-
Die vorliegende Erfindung betrifft ein Verfahren zum Bewerten, insbesondere zum Überwachen, und/oder zum Steuern eines Arbeitsprozesses wenigstens eines Roboters auf Basis eines maschinell gelernten Prozessmodells, ein Verfahren zum überwachten maschinellen Lernen eines, insbesondere dieses, Prozessmodells eines Arbeitsprozesses wenigstens eines Roboters, sowie ein System, Computerprogramm bzw. Computerprogrammprodukt zur Durchführung wenigstens eines dieser Verfahren.
-
Prozessmodelle von Roboterarbeitsprozessen, die durch überwachtes maschinelles Lernen (maschinell) gelernt sind, können vorteilhaft verwendet werden, insbesondere, um die Roboterarbeitsprozesse zu verbessern, vorzugsweise, um diese zu bewerten, insbesondere zu überwachen, und/oder um diese zu steuern.
-
Zum überwachten maschinellen Lernen ist es erforderlich, Messdaten zu labeln, beispielsweise Antriebsströme, Antriebsdrehmomente und/oder Regelfehler des Roboters dahingehend zu labeln, ob der damit durchgeführte Arbeitsprozess fehlerfrei war oder nicht.
-
Eine Aufgabe einer Ausführung der vorliegenden Erfindung ist es, das überwachte maschinelle Lernen eines Prozessmodells eines Arbeitsprozesses wenigstens eines Roboters zu verbessern. Eine Aufgabe einer Ausführung der vorliegenden Erfindung ist es, das Bewerten, insbesondere das Überwachen, und/oder das Steuern eines Arbeitsprozesses wenigstens eines Roboters zu verbessern.
-
Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs 1 bzw. 7 gelöst. Ansprüche 8, 9 stellen ein System bzw. Computerprogramm bzw. Computerprogrammprodukt zur Durchführung wenigstens eines hier beschriebenen Verfahrens unter Schutz. Die Unteransprüche betreffen vorteilhafte Weiterbildungen.
-
Nach einer Ausführung der vorliegenden Erfindung umfasst ein Verfahren zum überwachten maschinellen Lernen eines Prozessmodells eines Arbeitsprozesses eines oder mehrerer Roboter(s) die Schritte:
- - Erfassen von Schwingungsdaten und Messdaten während der, vorzugsweise mehrfachen bzw. wiederholten, Durchführung des Arbeitsprozesses; und
- - überwachtes maschinelles Lernen („Supervised (Machine) Learning“) eines, insbesondere mathematischen und/oder numerischen bzw. computertechnisch implementierten, Prozessmodells, insbesondere KI-Prozessmodells, des Arbeitsprozesses auf Basis der Messdaten, welche auf Basis der erfassten Schwingungsdaten gelabelt sind.
-
Das Prozessmodell kann insbesondere wenigstens ein künstliches neuronales Netz umfassen, das überwachte maschinelle Lernen entsprechend ein Trainieren des Prozessmodells, insbesondere dieses künstlichen neuronalen Netzes, mithilfe der gelabelten Messdaten, ohne jedoch hierauf beschränkt zu sein.
-
In einer Ausführung umfasst das Verfahren auch den Schritt:
- - Labeln der erfassten Messdaten auf Basis der erfassten Schwingungsdaten, insbesondere vor dem Schritt des überwachten maschinellen Lernens.
-
Nach betriebsinterner Praxis werden Messdaten häufig manuell auf Basis visueller Beobachtungen des Arbeitsprozesses oder von Kamerabildern von dem Arbeitsprozess gelabelt.
-
Dabei können jedoch insbesondere Sichthindernisse, mangelnde Auflösung, geheimzuhaltende sichtbare Prozess- und/oder Umgebungsdetails oder dergleichen problematisch sein, insbesondere für ein ausgelagertes bzw. externes Labeln außer Sichtweite des Arbeitsprozesses.
-
Daher wird in einer Ausführung vorgeschlagen, zusätzlich oder alternativ zu visuellen Beobachtungen und/oder Kamerabildern erfasste Schwingungsdaten zum Labeln der Messdaten zu verwenden. In einer Ausführung umfassen die erfassten Schwingungsdaten Luft- und/oder Körperschall(wellen)signale bzw. Luft- und/oder Strukturschwingungssignale.
