DE102019206817A1

DE102019206817A1 - Selbstlernendes steuersyste m für eine mobile maschine

Info

Publication number: DE102019206817A1
Application number: DE102019206817.0A
Authority: DE
Inventors: Sebastian Blank
Original assignee: Deere and Co
Current assignee: Deere and Co
Priority date: 2018-05-18
Filing date: 2019-05-10
Publication date: 2019-12-12
Also published as: BR102019009985A2

Abstract

Es werden Maschinendaten erhalten, die mehrfach anzeigen, dass eine Steuerregel auf einer mobilen Maschine ausgelöst wird, zusammen mit einer Angabe, ob der der Steuerregel entsprechende Steuervorgang und ein Leistungsergebnis dieser Implementierung implementiert wurde. Die Effektivitätsanalysatorlogik identifiziert eine Effektivität der Steuerregel und die maschinelle Lernlogik erzeugt eine Bewertung der Regel, basierend auf ihrer Effektivität. Ein Regelmodifikationsmodul wird automatisch gesteuert, um alle Änderungen an den Steuerregeln vorzunehmen, und ein Synchronisierungsmodul aktualisiert die geänderten Steuerregeln mit Steuerregeln auf der mobilen Maschine.

Description

Die vorliegende Beschreibung bezieht sich auf ein Steuersystem für eine mobile Maschine. Insbesondere bezieht sich die vorliegende Beschreibung auf ein selbstlernendes Steuersystem für eine mobile Maschine.
HINTERGRUND
Es gibt eine Vielzahl verschiedener Arten von Geräten, wie etwa Baugeräte, Rasenbearbeitungsgeräte, Forstgeräte und Landwirtschaftsgeräte. Diese Art von Geräten wird von einem Bediener bedient. So wird beispielsweise eine Erntemaschine (oder Mähdrescher) von einem Bediener bedient und verfügt über viele verschiedene Mechanismen, die vom Bediener bei der Durchführung eines Erntevorgangs gesteuert werden. Der Mähdrescher kann mehrere verschiedene mechanische, elektrische, hydraulische, pneumatische, elektromechanische (und andere) Subsysteme aufweisen, von denen einige oder alle mindestens teilweise vom Bediener gesteuert werden können. Die Systeme können es erfordern, dass der Bediener eine manuelle Einstellung außerhalb der Fahrerkabine vornimmt oder eine Vielzahl von verschiedenen Einstellungen vornimmt und verschiedene Steuereingaben zur Steuerung des Mähdreschers bereitstellt. Einige Eingaben beinhalten nicht nur die Steuerung der Mähdrescherrichtung und -geschwindigkeit, sondern auch die Einstellung des Dreschspalts und des Siebes und der Häcksel, die Einstellung der Rotor- und Lüfterdrehzahl sowie eine Vielzahl anderer Einstellungen und Steuereingaben.
Aufgrund der Komplexität der Mähdreschervorgänge (und anderer Geräte) und/oder der durchgeführten Vorgänge kann es sehr schwierig sein zu wissen, wie ein bestimmter Bediener oder eine bestimmte Maschine bei einem bestimmten Erntevorgang arbeitet und wie die Maschine gesteuert werden kann, um die Leistung zu verbessern. Während derzeit einige Systeme verfügbar sind, die einige betriebliche und andere Merkmale erfassen und dem überprüfenden Personal zur Verfügung stellen, haben diese aktuellen Systeme in der Regel einen reinen Informationszweck.
ZUSAMMENFASSUNG
Es werden Maschinendaten erhalten, die mehrfach anzeigen, dass eine Steuerregel auf einer mobilen Maschine ausgelöst wird, zusammen mit einer Angabe, ob der der Steuerregel entsprechende Steuervorgang und ein Leistungsergebnis dieser Implementierung implementiert wurde. Die Effektivitätsanalysatorlogik identifiziert eine Effektivität der Steuerregel und die maschinelle Lernlogik erzeugt eine Bewertung der Regel, basierend auf ihrer Effektivität. Ein Regelmodifikationsmodul wird automatisch gesteuert, um alle Änderungen an den Steuerregeln vorzunehmen, und ein Synchronisierungsmodul aktualisiert die geänderten Steuerregeln mit Steuerregeln auf der mobilen Maschine.
Figurenliste

1 ist eine teilweise bildliche, teilweise schematische Darstellung eines Mähdreschers.
2 ist ein Blockdiagramm eines Beispiels einer Computersystemarchitektur, das den in 1 veranschaulichten Mähdrescher beinhaltet.
3 ist ein Blockdiagramm, das ein Beispiel für eine Betriebsprioritätslogik näher beschreibt.
4 ist ein Blockdiagramm, das ein Beispiel für eine Leistungsmetrik-Generatorlogik näher beschreibt.
4A ist ein Blockdiagramm, das ein Beispiel für ein Steuerempfehlungs- und Lernmodul näher beschreibt.
5 ist ein Blockdiagramm, das ein Beispiel für eine Remote-Analyselogik näher beschreibt.
5A ist ein Blockdiagramm, das ein Beispiel für ein Remote-Analyse- und Steuersystem näher beschreibt.
6A und 6B (hierin gemeinsam als 6 bezeichnet) zeigen ein Ablaufdiagramm, das ein Beispiel für den Betrieb des Steuerempfehlungs- und Lernmoduls darstellt.
7A und 7B (hierin gemeinsam als 7 bezeichnet) veranschaulichen ein Ablaufdiagramm, das ein Beispiel für den Betrieb des Remote-Analyse- und Steuersystems zeigt.
8 zeigt ein Beispiel für die in 2 dargestellte Architektur, die in einer Remote-Serverumgebung eingesetzt wird.
9-11 zeigen Beispiele für Mobilvorrichtungen, die in den in den vorherigen FIG. gezeigten Architekturen verwendet werden können.

AUSFÜHRLICHE BESCHREIBUNG
Die vorliegende Beschreibung gilt für mobile Maschinen, wie etwa landwirtschaftliche mobile Maschinen, Baumaschinen, Forstmaschinen, Rasenbearbeitungsmaschinen usw. Es wird beschrieben, dass die mobile Maschine ein Mähdrescher ist, aber sie könnte genauso gut in Bezug auf andere Maschinen beschrieben werden. Die vorgesehene Beschreibung dient nur der Veranschaulichung.
Mähdrescher verfügen oft über eine Vielzahl von Sensoren, die eine Vielzahl von verschiedenen Variablen erfassen, wie etwa Betriebsparameter, aber auch Ernteeigenschaften, Betriebsbedingungen, Umgebungsparameter usw. Die Sensoren können an der Erntemaschine oder an anderen Orten montiert werden (z. B. an einer gebundenen oder ungebundenen Drohne usw.). Die Sensoren können diese Informationen über einen Controller-Area-Network-(CAN-)Bus (oder ein anderes Netzwerk, wie etwa ein Ethernet-Netzwerk, verschiedene drahtlose Netzwerke usw.) an verschiedene Systeme übermitteln, die die Sensorsignale verarbeiten und basierend auf den erfassten Variablen Ausgangssignale (z. B. Steuersignale) erzeugen können. Angesichts der Komplexität der Steuervorgänge, die für den Betrieb eines Mähdreschers erforderlich sind, und angesichts der Vielzahl verschiedener Arten von Einstellungen und Anpassungen, die ein Bediener vornehmen kann, und angesichts der sehr unterschiedlichen Arten von Erntegut, Gelände, Ernteeigenschaften usw., mit denen ein Mähdrescher konfrontiert werden kann, kann es sehr schwierig sein, zu bestimmen, wie eine bestimmte Maschine oder ein bestimmter Bediener arbeitet. Es kann auch schwierig sein, eine automatisierte Steuerung der Maschine durchzuführen oder vorgeschlagene Steuervorgänge zu unterbrechen. Dieses Problem wird noch verschärft, wenn ein bestimmtes Unternehmen eine Vielzahl von verschiedenen Mähdreschern hat, die alle gleichzeitig arbeiten. Diese Mähdrescher werden oft als „Flotte“ von Erntemaschinen bezeichnet.
Der Betrieb der Flotte von Erntemaschinen wird oft von einem (entfernten oder lokalen) Flottenmanager (oder Betriebsleiter) überwacht, der sich in Bezug auf mindestens einen Teil der Mähdrescher in der Flotte entfernt befindet. Es kann für einen Betriebsleiter oder Remote-Manager äußerst schwierig sein, zu bestimmen, wie die verschiedenen Mähdrescher in der Flotte arbeiten, wie sie relativ zueinander arbeiten, wie sie im Vergleich zu anderen ähnlich gelegenen Erntemaschinen arbeiten usw. Es ist auch äußerst schwierig für einen Remote-Manager, Leistungskriterien für die verschiedenen Bediener und Maschinen zu identifizieren und nahezu in Echtzeit zu bestimmen, wie sie im Vergleich zueinander stehen.
Darüber hinaus kann es sehr schwierig sein, die Maschinen automatisch zu steuern oder sogar Steuerungen oder Einstellungen vorzuschlagen, die die Leistung verbessern. Daher ist es für einen Remote-Manager sehr schwierig, zu versuchen, die Einstellungen an jedem Mähdrescher zu ändern, um die Leistung dieser Erntemaschine zu erhöhen.
Stattdessen muss der Remote-Manager die Daten oft nach der Erntezeit überprüfen, und selbst dann ist die Aufgabe schwierig. Der Remote-Manager muss oft zwischen verschiedenen Anwendungen, zwischen verschiedenen Ansichten von Daten, für die verschiedenen Maschinen und Bediener wechseln, um zu versuchen, die Daten auf diese Weise zu vergleichen. Dies führt zu einem relativ hohen Bandbreitenverbrauch, da der Bediener oft viele verschiedene Anrufe von seiner Vorrichtung zu einem entfernten Datenspeicher tätigen muss, in dem die Informationen gespeichert sind.
Einige Systeme erlauben derzeit bis zu einem gewissen Grad die Fernanzeige von Einstellungen. Ein Nachteil ist die Verzögerungszeit. In den aktuellen Systemen kann es zu einer unerwünscht langen Verzögerung kommen.
Darüber hinaus kann ein Fahrzeugführer oder Remote-Manager eine Vielzahl von verschiedenen Zielen haben, die er priorisieren/erreichen möchte, wie etwa Verringerung des Kornverlustes, Steigerung der Produktivität, Erhöhung der Arbeitsplatzqualität (z. B. Erntequalität), Erhöhung des Kraftstoffverbrauchs, Erhöhung der Leistungsausnutzung usw. Manchmal ist es jedoch nicht möglich, die Ziele zu erreichen, die ein Bediener oder Remote-Manager hat, wenn man die aktuellen Erntebedingungen, Betriebsbedingungen, Umgebungsbedingungen und Maschineneinstellungen usw. betrachtet.
In einem Steuersystem werden Regeln erzeugt, die die Leistung zur Steuerung von Einstellungen abbilden. Wenn die Leistung einer Maschine eine Regel auslöst, wird die entsprechende Steuereinstellung für den Bediener sichtbar. Es kann jedoch schwierig sein zu wissen, ob der Bediener die empfohlenen Maßnahmen ergriffen hat und wenn ja, wie sich dies auf die Leistung der Maschine ausgewirkt hat und wie schnell der Einfluss sichtbar war. Daher kann es schwierig sein zu wissen, welche Regeln verwendet werden, welche funktionieren, wie gut sie funktionieren und ob bestimmte Regelbereiche nicht über eine ausreichende Regelabdeckung verfügen.
Die vorliegende Beschreibung richtet sich an ein oder mehrere Systeme, um eine automatisierte Selbstüberwachung und ein Selbstlernen durchzuführen, so dass die Steuerregeln geändert werden können, so dass neue Steuerregeln eingesetzt und/oder ineffektive Steuerregeln eliminiert werden können.
1 ist eine teilweise bildliche, teilweise schematische Darstellung einer Landmaschine 100, in einem Beispiel, in dem die Maschine 100 eine Erntemaschine (oder Mähdrescher) ist. In 1 ist zu sehen, dass der Mähdrescher 100 veranschaulichend eine Fahrerkabine 101, die eine Vielzahl von verschiedenen Mechanismen der Bedienerschnittstelle aufweisen kann, zum Steuern des Mähdreschers 100 beinhaltet, wie im Folgenden näher erläutert wird. Der Mähdrescher 100 kann einen Satz von Frontend-Geräten beinhalten, die Sammler 102 und einen Fräser, der im Allgemeinen bei 104 angezeigt ist, beinhalten können. Es kann auch ein Zufuhrgehäuse 106, einen Zuführbeschleuniger 108 und einen Drescher beinhalten, der im Allgemeinen bei 110 angezeigt wird. Der Drescher 110 beinhaltet veranschaulichend einen Dreschrotor 112 und einen Satz von Höhlungen 114. Darüber hinaus kann der Mähdrescher 100 einen Abscheider 116 beinhalten, der einen Abscheiderrotor beinhaltet. Der Mähdrescher 100 kann ein Sieb-Subsystem (oder einen Siebkasten) 118 beinhalten, das selbst ein Siebgebläse 120, eine Häcksel 122 und ein Sieb 124 beinhalten kann. Das Subsystem für die Materialhandhabung im Mähdrescher 100 kann (zusätzlich zu einem Zufuhrgehäuse 106 und einem Zuführbeschleuniger 108) das Austragswalzwerk 126, den Absetzlift 128, den Reinkornlift 130 (der sauberes Korn in den Reinkornbehälter 132 befördert) sowie die Entleerungsschnecke 134 und den Auslauf 136 beinhalten. Der Mähdrescher 100 kann ferner ein Rückstands-Subsystem 138 beinhalten, das den Häcksler 140 und den Streuer 142 beinhalten kann. Der Mähdrescher 100 kann auch ein Antriebs-Subsystem aufweisen, das einen Motor beinhaltet, der Bodeneingriffsräder 144 oder Schienen usw. antreibt. Es ist zu beachten, dass der Mähdrescher 100 auch mehr als eines der oben genannten Subsysteme aufweisen kann (z. B. linke und rechte Siebkästen, Abscheider usw.).
