wert als ein Signal verwendet, aus dem andere in Frage kommende Eigenschaften extrahiert und modelliert werden könnten. Ein weiterer Sensor 25 kann eine Veränderung der linearen Verschiebung des Schweißhorns 14 über die Zeit messen. Andere exemplarische Sensoren 25 können zum Erfassen jedes anderen beliebigen wünschenswerten Wertes verwendet werden wie Ändern der Schweißtemperatur und/oder anderer atmosphärischer Informationen wie relative Feuchtigkeit und Umgebungstemperatur, die die Qualität der Schweißnaht beeinflussen könnten.
  • Das PCM 50 und das FGM 55 beinhalten einen Prozessor (P) und einen greifbaren nicht flüchtigen Speicher (M). Der Speicher (M) kann Festspeicher, Flash-Speicher, optische und/oder andere nicht vorübergehende Speicher sowie transitorische Speicher, z. B. alle erforderlichen Direktzugriffsspeicher, elektrisch programmierbare Nur-Lese-Speicher usw. beinhalten Weitere Schaltungen wie eine Hochgeschwindigkeitstaktung, Analog-Digital-Schaltkreis, Digital-Analog-Schaltungen, ein digitaler Signalprozessor und die notwendigen Eingangs-/Ausgangseinheiten und andere Signalaufbereitungs- und/oder Pufferschaltungen sind ebenfalls enthalten wie die Struktur des PCM 50 und des FGM 55.
  • Als Teil des nachstehend beschriebenen Verfahrens 100 ist das FGM 55 insbesondere mit einer Verkörperung eines logischen stochastischen Erzeugungsmoduls (SGM) 60, wie nachstehend unter Bezugnahme auf 2 beschrieben ist, programmiert. In einer möglichen Ausführungsform empfängt das FGM 55 die Sensordaten (Pfeil 28, 128) als Eingangssignale von den Sensoren 25 und 125 und kann auch die Schweißsteuersignale (Pfeil 24) von der Schweißsteuerung 20 empfangen, die die Echtzeit- und prozessinternen Steuerwerte empfangen können. So kann beispielsweise je nach Art des wiederholbaren Verfahrens 11 der 1 das FGM 55 über die Zeit von Öldruck, Temperatur usw. oder elektrischen Schweißstrom, Spannung und/oder Strom, Schweißstrom und/oder anderen möglichen Wellenformen oder Werten in Kenntnis gesetzt werden und kann aus den Sensordaten (Pfeile 28, 128) zusätzliche Eigenschaften bezüglich Spitzenwerten, die Spitzengrößen, Orte, Zählungen, Dauern und/oder Abstände zwischen solchen Spitzenwerte umfassen können, ableiten. Ebenso können die abgeleiteten weiteren Eigenschaften sind Datentripel, Dauern, Zählungen, Ableitungen, Integrale, Steigungen, Bereiche, Flächenverhältnisse, gleitende Mittelwerte und dergleichen beinhalten. Jede Eigenschaft ist eine in Frage kommende Eigenschaft, d. h. eine Eigenschaft, die alleine oder mit anderen in Frage kommenden Eigenschaften zum Ableiten der voraussagenden Eigenschaften (Pfeil F) verarbeitet werden kann, die letztlich bestimmt sind, die am meisten voraussagende binäre oder andere Qualität des Werkstücks 30 zu sein. Das PCM 55 kann danach eine eigenschaftsspezifische Regel auf die voraussagbaren Eigenschaften (Pfeil F) anwenden, um die Qualität des Werkstücks 30 in Echtzeit oder auch lange nach Herstellung vorherzusagen.
  • Ebenso können die zusätzlichen Sensoren 125 Garantie- oder Betriebsinformationen wie Temperatur der Batterie, Umgebungstemperatur, Motordrehzahlen, Fluidverlustdaten, Fahrzeuggeschwindigkeiten, Batterieladezustand, Spannung oder Strom, Straßenkräfte oder jede beliebigen anderen Daten bereitstellen, die eventuell zum Bestimmen von Faktoren relevant sind, die die Qualität der Schweißnaht negativ beeinträchtigen oder helfen könnten, die Qualität über die Zeit zu bestimmen. Fehlercodes, Warnflaggen oder Meldungen, die erzeugt werden können, können betrachtet werden. In anderen Nicht-Schweißanwendungen können der Bereich und die Art der Daten variieren, z. B. einschließlich Motordrehzahl, Fahrzeuggeschwindigkeit, Bremskraft und dergleichen, ohne Abweichen von dem beabsichtigten erfindungsgemäßen Schutzumfang.
  • Nicht einschränkende exemplarische für eine Betrachtung durch das FGM 55 der 1 in Frage kommende Eigenschaften beinhalten die gesamte Schweißenergie, definiert als eine Fläche unterhalb einer Leistungskurve oder der von der Schweißsteuerung 20 in 1 angewiesenen primären Schweißfrequenz. Andere in Frage kommende Eigenschaften sind die beim Bilden einer gegebenen Schweißnaht in einer Schweißnahtreihe 142 verstrichene Zeit, Spitzenleistung, Anstiegszeit, Rampenrate oder Korrelationsdaten, beispielsweise zwischen einem Referenzsignal und dem Schweißsignal. Die erste, zweite, dritte oder andere Ableitungen oder Integrale eines gegebenen Signals können hierzu verwendet werden sowie andere mögliche Funktionen wie Zeit/Ort von Ereignissen, Spitzendaten, Beschleunigung, Geschwindigkeit usw. Wie vorstehend erwähnt, können der Ort, die Größe, Dauer, Entfernung zwischen oder andere Charakteristika von Spitzenwerten oder anderen Werten ebenfalls verwendet werden. Letztendlich kann eine zugeordnete Regel durch ein Eigenschafts-Auswahlmodul 90 auf die am meisten voraussagbare(n) Eigenschaft(en) (Pfeil F) unter Verwendung der Eigenschafts-Anwendungslogik 200 angewendet werden, z. B. das gut bekannte Box-Void-Verfahren, wodurch die Qualität in Echtzeit vorausgesagt wird und andere Steuerungsmaßnahmen in Bezug auf das wiederholbare Verfahren 11 und/oder das Werkstück 30 durchgeführt werden.
