EP3827318A1 - Kommunikations- und steuerungs-/regelungssystem für eine abfüllanlage - Google Patents

Kommunikations- und steuerungs-/regelungssystem für eine abfüllanlage

Info

Publication number
EP3827318A1
EP3827318A1 EP19727980.5A EP19727980A EP3827318A1 EP 3827318 A1 EP3827318 A1 EP 3827318A1 EP 19727980 A EP19727980 A EP 19727980A EP 3827318 A1 EP3827318 A1 EP 3827318A1
Authority
EP
European Patent Office
Prior art keywords
communication
machine
operator
control system
ksr3
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
Application number
EP19727980.5A
Other languages
English (en)
French (fr)
Inventor
Timo Pronold
Wolfgang Hahn
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Krones AG
Original Assignee
Krones AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Krones AG filed Critical Krones AG
Publication of EP3827318A1 publication Critical patent/EP3827318A1/de
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/409—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using manual data input [MDI] or by using control panel, e.g. controlling functions with the panel; characterised by control panel details or by setting parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B57/00—Automatic control, checking, warning, or safety devices
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24168—Identify connected programmer to allow control, program entry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Definitions

  • the present invention relates to the field of bottling plants and in particular to the control / regulation of bottling plants with the aid of operating devices.
  • Filling systems for beverages or the like comprise a plurality of production units connected in series, such as filling machines, labeling machines and packaging machines.
  • these can at least partially be designed as rotary machines which are coupled to one another by means of rotating transfer devices.
  • the production units can also be designed as straight-line rotors and / or can be connected to one another via linear transport devices, distribution devices and product buffers.
  • Corresponding system concepts are described, for example, in DE 4 442 586 W4, DE 20 2004 012 848 U1 and EP 2 218 664 A2.
  • a bottling plant is generally operated via a touch screen, via which instructions for the control or regulation of individual machines of the bottling plant can be entered by an operator.
  • Authentication of the operator for example by means of a transponder on which the identity of the operator is encoded, may be required to ensure that only operations for which the operator is authorized are carried out in response to inputs by the operator. Confirmations of operator input as well as information about the operating status or operational malfunctions can be displayed on the touch screen.
  • a communication and control / regulation system for at least one bottling plant for at least one bottling plant (in particular for bottling drinks; it is also possible to provide a number of juxtaposed plants), the bottling plant having a machine with a software Communication robot, in particular a chatbot, which is designed to recognize a voice input and / or text input by an operator and / or to output or display information about the operating state of the machine; a control device that is connected to the software communication robot for data communication and is designed to control and / or regulate the machine on the basis of the voice input and / or text input recognized by the software communication robot.
  • Said machine can be, for example, a filling machine, labeling machine, packaging machine, direct printing machine or blowing machine.
  • a transport device / transport route can fall under the term machine here.
  • the term control system is understood here to mean a control and / or regulating system.
  • the control system can be part of a central control system of the entire bottling plant, which controls all the machines.
  • the software (software-implemented) communication robot can be at least partially placed on one of the machines of the filling plant and can be a chatbot or can include one.
  • the software communication robot can comprise or be connected to a display device and it can comprise a speech output or be connected to such. A dialog with an operator can be conducted via such a voice output.
  • the software communication robot can be implemented in a central computing unit of the filling system. In any case, it receives a voice input recorded by a microphone or a text input from an operator.
  • the chatbot is a computer-implemented dialogue system that can be used to communicate via text input or voice, so that it intelligently supports the operator of a machine in the filling system.
  • the software communication robot significantly simplifies the operation of the filling system in comparison to the known touch screen terminals of the prior art.
  • the software communication robot can comprise a speech recognition module which allows the recognition of text and / or (spoken) speech inputs in several languages or dialects, so that the operator is able to operate the filling plant in his preferred language.
  • the software communication robot can be designed to question inputs and to show solutions for desired operations or problems mentioned by the operator or independently recognized problems.
  • the software communication robot can be designed to present diagnostic information.
  • a software communication robot which is positioned on a specific machine of the filling system or is logically assigned to the machine, can also present data relating to the operating sequence of another machine of the filling system.
  • the data presentation can take place via a display device provided on or at the machine, via which information can generally be presented using, inter alia, virtual reality or augmented reality applications.
  • the information can be output via a voice output.
  • the voice output can take place via a headset worn by the operator.
  • the presentation of information / data can also be done via a mobile control device and / or smartphone.
  • the data communication with the control / regulating device of the bottling plant enables the software communication robot to initiate suitable operations in response to a dialogue with the operator.
  • the software communication robot can comprise a speaker recognition module, which is used in particular for speaker identification. It can also serve the speaker verification, ie, to verify the identity of a speaker specified by an operator.
  • the software communication robot can recognize an operator via the speaker recognition module and can thus enter into a dialogue with the operator adjust recognized operator to the same. For example, the dialog with an operator who is recognized as an experienced operator will differ from a dialog with another operator who will be recognized as a less experienced operator in terms of complexity and detail.
  • the dialogue can thus be suitably adapted to the training or experience of the operator.
  • the dialog can also be adapted to the competence of the recognized operator, so that the operator can be prevented from trying to initiate an operation for which he is not authorized.
  • the software communication robot can also have a data connection with a, in particular mobile, collaborative robot of the filling system, for example in radio communication or via an intranet, in order to give instructions in response to a dialog with the operator.
  • the software communication robot can be designed to communicate via a communication network and in response to a dialog with the operator with one or more other operators who are distant from the operator in dialog with the software communication robot.
  • the software communication robot can be equipped with an artificial intelligence (KL) module or be connected to one with which it can learn.
  • KL artificial intelligence
  • the software communication robot can be equipped with an artificial intelligence (KL) module or be connected to one with which it can learn.
  • KL artificial intelligence
  • an operator profile of an operator can be dynamically managed, saved and used for learning.
  • the operator profile can contain data about the qualifications and competencies of the operator, which determine to what extent the operator may influence the operation of which machines and components of the machines.
  • the operator profile can also be used in the voice recognition of a voice input by an operator.
  • the KL module can also be used for learning / training the above-mentioned speech recognition and speaker recognition.
  • the KL module can be designed for machine learning and can be or comprise an artificial neural network. Learning can be based, at least in part, on fuzzy logic.
  • the artificial neural network can be a Neuo-Fuzzy network.
  • the combination of fuzzy controllers with neural networks enables this automatic adaptation or generation of the fuzzy rules according to which the learning and the dialogue with an operator can take place.
  • each machine of the filling system for example a filling machine, a sealing machine, a labeling machine, a blowing machine and a packaging machine, can be equipped with a software communication robot or chatbot and the individual software communication robots or chatbots can be networked with one another his.
  • Figure 1 shows schematically communication and control systems in connection with machines of a filling plant according to an example of the present inven tion.
  • FIG. 2 shows a block diagram which illustrates a communication configuration in which a software communication robot can be implemented, such as can be used to operate a machine in a filling plant.
  • FIG. 3 shows an exemplary filling system that can be operated using a communication and control system according to the invention.
  • the present invention relates to the operation of machines in a filling plant.
  • the machines are operated via a text or voice input by an operator in a software communication robot.
  • a chatbot should representatively represent such a software communication robot, although any implementation of a software communication robot is included in this description.
  • the chatbot can be programmed at least partially in C ++ or Python.
  • FIG. 1 schematically shows a line of a filling plant 100, which has a number of machines M1, M2 and M3.
  • the machines each have components K1 1, K12 and K13 or K21, K22 and K23 or K31, K32 and K33, for example for processing bottles or preforms, via which they can process containers.
  • a first communication and control system KSR1 is connected to the first machine M1 for data exchange
  • a second communication and control system KSR2 is connected to the second machine M2 for data exchange
  • a third communication and control system Control system KSR3 is connected to the third machine M3 for data exchange.
  • Each of the communication and control systems KSR1, KSR2 and KSR3 can also store data from all machines M1, M2 and M3, for example via a connection of the machines M1, M2, M3 to one another or via a superordinate data system, into the data about all Machines M1, M2, M3 come in, receive.
  • the communication and control systems KSR1, KSR2 and KSR3 can also be connected to each other for data exchange.
