DE102019008963A1

DE102019008963A1 - System zur echtzeitbezogenen Erfassung und Auswertung maschineller Zustandsdaten

Info

Publication number: DE102019008963A1
Application number: DE102019008963.4A
Authority: DE
Inventors: Heike Diebler; Dirk Schellenberg; Sebastian Knorr
Original assignee: Data2industry Ug
Current assignee: Data2industry Ug
Priority date: 2019-12-23
Filing date: 2019-12-23
Publication date: 2021-06-24

Abstract

Die Erfindung betrifft ein Modulsystem zur echtzeitbezogenen Einbindung eines Datenquellennetzes von maschinellen Anlagen und Maschinen zwecks Erfassung und Auswertung deren maschineller Zustandsdaten. Das Modulsystem dient zur Plug & Play - Anwendung an Datenschnittstellen der Maschinen und Anlagen.Ausgehend vom Stand der Technik besteht die Aufgabe der Erfindung in der Schaffung eines Systems und eines zur Durchführung des Systems dienenden Verfahrens, mit denen eine mobile Erfassung der Zustandsdaten der maschinellen Anlage oder Maschine zwecks optimalen fertigungstechnischen, energietechnischen und technologischen Steuerung ermöglicht wird und dabei eine laufende Verbesserung des Systems durch Maschinenlernverfahren stattfindet.Gelöst wird die Aufgabe, indem die innerhalb der maschinellen Anlagen und/oder Maschinen sensorisch erfassten Zustandsdaten mittels eines mobilen Modulsystems in Echtzeit abgerufen und vorverarbeitet und/oder mittels Sensoren des Modulsystems innerhalb und außerhalb der maschinellen Anlage oder Maschine in Echtzeit erfasst und die erfassten Zustandsdaten innerhalb des Modulsystems und/oder in verbundenen Auswertebaugruppen ausgewertet sowie die Ergebnisse der Auswertungen zur optimalen fertigungstechnischen, energietechnischen und technologischen Steuerung der maschinellen Anlagen und/oder Maschinen genutzt werden.

