DE102023200619A1

DE102023200619A1 - Verfahren zum Auswählen von Daten für ein Training einer künstlichen Intelligenz, Verfahren zum Erzeugen eines Trainingsdatensatzes, Trainingsdatensatz

Info

Publication number: DE102023200619A1
Application number: DE102023200619.7A
Authority: DE
Inventors: Markus Kittel; Andres Mauricio Munoz Delgado; Stefan Leidich
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2023-01-26
Filing date: 2023-01-26
Publication date: 2024-08-01
Also published as: CN118393863A

Abstract

Die Erfindung betrifft ein Verfahren (200) zum Auswählen von Daten für ein Training einer künstlichen Intelligenz (149) für eine Steuerung einer Handwerkzeugmaschine (100), umfassend:Empfangen (201) eines Datensatzes (501) von Messwerten (121) wenigstens einer Betriebsgröße (119) der Handwerkzeugmaschine (100);Ermitteln (203) eines Ähnlichkeitswerts des empfangenen Datensatzes (501) von Messwerten (121) zu bereits für die Erzeugung eines Trainingsdatensatzes (500) ausgewählten Datensätzen (503) von Messwerten (121) der Betriebsgröße (119) der Handwerkzeugmaschine (100);Auswählen (205) des empfangenen Datensatzes (501) von Messwerten (121) für die Erzeugung des Trainingsdatensatzes (500), falls der empfangenen Datensatz (501) von Messwerten (121) eine geringe Ähnlichkeit zu den bereits ausgewählten Datensätzen (503) der Messwerte (121) aufweist und der Ähnlichkeitswert des empfangenen Datensatzes (501) von Messwerten (121) einen vordefinierten Grenzwert unterschreitet.

Description

Die Erfindung betrifft ein Verfahren zum Auswählen von Daten für ein Training einer künstlichen Intelligenz. Die Erfindung betrifft ein Verfahren zum Erzeugen eines Trainingsdatensatzes. Die Erfindung betrifft ferner einen Trainingsdatensatz.
Stand der Technik
Aus dem Stand der Technik sind Verfahren zum Auswählen von Daten für ein Training einer künstlichen Intelligenz bekannt.
Es ist eine Aufgabe der Erfindung, ein verbessertes Verfahren zum Auswählen von Daten für ein Training einer künstlichen Intelligenz, ein Verfahren zum Erzeugen eines Trainingsdatensatzes und einen Trainingsdatensatz bereitzustellen.
Diese Aufgabe wird durch das Verfahren zum Auswählen von Daten für ein Training einer künstlichen Intelligenz, das Verfahren zum Erzeugen eines Trainingsdatensatzes und den Trainingsdatensatz der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen sind Gegenstand der untergeordneten Ansprüche.
Nach einem Aspekt der Erfindung wird ein Verfahren zum Auswählen von Daten für ein Training einer künstlichen Intelligenz für eine Steuerung einer Handwerkzeugmaschine bereitgestellt, umfassend:

Empfangen eines Datensatzes von Messwerten wenigstens einer Betriebsgröße der Handwerkzeugmaschine, wobei die Messwerte durch eine Messung oder eine Mehrzahl von Messungen der Betriebsgröße der Handwerkzeugmaschine oder einer Mehrzahl von Handwerkzeugmaschinen gleichen Typs erzeugt wurden;
Ermitteln eines Ähnlichkeitswerts des empfangenen Datensatzes von Messwerten zu bereits für die Erzeugung eines ursprünglichen Trainingsdatensatzes ausgewählten Datensätzen von Messwerten der Betriebsgröße der Handwerkzeugmaschine;
Auswählen des empfangenen Datensatzes von Messwerten für die Erzeugung eines neuen Trainingsdatensatzes, falls der empfangenen Datensatz von Messwerten eine geringe Ähnlichkeit zu den bereits ausgewählten Datensätzen der Messwerte aufweist und der Ähnlichkeitswert des empfangenen Datensatzes von Messwerten einen vordefinierten Grenzwert unterschreitet.

Hierdurch kann der technische Vorteil erreicht werden, dass ein verbessertes Verfahren zum Auswählen von Datensätzen für ein Training einer künstlichen Intelligenz für eine Steuerung einer Handwerkzeugmaschine bereitgestellt werden kann. Hierzu werden die empfangenen Datensätze in Bezug auf eine Ähnlichkeit zu bereits ausgewählten Datensätzen beurteilt. Hierauf basierend werden solche Datensätze ausgewählt, die eine geringe Ähnlichkeit zu den bereits zuvor ausgewählten Datensätzen aufweisen. Hierdurch kann erreicht werden, dass nur Datensätze für den Trainingsdatensatz ausgewählt werden, die eine hohen Grad an Unähnlichkeit zueinander aufweisen und somit eine neue Information zu dem Trainingsdatensatz beitragen können. Hierdurch kann ein möglichst heterogener Trainingsdatensatz bereitgestellt werden, der ein optimiertes Training ermöglicht.
Eine Ähnlichkeit der Datensätze kann basierend auf einer Gleichheit der Daten der Datensätze ermittelt werden.
Der Typ einer Handwerkzeugmaschine kann die Bauart der Handwerkzeugmaschine umfassen. Verschiedene Bauarten sind beispielsweise Schrauber, Bohrer, Sägen etc. Ferner kann der Typ eine Ausführung der jeweiligen Handwerkzeugmaschine umfassen. Unterschiedliche Ausführungen einer gleichen Bauart sind beispielsweise Bohrer, Schlagbohrer, Bohrhammer etc. Ferner kann der Typ ein Modell umfassen. Unterschiedliche Modelle einer gleichen Ausführung können beispielsweise Drehschlagschrauber mit unterschiedlicher Motorisierung, unterschiedlicher Firmware oder unterschiedlichem Baujahr.
Nach einer Ausführungsform umfasst das Ermitteln des Ähnlichkeitswerts: Ausführen einer künstlichen Intelligenz auf den empfangenen Datensatz von Messwerten und Erzeugen einer Merkmalsraumdarstellung des Datensatzes, wobei die Merkmalsraumdarstellung des Datensatzes eine Repräsentation des empfangenen Datensatzes in einem Merkmalsraum der künstlichen Intelligenz darstellt;
Bestimmen einer Distanz der Merkmalsraumdarstellung des empfangenen Datensatzes zu vorbekannten Merkmalsraumdarstellungen der bereits für den Trainingsdatensatz ausgewählten Datensätzen; und
Bestimmen, dass der Ähnlichkeitswert des empfangenen Datensatzes von Messwerten zu den bereits ausgewählten Datensätzen von Messwerten den vordefinierten Grenzwert unterschreitet, falls die Distanz zwischen der Merkmalsraumdarstellung des empfangenen Datensatzes der Messwerte und den vorbekannten Merkmalsraumdarstellungen der bereits ausgewählten Datensätzen der Messwerte eine vordefinierte Schwellendistanz überschreitet.
Hierdurch kann der technische Vorteil erreicht werden, dass eine präzise Bestimmung Ähnlichkeit der Datensätze ermöglicht ist. Hierzu werden für die empfangenen Datensätze Merkmalsraumdarstellungen in einem Merkmalsraum der künstlichen Intelligenz bestimmt. Ein Merkmalsraum ist hierbei ein mathematischer Raum, wobei Objekte des Raums durch Merkmalsvektoren, im vorliegenden Fall von Datensätzen der Handwerkzeugmaschine, gebildet sind. Erfindungsgemäß ist die künstliche Intelligenz darauf trainiert eine Klassifizierung der Datensätze auszuführen. Hierzu werden für die jeweiligen Datensätze Merkmalsvektoren mit verschiedenen Merkmalen der Datensätze generiert. Innerhalb des Merkmalsraums ist dann eine Vektorarithmetik der Merkmalsvektoren möglich. Insbesondere können über Abstandsbestimmungen der Merkmalsvektoren im Merkmalsraum Ähnlichkeitsaussagen bezüglich der jeweiligen Betriebszustände getroffen werden. Die Datensätze weisen hierbei eine hohe Ähnlichkeit auf, wenn die zugehörigen Merkmalsvektoren, sprich Merkmalsraumdarstellungen, im Merkmalsraum eine geringe Distanz zueinander aufweisen. Merkmalsvektoren mit großen Distanzen zueinander gehören indessen zu Datensätze mit geringer Ähnlichkeit. Durch die Distanzbestimmungen lassen sich erfindungsgemäß aktuelle Datensätze mit bereits vorbekannten Datensätzen in Beziehung setzen. Ziel der Erfindung ist, Datensätze auszuwählen, die eine geringe Ähnlichkeit zu bereits bekannten Datensätzen aufweisen. Hierdurch soll ein möglichst heterogener Trainingsdatensatz generiert werden können, der eine möglichst geringe Redundanz von Datensätzen aufweist, die sehr ähnlich sind, und dementsprechend sehr ähnliche Betriebszustände der Handwerkzeugmaschine beschreiben.
Nach einer Ausführungsform wird die Schwellendistanz empirisch ermittelt und entspricht einer maximal zulässigen Ähnlichkeit des empfangenen Datensatzes der Messwerte zu den bereits für die Erzeugung des Trainingsdatensatzes ausgewählten Datensätzen der Messwerte entspricht.
Hierdurch kann der technische Vorteil erreicht werden, dass durch die empirische Ermittlung eine präzise Schwellendistanz ermittelt werden kann. Indem die Schwellendistanz einer maximal zulässigen Ähnlichkeit des empfangenen Datensatzes der Messwerte zu den bereits für die Erzeugung des Trainingsdatensatzes ausgewählten Datensätzen der Messwerte entspricht, kann durch die Distanzbestimmung der eine präzise Ähnlichkeitsaussage getroffen werden. Die empirische Bestimmung kann hierbei durch entsprechende Messungen erfolgen, in denen ermittelt wird, welche Distanz innerhalb des Merkmalsraums der maximal zulässigen Ähnlichkeit entspricht. Die maximal zulässigen Ähnlichkeit ist hierbei ein größter Wert der Übereinstimmung der verglichenen Datensätze. Die Ähnlichkeit zwischen Datensätzen kann beispielsweise über eine Anzahl von im Wert übereinstimmenden Daten der jeweils verglichenen Datensätze ermittelt werden.
Nach einer Ausführungsform ist die Distanz eine euklidische Distanz oder eine Manhattan-Distanz.
Hierdurch kann der technische Vorteil erreicht werden, dass eine präzise Distanzbestimmung zur Ähnlichkeitsbestimmung ermöglicht ist.
Nach einer Ausführungsform bilden der empfangene Datensatz der Messwerte der Betriebsgröße und/oder die ausgewählten Datensätze der Messwerte der Betriebsgröße Betriebszustände der Handwerkzeugmaschine und/oder Ereigniszeitpunkte, an denen jeweils ein Übergang der Handwerkzeugmaschine zwischen verschiedenen Betriebszuständen erfolgt, abbilden.
Hierdurch kann der technische Vorteil erreicht werden, dass über das erfindungsgemäße Verfahren optimal ausgewählte Datensätze für ein effizientes Training einer künstlichen Intelligenz zum Ermitteln von Betriebszuständen der Handwerkzeugmaschine bereitgestellt werden können. Die künstliche Intelligenz wird primär auf Datensätzen der Betriebsgröße darauf trainiert, Betriebszustände der Handwerkzeugmaschine zu erkennen.
Nach einer Ausführungsform umfasst der Steuerungsparameter eines oder mehrere aus der Liste: Motordrehzahl, Motorstrom, Motorleistung eines Motors der Handwerkzeugmaschine.
Hierdurch kann der technische Vorteil erreicht werden, dass eine präzise Steuerung der Handwerkzeugmaschine unter Berücksichtigung der Ausgabezielwerte des Steuerungsparameters ermöglicht ist. Die Motordrehzahl, der Motorstrom bzw. die Motorleistung des Motors der Handwerkzeugmaschine stellen hierbei zuverlässige Steuerungsparameter dar, auf denen basierend eine Steuerung der Handwerkzeugmaschine ermöglicht ist.
Nach einer Ausführungsform umfasst die Betriebsgröße eines oder mehrere aus der Liste: Motorstrom, Motor-Positionswinkel, Motor-Drehgeschwindigkeit, Spannung einer Spannungsquelle der Handwerkzeugmaschine, Bewegungen und/oder Vibrationen der Handwerkzeugmaschine oder in der Handwerkzeugmaschine.
Hierdurch kann der technische Vorteil erreicht werden, dass die Betriebsgröße eine sinnvolle Messgröße zur Bestimmung des Betriebszustands bereitstellt. Durch Messungen des Motorstroms, der Motorpositionswinkel, der Motordrehgeschwindigkeit, einer Betriebsspannung einer Spannungsquelle der Handwerkzeugmaschine oder Bewegungen und/oder Vibration der Handwerkzeugmaschine oder in der Handwerkzeugmaschine können aussagekräftige Informationen erhalten werden, auf denen ein Betriebszustand der Handwerkzeugmaschine ermittelt werden kann.
Beispielsweise kann in dem oberen Beispiel durch Messungen des Motorstroms erkannt werden, ob eine einzuschraubende Schraube bereits formschlüssig in das jeweils zu bearbeitende Werkstück eingeschraubt ist. Beim Erreichen des Formschlusses sind Änderungen des Motorstroms wie auch der Motordrehgeschwindigkeit bzw. der Motordrehzahl zu erkennen, so dass hierauf eine präzise Ermittlung des Betriebszustands ermöglicht ist. Beispielsweise kann auch anhand der Bewegungssignale erkannt werden, ob die Handwerkzeugmaschine, beispielsweise der Schrauber, zum nächsten Arbeitsort bewegt wurde, und somit die vorherige Arbeitsphase, sprich der vorherige Schraubvorgang, abgeschlossen wurde. Dies ermöglicht ein zeitlich passendes Zurücksetzen des Betriebszustands, entsprechend der dann neuen Arbeitsphase, sprich des dann neuen Schraubvorgangs.
Nach einer Ausführungsform umfasst der Betriebszustand eines oder mehrere aus der Liste: einen Lastbereich, in dem die Handwerkzeugmaschine betrieben wird, eine Stärke von Vibrationen in der Handwerkzeugmaschine und/oder an einem bearbeiteten Werkstück und/oder im Nutzer der Handwerkzeugmaschine, eine Temperatur in der Handwerkzeugmaschine und/oder am Werkstück, Betriebsmodus, in dem die Handwerkzeugmaschine betrieben wird, einen Arbeitsfortschritt der Handwerkzeugmaschine, Material des Werkstücks, eine Existenz eines Formschlusses zwischen der Handwerkzeugmaschine und dem Werkstück.
Hierdurch kann der technische Vorteil erreicht werden, dass verschiedene Betriebszustände, in denen sich die Handwerkzeugmaschine befinden kann bzw. in die die Handwerkzeugmaschine eintreten kann, bei der Steuerung der Handwerkzeugmaschine in Form des zweiten Zielwerts des Steuerungsparameters berücksichtigt werden können. Durch das erfindungsgemäße Verfahren können somit verschiedenste Betriebszustände berücksichtigt werden, wodurch ein breit einsetzbares Steuerungsverfahren bereitgestellt werden kann.
Nach einem weiteren Aspekt wird ein Verfahren zum Erzeugen eines Trainingsdatensatzes für ein Training einer künstlichen Intelligenz bereitgestellt, umfassend:

