DE102018207933A1 - Verfahren sowie Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe - Google Patents

Verfahren sowie Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe Download PDF

Info

Publication number
DE102018207933A1
DE102018207933A1 DE102018207933.1A DE102018207933A DE102018207933A1 DE 102018207933 A1 DE102018207933 A1 DE 102018207933A1 DE 102018207933 A DE102018207933 A DE 102018207933A DE 102018207933 A1 DE102018207933 A1 DE 102018207933A1
Authority
DE
Germany
Prior art keywords
data
transmission assembly
transmission
analysis
reference data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102018207933.1A
Other languages
English (en)
Inventor
Eduardo Neiva
Diego Gabriel Lee
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.)
ZF Friedrichshafen AG
Original Assignee
ZF Friedrichshafen AG
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 ZF Friedrichshafen AG filed Critical ZF Friedrichshafen AG
Priority to DE102018207933.1A priority Critical patent/DE102018207933A1/de
Publication of DE102018207933A1 publication Critical patent/DE102018207933A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G01M13/02—Gearings; Transmission mechanisms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/14—Quality control systems
    • G07C3/143—Finished product quality control
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Factory Administration (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

Es ist ein Verfahren zur Überprüfung einer hergestellten Getriebebaugruppe (12) beschrieben, bei dem die Getriebebaugruppe (12) betreffende Daten erfasst werden. Die erfassten Daten werden mit Referenzdaten verglichen, indem eine statistische Anomalie-Analyse angewandt wird, um eine Anomalie bei der überprüften Getriebebaugruppe (12) festzustellen. Zudem ist ein Überprüfungssystem (14) beschrieben.

