-
Die Erfindung betrifft ein Verfahren zum automatisierten Optimieren eines Produktionsprozesses mittels einer Produktionsprozess-trainierten Wissensdatenbank, wobei der zu optimierende Produktionsprozess Schritte aufweist, welche durch Prozessstationen und die Prozessstationen verbindende Stationsübergänge realisiert werden und eine Produktionseinrichtung.
-
Die Analyse und Optimierung von (Fertigungs-)Anlagen und Prozessen ist nach aktuellem Stand der Technik aufwändig und wird meist individuell und manuell durchgeführt. Zudem erfordert dies meist erhebliches Expertenwissen und ist daher mit hohen Kosten und auch Risiken verbunden. Die Erfahrungen der Experten können selten direkt auf artverwandte Anlagen oder Prozesse übertragen werden. Die Umsetzung von Optimierungsprozessen auf derartigen (Fertigungs-)Anlagen und Prozessen sind in der Regel mühsam und zeitaufwändig, zudem werden sie meist nur jeweils für die Anwendung maßgeschneidert und es wird keine Übertragbarkeit auf ähnliche Prozesse realisiert.
-
Insbesondere wurde ein Integrated Parameter Management (IPM) vorgeschlagen. Dieses Konzept umfasst eine Datenbank für Anlagen- und Prozessparameter zum Austausch zwischen unterschiedlichen Methoden (zum Beispiel für die Regelung, Identifikation und Optimierung), was die erforderlichen Schritte zur Implementierung verschiedener Optimierungsverfahren an einer (Fertigungs-)Anlage bzw. in einem Prozess vereinfachen und beschleunigen soll. Jedoch erfolgt keine Prüfung verfügbarer Daten und Situationen zur Anwendung von Verfahren, zudem erfolgt kein direkter Vergleich zwischen einzelnen Entitäten, wie beispielsweise Prozessabschnitten und/oder Anlagenkomponenten. Auch erfolgt keine automatische Identifikation von Prozesseigenheiten und Merkmalen. Eine Übertragbarkeit der Verfahren oder entsprechend der Parameter auf ähnliche Einrichtungen ist nicht möglich. Dieses IPM ist in „Integrated Parameter Management Concept for Simplified Implementation of Control, Motion Planning, and Process Optimization Methods“ (Applied Mechanics & Materials Vol. 840, p114-122, (2016) Trans Tech Publications, Schweiz) von Öltjen, J.; Beckmann, D.; Hansen, C.; Maurer, I.; Kotlarski, J.; Ortmaier, T. (2016) beschrieben und stellt somit einen Überblick über mögliche Anwendungen von Verfahren zur Prozessoptimierung dar.
-
Prozessdatenanalysesysteme zum Monitoring und zur Datenanalyse in industriellen Produktionseinrichtungen sind in der
US 2017 0102 694 A1 , in „The Data-Driven Factory. Leveraging Big Industrial Data for Agile, Learning and Human-Centric Manufacturing“ (Proceedings of the 18th International Conference on Enterprise Information Systems (ICEIS). Scitepress (2016)) von Gröger, C.; Kassner.; Hoos, E.; Königsberger, J.; Kiefer, C.; Silcher, S.; Mitschang, B. und „Cloud-based Plant and Process Monitoring based on a Modular and Scalable Data Analytics Infrastructure“ in (Schüppstuhl T., Franke J., Tracht K. (eds) Tagungsband des 2. Kongresses Montage Handhabung Industrieroboter. Springer Vieweg, Berlin, Heidelberg) von Maurer I., Riva M., Hansen C., Ortmaier T. (2017) offenbart.
-
Plant Information Management Systeme (PIMS) basieren auf unterschiedlichen Verfahren zur Maschinen-Betriebsdatenerfassung und sind insbesondere in „New Smart Asset Management Strategie in the Transmission System Operator (TSO) Industry Enabled by a Real Time Data Infrastructure“ (OSIsoft) von Chavero, M. (2016), beschrieben. Zudem können weitergehende Analysen der Anlagen und Prozessdaten auf Basis performanter industrieller Datenverarbeitungsstrukturen mittels der Methode zur Datenbasierenden Prozessmodellierungen erfolgen (Maier, A. „Identification of Timed Behavior Models for Diagnosis in Production Systems“ Doctor Thesis, University of Paderborn, 2014).