Ausführen des Verfahrens zum Auswählen von Daten für ein Training einer künstlichen Intelligenz für eine Steuerung einer Handwerkzeugmaschine nach einer der voranstehenden Ausführungsformen und Auswählen des empfangenen Datensatzes;
Hinzufügen des ausgewählten Datensatzes der Messwerte zu den bereits für den ursprünglichen Trainingsdatensatz ausgewählten Datensätzen der Messwerte und Erzeugen des Trainingsdatensatzes.

Hierdurch kann der technische Vorteil erreicht werden, dass ein verbessertes Verfahren zum Erzeugen eines Trainingsdatensatzes bereitgestellt werden kann, das eine Auswahl der Datensätze nach dem Verfahren zum Auswählen von Daten für ein Training einer künstlichen Intelligenz mit den oben beschriebenen technische Vorteilen ausführt.
Nach einem weiteren Aspekt wird ein Trainingsdatensatz für ein Training einer künstlichen Intelligenz zum Ermitteln eines Betriebszustands einer Handwerkzeugmaschine bereitgestellt, wobei der Trainingsdatensatz nach dem Verfahren zum Erzeugen eines Trainingsdatensatzes für ein Training einer künstlichen Intelligenz erzeugt ist.
Hierdurch kann der technische Vorteil erreicht werden, dass ein optimaler Trainingsdatensatz für ein Training einer künstlichen Intelligenz bereitgestellt werden kann. Der Trainingsdatensatz umfasst hierbei primär Datensätze mit einer hohen Unähnlichkeit und Diversität. Dies verhindert Redundanzen der Daten des Trainingsdatensatzes und ermöglicht ein höchst effizientes Training.
Nach einem weiteren Aspekt wird eine Recheneinheit bereitgestellt, die eingerichtet ist, das Verfahren zum Auswählen von Daten für ein Training einer künstlichen Intelligenz für eine Steuerung einer Handwerkzeugmaschine nach einer der voranstehenden Ausführungsformen und/oder das Verfahren zum Erzeugen eines Trainingsdatensatzes auszuführen.
Nach einem weiteren Aspekt wird ein Computerprogrammprodukt umfassend Befehle bereitgestellt, die bei der Ausführung des Programms durch eine Datenverarbeitungseinheit diese veranlassen, das Verfahren zum Auswählen von Daten für ein Training einer künstlichen Intelligenz für eine Steuerung einer Handwerkzeugmaschine nach einer der voranstehenden Ausführungsformen und/oder das Verfahren zum Erzeugen eines Trainingsdatensatzes auszuführen.
Ausführungsbeispiele der Erfindung werden anhand der folgenden Zeichnungen erläutert. In den Zeichnungen zeigen:

1 eine schematische Darstellung einer Handwerkzeugmaschine gemäß einer Ausführungsform;
2 eine weitere schematische Darstellung einer Handwerkzeugmaschine, in der einzelne Funktionsabläufe der Handwerkzeugmaschine illustriert sind;
3 zeitliche Verläufe einer Betriebsgröße einer Handwerkzeugmaschine und eines Rotationswinkels eines Motors der Handwerkzeugmaschine;
4 eine schematische Darstellung einer Handwerkzeugmaschine gemäß einer Ausführungsform, wobei die Handwerkzeugmaschine in verschiedenen Betriebszuständen gezeigt ist;
5 eine schematische Darstellung einer Antriebsregelung der Handwerkzeugmaschine gemäß einer Ausführungsform;
6 eine graphische Darstellung eines Systems zum Auswählen von Daten für ein Training einer künstlichen Intelligenz gemäß einer Ausführungsform;
7 ein Flussdiagramm eines Verfahrens zum Auswählen von Daten für ein Training einer künstlichen Intelligenz gemäß einer Ausführungsform;
8 eine graphische Darstellung eines Merkmalsraums gemäß einer weiteren Ausführungsform;
9 eine schematische Darstellung einer künstlichen Intelligenz, die eingerichtet ist, in einer Steuerung der Handwerkzeugmaschine eingesetzt zu werden;
10 ein Flussdiagramm eines Verfahrens zum Trainieren einer künstlichen Intelligenz gemäß einer Ausführungsform; und
11 eine schematische Darstellung eines Computerprogrammprodukts.