  • the communication and control system KSR1 has a control system SR1 in connection with the machine M1 for controlling and / or regulating the same and a chatbot K1
  • the communication and control system KSR2 has a control / Control system SR2 in connection with machine M2 for controlling and / or regulating the same and a chatbot K2
  • the communication and control system KSR3 has a control system SR3 in connection with machine M3 for control and / or or regulation of the same and a chatbot K3.
  • the chatbot K1 is connected to the control system SR1
  • the chatbot K2 is connected to the control system SR2
  • the chatbot K3 is connected to the control system SR3.
  • An operator can operate one of the machines M1, M2 and M3 via one of the chatbots K1, K2 and K3.
  • Each of the chatbots can be implemented in the communication configuration 200 shown in FIG. 2.
  • Each of the control systems SR1, SR2 and SR3 can be part of a central control system. In particular, each of the control systems SR1, SR2 and SR3 does not have to be physically placed on one of the machines M1, M2, M3. Each of the control systems SR1, SR2 and SR3 is at least logically assigned to one of the machines.
  • the communication configuration 200 shown in FIG. 2 has an input interface 210. This input interface 210 receives data representing a voice input from an operator, which is picked up by a microphone, not shown. Alternatively, the input interface 210 can receive text data. It can be designed as a combined software and hardware interface. This data is sent from the input interface 210 to a (data) processing unit 220.
  • Processing unit 220 can be part of a central processing unit for the filling plant, which can have different processing units for different machines. Processing unit 220 may include a processor for processing data. Furthermore, the communication configuration 200 has an output unit 230 and an output interface 240. A voice output is generated via the output unit 230 and can be output via the output interface 240 and a loudspeaker (not shown) for dialogue with the operator. The output interface 240 can also be designed as a combined software and hardware interface.
  • the processing unit 220 can be designed to carry out speaker recognition on the basis of the data received from the input interface 210. Furthermore, the central processing unit 220 determines the semantic content of the speech input. The semantic content and the speaker recognition can be determined using one or more language models or semantic models, which are stored in a model memory 250. The probability of certain words occurring in a certain order can be taken into account when determining the semantic content.
  • the semantic model can be implemented in the form of a neural network or a Bayesian classifier.
  • the dialog with an operator which is carried out with the aid of the output unit 230 is carried out based on a dialog model which is stored in a dialog model memory 260.
  • the processing unit 220 can be designed to recognize voice inputs in a plurality of languages and / or dialects, in which case different models for the different languages or dialects have to be provided in the model memory 250.
  • a self-learning chatbot can be implemented in the communication configuration 200 shown in FIG.
  • the learning process takes place with the aid of a training unit 270, which collects and evaluates data, and receives speech data and recognized semantic data. see content stored in a memory 280.
  • an operator profile of an operator can be stored and updated in the memory 280. For example, it can be learned how the level of knowledge of an operator recognized with the aid of speaker recognition changes over time, and the dialog with this operator controlled by processing unit 220 can be adapted over time to the changing level of knowledge of the operator.
  • the dialog may be shortened in a later time due to the increased level of knowledge of the operator and thus faster operation of the machine enables who.
  • the operator profile can also be taken into account when determining the semantic content of the voice input.
  • the dynamic learning of a dialog guidance of a chatbot can take place with the aid of artificial intelligence implemented in the communication configuration 200.
  • Artificial intelligence can also be used for the speech recognition of a speech input or speech recognition / identification / verification.
  • Artificial intelligence can be implemented in the form of neural networks. Neural networks can be understood as tools which are suitable for emulating any nonlinear functions and thus also rules, for example of fuzzy logic, if these functions are available on the basis of examples. Regularities and thus weights of the neural networks can be learned / trained from a large number of examples, which can then be expressed with the aid of predefined but also adaptable rules, for example fuzzy sets and fuzzy rules.
  • the combination of fuzzy controllers with neural networks enables the fuzzy rules to be set up and parameterized in an intelligent way based on learning.
  • a rule more precisely a linguistic rule, comprises a number of premises in the form of a number belonging to a number of input variables belonging to a number of linguistic values, which are linked by a logical link, the so-called precondition of the rule, and an action in the form of a membership function of an output to a linguistic value (commonly referred to as an 'if-then' form).
  • each rule can be specified by an expert and / or learned by an automated process. The automated method can in particular be carried out with the artificial neural network mentioned.
  • a predetermined or learned rule can also be adapted through optimization steps.
  • An optimization step can adjust the solution of the above-mentioned parameters of a fuzzy set belonging to a linguistic value used in a rule or a prioritization or elimination of the rule.
  • a prioritization or elimination can take place in particular by setting or adapting weights of a rule when determining an overall membership function according to the invention on the basis of the resulting membership function of the action of the rule.
  • the logical combination of two or more linguistic values can be done by the usual logical operators, in particular by AND, OR and XOR. Binary, ternary or even operators with more than three operands can be used. In addition, the unary operation of negation can be applied to any linguistic value.
  • the degree of the precondition of the rule can be formed in particular by the minimum of the degrees of affiliation of the input variables to their corresponding linguistic values.
  • the degree of the precondition can be formed in particular by the maximum of the degrees of membership of the input variables to their corresponding linguistic values.
  • the logical AND linkage and / or the logical OR linkage can be carried out using limited sums.
  • the determination of a resultant membership function of an action of a rule takes place by shifting the degree of the precondition of the rule, that is, the logically linked premises, the 'if' part of the rule to the linguistic value of the action of the rule, the 'then'. Part of the rule.
  • the flipping also called inference, can take place by forming the minimum between the degree of the precondition and the membership function of the action, that is to say by graphically cutting off the membership function of the action at the level of the precondition.
  • the switch can be made by product formation between the degree of precondition and the membership function of the action.
  • a rule can include two or more premises, thus two or more linguistic values, as a precondition. Two or more linguistic values can be the same. Alternatively or in addition, two or more process variables that belong to the logical values of the precondition can be the same.
  • the determination of an overall membership function on the basis of the first resulting membership function of the action of the at least first predetermined rule can be done in particular by equating the overall membership function with the resulting first membership function of the action.
  • the resulting first membership function can be additionally modified by weighting, in particular by multiplication with a weighting function over the range of an output variable of the rule, and / or by cutting off at predetermined limits of the value range of the output variable.
  • an output variable (defuzzification) from the overall membership function can be done in particular by determining the abscissa value of the center of gravity of the area located under the overall membership function.
  • any value of the output variable for which the overall membership function has a maximum can be selected according to the max criterion method.
  • the mean value over the set of values of the output variable for which the overall membership function assumes its (global) maximum can be selected as the value of the output variable.
  • a virtual reality or augmented reality output can be presented to the operator via the output unit 230 and a corresponding design of the output interface 240, in particular via a display device (not shown in FIG. 2).
  • the virtual reality or augmented reality output can be used both to support the dialog with the operator and to display diagnostic and other operating data.
  • the virtual reality or augmented reality output can contain a particularly simulated, animated representation of information, for example about operating processes of machines in the filling plant.
  • An elaborate filling system 300 which can be operated with the aid of the communication and control systems KSR1, KSR2 and KSR3 shown in FIG. 1 is shown by way of example in FIG. 3.
  • the filling system 300 for filling containers 302, 303 with a liquid product, such as a beverage or the like comprises a filling machine 305 for filling and closing the containers 302, 303 and a distribution device 306 provided downstream of the filling machine 305 for distributing the containers 302, 303 on two separately controllable transport routes 307,
  • container buffer 309, 310 in each of which at least one container buffer 309, 310 with adjustable container guides 309a, 310a is provided.
  • the container buffers 309, 310 are followed by labeling machines 311, 312 and packaging machines 313, 314 for making container bundles 315. These are fed to a collecting and distributing device 316, so that the container bundles 315 are arranged on sorting tracks 317 provided downstream of the collecting and distributing device 316 can be distributed and fed to a picking device 318.
  • the transport routes 307, 308 each comprise first sections 307a, 308a on the input side, which are single-track and are designed for the pressure-free transport of the containers 302, 303. Furthermore, the transport routes 307, 308 comprise second sections 307b, 308b on the output side, which are each formed in multiple lanes for the pressure-free transport of the containers 302, 303.
  • the filling system 300 comprises a blow molding machine 319, 320.
  • separate blow molding machines 319, 320 are provided for making different containers 302, 303, for example containers of different geometric shapes.