-
In der „Using Behavior Models for Anomaly Detection in Hybrid Systems“ (Proceedings of the 23rd International Symposium on Information, Communication and Automation Technologies- ICAT 2011) von Vodencarevic, A.; Büning, H.K.; Niggemann, O.; Maier, A. (2011), wird ein angelernter Zustandsautomat genutzt, um Anomalien im Prozessablauf zu detektieren und eine Schadensvorhersage zu treffen.
-
Weitergehende Ansätze zur gewinnbringenden Nutzung verfügbarer Anlagen- und Prozessdaten basieren auf unterschiedlichen Verfahren zur System- und Parameteridentifikation, sowie zur Anlagen- und Prozessoptimierung. So werden beispielsweise modellgestützte Verfahren zur Regelung oder Prozessoptimierung durch die (Online-) Identifikation von Modellparametern beschrieben. Diesbezügliche aktuelle Methoden sind in „Adaptive Unscented Kalman Filter for online state, parameter, and process covariance estimation“ (Proceedings of IEEE 2016 America Control Conference (ACC2016), Boston, USA, 2016) von Riva, M.; Dagen, M.; Ortmaier, T., offenbart.
-
In „Conflict Between Energy, Stability, and Robustness in Production Schedules“ (IEEE Transactions on Automation Science and Engineering, 14(2), 2017, S.658-668) von SUNDSTRÖM, N.; WIGSTRÖM, O.; LENNARTSON, B. (2017) werden verschiedene Modelle zur Bestimmung der Zielgrößen Energieverbrauch, Prozessstabilität und Robustheit vorgestellt. In „The Manufacturing Knowledge Repository. Consolidating Knowledge to Enable Holistic Process Knowledge Management in Manufacturing“ (Proceedings of the International Conference on Enterprise Information Systems (ICEIS) 2014, SciTePress, S. 39-51) von Gröger,C.; Schwarz, H.; Mitschang, B. (2014b) wird ein Konzept einer einheitlichen Wissensdatenbank basierend auf metrischen Daten und unstrukturierten Daten wie Dokumenten und Bildern vorgestellt.
-
Auch für einen direkten Zugriff auf Maschinendokumentationen, Produktinformationen zur Montage, Umbau und Nachrüstung, Programmierung, Inbetriebnahme, Bedienung und Konfiguration werden beispielsweise Systeme durch Roboterhersteller bereitgestellt, siehe hierzu KUKA Xpert (besucht: Februar 2018), https://xpert.kuka.com/. Ansätze zur Erstellung solcher Datenbanken sind in „The Design and Development of Manufacturing Process Knowledge Base System Based on Ontology“ (International Conference on Cooperative Design, Visualization and Engineering, 2016) von Song, H.; Wang H.; Liu, T.; Zhang Q.; Gao B., offenbart.
-
In der
DE 10 2013 008 339 A1 ist ein Serversystem zur Verwaltung von Sequenzen für landwirtschaftliche Arbeitsmaschinen offenbart. Erfindungsgemäß wurde erkannt, dass eine quasi evolutionäre, von Bedienern getriebene, aber automatisch geförderte Optimierung vieler verschiedener Sequenzen dadurch erreicht wird, dass diese Sequenzen auf eine definierte Art und Weise in einem zentralen Server gespeichert und von dort aus weltweit Bedienern landwirtschaftlicher Arbeitsmaschinen zur Verfügung gestellt werden.
-
In der
EP 13 10 573 A2 ist ein Verfahren zur Herstellung einer Metallschmelze anhand eines dynamischen Prozessmodells, inklusive Korrekturmodell, dargestellt.
-
Die
DE 10 2014 210 594 A1 betrifft ein Verfahren und eine Vorrichtung zum Betreiben einer Fertigungsanlage. Eine Übertragung von Daten und eine Skalierung, sowie eine Regelung zur Überlastabwehr in der Cloud wird in der
DE 10 2015 002 367 A1 beschrieben. Dabei werden Datenbanken, künstliche Intelligenz insbesondere bei der Wissenspräsentation regelbasierter Produktionssysteme oder Prozesse, sowie Selbstoptimierungen beschrieben.