1 zeigt eine schematische Darstellung einer Handwerkzeugmaschine 100 gemäß einer Ausführungsform.
Die beispielhafte Handwerkzeugmaschine 100 umfasst einen Motor 101 mit einer Motorsteuerung 103. Die Handwerkzeugmaschine 100 umfasst ferner eine Recheneinheit 105, auf der ein Zustandsbestimmungsmodul 107 installiert und ausführbar ist. Die Recheneinheit 105 mit dem Zustandsbestimmungsmodul 107 sind eingerichtet, das erfindungsgemäße Verfahren zum Steuern einer Handwerkzeugmaschine 100 auszuführen. Die Handwerkzeugmaschine 100 umfasst ferner eine Spannungsquelle 111 und eine Strommessvorrichtung 113. Die Handwerkzeugmaschine 100 umfasst ferner einen Auslöseschalter 109, mittels dem durch einen Nutzer die Handwerkzeugmaschine 100 steuerbar ist. Darüber hinaus umfasst die Handwerkzeugmaschine 100 eine Einstellvorrichtung 115 mit der verschiedene Betriebsmodi der Handwerkzeugmaschine 100 einstellbar sind. Abschließend umfasst die Handwerkzeugmaschine 100 ein Werkzeug 117, mittels dem durch Ausführung der Handwerkzeugmaschine 100 entsprechende Arbeitsvorgänge ausgeführt werde können.
Die Handwerkzeugmaschine 100 kann beispielsweise als ein Schrauber bzw. ein akkubetriebener Schrauber ausgebildet sein. Hierzu kann das Werkzeug 117 insbesondere als eine Aufnahme für auswechselbare Schraubendreherklingen ausgebildet sein.
Die gezeigte Motorsteuerung 103 kann insbesondere ein zugehöriges Leistungsteil der Motorsteuerung umfassen. Der Motor 101 kann ferner ein entsprechendes Getriebe umfassen, das in 1 nicht explizit dargestellt ist.
Der Motor 101 kann beispielsweise als ein mechanischer oder elektrisch kommutierter Gleichstrommotor ausgebildet sein. Das entsprechende Getriebe kann als Planetengetriebe ausgebildet sein.
Erfindungsgemäß kann der Leistungsteil der Motorsteuerung 103 ein Ansteuersignal beispielsweise über PWM Pulsweitenmodulation in die für den Motor 101 erforderlichen Spannungs- bzw. Stromverläufe umwandeln. Hierzu können zunächst die Ansteuersignale in entsprechende Digitalsignale umgewandelt werden, worauf das entsprechend umgewandelte Signal über eine n geeigneten Datenbus, beispielsweise I2C oder SPI, übertragen werden kann. Für den Fall eines elektrisch kommutierten Gleichstrommotors kann ein entsprechendes Drehfeld erzeugt werden, welches synchron zur Drehung des Rotors nachgeführt werden kann. Die Motorsteuerung kann eine spannungsgeführte oder drehzahlgeführte Regelung realisieren. Bei einer spannungsgeführten Regelung wird mit steigender Last (Drehmoment) unter Anstieg des Betriebsstroms die Motordrehzahl reduziert. Eine Information zur Motordrehzahl bzw. zum Drehwinkel kann systeminhärent anhand der Phasenwechsel abgeleitet werden. Zusätzlich oder alternativ kann ein kontinuierlicher Drehwinkelsensor (in 1 nicht dargestellt) zur Erkennung der Rotorposition eingesetzt werden. Ein derartiges Rotorpositionssignal kann an die Recheneinheit 105 zur Steuerung der Handwerkzeugmaschine 100 übertragen werden. Diese Signalübertragung kann wiederum über PWM, 12C, SPI oder analog erfolgen.
Gemäß einer Ausführungsform wird anstelle des Drehwinkelsensors ein Algorithmus in einer Steuereinheit realisiert, der anhand der gemessenen Motor-Ströme und -Spannungen, welche Signalanteile beinhalten, die aus dem Rotor zurückinduzierten Spannungen entstehen, auf den Drehwinkel zurückschließt. In dieser Ausführungsform kann durch die Algorithmusausführung der Drehwinkelsensor funktional ersetzt werden.
Die Stromversorgung über die Spannungsquelle 111 kann durch eine Mehrzahl von Batterieelementen, beispielsweise Lithium-Ion-Zellen, bereitgestellt werden. Durch ein entsprechendes Batteriemanagementsystem können Überladungen, Überströme und Tiefentladungen verhindert werden.
Der Auslöseschalter 109 kann gemäß einer Ausführungsform als ein Potenziometer ausgeführt werden, das der Recheneinheit 103 zur Steuerung der Handwerkzeugmaschine 100 analoge Steuersignale bereitstellt, die der linearen Betätigung des Auslöseschalters 109 entsprechen. Über die Betätigung des Auslöseschalters 109 können entsprechende Nutzereingaben zur Steuerung der Handwerkzeugmaschine 100 bereitgestellt werden.
Die Strommessvorrichtung 113 kann den Akkustrom der Spannungsquelle 111, der vom Motorstrom des Motors 101 dominiert wird, bestimmen. Die Steuerung hat in der Regel eine Stromaufnahme von weniger als 200 Milliampere. Als Messelement kann ein niederohmiger Widerstand oder ein Hall-Sensor verwendet werden. Mithilfe einer Verstärkerschaltung und einer Pegelanpassung kann der Recheneinheit 103 als Steuerung der Handwerkzeugmaschine 100 ein stromproportionales analoges Signal zur Verfügung gestellt werden.
Die Einstellvorrichtung 115 kann als Drehpotenziometer, als Schaltwippe oder als Doppelschaltelement ausgeführt sein. Es gilt den für die Automatikfunktion benötigten Schwellwert durch den Nutzer beeinflussbar zu realisieren.
Die Recheneinheit 101 kann einen Microcontroller mit üblicher Beschaltung (Spannungsregler, Taktquelle, EMV-Maßnahmen) und Kommunikationsvorrichtung (BlueTooth, 4G, WLAN) umfassen. Der Microcontroller kann einen Analog-Digital-Wandler und digitale Schnittstellen umfassen, um die Signale des Auslöseschalters 109, der Einstellvorrichtung 115, der Strommessvorrichtung 113, der Versorgungsspannung, der Motordrehzahl und die Ansteuersignale des Motors 101 zu erzeugen bzw. zu erfassen. Der Microcontroller (in 1 nicht explizit dargestellt) kann das Zustandsbestimmungsmodul 107 zum Ausführen des erfindungsgemäßen Verfahrens zum Steuern der Handwerkzeugmaschine 100 ausführen.
Die Handwerkzeugmaschine 100 kann als ein Schrauber, ein Drehschlagschrauber oder als ein einfacher Akku-Schrauber ausgebildet sein. Alternativ kann die Handwerkzeugmaschine 100 als ein elektrischer Bohrer, ein Schlagbohrer, ein Bohrhammer oder ein Bohrmeißel ausgebildet sein.
2 zeigt eine weitere schematische Darstellung einer Handwerkzeugmaschine 100, in der einzelne Funktionsabläufe der Handwerkzeugmaschine 100 illustriert sind.
2 zeigt eine weitere schematische Darstellung einer Ausbildungsform der erfindungsgemäßen Handwerkzeugmaschine 100. Die Handwerkzeugmaschine 100 umfasst den Motor 101, die Recheneinheit 105, die auf einer Platine 127 angeordnet ist, die Energiequelle 109 und das Werkzeug 117.
Anhand der gezeigten graphischen Darstellung werden einige Funktionsweisen der Handwerkzeugmaschine 100 dargestellt. Es sind einige der Bauteile der Handwerkzeugmaschine 100 aus 1 dargestellt, während andere Bauteile bzw. Komponenten nicht dargestellt sind, um die gezeigte Darstellung möglichst einfach zu halten. Die gezeigte Handwerkzeugmaschine 100 kann jedoch alle in 1 dargestellten Komponenten umfassen.
Neben der Recheneinheit 105, die wie oben bereits beschrieben, als ein Microcontroller ausgebildet sein kann, bzw. einen derartigen Microcontroller umfassen kann, und auf der erfindungsgemäß das in 1 gezeigte Zustandsbestimmungsmodul 107 installiert ist, sind auf der Platine 127 ferner ein Drehzahlsensor 129, mittels dem eine Motordrehzahl des Motors 101 gemessen werden kann, und ein Vibrationssensor 131, mittels dem Vibrationen der Handwerkzeugmaschine 100 gemessen werden können und ein Wechselrichter 133 installiert.
Über den Auslöseschalter 109 kann ein Nutzer der Handwerkzeugmaschine 100 Nutzereingaben 139 an die Recheneinheit 105 mittels einer elektrischen Signalübertragung 147 übertragen. Über die Nutzereingaben 139, die beispielsweise ein Triggerlevel des Auslöseschalters 109 umfassen, kann eine Leistung der Handwerkzeugmaschine 100 geregelt werden. Ferner können die Nutzereingaben 139 Drehrichtungen des Motors 101, die beispielsweise eine Schraub- oder Borrichtung definieren, oder Betriebsmodi der Handwerkzeugmaschine 100, die beispielsweise einen Schraubvorgang mit oder ohne Schlagfunktion beschreiben, festlegen.
Basierend auf den Nutzereingaben 139 steuert die Recheneinheit 105 die Steuerung der Handwerkzeugmaschine 100 und gibt über eine elektrische Signalübertragung 147 entsprechende Steuersignale an den Wechselrichtung 133 aus. Der Wechselrichter 133 gibt eine entsprechende elektrische Energieübertragung 141 an den Motor 101 aus. Der Motor 101 bewirkt über eine entsprechende Kraft-Drehmoment-Übertragung 143 eine Kraftübertragung 135 an das Werkzeug 117, mittels dem das Werkstück 137 bearbeitet werden kann.
Erfindungsgemäß nutzt das Verfahren zum Steuern einer Handwerkzeugmaschine 100, das durch die Recheneinheit 105 ausgeführt wird, Messwerte einer Betriebsgröße, auf der basierend Betriebszustände der Handwerkzeugmaschine 100 ermittelt werden. Die Betriebsgröße kann hierbei beispielsweise der Motorstrom, eine Motorleistung, sowie eine Drehzahl- bzw. ein Drehmoment des Motors 101 sein. In der gezeigten Ausführungsform wird als Betriebsgröße, auf der basierend durch das erfindungsgemäße Verfahren Betriebszustände der Handwerkzeugmaschine 100 bestimmt werden, die Motordrehzahl des Motors 101 berücksichtigt. Diese werden durch den dargestellten Drehzahlsensor 129 gemessen, der die Bewegung 145 des Motors 101 detektiert. Ferner werden in der gezeigten Ausführungsform Vibrationen/Bewegungen 145 der Handwerkzeugmaschine 100 bzw. des Werkzeugs 117 bzw. des Werkstücks 137 als Betriebsgröße berücksichtigt. Die Vibrationen/Bewegungen werden hierbei durch den Vibrationssensor 131 gemessen. Entsprechende Messsignale werden zur Weiterverarbeitung von dem Drehzahlsensor 129 und dem Vibrationssensor 131 an die Recheneinheit 105 weitergeleitet.
Der Vibrationssensor 131 kann beispielsweise als ein Beschleunigungssensor ausgebildet sein.
Erfindungsgemäß werden zum Steuern der Handwerkzeugmaschine 100 die gemessene Drehzahl bzw. die detektierten Vibrationen durch Ausführung eines Zustandsbestimmungsmoduls 107 analysiert und ein vorliegender Betriebszustand der Handwerkzeugmaschine 100 ermittelt. Basierend auf dem ermittelten Betriebszustand wird die Steuerung der Handwerkzeugmaschine 100 entsprechend angepasst.
Für eine nähere Beschreibung des erfindungsgemäßen Verfahrens zum Steuern der Handwerkzeugmaschine 100 wird auf die Beschreibung der folgenden Figuren verwiesen.
Die Kraftübertragung 135 der Handwerkzeugmaschine 100 kann als ein Direktantrieb oder über ein Getriebe realisiert werden.
Ferner kann der in den 1 und 2 nur schematisch angedeutet Antrieb der Handwerkzeugmaschine 100 verschiedene Antriebsoptionen umfassen, wie beispielsweise ein Schlagwerk, ein Hammerwerk oder ein Meißelwerk.
Wie bereits erwähnt kann die Übertragung der Kraft des Motors 101 auf den Antrieb der Handwerkzeugmaschine 100 über ein Getriebe bewirkt werden. Dieses kann beispielsweise als ein Schaltgetriebe mit zwei, drei oder mehr Gängen ausgebildet sein. Das Getriebe kann mit einer Rutschkupplung verbunden sein, die wiederum eine Direktverbindung an den Antrieb aufweist. Eine alternative Lösung ohne Rutschkupplung, in der das Getriebe unmittelbar mit dem Antrieb verbunden ist, ist ebenfalls denkbar.
Die durch den Vibrationssensor 131 gemessenen Vibrationen bzw. Bewegungen können beispielsweise durch den Nutzer der Handwerkzeugmaschine 100 ausgelöste Bewegungen der Handwerkzeugmaschine 100 umfassen. Ferner können die Bewegungen bzw. Vibrationen durch den Motor bzw. das Getriebe bzw. den Antrieb hervorgerufen sein. Alternativ hierzu können die Bewegungen bzw. Vibrationen, die durch den Vibrationssensor 131 gemessen werden, durch Bewegungen eines Bits auf einem Schraubenkopf hervorgerufen werden bzw. auf Krafteinwirkungen der Schraube auf das zu bearbeitende Werkstück 137 resultieren.
3 zeigt zeitliche Verläufe einer Betriebsgröße 119 einer Handwerkzeugmaschine 100 und eines Rotationswinkels α_rot eines Motors 101 der Handwerkzeugmaschine 100.
In der Graphik a) ist ein zeitlicher Verlauf einer Betriebsgröße 119 einer Handwerkzeugmaschine 100 dargestellt. In der gezeigten Ausführungsform beschreibt die Betriebsgröße 119 einen Motorstrom eines Motors 101 einer Handwerkzeugmaschine 100. Die Handwerkzeugmaschine 100 ist in der gezeigten Ausführungsform als ein Schrauber ausgebildet und der gezeigte Verlauf der Betriebsgröße 119 zeigt den zeitlichen Verlauf des Motorstroms in einem Schraubfall, in dem eine selbstschneidende Schraube in ein Werkstück 137 aus Holz oder einem vergleichbaren Material eingeschraubt wird.
Der zeitliche Verlauf der Betriebsgröße 119 beschreibt eine Zeitreihe 123, die aus einer Mehrzahl zeitlich geordneter Messwerte 121 des Motorstroms besteht. Die Messwerte 121 wurden während des Betriebs der Handwerkzeugmaschine 100, sprich beim Einschrauben der Schraube in das Werkstück, durch einen entsprechenden Stromsensor innerhalb der Handwerkzeugmaschine 100 aufgenommen.
Grafik a) beschreibt hierbei einen typischen Verlauf des Motorstroms I beim Einschrauben einer selbstschneidenden Schraube in Holz oder ähnliche Werkstoffe. Der Motorstrom I bildet durch die Drehmomentkonstante mit der Einheit Newtonmeter pro Ampere das vom Motor 101 abgegebene Drehmoment ab. Das aus dem Anlaufstrom resultierende Drehmoment wird zu Beginn des Schraubfalls für die Beschleunigung des Rotors des Elektromotors 101 aufgewendet. Hieraus resultiert der zu Beginn der Zeitreihe 123 auftretende Peak des Motorstroms I. Im Anschluss an den Anlauf des Rotors ist die Drehzahl weitestgehend konstant, wodurch der nahezu waagerechte Verlauf des Motorstroms I bewirkt wird.