  • Bezugnehmend auf 2 wird das Eigenschafts-Erzeugungs-Modul (FGM) 55 der 1 bezogen auf die internen Logikbausteine und den Signalfluss näher beschrieben. Wie hier verwendet, betrifft der Begriff „Modul“ eine Kombination erforderlicher Hardware und Software, die zum Empfangen, Verarbeiten und Ausgeben der angegebenen Werte benötigt werden, mit denen die vom FGM 55 erzeugten voraussagbaren Eigenschaften (Pfeil F) letztlich in einem verfahrensspezifischen Modell oder verfahrensspezifisch für die Anwendung wie z. B. Batterie-Tab-Schweißen, Ventilsitzanordnung usw. verwendet werden. Die Signalinformationen betrifft jedes beliebige elektronische Signal zwischen verschiedenen Modulen des FGM 55 oder vom FGM 55 zum PCM 50 von 1 in Ausführung des Verfahrens 100.
  • Eine Problemdefinitionsfunktion (PDF) wird auf den PDF-Logikblock 52 angewendet. Hier wird jede beliebige anfangs definierte Prozessdatenbreite, -tiefe und -breite berücksichtigt. Die Sensoren 25, 125 können konfiguriert sein und zum wiederholbaren Verfahren 11 der 1, basierend auf dem Problem wie in Logikblock 52 definiert, zugefügt werden. Beim Schweißen eines Satzes von leitenden Elektroden oder Batterietabs können beispielsweise verschiedene Sensoren 25 bezüglich der Schweißsteuerung 20, des Schweißhorns 14, des Ambosses 16 und/oder anderer struktureller Elemente angeordnet sein, die im wiederholbaren Verfahren 11 verwendet werden und zum Messen von relevanten Steuerparametern verwendet werden, die zum Bestimmen der resultierenden Schweißnahtqualität nützlich sein können, entweder durch sich selbst, in Kombination mit anderen Signalen oder mittels statistischer Analyse dieser Informationen.
  • Eine Datenkonditionationsbibliothek (DCL) 54 dient auch zum Sammeln von Zeitreihendaten (Dt ) und anderen Prozessdaten. Die Zeitreihendaten (Dt ) können gefiltert oder nach Bedarf konditioniert werden, beispielsweise bezogen auf Balance, Maßstab, usw. Somit werden zwischen dem PDF-Logikblock 52 und der DCL 54 Zeitreihendaten (Pfeil Dt) während des wiederholbaren Verfahrens 11 gesammelt und von der Logik eines stochastischen Erzeugungsmoduls (SGM) 60 als Kernteil des Verfahrens 100 verwendet.
  • Hinsichtlich des SGM 60 kann dieser spezielle Block als auf dem Speicher (M) des FGM 55, dargestellt in 1, abgelegte Anweisungen ausgebildet sein und durch die notwendigen Hardwarekomponenten des FGM 55 ausgeführt werden. Das SGM 60 beinhaltet mehrere unabhängige oder zusammen betreibbare logische Blöcke 62, 63, 64, 66, 68 und 69. Mit diesen logischen Blöcken erzeugt das SGM 60 letztlich und gibt in Frage kommende Eigenschaften (Pfeil CF) an einen Eigenschaftskatalog (FC) aus, von dem ein genetisches Programmierwerkzeug oder ein evolutionäres Programmier (EP)-Modul 80, z. B. EUREQA von NU-TONIAN, DATA MODELER von EVOLVED ANALYTIK oder RGP (erhältlich von öffentlicher Domäne) die voraussagbaren in Frage kommenden Eigenschaften (Pfeil CFP ) bestimmt. Wie in der Technik bekannt ist, verwenden generische und evolutionäre Programmierungsansätze mathematische Werkzeuge mit einem symbolischen Manipulator zur stochastischen Optimierung.
  • Die voraussagenden in Frage kommenden Eigenschaften (Pfeil CFP ), bestimmt durch die EP 80 als eine Teilmenge der in Frage kommenden Eigenschaften (Pfeil CF), werden zum SGM 60 zur weiteren Verarbeitung und Ausgestaltung zurückgesandt. Die am meisten voraussagbaren oder besten der voraussagbaren in Frage kommenden Eigenschaften (Pfeil CFP ) können zum PCM 50 zurückgesandt werden wie die voraussagenden Eigenschaften (Pfeil F), auf die eine Regel durch das Eigenschaftsauswahlmodul (FSM) 90 zum Voraussagen einer Schweiß- oder anderen Qualität angewendet wird, oder offline zum Durchführen eines gezielten Rückrufs von nur den schon produzierten Werkstücken 30, die eventuell die voraussagenden Eigenschaften (Pfeil F) aufweisen.
