-
Stand der Technik
-
Die Beschreibung betrifft Verbesserungen im Bereich der Bewertung eines Zustands eines Funkkanals.
-
Offenbarung der Erfindung
-
Das der Erfindung zugrundeliegende Problem wird durch eine Vorrichtung gemäß dem Anspruch 1, durch ein Verfahren gemäß einem nebengeordneten Anspruch sowie durch eine Vorrichtung und ein Verfahren zum Trainieren eines Modells gelöst.
-
Ein Aspekt der Beschreibung betrifft eine Vorrichtung umfassend: eine Eingabeeinheit, die derart konfiguriert ist, dass eine Zustandsinformation, welche einen simulierten Zustand einer räumlichen Anordnung von Komponenten einer Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, ermittelt oder bereitgestellt wird; eine modellbasierte Ermittlungseinheit, die derart konfiguriert ist, dass die Zustandsinformation als Eingabeparameter in einem Eingabeabschnitt eines maschinentrainierten Modells bereitgestellt wird, dass die Zustandsinformation durch das maschinentrainiertes Modell propagiert wird, und dass in einem Ausgabeabschnitt des maschinentrainierten Modells mindestens eine auf dem maschinentrainierten Modell basierende Vorhersage einer Kanalzustandsinformation, welche einen Zustand wenigstens eines Funkkanals zwischen zwei Kommunikationsmodulen charakterisiert, bereitgestellt wird.
-
Hierdurch ergibt sich die Möglichkeit der Beschleunigung der Ermittlung der Vorhersage, da die modellbasierte Ermittlungseinheit bei vergleichbarer Ergebnisgüte die Ermittlung in kürzerer Zeit abschließt als ein Raytracer, der die Kanalausbreitung anhand der Zustandsinformation simuliert.
-
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Vorrichtung umfasst: die Eingabeeinheit, die derart konfiguriert ist, dass in Abhängigkeit von einer Mehrzahl von Positionen einer Mehrzahl von Kandidatentrajektorien wenigstens einer Komponente der Umgebung eine Mehrzahl von Zustandsinformationen ermittelt werden; und die modellbasierte Ermittlungseinheit, die derart konfiguriert ist, dass für jede der Mehrzahl von Zustandsinformationen eine jeweilige auf dem maschinentrainierten Modell basierende Vorhersage ermittelt wird; eine Pfadauswahleinheit, die derart konfiguriert ist, dass eine der Kandidatentrajektorien in Abhängigkeit von der Mehrzahl der einem der jeweiligen Kandidatentrajektorien zugeordneten Vorhersagen ausgewählt wird.
-
Vorteilhaft schafft die Pfadauswahleinheit gemeinsam mit der modellbasierten Ermittlungseinheit eine Möglichkeit, mögliche Kandidatentrajektorien zu bewerten und eine Empfehlung im Sinne der Auswahl bereitzustellen, so dass die Funkkommunikation aufrechterhalten werden kann.
-
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Vorrichtung umfasst: einen Raytracer, der derart konfiguriert ist, dass mindestens eine auf dem Raytracer basierende Vorhersage der wenigstens einen Kanalzustandsinformation in Abhängigkeit von der ermittelten Zustandsinformation ermittelt wird; und eine Koordinationseinheit, die derart konfiguriert ist, dass der Betrieb der modellbasierten Ermittlungseinheit und des Raytracer koordiniert wird.
-
Vorteilhaft wird das Raytracing mittels des Raytracers durch den Einsatz des maschinentrainierten Modells beschleunigt. Damit kann die Funkwellenausbreitung für zukünftige Situationen effizient vorhergesagt werden. Die Kombination eines Ray-Tracers, der digitalen Darstellung der Umgebung und eines auf maschinellem Lernen basierenden Modells lässt es zu, dass das Modell Eigenschaften über die Funkwellenausbreitung lernt, um das Raytracing-Verfahren zu unterstützen. Eine schnelle Vorhersage der Eigenschaften von Funkkanälen, die die Entscheidungsfindung im Fertigungssystem ermöglichen, wird bereitgestellt.
-
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Koordinationseinheit umfasst: eine Vorverarbeitungseinheit, die derart konfiguriert ist, dass die Zustandsinformation, welche den Zustand der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, mit einer weiteren Zustandsinformation, welche einen weiteren Zustand der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, verglichen wird, und dass in Abhängigkeit von dem Vergleich entweder die modellbasierte Ermittlungseinheit oder der Raytracer zur Ermittlung der jeweiligen Vorhersage aktiviert wird.
-
Vorteilhaft kann schon vor der Aktivierung der modellbasierten Ermittlungseinheit oder des Raytracers festgestellt werden, ob die Genauigkeit des Ergebnisses der modellbasierten Ermittlungseinheit ausreicht. Entsprechend kann die mittlere Verarbeitungsdauer reduziert werden, da unnötige Mehrfachberechnungen entfallen.
-
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die weitere Zustandsinformation zumindest einen Teil von Trainings-Eingangsdaten repräsentiert, mit denen das maschinentrainierte Modell trainiert wurde.
-
Weisen also die Zustandsinformationen Charakteristika auf, die mit den weiteren Zustandsinformationen übereinstimmen oder ähnlich zu diesen sind, indiziert dies die Verwendung des Modells zur Ermittlung der Vorhersage.
-
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Vorrichtung umfasst: die modellbasierte Ermittlungseinheit, welche derart konfiguriert ist, dass mittels des maschinentrainierten Modells ein Vertrauensniveau für die mindestens eine auf dem maschinentrainierten Modell basierende Vorhersage ermittelt wird; und eine Nachverarbeitungseinheit der Koordinationseinheit, wobei die Nachverarbeitungseinheit derart konfiguriert ist, dass in Abhängigkeit von dem ermittelten Vertrauensniveau) der Raytracer zur Ermittlung der auf dem Raytracer basierenden Vorhersage aktiviert wird oder die auf dem maschinentrainierten Modell basierende Vorhersagebereitgestellt wird.
-
Ist das trainierte Modell nicht genau genug für die bereitgestellte bzw. ermittelte Zustandsinformation, so wird dies über die Zuverlässigkeit angezeigt. Entsprechend bewirkt die Koordinationseinheit eine Aktivierung des Raytracers, um eine präzisere Vorhersage zu ermitteln.
-
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Vorrichtung umfasst: die Eingabeeinheit, die derart konfiguriert ist, dass neben der Zustandsinformation eine Mehrzahl von Funkkeulenkoordinaten, die mit wenigstens einem der Kommunikationsmodule des Drahtloskommunikationsnetzwerks assoziiert sind, ermittelt oder bereitgestellt werden; die modellbasierte Ermittlungseinheit, die derart konfiguriert ist, dass die Zustandsinformation und die Funkkeulenkoordinaten als Eingabeparameter in einem Eingabeabschnitt des maschinentrainierten Modells bereitgestellt werden, dass die Zustandsinformation und wenigstens eine einer Mehrzahl von Funkkeulenkoordinaten durch das maschinentrainierte Modell propagiert wird, und dass in einem Ausgabeabschnitt des weiteren maschinentrainierten Modells wenigstens eine Relevanz der jeweiligen mit den Funkkeulenkoordinaten assoziierten Funkkeule bereitgestellt wird; eine Auswahleinheit, die derart konfiguriert ist, dass diejenigen Funkkeulenkoordinaten ausgewählt werden, welche mit einer erhöhten Relevanz assoziiert sind; und einen bzw. den Raytracer, der derart konfiguriert ist, dass mindestens eine auf dem Raytracer basierende Vorhersage der wenigstens einen Kanalzustandsinformation auf Basis der ausgewählten Funkkeulenkoordinaten ermittelt wird.
-
Für die Ausbreitungssimulation gemäß des Raytracers wird also eine Auswahl von zu simulierenden Funkkeulen eingesetzt, wodurch eine Beschleunigung der Berechnung erreicht wird.
-
Ein weiterer Aspekt der Beschreibung betrifft ein Verfahren, welches umfasst: Ermitteln oder Bereitstellen einer Zustandsinformation, welche einen simulierten Zustand einer räumlichen Anordnung von Komponenten einer Umgebung des Drahtloskommunikationsnetzwerks charakterisiert; Ermitteln mindestens einer auf einem maschinentrainierten Modell basierenden Vorhersage, wobei die Zustandsinformation als Eingabeparameter in einem Eingabeabschnitt eines maschinentrainierten Modells bereitgestellt wird, wobei die Zustandsinformation durch das maschinentrainiertes Modell propagiert wird, und wobei in einem Ausgabeabschnitt des maschinentrainierten Modells die mindestens eine auf dem maschinentrainierten Modell basierende Vorhersage einer Kanalzustandsinformation, welche einen Zustand wenigstens eines Funkkanals zwischen zwei Kommunikationsmodulen charakterisiert, bereitgestellt wird.
