DE102022105496A1 - Method for automatically checking the quality of membranes - Google Patents
Method for automatically checking the quality of membranes Download PDFInfo
- Publication number
- DE102022105496A1 DE102022105496A1 DE102022105496.9A DE102022105496A DE102022105496A1 DE 102022105496 A1 DE102022105496 A1 DE 102022105496A1 DE 102022105496 A DE102022105496 A DE 102022105496A DE 102022105496 A1 DE102022105496 A1 DE 102022105496A1
- Authority
- DE
- Germany
- Prior art keywords
- membranes
- membrane
- phase
- pressure
- carried out
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000012528 membrane Substances 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 230000003287 optical effect Effects 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 8
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 5
- 230000005670 electromagnetic radiation Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 2
- 210000004379 membrane Anatomy 0.000 description 72
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000000576 coating method Methods 0.000 description 5
- 239000011248 coating agent Substances 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011241 protective layer Substances 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 206010000496 acne Diseases 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004049 embossing Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000004801 process automation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910052715 tantalum Inorganic materials 0.000 description 1
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L27/00—Testing or calibrating of apparatus for measuring fluid pressure
- G01L27/007—Malfunction diagnosis, i.e. diagnosing a sensor defect
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests
Abstract
Die Erfindung betrifft ein Verfahren zur automatischen Überprüfung der Qualität von Membranen (1), die in Feldgeräten der Automatisierungstechnik eingesetzt werden, wobei das Verfahren eine Lernphase und eine Testphase umfasst.The invention relates to a method for automatically checking the quality of membranes (1) used in field devices in automation technology, the method comprising a learning phase and a testing phase.
Description
Die Erfindung betrifft ein Verfahren zur automatischen Überprüfung von Membranen, insbesondere der Qualität von Membranen, die in Feldgeräten der Automatisierungstechnik eingesetzt werden.The invention relates to a method for automatically checking membranes, in particular the quality of membranes, which are used in field devices in automation technology.
In der Automatisierungstechnik, insbesondere in der Prozessautomatisierungstechnik, werden vielfach Feldgeräte eingesetzt, die zur Erfassung und/oder zur Beeinflussung von Prozessvariablen entsprechender Prozessmedien dienen. Zur Erfassung von Prozessvariablen werden Sensoren eingesetzt, die beispielsweise in Füllstandsmessgeräten, Durchflussmessgeräten, Druck- und Temperaturmessgeräten, pH-RedoxpotentialMessgeräten, Leitfähigkeitsmessgeräten, usw. zum Einsatz kommen. Sie erfassen die entsprechenden Prozessvariablen, wie Füllstand, Durchfluss, Druck, Temperatur, pH-Wert, Redoxpotential oder Leitfähigkeit. Eine Vielzahl dieser Feldgeräte wird von der Firma Endress + Häuser hergestellt und vertrieben.In automation technology, especially in process automation technology, field devices are often used that are used to record and/or influence process variables of corresponding process media. Sensors are used to record process variables, which are used, for example, in level measuring devices, flow measuring devices, pressure and temperature measuring devices, pH redox potential measuring devices, conductivity measuring devices, etc. They record the corresponding process variables, such as level, flow, pressure, temperature, pH value, redox potential or conductivity. A large number of these field devices are manufactured and sold by Endress + Häuser.
Beispielsweise spielen Membranen bei Druckmessgeräten eine wichtige Rolle. Druckmessgeräte dienen u.a. zur Messung des Drucks, des Füllstands- oder des Durchflusses und/oder zur Steuerung, Regelung und/oder Automatisierung eines in der Automatisierungstechnik ablaufenden Prozesses. Druckmessgeräte werden in der Automatisierungstechnik in einer Vielzahl von Industriezweigen eingesetzt, z. B. in der Chemie und in der Lebensmittelindustrie, um nur einige wichtige Anwendungsgebiete zu nennen.For example, membranes play an important role in pressure measuring devices. Pressure measuring devices are used, among other things, to measure the pressure, the level or the flow and/or to control, regulate and/or automate a process occurring in automation technology. Pressure measuring devices are used in automation technology in a variety of industries, e.g. B. in chemistry and in the food industry, to name just a few important areas of application.
