DE102020203986A1 - Verfahren, systeme, fertigungsartikel und vorrichtung zur verwaltung von prozessauslenkungen - Google Patents

Verfahren, systeme, fertigungsartikel und vorrichtung zur verwaltung von prozessauslenkungen Download PDF

Info

Publication number
DE102020203986A1
DE102020203986A1 DE102020203986.0A DE102020203986A DE102020203986A1 DE 102020203986 A1 DE102020203986 A1 DE 102020203986A1 DE 102020203986 A DE102020203986 A DE 102020203986A DE 102020203986 A1 DE102020203986 A1 DE 102020203986A1
Authority
DE
Germany
Prior art keywords
exemplary
fingerprint
sensor
workstations
processor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102020203986.0A
Other languages
English (en)
Inventor
Lisa Sherin
Daire Healy
Brian MCCARSON
Michael McGrath
Niall Cahill
Keith Ellis
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Intel Corp
Original Assignee
Intel Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Intel Corp filed Critical Intel Corp
Publication of DE102020203986A1 publication Critical patent/DE102020203986A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/14—Quality control systems
    • G07C3/146—Quality control systems during manufacturing process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • General Factory Administration (AREA)

Abstract

Verfahren, Vorrichtung, Systeme und Fertigungsartikel zur Verwaltung von Prozessauslenkungen werden offenbart. Eine beispielhafte Vorrichtung beinhaltet einen Vergleicher digitaler Zwillinge, um zu bestimmen, wann ein Produkt eine Toleranzmetrik eines digitalen Zwillings nicht erfüllt, und einen Fingerabdruck-Manager, um einen Fingerabdruck zu erzeugen, der einem Sensormuster entspricht. Die beispielhafte Vorrichtung beinhaltet auch einen Knoten-Interfacer, um eine Anzahl von Arbeitsstationen eines Prozesssteuerungssystems zu bestimmen, die den Fingerabdruck aufweisen, und einen Auslenkungsstatistikrechner, um eine Korrekturmaßnahme für die jeweiligen der Anzahl von Arbeitsstationen aufzurufen, wobei die Korrekturmaßnahme auf einer Schwellenwertzählung der Anzahl der Arbeitsstationen basiert, die den Fingerabdruck aufweisen.