  • At least one of the blow molding machines 319, 320 can be connected to the filling machine 3055 via an input-side transport path 321. Different incoming container streams can be fed for further processing via an inlet-side switch 305a.
  • Additional production units 323, 324 can be provided, for example, in the form of shrink tunnels.
  • a central control / regulation unit 322 is provided for controlling the filling system 300 according to the invention, which, in particular, includes the distribution device 306, the container buffers 309, 310, the labeling machines 311, 312 and production units upstream of the distribution device 306, such as the filling machine 305 and the blowing machines 319, 320 communicates.
  • the control / regulation systems KSR1, KSR2 and KSR3 or chatbots K1, K2, K3 shown in FIG. 1 can be part of the central control / regulation unit 322. Implementations with central and distributed data processing are possible.
  • the labeling machines 31 1, 312 are connected to chatbots K1, K2, the filling machine 305 to the chatbot K3 and the blow molding machines 319, 320 to the chat bots K4, K5.
  • the chatbots K1, K2, K3, K4 are logically assigned to the respective machines of the filling system 300.
  • all machines of the filling plant 300 can be equipped with chatbots, and the chatbots can be networked with one another so that they can exchange information about the operating states of the machines and the requirements of the operators.
  • the networking of chatbots with other machines, mobile collaborative robots, but also smartphones for operators, etc. can be restricted to a defined internal area (e.g. in the form of a company network) and at the same time an exchange on the Internet for independent learning of the chatbot , for example with regard to speech recognition or speaker identification).
  • the central control unit 322 is connected to the chatbots and can take over the coordination of the machines and transport technology at least partially, for example when organizing the system production and changing the type of product.
  • each machine can be assigned a communication and control / regulation system with a chatbot and control / regulation device.
  • An operator can operate the respective machines via the chatbots K1, K2, K3, K4, K5 with the aid of voice inputs and voice dialogs.
  • the chatbots can use display devices positioned at the machines to display information.
  • chatbots K1, K2, K3, K4, K5 can question inputs by the operator, submit solutions for presented or recognized problems or initiate specific actions.
  • each of the chatbots K1, K2, K3, K4, K5 can be designed to react to a dialog with an operator by another operator (depending on the qualification or for faster implementation / elimination, for example, of Setup processes or malfunctions) to call for support or to request a suitable free mobile collaborative robot and to commission it directly with a specific action (for example, the chatbot K2 in FIG. 3 is connected to a collaborative robot CR).
  • chatbots K1, K2, K3, K4, K5 can be designed to automatically terminate, prepare and start production via a control device, for example with the aid of the central control / regulation unit 322, and to accordingly adjust the material flow organize and tell the operator what tasks are to be done. It would also be possible to change an already initiated shutdown in such a way that the shutdown does not have to be carried out and then restarted.
  • the automatically extended production would also be conceivable because, for example, a new order for the product was received shortly and the necessary materials for the production are available or can be reordered in good time.
  • a reason for production that is longer or shorter in time could also be the receipt or lack of receipt of empties (for example from the beverage trade), which is delivered at short notice and can be fed into the filling system 300 or cannot be fed.
  • chatbots K1, K2, K3, K4, K5 are a dialogical clarification with the operator of which exact other product will be produced and in what quantity before switching production to another product or outputting information to the operator about which tasks for the production of a new product have to be done in which order (for example also cleaning and maintenance processes, general set-up processes such as material change, format part change, settings etc.).
  • operator support can be provided by the chatbots K1, K2, K3, K4, K5 in that automatic sub-processes such as cleaning / sterilization etc. are started in the correct order and / or in a predetermined time interval without the operator having to confirm again.
  • setup parts and tools / materials required for a setup process are sorted and provided by cobots, automated guided vehicles or forklift drivers,
  • animations or videos are offered and presented so that the location for the respective task to be performed is visually displayed on the machine, or
  • the respective presentation of information / data can also take place via a mobile control unit and / or smartphone.
  • expected states of the filling system 300 for example predictable / predictable stops or necessary interventions, for example accompanied by a voice output, can be displayed.
  • Preventive measures for example to avoid stops or malfunctions, CIP or cleaning processes and intermediate disinfection in aseptic systems etc. can also be recommended and / or initiated directly.
  • a dialogue with the operator can be carried out in advance, in which, for example, at the end of the shift in the evening / at the weekend after the start of the shift the next morning / Monday, the question is asked (for example: "When should the system / machine be ready for production?") ,
  • All of the above-mentioned operator support can be personalized based on a correspondingly created and updated operator profile, in particular depending on the level of knowledge and competence of the operator, since each chatbot can learn dynamically from the individual dialogues with the operator (see above).
  • the artificial intelligence implemented in the communication configuration 200 can learn in the course of regular use how long certain tasks, such as setting up and debugging, actually take. Based on this data, production planning is adjusted, for example, or suggestions are made to the shift manager. Data such as inventory and also the weather or the ambient conditions (temperature, humidity, time, etc.) can also be included in the optimization of the production data.

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Manipulator (AREA)
  • General Factory Administration (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

Kommunikations-und Steuerungs-/Regelungssystem für eine Abfüllanlage Die vorliegende Erfindung betrifftein Kommunikations-und Steuerungs- /Regelungssystem für zumindest eine Abfüllanlage,wobei die Abfüllanlage eine Maschine aufweist,miteinem Software-Kommunikationsroboter, insbesonde- re einem Chatbot, der dazu ausgebildet ist, eine Spracheingabe und/oder Text- eingabe durch eine Bedienperson zu erkennen;und einer Steuerungs- /Regelungseinrichtung, die mit dem Software-Kommunikations-roboter für eine Datenkommunikation verbunden ist und dazu ausgebildet ist, die Maschine der Abfüllanlage auf der Grundlage der von dem Software-Kommunikationsroboter erkannten Spracheingabe und/oder Texteingabe zu steuern und/oder zu regeln.

Description

Kommunikations- und Steuerungs-/Regelungssystem für eine Abfüllanlage
Gebiet der Erfindung
Die vorliegende Erfindung betrifft das Gebiet der Abfüllanlagen und hier insbesondere die Steuerung/Regelung von Abfüllanlagen mithilfe von Bedieneinrichtungen.
Stand der Technik
Abfüllanlagen für Getränke oder dergleichen umfassen mehrere hintereinander geschal tete Produktionseinheiten, wie beispielsweise Füllmaschinen, Etikettiermaschinen und Verpackungsmaschinen. Diese können, wie beispielsweise in der DE 10 2009 040 977 A1 beschrieben ist, zumindest teilweise als Rundläufermaschinen ausgebildet sein, die mittels rotierender Übergabevorrichtungen aneinandergekoppelt sind. Alternativ können die Produktionseinheiten auch als Geradläufer ausgebildet sein und/oder über lineare Transporteinrichtungen, Verteileinrichtungen und Produktpuffer miteinander verbunden sein. Entsprechende Anlagenkonzepte sind beispielsweise in der DE 4 442 586 W4, der DE 20 2004 012 848 U1 und der EP 2 218 664 A2 beschrieben.
Die Bedienung einer Abfüllanlage erfolgt heutzutage im Allgemeinen über einen Touch screen, über den Anweisungen zur Steuerung oder Regelung einzelner Maschinen der Abfüllanlage von einer Bedienperson eingegeben werden können. Es kann hierbei eine Authentifizierung der Bedienperson, beispielsweise mittels eines Transponders, auf dem die Identität der Bedienperson kodiert ist, erforderlich sein, um sicherzustellen, dass in Reaktion auf Eingaben der Bedienperson nur Operationen ausgeführt werden, für die die Bedienperson auch autorisiert ist. Auf dem Touch-Screen können Bestätigungen auf Eingaben der Bedienperson sowie Informationen über den Betriebszustand oder Be triebsstörungen angezeigt werden.
Die betriebsgerechte Bedienung über einen solchen Touch-Screen erfordert jedoch eine entsprechend fundierte Ausbildung, Erfahrung und aktuelle Konzentration der Bedien person, um einen gewünschten Betrieb zu erreichen. Es stellt sich somit die Aufgabe, die gegenwärtige Bedienung einer Abfüllanlage zu vereinfachen, sodass verlässlicher und schneller ein geeigneter Betrieb ermöglich wird.