Ein Druckmessgerät weist üblicherweise eine Druckmesszelle und eine mit der Druckmesszelle verbundene Sensorelektronik auf. Die Druckmesszelle umfasst einen elektromechanischen Wandler, der die Reaktion eines druckempfindlichen Elementes, einer Messmembran, in ein elektrisches Signal umwandelt, das über die Sensorelektronik aufgenommen und einer weiteren Auswertung und/oder Verarbeitung zugänglich ist.A pressure measuring device usually has a pressure measuring cell and sensor electronics connected to the pressure measuring cell. The pressure measuring cell includes an electromechanical transducer that converts the reaction of a pressure-sensitive element, a measuring membrane, into an electrical signal that is recorded via the sensor electronics and is accessible for further evaluation and/or processing.
Das Druckmessgerät kann als Absolutdruckmessgerät oder als Relativdruckmessgerät ausgestaltet sein. Während bei einem Absolutdruckmessgerät ein zu messender Druck eines Prozessmediums absolut, d. h. als Druckunterschied gegenüber dem Vakuum erfasst wird, erfasst ein Relativdrucksensor den Druck eines Prozessmediums relativ zu einem Referenzdruck. Im Falle eines Relativdrucksensors handelt es sich bei dem Referenzdruck z.B. um den Atmosphärendruck, der am Installationsort des Druckmessgeräts herrscht. Im Falle eines Differenzdrucksensors z.B. kann es sich um den Druck des Prozessmediums handeln, der an einer anderen Stelle in einem Behälter gemessen wird. Während der Messdruck des Prozessmediums üblicherweise über eine Trennmembran an der dem Prozess zugewandten Fläche des drucksensitiven Elements anliegt, wird die dem Prozess abgewandte Fläche des drucksensitiven Elements mit Vakuum oder dem Atmosphären-/Relativdruck beaufschlagt.The pressure measuring device can be designed as an absolute pressure measuring device or as a relative pressure measuring device. While with an absolute pressure measuring device the pressure of a process medium to be measured is absolute, i.e. H. is detected as a pressure difference compared to the vacuum, a relative pressure sensor detects the pressure of a process medium relative to a reference pressure. In the case of a relative pressure sensor, the reference pressure is, for example, the atmospheric pressure that exists at the installation site of the pressure measuring device. In the case of a differential pressure sensor, for example, it can be the pressure of the process medium that is measured at another point in a container. While the measuring pressure of the process medium is usually applied via a separating membrane to the surface of the pressure-sensitive element facing the process, the surface of the pressure-sensitive element facing away from the process is subjected to vacuum or atmospheric/relative pressure.
In zunehmendem Maße werden zur Druckmessung halbleiterbasierte, insbesondere siliziumbasierte, druckempfindliche Messelemente eingesetzt, deren Auslenkung infolge der Druckeinwirkung piezoresistiv, kapazitiv oder optoelektronisch bestimmt wird. Da siliziumbasierte druckempfindliche Messelemente nicht inert gegenüber aggressiven und korrosiven Prozessmedien sind, liegt der zumessende Druck oftmals nicht unmittelbar an dem druckempfindlichen Element an, sondern wird über einen Druckmittler, bestehend aus einer Trennmembran und einem Grundkörper, hydraulisch zum druckempfindlichen Element der Druckmesszelle übertragen. Damit der Druck möglichst unverfälscht zum druckempfindlichen Element übertragen wird, ist zwischen der Trennmembran und dem Membranbett eine Druckkammer ausgebildet, die mit einer inkompressiblen Übertragungsflüssigkeit, insbesondere einem Hydrauliköl, gefüllt ist. Über einen sich anschließenden hydraulischen Pfad (eine Kapillare) wird der auf die Trennmembran wirkende Druck hydraulisch auf das druckempfindliche bzw. drucksensitive Element übertragen.Semiconductor-based, in particular silicon-based, pressure-sensitive measuring elements are increasingly being used to measure pressure, the deflection of which is determined piezoresistively, capacitively or optoelectronically as a result of the pressure. Since silicon-based pressure-sensitive measuring elements are not inert to aggressive and corrosive process media, the pressure to be measured is often not applied directly to the pressure-sensitive element, but is transferred hydraulically to the pressure-sensitive element of the pressure measuring cell via a diaphragm seal consisting of a separating membrane and a base body. So that the pressure is transmitted to the pressure-sensitive element as unadulterated as possible, a pressure chamber is formed between the separating membrane and the membrane bed, which is filled with an incompressible transmission fluid, in particular a hydraulic oil. The pressure acting on the separating membrane is transferred hydraulically to the pressure-sensitive or pressure-sensitive element via a subsequent hydraulic path (a capillary).