  • Das Eigenschaftsauswahlmodul (FSM) 90 der 1 und 2 können gegebenenfalls als ein konventionelles Leerkastenverfahren ausgebildet sein, wobei der Begriff „Kasten“ einen Hohlraum als Orthotyp einer spezifischen Form und Ausrichtung definiert. Wie in der Technik bekannt ist, sind die Seiten des Kastens entweder parallel oder senkrecht zu den Achsen in einem orthogonalen Standardkoordinatensystem, z. B. die x- und y-Achsen in einem zweiachsigen Koordinatensystem. Gleichwertig fluchten die Seiten des Kastens mit den orthogonalen Standardachsen. Zweidimensional ist der Kasten ein Rechteck, während dreidimensional der Kasten ein rechteckiges Parallelepiped ist und in beiden Fällen fluchten die Seiten mit den orthogonalen Standardachsen. Somit betrifft der Begriff „Kasten“ einen beliebigen Orthotyp, dessen Seiten mit den orthogonalen Standardachsen fluchten. Die Verwendung eines solchen Leerkastenverfahrens 200 oder anderer Verfahren durch das PCM 50 ermöglicht dem PCM 50 das Bestimmen des dimensionalen Raums oder größten „Kasten-Hohlraums“, der die meisten gute Schweißnähte umfasst und alle oder im Wesentlichen alle, z. B. mindestens 90 %, der schlechten Schweißstellen ausschließt.
  • Hinsichtlich des SGM 60 insbesondere kann jeder logische Block 62, 63, 64, 66, 68 und 69 der 2 gemeinsam oder getrennt verwendet werden, um die gewünschte voraussagende Genauigkeit zu erreichen. Logikblock 62 funktioniert als Top-Level-Eigenschaft oder Signalfusions-Logikblock innerhalb der gesamten Architektur des SGM 60. Eingaben in den Signalfusions-Logikblock 62 beinhalten den Satz von voraussagbaren in Frage kommenden Eigenschaften (Pfeil CFP ) aus der EP 80 sowie Transformationsraumeigenschaften des Logikblocks 68. Logikblock 62 bestimmt letztendlich aus den Zeitreihendaten (Pfeil Dt) und gegebenenfalls den Transformationsraumeigenschaften des logischen Blocks 68 die Daten, die am meisten voraussagbar sind für die Qualität des Werkstücks 30. Innerhalb des Signalfusions-Logikblocks 62 beispielsweise kann der Prozessor P bekannten oder verifizierte gute Schweißnähte mit Daten von jeden Zeitreihendaten und Transformationsraumdaten vergleichen, wobei er Daten verwirft, die nicht mit guten Schweißstellen korrelieren. Logikblock 62 kann auch Daten oder Eigenschaften zu Verbundeigenschaften als neuen Eigenschaften verschmelzen, d. h. wie nach einer gesamten Signatur von mehreren unterschiedlichen Signalen und in mehreren Transformationsräumen definiert, mit einer unter Bezugnahme auf den logischen Block 68 nachstehend beschriebenen Transformation.
  • Logikblock 64 soll als deterministisch erzeugter Eigenschafts-Logikblock fungieren. In Logikblock 64 können die voraussagbaren in Frage kommenden Eigenschaften (Pfeil CFP ) extern oder manuell unter Verwenden vorheriger Kenntnisse, Physik oder dergleichen und somit über Methodiken, die unterschiedlich zu denen sind, die zum automatischen Erzeugen von Eigenschaften in anderen logischen Blöcken erzeugt werden. Die rohen Zeitreihendaten (Pfeil Dt) können als Eingabe zusammen mit raumtransformierten Zeitreihensignaldaten aus dem nachstehend beschriebenen logischen Block 68 verwendet werden. Die verschiedenen in Frage kommenden Eigenschaften (Pfeil CF) können geschätzt und/oder in Logikblock 64 unter Verwendung von konstanten Begriffen, Multiplizierern oder Verfahren zum Erzeugen von Prozessmetavariablen oder Verbundeigenschaften kombiniert werden. Der Ausgang des Logikblocks 64 kann ein Satz von zusätzlichen in Frage kommenden Eigenschaften (Pfeil CF) sein, addiert zu einem Eigenschaftskatalog (FC) 70.
  • Logikblock 66 ist ein Abbildungs-Logikblock, der, anders als die anderen hier beschrieben logischen Blöcke, die rohen Zeitreihendaten (Pfeil Dt) und weitere mögliche Signalleistungsfähigkeit mittels einer Anzahl von objektiven Funktionen mit Operatoren und Konstanten bewertet. Geeignete Objektiv- und/oder Fitnessfunktionen können mittels Mapping des logischen Blocks 66 ausgewählt und basierend auf der Art des wiederholbaren Verfahrens 11 priorisiert werden, gegebenenfalls mit einem Optimierungsblock 63, der die Koeffizienten auf eine Weise bereitstellt, die die Funktion optimiert. Eine exemplarische Funktion beinhaltet das hier beschriebene Leerkastenverfahren, obgleich es am in Frage kommenden Eigenschaftsniveau anstatt in der Echtzeit-Prozesssteuerung wie dem durch die PCM 50 verwendeten Verfahren 200 angewendet wird. Andere nicht beschränkende exemplarische Funktionen beinhalten den bekannten Matthews-Korrelationskoeffizienten, Genauigkeit, Fläche unter der ROC-Kurve und binäre Befehlsverfahren oder die Konfusionsmatrix, Entfernung von der Ecke oder gewichtete Genauigkeitsverfahren.