Beschreibung der Erfindung
Die oben genannte Aufgabe wird gelöst durch ein Kommunikations- und Steuerungs- /Regelungssystem für zumindest eine Abfüllanlage (insbesondere zum Abfüllen von Ge tränken; es können auch mehrere gegebenenfalls nebeneinanderstehende Anlagen vor gesehen sein), wobei die Abfüllanlage eine Maschine aufweist, mit einem Software-Kommunikationsroboter, insbesondere einem Chatbot, der dazu ausge bildet ist, eine Spracheingabe und/oder Texteingabe durch eine Bedienperson zu erken nen und/oder Informationen über den Betriebszustand der Maschine auszugeben oder anzuzeigen; einer Steuerungs-/Regelungseinrichtung, die mit dem Software-Kommunikationsroboter für eine Datenkommunikation verbunden ist und dazu ausgebildet ist, die Maschine auf der Grundlage der von dem Software-Kommunikationsroboter erkannten Spracheingabe und/oder Texteingabe zu steuern und/oder zu regeln.
Die genannte Maschine kann beispielsweise eine Füllmaschine, Etikettiermaschine, Ver packungsmaschine, Direktdruckmaschine oder Blasmaschine sein. Ebenso kann eine Transporteinrichtung/Transportstrecke hier unter den Begriff der Maschine fallen. Unter dem Begriff Steuerungs-/Regelungssystem wird hier ein Steuerungs- und/oder Rege lungssystem verstanden. Das Steuerungs-/Regelungssystem kann Teil eines zentralen Steuerungs-/Regelungssystem der gesamten Abfüllanlage, das sämtliche Maschinen steuert/regelt, sein. Der Software (softwareimplementierte) - Kommunikationsroboter kann zumindest teilweise bei einer der Maschinen der Abfüllanlage platziert sein und kann ein Chatbot sein oder einen solchen umfassen. Insbesondere kann der Software- Kommunikationsroboter eine Anzeigevorrichtung umfassen oder mit einer solchen ver bunden sein und er kann eine Sprachausgabe umfassen oder mit einer solchen verbun den sein. Über eine solche Sprachausgabe kann ein Dialog mit einer Bedienperson ge führt werden. Der Software-Kommunikationsroboter kann in einer zentralen Rechenein heit der Abfüllanlage implementiert sein. In jedem Fall empfängt er eine von einem Mik rofon aufgenommene Spracheingabe oder eine Texteingabe von einer Bedienperson. Bei dem Chatbot handelt es sich um ein computerimplementiertes Dialogsystem, mit dem per Texteingabe oder Sprache kommuniziert werden kann, sodass er eine Bedie nung einer Maschine der Abfüllanlage durch die Bedienperson in intelligenter Weise un terstützt. Allgemein vereinfacht der Software-Kommunikationsroboter signifikant die Be dienung der Abfüllanlage im Vergleich zu den bekannten Touch-Screen-Terminals des Stands der Technik. Insbesondere kann der Software-Kommunikationsroboter ein Spracheerkennungsmodul umfassen, das die Erkennung von Text- und/oder (gespro chenen) Spracheingaben in mehreren Sprachen oder Dialekten erlaubt, sodass der Be dienperson die Bedienung der Abfüllanlage in ihrer bevorzugten Sprache ermöglicht wird. Weiterhin kann der Software-Kommunikationsroboter dazu ausgebildet sein, Ein gaben zu hinterfragen und Lösungen für gewünschte Operationen beziehungsweise von der Bedienperson genannte Problem oder selbstständig erkannte Probleme aufzuzeigen.
Weiterhin kann der Software-Kommunikationsroboter dazu ausgebildet sein, diagnosti sche Informationen zu präsentieren. Hierbei kann ein Software-Kommunikationsroboter, der an einer bestimmten Maschine der Abfüllanlage positioniert ist bzw. der Maschine logisch zugeordnet ist, auch Daten bezüglich des Betriebsablaufs einer anderen Maschi ne der Abfüllanlage präsentieren. Die Datenpräsentation kann über eine an oder bei der Maschine vorgesehenen Anzeigevorrichtung erfolgen, über die im Allgemeinen Informa tionen unter anderem mithilfe von Virtual Reality oder Augmented Reality Applikationen präsentiert werden können. Weiterhin können die Informationen über eine Sprachausga- be ausgegeben werden. Um die Verständlichkeit der über eine synthetische Sprachaus- gabe ausgegebenen Informationen zu erhöhen, kann die Sprachausgabe über ein von der Bedienperson getragenes Headset erfolgen. Die Präsentation von Informatio nen/Daten kann ebenfalls über ein mobiles Bediengerät und/oder Smartphone erfolgen.
Durch die Datenkommunikation mit der Steuerungs-/Regelungseinrichtung der Abfüllan lage kann der Software-Kommunikationsroboter Betriebsoperationen in Reaktion auf ei nen Dialog mit der Bedienperson geeignete Betriebsoperationen veranlassen.
Der Software-Kommunikationsroboter kann ein Sprechererkennungsmodul umfassen, das insbesondere der Sprecheridentifikation dient. Es kann auch der Sprecherverifikati on, d.h., der Überprüfung der von einer Bedienperson vorgegebenen Identität eines Sprechers dienen. Über das Sprechererkennungsmodul kann der Software- Kommunikationsroboter eine Bedienperson erkennen und er kann so den Dialog mit der erkannten Bedienperson an dieselbe anpassen. Beispielsweise wird der Dialog mit einer Bedienperson, die als eine erfahrene Bedienperson erkannt wird, sich von einem Dialog mit einer anderen Bedienperson, die als eine weniger erfahrene Bedienperson erkannt wird, hinsichtlich der Umständlichkeit und Ausführlichkeit unterscheiden. Der Dialog kann somit geeignet der Ausbildung bzw. Erfahrung der Bedienperson angepasst werden. Auch kann der Dialog der Kompetenz der erkannten Bedienperson angepasst werden, sodass verhindert werden kann, dass die Bedienperson eine Operation zu initiieren ver sucht, zu der sie nicht autorisiert ist.
Der Software-Kommunikationsroboter kann auch mit einem, insbesondere mobilen, kol- laborativen Roboter der Abfüllanlage in Datenverbindung stehen, beispielsweise in Funkverbindung oder über ein Intranet, um diesen in Reaktion auf einen Dialog mit der Bedienperson Anweisungen zu erteilen. Weiterhin kann der Software- Kommunikationsroboter dazu ausgebildet sein, über ein Kommunikationsnetzwerk und in Reaktion auf einen Dialog mit der Bedienperson mit einer oder mehreren weiteren Bedi enpersonen zu kommunizieren, die von der im Dialog mit dem Software- Kommunikationsroboter befindlichen Bedienperson entfernt sind.
Der Software-Kommunikationsroboter kann mit einem Künstliche Intelligenz (Kl) - Modul ausgestattet sein oder mit einem solchen verbunden sein, mithilfe dessen er lernen kann. So kann er beispielsweise nach Erkennung einer Bedienperson mithilfe des oben genannten Sprechererkennungsmoduls aus dem sich im Laufe der Zeit entwickelnden Dialogverhalten der Bedienperson auf den Erfahrungs-/Ausbildungsstand derselben schließen und das eigene Dialogverhalten entsprechend dem Lernergebnis anpassen. So kann ein Bedienerprofil einer Bedienperson dynamisch geführt, abgespeichert und zum Lernen genutzt werden. Das Bedienerprofil kann Daten über die Qualifikation und Kompetenzen der Bedienperson enthalten, die bestimmen, inwieweit die Bedienperson auf den Betrieb welcher Maschinen und Komponenten der Maschinen Einfluss nehmen darf. Auch kann das Bedienerprofil bei der Spracherkennung einer Spracheingabe einer Bedienperson Verwendung finden. Das Kl-Modul kann auch zum Lernen/Trainieren der oben genannten Spracherkennung und Sprechererkennung Verwendung finden.
Das Kl-Modul kann für ein maschinelles Lernen ausgerichtet sein und ein künstliches neuronales Netz sein oder ein solches umfassen. Das Lernen kann zumindest teilweise auf einer Fuzzy-Logik basieren. Das künstliche neuronale Netz kann ein Neuo-Fuzzy- Netz sein. Die Kombination von Fuzzy-Reglern mit neuronalen Netzen, ermöglicht die automatische Anpassung bzw. Generierung der Fuzzy-Regeln gemäß denen das Lernen und der Dialog mit einer Bedienperson erfolgen kann.