Trennmembranen von Druckmessgeräten bestehen regelmäßig aus Metall, z.B. aus Edelstahl, und weisen eine in Abhängigkeit von der Konstruktion des Druckmessgeräts und dem Druckbereich, in dem das Druckmessgerät eingesetzt werden soll, vorgegebene Dicke auf. Je nach Anwendung ist auf der Trennmembran eine Beschichtung als Schutzschicht aufgebracht. Separating membranes of pressure measuring devices are usually made of metal, e.g. stainless steel, and have a predetermined thickness depending on the design of the pressure measuring device and the pressure range in which the pressure measuring device is to be used. Depending on the application, a coating is applied to the separation membrane as a protective layer.
Aufgrund der funktionsbedingt geringen Dicke der Trennmembran ist vor deren Einsatz in einem Druckmessgerät sicherzustellen, dass die Trennmembran voll funktionsfähig ist. Ist die Trennmembran beschädigt, so besteht die Gefahr, dass das unter Druck stehende Prozessmedium in die hydraulische Flüssigkeit eindringt, was die Druckübertragungseigenschaften des Druckmessgerätes natürlich ändert. Erschwerend kommt hinzu, dass diese Fehlfunktion zuerst nicht unbedingt erkennbar ist; sie führt aber mit der Zeit unweigerlich zum Ausfall des Druckmessgeräts. Zudem besteht die Gefahr, dass die den Druck übertragende Hydraulikflüssigkeit aus dem Druckmessgerät in das Prozessmedium austritt, was z.B. bei den bereits genannten Anwendungen in der Lebensmittelindustrie und der Chemie völlig inakzeptabel ist.Due to the function-related thinness of the separating membrane, it must be ensured that the separating membrane is fully functional before it is used in a pressure measuring device. If the separating membrane is damaged, there is a risk that the pressurized process medium will penetrate into the hydraulic fluid, which of course changes the pressure transmission properties of the pressure measuring device. What makes matters worse is that this malfunction is not necessarily noticeable at first; However, over time it inevitably leads to failure of the pressure measuring device. There is also the risk that the hydraulic fluid transmitting the pressure will escape from the pressure measuring device into the process medium, which is completely unacceptable, for example in the applications already mentioned in the food industry and chemistry.
Es ist bekannt geworden, die Membranen vor dem Einbau in die Feldgeräte mittels einer Lichtquelle manuell oder mittels eines bildgebenden Systems zu überprüfen, wobei zwecks Überprüfung deterministische Algorithmen eingesetzt werden, die definierte Fehler erkennen. Die bekannten Verfahren haben die folgenden Nachteile: fehlerhafte Membranen werden erst nach der Produktion erkannt, die Ausschussrate ist hoch, der Testaufwand ist zeit- und kostenintensiv.It has become known to light the membranes before installing them in the field devices source manually or using an imaging system, using deterministic algorithms that detect defined errors. The known methods have the following disadvantages: defective membranes are only detected after production, the reject rate is high, and the testing effort is time-consuming and cost-intensive.
Der Erfindung liegt die Aufgabe zugrunde, fehlerbehafte Membranen, insbesondere Trennmembranen, die für Feldgeräte der Automatisierungstechnik eingesetzt werden sollen, sicher während des Fertigungsprozesses zu erkennen und ggf. auszusortieren.The invention is based on the object of reliably detecting defective membranes, in particular separating membranes, which are to be used for field devices in automation technology, during the manufacturing process and, if necessary, sorting them out.
Die Aufgabe wird gelöst durch ein Verfahren zur automatischen Überprüfung der Qualität von Membranen, die in Feldgeräten der Automatisierungstechnik eingesetzt werden, wobei das Verfahren eine Lernphase und eine Testphase umfasst. In der Lernphase werden bevorzugt die folgende Verfahrensschritte durchgeführt:
- Jede Membran einer Vielzahl von gleichen und/oder unterschiedlichen Membranen wird nach zumindest einem Fertigungsschritt der Membranen - isoliert für sich oder in Kombination mit einem Prozessanschluss - optisch überprüft, und die entsprechenden Prüfdaten werden zumindest einem KI System zugeführt.
- Each membrane of a large number of identical and/or different membranes is visually checked after at least one manufacturing step of the membranes - isolated on its own or in combination with a process connection - and the corresponding test data is fed to at least one AI system.