Description

Die Erfindung betrifft ein Modulsystem zur echtzeitbezogenen Einbindung eines Datenquellennetzes von maschinellen Anlagen und Maschinen zwecks Erfassung und Auswertung deren maschineller Zustandsdaten. Das Modulsystem dient zur Plug & Play - Anwendung an Datenschnittstellen der Maschinen und Anlagen. Das Modul kann unabhängig von der Art oder Steuerung der Maschinen eingesetzt werden. Dabei wird eine Erfassung des jeweiligen Zustandes der Maschine (z.B. Stillstand, Rüsten, Fertigung) durch Erfassung des Schwingungsverhaltens und weiterer physikalischer Größen sowie des Energieverbrauches an der Maschine, der Erfassung von Spannungsverläufen und Daten der (SPS-) Steuerungen sowie durch eine lernfähige Auswerteeinheit durchgeführt.
Bekannt sind Vorrichtungen an Werkzeugmaschinen zur Auswertung, Anzeige oder Überwachung des Maschinenzustandes von Werkzeugmaschinen.
So werden In der WO 84/02592 A1 ein Verfahren und eine Vorrichtung beschrieben, mit denen im Wesentlichen eine Überwachung von zeitlich steuerbaren Maschinen, wie Werkzeugmaschinen, durchgeführt wird. Dazu werden an der laufenden Maschine Schalt- bzw. Intervallzeiten gemessen und in einem Rechner gespeichert. Diese werden dann im Rechner mit Sollzeiten verglichen. Diese Sollzeiten werden ausgehend von Vorgaben und/oder unter Berücksichtigung von im Prozess erfassten zeitlichen Änderungen durch ein softwaregestütztes Lernverfahren im Rechner ermittelt. Nach jeder Prozessunterbrechung werden die Sollzeiten unter Berücksichtigung der neuen Startsituation des Prozesses erneut im Rahmen des Lernverfahrens ermittelt und abgespeichert. Die mit dem Lernverfahren jeweils angepassten für den Prozess wichtigen Sollzeiten dienen zur Überwachung bzw. Diagnose der konkret vorgesehenen Maschine. Jedoch ist eine universelle Adaption der Lösung für unterschiedliche Maschinen nach dieser Lösung weder vorgesehen noch möglich.
Weiterhin bekannt ist nach der DE 102 20 124 A1 ein Verfahren zur Überwachung des Zustands einer Maschine zur frühzeitigen Identifizierung von Schäden an der Maschine. Dazu werden Daten des Betriebszustandes der Maschine erfasst und diese Werte verschiedenen Bereichen zugeordnet, die durch einen oder mehrere Grenzwerte definiert werden. Aus den zugeordneten charakteristischen Werten wird ein Datenmuster erzeugt und eine Klassifizierung vorgenommen. Unter Verwendung neuronaler Netze wird das erzeugte Muster mit Referenzmustern oder eine Gruppe von Referenzmustern verglichen. Durch den Vergleich wird dann ein bestimmter Maschinenzustand oder Schadensfall ermittelt. Maßnahmen zur universellen Adaption der Maschinendatenerfassung für unterschiedliche Maschinen sind bei dieser Lösung ebenfalls nicht vorgesehen.
Zwecks Prozessüberwachung und -steuerung der in der DE 202 04 359 U1 beschriebenen Spritzgießmaschinenanordnung kommt eine SPS-Steuerung zur Anwendung, die mit Aktuatoren und/oder Sensoren verbunden ist. Die dazu vorgesehene Datenübertragung erfolgt mittels einer vorzugsweise bidirektionalen und/oder echtzeitfähigen drahtlosen Schnittstelleneinrichtung. Dadurch werden Prozessdaten in Echtzeit auf eine externe, vorzugsweise mobile Datenverarbeitungseinrichtung übertragen um dort für Simulationsprozesse oder statistische Auswertungen verwendet zu werden. Anhand der Simulations- oder Auswertungsergebnisse werden bestimmte Steuerbefehle sofort wieder von der externen Datenverarbeitungseinrichtung auf das Maschinensteuerungssystem übertragen. Anpassungen der Maschinendatenerfassung an unterschiedliche Maschinen durch eine Plug & Play - Lösung ist auch bei dieser Maschinenanordnung nicht vorgesehen.