-
Aufgabe der Erfindung ist es den Stand der Technik zu verbessern.
-
Gelöst wird die Aufgabe durch ein Verfahren zum automatisierten Optimieren eines Produktionsprozesses mittels einer Produktionsprozess-trainierten Wissensdatenbank, wobei der zu optimierende Produktionsprozess Prozessschritte aufweist, welche durch Prozessstationen und die Prozessstationen verbindende Stationsübergänge realisiert werden, mit den Schritten:
- - rechnergestütztes Ermitteln von Produktionsprozessdaten,
- - rechnergestütztes Vergleichen der ermittelten Produktionsprozessdaten mit Produktionsprozessdaten der Produktionsprozess-trainierten Wissensdatenbank, sodass durch das rechnergestützte Vergleichen ein gleicher und/oder ein ähnlicher Prozessschritt ermittelt wird oder werden, wobei in der Produktionsprozess-trainierten Wissensdatenbank dem gleichen Prozessschritt und/oder dem ähnlichen Prozessschritt optimierte Produktionsdaten und/oder Optimierungsalgorithmen zugeordnet sind, und
- - Anwenden der zugeordneten optimierten Produktionsdaten und/oder der zugehörigen Optimierungsalgorithmen auf die gleichen Prozessschritte oder den ähnlichen Prozessschritten des zu optimierenden Produktionsprozesses, sodass ein optimierter Produktionsprozess vorliegt.
-
Somit kann ein Verfahren bereitgestellt werden, bei dem ein automatisiertes Identifizieren ähnlicher Entitäten realisiert wird, bei dem zusätzlich eine Prozessoptimierung erfolgt. Zudem können unterschiedlichste Produktionsprozesse wie beispielsweise Fertigungsprozesse, Logistikprozesse, Prozesse der chemischen Industrie, der Verfahrenstechnik oder sonstige prozessübergreifende Wertschöpfungsketten analysiert und optimiert werden.
-
Weiterhin können Übertragbarkeiten von einem Produktionsprozess zu einem anderen Produktionsprozess erfolgen und entsprechende Optimierungen des einen Produktionsprozesses für andere Produktionsprozesse realisiert werden. Somit liegt eine erhöhte Übertragbarkeit von Erkenntnissen von vorangegangenen Maßnahmen zur Modifikation oder Optimierung auf andere oder ähnliche Entitäten zur Verfügung.
-
Folgendes Begriffliche sei erläutert.
-
Ein „Produktionsprozess“ kann in industriellen Fertigungseinrichtungen oder auch Logistiksystemen vorliegen. Somit ist mit dem Begriff Produktionsprozess jeder mit technischen Einrichtungen realisierte Prozess umfasst, bei dem eine Änderung eines Gutes oder Objekts, beispielsweise in Form, Ort oder Verhalten realisierbar ist. So kann beispielsweise der Produktionsprozess eine Produktionslinie für Haushaltsgeräte oder auch Fahrzeuge umfassen.
-
Dabei wird insbesondere der Produktionsprozess durch Prozessstationen realisiert, wobei zwischen zwei Prozessstationen ein Stationsübergang gegeben ist.
-
Eine „Prozessstation“ ist eine Einheit des Produktionsprozesses. Dies können einzelne Anlagen, wie beispielsweise Pressen oder Transferpressen, oder auch einzelne Werkzeuge, wie beispielsweise eine Klebepistole, ein Greifsystem oder eine Standbohrmaschine, sein. Auch ein Transferband oder eine Handhabungseinrichtung, wie beispielsweise ein Roboterarm, kann eine Prozessstation bilden. Somit umfasst der Begriff Prozessstation sämtliche Maschinen oder entsprechende Maschinenkomponenten aber auch sonstige Einrichtungen, wie beispielsweise Lagerräume.