Description

  • Die Erfindung betrifft ein Verfahren zur Überprüfung einer hergestellten Getriebebaugruppe sowie ein Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe.
  • Zur Überprüfung der Qualität von hergestellten Getriebebaugruppen sowie zur Detektion von möglichen Fehlern ist es aus dem Stand der Technik bekannt, dass die jeweils hergestellte Getriebebaugruppe individuell analysiert wird.
  • Bei der individuellen Analyse der hergestellten Getriebebaugruppe werden unter anderem mathematische Modelle des jeweiligen Typs der Getriebebaugruppe berücksichtigt, um eventuelle Fehler oder Abweichungen von der gewünschten Qualität zu erfassen.
  • Als nachteilig hat sich hierbei herausgestellt, dass der Aufwand sehr hoch ist, wenn jede Getriebebaugruppe innerhalb einer Produktionslinie individuell analysiert werden muss, insbesondere vor dem Hintergrund, dass die entsprechenden mathematischen Modelle der Getriebebaugruppen angewandt werden müssen.
  • Die Aufgabe der Erfindung ist es, die Fehlererkennung sowie die Qualitätserfassung einer hergestellten Getriebebaugruppe zu vereinfachen.
  • Die Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zur Überprüfung einer hergestellten Getriebebaugruppe, mit den folgenden Schritten:
    • - Erfassen von die Getriebebaugruppe betreffenden Daten,
    • - Vergleichen der erfassten Daten mit Referenzdaten, indem eine statistische Anomalie-Analyse angewandt wird, um eine Anomalie bei der überprüften Getriebebaugruppe festzustellen.
  • Die Erfindung beruht auf dem Grundgedanken, dass Getriebebaugruppen desselben Typs einer statistischen Verteilung hinsichtlich ihrer Parameter unterliegen, sodass entsprechende Abweichungen von der Verteilung über die Anomalie-Analyse statistisch erfasst werden können. Die statistische Anomalie-Analyse stellt eine besonders einfache und kostengünstige Variante dar, um entsprechende Anomalien zu detektieren, da es sich um eine nicht überwachte Technik („unsupervised technique“) handelt, sodass die erfassten Daten ohne menschliche Bewertung überprüft werden können. Des Weiteren ist es nicht nötig, dass mathematische Modelle der hergestellten und zu überprüfenden Getriebebaugruppe berücksichtigt werden müssen, da die hergestellte und zu überprüfende Getriebebaugruppe mit den zuletzt produzierten Getriebebaugruppen (desselben Typs) verglichen wird, um entsprechende Anomalien bzw. Abweichungen zu erfassen. Bei den Anomalien bzw. Abweichungen kann es sich um Bauteilfehler, fehlerhafte Kalibrierungen und/oder Produktionsfehler handein.
  • Hierzu wird beispielsweise lediglich auf die Daten zurückgegriffen, die direkt erfasst werden.
  • Mit anderen Worten werden Daten miteinander verglichen, die direkt ermittelt werden könne, sodass es nicht nötig ist, mathematische Modelle des entsprechenden Typs der zu überprüfenden Getriebebaugruppe heranzuziehen.
  • Insbesondere wird beim Vergleich angenommen, dass es sich bei etwaigen Anomalien um punktuelle Anomalien handelt, sodass jeder Parameter der Daten für sich allein verglichen werden kann.
  • Ein Aspekt sieht vor, dass die Getriebebaugruppe eine Getriebesteuerungseinheit und einen elektronischen Speicher umfasst, wobei die die Getriebebaugruppe betreffende Daten aus dem Speicher der zu überprüfenden Getriebebaugruppe ausgelesen werden. Bei dem elektronischen Speicher kann es sich um einen nichtflüchtigen Speicher handeln, beispielsweise einen EEPROM-Speicher, sodass die im elektronischen Speicher hinterlegten Daten auch noch später auslesbar sind, da die gespeicherten Informationen bzw. Daten auf Dauer erhalten bleiben.
  • Bei den die Getriebebaugruppe betreffenden Daten, die aus dem Speicher ausgelesen werden, handelt es sich demnach um Daten, die während der Herstellung der Getriebebaugruppe gespeichert worden sind, beispielsweise in die Getriebesteuerungseinheit (TCU: Transmission Control Unit) eingegeben bzw. ermittelt worden sind.
  • Sofern die erfassten Daten aus dem Speicher ausgelesen worden sind, können Sie in ein für den Menschen verständliches Format konvertiert werden, beispielsweise wenn die Daten im Speicher in einem binären Format vorliegen. Die entsprechenden Informationen können demnach entsprechend aufbereitet werden, sodass sie beispielsweise von einem Arbeiter in der Produktionslinie der Getriebebaugruppe nachvollzogen werden können.
  • Ein weiterer Aspekt sieht vor, dass die Referenzdaten erhalten werden, indem Daten von Getriebebaugruppen zuvor erfasst worden sind, insbesondere aus Speicher der Getriebebaugruppen ausgelesen worden sind. Die Daten werden somit mit Referenzdaten verglichen, die von realen Getriebebaugruppen erhalten worden sind. Hierdurch werden Fehler beim Vergleich vermieden, die beispielsweise aufgrund eines fehlerhaften Modells entstehen, sofern ein solches als Referenz herangezogen werden würde.
  • Beispielsweise werden Daten von Getriebebaugruppen desselben Typs erfasst, wodurch sichergestellt ist, dass die Referenzdaten für die hergestellte Getriebebaugruppe hinsichtlich des Typs geeignet sind, um eine entsprechende Anomalie bzw. Abweichung von der statistischen Verteilung der zuvor hergestellten Getriebebaugruppen in einfacher Weise feststellen zu können.
  • Alternativ können die die Getriebebaugruppe betreffende Daten mit Referenzdaten verglichen werden, die von unterschiedlichen Getriebebaugruppentypen stammen, da aufgrund der Daten bereits eine Zuordnung zum richtigen Getriebebaugruppentyp möglich ist, sodass eine Vorselektion nicht nötig ist.
  • Insbesondere sind die Referenzdaten dynamisch, was bedeutet, dass sich die Referenzdaten mit der Anzahl der hergestellten Getriebebaugruppen verändern, da die Referenzdaten ständig um neue Datensätze erweitert werden, wenn eine hergestellte Getriebebaugruppe für geeignet befunden worden ist, also ohne Anomalie bzw. Abweichung. Dementsprechend verändern sich die den Referenzdaten zugrunde liegenden Datensätze dynamisch.