Description

  • FELD DER OFFENBARUNG
  • Diese Offenbarung bezieht sich allgemein auf Prozesssteuerung und insbesondere auf Verfahren, Systeme, Fertigungsartikel und Vorrichtung zur Verwaltung von Prozessauslenkungen.
  • HINTERGRUND
  • In den letzten Jahren hat die Prozesssteuerung eine wachsende Nachfrage nach Qualitätskontrolle erfahren. Prozesssteuerungssysteme fertigen Produkte und/oder produzieren sie anderweitig auf eine Weise, die dazu beabsichtigt ist, bestimmten maßlichen Beschränkungen, Materialeigenschaftsbeschränkungen und/oder betrieblichen Beschränkungen zu entsprechen. Typischerweise werden mit einem Prozesssteuerungssystem gefertigte Produkte an jeglicher Anzahl von Stationen auf eine serielle Weise modifiziert, wobei jede Station ein oder mehrere Werkzeuge an den Produkten, die gefertigt werden, verwendet. Solche Werkzeuge können mit einer zunehmenden Anzahl von Fertigungsiterationen einen Grad von Verschlechterung der Effektivität erfahren.
  • Figurenliste
    • 1 ist eine schematische Veranschaulichung eines beispielhaften Abschnitts eines Cyber-Physical-System (CPS), das gemäß Lehren dieser Offenbarung geeignet aufgebaut ist, um Prozessauslenkungen zu verwalten.
    • 2 ist eine schematische Veranschaulichung eines beispielhaften Auslenkungs-Managers, um Prozessauslenkungen gemäß Lehren dieser Offenbarung zu verwalten.
    • 3 ist eine schematische Veranschaulichung eines beispielhaften Prozessanpassungsanalysierers, um Prozessauslenkungen gemäß Lehren dieser Offenbarung zu verwalten.
    • Die 4-8 sind Flussdiagramme, die beispielhafte maschinenlesbare Anweisungen darstellen, die ausgeführt werden können, um den beispielhaften Auslenkungs-Manager von 2 zu implementieren, um Prozessauslenkungen zu verwalten.
    • Die 9-12 sind Flussdiagramme, die beispielhafte maschinenlesbare Anweisungen darstellen, die ausgeführt werden können, um den beispielhaften Prozessanpassungsanalysierer von 3 zu implementieren, um Prozessauslenkungen zu verwalten.
    • 13 ist ein Blockdiagramm einer beispielhaften Verarbeitungsplattform, die so strukturiert ist, dass sie die Anweisungen der 4-12 ausführt, um das beispielhafte CPS von 1, den beispielhaften Auslenkungs-Manager von 2 und den beispielhaften Prozessanpassungsanalysierer von 3 zu implementieren.
  • Die Figuren sind nicht maßstabsgetreu. Im Allgemeinen werden über die Zeichnung(en) und die begleitende schriftliche Beschreibung hinweg dieselben Bezugszahlen verwendet, um sich auf dieselben oder ähnliche Teile zu beziehen.
  • Deskriptoren „erste“, „zweite“, „dritte“, usw. werden hierin verwendet, wenn mehrere Elemente oder Komponenten identifiziert werden, auf die einzeln Bezug genommen werden kann. Sofern basierend auf ihrem Verwendungszusammenhang nicht anderweitig spezifiziert oder verstanden, sind solche Deskriptoren nicht dazu beabsichtigt, jegliche Bedeutung von Priorität, physikalischer Reihenfolge oder Anordnung in einer Liste oder zeitlicher Reihenfolge zu unterstellen, sondern werden lediglich als Kennzeichnungen für die einzelne Bezugnahme auf mehrere Elemente oder Komponenten zur Erleichterung des Verständnisses der offenbarten Beispiele verwendet. In einigen Beispielen kann der Deskriptor „erste“ verwendet werden, um sich auf ein Element in der detaillierten Beschreibung zu beziehen, während auf dasselbe Element in einem Anspruch mit einem unterschiedlichen Deskriptor, wie zum Beispiel „zweite“ oder „dritte“, Bezug genommen werden kann. In solchen Fällen sollte klargestellt werden, dass solche Deskriptoren lediglich zur Erleichterung der Bezugnahme auf mehrere Elemente oder Komponenten verwendet werden.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Fertigungsumgebungen, die Cyber-Physical-Systems (CPS) verwenden, integrieren physikalische Steuerung und/oder Manipulation mit rechnerischer Rückmeldung an Edge-Knoten eines Netzwerks. Wie hierin verwendet, ist ein Edge-Knoten ein Datenverarbeitungsgerät, das mit einem Netzwerk verbunden ist, das dazu geeignet ist, einen oder mehrere unterschiedliche Kommunikationspfade zu unterstützen. Beispielhafte Edge-Knoten verbinden sich mit jeglicher Anzahl von Sensoren und/oder Aktuatoren einer Fertigungsstufe/-Station, um einen Rezeptur-/Steuerungsprozess auszuführen, der dazu entworfen ist, ein Produkt auf eine Weise zu ergänzen, die den vorgegebenen Spezifikationen entspricht. Typische CPS und/oder Edge-Knoten des CPS kooperieren jedoch nicht mit benachbarten Stufen/Stationen bezüglich der Erkennung von Prozessauslenkungen und/oder der Kooperation mit den anderen Stufen/Stationen mit Informationen, die bei der frühen Identifizierung von Prozessauslenkungen helfen. Wie hierin verwendet, ist eine Auslenkung ein Fall von Nichtkonformität des entsprechenden Produkts, wie zum Beispiel ein Maß, das einen Toleranzschwellenwert nicht einhält, eine elektrische Eigenschaft, die einen Toleranzschwellenwert nicht einhält, oder eine Gewichtseigenschaft, die einen Toleranzwert nicht einhält. Zusätzlich, in dem Fall, dass Auslenkungen durch Variationen einer Prozessversorgungslinie (zum Beispiel in dem Prozess verwendete Rohmaterialien) verursacht werden, gehen typische Prozesssteuerungssysteme naturgemäß davon aus, dass Anstrengungen unternommen werden, um die Prozessschritte (zum Beispiel die Rezeptur) adaptiv zu steuern, um vordefinierte Sollwerte durch Ansätze, wie zum Beispiel modellbasierte Steuerung und/oder Proportional-Integral-Derivative (PID) - Steuerungstechniken, aufrechtzuerhalten.
  • Hierin offenbarte Beispiele erleichtern die CPS-Prozesssteuerung durch Verwenden eines digitalen Zwillings, um Prozessauslenkungen zu verwalten, wodurch eine verbesserte Reaktionsfähigkeit auf Prozesssteuerungsänderungen ermöglicht wird, bevor solche Auslenkungen Produktverschwendung, Fertigungsausfallzeiten und/oder Schäden an Prozesssteuerungsausrüstung verursachen. In einigen hierin offenbarten Beispielen wird ein Auslenkungseffekt auf das Produkt oder die Prozesssteuerungsausrüstung identifiziert. In einigen Beispielen werden Prozessauslenkungen während eines Gelegenheitsfensters, wenn durch vorbeugende Wartung irreparabler Schaden an einem oder mehreren Werkzeugen des Prozesssteuerungssystems vermieden werden kann, nicht erkannt. Prozesssteuerungswerkzeuge können Formen (zum Beispiel Spritzgussformen), Extrusionsgehäuse, Metallstempel, usw. beinhalten, sind jedoch nicht darauf beschränkt. In noch anderen Beispielen beinhalten Prozesssteuerungswerkzeuge Halbleiterfertigungswerkzeuge (zum Beispiel Plasma-Ätzer), chemische/pharmazeutische Fertigungswerkzeuge, kontinuierliche Prozessausrüstung, Werkzeuge zur Fertigung von Automobilteilen, Metallformwerkzeuge, Fräswerkzeuge, Drehwerkzeuge, Bearbeitungswerkzeuge, Schleifwerkzeuge, Gießwerkzeuge (zum Beispiel Gießereiwerkzeuge), Rapid-Prototyping-Werkzeuge, 3D-Druckwerkzeuge, Prüfwerkzeuge für medizinische Geräte, usw. Da solche Werkzeuge zur Fertigung von Produkten verwendet werden, können Variationen (zum Beispiel maßlich, materiell, chemisch, elektrisch, usw.) an dem Werkzeug auftreten, die eine resultierende Operation dazu veranlassen, ein Produkt/Teil zu produzieren, das nicht mehr innerhalb akzeptabler Toleranzmetriken liegt. Wie hierin verwendet, beziehen sich Metriken auf jeglichen Typ von Parameter, der einem Fertigungsendprodukt zugeordnet ist, das auf eine Weise gesteuert werden soll, um das Endprodukt erfolgreich zu erzeugen.
  • Während der typische Fertigungsprozess eine bestimmte Anzahl von Operationen/Schritten beinhaltet, um Übereinstimmung mit einer Vorlage zu erfüllen, setzen die hierin offenbarten Beispiele einen digitalen Zwilling ein. Wie hierin verwendet, ist ein digitaler Zwilling eine digitale Nachbildung eines physikalischen Vermögenswerts, wie zum Beispiel eines gefertigten Teils. Der digitale Zwilling beinhaltet Eigenschaften des physikalischen Vermögenswerts in jeder Stufe des Fertigungsprozesses, in der die Eigenschaften Koordinatenachsenabmessungen, Gewichtseigenschaften, Materialeigenschaften (zum Beispiel Dichte, Oberflächenrauheit), elektrische Eigenschaften (zum Beispiel Leitfähigkeit), optische Eigenschaften (zum Beispiel Reflexionsvermögen), usw. beinhalten, aber nicht darauf beschränkt sind.
  • Wie unten detaillierter offenbart, führen, da Prozesssteuerungsumgebungen jegliche Anzahl unterschiedlicher dynamischer Umstände beinhalten, herkömmliche Verfahren des strikten Festhaltens am Erzwingen derselben Prozessrezeptur nicht zu Produkten mit Eigenschaften, die mit den Entwurfsspezifikationen übereinstimmen. Solche Übereinstimmungsfehler werden unter bestimmten Umständen durch unterschiedliche Typen von Auslenkungen verursacht, die sich auf Abweichung(en) des eingehenden Materials, Werkzeugverschleiß, Umgebungsbedingungen, usw. beziehen. Hierin offenbarte Beispiele setzen eine deterministische Klassifizierung von Auslenkungen bezüglich eines Katalogs bekannter Auslenkungssfingerabdrücke ein. Wie unten detaillierter beschrieben, werden, wenn eine bestimmte Auslenkung eine Schwellenwertanzahl oft auftritt, neue Fingerabdrücke erzeugt, um eine zukünftige Erkennung solcher Auslenkungen auf effizientere Weise zu ermöglichen (zum Beispiel schnellere Auslenkungserkennung, was in weniger Materialverschwendung, weniger Verarbeitungszeitverschwendung, verbesserter Prozesssicherheit, usw. resultiert). Hierin offenbarte Beispiele passen auch die Rezeptur-/Prozesssequenz als Reaktion auf erkannte Abweichungen der Produktausgabe bei dem Vergleich zu dem (den) digitalen Zwilling(en) dynamisch an.
  • 1 ist eine schematische Veranschaulichung von Cyber-Physical-System (CPS) 100. In einigen Beispielen ist das CPS 100 in einer Fabrikumgebung, einer Laborumgebung oder einem Lager. In einigen Beispielen ist das CPS 100 eine Überlagerung eines existierenden Fertigungssystems, in dem das beispielhafte CPS 100 kommunizierend verbundene Edge-Knoten beinhaltet. In dem veranschaulichten Beispiel von 1 beinhaltet das CPS 100 jegliche Anzahl von Fertigungszellen (Prozesssteuerungsknoten, Edge-Knoten, usw.), in denen jede Fertigungszelle als eine Prozessstation arbeitet, um ein oder mehrere Produkte oder Produktbaugruppen zu ergänzen. Das beispielhafte CPS 100 von 1 beinhaltet erste Fertigungszelle 102, zweite Fertigungszelle 104, dritte Fertigungszelle 106 und n-te Fertigungszelle 108, um eine Fähigkeit darzustellen, dass das beispielhafte CPS 100 jegliche Anzahl unterschiedlicher Fertigungszellen beinhalten kann. Zu Zwecken der Einfachheit, und nicht der Einschränkung, konzentrieren sich die Bezugnahmen unten auf die beispielhafte erste Fertigungszelle 102.
  • Die beispielhafte erste Fertigungszelle 102 von 1 beinhaltet beispielhaftes Fertigungswerkzeug 110, das eine oder mehrere Operationen an beispielhaftem Produkt 112 ausführt. Die beispielhafte erste Fertigungszelle 102 beinhaltet jegliche Anzahl von Sensoren 114, um Daten/Informationen bereitzustellen, die sich auf das beispielhafte Fertigungswerkzeug 110, das beispielhafte Produkt 112 und/oder die Umgebungsbedingungen der beispielhaften ersten Fertigungszelle 102 beziehen. Die beispielhafte erste Fertigungszelle 102 beinhaltet auch Bildgebungsgeräte 116 (zum Beispiel Kameras), um unterschiedliche Eigenschaften des Produkts 112 zu beurteilen. In einigen Beispielen erfassen die Bildgebungsgeräte 116 Vor-Prozesseigenschaften des Produkts 112, und in einigen Beispielen erfassen die Bildgebungsgeräte 116 Nach-Prozesseigenschaften des Produkts 112. In einigen Beispielen beinhalten die Bildgebungsgeräte 116 Light-Detection-and-Ranging (LiDAR) -Systeme, um das Teil (die Teile) mit gepulstem Laserlicht zu beleuchten und reflektierte Impulse zu messen, um Oberflächenkontureigenschaften des Teils (der Teile) abzuleiten. In einigen Beispielen wird das Produkt 112 mit beispielhaftem Roboterarm 118, der einen oder mehrere der Sensoren 114 beinhalten kann, manipuliert (zum Beispiel bewegt, neu ausgerichtet, usw.). Beispielsweise kann der beispielhafte Roboterarm 118 einen Dehnungsmessstreifen oder einen Gewichtssensor beinhalten, um Gewichtseigenschaften des beispielhaften Produkts 112 bereitzustellen. Während das veranschaulichte Beispiel von 1 einen Roboterarm 118 zum Manipulieren und/oder anderweitigen Bewegen des beispielhaften Produkts 112 beinhaltet, sind hierin offenbarte Beispiele nicht darauf beschränkt. In einigen Beispielen kann das Produkt 112 über eine Montagelinie oder über menschliche Bediener manipuliert und/oder anderweitig transportiert werden.
  • In dem veranschaulichten Beispiel von 1 sind das beispielhafte Fertigungswerkzeug 110, die beispielhaften Sensoren 114, die beispielhaften Bildgebungsgeräte 116 und/oder der beispielhafte Roboterarm 118 kommunizierend mit Edge-Knoten 120 verbunden. Der beispielhafte Edge-Knoten 120 ist ein Datenverarbeitungsgerät mit Eingabe-/Ausgabefähigkeiten, um Prozesssteuerungsoperationen auf eine Weise zu erleichtern, die mit einer Prozesssequenz (Rezeptur) übereinstimmt, die seiner bestimmten Fertigungszelle zugeordnet ist. Zusätzlich werden Eigenschaften des durch die beispielhafte Fertigungszelle ergänzten beispielhaften Produkts 112 mit beispielhaftem digitalem Zwilling 122 verglichen. Wie unten detaillierter beschrieben, wird, da der beispielhafte Edge-Knoten 120 kommunizierend mit jeglicher Anzahl anderer Fertigungszellen (zum Beispiel der zweiten Fertigungszelle 104, der dritten Fertigungszelle 106, usw.) verbunden ist, gewonnenes Wissen von Aufgaben an der ersten beispielhaften Fertigungszelle 102 mit den anderen Fertigungszellen geteilt. Zusätzlich, im Gegensatz zu typischen Fertigungssystemen mit einer statischen Prozesssequenz (Rezeptur), modifizieren hierin offenbarte Beispiele den digitalen Zwilling, um einen Grad von Produktfertigungsgenauigkeit zu verbessern, Produktverschwendung zu verringern und die Fertigungseffizienz zu verbessern (zum Beispiel tritt eine Produkterweiterung in kürzerer Zeit auf).
  • Auslenkungs-Manager
  • 2 ist eine schematische Veranschaulichung von beispielhaftem Auslenkungs-Manager 202, um Prozessauslenkungen (zum Beispiel in einem Prozesssteuerungssystem) zu verwalten. Der beispielhafte Auslenkungs-Manager 202 ist Teil des beispielhaften Edge-Knotens 120 einer Fertigungszelle (zum Beispiel der beispielhaften ersten Fertigungszelle 102), aber der beispielhafte Auslenkungs-Manager 202 kann alternativ als eigenständige Struktur außerhalb des beispielhaften Edge-Knotens 120 arbeiten. In dem veranschaulichten Beispiel von 2 beinhaltet der Auslenkungs-Manager 202 beispielhaften Sensor-Interfacer 204, Erzeuger digitaler Darstellungen 206 und Vergleicher digitaler Zwillinge 210. Der beispielhafte Erzeuger digitaler Darstellungen 206 und der beispielhafte Vergleicher digitaler Zwillinge 210 sind kommunizierend mit beispielhafter Datenbank digitaler Zwillinge 208 verbunden.
  • Der beispielhafte Auslenkungs-Manager 202 von 2 beinhaltet auch beispielhaften Klassifizierungs-Manager 212, der kommunizierend mit beispielhafter Fingerabdruck-Auslenkungsdatenbank 214 verbunden ist. Der beispielhafte Auslenkungs-Manager 202 von 2 beinhaltet auch beispielhaften Knoten-Interfacer 216, beispielhaften Auslenkungsstatistikrechner 218 und beispielhaften Fingerabdruck-Manager 220. Die oben genannte Struktur und/oder Software (abhängig von der Art der Implementierung, um Prozessauslenkungen zu verwalten) von 2 ist durch beispielhaften Auslenkungs-Manager-Bus 230 kommunizierend verbunden (und/oder vernetzt).
  • Der beispielhafte Fingerabdruck-Manager 220 von 2 beinhaltet beispielhaften Gewichts-Manager 222, beispielhaften Sensoreigenschaftsanalysierer 224, beispielhaften Analysierer zeitlicher Eigenschaften 226 und beispielhaften Zeitgeber 228. Die oben genannte Struktur und/oder Software (abhängig von der Art der Implementierung, um Prozessauslenkungen zu verwalten) des Fingerabdruck-Manager-Beendens 220 ist durch beispielhaften Fingerabdruck-Management-Bus 232 kommunizierend verbunden.
  • Im Betrieb ruft der beispielhafte Sensor-Interfacer 204 Sensordaten von einer Fertigungszelle, wie zum Beispiel der beispielhaften ersten Fertigungszelle 102 von 1, ab und/oder empfängt sie anderweitig. Die beispielhafte Fertigungszelle beinhaltet jegliche Anzahl von Werkzeugen (zum Beispiel das beispielhafte Fertigungswerkzeug 110 von 1), die an einem entsprechenden Produkt arbeiten (zum Beispiel durch das Werkzeug modifizierte Rohmaterialien). Beispielhafte Sensordaten können Prozesssteuerungssensoren (zum Beispiel Temperatursensoren, Vibrationssensoren, Strahlunterbrechungssensoren, Sicherheitsverriegelungssensoren, usw.), Aktuatorstatussensoren, Bildsensoren (zum Beispiel die beispielhaften Bildgebungsgeräte 116 von 1), usw. beinhalten, sind jedoch nicht darauf beschränkt. Insbesondere ruft der beispielhafte Sensor-Interfacer 204 Informationen ab, die einem entsprechenden durch die Fertigungszelle bearbeiteten Produkt entsprechen. Die Informationen, die dem entsprechenden Produkt entsprechen, können maßliche Eigenschaften des entsprechenden Produkts (zum Beispiel x-Koordinatenwerte, y-Koordinatenwerte, z-Koordinatenwerte) und Oberflächeneigenschaften des entsprechenden Produkts (zum Beispiel Ebenheit, Härte, usw.), optische Eigenschaften des entsprechenden Produkts (zum Beispiel Reflexionsvermögen, Glanz, Transparenz, Farbe, usw.), elektrische Eigenschaften des entsprechenden Produkts (zum Beispiel Leitfähigkeit, Widerstandsfähigkeit, usw.) usw. beinhalten, sind jedoch nicht darauf beschränkt.
  • Während die beispielhafte Fertigungszelle eine oder mehrere Operationen zur Förderung eines entsprechenden Produkts ausführen kann, können unterschiedliche Umgebungsbedingungen, Ausrüstungsbedingungen und/oder Rohmaterialbedingungen das entsprechende Produkt dazu veranlassen, eine oder mehrere Auslenkungen aufzuweisen. Wie hierin verwendet, spiegelt ein entsprechendes fertiges Produkt ein Produkt, ein Teil oder eine Baugruppe von Teilen wider, die durch ein oder mehrere Werkzeuge einer oder mehrerer Fertigungszellen bearbeitet werden. Jede Fertigungszelle kann eine Stufe in einem mehrstufigen Fertigungsprozess sein, in dem das entsprechende Produkt auf eine bestimmte Weise ergänzt wird, um die Erzeugung eines entsprechenden fertigen Produkts nach Vollendung einer Reihe von Fertigungszellen zu fördern. Wie oben beschrieben, können Auslenkungen durch Variationen in Rohmaterialien einer Versorgungslinie zu der beispielhaften Fertigungszelle verursacht werden. Um die Übereinstimmung mit einem oder mehreren Toleranzschwellenwerten des entsprechenden Produkts weiter zu charakterisieren und/oder zu analysieren, sammelt der beispielhafte Sensor-Interfacer 204 Daten, die dem entsprechenden Produkt entsprechen, wobei solche Daten von unterschiedlichen Sensoren der Fertigungszelle erhalten werden (zum Beispiel multimodale Kameras, Gewichtssensoren, Ebenheitsdetektoren, usw.), und der beispielhafte Erzeuger digitaler Darstellungen 206 berechnet eine digitale Darstellung des entsprechenden Produkts. Anders ausgedrückt ermöglicht die digitale Darstellung des entsprechenden Produkts den Vergleich von Metriken, die einem digitalen Zwilling zugeordnet sind. In einigen Beispielen ist die digitale Darstellung des entsprechenden Produkts eine Liste von erkannten Merkmalen, wie zum Beispiel eine Liste, die die Produktlänge, die Produkthöhe, die Produktbreite, das Produktgewicht, die Produktwiderstandsfähigkeit, usw. beinhaltet. In einigen Beispielen speichert der Erzeuger digitaler Darstellungen 206 die digitale Darstellung in einer lokalen Speicherung, wie zum Beispiel innerhalb der beispielhaften Datenbank digitaler Zwillinge 208.
  • Der beispielhafte Vergleicher digitaler Zwillinge 210 ruft einen digitalen Zwilling von der beispielhaften Datenbank digitaler Zwillinge 208 ab und bestimmt, ob das entsprechende Produkt innerhalb eines oder mehrerer Toleranzwerte liegt. In einigen Beispielen bestimmt der Vergleicher digitaler Zwillinge 210, wann das entsprechende Produkt eine oder mehrere dem digitalen Zwilling zugeordnete Toleranzmetriken nicht erfüllt. In einigen Beispielen bestimmt der Vergleicher digitaler Zwillinge 210 eine zeitliche Eigenschaft dafür, wann solche Toleranzmetriken bestimmte durch den digitalen Zwilling spezifizierte Schwellenwerte nicht erfüllen. In einigen Beispielen wird der digitale Zwilling von einem sicheren Speicherungsstandort abgerufen, wie zum Beispiel von einer sicheren Enklave (zum Beispiel dem Intel® Software-Guard-Extension (SGX) -Anweisungssatz, der den Speicher für sichere Operation(en) partitioniert). Wenn die Toleranzwerte erfüllt sind (zum Beispiel nicht verletzt, nicht überschritten, usw.), arbeitet die beispielhafte Fertigungszelle 102 korrekt. In dem Fall, in dem der beispielhafte Vergleicher digitaler Zwillinge 210 jedoch feststellt, dass das entsprechende Produkt einen oder mehrere Toleranzwerte nicht erfüllt (zum Beispiel überschreitet), dann erzeugt der beispielhafte Fingerabdruck-Manager 220 einen Prozessfingerabdruck. Wie hierin verwendet, ist ein Fingerabdruck ein Untersatz von Daten, die Prozessoperationen entsprechen, die in Verbindung mit der Erkennung einer Auslenkung auftreten. Allgemein gesprochen, während eine oder mehrere Auslenkungen relativ einfach zu erkennen sein können, indem die Produkteigenschaften eines gefertigten Produkts auf den digitalen Zwilling bezogen werden, können entsprechende Umstände, Variablen und/oder Nuancen, die zu dieser Auslenkung (der erstmaligen Auslenkungserkennung vorausgehend) führen, nicht einfach und/oder anderweitig unkompliziert zu erkennen sein. In einigen Beispielen kann ein Zusammenfluss von Dutzenden, Hunderten oder Tausenden von bestimmten Eigenschaften bestimmte Werte aufweisen, die die bestimmte Auslenkung verursachen. Alle solchen durch unterschiedliche Sensoren in der Fertigungszelle erkannten Eigenschaften werden verwendet, um einen Prozessfingerabdruck zu erzeugen. Um die Verbreitung von möglicherweise Tausenden unterschiedlicher Eigenschaften zu unterstützen, klassifiziert der beispielhafte Klassifizierungs-Manager 212 den Fingerabdruck gegen eine Wissensbasis (zum Beispiel eine Datenbank) bekannter Prozessauslenkungsfingerabdrücke, um eine beste Übereinstimmung zu finden. Anders ausgedrückt, wenn ein bestimmter Zusammenfluss unterschiedlicher Prozesseigenschaften auftritt und klassifiziert wird, kann zukünftiges Auftreten einer solchen Prozessaktivität erkannt werden, in einer Bemühung, vorbeugende Maßnahmen vor dem Auftreten von Prozesszykluszeitverschwendung, Rohmaterialverschwendung, Sicherheitsbedenken zu ergreifen, und/oder die Initialisierung vorbeugender Wartungsaufgaben zu erlauben. Anders ausgedrückt, als Reaktion auf das Identifizieren einer Fingerabdruckübereinstimmung gegen die Wissensbasis ruft der beispielhafte Klassifizierungs-Manager 212 eine oder mehrere vorbeugende Maßnahmen (zum Beispiel vorbeugende Wartungsverfahren) und/oder Korrekturmaßnahmen zur Verbesserung des Prozesses und/oder eines durch den Prozess gefertigten Produkts auf.