-
Hierdurch können in einer Ausführung Probleme mit Sichthindernissen, mangelnder optischer Auflösung, geheimzuhaltenden sichtbaren Prozess- und/oder Umgebungsdetails oder dergleichen reduziert werden.
-
In einem einfachen Beispiel kann anhand eines Einschnappgeräusches beurteilt werden, ob ein Fügeprozess erfolgreich durchgeführt wurde oder nicht, und bei diesem Fügeprozess erfasste Messdaten entsprechend als „Fügeprozess erfolgreich“ oder „Fügeprozess nicht erfolgreich“ gelabelt werden.
-
In einer Ausführung werden die Schwingungsdaten mithilfe eines Sensors oder mehrerer Sensoren erfasst, der bzw. von denen einer oder mehrere an dem Roboter, in einer Ausführung einem Endflansch des Roboters, angeordnet ist bzw. sind.
-
Zusätzlich oder alternativ kann der Sensor bzw. einer oder mehrere der Sensoren (jeweils) ein Beschleunigungssensor sein, in einer Ausführung ein ein- oder mehrachsiger Beschleunigungssensor.
-
Hierdurch können in einer Ausführung die Schwingungsdaten vorteilhaft, insbesondere präzise(r) und/oder ungestört(er), erfasst werden, beispielsweise im Vergleich zu extern (angeordneten) Mikrofonen, die zwar auch verwendet werden können, häufig jedoch mehr Stör- bzw. Umgebungsgeräusche erfassen.
-
In einer Ausführung sind bzw. werden die Messdaten auf Basis der erfassten Schwingungsdaten manuell bzw. durch eine oder mehrere Personen, in einer Ausführung gemeinsam, gelabelt, wobei ein gemeinsames manuelles Labeln in einer Ausführung eine Auswertung mehrerer einzelner Label von je einer oder mehreren Personen umfasst, insbesondere ein Labeln entsprechend der Mehrheit der einzelnen Labels, eines Durchschnitts der einzelnen Labels oder dergleichen.
-
Insbesondere da Menschen akustische Signale besonders gut, insbesondere rasch(er), präzise(r), intuitiv(er) und/oder wenig(er) fehleranfällig, verarbeiten können, kann hierdurch das Labeln der Messdaten in einer Ausführung verbessert werden.
-
Zusätzlich oder alternativ sind bzw. werden die Messdaten außer Sichtweite des Arbeitsprozesses bzw. remote gelabelt, in einer Weiterbildung in einer Cloud („Cloud-Labeling“).
-
Dadurch kann in einer Ausführung das Labeln der Messdaten vorteilhaft verteilt und/oder ohne Beeinträchtigung des Arbeitsprozesses und/oder ohne Beeinträchtigung durch den Arbeitsprozess durchgeführt und dadurch in einer Ausführung das Labeln und/oder der Arbeitsprozess verbessert werden.
-
Zusätzlich oder alternativ sind bzw. werden die Messdaten auf Basis von akustischen Signalen, die ganz oder teilweise mit den Schwingungsdaten übereinstimmen oder von den Schwingungsdaten abhängig sind, in einer Ausführung aus diesen generiert werden, gelabelt.
-
Mit anderen Worten können die Schwingungsdaten bereits (die) akustische(n) Signale aufweisen, insbesondere sein, wodurch in einer Ausführung die Präzision verbessert werden kann.
-
Gleichermaßen können in einer Ausführung die Schwingungsdaten in (die) akustische(n) Signale umgewandelt bzw. verarbeitet bzw. die akustischen Signale auf Basis der erfassten Schwingungsdaten erzeugt werden. Dann werden in einer Ausführung die Messdaten auf Basis dieser akustischen Signale und somit auch auf Basis der (diesen zugrundeliegenden) erfassten Schwingungsdaten gelabelt
-
Wie vorstehend ausgeführt, können Menschen akustische Signale besonders gut, insbesondere rasch(er), präzise(r), intuitiv(er) und/oder wenig(er) fehleranfällig, verarbeiten, so dass hierdurch das Labeln der Messdaten in einer Ausführung (weiter) verbessert werden kann.