  • Logikblock 68 führt Signaleigenschaftstransformation durch. Basierend auf der Anwendung kann beispielsweise Logikblock 68 einen bestimmten Transformationssuchraum auswählen und die rohen Zeitreihendaten (Pfeil Dt) in einen alternativen Raum umwandeln. Exemplarisch können die Zeitreihendaten (Pfeil Dt) in den Frequenzbereich zum Bestimmen umgewandelt werden, ob mehr voraussagbare Eigenschaften in dem umgewandelten Raum vorhanden sein können. Fourier-Transformation und Wavelet-Transformation sind andere Möglichkeiten des logischen Blocks 68. Wie bei den anderen logischen Blöcken gibt der logische Block 68 seine eigenen in Frage kommenden Eigenschaften (Pfeil CF) an den Eigenschaftskatalog 70 für eine eventuelle Verarbeitung durch die EP 80 aus.
  • Logikblock 69 verwendet Sensor-Zeit-Auswahlverfahren, z. B. Mehrfenster- und variierte Zeithorizonte, um noch einen weiteren Satz von in Frage kommenden Funktionen (Pfeil CF) an den Eigenschaftskatalog 70 bereitzustellen. Zeithorizonte für mehrere Sensordaten (Pfeile 28, 128) der 1 sind wie in der DCL 54 gesammelte Eingaben. Logikblock 69 definiert das variierte Zeithorizont-Datenfusionsverfahren, das am besten für die Anwendung und die verfügbaren rohen Zeitreihendaten (Pfeil Dt) geeignet ist und kann unterschiedliche Zeithorizonte oder Fenster zum Auffinden mehr voraussagender in Frage kommender Eigenschaften in der besten oder am meisten voraussagbaren Zeitspanne versuchen. Wenn zum Beispiel eine Schweißnaht fünfzig verschiedene Datenpunkte über die Zeit aufnimmt, kann Logikblock 69 verschiedene Teile der fünfzig Datenpunkte zum Bestimmen bewerten, ob z. B. der Schweißstrom über eine Dauer, die durch die mittleren fünf Datenpunkte mehr bestimmend für die Qualität der Schweißnaht ist als der Schweißstrom, der über eine Dauer der ersten fünf Datenpunkte definiert ist.
  • 3 beschreibt eine exemplarische Ausführungsform des Verfahrens 100 unter Verwendung des PCM 50 und des FGM 55 wie vorstehend beschrieben. Das Verfahren 100 beginnt mit Schritt S102, wobei das FGM 55 die rohen Zeitreihendaten (Pfeil Dt) der 2 von den Sensoren 25 und 125 oder aus anderen Quellen, wie in 1 gezeigt, empfängt, z. B. die Sensordaten (Pfeile 24, 28, 128) und beliebige andere verfügbaren Daten. Schritt S102 kann Filtern der rohen Reihendaten (Pfeil Dt) nach Bedarf unter Verwenden eines geeigneten Datenfilters beinhalten, z. B. zum Eliminieren von Signalrauschen. Das Verfahren 100 geht dann über zu Schritt S104.
  • In Schritt S104 setzt das SGM 60 der 2 weiterhin das Verarbeiten der rohen Zeitreihendaten (Pfeil Dt), wie vorstehend dargelegt, fort. So kann beispielsweise das SGM 60 eine anfängliche Population der in Frage kommenden Eigenschaften (Pfeil CF) unter Verwendung des Logikblockes 64, wie vorstehend beschrieben, ausbilden. Multiobjektive Funktionszuweisung des Logikblockes 66 kann willkürlich für anwendungsspezifische Anforderungen angewendet werden. Das SGM 60 kann auch zufällige Signal-Eigenschafts-Transformation und Suchmethodiken über den logischen Block 68 zum Bestimmen des geeigneten Transformationssuchraums anwenden und zum Umwandeln der Zeitseriendaten (Pfeil Dt) in solche Räume verwenden. Ebenso kann Logikblock 69 verwendet werden, um die Zeithorizonte der rohen Zeitseriendaten (Pfeil Dt) oder beliebige transformierte Raumdaten zu variieren. Letztendlich kann Logikblock 62 die in Frage kommenden Eigenschaften, die von einem anderen logischen Block oder von mehreren Sensoren 25 und/oder 125 der 1 zum Ausbilden eines anderen Satzes von Funktionen (Pfeil CF) verschmelzen. Jeder beliebige oder alle verschiedenen logischen Blöcke 62, 63, 64, 66, 68 und 69 kann/können als Teil von Schritt S104 verwendet werden, die je nach Anwendungsfall und dem Voraussagewert der Verfahren jedem der Blöcke verwendet wird. Das Verfahren 100 geht dann zu Schritt S106 über.
  • In Schritt S106 sind die in Frage kommenden Eigenschaften (Pfeil CF) aus dem SGM 60 Ausgaben an den Eigenschaftskatalog 70 und darin zwischengespeichert. Hauptsächlich versorgen die Funktionen des SGM 60 den Eigenschaftskatalog 70 mit einem vorläufigen Satz von Funktionen (Pfeil CF) der in Frage kommenden Eigenschaften (Pfeil CF), die durch das SGM 60 in einer stochastischen Weise über mehrere verschiedene Verfahren des SGM 60 wie vorstehend erläutert gebildet wurden. Das Verfahren 100 geht dann über zu Schritt S108.