Im Betrieb und zur Übersicht bewegt sich der Mähdrescher 100 anschaulich durch ein Feld in der durch Pfeil 146 angezeigten Richtung. Während der Bewegung greift der Sammler 102 in das zu erntende Erntegut ein und sammelt es zum Fräser 104. Nach dem Schneiden wird es durch ein Förderband im Zufuhrgehäuse 106 in Richtung des Zuführbeschleunigers 108 bewegt, der das Erntegut in den Drescher 110 beschleunigt. Das Erntegut wird durch den Rotor 112 gedroschen, der das Erntegut gegen die Höhlung 114 dreht. Das gedroschene Erntegut wird durch einen Abscheiderrotor im Abscheider 116 bewegt, wobei ein Teil des Rückstands durch das Austragswalzwerk 126 in Richtung des Rückstands-Subsystems 138 bewegt wird. Es kann mit dem Rückstandhäcksler 140 zerkleinert und mit dem Streuer 142 auf dem Feld verteilt werden. In anderen Implementierungen wird der Rückstand einfach in eine Schwade fallen gelassen, anstatt zerkleinert und verteilt zu werden.
Das Korn fällt auf den Siebkasten (oder das Sieb-Subsystem) 118. Die Häcksel 122 trennt einen Teil des gröberen Materials vom Korn und das Sieb 124 trennt einen Teil des feineren Materials vom sauberen Korn. Sauberes Korn fällt auf eine Förderschnecke im Reinkornlift 130, die das saubere Korn nach oben bewegt und im Reinkornbehälter 132 abscheidet. Rückstände können aus dem Siebkasten 118 durch den Luftstrom des Siebgebläses 120 entfernt werden. Dieser Rückstand kann auch im Mähdrescher 100 nach hinten in Richtung des Rückstandsbehandlungssubsystems 138 bewegt werden.
Absetzungen können durch den Absetzlift 128 zurück zum Drescher 110 bewegt werden, wo sie erneut gedroschen werden können. Alternativ können die Absetzungen auch einem separaten Nachdresch-Mechanismus zugeführt werden (auch mit einem Absetzlift oder einem anderen Transportmechanismus), wo sie ebenfalls nachgedroschen werden können.
1 zeigt auch, dass in einem Beispiel der Mähdrescher 100 den Bodengeschwindigkeitssensor 147, einen oder mehrere Abscheider-Verlustsensoren 148, eine Reinkornkamera 150 und einen oder mehrere Siebkasten-Verlustsensoren 152 beinhalten kann. Der Bodengeschwindigkeitssensor 146 erfasst veranschaulichend die Fahrgeschwindigkeit des Mähdreschers 100 über dem Boden. Dies kann durch Erfassen der Drehzahl der Räder, der Antriebswelle, der Achse oder anderer Komponenten erfolgen. Die Fahrgeschwindigkeit kann auch von einem Ortungssystem erfasst werden, wie etwa einem globalen Positionierungssystem (GPS), einem System oder einer Vielzahl anderer Systeme oder Sensoren, die eine Anzeige der Fahrgeschwindigkeit vorsehen.
Die Siebkasten-Verlustsensoren 152 sehen veranschaulichend ein Ausgangssignal vor, das die Menge des Kornverlustes sowohl auf der rechten als auch auf der linken Seite des Siebkastens 118 anzeigt. In einem Beispiel sind die Sensoren 152 Schlagsensoren, die Kornschläge pro Zeiteinheit (oder pro Entfernungseinheit) zählen, um einen Hinweis auf den Kornverlust des Siebkastens vorzusehen. Die Schlagsensoren für die rechte und linke Seite des Siebkastens können einzelne Signale oder ein kombiniertes oder aggregiertes Signal vorsehen. Es wird darauf hingewiesen, dass die Sensoren 152 auch nur einen einzelnen Sensor umfassen können, anstatt separate Sensoren für jeden Kasten.
Der Abscheider-Verlustsensor 148 sieht ein Signal vor, das den Kornverlust im linken und rechten Abscheider anzeigt. Die den linken und rechten Abscheidern zugeordneten Sensoren können separate Kornverlustsignale oder ein kombiniertes oder Aggregatsignal vorsehen. Dies kann auch mit einer Vielzahl von verschiedenen Arten von Sensoren erfolgen. Es ist zu beachten, dass die Abscheider-Verlustsensoren 148 auch nur einen einzelnen Sensor anstelle von getrennten linken und rechten Sensoren umfassen können.
Es ist auch zu beachten, dass Sensor- und Messmechanismen (zusätzlich zu den bereits beschriebenen Sensoren) auch andere Sensoren am Mähdrescher 100 beinhalten können. Sie können beispielsweise einen Rückstandeinstellungssensor beinhalten, der konfiguriert ist, um zu erfassen, ob die Maschine 100 konfiguriert ist, um den Rückstand zu zerkleinern, eine Schwade fallen zu lassen usw. Sie können Gebläsedrehzahlsesoren des Siebkastens beinhalten, die in der Nähe des Gebläses 120 konfiguriert werden können, um die Drehzahl des Gebläses zu erfassen. Sie können einen Dreschspaltsensor beinhalten, der den Abstand zwischen dem Rotor 112 und den Höhlungen 114 erfasst. Sie beinhalten einen Dreschrotor-Drehzahlsensor, der eine Rotordrehzahl des Rotors 112 erfasst. Sie können einen Häcksel-Abstandssensor beinhalten, der die Größe der Öffnungen in Häcksel 122 erfasst. Sie können einen Sieb-Abstandssensor beinhalten, der die Größe der Öffnungen im Sieb 124 erfasst. Sie können ein anderes Material als einen Komfeuchte-(MOG-, „material other than grain“)Sensor beinhalten, der konfiguriert werden kann, um den Feuchtigkeitsgehalt des anderen Materials als Korn zu erfassen, das den Mähdrescher 100 passiert. Sie können Maschineneinstellungssensoren beinhalten, die konfiguriert sind, um die verschiedenen konfigurierbaren Einstellungen am Mähdrescher 100 zu erfassen. Sie können auch einen Maschinenausrichtungssensor beinhalten, der aus einer Vielzahl von verschiedenen Arten von Sensoren bestehen kann, die die Ausrichtung des Mähdreschers 100 erfassen. Die Sensoren für die Ernteeigenschaften können eine Vielzahl verschiedener Arten von Ernteeigenschaften erfassen, wie etwa die Art des Ernteguts, die Feuchtigkeit des Ernteguts und andere Eigenschaften des Ernteguts. Sie können auch konfiguriert werden, um die Eigenschaften des Ernteguts während der Verarbeitung durch den Mähdrescher 100 zu erfassen. So können sie beispielsweise die Kornzufuhrmenge erfassen, wenn sie durch den Reinkornlift 130 fährt. Sie können die Massendurchflussmenge von Korn durch den Lift 130 erfassen oder andere Ausgangssignale vorhersehen, die auf andere erfasste Größen hinweisen. Im Folgenden werden einige weitere Beispiele für die verwendbaren Sensortypen beschrieben.
2 ist ein Blockdiagramm, das ein Beispiel für eine Architektur 200 zeigt, die den Mähdrescher 100 beinhaltet, der zur Kommunikation mit dem Remote-Analyse-Rechensystem 202 und dem Remote-Manager-Rechensystem 204 über das Netzwerk 206 gekoppelt ist. Während das System 102 von der Maschine 100 entfernt dargestellt wird, kann es sich auch an der Maschine 100 befinden (oder stattdessen) und die Darstellung als entfernte Anordnung ist nur ein Beispiel. Das Netzwerk 206 kann aus mehreren verschiedenen Arten von Netzwerken bestehen, wie etwa ein Weitverkehrsnetz, ein lokales Netzwerk, ein Nahfeldkommunikationsnetz, ein Mobilfunknetz oder ein beliebiges aus verschiedenen anderen Netzwerken oder Kombinationen von Netzwerken. Wie im Folgenden näher erläutert, kann der Mähdrescher 100 auch über Speicher- und Weiterleitungsmechanismen mit anderen Systemen kommunizieren. 2 zeigt auch, dass in einem Beispiel der Mähdrescher 100 Bedienerschnittstellenanzeigen 208 mit Benutzereingabemechanismen 210 für die Interaktion mit dem Bediener 212 erzeugen kann. Der Bediener 212 ist veranschaulichend ein lokaler Bediener des Mähdreschers 100 in der Fahrerkabine des Mähdreschers 100 und kann mit den Benutzereingabemechanismen 210 interagieren, um den Mähdrescher 100 zu steuern und handzuhaben. Darüber hinaus kann der Bediener 212, wie im Folgenden beschrieben, direkt mit anderen Benutzerschnittstellenmechanismen des Mähdreschers 100 interagieren. Dies wird durch Pfeil 214 angezeigt.
2 zeigt auch, dass in einem Beispiel das Remote-Manager-Computersystem 204 veranschaulichend Benutzerschnittstellen 216 mit Benutzereingabemechanismen 218 für die Interaktion mit dem entfernten Benutzer 220 (der ein Betriebsleiter, ein Remote-Manager oder ein anderer entfernter Benutzer sein kann, der Zugriff auf Daten hat, die dem Mähdrescher 100 entsprechen) erzeugt. Der entfernte Benutzer 220 interagiert veranschaulichend mit den Benutzereingabemechanismen 218, um das Remote-Manager-Computersystem 204 zu steuern und handzuhaben, und in einigen Beispielen um Abschnitte des Mähdreschers 100 und/oder des Remote-Analyse-Computersystems 202 zu steuern.
Bevor der gesamte Betrieb der Architektur 200 näher beschrieben wird, ist zunächst eine kurze Beschreibung einiger Elemente der Architektur 200 und deren Betrieb vorgesehen. Wie in 2 dargestellt, kann der Mähdrescher 100 neben den oben beschriebenen Elementen in Bezug auf 1 auch das Computersystem 222, ein oder mehrere Steuersysteme 224, steuerbare Subsysteme 226, Anwendungsablauflogik 228, Benutzerschnittstellenlogik 230, Datenspeicher 232 (die Steuerregeln 233 und andere Elemente 235 beinhalten können), ein oder mehrere Kommunikationssysteme 234, Benutzerschnittstellenmechanismen 236 und eine Vielzahl anderer Elemente 238 beinhalten. Das Computersystem 222 selbst kann einen oder mehrere Prozessoren oder Server 240, die Leistungsmetrik-Generatorlogik 242, das Steuerempfehlungs- und Lernsystem 243, die Anzeigegeneratorlogik 244, mehrere verschiedene Sensoren 246 und eine Vielzahl von anderen Elementen 248 beinhalten. Die Mechanismen der Benutzeroberfläche 236 können eine oder mehrere Anzeigevorrichtungen 250, eine oder mehrere Audiovorrichtungen 252, eine oder mehrere haptische Vorrichtungen 254 und andere Elemente 256 beinhalten, wie etwa einen berührungsempfindlichen Bildschirm, ein Spracherkennungssystem, ein Lenkrad, Joysticks, Pedale, Hebel, Tasten, Tastaturen usw.
Wie vorstehend in Bezug auf 1 beschrieben, können die Sensoren 246 eine Vielzahl von verschiedenen Sensorsignalen erzeugen, die eine Vielzahl von verschiedenen erfassten Variablen darstellen. Die Leistungsmetrik-Generatorlogik 242 (wie im Folgenden in Bezug auf 5 näher beschrieben) erzeugt exemplarisch Leistungsmetriken, die die operative Leistung des Mähdreschers 100 anzeigen. Das Steuerempfehlungs- und Lernmodul 243 empfängt die Leistungsmetriken und Sensorsignale und wertet die Steuerregeln 233 aus, um zu bestimmen, ob ein Steuervorgang automatisch durchgeführt oder dem Bediener 212 empfohlen werden sollte, um die Leistung der Erntemaschine 100 zu verbessern. Dies wird unten in Bezug auf die 4A und 6 näher beschrieben. Sie erzeugt auch Lerndaten, die an das Remote-Analyse- und Steuersystem 262 gesendet werden können.
Die Anzeigegeneratorlogik 244 erzeugt veranschaulichend eine Anzeige der Steuerschnittstelle für den Bediener 212. Die Anzeige kann eine interaktive Anzeige mit Benutzereingabemechanismen 210 zur Interaktion mit dem Bediener 212 sein. Betriebsprioritätslogik 247 (wie im Folgenden in Bezug auf 3 näher beschrieben) ermöglicht es dem Bediener 212, mit den Benutzereingabemechanismen 210 eine Priorität der Leistungsmetriken im Verhältnis zueinander auszuwählen. In einem Beispiel ermöglicht die Betriebsprioritätslogik 247 einem Bediener 212, eine einzelne Leistungsmetrik als oberste Priorität zu wählen. In einem weiteren Beispiel ermöglicht die Betriebsprioritätslogik 247 dem Bediener 212 die Auswahl und Gewichtung mehrerer verschiedener Leistungsmetriken, die jeweils unterschiedliche Prioritäten im Verhältnis zueinander aufweisen.
Die Steuerautomatiklogik 245 kann die Maschineneinstellungen der Erntemaschine 100, basierend auf den Entscheidungen, die der Bediener 212 während seiner Interaktion mit der Betriebsprioritätslogik 247 getroffen hat, automatisch ändern. Wenn der Bediener 212 beispielsweise Korneinsparungen als die Leistungsmetrik mit der höchsten Priorität wählt, dann steuern das Steuerempfehlungs- und Lernmodul 243 zusammen mit der Steuerautomatiklogik 245 die Stellglieder in den steuerbaren Subsystemen 226 (oder anderen Stellgliedern), um Maschineneinstellungen zu implementieren, bei denen festgestellt wurde, dass sie eine hohe Korneinsparung bewirken. Wenn der Bediener einen geordneten Satz mehrerer verschiedener Leistungsmetriken identifiziert, die von höherer zu niedrigerer Priorität geordnet sind, können Motor 243 und Logik 245 die Erntemaschine 100 automatisch basierend auf dem geordneten Satz von Leistungsmetriken steuern.
Das Steuerempfehlungs- und Lernmodul 243 kann Steuerregeln 233 vom Remote-Analyse-Computersystem 202 empfangen, die basierend auf Maschineninformationen, Maschineneinstellungen, Umgebung und Bedingungen, Erntegutbedingungen usw. und den von ihnen erzeugten metrischen Ergebnissen für eine Reihe anderer ähnlich aufgestellter Maschinen erzeugt werden, um zu bestimmen, welche Einstellungen implementiert werden sollten, um die Prioritäten von Bediener 212 oder einem Betriebsleiter usw. zu erreichen. In einem Beispiel kann der Motor 243 diese Informationen empfangen und im lokalen Datenspeicher 232 speichern, so dass er verwendet werden kann, um Maschineneinstellungen zum Steuern der Maschine 100 zu identifizieren, ohne mit dem Remote-System 202 in nahezu Echtzeit kommunizieren zu müssen.