Bei dem Verfahren und dem Prozessleitsystem zum Betrieb einer technischen Anlage nach der EP 14 15 208 B1 werden in der Bedien- und Beobachtungsebene des Systems softwaregestützt Informationen über den Anlagenzustand zur Automatisierungsebene übertragen. Durch Vereinfachung der zur Anwendung kommenden Softwarepakete und Steuerung des Systems über das Internet wird der Aufwand für die Überwachung und Steuerung gesenkt. Auch diese Lösung ist auf eine konkrete Maschinenanlage bezogen. Adaptive Maßnahmen für die Erfassung und Steuerung der Maschinendatenerfassung an unterschiedlichen Maschinenanlagen sind auch bei dieser Lösung nicht vorgesehen.
Das in der DE 44 47 288 B4 beschriebene System und Verfahren, ermöglicht eine vorausschauende Wartung mechanischer Bauteile oder Komponenten auf mögliche Ausfälle oder Betriebsstörungen. Bei diesem Maschinenüberwachungs- und - diagnosesystem kommen Neuralnetzwerke, Expertensysteme, physische bzw. gegenständlichen Modelle und Fuzzy Logic zur Anwendung. Mögliche Fehlerzustände von Maschinenbauteilen werden detektiert oder aufgespürt und das Wartungspersonal alarmiert. Das System besteht aus einem Datenerfassungsmodul, das zwecks Vibrations- und Schwingungsanalyse Sensordaten der Schwingungs- und Vibrationssensoren erfasst, einem Diagnosetechnologiemodul, das mit dem Datenerfassungsmodul verbunden ist, einem Maschinenmodellmodul, einem Datenbankmodul und einem Systemsteuermodul. Eine Erfassung der „anonymen“ Ausgangssignale der (SPS-) Steuerungen sowie die Anfertigung eines darauf basierenden prozessspezifischen „Fingerabdrucks“ der jeweiligen Maschine ist auch bei diesem System nicht vorgesehen.
Bekannt ist weiterhin nach der WO 2018/036708 A1 ein Gateway und ein Verfahren mit einem Kommunikationsmodul, das eine Benutzerschnittstelle für eine Bedienperson bereitstellt. Um die Vernetzungsfähigkeit vieler derzeit in Betrieb befindlicher Anlagen (Alter: 10 bis 40 Jahre) herzustellen, wird ein Gateway zur Anbindung eines Datenquellensystems an ein Intranet vorgeschlagen. Der Hauptzweck dieser Lösung besteht in der Herstellung einer optimalen Vernetzung verschiedener Maschinen und die Bündelung der Informationen in einem IT-System. Eine für unterschiedliche Anlagen und Maschinen adaptive Erfassung und Auswertung der Zustandsdaten ist auch bei dieser Lösung nicht vorgesehen.
Die Aufgabe der Erfindung besteht deshalb in der Schaffung eines Systems und eines zur Durchführung des Systems dienenden Verfahrens, mit denen eine mobile Erfassung der Zustandsdaten der maschinellen Anlage oder Maschine zwecks optimalen fertigungstechnischen, energietechnischen und technologischen Steuerung ermöglicht wird und dabei eine laufende Verbesserung des Systems durch Maschinenlernverfahren stattfindet.
Gelöst wird diese Aufgabe durch das geschaffene System entsprechend den beschreibenden Merkmalen des Patentanspruchs 1. Vorteilhafte Weiterbildungen des Systems werden durch die kennzeichnenden Merkmale der Patentansprüche 2 bis 4 beschrieben. Das erfindungsgemäße Verfahren zur Durchführung des Systems beschreiben die Merkmale des Patentanspruchs 5. Effiziente Weiterbildungen des Verfahrens werden durch die Merkmale der Patentansprüche 6 bis 10 wiedergegeben.
Bei der Nutzung des Systems werden innerhalb oder außerhalb der maschinellen Anlagen und/oder Maschinen deren Zustandsdaten mittels eines mobilen Modulsystems in Echtzeit von den Sensoren abgerufen und vorverarbeitet. Bei der Erfassung werden die Zustandsdaten von den Sensoren der Maschine abgerufen und/oder mittels Sensoren des Modulsystems innerhalb und außerhalb der maschinellen Anlage oder Maschine in Echtzeit erfasst. Danach werden die erfassten Zustandsdaten innerhalb des Modulsystems und/oder in verbundenen Auswertebaugruppen ausgewertet sowie die Ergebnisse der Auswertungen zur optimalen fertigungstechnischen, energietechnischen und technologischen Steuerung der Anlagen und/oder Maschinen genutzt. Darüber hinaus werden für eine ständige Verbesserung der Überwachung der Fertigungsprozesse und Optimierung der Wartungsprozesse vorteilhaft die Auswertungen mittels Machine-Learning-Verfahren durchgeführt werden, wobei auch die im Modulsystem gespeicherten Daten vergleichbarer Prozessabläufe