Dieser Bereich, in dem zunächst der Anlaufpeak und darauffolgend der nahezu waagerechte Verlauf des Motorstroms I detektiert wird, wird in Grafik a) durch den Betriebszustand A charakterisiert. In diesem Betriebszustand A wird zu einem Großteil von über 90 % das aufgebrachte Drehmoment in tatsächliche mechanische Arbeit an der Schraube bzw. dem Werkstück umgewandelt und die Schraube entsprechend in das Werkstück eingeschraubt.
In Grafik a) sind ferner zwei Ereigniszeitpunkte 125, 126 markiert, in denen ein Übergang zwischen dem Betriebszustand A, zunächst in einen Betriebszustand B und darauffolgend in einen weiteren Betriebszustand C erfolgen.
Im Bereich des Ereigniszeitpunkts 126 zeigt der Motorstrom I im Betriebszustand A einen gleichmäßigen Anstieg. Dies ist auf das weitere Einschrauben der Schraube in das Werkstück begründet, für das mit zunehmender Einschraubtiefe ein immer größeres Drehmoment benötigt wird, zu dessen Generierung ein ansteigender Motorstrom I benötigt wird.
Ausgehend von dem Ereigniszeitpunkt 126 erfolgt ein steilerer Anstieg des Motorstroms I im Vergleich zu dem im Betriebszustand A verhältnismäßig sanft ansteigenden Anstieg. Dieser vermehrt steilere Anstieg des Motorstroms I ist durch das Aufliegen des kegelförmigen Schraubenkopfes der selbstschneidenden Schraube auf der Oberfläche des zu bearbeitenden Werkstücks verursacht. Zum Zeitpunkt des Ereigniszeitpunkts 126 trifft der kegelförmige Schraubenkopf der selbstschneidenden Schraube auf die Oberfläche des Werkstücks auf. Der Betriebszustand B ist somit durch das Einschrauben des kegelförmigen Schraubenkopfes in das Werkstück gekennzeichnet. Aufgrund der Kegelform des Schraubenkopfes wird für das Einschrauben des Schraubenkopfes in das Werkstück ein erhöhtes Drehmoment benötigt, wodurch der steile Anstieg des Motorstroms I begründet ist.
Der Ereigniszeitpunkt 125 beschreibt hingegen den Übergang aus dem Betriebszustand B, in dem das Einschrauben des kegelförmigen Schraubenkopfes in das Werkstück beschrieben ist, in den Betriebszustand C, in dem der Schraubenkopf vollständig in das Werkstück eingeschraubt ist. Der Ereigniszeitpunkt 125 beschreibt hierbei den Punkt, an dem der Schraubenkopf eben mit der Oberfläche des Werkstücks abschließt. Dieser Zeitpunkt wird im Übrigen auch als Flush-Point bezeichnet. Der durch den Ereigniszeitpunkt 126 gekennzeichnete Zeitpunkt, an dem die Kontaktierung des kegelförmigen Schraubenkopfes mit der Oberfläche des Werkstücks auftritt, wird im Übrigen auch als Pre-Flush-Point bezeichnet.
In der gezeigten Ausführung ist im Betriebszustand C ein abflachender Verlauf des Motorstroms I dargestellt. Dies kann durch das Abscheren des Kopfes oder durch eine Beschädigung des Materials des Werkstücks bei weiterer Verschraubung der Schraube über den Flush-Point hinaus realisiert sein.
Grafik b) zeigt einen zeitlichen Verlauf eines Rotationswinkels α_rot. Der zeitliche Verlauf zeigt exemplarisch das Signal eines Drehwinkelgebers. Im gezeigten Beispiel weist der Sensor einen Eindeutigkeitsbereich von 360° auf. Dies ist nicht erforderlich, kleinere Eindeutigkeitsbereiche sind ebenso ausreichend. In der Regel kann der Eindeutigkeitsbereich des Sensors an die Drehzahl des Motors 101 gekoppelt sein. Eine absolute Drehwinkelinformation über den gesamten Schraubvorgang von Beginn (Betätigen des Auslöseschalters 109 durch den Nutzer) bis zum gewünschten Abschalten kann anhand des Drehwinkelsensorsignals mithilfe des sogenannten Phase-Unwrapping erlangt werden. Dazu kann mithilfe des Wissens über die kontinuierliche Drehung des Motors 101 erkannt werden, dass der Wechsel von plus 180° zu beispielsweise minus 179° tatsächlich einem Drehwinkel von plus 181° entspricht.
In Grafik b) sind ferner Rotationszeitpunkte t_rot gekennzeichnet. In den Rotationszeitpunkten t_rot ist eine vollständige Rotation des Motors 101 erfolgt. Die Kenntnis bezgl. der Rotationszeitpunkte t_rot bzw. des Rotationswinkels α_rot des Motors 101 kann im Folgenden zur Vorhersage der Ereigniszeitpunkte 125, 126 genutzt werden. Bei Erreichen des oben beschriebenen Ereigniszeitpunkts 126, in dem ein Aufliegen des kegelförmigen Schraubenkopfes auf die Oberfläche des Werkstücks erfolgt, kann unter Kenntnis des Rotationswinkels der Ereigniszeitpunkt 125 vorhergesagt werden, an dem die Schraube eben mit der Oberfläche des Werkstücks abschließt. Grafik b) zeigt ferner eine Drehwinkeldifferenz Δ_rot als eine Differenz zwischen den Drehwinkeln α_rot zu den Ereigniszeitpunkten 125, 126.
Der in 3 gezeigte Sachverhalt soll nur beispielhaft einen möglichen Anwendungsfall des erfindungsgemäßen Verfahrens illustrieren. Andere Anwendungsfälle, in denen die Handwerkzeugmaschine 100 nicht als Schrauber sondern beispielsweise als Bohrer oder Meißel oder Stichsäge ausgebildet ist, sollen durch die vorliegende Erfindung ebenfalls abgedeckt sein. Auch können mehr oder weniger und anders ausgestaltete Betriebszustände (A, B, C) berücksichtigt werden, als das in diesem Beispiel beschrieben ist.
Beispielsweise kann die Handwerkzeugmaschine 100 als Schrauber ausgebildet sein. Mögliche Betriebszustände A, B, C könne hierbei eine Schraubtiefe einer einzuschraubenden Schraube, ein Schrauben in einem bestimmten Schraubmodus (Schlagmodus, Ein-/Ausschrauben), eine Arbeitseffizienz, ein definiertes Drehmoment, eine Wahl der verwendeten Schraube oder einen Kickback bei hohen Drehmomenten beschreiben.
Fener kann die Handwerkzeugmaschine 100 als ein Bohrer ausgebildet sein. Die Betriebszustände A, B, C können hierbei einen Bohrmodus (Schlagbohren etc.), eine Ausrichtung der Handwerkzeugmaschine 100 zu einer Oberfläche eines zu bearbeitenden Werkstücks, eine Art des Einsatzwerkzeugs (Metall-, Holz-, Steinbohrer), eine Bohrtiefe, eine Ausrichtung der Handwerkzeugmaschine 100 relativ zu einer vorbestimmten Bohrstelle, eine Anbohren von Kabeln oder Rohren, ein Ausschlagen eines Bohrlochs, ein Auftreten von Bohrstaub oder ein Kickback bei einem plötzlichen Festdrehen der Handwerkzeugmaschine 100 beschreiben.
Ferner kann die Handwerkzeugmaschine 100 als ein Schlagbohrer oder ein Bohrhammer ausgebildet sein. Die Betriebszustände A, B, C können einen Betriebsmodus, einen Arbeitsfortschritt, eine Gefahr von Beschädigungen, Vibrationen und Lärm oder einen fehlenden Anpressdruck beschreiben.
Ferner kann die Handwerkzeugmaschine 100 als ein Meißel ausgebildet sein. Mögliche Betriebszustände A, B, C können ein falsches Einsatzwerkzeug, eine effektive Haltung der Handwerkzeugmaschine 100 oder einen Arbeitsfortschritt beschreiben.
Ferner können unabhängig von der Ausbildung der Handwerkzeugmaschine 100 mögliche Betriebszustände A, B, C Aspekte einer Arbeitssicherheit/Komfort wie beispielsweise Vibrations-/Lärmentwicklung, Vibrationsmonitoring, Drehmomentkontrolle bezüglich maximaler Drehmomente, einfaches Steuern der Handwerkzeugmaschine 100, richtiges Einspannen eines Werkzeugs in die Handwerkzeugmaschine 100 oder ein Erkennen von Situationen, wie ein Fallen von einer Leiter, ein Bohren in Kabel oder Rohre, umfassen.
Durch ein entsprechendes Training einer künstlichen Intelligenz des Zustandsbestimmungsmoduls 107 können die angeführten Betriebszustände A, B, C oder ähnliche Betriebszustände, die bei einem Betrieb einer Handwerkzeugmaschine 100 auftreten können, basierend auf Messwerten 121 einer Betriebsgröße 119 während des Betriebs der Handwerkzeugmaschine 100 ermittelt werden.
Die Betriebsgröße 119 kann hierbei beispielsweise der Motorstrom I oder ein Motor-Positionswinkel, eine Motor-Drehgeschwindigkeit, eine Spannung einer Spannungsquelle, Bewegungen und/oder Vibrationen innerhalb der Handwerkzeugmaschine (100) oder ähnliche messbare Parameter der Handwerkzeugmaschine 100 umfassen.
4 zeigt eine schematische Darstellung einer Handwerkzeugmaschine 100 gemäß einer Ausführungsform, wobei die Handwerkzeugmaschine 100 in verschiedenen Betriebszuständen A, B, C gezeigt ist.
4 beschreibt in grafischer Darstellung die zu 3 beschriebenen Betriebszustände A, B, C der Handwerkzeugmaschine 100. Die Handwerkzeugmaschine 100 ist wiederum als Schrauber ausgebildet und die Betriebszustände A, B, C beschreiben den Schraubverlauf, in dem eine Schraube 169 in ein Werkstück 137 eingeschraubt wird. Die Schraube 169 kann beispielsweise eine selbstschneidende Schraube sein und das Werkstück 137 aus Holz gefertigt sein. Die Handwerkzeugmaschine 100 weist hierzu ferner ein Schraubbit 168 auf.
In Grafik a) ist der Betriebszustand A dargestellt, in dem die Schraube 169 in das Werkstücks 137 eingeschraubt wird.
Grafik b) beschreibt den Betriebszustand B, der dadurch gekennzeichnet ist, dass der kegelförmige Schraubenkopf 170 an der Oberfläche 167 des Werkstück 137 angrenzt und im weiteren Verlauf in das Werkstück 137 eingeschraubt wird.
Grafik c) beschreibt den Betriebszustand C, der dadurch gekennzeichnet ist, dass die Schraube 169 eben mit der Oberfläche 167 des Werkstück 137 abschließt und damit der Flush-Point erreicht ist.
Wie oben beschrieben, stellt Grafik a) der 3 den zeitlichen Verlauf des Motorstroms des Motors 101 der Handwerkzeugmaschine 100 in den verschiedenen Betriebszuständen A, B, C während des Einschraubens der Schraube 169 in das Werkstück 137 dar.
Im Betriebszustand A, in dem die Schraube 169 gleichmäßig in das Werkstück 137 eingeschraubt wird, zeigt der Motorstrom I einen weitestgehend waagerechten Verlauf, der mit zunehmender Einschraubtiefe eine leichte Steigung aufweist.
Der Betriebszustand B, der durch das Angrenzen des kegelförmigen Schraubenkopfes 170 an die Oberfläche 167 des Werkstücks 137 und das Einschrauben des Schraubenkopfes 170 in das Werkstück 137 gekennzeichnet ist, zeigt der Motorstrom I einen steilen Anstieg an, der durch das erhöhte Drehmoment begründet ist, der zum Einschrauben des kegelförmigen Schraubenkopfes 170 in das Werkstück 137 benötigt wird.
Der Betriebszustand C, der durch das Abschließen des Schraubenkopfes 170 mit der Oberfläche 167 gekennzeichnet ist, zeigt in Grafik 3 hingegen einen abflachenden Verlauf des Motorstroms I, der durch die Zerstörung der Schraube bzw. eine Zerstörung des Werkstücks 137 begründet sein kann.
In 4 weist die Handwerkzeugmaschine 100 ferner einen externen Sensor 171 auf. Der externe Sensor 171 ist in der gezeigten Ausführungsform als ein Kamerasensor ausgebildet und ermöglicht das Aufnehmen von Kameradaten, mittels denen der Schraubverlauf des Einschraubens der Schraube 169 in das Werkstück 137 abgebildet werden kann. Die entsprechenden Kameradaten können wie zu den folgenden Figuren näher beschrieben werden wird, für ein Training des Zustandsbestimmungsmoduls 107 bzw. einer künstlichen Intelligenz 149 des Zustandsbestimmungsmoduls 107 verwendet werden.
5 zeigt eine schematische Darstellung einer Antriebsregelung 197 der Handwerkzeugmaschine 100 gemäß einer Ausführungsform.
5 zeigt eine Regelungskette der Handwerkzeugmaschine 100.
Erfindungsgemäß umfasst die Regelungskette einen inneren Regelkreis 193 und einen äußeren Regelkreis 191. Der innere Regelkreis 193 dient hierbei zur Regelung des Antriebs der Handwerkzeugmaschine 100 basierend auf den Nutzereingaben 173 des Nutzers.
Zum Regeln des Antriebs der Handwerkzeugmaschine 100 basierend auf den Nutzereingaben 173 des Nutzers durch ausschließlich den inneren Regelkreis 193 erfolgen zunächst Nutzereingaben 173 durch den Nutzer. Dies kann beispielsweise durch Betätigung des Auslöseschalters 109 erfolgen. Hierüber können erste Zielwerte eines Steuerungsparameters der Handwerkzeugmaschine 100 durch die Nutzereingabe des Nutzers definiert werden. Der Steuerungsparameter kann hierbei beispielsweise eine Motordrehzahl, eine Motorleistung, ein über die Motordrehzahl definiertes Drehmoment umfassen. Alternativ kann der Steuerungsparameter eine Drehrichtung, wie beispielsweise beim Ein- oder Ausschrauben einer Schraube, oder eine Betriebsmodus, wie beispielsweise den Schlagmodus oder den Hammermodus, umfassen. Die Nutzereingaben 173 beschreiben hierbei Werte des Steuerungsparameters.
Über Sensormessungen 175 einer Betriebsgröße 119 werden Ist-Werte des Steuerungsparameters aufgenommen, die einen Ist-Zustand der Aktorik 195 einer Antriebsregelung 197 der Handwerkzeugmaschine 100 beschreiben.
Die Sensormessungen 175 der Betriebsgröße 119 können hierbei Messungen des Motorstroms, der Motordrehzahl, der Motorleistung, von Vibrationen des Motors bzw. der Handwerkzeugmaschine 100 oder andere aussagekräftige Betriebsgrößen umfassen, mittels denen eine Bestimmung eines Betriebszustands A, B, C ermöglicht ist.
Die ersten Zielwerte der Nutzereingaben 173 und die Ist-Werte der Sensormessungen 175 des Steuerungsparameters werden unter Ausführung einer digitalen Signalvorverarbeitung 177 an den inneren Regelkreis 193 übertragen.
Durch den inneren Regelkreis 193 werden entsprechende Steuerungssignale an die Aktorik 195 zum Ansteuern der Handwerkzeugmaschine 100 ausgegeben.
Der äußere Regelkreis 191 wird nun dazu verwendet, bei der Steuerung der Handwerkzeugmaschine 100 einen Betriebszustand A, B, C zu berücksichtigen, in dem sich die Handwerkzeugmaschine 100 während des Betriebs befindet.
