-
Die vorliegende Erfindung betrifft ein computerimplementiertes Verfahren zur Bewertung von Körperschall.
-
Bei der Herstellung von Kraftfahrzeugen werden von Körperschallsensoren aufgezeichnete Körperschalldaten bewertet, um fehlerhafte Bauteile bzw. eine fehlerhafte Montage von Bauteilen zu detektieren. Aus
DE 10 2019 003 679 A1 ist ein Verfahren bekannt, bei dem Motoranomalien unter Verwendung eines Algorithmus zum maschinellen Lernen ausgewertet werden.
-
Demgegenüber liegt der vorliegenden Erfindung die Aufgabe zugrunde, ein sich an sich ändernde Begebenheiten anpassendes Verfahren zu schaffen. Außerdem soll ein System geschaffen werden, das solch ein Verfahren ausführen kann.
-
Diese Aufgabe wird durch ein Verfahren gemäß Anspruch 1 und durch ein System gemäß Anspruch 10 gelöst. Ausführungsformen der Erfindung sind in den abhängigen Ansprüchen angegeben.
-
Beim Verfahren gemäß Anspruch 1 werden mehrere Trainingsdatensätze von Körperschalldaten aufgenommen. Dies kann beispielsweise mit Sensoren erfolgen. Die Trainingsdatensätze werden jeweils aufgenommen, während eine Kraft auf ein Bauteil wirkt. Dabei hängen die Körperschalldaten von der Kraft ab. Dabei kann beispielsweise jeder Trainingsdatensatz jeweils einem Bauteil und einer sich verändernden Kraft entsprechen.
-
Eine künstliche Intelligenz wird unter Verwendung der Trainingsdatensätze trainiert. Dies kann beispielsweise überwacht, unüberwacht oder teilweise überwacht erfolgen. Unter einem überwachten Training wird dabei im Rahmen dieser Beschreibung insbesondere verstanden, dass den Trainingsdatensätzen beispielsweise vor dem Training eine bestimmte Eigenschaft zugewiesen wird. Dies kann beispielsweise durch einen Nutzer erfolgen. Die Eigenschaft kann beispielsweise sein, dass der entsprechende Trainingsdatensatz zu einem fehlerfreien oder zu einem fehlerhaften Bauteil gehört. Dabei wird im Rahmen dieser Beschreibung unter einem fehlerhaften Bauteil auch verstanden, dass das jeweilige Bauteil nicht korrekt, beispielsweise fälschlich oder ungenügend, montiert ist.
-
Auf diese Art wird die künstliche Intelligenz darauf trainiert, fehlerhafte Bauteile unabhängig von der Ursache des Fehlers zu erkennen. Die Ursache hierfür ist, dass das Training der künstlichen Intelligenz nicht auf die Detektion bestimmter Fehler gerichtet ist, sondern allgemein auf die Detektion von Abweichungen zwischen Datensätzen, die zu fehlerfreien Bauteilen gehören, und Datensätzen, die zu fehlerhaften Bauteilen gehören. In einer weiteren Ausführungsform der Erfindung ist es allerdings möglich, dass die künstliche Intelligenz so trainiert ist, dass bestimmte Fehlerursachen erkannt werden können.
-
Außerdem werden mehrere erste Bewertungsdatensätze von Körperschalldaten aufgenommen. Dies kann beispielsweise mit den gleichen Sensoren wie die Aufnahme der Trainingsdatensätze oder mit anderen Sensoren erfolgen. Es ist möglich, dass die ersten Bewertungsdatensätze nicht unter den komplett gleichen Bedingungen aufgenommen werden wie die Trainingsdatensätze. Beispielsweise können die Trainingsdatensätze unter Bedingungen aufgenommen werden, die die aufgenommen Körperschalldaten besonders wenig beeinflussen. Die ersten Bewertungsdatensätze können beispielsweise in einer Produktionslinie oder am Ende einer Produktionslinie aufgenommen werden. Dabei können in der Produktionslinie auftretende Vibrationen die Aufnahme der ersten Bewertungsdatensätze beeinflussen.
-
Die Bewertungsdatensätze werden unter Verwendung der trainierten künstlichen Intelligenz bewertet.