In einem weiteren Beispiel kann das Verarbeiten durch das Remote-System 202 in nahezu Echtzeit erfolgen. Wenn der Bediener 212 beispielsweise die Kornqualität als Leistungsmetrik mit höchster Priorität wählt, kann die Leistungsmetrik-Generatorlogik 242 und der Motor 243 die aktuellen Leistungsmetriken, Maschineninformationen, Maschineneinstellungen, Sensordaten, Umgebungsbedingungen, Erntegutbedingungen usw. zum Analysieren an das Remote-Analyse-Computersystem 202 senden. Das Remote-Analyse-Computersystem 202 kann diese Informationen empfangen und Steuerregeln auswerten, um die höchste Kornqualitätsmetrik zu bestimmen, die von einer ähnlichen oder gleichen Maschine (oder einem Satz von Maschinen) im Hinblick auf ähnliche oder gleiche Umgebungs-, Maschinen- und Erntegutbedingungen erreicht wird. Dann identifiziert das Remote-Analyse-Computersystem 202 Steuerregeln, die ausgelöst wurden, und steuert Vorgänge (z. B. Maschineneinstellungen anpassen usw.), die die Maschinenleistung verbessern, und sendet den Steuervorgang an Motor 243 und Steuerautomatiklogik 245. Die Steuerautomatiklogik 245 implementiert dann automatisch den Steuervorgang, um eine höhere Kornqualitätsmetrik zu erreichen. Ein ähnlicher Prozess kann auch für andere metrische Prioritäten oder Kombinationen von metrischen Prioritäten verwendet werden.
Das Steuerempfehlungs- und Lernmodul 243 kann auf verschiedenen Autonomiegraden betrieben werden. So kann diese beispielsweise mit einem niedrigen Autonomiegrad arbeiten, so dass sie dem Bediener 212 eine Reihe von Alternativen zur Maschineneinstellung (oder andere Steuervorgänge) zur manuellen Auswahl anbietet. Als weiteres Beispiel kann der Motor 243 mit einem höheren Autonomiegrad arbeiten, so dass er die Auswahl der Maschineneinstellungen (oder anderer Steuervorgänge) für den Bediener 212 einschränkt. Als weiteres Beispiel kann es auf einem höheren Autonomiegrad arbeiten, so dass es einen Satz von Maschineneinstellungen (oder andere empfohlene Steuervorgänge) für den Bediener 212 vorschlägt. Als weiteres Beispiel kann der Motor 243 mit einem höheren Autonomiegrad betrieben werden, so dass er die Steuerautomatiklogik 245 verwendet, um die Maschine 100 zu steuern, um eine Änderung der Maschineneinstellungen (oder eines anderen Steuervorgangs) durchzuführen, die er identifiziert, wenn der Bediener 212 die Änderung genehmigt. Als weiteres Beispiel kann der Motor 243 die Steuerautomatiklogik 245 verwenden, um auf einem höheren Autonomiegrad zu arbeiten, so dass er automatisch neue Maschineneinstellungen (oder Steuervorgänge) implementiert, während er dem Bediener 212 eine bestimmte Zeit gibt, um gegen die Änderung zu stimmen, bevor er die Änderung der Einstellungen automatisch durchführt. Als weiteres Beispiel kann der Motor 243 die Steuerautomatiklogik 245 verwenden, um einen höheren Autonomiegrad zu betreiben, so dass er die Maschine 100 steuert, um automatisch neue Maschineneinstellungen (oder Steuervorgänge) zu implementieren und dann den Bediener 212 zu informieren. Als weiteres Beispiel kann der Motor 243 die Steuerautomatiklogik 245 verwenden, um Maschineneinstellungen automatisch zu ändern (oder andere Steuervorgänge durchzuführen) und informiert den Bediener 212, jedoch nur, wenn der Bediener 212 eine Aktualisierung anfordert. Als weiteres Beispiel kann der Motor 243 die Steuerautomatiklogik 245 verwenden, um automatisch neue Maschineneinstellungen (oder einen anderen Steuervorgang) zu implementieren und den Bediener 212 nur unter bestimmten Umständen (z. B. wenn eine größere Änderung der Maschineneinstellungen durchgeführt wird) oder ohne den Bediener 212 ausdrücklich zu benachrichtigen, außer zum Aktualisieren einer Schnittstellenanzeige, die die Einstellungen anzeigt.
Das Steuersystem 224 kann Steuersignale zum Steuern einer Vielzahl von verschiedenen steuerbaren Subsystemen 226 basierend auf den von den Sensoren 246 erzeugten Sensorsignalen erzeugen, basierend auf den von der Leistungswert-Generatorlogik 244 erzeugten Leistungsmetriken, basierend auf Benutzereingaben, die über die Benutzerschnittstellenmechanismen 236 empfangen werden, basierend auf Informationen, die vom Remote-Manager-Computersystem 204 empfangen werden, basierend auf empfohlenen Steuervorgängen, die vom Motor 243 ausgegeben werden, basierend auf Ausgaben von der Steuerautomatiklogik 245 oder vom Remote-Analyse-Computersystem 202, oder es kann auch Steuersignale auf eine Vielzahl anderer Arten erzeugen. Steuerbare Subsysteme 226 können eine Vielzahl von verschiedenen Systemen beinhalten, wie etwa ein Antriebssystem zum Antreiben des Mähdreschers 100, ein Dresch-Untersystem, wie vorstehend in Bezug auf 1 beschrieben, ein Sieb-Subsystem (wie etwa das Siebgebläse, die Häcksel, das Sieb usw.) und/oder eine Vielzahl anderer steuerbarer Subsysteme, von denen einige vorstehend in Bezug auf 1 beschrieben wurden.
Die Anwendungsablauflogik 228 kann veranschaulichend eine Vielzahl von verschiedenen Anwendungen ausführen, die im Datenspeicher 232 gespeichert werden können. Die Anwendungen können verwendet werden, um den Mähdrescher 100 zu steuern, um Informationen zu sammeln, die von dem Mähdrescher 100 erfasst und gesammelt werden, um diese Informationen an andere Systeme weiterzugeben usw. Kommunikationssysteme 234 beinhalten veranschaulichend ein oder mehrere Kommunikationssysteme, die es dem Mähdrescher 100 ermöglichen, mit dem Remote-Analyse-Computersystem 202 und dem Remote-Manager-Computersystem 204 zu kommunizieren. Sie beinhalten somit ein oder mehrere Kommunikationssysteme, die über die oben beschriebenen Netzwerke kommunizieren können.
Die Anzeigegeneratorlogik 244 erzeugt veranschaulichend eine Bedieneranzeige und verwendet die Benutzerschnittstellenlogik 230, um die Bedieneranzeige auf einer der Anzeigevorrichtungen 250 anzuzeigen. Es ist zu beachten, dass die Anzeigevorrichtungen 250 eine Anzeigevorrichtung beinhalten können, die in die Fahrerkabine des Mähdreschers 100 integriert ist, oder es kann eine separate Anzeige auf einer separaten Vorrichtung sein, die vom Bediener 212 getragen werden kann (wie etwa ein Laptop, eine mobile Vorrichtung usw.). Alle diese Architekturen werden hierin betrachtet. Die Benutzerschnittstellenlogik 230 identifiziert veranschaulichend die Benutzerinteraktion mit diesen Schnittstellen und kann diese mit anderen Teilen des Systems kommunizieren.
In dem in 2 dargestellten Beispiel beinhaltet das Remote-Analyse-Computersystem 202 veranschaulichend einen oder mehrere Prozessoren oder Server 260, die Remote-Analyselogik 262, die eine Anwendungsprogrammierschnittstelle (API) 263 freilegt, den Datenspeicher 264 (der die Steuerregeln 261 und andere Elemente 259 beinhalten kann), das Authentifizierungssystem 265, ein oder mehrere Kommunikationssysteme 266, das Lernanalyse- und Steuersystem 267, und es kann eine Vielzahl anderer Elemente 268 beinhalten. Die Remote-Analyselogik 262 empfängt veranschaulichend die von der Leistungsmetrik-Generatorlogik 242 im Computersystem 222 erzeugten Leistungsmetriken aus einer Vielzahl von verschiedenen Mähdreschern, einschließlich des Mähdreschers 100. Es kann diese Daten veranschaulichend aggregieren und mit Referenzdatensätzen vergleichen, um Leistungsmetriken für mehrere Maschinen zu erzeugen, die auf den Leistungsinformationen einer Vielzahl von verschiedenen Maschinen basieren. Die Daten können im Datenspeicher 264 gespeichert werden, zusammen mit einer Vielzahl anderer Informationen, wie etwa Bedienerinformationen, die den Bedienern aller einzelnen Mähdrescher entsprechen, Maschinendetails, die die einzelnen verwendeten Maschinen identifizieren, die aktuellen Maschineneinstellungen für jede Maschine, die von den Maschinen aktualisiert werden, und historische Daten, die von den verschiedenen Maschinen gesammelt wurden. Das lernende Analyse- und Steuersystem 267 empfängt veranschaulichend Informationen von der Maschine 100 und anderen Maschinen, die die Verwendung und Effizienz der Steuerregeln auf diesen Maschinen anzeigen. Es kann die Regeln neu bewerten, die Regeln anpassen, neue Regeln hinzufügen oder bestehende Regeln basierend auf der Analyse löschen.
Das Authentifizierungssystem 265 kann auf Authentifizierungsinformationen zugreifen, die zum Authentifizieren von entfernten Benutzern 220, 212 und anderen verwendet werden. Es kann Zuordnungen zwischen Mähdreschern und den entfernten Benutzern, denen sie zugeordnet sind, beinhalten. Es kann auch eine Vielzahl anderer Informationen beinhalten.
Das Remote-Analyse-Computersystem 202 verwendet veranschaulichend eines oder mehrere der Kommunikationssysteme 266, um mit dem Mähdrescher 100 (und anderen Mähdreschern) und dem Remote-Manager-Computersystem 204 zu kommunizieren.
Das Remote-Manager-Computersystem 204 kann eine Vielzahl von verschiedenen Arten von Systemen sein, wie etwa eine mobile Vorrichtung, ein Laptop-Computer usw. Es beinhaltet veranschaulichend ein oder mehrere Prozessoren 270, Datenspeicher 272, Anwendungsablauflogik 274, Kommunikationssystem 276 und Benutzerschnittstellenlogik 278 (die ihrerseits die Anzeigegeneratorlogik 280, die Interaktionsverarbeitungslogik 282 und andere Elemente 284 beinhalten kann). Das Remote-Manager-Computersystem 204 kann auch eine Vielzahl anderer Elemente 286 beinhalten.
Die Anwendungsablauflogik 274 führt veranschaulichend eine Anwendung aus, die es dem entfernten Benutzer 220 ermöglicht, auf Vergleichsinformationen zuzugreifen, die die Leistung verschiedener Mähdrescher 100 und ihrer Vorgänge in nahezu Echtzeit vergleichen (wie etwa innerhalb von fünf Sekunden nach der Echtzeit oder innerhalb eines anderen Zeitwerts der Echtzeit). Es werden auch veranschaulichend Benutzersteuerschnittstellen 216 mit Benutzereingabemechanismen 218 belegt, so dass der entfernte Benutzer 220 Einstellungseingaben oder andere Steuerinformationen vorsehen und an einen oder mehrere Mähdrescher 100 übermitteln kann. Auch hier, wie bei den Kommunikationssystemen 234 und 266, ermöglicht das Kommunikationssystem 276 dem Remote-Manager-Computersystem 204 die Kommunikation mit anderen Systemen über das Netzwerk 206. Die Anzeigegeneratorlogik 282 erzeugt exemplarisch eine Anzeige mit verschiedenen interaktiven Anzeigeelementen auf der Benutzerschnittstelle 216. Die Interaktions-Verarbeitungslogik 282 erfasst veranschaulichend die Benutzerinteraktion mit der Anzeige vom entfernten Benutzer 220 und führt Steuervorgänge basierend auf diesen Benutzerinteraktionen durch.
3 ist ein Blockdiagramm, das ein Beispiel für eine Betriebsprioritätslogik 247 näher beschreibt. In dem in 3 dargestellten Beispiel beinhaltet die Betriebsprioritätslogik 247 veranschaulichend die Logik 251 mit höchster Priorität, die Logik 253 mit sekundären Prioritäten, die Aggressivitätslogik 255, die Trade-Off-Logik 257, die Begrenzungslogik 259 und sie kann eine Vielzahl anderer Elemente 261 beinhalten.
Die Logik 251 mit der höchsten Priorität erzeugt veranschaulichend eine Schnittstelle mit einem Eingabemechanismus für den Bediener 212, um eine Leistungsmetrik als höchste Priorität auszuwählen. Dies kann auf einer Anzeigevorrichtung 250 oder einer Taste oder anderen Mechanismen der Benutzeroberfläche 236 erzeugt werden. So kann beispielsweise eine Liste von Prioritäten (z. B. Leistungsmetriken) auf der Anzeigevorrichtung 250 angezeigt werden und der Benutzer kann eines der Listenelemente als höchste Priorität auswählen. Als weiteres Beispiel sind eine Vielzahl von Schaltflächen (oder andere Mechanismen der Benutzeroberfläche 236) vorgesehen, wobei jeder Mechanismus eine Leistungskategorie oder Metrik darstellt, aus der der Benutzer seine höchste Priorität (z. B. eine Leistungsmetrik) auswählen kann. Natürlich kann eine oberste Priorität auch auf andere Weise gewählt werden, z. B. durch Sprachbefehle usw.
Die Logik 253 für sekundäre Prioritäten erzeugt veranschaulichend eine Schnittstelle mit einem Eingabemechanismus für den Bediener 212, um sekundäre Prioritäten auszuwählen. Diese Schnittstelle kann eine Anzeige auf der Vorrichtung 250 erzeugen oder eine Taste oder andere Mechanismen der Benutzeroberfläche 236 sein. Sobald beispielsweise die höchste Priorität auf der Anzeigevorrichtung 250 ausgewählt wurde, kann der Benutzer eines oder mehrere der Listenelemente als sekundäre Prioritäten auswählen. Die Logik 253 der sekundären Prioritäten kann es dem Bediener 212 auch ermöglichen, mehrere Prioritäten zu klassifizieren. So kann beispielsweise die Leistungsmetrik für die Korneinsparung höchste Priorität haben und die Leistungsmetrik für den Kraftstoffverbrauch und die Kornqualität als sekundäre Priorität gewählt werden. Außerdem kann sich Bediener 212 mehr um die Kornqualität als um den Kraftstoffverbrauch kümmern. Die Logik 253 der sekundären Prioritäten ermöglicht es dem Bediener 212, die Kornqualitätsmetrik über die Kraftstoffverbrauchsmetrik zu priorisieren, so dass Maschineneinstellungen und -vorgänge gewählt werden, um die Korneinsparungsmetrik und dann die Kornqualitätsmetrik zu erhöhen und gleichzeitig die Kraftstoffverbrauchsmetrik zu berücksichtigen.