einbezogen werden. Effektiv wird das Modulsystem als ein aus einem im Plug & Play - Betrieb arbeitenden mobilen Modulbaustein ausgebildet. Dabei ist der Modulbaustein über eine Datenschnittstelle mit den Sensoren der Anlage und/oder Maschine, einer eigenen Sensorik sowie mit einem Server verbunden. Der Server wertet die sensorisch erfassten und übermittelten Zustandsdaten zur optimalen fertigungstechnischen Steuerung der Anlagen und/oder Maschinen aus und gibt sie grafisch wieder. Für eine effiziente Auswertung werden das mobile Modulsystem, der Server und die über die Datenschnittstelle verbundenen Sensoren der maschinellen Anlage und/oder Maschine zwecks Erfassung und Auswertung der Zustandsdaten zu einem Modulbausteinnetzwerk verbunden.
Der Ablauf des Verfahrens zur Durchführung des Systems wird vorteilhaft so gewählt, dass in einem ersten Verfahrensschritt die Zustandsdaten in Echtzeit von den in der maschinellen Anlage und/oder Maschine angebrachten Sensoren über die Datenschnittstelle der Maschinensteuerung und/oder von den Sensoren des mobilen Modulsystems in Echtzeit abgerufen werden. Danach werden die erfassten und/oder abgerufenen Zustandsdaten innerhalb des Modulsystems mit gespeicherten Zustandsdaten vergleichbarer historischer Prozessabläufe verglichen, kategorisiert, ausgewertet und angezeigt. Anhand der Auswertungsergebnisse der Zustandsdaten wird dann zwecks Erreichung vorgegebener technischer und technologischer Zielparameter die fertigungstechnische, energietechnische und technologische Steuerung der maschinellen Anlagen und Maschinen durchgeführt. Während des Ablaufes des Verfahrens werden unter Nutzung von Machine-Learning-Verfahren vorangegangene und fortlaufende Daten einbezogen und dadurch eine laufende Verbesserung der Erkennungs- und Klassifizierungsleistung der auswertenden Algorithmen erzielt. Vorteilhaft erweisen sich die Auswertungsergebnisse für das System, wenn neben den an der Datenschnittstelle der Maschinensteuerung anliegenden Zustandsdaten der maschineninternen Sensoren auch die Signalverläufe an der Datenschnittstelle von Sensoren des mobilen Modulbausteins erfasst und in die neuronalen Auswertungen einbezogen werden. Eine optimale Auswertung wird effektvoll erreicht, wenn aus den an der Datenschnittstelle anliegenden Zustandsdaten der maschineninternen Sensoren und den von den Sensoren des mobilen Modulbausteins erfassten Signalverläufen an der Datenschnittstelle ein echtheitsbezogenes Signalmuster der jeweiligen Maschine gebildet, zugeordnet und gespeichert wird. Dies wird erreicht, wenn innerhalb des Modulsystems der Vergleich zwischen den echtheitsbezogenen an der Datenschnittstelle erfassten und/oder abgerufenen Zustandsdaten mit gespeicherten Datenmustern zeitlich vorangegangener Prozessabläufe der mit dem Modulsystem verbundenen oder vergleichbarer Maschinen durchgeführt, die Vergleichsdaten neuronal ausgewertet sowie daraufhin die Steuerung und Signalisierung der Prozessabläufe vorgenommen wird. Eine wirkungsvolle Beeinflussung auf die Verbesserung des Maschinenlernvorganges kann erreicht werden, wenn die Auswertungsergebnisse der Modulbausteine an den Server übertragen und vom Server durch mobile Endgeräten interaktiv abgerufen werden können. Für die Anwendung der Modulbausteine für maschinelle Anlagen, bei denen eine Erfassung der Sensordaten an verschiedenen räumlichen Punkten erforderlich ist, wird effizient eine virtuelle Zusammenschaltung der Modulbausteine vorgenommen.