-
Ein „Stationsübergang“ verknüpft zwei Prozessstationen im Lichte des zu bearbeitenden oder behandelnden Guts oder Objekts. Klassisch kann beispielsweis ein Transfer von einer Prozessstation zu einer weiteren Prozessstation als Stationsübergang betrachtet werden. Zudem kann dieser Stationsübergang ebenfalls wieder durch Prozessstationen realisiert werden. Beispielsweise transferiert und wendet ein Roboterarm ein von einer Standbohrmaschine kommendes Holzbauteil und legt dieses in eine Fräseinrichtung ein.
-
Ein „automatisiertes Optimieren“ umfasst ein Verändern eines Produktionsprozesses, sodass dieser in Bezug auf eine gewünschte Größe, wie beispielsweise Ausbringungsrate, Energieverbrauch, Werkzeugbelastung oder dergleichen optimiert wird. Automatisiert in diesem Zusammenhang ist insbesondere derart zu verstehen, dass dieses im Wesentlichen ohne manuelles Zutun eines Benutzers erfolgt.
-
Der „zu optimierende Produktionsprozess“ ist insbesondere der Produktionsprozess, welcher optimiert werden soll. Vorliegend kann es sich auch lediglich um ein Teil des eigentlichen Produktionsprozesses handeln, wobei jedoch ebenfalls der Gesamtproduktionsprozess optimiert wird.
-
Ein „Prozessschritt“ ist insbesondere eine gedachte oder real existierende Untergliederung eines Produktionsprozesses. Sämtliche Produktionsprozessschritte bilden insbesondere den Produktionsprozess ab. Auch kann ein Prozessschritt schon den Produktionsprozess als ganzes darstellen. Der Prozessschritt kann somit beispielsweise Prozessabschnitte und/oder Anlagenkomponenten und dergleichen umfassen.
-
Ein „Rechner gestütztes Ermitteln“ ist insbesondere eine mittels Software und Hardware realisierte Analyse des Produktionsprozesses oder entsprechend des Prozessschrittes. So kann ein Ermitteln beispielsweise mittels eines Rechners über ein Bussystem oder einen ähnlichen Kommunikationskanal, welches bzw. welcher die einzelnen Prozessstationen kommunikationstechnisch verbindet, durch Auslesen oder entsprechende Analyse erfolgen.
-
Insbesondere werden „Produktionsprozessdaten“ rechentechnisch ermittelt. So können beispielsweise Sensordaten und/oder Steuerdaten der Prozessstationen oder auch daraus abgeleitete Größen, welche beispielsweise die Stationsübergänge beschreiben, ausgelesen werden. Zudem können weitere Informationen wie beispielsweise verwendete Regelalgorithmen oder für einzelne Prozessstationen, wie beispielsweise Roboterarme, hinterlegte Größen, (Sub-)Systemparameter und Modellfunktionen ausgelesen werden. Zudem können diese Produktionsprozessdaten Daten einzelner Entitäten oder Einheiten der Prozessstationen sein und ausgelesen werden.
-
Beim „rechnergestützten Vergleichen“ erfolgt ein Vergleichen der ermittelten Produktionsprozessdaten mit Produktionsprozessdaten einer Produktionsprozess-trainierten Wissensdatenbank. Bei diesem Vergleichen kann zum einen nach identischen Produktionsprozessdaten gesucht werden, wie beispielsweise zwei baugleiche Roboterarme und der zugehörigen Installationsparameter, aber auch nach Ähnlichkeiten gesucht werden. Installationsparameter können Maschinen-, Werkzeug- und Prozessparameter sein. So kann beispielsweise ein erkannter Roboterarm des einen Herstellers mit dem Roboterarm eines anderen Herstellers ähnlich sein. Weiterhin kann ebenfalls ein mittels einer Prozessstation ausgeführter Prozessschritt ähnlich einem Prozessschritt einer nicht identischen Prozessstation sein, beispielsweise wird eine ähnliche Handhabungsaufgabe mittels Roboterarmen unterschiedlicher Bauweise ausgeführt. Dabei kann beispielsweise ein Regelalgorithmus für den einen Roboterarm in der Produktionsprozess-trainierten Wissensdatenbank abgelegt sein und für den anderen Roboterarm des zu optimierenden Produktionsprozesses angepasst werden. Dabei kann wenn erforderlich ein Test erfolgen, ob der Regelalgorithmus überhaupt anpassbar ist. Somit umfasst das Vergleichen sowohl einen Identitätsvergleich als auch ein Ähnlichkeitsvergleich. Auch können grundsätzlich ähnliche Stationsübergänge und ähnliche Prozessstationen, sowie ähnliche Prozessschritte identifiziert werden. So kann beispielsweise festgelegt sein, dass eine Ähnlichkeit vorliegt, wenn 80 Prozent einer bestimmten Anzahl von insbesondere Parametern oder Messwerten übereinstimmen, diese genügend korrelieren oder ähnliche Muster aufweisen.