Die Aggressivitätslogik 255 erzeugt veranschaulichend eine Schnittstelle mit einem Eingabemechanismus für den Bediener 212, um die Aggressivität auszuwählen, mit der die Maschine gemäß den gewählten Prioritäten gesteuert werden soll. Aggressivität kann ein Hinweis auf die Bedeutung der Prioritäten sein und/oder die Bereitschaft, andere Metriken zu opfern, um höhere Werte für die Prioritäten zu erzielen. Sie kann somit als Hinweis auf einen Schwellenwert für eine Einstellungsänderung dienen. Beispielsweise führt eine maximale Aggressivität, die auf eine einzelne Priorität eingestellt ist, dazu, dass die Maschine so gesteuert wird, dass sie den höchstmöglichen bekannten Metrikwert für diese Leistungsmetrik erreicht, unabhängig davon, wie sich dies auf andere Metrikwerte für andere Leistungsmetriken auswirkt (z. B. kann die Maximierung der Priorität Aggressivität auf die Leistungsmetrik der Korneinsparung den Metrikwert der Korneinsparung maximieren und gleichzeitig den Metrikwert der Produktivitätsmetrik, den Metrikwert des Kraftstoffverbrauchs und den Metrikwert der Leistungsaufnahme wesentlich verringern). Wenn ein Benutzer die Aggressivitätseinstellung senkt, wird ein priorisierter Metrikwert weiterhin priorisiert, jedoch mit negativen Effekten oder Zielkonflikten gegenüber anderen Metriken verglichen. So kann es beispielsweise einen Punkt geben, an dem die Erhöhung des priorisierten Leistungsmetrikwerts um ein Prozent einen anderen Leistungsmetrikwert um zehn Prozent kosten kann. Je nach Aggressivitätsgrad kann dieser Kosten-Nutzen akzeptabel oder inakzeptabel sein und die Maschine wird dementsprechend gesteuert.
Die Aggressivitätslogik 255 kann eine Schnittstelle auf der Anzeigevorrichtung 250 erzeugen, oder ein Drehknopf oder andere Mechanismen der Benutzeroberfläche 236 sein. So kann beispielsweise ein Schieberegler auf dem Anzeigegerät 250 neben den gewählten Prioritäten angezeigt werden. Wenn Sie den Schieberegler bewegen, ändert sich die Aggressivität der Umsetzung der Prioritätseinstellungen.
Die Trade-Off-Logik 257 erzeugt veranschaulichend eine Schnittstelle mit einem Eingabemechanismus für den Bediener 212, um (durch Visualisierung) die Zielkonflikte der Priorisierung einer Leistungsmetrik gegenüber einer anderen zu ermitteln. Beispielsweise wird sich die Wahl von Korneinsparungs- oder Kornqualitätsmetriken vorrangig auf die Kraftstoffverbrauchsmetrik auswirken. Die Trade-Off-Logik 257 kann eine Anzeige auf diesen Zielkonflikt in einer Vielzahl von verschiedenen Formen anzeigen, wie etwa eine Textnachricht oder einen Pfeil, der die Auswirkungen der Wahl einer Prioritätsmetrik anzeigt. Die Trade-off-Logik 257 kann den Bediener 212 auch auf andere Weise benachrichtigen, wie etwa durch Ton, haptisches Feedback usw.
Die Begrenzungslogik 259 erzeugt veranschaulichend eine Schnittstelle für den Bediener 212, um Einschränkungen der verschiedenen Leistungsmetriken zu sehen. So kann es beispielsweise sein, dass unter den aktuellen Erntegutbedingungen, Umweltbedingungen usw. wahrscheinlich ein Maximalwert für jede Leistungsmetrik erreicht werden kann, auch wenn die Leistungsmetrik als höchste Priorität mit der maximalen Aggressivität identifiziert wurde. Daher identifiziert die Begrenzungslogik 259 in einem Beispiel maximal einige oder alle Leistungsmetriken, und dieser Wert wird als Begrenzung dieser Metrik angezeigt. Dies hilft, eine Zahl für den Bediener 212 in Kontext zu bringen. Wenn beispielsweise der Bediener 212 unerfahren ist, kann er oder sie frustriert sein, dass der Metrikwert für die Kraftstoffverbrauchsleistung bei 50/100 „festhängt“. Die Logik 259 kann jedoch bestimmen, dass der beste Leistungswert, der unter diesen Bedingungen gesehen wird (und damit ein wahrscheinlicher maximaler Leistungsmetrikwert oder eine Begrenzung), 60/100 beträgt. Diese Einschränkung wird dem Bediener 212 unter Verwendung der Begrenzungslogik 259 veranschaulichend angezeigt und bringt somit seinen oder ihren Leistungsmetrikwert von 50/100 in den Kontext (z. B. dass er oder sie bei dieser Leistungsmetrik unter den gegebenen Umständen gut abschneidet).
4 ist ein Blockdiagramm, das ein Beispiel für eine Leistungsmetrik-Generatorlogik 242 näher beschreibt. In dem in 4 dargestellten Beispiel beinhaltet die Leistungsmetrik-Generatorlogik 242 veranschaulichend die Kornverlust-/Einsparungsmetrik-Generatorlogik 288, die Kornproduktivitätsmetrik-Generatorlogik 290, die Kraftstoffverbrauchsmetrik-Generatorlogik 292, die Leistungsausnutzungsmetrik-Generatorlogik 294, die Gesamtmetrik-Generatorlogik 296, die Maschinennorm-Generatorlogik 298, die Leistungstrend-Generatorlogik 300, und kann eine Vielzahl anderer Elemente 302 beinhalten. Einige Möglichkeiten zum Erzeugen von Leistungsmetriken sind in den ausstehenden US-Patent-Veröffentlichungsnummern 2015/0199637 A1 (jetzt US 9892376 B2 ), 2015/0199360 A1 , 2015/0199630 A1 , 2015/0199775 A1 , 2016/0078391 A1 , die hierin durch Bezugnahme aufgenommen wurden, näher beschrieben.
Die Kornverlust-/Einsparungsmetrik-Generatorlogik 288 erzeugt veranschaulichend eine Metrik, die auf Korneinsparungen oder Kornverluste hinweist, die der Mähdrescher 100 erfährt. Dies kann durch das Erfassen und Kombinieren von Elementen über verschiedene Bereiche hinweg erzeugt werden, wie etwa der Massenstrom des Erntegutes durch den Mähdrescher 100, der von einem Sensor 246 erfasst wird, das Absetzvolumen des Absetzgutes durch den Mähdrescher 100 unter Verwendung eines Volumensensors, die Art des Ernteguts, der gemessene Verlust am Mähdrescher 100 unter Verwendung verschiedener Verlustsensoren (wie etwa Abscheider-Verlustsensoren, Siebkasten-Verlustsensoren usw.), unter anderem. Die Metrik kann durch eine Bewertung des Verlusts mit Fuzzy-Logikkomponenten und eine Bewertung der Absetzungen, auch mit Fuzzy-Logikkomponenten, erzeugt werden. Basierend auf diesen und/oder anderen Überlegungen erzeugt die Kornverlust-/Einsparungsmetrik-Generatorlogik 288 beispielhaft eine Kornverlust-/Einsparungsmetrik, die die Leistung des Mähdreschers 100 unter der Leitung von Bediener 212 in Bezug auf Kornverluste/Einsparungen anzeigt.
Die Komproduktivitätsmetrik-Generatorlogik 290 verwendet die von den Sensoren 246 am Mähdrescher erzeugten Sensorsignale veranschaulichend, um Daten über verschiedene Bereiche zu erfassen, wie etwa die Fahrzeuggeschwindigkeit, den Massenstrom von Korn durch den Mähdrescher 100 und die Maschinenkonfiguration des Mähdreschers 100, um eine Anzeige des Ernteertrags zu erzeugen und den Ernteertrag zu verarbeiten, um ihn mit einer Produktivitätsmetrik zu vergleichen. So sieht beispielsweise eine Produktivitätsmetrik, die gegen eine Ertragssteigerung aufgesetzt wird, eine Ausgabe vor, die die Produktivität des Korns anzeigt. Dies ist nur ein Beispiel.
Die Kraftstoffverbrauchsmetrik-Generatorlogik 292 erzeugt veranschaulichend eine Kraftstoffverbrauchsmetrik, die auf Daten aus verschiedenen Bereichen basiert, wie etwa dem Durchsatz im Vergleich zur Kraftstoffverbrauchsmenge, die von Sensoren am Mähdrescher 100 erfasst wird, einer Abscheiderwirkungsmetrik und auch auf dem erfassten Kraftstoffverbrauch, der von einem Sensor 246 erfasst wird, dem Fahrzeugzustand, der Fahrzeuggeschwindigkeit usw. Die Kraftstoffverbrauchsmetrik kann auf einer Kombination aus einer Erntegut-Kraftstoffeffizienz und einer unproduktiven Kraftstoffeffizienz basieren. Diese Metriken können jeweils die Effizienz des Mähdreschers 100 während der Erntevorgänge und bei anderen, Nicht-Emtevorgängen (wie etwa im Leerlauf usw.) anzeigen. Auch hier werden Fuzzy-Logikkomponenten veranschaulichend angewendet, um eine Metrik zu erzeugen, die den Kraftstoffverbrauch anzeigt, obwohl dies nur ein Beispiel ist.
Die Leistungsausnutzungs-Gegeneratorlogik 294 erzeugt veranschaulichend eine Leistungsausnutzungsmetrik, die auf Daten aus verschiedenen Domänen basiert, wie etwa Sensorsignale von den Sensoren 246 (oder auf abgeleiteter Motorleistung, die vom Mähdrescher 100 verwendet wird, der von den Sensorsignalen abgeleitet wird), unter der Steuerung von Bediener 212. Die Sensoren können Sensorsignale erzeugen, die den Motorverbrauch, die Motorlast, die Motordrehzahl usw. anzeigen. Die Leistungsausnutzungsmetrik kann anzeigen, ob die Maschine bei höheren oder niedrigeren Leistungsstufen usw. effizienter betrieben werden kann.
Die Gesamtmetrik-Generatorlogik 296 erzeugt veranschaulichend eine Metrik, die auf einer Kombination der verschiedenen von der Logik 288-294 ausgegebenen Metriken basiert. Es sieht veranschaulichend eine Metrik vor, die die gesamte Betriebsleistung des Mähdreschers 100 unter dem Betrieb des Bedieners 212 anzeigt.
Die Maschinennorm-Generatorlogik 298 erzeugt veranschaulichend eine Maschinennorm-Metrik für jede der Metriken, die durch Elemente der Logik 288-296 erzeugt werden. Die Maschinennorm-Metrik kann beispielsweise den Betrieb des Mähdreschers 100 unter der Steuerung des Bedieners 212 für jede der einzelnen Metriken über einen früheren Zeitraum widerspiegeln. So kann beispielsweise die Maschinennorm-Metrik für Kornverluste/Einsparungen ein Mittelwert aus dem Wert der Kornverlust-/Einsparungsmetrik sein, die durch die Logik 288 über die letzten 10 Stunden (oder über einen anderen Zeitraum) erzeugt wurde. In einem Beispiel erzeugt die Maschinennorm-Generatorlogik 298 eine solche Norm-Metrik für jede der Kategorien oder Metriken, die durch Elemente der Logik 288-296 erzeugt werden.
Die Leistungstrend-Generatorlogik 300 erzeugt veranschaulichend eine Metrik, die die Leistung der Maschine 100 unter dem Betrieb von Bediener 212 über einen kürzeren Zeitraum anzeigt, als von der Maschinennorm-Generatorlogik 298 berücksichtigt wird. So erzeugt beispielsweise die Leistungstrend-Generatorlogik 300 veranschaulichend eine Trend-Metrik, die angibt, wie sich der Mähdrescher 100 in den letzten 30 Minuten in jeder der durch die Elemente der Logik 288-296 angesprochenen Leistungskategorien verhalten hat. In einem Beispiel speichert es periodisch generierte Werte, um eine Verfolgung oder kontinuierliche Darstellung des Wertes dieser bestimmten Metrik über die letzten 30 Minuten (oder einen anderen Zeitraum) zu erzeugen. Dies wird unten in Bezug auf die 8A und 13 näher beschrieben.
4A ist ein Blockdiagramm, das ein Beispiel für ein Steuerempfehlungs- und Lernmodul 243 näher beschreibt. In dem in 4A dargestellten Beispiel beinhaltet Motor 243 veranschaulichend die Auswertungs-Auslöserlogik 320, die Regelauswertungslogik 322, die Empfehlungsausgabe-/Oberflächenlogik 324, die Bedienerinteraktions-Erfassungslogik 326, die Leistungserfassungs- und Aufzeichnungslogik 328, die regelbasierte Timerlogik 330, die Remote-System-Interaktionslogik 332, die Leistungsvergleichslogik 334, und sie kann eine Vielzahl anderer Elemente 336 beinhalten. Die Auswertungs-Auslöserlogik 320 erfasst einen Auswertungs-Auslöser, der anzeigt, dass der Motor 243 die Steuerregeln 233 basierend auf den Sensordaten und den Leistungsmetriken aus Logik 242 auswerten soll, um zu bestimmen, ob eine Steuereinstellung durchzuführen ist. Wenn beispielsweise eine überwachte Variable oder Leistungsmetrik einen Schwellenwert unter einen gewünschten Schwellenwert fällt, kann dies eine Regelauswertung auslösen. Wenn die Leistungsmetriken oder Sensordaten darauf hindeuten, dass die von den verschiedenen Bedienern und Benutzern festgelegten Prioritäten nicht erreicht werden, kann dies eine Regelauswertung auslösen. Die Regeln können nach einem periodischen, intermittierenden oder anderen zeitabhängigen Kriterium bewertet werden. Die Kriterien können auch eine Vielzahl anderer Formen annehmen.