-
In einem vorteilhaften Beispiel umfasst das Verfahren: Ermitteln einer Mehrzahl von Zustandsinformationen in Abhängigkeit von einer Mehrzahl von Positionen einer Mehrzahl von Kandidatentrajektorien wenigstens einer Komponente der Umgebung; Ermitteln einer jeweiligen auf dem maschinentrainierten Modell basierende Vorhersage für jede der Mehrzahl von Zustandsinformationen; und Auswählen einer der Kandidatentrajektorien in Abhängigkeit von der Mehrzahl der einem der jeweiligen Kandidatentrajektorien zugeordneten Vorhersagen.
-
In einem vorteilhaften Beispiel umfasst das Verfahren: Ermitteln mindestens eine auf einem Raytracer basierenden Vorhersage der wenigstens einen Kanalzustandsinformation in Abhängigkeit von der ermittelten Zustandsinformation; und Koordinieren des Betriebs der modellbasierten Ermittlungseinheit und des Raytracer.
-
In einem vorteilhaften Beispiel umfasst das Verfahren: Vergleichen der Zustandsinformation, welche den Zustand der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, mit einer weiteren Zustandsinformation, welche einen weiteren Zustand der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert; und Aktivieren entweder der modellbasierten Ermittlungseinheit oder des Raytracers zur Ermittlung der jeweiligen Vorhersage in Abhängigkeit von dem Vergleich.
-
Ein vorteilhaftes Beispiel ist dadurch gekennzeichnet, dass die weitere Zustandsinformation zumindest einen Teil von Trainings-Eingangsdaten repräsentiert, mit denen das maschinentrainierte Modell trainiert wurde.
-
In einem vorteilhaften Beispiel umfasst das Verfahren: Ermitteln, mittels des maschinentrainierten Modells, eines Vertrauensniveaus) für die mindestens eine auf dem maschinentrainierten Modell basierende Vorhersage; und Aktivieren des Raytracer zur Ermittlung der auf dem Raytracer basierenden Vorhersage in Abhängigkeit von dem ermittelten Vertrauensniveau) oder Bereitstellen der auf dem maschinentrainierten Modell basierenden Vorhersage.
-
In einem vorteilhaften Beispiel umfasst das Verfahren: Ermitteln oder Bereitstellen einer Mehrzahl von Funkkeulenkoordinaten, die mit wenigstens einem der Kommunikationsmodule des Drahtloskommunikationsnetzwerks assoziiert sind, neben der Zustandsinformation; Bereitstellen der Zustandsinformation und der Funkkeulenkoordinaten als Eingabeparameter in einem Eingabeabschnitt des maschinentrainierten Modells, wobei die Zustandsinformation und wenigstens eine einer Mehrzahl von Funkkeulenkoordinaten durch das maschinentrainierte Modell propagiert wird, und wobei in einem Ausgabeabschnitt des weiteren maschinentrainierten Modells wenigstens eine Relevanz der jeweiligen mit den Funkkeulenkoordinaten assoziierten Funkkeule bereitgestellt wird; Auswählen derjenigen Funkkeulenkoordinaten, welche mit einer erhöhten Relevanz assoziiert sind; und Ermitteln mindestens einer auf dem Raytracer basierende Vorhersage der wenigstens einen Kanalzustandsinformation auf Basis der ausgewählten Funkkeulenkoordinaten.
-
Ein weiterer Aspekt der Beschreibung betrifft eine Vorrichtung zum Trainieren eines Modells umfassend: eine Eingabeeinheit, die derart konfiguriert ist, dass eine Zustandsinformation, welche einen Zustand einer räumlichen Anordnung von Komponenten einer Umgebung charakterisiert, ermittelt oder bereitgestellt wird; einen Raytracer, der derart konfiguriert ist, dass mindestens eine auf dem Raytracer basierende Vorhersage der wenigstens einen Kanalzustandsinformation, welche den Zustand des wenigstens einen Funkkanals zwischen zwei Kommunikationsmodulen der Umgebung charakterisiert, in Abhängigkeit von der Zustandsinformation ermittelt wird; einen Trainingset-Generator, der derart konfiguriert ist, dass wenigstens ein Trainingset umfassend die Zustandsinformation und die zugeordnete auf dem Raytracer basierende Vorhersage ermittelt wird; und eine Trainingseinheit, die derart konfiguriert ist, dass das Modell mit dem wenigstens einen Trainingset trainiert wird.
-
Die Vorrichtung gemäß dem vorigen Aspekt umfasst in einem Beispiel die Eingabeeinheit, die derart konfiguriert ist, dass neben der Zustandsinformation eine Mehrzahl von Funkkeulenkoordinaten, die mit wenigstens einem der Kommunikationsmodule der Umgebung assoziiert sind, ermittelt oder bereitgestellt werden; den Raytracer, der derart konfiguriert ist, dass die mindestens eine auf dem Raytracer basierende Vorhersage und eine Relevanz der mit den Funkkeulenkoordinaten assoziierten Funkkeulen in Abhängigkeit von dem ermittelten Zustand und wenigstens einer der Mehrzahl von Funkkeulenkoordinaten ermittelt wird; und den Trainingset-Generator, der derart konfiguriert ist, dass wenigstens ein Trainingset umfassend die Zustandsinformation, die zugeordnete auf dem Raytracer basierende Vorhersage und die ermittelten Relevanzen ermittelt wird.
-
Ein weiterer Aspekt der Beschreibung betrifft ein Verfahren zum Trainieren eines Modells umfassend: Ermitteln oder Bereitstellen einer Zustandsinformation, welche einen Zustand einer räumlichen Anordnung von Komponenten einer Umgebung charakterisiert; Ermitteln mindestens einer auf dem Raytracer basierende Vorhersage der wenigstens einen Kanalzustandsinformation, welche den Zustand des wenigstens einen Funkkanals zwischen zwei Kommunikationsmodulen der Umgebung charakterisiert, in Abhängigkeit von der Zustandsinformation; Ermitteln wenigstens eines Trainingsets umfassend die Zustandsinformation und die zugeordnete auf dem Raytracer basierende Vorhersage; und Trainieren des Modells mit dem wenigstens einen Trainingset.
-
Ein Beispiel des Verfahrens umfasst: Ermitteln oder Bereitstellen einer Mehrzahl von Funkkeulenkoordinaten, die mit wenigstens einem der Kommunikationsmodule der Umgebung assoziiert sind, neben der Zustandsinformation; Ermitteln der mindestens einen auf dem Raytracer basierende Vorhersage und einer Relevanz der mit den Funkkeulenkoordinaten assoziierten Funkkeulen in Abhängigkeit von dem ermittelten Zustand und wenigstens einer der Mehrzahl von Funkkeulenkoordinaten; und Ermitteln des wenigstens einen Trainingset umfassend die Zustandsinformation, die zugeordnete auf dem Raytracer basierende Vorhersage und die ermittelten Relevanzen.
-
Ein anderer Aspekt der Beschreibung betrifft eine Verwendung der Vorrichtung oder des Verfahrens gemäß einem der vorigen Aspekte.
-
In der Zeichnung zeigen:
- 1 eine Vorrichtung zur Steuerung einer Industrieanlage;
- 2 und 5 jeweils ein schematisches Ablaufdiagramm;
- 3 und 4 jeweils ein schematisches Sequenzdiagramm;
- 6 bis 9 schematische Blockdiagramme; und
- 10 eine Vorrichtung zum Trainieren eines Modells;
-
1 zeigt eine Vorrichtung 100 für eine Industrieanlage FAC wie beispielsweise eine Produktionsanlage, ein Logistikzentrum oder eine Prozessanlage.
-
Eine Zustandseinheit DT ermittelt eine erste Zustandsinformation z1, welche einen Ist-Zustand einer räumlichen Anordnung von Komponenten AGV, AP, RA einer Umgebung der Industrieanlage FAC und wenigstens eine geplante Änderung der räumlichen Anordnung charakterisiert. Die Zustandseinheit DT ermittelt also eine Repräsentation des aktuellen Zustandes der räumlichen Anordnung und/oder des Drahtloskommunikationsnetzwerks RCN. Die geplante Änderung umfasst beispielsweise eine geplante Trajektorie Tp1 der Komponente AGV und eine geplante Trajektorie Tp2 der Komponente RA.