Zu jeder geprüften Membran wird auf Erfahrungswissen basierende Information hinzugefügt, die insbesondere eine Aussage darüber beinhaltet, ob die Membran funktionsfähig ist oder nicht.Information based on experience is added to each tested membrane, which in particular contains a statement about whether the membrane is functional or not.
Anhand der verfügbaren Daten ermittelt das zumindest eine KI System zumindest ein Kriterium, bevorzugt mehrere Kriterien, die hinsichtlich einer Aussage über die Funktionstüchtigkeit und/oder das Versagen von Membranen relevant ist/sind.Based on the available data, the at least one AI system determines at least one criterion, preferably several criteria, which is/are relevant with regard to a statement about the functionality and/or failure of membranes.
In der Testphase werden bevorzugt die folgende Verfahrensschritte durchgeführt:
- Von einer Vielzahl von auf ihre Funktionsfähigkeit zu überprüfenden Membranen werden optische Prüfdaten erzeugt;
- Basierend auf den von dem KI System entwickelten Kriterien generiert das KI System für jede der zu überprüfenden Membranen eine Aussage, ob eine überprüfte Membran funktionsfähig ist oder nicht.
- Optical test data is generated from a large number of membranes to be checked for their functionality;
- Based on the criteria developed by the AI system, the AI system generates a statement for each of the membranes to be checked as to whether a checked membrane is functional or not.
Als KI System kann ein neuronales Netzwerk verwendet werden. Es versteht sich, dass im Prinzip jeder Typ der bekannten Algorithmen verwendet werden, z.B. Bayes-Klassifikator-Algorithmen, Lineare-Regressions-Algorithmen, Lineare-Regressions-Algorithmen, Random Forest-Algorithmen, usw. Die Kriterien werden von der KI eigenständig ausfindig gemacht und entwickelt, dem Anwender sind diese Kriterien üblicherweise unbekannt. Derartige Kriterien werden auch als latente Kriterien bezeichnet.A neural network can be used as an AI system. It goes without saying that in principle every type of known algorithm can be used, e.g. Bayes classifier algorithms, linear regression algorithms, linear regression algorithms, random forest algorithms, etc. The criteria are identified by the AI independently and developed, these criteria are usually unknown to the user. Such criteria are also referred to as latent criteria.
Gemäß einer vorteilhaften Ausführungsform des erfindungsgemäßen Verfahrens wird die bevorzugt die optische Überprüfung in der Lern- und in der Testphase mit zumindest einem bildgebenden System durchgeführt. Es ist auch möglich die Anzahl der bildgebenden Systeme mit der Anzahl der Fertigungsschritte zu koppeln, nach denen eine Überprüfung der Membranen erfolgen soll. Bei Membranen sind diese Fertigungsschritte beispielsweise das Stanzen der Membran, das Prägen der Membran in einem Membranbett, das Beschichten der Membran mit einer Schutzschicht (hier lassen sich z.B. Kratzer in der Beschichtung überprüfen), die Verbindung einer Membran mit einem entsprechenden Prozessanschluss. Jedem bildgebenden System kann eine eigene KI zugeordnet sein. Gegebenfalls kann diese Aufgabe von einer einzigen Kl, sozusagen einer Super-KI, übernommen werden.According to an advantageous embodiment of the method according to the invention, the optical check is preferably carried out in the learning and test phases with at least one imaging system. It is also possible to couple the number of imaging systems with the number of manufacturing steps after which the membranes should be checked. For membranes, these manufacturing steps include, for example, punching the membrane, embossing the membrane in a membrane bed, coating the membrane with a protective layer (here, for example, scratches in the coating can be checked), and connecting a membrane to a corresponding process connection. Each imaging system can have its own AI assigned to it. If necessary, this task can be taken over by a single AI, a super AI, so to speak.