-
Eine „Produktionsprozess-trainierte Wissensdatenbank“ ist eine Wissensdatenbank, in welche Produktionsprozesse, Produktionsschritte, Produktionsstationen und Stationsübergänge eingepflegt wurden und kontinuierlich ergänzt werden. Anhand dieser eingepflegten Informationen wird eine derartige Wissensdatenbank trainiert und für den Ähnlichkeitsvergleich von Entitäten sowie das automatisierte Optimieren verwendet. Die Wissensdatenbank kann hierarchisch aufgebaut sein und sämtliche Anlagen, Prozessstationen Maschinen, Antriebe, etc. einer Anlage sowie Prozesse, Prozessschritte, Subprozessschritte, Prozessschritttransitionen sowie alle anderen Arten von Entitäten beinhalten. Diese Elemente können miteinander in horizontaler und vertikaler Beziehung stehen oder entsprechend verknüpft sein, diese Beziehungen werden ebenfalls in der Datenbank abgebildet. Alle Erkenntnisse (Parameter und dgl.) werden zu den einzelnen Entitäten in der Datenbank hinterlegt und sind somit über die Relationen mit den einzelnen Elementen und Prozess(schritten) verknüpft.
-
Das initiale (vorbereitende) und ggf. kontinuierlich fortlaufende Antrainieren der Wissensdatenbank erfolgt automatisch und/oder manuell durch Zuführen von Daten aus unterschiedlichen verfügbaren Datenquellen und/oder dem Wissen bzw. Erfahrungsschatz des menschlichen Anwenders. Beispielsweise erfolgt das automatisierte Auslesen von Daten aus den vorhandenen Prozessrechnern bei Zugriff auf interne Parameter, beispielsweise eine Typbezeichnung und/oder Seriennummer einer Komponente bzw. Prozessstation und/oder, weiterhin können dies weitere Parameter über technische Eigenschaften oder das Verhalten der Prozessstationen und Maschinen (zum Beispiel ein gewählten Bahnplanungsverfahren einer Robotersteuerung zur Charakterisierung der Bewegungsvorgänge eines Manipulators) und/oder des ausgeführten Prozesses bzw. Prozessschritts bzw. der Prozesstransition sein. Weiterhin kann das automatische Antrainieren durch Mitschnitte während der Prozessausführung beispielsweise von Bewegungsprofilen oder Aktorkräften bzw. -strömen sowie beliebigen weiteren Prozessdaten und/oder Sensorsignalen sowie deren Merkmalen bzw. Features, insbesondere statistischen Merkmalen oder weiteren, auch modellbasiert ermittelten Prozesseigenschaften erfolgen. Weiterhin kann das automatisierte Antrainieren der Wissensdatenbank durch Auslesen sonstiger verfügbarer digitalisierter Informationen erfolgen wie beispielsweise aus Datenblättern oder anderen Datenbanken, die beispielsweise über das Internet oder andere Kommunikationswege oder Datenträger zugänglich sind. Eine manuelle Eingabe zusätzlich relevanter Informationen, zum Beispiel über die Montageform eines Roboterarms (z. B. Boden/Sockel/Wand/Decke) oder weiteren Eigenschaften, die relevante Eigenschaften von Prozessschritten und/oder Prozessstationen und/oder anderen Entitäten beschreiben, jedoch nicht in digitalisierter Form vorliegen.