Die Regelauswertungslogik 322 wertet dann die empfangenen Informationen (z. B. die Leistungsmetriken, Sensorsignale und andere Daten) anhand der Steuerregeln 233 aus. Die Bewertung bestimmt, ob eine der Steuerregeln ausgelöst wird, d. h. ob die Informationen, anhand derer sie bewertet werden, die Regel erfüllen, so dass ein entsprechender Leistungsvorgang empfohlen oder durchgeführt werden soll. Wenn beispielsweise eine Kornverlustmetrik zu hoch ist, kann dies eine Regel auslösen, die ein Reduzieren der Siebkastengeschwindigkeit erfordert. Dies ist nur ein Beispiel.
Die Empfehlungsausgabe-/Ausgabelogik 324 verwendet dann veranschaulichend die Benutzerschnittstellenlogik 230 und die Mechanismen der Benutzeroberfläche 236, um eine Empfehlung, die durch die ausgelösten Steuerregeln identifiziert wird, für den Bediener auszulösen. So kann beispielsweise eine Empfehlung zum Reduzieren des Siebgebläses sowie eine betätigbare Benutzereingabetaste ausgelöst werden, die vom Bediener berührt oder anderweitig betätigt werden kann, um die Empfehlung umzusetzen.
Die Bedienerinteraktions-Erfassungslogik 326 erfasst dann die Interaktion des Bedieners mit der Empfehlung. So kann beispielsweise der Bediener die Empfehlung durch eine geeignete Benutzereingabe umsetzen. Der Bediener kann die Empfehlung durch eine andere Benutzereingabe ablehnen. Der Bediener kann eine gewisse Zeit warten, bevor er die Empfehlung umsetzt oder ablehnt, oder er kann mit der ausgegebenen Empfehlung auch auf andere Weise interagieren.
Die Leistungserfassungs- und Aufzeichnungslogik 328 erfasst Leistungsdaten (wie etwa Sensordaten, Leistungsmetriken und andere Informationen) sowohl vor als auch nach der Implementierung einer Empfehlung. Sie kann eine bestimmte Zeitspanne, die durch die regelbasierte Timerlogik 330 identifiziert wird, zwischen diesen beiden Ereignissen warten. Wenn beispielsweise die Logik 326 eine Empfehlung für den Bediener ausgibt, kann die Leistungserfassungs- und Aufzeichnungslogik 328 die gewünschten Leistungsdaten erfassen. Nachdem die Bedienerinteraktions-Erfassungslogik 326 erfasst, dass der Bediener die Empfehlung umgesetzt hat, kann die regelbasierte Timerlogik 330 eine Timeout-Periode identifizieren, die der Steuerregel (oder dem implementierten Steuervorgang) entspricht, auf die die Verarbeitung wartet, damit der implementierte Steuervorgang wirksam wird. Beispielsweise erkennen die Verlustsensoren möglicherweise keine Veränderung des Kornverlustes, obwohl der Bediener die Gebläsedrehzahl für einen bestimmten Zeitraum reduziert hat. Dieses Intervall wird durch die regelbasierte Zeitlogik 330 identifiziert und kann ein Merkmal oder Attribut der ausgelösten Steuerregel sein. Nach Ablauf der Zeitspanne erfasst die Leistungserfassungs- und Aufzeichnungslogik 328 erneut die Leistungsdaten, um festzustellen, ob sich die Leistung der Maschine 100 nach der Implementierung des Steuervorgangs positiv oder negativ verändert hat oder gleich geblieben ist. In Fortführung des aktuellen Beispiels erfasst es Kornverlustdaten, um anzuzeigen, ob die Kornverlustmetrik basierend auf der Einstellung der Gebläsegeschwindigkeit gesunken ist.
Die Remote-System-Interaktionslogik 332 verwendet das Kommunikationssystem 234, um Informationen an das Remote-Analyse-Computersystem 202 (und insbesondere an das lernende Analyse- und Steuersystem 267) zu übermitteln, so dass das System 267 die Wirksamkeit der Steuerregeln automatisch erlernen und entsprechend ändern kann. Daher kann beispielsweise die Remote-System-Interaktionslogik 332 das Kommunikationssystem 234 verwenden, um zu kommunizieren, wenn ein Auswertungsauslöser von Logik 320 erkannt wird, das Ergebnis der Regelauswertung von Logik 322, die besondere Empfehlung, die von Logik 324 ausgegeben wurde, ob der Bediener diese Empfehlung implementiert oder abgelehnt hat, wie von Logik 326 angezeigt, und jede Leistungsänderung, wie von Logik 328 angezeigt. In einem Beispiel kommuniziert die Remote-System-Interaktionslogik 332 die vor und nach der Implementierung des Steuervorgangs erfassten Leistungsdaten. In einem weiteren Beispiel kann die Leistungsvergleichslogik 334 die vor der Implementierung des Steuervorgangs erfassten Leistungsdaten mit den nach der Implementierung des Steuervorgangs erfassten Leistungsdaten vergleichen. Die Ergebnisse des Vergleichs zeigen veranschaulichend, ob die Leistung der Erntemaschine 100 in Bezug auf die jeweilige zu analysierende Leistungsmetrik (oder Leistungsmetriken) gestiegen oder gesunken ist, und das Ergebnis dieses Vergleichs kann durch die Remote-Interaktionslogik 332 an das entfernte Analyse- und Steuersystem 262 ausgegeben werden.
5 ist ein Blockdiagramm, das ein Beispiel für eine Remote-Analyselogik 262 näher beschreibt. 5 zeigt, dass in einem Beispiel die Remote-Analyselogik 262 die Multi-Maschinen-Aggregationslogik 304, die Flottennorm-Generatorlogik 306, die Gruppennorm-Generatorlogik 308 (z. B. ortsabhängige Gruppe oder andere Gruppe), die globale Norm-Generatorlogik 310, die Leistungsverteilungs- und Reichweiten-Generatorlogik 312 beinhaltet, und sie kann eine Vielzahl anderer Elemente 314 beinhalten. Die Multi-Maschinen-Aggregationslogik 304 aggregiert veranschaulichend Leistungsinformationen, die von mehreren von verschiedenen Mähdreschern (einschließlich Mähdrescher 100) empfangen wurden, und aggregiert diese Informationen, so dass sie gespeichert oder zum Vergleich oder zur anderen Verarbeitung abgerufen werden können. Die Flottennorm-Generatorlogik 306 erzeugt veranschaulichend eine Flottennorm-Metrik, die auf den durch die Logik 304 aggregierten Informationen mehrerer Maschinen basiert. Die Flottennorm-Metrik zeigt veranschaulichend die Leistung einer Flotte von Mähdreschern 100 an, die einer bestimmten Organisation entspricht, die derzeit das gleiche Erntegut wie der Mähdrescher 100 ernten, über die letzten 10 Stunden (oder einen anderen Zeitraum). So erzeugt die Flottennorm-Generatorlogik 306 in einem Beispiel eine Durchschnittsmetrik, die die Durchschnittsleistungsmetrik in jeder der vorstehend in Bezug auf 4 erläuterten Leistungskategorien für alle derzeit in der Flotte tätigen Mähdrescher angibt. Der Durchschnitt kann basierend auf den jeweiligen Leistungsmetrikwerten berechnet werden, die für alle diese Kombinationen über die letzten 10 Stunden aggregiert wurden.
Die Gruppen-(z. B. ortsbezogene Gruppe oder andere Gruppen) Norm-Generatorlogik 308 erzeugt veranschaulichend eine ähnliche Norm-Metrik, mit der Ausnahme, dass die Anzahl der Mähdrescher, über die die Metrik erzeugt wird, größer ist als die, die von der Flottennorm-Generatorlogik 306 verwendet wird. Stattdessen können Kombinationen, aus denen Daten gewonnen werden, um die Gruppennorm-Metrik zu erzeugen, Daten von mehreren Flotten oder anderen Gruppen beinhalten.
Die globale Norm-Generatorlogik 310 erzeugt einen ähnlichen Satz von Metriken (einen für jede der vorstehend beschriebenen in Bezug auf die 4 erläuterten Leistungskategorien), mit der Ausnahme, dass die Anzahl der Kombinationen, aus denen Daten zum Erzeugen der Metrik gewonnen werden, größer ist als die, die von der Gruppennorm-Generatorlogik 308 verwendet wird. In einem Beispiel kann beispielsweise die globale Norm-Generatorlogik 310 eine Leistungsmetrik basierend auf den Leistungsdaten aller Mähdrescher (die von einem Remote-Analyse-Computersystem 202 zugänglich sind) erzeugen, die weltweit ein bestimmtes Erntegut ernten. Die Metrik kann basierend auf den Daten erzeugt werden, die aus diesen Kombinationen über die letzten 10 Stunden (oder einen anderen Zeitraum) aggregiert wurden.
Die Leistungsverteilungs- und Reichweiten-Generatorlogik 312 identifiziert veranschaulichend eine statistische Verteilung der beobachteten Leistungswerte für Mähdrescher 100. Die statistische Verteilung kann in Form einer Glockenkurve erzeugt werden, so dass die Leistungswerte in Bereiche unterteilt werden, die einem hohen Leistungsbereich, einem mittleren Leistungsbereich und einem niedrigen Leistungsbereich entsprechen. Dies sind nur Beispiele.
Die Maximalleistungs-Generatorlogik 313 identifiziert veranschaulichend Maximalleistungs-Metriken basierend auf beobachteten Leistungswerten aus den Mähdreschern 100. Diese Maximalleistungs-Metriken können in Kategorien, Unterkategorien usw. unterteilt werden, basierend auf den Bedingungen, die bei der Berechnung der Leistungswerte vorhanden waren. So könnten beispielsweise maximale Metriken, die auf einem Feld eines bestimmten Ernteguttyps und einer Vielzahl ohne Down-Crop und Trockenboden gesammelt werden, kategorisch von maximalen Metriken unterschieden werden, die auf einem Feld mit demselben Kulturtyp und derselben Sorte, aber mit Down-Crop und anderen Bodenbedingungen gesammelt werden. Als weiteres Beispiel könnten maximale Metriken, die von einer großen Maschine mit neuem Modell gesammelt werden, kategorisch von maximalen Metriken unterschieden werden, die von einer älteren, kleineren Maschine gesammelt werden. Als weiteres Beispiel können maximale Metriken, die von einer Maschine mit Ketten gesammelt werden, kategorisch von maximalen Metriken unterschieden werden, die von derselben Modellmaschine mit Reifen anstelle von Ketten gesammelt werden.
Die Prioritätsidentifikationslogik 315 identifiziert veranschaulichend eine Prioritätseinstellung und erzeugt eine Empfehlung zur Änderung der Prioritätseinstellungen, um die identifizierten Ziele zu erreichen. So kann beispielsweise die Prioritätsempfehlungslogik 315 bestimmen, dass durch die Verwendung aktueller Prioritäts- und Aggressivitätseinstellungen ein großer Verlust in einer oder mehreren Leistungsmetriken bei sehr geringem Gewinn in einer priorisierten Metrik entsteht. In einem solchen Szenario kann die Logik 315 auch erkennen, dass ein Wechsel der Priorität von zwei sekundären Leistungsmetriken eine signifikante Verbesserung der Gesamtleistung bedeuten würde. Dementsprechend kann die Prioritätsempfehlungslogik 315 eine Empfehlung zur Änderung der Priorität oder Aggressivität auslösen. Als weiteres Beispiel kann die Prioritätsempfehlungslogik 315 Daten von einem Remote-Wettererkennungssystem empfangen, die anzeigen, dass sich ein Sturm nähert, und dass, basierend auf den aktuell gewählten Prioritäten, das Feld nicht vor der Ankunft des Sturms fertig gestellt werden kann. Sollte ein Bediener jedoch die oberste Priorität auf Produktivität ändern und den Kornverlust als Priorität entfernen, so wäre das Feld vor Eintreffen des Sturms fertig gestellt. In diesen Szenarien kann die Logik 315 eine empfohlene Änderung und, falls gewünscht, einen Grund für die Änderung ausgeben.
Die Maschinensteuereinstellungs-Generatorlogik 317 erzeugt veranschaulichend Empfehlungen für Maschineneinstellungen, Parameter und Konfigurationen, um die von einem Bediener gewählten Prioritäten zu erreichen. Maschineneinstellungen und Parameter können Drescherdrehzahlen, Gebläsedrehzahlen, Fördergeschwindigkeiten, Bodengeschwindigkeit, Sieb-, Häcksel- und Konkavabstände usw. beinhalten. Dies sind nur Beispiele. Maschinenkonfigurationen können Folgendes beinhalten: konkave Abdeckungen, Ketten gegenüber Reifen, Sammlertyp usw. Dies sind nur Beispiele. Die Maschinensteuereinstellungs-Generatorlogik 317 kann die Einstellungen basierend auf den Einstellungen und Konfigurationen, die von Maschinen in der Vergangenheit verwendet wurden, und den entsprechenden Leistungsmetriken, die sie erzeugt haben, bestimmen.
Die Maschineneinstellungs-Lernlogik 319 ist veranschaulichend eine maschinelle Lernkomponente, die von einem Bediener lernt, der die manuelle Steuerung einer Maschine übernimmt. Die Maschineneinstellungs-Lernlogik 319 kann vom Bediener eingeleitete Änderungen der Einstellungen erfassen und die Bedingungen und Ergebnisse dieser Änderungen aufzeichnen. Dies kann neue Einstellregeln auslösen, die Teil der Regelbasis eines Bedieners werden können, wenn es gelingt, die gewünschte Leistung der Maschine 100 zu erhöhen.
Die Maschineneinstellungs-Lernlogik 319 kann auch aus automatischen Maschinenänderungen lernen. Wenn beispielsweise eine Einstellungsänderung durch die Steuerautomatiklogik 245 implementiert wird und die Ergebnisse negativ statt positiv sind, dann lernt die Maschineneinstellungs-Lernlogik 319 daraus und steuert die Analyselogik 262, um diese Informationen bei der Weiterverarbeitung zu berücksichtigen. Natürlich lernt die Maschineneinstellungs-Lernlogik 319, wenn die Änderung der Einstellungen einen positiven Effekt hatte, dann auch dies. Da die Maschineneinstellungs-Lernlogik 319 mit einer großen Anzahl von Maschinen in Verbindung steht, kann sie nach einem maschinenübergreifenden Konsens unter Verwendung spezifischer Regel-/Maschineneinstellungen suchen und die Prioritäten basierend auf diesen Beobachtungen zentral ändern.