Hierzu werden die ersten Zielwerte des Steuerungsparameters der Nutzereingabe 173 und insbesondere die Ist-Werte der Sensormessungen 175 des Steuerungsparameters nach einer digitalen Signalvorverarbeitung 197 einer Modellinferenz 183 unterzogen. In der Modellinferenz 183 greift die bereits beschriebene Ausführung des Zustandsbestimmungsmoduls 107. Da Zustandsbestimmungsmodul 107 ist hierbei eingerichtet, basierend auf den Sensormessungen 175 bzw. den entsprechenden Sensordaten des Steuerungsparameters einen Betriebszustand A, B, C, in dem sich die Handwerkzeugmaschine 100 befindet, zu erkennen. Alternativ oder zusätzlich hierzu kann das Zustandsbestimmungsmodul 107 eingerichtet sein, basierend auf den Sensordaten der Sensormessungen 175 der Betriebsgröße 119 einen Ereigniszeitpunkt 125, 126 vorherzusagen, an dem ein Übergang zwischen verschiedenen Betriebszuständen A, B, C der Handwerkzeugmaschine 100 erfolgt.
Das in der Modellinferenz 183 ausgeführte Zustandsbestimmungsmodul 107 kann hierbei als eine entsprechend trainierte künstliche Intelligenz ausgebildet sein, die auf das Ermitteln von Betriebszuständen A, B, C bzw. das Vorhersagen von Ereigniszeitpunkten 125, 126 basierend auf Messwerten einer Betriebsgröße 119 trainiert ist.
Die durch das Zustandsbestimmungsmodul 107 in Gestalt der Modellinferenz 183 ermittelte Information bzgl. der vorliegenden Betriebszustände A, B, C bzw. vorhergesagten Ereigniszeitpunkten 125, 126 werden nach einer Nachverarbeitung 187 dem äußeren Regelkreis 191 bereitgestellt.
Der äußere Regelkreis 191 ist daraufhin eingerichtet, basierend auf den Informationen der Modellinferenz 183 bzgl. der vorliegenden Betriebszustände A, B, C bzw. der vorhergesagten Ereigniszeitpunkte 125, 126 entsprechende zweite Zielwerte für den Steuerungsparameter zu definieren. Die durch den äußeren Regelkreis 191 definierten zweiten Zielwerte für den Steuerungsparameter sind hierbei auf den jeweils vorliegenden Betriebszustand A, B, C bzw. den entsprechend vorhergesagten Ereigniszeitpunkten 125, 126 abgestimmt. Unter Berücksichtigung des durch den äußeren Regelkreis 191 generierten zweiten Zielwert des Steuerungsparameters kann die Steuerung der Handwerkzeugmaschine 100 optimal auf den jeweils vorliegenden Betriebszustand A, B, C bzw. den entsprechenden vorhergesagten Ereigniszeitpunkten 125, 126 angepasst werden.
Der durch den Regelkreis 191 generierte zweiten Zielwert für den Steuerungsparameter wird darauffolgend dem inneren Regelkreis 193 bereitgestellt.
Erfindungsgemäß ist der innere Regelkreis 193 nun eingerichtet, unter Berücksichtigung des in der Nutzereingabe 173 durch den Nutzer bereitgestellten ersten Zielwerts für den Steuerungsparameter und den weiteren durch den äußeren Regelkreis 191 unter Berücksichtigung des vorliegenden Betriebszustands A, B, C bzw. des vorhergesagten Ereigniszeitpunkts 125, 126 bereitgestellten zweiten Zielwerts für den Steuerungsparameter einen Ausgabezielwert zu berechnen und basierend auf dem Ausgabezielwert die Aktorik 195 der Handwerkzeugmaschine 100 anzusteuern.
Der Ausgabezielwert kann hierbei durch den inneren Regelkreis 193 beispielsweise als ein Produkt aus dem ersten Zielwert der Nutzereingabe 173 und dem zweiten Zielwert des äußeren Regelkreis 191 berechnet werden. Durch das Produkt aus den und ersten und zweiten Zielwerten kann der erste Zielwert der Nutzreingabe 173 somit durch den zweiten Zielwert des äußeren Regelkreises 191, der in Bezug auf den vorliegenden Betriebszustand A, B, C bzw. dem vorhergesagten Ereigniszeitpunkt 125, 126 ermittelt wurden, sensitiviert, sprich auf den jeweiligen Betriebszustand A, B, C bzw. zu erwartenden Ereigniszeitpunkt 125, 126 angepasst werden. Alternativ kann der Ausgabezielwert als ein Minimalwert bzw. Maximalwert der ersten und zweiten Zielwerte definiert werden. Hierdurch kann der Ausgabeziel als der Wert der ersten und zweiten Zielwerte definiert werden, der am besten zu dem jeweils ermittelten Betriebszustand A, B, C passt.
Alternativ kann der Ausgabezielwert durch den ersten Zielwert der Nutzreingabe 173 definiert sein, falls der zweite Zielwert des äußeren Regelkreises 191 kleiner als ein vordefinierter Schwellenwert ist, und als ein vordefinierter Zielwert definiert sein, falls der zweite Zielwert größer oder gleich dem vordefinierter Schwellenwert ist. Der vordefinierte Zielwert kann hierbei als ein konstanter Wert des Steuerungsparameters gegeben sein, der beispielsweise bei einer Voreinstellung der Handwerkzeugmaschine 100 auf den jeweils vorliegenden Betriebszustand A, B, C bzw. vorausliegendem Ereigniszeitpunkt 125, 126 angepasst wurde. Der vordefinierte Schwellenwert kann beispielsweise empirisch durch entsprechenden Messungen an die jeweils auftretenden Betriebszustände A, B, C und mögliche zweite Zielwerte angepasst sein.
Alternativ kann der Ausgabezielwert als ein Produkt des ersten Zielwerts der Nutzereingabe 173 mit einem ersten vordefinierten Zielwert definiert sein, falls der zweite Zielwert des äußeren Regelkreis 191 kleiner als ein vordefinierter Schwellenwert ist, und als ein Produkt aus dem ersten Zielwert der Nutzereingabe 173 und einem zweiten vordefinierten Zielwert definiert sein, falls der zweite Zielwert des äußeren Regelkreises 191 größer oder gleich dem vordefinierten Schwellenwert ist. In Abhängigkeit des durch den äußeren Regelkreises 191 ermittelten zweiten Zielwerts kann somit der erste Zielwert der Nutzereingabe 173 in Form der ersten und zweiten vordefinierten Zielwerte, die jeweils als konstante Werte des Steuerungsparameters definiert und auf die jeweils vorliegenden Betriebszustände bzw. zu erwartenden Ereigniszeitpunkte angepasst sein können, auf den jeweils vorliegenden Betriebszustand A, B, C bzw. zu erwartenden Ereigniszeitpunkt 125, 126 sensitiviert bzw. angepasst werden. Die ersten und zweiten vordefinierten Zielwerte und vordefinierten Schwellenwerte können wiederum empirisch für mögliche Betriebszustände A, B, C bestimmt sein.
In Form des durch den inneren Regelkreis 193 ermittelten Ausgabezielwerts kann die Handwerkzeugmaschine 100 somit unter Berücksichtigung der durch den Nutzer der Handwerkzeugmaschine 100 getätigten Nutzereingabe 173 und dem entsprechenden ersten Zielwert des Steuerungsparameters und unter Berücksichtigung des in Bezug auf den vorliegenden Betriebszustand A, B, C bzw. dem zu erwartenden Ereigniszeitpunkt 125, 126 ermittelten zweiten Zielwert des Steuerungsparameters angesteuert werden.
In der Ausführungsform der 3 und 4, in der die Handwerkzeugmaschine 100 als Schrauber ausgebildet ist, und in der ein Schraubfall beschrieben wird, bei dem eine selbstschneidende Schraube 169 in ein Holzwerkstück 137 eingeschraubt wird, und in der die verschiedenen Betriebszustände A, B, C das Einschrauben der Schraube 169 in das Werkstück 137 im Betriebszustand A, das Einschrauben des kegelförmigen Schraubenkopfes 170 in das Werkstück 137 im Betriebszustand B und das ebene Abschließen des Schraubenkopfes 170 mit der Oberfläche 167 des Werkstücks 137 im Betriebszustand C beschreiben, kann der Steuerungsparameter beispielsweise eine Drehzahl des Motors 101 der Handwerkzeugmaschine 100 sein.
Die Nutzereingabe 173 kann beispielsweise Signale des durch den Nutzer betätigten Auslöseschalters 109 umfassen, mittels denen der jeweilige erste Zielwert der Motordrehzahl definiert wird.
Die in den Sensormessungen 175 ermittelte Betriebsgröße 119 kann beispielsweise durch den Motorstrom I des Motors 101 der Handwerkzeugmaschine 100 gegeben sein.
Das Zustandsbestimmungsmodul 107, das gemäß der Modellinferenz 183 auf die Messwerte des Motorstroms I angewendet wird, kann entsprechend eingerichtet sein, basierend auf dem Motorstrom I, gemäß der Grafik A der 3, die verschiedenen Betriebszustände A, B, C zu ermitteln. Ferner kann das Zustandsbestimmungsmodul 107 eingerichtet sein, basierend auf den Messwerten 121 die jeweiligen Ereigniszeitpunkte 125, 126 vorherzusagen.
Im Folgenden werden die oben beschriebenen Vorgänge und insbesondere das Ermitteln des zweiten Zielwerts durch den äußeren Regelkreis 191 bzw. das Ermitteln des Ausgabezielwerts durch den inneren Regelkreis 193 an einem Anwendungsfall beschrieben, in dem gemäß den Ausführungsformen zu den 3 und 4 die Handwerkzeugmaschine 100 als Schrauber ausgebildet ist und durch diesen eine Schraube 169 in ein Werkstück 137 eingeschraubt wird.
Die auf der Betätigung des Auslöseschalters 109 basierende Nutzereingabe 173 kann als ersten Zielwert beispielsweise einen entsprechend hohen Wert der Motordrehzahl definieren. Basierend auf den Sensormessungen 175 des Motorstroms ermittelt das Zustandsbestimmungsmodul 107 hingegen, dass die Handwerkzeugmaschine 100 sich bereits im Betriebszustand C der Grafik 3 befindet, in der der Flush-Point bereits erreicht ist und ein Abschluss des Schraubenkopfes 170 mit der Oberfläche 167 des Werkstücks 137 erzielt ist. Hierauf basierend berechnet der äußere Regelkreis 191 als zweiten Zielwert einen wesentlichen geringeren Wert für die Motordrehzahl, um eine Beschädigung der Schraube bzw. des Werkstücks 137, die bei der hohen Motordrehzahl der Nutzereingabe 173 zu befürchten wären, zu verhindern. Durch die Ermittlung des Ausgabezielwerts durch den inneren Regelkreis 193 kann somit der offensichtlich zu hohe Zielwert für die Motordrehzahl der Nutzereingabe 173 durch den durch den äußeren Regelkreis 191 berechneten wesentlich geringeren zweiten Zielwert für den die Motordrehzahl herabgeregelt werden, um somit die Handwerkzeugmaschine 100 entsprechend dem vorliegenden Betriebszustand C anzusteuern und gegebenenfalls abzuschalten.
Hierzu kann der zweite Zielwert wie auch die ersten und zweiten vordefinierten Zielwerte den Zahlenwert 0 nehmen. Es kann der Ausgabezielwert ebenfalls auf den Zahlenwert 0 herabgeregelt werden, wodurch die Handwerkzeugmaschine 100 zum Stillstand gebracht werden kann.
In der gezeigten Ausführungsform kann die Information der Modellinferenz 183 ferner in einer Statusanzeige 189 angezeigt werden.
Darüber hinaus kann die Modellinferenz einem Reset-Vorgang unterzogen werden, in dem die Modellausführungen auf einen Ausganswert zurückgesetzt werden. Dies kann beispielweise bei separaten Schraubvorgängen vorgenommen werden. Beispielsweise kann für jeden neuen Schraubvorgang, bei dem eine individuelle Schraube in ein Werkstück 137 eingeschraubt- bzw. aus diesem ausgeschraubt wird, das Zustandsbestimmungsmodul 107 resettet werden. Alternativ oder zusätzlich kann ein Resett auch beim Ein- oder Ausschalten der Handwerkzeugmaschine 100 ausgeführt werden.
Hierzu wird zunächst basierend auf den Sensormessungen 175 eine Reset-Vorverarbeitung 181 durchgeführt und hierauf basierend eine Resett-Entscheidung 185 bewirkt. Die Reset-Entscheidung 185 kann ferner unter Berücksichtigung der Ergebnisse der Modellinferenz 183 bewirkt werden.
Die Informationen der Modellinferenz 183 und Nachverarbeitung 187 können in digitaler oder quasi analoger Form bereitgestellt werden.
6 zeigt eine graphische Darstellung eines Systems zum Auswählen von Daten für ein Training einer künstlichen Intelligenz 149 gemäß einer Ausführungsform.
In der gezeigten Ausführungsform umfasst das System zum Auswählen von Daten für ein Training einer künstlichen Intelligenz eine Recheneinheit 105 und eine auf der Recheneinheit 105 installierte und ausführbare künstliche Intelligenz 148, 149. Die Recheneinheit 105 kann beispielsweise als ein Desktopcomputer, ein Laptop oder eine Serverarchitektur ausgebildet sein. Die künstliche Intelligenz 148, 149 kann beispielsweise als ein zum Auswählen von Daten für ein Training einer künstlichen Intelligenz entsprechend trainiertes künstliches neuronales Netz ausgebildet sein.
Die vorliegende Erfindung zielt darauf ab, Datensätze 501 von Handwerkzeugmaschinen 100 für einen Trainingsdatensatz 500 zum Trainieren einer künstlichen Intelligenz auszuwählen. Die vorliegende Erfindung zielt insbesondere darauf ab, bereits bestehende Trainingsdatensätze 505, in denen bereits zu früheren Zeiten ausgewählte Datensätze 503 einer Betriebsgröße 119 der Handwerkzeugmaschine 100 enthalten sind, mit aktuellen Datensätzen 501 der Betriebsgröße 119 zu ergänzen. Das Verfahren zielt insbesondere darauf ab, den bereits bestehenden Trainingsdatensatz 505 lediglich mit aktuellen Datensätzen 501 zu ergänzen und hieraus den neuen Trainingsdatensatz 500 zu erzeugen, die einen hohen Unähnlichkeitsgrad zu den bereits ausgewählten Datensätzen 503 des ursprünglichen Trainingsdatensatzes 505 aufweisen. Hierüber soll ein möglichst heterogener neuer Trainingsdatensatz 500 generiert werden, der eine möglichst geringe Redundanz von Datensätzen aufweist, die eine hohe Ähnlichkeit haben. Durch die hohe heterogene Verteilung der Datensätze des neu generierten Trainingsdatensatzes 500 kann eine hohe Effizienz des Trainings der künstlichen Intelligenz 149 der Handwerkzeugmaschine 100 erreicht werden.
Erfindungsgemäß wird die Beurteilung der Ähnlichkeit zwischen den aktuell empfangenen Datensätzen 501 und den vorbekannten Datensätzen 503 des bereits bestehenden ursprünglichen Trainingsdatensatzes 505 über eine entsprechend trainierte künstliche Intelligenz 148 bewirkt, die auf der Recheneinheit 105 ausgeführt wird.
Hierzu werden zunächst die vorbekannten Datensätze 503 des bereits bestehenden ursprünglichen Trainingsdatensatzes 505 empfangen. Ferner wird ein aktueller Datensatz 501 einer Handwerkzeugmaschine 100 empfangen.
Die Datensätze 501, 503 können jeweils von ein und derselben Handwerkzeugmaschine 100 stammen und jeweils zu unterschiedlichen Zeitpunkten während eines Betriebs der Handwerkzeugmaschine 100 aufgenommen worden sein. Alternativ hierzu können die verschiedenen Datensätze 501, 503 von jeweils unterschiedlichen Handwerkzeugmaschinen 100 stammen. Die Handwerkzeugmaschinen 100 können vom gleichen Typ sein. Beispielsweise sind die Handwerkzeugmaschinen 100 jeweils als Schrauben gleicher Ausführung und gegebenenfalls gleichen Modells ausgebildet.