-
Unter „zugeordneten optimierten Produktionsdaten“ sind sämtliche Daten für Prozessstationen, Stationsübergänge, Prozessschritte und Produktionsprozesse zu verstehen, welche automatisiert in den Produktionsprozess implementierbar oder entsprechend dafür anwendbar sind, sodass, wenn diese auf den zu optimierenden Produktionsprozess angewandt werden, dort einen Prozessschritt und somit den Produktionsprozess optimieren. Derartige „Produktionsdaten“ können Parameter, Programmcodes, Regelalgorithmen und dergleichen sein.
-
Die „Optimierungsalgorithmen“ umfassen insbesondere Optimierungsverfahren und/oder Parameter und/oder mathematische Anlagen- und Prozessmodelle, welche auf den zu optimierenden Prozessschritt zum Optimieren anwendbar sind.
-
In einer weiteren Ausgestaltung sind die Produktionsprozessdaten die Daten einer Werkzeugmaschine, eines Roboters, einer Sensoreinrichtung, einer Aktuatoreinrichtung und/oder einer Transporteinrichtung. Auch können diese Daten Umgebungsbedingungen, wie beispielsweise Wetter, Energiepreise, Personalkosten und dergleichen umfassen sowie Informationen aus dem Internet oder von sonstigen Datenspeichern sein.
-
In einer diesbezüglichen Ausgestaltung sind die Daten Rohdaten, Programmcodes, Modelldaten, Parameter, Messdaten, Werkzeugdaten, Verbrauchsdaten, Zeitverläufe, Zustände, Ereignisse, Rechnerarchitekturdaten, Sensordaten, Typenbezeichnung, Orts- und Positionsdaten und/oder statistische Daten.
-
Somit können all diese Daten sowohl zum Vergleichen mit der Produktionsprozess-trainierten Wissensdatenbank herangezogen werden als auch als zu ersetzende Daten verstanden werden, welche optimierbar sind.
-
Um Untereinheiten des Produktionsprozesses oder um mehrere Untereinheiten eines Prozessschrittes zu optimieren, kann der Prozessschritt oder der Produktionsprozess Subprozessschritte und/oder die Subprozessschritte Subsubprozessschritte umfassen und in der Produktionsprozess-trainierten Wissensdatenbank gleiche oder ähnliche Subprozessschritte und/oder Subsubprozessschritte abgelegt sein, sodass das automatisierte Optimieren des Produktionsprozesses für die Subprozessschritte und/oder Subsubprozessschritte erfolgt. So können parallel aber auch hierarchisch zueinander befindliche Prozessschritte automatisiert optimiert werden.
-
In einer weiteren Ausführungsform kann das rechnergestützte Vergleichen ein automatisiertes Ermitteln eines Prozessmodells, eines Teilprozessmodells, einer Prozessstation, eines Stationsübergangs und/oder ein automatisiertes Ermitteln der Daten umfassen.
-
Somit können unterschiedlichste Informationen für das rechnergestützte Vergleichen herangezogen werden. Sollte somit beispielsweise der Produktionsprozess bei seinem Einrichten rechentechnisch modelliert und abgelegt worden sein (beispielsweise für ein mittels Unified Modeling Language (UML) oder mittels Matlab® /Simulink erstelltes Modell), so kann dieses Modell ebenfalls rechnergestützt ermittelt werden.
-
Um einen einfachen Zugang zu dem Produktionsprozess und dessen Daten zu erhalten, kann das rechnergestützte Ermitteln der Produktionsprozessdaten über ein Rechnernetzwerk und/oder ein Bussystem erfolgen.
-
Rechnernetzwerk und/oder Bussystem sind hier sehr generell zu verstehen. Auch Sensornetzwerke und dergleichen sind mit umfasst. Vorliegend soll quasi ein Austausch von Informationen über jegliche Kommunikationskanäle, sei es mittel Verkabelung oder auch Funk, nutzbar sein.
-
In einer weiteren Ausführungsform umfasst das rechnergestützte Vergleichen ein mathematisches Klassifizieren, eine mathematische Mustererkennung und/oder einen mathematischen Ähnlichkeitsvergleich.