-
Danach wird zumindest ein erster Kalibrierungsdatensatz von Körperschalldaten aufgenommen. Dies kann beispielsweise mit den gleichen Sensoren wie die Aufnahme der ersten Bewertungsdatensätze oder mit anderen Sensoren erfolgen. Es ist möglich, dass der zumindest eine erste Kalibrierungsdatensatz nicht unter den komplett gleichen Bedingungen aufgenommen wird wie die ersten Bewertungsdatensätze und/oder wie die Trainingsdatensätze. Beispielsweise kann der zumindest eine erste Kalibrierungsdatensatz unter Bedingungen aufgenommen werden, die die aufgenommen Körperschalldaten besonders wenig beeinflussen.
-
Die künstliche Intelligenz wird unter Verwendung des zumindest einen ersten Kalibrierungsdatensatzes trainiert. Dies wird durchgeführt, obwohl die künstliche Intelligenz bereits mit den Trainingsdatensätzen trainiert wurde. Es ist besonders vorteilhaft, da die künstliche Intelligenz so an sich unter Umständen unbemerkt verändernde Bedingungen und/oder Bauteile angepasst werden kann.
-
Nach einer Ausführungsform der Erfindung können die Trainingsdatensätze vor dem Training der künstlichen Intelligenz unter Verwendung der Trainingsdatensätze von der künstlichen Intelligenz in Abhängigkeit von einer Qualität der Trainingsdatensätze in Cluster eingeordnet werden. Dabei werden für das Training der künstlichen Intelligenz ausschließlich Trainingsdatensätze verwendet, deren Qualität über einer Grenze liegt.
-
Nach einer Ausführungsform der Erfindung können nach dem Training unter Verwendung des zumindest einen ersten Kalibrierungsdatensatzes zweite Bewertungsdatensätze von Körperschalldaten aufgenommen und unter Verwendung der künstlichen Intelligenz bewertet werden. So können die zweiten Bewertungsdatensätze mit der an eventuell geänderte Umstände und/oder Bauteile angepassten künstlichen Intelligenz bewertet werden.
-
Nach einer Ausführungsform der Erfindung können bei der Bewertung die ersten und/oder zweiten Bewertungsdatensätze von der künstlichen Intelligenz als zu fehlerfreien Bauteilen zugehörig oder als zu fehlerhaften Bauteilen zugehörig bewertet werden. Dabei ist es möglich, dass die künstliche Intelligenz die jeweiligen Bewertungsdatensätze unabhängig von der Ursache oder der Art der Fehlerhaftigkeit als zu fehlerhaften Bauteilen zugehörig bewertet. Dabei ist es besonders vorteilhaft, dass aufgrund des Trainings mit zu fehlerfreien Bauteilen gehörigen Datensätzen, auch unbekannte Störgrößen als Störungen erkannt werden.
-
Nach einer Ausführungsform der Erfindung können für die Aufnahme des zumindest einen ersten Kalibrierungsdatensatzes ausschließlich Körperschalldaten von fehlerfreien Bauteilen verwendet werden.
-
Nach einer Ausführungsform der Erfindung kann bei der Aufnahme der Trainingsdatensätze, der ersten und zweiten Bewertungsdatensätze und des zumindest einen ersten Kalibrierungsdatensatzes jeweils ein Bauteil einer ersten Art verwendet werden. Unter der Art des Bauteils wird dabei im Rahmen dieser Beschreibung insbesondere eine bestimmte Bauart verstanden. Beispielsweise können mehrere Bauteile der ersten Art in einer einzigen Serienproduktion auf immer die gleiche Weise hergestellt werden. Es kann sich dabei insbesondere um immer das gleiche Bauteil eines einzigen Kraftfahrzeugmodells handeln.
-
Nach der Bewertung der zweiten Bewertungsdatensätze werden zweite Kalibrierungsdatensätze jeweils unter Verwendung eines Bauteils einer zweiten Art aufgenommen. Bei der Aufnahme der Trainingsdatensätze, der ersten und zweiten Bewertungsdatensätze und des zumindest einen ersten Kalibrierungsdatensatzes werden hingegen keine Bauteile der zweiten Art verwendet. Die künstliche Intelligenz wird unter Verwendung der zweiten Kalibrierungsdatensätze trainiert.