Insbesondere erfolgt die bevorzugt optische Überprüfung der Membranen mit elektromagnetischer Strahlung aus unterschiedlichen Wellenlängenbereichen. Als vorteilhaft wird es angesehen, wenn die bevorzugt optische Überprüfung der Membranen durchgeführt wird, indem die elektromagnetische Strahlung unter unterschiedlichen Einstrahlwinkeln auf die Membranen gelenkt wird. Bevorzugt werden Bilddaten und/oder Videodaten zur Überprüfung einer die Funktionstüchtigkeit der Membranen einschränkende Beschädigung erfasst. In den meisten Fällen handelt es sich um mechanische Beschädigungen der Membranen.In particular, the membranes are preferably checked optically using electromagnetic radiation from different wavelength ranges. It is considered advantageous if the preferably optical inspection of the membranes is carried out by directing the electromagnetic radiation onto the membranes at different angles of incidence. Image data and/or video data are preferably recorded to check for damage that limits the functionality of the membranes. In most cases this is due to mechanical damage to the membranes.
Weiterhin wird im Zusammenhang mit der Erfindung vorgeschlagen, dass zu jeder überprüften Membran ein Qualitätsfaktor erzeugt wird, der eine Aussage darüber erlaubt, für welche Applikation(en) die Membran in einem Feldgerät eingesetzt werden kann. Dieser Qualitätsfaktor hat z.B. einen Wert zwischen 0-1. Hierbei wird in Abhängigkeit von der Anwendung ein Schwellwert, z.B. 0,95 definiert, über dem eine Membran in einem Feldgerät zum Einsatz kommen kann, während Membranen, die unterhalb des Schwellwertes liegen, aussortiert werden. Eine absolute Aussage, ob eine Membran die gewünschte Qualität aufweist, lässt sich auch von einem Machine-Learning- bzw. Prognosesystem wie einem neuronalen Netzwerk schwer treffen. Mittels des Indexes kann aber abgeschätzt werden, wie hoch die Wahrscheinlichkeit dafür ist. Es kann beispielsweise vorgesehen sein, einen Index mit einem Wert zwischen 0 und 1 auszugeben. Je größer der Index ist, desto höher ist die Wahrscheinlichkeit. Es kann zudem vorgesehen sein, dass das Machine-Learning- bzw. Prognosesystem zwei Ausgänge besitzt und eine interne Klassifizierung der gefundenen Kombinationen von Baugruppen auf der Grundlage des Indexes vornimmt. So kann vorgesehen sein, dass am ersten Ausgang (Positivausgang) diejenigen Kombinationen ausgegeben werden, deren Index größer oder größer gleich einem vorbestimmter Wert ist, beispielsweise 0.90. Konträr dazu werden am zweiten Ausgang (Negativausgang) diejenigen Kombinationen ausgegeben, deren Index kleiner als 0.9 ist.Furthermore, in connection with the invention, it is proposed that a quality factor is generated for each tested membrane, which allows a statement to be made about the application(s) for which the membrane can be used in a field device. This quality factor has a value between 0-1, for example. Depending on the application, a threshold value, for example 0.95, is defined above which a membrane can be used in a field device, while membranes that are below the threshold value are sorted out. It is difficult for a machine learning or forecasting system such as a neural network to make an absolute statement as to whether a membrane has the desired quality. However, the index can be used to estimate how high the probability of this is. For example, it can be provided to output an index with a value between 0 and 1. The larger the index, the higher the probability. It can also be provided that the machine learning or forecasting system has two outputs and carries out an internal classification of the combinations of assemblies found based on the index. It can thus be provided that those combinations whose index is greater than or equal to a predetermined value, for example 0.90, are output at the first output (positive output). In contrast, those combinations whose index is less than 0.9 are output at the second output (negative output).
Die Membranen sind z.B. aus Tantal gefertigt.The membranes are made, for example, from tantalum.
Durch Zusatzinformation während der Testphasen wird das KI System sukzessive trainiert und damit weiterhin optimiert.Through additional information during the test phases, the AI system is successively trained and thus further optimized.
Es ist weiterhin vorgesehen, dass das erfindungsgemäße Verfahren nach zumindest einem Fertigungsschritt in der Produktionslinie der Membranen eingesetzt wird. Es versteht sich von selbst, dass auch nach einer definierten Anzahl von Fertigungsschritten oder auch nach jedem Fertigungsschritt eine optische Überprüfung der Membranen erfolgen kann.It is further provided that the method according to the invention is used after at least one production step in the production line of the membranes. It goes without saying that an optical inspection of the membranes can also be carried out after a defined number of production steps or after each production step.