-
Insbesondere um Einrichtungen wie Roboterarme zu optimieren, kann das Anwenden der zugeordneten optimierten Produktionsdaten und/oder der zugehörigen Optimierungsalgorithmen ein Setzen von Parametern oder ein Austauschen und/oder Hinzufügen von Programmcode umfassen.
-
In einem weiteren Aspekt wird die Aufgabe gelöst durch eine Produktionseinrichtung mit wenigstens zwei Prozessstationen und einem verbindenden Stationsübergang, wobei ein zuvor beschriebenes Verfahren durchgeführt wird.
-
Im Weiteren wird die Erfindung anhand eines Ausführungsbeispiels näher erläutert. Dabei zeigt die
- 1 eine stark schematische Darstellung einer Teilproduktionsstraße, welche über einen Kommunikationsbus mit einem Rechner verbunden ist, welcher mittels einer Datenbank Prozessschritte der Teilproduktionsstraße optimiert.
-
Eine Teilproduktionsstraße 101 weist nacheinander angeordnet eine Reinigungsstation 103, eine Transportstation 105, einen Roboterarm 107 und eine Bohrstation 109 auf. Die Teilproduktionsstraße 101 ist ein Teil einer automatisierten Produktionsstraße zum Möbelbau.
-
Folgende Produktionsschritte werden mit der Teilproduktionsstraße 101 umgesetzt. Ein Holzbrett wird in der Reinigungsstation 103 mittels Druckluft beaufschlagt und gereinigt. Anschließend wird das gereinigte Holzbrett über motorgetriebene Rollen einer Transportstation 105 zum Roboterarm 107 verfahren. Eine Kamera (nicht dargestellt) detektiert die Position des Holzbretts und der Roboterarm 107 greift das Holzbrett, wendet dieses und positioniert das Holzbrett in die Bohrstation 109, wo ein Standbohrer in das Holzbrett ein Loch bohrt. Von dort aus wird das Holzbrett weiter verarbeitet.
-
Die Reinigungsstation 103, die Transportstation 105, der Roboterarm 107 und die Bohrstation 109 sind über einen Kommunikationsbus 111 miteinander datenaustauschend verbunden. Der Bus wird vom Buscontroller 113 gesteuert und überwacht.
-
Vorliegend soll ein Prozess der Teilproduktionsstraße 101 optimiert werden. Hierzu wird ein Rechner 115 an den Kommunikationsbus 111 angeschlossen. Anschließend liest der Rechner 115 Daten der einzelnen Stationen aus, sodass Informationen bezüglich Hersteller, Typ, gesetzte Parameter und verwendete Regelalgorithmen ermittelt werden.
-
Diese Informationen werden nun mit der Wissensdatenbank 117 abgeglichen.
-
Vorliegend sei in der Wissensdatenbank 117 ein ähnlicher Prozess hinterlegt, wobei der Roboterarm 107 von einem anderen Hersteller stammt als der Roboterarm des in der Wissensdatenbank 117 abgelegten Prozess. Durch einen Abgleich mit Herstellerdaten und Prozessdaten wird mittels des Rechners 115 ermittelt, dass die beiden Roboterarme überschneidende Arbeits- und Funktionsbereiche aufweisen. Zudem verwendet der in der Wissensdatenbank 117 abgelegte Roboterarm einen bezüglich des Energieverbrauchs optimierten Regelalgorithmus. Das zugehörige Reglermodell liegt in Matlab®/Simulink vor und wird nun mittels des Rechners 115 für den Roboterarm 107 mittels Codegenerierung auf den Roboterarm 107 adaptiert. Anschließend werden die entsprechenden Maschinencodeteile aus dem Roboterarm 107 entfernt und durch den optimierten Code ausgetauscht.
-
Die Wissensdatenbank umfasst eine Datenbank 119 der Komponenten der Prozessstationen, eine Datenbank 121 der Erfahrungen aus Methoden- und Parametertransfers zur Optimierung, ein Datenbank 123 der Prozesshierarchien und - charakteristika und eine Datenbank 125 der Methoden, welche insbesondere zur Optimierung und zur Signal- und Datenanalyse wie beispielsweise Regelalgorithmen, Signalverarbeitung, physikalische Systemmodelle und Parameter dient. Somit stellen die Datenbanken 119, 121, 123, 125 Teildatenbaken dar.