Eine effektive Lösung von Vorhersage- oder Klassifizierungsaufgaben aus vorangegangenen und fortlaufenden Daten besteht in der Nutzung von Machine-Learning-Verfahren. Derartige geeignete Verfahren sind u.a. künstliche neuronale Netze (Deep Learning Networks), Support Vector Machines (SVM), Restricted Boltzman Machines (RBM) und andere mathematische und informationstechnologische Verfahren. Die Nutzung der Ergebnisse bzw. Auswertungen dient der Verbesserung der Überwachung von Fertigungsprozessen, der Optimierung von Wartungsprozessen sowie der optimalen fertigungstechnischen, energietechnischen und technologischen Steuerung der Anlagen und/oder Maschinen. Ebenso dient das erfindungsgemäße System für Maschinen und Anlagen, die zum Beispiel aufgrund ihres Alters, der Größe oder Komplexität oder anderen technischen Gründen nicht in der Lage sind, diese Daten direkt über die Maschinensteuerung zu verarbeiten und bereitzustellen.
Nachfolgend soll das erfindungsgemäße System anhand eines Ausführungsbeispiels näher erläutert werden. In der Zeichnung wird die funktionelle Zuordnung der Komponenten des Systems zu einer durch eine SPS gesteuerten Maschine schematisch wiedergegeben.
In der nachfolgend beschriebenen beispielsweisen Ausführungsform besteht das mobile Modulsystem 1 aus einem Mikrocontroller 2, einem Funkmodul 3 und einem energiebereitstellenden Netzteil 4. Über einen SPS-Adapter 5 erfolgt die Verbindung des mobilen Modulsystems 1 zur SPS-Steuerung einer maschinellen Anlage 7 bzw. einer Maschine. Die vorhandenen Steuerungsfunktionen an beispielsweise älteren Maschinen oder Anlagen werden durch zusätzliche Funktionen des SPS-Adapters 5 erweitert. Über das Datenbussystem 6 wird die Datenverbindung zu den Sensoren der maschinellen Anlage 7 realisiert. Die Daten der an der maschinellen Anlage 7 vorhandenen Sensoren wie z.B. Vibrationssensoren, Beschleunigungssensoren, Gyroskop, Magnetometer oder Hall-Sensoren werden mittels des Datenbusses 6 zum Mikrocontroller 2 geleitet. Über die Einbindung weiterer geeigneter Datenschnittstellen wie z.B. über den OPC-Standard können Daten verarbeitet und gespeichert werden, die alle in der Industrie anzutreffenden maschinellen Anlagen 7 und Maschinen einbeziehen. Dazu werden im mobilen Modulsystem 1 zusätzliche Sensoren 15, 16, 17 vorgesehen, mit deren Daten auch bei der Anwendung an inhomogenen Fertigungssystemen eine für eine optimale Steuerung erforderliche Datenverarbeitung durchführbar wird. Innerhalb des Mikrocontrollers 2 wird dann eine Komprimierung der Sensordaten durchgeführt, die Daten nach vorgegebenen Kriterien gefiltert und nach der Auswertung die Ergebnisse für die Weiterleitung aufbereitet. Darüber hinaus kann jede Variante eines Mikro-PC mit einer integrierten künstlichen Intelligenz zur Anwendung kommen. Die Auswertung wird dabei durch Erstellung bzw. Erkennung von erfassten Datenmustern sowie einem Vergleich mit abgespeicherten Datenmustern durchgeführt. Für die Mustererkennung wird der Sensordatenstrom innerhalb vorgegebener Zeiträume vorverarbeitet, gefiltert und ausgewertet. Dazu werden die digitalen Signale mittels Algorithmen wie der schnellen Fourier-Transformation (FFT) zur effizienten Berechnung der diskreten Fourier-Transformation (DFT) in ihre Frequenzanteile zerlegt und diese dann analysiert. Die an den Server 8 weitergeleiteten Daten werden dann vom Server 8 interpretiert, ausgewertet, angezeigt und für den Abruf durch mobile Endgeräte aufbereitet. Die interaktive Datenverbindung zwischen den als mobile Endgeräte dienende Personalcomputer 12, Tablet-PC 13 oder Smartphone 14 erfolgt mittels Funkverbindungen.
Durch die Netzwerkverbindung des mit künstlicher Intelligenz ausgestatteten mobilen Modulsystems 1 mit dem Server 8 und weiteren über den Server 8 verbundenen „intelligenten“ Modulsystemen 9,10,11 finden maschinelle Lernprozesse statt. Dabei kommt es zu sich ständig ändernden unvorhersehbaren Interaktionen (Datenübertragungen) zwischen den Netzwerkbaugruppen. Mittels des autonomen Systems wird eine optimale fertigungstechnische, energietechnische und technologische Steuerung der maschinellen Anlage 7 ermöglicht. Das System ist dadurch in „intelligenter“ Weise in der Lage, seine softwaregestützten Steuerungen und Auswertungen zu erweitern und mit diesen Ergebnissen dann bisherige Steuerungsvorgänge eigenständig zu ändern.
Bezugszeichenliste