  • In Schritt S108 wird der vorläufige Satz von in Frage kommenden Funktionen (Pfeil CF) iterativ mittels evolutionärem oder genetischem Programmieren über das EP-Modul 80 zum ständigen Verfeinern des Satzes von in Frage kommenden Eigenschaften (Pfeil CF) in den Eigenschaftskatalog 70 verarbeitet, bis keine weitere Verbesserungen an voraussagender Qualität gefunden werden. Somit bestimmt das FGM 55 der 1 bei Schritt S108 über das EP 80, welche der in Frage kommenden Eigenschaften (Pfeil CF) in dem Eigenschaftskatalog 70 die besten oder die am meisten voraussagbaren für die Qualität des Werkstücks 30 sind und sendet dann diese Eigenschaften an das SGM 60 als voraussagbare in Frage kommende Eigenschaften (Pfeil CFP ) zur weiteren Auswertung zu.
  • Das FGM 55 kann in aufeinanderfolgenden Iterationen verschiedene Kombinationen von Eigenschaften zum Erzeugen von mehr in Frage kommenden Eigenschaften (Pfeil CF) versuchen und das EP-Modul 80 kann die neuen in Frage kommenden Eigenschaften (Pfeil CF) mit dem letzten Satz voraussagender in Frage kommender Eigenschaften (Pfeil CFP ) aus den vorherigen Durchläufen usw. vergleichen. Das Verfahren 100 geht über zu Schritt S110, wenn die voraussagbaren in Frage kommenden Eigenschaften (Pfeil CFP ), die vom EP-Modul 80 zurückgesandt wurden, unverändert sind, d.h. wenn die gleichen voraussagenden in Frage kommenden Eigenschaften (Pfeil CFP ) weiter vom SGM 60 zurückgesandt werden. Das heißt, dass Verfahren 100 fortfährt, bis beliebige erzeugte in Frage kommenden Eigenschaften (Pfeil CF) aus dem FGM 55 den am meisten voraussagenden in Frage kommenden Eigenschaften (Pfeil CFP ) aus dem EP-Modul 80 gleich sind. Wenn dies geschieht, das Verfahren 100 weiter zu Schritt S110.
  • In Schritt S110 gibt das FGM 55 die voraussagenden in Frage kommenden Eigenschaften (Pfeil CFP ), die über die Schritte S102-S108 als die am meisten voraussagbare Qualität nach mehrmaligen Iterationen bestimmt wurde, auf das Prozesssteuermodul (PCM) 50. Die Eigenschaftenausgabe an das PCM 50 sind die voraussagenden Eigenschaften (Pfeil F) der 1 und 2. Das PCM 50 kann das Eigenschaftsauswahlmodul 90 und dessen Eigenschaftsanwendungslogik 200, z. B. das Leerkastenverfahren oder andere geeignete Verfahren, um Qualität in Echtzeit vorauszusagen oder kann zu historischen Zeitreihen-Daten (Pfeil Dt ) zurückgehen zum Auffinden von neuen Eigenschaften, die zu gezielten oder benutzerspezifischen Wartungs- oder Garantiereparaturzwecken verwendet werden können.
  • Als eine exemplarische Beispiel Steuermaßnahme von Schritt S110 könnte das PCM 50 eine Regel im Zusammenhang mit den voraussagenden in Frage, kommenden Eigenschaften (Pfeil CFP ) in Echtzeit anwenden, z. B. wie eine Schweißnaht, ein Motor oder anderes Werkstück 30 gebildet wird oder gerade vervollständigt wurde, wobei die Regel die Passieren-/Durchfallen-Grenzen, Begrenzungen, Grenzwerte oder andere Qualitätsparameter des Werkstücks 30 gegenüber den voraussagenden in Frage kommenden Eigenschaften (Pfeil CFP ) definiert. Schritt S110 kann auch Modifizieren des Werkstücks 30 und/oder eines Parameters des wiederholbaren Verfahrens 11 zur Korrektur des Durchfallens als eine greifbare, präventive oder korrigierende Steuermaßnahme beinhalten. Das PCM 50 könnte dann den Ort und die Identifizierungskriterien des Werkstücks 30 aufzeichnen, das die Regel nicht erfüllt und eine Notmaßnahme wie ein Ende des Aufnehmens einer schlechten Schweißung oder weitere Prüfung oder Inspektion eines Motors zum Überprüfen der binären Qualität befiehlt, gegebenenfalls Sammeln von zusätzlichen Daten aus den Ergebnissen und zum Zuführen solcher Daten wieder in die Methode 100 anordnet. Auf diese Weise können Indizien eines verworfenen oder versagenden Werkstücks 30 aufgenommen werden und im Speicher (M) der PCM 50 gespeichert werden.
  • Durch Verwenden des Verfahrens 100 kann es möglich sein, Probleme oder Ereignisse während und nach dem Herstellungsprozess durch Ermöglichen von stochastischem Bestimmen der relevanten Eigenschaften und iterativem Bestimmen und Anwenden nur der am meisten voraussagbaren so erzeugten Eigenschaften eine Zufallsanalyse zu veranlassen und gegebenenfalls Garantiekosten zu verringern gegenüber konventionellen grenzwertbasierten Prozesskontrollverfahren und reaktiven Reparaturstrategien. Mit der FGM 55 beispielsweise ist es möglich, proaktiv nur eine geringe betroffene Teilmenge der Produkte vor Ausfall durch Bestimmen zurückzurufen, bezogen auf die voraussagbaren Eigenschaften (Pfeil F), dass das Werkstück 30 störanfälliger basierend auf den in Echtzeit erfassten Eigenschaften oder nach Herstellung ist.