-
Diese Ausführungsform ist besonders vorteilhaft, um die bereits trainierte künstliche Intelligenz an einen anderen Verwendungszweck, nämlich zur Bewertung von Körperschalldaten von Bauteilen der zweiten Art, anzupassen. Dies ist besonders gut möglich, wenn die Bauteile der ersten Art nur relativ geringe Unterschiede zu den Bauteilen der zweiten Art aufweisen. Wenn beispielsweise die Bauteile der ersten Art bei einem ersten Kraftfahrzeugmodell für einen bestimmten Zweck verwendet werden und die Bauteile der zweiten Art für den gleichen Zweck bei einem zweiten Kraftfahrzeugmodell verwendet werden, kann das Training mit den zweiten Kalibrierungsdatensätzen ausreichend für die Bewertung der Körperschalldaten der Bauteile der zweiten Art sein. Vorteilhafterweise kann dann auf ein komplett neues Training der künstlichen Intelligenz oder einer anderen künstlichen Intelligenz verzichtet werden.
-
Nach einer Ausführungsform der Erfindung können dritte Bewertungsdatensätze von Körperschalldaten jeweils unter Verwendung eines Bauteils der zweiten Art aufgenommen werden. Nach dem Training der künstlichen Intelligenz mit den zweiten Kalibrierungsdatensätzen können die dritten Bewertungsdatensätze bewertet werden. Hierbei kann die Bewertung beispielsweise umfassen, dass die dritten Bewertungsdatensätze als zu fehlerhaften oder fehlerfreien Bauteilen zugehörig bewertet werden.
-
Nach einer Ausführungsform der Erfindung können die Bauteile Bestandteile von Kraftfahrzeugen sein. Es ist insbesondere möglich, dass alle in dieser Beschreibung erwähnten Bauteile Bestandteile von Kraftfahrzeugen sind.
-
Nach einer Ausführungsform der Erfindung kann bei der Bewertung der ersten, zweiten und/oder dritten Bewertungsdatensätze eine Bewegung des jeweiligen Bauteils relativ zu einem anderen Bauteil, eine Festigkeit des jeweiligen Bauteils und/oder das Vorhandensein einer Unwucht bewertet werden.
-
Das System umfasst ein digitales elektronisches Speichermedium und eine digitale elektronische Verarbeitungseinheit. Die Verarbeitungseinheit kann beispielsweise ein digitaler Signalprozessor sein. Im Speichermedium sind Instruktionen gespeichert. Die Verarbeitungseinheit ist dazu ausgebildet, die Instruktionen auszulesen und auszuführen. Außerdem ist die Verarbeitungseinheit dazu ausgebildet, bei Ausführung der Instruktionen ein Verfahren nach einer Ausführungsform der Erfindung auszuführen.
-
Weitere Merkmale und Vorteile der vorliegenden Erfindung werden deutlich anhand der nachfolgenden Beschreibung eines bevorzugten Ausführungsbeispiels unter Bezugnahme auf die beiliegenden Abbildungen. Dabei werden für gleiche oder ähnliche Merkmale sowie für Merkmale mit gleichen oder ähnlichen Funktionen die gleichen Bezugszeichen verwendet. Dabei zeigt
- 1 ein schematisches Blockdiagramm eines Trainings einer künstlichen Intelligenz nach einer Ausführungsform der Erfindung; und
- 2 ein schematisches Blockdiagramm einer Verwendung einer trainierten künstlichen Intelligenz zur Bewertung von Körperschall.
-
In einem Schritt S1 wird zunächst ein Sensor zur Aufnahme von Körperschalldaten an einer geeigneten Position angeordnet und/oder befestigt, um Körperschallwellen eines zu prüfenden Bauteils aufzunehmen. In einem optionalen Schritt S2 kann der Sensor mit einer Steuereinheit verbunden werden. Die Steuereinheit ist dazu ausgebildet, die Aufnahme von Trainingsdatensätzen von vom Sensor aufgenommenen Körperschalldaten zu steuern und eventuell auch zu synchronisieren.