5A ist ein Blockdiagramm, das ein Beispiel für ein Remote-Analyse- und Steuersystem 262 näher beschreibt. Das System 262 beinhaltet veranschaulichend die Maschineninteraktionslogik 340, die Analyse-Auslöserlogik 342, den Datenspeicher 344 (der Maschinendaten 346 von mehreren von verschiedenen Erntemaschinen oder anderen Maschinen sowie andere Elemente 348 beinhalten kann), die Regeleffektivitätsanalysatorlogik 350, die Lernlogik 352, das automatisierte Steuerregelmodifikationsmodul 354, das Regeländerungs-(Synchronisations-)Modul 356, die Benutzerschnittstellenlogik 358 und kann eine Vielzahl anderer Elemente 360 beinhalten. 5A zeigt auch, dass ein Administrator oder Support-Techniker-Benutzer 362 mit dem Remote-Analytik- und Steuersystem 262 über die Benutzerschnittstellenlogik 358 interagieren kann.
Kurz gesagt, im Betrieb empfängt die Maschineninteraktionslogik 340 veranschaulichend die verschiedenen Maschinendaten aus dem Steuerempfehlungs- und Lernmodul 243 an der Erntemaschine 100 (und sie kann sie auch von mehreren von verschiedenen Erntemaschinen empfangen werden). Diese Informationen können als Maschinendaten 346 gespeichert werden.
Die Analyse-Auslöserlogik 342 bestimmt, ob ein Analyseauslöser erkannt wurde, was anzeigt, dass es an der Zeit ist, einen Analysevorgang durchzuführen, um zu bestimmen, ob eine der Steuerregeln geändert werden sollte. Die Regeleffektivitätsanalysatorlogik 350 beinhaltet die Implementierungsfrequenzlogik 364, die Regelleistungsbewertungslogik 366 und kann weitere Elemente 368 beinhalten. Die Logik 350 erkennt veranschaulichend die Wirksamkeit der verschiedenen Regeln, die auf der Erntemaschine 100 (und möglicherweise mehreren verschiedenen Erntemaschinen) ausgelöst wurden. Die Implementierungsfrequenzlogik 364 erkennt veranschaulichend, wie häufig eine bestimmte Regel implementiert wurde und wie oft sie ausgelöst oder zur Implementierung an den Bediener der Erntemaschine 100 empfohlen wurde. Die Regelleistungsbewertungslogik 366 bewertet die Leistung der Maschine vor und nach der Implementierung der Regel, um zu bestimmen, ob die Implementierung des der Regel entsprechenden Steuervorgangs wirksam war, um das Leistungsproblem zu lösen, für das die Regel ausgelöst wurde. Wenn beispielsweise das Leistungsproblem, das die Regel ausgelöst hat, darin bestand, dass der Kornverlust zu hoch war und der Steuervorgang die Siebgebläse-Drehzahl verringern sollte, dann bestimmt die Regelleistungsbewertungslogik 366, ob die Implementierung des Steuervorgangs, der der ausgelösten Regel entspricht, den Kornverlust wirksam reduziert hat.
Die Informationen aus den Logiken 364 und 366 werden veranschaulichend an die Lernlogik 352 ausgegeben, die bestimmt, ob eine der Steuerregeln geändert werden muss, basierend auf ihrer Wirksamkeit oder aus anderen Gründen. So beinhaltet die Lernlogik 352 veranschaulichend die Regelbewertungslogik 370, die Lückenidentifikatorlogik 372, die Anpassungseffizienzlogik 374, die Ausgabe-Generatorlogik 376 und kann weitere Elemente 378 beinhalten. Die Regelbewertungslogik 370 identifiziert, welche Regeln bei der Lösung von Leistungsproblemen am effektivsten sind. So kann beispielsweise erkannt werden, welche Regeln von den Bedienern am häufigsten umgesetzt wurden, als sie empfohlen wurden, und welche Regeln bei der Behebung des Leistungproblems, das zur Auslösung der zugrunde liegenden Steuerregel führte, am wirksamsten waren. Anhand dieser Informationen kann es eine Bewertung für die Regeln erzeugen. Wenn beispielsweise eine Regel bei der Behebung eines Leistungsproblems besonders wirksam ist, kann ihr Gewicht so geändert werden, dass es zuerst oder früher im Betrieb der Erntemaschine 100 ausgelöst wird, wenn dieses Leistungsproblem erfasst wird. Wenn dem Bediener der Erntemaschine 100 eine Reihe von Empfehlungen gegeben werden, kann die Bewertung anzeigen, welche dieser Empfehlungen ganz oben in der Liste aufgeführt ist, und die Reihenfolge der übrigen Empfehlungen. Wird dagegen der einer ausgelösten Regel entsprechende Steuervorgang oft vom Bediener abgelehnt (obwohl er empfohlen wird), kann die Bewertung für diese Regel herabgesetzt oder die Regel als störend gekennzeichnet werden.
Die Lückenidentifikatorlogik 372 identifiziert Leistungsprobleme, für die keine Steuerregeln existieren. So kann beispielsweise die Leistung der Erntemaschine 100 bei der Umsetzung einer der Regeln, die aufgrund eines Leistungsproblems empfohlen wurden, nicht günstig angepasst werden. In diesem Fall identifiziert die Lückenidentifikatorlogik 372 das jeweilige Leistungsproblem und charakterisiert dieses Leistungsproblem basierend auf der Leistungsbewertung durch die Regelleistungsbewertungslogik 366 und liefert einen Hinweis darauf, dass keine Regel ausgelöst und implementiert wurde, die das Leistungsproblem behoben oder aufgezeigt hat.
Die Anpassungseffizienzlogik 374 identifiziert eine Effizienz, mit der jede ausgelöste Regel das Leistungsproblem bearbeitet. Wenn die Leistung beispielsweise darin besteht, dass der Kornverlust zu hoch ist und eine Regel einen entsprechenden Steuervorgang zur Reduzierung der Siebgebläse-Drehzahl auslöst, kann es sein, dass diese spezielle Regel dreimal ausgelöst werden musste und die Gebläse-Drehzahl vom Bediener dreimal reduziert wurde, bevor die Regel das Leistungsproblem behebt. Die Effizienz der Regel bei der Behebung des Leistungsproblems kann auf diese Weise und auf andere Weise durch die Anpassungseffizienzlogik 374 erkannt werden.
Die Ausgabe-Generatorlogik 376 erzeugt veranschaulichend eine Lernausgabe aus der Lernlogik 352, die die verschiedenen durch die Logik 352 identifizierten Elemente anzeigt. So kann beispielsweise die Ausgabe eine Änderung der Regelbewertung oder des Gewichts erkennen. Sie kann eine Charakterisierung von Lücken beinhalten, für die keine Steuerregeln existieren. Sie kann eine Ausgabe erzeugen, die den Wirkungsgrad angibt, mit dem ein Steuervorgang (entsprechend einer ausgelösten Steuerregel) das Leistungsproblem, das diesen ausgelöst hat, behebt, und sie kann auch andere Elemente beinhalten.
Das automatisierte Steuerregelmodifikationsmodul 354 ändert automatisch die Steuerregeln, basierend auf der Lernausgabe, die durch die Ausgabe-Generatorlogik 376 erzeugt wird. Das Modul 354 beinhaltet veranschaulichend die Regeladditions-/Entfernungslogik 380, die Regelpriorisierungslogik 382 und kann eine Vielzahl weiterer Elemente 384 beinhalten. Die Regeladditions-/Entfernungslogik 380 erzeugt veranschaulichend neue Regeln, die hinzugefügt werden können, um die durch die Lückenidentifikatorlogik 372 identifizierten Lücken zu schließen. Sie kann auch eine Benutzererfahrung auf der Benutzerschnittstellenlogik 358 erzeugen, so dass ein Support-Techniker 362 über die Lücken informiert wird, für die keine Regeln existieren, und manuell eine neue Regel erzeugen kann, um die Lücke zu schließen. Logik 380 kann auch Steuerregeln entfernen, die zur Entfernung vorgemerkt wurden. Wenn beispielsweise die Regelbewertungslogik 370 erkennt, dass eine bestimmte Regel relativ häufig ausgelöst wurde, dass aber der entsprechende, empfohlene Steuervorgang wiederholt vom Bediener abgelehnt wurde, kann dies darauf hindeuten, dass die Empfehlung eher eine Belästigung als eine Hilfe ist. In diesem Fall kann die Regel durch Logik 380 stark ungewichtet oder entfernt werden.
Die Regelpriorisierungslogik 382 ordnet Regeln (oder passt ihre Auslösergewichte oder die Gewichte, die eine Reihenfolge angeben, in der sie dem Bediener präsentiert werden) anhand der Ausgabe der Ausgabe-Generatorlogik 376 neu an. Wenn eine Regel häufig umgesetzt wird, wenn ihr Steuervorgang dem Bediener empfohlen wird und wenn diese Regel sehr effektiv und effizient ist, um das Leistungsproblem, für das die Regel ausgelöst wurde, anzugehen, dann wird die Regelpriorisierungslogik 382 die Priorität dieser Regel veranschaulichend erhöhen, so dass ihre Empfehlung dem Bediener früher und mit einem höheren Rang angezeigt wird als die Empfehlungen, die anderen Regeln entsprechen, die eine niedrigere Bewertung aufweisen können.
Das Regelsynchronisationsmodul 356 synchronisiert dann intermittierend die angepassten Regeln für die verschiedenen Erntemaschinen 100, die basierend auf diesen Regeln gesteuert werden. Die Synchronisation kann intermittierend, periodisch, bei Erreichen eines Synchronisationsauslösers (z. B. wenn eine ausreichende Anzahl von Regeln geändert, hinzugefügt, gelöscht usw. wurden) oder anderweitig durchgeführt werden.
6A und 6B veranschaulichen ein Ablaufdiagramm, das ein Beispiel für den Betrieb des Steuerempfehlungs- und Lernmoduls 243 an der Erntemaschine 100 zeigt, indem sie Daten sammeln und an das Remote-Analyse- und Steuersystem 262 senden, wenn Regeln ausgelöst und verworfen oder an der Erntemaschine 100 implementiert werden. Die Auswertungs-Auslöserlogik 320 empfängt zunächst Leistungsmetriken und andere Informationen, die von der Leistungsmetrik-Generatorlogik 242 erzeugt werden, und bestimmt, ob es an der Zeit ist, Regeländerungen von dem Remote-Analyse- und Steuersystem 262 auf die Erntemaschine 100 zu synchronisieren. Das Empfangen der Leistungsmetriken wird durch Block 400 angezeigt und das Bestimmen, ob es an der Zeit ist, Updates zu synchronisieren, wird durch Block 402 angezeigt. Wenn es an der Zeit ist, Regel-Updates der Steuerregeln zu synchronisieren, dann interagiert die Remote-System-Interaktionslogik 332 mit dem Regelsynchronisationsmodul 356 auf System 262 und synchronisiert die neuen und/oder aktualisierten Steuerregeln mit der Erntemaschine 100. Dies wird durch Block 404 angezeigt.
Die Auswertungs-Auslöserlogik 320 bestimmt dann, ob es an der Zeit ist, die Regeln auszuwerten, um zu erkennen, ob Regeln ausgelöst werden. Dies wird durch Block 406 im Ablaufdiagramm von 6A angezeigt. Ein Regelauswertungsauslöser kann ein zeitbasierter Auslöser, ein leistungsbasierter Auslöser (so dass, wenn sich eine Leistungsmetrik um einen bestimmten Schwellenwert ändert, eine Bewertung durchgeführt wird) oder auf einer Vielzahl anderer Auslöser basieren. Wenn nicht, fährt der Betrieb mit Block 400 fort, wo die Leistungsmetriken erneut empfangen werden.
Wenn jedoch bei Block 406 die Auswertungs-Auslöserlogik 320 bestimmt, dass es an der Zeit ist, eine Regelauswertung durchzuführen, wertet die Regelauswertungslogik 322 die Steuerregeln 233 anhand der verschiedenen Leistungsmetriken und anderer empfangener Sensordaten aus. Die Auswertung der Steuerregeln wird durch Block 408 im Ablaufdiagramm von 6 angezeigt.
Wird keine Regel ausgelöst, kehrt die Verarbeitung bei Block 410 wieder zu Block 400 zurück. Wenn jedoch bei Block 410 bestimmt wird, dass mindestens eine der Steuerregeln 233 ausgelöst wurde, steuert die Regelauswertungslogik 322 die Remote-System-Interaktionslogik 332 und das Kommunikationssystem 234, um die Regel und die Tatsache, dass sie ausgelöst wurde, an das System 262 zu übermitteln. Dies wird durch Block 412 angezeigt. Die Empfehlungsausgabe-/Oberflächenlogik 324 gibt dann die der/den ausgelösten Regel(en) entsprechende Empfehlung an den Bediener 212 aus. Dies wird durch Block 414 angezeigt. Die Leistungserfassungs- und Aufzeichnungslogik 328 erfasst und speichert dann die Leistungsdaten, die für diese Regel erfasst werden sollen. Dies wird durch Block 416 angezeigt. So können beispielsweise die Leistungsdaten einen Gesamtleistungswert für Maschine 100 beinhalten, wie in Block 418 angezeigt. Sie kann die einzelnen Leistungsmetriken 420 beinhalten. Sie kann eine Vielzahl verschiedener Arten von Sensordaten 422 und andere Elemente 424 beinhalten.
Sobald die Leistungsdaten erfasst sind, erkennt die Bedienerinteraktions-Erfassungslogik 326 die Interaktion des Bedieners mit der Empfehlung, die basierend auf der ausgelösten Regel ausgegeben wurde. Dies wird durch Block 426 im Ablaufdiagramm von 6 angezeigt. Diese Interaktionen können eine Vielzahl von verschiedenen Formen annehmen. So kann beispielsweise der Bediener die empfohlene Maßnahme umsetzen. Der Bediener kann die Maßnahme abweisen, oder der Bediener kann keine Maßnahmen ergreifen. Wenn der Bediener die empfohlene Maßnahme abgelehnt hat oder wenn die Bedienerinteraktions-Erfassungslogik 326 nach einer bestimmten Zeit erfasst, dass der Bediener die empfohlene Maßnahme nicht umgesetzt hat (wie in Block 428 angezeigt), kann sie die Remote-System-Interaktionslogik 332 und das Kommunikationssystem 234 steuern, um mit dem Remote-Analyse- und Steuersystem 262 über die Maschineninteraktionslogik 340 zu kommunizieren, um dies anzuzeigen. So kann sie beispielsweise eine „Keine Maßnahme“-Anzeige an das Remote-Analyse- und Steuersystem 262 senden, die angibt, welche Empfehlung ausgegeben ist und dass der Bediener sie nicht umgesetzt hat. Dies wird durch Block 430 im Ablaufdiagramm von 6 angezeigt.