Darüber hinaus wird vorgeschlagen, dass das KI System die Membranen insbesondere anhand der nachfolgend genannten Kriterien überprüft: Schadenhöhe, Schadenstiefe, Schadensgröße, Schadensform, Färbung der schadhaften Stelle. Die Unterscheidung zwischen Schadenshöhe und Schadenstiefe ist durchaus sinnvoll, da erhabene Stellen (Pickel) eine andere Gewichtung als vertiefte Stellen (Dellen) haben können. Das Kriterium „Färbung“ ist insbesondere bei Druckmittlern, die beschichtete Membranen verwenden, wegen möglicher Ablösungen der Beschichtung relevant. Als Beschichtung kommen z.B. PFA und Gold in Frage.In addition, it is suggested that the AI system checks the membranes in particular based on the following criteria: level of damage, depth of damage, size of damage, form of damage, color of the damaged area. The distinction between the amount of damage and the depth of the damage makes sense, as raised areas (pimples) can have a different weighting than recessed areas (dents). The “coloring” criterion is particularly relevant for diaphragm seals that use coated membranes because of possible detachment of the coating. Examples of possible coatings include PFA and gold.
Die Erfindung wird anhand der nachfolgenden Figuren näher erläutert. Es zeigt:
-
1 : eine schematische Darstellung einer schadhaften Trennmembran und -
2 : eine schematische Darstellung einer Produktionslinie für Membranen, zu deren Überprüfung online das erfindungsgemäße Verfahren eingesetzt wird.
-
1 : a schematic representation of a defective separation membrane and -
2 : a schematic representation of a production line for membranes, for the online checking of which the method according to the invention is used.
In
Das KI System 2 wurde während der Lernphase mit Daten gefüttert, die eine Aussage über die Qualität der hergestellten Membranen 1 erlauben. Hierzu wurde jede Membran 1 einer Vielzahl von gleichen bzw. gleichartigen und/oder verschiedenen Membranen 1 während einer Lern- bzw. Trainingsphase optisch überprüft, und die entsprechenden Prüfdaten P werden einem KI System 2 zugeführt. Zu jeder geprüften Membran 1 wird ggf. auf Erfahrungswissen basierende Information E hinzugefügt, die insbesondere eine Aussage darüber beinhaltet, ob die entsprechende Membran funktionsfähig ist oder nicht. Anhand der verfügbaren Daten P, E ermittelt das KI System 2 zumindest ein Kriterium K, bevorzugt mehrere Kriterien K, die hinsichtlich einer Aussage über die Funktionstüchtigkeit und/oder das Versagen der geprüften Membranen 1 relevant ist/sind.During the learning phase, the
Während der Test- bzw. Kontrollphase werden dann bevorzugt die folgenden Verfahrensschritte durchgeführt: Von einer Vielzahl von auf ihre Funktionstüchtigkeit zu überprüfenden Membranen 1 werden optische Prüfdaten P erzeugt. Die optische Überprüfung erfolgt mittels eines bildgebenden Systems 3. Die Prüfdaten P, insbesondere die optischen Prüfdaten P, beruhen beispielsweise auf Messungen, die an den Membranen unter verschiedenen Einstrahlwinkeln und/oder ggf. mit elektromagnetischer Strahlung aus unterschiedlichen Wellenlängenbereichen durchgeführt werden. Basierend auf den von dem KI System 2 entwickelten Kriterien K generiert das KI System 2 zu jeder überprüften Membran 1 eine Aussage, ob die überprüfte Membran 1 funktionstüchtig ist oder nicht. Hierzu wird jeder Membran 1 ein Qualitätsfaktor zugewiesen, der bevorzugt zwischen 0 und 1 liegt. Die eindeutige Zuordnung der Daten P, E bzw. des Qualitätsfaktors, die während der Testphase ermittelt werden, werden mittels einer eindeutigen Identifikationsnummer ID jeder der überprüften Membranen 1 zugeordnet. During the test or control phase, the following process steps are then preferably carried out: Optical test data P is generated from a large number of
Liegt der Qualitätsfaktor einer Membran 1 außerhalb eines vorgegebenen Toleranzrahmens, wird die entsprechende Membran 1 aussortiert.If the quality factor of a
Durch das erfindungsgemäße Verfahren wird sichergestellt, dass schadhafte Membranen 1 (isoliert für sich genommen oder in einem montierten Zustand) so früh wie möglich in der Fertigungslinie identifiziert werden und keinesfalls in Feldgeräten der Automatisierungstechnik, zumindest nicht in kritischen Anwendungen, zum Einsatz kommen.The method according to the invention ensures that defective membranes 1 (insulated on their own or in an assembled state) are identified as early as possible in the production line and are never used in field devices in automation technology, at least not in critical applications.