-
In einer Ausführung werden die erfassten Schwingungsdaten, in einer Ausführung zu (den) akustischen Signalen, verarbeitet, und die Messdaten sind bzw. werden dann auf Basis dieser verarbeiteten Schwingungsdaten, insbesondere akustischen Signalen, gelabelt.
-
Hierdurch kann in einer Ausführung die Erfassung und/oder Präzision verbessert werden. So kann beispielsweise mittels eines Beschleunigungssensors, in einer Ausführung am Roboter, Körperschall erfasst und in hörbare akustische Signale verarbeitet werden, die ein Mensch besonders gut, insbesondere rasch(er), präzise(r), intuitiv(er) und/oder wenig(er) fehleranfällig, verarbeiten kann.
-
In einer Ausführung werden die erfassten Schwingungsdaten in einen anderen, in einer Weiterbildung hörbaren, Frequenzbereich, der in einer Ausführung zwischen 20 Hz und 20 kHz liegt, transformiert. Da wie erwähnt Menschen akustische Signale besonders gut, insbesondere rasch(er), präzise(r), intuitiv(er) und/oder wenig(er) fehleranfällig, verarbeiten können, kann hierdurch das Labeln der Messdaten in einer Ausführung verbessert werden.
-
In einer Ausführung liegen, gegebenenfalls auch, die erfassten Schwingungsdaten ganz oder teilweise im hörbaren Frequenzbereich bzw. einem Frequenzbereich zwischen 20 Hz und 20 kHz. Durch solche Schwingungsdaten kann das Labeln in einer Ausführung besonders präzise und/oder zuverlässig durchgeführt werden. Entsprechend erfasst in einer Ausführung der wenigstens eine Sensor, insbesondere Beschleunigungssensor, wenigstens teilweise in einem Frequenzbereich, der zwischen 20 Hz und 20 kHz liegt, bzw. ist hierzu eingerichtet bzw. wird hierzu verwendet.
-
Zusätzlich oder alternativ werden die erfassten Schwingungsdaten beim Verarbeiten in einer Ausführung durch wenigstens einen Bandpassfilter und/oder Ausschneiden eines, in einer Weiterbildung vorgegebenen Frequenzbereichs, gefiltert. Dadurch können in einer Ausführung besonders signifikante Frequenzbereiche zum Labeln verwendet bzw. zur Verfügung gestellt und dadurch das Labeln, insbesondere die Präzision und/oder Zuverlässigkeit, verbessert werden. Die Filterung, insbesondere ein vorgegebener Frequenzbereich, der ausgeschnitten wird und/oder eine oder mehrere Frequenz(en) des Bandpassfilters, werden in einer Ausführung mittels künstlicher Intelligenz, insbesondere Explainable Al, Anomaliedetektion, Autoencoder, Reconstruction Error, insbesondere Minimierung dessen, oder dergleichen, oder empirisch festgelegt. Hierdurch können in einer Ausführung besonders vorteilhafte, insbesondere signifikante und/oder für menschliche Labler geeignete, verarbeitete Schwingungsdaten generiert werden.
-
In einer Ausführung werden zum Labeln der Messdaten vorab Übungsschwingungsdaten erfasst und der Instanz, in einer Ausführung dem bzw. den Menschen, die anschließend die Messdaten labeln, die, in einer Ausführung in vorstehend mit Bezug auf die Schwingungsdaten erläuterter Weise, verarbeiteten, Übungsschwingungsdaten zusammen mit einer Klassifikation dieser Übungsschwingungsdaten zum (Ein)Üben des Labelns zur Verfügung gestellt. Die Klassifikation kann beispielsweise auf Basis einer visuellen Inspektion, einer Bilderkennung oder dergleichen erfolgen.
-
Somit werden in einer Ausführung die Übungsschwingungsdaten zu akustischen Signalen verarbeitet und/oder in einen anderen, insbesondere hörbaren, Frequenzbereich transformiert und/oder, insbesondere durch wenigstens einen Bandpassfilter und/oder Ausschneiden eines vorgegebenen Frequenzbereichs, gefiltert, bevor sie der Instanz zum Üben des Labelns zur Verfügung gestellt werden.
-
Diese Instanz kann dann anhand dieser Übungsschwingungsdaten bzw. akustischen (Übungs-)Signale das (korrekte) Labeln üben.