  • Wenn der beispielhafte Fingerabdruck-Manager 220 einen übereinstimmenden Fingerabdruck bestimmt, dann bestimmt der beispielhafte Klassifizierungs-Manager 212 der Auslenkung zugeordnete Kontextinformationen. Zusätzlich bestimmt der beispielhafte Auslenkungsstatistikrechner 218 mit der Auslenkung verbundene Trenddetails, die hilfreich sein können, um Entscheidungen darüber zu treffen, wann und/oder wie unterschiedliche Typen vorbeugender Wartungsoperation(en) an der (den) Fertigungszell(en) und/oder an darin verwendeten Werkzeugen ausgeführt werden. Jedoch wird in dem Fall, dass der beispielhafte Fingerabdruck-Manager 220 bestimmt, dass es keine Fingerabdruckübereinstimmung gibt (zum Beispiel in einer Wissensdatenbank), der Fingerabdruck als neu angesehen und zu der beispielhaften Fingerabdruck-Auslenkungsdatenbank 214 hinzugefügt. Wie unten detaillierter beschrieben, hilft der neu entdeckte Fingerabdruck bei der Erkennung und Ursachenanalyse von in der beispielhaften Fertigungszelle 102 auftretenden Auslenkungen. Zusätzlich, und wie unten detaillierter beschrieben, werden die neuen Fingerabdrücke durch den beispielhaften Edge-Knoten 120 mit einer oder mehreren anderen Fertigungszellen geteilt. In einigen Beispielen koordinieren und tauschen die jeder Fertigungszelle zugeordneten Edge-Knoten unterschiedliche Informationen (zum Beispiel Auslenkungsfingerabdrücke) über zum Beispiel eine Automatic-Control-Plane (ACP) (zum Beispiel aufgebaut auf der Internet-Engineering-Task-Force (IETF) Automatic-Control-Plane-Specification RFC7575) .
  • Wie oben beschrieben, ist der beispielhafte Fingerabdruck-Manager 220 mit der Verantwortung belegt, einen Prozessfingerabdruck als Reaktion auf das Erkennen einer Auslenkung zu erzeugen. Der Fingerabdruck-Manager 220 ruft den beispielhaften Sensor-Interfacer 204 auf, um die abgerufenen Sensordaten zu säubern. In einigen Beispielen identifiziert der Sensor-Interfacer 204 Instanzen von zu entfernenden Duplikatdaten, entfernt Daten als Reaktion auf das Identifizieren von Instanzen von Daten, die nicht vollständig sind, und/oder entfernt Daten, die keinem akzeptablen Formattyp entsprechen (zum Beispiel Textdaten vs. Ganzzahldaten, usw.). Beispielsweise können gesammelte Sensordaten, die dem Prozess zugeordnet sind, der kürzlich eine Auslenkung aufwies, für einen Schwellenzeitraum gesammelt werden, der zu der erkannten Auslenkung führt (zum Beispiel 10 Sekunden aller verfügbaren Sensordaten). Der beispielhafte Fingerabdruck-Manager 220 erzeugt mindestens einen Fingerabdruck, um bei Klassifizierungsoperationen zu unterstützen. Wie unten in dem veranschaulichten Beispiel von 5 detaillierter beschrieben, werden zwei einzelne Fingerabdrücke durch den beispielhaften Fingerabdruck-Manager 220 erzeugt, aber hierin offenbarte Beispiele können jegliche Anzahl von Fingerabdrücken einsetzen. Für einen beispielhaften ersten Fingerabdruck wendet der beispielhafte Gewichts-Manager 222 eine Gewichtung auf die Sensordaten an. Gewichtswerte werden durch den beispielhaften Gewichts-Manager 222 so bestimmt, dass bestimmte Parameter einen bestimmten Einfluss auf die Prozessstabilität, die Ausgabe, usw. widerspiegeln. In einigen Beispielen speichern Tabellen, Heuristiken und/oder Listen verallgemeinerte Anleitungen zu Gewichtswerten, die in unterschiedlichen Prozessumständen angewendet werden sollen. Beispielsweise werden einige Prozesse typischerweise in einem höheren Grad durch Temperaturvariationen im Vergleich zu Druckvariationen beeinflusst, und als solche werden durch den Gewichts-Manager 222 entsprechende Gewichtswerte angewendet, um solche typischen Erwartungen widerzuspiegeln.
  • Der beispielhafte Sensoreigenschaftsanalysierer 224 bestimmt ein oder mehrere Muster, die sich auf die erfasste(n) Auslenkung(en) beziehen könnten. In einigen Beispielen identifiziert der Sensoreigenschaftsanalysierer 224 ein Sensortypmuster, das Sensorwertereignissen entspricht, die während eines Zeitraums auftreten, der zu einer Erkennung einer Auslenkung führt. Anders ausgedrückt identifiziert der beispielhafte Sensoreigenschaftsanalysierer 224, welche Typen von Sensoren und/oder Sensorwerten während dieses Zeitraums vorliegen. Basierend auf den oben genannten Gewichten und identifizierten Mustern erzeugt der beispielhafte Fingerabdruck-Manager 220 einen auf Merkmalen basierenden Fingerabdruck (zum Beispiel den ersten Fingerabdruck). Für einen zweiten Fingerabdruck berechnet der beispielhafte Analysierer zeitlicher Eigenschaften 226 zeitliche Eigenschaften der (ungewichteten) Sensordaten. In einigen Beispielen bestimmt der Analysierer zeitlicher Eigenschaften 226 eine Musterübereinstimmung von Sensorauslösern für ein spezifiziertes Zeitfenster. Beispielsweise kann eine Dauer eines Prozessschritts durch den Analysierer zeitlicher Eigenschaften 226 in drei Zeitfenster aufgeteilt werden; eines für eine Startdauer, eines für eine mittlere Dauer und eines für eine Enddauer. Solche Sensordatenmuster werden durch den Analysierer zeitlicher Eigenschaften 226 mit einem oder mehreren Referenzmustern verglichen. In dem Fall, dass ein bestimmtes Referenzmuster innerhalb einer bestimmten Standardabweichung übereinstimmt, kann der Prozess für dieses bestimmte Zeitfenster als zufriedenstellend angesehen werden. In einigen Beispielen identifiziert der Analysierer zeitlicher Eigenschaften 226 ein zeitliches Muster, das Sensorwertereignissen während des Zeitraums entspricht, der zu der Erkennung der Auslenkung führt. Anders ausgedrückt, während der beispielhafte Sensoreigenschaftsanalysierer 224 bestimmte Sensortypen und ihre entsprechenden Werte identifiziert, die hinführend zu der Auslenkung auftreten, erkennt der beispielhafte Analysierer zeitlicher Eigenschaften 226 Muster, die sich darauf beziehen, wie häufig solche Sensortypen und/oder Werte pro Zeiteinheit auftreten .
  • Wie oben beschrieben, werden die erzeugten Fingerabdrücke durch den beispielhaften Klassifizierungs-Manager 212 verwendet, um eine oder mehrere Klassifizierungsoperationen auszuführen, wodurch bestimmt wird, ob der Fingerabdruck einem zuvor identifizierten Fingerabdruck zugeordnet ist. Wie auch oben beschrieben, in dem Fall, dass der Fingerabdruck zuvor nicht klassifiziert wurde, aktualisiert der beispielhafte Fingerabdruck-Manager 220 die Fingerabdruck-Auslenkungsdatenbank 214. Insbesondere überträgt der beispielhafte Knoten-Interfacer 216 den klassifizierten Fingerabdruck an andere Fertigungszellen (Prozesssteuerungsknoten). Der beispielhafte Fingerabdruck-Manager 220 ruft den beispielhaften Zeitgeber 228 auf, um einen Antwortzeitgeber zu starten, und der Knoten-Interfacer 216 bestimmt, ob eine Bestätigung von jeder Fertigungszelle empfangen worden ist. Allgemein gesprochen, da Prozesssteuerungssysteme jegliche Anzahl von Fertigungsstationen beinhalten können, in denen jede Station an einem Teil/Produkt arbeitet, ist eine ordnungsgemäße Koordination zwischen jeder Station wichtig, um Materialverschwendung und Produktfehler zu vermeiden. Als solches wird der beispielhafte Zeitgeber 228 gestartet, um zu gewährleisten, dass der neu klassifizierte Fingerabdruck zwischen allen teilnehmenden Fertigungszellen geteilt wird, bevor nachfolgende Zellen an dem Teil arbeiten können, um eine betriebliche Ungleichheit des gesamten Prozesssteuerungssystems zu vermeiden.
  • Wenn der beispielhafte Knoten-Interfacer 216 keine Bestätigung erkennt, bestimmt der Zeitgeber 228, ob ein Schwellenzeitraum abgelaufen ist. In einigen Beispielen ist der Schwellenzeitraum eine Dauer, die von einer der Fertigungszellen erwartet wird, um eine Iteration von Aufgaben an dem Teil abzuschließen. Wenn der Zeitgeber 228 nicht abgelaufen ist, überwacht der Knoten-Interfacer 216 weiterhin auf Bestätigungsanzeigen von den anderen Fertigungszellen des Prozesssteuerungssystems. Jedoch erhöht der Knoten-Interfacer 216 als Reaktion darauf, dass der beispielhafte Knoten-Interfacer 216 eine Bestätigung erkennt, einen Zähler und bestimmt, ob der Zählwert gleich einer Anzahl von erwarteten Fertigungszellen in dem Prozesssteuerungssystem ist. Mit anderen Worten bestimmt der beispielhafte Knoten-Interfacer 216, ob alle Prozessknoten des Prozesssteuerungssystems den klassifizierten Fingerabdruck erfolgreich empfangen haben.
  • Wenn nicht, bestimmt der beispielhafte Zeitgeber 228, ob die Zeit abgelaufen ist, und wenn nicht, wartet und überwacht er weiter auf zusätzliche Bestätigungssignale. Unter jeglichen Umständen, unter denen der Zeitgeber 228 abläuft, sendet der beispielhafte Knoten-Interfacer 216 Rollback-Nachrichten an alle Fertigungszellen/Knoten, den klassifizierten Fingerabdruck nicht zu beachten. Dies geschieht, um eine Ungleichheit im Betrieb zwischen den unterschiedlichen Fertigungszellen in dem Prozesssteuerungssystem zu vermeiden. Jedoch, in dem Fall, dass der Knoten-Interfacer 216 bestimmt, dass alle Fertigungszellen den Empfang des klassifizierten Fingerabdrucks bestätigt haben, schreibt der beispielhafte Fingerabdruck-Manager 220 den klassifizierten Fingerabdruck an eine lokale Wissensbasis, wie zum Beispiel die beispielhafte Fingerabdruck-Auslenkungsdatenbank 214.
  • Unter Umständen, in denen der beispielhafte Fingerabdruck-Manager 220 bestimmt, dass ein klassifizierter Fingerabdruck bei einer früheren Gelegenheit identifiziert wurde und/oder anderweitig aufgetreten ist (zum Beispiel darauf hinweisend, dass diese bestimmte Auslenkung bei einer früheren Gelegenheit aufgetreten ist), bestimmt der beispielhafte Klassifizierungs-Manager 212 die der Auslenkung zugeordneten Zusammenhangsinformationen. Insbesondere erzeugt der beispielhafte Knoten-Interfacer 216 eine Abfragenachricht durch Verwenden des Fingerabdrucks und sendet diese an alle verfügbaren Fertigungszellen. Der beispielhafte Zeitgeber 228 wird gestartet, und der Knoten-Interfacer 216 bestimmt, welche bestimmten Fertigungszellen auf die Abfragenachricht mit einer Anzeige antworten, dass (a) der Fingerabdruck an der bestimmten Fertigungszelle erkannt worden ist, oder (b) der Fingerabdruck an der bestimmten Fertigungszelle nicht erkannt worden ist. In einigen Beispielen empfängt und/oder ruft der Knoten-Interfacer 216 anderweitig eine Zählung solcher Fingerabdruckereignisse von den jeweiligen Fertigungszellen ab. Mit anderen Worten bestimmt der beispielhafte Knoten-Interfacer 216 eine Anzahl von Arbeitsstationen des Prozesssteuerungssystems, die den Fingerabdruck aufweisen.
  • Der beispielhafte Knoten-Interfacer 216 überwacht die Fertigungszellen während eines Schwellenzeitraums, oder solange, bis alle bekannten Zellen eine Antwort von der Abfrage zurückgemeldet haben. Der beispielhafte Knoten-Interfacer 216 aktualisiert eine Zählung bezüglich der Anzahl der Zellen, die dasselbe Fingerabdruckverhalten aufweisen, und der beispielhafte Auslenkungsstatistikrechner 218 berechnet Auslenkungsstatistiken. In einigen Beispielen arbeiten zwei oder mehr Fertigungszellen (Knoten) als ein Werkzeugsatz, bei dem die Kombination von Verarbeitungsvorgängen an einem Teil letztendlich in dem fertigen Produkt resultiert. Der beispielhafte Auslenkungsstatistikrechner 218 berechnet die Auslenkungsstatistik, um unterschiedliche Typen von Umständen zu identifizieren, die ein verbessertes Prozessverhalten ermöglichen, wie zum Beispiel Anzeigen, dass eine oder mehrere Stationen eine Werkzeugwartung erfordern, oder ob sich eine Qualitätsmetrik des eingehenden Rohmaterials verschlechtert. In noch anderen Beispielen identifiziert der Auslenkungsstatistikrechner 218 Umstände, unter denen Raum- und/oder Umgebungsbedingungen als für Änderungen der Ausgabe/Qualität, die von dem digitalen Zwilling abweichen, verantwortlich angesehen werden. In einigen Beispielen ruft der Auslenkungsstatistikrechner 218 eine oder mehrere Korrekturmaßnahmen für jeweilige der Anzahl von Arbeitsstationen auf, in denen die bestimmten Korrekturmaßnahmen auf einer Schwellenwertzählung von Arbeitsstationen basieren, die dem erkannten Fingerabdruck ähnliche Verhaltensweisen erfahren und/oder anderweitig aufweisen.
  • In noch anderen Beispielen bestimmt der Auslenkungsstatistikrechner 218 einen gewichteten Zeitfaktor für die mittlere Zeit bis zum Ausfall (Mean-Time-Between-Failure - MTBF) für jeweilige Auslenkungen und bestimmte Werkzeuge innerhalb des Werkzeugsatzes (zum Beispiel jeweilige Werkzeuge innerhalb jeder bestimmten Fertigungszelle). Der beispielhafte Auslenkungsstatistikrechner 218 bestimmt eine Werkzeugsatz (Stationssatz) -Entropiemetrik basierend auf der MTBF und bestimmt einen Werkzeug/Werkzeugsatz-Unversehrtheitsindex basierend auf der MTBF. Wie hierin verwendet, ist die Entropie ein Maß für die Instabilität in einem bestimmten Werkzeugsatz und wird in einigen Beispielen basierend auf einer Zählung von Ausgabeauslenkungvorkommnissen bestimmt. In einigen Beispielen wird die Entropie als eine Funktion der Zeit bestimmt und/oder anderweitig grafisch dargestellt, sodass eine Ableitung durch den beispielhaften Auslenkungsstatistikrechner 218 bestimmt werden kann. Als solches berechnet der beispielhafte Auslenkungsstatistikrechner 218 eine Änderungsrate, um eine entsprechende Stabilität jedes Werkzeugs innerhalb eines Werkzeugsatzes (zum Beispiel bei bestimmten Intervallen) zu bestimmen. In einigen Beispielen bestimmt der Auslenkungsstatistikrechner 218 kumulative Werkzeugsatz-Entropiemetriken als einen Durchschnitt der Änderungsrate für jedes bestimmte teilnehmende Werkzeug. Da hierin offenbarte Beispiele Auslenkungsfingerabdrücke erzeugen, solche Fingerabdrücke klassifizieren, und solche Fingerabdrücke unter jeglicher Anzahl von teilnehmenden Fertigungszellen teilen, werden Auslenkungen im Vergleich zu herkömmlichen Prozesssteuerungstechniken auf eine relativ schnelle Weise identifiziert. Zusätzlich kann, da hierin offenbarte Beispiele Auslenkungstrends sowohl auf einer Zelle-zu-Zelle-Basis als auch auf dem gesamten Werkzeugsatz berechnen und/oder anderweitig bestimmen, ein Prozessfehler korrigiert werden, bevor Produktionsfehler zu gravierend werden und/oder bevor Fertigungsressourcen (zum Beispiel Rohmaterialien) verschwendet werden.
  • Während oben offenbarte Beispiele die Erkennung von Auslenkungen, Fingerabdruckerstellung und Klassifizierung beinhalten, ermöglichen Beispiele unten dynamische Anpassungen von nachgelagerten Prozessoperationen in Verbindung mit Prozessvariabilität in vorgelagerten Prozessaktivitäten. In einigen Beispielen wird die Variabilität durch Änderungen des Ausgangsmaterials (zum Beispiel des Rohmaterials) verursacht, wie zum Beispiel maßliche, chemische, elektrische und/oder strukturelle Abweichungen zu Rohmaterialien im Vergleich zu erwarteten maßlichen, chemischen, elektrischen und/oder strukturellen Metriken. Typische Steuerungssystemoperationen berücksichtigen keine Variation des eingehenden Ausgangsmaterials, und konzentrieren sich stattdessen typischerweise auf die Aufrechterhaltung vordefinierter Sollwerte mit Proportional-Integral-Derivative (PID) oder modellbasierter Steuerung. Solche Ansätze leiden jedoch unter einer „Einheitsgrößen“-Einschränkung, bei der ein Fokus eher auf der Stabilität von Prozessschritten als auf der Berücksichtigung von Anpassungen des Rezeptur-/Steuerungsprozesses liegt. Hierin offenbarte Beispiele kapseln Variationen zu dem Steuerungsprozess mit der Hilfe von Daten digitaler Zwillinge ein, die vorgelagert und nachgelagert zu jeglicher bestimmten Fertigungszelle geteilt werden. Als solche ermöglichen die Daten digitaler Zwillinge eine dynamische Anpassung der Prozesskonfigurationen vor der Ausführung von Fertigungszellenwerkzeugen an physikalischen Komponenten und/oder Rohmaterialien, wodurch Verschwendung reduziert und die Zykluszeit der Prozesssteuerung verbessert wird.
  • Prozessanpassungsanalysierer
  • 3 ist eine schematische Veranschaulichung von beispielhaftem Prozessanpassungsanalysierer 302, um Prozessauslenkungen (zum Beispiel in einem Prozesssteuerungssystem) zu verwalten. Der beispielhafte Prozessanpassungsanalysierer 302 ist Teil des beispielhaften Knotens 120 einer Fertigungszelle wie in 1 gezeigt (zum Beispiel die beispielhafte erste Fertigungszelle 102). Der beispielhafte Prozessanpassungsanalysierer 302 kann jedoch alternativ als eigenständige Struktur außerhalb des beispielhaften Edge-Knotens 120 arbeiten. In dem veranschaulichten Beispiel von 3 beinhaltet der Prozessanpassungsanalysierer 302 Knoten-Interfacer 316, der ähnlich dem beispielhaften Knoten-Interfacer 216 von 2 ist. Der beispielhafte Prozessanpassungsanalysierer 302 beinhaltet auch beispielhaften Vergleicher digitaler Zwillinge 310, der kommunizierend mit beispielhafter Datenbank digitaler Zwillinge 308 verbunden ist, die jeweils ähnlich dem beispielhaften Vergleicher digitaler Zwillinge 210 und der beispielhaften Datenbank digitaler Zwillinge 208 von 2 sind. Der beispielhafte Prozessanpassungsanalysierer 302 beinhaltet auch beispielhaften Ausgabeprognostizierer 318 und beispielhaften Bestimmer zeitlicher Muster 320. Der beispielhafte Prozessanpassungsanalysierer 302 beinhaltet auch beispielhaften Prozessmodifizierer 322, der beispielhaften Mutationsintegrator 324, beispielhaften Erzeuger digitaler Darstellungen 306 (der ähnlich dem beispielhaften Erzeuger digitaler Darstellungen 206 von 2 ist) und beispielhaften Kostenfunktionsanwender 328 beinhaltet. Der beispielhafte Prozessanpassungsanalysierer 302 beinhaltet auch beispielhaften Zähler 330, und die oben genannte Struktur von 3 ist durch beispielhaften Prozessanpassungsbus 332 kommunizierend verbunden (und/oder vernetzt).
  • Im Betrieb ruft der beispielhafte Knoten-Interfacer 316 eine digitale Darstellung von einem vorgelagerten Prozess ab (zum Beispiel einem Prozess, der einer aktuellen Fertigungszelle zeitlich vorausgeht). Wie oben beschrieben, berechnet der beispielhafte Erzeuger digitaler Darstellungen 206 von 2 eine digitale Darstellung des entsprechenden Produkts (oder teilweise fertiggestellten Produkts). In einigen Beispielen berechnet der beispielhafte Erzeuger digitaler Darstellungen 306 von 3 die digitale Darstellung des Produkts in dem Fall, dass sie in einer vorherigen Fertigungsphase nicht erzeugt worden ist.
  • Der beispielhafte Ausgabeprognostizierer 318 prognostiziert eine Produktausgabeanalyse basierend auf der digitalen Darstellung des Produkts. Insbesondere weil die prognostizierte Ausgabe auf der digitalen Darstellung basiert, müssen Rohmaterialien und/oder das tatsächliche Produkt selbst solange nicht durch der aktuellen Fertigungsphase zugeordnete Werkzeuge modifiziert werden (zum Beispiel wird Materialverschwendung verhindert), bis die Ausgabeanalyse komplett ist. Infolgedessen werden die Rohmaterialien und/oder Produkte, die teilweise gefertigt wurden, nicht weiter modifiziert und/oder anderweitig verarbeitet, bis die Ausgabeanalyse eine Anzeige dafür deutlich macht, dass die aktuelle Fertigungsphase, wenn ausgeführt, in einem Produkt resultieren wird, das erwartete Entwurfsbeschränkungen erfüllt (zum Beispiel maßliche, chemische, elektrische, funktionale, usw., Anforderungen erfüllt).
  • Um die Produktausgabe zu prognostizieren, ruft der beispielhafte Ausgabeprognostizierer 318 den beispielhaften Bestimmer zeitlicher Muster 320 auf, um ein Kurzzeit-Prozessmuster (t1) zu identifizieren. Allgemein gesprochen, bestimmt der beispielhafte Ausgabeprognostizierer 318 eine oder mehrere Metriken (zum Beispiel Prozessdatensätze), die der Prozessstabilität entsprechen, indem er sowohl das Kurzzeit-Prozessmuster (t1) (zum Beispiel ein empirisch bestimmtes Zeitfenster oder eine Anzahl vorheriger Fertigungsprozessiterationen) als auch ein Langzeit-Prozessmuster (t2) (zum Beispiel ein Zeitfenster oder eine Anzahl vorheriger Fertigungsprozessiterationen, die relativ größer sind als die Kurzzeit-Dauer/-Menge) für Hinweise auf Stabilität (oder deren Fehlen) identifiziert und/oder anderweitig analysiert. In einigen Beispielen beinhaltet das Kurzzeit-Prozessmuster (t1) eine Schwellenwertanzahl von Iterationen (zum Beispiel 25 vorherige Iterationen) und das Langzeit-Prozessmuster (t2) beinhaltet eine Schwellenwertanzahl von Iterationen (zum Beispiel 100 vorherige Iterationen). In noch anderen Beispielen werden die Kurzzeit- und Langzeit-Prozessmuster in Verbindung mit einer prozentualen Menge vorheriger Iterationen (zum Beispiel 25% der vorherigen Iterationen für das Kurzzeit-Prozessmuster (t1) und 75% der vorherigen Iterationen für das Langzeit-Prozessmuster (t2)) beurteilt. Allgemein gesprochen, stellt die Analyse des Ausgabeprognostizierers 318 der Kurzzeit- und Langzeit-Prozessmuster eine Anzeige auf einen Stabilitätsgrad eines entsprechenden Prozesses (zum Beispiel eine Anzeige auf den Unterschied zwischen einem erwarteten Ergebnis und einem tatsächlichen Ergebnis) bereit. Beispielsweise in dem Fall, dass eine Erwartung von 0,01 mm Ätzen auf einer Oberfläche eines Teils mit einer tatsächlichen Beobachtung von 0,015 mm erfüllt wird, dann wird ein Wert von 0,005 durch den beispielhaften Ausgabeprognostizierer 318 aufgezeichnet, sodass Abweichungen von diesem Differenzwert über die Zeit überwacht (verfolgt) werden können, wodurch eine Anzeige auf einen Stabilitätsgrad über unterschiedliche entsprechende Zeiträume (zum Beispiel Kurzzeit, Langzeit) bereitgestellt wird. Die Muster werden durch den beispielhaften Bestimmer zeitlicher Muster 320 auf eine Übereinstimmung verglichen. In einigen Beispielen beinhaltet die Datenbank digitaler Zwillinge 308 Kandidatentrends von Daten, mit denen auf Übereinstimmungen verglichen werden kann. Bestimmte Trendverhalten zeigen bestimmte Abweichungen, Fehler und/oder Anzeigen auf einen eine Notwendigkeit einer Wartung oder einer vorbeugenden Wartung an. Anders ausgedrückt, können die Trends kategorisiert werden. Solche Trenddaten beinhalten gekennzeichnete Daten, die insbesondere nützlich sind, wenn Werkzeuge für maschinelles Lernen zu Kategorisierungszwecken aufgerufen werden. In einigen Beispielen wird eine Absolutdifferenztechnik/-Messung eingesetzt, um zu bestimmen, welcher Probentrend in einem entsprechenden Datensatz (Trendverhalten) die beobachteten Daten am genauesten widerspiegelt.