  • Beispielsweise können so Trends festgestellt werden. Das Produktionsdatum der entsprechenden Getriebebaugruppe kann erfasst werden, sodass die Veränderung einzelner Daten in Abhängigkeit vom Produktionsdatum festgestellt werden können. Diese Veränderungen können mit Änderungen der Testanlage, Änderungen der verwendeten Materialien, Änderungen beim Zulieferer verwendeter Bauteile usw. zusammenhängen. All diese Änderungen können erfasst werden.
  • Gemäß einem Aspekt ist vorgesehen, dass die statistische Anomalie-Analyse eine multivariate Anomalie-Analyse ist, die gleichzeitig mehrere Parameter der erfassten Daten bzw. der Referenzdaten berücksichtigt. Die multivariate Anomalie-Analyse wird auch als multidimensionale Anomalie-Analyse bezeichnet, da sie nicht nur einen Parameter, sondern mehrere als statistische Variablen dienende Parameter gleichzeitig berücksichtigt, weswegen die für den Vergleich herangezogenen Daten mehrere Werte (mehrere Dimensionen) umfassen.
  • Mathematisch betrachtet können die für den Vergleich herangezogenen Daten somit als Vektoren bezeichnet werden.
  • Die multivariate Anomalie-Analyse ermöglicht es beispielsweise, Zusammenhangs- bzw. Abhängigkeitsstrukturen zwischen den Variablen bzw. Parametern der Daten zu erkennen.
  • Ein weiterer Aspekt sieht vor, dass die statistische Anomalie-Analyse basierend auf einer parametrischen Gauß-Verteilung durchgeführt wird. Bei der parametrischen Gauß-Verteilung handelt es sich um eine statistische Verteilung, die auf Parametern basiert, also Parametern der jeweiligen Getriebebaugruppe(n) eines bestimmten Typs. Dementsprechend wird angenommen, dass die für den Vergleich herangezogen Daten einer Normalverteilung unterliegen.
  • Für die statistische Anomalie-Analyse wird die Annahme zugrunde gelegt, dass die Daten der als Referenz dienenden Getriebebaugruppen, also die Referenzdaten, (jeweils) einer Gauß-Verteilung unterliegen.
  • Beispielsweise werden „N“ Datensätze mit jeweils „n“ Parametern als Referenzdaten verwendet, die die parametrische Gauß-Verteilung ausbilden.
  • Gemäß einer Ausführungsform wird eine Kovarianz-Matrix für die multivariate Gauß-Verteilung bestimmt, insbesondere wobei zusätzlich der Erwartungswert der multivariaten Gauß-Verteilung bestimmt wird. Über die Kovarianz-Matrix lassen sich in einfacher Weise Abweichungen bzw. Anomalien der zu überprüfenden Getriebebaugruppe hinsichtlich der Referenzdaten erfassen, da die Kovarianz-Matrix Informationen über die Streuung und Korrelationen der entsprechenden Parameter enthält.
  • Wie bereits erläutert stellen die Referenzdaten die multivariate Gauß-Verteilung bereit, sodass die Kovarianz-Matrix (und der Erwartungswert) basierend auf den Referenzdaten berechnet wird.
  • Sofern es sich bei den erfassten Daten um singuläre Parameter handelt, würde anstatt der Kovarianz-Matrix die Varianz der Gauß-Verteilung bestimmt. Anders ausgedrückt entspricht die Kovarianz-Matrix für eine eindimensionale Gauß-Verteilung einem singulären Wert, also einem Skalar.
  • Ferner kann ausgehend von der Kovarianz-Matrix eine Wahrscheinlichkeitsdichtefunktion bestimmt werden, insbesondere wobei ein Schwellwert ausgehend von der Wahrscheinlichkeitsdichtefunktion ermittelt wird, um eine Klassifizierung vorzunehmen. Die Wahrscheinlichkeitsdichtefunktion lässt sich über die Inverse und die Determinante der Kovarianz-Matrix ermitteln.
  • Über die Wahrscheinlichkeitsdichtefunktion können dann die entsprechend erfassten Daten der hergestellten Getriebebaugruppe mit den Referenzdaten in Bezug gesetzt bzw. verglichen werden, um eine Anomalie bzw. Abweichung zu erfassen. Hierzu wird zunächst der Schwellwert ausgehend von der Wahrscheinlichkeitsdichtefunktion ermittelt, der als Klassifizierungsgrenze dient.
  • Der Schwellwert kann über eine Kreuzvalidierung in einfacher Weise ermittelt werden, sofern Daten von Getriebebaugruppen mit Abweichungen bzw. Anomalien vorliegen. Alternativ kann der Schwellwert empirisch ermittelt werden.
  • Der Schwellwert ermöglicht es, die zu untersuchende Getriebebaugruppen zu klassifizieren, also festzustellen, ob die hergestellte Getriebebaugruppe eine Anomalie aufweist oder nicht. Hierzu wird auf die Abweichung bzw. der Abstand vom statistischen Mittel überprüft. Beispielsweise wird die Mahalanobis-Distanz verwendet werden, um die Abweichung im Falle einer multivariaten Gauß-Verteilung zu ermitteln.
  • Generell lassen sich die Daten am Ende der Produktionslinie der Getriebebaugruppe auslesen, insbesondere wobei die Daten Getriebeidentifikationsdaten, Kalibrierungsparameter, beispielsweise mehrere Kalibrierungsparameter und/oder die Softwareversion der Getriebesteuerungseinheit umfassen. Insofern wird die hergestellte Getriebebaugruppe am Ende der Produktionslinie überprüft. Am Ende der Produktionslinie sind entsprechend relevante Daten der Getriebebaugruppe vorhanden, sodass diese in einfacher Weise mit entsprechenden Vorgängern abgeglichen werden können, um Anomalien bzw. Abweichungen in einfacher Weise und kostengünstig festzustellen.
  • Auch kann es sich bei den Daten, insbesondere den Referenzdaten, um Felddaten, Fehlermeldungen und/oder Fahrzeugverwendungsdaten handeln. Felddaten werden beispielsweise dann erhoben, wenn das Kraftfahrzeug mit der Getriebebaugruppe zur Fahrzeuguntersuchung kommt, nachdem die Getriebebaugruppe benutzt worden ist. Die entsprechenden Daten sind im Speicher hinterlegt, der ausgelesen werden kann.
  • Beispielsweise können die am Ende der Produktionslinie erfassten Daten und die Felddaten miteinander verknüpft werden.
  • Anomalien bzw. Abweichungen lassen sich so frühzeitig feststellen, wodurch die Qualität von ausgelieferten Getriebebaugruppen verbessert werden kann, da später möglicherweise auftretende Fehler bereits am Ende der Produktionslinie erfasst werden können.