Die Datensätze 501, 503 können Messwerte 121 der Betriebsgröße 119 umfassen, die jeweils Betriebszustände A, B, C der Handwerkzeugmaschine 100 und/oder Ereigniszeitpunkte 125, 126, an denen jeweils ein Übergang der Handwerkzeugmaschine 100 zwischen verschiedenen Betriebszuständen A, B, C erfolgt, abbilden.
Die Betriebsgröße 119 kann beispielsweise einen Motorstrom, einen Motorpositionswinkel, eine Motordrehgeschwindigkeit, eine Spannung einer Spannungsquelle der Handwerkzeugmaschine 100 oder eine ähnliche physikalisch messbare Größe umfassen.
Ein Betriebszustand A, B, C kann beispielsweise einen Lastbereich, in dem die Handwerkzeugmaschine 100 betrieben wird, eine Stärke von Vibrationen in der Handwerkzeugmaschine 100 und/oder an einem bearbeiteten Werkstück 137 und/oder ein Nutzer der Handwerkzeugmaschine 100, eine Temperatur der Handwerkzeugmaschine 100 und/oder des Werkstücks 137, einen Betriebsmodus, in dem die Handwerkzeugmaschine 100 betrieben wird, einen Arbeitsfortschritt der Handwerkzeugmaschine 100, ein Material des Werkstücks 137, eine Existenz eines Kraftschlusses zwischen der Handwerkzeugmaschine 100 und dem Werkstück 137 oder einen ähnlichen Zustand der Handwerkzeugmaschine 100 beschreiben.
Erfindungsgemäß wird nach Empfang der Datensätze 501, 503 der aktuelle Datensatz 501 mit den bereits vorbekannten Datensätzen 503 des ursprünglichen Trainingsdatensatzes 505 verglichen und ein Ähnlichkeitswert zwischen dem aktuellen Datensatz 501 und den bereits vorbekannten Datensätzen 503 ermittelt. Falls der Ähnlichkeitswert des empfangenen Datensatzes 501 zu den bereits vorbekannten Datensätzen 503 einen vordefinierten Grenzwert unterschreitet, so wird der empfangene Datensatz 501 ausgewählt und zusammen mit den bereits vorbekannten Datensätzen 503 des ursprünglichen Trainingsdatensatzes 501 ein neuer Trainingsdatensatz 500 generiert.
Gemäß der gezeigten Ausführungsform wird das Bestimmen des Ähnlichkeitswerts des empfangenen Datensatzes 501 zu den bereits vorbekannten Datensätzen 503 die künstliche Intelligenz 148 auf die Datensätze 501, 503 ausgeführt. Hierauf folgend wird für jeden Datensatz 501, 503 eine Merkmalsraumdarstellung 301, 303, 305, 307, 309, 311 erzeugt, die jeweils durch einen Merkmalsvektor des jeweiligen Datensatzes 501, 503 gebildet ist. Übermittlung des Ähnlichkeitswerts der Datensätze 501, 503 wird darauf folgend eine Vektorarithmetik der Merkmalsraumdarstellungen 301, 303, 305, 307, 309, 311 innerhalb eines Merkmalsraums 300 der künstlichen Intelligenz 148 ausgeführt. Hierzu wird eine Distanz D zwischen der Merkmalsraumdarstellung 301, 305, 309 des empfangenen Datensatzes 501 zu den Merkmalsraumdarstellungen 303, 307, 311 der bereits vorbekannten Datensätze 503 des ursprünglichen Trainingsdatensatzes 500 bestimmt.
Die vorliegende Erfindung basiert auf der Idee, dass für Datensätze 501, 503 mit einer hohen Ähnlichkeit die jeweils entsprechenden Merkmalsraumdarstellungen 301, 303, 305, 307, 309, 311 mit einem entsprechend geringen Abstand in dem Merkmalsraum 300 angeordnet sind. Datensätze 501, 503 mit einer geringen Ähnlichkeit weisen hingegen Merkmalsraumdarstellungen 301, 303, 305, 307, 309, 311 auf, die im Merkmalsraum 300 entsprechend mit einer größeren Distanz D zueinander angeordnet sind. Über die Distanzmessung zwischen der Merkmalsraumdarstellung 301, 305, 307 des empfangenen Datensatzes 501 zu den Merkmalsraumdarstellungen 303, 307, 311 der bereits vorbekannten Datensätze 503 des ursprünglichen Trainingsdatensatzes 505 kann somit eine präzise Ermittlung der Ähnlichkeit zwischen den jeweiligen Datensätzen 501, 503 bewirkt werden.
Ein Datensatz 501 mit einer ausreichend geringen Ähnlichkeit, für den der jeweilige Ähnlichkeitswert den vordefinierten Grenzwert unterschreitet, kann darauf folgend für das Erstellen des neuen Trainingsdatensatzes 500 ausgewählt werden, da aufgrund der geringen Ähnlichkeit des Datensatzes 501 zu den bereits vorbekannten Datensätzen 503 eine Gefahr der Redundanz von Datensätzen 501, 503 im neuen Trainingsdatensatz 500 gering ist.
Hierauf basierend wird somit der Datensatz 501 ausgewählt, dessen Merkmalsraumdarstellung 301, 305, 307 eine Distanz D zu den Merkmalsraumdarstellungen 303, 307, 311 der bereits vorbekannten Datensätze 503 aufweist, die größer ist als eine vordefinierte Schwellendistanz Dmin. Die Schwellendistanz Dmin ist hierbei die Repräsentation im Merkmalsraum 300 des Vorgrenzwerts. Für eine nähere Erläuterung der Distanzbestimmung im Merkmalsraum 300 wird auf die Beschreibung zu 8 verwiesen.
Die Datensätze 501, 503 können insbesondere von einer großen Menge verschiedener Handwerkzeugmaschinen 100 stammen.
7 zeigt ein Flussdiagramm eines Verfahrens 200 zum Auswählen von Daten für ein Training einer künstlichen Intelligenz 149 gemäß einer Ausführungsform.
Zum Auswählen von Daten für ein Training einer künstlichen Intelligenz 149 für eine Steuerung einer Handwerkzeugmaschine 100 wird in einem ersten Verfahrensschritt 201 zunächst ein Datensatz 501 von Messwerten 121 wenigstens einer Betriebsgröße 119 der Handwerkzeugmaschine 100 empfangen. Die Messwerte 121 wurden hierbei durch eine Messung oder eine Mehrzahl von Messungen der Betriebsgröße 119 der Handwerkzeugmaschine 100 oder einer Mehrzahl von Handwerkzeugmaschinen 100 gleichen Typs erzeugt.
In einem weiteren Verfahrensschritt 203 wird ein Ähnlichkeitswert des empfangenen Datensatzes 501 von Messwerten 121 zu bereits für die Erzeugung eines ursprünglichen Datensatzes 505 ausgewählten Datensätzen 503 von Messwerten 121 der Betriebsgröße 119 der Handwerkzeugmaschine 100 ermittelt.
In einem weiteren Verfahrensschritt 205 wird der empfangene Datensatz 501 für die Erzeugung eines neuen Trainingssatzes 500 ausgewählt, falls der empfangene Datensatz 501 von Messwerten eine geringe Ähnlichkeit zu den bereits ausgewählten Datensätzen 503 der Messwerte 121 des ursprünglichen Trainingsdatensatzes 505 aufweist und der Ähnlichkeitswert des empfangenen Datensatzes 501 von Messwerten 121 einen vordefinierten Grenzwert unterschreitet.
Hierzu wird in der gezeigten Ausführungsform in einem weiteren Verfahrensschritt 207 die künstliche Intelligenz 148 auf den empfangenen Datensatz 501 angewendet und eine Merkmalsraumdarstellung 301, 305, 309 des Datensatzes 501 generiert.
In einem weiteren Verfahrensschritt 209 wird eine Distanz D der Merkmalsraumdarstellung 301, 305, 309 des empfangenen Datensatzes 501 zu vorbekannten Merkmalsraumdarstellungen 303, 307, 311 der bereits für den ursprünglichen Trainingsdatensatz 500 ausgewählten Datensätzen 503 bestimmt.
In einem weiteren Verfahrensschritt 211 wird bestimmt, dass der Ähnlichkeitswert des empfangenen Datensatzes 501 zu den bereits vorbekannten Datensätzen 503 des ursprünglichen Trainingsdatensatzes 505 den vordefinierten Grenzwert unterschreitet, falls die Distanz D zwischen der Merkmalsraumdarstellung 301, 305, 309 des empfangenen Datensatzes 501 und den vorbekannten Merkmalsraumdarstellungen 303, 307, 311 der bereits ausgewählten Datensätze 503 des ursprünglichen Trainingsdatensatzes 505 eine vordefinierte Schwellendistanz D_min überschreitet.
Gemäß einer Ausführungsform kann die Distanzbestimmung über eine Bestimmung einer euklidischen Distanz oder einer Manhattan-Distanz ausgeführt werden.
8 zeigt eine graphische Darstellung eines Merkmalsraums 300 gemäß einer weiteren Ausführungsform.
In dem gezeigten Beispiel sind drei verschiedene Gruppen von Merkmalsraumdarstellungen von zugehörigen Datensätzen 501, 503 dargestellt. Die drei verschiedenen Gruppen sind jeweils durch die unterschiedlichen Symbole, Kreis, Quadrat, Dreieck, dargestellt. Die ausgefüllten Symbole beschreiben hierbei die Merkmalsraumdarstellungen 301, 305, 309 der jeweils empfangenen Datensätze 501, während die nicht ausgefüllten Symbole die Merkmalsraumdarstellungen 303, 307, 311 der bereits vorbekannten Datensätze 503 des ursprünglichen Trainingsdatensatzes 505 darstellen.
Um jede Gruppe von Merkmalsraumdarstellungen 303, 307, 311 der bereits vorbekannten Datensätze 503 ist eine entsprechende Schwellendistanz D_min angeordnet. Die Schwellendistanz D_min beschreibt hierbei den vordefinierten Grenzwert für den Ähnlichkeitswert zwischen dem empfangenen Datensatz 501 und den bereits vorbekannten Datensätzen 503.
Die durch die Kreise dargestellten Merkmalsraumdarstellungen 309, 311 beschreiben hierbei den Fall, in dem die Merkmalsraumdarstellung 309 des aktuellen empfangenen Datensatzes 501 eine geringere Distanz D zu den Merkmalsraumdarstellungen 311 der bereits vorbekannten Datensätze 503 aufweist als die Schwellendistanz D_min. In einem solchen Fall weist der empfangene Datensatz 501 eine hohe Ähnlichkeit zu den bereits vorbekannten Datensätzen 503 des ursprünglichen Trainingsdatensatzes 505 auf, sodass der entsprechende Datensatz 501 nicht für die Generierung eines neuen Trainingsdatensatzes 500 ausgewählt werden würde.
Die beiden anderen Gruppen, symbolisiert durch die Dreieck- beziehungsweise Quadratsymbole, beschreiben hingegen den Fall, dass die Merkmalsraumdarstellung 301, 305 eine Distanz D zu den Merkmalsraumdarstellungen 303, 307 aufweist, die jeweils größer ist als die Schwellendistanz D_min. Die große Distanz D zwischen den Merkmalsraumdarstellungen 301, 305 der jeweilig empfangenen Datensätze 501 zu den Merkmalsraumdarstellungen 303, 307 der bereits vorbekannten Datensätze 503 zeigt hierbei eine entsprechend geringe Ähnlichkeit zwischen den empfangenen Datensätzen 501 und den vorbekannten Datensätzen 503. Die Ähnlichkeitswerte der jeweiligen Datensätze 501 würden somit den vordefinierten Grenzwert unterschreiten, und die Datensätze 501 würden erfindungsgemäß für das Erzeugen des neuen Trainingsdatensatzes 505 ausgewählt werden.
Die Distanz D zwischen den Merkmalsraumdarstellungen 301, 305, 309 der empfangenen Datensätze 501 zu den Merkmalsraumdarstellungen 303, 307, 311 der bereits vorbekannten Datensätze 503 wird gemäß der gezeigten Ausführungsform zwischen den Merkmalsraumdarstellungen 301, 305, 309 zu einem Zentrum 313 der Gruppe von Merkmalsraumdarstellungen 303, 307, 311 der vorbekannten Datensätze 503 ermittelt. Das Zentrum 313 kann beispielsweise ein geometrisches Zentrum sein.
9 zeigt eine schematische Darstellung einer künstlichen Intelligenz 149, die eingerichtet ist, in einer Steuerung der Handwerkzeugmaschine 100 eingesetzt zu werden.
Das Zustandsbestimmungsmodul 107 kann eine entsprechend trainierte künstliche Intelligenz 149 umfassen, die darauf trainiert ist, basierend auf Messwerten der Betriebsgröße 119 vorliegende Betriebszustände A, B, C zu ermitteln bzw. Ereigniszeitpunkte 125, 126 vorherzusagen. Das Zustandsbestimmungsmodul 107 kann ferner dazu ausgebildet sein, zweite Zielwerte bzw. Ausgabezielwerte zu ermitteln.
9 zeigt eine Ausführungsform einer solchen künstlichen Intelligenz 149, die zum Ermitteln von Betriebszuständen A, B, C bzw. Vorhersagen von Ereigniszeitpunkten 125, 126 verwendbar ist.
In der gezeigten Ausführungsform ist die künstliche Intelligenz 149 als ein künstliches neuronales Netz und insbesondere als ein Long-Short-Term-Memory LSTM-Netz ausgebildet.
In der gezeigten Ausführungsform umfasst das künstliche neuronale Netz ein Inputlayer 153 zur Aufnahme von Eingangsdaten 151. Die Eingangsdaten können die Sensordaten der Betriebsgröße 119 in einer entsprechend vorverarbeiteten Form umfassen.
Ferner umfasst das künstliche neuronale Netz zwei Dense-Layer 155 und zwei Pooling-Layer 157, die in abwechselnder Form nacheinander angeordnet sind. Darüber hinaus umfasst das künstliche neuronale Netz zwei Long-Short-Term-Memory-Layer 159 zwischen dem ein Dropout-Layer 161 angeordnet ist. Abschießend umfasst das künstliche neuronale Netz ferner wiederum zwei Denzlayer und ein Outputlayer 163.
In der Datenverarbeitung erfolgt zunächst durch das Inputlayer 153, die ersten zwei Dense-Layer 155 und die zwei Pooling- Layer 157 ein Downsampling 164. Die beiden folgenden LSTM-Layer 159 und das zwischengeordnete Dropout-Layer 161 bewirken eine Merkmalsextraktion 165. Die beiden letzten Dense-Layer 155 und das Output-Layer 163 ermöglichen eine Vorhersage 166.
Abweichend von der gezeigten Ausführungsform kann die verwendete künstliche Intelligenz 149 auch in einer anderen Modellarchitektur strukturiert werden, die in der Lage ist, auf Basis einer Zeitreihe 123 von Messwerten 121 der Betriebsgröße 119 eine Regression oder Klassifikation durchzuführen. Eine Voraussetzung für die verwendete Modellarchitektur der künstlichen Intelligenz 149 ist hingegen, dass das jeweilige Modell in einem Format bereitgestellt werden kann, das auf einem Microcontroller einer Handwerkzeugmaschine 100 ausgeführt werden kann.
Für die hier beschriebene Ausführungsform kann ein Tensorflow/Keras-Model mit der nachfolgend abgebildeten Architektur genutzt werden. Nach Abschluss des Trainings kann das Modell zuerst in das Tensorflow-Lite Format konvertiert werden, welches wiederum mit Hilfe eines TVM Converters in C-Code für den Microcontroller übersetzt werden kann.
Die drei Eingangskanäle können beispielsweise der Motorstrom I des Motors 101, die Trigger-Spannung des Auslöseschalters 109 sowie die Motor-Umdrehungen pro Sekunde sein.