Wenn jedoch bei Block 428 bestimmt wird, dass der Bediener tatsächlich den empfohlenen Steuervorgang implementiert hat, kann die Steuerautomatiklogik 245 die steuerbaren Subsysteme 226 (unter Verwendung des Steuersystems 224 oder anderweitig) automatisch steuern, um den Steuervorgang oder die Einstellung entsprechend der ausgelösten Regel (und entsprechend der Empfehlung) durchzuführen. Dies wird durch Block 432 angezeigt. Es kann auch sein, dass der Bediener bei Block 432 die Maßnahme ausführt. Der empfohlene Vorgang kann stattfinden, um die Drehzahl des Siebgebläses zu reduzieren. Der Bediener kann dies manuell tun, und das kann durch die Bedienerinteraktions-Erfassungslogik 326 erfasst werden. Der Steuervorgang oder die Einstellung kann auch auf andere Weise erfolgen.
Die regelbasierte Timerlogik 330 identifiziert dann eine Timeout-Periode, die der ausgelösten Regel entspricht, und steuert das System 328, um auf diese Timeout-Periode zu warten, bevor es die Leistungsdaten der Erntemaschine 100 erneut erfasst und speichert. Das Warten auf die Timeout-Periode wird durch Block 434 und das Erfassen und Speichern der Leistungsdaten durch Block 436 angezeigt. An diesem Punkt kann die Remote-System-Interaktionslogik 332 beide Sätze von Leistungsdaten senden (die vor dem Steuervorgang erfassten Daten und die nach Ablauf der Zeitspanne erfassten Daten), oder sie kann die Leistungsdaten an die Leistungsvergleichslogik 334 vorsehen, die den Effekt (in der Leistung) der Durchführung des Steuervorgangs oder der Anpassung entsprechend der ausgelösten Regel identifiziert. Das Identifizieren des Leistungseffekts wird durch Block 438 angezeigt.
Die Remote-System-Interaktionslogik 332 steuert dann das Kommunikationssystem 234, um die Leistungswirkung an das Remote-Analyse- und Steuersystem 262 zu kommunizieren. Dies wird durch Block 440 im Ablaufdiagramm von 6 angezeigt. Wenn der Betrieb der Erntemaschine 100 nicht abgeschlossen ist, kehrt die Verarbeitung zu Block 400 zurück. Dies wird durch Block 442 angezeigt.
7A und 7B (hierin gemeinsam als 7 bezeichnet) veranschaulichen ein Ablaufdiagramm, das den Betrieb des Remote-Analyse- und Steuersystems 262 näher beschreibt. Die Maschineninteraktionslogik 340 interagiert mit der Erntemaschine 100 (und möglicherweise anderen Erntemaschinen), um Maschinendaten 344 zu erhalten und zu speichern. Die Maschinendaten können Daten sein, die vorstehend in Bezug auf 4A erläutert wurden und durch ein Steuerempfehlungs- und Lernmodul 243 erzeugt wurden. Die Analyse-Auslöserlogik 342 bestimmt dann, ob ein Auslöser erfasst wird, um eine Analyse und einen Lernvorgang der empfangenen Daten durchzuführen. Dies wird durch den Block 444 in 7 angezeigt. Die Auslöser können eine Vielzahl von verschiedenen Formen annehmen. Wenn beispielsweise eine Schwellenwertmenge an neuen Maschinendaten empfangen wurde, kann dies als Analyseauslöser erfasst werden, was durch Block 446 angezeigt wird. Der Auslöser kann ein zeitabhängiger Auslöser sein, wobei in diesem Fall ein Analyse- und Lernvorgang periodisch oder intermittierend durchgeführt wird. Dies wird durch Block 448 angezeigt. Er kann auch eine Vielzahl anderer Auslöserkriterien sein, was durch Block 450 angezeigt wird.
Sobald der Auslöser der Datenanalyse erfasst wurde, wird die Regeleffektivitätsanalysatorlogik 350 gesteuert, um eine Regelpotenzialanalyse durchzuführen. Dies wird durch Block 452 angezeigt. So identifiziert beispielsweise die Implementierungsfrequenzlogik 364 veranschaulichend die Regelausgabe-/Implementierungsfrequenz, wie sie in Block 454 angezeigt ist. Beispielsweise kann sie die Häufigkeit, mit der eine Regel ausgelöst wird, identifizieren und der entsprechende Steuervorgang wird dem Bediener empfohlen. Es kann auch die Häufigkeit identifizieren, mit der der Bediener den empfohlenen Vorgang durchführt, ihn ablehnt oder keine Maßnahmen ergreift.
Die Regelleistungsbewertungslogik 366 identifiziert eine Leistungsänderung basierend auf der Regelimplementierung (z. B. basierend auf dem Bediener, der den von der Regel empfohlenen Vorgang implementiert). Dies wird durch Block 456 angezeigt. Die Wirksamkeitsanalyse kann auch eine Vielzahl anderer Formen annehmen, was durch Block 458 angezeigt wird.
Das System 262 steuert dann die Lernlogik 352, um einen Lernvorgang basierend auf der von Logik 350 erzeugten Effektivitätsanalyse durchzuführen, und er kann auch auf anderen Elementen basieren. Das Durchführen des Lernvorgangs wird durch Block 460 angezeigt. Die Regelbewertungslogik 370 kann die Regeln basierend auf der Häufigkeit der Nutzung, der Leistungsänderung usw. bewerten oder priorisieren. Dies wird durch Block 462 angezeigt. Die Lückenidentifikatorlogik 372 kann Maschinen-Steuerlücken in den Steuerregeln identifizieren. Dadurch können Bereiche identifiziert werden, in denen Leistungsprobleme auftreten und in denen keine Regel zur Lösung des Leistungsproblems wirksam war. Das Identifizieren der Lücken wird durch Block 464 angezeigt.
Die Anpassungseffizienzlogik 374 identifiziert die Reaktionsfähigkeit von Steueregeln bei der Lösung von Leistungsproblemen. Dies wird durch Block 468 angezeigt. Der Lernvorgang kann auch auf andere Weise durchgeführt werden, was durch Block 470 angezeigt wird.
Die Ausgabe-Generatorlogik 376 erzeugt dann eine Ausgabe, die auf dem durchgeführten Lernvorgang basiert. Dies wird durch Block 472 angezeigt. Die Ausgabe kann die Einstellungen der Regelordnung (oder des Auslösergewichts) steuern. Dies wird durch Block 474 angezeigt. Die Ausgabe kann eine Änderung des regelbasierten Steuervorgangs anzeigen, der durchgeführt wird, wenn eine Regel ausgelöst wird. Dies wird durch Block 476 angezeigt. Wenn beispielsweise die Effizienz der Regel darauf hindeutet, dass sie mehrfach implementiert werden musste, um das Leistungsproblem zu lösen, kann der der Regel entsprechende Einstellungsumfang jedes Mal erhöht werden, wenn der Steuervorgang für diese Regel durchgeführt wird. Wenn beispielsweise die Gebläsedrehzahl um einen bestimmten Drehzahlwert oder Prozentsatz verringert werden soll, kann der Steuervorgang so eingestellt werden, dass die abnehmende Gebläsedrehzahl um einen größeren Drehzahlwert oder Prozentsatz vorgegeben wird. Dies ist nur ein Beispiel.
Die Ausgabe kann an die Benutzerschnittstellenlogik 358 vorgesehen werden, um eine automatisierte Benutzererfahrung durchzuführen, so dass ein Support-Techniker-Benutzer 362 Regeln basierend auf den identifizierten Lücken in den Steuerregeln erzeugen kann. Dies wird durch Block 478 angezeigt. Die Ausgabe kann Regeln identifizieren, die hinzugefügt oder gelöscht werden müssen, wie in Block 480 angezeigt. Die Ausgabe kann auch eine Vielzahl anderer Formen annehmen, wie in Block 482 angezeigt.
Es kann sein, dass ein Support-Techniker-Benutzer 362 Eingaben für das System vorsieht, die auf den von der Benutzerschnittstellenlogik 358 erzeugten Ausgaben basieren. In diesem Fall werden diese Benutzereingaben durch die Logik 358 erfasst, wie durch Block 484 angezeigt.
Das automatisierte Steuerregelmodifikationsmodul 354 aktualisiert dann automatisch die Steuerregeln. So kann es beispielsweise die Regeln basierend auf der von der Ausgabe-Generatorlogik 376 erzeugten Lernlogikausgabe und den erfassten Benutzereingaben des Support-Technikers, wie in Block 484 angezeigt, ändern. Die automatische Aktualisierung oder Änderung der Steuerregeln wird durch Block 486 im Ablaufdiagramm von 7 angezeigt.
Das Regelsynchronisationsmodul 356 wird irgendwann bestimmen, dass es an der Zeit ist, die aktualisierten oder geänderten Regeln bis zu der Erntemaschine 100 (und möglicherweise anderen Erntemaschinen) zu synchronisieren. In diesem Fall verwendet sie die Maschineninteraktionslogik 340, um die aktualisierten Regeln mit den verschiedenen Maschinen zu synchronisieren. Das Bestimmen, ob es an der Zeit ist, Regeln zu synchronisieren, wird durch Block 488 und das Durchführen einer Synchronisation durch Block 490 angezeigt. Dabei kann sie alle Steuerregeln synchronisieren oder nur die Änderungen an den Steuerregeln. Sie kann die Regeln auch auf andere Weise synchronisieren.
Wenn weitere Verarbeitungen durchgeführt werden sollen, geht der Betrieb des Systems 262 zu Block 444 zurück. Dies wird durch Block 492 angezeigt.
So ist zu erkennen, dass das System automatisch lernt, welche Regeln verwendet werden und welche effektiv und effizient sind. Es identifiziert Lücken in den Steuerregeln, so dass zusätzliche Regeln für eine umfassendere Maschinensteuerung hinzugefügt werden können. Es kann die Regeln neu anordnen oder ändern, so dass zuerst die effektivsten Regeln ausgelöst werden oder dass ihre Steuervorgänge zuerst empfohlen werden. Dies verbessert den Betrieb der Erntemaschine 100 und den Betrieb des Systems beim Erzeugen von Steuerregeln.
Außerdem zeigen die FIG. eine Reihe von Blöcken mit Funktionen, die jedem Block zugeordnet sind. Es wird darauf hingewiesen, dass weniger Blöcke verwendet werden können, so dass die Funktionalität von weniger Komponenten übernommen wird. Außerdem können mehr Blöcke verwendet werden, wobei die Funktionalität auf mehrere Komponenten verteilt ist.
8 ist ein Blockdiagramm der Architektur 200, dargestellt in 2, mit der Ausnahme, dass sie mit Elementen in einer Remote-Serverarchitektur 500 kommuniziert. In einem Beispiel kann die entfernte Serverarchitektur 500 Rechen-, Software-, Datenzugriffs- und Speicherdienste bereitstellen, die keine Kenntnisse des Endbenutzers über den physischen Standort oder die Konfiguration des Systems erfordern, das die Dienste bereitstellt. In verschiedenen Ausführungsformen können entfernte Server die Dienste über ein Weitverkehrsnetzwerk, wie etwa das Internet, unter Verwendung geeigneter Protokolle bereitstellen. So können beispielsweise entfernte Server Anwendungen über ein Weitverkehrsnetzwerk bereitstellen und über einen Webbrowser oder eine andere Computerkomponente darauf zugreifen. Software oder Komponenten, die in 2 dargestellt sind, sowie die entsprechenden Daten können auf Servern an einem entfernten Ort gespeichert werden. Die Computerressourcen in einer entfernten Serverumgebung können an einem entfernten Standort des Rechenzentrums konsolidiert oder verteilt werden. Entfernte Server-Infrastrukturen können Dienste über gemeinsam genutzte Rechenzentren bereitstellen, obwohl sie für den Benutzer als ein einziger Zugangspunkt erscheinen. Somit können die hierin beschriebenen Komponenten und Funktionen von einem entfernten Server an einem entfernten Ort über eine entfernte Server-Architektur bereitgestellt werden. Alternativ können sie von einem herkömmlichen Server bereitgestellt werden, oder sie können direkt auf Endgeräten oder auf andere Weise installiert werden.
In dem in 8 dargestellten Beispiel sind einige Elemente den in 2 dargestellten Elementen ähnlich und ähnlich nummeriert. 8 zeigt insbesondere, dass die Architektur mehrere Mähdrescher 100-100' mit jeweils einem eigenen lokalen Bediener 212-212' beinhalten kann. 8 zeigt auch, dass das Remote-Analyse-Computersystem 202 an einem Remote-Serverstandort 502 lokalisiert werden kann. Daher greifen die Mähdrescher 100-100' und das Computersystem 204 für entfernte Benutzer auf diese Systeme über den Remote-Serverstandort 502 zu.
8 zeigt auch ein weiteres Beispiel für eine Remote-Serverarchitektur. 8 zeigt, dass auch vorgesehen ist, dass einige Elemente von 2 an dem Remote-Serverstandort 502 angeordnet sind, während andere dort nicht angeordnet sind. So kann beispielsweise die Leistungsmetrik-Generatorlogik 242 im System 202 anstelle oder zusätzlich zu den Mähdreschern angeordnet werden. Sie kann die Leistungsmetriken an die Mähdrescher, an das Computersystem 204 für entfernte Benutzer oder an andere Systeme übermitteln. Die Remote-Analyselogik 262 und der Datenspeicher 264 können an einem von Standort 502 getrennten Standort angeordnet sein und über den entfernten Server an Standort 502 zugegriffen. Unabhängig davon, wo sie sich befinden, kann direkt auf sie von dem Mähdrescher 100 über ein Netzwerk (entweder ein Weitverkehrsnetzwerk oder ein lokales Netzwerk) zugegriffen werden, können sie an einem entfernten Standort von einem Dienst gehostet werden, oder können sie als Dienst bereitgestellt oder von einem Verbindungsdienst zugegriffen werden, der sich an einem entfernten Standort befindet. Außerdem können die Daten an nahezu jedem Ort gespeichert und zeitweise von Interessenten abgerufen oder an diese weitergeleitet werden. So können beispielsweise physikalische Träger anstelle oder zusätzlich zu elektromagnetischen Strahlungsträgern verwendet werden. In einem solchen Beispiel, in dem die Mobilnetzabdeckung schlecht oder nicht vorhanden ist, kann eine andere mobile Maschine (wie etwa ein Traktor und Getreidewagen) über ein automatisiertes Informationserfassungssystem verfügen. Da sich der Mähdrescher zum Entladen dem Traktor und dem Kornwagen nähert, sammelt das System automatisch die Informationen von der Erntemaschine über jede Art von drahtloser Ad-hoc-Verbindung. Die gesammelten Informationen können dann an ein anderes Fahrzeug (z. B. einen Sattelschlepper) oder an das Hauptnetz weitergeleitet werden, wenn der Traktor einen Ort erreicht, an dem eine Mobilfunkabdeckung (oder eine andere drahtlose Abdeckung) besteht. So kann der Traktor beispielsweise beim Fahren zu einem Sattelschlepper oder zu anderen Maschinen einen abgedeckten Standort erreichen. Alle diese Architekturen werden hierin betrachtet. Darüber hinaus können die Informationen auf dem Mähdrescher gespeichert werden, bis der Mähdrescher einen abgedeckten Standort erreicht. Der Mähdrescher selbst kann dann die Informationen an das Hauptnetzwerk senden.