Weiterhin wird hier eine Abfüllanlage mit einem Kommunikations- und Steuerungs- /Regelungssystem gemäß einem der oben beschriebenen Beispiele bereitgestellt. Prin zipiell kann eine jede Maschine der Abfüllanlage, beispielsweise eine Füllmaschine, eine Verschließmaschine, eine Etikettiermaschine, eine Blasmaschine und eine Verpa ckungsmaschine, mit einem Software-Kommunikationsroboter bzw. Chatbot ausgestattet sein und es können die einzelnen Software-Kommunikationsroboter bzw. Chatbots mit einander vernetzt sein.
Im Folgenden werden Ausführungsformen eines erfindungsgemäßen Verfahrens unter Bezugnahme auf die Zeichnung beschrieben. Die beschriebenen Ausführungsformen sind in jeder Hinsicht lediglich als illustrativ und nicht als einschränkend anzusehen und verschiedene Kombinationen der angeführten Merkmale sind in der Erfindung einge schlossen.
Figur 1 zeigt schematisch Kommunikations- und Steuerungs-/Regelungssysteme in Ver bindung mit Maschinen einer Abfüllanlage gemäß einem Beispiel der vorliegenden Erfin dung.
Figur 2 zeigt ein Blockdiagramm, das eine Kommunikationskonfiguration veranschau licht, in der ein Software-Kommunikationsroboter implementiert werden kann, wie er bei spielhaft zur Bedienung einer Maschine einer Abfüllanlage verwendet werden kann.
Figur 3 zeigt eine beispielhafte Abfüllanlage, die mithilfe eines erfindungsgemäßen Kommunikations- und Steuerungs-/Regelungssystems bedient werden kann.
Die vorliegende Erfindung betrifft die Bedienung von Maschinen einer Abfüllanlage. Er findungsgemäß erfolgt die Bedienung der Maschinen über eine Text- oder Spracheinga be einer Bedienperson in einen Software-Kommunikationsroboter. Im Weiteren soll re präsentativ für einen solchen Software-Kommunikationsroboter ein Chatbot stehen, wenngleich eine jegliche Realisierung eines Software-Kommunikationsroboters in dieser Beschreibung miteingeschlossen ist. Der Chatbot kann zumindest teilweise in C++ oder Python programmiert sein. Figur 1 zeigt schematisch eine Linie einer Abfüllanlage 100, die einer Anzahl an Maschi nen M1 , M2 und M3 aufweist. Die Maschinen haben jeweils Komponenten K1 1 , K12 und K13 bzw. K21 , K22 und K23 bzw. K31 , K32 und K33, beispielsweise zur Verarbeitung von Flaschen oder Vorformlingen, über die sie eine Bearbeitung von Behältern vorneh men können. Ein erstes Kommunikations- und Steuerungs-/Regelungssystem KSR1 ist zum Datenaustausch mit der ersten Maschine M1 verbunden, ein zweites Kommunikati ons- und Steuerungs-/Regelungssystem KSR2 ist zum Datenaustausch mit der zweiten Maschine M2 verbunden, und ein drittes Kommunikations- und Steuerungs- /Regelungssystem KSR3 ist zum Datenaustausch mit der dritten Maschine M3 verbun den. Jedes der Kommunikations- und Steuerungs-/Regelungssysteme KSR1 , KSR2 und KSR3 kann auch Daten von sämtlichen Maschinen M1 , M2 und M3, beispielsweise über eine Verbindung der Maschinen M1 , M2, M3 untereinander oder über ein übergeordne tes Datensystem, in das Daten über sämtliche Maschinen M1 , M2, M3 eingehen, erhal ten. Die Kommunikations- und Steuerungs-/Regelungssysteme KSR1 , KSR2 und KSR3 können auch zum Datenaustausch miteinander verbunden sein.
Das Kommunikations- und Steuerungs-/Regelungssystem KSR1 weist ein Steuerungs- /Regelungssystem SR1 in Verbindung mit der Maschine M1 zur Steuerung und/oder Re gelung derselben und einen Chatbot K1 auf, das Kommunikations- und Steuerungs- /Regelungssystem KSR2 weist ein Steuerungs-/Regelungssystem SR2 in Verbindung mit der Maschine M2 zur Steuerung und/oder Regelung derselben und einen Chatbot K2 auf, und das Kommunikations- und Steuerungs-/Regelungssystem KSR3 weist ein Steu- erungs-/Regelungssystem SR3 in Verbindung mit der Maschine M3 zur Steuerung und/oder Regelung derselben und einen Chatbot K3 auf. Der Chatbot K1 steht mit dem Steuerungs-/Regelungssystem SR1 in Verbindung, der Chatbot K2 steht mit dem Steue- rungs-/Regelungssystem SR2 in Verbindung und der Chatbot K3 steht mit dem Steue- rungs-/Regelungssystem SR3 in Verbindung. Eine Bedienperson kann eine der Maschi nen M1 , M2 und M3 über einen der Chatbots K1 , K2 und K3 bedienen. Jeder der Chat- bots kann in der in Figur 2 gezeigten Kommunikationskonfiguration 200 implementiert werden.
Jedes der Steuerungs-/Regelungssysteme SR1 , SR2 und SR3 kann Teil eines zentralen Steuerungs-/Regelungssystems sein. Insbesondere muss jedes der Steuerungs- /Regelungssysteme SR1 , SR2 und SR3 nicht physikalisch bei einer der Maschinen M1 , M2, M3 platziert sein. Jedes der Steuerungs-/Regelungssysteme SR1 , SR2 und SR3 ist zumindest logisch einer der Maschinen zugewiesen. Die in Figur 2 gezeigte Kommunikationskonfiguration 200 weist eine Eingangsschnittstel le 210 auf. Diese Eingangsschnittstelle 210 empfängt Daten, die eine Spracheingabe einer Bedienperson, die von einem nicht gezeigten Mikrofon aufgenommen wird, darstel len. Alternativ kann die Eingangsschnittstelle 210 Textdaten empfangen. Sie kann als kombinierte Software- und Hardware-Schnittstelle ausgebildet sein. Diese Daten werden von der Eingangsschnittstelle 210 an eine (Daten-)Verarbeitungseinheit 220 gesendet. Verarbeitungseinheit 220 kann Teil einer für die Abfüllanlage zentralen Verarbeitungs einheit, die verschiedene Verarbeitungseinheiten für verschiedene Maschinen aufweisen kann. Die Verarbeitungseinheit 220 kann einen Prozessor zum Verarbeiten von Daten umfassen. Weiterhin weist die Kommunikationskonfiguration 200 eine Ausgabeeinheit 230 und eine Ausgangsschnittstelle 240 auf. Über die Ausgabeeinheit 230 wird ein Sprachausgabe erzeugt, die über die Ausgangsschnittstelle 240 und einem nicht gezeig ten Lautsprecher zum Dialog mit der Bedienperson ausgegeben werden kann. Auch die Ausgangsschnittstelle 240 kann als kombinierte Software- und Hardware-Schnittstelle ausgebildet sein.
Die Verarbeitungseinheit 220 kann dazu ausgebildet sein, eine Sprechererkennung auf der Grundlage der von der Eingangsschnittstelle 210 empfangenen Daten durchzufüh ren. Weiterhin wird von der zentralen Verarbeitungseinheit 220 der semantische Gehalt der Spracheingabe bestimmt. Die Bestimmung des semantischen Gehalts und die Sprechererkennung kann mithilfe eines oder mehrerer Sprachmodelle bzw. semanti scher Modelle erfolgen, die in einem Modellspeicher 250 abgelegt sind. Bei der Bestim mung des semantischen Gehalts kann eine Wahrscheinlichkeit dafür, dass bestimmte Worte in einer bestimmten Reihenfolge auftreten Berücksichtigung finden. Das semanti sche Modell kann in Form eines neuronalen Netzes oder eines Bayes-Klassifikators rea lisiert sein. Der mithilfe der Ausgabeeinheit 230 geführte Dialog mit einer Bedienperson wird basierend auf einem Dialogmodell, das in einem Dialogmodellspeicher 260 abgelegt ist, geführt. Insbesondere kann die Verarbeitungseinheit 220 dazu ausgebildet sein, Spracheingaben in mehreren Sprachen und/oder Dialekten zu erkennen, wobei in die sem Fall verschiedene Modelle für die verschiedenen Sprachen bzw. Dialekte in dem Modellspeicher 250 bereitgestellt werden müssen.