-
In einer Ausführung umfassen die erfassten Messdaten, die auf Basis der erfassten Schwingungsdaten gelabelt sind bzw. werden und auf deren Basis das Prozessmodell (überwascht) maschinell gelernt wird bzw. die erfassten Messdaten, auf deren Basis der Arbeitsprozess bewertet und/oder gesteuert wird, Bewegungsdaten, insbesondere Zeitreihen, und/oder Lastdaten, insbesondere Zeitreihen, in einer Ausführung (Zeitreihen von) Positionen, Kräfte(n), Drehmomente(n), Regelabweichungen und/oder (Zeitreihen von) erste(n) und/oder höhere(n) zeitliche(n) Ableitungen von Positionen, Kräften, Drehmomenten und/oder Regelabweichungen, des Roboters, in einer Ausführung seiner Antriebe.
-
Diese Messdaten sind besonders zum Bewerten und/oder Steuern von Roboterarbeitsprozessen geeignet, so dass hierdurch das Prozessmodell und/oder das Bewerten und/oder Steuern eines Roboterarbeitsprozesses auf Basis des gelernten Prozessmodells verbessert werden kann.
-
Nach einer Ausführung der vorliegenden Erfindung umfasst ein Verfahren zum Bewerten, insbesondere zum Überwachen, und/oder zum Steuern eines Arbeitsprozesses wenigstens eines Roboters, den Schritt:
- - Bewerten, insbesondere Überwachen, und/oder Steuern eines Arbeitsprozesses wenigstens eines Roboters auf Basis eines Prozessmodells, das mithilfe überwachten maschinellen Lernens nach einem hier beschriebenen Verfahren maschinell gelernt ist, in einer Ausführung maschinell gelernt wird.
-
Entsprechend umfasst in einer Ausführung das Verfahren zum Bewerten, insbesondere zum Überwachen, und/oder zum Steuern eines Arbeitsprozesses wenigstens eines Roboters, die Schritte:
- - überwachtes maschinelles Lernen eines Prozessmodells eines Arbeitsprozesses wenigstens eines Roboters nach einem hier beschriebenen Verfahren; und
- - Bewerten, insbesondere Überwachen, und/oder Steuern eines, vorzugsweise gleichartigen, Arbeitsprozesses wenigstens eines, vorzugsweise dieses, Roboters auf Basis dieses gelernten Prozessmodells.
-
In einer Ausführung umfasst das Bewerten und/oder Steuern des Arbeitsprozesses auf Basis des gelernten Prozessmodells die Schritte:
- - Erfassen von Messdaten während der Durchführung des Arbeitsprozesses;
- - Verarbeiten der Messdaten durch das gelernte Prozessmodell zu einer ein- oder mehrdimensionalen Ausgabe; und
- - Bewerten, insbesondere Überwachen, und/oder Steuern des Arbeitsprozesses auf Basis dieser Ausgabe.
-
Wie einleitend erläutert, kann ein Prozessmodell, das durch überwachtes maschinelles Lernen gelernt ist, vorteilhaft verwendet werden, um einen Roboterarbeitsprozess zu bewerten, insbesondere zu überwachen, und/oder zu steuern, und hierdurch zu verbessern.
-
So kann in einer Ausführung steuernd in den Roboterarbeitsprozess eingegriffen, beispielsweise eine Korrektur- oder Aussortieraktion oder dergleichen veranlasst werden, wenn das Prozessmodell auf Basis der erfassten Messdaten einen fehlerhaften Prozess, insbesondere Prozessschritt, erkennt, oder ein Arbeitsprodukt des Roboterarbeitsprozesses in eine von mehreren (Güte)Klassen sortiert werden oder dergleichen.
-
Nach einer Ausführung der vorliegenden Erfindung ist ein System, insbesondere hard- und/oder software-, insbesondere programmtechnisch, zur Durchführung eines hier beschriebenen Verfahrens eingerichtet.