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022105496.9A DE102022105496A1 (en) | 2022-03-09 | 2022-03-09 | Method for automatically checking the quality of membranes |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102022105496.9A DE102022105496A1 (en) | 2022-03-09 | 2022-03-09 | Method for automatically checking the quality of membranes |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102022105496A1 true DE102022105496A1 (en) | 2023-09-14 |
Family
ID=87760126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102022105496.9A Pending DE102022105496A1 (en) | 2022-03-09 | 2022-03-09 | Method for automatically checking the quality of membranes |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102022105496A1 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018125594A1 (en) | 2017-10-23 | 2019-04-25 | Fanuc Corporation | SORTING SYSTEM |
CN110658202A (en) | 2019-09-30 | 2020-01-07 | 贵州航天云网科技有限公司 | Industrial component appearance defect detection method based on deep learning |
-
2022
- 2022-03-09 DE DE102022105496.9A patent/DE102022105496A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018125594A1 (en) | 2017-10-23 | 2019-04-25 | Fanuc Corporation | SORTING SYSTEM |
CN110658202A (en) | 2019-09-30 | 2020-01-07 | 贵州航天云网科技有限公司 | Industrial component appearance defect detection method based on deep learning |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112018001534T5 (en) | METHODS AND SYSTEMS FOR AVERAGE INLINE TESTING OF COMPONENTS AND LATENT RELIABILITY OF DEFECTIVE DETECTION | |
EP3100015B1 (en) | Method for operating a pressure transducer and pressure transducer | |
DE102011078557A1 (en) | Method for operating an absolute or relative pressure sensor with a capacitive transducer | |
DE102012112782A1 (en) | Method and device for determining a state of a sensor integrated in a process vessel | |
DE202004021565U1 (en) | Device for condition monitoring of a pressure measuring device | |
DE102009038746B3 (en) | Method and apparatus for quality testing a reshaped thermoplastic fiber reinforced plastic component | |
DE102019120696A1 (en) | Apparatus and method for tire testing | |
DE102022105496A1 (en) | Method for automatically checking the quality of membranes | |
DE102015101323A1 (en) | Pressure sensor without separation membrane | |
EP2433110B1 (en) | Method and device for measuring the protrusion of bearing shells | |
DE102008025287A1 (en) | Device for measuring pressure parameters in gap between cylindrical bodies, has two sensors inserted into gap between cylindrical bodies, where sensors are fixed in relative positions which are spaced apart from single-piece sensor carrier | |
DE102012112971A1 (en) | Method for monitoring a membrane pressure transmitter, involves setting test conditions, in which separating membrane is subjected relative to reference pressure with defined pressure | |
AT505036A4 (en) | Plastic tensile creep specimen expansion measurement device, has evaluation device determining entire movement of specimen markings from relative movements of each specimen and reference markings for two time periods | |
DE102017109564A1 (en) | Method for determining the state of sensors | |
DE102016217948A1 (en) | Method for forecasting the quality of glued joints | |
DE102013100410A1 (en) | Method and apparatus for monitoring a refrigerant charge | |
DE102008037063A1 (en) | Method for testing coating, particularly lacquer on metallic component, involves forming component by compressing ball stamp, where impedance of barrier layer is measured between coating and component | |
DE102006003611A1 (en) | Locating faulty data record in number of data records involves forming cells in input data space, characterizing as faulty any data record of selected cell whose target data item value fails check criterion derived from target data values | |
DE102006058269A1 (en) | Method for calibration and monitoring of pressure sensor, involves measuring process pressure, applied on membrane with pressure sensor | |
DE102013107535A1 (en) | Diaphragm seal system with a diaphragm seal and method for detecting a diaphragm rupture | |
DE102012109662A1 (en) | Force measuring device | |
DE102018103354A1 (en) | METHOD FOR THE LEAKAGE TESTING OF A COMPONENT OF LOW CONDUCTIVITY | |
AT514183A2 (en) | Device for quality testing of brake linings within the production | |
DE102018109816B3 (en) | A method for obtaining at least one significant feature in a series of components of the same type and method for classifying a component of such a series | |
DE102022123535A1 (en) | Pressure sensor and method for producing the same |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: B01D0065100000 Ipc: G01L0007080000 |
|
R163 | Identified publications notified |