Die verwendete Architektur kann wie folgt aufgebaut sein:

Schicht (Typ)	Ausgabe Form	Parameter Anzahl
denseG0_8 (Dense)	(None, None, 8)	32
pool0_4 (AveragePooling1D)	(None, None, 8)	0
denseG1_16 (Dense)	(None, None, 16)	114
pool1_4 (AveragePooling1 D)	(None, None, 16)	0
Istm0_32 (LSTM)	(None, None, 32)	2272
dropout0_0.25 (Dropout)	(None, None, 32)	0
Istm1_8 (LSTM)	(None, None, 8)	1312
denseG2_4 (Dense)	(None, None, 4)	36
dense0_1 (Dense)	(None, None, 1)	5

Absolute Anzahl der verwendeten Parameter: 7,801
Davon trainierbare Parameter: 7,801
nicht-trainierbare Parameter: 0
Das erste Dense-Layer 155 kann mit einem 6X8 Kernel und einem 8 Bias ausgebildet sein. Das zweite Dense-Layer 155 kann mit einem 8X16 Kernel und einem 16 Bias ausgebildet sein. Das erste LSTM-Layer 159 kann mit einem 16X128 Kernel, einem 32X128 Recurrent Kernel und einem 128 Bias ausgebildet sein. Das zweite LSTM-Layer 159 kann mit einem 32X32 Kernel, einem 8X32 Recurrent Kernel und einem 32 Bias ausgebildet sein. Das dritte Dense-Layer 155 kann mit einem 8X4 Kernel und einem 4 Bias ausgebildet sein. Das vierte Dense Layer 155 kann mit einem 4X1 Kernel und einem 1 Bias ausgebildet sein.
Die Dense-Layer 155 und die LSTM Layer 159 können mit einer TanH Aktivierungsfunktion ausgebildet sein.
10 zeigt ein Flussdiagramm eines Verfahrens 300 zum Trainieren einer künstlichen Intelligenz 149.
Zum Trainieren der künstlichen Intelligenz 149 wird in einem Verfahrensschritt 401 zunächst das Verfahren 200 zum Auswählen von Daten für ein Training einer künstlichen Intelligenz 149 für eine Steuerung einer Handwerkzeugmaschine 100 nach den oben beschriebenen Ausführungsformen ausgeführt und entsprechend ein empfangener Datensatz 501 ausgewählt.
In einem weiteren Verfahrensschritt 403 wird der ausgewählte Datensatz 501 zu den bereits ausgewählten Datensätzen 503 des ursprünglichen Trainingsdatensatzes hinzugefügt und ein neuer Trainingsdatensatz 500 erzeugt.
11 zeigt eine schematische Darstellung eines Computerprogrammprodukts 600, umfassend Befehle, die bei der Ausführung des Programms durch eine Datenverarbeitungseinheit diese veranlassen, das Verfahren 200 zum Auswählen von Daten für ein Training einer künstlichen Intelligenz 149 für eine Steuerung einer Handwerkzeugmaschine 100 nach einer der voranstehenden Ausführungsformen und/oder das Verfahren 300 zum Erzeugen eines Trainingsdatensatzes 500 auszuführen.
Das Computerprogrammprodukt 600 ist in der gezeigten Ausführungsform auf einem Speichermedium 601 gespeichert. Das Speichermedium 601 kann hierbei ein beliebiges aus dem Stand der Technik bekanntes Speichermedium sein.