  • Sofern zu einem Parameter mehrere Daten vorliegen, da dieser Parameter während der Herstellung der Getriebebaugruppe mehrfach erfasst worden ist, so kann nur einer dieser Parameter für den Vergleich herangezogen werden, beispielsweise der zuletzt erfasste Wert des Parameters. Es können aber auch alle Daten desselben Parameters für den Vergleich herangezogen werden, also sämtliche erfasste Werte des Parameters. Insbesondere lassen sich so laufzeitbedingte bzw. alterungsbedingte Veränderungen erfassen. Zum Beispiel kann derselbe Parameter für unterschiedliche Betriebsstunden erfasst worden sein.
  • Beispielsweise umfasst die Getriebebaugruppe ein hydrostatisches Getriebe oder ein hydrodynamisches Getriebe. Bei diesen Getrieben sind zahlreiche Kalibrierungsparameter vorgesehen, die für die statistische Anomalie-Analyse verwendet werden können.
  • Bei den Daten kann es sich zudem um Systemteilnummern, Softwareversion der Getriebesteuerungseinheit, Seriennummer der Getriebesteuerungseinheit, Betriebsstunden, Kalibrierungsparameter des hydrostatischen Getriebes oder des hydrodynamischen Getriebes und/oder Kalibrierungsparameter zumindest einer Kupplung der Getriebebaugruppe handeln, beispielsweise Kalibrierungsparameter einer vorderen Kupplung und/oder Kalibrierungsparameter einer hinteren Kupplung.
  • Die Kalibrierungsparameter des Getriebes können verwendete Aktuatoren betreffen.
  • Ferner wird die Aufgabe erfindungsgemäß gelöst durch ein Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe, mit einer Erfassungseinheit, die eingerichtet ist, Daten der zu überprüfenden Getriebebaugruppe zu erfassen, und einer Vergleichs- und Analyseeinheit, die eingerichtet ist, die erfassten Daten mit Referenzdaten abzugleichen sowie eine statistische Anomalie-Analyse anzuwenden, um eine Anomalie bei der überprüften Getriebebaugruppe festzustellen. Das Überprüfungssystem kann am Ende der Produktionslinie vorgesehen sein, sodass die hergestellten Getriebebaugruppen am Ende der Produktionslinie durch das Überprüfungssystem entsprechend überprüft werden, um Abweichungen bzw. Anomalien festzustellen.
  • Generell kann das Überprüfungssystem ausgebildet sein, ein Verfahren der zuvor genannten Art durchzuführen. Die zuvor genannten Vorteile ergeben sich somit in analoger Weise für das Überprüfungssystem.
  • Weitere Vorteile und Eigenschaften der Erfindung ergeben sich aus der nachfolgenden Beschreibung und den Zeichnungen, auf die Bezug genommen wird. In den Zeichnungen zeigen:
    • - 1 eine schematische Übersicht eines erfindungsgemäßen Überprüfungssystems,
    • - 2 ein Flussdiagramm, das ein erfindungsgemäßes Verfahren zur Überprüfung einer hergestellten Getriebebaugruppe darstellt, und
    • - 3 eine schematische Übersichtsdarstellung, bei der acht Kalibrierungsparameter für die statistischen Anomalie-Analyse herangezogen worden sind, wobei sieben Getriebebaugruppen mit Anomalien identifiziert worden sind.
  • In 1 ist eine Produktionslinie 10 für Getriebebaugruppen 12 gezeigt, die ein Überprüfungssystem 14 umfasst.
  • Das Überprüfungssystem 14 weist eine Erfassungseinheit 16 auf, die eingerichtet ist, Daten der zu überprüfenden Getriebebaugruppe 12 zu erfassen.
  • Ferner weist das Überprüfungssystem 14 eine Vergleichs- und Analyseeinheit 18 auf, die eingerichtet ist, die mittels der Erfassungseinheit 16 erfassten Daten mit Referenzdaten abzugleichen sowie eine statistische Anomalie-Analyse durchzuführen, indem die von der Getriebebaugruppe 12 erfassten Daten sowie die Referenzdaten verwendet werden.
  • Hierzu ist die Vergleichs-Analyseeinheit 18 mit einem Datenspeicher 20 gekoppelt, in dem die Referenzdaten hinterlegt sind.
  • Generell kann die hergestellte und zu überprüfende Getriebebaugruppe 12 eine Getriebesteuerungseinheit 22 sowie einen elektronischen Speicher 24 umfassen, der von der Erfassungseinheit 16 bei der Überprüfung ausgelesen wird, um entsprechende Daten zu erfassen, die die zu überprüfende Getriebebaugruppe 12 betreffen.
  • Bei dem elektronischen Speicher 24 kann es sich um einen nichtflüchtigen Speicher handeln, beispielsweise um einen EEPROM-Speicher.
  • Die von der Erfassungseinheit 16 aus dem elektronischen Speicher 24 der zu überprüfenden Getriebebaugruppe 12 ausgelesenen Daten werden an die Vergleichs- und Analyseeinheit 18 übergeben, wie nachfolgend anhand der 2 erläutert wird.
  • Generell kann die hergestellte und zu überprüfende Getriebebaugruppe 12 ein hydrostatisches oder ein hydrodynamisches Getriebe 26 sowie zumindest eine Kupplung 28 umfassen, die jeweils entsprechende Kalibrierungsparameter in großer Vielzahl aufweisen, welche während der Herstellung der Getriebebaugruppe 12 im Speicher 24 hinterlegt werden.
  • Die in 2 gezeigten Schritte I - VI, die nachfolgend detaillierter beschrieben werden, entsprechen zusammengefasst den nachfolgenden Verfahrensschritte:
    • Schritt I: Erfassen von die Getriebebaugruppe betreffende Daten,
    • Schritt II: Vergleichen der erfassten Daten mit Referenzdaten,
    • Schritt III: Durchführen einer statistische Anomalie-Analyse, um eine Anomalie bei der überprüften Getriebebaugruppe festzustellen, insbesondere wobei die statistische Anomalie-Analyse eine multivariate Anomalie-Analyse ist,
    • Schritt IV: Bestimmen einer Kovarianz-Matrix für die multivariate Gauß-Verteilung,
    • Schritt V: Bestimmen einer Wahrscheinlichkeitsdichtefunktion über die Kovarianz-Matrix, und
    • Schritt VI: Ermitteln eines Schwellwerts zur Klassifizierung.
  • In einem ersten Schritt werden die Getriebebaugruppe 12 betreffende Daten erfasst, was - wie bereits erläutert - über die Erfassungseinheit 16 geschehen kann, die die Daten aus dem Speicher 24 der zu überprüfenden Getriebebaugruppe 12 ausliest.
  • Die erfassten Daten werden dann an die Vergleichs- und Analyseeinheit 18 übermittelt.