-
Nach einer Ausführung der vorliegenden Erfindung weist ein bzw. das System auf:
- - Mittel zum Erfassen von Schwingungsdaten und Messdaten während der Durchführung des Arbeitsprozesses; und
- - Mittel zum überwachten maschinellen Lernen eines Prozessmodells des Arbeitsprozesses auf Basis der Messdaten, welche auf Basis der erfassten Schwingungsdaten gelabelt sind,
- - in einer Ausführung Mittel zum Labeln der Messdaten auf Basis der erfassten Schwingungsdaten, insbesondere zum Ausgeben der erfassten, gegebenenfalls, insbesondere zu akustischen Signalen, verarbeiteten Schwingungsdaten an einen oder mehrere Menschen und manuellen Labeln der Messdaten durch den bzw. die Menschen, insbesondere Erhalten bzw. Eingeben entsprechender Label von bzw. durch den bzw. die Menschen.
-
In einer Ausführung weist das System bzw. sein(e) Mittel auf:
- - Mittel zum Laben der Messdaten auf Basis der erfassten Schwingungsdaten manuell und/oder außer Sichtweite des Arbeitsprozesses und/oder auf Basis von akustischen Signalen, die wenigstens teilweise mit den Schwingungsdaten übereinstimmen oder von den Schwingungsdaten abhängig sind;
- - Mittel zum Verarbeiten der erfassten Schwingungsdaten, insbesondere zu akustischen Signalen und/oder zum Transformieren in einen anderen, insbesondere hörbaren, Frequenzbereich und/oder zum Filtern, insbesondere durch wenigstens einen Bandpassfilter und/oder Ausschneiden eines vorgegebenen Frequenzbereichs; und/oder
- - Mittel zum Erfassen von Übungsschwingungsdaten vorab und Zur-Verfügung-Stellen der, insbesondere verarbeiteten, Übungsschwingungsdaten zusammen mit einer Klassifikation dieser Übungsschwingungsdaten der Instanz zum Labeln der Messdaten zum Üben des Labelns.
-
Nach einer Ausführung der vorliegenden Erfindung weist ein bzw. das System auf:
- - Mittel zum Bewerten, insbesondere Überwachen, und/oder zum Steuern eines Arbeitsprozesses wenigstens eines Roboters auf Basis eines Prozessmodells, das mithilfe überwachten maschinellen Lernens nach einem hier beschrieben Verfahren bzw. mithilfe eines hier beschriebenen Systems maschinell gelernt ist.
-
In einer Ausführung umfasst das System bzw. sein(e) Mittel:
- - Mittel zum überwachten maschinellen Lernen eines Prozessmodells eines Arbeitsprozesses wenigstens eines Roboters nach einem hier beschriebenen Verfahren bzw. mithilfe eines hier beschriebenen Systems; und
- - Mittel zum Bewerten, insbesondere Überwachen, und/oder zum Steuern eines, vorzugsweise gleichartigen, Arbeitsprozesses wenigstens eines, vorzugsweise dieses, Roboters auf Basis dieses gelernten Prozessmodells.
-
In einer Ausführung umfasst das System bzw. sein(e) Mittel:
- - Mittel zum Erfassen von Messdaten während der Durchführung des Arbeitsprozesses;
wobei das gelernte Prozessmodell zum Verarbeiten der Messdaten zu einer ein- oder mehrdimensionalen Ausgabe und das Mittel zum Bewerten und/oder Steuern des Arbeitsprozesses zum Bewerten und/oder Steuern des Arbeitsprozesses auf Basis dieser Ausgabe eingerichtet sind.
-
Ein System und/oder ein Mittel im Sinne der vorliegenden Erfindung kann hard- und/oder softwaretechnisch ausgebildet sein, insbesondere wenigstens eine, vorzugsweise mit einem Speicher- und/oder Bussystem daten- bzw. signalverbundene, insbesondere digitale, Verarbeitungs-, insbesondere Mikroprozessoreinheit (CPU), Graphikkarte (GPU) oder dergleichen, und/oder ein oder mehrere Programme oder Programmmodule aufweisen. Die Verarbeitungseinheit kann dazu ausgebildet sein, Befehle, die als ein in einem Speichersystem abgelegtes Programm implementiert sind, abzuarbeiten, Eingangssignale von einem Datenbus zu erfassen und/oder Ausgangssignale an einen Datenbus abzugeben. Ein Speichersystem kann ein oder mehrere, insbesondere verschiedene, Speichermedien, insbesondere optische, magnetische, Festkörper- und/oder andere nicht-flüchtige Medien aufweisen. Das Programm kann derart beschaffen sein, dass es die hier beschriebenen Verfahren verkörpert bzw. auszuführen imstande ist, sodass die Verarbeitungseinheit die Schritte solcher Verfahren ausführen kann und damit insbesondere einen Roboterarbeitsprozess bewerten und/oder steuern bzw., insbesondere hierzu, ein Prozessmodell eines Roboterarbeitsprozess überwacht maschinell lernen kann. Ein Computerprogrammprodukt kann in einer Ausführung ein, insbesondere computerlesbares und/oder nicht-flüchtiges, Speichermedium zum Speichern eines Programms bzw. von Anweisungen bzw. mit einem darauf gespeicherten Programm bzw. mit darauf gespeicherten Anweisungen aufweisen, insbesondere sein. In einer Ausführung veranlasst ein Ausführen dieses Programms bzw. dieser Anweisungen durch ein System bzw. eine Steuerung, insbesondere einen Computer oder eine Anordnung von mehreren Computern, das System bzw. die Steuerung, insbesondere den bzw. die Computer, dazu, ein hier beschriebenes Verfahren bzw. einen oder mehrere seiner Schritte auszuführen, bzw. sind das Programm bzw. die Anweisungen hierzu eingerichtet.