-
Eine Eingabeeinheit B ermittelt eine zweite Zustandsinformation z2 bzw. z3, welche einen simulierten zukünftigen Zustand der räumlichen Anordnung der Komponenten AGV, AP, RA der Umgebung der Industrieanlage FAC charakterisiert, in Abhängigkeit von der ersten Zustandsinformation z1. Der simulierte Zustand entspricht einer Repräsentation der räumlichen Anordnung, bei der die beweglichen Komponenten AGV und RA entsprechend der geplanten Änderung angeordnet sind. Die vorgenannte Repräsentation umfasst also beispielsweise digitale Zwillinge der Komponenten AGV und RA, die sich auf einem jeweiligen Punkt der geplanten jeweiligen Trajektorie zu einem zukünftigen Zeitpunkt befinden.
-
Eine Zustandsermittlungseinheit SDU ermittelt eine Vorhersage csi1, csi2 einer Kanalzustandsinformation, welche einen zukünftig möglichen Zustand wenigstens eines Funkkanals RCH zwischen zwei Kommunikationsmodulen CM_AP, CM_RA, die jeweils mit einer der Komponenten AP, RA der Umgebung gemäß der zweiten Zustandsinformation assoziiert sind, charakterisiert, in Abhängigkeit von der zweiten Zustandsinformation z2. Der Zustand des wenigstens einen Funkkanals RCH ist vorliegend degradiert, da sich gemäß der zweiten Zustandsinformation z2 zwischen den Kommunikationsmodulen CM_RA und CM_AP die Komponente AGV befindet und die Sichtverbindung stört.
-
Eine Bewertungseinheit A ermittelt eine Bewertung rat, beispielsweise eine erwarteten Verschlechterung des Zustands des Funkkanals RCH, in Abhängigkeit von der Vorhersage csi1, csi2 der Kanalzustandsinformation.
-
Die Zustandsermittlungseinheit SDU umfasst beispielsweise einen Raytracer RAYTR. Es findet ein Informationsaustausch zwischen einem System aus digitalen Zwillingen und dem Raytracer RAYTR statt, indem die ersten bzw. zweiten Zustandsinformation z1, z2, z3 von den digitalen Zwillingen der Komponenten AGV, AP, RA bereitgestellt werden. Die aktuelle und zukünftige Statusinformation des Funksystems und die Ausbreitungsbedingungen z.B. Kanaleigenschaften, Empfangsleistung, Signalqualität, erwartete Datenrate, etc. werden bereitgestellt. Auf die Vorhersagen csi wird reagiert, indem Informationen an das Fertigungsmanagementsystem „Factory Management System“ gemäß der Steuereinheit FMS weiterreicht werden oder diese instruiert wird.
-
Da die digitalen Zwillinge in einem Beispiel für das Management der Fertigungsprozesse eingesetzt werden, können letztere explizit an vorhergesagte Funkkanalbedingungen angepasst werden.
-
Da der Raytracer RAYTR Zugang zu Informationen des digitalen Zwillings, und somit zu Daten aus dem Fertigungsprozess, hat, kann eine zusätzliche, intelligente Einheit C das Drahtloskommunikationsnetzwerk RCN dahingehend optimieren, sodass es proaktiv Netzwerkparameter anpasst, um die industriellen Anwendungsfälle hochzuverlässig zu bedienen. Hierbei simuliert der Raytracer RAYTR verschiedene Konfigurationen des Mobilfunknetzwerkes unter Berücksichtigung der zukünftigen, dynamischen Änderungen im Produktionsumfeld gemäß der Zustandsinformation, und liefert erwartete Kanalbedingungen gemäß der Vorhersage.
-
Wird also gemäß der Bewertung rat eine Verschlechterung erwartet, dann werden Gegenmaßnahmen cm1, cm2 ermittelt und geprüft. Eine Gegenmaßnahme cm1 könnte beispielsweise darin bestehen, dass der räumliche Bereich zwischen den Komponenten AP und RA als verbotene Zone deklariert wird, in die die Komponente AGV nicht einfahren darf. Entsprechend muss die bisher geplante Trajektorie Tp1 für die Komponente AGV verworfen werden und durch eine neu zu planende Trajektorie ersetzt werden. Die Trajektorie Tp2 der Komponente RA wird hingegen beibehalten. So kann das Kommunikationsmodul CM_RA des Roboterarms ohne Störungen des Funkkanals RCH mit dem Kommunikationsmodul CM_PA des Access Point kommunizieren.
-
Die modellbasierte Ermittlungseinheit MBU der Zustandsermittlungseinheit SDU ist in einem Beispiel derart konfiguriert ist, dass die Zustandsinformation z2, z3 als Eingabeparameter in einem Eingabeabschnitt eines maschinentrainierten Modells M bereitgestellt wird, dass die Zustandsinformation z2, z3 durch das maschinentrainiertes Modell M propagiert wird, und dass in einem Ausgabeabschnitt des maschinentrainierten Modells M mindestens eine auf dem maschinentrainierten Modell M basierende Vorhersage csi1, csi2, csiM einer Kanalzustandsinformation, welche einen zukünftig möglichen Zustand wenigstens des Funkkanals RCH zwischen den zwei Kommunikationsmodulen CM_AP, CM_RA, die jeweils mit einer der Komponenten AP, RA der Umgebung gemäß der Zustandsinformation z2, z3 assoziiert sind, charakterisiert, bereitgestellt wird.
-
Die Zustandsermittlungseinheit SDU umfasst in einem Beispiel sowohl die modellbasierte Ermittlungseinheit MBU als auch den Raytracer RAYTR.
-
Die Zustandsermittlungseinheit SDU umfasst in einem Beispiel die modellbasierte Ermittlungseinheit MBU jedoch nicht den Raytracer RAYTR.
-
Die Zustandsermittlungseinheit SDU umfasst in einem Beispiel Raytracer RAYTR jedoch nicht die modellbasierte Ermittlungseinheit MBU.
-
Das Modell M ist beispielsweise ein künstliches neuronales Netz, ein Gaußscher Prozess, oder ein Bayes'sches neuronales Netze.
-
Die Zustandsinformation z, z1, z2, z3 umfasst beispielsweise eine 3D-Karte der Umgebung. Beispielsweise umfassen die Zustandsinformationen Informationen über die Komponenten der Industrieanlage bzw. des Fertigungssystems, die Auswirkungen auf das Kommunikationssystem haben, z.B. eine Position, Orientierung und Geschwindigkeit einer Komponente AGV, eine Position, Ausrichtung und Betriebszustand der großen Maschine, eine Position und Ausrichtung der einzeln beweglichen Teile eines Roboterarms RA.
-
Ausbreitungsmechanismen Reflexion, Beugung und Streuung haben Einfluss auf reine Freifeldausbreitung gemäß einer Sichtverbindung. Die räumliche Anordnung von Komponenten umfasst dreidimensionale Modell und die Beschaffenheit der jeweiligen Oberflächen, um die Ausbreitungsmechanismen zu berücksichtigen. Der Raytracer RAYTR ermittelt in Abhängigkeit von der räumlichen Anordnung und der Beschaffenheit der jeweiligen Oberflächen der Komponenten unter Berücksichtigung der Ausbreitungsmechanismen die Vorhersage csi1, csi2. Die Vorhersage csi1, csi2 ist beispielsweise ein Link Budget bzw. eine Leistungsübertragungsbilanz die ein Maß für die Qualität des Funkkanals RCH ist. Der Raytracer RAYTR führt ein Raytracing zumindest eines Teils der Funksignale in der durch die Zustandsinformation z2 vorgegebenen Umgebung durch. Hierbei kann auch eine räumliche Aufteilung erfolgen, um das Raytracing zu beschleunigen und die Recheneffizienz und -genauigkeit für die Ausbreitungsmodellierung zu erreichen. 3D-Modelle gemäß der ermittelten räumlichen Anordnung im Sinne der ersten, zweiten oder dritten Zustandsinformation z1, z2, z3 werden verwendet, um realistische Modelle für Ausbreitungsumgebung zu erstellen. Die Position und Ausdehnung der Komponenten charakterisieren die Ausbreitung der elektromagnetischen Wellen.