  • Die Vergleichs- und Analyseeinheit 18 vergleicht die erfassten Daten mit im Datenspeicher 20 hinterlegten Referenzdaten, wobei die Vergleichs- und Analyseeinheit 18 eine Anomalie-Analyse anwendet bzw. durchführt, um eine Anomalie bei der überprüften Getriebebaugruppe 12 festzustellen.
  • Bei der Anomalie-Analyse, die die Vergleichs- und Analyseeinheit 18 durchführt, handelt es sich um eine statistische Anomalie-Analyse, die auf einer parametrischen Gauß-Verteilung basiert. Dies bedeutet, dass bei den Referenzdaten, die für den Vergleich bzw. die Analyse herangezogen werden, davon ausgegangen wird, dass sich die entsprechenden Parameter gemäß einer Gauß-Verteilung verhalten, also normalverteilt sind.
  • Insbesondere handelt es sich bei der durch die Vergleichs- und Analyseeinheit 18 durchgeführten statistischen Anomalie-Analyse um eine multivariate (multidimensionale) Anomalie-Analyse, bei der gleichzeitig mehrere Parameter der erfassten Daten bzw. der Referenzdaten berücksichtigt werden. Insofern wird nicht nur ein singulärer Parameter verglichen, sondern gleichzeitig mehrere Parameter der zu überprüfenden Getriebebaugruppe 12, beispielsweise acht Kalibrierungsparameter der Getriebebaugruppe 12, wie nachfolgend mit Bezug auf 3 noch erläutert wird.
  • Bei der Anomalie-Analyse wird dann eine Kovarianz-Matrix für die multivariate Gauß-Verteilung bestimmt, wobei zusätzlich der Erwartungswert der multivariaten Gauß-Verteilung bestimmt wird.
  • Über die entsprechend bestimmte Kovarianz-Matrix lässt sich eine Wahrscheinlichkeitsdichtefunktion ermitteln, indem zunächst die Inverse der Kovarianz-Matrix und deren Determinante bestimmt wird.
  • Ausgehend von der Wahrscheinlichkeitsdichtefunktion kann ein Schwellwert ermittelt werden, über den eine Klassifizierung der erfassten Daten, also der die zu überprüfende Getriebebaugruppe 12 betreffende Daten, in Bezug auf die multivariate Gauß-Verteilung der Referenzdaten möglich ist. Dies bedeutet, dass mit dem Schwellwert ermittelt wird, ob eine Anomalie bei der zu überprüfenden Getriebebaugruppe 12 vorliegt oder nicht, sofern der Schwellwert beispielsweise über- bzw. unterschritten wird.
  • Insofern wird eine Vertrauensschwelle über den Schwellwert bereitgestellt, sodass Abweichungen vom statistischen Mittel klassifiziert werden. Insofern lässt sich in einfacher Weise ermitteln, ob eine Anomalie bzw. eine Abweichung vom gewünschten statistischen Mittel vorliegt oder nicht. Dies lässt sich über die sogenannte Mahalanobis-Distanz feststellen, die mehrere Parameter berücksichtigt.
  • Anschaulich geht dies aus 3 hervor, in der die acht unterschiedlichen Kalibrierungsparameter, die der statistischen Anomalie-Analyse unterzogen worden sind, jeweils paarweise dargestellt sind, da es nicht möglich ist, die acht unterschiedlichen Kalibrierungsparameter in acht Dimensionen darzustellen. Die Übersicht vermittelt jedoch einen Eindruck, wie die Anomalien festgestellt werden können.
  • Die acht unterschiedlichen Kalibrierungsparameter sind als UPm , UPc , DOWNm , DOWNc , DR_0, DR_1, IP_0 und IP_1 bezeichnet. Hierbei handelt es sich insbesondere um Kalibrierungsparameter des Getriebes 26 sowie der Kupplung 28, die einer Normalverteilung unterliegen.
  • In dem in 3 gezeigten Beispiel liegen 7 erfasste Anomalien vor. Dies liegt daran, dass in dem Beispiel der 3 die Daten mehrerer Getriebebaugruppen 12 analysiert worden sind. Dabei sind die Anomalien in den erfassten Daten zur besseren Darstellung in 3 als Dreiecke dargestellt.
  • Aus der Übersicht wird deutlich, dass für manche Parameterpaare die als Anomalien festgestellten Getriebebaugruppen 12 in der Nähe der Mittelwerte liegen. Sie sind dennoch als Abweichler identifiziert worden, da sie in Summe über die mehreren Parameter vom Mittel abweichen, also aufgrund der sogenannten Mahalanobis-Distanz.
  • Sofern das Verfahren am Ende der Produktionslinie 10 für die gerade hergestellte Getriebebaugruppe 12 angewandt wird, wird lediglich bestimmt, ob die Getriebebaugruppe 12 eine Anomalie aufweist, indem beispielsweise die acht Kalibrierungsparameter als erfasste Daten mit den entsprechenden Referenzdaten über die multivariate Anomalie-Analyse verglichen werden.
  • Die für den Vergleich bzw. die Analyse herangezogenen Referenzdaten sind beispielsweise erhalten worden, indem Daten von Getriebebaugruppen 12 (desselben Typs) zuvor erfasst worden sind. Die entsprechenden Referenzdaten können demnach aus den jeweiligen Speichern der Getriebebaugruppen 12 (desselben Typs) ausgelesen worden sein, die zuvor in der Produktionslinie 10 hergestellt worden sind.
  • Insofern können die Referenzdaten auch dynamisch weiter gepflegt werden, indem die Daten einer hergestellten Getriebebaugruppe 12, die keine Anomalie aufweist, zum Datensatz der Referenzdaten hinzugefügt werden, wodurch die Datensätze der Referenzdaten dynamisch anwachsen. Hierdurch lassen sich insbesondere Trends erfassen.
  • Auch können so Einflüsse hinsichtlich einer anderen Testanlage, einer anderen Materialauswahl eines Bauteils, einer Änderung eines Zulieferers eines Bauteils oder einer Änderung einer Getriebebaugruppenserie erfasst werden.
  • Neben den bereits erwähnten Kalibrierungsparametern können die erfassten Daten sowie die Referenzdaten zudem Daten umfassen, die die Getriebeidentifikationsdaten, Felddaten, Fehlermeldungen, Fahrzeugverwendungsdaten und/oder Daten hinsichtlich der Softwareversion der Getriebesteuerungseinheit umfassen.
  • Es lässt sich so in einfacher Weise am Ende der Produktionslinie 10 feststellen, ob eine hergestellte Getriebebaugruppe 12 eine Anomalie aufweist oder nicht, indem die statistische Anomalie-Analyse durchgeführt wird.
  • Bezugszeichenliste
    • 10
    Produktionslinie
    12
    Getriebebaugruppe
    14
    Überprüfungssystem
    16
    Erfassungseinheit
    18
    Vergleichs- und Analyseeinheit
    20
    Datenspeicher
    22
    Getriebesteuerungseinheit
    24
    Speicher
    26
    Getriebe
    28
    Kupplung