Claims

Verfahren (200) zum Auswählen von Daten für ein Training einer künstlichen Intelligenz (149) für eine Steuerung einer Handwerkzeugmaschine (100), umfassend: Empfangen (201) eines Datensatzes (501) von Messwerten (121) wenigstens einer Betriebsgröße (119) der Handwerkzeugmaschine (100), wobei die Messwerte (121) durch eine Messung oder eine Mehrzahl von Messungen der Betriebsgröße (119) der Handwerkzeugmaschine (100) oder einer Mehrzahl von Handwerkzeugmaschinen (100) gleichen Typs erzeugt wurden; Ermitteln (203) eines Ähnlichkeitswerts des empfangenen Datensatzes (501) von Messwerten (121) zu bereits für die Erzeugung eines ursprünglichen Trainingsdatensatzes (505) ausgewählten Datensätzen (503) von Messwerten (121) der Betriebsgröße (119) der Handwerkzeugmaschine (100); Auswählen (205) des empfangenen Datensatzes (501) von Messwerten (121) für die Erzeugung eines neuen Trainingsdatensatzes (500), falls der empfangenen Datensatz (501) von Messwerten (121) eine geringe Ähnlichkeit zu den bereits ausgewählten Datensätzen (503) der Messwerte (121) aufweist und der Ähnlichkeitswert des empfangenen Datensatzes (501) von Messwerten (121) einen vordefinierten Grenzwert unterschreitet.
Verfahren (200) nach Anspruch 1, wobei das Ermitteln (205) des Ähnlichkeitswerts umfasst: Ausführen (207) einer künstlichen Intelligenz (148, 149) auf den empfangenen Datensatz (501) von Messwerten und Erzeugen einer Merkmalsraumdarstellung (301, 305, 309) des Datensatzes (501), wobei die Merkmalsraumdarstellung (301, 305, 309) des Datensatzes (501) eine Repräsentation des empfangenen Datensatzes (501) in einem Merkmalsraum (300) der künstlichen Intelligenz (148, 149) darstellt; Bestimmen (209) einer Distanz (D) der Merkmalsraumdarstellung (301, 305, 309) des empfangenen Datensatzes (501) zu vorbekannten Merkmalsraumdarstellungen (303, 307, 311) der bereits für den Trainingsdatensatz (500) ausgewählten Datensätzen (503); und Bestimmen (211), dass der Ähnlichkeitswert des empfangenen Datensatzes (501) von Messwerten (121) zu den bereits ausgewählten Datensätzen (503) von Messwerten (121) den vordefinierten Grenzwert unterschreitet, falls die Distanz (D) zwischen der Merkmalsraumdarstellung (301, 305, 309) des empfangenen Datensatzes (501) der Messwerte (121) und den vorbekannten Merkmalsraumdarstellungen (303, 307, 311) der bereits ausgewählten Datensätzen (503) der Messwerte (121) eine vordefinierte Schwellendistanz (D_min) überschreitet.
Verfahren (200) nach Anspruch 2, wobei die Schwellendistanz (D_min) empirisch ermittelt wird und einer maximal zulässigen Ähnlichkeit des empfangenen Datensatzes (501) der Messwerte (121) zu den bereits für die Erzeugung des Trainingsdatensatzes (500) ausgewählten Datensätzen (503) der Messwerte (121) entspricht.
Verfahren (200) nach Anspruch 2 oder 3, wobei die Distanz (D) eine euklidische Distanz oder eine Manhattan-Distanz ist.
Verfahren (200) nach einem der voranstehenden Ansprüche, wobei der empfangene Datensatz (501) der Messwerte (121) der Betriebsgröße (119) und/oder die ausgewählten Datensätze (503) der Messwerte (121) der Betriebsgröße (119) Betriebszustände (A, B, C) der Handwerkzeugmaschine (100) und/oder Ereigniszeitpunkte (125, 126), an denen jeweils ein Übergang der Handwerkzeugmaschine (100) zwischen verschiedenen Betriebszuständen (A, B, C) erfolgt, abbilden.
Verfahren (200) nach einem der voranstehenden Ansprüche, wobei die Betriebsgröße (119) eines oder mehrere aus der Liste umfasst: Motorstrom, Motor-Positionswinkel, Motor-Drehgeschwindigkeit, Spannung einer Spannungsquelle der Handwerkzeugmaschine (100), und/oder wobei der Betriebszustand (A, B, C) eines oder mehrere aus der Liste umfasst: einen Lastbereich, in dem die Handwerkzeugmaschine (100) betrieben wird, eine Stärke von Vibrationen in der Handwerkzeugmaschine (100) und/oder an einem bearbeiteten Werkstück (137) und/oder im Nutzer der Handwerkzeugmaschine (100), eine Temperatur in der Handwerkzeugmaschine (100) und/oder am Werkstück (137), Betriebsmodus, in dem die Handwerkzeugmaschine (100) betrieben wird, einen Arbeitsfortschritt der Handwerkzeugmaschine (100), Material des Werkstücks (137), eine Existenz eines Kraftschlusses zwischen der Handwerkzeugmaschine (100) und dem Werkstück (137).
Verfahren (400) zum Erzeugen eines Trainingsdatensatzes (500) für ein Training einer künstlichen Intelligenz (149), umfassend: Ausführen (401) des Verfahrens (200) zum Auswählen von Daten für ein Training einer künstlichen Intelligenz (149) für eine Steuerung einer Handwerkzeugmaschine (100) nach einem der voranstehenden Ansprüchen 1 bis 6 und Auswählen des empfangenen Datensatzes (501); Hinzufügen (403) des ausgewählten Datensatzes (501) der Messwerte (121) zu den bereits für einen ursprüngliche Trainingsdatensatz (505) ausgewählten Datensätzen (503) der Messwerte (121) und Erzeugen eines neuen Trainingsdatensatzes (500).
Trainingsdatensatz (500) für ein Training einer künstlichen Intelligenz (149) zum Ermitteln eines Betriebszustands (A, B, C) einer Handwerkzeugmaschine (100), wobei der Trainingsdatensatz (500) nach dem Verfahren (300) zum Erzeugen eines Trainingsdatensatzes (500) für ein Training einer künstlichen Intelligenz (149) nach Anspruch 7 erzeugt ist.
Recheneinheit (105), die eingerichtet ist, das Verfahren (200) zum Auswählen von Daten für ein Training einer künstlichen Intelligenz (149) für eine Steuerung einer Handwerkzeugmaschine (100) nach einem der voranstehenden Ansprüche 1 bis 6 und/oder das Verfahren (300) zum Erzeugen eines Trainingsdatensatzes (500) nach Anspruch 7 auszuführen.
Computerprogrammprodukt (600) umfassend Befehle, die bei der Ausführung des Programms durch eine Datenverarbeitungseinheit diese veranlassen, das Verfahren (200) zum Auswählen von Daten für ein Training einer künstlichen Intelligenz (149) für eine Steuerung einer Handwerkzeugmaschine (100) nach einem der voranstehenden Ansprüche 1 bis 6 und/oder das Verfahren (300) zum Erzeugen eines Trainingsdatensatzes (500) nach Anspruch 7 auszuführen.