-
Der Raytracer RAYTR ist beispielsweise eine Softwarelösung, welche zur Analyse und Bewertung der Funkwellenausbreitung sowohl im Indoor- als auch im Outdoor-Bereich eingesetzt werden. Zugrunde liegt dem Raytracer RAYTR ein dreidimensionales Modell der Ausbreitungsumgebung, auf Basis dessen - i.d.R. von der Antenne einer Basisstation - ausgesendete Übertragungspfade engl.: rays generiert und analysiert werden. Dabei werden Reflexionen, Beugung und Streuung bei der Wellenausbreitung simuliert, um ein realistisches Analysebild der Ausbreitungsumgebung zu erhalten. Im Speziellen wird beim Ray Launching einer Form des Ray Tracings eine bestimmte Anzahl von Signalpfaden von der Antenne ausgehend emittiert, welche von den gewählten Auflösungen der Azimut- und Elevationswinkel mit dem Antennenmittelpunkt als Basis abhängt. Nach der Berücksichtigung von Reflexion, Beugung und Brechung werden an definierten Empfangspunkten i.d.R. Orte der Antennen der Empfänger die eintreffenden Pfade addiert und darauf basierend die Kanaleigenschaften simuliert.
-
Die Komponente AGV ist beispielsweise ein Autonomous Guided Vehicle. Die Komponente AP ist beispielsweise ein Access Point. Die Komponente RA ist beispielsweise ein Roboterarm. In einem Beispiel empfängt die Ermittlungseinheit DT die erste Zustandsinformation in Form von Messwerten oder Signalen s_FAC von der Umgebung. In einem anderen Beispiel umfasst die erste Ermittlungseinheit DT digitale Zwillinge der räumlichen Einzelkomponenten der Industrieanlage FAC, die aus empfangenen weiteren Zustandsinformation eine Repräsentation der Industrieanlage FAC zu einem Ist-Zeitpunkt ermitteln. Damit entspricht die erste Zustandsinformation z1 einer Repräsentation der räumlichen Anordnung der Industrieanlage FAC in der Gegenwart.
-
Die Ermittlungseinheit bzw. Eingabeeinheit B umfasst beispielsweise digitale Zwillinge der räumlichen Komponenten AGV, AP, RA der Industrieanlage FAC. Damit entspricht die zweite Zustandsinformation z2 einer geschätzten, also vorhergesagten Repräsentation der räumlichen Anordnung der einzelnen Komponenten der Industrieanlage FAC in der Zukunft.
-
Digitale Zwillinge, oder Systeme mehrerer digitaler Zwillinge, sind virtuelle Repräsentationen von physischen Geräten und von Prozessen und Abläufen in der industriellen Fertigung. Ziel digitaler Zwillinge ist es, den Status der Produktionsabläufe in Echtzeit abzurufen, solche zu steuern und zu optimieren, sowie den Lebenszyklus solcher Geräte zu managen. Zur Darstellung der physischen Geräte in Echtzeit senden diese u.a. Statusinformationen durch Sensoren gemessene physikalische Eigenschaften an eine zentrale Recheneinheit, welche daraufhin den realen Zustand des Systems und der Prozesse virtuell abbildet. Zusätzlich kommen dabei beispielsweise dreidimensionale CAD- Modelle zum Einsatz, um zusätzlich eine genaue und detailgetreue visuelle Repräsentation der physischen Gegenstände zu erzeugen. Als Resultat entsteht in Echtzeit ein genaues, dynamisches und dreidimensionales Abbild aller im Feld befindlichen Anlagen, Maschinen, Roboter und anderer Geräte, sowie deren Interaktionen, Prozesse und Abläufe.
-
Die Kanalzustandsinformation csi entspricht also einer Vorhersage der Funkbedingungen, die in dem zukünftigen mittels der zweiten Zustandsinformation z2 ermittelten Zustand der räumlichen Anordnung herrschen.
-
Die zweiten Zustandsinformation z2 umfasst eine dreidimensionale zukünftige Repräsentation der Komponenten der Industrieanlage FAC sowie deren zukünftige Positionen innerhalb der Industrieanlage FAC.
-
Die Vorrichtung 100 bewertet die aktuelle und prognostizierte Situation in der Umgebung der Industrieanlage FAC und ermittelt eine Instruktion i, die einer Steuereinheit FMS zugeführt wird. Die Instruktion i umfasst beispielsweise eine der Gegenmaßnahmen cm1, cm2 oder eine Freigabe der geplanten Änderung der räumlichen Anordnung. Die Steuereinheit FMS ermittelt in Abhängigkeit von der Instruktion i wenigstens ein Steuersignal s_C, welches zur Steuerung einer der Komponenten AGV, AP oder RA verwendet wird. Die Steuereinheit FMS ermittelt in Abhängigkeit von der Instruktion i wenigstens ein Steuersignal s_RCN, welches zur Steuerung einer der Kommunikationsmodule CM1, CM2 verwendet wird.
-
Der Raytracer RAYTR umfasst Funktionalitäten, die die Kanalausbreitungsbedingungen bei Änderungen im Fertigungsumfeld in Echtzeit aktualisieren. Dafür gewinnt der Raytracer RAYTR von der Eingabeeinheit B aufbereitete Informationen der anderen digitalen Zwillinge. Solche Informationen können beispielsweise sein: aktualisierte, dreidimensionale Modelle der physischen Anlagen „Plant assets“; Bewegungstrajektorien von Roboterarmen, AGVs, Anlagen und sonstigen Gegenständen; Oberflächenbeschaffenheiten der Gegenstände; der Aufbau der Fertigungshalle; Prozess- und Fertigungsablaufpläne; Funkkanalmessdaten von mobilen Teilnehmern; und andere. Hierfür abonniert die Eingabeeinheit B diese Informationen, z.B. mittels eines Publish/Subscribe-Systems. Funktionen der Eingabeeinheit B, die auf eine echtzeitfähige und genaue Prädiktion der Kanalbedingungen abzielen, sind:
- a) Die Eingabeeinheit B leitet die gewonnenen Informationen an den Raytracer RAYTR weiter, welcher daraufhin, z.B. mit einem aktualisierten, dreidimensionalen Lagebild, die Kanalausbreitungsbedingungen aktualisiert.
- b) Die Eingabeeinheit B entscheidet, ob und wann aktualisierte Informationen über Kanalausbreitungsbedingungen erforderlich sind. Wenn dies der Fall ist, z.B., wenn ein AGV die direkte Sichtverbindung zwischen zwei anderen Kommunikationsknoten blockiert, instruiert die Eingabeeinheit B den Raytracer RAYTR, ein aktualisiertes Abbild der Kanalausbreitungsbedingungen zu erstellen.
- c) Die Eingabeeinheit B analysiert Fertigungsablaufpläne, die z.B. geplante Trajektorien von AGVs enthalten, und instruiert daraufhin den Raytracer RAYTR, über einen zukünftigen Zeitraum z.B. über eine Periode einer zyklischen Bewegung eines Roboterarmes oder über eine gewisse Trajektorie eines mobilen Teilnehmers, z.B. AGV die Kanalausbreitungsbedingungen zu ermitteln.
- d) Die Eingabeeinheit B reicht Funkkanalmessungen der Teilnehmer an den Raytracer RAYTR weiter, um prädiktierte Werte abzugleichen und um zukünftige Raytracingergebnisse zu verbessern.
- e) Die Eingabeeinheit B oder der Raytracer RAYTR entscheiden auf Basis vorliegender Informationen und der Historie, zu welchem Grad und mit welcher Genauigkeit das Raytracing durchgeführt werden soll. Beispielsweise kann eine Untermenge aller möglichen Abstrahlwinkel Azimut- und Elevationswinkel gewählt werden, wenn sich nur ein Objekt an einem bestimmten Ort in der Fertigungshalle bewegt. Oder die Anzahl der berücksichtigten Reflexionen der einzelnen Pfade kann reduziert werden.
- f) Die Eingabeeinheit B ersetzt sukzessive Funktionen des Raytracers, indem es Raytracing-Berechnungsmodelle durch Berechnungsmodelle basierend auf maschinellem Lernen ersetzt, um die Berechnung der Kanalausbreitungsbedingungen zu beschleunigen. Beispielsweise lernt ein neuronales Netz die Zusammenhänge zwischen dem Status der Fertigungsumgebung den der Eingabeeinheit B vorliegende Informationen der digitalen Zwillinge und den realen bzw. den von dem Raytracer RAYTR prädiktierten Kanalbedingungen im Sinne der Vorhersage.
-
Die Bewertungseinheit A dient zur Darstellung und Weiterbetrachtung der Ergebnisse des Raytracers RAYTR. In einem Beispiel visualisiert die Bewertungseinheit A die aktuellen realen und/oder prädiktierten Kanalbedingungen, z.B. in Form der Signalstärke oder Signalqualität. In einem Beispiel visualisiert die Bewertungseinheit A die aktuellen und die zukünftigen Kanalbedingungen. Die Bewertungseinheit A informiert das Fertigungsmanagementsystem „Factory Management System“ bzw. die Steuereinheit FMS, wenn sich zukünftige Kanalbedingungen verschlechtern oder unter einen Schwellwert zu fallen drohen. Die Bewertungseinheit A instruiert die Steuereinheit FMS, Gegenmaßnahmen zu ergreifen, wenn z.B. bei einer geplanten Trajektorie eines mobilen Teilnehmers dessen Funkverbindung abzubrechen droht oder die erforderlichen Anforderungen ans Kommunikationssystem nicht mehr erfüllt werden können. Eine Gegenmaßnahme ist beispielsweise, die geplante Route eines AGVs zu ändern und im Fertigungsablaufplan festzuschreiben.