-
In einer Ausführung werden ein oder mehrere, insbesondere alle, Schritte des Verfahrens vollständig oder teilweise automatisiert durchgeführt, insbesondere durch das System bzw. sein(e) Mittel.
-
In einer Ausführung weist das System den wenigstens einen Roboter auf.
-
Weitere Vorteile und Merkmale ergeben sich aus den Unteransprüchen und den Ausführungsbeispielen. Hierzu zeigt, teilweise schematisiert:
- 1: ein System nach einer Ausführung der vorliegenden Erfindung; und
- 2: ein Verfahren nach einer Ausführung der vorliegenden Erfindung.
-
1 zeigt ein System und 2 ein Verfahren nach einer Ausführung der vorliegenden Erfindung.
-
In einem Schritt S10 (vgl. 2) werden während eines mehrfach wiederholten Durchführens eines Arbeitsprozesses mithilfe eines Beschleunigungssensors 1 an einem Endflansch 6 eines Roboters 2 Übungsschwingungsdaten erfasst.
-
Diese Übungsschwingungsdaten werden gegebenenfalls noch verarbeitet, beispielsweise gefiltert und/oder in einen anderen Frequenzbereich transformiert, und als hörbare akustische Signale einem oder mehreren Lablern 4 zusammen mit einer Klassifikation dieser Übungsschwingungsdaten in „Arbeitsprozess in Ordnung“/„Arbeitsprozess nicht in Ordnung“ oder dergleichen zur Verfügung gestellt. Die Klassifikation kann beispielsweise auf Basis einer visuellen Inspektion, einer Bilderkennung oder dergleichen erfolgen.
-
Damit üben der bzw. die Labler 4 das Labeln auf Basis, gegebenenfalls verarbeiteter, Übungsschwingungsdaten. D.h., sie üben beispielsweise, bestimmte Geräusche als „Arbeitsprozess in Ordnung“/„Arbeitsprozess nicht in Ordnung“ oder auch „Fügen voll erreicht“/„Fügen teilweise erreicht“/„Fügen fehlgeschlagen“ oder dergleichen zu labeln.
-
Nachdem der bzw. die Labler 4 das Labeln solcherart (ein)geübt haben, werden in einem Schritt S20 während eines mehrfach wiederholten Durchführens eines Arbeitsprozesses mithilfe des Beschleunigungssensors 1 wiederum Schwingungsdaten und zusätzlich Messdaten erfasst, beispielsweise Zeitreihen mit Positions- und/oder Lastdaten von Antrieben 3 des Roboters.
-
Diese erfassten Schwingungsdaten werden gegebenenfalls, vorzugsweise in gleicher Weise wie zuvor die Übungsschwingungsdaten, verarbeitet (2: Schritt S30). Beispielsweise werden die erfassten Schwingungsdaten in einen anderen Frequenzbereich transformiert und/oder durch wenigstens einen Bandpassfilter und/oder Ausschneiden eines vorgegebenen Frequenzbereichs, gefiltert, und so zu akustischen Signalen verarbeitet.