  • Wenn die Muster übereinstimmen (zum Beispiel, wenn das Kurzzeit-Prozessmuster t1 mit dem Langzeit-Prozessmuster t2 übereinstimmt), dann erzeugt der beispielhafte Bestimmer zeitlicher Muster 320 eine Produktprognose basierend auf (a) der aktuellen (zum Beispiel standardmäßigen) Prozesskonfiguration und (b) dem Langzeit-Prozessmuster (t2) durch Verwenden von maschinellem Lernen. Allgemein gesprochen, wenn die Muster übereinstimmen, ist dies eine Anzeige dafür, dass die aktuelle (zum Beispiel standardmäßige) Prozesskonfiguration angemessen ist und keiner Modifizierung (zum Beispiel Mutation) bedarf. Andererseits, in dem Fall, dass die Muster nicht übereinstimmen (zum Beispiel, wenn das Kurzzeit-Prozessmuster t1 um eine Schwellenmenge/einen Schwellenwert von dem Langzeit-Prozessmuster t2 abweicht), ist dies eine Anzeige dafür, dass Änderungen an dem Eingangsprodukt durchgängig sind, wodurch die aktuelle Prozesskonfiguration überholt ist. Dementsprechend beurteilt der beispielhafte Bestimmer zeitlicher Muster 320 die Muster in dem Bemühen, zu bestimmen, ob sich die Prozesskonfiguration ändern sollte. In einigen Fällen wird eine Regressionsanalyse durch den beispielhaften Bestimmer zeitlicher Muster 320 eingesetzt, um Informationen aufzunehmen und unterschiedliche Korrelationen in diesem Entscheidungsprozess zu berücksichtigen. Abweichungen zwischen den Kurzzeit-Prozessmustern und den Langzeit-Prozessmustern werden hierin manchmal als Mutationen bezeichnet.
  • Unter solchen Umständen, in denen der beispielhafte Bestimmer zeitlicher Muster 320 bestimmt, dass die Kurzzeit- und Langzeit-Prozessmuster nicht übereinstimmen, modifiziert der beispielhafte Prozessmodifizierer 322 die aktuelle Prozesskonfiguration. Insbesondere führt der beispielhafte Mutationsintegrator 324 die erkannten Mutationen mit der aktuellen Prozesskonfiguration zusammen, um eine mutierte Prozesskonfiguration zu erzeugen. Wie hierin verwendet, ersetzt das Zusammenführen aktuelle Werte durch die erkannten mutierten Werte. Der beispielhafte Erzeuger digitaler Darstellungen 306 wandelt die mutierte Prozesskonfiguration in eine mathematische Darstellung um, die hierin manchmal als eine Hypothesenfunktion bezeichnet wird. Die Hypothesenfunktion stellt die „mutierte“ Prozesskonfiguration dar. In einigen Beispielen erzeugt der Erzeuger digitaler Darstellungen 306 jegliche Anzahl von Hypothesenfunktionen, von denen jede einen bestimmten Aspekt des Prozesses und/oder der Prozesskonfiguration beschreibt. Der beispielhafte Kostenfunktionsanwender 328 ruft eine Kandidatenkostenfunktion ab (zum Beispiel von einem Datenspeicher, der Informationen in Bezug auf eingehende Produktspezifikationen hat) und minimiert die Kostenfunktion durch Mutationsänderungen der beispielhaften Hypothesenfunktion. Der beispielhafte Kostenfunktionsanwender 328 kann eine Minimierung ausführen, indem zum Beispiel ein Gradientenabstieg angewendet wird, wie detaillierter in einer Weise beschrieben, die mit beispielhafter Gleichung 2 übereinstimmt. In einigen Beispielen wendet der Kostenfunktionsanwender 328 die Kostenfunktion auf eine Weise an, die mit beispielhafter Gleichung 1 übereinstimmt. J ( θ ) = ( h y p o t h e s i z e d − P r e v _ O u t p u t ) 2
    Figure DE102020203986A1_0001
  • In dem veranschaulichten Beispiel von Gleichung 1 repräsentiert J(Θ) die Kostenfunktion als eine Differenz zwischen der Ausgabe einer Hypothesenfunktion und einer vorherigen Ausgabe, in der hypothesized eine mathematische Darstellung der erwarteten Ausgabe darstellt, die durch die aktuelle Fertigungszelle erzeugt wird, und Prev_Output eine mathematische Darstellung der vorherigen Ausgabe durch die aktuelle Fertigungszelle darstellt.
  • Der beispielhafte Kostenfunktionsanwender 328 bestimmt, ob der minimierte Kostenfunktionswert kleiner als ein Schwellenwert ist. Wenn ja, wird die aktuelle Konfiguration des Prozesses (zum Beispiel „Rezeptur“) als ausreichend und nicht änderungsbedürftig angesehen. Wenn jedoch nicht, dann wendet der beispielhafte Erzeuger digitaler Darstellungen 306 eine oder mehrere Revisionen auf die Hypothesenfunktion an. In einigen Beispielen werden Modifizierungen der Hypothesenfunktion durch Anwendung eines Gradientenabstiegsalgorithmus auf eine Weise realisiert, die mit beispielhafter Gleichung 2 übereinstimmt. θ l j : = θ j − α δ / δ θ j J ( θ )
    Figure DE102020203986A1_0002
  • In dem veranschaulichten Beispiel von Gleichung 2 repräsentiert J(Θ) eine Kostenfunktion (zum Beispiel die Kostenfunktion von beispielhafter Gleichung 1), Oj repräsentiert den j-ten Parameter der Hypothesenfunktion, und α repräsentiert eine Schrittgröße, die eine Rate bestimmt, bei der die beispielhafte Gleichung 2 konvergiert. Zusätzlich repräsentiert αδ/δθj J(θ) die partielle Ableitung der Kostenfunktion in Bezug auf den j-ten Parameter. In einigen Beispielen ändert der Erzeuger digitaler Darstellungen 306 iterativ den Wert des j-ten Parameters (Oj) für alle Werte von j auf eine im Wesentlichen simultane Weise. Die Modifizierungen der Hypothesenfunktion dienen als die Basis für Modifizierungen des aktuellen Prozesses in einem Bemühen, die Prozessleistung zu verbessern, angesichts von Variationen von Eingabeanomalien (zum Beispiel Variationen des Eingangsrohmaterials, die erwartete Toleranzwerte nicht erfüllen). Allgemein gesprochen, unternimmt ein Gradientenabstiegsalgorithmus, wie zum Beispiel der in beispielhafter Gleichung 2 gezeigte, Schritte einer bestimmten Größe, um ein globales Optimum einer Kostenfunktion, wie zum Beispiel der beispielhaften Kostenfunktion von beispielhafter Gleichung 1, zu erreichen. Das globale Optimum ist eine Darstellung davon, wo eine bestimmte entsprechende Metrik optimiert worden ist.
  • Da nun ein neuer Prozess durch eine oder mehrere Mutationen eingerichtet worden ist, erzeugt der beispielhafte Ausgabeprognostizierer 318 eine aktualisierte Produktprognose für die aktuelle Fertigungszelle. In einigen Beispielen setzt der Ausgabeprognostizierer 318 einen oder mehrere Algorithmen für maschinelles Lernen ein, um bei der aktualisierten Prognose zu unterstützen. Beispielsweise wendet der beispielhafte Ausgabeprognostizierer 318 Regressionstechniken an, um das Modell an Datenpunkte (Beobachtungen) anzupassen. Der beispielhafte Vergleicher digitaler Zwillinge 310 bestimmt, ob die aktualisierte Prognose innerhalb der Schwellentoleranzwerte des digitalen Zwillings liegt, und wenn ja, führt der beispielhafte Prozessanpassungsanalysierer 302 den (die) Prozessschritt(e) für die aktuelle Fertigungszelle auf den Rohmaterialien (oder dem teilweise bearbeiteten Produkt, das das gesamte Prozesssteuerungssystem mit jeglicher Anzahl von Fertigungszellen durchläuft) aus.
  • Der beispielhafte Erzeuger digitaler Darstellungen 306 berechnet eine digitale Darstellung des kürzlich bearbeiteten Produkts auf eine Weise, die ähnlich der oben diskutierten ist. Das heißt, Daten von dem beispielhaften Sensor-Interfacer 204 (zum Beispiel multimodale Kameras, Gewichtssensoren, Ebenheitsdetektoren, usw.) werden durch den beispielhaften Erzeuger digitaler Darstellungen 306 verwendet, um eine digitale Darstellung des entsprechenden Produkts zu berechnen und/oder anderweitig zu erzeugen. Der beispielhafte Vergleicher digitaler Zwillinge 310 bestimmt Unterschiede zwischen der digitalen Darstellung und der prognostizierten Darstellung und überprüft, ob ein oder mehrere Toleranzwerte erfüllt sind. Wenn nicht, dann erhöht der beispielhafte Zähler 330 einen Zählwert. Mit anderen Worten, wenn Bemühungen, den aktuellen Prozess zu modifizieren, Toleranzwerte immer noch nicht erfüllen, dann ist dies eine Anzeige dafür, dass eine weitere Prozesssteuerungsmodifizierung erforderlich ist. Um jedoch eine übereifrige Anpassung der Prozesssteuerungsmodifizierung zu vermeiden, treten solche weiteren Modifizierungen erst auf, nachdem eine Schwellenwertzählerbeschränkung erkannt ist. Wenn diese Beschränkung erkannt ist, wendet der beispielhafte Mutationsintegrator 324 weitere Mutationen an, wie unten detaillierter beschrieben. Der beispielhafte Mutationsintegrator 324 identifiziert die am meisten veränderten Variablen von der Hypothesenfunktion (zum Beispiel berechnete Unterschiede zwischen mutierten Werten und früheren nicht mutierten Werten) und wendet Mutationsanpassungswerte darauf an. In einigen Beispielen wird eine weitere Mutation der identifizierten am meisten veränderten Variablen erreicht, indem ein Zufallswert zwischen einem höchsten und niedrigsten Variablenwert in der Hypothesenfunktion erzeugt wird, und diese Variable dann mit dem neu erzeugten Zufallswert zurückgesetzt wird.
  • Während eine beispielhafte Weise der Implementierung des Auslenkungs-Managers 202 von 2 in den 1 und 2 veranschaulicht ist, und eine beispielhafte Weise der Implementierung des Prozessanpassungsanalysierers 302 von 3 in den 1 und 3 veranschaulicht ist, können eines oder mehrere der in den 1-3 veranschaulichten Elemente, Prozesse und/oder Geräte kombiniert, aufgeteilt, neu angeordnet, weggelassen, beseitigt und/oder auf jegliche andere Weise implementiert werden. Ferner können der beispielhafte Sensor-Interfacer 204, der beispielhafte Erzeuger digitaler Darstellungen 206, der beispielhafte Vergleicher digitaler Zwillinge 210, der beispielhafte Klassifizierungs-Manager 212, der beispielhafte Knoten-Interfacer 216, der beispielhafte Auslenkungsstatistikrechner 218, der beispielhafte Fingerabdruck-Manager 220, der beispielhafte Gewichts-Manager 222, der beispielhafte Sensoreigenschaftsanalysierer 224, der beispielhafte Analysierer zeitlicher Eigenschaften 226, der beispielhafte Zeitgeber 228, die beispielhafte Datenbank digitaler Zwillinge 208, die beispielhafte Fingerabdruck-Auslenkungsdatenbank 214 und/oder allgemeiner der beispielhafte Auslenkungs-Manager 202 von 2 durch Hardware, Software, Firmware und/oder jegliche Kombination von Hardware, Software und/oder Firmware implementiert werden. Zusätzlich können der beispielhafte Knoten-Interfacer 316, der beispielhafte Vergleicher digitaler Zwillinge 310, der beispielhafte Ausgabeprognostizierer 318, der beispielhafte Bestimmer zeitlicher Muster 320, der beispielhafte Zähler 330, der beispielhafte Prozessmodifizierer 322, der beispielhafte Mutationsintegrator 324, der beispielhafte Erzeuger digitaler Darstellungen 306, der beispielhafte Kostenfunktionsanwender 328, die beispielhafte Datenbank digitaler Zwillinge 308 und/oder allgemeiner der beispielhafte Prozessanpassungsanalysierer 302 von 3 durch Hardware, Software, Firmware und/oder jegliche Kombination von Hardware, Software und/oder Firmware implementiert werden. Somit könnte zum Beispiel jeglicher des beispielhaften Sensor-Interfacers 204, des beispielhaften Erzeugers digitaler Darstellungen 206, des beispielhaften Vergleichers digitaler Zwillinge 210, des beispielhaften Klassifizierungs-Managers 212, des beispielhaften Knoten-Interfacers 216, des beispielhaften Auslenkungsstatistikrechners 218, des beispielhaften Fingerabdruck-Managers 220, des beispielhaften Gewichts-Managers 222, des beispielhaften Sensoreigenschaftsanalysierers 224, des beispielhaften Analysierers zeitlicher Eigenschaften 226, des beispielhaften Zeitgebers 228, der beispielhaften Datenbank digitaler Zwillinge 208, der beispielhaften Fingerabdruck-Auslenkungsdatenbank 214 und/oder allgemeiner des beispielhaften Auslenkungs-Managers 202 von 2 durch eine oder mehrere analoge oder digitale Schaltung(en), Logikschaltungen, programmierbare Prozessor(en), programmierbare Steuerung(en), Graphics-Processing-Unit(s) (GPU), Digital-Signal-Processor(s) (DSP), Application-Specific-Integrated-Circuit(s) (ASIC), Programmable-Logic-Device(s) (PLD) und/oder Field-Programmable-Logic-Device(s) (FPLD) implementiert werden. Darüber hinaus könnte jeglicher des beispielhaften Knoten-Interfacers 316, des beispielhaften Vergleichers digitaler Zwillinge 310, des beispielhaften Ausgabeprognostizierers 318, des beispielhaften Bestimmers zeitlicher Muster 320, des beispielhaften Zählers 330, des beispielhaften Prozessmodifizierers 322, des beispielhaften Mutationsintegrators 324, des beispielhaften Erzeugers digitaler Darstellungen 306, des beispielhaften Kostenfunktionsanwenders 328, der beispielhaften Datenbank digitaler Zwillinge 308 und/oder allgemeiner des beispielhaften Prozessanpassungsanalysierers 302 von 3 durch eine oder mehrere analoge oder digitale Schaltung(en), Logikschaltungen, programmierbare Prozessor(en), programmierbare Steuerung(en), Graphics-Processing-Unit(s) (GPU), Digital-Signal-Processor(s) (DSP), Application-Specific-Integrated-Circuit(s) (ASIC), Programmable-Logic-Device(s) (PLD) und/oder Field-Programmable-Logic-Device(s) (FPLD) implementiert werden. Beim Lesen von jeglichem der Vorrichtungs- oder Systemansprüche dieses Patents, um eine reine Software- und/oder Firmware-Implementierung abzudecken, ist/sind mindestens einer des beispielhaften Sensor-Interfacers 204, des beispielhaften Erzeugers digitaler Darstellungen 206, des beispielhaften Vergleichers digitaler Zwillinge 210, des beispielhaften Klassifizierungs-Managers 212, des beispielhaften Knoten-Interfacers 216, des beispielhaften Auslenkungsstatistikrechners 218, des beispielhaften Fingerabdruck-Managers 220, des beispielhaften Gewichts-Managers 222, des beispielhaften Sensoreigenschaftsanalysierers 224, des beispielhaften Analysierers zeitlicher Eigenschaften 226, des beispielhaften Zeitgebers 228, der beispielhaften Datenbank digitaler Zwillinge 208, der beispielhaften Fingerabdruck-Auslenkungsdatenbank 214 und/oder allgemeiner des beispielhaften Auslenkungs-Managers 202 von 2 hiermit ausdrücklich so definiert, dass sie ein nicht flüchtiges computerlesbares Speicherungsgerät oder eine Speicherungsplatte, wie zum Beispiel einen Speicher, eine Digital-Versatile-Disk (DVD), eine Compact-Disk (CD), eine Blu-Ray-Disk, usw., einschließlich der Software und/oder Firmware beinhalten. Zusätzlich ist/sind beim Lesen von jeglichem der Vorrichtungs- oder Systemansprüche dieses Patents, um eine reine Software- und/oder Firmware-Implementierung abzudecken, mindestens einer des beispielhaften Knoten-Interfacers 316, des beispielhaften Vergleichers digitaler Zwillinge 310, des beispielhaften Ausgabeprognostizierers 318, des beispielhaften Bestimmers zeitlicher Muster 320, des beispielhaften Zählers 330, des beispielhaften Prozessmodifizierers 322, des beispielhaften Mutationsintegrators 324, des beispielhaften Erzeugers digitaler Darstellungen 306, des beispielhaften Kostenfunktionsanwenders 328, der beispielhaften Datenbank digitaler Zwillinge 308 und/oder allgemeiner des beispielhaften Prozessanpassungsanalysierers 302 von 3 hiermit ausdrücklich so definiert, dass sie ein nicht flüchtiges computerlesbares Speicherungsgerät oder eine Speicherungsplatte, wie zum Beispiel einen Speicher, eine Digital-Versatile-Disk (DVD), eine Compact-Disk (CD), eine Blu-Ray-Disk, usw., einschließlich der Software und/oder Firmware beinhalten. Weiterhin kann der beispielhafte Auslenkungs-Manager 202 von 2 und/oder der beispielhafte Prozessanpassungsanalysierer 302 von 3 ein oder mehrere Elemente, Prozesse und/oder Geräte zusätzlich zu den oder anstelle der in den 1-3 veranschaulichten Elemente beinhalten, und/oder kann mehr als eines von jeglichen oder allen der veranschaulichten Elemente, Prozesse und Geräte beinhalten. Wie hierin verwendet, umfasst der Ausdruck „in Kommunikation“, einschließlich Variationen davon, direkte Kommunikation und/oder indirekte Kommunikation durch eine oder mehrere Zwischenkomponenten und erfordert keine direkte physikalische (zum Beispiel verdrahtete) Kommunikation und/oder ständige Kommunikation, sondern beinhaltet vielmehr zusätzlich selektive Kommunikation in periodischen Intervallen, geplanten Intervallen, aperiodischen Intervallen und/oder einmaligen Ereignissen.
  • Flussdiagramme, die für eine beispielhafte Hardwarelogik, maschinenlesbare Anweisungen, hardwareimplementierte Zustandsmaschinen und/oder jegliche Kombination davon zum Implementieren des beispielhaften Auslenkungs-Managers 202 von 2 und des beispielhaften Prozessanpassungsanalysierers 302 von 3 repräsentativ sind, sind in den 4-12 gezeigt. Die maschinenlesbaren Anweisungen können eines oder mehrere ausführbare Programme oder Abschnitt(e) eines ausführbaren Programms zur Ausführung durch einen Computerprozessor, wie zum Beispiel Prozessor 1312 sein, der in unten in Verbindung mit 13 diskutierter beispielhafter Prozessorplattform 1300 gezeigt ist. Das Programm kann in Software verkörpert sein, die auf einem nicht flüchtigen computerlesbaren Speicherungsmedium, wie zum Beispiel einer CD-ROM, einer Diskette, einer Festplatte, einer DVD, einer Blu-Ray-Disk oder einem dem Prozessor 1312 zugeordneten Speicher gespeichert ist, das gesamte Programm und/oder Teile davon könnten jedoch alternativ durch ein anderes Gerät als den Prozessor 1312 ausgeführt und/oder in Firmware oder fest zugeordneter Hardware verkörpert sein. Ferner können, obwohl das beispielhafte Programm unter Bezugnahme auf die in den 4-12 veranschaulichten Flussdiagramme beschrieben ist, alternativ viele andere Verfahren zum Implementieren des beispielhaften Auslenkungs-Managers 202 und des beispielhaften Prozessanpassungsanalysierers 302 verwendet werden. Zum Beispiel kann die Ausführungsreihenfolge der Blöcke geändert werden, und/oder einige der beschriebenen Blöcke können geändert, beseitigt oder kombiniert werden. Zusätzlich oder alternativ können jegliche oder alle der Blöcke durch eine oder mehrere Hardwareschaltungen (zum Beispiel spezielle und/oder integrierte analoge und/oder digitale Schaltungen, ein FPGA, einen ASIC, einen Komparator, einen Operationsverstärker (op-amp), eine Logikschaltung, usw.) implementiert werden, die so strukturiert sind, dass sie die entsprechende Operation ausführen, ohne Software oder Firmware auszuführen.
  • Die hierin beschriebenen maschinenlesbaren Anweisungen können in einem oder mehreren komprimierten Formaten, einem verschlüsselten Format, einem fragmentierten Format, einem kompilierten Format, einem ausführbaren Format, einem gepackten Format, usw., gespeichert werden. Maschinenlesbare Anweisungen wie hierin beschrieben können als Daten (zum Beispiel Abschnitte von Anweisungen, Code, Darstellungen von Code, usw.) gespeichert werden, die zum Erzeigen, Fertigen und/oder Produzieren von maschinenausführbaren Anweisungen verwendet werden können. Zum Beispiel können die maschinenlesbaren Anweisungen fragmentiert und auf einem oder mehreren Speicherungsgeräten und/oder Computergeräten (zum Beispiel Servern) gespeichert werden. Die maschinenlesbaren Anweisungen können eine oder mehrere Installations-, Modifizierungs-, Anpassungs-, Aktualisierungs-, Kombinations-, Ergänzungs-, Konfigurations-, Entschlüsselungs-, Dekomprimierungs-, Entpackungs-, Verteilungs-, Neuzuweisungs-, Kompilierungsanweisungen, usw. erfordern, um sie direkt lesbar, interpretierbar und/oder durch ein Computergerät und/oder eine andere Maschine ausführbar zu machen. Zum Beispiel können die maschinenlesbaren Anweisungen in mehreren Teilen gespeichert werden, die einzeln komprimiert, verschlüsselt und auf separaten Computergeräten gespeichert werden, wobei die Teile, wenn entschlüsselt, dekomprimiert und kombiniert, einen Satz ausführbarer Anweisungen bilden, die ein Programm, wie zum Beispiel das hierin beschriebene, implementieren.
  • In einem anderen Beispiel können die maschinenlesbaren Anweisungen in einem Zustand gespeichert werden, in dem sie durch einen Computer gelesen werden können, erfordern jedoch das Hinzufügen einer Bibliothek (zum Beispiel einer Dynamic-Link-Library (DLL)), eines Software-Development-Kit (SDK), eines Aplication-Programming-Interface (API) usw., um die Anweisungen auf einem bestimmten Computergerät oder einem anderen Gerät auszuführen. In einem anderen Beispiel müssen die maschinenlesbaren Anweisungen möglicherweise konfiguriert werden (zum Beispiel gespeicherte Einstellungen, Dateneingabe, aufgezeichnete Netzwerkadressen, usw.), bevor die maschinenlesbaren Anweisungen und/oder das (die) entsprechende(n) Programm(e) vollständig oder teilweise ausgeführt werden kann (können). Somit sollen die offenbarten maschinenlesbaren Anweisungen und/oder das (die) entsprechende(n) Programm(e) solche maschinenlesbaren Anweisungen und/oder Programm(e) unabhängig von dem bestimmten Format oder Zustand der maschinenlesbaren Anweisungen und/oder Programm(e) umfassen, wenn gespeichert oder anderweitig in Ruhe oder im Übergang.
  • Die hierin beschriebenen maschinenlesbaren Anweisungen können durch jegliche vergangene, gegenwärtige oder zukünftige Anweisungssprache, Skriptsprache, Programmiersprache, usw. dargestellt werden. Zum Beispiel können die maschinenlesbaren Anweisungen durch Verwenden jeglicher der folgenden Sprachen dargestellt werden: C, C++, Java, C#, Perl, Python, JavaScript, HyperText Markup Language (HTML), Structured Query Language (SQL), Swift, usw.
  • Wie oben erwähnt, können die beispielhaften Prozesse der 4-12 durch Verwenden ausführbarer Anweisungen (zum Beispiel computer- und/oder maschinenlesbarer Anweisungen) implementiert werden, die auf einem nicht flüchtigen computer- und/oder maschinenlesbaren Medium gespeichert sind, wie zum Beispiel einem Festplattenlaufwerk, einem Flash-Speicher, einem Read-Only-Memory, einer Compact-Disk, einer Digital-Versatile-Disk, einem Cache, einem Random-Access-Memory und/oder jeglichem anderen Speicherungsgerät oder einer anderen Speicherungsplatte, auf der Informationen für jegliche Dauer (zum Beispiel für verlängerte Zeiträume, dauerhaft, für kurze Zeiträume, für vorübergehendes Puffern und/oder zum Zwischenspeichern der Informationen) gespeichert sind. Wie hierin verwendet, wird der Begriff nicht flüchtiges computerlesbares Medium ausdrücklich so definiert, dass er jeglichen Typ von computerlesbarem Speicherungsgerät und/oder Speicherungsplatte beinhaltet und sich ausbreitende Signale ausschließt und Übertragungsmedien ausschließt.