Claims (9)

  1. Automatisiertes Verfahren (100) zum Erkennen von qualitätsvoraussagenden Eigenschaften eines wiederholbaren Verfahrens, umfassend: das Messen roher Zeitreihendaten (Dt) während des wiederholbaren Verfahrens unter Verwendung eines Satzes von Sensoren (25), wobei die rohen Zeitreihendaten mehrere Parameter des wiederholbaren Verfahrens beschreiben; wobei das automatisierte Verfahren gekennzeichnet ist durch: das Empfangen der rohen Zeitreihendaten (Dt) von dem Satz Sensoren (25) über eine erste Steuerung (55); das stochastische Erzeugen von in Frage kommenden Eigenschaften (CF) aus den rohen Zeitreihendaten (Dt) mit der ersten Steuerung (55), wobei die in Frage kommenden Eigenschaften (CF) voraussagend für eine Qualität eines Werkstücks ist, das über das wiederholbare Verfahren hergestellt wurde; das Bestimmen über ein evolutionäres oder generisches Programmiermodul (80), welches mathematische Werkzeuge mit einem symbolischen Manipulator zur stochastischen Optimierung verwendet, eines Satzes von voraussagbaren Eigenschaften (CFP) als eine Teilmenge der erzeugten in Frage kommenden Eigenschaften (CF), wobei der bestimmte Satz von voraussagbaren Eigenschaften (CFP) für die Qualität des Werkstücks voraussagender ist als die erzeugten in Frage kommenden Eigenschaften (CF); und das Ausführen einer Steuermaßnahme in Bezug auf das wiederholbare Verfahren über eine zweite Steuerung (50) unter ausschließlicher Verwendung des Satzes von voraussagbaren Eigenschaften (CFP), einschließlich des Bestimmens der Qualität des Werkstücks durch Anwenden einer Regel auf den Satz von voraussagbaren Eigenschaften (CFP) und Modifizieren mindestens eines Werkstücks und eines Parameters der wiederholbaren Verfahrens basierend auf der bestimmten Qualität.
  2. Verfahren nach Anspruch 1, ferner umfassend das Messen zusätzlicher Sensordaten mittels zusätzlicher Sensoren (125), die außerhalb des wiederholbaren Verfahrens angeordnet sind.
  3. Verfahren nach Anspruch 2, wobei die zusätzlichen Sensordaten Garantiereparaturdaten beinhalten.
  4. Verfahren nach Anspruch 1, wobei die erste Steuerung (55) mehrere logische Blöcke (62, 63, 64, 66, 68, 68, 69) beinhaltet, die zum Erzeugen der in Frage kommenden Eigenschaften (CF) in unterschiedlicher Weise betreibbar sind,.
  5. Verfahren nach Anspruch 3, wobei die Vielzahl der logischen Blöcke beinhaltet: mindestens einen Signalfusions-Logikblock (62), der zum Verschmelzen mehrerer Signale von Zeitreihendaten (Dt) betreibbar ist, einen Abbildungs-Logikblock (66), der die Zeitseriendaten durch objektive Funktionen verarbeitet, einen Signaleigenschaftstransformations-Logikblock (68), der die rohen Zeitreihendaten (Dt) in einen alternativen Raum umwandelt, und einen Zeitauswahl-Logikblock (69), der betreibbar ist, einen Zeithorizont der Zeitreihendaten (Dt) zu variieren,.
  6. Verfahren nach Anspruch 5, wobei die Vielzahl der logischen Blöcke (62, 63, 64, 66, 68, 68, 69) jeden Signalfusions-Logikblock (62), den Abbildungs-Logikblock (66), den Signaleigenschaftstransformations-Logikblock (68) und den Zeitauswahlblock (69) beinhaltet.
  7. Verfahren nach Anspruch 1, wobei das Ausführen einer Steuermaßnahme in Bezug auf das wiederholbare Verfahren über die zweite Steuerung (55) Anwenden der Regel unter Verwendung eines Leerkastenverfahrens beinhaltet.
  8. Verfahren nach Anspruch 1, wobei das wiederholbare Verfahren ein Ultraschallschweißverfahren (11) ist und das Ausführen einer Steuermaßnahme das Zurückweisen von Schweißstellen beinhaltet, die auf einem Werkstück (30) unter Verwendung der zweiten Steuerung und der am meisten voraussagenden in Frage kommenden Eigenschaften (CF) gebildet werden.
  9. Verfahren nach Anspruch 8, wobei die mehreren Parameter des wiederholbaren Verfahrens mindestens einen eines elektrischen Stroms, eine Spannung, eine elektrische Leistung und eine akustische Frequenz beinhaltet und wobei die in Frage kommenden Eigenschaften (CF) mindestens einen Spitzenwert, eine Ableitung, Integral, Steigung, Bereich, Flächenverhältnis und einen Bewegungsdurchschnitt beinhalten.
DE102017100130.1A 2016-01-18 2017-01-04 Automatisiertes stochastisches Verfahren zum Erkennen von Eigenschaften und Verwenden desselben in einem wiederholbaren Verfahren Active DE102017100130B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/997,854 2016-01-18
US14/997,854 US10037024B2 (en) 2016-01-18 2016-01-18 Automated stochastic method for feature discovery and use of the same in a repeatable process