-
Die Gegenmaßnahmen-Ermittlungseinheit C dient zum Informieren und zur proaktiven Steuerung und Optimierung des Drahtloskommunikationsnetzwerks. Dies geschieht entweder direkt innerhalb des Drahtloskommunikationsnetzwerks, wenn die Gegenmaßnahmen-Ermittlungseinheit C Teil dessen ist, oder entweder über das Fertigungsmanagementsystem oder den digitalen Zwilling des Kommunikationssystems „Digital PCS twin“, wenn die Gegenmaßnahmen-Ermittlungseinheit C Teil des Systems von digitalen Zwillingen ist. Die Gegenmaßnahmen-Ermittlungseinheit C kann folgende Funktionen implementieren: Die Gegenmaßnahmen-Ermittlungseinheit C leitet lediglich Informationen über zukünftige Kanalbedingungen an das Funksystem zur Weiterbearbeitung und Beachtung weiter. Die Gegenmaßnahmen-Ermittlungseinheit C prädiktiert mithilfe des Raytracers RAYTR und des digitalen Zwillings virtuell für verschiedene Netzkonfigurationen die Kanalbedingungen und legt sie dem Funkkommunikationssystem als Entscheidungsgrundlage für die Optimierung vor. Die Auswahl der verschiedenen, zu testenden Netzkonfigurationen trifft entweder das Drahtlosnetzwerk oder die Gegenmaßnahmen-Ermittlungseinheit C selbst. Die Gegenmaßnahmen-Ermittlungseinheit C hat Kenntnis über die Anpassungsmöglichkeiten von Netzwerkparametern des Drahtlosnetzwerks, welche direkten oder indirekten Einfluss auf Kanalbedingungen haben können. Solche Netzwerkparameter sind z.B. die Sendeleistung, Antennenparameter, Interferenzkoordinierungsschemata, Handoverparameter, Beamforming-Einstellungen, MIMO-Konfigurationen, und andere. In einem anderen Beispiel führt die Gegenmaßnahmen-Ermittlungseinheit C eine Entscheidung über die zu übernehmende Netzkonfiguration herbei und instruiert das Drahtlosnetzwerk und dessen Kommunikationsmodule entsprechend.
-
2 zeigt ein schematisches Sequenzdiagramm zum Betreiben der Vorrichtung 100 aus 1. Gemäß einem Schritt 202 wird die erste Zustandsinformation ermittelt, welche den Ist-Zustand der räumlichen Anordnung von Komponenten der Umgebung und wenigstens eine geplante Änderung der räumlichen Anordnung charakterisiert, In einem Schritt 204 wird die zweite Zustandsinformation, welche den simulierten Zustand der räumlichen Anordnung der Komponenten der Umgebung charakterisiert, in Abhängigkeit von der ersten Zustandsinformation ermittelt. In einem Schritt 206 wird die Vorhersage der Kanalzustandsinformation, welche den Zustand des wenigstens einen Funkkanals zwischen zwei Kommunikationsmodulen charakterisiert, in Abhängigkeit von der zweiten Zustandsinformation ermittelt. In einem Schritt 206 findet eine Ermittlung der Bewertung des Zustands des Funkkanals in Abhängigkeit von der Vorhersage der Kanalzustandsinformation statt.
-
3 zeigt ein schematisches Sequenzdiagramm zum Betreiben der Vorrichtung 100. Die Eingabeeinheit B abonniert gemäß einem Schritt 306 Daten eines digitalen Zwillings DT_AGV der Komponente AGV, der das Verhalten und den Zustand der Komponente AGV repräsentiert. Die Steuereinheit FMS plant im Schritt 308 eine neue Trajektorie, im Sinne der geplanten Änderung, welche im Schritt 310 vom digitalen Zwilling DT_AGV angenommen wird. Ein Schritt 312 übermittelt der Eingabeeinheit B, dass die neue geplante Trajektorie vorliegt. Die Eingabeeinheit B überprüft in einem Schritt 314 die neue geplante Trajektorie dahingehend, ob diese potenziell Einfluss auf eine Funkwellenausbreitung hat/haben könnte bzw. ob ein Einfluss auf die Funkwellenausbreitung relevant ist, um eine genauere Überprüfung durchzuführen. Wird das voranstehende bejaht, dann wird im Schritt 316 der Raytracer RAYTR damit beauftragt, eine Berechnung der Funkwellenausbreitung in der Umgebung durchzuführen und unter der Annahme, dass die Komponente AGV sich entlang der geplanten Trajektorie bewegen würde. In einem Schritt 318 werden Vorhersagen csi für die Funkwellenausbreitung bzw. für die Kanalzustände ermittelt und im Schritt 320 an die Bewertungseinheit A übermittelt. Die Bewertungseinheit A ermittelt im Schritt 302 die Bewertung rat, welche vorliegend eine ausreichende Güte des Zustands des wenigstens Funkkanals RCH indiziert, in Abhängigkeit von der Vorhersage csi. Die Steuereinheit FMS betreibt im Schritt 304 die wenigstens eine Komponente AGV der Industrieanlage FAC mit der wenigstens einen geplanten Änderung, wenn die ausreichende Güte ermittelt wird. Die Bewertungseinheit A gibt also die geplante Änderung im Sinne der geplanten Trajektorie für die Komponente AGV frei, so dass die Steuereinheit FMS die Komponente AGV dazu instruiert, sich entlang der geplanten Trajektorie zu bewegen.
-
3 zeigt ein schematisches Sequenzdiagramm zum Betreiben der Vorrichtung 100. Die Eingabeeinheit B abonniert in einem Schritt 420 die Daten der digitalen Zwillinge DT_AGV, DT_AGV2 und DT_RCN der Komponenten AGV, AGV2 und des Drahtloskommunikationsnetzwerks RCN. Die Steuereinheit FMS ermittelt in einem Schritt 422 eine neue geplante Trajektorie für die zweite Komponente AGV2, beispielsweise ein zweites Autonomous Guided Vehicle, und übermittelt diese an den digitalen Zwilling DT_AGV2, welcher im Schritt 424 angenommen wird. Ein Schritt 426 übermittelt der Eingabeeinheit B, dass die neue geplante Trajektorie vorliegt. Die Eingabeeinheit B überprüft in einem Schritt 428 die neue geplante Trajektorie dahingehend, ob diese potenziell Einfluss auf eine Funkwellenausbreitung hat/haben könnte bzw. ob ein Einfluss auf die Funkwellenausbreitung relevant ist, um eine genauere Überprüfung durchzuführen. Wird das voranstehende bejaht, dann wird im Schritt 430 der Raytracer RAYTR damit beauftragt, auf Basis der Zustandsinformation z2 eine Berechnung der Funkwellenausbreitung in der Umgebung durchzuführen und unter der Annahme, dass die Komponente AGV2 sich entlang der geplanten Trajektorie bewegen würde. In einem Schritt 432 werden Vorhersagen csi1 für die Funkwellenausbreitung bzw. für die Kanalzustände ermittelt und im Schritt 434 an die Bewertungseinheit A übermittelt. Die Bewertungseinheit A ermittelt in einem Schritt 434, dass wenigstens einer der Funkkanäle eine nicht ausreichende Güte besitzen würde, wenn die geplante Trajektorie durch die Komponente AGV2 durchfahren würde. Eine entsprechender Bewertung rat1 wird im Schritt 436 versendet.
-
Eine Gegenmaßnahmen-Ermittlungseinheit C bzw. die Steuereinheit FMS dienen zum Ermitteln 402, 404 der wenigstens einen Gegenmaßnahme cm1, cm2, welche eine Änderung der räumlichen Anordnung und/oder eines Parameters des Drahtloskommunikationsnetzwerks RCN charakterisiert, wenn die ermittelte Bewertung rat1 eine voraussichtliche Verschlechterung des Zustandes des wenigstens einen Funkkanals RCH indiziert. Das Ziel der Gegenmaßnahme cm1, cm2 ist, dass die ermittelte zukünftige Verschlechterung des Funkkanals RCH des Drahtloskommunikationsnetzwerks RCN der Industrieanlage FAC nicht eintritt.