  • „Beinhaltend“ und „umfassend“ (und alle Formen und Zeiten davon) werden hierin als offene Begriffe verwendet. Somit, wenn ein Anspruch jegliche Form von „beinhalten“ oder „umfassen“ (zum Beispiel umfasst, beinhaltet, umfassend, beinhaltend, habend, usw.) als eine Präambel oder innerhalb einer Anspruchsrezitation jeglicher Art verwendet wird, versteht es sich, dass zusätzliche Elemente, Begriffe, usw. vorhanden sein können, ohne aus dem Geltungsbereich des entsprechenden Anspruchs oder der entsprechenden Rezitation zu fallen. Wie hierin verwendet, ist der Ausdruck „mindestens“, wenn er zum Beispiel in einer Präambel eines Anspruchs als der Übergangsbegriff verwendet wird, auf die gleiche Weise offen, wie die Begriffe „umfassend“ und „beinhaltend“ offen sind. Der Begriff „und/oder“, wenn zum Beispiel in einer Form, wie zum Beispiel A, B und/oder C, verwendet, bezieht sich auf jegliche Kombination oder Untersatz von A, B, C, wie zum Beispiel (1) A allein, (2) B allein, (3) C allein, (4) A mit B, (5) A mit C, (6) B mit C und (7) A mit B und mit C. Wie hierin in dem Zusammenhang mit der Beschreibung von Strukturen, Komponenten, Gegenständen, Objekten und/oder Dingen verwendet, soll sich der Ausdruck „mindestens eines von A und B“ auf Implementierungen beziehen, die jegliches von (1) mindestens ein A, (2) mindestens ein B und (3) mindestens ein A und mindestens ein B beinhalten. Gleichermaßen, wie hierin in dem Zusammenhang mit der Beschreibung von Strukturen, Komponenten, Gegenständen, Objekten und/oder Dingen verwendet, soll sich der Ausdruck „mindestens eines von A oder B“ auf Implementierungen beziehen, die jegliches von (1) mindestens ein A, (2) mindestens ein B und (3) mindestens ein A und mindestens ein B beinhalten. Wie hierin in dem Zusammenhang mit der Beschreibung der Leistung oder Ausführung von Prozessen, Anweisungen, Aktionen, Aktivitäten und/oder Schritten verwendet, soll sich der Ausdruck „mindestens eines von A und B“ auf Implementierungen beziehen, die jegliches von (1) mindestens ein A, (2) mindestens ein B und (3) mindestens ein A und mindestens ein B beinhalten. Gleichermaßen, wie hierin in dem Zusammenhang mit der Beschreibung der Leistung oder Ausführung von Prozessen, Anweisungen, Aktionen, Aktivitäten und/oder Schritten verwendet, soll sich der Ausdruck „mindestens eines von A oder B“ auf Implementierungen beziehen, die jegliches von (1) mindestens ein A, (2) mindestens ein B und (3) mindestens ein A und mindestens ein B beinhalten.
  • Wie hierin verwendet, schließen einzelne Bezüge (zum Beispiel „ein“, „eine“, „erste“, „zweite“, usw.) nicht mehrere aus. Der Begriff „ein“ oder „eine“ Entität, wie hierin verwendet, bezieht sich auf eine oder mehrere dieser Entitäten. Die Begriffe „ein“ (oder „eine“), „eins oder mehrere“ und „mindestens eins” ” können hierin austauschbar verwendet werden. Darüber hinaus können, obwohl einzeln aufgelistet, mehrere Mittel, Elemente oder Verfahrensaktionen zum Beispiel durch eine einzelne Einheit oder einen einzelnen Prozessor implementiert werden. Zusätzlich können, obwohl einzelne Merkmale in unterschiedlichen Beispielen oder Ansprüchen enthalten sein können, diese möglicherweise kombiniert werden, und die Aufnahme in unterschiedliche Beispiele oder Ansprüche impliziert nicht, dass eine Kombination von Merkmalen nicht möglich und/oder vorteilhaft ist.
  • Programm 400 von 4 beinhaltet Block 402, in dem der beispielhafte Sensor-Interfacer 204 Sensordaten von einer Fertigungszelle, wie zum Beispiel der beispielhaften ersten Fertigungszelle 102 von 1, abruft und/oder anderweitig empfängt. Der beispielhafte Erzeuger digitaler Darstellungen 206 berechnet eine digitale Darstellung des entsprechenden Produkts (Block 404), und der beispielhafte Vergleicher digitaler Zwillinge 210 ruft einen digitalen Zwilling ab (Block 406) (zum Beispiel abgerufen von der beispielhaften Datenbank digitaler Zwillinge 208). Der beispielhafte Vergleicher digitaler Zwillinge 210 bestimmt, ob das entsprechende Produkt innerhalb eines oder mehrerer Toleranzwerte liegt (Block 408), und wenn ja, dann wird die beispielhafte Fertigungszelle 102 als korrekt arbeitend angesehen (zum Beispiel keine Auslenkungen). In einigen Beispielen endet das Programm 400 von 4, und in einigen Beispielen kehrt das Programm 400 von 4 zu Block 402 zurück, um eine weitere Iteration des Betriebs der Fertigungszelle 102 zu analysieren.
  • In dem Fall, dass der Vergleicher digitaler Zwillinge 210 bestimmt, dass ein oder mehrere Toleranzwerte nicht erfüllt sind (Block 408) (zum Beispiel Nichteinhaltung von Maßen (zum Beispiel Werten, die ein Schwellenwertziel überschreiten, Werten, die unter einem Schwellenwertziel liegen) beim Vergleich mit dem digitalen Zwilling) erzeugt der beispielhafte Fingerabdruck-Manager 220 einen Prozessfingerabdruck (Block 410). 5 veranschaulicht zusätzliche Details, die dem Erzeugen des Prozessfingerabdrucks von Block 410 zugeordnet sind. In dem veranschaulichten Beispiel von 5 säubert der beispielhafte Sensor-Interfacer 204 abgerufene Sensordaten (Block 502). Insbesondere erzeugt der beispielhafte Fingerabdruck-Manager 220 zwei Typen von Fingerabdrücken, von denen einer Sensormuster berücksichtigt (zum Beispiel Sensordatentypen, Sensordatenwerte/Schwellenwerte, usw.), und ein anderer zeitliche Eigenschaften der Sensordaten berücksichtigt (zum Beispiel Frequenz, mit der ein bestimmter Sensortyp einen bestimmten Wert aufweist). Der beispielhafte Gewichts-Manager 222 wendet Gewichtungswerte auf die Sensordaten an (Block 504), und der beispielhafte Sensoreigenschaftsanalysierer 224 bestimmt ein oder mehrere Muster, die mit der Auslenkung zusammenhängen könnten (Block 506). Mit diesen Informationen erzeugt der beispielhafte Fingerabdruck-Manager 220 einen eigenschaftsbasierten Fingerabdruck (Block 508), um bei einem Klassifizierungsversuch zu unterstützen. Zusätzlich berechnet der beispielhafte Analysierer zeitlicher Eigenschaften 226 zeitliche Eigenschaften der abgerufenen Sensordaten (Block 510) und/oder bestimmt diese anderweitig, und der beispielhafte Fingerabdruck-Manager 220 erzeugt einen zeitlich basierten Fingerabdruck (Block 512), um bei dem Klassifizierungsversuch zu unterstützen.
  • Zurückkommend auf das veranschaulichte Beispiel von 4 klassifiziert der beispielhafte Klassifizierungs-Manager 212 die erzeugten Fingerabdrücke (Block 412). In einigen Beispielen fragt der Klassifizierungs-Manager 212 die beispielhafte Fingerabdruck-Auslenkungsdatenbank 214 ab, um eine Übereinstimmung der erzeugten Fingerabdrücke zu finden. In dem Fall, dass der beispielhafte Fingerabdruck-Manager 220 keine Übereinstimmung mit den erzeugten Fingerabdrücken findet (Block 414), werden solche Fingerabdrücke als neu angesehen und könnten für zukünftige Anomalie-/Auslenkungserkennungsbemühungen hilfreich sein. Der beispielhafte Fingerabdruck-Manager 220 aktualisiert die beispielhafte Fingerabdruck-Auslenkungsdatenbank 214 mit den neu identifizierten Fingerabdrücken (Block 416).
  • 6 veranschaulicht zusätzliche Details, die der Aktualisierung der Fingerabdruck-Auslenkungsdatenbank von Block 416 zugeordnet sind. In dem veranschaulichten Beispiel von 6 überträgt der beispielhafte Knoten-Interfacer 216 die neu klassifizierten Fingerabdrücke an kommunizierend verbundene Prozesssteuerungsknoten (Block 602). Beispielhafte kommunizierend verbundene Prozesssteuerungsknoten beinhalten, sind jedoch nicht beschränkt auf jeweilige Edge-Knoten (zum Beispiel den beispielhaften Edge-Knoten 120 von 1), die jeglicher Anzahl von Fertigungszellen (zum Beispiel der beispielhaften ersten Fertigungszelle 102 von 1) entsprechen. Der beispielhafte Zeitgeber 228 wird gestartet (Block 604) (zum Beispiel gestartet auf Anforderung des beispielhaften Knoten-Interfacers 216), und der Knoten-Interfacer 216 bestimmt, ob eine Empfangsbestätigung der Fingerabdrücke empfangen wurde (Block 606). Wenn ja, erhöht der beispielhafte Knoten-Interfacer 216 einen Bestätigungszähler oder einen Zählwert (Block 608) und bestimmt, ob der Zählwert gleich der Anzahl bekannter Knoten, Werkzeuge und/oder Fertigungszellen ist, die ein vollständiges Fertigungssystem bilden (Block 610). Wenn ja, dann wurde das gesamte Fertigungssystem (zum Beispiel eine Reihe einzelner Fertigungszellen, die zusammenarbeiten, um ein Endprodukt zu fertigen) vollständig über den neuen Fingerabdruck informiert, sodass jede einzelne Fertigungszelle in der Lage ist, denselben zu identifizieren. Der Fingerabdruck-Manager 220 übergibt dann die neu entdeckten Fingerabdrücke an eine lokale Wissensbasis (Block 612), wie zum Beispiel die beispielhafte Fingerabdruck-Auslenkungsdatenbank 230.
  • In dem Fall, dass der beispielhafte Knoten-Interfacer 216 keine Bestätigung empfängt (Block 606), bestimmt der beispielhafte Zeitgeber 228, ob eine Schwellenwertdauer abgelaufen ist (Block 614). Mit anderen Worten, eine begrenzte Zeitdauer wird dem Aufwand zugewiesen, die neu entdeckten Fingerabdrücke an das gesamte Fertigungssystem zu kommunizieren, sodass es auf eine konsistente Weise arbeiten kann. Wenn nicht alle teilnehmenden Fertigungszellen die neuesten Fingerabdruckinformationen haben, dann ist es weniger wahrscheinlich, dass ein konsistentes Systemverhalten auftritt. Somit sendet, wenn der Zeitgeber abläuft (Block 614), ohne dass alle Fertigungszellen den Empfang der Fingerabdrücke bestätigen, der beispielhafte Knoten-Interfacer 216 Rollback-Nachrichten an alle der zuvor bestätigten Fertigungsstationen (Block 616), um einen Informationsunterschied des gesamten Prozesssteuerungssystems zu verhindern.
  • Zurückkommend auf das veranschaulichte Beispiel von 4 bestimmt in dem Fall, dass ein klassifizierter Fingerabdruck identifiziert wird (Block 414), der beispielhafte Fingerabdruck-Manager 220 einen Zusammenhang für die Auslenkung (Block 418). 7 veranschaulicht zusätzliche Details, die dem Bestimmen eines Inhalts für die Auslenkung von Block 418 zugeordnet sind. In dem veranschaulichten Beispiel von 7 erzeugt der beispielhafte Knoten-Interfacer 216 eine Abfragenachricht durch Verwenden des kürzlich identifizierten Fingerabdrucks (Block 702). Diese Abfragenachricht wird gesendet und/oder anderweitig an alle Fertigungszellen verteilt, die ein Gesamtprozesssteuerungssystem bilden. Der beispielhafte Zeitgeber 228 wird gestartet (Block 704) (zum Beispiel gestartet durch den beispielhaften Knoten-Interfacer 216), und der beispielhafte Knoten-Interfacer 216 bestimmt, ob eine Antwortnachricht empfangen wurde (Block 706). Wenn nicht, bestimmt der Zeitgeber 228, ob eine Schwellenwertdauer abgelaufen ist (Block 710), und wenn nicht, kehrt die Steuerung zu Block 706 zurück, um nach Fällen von Antwortnachrichten zu suchen.
  • Für Umstände, in denen eine Antwortnachricht empfangen wird (Block 706), bestimmt der beispielhafte Knoten-Interfacer 216, ob alle teilnehmenden Fertigungszellen des Prozesssteuerungssystems geantwortet haben (Block 708). Wenn nicht, dann bestimmt der Zeitgeber 228, ob die Schwellenwertdauer abgelaufen ist (Block 710). Wenn wiederum nicht, dann kehrt die Steuerung zu Block 706 zurück. Jedoch in dem Fall, dass der Zeitgeber abgelaufen ist (Block 710) oder alle Werkzeuge geantwortet haben (Block 708), dann aktualisiert der beispielhafte Knoten-Interfacer 216 eine Zählung, wie viele Fertigungszellen, Stationen und/oder Werkzeuge darin dieselbe Auslenkung wie durch die aktuelle Fertigungszelle erkannt aufweisen (Block 712). Der beispielhafte Auslenkungsstatistikrechner 218 verwendet solche Informationen, um Auslenkungsstatistiken für die Werkzeugsätze und/oder jedes einzelne Werkzeug innerhalb der jeweiligen Fertigungszellen zu berechnen (Block 714). Wie oben und ausführlicher unten beschrieben, sind solche Zusammenhangsinformationen hilfreich, wenn eine oder mehrere Trendaktivitäten/-Bedingungen des Prozesssteuerungssystems und/oder der jeweiligen Fertigungszellen darin identifiziert werden. Die Steuerung kehrt dann zu 4 zurück.
  • Zurückkehrend zu dem veranschaulichten Beispiel von 4 verwendet der beispielhafte Auslenkungsstatistikrechner 218 die unterschiedlichen Auslenkungsstatistiken, um Trendverhalten des beispielhaften Prozesses zu identifizieren und/oder anderweitig zu bestimmen (Block 420). 8 veranschaulicht zusätzliche Details, die dem Bestimmen des Prozesstrends zugeordnet sind. In dem veranschaulichten Beispiel von 8 bestimmt der Auslenkungsstatistikrechner 218 einen gewichteten Zeitfaktor für die mittlere Zeit bis zum Ausfall (Mean-Time-Between-Failure - MTBF) für jeweilige Auslenkungsereignisse und zugeordnete Werkzeuge (Block 802). Der beispielhafte Auslenkungsstatistikrechner 218 bestimmt eine Werkzeugsatz (Stationssatz) - Entropiemetrik basierend auf der MTBF (Block 804) und bestimmt einen entsprechenden Werkzeug-/Werkzeugsatz-Unversehrtheitsindex (Block 806) Die Steuerung kehrt dann zu 4 zurück, wo das beispielhafte Programm 400 endet, oder wo in einigen Beispielen die Steuerung zu Block 402 zurückkehrt, um eine weitere Iteration der Prozesssteuerung durch die entsprechende Fertigungszelle zu analysieren.
  • Während beispielhafte Flussdiagramme der 4-8 oben eine beispielhafte Auslenkungserkennung, einen Fingerabdruck und eine Klassifizierung in Verbindung mit dem beispielhaften Auslenkungs-Manager 202 von 2 offenbaren, offenbaren beispielhafte Flussdiagramme unten beispielhafte dynamische Anpassungen von nachgelagerten Prozessoperationen in Verbindung mit dem beispielhaften Prozessanpassungsanalysierer 302 von 3. Programm 900 von 9 beinhaltet Block 902, in dem der beispielhafte Knoten-Interfacer 316 eine digitale Darstellung von einem vorgelagerten Prozess abruft, und der beispielhafte Ausgabeprognostizierer 318 eine entsprechende Produktausgabe prognostiziert (Block 904).
  • 10 veranschaulicht zusätzliche Details, die dem Prognostizieren einer Produktausgabe (Block 904) von 9 entsprechen. In dem veranschaulichten Beispiel von 10 identifiziert der beispielhafte Bestimmer zeitlicher Muster 320 ein Kurzzeit-Prozessmuster (t1) (Block 1002). Zusätzlich identifiziert der beispielhafte Bestimmer zeitlicher Muster 320 ein Langzeit-Prozessmuster (t2) (Block 1004). Der beispielhafte Bestimmer zeitlicher Muster 320 vergleicht das Kurzzeitmuster und das Langzeitmuster (Block 1006) und bestimmt, ob diese Muster übereinstimmen (Block 1008). Wenn ja, dann erzeugt der beispielhafte Bestimmer zeitlicher Muster 320 eine Produktprognose basierend auf (a) der aktuellen Prozesskonfiguration (zum Beispiel der Standardprozesskonfiguration, wenn nicht zuvor erweitert) und (b) dem Langzeitmuster durch Verwenden einer oder mehrerer Techniken/Werkzeuge für maschinelles Lernen (Block 1010). Die Steuerung fährt dann bei Block 906 von 9 fort, wie oben und ausführlicher unten beschrieben.
  • Jedoch in dem Fall, dass der beispielhafte Bestimmer zeitlicher Muster 320 feststellt, dass (a) die aktuelle Prozesskonfiguration und (b) das Langzeitmuster nicht übereinstimmen (Block 1008), dann modifiziert der beispielhafte Prozessmodifizierer 322 die aktuelle Prozesskonfiguration (Block 1012). Wie oben beschrieben, wenn die oben genannten Muster nicht übereinstimmen, ist dies eine Anzeige dafür, dass Änderungen an dem eingehenden Produkt durchgängig sind und/oder anderweitig zu einer neuen Normalität werden. Als solches kann die aktuelle Prozesskonfiguration als überholt angesehen werden.
  • 11 veranschaulicht zusätzliche Details, die dem Modifizieren des aktuellen Prozesses entsprechen (Block 1012). In dem veranschaulichten Beispiel von 11 führt der beispielhafte Mutationsintegrator 324 die erkannten Mutationen mit der aktuellen Prozesskonfiguration zusammen, um eine mutierte Prozesskonfiguration zu erzeugen (Block 1102). Der beispielhafte Erzeuger digitaler Darstellungen 306 wandelt die mutierte Prozesskonfiguration in eine mathematische Darstellung um (Block 1104), die hierin manchmal als eine Hypothesenfunktion bezeichnet wird. Der beispielhafte Kostenfunktionsanwender 328 ruft eine Kandidatenkostenfunktion ab und minimiert die Kostenfunktion durch Mutationsänderungen an der beispielhaften Hypothesenfunktion (Block 1106). In dem Fall, dass der beispielhafte Kostenfunktionsanwender 328 bestimmt, dass der resultierende Kostenfunktionswert kleiner als ein Schwellenwert ist (Block 1108), dann kehrt die Steuerung des beispielhaften Programms von 11 zu Block 1014 von 10 zurück.
  • Andererseits, wenn der beispielhafte Kostenfunktionsanwender 328 bestimmt, dass der resultierende Kostenfunktionswert nicht kleiner als ein Schwellenwert ist (Block 1108), dann wendet der beispielhafte Erzeuger digitaler Darstellungen 306 Revisionen auf die zuvor erzeugte Hypothesenfunktion an (Block 1110), und die Steuerung kehrt zu Block 1106 zurück. Mit anderen Worten wird die beispielhafte Hypothesenfunktion weiter erweitert, bis die Ausgabe der beispielhaften Kostenfunktion einen bestimmten Schwellenwert erfüllt. Zurückkehrend zu dem veranschaulichten Beispiel von 10 erzeugt der beispielhafte Ausgabeprognostizierer 318 eine Produktprognose basierend auf dem modifizierten Prozess durch Verwenden einer oder mehrerer Techniken/Werkzeuge für maschinelles Lernen (Block 1014). Die Steuerung fährt dann bei Block 906 von 9 fort.
  • In dem veranschaulichten Beispiel von 9 bestimmt der beispielhafte Vergleicher digitaler Zwillinge 310, ob die Prognose innerhalb eines oder mehrerer Toleranzwerte des digitalen Zwillings liegt (Block 906). Solche Prognosen treten wiederum auf, ohne dass tatsächliche Rohmaterialien oder Teile modifiziert und/oder anderweitig bearbeitet werden müssen, wodurch Verschwendung und Verarbeitungszeit reduziert werden. Der beispielhafte Prozessanpassungsanalysierer 302 führt den Prozessschritt (Block 908) aus (zum Beispiel in Verbindung mit einer aktualisierten Prozesskonfiguration), und da der Prozessschritt nun an einem tatsächlichen realen Teil oder Rohmaterialien arbeitet, berechnet der beispielhafte Erzeuger digitaler Darstellungen 306 eine digitale Darstellung des resultierenden Prozessschritts (Block 910). Wie oben beschrieben, kann der beispielhafte Erzeuger digitaler Darstellungen 306 jegliche Anzahl von Sensoren und/oder Kameras aufrufen und/oder anderweitig verwenden, um die digitale Darstellung zu erzeugen.
  • Der beispielhafte Vergleicher digitaler Zwillinge 310 bestimmt Unterschiede zwischen der digitalen Darstellung und der prognostizierten Darstellung (Block 912) und bestimmt, ob eine oder mehrere Toleranzen erfüllt sind (Block 914). Wenn nicht, dann erhöht der beispielhafte Zähler 330 einen Zählwert (Block 916). Wie oben beschrieben, wenn Bemühungen, den aktuellen Prozess (inkrementell) zu modifizieren, Toleranzwerte immer noch nicht erfüllen, dann ist dies eine Anzeige dafür, dass weitere Prozesssteuerungsmodifizierungen benötigt werden können. Natürlich wird eine einzelne Instanz von Schwellenwert-Nichteinhaltungen nicht als ausreichend für weitere Änderungen angesehen, da dies in einem überregulierten System resultieren würde und die Prozesssteuerungsstabilität negativ beeinflussen würde. Stattdessen vergleicht der beispielhafte Zähler 330 einen aktuellen Zählwert mit einem Schwellenwert (Block 918), und wenn die Zählung den Grenzwert nicht überschreitet, dann treten keine weiteren Modifizierungen auf, und das Programm 900 von 9 endet oder wiederholt sich als Reaktion auf nachfolgende Instanzen von Prozesssteuerungsaktivität.
  • Andererseits, wenn der Zählwert den Schwellenwert überschreitet (Block 918), fährt die Steuerung mit Block 922 fort, wo der beispielhafte Mutationsintegrator 324 eine oder mehrere Mutationen auf die aktuelle Prozesskonfiguration (die im Hinblick auf das wiederholte Auftreten von Toleranz-Nichteinhaltung als veraltet angesehen werden kann) anwendet. 12 veranschaulicht zusätzliche Details, die der Anwendung von Mutationen des Blocks 922 entsprechen. In dem veranschaulichten Beispiel von 12 identifiziert der beispielhafte Mutationsintegrator 324 die am meisten veränderte Variable von der Hypothesenfunktion (Block 1202) und wendet Mutationsanpassungswerte auf diese Variable(n) an (Block 1204). Die Steuerung kehrt dann zu 9 zurück.
  • 13 ist ein Blockdiagramm von beispielhafter Prozessorplattform 1300, die so strukturiert ist, dass sie die Anweisungen der 4-12 ausführt, um die Vorrichtung der 1-3 zu implementieren. Die Prozessorplattform 1300 kann zum Beispiel ein Server, ein Personal-Computer, eine Workstation, eine selbstlernende Maschine (zum Beispiel ein neuronales Netzwerk), eine Internet-Appliance oder jeglicher andere Typ von Computergerät sein.
  • Die Prozessorplattform 1300 des veranschaulichten Beispiels beinhaltet Prozessor 1312. Der Prozessor 1312 des veranschaulichten Beispiels ist Hardware. Zum Beispiel kann der Prozessor 1312 durch eine oder mehrere integrierte Schaltungen, Logikschaltungen, Mikroprozessoren, GPU, DSP oder Steuerungen von jeglicher gewünschten Familie oder jeglichem gewünschten Hersteller implementiert werden. Der Hardware-Prozessor kann ein Gerät auf Halbleiterbasis (zum Beispiel auf Siliziumbasis) sein. In diesem Beispiel implementiert der Prozessor den beispielhaften Sensor-Interfacer 204, den beispielhaften Erzeuger digitaler Darstellungen 206, den beispielhaften Vergleicher digitaler Zwillinge 210, den beispielhaften Klassifizierungs-Manager 212, den beispielhaften Knoten-Interfacer 216, den beispielhaften Auslenkungsstatistikrechner 218, den beispielhaften Fingerabdruck-Manager 220, den beispielhaften Gewichts-Manager 222, den beispielhaften Sensoreigenschaftsanalysierer 224, den beispielhaften Analysierer zeitlicher Eigenschaften 226, den beispielhaften Zeitgeber 228, die beispielhafte Datenbank digitaler Zwillinge 208, die beispielhafte Fingerabdruck-Auslenkungsdatenbank 214 und/oder allgemeiner den beispielhaften Auslenkungs-Manager 202 von 2. Zusätzlich implementiert der Prozessor 1312 in diesem Beispiel den beispielhaften Knoten-Interfacer 316, den beispielhaften Vergleicher digitaler Zwillinge 310, den beispielhaften Ausgabeprognostizierer 318, den beispielhaften Bestimmer zeitlicher Muster 320, den beispielhaften Zähler 330, den beispielhaften Prozessmodifizierer 322, den beispielhaften Mutationsintegrator 324, den beispielhaften Erzeuger digitaler Darstellungen 306, den beispielhaften Kostenfunktionsanwender 328, die beispielhafte Datenbank digitaler Zwillinge 308 und/oder allgemeiner den beispielhaften Prozessanpassungsanalysierer 302 von 3.
  • Der Prozessor 1312 des veranschaulichten Beispiels beinhaltet lokalen Speicher 1313 (zum Beispiel einen Cache). Der Prozessor 1312 des veranschaulichten Beispiels ist über Bus 1318 mit einem Hauptspeicher in Kommunikation, der flüchtigen Speicher 1314 und nichtflüchtigen Speicher 1316 beinhaltet. Der flüchtige Speicher 1314 kann durch einen Synchronous-Dynamic-Random-Access-Memory (SDRAM), Dynamic-Random-Access-Memory (DRAM), RAMBUS® Dynamic-Random-Access-Memory (RDRAM®) und/oder jeglichen anderen Typ von Direktzugriffsspeicher implementiert werden. Der nichtflüchtige Speicher 1316 kann durch einen Flash-Speicher und/oder jeglichen anderen gewünschten Typ von Speicherungsgerät implementiert werden. Zugriff auf den Hauptspeicher 1314, 1316 wird durch eine Speichersteuerung gesteuert.
  • Die Prozessorplattform 1300 des veranschaulichten Beispiels beinhaltet auch Schnittstellenschaltung 1320. Die Schnittstellenschaltung 1320 kann durch jeglichen Typ von Schnittstellenstandard implementiert werden, wie zum Beispiel eine Ethernet-Schnittstelle, einen Universal-Serial-Bus (USB), eine Bluetooth®-Schnittstelle, eine Near-Field-Communication (NFC) - Schnittstelle und/oder eine PCI-Express-Schnittstelle.