Publications (2)

Publication Number Publication Date
DE102017100130A1 DE102017100130A1 (de) 2017-07-20
DE102017100130B4 true DE102017100130B4 (de) 2020-06-18

Family

ID=59256290

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017100130.1A Active DE102017100130B4 (de) 2016-01-18 2017-01-04 Automatisiertes stochastisches Verfahren zum Erkennen von Eigenschaften und Verwenden desselben in einem wiederholbaren Verfahren

Country Status (3)

Country Link
US (1) US10037024B2 (de)
CN (1) CN107335908B (de)
DE (1) DE102017100130B4 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11144842B2 (en) * 2016-01-20 2021-10-12 Robert Bosch Gmbh Model adaptation and online learning for unstable environments
DE102016121108A1 (de) * 2016-11-04 2018-05-09 Endress+Hauser Conducta Gmbh+Co. Kg Verfahren zur Herstellung eines Sensors
DE102018109816B3 (de) * 2018-04-24 2019-10-24 Yxlon International Gmbh Verfahren zur Gewinnung mindestens eines signifikanten Merkmals in einer Serie von Bauteilen gleichen Typs und Verfahren zur Klassifikation eines Bauteils eienr solchen Serie
JP7455765B2 (ja) * 2018-06-14 2024-03-26 ゲスタンプ セルビシオス， エセ．ア． 産業プロセスの品質監視

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110108181A1 (en) 2009-11-09 2011-05-12 Gm Global Technology Operations, Inc. Method and system for online quality monitoring and control of a vibration welding process
DE102012002381A1 (de) 2011-02-10 2012-08-16 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) Verfahren und System zur Öllebensdauerüberwachung
DE102012219187A1 (de) 2011-10-26 2013-05-02 GM Global Technology Operations LLC (n.d. Ges. d. Staates Delaware) Binäre Klassifikation von interessierenden Elementen in einem reproduzierbaren Prozess

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6362456B1 (en) * 1998-12-17 2002-03-26 Caterpillar Inc. Method and system for controlling weld geometry features for improved fatigue performance of fabricated structures
US9727628B2 (en) * 2008-08-11 2017-08-08 Innography, Inc. System and method of applying globally unique identifiers to relate distributed data sources
US20120215326A1 (en) * 2011-02-17 2012-08-23 Invensys Systems Inc. Distributed Proportional/Integral/Derivative Tuning
US9604305B2 (en) 2011-10-26 2017-03-28 GM Global Technology Operations LLC Quality status display for a vibration welding process
JP5553876B2 (ja) * 2012-10-17 2014-07-16 株式会社神戸製鋼所 むだ時間を有する無定位系の制御装置
US9620116B2 (en) * 2013-12-24 2017-04-11 Intel Corporation Performing automated voice operations based on sensor data reflecting sound vibration conditions and motion conditions
US9700953B2 (en) * 2014-06-25 2017-07-11 Honda Motor Co., Ltd. Adaptive welding apparatus, control system, and method of controlling an adaptive welding apparatus
EP3329433A1 (de) * 2015-07-29 2018-06-06 Illinois Tool Works Inc. System und verfahren zur ermöglichung einer schweisssoftware als dienstleistung