-
In Schritt S3 erfolgt die Aufnahme der Trainingsdatensätze von vom Sensor aufgenommenen Körperschalldaten. In einem optionalen Schritt S4 können die Trainingsdatensätze in Abhängigkeit von ihrer Qualität in Cluster eingeordnet werden. Dies kann durch eine zu trainierende künstliche Intelligenz erfolgen. Es kann sich dabei insbesondere um unüberwachtes Lernen handeln.
-
In Schritt S5 wird die künstliche Intelligenz mit den Trainingsdatensätzen trainiert. Wenn der Schritt S4 durchgeführt wird, ist es möglich, dass ausschließlich Trainingsdatensätze mit einer Qualität, die oberhalb einer Grenze liegt, für das Training verwendet werden. In Schritt S6 wird ein von der künstlichen Intelligenz verwendetes trainiertes Modell in einem digitalen Speicher gespeichert.
-
Bei der Verwendung der künstlichen Intelligenz zur Bewertung von Körperschalldaten werden in Schritt S7 erste Bewertungsdatensätze von Körperschalldaten aufgenommen. Dies kann mit dem im Schritt S3 verwendeten Aufbau durchgeführt werden. Es ist aber auch möglich, dass für die Aufnahme der ersten Bewertungsdatensätze ein anderer Sensor verwendet wird. Es ist insbesondere möglich, dass der Schritt S7 im Gegensatz zum Schritt S3 innerhalb einer Produktionslinie oder am Ende einer Produktionslinie durchgeführt wird. Die Aufnahme der ersten Bewertungsdatensätze kann in diesem Fall durch Vibrationen und Geräusche beeinflusst werden, die bei der Aufnahme der Trainingsdatensätze nicht vorhanden waren. Trotzdem kann die künstliche Intelligenz die ersten Bewertungsdatensätze bewerten. Dabei wird von der künstlichen Intelligenz insbesondere bewertet, ob die ersten Bewertungsdatensätze zu fehlerfreien oder fehlerhaften Bauteilen gehören.
-
Nach einer gewissen Anzahl an Bewertung der ersten Bewertungsdatensätze wird in Schritt S8 die künstliche Intelligenz mit mindestens einem ersten Kalibrierungsdatensatz trainiert. Es ist insbesondere möglich, den Schritt S8 regelmäßig durchzuführen. Durch das Training mit dem mindestens einen ersten Kalibrierungsdatensatz wird die künstliche Intelligenz an sich möglicherweise ändernde Umwelteinflüsse oder an aufgrund von geänderten Produktionsabläufen geänderte Bauteile angepasst.
-
Es ist auch möglich, in Schritt S8 die künstliche Intelligenz mit mehreren zweiten Kalibrierungsdatensätzen zu trainieren. In diesem Fall können die zweiten Kalibrierungsdatensätze beispielsweise ein Bauteil einer anderen Art betreffen als die Trainingsdatensätze. Durch das Training mit den zweiten Kalibrierungsdatensätzen kann die künstliche Intelligenz angepasst werden, um Bewertungsdatensätze zu bewerten, die Bauteile der anderen Art betreffen. Dies ist insbesondere gut möglich, wenn die Bauteile der zweiten Kalibrierungsdatensätze und der Trainingsdatensätze sich relativ wenig unterscheiden. In diesem Fall kann durch den Schritt S8 das komplette Training der künstlichen Intelligenz für die Bewertung der Bauteile der anderen Art ersetzt werden.
-
In Schritt S9 kann dann die künstliche Intelligenz verwendet werden, um zweite Bewertungsdatensätze zu bewerten, falls der mindestens eine erste Kalibrierungsdatensatz in Schritt S8 verwendet wurde. Die zweiten Bewertungsdatensätze betreffen dabei jeweils ein Bauteil der gleichen Art wie die Bauteile, die jeweils den ersten Bewertungsdatensätze entsprechen. Falls in Schritt S8 die zweiten Kalibrierungsdatensätze verwendet wurden, kann die künstliche Intelligenz in Schritt S9 verwendet werden, um dritte Bewertungsdatensätze zu bewerten, die Bauteile der anderen Art betreffen.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102019003679 A1 [0002]