  • In dem veranschaulichten Beispiel sind ein oder mehrere Eingabegeräte 1322 mit der Schnittstellenschaltung 1320 verbunden. Das (die) Eingabegerät(e) 1322 ermöglicht (ermöglichen) es einem Benutzer, Daten und/oder Befehle in den Prozessor 1312 einzugeben. Das (die) Eingabegerät(e) kann (können) zum Beispiel durch einen Audiosensor, ein Mikrofon, eine Kamera (Standbild oder Video), eine Tastatur, einen Druckknopf, eine Maus, einen Touchscreen, ein Trackpad, einen Trackball, einen Isopunkt und/oder ein Spracherkennungssystem implementiert werden.
  • Ein oder mehrere Ausgabegeräte 1324 sind auch mit der Schnittstellenschaltung 1320 des veranschaulichten Beispiels verbunden. Die Ausgabegeräte 1324 können zum Beispiel durch Anzeigegeräte (zum Beispiel eine Light-Emitting-Diode (LED), eine Organic-Light-Emitting-Diode (OLED), ein Liquid-Crystal-Display (LCD), ein Cathode-Ray-Tube-Display (CRT), ein In-Place-Switching (IPS) -Display, einen Touchscreen, usw.), ein haptisches Ausgabegerät, einen Drucker und/oder Lautsprecher implementiert werden. Die Schnittstellenschaltung 1320 des veranschaulichten Beispiels beinhaltet somit typischerweise eine Grafiktreiberkarte, einen Grafiktreiberchip und/oder einen Grafiktreiberprozessor.
  • Die Schnittstellenschaltung 1320 des veranschaulichten Beispiels beinhaltet auch ein Kommunikationsgerät, wie zum Beispiel einen Sender, einen Empfänger, einen Transceiver, ein Modem, ein Residential-Gateway, einen drahtlosen Zugangspunkt und/oder eine Netzwerkschnittstelle, um den Datenaustausch mit externen Maschinen (zum Beispiel Computergeräten jeglicher Art) über Netzwerk 1326 zu erleichtern. Die Kommunikation kann zum Beispiel über eine Ethernet-Verbindung, eine Digital-Subscriber-Line (DSL) -Verbindung, eine Telefonleitungsverbindung, ein Koaxialkabelsystem, ein Satellitensystem, ein drahtloses Line-of-Site-System, ein Mobiltelefonsystem, usw. sein
  • Die Prozessorplattform 1300 des veranschaulichten Beispiels beinhaltet auch ein oder mehrere Massenspeicherungsgeräte 1328 zum Speichern von Software und/oder Daten. Beispiele solcher Massenspeicherungsgeräte 1328 beinhalten Diskettenlaufwerke, Festplatten, CD-Laufwerke, Blu-Ray-Laufwerke, Redundant-Array-of-Independent-Disks (RAID) -Systeme und Digital-Versatile-Disk (DVD) -Laufwerke.
  • Maschinenausführbare Anweisungen 1332 der 4-12 können in dem Massenspeicherungsgerät 1328, in dem flüchtigen Speicher 1314, in dem nichtflüchtigen Speicher 1316 und/oder auf einem auswechselbaren nichtflüchtigen computerlesbaren Speicherungsmedium, wie zum Beispiel einer CD oder DVD, gespeichert sein.
  • Aus dem Vorstehenden wird ersichtlich, dass beispielhafte Verfahren, Vorrichtungen und Fertigungsartikel offenbart wurden, die die Kommunikation zwischen Unterprozessen eines Prozesssteuerungssystems erleichtern, um die Erkennung von Auslenkungen und die Handhabung derselben auf eine dynamische Weise zu ermöglichen. In einigen Beispielen alarmieren hierin offenbarte dynamische Kommunikationsprozesse nachfolgende Unterprozesse über Auslenkungen, sodass Korrekturmaßnahmen ergriffen werden können, bevor sich übermäßige Materialverschwendung, Prozesszeitverschwendung und/oder Sicherheitsprobleme entwickeln können. Hierin offenbarte Beispiele erleichtern auch ein alternatives Steuerungssystem-Paradigma, das nicht streng auf eine einzelne Prozessrezeptur abgestimmt ist, an die sich herkömmliche Prozesssteuerungssysteme halten. Beispielsweise können angesichts der herkömmlichen strengen Konformität mit Prozessrezepturen solche herkömmlichen Prozesssteuerungssysteme keine Produkte mit einem relativ hohen Qualitätsgrad als Reaktion auf Änderungen der Eingangsmaterialbedingungen produzieren. Die offenbarten Verfahren, Vorrichtungen und Fertigungsartikel verbessern auch die Effizienz der Verwendung eines Computergeräts, indem sie eine Anzahl von Produkt- und/oder Prozessnacharbeitsfällen reduzieren, indem sie die Auslenkungen identifizieren, bevor Operationen an den physikalischen Teilen/Materialien ausgeführt werden. Dementsprechend sind offenbarte Verfahren, Vorrichtungen, Systeme und Fertigungsartikel auf eine oder mehrere Verbesserung(en) in der Funktionsweise eines Computers gerichtet.
  • Obwohl hierin bestimmte beispielhafte Verfahren, Vorrichtungen und Fertigungsartikel offenbart wurden, ist der Umfang der Abdeckung dieses Patents nicht darauf beschränkt. Im Gegenteil, dieses Patent deckt alle Verfahren, Vorrichtungen und Fertigungsartikel ab, die einigermaßen in den Umfang der Ansprüche dieses Patents fallen.
  • Die folgenden Ansprüche werden hiermit durch diese Bezugnahme in diese detaillierte Beschreibung aufgenommen, wobei jeder Anspruch für sich alleine als eine einzelne Ausführungsform der vorliegenden Offenbarung steht.
  • Beispielhafte Verfahren, Vorrichtungen, Systeme und Fertigungsartikel zur Verwaltung von Prozessauslenkungen sind hierin offenbart. Weitere Beispiele und Kombinationen davon beinhalten die folgenden:
  • Beispiel 1 beinhaltet eine Vorrichtung zum Identifizieren eines Auslenkungseffekts in einem Prozesssteuerungssystem, wobei die Vorrichtung Folgendes umfasst: einen Vergleicher digitaler Zwillinge, um zu bestimmen, wann ein Produkt zum ersten Mal eine Toleranzmetrik eines digitalen Zwillings nicht erfüllt, eine Sensoreigenschafts-Engine, um ein Sensortypmuster zu identifizieren, das dem ersten Mal vorausgehenden Sensorwertereignissen entspricht, einen Analysierer zeitlicher Eigenschaften, um ein zeitliches Muster der dem ersten Mal vorausgehenden Sensorwertereignisse zu identifizieren, einen Fingerabdruck-Manager, um einen Fingerabdruck zu erzeugen, der dem Sensortypmuster und dem zeitlichen Muster entspricht, einen Knoten-Interfacer, um eine Anzahl von Arbeitsstationen des Prozesssteuerungssystems zu bestimmen, die den Fingerabdruck aufweisen, und einen Auslenkungsstatistikrechner, um eine Korrekturmaßnahme für die jeweilige Anzahl von Arbeitsstationen aufzurufen, wobei die Korrekturmaßnahme auf einer Schwellenwertzählung der Anzahl der Arbeitsstationen basiert, die den Fingerabdruck aufweisen.
  • Beispiel 2 beinhaltet die Vorrichtung wie in Beispiel 1 definiert, die ferner eine Sensoreigenschafts-Engine beinhaltet, um das Sensormuster basierend auf Sensortypen zu identifizieren, die einem ersten Mal vorausgehenden Sensorwertereignissen entsprechen, wobei das erste Mal anzeigt, wann das Produkt die Toleranzmetrik des digitalen Zwillings nicht erfüllt.
  • Beispiel 3 beinhaltet die Vorrichtung wie in Beispiel 2 definiert, die ferner einen Analysierer zeitlicher Eigenschaften beinhaltet, um das Sensormuster basierend auf dem zeitlichen Auftreten von dem ersten Mal vorausgehenden Sensorwerten zu identifizieren.
  • Beispiel 4 beinhaltet die Vorrichtung wie in Beispiel 1 definiert, die ferner eine Sensoreigenschafts-Engine, um ein Sensortypmuster zu identifizieren, das einem ersten Mal vorausgehenden Sensorwertereignissen entspricht, wobei das erste Mal einem Versagen, die Toleranzmetrik zu erfüllen, zugeordnet ist, und eine Engine zeitlicher Eigenschaften, um ein zeitliches Muster der dem ersten Mal vorausgehenden Sensorwertereignisse zu identifizieren, umfasst.
  • Beispiel 5 beinhaltet die Vorrichtung wie in Beispiel 1 definiert, die ferner einen Klassifizierungs-Manager beinhaltet, um den Fingerabdruck gegen eine Wissensbasis bekannter Prozessauslenkungsfingerabdrücke zu klassifizieren.
  • Beispiel 6 beinhaltet die Vorrichtung wie in Beispiel 5 definiert, wobei der Klassifizierungs-Manager ein vorbeugendes Wartungsverfahren als die Korrekturmaßnahme als Reaktion auf eine Übereinstimmung des Fingerabdrucks in der Wissensbasis aufrufen soll.
  • Beispiel 7 beinhaltet die Vorrichtung wie in Beispiel 5 definiert, wobei der Klassifizierungs-Manager eine betriebliche Ungleichheit des Prozesssteuerungssystems verhindern soll, indem er den klassifizierten Fingerabdruck innerhalb eines Schwellenzeitraums an die Anzahl von Arbeitsstationen des Prozesssteuerungssystems überträgt.
  • Beispiel 8 beinhaltet die Vorrichtung wie in Beispiel 7 definiert, wobei der Knoten-Interfacer eine Schwellenwertzählung von Übertragungsbestätigungen innerhalb des Schwellenzeitraums identifizieren soll, wobei die Schwellenwertzählung einer Anzahl von Arbeitsstationen zugeordnet ist, die dem Prozesssteuerungssystem zugeordnet sind.
  • Beispiel 9 beinhaltet die Vorrichtung wie in Beispiel 1 definiert, wobei der Fingerabdruck-Manager den Fingerabdruck zu einer Fingerabdruck-Auslenkungsdatenbank hinzufügen soll, wenn keine Übereinstimmung des Fingerabdrucks in einer Wissensdatenbank auftritt.
  • Beispiel 10 beinhaltet ein nicht flüchtiges computerlesbares Speicherungsmedium, das computerlesbare Anweisungen umfasst, die, wenn ausgeführt, mindestens einen Prozessor dazu veranlassen, mindestens zu bestimmen, wann ein Produkt eine Toleranzmetrik eines digitalen Zwillings nicht erfüllt, einen Fingerabdruck zu erzeugen, der einem Sensormuster entspricht, eine Anzahl von Arbeitsstationen eines Prozesssteuerungssystems zu bestimmen, die den Fingerabdruck aufweisen, und eine Korrekturmaßnahme für die jeweilige Anzahl von Arbeitsstationen aufzurufen, wobei die Korrekturmaßnahme auf einer Schwellenwertzählung der Anzahl von Arbeitsstationen basiert, die den Fingerabdruck aufweisen.
  • Beispiel 11 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 10 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, das Sensormuster basierend auf Sensortypen zu identifizieren, die einem ersten Mal vorausgehenden Sensorwertereignissen entsprechen, wobei das erste Mal anzeigt, wann das Produkt die Toleranzmetrik des digitalen Zwillings nicht erfüllt.
  • Beispiel 12 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 11 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, das Sensormuster basierend auf dem zeitlichen Auftreten von dem ersten Mal vorausgehenden Sensorwerten zu identifizieren.
  • Beispiel 13 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 10 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, ein Sensortypmuster zu identifizieren, das einem ersten Mal vorausgehenden Sensorwertereignissen entspricht, wobei das erste Mal einem Versagen, die Toleranzmetrik zu erfüllen, zugeordnet ist, und ein zeitliches Muster der dem ersten Mal vorausgehenden Sensorwertereignisse zu identifizieren
  • Beispiel 14 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 10 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, den Fingerabdruck gegen eine Wissensbasis bekannter Prozessauslenkungsfingerabdrücke zu klassifizieren.
  • Beispiel 15 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 14 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, ein vorbeugendes Wartungsverfahren als die Korrekturmaßnahme als Reaktion auf eine Übereinstimmung des Fingerabdrucks in der Wissensbasis aufzurufen.
  • Beispiel 16 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 14 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, eine betriebliche Ungleichheit des Prozesssteuerungssystems zu verhindern, indem er den klassifizierten Fingerabdruck innerhalb eines Schwellenzeitraums an die Anzahl von Arbeitsstationen des Prozesssteuerungssystems überträgt.
  • Beispiel 17 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 16 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, eine Schwellenwertzählung von Übertragungsbestätigungen innerhalb des Schwellenzeitraums zu identifizieren, wobei die Schwellenwertzählung einer Anzahl von Arbeitsstationen zugeordnet ist, die dem Prozesssteuerungssystem zugeordnet sind.
  • Beispiel 18 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 10 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, den Fingerabdruck zu einer Fingerabdruck-Auslenkungsdatenbank hinzuzufügen, wenn keine Übereinstimmung des Fingerabdrucks in einer Wissensdatenbank auftritt.
  • Beispiel 19 beinhaltet ein computerimplementiertes Verfahren zum Identifizieren eines Auslenkungseffekts in einem Prozesssteuerungssystem, wobei das Verfahren Folgendes umfasst: das Bestimmen, durch Ausführen einer Anweisung mit mindestens einem Prozessor, wann ein Produkt eine Toleranzmetrik eines digitalen Zwillings nicht erfüllt, das Erzeugen, durch Ausführen einer Anweisung mit dem mindestens einen Prozessor, eines Fingerabdrucks, der einem Sensormuster entspricht, das Bestimmen, durch Ausführen einer Anweisung mit dem mindestens einen Prozessor, einer Anzahl von Arbeitsstationen eines Prozesssteuerungssystems, die den Fingerabdruck aufweisen, und das Aufrufen, durch Ausführen einer Anweisung mit dem mindestens einen Prozessor, einer Korrekturmaßnahme für die jeweiligen der Arbeitsstationen, wobei die Korrekturmaßnahme auf einer Schwellenwertzählung der Anzahl der Arbeitsstationen basiert, die den Fingerabdruck aufweisen.
  • Beispiel 20 beinhaltet das Verfahren wie in Beispiel 19 definiert, das ferner das Identifizieren des Sensormusters basierend auf Sensortypen beinhaltet, die einem ersten Mal vorausgehenden Sensorwertereignissen entsprechen, wobei das erste Mal anzeigt, wann das Produkt die Toleranzmetrik des digitalen Zwillings nicht erfüllt.
  • Beispiel 21 beinhaltet das Verfahren wie in Beispiel 20 definiert, das ferner das Identifizieren des Sensormusters basierend auf dem zeitlichen Auftreten von dem ersten Mal vorausgehenden Sensorwerten beinhaltet.
  • Beispiel 22 beinhaltet das Verfahren wie in Beispiel 19 definiert, das ferner das Identifizieren eines Sensortypmusters, das einem ersten Mal vorausgehenden Sensorwertereignissen entspricht, wobei das erste Mal einem Versagen, die Toleranzmetrik zu erfüllen, zugeordnet ist, und das Identifizieren eines zeitlichen Musters der dem ersten Mal vorausgehenden Sensorwertereignisse beinhaltet.
  • Beispiel 23 beinhaltet das Verfahren wie in Beispiel 19 definiert, das ferner das Klassifizieren des Fingerabdrucks gegen eine Wissensbasis bekannter Prozessauslenkungsfingerabdrücke beinhaltet.
  • Beispiel 24 beinhaltet das Verfahren wie in Beispiel 23 definiert, das ferner das Aufrufen eines vorbeugenden Wartungsverfahrens als die Korrekturmaßnahme als Reaktion auf eine Übereinstimmung des Fingerabdrucks in der Wissensbasis beinhaltet.
  • Beispiel 25 beinhaltet das Verfahren wie in Beispiel 23 definiert, das ferner das Verhindern einer betrieblichen Ungleichheit des Prozesssteuerungssystems beinhaltet, indem es den klassifizierten Fingerabdruck innerhalb eines Schwellenzeitraums an die Anzahl von Arbeitsstationen des Prozesssteuerungssystems überträgt.
  • Beispiel 26 beinhaltet das Verfahren wie in Beispiel 25 definiert, das ferner das Identifizieren einer Schwellenwertzählung von Übertragungsbestätigungen innerhalb des Schwellenzeitraums beinhaltet, wobei die Schwellenwertzählung einer Anzahl von Arbeitsstationen zugeordnet ist, die dem Prozesssteuerungssystem zugeordnet sind.
  • Beispiel 27 beinhaltet das Verfahren wie in Beispiel 19 definiert, das ferner das Hinzufügen des Fingerabdrucks zu einer Fingerabdruck-Auslenkungsdatenbank beinhaltet, wenn keine Übereinstimmung des Fingerabdrucks in einer Wissensdatenbank auftritt.
  • Beispiel 28 beinhaltet eine Vorrichtung zum Anwenden von Mutationen auf eine Prozesskonfiguration, wobei die Vorrichtung Folgendes umfasst: einen Ausgabeprognostizierer, um eine prognostizierte Ausgabe eines Produkts basierend auf einer vorgelagerten Darstellung des Produkts zu bestimmen, einen Vergleicher digitaler Zwillinge, um zu bestimmen, ob die eine prognostizierte Ausgabe eines Produkts Toleranzwerte erfüllt, die einem digitalen Zwilling zugeordnet sind, der einer erwarteten Ausgabe des Produkts entspricht, das Bestimmen von Differenzwerten zwischen der prognostizierten Ausgabe und einer Darstellung des Produkts nach einem Fertigungsschritt und das Bestimmen einer Zählung von Nichteinhaltungen der Differenzwerte, und einen Mutationsintegrator, um Mutationen auf eine Prozesskonfiguration anzuwenden, die dem digitalen Zwilling zugeordnet ist, wenn die Zählung der Nichteinhaltungen einen Schwellenwert erfüllt.
  • Beispiel 29 beinhaltet die Vorrichtung wie in Beispiel 28 definiert, die ferner einen Ausgabeprognostizierer beinhaltet, um Materialverschwendung zu verhindern, indem die prognostizierte Ausgabe des Produkts durch Analyse einer vorgelagerten Darstellung des Produkts bestimmt wird.
  • Beispiel 30 beinhaltet die Vorrichtung wie in Beispiel 29 definiert, die ferner einen Bestimmer zeitlicher Muster beinhaltet, um Metriken zu bestimmen, die der Prozessstabilität entsprechen, indem ein Kurzzeit-Prozessmuster und ein Langzeit-Prozessmuster identifiziert werden.
  • Beispiel 31 beinhaltet die Vorrichtung wie in Beispiel 30 definiert, wobei der Bestimmer zeitlicher Muster das Kurzzeit-Prozessmuster basierend auf einer ersten Menge vorheriger Prozessiterationen identifizieren soll, und das Langzeit-Prozessmuster basierend auf einer zweiten Menge vorheriger Prozessiterationen identifizieren soll, wobei die erste Menge niedriger ist als die zweite Menge.
  • Beispiel 32 beinhaltet die Vorrichtung wie in Beispiel 30 definiert, wobei der Bestimmer zeitlicher Muster ein Trendverhalten durch Vergleichen des Kurzzeit-Prozessmusters und des Langzeit-Prozessmusters basierend auf einer absoluten Differenzmessung bestimmen soll.
  • Beispiel 33 beinhaltet die Vorrichtung wie in Beispiel 30 definiert, wobei der Bestimmer zeitlicher Muster es unterlassen soll, Mutationen auf die Prozesskonfiguration anzuwenden, wenn das Kurzzeit-Prozessmuster mit dem Langzeit-Prozessmuster übereinstimmt, und Mutationen auf die Prozesskonfiguration anwenden soll, wenn das Kurzzeit-Prozessmuster um einen Schwellenwert von dem Langzeit-Prozessmuster abweicht.
  • Beispiel 34 beinhaltet ein nicht flüchtiges computerlesbares Speicherungsmedium, das computerlesbare Anweisungen umfasst, die, wenn ausgeführt, mindestens einen Prozessor dazu veranlassen, mindestens zu bestimmen, ob eine prognostizierte Ausgabe eines Produkts Toleranzwerte erfüllt, die einem digitalen Zwilling zugeordnet sind, der einer erwarteten Ausgabe des Produkts entspricht, Differenzwerte zwischen der prognostizierten Ausgabe und einer Darstellung des Produkts nach einem Fertigungsschritt zu bestimmen, eine Zählung von Nichteinhaltungen der Differenzwerte zu bestimmen, und Mutationen auf eine Prozesskonfiguration anzuwenden, die dem digitalen Zwilling zugeordnet ist, wenn die Zählung der Nichteinhaltungen einen Schwellenwert erfüllt.
  • Beispiel 35 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 34 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, Materialverschwendung zu verhindern, indem die prognostizierte Ausgabe des Produkts durch Analyse einer vorgelagerten Darstellung des Produkts bestimmt wird.
  • Beispiel 36 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 35 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, Metriken zu bestimmen, die der Prozessstabilität entsprechen, indem er ein Kurzzeit-Prozessmuster und ein Langzeit-Prozessmuster identifiziert.
  • Beispiel 37 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 36 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, das Kurzzeit-Prozessmuster basierend auf einer ersten Menge vorheriger Prozessiterationen zu identifizieren, und das Langzeit-Prozessmuster basierend auf einer zweiten Menge vorheriger Prozessiterationen zu identifizieren, wobei die erste Menge niedriger ist als die zweite Menge.
  • Beispiel 38 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 36 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, ein Trendverhalten durch Vergleichen des Kurzzeit-Prozessmusters und des Langzeit-Prozessmusters basierend auf einer absoluten Differenzmessung zu bestimmen.
  • Beispiel 39 beinhaltet das nicht flüchtige computerlesbare Speicherungsmedium wie in Beispiel 36 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, es zu unterlassen, Mutationen auf die Prozesskonfiguration anzuwenden, wenn das Kurzzeit-Prozessmuster mit dem Langzeit-Prozessmuster übereinstimmt, und Mutationen auf die Prozesskonfiguration anzuwenden, wenn das Kurzzeit-Prozessmuster um einen Schwellenwert von dem Langzeit-Prozessmuster abweicht.
  • Beispiel 40 beinhaltet ein computerimplementiertes Verfahren zum Anwenden von Mutationen auf eine Prozesskonfiguration, wobei das Verfahren mindestens Folgendes umfasst: das Bestimmen, durch Ausführen einer Anweisung mit mindestens einem Prozessor, ob eine prognostizierte Ausgabe eines Produkts Toleranzwerte erfüllt, die einem digitalen Zwilling zugeordnet sind, der einer erwarteten Ausgabe des Produkts entspricht, das Bestimmen, durch Ausführen einer Anweisung mit dem mindestens einem Prozessor, von Differenzwerten zwischen der prognostizierten Ausgabe und einer Darstellung des Produkts nach einem Fertigungsschritt, das Bestimmen, durch Ausführen einer Anweisung mit dem mindestens einem Prozessor, einer Zählung von Nichteinhaltungen der Differenzwerte, und das Anwenden von Mutationen, durch Ausführen einer Anweisung mit dem mindestens einem Prozessor, auf eine Prozesskonfiguration, die dem digitalen Zwilling zugeordnet ist, wenn die Zählung der Nichteinhaltungen einen Schwellenwert erfüllt.
  • Beispiel 41 beinhaltet das Verfahren wie in Beispiel 40 definiert, das ferner das Verhindern von Materialverschwendung beinhaltet, indem die prognostizierte Ausgabe des Produkts durch Analyse einer vorgelagerten Darstellung des Produkts bestimmt wird.
  • Beispiel 42 beinhaltet das Verfahren wie in Beispiel 41 definiert, das ferner das Bestimmen von Metriken beinhaltet, die der Prozessstabilität entsprechen, indem ein Kurzzeit-Prozessmuster und ein Langzeit-Prozessmuster identifiziert werden.
  • Beispiel 43 beinhaltet das Verfahren wie in Beispiel 42 definiert, die ferner das Identifizieren des Kurzzeit-Prozessmusters basierend auf einer ersten Menge vorheriger Prozessiterationen, und das Identifizieren des Langzeit-Prozessmusters basierend auf einer zweiten Menge vorheriger Prozessiterationen beinhaltet, wobei die erste Menge niedriger ist als die zweite Menge.
  • Beispiel 44 beinhaltet das Verfahren wie in Beispiel 42 definiert, das ferner das Bestimmen eines Trendverhaltens durch Vergleichen des Kurzzeit-Prozessmusters und des Langzeit-Prozessmusters basierend auf einer absoluten Differenzmessung beinhaltet.
  • Beispiel 45 beinhaltet das Verfahren wie in Beispiel 42 definiert, das ferner das Unterlassen, Mutationen auf die Prozesskonfiguration anzuwenden, wenn das Kurzzeit-Prozessmuster mit dem Langzeit-Prozessmuster übereinstimmt, und das Anwenden von Mutationen auf die Prozesskonfiguration, wenn das Kurzzeit-Prozessmuster um einen Schwellenwert von dem Langzeit-Prozessmuster abweicht, beinhaltet.