1: Modulsystem
2: Microcontroller
3: Funkmodul
4: Netzteil
5: SPS - Adapter
6: Datenbus
7: maschinelle Anlage
8: Server
9: Modulsystem
10: Modulsystem
11: Modulsystem
12: Personalcomputer
13: Tablet-PC
14: Smartphon
15: Sensor S1 des Modulsystems
16: Sensor S2 des Modulsystems
17: Sensor S_n des Modulsystems

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

WO 8402592 A1 [0003]
DE 10220124 A1 [0004]
DE 20204359 U1 [0005]
EP 1415208 B1 [0006]
DE 4447288 B4 [0007]
WO 2018/036708 A1 [0008]

Claims

System zur echtzeitbezogenen sensorischen Erfassung und Auswertung von maschinellen Zustandsdaten sowie der darauf basierenden Bereitstellung von Steuerungsdaten für maschinelle Anlagen und/oder Maschinen, dadurch gekennzeichnet, dass die innerhalb der maschinellen Anlagen (7) und/oder Maschinen sensorisch erfassten Zustandsdaten mittels eines mobilen Modulsystems (1) in Echtzeit abgerufen und vorverarbeitet und/oder mittels Sensoren (15; 16; 17) des Modulsystems (1) innerhalb und außerhalb der maschinellen Anlage (7) oder Maschine in Echtzeit erfasst und die erfassten Zustandsdaten innerhalb des Modulsystems (1) und/oder in verbundenen Auswertebaugruppen ausgewertet sowie die Ergebnisse der Auswertungen zur optimalen fertigungstechnischen, energietechnischen und technologischen Steuerung der maschinellen Anlagen (7) und/oder Maschinen genutzt werden.
System nach Patentanspruch 1, dadurch gekennzeichnet, dass die Auswertungen mittels Machine-Learning-Verfahren durchgeführt werden, wobei auch die im Modulsystem (1) gespeicherten Daten vergleichbarer Prozessabläufe einbezogen werden.
System nach Patentanspruch 1, dadurch gekennzeichnet, dass das Modulsystem (1) aus einem im Plug & Play - Betrieb arbeitenden mobilen Modulbaustein besteht, der über eine Datenschnittstelle mit den Sensoren der maschinellen Anlage (7) und/oder Maschine sowie mit einem Server (8) verbunden wird, wobei der Server (8) die sensorisch erfassten und übermittelten Zustandsdaten zur optimalen fertigungstechnischen Steuerung der maschinellen Anlagen (7) und/oder Maschinen auswertet sowie grafisch wiedergibt.
System nach Patentanspruch 1 und 2, dadurch gekennzeichnet, dass das mobile Modulsystem (1), der Server (8) und die über die Datenschnittstelle verbundenen Sensoren der maschinellen Anlage (7) und/oder Maschine zwecks Erfassung und Auswertung der Zustandsdaten zu einem Modulbausteinnetzwerk verbunden werden.
Verfahren zur Durchführung des Systems nach Patentanspruch 1, dadurch gekennzeichnet, dass a) die Zustandsdaten in Echtzeit von den in oder an der maschinellen Anlage (7) und/oder Maschine angebrachten Sensoren über die Datenschnittstelle der Maschinensteuerung abgerufen und/oder in Echtzeit von Sensoren (15; 16; 17) des mobilen Modulsystems (1) erfasst und abgerufen werden, b) die erfassten und/oder abgerufenen Zustandsdaten innerhalb des Modulsystems (1) mit gespeicherten Zustandsdaten vergleichbarer historischer Prozessabläufe verglichen, ausgewertet und angezeigt werden sowie c) anhand der Auswertungsergebnisse der Zustandsdaten die Erreichung vorgegebener technischer und technologischer Zielparameter die fertigungstechnische, energietechnische und technologische Steuerung der maschinellen Anlagen (7) und Maschinen durchgeführt wird und d) durch Anwendung von Machine-Learning-Verfahren unter Einbeziehung der vorangegangenen und fortlaufenden Daten eine laufende Verbesserung der Erkennungs- und Klassifizierungsleistung der Algorithmen durchgeführt wird.
Verfahren nach Patentanspruch 5, dadurch gekennzeichnet, dass neben den an der Datenschnittstelle der Maschinensteuerung anliegenden Zustandsdaten der maschineninternen Sensoren auch die Signalverläufe an der Datenschnittstelle von Sensoren (15; 16; 17) des mobilen Modulbausteins erfasst und in die neuronalen Auswertungen einbezogen werden.
Verfahren nach den Patentansprüchen 5 und 6, dadurch gekennzeichnet, dass aus den an der Datenschnittstelle anliegenden Zustandsdaten der maschineninternen Sensoren und den von den Sensoren (15; 16; 17) des mobilen Modulbausteins erfassten Signalverläufen an der Datenschnittstelle ein echtheitsbezogenes Signalmuster der jeweiligen Maschine gebildet, zugeordnet und gespeichert wird.
Verfahren nach Patentanspruch 5, dadurch gekennzeichnet, dass innerhalb des Modulsystems der Vergleich zwischen den echtheitsbezogenen an der Datenschnittstelle erfassten und/oder abgerufenen Zustandsdaten mit gespeicherten Datenmustern zeitlich vorangegangener Prozessabläufe der mit dem Modulsystem verbundenen oder vergleichbarer Maschinen durchgeführt, die Vergleichsdaten neuronal ausgewertet sowie daraufhin die Steuerung und Signalisierung der Prozessabläufe vorgenommen wird.
Verfahren nach Patentanspruch 5, dadurch gekennzeichnet, dass die Auswertungsergebnisse der Modulbausteine an den Server übertragen und vom Server durch mobile Endgeräten interaktiv abgerufen werden können.
Verfahren nach Patentanspruch 5, dadurch gekennzeichnet, dass bei der Anwendung der Modulbausteine für maschinelle Anlagen, bei denen eine Erfassung der Sensordaten an verschiedenen räumlichen Punkten erforderlich ist, eine virtuelle Zusammenschaltung der Modulbausteine vorgenommen wird.