-
Diese akustischen Signale werden nun dem bzw. den Lablern 4 vorgespielt, die daraufhin die jeweils zugehörigen Messdaten laben (2: Schritt S40). D.h. sie hören entsprechende Geräusche und geben ein „Arbeitsprozess in Ordnung“ oder „Arbeitsprozess nicht in Ordnung“ oder auch „Fügen voll erreicht“, „Fügen teilweise erreicht“ oder „Fügen fehlgeschlagen“ oder dergleichen ein bzw. aus, und die zugehörigen Zeitreihen mit Positions- und/oder Lastdaten von Antrieben 3 des Roboters, die während der Durchführung des Arbeitsprozesses erfasst wurden, in der auch die Schwingungsdaten erfasst wurden, die zu den Geräusche verarbeitet wurden, werden entsprechenden gelabelt. Beispielsweise wird eine Mess- bzw. Zeitreihe mit Messdaten in Form von Positions- und/oder Lastdaten des Roboters, die während einer Durchführung eines Arbeitsprozesses erfasst wurde, als „Arbeitsprozess in Ordnung“ gelabelt, wenn die bei dieser Durchführung erfassten Schwingungsdaten ein entsprechendes Klick- bzw. Einschnappgeräusch ergeben.
-
Mit den solcherart gelabelten Messdaten wird in einem Schritt S50 ein Prozessmodell beispielsweise in Form eines künstlichen neuronalen Netzes 5 durch supervised (machine) learning bzw. überwachtes maschinelles Lernen trainiert bzw. (überwacht) maschinell gelernt.
-
Danach können gleichartige Arbeitsprozesse des Roboters 2 auf Basis dieses auf Basis der gelabelten Messdaten maschinell gelernten Prozessmodells 5 bewertet werden (2. Schritt S60), insbesondere kann der Arbeitsprozess überwacht werden. Zusätzlich oder alternativ kann der Arbeitsprozess in Schritt S60 gesteuert, beispielsweise bei einem fehlgeschlagenen Fügen eine Korrektur- oder Aussortieraktion durchgeführt werden.
-
Obwohl in der vorhergehenden Beschreibung exemplarische Ausführungen erläutert wurden, sei darauf hingewiesen, dass eine Vielzahl von Abwandlungen möglich ist.
-
So kann in einem einfachen Beispiel der Beschleunigungssensor Schallsignale in einem hörbaren Frequenzbereich zwischen 20 Hz und 20 kHz erfassen, die einem Menschen 4 vorgespielt werden, der dann die zugehörigen Messdaten, beispielsweise Positions- und/oder Lastdaten der Antriebe 3, als „Fügen in Ordnung“ labelt, wenn er ein entsprechendes Klick- bzw. Einschnappgeräusch hört, bzw. als „Fügen nicht in Ordnung“ labelt, wenn er kein (korrektes bzw. beim Üben eingeübtes) Klick- bzw. Einschnappgeräusch hört.
-
Man erkennt an diesen Beispielen, dass insbesondere auch für Prozesse, bei denen ein manuelles Labeln auf Basis visueller Informationen problematisch ist, zum Beispiel, weil der Prozess schlecht zu beobachten ist oder Kamerabilder ungewollt auch geheimhaltungsbedürftige Informationen übertragen würden, ein Prozessmodell gut durch supervised (machine) learning maschinell (überwacht) gelernt und anschließend zum Bewerten und/oder Steuern verwendet werden kann.
-
Außerdem sei darauf hingewiesen, dass es sich bei den exemplarischen Ausführungen lediglich um Beispiele handelt, die den Schutzbereich, die Anwendungen und den Aufbau in keiner Weise einschränken sollen. Vielmehr wird dem Fachmann durch die vorausgehende Beschreibung ein Leitfaden für die Umsetzung von mindestens einer exemplarischen Ausführung gegeben, wobei diverse Änderungen, insbesondere in Hinblick auf die Funktion und Anordnung der beschriebenen Bestandteile, vorgenommen werden können, ohne den Schutzbereich zu verlassen, wie er sich aus den Ansprüchen und diesen äquivalenten Merkmalskombinationen ergibt.
-
Bezugszeichenliste
-
- 1
- Beschleunigungssensor
- 2
- Roboter
- 3
- Antrieb
- 4
- Labler
- 5
- Künstliches neuronales Netz (Prozessmodell)
- 6
- Endflansch