Claims (25)

  1. Vorrichtung zum Identifizieren eines Auslenkungseffekts in einem Prozesssteuerungssystem, wobei die Vorrichtung Folgendes umfasst: einen Vergleicher digitaler Zwillinge, um zu bestimmen, wann ein Produkt eine Toleranzmetrik eines digitalen Zwillings nicht erfüllt; einen Fingerabdruck-Manager, um einen Fingerabdruck zu erzeugen, der einem Sensormuster entspricht; einen Knoten-Interfacer, um eine Anzahl von Arbeitsstationen des Prozesssteuerungssystems zu bestimmen, die den Fingerabdruck aufweisen; und einen Auslenkungsstatistikrechner, um eine Korrekturmaßnahme für jeweilige der Anzahl von Arbeitsstationen aufzurufen, wobei die Korrekturmaßnahme auf einer Schwellenwertzählung der Anzahl von Arbeitsstationen basiert, die den Fingerabdruck aufweisen.
  2. Vorrichtung wie in Anspruch 1 definiert, die ferner eine Sensoreigenschafts-Engine beinhaltet, um das Sensormuster basierend auf Sensortypen zu identifizieren, die einem ersten Mal vorausgehenden Sensorwertereignissen entsprechen, wobei das erste Mal anzeigt, wann das Produkt die Toleranzmetrik des digitalen Zwillings nicht erfüllt.
  3. Vorrichtung wie in Anspruch 2 definiert, die ferner einen Analysierer zeitlicher Eigenschaften beinhaltet, um das Sensormuster basierend auf dem zeitlichen Auftreten von dem ersten Mal vorausgehenden Sensorwerten zu identifizieren.
  4. Vorrichtung wie in Anspruch 1 definiert, die ferner Folgendes umfasst: eine Sensoreigenschafts-Engine, um ein Sensortypmuster zu identifizieren, das einem ersten Mal vorausgehenden Sensorwertereignissen entspricht, wobei das erste Mal einem Versagen, die Toleranzmetrik zu erfüllen, zugeordnet ist; und eine Engine zeitlicher Eigenschaften, um ein zeitliches Muster der dem ersten Mal vorausgehenden Sensorwertereignisse zu identifizieren.
  5. Vorrichtung wie in Anspruch 1 definiert, die ferner einen Klassifizierungs-Manager beinhaltet, um den Fingerabdruck gegen eine Wissensbasis bekannter Prozessauslenkungsfingerabdrücke zu klassifizieren.
  6. Vorrichtung wie in Anspruch 5 definiert, wobei der Klassifizierungs-Manager ein vorbeugendes Wartungsverfahren als die Korrekturmaßnahme als Reaktion auf eine Übereinstimmung des Fingerabdrucks in der Wissensbasis aufrufen soll.
  7. Vorrichtung wie in Anspruch 5 definiert, wobei der Klassifizierungs-Manager eine betriebliche Ungleichheit des Prozesssteuerungssystems verhindern soll, indem er den klassifizierten Fingerabdruck innerhalb eines Schwellenzeitraums an die Anzahl von Arbeitsstationen des Prozesssteuerungssystems überträgt.
  8. Vorrichtung wie in Anspruch 7 definiert, wobei der Knoten-Interfacer eine Schwellenwertzählung von Übertragungsbestätigungen innerhalb des Schwellenzeitraums identifizieren soll, wobei die Schwellenwertzählung einer Anzahl von Arbeitsstationen zugeordnet ist, die dem Prozesssteuerungssystem zugeordnet sind.
  9. Vorrichtung wie in Anspruch 1 definiert, wobei der Fingerabdruck-Manager den Fingerabdruck zu einer Fingerabdruck-Auslenkungsdatenbank hinzufügen soll, wenn keine Übereinstimmung des Fingerabdrucks in einer Wissensdatenbank auftritt.
  10. Nicht flüchtiges computerlesbares Speicherungsmedium, das computerlesbare Anweisungen umfasst, die, wenn ausgeführt, mindestens einen Prozessor dazu veranlassen, mindestens: zu bestimmen, wann ein Produkt eine Toleranzmetrik eines digitalen Zwillings nicht erfüllt; einen Fingerabdruck zu erzeugen, der einem Sensormuster entspricht; eine Anzahl von Arbeitsstationen des Prozesssteuerungssystems zu bestimmen, die den Fingerabdruck aufweisen; und eine Korrekturmaßnahme für jeweilige der Anzahl von Arbeitsstationen aufzurufen, wobei die Korrekturmaßnahme auf einer Schwellenwertzählung der Anzahl von Arbeitsstationen basiert, die den Fingerabdruck aufweisen.
  11. Nicht flüchtiges computerlesbares Speicherungsmedium wie in Anspruch 10 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, das Sensormuster basierend auf Sensortypen zu identifizieren, die einem ersten Mal vorausgehenden Sensorwertereignissen entsprechen, wobei das erste Mal anzeigt, wann das Produkt die Toleranzmetrik des digitalen Zwillings nicht erfüllt.
  12. Nicht flüchtiges computerlesbares Speicherungsmedium wie in Anspruch 11 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, das Sensormuster basierend auf dem zeitlichen Auftreten von dem ersten Mal vorausgehenden Sensorwerten zu identifizieren.
  13. Nicht flüchtiges computerlesbares Speicherungsmedium wie in Anspruch 10 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen: ein Sensortypmuster zu identifizieren, das einem ersten Mal vorausgehenden Sensorwertereignissen entspricht, wobei das erste Mal einem Versagen, die Toleranzmetrik zu erfüllen, zugeordnet ist; und ein zeitliches Muster der dem ersten Mal vorausgehenden Sensorwertereignisse zu identifizieren.
  14. Nicht flüchtiges computerlesbares Speicherungsmedium wie in Beispiel 10 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, den Fingerabdruck gegen eine Wissensbasis bekannter Prozessauslenkungsfingerabdrücke zu klassifizieren.
  15. Nicht flüchtiges computerlesbares Speicherungsmedium wie in Beispiel 14 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, ein vorbeugendes Wartungsverfahren als die Korrekturmaßnahme als Reaktion auf eine Übereinstimmung des Fingerabdrucks in der Wissensbasis aufzurufen.
  16. Nicht flüchtiges computerlesbares Speicherungsmedium wie in Beispiel 14 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, eine betriebliche Ungleichheit des Prozesssteuerungssystems zu verhindern, indem er den klassifizierten Fingerabdruck innerhalb eines Schwellenzeitraums an die Anzahl von Arbeitsstationen des Prozesssteuerungssystems überträgt.
  17. Nicht flüchtiges computerlesbares Speicherungsmedium wie in Beispiel 16 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, eine Schwellenwertzählung von Übertragungsbestätigungen innerhalb des Schwellenzeitraums zu identifizieren, wobei die Schwellenwertzählung einer Anzahl von Arbeitsstationen zugeordnet ist, die dem Prozesssteuerungssystem zugeordnet sind.
  18. Nicht flüchtiges computerlesbares Speicherungsmedium wie in Beispiel 10 definiert, wobei die Anweisungen, wenn ausgeführt, den mindestens einen Prozessor dazu veranlassen, den Fingerabdruck zu einer Fingerabdruck-Auslenkungsdatenbank hinzuzufügen, wenn keine Übereinstimmung des Fingerabdrucks in einer Wissensdatenbank auftritt.
  19. Computerimplementiertes Verfahren zum Identifizieren eines Auslenkungseffekts in einem Prozesssteuerungssystem, wobei das Verfahren Folgendes umfasst: das Bestimmen, durch Ausführen einer Anweisung mit dem mindestens einen Prozessor, wann ein Produkt eine Toleranzmetrik eines digitalen Zwillings nicht erfüllt; das Erzeugen, durch Ausführen einer Anweisung mit dem mindestens einen Prozessor, eines Fingerabdrucks, der einem Sensormuster entspricht; das Bestimmen, durch Ausführen einer Anweisung mit dem mindestens einen Prozessor, einer Anzahl von Arbeitsstationen eines Prozesssteuerungssystems, die den Fingerabdruck aufweisen; und das Aufrufen, durch Ausführen einer Anweisung mit dem mindestens einen Prozessor, einer Korrekturmaßnahme für jeweilige der Anzahl von Arbeitsstationen, wobei die Korrekturmaßnahme auf einer Schwellenwertzählung der Anzahl von Arbeitsstationen basiert, die den Fingerabdruck aufweisen.
  20. Verfahren wie in Anspruch 19 definiert, das ferner das Identifizieren des Sensormusters basierend auf Sensortypen beinhaltet, die einem ersten Mal vorausgehenden Sensorwertereignissen entsprechen, wobei das erste Mal anzeigt, wann das Produkt die Toleranzmetrik des digitalen Zwillings nicht erfüllt.
  21. Verfahren wie in Anspruch 20 definiert, das ferner das Identifizieren des Sensormusters basierend auf dem zeitlichen Auftreten von dem ersten Mal vorausgehenden Sensorwerten beinhaltet.
  22. Verfahren wie in Anspruch 19 definiert, das ferner Folgendes beinhaltet: das Identifizieren eines Sensortypmusters, das einem ersten Mal vorausgehenden Sensorwertereignissen entspricht, wobei das erste Mal einem Versagen, die Toleranzmetrik zu erfüllen, zugeordnet ist; und das Identifizieren eines zeitlichen Musters der dem ersten Mal vorausgehenden Sensorwertereignisse.
  23. Verfahren wie in Anspruch 19 definiert, das ferner das Klassifizieren des Fingerabdrucks gegen eine Wissensbasis bekannter Prozessauslenkungsfingerabdrücke beinhaltet.
  24. Verfahren wie in Anspruch 23 definiert, das ferner das Aufrufen eines vorbeugenden Wartungsverfahrens als die Korrekturmaßnahme als Reaktion auf eine Übereinstimmung des Fingerabdrucks in der Wissensbasis beinhaltet.
  25. Verfahren wie in Beispiel 23 definiert, das ferner das Verhindern einer betrieblichen Ungleichheit des Prozesssteuerungssystems beinhaltet, indem es den klassifizierten Fingerabdruck innerhalb eines Schwellenzeitraums an die Anzahl von Arbeitsstationen des Prozesssteuerungssystems überträgt.
DE102020203986.0A 2019-06-24 2020-03-27 Verfahren, systeme, fertigungsartikel und vorrichtung zur verwaltung von prozessauslenkungen Pending DE102020203986A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/450,123 2019-06-24
US16/450,123 US11755689B2 (en) 2019-06-24 2019-06-24 Methods, systems, articles of manufacture and apparatus to manage process excursions