-
Ein digitaler Zwilling DT_RCN erhält die erste Gegenmaßnahme cm1 zur Erhöhung einer Sendeleistung der Komponente AP und registriert diese in einem Schritt 438. Die Änderung der Information wird in einem Schritt 440 an die Eingabeeinheit B übermittelt.
-
Die zweite Gegenmaßnahme cm2 wird an den digitalen Zwilling DT_AGV der Komponente AGV übermittelt, um beispielsweise eine im Ist-Zustand des Drahtloskommunikationsnetzwerks RCN nicht bestehende Sichtverbindung zu realisieren, indem sich die Komponente entlang einer Trajektorie gemäß der Gegenmaßnahme cm2 bewegt. Der digitale Zwilling DT_AGV übermittelt in einem Schritt 442 die Informationen gemäß der Gegenmaßnahme cm2 an die Eingabeeinheit B.
-
Die Eingabeeinheit B überprüft in einem Schritt 444 die geplanten Gegenmaßnahmen cm1, cm2 dahingehend, ob diese potenziell Einfluss auf eine Funkwellenausbreitung haben könnten bzw. ob ein Einfluss auf die Funkwellenausbreitung relevant ist, um eine genauere Überprüfung durchzuführen. Wird das voranstehende bejaht, dann wird im Schritt 406 der Raytracer RAYTR damit beauftragt, eine Berechnung der Funkwellenausbreitung in der Umgebung durchzuführen.
-
Die Eingabeeinheit B ermittelt in einem Schritt 406 eine weitere Zustandsinformation z3, welche einen weiteren zukünftigen Zustand der räumlichen Anordnung der Komponenten AGV, AP, RA der Industrieanlage FAC charakterisiert, in Abhängigkeit von der Zustandsinformation z1 und der wenigstens einen Gegenmaßnahme cm1, welche eine Änderung der räumlichen Anordnung charakterisiert.
-
Die Zustandsermittlungseinheit SDU ermittelt eine weitere Vorhersage csi2 der Kanalzustandsinformation in Abhängigkeit von der weiteren Zustandsinformation z3 und/oder der Gegenmaßnahme, welche eine Änderung des Parameters des Drahtloskommunikationsnetzwerks RCN charakterisiert.
-
Die Bewertungseinheit A ermittelt in einem Schritt 410 die Bewertung rat2, welche eine ausreichende Güte des Zustands des wenigstens Funkkanals RCH im Sinne der Bewertung der weiteren Vorhersage csi2 der Kanalzustandsinformation indiziert.
-
In einem Schritt 446 instruiert die Einheit C die Steuereinheit FMS dazu, die Sendeleistung der Komponente AP des Drahtloskommunikationsnetzwerks RCN gemäß der Gegenmaßnahme cm1 zu erhöhen.
-
Die Steuereinheit FMS betreibt in einem Schritt 412 die Industrieanlage FAC mit der mindestens einen ermittelten Gegenmaßnahme cm1, cm2, wenn die ausreichende Güte für die weitere Vorhersage csi2 ermittelt wird.
-
Die Ermittlung der wenigstens einen Gegenmaßnahme cm1 umfasst ein Ermitteln wenigstens einer Trajektorie für eine der Komponenten AGV, AP, RA. Eine geplante Trajektorie einer der Komponenten AGV, AP, RA wird durch die ermittelte Trajektorie ersetzt, wenn die ausreichende Güte des Zustands des Funkkanals ermittelt wird.
-
So umfasst die erste Zustandsinformation z1 beispielsweise geplante Trajektorien und die zweite Zustandsinformation z2 den Zustand, welcher über das Abfahren der geplanten Trajektorien erreicht wird. So kann die Gegenmaßnahme cm1 eine ‚kritischen Zone‘ umfassen, welche durch eine räumliche Begrenzung repräsentiert wird. Diese ‚kritische Zone‘ bedeutet für die Steuereinheit S der Industrieanlage FAC, dass keine der mobilen oder teilmobilen Komponenten der Industrieanlage in diese ‚kritische Zone‘ einfahren dürfen und innerhalb der ‚kritischen Zone‘ keine Komponenten bewegt werden dürfen. Entsprechend wird die Trajektorie für eine der Komponenten AGV, AP, RA ermittelt, welche die bereits geplante Trajektorie ersetzt.
-
Die Ermittlung der wenigstens einen Gegenmaßnahme cm2 umfasst ein Ermitteln wenigstens eines Sende- und/oder Empfangsparameters wenigstens eines der Kommunikationsmodule CM_AP, CM_RA. Eine geplante Verwendung oder Beibehaltung eines Sende- und/oder Empfangsparameters wird verworfen. Anstatt dessen wird der ermittelte Sende- und/oder Empfangsparameter verwendet und/oder für einen bestimmten Zeitpunkt eingeplant, wenn die ausreichende Güte des Zustands des Funkkanals ermittelt wird.
-
Beispielsweise wird die Sendeleistung und/oder Empfangsleistung für das Versenden und/oder Empfangen von Funksignalen auf dem Funkkanal RCH bei einem oder beiden Kommunikationsmodulen CM_AP, CM_RA erhöht, um so die Empfangswahrscheinlichkeit zu erhöhen. Weitere Parameter umfassen beispielsweise ein Modulation and Coding Scheme, einen Subchannel, etc.
-
5 zeigt ein schematisches Ablaufdiagramm zum Betreiben der Vorrichtung 100 aus 1. Gemäß einem Schritt 502 wird eine Zustandsinformation, welche den simulierten Zustand der räumlichen Anordnung der Komponenten AGV, AP, RA der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, ermittelt und/oder bereitgestellt. Ein Schritt 504 umfasst ein Ermitteln mindestens einer auf dem maschinentrainierten Modell basierenden Vorhersage, wobei die Zustandsinformation als Eingabeparameter in einem Eingabeabschnitt des maschinentrainierten Modells bereitgestellt wird, wobei die Zustandsinformation durch das maschinentrainiertes Modell M propagiert wird, und wobei in einem Ausgabeabschnitt des maschinentrainierten Modells M die mindestens eine auf dem maschinentrainierten Modell M basierende Vorhersage der Kanalzustandsinformation, welche einen Zustand des wenigstens einen Funkkanals zwischen zwei Kommunikationsmodulen, die jeweils mit einer der Komponenten der Umgebung gemäß der Zustandsinformation assoziiert sind, charakterisiert, bereitgestellt wird.
-
6 zeigt die Vorrichtung 100 aus 1. Die Eingabeeinheit B ist derart konfiguriert, dass eine Mehrzahl von Zustandsinformationen z2, z3 in Abhängigkeit von einer Mehrzahl von Positionen einer Mehrzahl von Kandidatentrajektorien Tp(n) wenigstens einer Komponente der Umgebung ermittelt werden. Bei der jeweiligen Kandidatentrajektorie Tp(n) indiziert n die jeweilige von einer Anzahl N von Kandidatentrajektorien.
-
Die modellbasierte Ermittlungseinheit MBU ist derart konfiguriert, dass für jede der Mehrzahl von Zustandsinformationen z2, z3 eine jeweilige auf dem maschinentrainierten Modell M basierende Vorhersage csi1, csi2 ermittelt wird.
-
Eine Pfadauswahleinheit PSE ist derart konfiguriert, dass eine der Kandidatentrajektorien Tp(n) in Abhängigkeit von der Mehrzahl der einem der jeweiligen Kandidatentrajektorien Tp(n) zugeordneten Vorhersagen csi1, csi2 ausgewählt wird. Beispielsweise wird die Trajektorie TP_sel ausgewählt, die für die untersuchten Funkkanäle die höchste mittlere Güte aufweist und gleichzeitig eine Mindestgüte der jeweiligen Funkkanäle nicht unterschritten wird.
-
Wenn eine Trajektorie für eine Komponente AGV festgelegt werden soll, wird das Modell verwendet, um die Kosten für Kandidatentrajektorien zu bewerten. Das Modell ermittelt die y-Outputs, also die Vorhersagen, und ihre Verteilung für jeden der Kandidatenpfade. Diese Informationen können verwendet werden, um die Kosten des Kandidatenpfads zu berechnen z.B. durch Wahl des Pfades mit mindestens einem minimalen SINR über die gesamte Trajektorie. Diese Kostenbewertung kann auf einer äquidistanten Diskretisierung des Pfades mit einer vordefinierten Schrittgröße erfolgen oder automatisiert werden. So können verschiedene Kandidatenlaufbahnen eingestuft werden. Wenn die Kandidatentrajektorien parametrisiert sind, kann ein Optimierungsalgorithmus verwendet werden, um die optimale Trajektorie zu bestimmen. Das Modell erlaubt es, auf veränderte Umweltbedingungen in Echtzeit zu reagieren, was mit der klassischen Raytracing-Technik nicht möglich ist.