Claims (11)

  1. Verfahren zur Überprüfung einer hergestellten Getriebebaugruppe (12), mit den folgenden Schritten: - Erfassen von die Getriebebaugruppe (12) betreffende Daten, - Vergleichen der erfassten Daten mit Referenzdaten, indem eine statistische Anomalie-Analyse angewandt wird, um eine Anomalie bei der überprüften Getriebebaugruppe (12) festzustellen.
  2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Getriebebaugruppe (12) eine Getriebesteuerungseinheit (22) und eine elektronischen Speicher (24) umfasst, wobei die die Getriebebaugruppe (12) betreffende Daten aus dem Speicher (24) der zu überprüfenden Getriebebaugruppe (12) ausgelesen werden.
  3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Referenzdaten erhalten werden, indem Daten von Getriebebaugruppen (12) zuvor erfasst worden sind, insbesondere aus Speicher (24) der Getriebebaugruppen (12) ausgelesen worden sind.
  4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Referenzdaten dynamisch sind.
  5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die statistische Anomalie-Analyse eine multivariate Anomalie-Analyse ist, die gleichzeitig mehrere Parameter der erfassten Daten bzw. der Referenzdaten berücksichtigt.
  6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die statistische Anomalie-Analyse basierend auf einer parametrischen Gauß-Verteilung durchgeführt wird.
  7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass eine Kovarianz-Matrix für die multivariate Gauß-Verteilung bestimmt wird, insbesondere wobei zusätzlich der Erwartungswert der multivariaten Gauß-Verteilung bestimmt wird.
  8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass ausgehend von der Kovarianz-Matrix eine Wahrscheinlichkeitsdichtefunktion bestimmt wird, insbesondere wobei ein Schwellwert ausgehend von der Wahrscheinlichkeitsdichtefunktion ermittelt wird, um eine Klassifizierung vorzunehmen.
  9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Daten am Ende der Produktionslinie (10) der Getriebebaugruppe (12) ausgelesen werden, insbesondere wobei die Daten Getriebeidentifikationsdaten, Kalibrierungsparameter und/oder die Softwareversion der Getriebesteuerungseinheit (22) umfassen.
  10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Getriebebaugruppe (12) ein hydrostatisches oder ein hydrodynamisches Getriebe (26) umfasst.
  11. Überprüfungssystem (14) zur Überprüfung einer hergestellten Getriebebaugruppe (12), mit einer Erfassungseinheit (16), die eingerichtet ist, Daten der zu überprüfenden Getriebebaugruppe (12) zu erfassen, und einer Vergleichs- und Analyseeinheit (18), die eingerichtet ist, die erfassten Daten mit Referenzdaten abzugleichen sowie eine statistische Anomalie-Analyse anzuwenden, um eine Anomalie bei der überprüften Getriebebaugruppe (12) festzustellen, insbesondere wobei das Überprüfungssystem (10) ausgebildet ist, ein Verfahren nach einem der vorhergehenden Ansprüche durchzuführen.
DE102018207933.1A 2018-05-18 2018-05-18 Verfahren sowie Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe Pending DE102018207933A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102018207933.1A DE102018207933A1 (de) 2018-05-18 2018-05-18 Verfahren sowie Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102018207933.1A DE102018207933A1 (de) 2018-05-18 2018-05-18 Verfahren sowie Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe

Publications (1)

Publication Number Publication Date
DE102018207933A1 true DE102018207933A1 (de) 2019-11-21

Family

ID=68419295

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102018207933.1A Pending DE102018207933A1 (de) 2018-05-18 2018-05-18 Verfahren sowie Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe

Country Status (1)

Country Link
DE (1) DE102018207933A1 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021210106A1 (de) 2021-09-14 2023-03-16 Zf Friedrichshafen Ag Computerimplementierte Verfahren und System zur Anomalieerkennung und Verfahren zur Anomalieerkennung in einer akustischen Endprüfung eines Getriebes

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007040485A1 (de) * 2007-05-15 2008-11-20 Zf Friedrichshafen Ag Verfahren zur Generierung von Adaptionsdaten
CN105758633A (zh) * 2016-02-26 2016-07-13 中国航空工业集团公司上海航空测控技术研究所 一种用于评估齿轮箱各部件健康状态的方法
DE102015206192A1 (de) * 2015-04-08 2016-10-13 Zf Friedrichshafen Ag Verfahren zur Kontrolle von Prüflingen sowie Vorrichtung hierfür
DE102015206194A1 (de) * 2015-04-08 2016-10-13 Zf Friedrichshafen Ag Verfahren zur Kontrolle von Prüflingen sowie Vorrichtung hierfür