In der in Figur 2 gezeigten Kommunikationskonfiguration 200 kann ein selbstlernender Chatbot implementiert werden. Der Lernprozess erfolgt mithilfe einer Trainiereinheit 270, die Daten sammelt und bewertet und empfangene Sprachdaten und erkannte semanti- sehe Inhalte in einem Speicher 280 ablegt. Weiterhin kann in dem Speicher 280 ein Be dienerprofil einer Bedienperson gespeichert und aktualisiert werden. Beispielsweise kann gelernt werden, wie sich der Kenntnisstand einer mithilfe der Sprechererkennung erkannten Bedienperson im Verlaufe der zeit ändert und es kann der durch die Verarbei tungseinheit 220 gesteuerte Dialog mit dieser Bedienperson im Laufe der Zeit dem sich ändernden Kenntnisstand der Bedienperson angepasst werden. Benötigte die Bedien person zu einer frühen Zeit vielleicht noch eine relativ enge, detaillierte Dialogführung, um einen gewünschten Betrieb einer Maschine zu initiieren, so kann in einer späteren Zeit aufgrund des gewachsenen Kenntnisstand der Bedienperson der Dialog gegebe nenfalls abgekürzt und somit eine schnellere Bedienung der Maschine ermöglicht wer den. Auch kann das Bedienerprofil bei der Bestimmung des semantischen Inhalts der Spracheingabe berücksichtigt werden.
Das dynamische Lernen einer Dialogführung eines Chatbots kann mithilfe von in der Kommunikationskonfiguration 200 implementierten künstlichen Intelligenz erfolgen. Ebenso kann eine künstliche Intelligenz für die Spracherkennung einer Spracheingabe bzw. Sprecherkennung-/identifikation/-verifikation Verwendung finden. Die künstliche Intelligenz kann in Form neuronaler Netzwerke realisiert sein. Unter neuronalen Netzen können Werkzeuge verstanden werden, die geeignet sind, beliebige nichtlineare Funkti onen und somit auch Regeln beispielsweise der Fuzzy-Logik nachzubilden, falls diese Funktionen anhand von Beispielen vorliegen. Aus einer großen Anzahl von Beispielen können Regelmäßigkeiten und somit Gewichte der neuronalen Netze, erlernt/trainiert werden, die dann mithilfe vorgegebener aber auch wiederum anpassbarer Regeln, bei spielsweise unscharfer Fuzzy-Mengen und Regeln, ausgedrückt werden. Die Kombinati on von Fuzzy-Reglern mit neuronalen Netzen erlaubt das intelligente lernbedingt Aufstel len und Parametrisieren der Fuzzy-Regeln.
In der Fuzzy-Theorie umfasst eine Regel, genauer linguistische Regel, eine Anzahl von Prämissen in der Form einer Zugehörigkeit einer Anzahl von Eingangsgrößen zu einer Anzahl linguistischer Werte, welche durch logische Verknüpfung miteinander verbunden werden, die sogenannte Vorbedingung der Regel, und eine Aktion in der Form einer Zu gehörigkeitsfunktion einer Ausgangsgröße zu einem linguistischen Wert (im allgemeinen als ,Wenn-Dann’ Form bezeichnet). Jede Regel kann prinzipiell durch einen Experten vorgegeben werden und/oder durch ein automatisiertes Verfahren erlernt werden. Das automatisierte Verfahren kann insbesondere mit dem genannten künstlichen neuronalen Netz ausgeführt werden. Eine vorbestimmte oder erlernte Regel kann weiterhin durch Optimierungsschritte angepasst werden. Dabei kann ein Optimierungsschritt die Anpas- sung der oben erwähnten Parameter einer zu einem in einer Regel verwendeten linguis tischen Wert gehörenden Fuzzy-Menge oder eine Priorisierung bzw. Eliminierung der Regel umfassen. Eine Priorisierung bzw. Eliminierung kann dabei insbesondere durch Setzen oder Anpassen von Wichtungen einer Regel beim erfindungsgemäßen Bestim men einer Gesamtzugehörigkeitsfunktion auf der Grundlage der resultierenden Zugehö rigkeitsfunktion der Aktion der Regel geschehen.
Die logische Verknüpfung zweier oder mehrerer linguistischer Werte kann durch die übli chen logischen Operatoren, insbesondere durch UND, ODER sowie XOR geschehen. Dabei können binäre, ternäre oder auch Operatoren mit mehr als drei Operanden zum Einsatz kommen. Darüber hinaus kann auf jeden linguistischen Wert die unäre Operation der Negation angewendet werden.
Bei der logischen UND Verknüpfung zweier oder mehrerer linguistischer Werte der Prä missen einer Regel kann der Grad der Vorbedingung der Regel insbesondere durch das Minimum der Zugehörigkeitsgrade der Eingangsgrößen zu ihren entsprechenden linguis tischen Werten gebildet werden. Bei der logischen ODER Verknüpfung zweier oder meh rerer linguistischer Werte der Prämissen kann der Grad der Vorbedingung insbesondere durch das Maximum der Zugehörigkeitsgrade der Eingangsgrößen zu ihren entspre chenden linguistischen Werten gebildet werden. Alternativ können die logische UND Verknüpfung und/oder die logische ODER Verknüpfung mit Hilfe von beschränkten Summen durchgeführt werden.
Das Bestimmen einer resultierenden Zugehörigkeitsfunktion einer Aktion einer Regel geschieht über das Umlegen des Grads der Vorbedingung der Regel, also der logisch verknüpften Prämissen, des ,Wenn’-Teils der Regel, auf den linguistischen Wert der Ak tion der Regel, des ,Dann’-Teils der Regel. Das Umlegen, auch Inferenz genannt, kann dabei erfolgen, indem das Minimum zwischen dem Grad der Vorbedingung und der Zu gehörigkeitsfunktion der Aktion gebildet wird, also durch graphisches , Abschneiden’ der Zugehörigkeitsfunktion der Aktion auf Höhe des Grades der Vorbedingung. Alternativ dazu kann das Umlegen durch Produktbildung zwischen dem Grad der Vorbedingung und der Zugehörigkeitsfunktion der Aktion geschehen.
Eine Regel kann zwei oder mehr Prämissen, somit zwei oder mehr linguistische Werte, als Vorbedingung umfassen. Dabei können zwei oder mehr linguistische Werte gleich sein. Alternativ oder ergänzend können zwei oder mehr Prozessgrößen, die zu den lin guistischen Werten der Vorbedingung gehören, gleich sein. Das Bestimmen einer Gesamtzugehörigkeitsfunktion auf der Grundlage der ersten resul tierenden Zugehörigkeitsfunktion der Aktion der zumindest ersten vorbestimmten Regel kann insbesondere durch Gleichsetzen der Gesamtzugehörigkeitsfunktion mit der resul tierenden ersten Zugehörigkeitsfunktion der Aktion geschehen. Dabei kann die resultie rende erste Zugehörigkeitsfunktion ergänzend durch Wichtung, insbesondere durch Mul tiplikation mit einer Wichtungsfunktion über den Bereich einer Ausgangsgröße der Aktion der Regel, und/oder durch Abschneiden an vorbestimmten Grenzen des Wertebereichs der Ausgangsgröße modifiziert werden.
Das Erhalten einer Ausgangsgröße (Defuzzyfizieren) aus der Gesamtzugehörigkeits funktion kann insbesondere durch Bestimmen des Abszissenwertes des Schwerpunktes der unter der Gesamtzugehörigkeitsfunktion gelegenen Fläche geschehen. Alternativ dazu kann gemäß der Max-Kriterium Methode ein beliebiger Wert der Ausgangsgröße ausgewählt werden, für den die Gesamtzugehörigkeitsfunktion ein Maximum hat. Eben so kann gemäß der Mean-of-Maxima Methode der Mittelwert über die Menge der Werte der Ausgangsgröße, für die die Gesamtzugehörigkeitsfunktion ihr (globales) Maximum annimmt, als Wert der Ausgangsgröße gewählt werden.