-
7 zeigt die Zustandsermittlungseinheit SDU in einem schematischen Blockdiagramm. Der Raytracer RAYTR ist derart konfiguriert, dass mindestens eine auf dem Raytracer RAYTR basierende Vorhersage csiR der wenigstens einen Kanalzustandsinformation in Abhängigkeit von der ermittelten Zustandsinformation z2, z3 ermittelt wird.
-
Eine Koordinationseinheit 700 ist derart konfiguriert, dass der Betrieb der modellbasierten Ermittlungseinheit MBU und des Raytracer RAYTR koordiniert wird.
-
Eine Vorverarbeitungseinheit 710 der Koordinierungseinheit 700 ist derart konfiguriert, dass die Zustandsinformation z2, z3, welche den Zustand der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, mit einer weiteren Zustandsinformation z1, zx, welche einen weiteren zeitlich zum vorigen Zustand versetzten oder einem vorab festgelegten Zustand der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, verglichen wird, und dass in Abhängigkeit von dem Vergleich entweder die modellbasierte Ermittlungseinheit MBU oder der Raytracer RAYTR zur Ermittlung der jeweiligen Vorhersage aktiviert wird.
-
Damit wird das maschinentrainierte Modell als Ersatz für die Raytracing-Funktion in bestimmten Situationen, z. B. wenn nur wenige Objekte ihre Position ändern, verwendet. Bei sich wiederholende und/oder nur leicht wechselnde Umgebungen kann das Modell eine genügend hohe Genauigkeit liefern. Die Ausgabe des Raytracers wird für einen vordefinierten Satz von Umgebungsbedingungen gelernt. Das so maschinentrainierte Modell M wird als Echtzeit-Kanalvorhersage-Engine verwendet, wenn eine solche Umgebungssituation eintritt.
-
Kontext- und/oder Anwendungsdaten über die Herstellungsprozesse werden in einem Beispiel zur Anreicherung der Dateneingabe für das trainierte Modell verwendet. In diesem Fall liefern digitalen Zwillinge der Industrieanlage Informationen über deterministische Veränderungen der Umgebung.
-
Beispielsweise repräsentiert die weitere Zustandsinformation zx zumindest einen Teil von Trainings-Eingangsdaten, mit denen das maschinentrainierte Modell trainiert wurde.
-
Bayes'sche neuronale Netze oder Gauß'sche Prozesse ermitteln eine Verteilung im Sinne eines Vertrauensniveaus v(csiM) neben der Ausgabe im Sinne der Vorhersage csiM der Kanalbedingung. Dieses Vertrauensniveau v(csiM) der Ausgabe wird dazu verwendet, um zu entscheiden, ob die Vorhersage des Modells verwendet wird oder ob zusätzliche Datenpunkte von dem Raytracer RAYTR benötigt werden. Die modellbasierte Ermittlungseinheit MBU ist also derart konfiguriert, dass mittels des maschinentrainierten Modells M das Vertrauensniveau vcsiM für die mindestens eine auf dem maschinentrainierten Modell M basierende Vorhersage csiM ermittelt wird.
-
Beim aktiven Lernen werden diejenigen Eingangsdaten ausgewählt, die die meisten Informationen liefern Entropie, z.B. im Falle von Gauß-Prozessen, gemessen in Form der prädiktiven Varianz. In weniger dynamischen Situationen, beispielsweise nachts, löst die modellbasierte Ermittlungseinheit MBU oder die Koordinationseinheit 700 den Raytracer RAYTR aus, um Datenpunkte für weniger entdeckte Regionen der Umgebung zu erhalten. Wenn am kommenden Morgen viele Produktionslinien neu angeordnet werden, kann das Modell entsprechend trainiert werden, um zu lernen, wie die Signalbedingungen sein werden, wobei das aktive Lernen auf jene Eingangsdimensionen, die sich wahrscheinlich morgen ändern werden, beschränkt wird.
-
Eine Nachverarbeitungseinheit 720 der Koordinationseinheit 700 ist derart konfiguriert, dass in Abhängigkeit von dem ermittelten Vertrauensniveau vcsiM der Raytracer RAYTR zur Ermittlung der auf dem Raytracer RAYTR basierenden Vorhersage csiR aktiviert wird oder die auf dem maschinentrainierten Modell basierende Vorhersage csiM zur Weiterverarbeitung als Vorhersage csi bereitgestellt wird.
-
8 zeigt in einem schematischen Blockdiagramm einen Teil der Vorrichtung 100. Die Eingabeeinheit B ist derart konfiguriert, dass neben der Zustandsinformation z2, z3 eine Mehrzahl von Funkkeulenkoordinaten fk, die mit wenigstens einem der Kommunikationsmodule des Drahtloskommunikationsnetzwerks assoziiert sind, ermittelt oder bereitgestellt werden. Die modellbasierte Ermittlungseinheit MBU ist derart konfiguriert, dass die Zustandsinformation z2, z3 und die Funkkeulenkoordinaten fk als Eingabeparameter in einem Eingabeabschnitt des maschinentrainierten Modells bereitgestellt werden, dass die Zustandsinformation z2 oder z3 und wenigstens eine einer Mehrzahl von Funkkeulenkoordinaten fk durch das maschinentrainierte Modell propagiert werden, und dass in einem Ausgabeabschnitt des weiteren maschinentrainierten Modells wenigstens eine Relevanz R der jeweiligen mit den Funkkeulenkoordinaten fk assoziierten Funkkeule bereitgestellt wird. Nach einem oder mehreren Forward-Propagation-Durchläufen werden eine Mehrzahl von Relevanzen R von Funkkeulen bereitgestellt.
-
Eine Auswahleinheit 802 ist derart konfiguriert, dass diejenigen Funkkeulenkoordinaten fk_sel ausgewählt werden, welche mit einer erhöhten Relevanz R assoziiert sind.
-
Der Raytracer RAYTR ist derart konfiguriert, dass mindestens eine auf dem Raytracer RAYTR basierende Vorhersage csiR der wenigstens einen Kanalzustandsinformation auf Basis der ausgewählten Funkkeulenkoordinaten fk_sel ermittelt wird.
-
Beispielsweise charakterisiert die jeweilige Relevanz R der Funkkeule eine Empfangsstärke der Funkkeule an einem der empfangenden Kommunikationsmodule des Drahtloskommunikationsnetzwerks. So wird die Verarbeitung durch den Raytracer RAYTR beschleunigt, da nicht sämtliche, sondern nur die Funkkeulen gemäß der Funkkeulenkoordinaten fk_sel simuliert werden müssen, die von erhöhter Relevanz R sind. Mithin wird die Ermittlung der Vorhersage csiR der Kanalzustandsinformation beschleunigt. Es werden also die dominanten/relevanten Strahlen für die Berechnung mit dem Raytracer ermittelt. Das Maß für die Relevanz eines Strahls kann seine Empfangsstärke am Ort des Interesses, also eines der Kommunikationsmodule sein. Die Anzahl der dominanten Strahlen kann ermittelt werden, indem man die Strahlen betrachtet, deren Empfangsleistung höchstens 20 dB unter der des dominantesten Strahls liegt optional: bei Verwendung probabilistischer Modelle „höchstens 20 dB unter der des dominantesten Strahls mit ausreichend hoher benutzerbestimmter Wahrscheinlichkeit“. Ein dominanter Strahl ist gekennzeichnet durch seine sphärischen Koordinaten, das Tupel Theta, Phi Richtung der Abstrahlung vom Schwerpunkt der Antenne der Basisstation. Das Modell lernt die Beziehung zwischen theta, phi, x => R, wobei R für die Relevanz des Strahls mit den sphärischen Koordinaten theta und phi steht. Wenn dann Veränderungen in der Umgebung auftreten oder zu erwarten sind durch Bereitstellung von Informationen über zukünftige Zustände von den Digitalen Zwillingen, berechnet das Modul M die Relevanz R für jedes Tupel Theta, phi unter Berücksichtigung der zukünftigen Zustandsinformation der Umgebung im Voraus und veranlasst den Raytracer RAYTR, die Radiowellenumgebung zu aktualisieren, indem nur Strahlen berechnet werden, die durch einen Satz von Tupeln Theta, phi spezifiziert sind, die eine Relevanz R über einem bestimmten Schwellenwert haben.