Publications (1)

Publication Number Publication Date
DE102020203986A1 true DE102020203986A1 (de) 2020-12-24

Family

ID=68385380

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020203986.0A Pending DE102020203986A1 (de) 2019-06-24 2020-03-27 Verfahren, systeme, fertigungsartikel und vorrichtung zur verwaltung von prozessauslenkungen

Country Status (3)

Country Link
US (1) US11755689B2 (de)
CN (1) CN112130526A (de)
DE (1) DE102020203986A1 (de)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3786745B1 (de) * 2019-08-28 2023-02-22 Siemens Aktiengesellschaft Identifikation von abweichungen zwischen realer anlage und ihrem digitalen zwilling
US11223513B2 (en) * 2019-12-19 2022-01-11 Schlumberger Technology Corporation Digital avatar at an edge of a network
CN112306464B (zh) * 2020-10-14 2022-03-29 中国科学院沈阳自动化研究所 利用数字孪生体实现工业场景下信息物理融合方法和系统
US11675342B2 (en) * 2020-12-24 2023-06-13 Noodle Analytics, Inc. AI-based smart health surveillance system and method
US20230126460A1 (en) * 2021-10-22 2023-04-27 Wayne State University System and method for predicting machine failure
CN117217008B (zh) * 2023-09-15 2024-05-07 国网四川省电力公司电力科学研究院 一种输电网变压器的数字孪生模型构建方法
CN117471979B (zh) * 2023-12-27 2024-03-08 成都川哈工机器人及智能装备产业技术研究院有限公司 一种基于数字孪生平台的数据采集处理方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016132538A1 (ja) * 2015-02-20 2016-08-25 富士通株式会社 通信システム、通信装置、情報処理方法、及び、情報処理プログラム
US11263737B2 (en) * 2019-01-10 2022-03-01 Lam Research Corporation Defect classification and source analysis for semiconductor equipment

Also Published As

Publication number Publication date
CN112130526A (zh) 2020-12-25
US11755689B2 (en) 2023-09-12
US20190340843A1 (en) 2019-11-07

Similar Documents

Publication Publication Date Title
DE102020203986A1 (de) Verfahren, systeme, fertigungsartikel und vorrichtung zur verwaltung von prozessauslenkungen
DE60207588T2 (de) Zustandsschätzung und einteilung für ein herstellungssystem
DE112005003076B4 (de) Verfahren zur Steuerung einer industriellen Automationsvorrichtung oder eines Prozesses
US7827122B1 (en) Data mining of unfiltered controller data
DE102007046964B4 (de) Prozesssteuervorrichtungund Verfahren zur Steuerung eines Prozesses
DE10152765B4 (de) Verfahren zur elektronischen Bereitstellung von Diensten für Maschinen über eine Datenkommunikationsverbindung
DE112016005290T5 (de) Anomliefusion auf temporalen kausalitätsgraphen
DE102004011162A1 (de) Verknüpfungsautomatik von Prozess-Ereignisdaten zu einem Datenarchivsystem
DE102016124585A1 (de) Verfahren und Vorrichtungen zur Verwendung einer analytischen/statistischen Modellierung für eine kontinuierliche Prozessüberprüfung (Continued Process Verification, CPV)
EP3646279B1 (de) Verfahren zur produktionsplanung
EP2323083A1 (de) Technisches Klassifikationssystem
DE102021212983A1 (de) Werkzeugmaschinenmanagementverfahren, Werkzeugmaschinenmanagementsystem und Medium
DE102021129478A1 (de) Verfahren und system zum übertragen von daten von fertigungsdatenurhebern an zielrechensysteme unter verwendung von definierten nachrichtenschemata
DE102011055657A1 (de) Verfahren, System und Computer-Programm-Produkt zur Simulation eines Produktions-Automatisierungssystems mit service-orientierter Architektur
EP3767403A1 (de) Machine-learning gestützte form- und oberflächenmessung zur produktionsüberwachung
DE102021212723A1 (de) Werkzeugmaschinenbewertungsverfahren, Werkzeugmaschinenbewertungssystem und Medium
DE102022213603A1 (de) Verfahren, System und Medium zur Papierherstellungsqualitätsevaluierung
EP2808749B1 (de) Verfahren zum Austausch von Steuerungsinformationen zwischen Bedien- und Beobachtungsgeräten eines industriellen Automatisierungssystems und industrielles Automatisierungssystem
DE10297636B4 (de) Verfahren zum Steuern von Prozessanlagen in einer Halbleiterfertigungsfabrik ####
DE102019107401A1 (de) Systeme und verfahren zur verwaltung von warnungen im zusammenhang mit geräten eines prozesssteuerungssystems
DE112021001422T5 (de) Algorithmische Lernmaschine zur dynamischen Erzeugung von Vorhersageanalysen aus Streaming-Daten mit hohem Volumen und hoher Geschwindigkeit
DE102006040767A1 (de) System und Verfahren für die standardisierte Prozessüberwachung in einer komplexen Fertigungsumgebung
DE102017005674A1 (de) Zellenfertigungssystem mit Fertigungszelle für autonome Fertigung
DE102011052840A1 (de) Verfahren, Vorrichtungen und Fertigungsartikel zum Testen von Prozesssteuersystemen
CN113508343A (zh) 更新工业模型的数据的方法和装置