In kombinierten Neuro-Fuzzy-Systemen sind kooperative bzw. offline Systeme von hyb riden bzw. online Systemen zu unterscheiden, die beide in der Kommunikationskonfigu ration 200 implementiert sein können. Bei den erstgenannten Systemen werden die neu ronalen Netze in bestimmten zeitlichen Abständen offline, d.h. nicht während des Be triebs, neu trainiert. Bei hybriden Systemen erfolgt das Trainieren während des Produkti onsbetriebs. Insbesondere, durchaus aber nicht ausschließlich, bei diesen Systemen kann es sinnvoll sein, die Regelung der Prozessparameter nur innerhalb vorab bestimm ter unterer und oberer Schranken zu erlauben.
Weiterhin kann über die Ausgabeeinheit 230 und eine entsprechende Ausbildung der Ausgangsschnittstelle 240 der Bedienperson ein Virtual Reality - oder Augmented Reali ty - Ausgabe, insbesondere über eine in Figur 2 nicht dargestellte Anzeigevorrichtung, präsentiert werden. Die Virtual Reality - oder Augmented Reality - Ausgabe kann sowohl zur Unterstützung des Dialogs mit der Bedienperson als auch zur Darstellung von diag nostischen und anderen Betriebsdaten Verwendung finden. Die Virtual Reality - oder Augmented Reality - Ausgabe kann eine insbesondere simulierte animierte Darstellung von Informationen, beispielsweise über Betriebsabläufe von Maschinen der Abfüllanlage, enthalten. Eine elaborierte Abfüllanlage 300, die mithilfe der in Figur 1 gezeigten Kommunikations und Steuerungs-/Regelungssysteme KSR1 , KSR2 und KSR3 bedient werden kann ist beispielhaft in Figur 3 dargestellt. Die Abfüllanlage 300 zum Befüllen von Behältern 302, 303 mit einem flüssigen Produkt, wie beispielsweise einem Getränk oder dergleichen, umfasst eine Füllmaschine 305 zum Befüllen und Verschließen der Behälter 302, 303 und eine stromabwärts der Füllmaschine 305 vorgesehene Verteileinrichtung 306 zum Verteilen der Behälter 302, 303 auf zwei getrennt steuerbare Transportstrecken 307,
308, in denen jeweils wenigstens ein Behälterpuffer 309, 310 mit verstellbaren Behälter führungen 309a, 310a vorgesehen ist. Den Behälterpuffern 309, 310 nachgeschaltet sind Etikettiermaschinen 311 , 312 sowie Verpackungsmaschinen 313, 314 zum Flerstellen von Behältergebinden 315. Diese werden einer Sammel- und Verteileinrichtung 316 zu geführt, so dass die Behältergebinde 315 auf stromabwärts der Sammel- und Verteilein richtung 316 vorgesehene Sortierspuren 317 verteilt werden und einer Kommissionier einrichtung 318 zugeführt werden können.
Die Transportstrecken 307, 308 umfassen jeweils erste eingangsseitige Abschnitte 307a, 308a, die einspurig und für den drucklosen Transport der Behälter 302, 303 ausgebildet sind. Ferner umfassen die Transportstrecken 307, 308 ausgangsseitige zweite Abschnit te 307b, 308b, die jeweils mehrspurig für den drucklosen Transport der Behälter 302, 303 ausgebildet sind. Für die Verteilung der Behälter 302, 303 von dem einspurigen ers ten Abschnitt 307a, 308a auf die einzelnen Spuren des zweiten Abschnitts 307b, 308b, die beispielsweise in Form separater Gassen 307b1 bis 307b3, 308b1 bis 308b3 ausge bildet sind, sind Weichen 307c, 308c oder entsprechende Verteileinrichtungen vorgese hen.
Weiterhin umfasst die Abfüllanlage 300 eine Blasmaschine 319, 320. Im gezeigten Bei spiel sind getrennte Blasmaschinen 319, 320 zum Flerstellen unterschiedlicher Behälter 302, 303, beispielsweise Behälter unterschiedlicher geometrischer Formen, vorgesehen. Es kann wenigstens eine der Blasmaschinen 319, 320 über eine eingangsseitige Trans portstrecke 321 mit der Füllmaschine 3055 verbunden sein. Über eine eingangsseitige Weiche 305a können unterschiedliche einlaufende Behälterströme der weiteren Verar beitung zugeführt werden können. Weitere Produktionseinheiten 323, 324 können etwa in Form von Schrumpftunneln vorgesehen sein. Für die Steuerung der erfindungsgemäßen Abfüllanlage 300 ist eine zentrale Steue- rungs-/Regelungseinheit 322 vorgesehen, die insbesondere mit der Verteileinrichtung 306, den Behälterpuffern 309, 310, den Etikettiermaschinen 311 , 312 und Produktions einheiten stromaufwärts der Verteileinrichtung 306, wie beispielsweise der Füllmaschine 305 und den Blasmaschinen 319, 320 kommuniziert. Die in Figur 1 gezeigten Steue- rungs-/Regelungssysteme KSR1 , KSR2 und KSR3 oder Chatbots K1 , K2, K3 können Teil der zentralen Steuerungs-/Regelungseinheit 322 sein. Implementierungen mit zent ralen und verteilten Datenverarbeitungen sind möglich.
In dem gezeigten Beispiel sind die Etikettiermaschinen 31 1 , 312 mit Chatbots K1 , K2, die Füllmaschine 305 mit dem Chatbot K3 und die Blasmaschinen 319, 320 mit den Chat bots K4, K5 verbunden. Die Chatbots K1 , K2, K3, K4 sind den jeweiligen Maschinen der Abfüllanlage 300 logisch zugeordnet. Natürlich können sämtliche Maschinen der Abfüll anlage 300 mit Chatbots ausgestattet sein, und es können die Chatbots untereinander vernetzt sein, sodass sie sich über Betriebszustände der Maschinen und Anforderungen der Bedienpersonen austauschen können. Allgemein kann aus Sicherheitsgründen die Vernetzung der Chatbots mit den anderen Maschinen, mobilen kollaborativen Robotern, aber auch Smartphones der Bedienpersonen, etc. auf einen definierten internen Bereich (beispielsweise in Form eines firmeneigenen Netzes) beschränkt werdenund gleichzeitig ein Austausch im Internet zum selbständigem Lernen des Chatbot, beispielsweise hin sichtlich der Spracherkennung oder Sprecheridentifikation) ermöglicht werden.
Die zentrale Steuerungs-/Regelungseinheit 322 ist mit den Chatbots verbunden und kann die Koordination der Maschinen und Transporttechnik zumindest teilweise, bei spielsweise bei der Organisation der Anlagenproduktion und der Sortenumstellung der Produkte übernehmen. Logisch und/oder physikalisch kann jeder Maschine ein Kommu- nikations- und Steuerungs-/Regelungssystem mit Chatbot und Steuerungs- /Regelungseinrichtung zugeordnet werden. Eine Bedienperson kann über die Chatbots K1 , K2, K3, K4, K5 mithilfe von Spracheingaben und Sprachdialogen die jeweiligen Ma schinen bedienen. Die Chatbots können Anzeigevorrichtungen, die bei den Maschinen positioniert sind, zum Anzeigen von Informationen verwenden.
Die Chatbots K1 , K2, K3, K4, K5 können Eingaben der Bedienperson hinterfragen, Lö sungen für vorgestellte oder erkannte Probleme unterbreiten oder auch konkrete Aktion initiieren. So kann jeder der Chatbots K1 , K2, K3, K4, K5 dazu ausgebildet sein, in Reak tion auf einen Dialog mit einer Bedienperson eine weitere Bedienperson (in Abhängigkeit von der Qualifikation oder zur schnelleren Umsetzung/Beseitigung beispielsweise von Rüstvorgängen oder Störungen) zur Unterstützung herbeizurufen oder einen geeigneten freien mobilen kollaborativen Roboter anzufordern und direkt mit einer konkreten Hand lung zu beauftragen (in Figur 3 steht beispielsweise der Chatbot K2 mit einem kollabora tiven Roboter CR in Verbindung). Weiterhin können die Chatbots K1 , K2, K3, K4, K5 da zu ausgebildet sein, über eine Steuerungs-/Regelungseinrichtung, beispielsweise mithilfe der zentralen Steuerungs-/Regelungseinheit 322, selbsttätig die Produktion zu beenden, vorzubereiten und zu starten sowie den Materialfluss entsprechend zu organisieren und der Bedienperson mitzuteilen, welche Aufgaben zu erledigen sind. Möglich wäre auch, ein bereits eingeleitetes Beenden der Produktion so zu ändern, dass das Beenden nicht erst durchgeführt und anschließend ein Neustart ausgeführt werden muss. Ebenfalls denkbar wäre die automatisch zeitlich verlängerte Produktion, weil beispielsweise kurz fristig ein neuer Auftrag für das Produkt eingegangen ist und die erforderlichen Materia lien für die Produktion verfügbar sind oder rechtzeitig nachgeordert werden können. Ein Grund für zeitlich längere oder kürzere Produktion könnte auch der Eingang oder fehlen de Eingang von Leergut sein (beispielsweise vom Getränkehandel), der kurzfristig gelie fert und in die Abfüllanlage 300 eingespeist oder nicht eingespeist werden kann.