-
Die Teildatenbank 119 umfasst alle physikalischen Komponenten innerhalb des Produktionsprozesses und/oder der Anlage. Die Komponenten sind Beschreibungen der Aktuatoren, Sensoren, Werkzeuge etc.. Diese Komponenten werden hierarchisch Maschinen zuordnet, diese sind wiederrum Prozessstationen und/oder Anlagen zugeordnet. Alle Entitäten sind in Gruppen unterteilt (z.B. Gruppe aller 6 Achs-Roboter).
-
Die (Teil)Datenbank 121 der Erfahrungen enthält alle relevanten Informationen, welche aus vorhergehenden Methoden- und Parametertransfers hervorgegangen sind. Das sind vorliegend relevante Daten- und/oder Informationscharakteristika zur Analyse von Prozessstationen oder anderen Entitäten, zur Detektion von identischen oder ähnlichen Entitäten, zur Detektion/Prüfung der Übertragbarkeit von Methoden und/oder Parametern zwischen Entitäten, zu Erfahrungen über Risiken bei der Übertragung von Methoden und/oder Parametern zwischen Entitäten, zu Optimierungspotentiale hinsichtlich verschiedener Zielkriterien bei der Übertragung von Methoden und/oder Parametern, zu Charakteristika der Prozessschritte oder -stationen bei denen ein erfolgreicher Transfer von Methoden und/oder Parametern erfolgt ist, zu relevanten Daten und/oder Signale oder daraus abgeleitete Signalfeatures der Prozessstationen oder -schritte, zur Analyse auf Ähnlichkeit oder Identität und zu gefundenen Mustern und zugehörige Daten/Signal(-Sequenzen) einzelner Prozessschritte/-stationen bei erfolgreichem Transfer von Methoden und/oder Parametern.
-
Die Datenbank kann Informationen über die logische Verknüpfung von Prozesse, Subprozesse/ -schritten und Verknüpfung mit Maschinen bzw. Prozessstationen und anderen Entitäten etc. enthalten.
-
Die Teildatenbank 123 enthält weiterhin Informationen und Verknüpfungen über oder mit für die Prozesse Prozessschritte und die Optimierung relevanten Daten sowie Signale (und deren Features). Diese Daten umfassen Rohdaten der relevanten Daten oder Signale von zuvor analysierten und/oder optimierten Prozessen/-schritten und Prozessstationen. Die hinterlegten Entitäten sind sowohl horizontal als auch vertikal verknüpft.
-
Die Datenbank 125 der Methoden enthält verschiedene Methoden, Verfahren zur Optimierung und Informationen über selbige. Diese Informationen werden verknüpft mit den Datensätzen der übrigen Teildatenbanken, d.h. Informationen über Prozesse und Anlagen sowie den Erfahrungsschatz über bisherige Analysen und Transfers sowie Verfahren zur Extraktion relevanter Merkmale.
-
Bezugszeichenliste
-
- 101
- Teilproduktionsstraße einer automatisierten Möbelproduktion
- 103
- Reinigungsstation
- 105
- Transportstation
- 107
- Roboterarm
- 109
- Bohrstation
- 111
- Kommunikationsbus
- 113
- Buscontroller
- 115
- Rechner
- 117
- Produktionsprozess-trainierte Wissensdatenbank
- 119
- Datenbank der Komponenten der Prozessstationen
- 121
- Datenbank der Erfahrungen aus Methoden- und Parametertransfers zur Optimierung
- 123
- Datenbank der Prozesshierarchien und -charakteristika
- 125
- Datenbank der Methoden (zur Optimierung und zur Signal- und Datenanalyse, z. B. Regelalgorithmen, Signalverarbeitung, phys. Systemmodelle und Parameter)
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- US 20170102694 A1 [0004]
- DE 102013008339 A1 [0010]
- EP 1310573 A2 [0011]
- DE 102014210594 A1 [0012]
- DE 102015002367 A1 [0012]