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007040485A1 (de) * 2007-05-15 2008-11-20 Zf Friedrichshafen Ag Verfahren zur Generierung von Adaptionsdaten
DE102015206192A1 (de) * 2015-04-08 2016-10-13 Zf Friedrichshafen Ag Verfahren zur Kontrolle von Prüflingen sowie Vorrichtung hierfür
DE102015206194A1 (de) * 2015-04-08 2016-10-13 Zf Friedrichshafen Ag Verfahren zur Kontrolle von Prüflingen sowie Vorrichtung hierfür
CN105758633A (zh) * 2016-02-26 2016-07-13 中国航空工业集团公司上海航空测控技术研究所 一种用于评估齿轮箱各部件健康状态的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021210106A1 (de) 2021-09-14 2023-03-16 Zf Friedrichshafen Ag Computerimplementierte Verfahren und System zur Anomalieerkennung und Verfahren zur Anomalieerkennung in einer akustischen Endprüfung eines Getriebes

Similar Documents

Publication Publication Date Title
DE19742446B4 (de) Fehlerdiagnoseverfahren
DE102018203280A1 (de) Zustandsdiagnosevorrichtung
WO2009037042A2 (de) Verfahren und vorrichtung zur ermittlung einer eintrittswahrscheinlichkeit
DE102019217613A1 (de) Verfahren zur diagnose eines motorzustands und diagnostisches modellierungsverfahren dafür
DE102020202866A1 (de) Verfahren und Recheneinheit zur Ursachenanalyse eines anomalen Zustandes einer Maschine
DE102011086352A1 (de) Verfahren und Diagnosesystem zur Unterstützung der geführten Fehlersuche in technischen Systemen
DE102019123801A1 (de) Prüfvorrichtung und Maschinenlernverfahren
DE102005040142A1 (de) Verfahren zur Identifikation komplexer Diagnosesituationen im Kundendienst
EP3014372B1 (de) Werkstatt-diagnosesystem
DE102018207933A1 (de) Verfahren sowie Überprüfungssystem zur Überprüfung einer hergestellten Getriebebaugruppe
DE102018003222A1 (de) Verfahren zum Prüfen einer eine Mehrzahl drehbarer Komponenten aufweisenden Drehkomponentenanordnung
DE102009018785A1 (de) Verfahren und Vorrichtungen für eine virtuelle Testzelle
EP3796117A1 (de) Diagnoseverfahren und diagnosesystem für eine verfahrenstechnische anlage
DE102012211722A1 (de) Verfahren zur Diagnose eines Bauteils, eines Systems oder einer Systemkomponente einer Brennkraftmaschine
DE102019131638A1 (de) Verfahren zur adaptiven Anpassung eines Testablaufs, Verfahren zum Trainieren einer künstlichen Intelligenz, Test- und/oder Messgerät, Computerprogramm sowie computerlesbarer Datenträger
DE10315344B4 (de) Verfahren und Vorrichtung zur Erkennung fehlerhafter Komponenten in Fahrzeugen
DE102008004219A1 (de) Verfahren zum Behandeln mindestens eines Fehlers innerhalb eines Systems
DE102019217300A1 (de) Verfahren zum Trainieren eines künstlichen neuronalen Netzes, Computerprogramm, Speichermedium, Vorrichtung, künstliches neuronales Netz und Anwendung des künstlichen neuronalen Netzes
DE102015206192A1 (de) Verfahren zur Kontrolle von Prüflingen sowie Vorrichtung hierfür
DE102022212455A1 (de) Verfahren zum Trainieren eines Algorithmus des maschinellen Lernens
DE102022200285B3 (de) Verfahren und Vorrichtung zum Bereitstellen eines datenbasierten Systemmodells und zum Überprüfen eines Trainingszustands des Systemmodells
DE202021105594U1 (de) System zur automatischen Auswahl und/oder Bewertung mindestens eines KI-Moduls und zur Klassifikation und/oder Regression von Eingangsdaten, ein computerlesbares Speichermedium und ein System zur Klassifikation und/oder Regression von Eingangsdaten
DE102022208384A1 (de) Verfahren zum Ermitteln eines Qualitätszustands eines Prüfobjekts
DE102020119579A1 (de) Verfahren zum Zuordnen von Zuständen zu Bauteilen, Vorrichtung, Computerprogrammprodukt und computerlesbares Speichermedium
DE102016113310A1 (de) Verfahren zur Bewertung von Aussagen einer Mehrzahl von Quellen zu einer Mehrzahl von Fakten

Legal Events

Date Code Title Description
R163 Identified publications notified
R012 Request for examination validly filed