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110108181A1 (en) 2009-11-09 2011-05-12 Gm Global Technology Operations, Inc. Method and system for online quality monitoring and control of a vibration welding process
DE102012002381A1 (de) 2011-02-10 2012-08-16 GM Global Technology Operations LLC (n. d. Ges. d. Staates Delaware) Verfahren und System zur Öllebensdauerüberwachung
DE102012219187A1 (de) 2011-10-26 2013-05-02 GM Global Technology Operations LLC (n.d. Ges. d. Staates Delaware) Binäre Klassifikation von interessierenden Elementen in einem reproduzierbaren Prozess
US20130105556A1 (en) 2011-10-26 2013-05-02 GM Global Technology Operations LLC Binary classification of items of interest in a repeatable process

Also Published As

Publication number Publication date
DE102017100130A1 (de) 2017-07-20
CN107335908A (zh) 2017-11-10
US20170205815A1 (en) 2017-07-20
US10037024B2 (en) 2018-07-31
CN107335908B (zh) 2020-03-20

Similar Documents

Publication Publication Date Title
DE102017100130B4 (de) Automatisiertes stochastisches Verfahren zum Erkennen von Eigenschaften und Verwenden desselben in einem wiederholbaren Verfahren
DE102012219187B4 (de) System zur binären Klassifikation von interessierenden Elementen in einem reproduzierbaren Prozess
DE19743600B4 (de) Verfahren zur Überwachung eines zyklischen Produktionsprozesses
DE102012219190A1 (de) Qualitätsstatusanzeige für einen Vibrationsschweissprozess
EP3414582A1 (de) Verfahren und system zur bewertung einer elektrochemischen speichereinheit
DE102019109263B4 (de) Verfahren, eine Messvorrichtung und eine Ultraschallschweißanlage zum zerstörungsfreien Prüfen einer Qualität einer Ultraschallschweißung
DE10007308A1 (de) Verfahren und Vorrichtung zur Ermittlung der verbleibenden Betriebsdauer eines Produktes
DE102011076779A1 (de) Verfahren und Vorrichtung zur Vorhersage des Zustands einer Komponente oder eines Systems, Computerprogrammprodukt
DE102018109819A1 (de) Verfahren zur Gewinnung von Information aus Röntgen-Computertomographiedaten zur Optimierung des Spritzgussprozesses von kurzfaserverstärkten Kunststoffteilen
EP4210898A1 (de) Verfahren zur zustandsüberwachung eines laserbearbeitungskopfes und laserbearbeitungssystem zum durchführen desselben
DE102014206621A1 (de) Verfahren und Vorrichtung zur Aufzeichnung von Temepraturzyklen eines Leistungshalbleiters
DE102016012451A1 (de) Verfahren zum Überwachen, Analysieren und Betreiben wenigstens einer Produktionsanlage
DE102018217387A1 (de) Verfahren zur Herstellung eines elektrischen Energiespeichers, entsprechender elektrischer Energiespeicher und Verwendung eines solchen Energiespeichers
DE10355022B4 (de) Verfahren zur Überwachung eines technischen Systems
DE102017106919A1 (de) Verfahren zur Bestimmung einer Schädigungsmaßunsicherheit eines Kraftfahrzeugs
WO2022248189A1 (de) Verfahren zur additiven herstellung eines bauteils
EP2388602B1 (de) Verfahren zur Diagnose von Kontakten einer Photovoltaikanlage und Vorrichtung
DE102017111455A1 (de) Verfahren zur Prüfung einer durch ein Steuergerät gesteuerten Maschine
WO2021092640A1 (de) Verfahren und system zum kalibrieren einer steuerung einer maschine
DE102019131456A1 (de) Verfahren zum Bestimmen einer Eigenschaft einer Maschine, insbesondere einer Werkzeugmaschine, ohne messtechnisches Erfassen der Eigenschaft
DE102019208922A1 (de) Verfahren und Vorrichtung zum Kontrollieren eines Produktionsprozesses
DE102022200285B3 (de) Verfahren und Vorrichtung zum Bereitstellen eines datenbasierten Systemmodells und zum Überprüfen eines Trainingszustands des Systemmodells
DE102016222640A1 (de) Überwachungssystem, Verfahren, insbesondere zur Detektion von Fertigungsfehlern, sowie Verwendung eines Überwachungssystems
DE102022213711A1 (de) Verfahren und System zum Überwachen und/oder Simulieren einer Schweißqualität eines Ultraschallschweißprozesses von Bauteilen
DE102022200946A1 (de) Verfahren und Vorrichtung zum Parametrieren eines Fertigungsprozesses

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R082 Change of representative

Representative=s name: MANITZ FINSTERWALD PATENT- UND RECHTSANWALTSPA, DE

Representative=s name: MANITZ FINSTERWALD PATENTANWAELTE PARTMBB, DE

R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final