-
9 zeigt in schematischer Form eine Vorrichtung 900 zum Trainieren des Modells. Die Eingabeeinheit B ist derart konfiguriert ist, dass eine Zustandsinformation z, welche den Zustand einer räumlichen Anordnung von Komponenten der Umgebung charakterisiert, ermittelt oder bereitgestellt wird. Der Raytracer RAYTR ist derart konfiguriert, dass mindestens die auf dem Raytracer RAYTR basierende Vorhersage csiR der wenigstens einen Kanalzustandsinformation, welche den Zustand des wenigstens einen Funkkanals zwischen zwei Kommunikationsmodulen der Umgebung charakterisiert, in Abhängigkeit von der Zustandsinformation z ermittelt wird. Ein Trainingset-Generator 902 ist derart konfiguriert ist, dass wenigstens ein Trainingset ts umfassend die Zustandsinformation z und die zugeordnete auf dem Raytracer RAYTR basierende Vorhersage csiR ermittelt wird. Eine Trainingseinheit 1000, die derart konfiguriert ist, dass das Modell mit dem wenigstens einen Trainingset ts trainiert wird.
-
Die Zustandsinformation z umfasst beispielsweise eine 3D-Karte der Umgebung. Beispielsweise umfassen die Zustandsinformationen Informationen über die Komponenten der Industrieanlage bzw. des Fertigungssystems, die Auswirkungen auf das Kommunikationssystem haben, z.B. eine Position, Orientierung und Geschwindigkeit einer Komponente AGV, eine Position, Ausrichtung und Betriebszustand der großen Maschine, eine Position und Ausrichtung der einzeln beweglichen Teile eines Roboterarms RA.
-
Man beginnt also beispielsweise mit durch Raytracing gewonnenen Vorhersagen, um Trainingsdaten ts für das Modell zu generieren. Das Modell M lernt die Abbildung zwischen x Umgebungsvariablen und y Übertragungs-KPIs wie Kanalimpulsantworten, Empfangsleistungen, SINRs oder sogar Datenraten durch Daten, die durch Raytracing erzeugt werden, d.h. beschriftete x,y-Tupel.
-
Das Trainieren des Modells M kann durch aktives Lernen durchgeführt werden.
-
In einem Beispiel werden die Auswirkungen der stochastischen Dynamik der Umgebung auf den Funkkanal, die Abdeckung und LOS gelernt. Stochastische Einflüsse können Ungenauigkeiten der 3D-Darstellungen von Anlagen und zufällig oder unerwartet sich bewegende Objekte oder Personen in der Fabrikhalle sein. Die dem Raytracer zur Verfügung gestellte 3D-Umgebung wird durch zusätzliche bewegliche Objekte modifiziert, die in der geplanten Umgebung zu erwarten sind. Folglich werden mehrere Zustandsinformationen, die unerwartete Komponenten in der Umgebung umfassen, simuliert und zum Trainieren des Modells zur Verfügung gestellt.
-
In einem Beispiel wird Transfer-Lernen genutzt, um das Modell für eine Vielzahl ähnlicher Umweltzustände, Situationen und Szenarien vielseitiger zu machen. Hier geht man davon aus, dass verschiedene Industrieanlagen sich gleichen und/oder die gleichen Komponenten aufweisen. Oder man nimmt mehrere, „ähnlich aussehende“ Produktionslinien in einer Fertigungshalle als Ausgangspunkt. In solchen Fällen gibt es Ähnlichkeiten hinsichtlich der Funkumgebung, was bedeutet, dass das Modell die Ausbreitungseigenschaften nicht unbedingt von Grund auf lernen muss. So kann man die die Struktur eines datenbasierten Modelles, z.B. die Parametrisierung eines neuronalen Netzes, in einer anderen, aber ähnlichen Umgebung wiederverwenden.
-
In einem Beispiel ermittelt die Eingabeeinheit B die Keulenkoordinaten fk und der Raytracer RAYTR ermittelt die zu den Keulenkoordinaten fk passende Relevanz R. Die Trainingsdaten ts umfassend damit die Vorhersage csiR, die damit assoziierte Relevanz R sowie die Zustandsinformation z. Die Eingabeeinheit B ist also derart konfiguriert ist, dass neben der Zustandsinformation z eine Mehrzahl von Funkkeulenkoordinaten fk, die mit wenigstens einem der Kommunikationsmodule der Umgebung assoziiert sind, ermittelt oder bereitgestellt werden. Der Raytracer RAYTR ist derart konfiguriert, dass die mindestens eine auf dem Raytracer RAYTR basierende Vorhersage csi und die Relevanz R der mit den Funkkeulenkoordinaten fk assoziierten Funkkeulen in Abhängigkeit von dem ermittelten Zustand z, z1, z2 und wenigstens einer der Mehrzahl von Funkkeulenkoordinaten fk ermittelt wird. Der Trainingset-Generator 902 ist derart konfiguriert ist, dass das wenigstens eine Trainingset ts umfassend die Zustandsinformation z, die zugeordnete auf dem Raytracer RAYTR basierende Vorhersage csi und die ermittelten Relevanzen R ermittelt wird.
-
10 zeigt eine Anordnung bzw. Trainingseinheit 1000 für das Training des Modells M. Beispielhaft wird auf das künstliche neuronale Netz NN Bezug genommen. Alternativ können selbstverständlich auch andere datenbasierte Modelle wie beispielsweise Gaussprozesse zum Einsatz kommen.
-
Trainingsdaten eiTrain werden in Form von Eingabedaten über eine Eingabeschnittstelle 1008 bereitgestellt. Die Anordnung besteht aus dem datenbasierten Modell, beispielsweise dem künstlichen neuronalen Netz NN mit einer Eingabeschicht. Für einen Zeitschritt i wird ein Eingabetensor der Eingabedaten id, beispielsweise den Zustandsinformationen, an die Eingabeschicht übergeben. Die Eingabeschicht ist Teil des Eingabeabschnitts. Für die Eingangsdaten id wird der Ausgang O in Form der Vorhersage csi aus den vorigen Figuren bestimmt. Im Zeitschritt i wird aus dem Ausgang O ein Tensor mit Beobachtungswerten oitrain bestimmt, die den Beobachtungswerten des Tensors eitrain zugeordnet werden. Jede der Zeitreihen der Eingangsdaten id wird einem von drei Eingangsknoten zugeordnet. In einem Vorwärtspfad des künstlichen neuronalen Netzes NN folgt auf die Eingangsschicht mindestens eine verborgene Schicht. In dem Beispiel ist eine Anzahl von Knoten der mindestens einen verborgenen Schicht größer als eine Anzahl der Eingabeknoten. Diese Anzahl ist als ein Hyperparameter zu betrachten. Im Beispiel sind in der verborgenen Schicht vier Knoten vorgesehen. Das neuronale Netz NN wird beispielsweise durch die Gradientenabstiegsmethode in Form von Backpropagation gelernt.
-
Im Vorwärtspfad wird im Beispiel nach mindestens einer verdeckten Schicht eine Ausgabeschicht 1010 bereitgestellt. Auf der Ausgabeschicht 1010 des Ausgabeteils des Neuronalen Netzes NN werden Prädiktionswerte ausgegeben. Im Beispiel wird jedem Vorhersagewert ein Ausgabeknoten zugeordnet.
-
In jedem Zeitschritt i wird ein Tensor o'itrain bestimmt, in dem die Prädiktionswerte für diesen Zeitschritt i enthalten sind. Dieser wird im Beispiel zusammen mit dem Spaltenvektor der Beobachtungswerte oitrain einer Trainingsvorrichtung 1002 zugeführt. Die Trainingsvorrichtung 1002 ist im Beispiel dafür ausgelegt, einen Prädiktionsfehler mittels einer Verlustfunktion LOSS, insbesondere mittels eines mittleren quadratischen Fehlers, zu bestimmen und das Modell M damit und mittels eines Optimierers, insbesondere eines Adam-Optimierers, zu trainieren. Die Verlustfunktion LOSS wird im Beispiel in Abhängigkeit einer Abweichung, insbesondere des mittleren quadratischen Fehlers, von den Werten des Tensors der Beobachtungswerte oitrain und des Tensors der Vorhersagewerte o'itrain bestimmt.
-
Das Training wird beendet, sobald ein festes Kriterium erreicht ist. Im Beispiel wird das Training abgebrochen, wenn der Verlust über mehrere Zeitschritte nicht abnimmt, d.h. insbesondere der Mittlere quadratische Fehler nicht abnimmt.
-
Die Testdaten werden dann in das auf diese Weise trainierte Modell M eingegeben. Das Modell M wird durch das Training mit den Trainingsdaten generiert. Das Modell M wird mit den Testdaten ausgewertet, insbesondere hinsichtlich des Mittelwertes µ und der Kovarianz S.