Es wird auch darauf hingewiesen, dass die Elemente von 2 oder Teile davon auf einer Vielzahl von verschiedenen Vorrichtungen angeordnet werden können. Einige dieser Vorrichtungen beinhalten Server, Desktop-Computer, Laptops, Tablet-Computer oder andere mobile Geräte, wie etwa Palmtop-Computer, Mobiltelefone, Smartphones, Multimedia-Player, persönliche digitale Assistenten usw.
9 ist ein vereinfachtes Blockdiagramm eines veranschaulichenden Beispiels einer tragbaren oder mobilen Computervorrichtung, das als tragbare Vorrichtung 16 eines Benutzers oder Kunden verwendet werden kann, in dem das vorliegende System (oder Teile davon) eingesetzt werden kann. So kann beispielsweise eine mobile Vorrichtung als Remote-Benutzer-Computersystem 202 in der Fahrerkabine des Mähdreschers 100 eingesetzt werden, um die hierin erläuterten Informationen zu erzeugen, zu verarbeiten oder anzuzeigen und die Steuerschnittstelle zu erzeugen. 10-11 sind Beispiele für tragbare oder mobile Vorrichtungen.
9 stellt ein allgemeines Blockdiagramm der Komponenten einer Endgerät-Vorrichtung 16 bereit, die einige der in 2 dargestellten Komponenten ausführen kann, die mit ihnen interagieren, oder beides. In der Vorrichtung 16 ist eine Kommunikationsverbindung 13 vorgesehen, die es der tragbaren Vorrichtung ermöglicht, mit anderen Computervorrichtungen zu kommunizieren, und die in einigen Beispielen einen Kanal zum automatischen Empfangen von Informationen, beispielsweise durch Scannen, vorsieht. Beispiele für Kommunikationsverbindungen 13 beinhalten das Zulassen der Kommunikation über ein oder mehrere Kommunikationsprotokolle, wie etwa drahtlose Dienste, die verwendet werden, um einen zellularen Zugang zu einem Netzwerk zu ermöglichen, sowie Protokolle, die lokale drahtlose Verbindungen zu Netzwerken bereitstellen.
In anderen Beispielen können Anwendungen auf einer entfernbaren „Secure Digital“-(SD-)Karte empfangen werden, die mit einer Schnittstelle 15 verbunden ist. Die Schnittstelle 15 und die Kommunikationsverbindungen 13 kommunizieren mit einem Prozessor 17 (der auch die Prozessoren oder Server aus den vorhergehenden FIG. verkörpern kann) über einen Bus 19, der ebenfalls mit dem Speicher 21 und den Ein-/Ausgabekomponenten (E/A) 23 sowie dem Taktgeber 25 und dem Ortungssystem 27 verbunden ist.
E/A-Komponenten 23 sind in einer Ausführungsform vorgesehen, um Ein- und Ausgabeoperationen zu erleichtern. E/A-Komponenten 23 für verschiedene Ausführungsformen der Vorrichtung 16 können Eingabekomponenten, wie etwa Tasten, Tastsensoren, optische Sensoren, Mikrofone, Touchscreens, Näherungssensoren, Beschleunigungssensoren, Orientierungssensoren, und Ausgabekomponenten, wie etwa eine Anzeigevorrichtung, ein Lautsprecher und/oder ein Druckeranschluss beinhalten. Es können auch andere E/A-Komponenten 23 verwendet werden.
Der Taktgeber 25 umfasst veranschaulichend eine Echtzeituhrkomponente, die eine Uhrzeit und ein Datum ausgibt. Dieser kann auch, veranschaulichend, Timing-Funktionen für Prozessor 17 bereitstellen.
Das Ortungssystem 27 beinhaltet veranschaulichend eine Komponente, die eine aktuelle geografische Position der Vorrichtung 16 ausgibt. Dies kann beispielsweise einen globalen Positionierungssystem-(GPS-)Empfänger, ein LORAN-System, ein Koppelnavigationssystem, ein zellulares Triangulationssystems oder ein anderes Positionierungssystems beinhalten. Es kann beispielsweise auch eine Karten- oder Navigationssoftware beinhalten, die gewünschte Karten, Navigationsrouten und andere geografische Funktionen erzeugt.
Speicher 21 speichert Betriebssystem 29, Netzwerkeinstellungen 31, Anwendungen 33, Anwendungskonfigurationseinstellungen 35, Datenspeicher 37, Kommunikationstreiber 39 und Kommunikationskonfigurationseinstellungen 41. Der Speicher 21 kann alle Arten von greifbaren flüchtigen und nicht-flüchtigen computerlesbaren Speichervorrichtungen beinhalten. Er kann auch Computerspeichermedien beinhalten (siehe unten). Der Speicher 21 speichert computerlesbare Anweisungen, die, wenn sie von Prozessor 17 ausgeführt werden, den Prozessor veranlassen, computerimplementierte Schritte oder Funktionen gemäß den Anweisungen auszuführen. Der Prozessor 17 kann von anderen Komponenten aktiviert werden, um auch deren Funktionalität zu verbessern.
10 zeigt ein Beispiel, bei dem die Vorrichtung 16 ein Tablet-Computer 600 ist. In 10 wird der Computer 600 mit dem Bildschirm 602 der Benutzerschnittstelle dargestellt. Der Bildschirm 602 kann ein Touchscreen oder eine stiftfähige Schnittstelle sein, die Eingaben von einem Stift oder Stylus empfängt. Er kann auch eine virtuelle Bildschirmtastatur verwenden. Natürlich kann er auch über einen geeigneten Befestigungsmechanismus, wie etwa eine drahtlose Verbindung oder einen USB-Anschluss, an eine Tastatur oder eine andere Benutzereingabevorrichtung angeschlossen werden. Der Computer 600 kann auch veranschaulichend Spracheingaben empfangen.
11 zeigt, dass die Vorrichtung ein Smartphone 71 sein kann. Das Smartphone 71 verfügt über ein berührungsempfindliches Display 73, das Symbole oder Grafiken oder andere Benutzereingabemechanismen 75 anzeigt. Die Mechanismen 75 können von einem Benutzer verwendet werden, um Anwendungen auszuführen, Anrufe zu tätigen, Datenübertragungsvorgänge durchzuführen usw. Im Allgemeinen ist das Smartphone 71 auf einem mobilen Betriebssystem aufgebaut und bietet eine fortschrittlichere Rechenleistung und Konnektivität als ein Funktionstelefon.
Es ist zu beachten, dass andere Formen der Vorrichtung 16 möglich sind.
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 9892376 B2 [0046]
US 2015/0199360 A1 [0046]
US 2015/0199630 A1 [0046]
US 2015/0199775 A1 [0046]
US 2016/0078391 A1 [0046]

Claims

Mobiles Maschinencomputersystem, umfassend: Maschineninteraktionslogik (340), die zum Empfangen von Maschinendaten von einer mobilen Maschine (100) angeordnet ist, wobei die Maschinendaten Steuerregelimplementierungsdaten beinhalten, die anzeigen, ob ein Steuervorgang, der einer auf der mobilen Maschine (100) ausgelösten Steuerregel entspricht, von einem Bediener (212) der mobilen Maschine (100) implementiert wurde, und Leistungsdaten, die einen Einfluss auf die Maschinenleistung der mobilen Maschine (100) basierend auf der Implementierung des Steuervorgangs anzeigen; Regeleffektivitätsanalysatorlogik (35), die angepasst ist, um die Maschinendaten zu empfangen, und eine Regeleffektivitätsausgabe für die Steuerregel basierend auf den Maschinendaten erzeugt; Lernlogik (352), die angepasst ist, um eine Regelbewertungsausgabe zu erzeugen, die der Steuerregel entspricht, und eine Regelbewertung basierend auf der Effektivitätsausgabe anzeigt; ein automatisiertes Steuerregelmodifikationsmodul (354), das angepasst ist, um einen Satz von Steuerregeln basierend auf der Regelbewertungsausgabe automatisch zu modifizieren; und ein Regelaktualisierungsmodul (356), das angepasst ist, um den geänderten Satz von Steuerregeln automatisch auf die mobile Maschine zu aktualisieren.
Mobiles Maschinencomputersystem nach Anspruch 1, wobei die Regeleffektivitätsanalysatorlogik umfasst: Implementierungsfrequenzlogik, die konfiguriert ist, um aus den Implementierungsdaten der Steuerregel eine Frequenz zu identifizieren, mit der der der Steuerregel entsprechende Steuervorgang vom Bediener implementiert wurde, wenn die Steuerregel auf der mobilen Maschine ausgelöst wurde, und eine Frequenz des Implementierungsausgabesignals zu erzeugen.
Mobiles Maschinencomputersystem nach Anspruch 2, wobei die Regeleffektivitätsanalysatorlogik umfasst: Regelleistungsbewertungslogik, die konfiguriert ist, um Leistungsdaten zu empfangen, die die Maschinenleistung vor der Implementierung des Steuervorgangs entsprechend der ausgelösten Regel auf der mobilen Maschine anzeigen, und Leistungsdaten, die die Maschinenleistung nach der Implementierung des Steuervorgangs entsprechend der ausgelösten Regel auf der mobilen Maschine anzeigen, und ein Leistungsvergleich-Ausgabesignal zu erzeugen.
Mobiles Maschinencomputersystem nach Anspruch 3, wobei die Regeleffektivitätsanalysatorlogik konfiguriert ist, um die Regeleffektivitätsausgabe basierend auf dem Leistungsvergleich-Ausgabesignal und der Frequenz des Implementierungsausgabesignals zu erzeugen.
Mobiles Maschinencomputersystem nach Anspruch 1, wobei das automatisierte Steuerregelmodifikationsmodul umfasst: Regelpriorisierungslogik, die konfiguriert ist, um Steuerregeln im Satz von Steuerregeln basierend auf der Regelbewertungsausgabe zu ändern, um eine Priorität zu ändern, mit der die Steuerregeln im Satz von Steuerregeln durch die Leistungsdaten ausgelöst werden und entsprechende Steuervorgänge für den Bediener ausgegeben werden.
Mobiles Maschinencomputersystem nach Anspruch 1, wobei das automatisierte Steuerregelmodifikationsmodul umfasst: Regelentfernungslogik, die konfiguriert ist, um die Steuerregel automatisch aus dem Satz von Steuerregeln basierend auf der Regeleffektivitätsausgabe zu entfernen.
Mobiles Maschinencomputersystem nach Anspruch 1, wobei die Lernlogik umfasst: Lückenidentifikatorlogik, die konfiguriert ist, um als Lücke der Steuerregel einen Bereich der Leistungsverbesserung für die mobile Maschine zu identifizieren, für den keine wirksame Steuerregel im Satz der Steuerregeln vorhanden ist.
Mobiles Maschinencomputersystem nach Anspruch 1 und ferner umfassend: Analyse-Auslöserlogik, die konfiguriert ist, um einen Analyse-Auslöser zu erfassen und eine durch den Auslöser erfasste Ausgabe zu erzeugen, wobei die Regeleffektivitätsanalysatorlogik die Regeleffektivitätsausgabe basierend auf der durch den Auslöser erfassten Ausgabe erzeugt.
Mobile Arbeitsmaschine (100), umfassend: ein steuerbares Subsystem (226); Regelauswertungslogik (322), die Maschinenleistungsdaten empfängt und einen Satz von Steuerregeln auswertet, um alle ausgelösten Steuerregeln zu identifizieren, die basierend auf den Maschinenleistungsdaten ausgelöst werden; Empfehlungsausgabelogik (244), die einen Steuervorgang entsprechend der ausgelösten Steuerregel ausgibt, die das steuerbare Subsystem (226) steuert; Bedienerinteraktions-Erfassungslogik (326), die erfasst, ob der Bediener den Steuervorgang durchführt; Leistungserfassungs- und Aufzeichnungslogik (328), die Leistungsdaten vor und nach der Implementierung des empfohlenen Steuervorgangs erfasst; ein Kommunikationssystem (266); und Remote-System-Interaktionslogik (322), die das Kommunikationssystem (266) steuert, um eine Leistungsanzeige zu senden, die die Auswirkungen der Implementierung des Steuerungsbetriebs auf die Maschinenleistung anzeigt, und um eine Regelkennung zu übermitteln, die die ausgelösten Regeln identifiziert und ob der Bediener (212) den Steuervorgang entsprechend der ausgelösten Regel an ein Remote-Computersystem (204) implementiert hat.
Mobile Maschine nach Anspruch 9 und ferner umfassend: regelbasierte Timerlogik, die konfiguriert ist, um eine Timeout-Periode zu identifizieren, die der ausgelösten Regel entspricht.
Die mobile Maschine nach Anspruch 10, wobei die Leistungserfassungs- und Aufzeichnungslogik konfiguriert ist, um die Leistungsdaten vor der Implementierung des Steuervorgangs zu erfassen, die Timeout-Periode nach der Implementierung des Steuervorgangs abzuwarten und dann die Leistungsdaten zu erfassen.
Mobile Maschine nach Anspruch 11 und ferner umfassend: Leistungsvergleichslogik, die konfiguriert ist, um die vor der Implementierung des Steuervorgangs erfassten Leistungsdaten mit den nach der Implementierung des Steuervorgangs erfassten Leistungsdaten zu vergleichen und eine Leistungsvergleichsausgabe zu erzeugen, wobei das Kommunikationssystem konfiguriert ist, um die Leistungsvergleichsausgabe an das Remote-Computersystem zu kommunizieren.