Weitere Arten der Bedienunterstützung, die von den Chatbots K1 , K2, K3, K4, K5 geleis tet werden können, sind vor einer Umstellung der Produktion auf ein anderes Produkt eine dialogische Klärung mit der Bedienperson davon, welches genaue andere Produkt in welcher Menge produziert werden soll, oder das Ausgeben einer Informationen an die Bedienperson darüber, welche Aufgaben für die Produktion von einem neuen Produkt in welcher Reihenfolge erledigt werden müssen (beispielsweise auch Reinigungs- und Wartungsvorgänge, allgemeine Rüstvorgänge wie Materialwechsel, Formatteilewechsel, Einstellungen etc.).
Weiterhin können Bedienunterstützungen durch die Chatbots K1 , K2, K3, K4, K5 dadurch erfolgen dass automatische Teilvorgänge wie Reinigung/Sterilisation etc. in der richtigen Reihenfolge und/oder in einem vorbestimmten Zeitintervall ohne erneute Bestäti gung durch die Bedienperson gestartet werden,
dass für einen Rüstvorgang benötigte Rüstteile und Werkzeuge/Materialien geor dert und von Cobots, Automated Guided Vehicles oder auch Staplerfahrer bereit gestellt werden,
dass für die von der Bedienperson aktuell durchzuführenden Aufgaben Doku- mente, Animationen oder Videos angeboten und präsentiert werden, dass an der Maschine der Ort für die jeweilige durchzuführende Aufgabe optisch angezeigt wird, oder
dass Störungen beim Ablauf eines Vorgangs an der Maschine oder in der Anlage angezeigt werden.
dass Empfehlungen zur Beseitigung bzw. zum Umgang mit der Störung ausgege ben werden.
Hierbei kann die jeweilige Präsentation von Informationen/Daten ebenfalls über ein mobi les Bediengerät und/oder Smartphone erfolgen.
Allgemein können zu erwartende Zustände der Abfüllanlage 300, beispielsweise voraus sehbare/prognostizierbare Stopps oder erforderliche Eingriffe, beispielsweise von einer Sprachausgabe begleitet, angezeigt werden. Auch können präventive Maßnahme, bei spielsweise zur Vermeidung von Stopps oder Störungen, CIP bzw. Reinigungsvorgänge und Zwischendesinfektionen bei Aseptikanlagen etc. empfohlen und/oder direkt eingelei tet werden.
Vor dem Produktionsstart (z.B. auch vor Schichtbeginn) könnten vorbereitende Aktionen wie das Aufheizen von Reima, Pasteur und Wärmer, Heiztunnel für Schrumpfsleeves oder Schrumpfgebinde etc. automatisch rechtzeitig ausgelöst und gegebenenfalls pas sendes Verpackungs-Material bereitgestellt werden. Dazu kann ein Dialog mit der Bedi enperson vorab erfolgen, in dem beispielsweise bei Schichtende abends/am Wochen ende nach dem Schichtbeginn des nächsten morgens/Montags gefragt wird (beispiels weise:„Wann soll die Anlage/Maschine bereit sein für die Produktion?“).
Weitere mögliche Anwendungen betreffen: automatische Umstellung der Produktion auf Energie- und Medieneffizienz und/oder auf terminierte/schnelle Auftragserledigung, Berücksichtigung von Verfügbarkeiten der Bedienpersonen, beispielsweise bei Pausen, persönlichen Verteilzeiten, etc. Hierbei könnte sich die Bedienperson per Spracheingabe und möglichweise auch mittels einem mobilem Gerät wie einem Smartphone als„nicht erreichbar/verfügbar“ melden. Erkennung von Bedienerwechseln (z.B. bei Schichtwechsel) sowie Ableitung von Maßnahmen, Informationsbereitstellung über die aktuelle Situation der Anlage und anstehende Aktionen etc. Erkennung von Produktions-Unterbrechungen und gegebenenfalls Nachfrage im Dialog mit der Bedienperson dazu, wie lange voraussichtlich die Anlage stillsteht. Hierüber könnten andere Bediener informiert werden, um beispielsweise einen Pausengang vorzuziehen, Reinigungsarbeiten oder Instandhaltung an Maschinen durchzuführen. Zur Reduzierung des Energieverbrauchs könnten auch Maschi nen abgeschaltet und wieder rechtzeitig eingeschaltet werden. Dazu könnten Er fahrungswerte aus früheren vergleichbaren Situationen genutzt werden. Organisation der Umstellvorgänge der Anlage in Abhängigkeit von den beteilig ten/verfügbaren Bedienern (hinschtlich Qualifikation, körperlichen Einschränkun gen etc.) und dem Anlagenzustand und Cobots (deren Reichweite, Traglast etc.).
Sämtliche der oben genannten Bedienunterstützungen können basierend auf einem ent sprechend erstellten und aktualisierten Bedienerprofil personalisiert, insbesondere in Abhängigkeit des Kenntnisstands und der Kompetenz, der Bedienperson angeboten werden, da jeder Chatbot dynamisch aus den einzelnen Dialogen mit der Bedienperson lernen kann (s. oben).
Weiterhin kann die in der Kommunikationskonfiguration 200 (s. Figur 2) implementierte künstliche Intelligenz im Laufe der regelmäßigen Nutzung lernen, wie lange bestimmte Aufgaben, wie das Rüsten und Entstören, tatsächlich dauern. Auf Basis dieser Daten wird beispielsweise die Produktionsplanung angepasst bzw. werden dem Schichtleiter Vorschläge unterbreitet. In die Optimierung der Produktionsdaten können weiterhin Da ten wie Lagerbestand und auch das Wetter bzw. die Umgebungsbedingungen (Tempera tur, Luftfeuchtigkeit, Uhrzeit etc.) mit einfließen.

Claims

Patentansprüche
1. Kommunikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) für zumindest eine Abfüllanlage (300), wobei die Abfüllanlage eine Maschine auf weist, mit einem Software-Kommunikationsroboter (K1 , K2, K3), insbesondere einem Chat bot, der dazu ausgebildet ist, eine Spracheingabe und/oder Texteingabe durch ei ne Bedienperson zu erkennen und/oder Informationen über den Betriebszustand der Maschine auszugeben oder anzuzeigen; und einer Steuerungs-/Regelungseinrichtung (SR1 , SR2, SR3), die mit dem Software- Kommunikationsroboter für eine Datenkommunikation verbunden ist und dazu ausgebildet ist, die Maschine der Abfüllanlage (300) auf der Grundlage der von dem Software-Kommunikationsroboter (K1 , K2, K3) erkannten Spracheingabe und/oder Texteingabe zu steuern und/oder zu regeln.
2. Kommunikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) ge mäß Anspruch 1 , in dem die Steuerungs-/Regelungseinrichtung (SR1 , SR2, SR3) Teil einer zentralen Steuerungs-/Regelungseinrichtung (322) zur Steue rung/Regelung sämtlicher Maschinen der Abfüllanlage ist.
3. Kommunikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) ge mäß Anspruch 1 oder 2, in dem der Software-Kommunikationsroboter (K1 , K2, K3) ein Spracherkennungsmodul umfasst, das dazu ausgebildet ist, Text- und/oder Spracheingaben in mehreren Sprachen und/oder Dialekten zu erken nen.
4. Kommunikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) ge mäß einem der vorhergehenden Ansprüche, in dem der Software- Kommunikationsroboter (K1 , K2, K3) dazu ausgebildet ist, diagnostische Informa tionen über eine oder mehrere Maschinen (M1 , M2, M3) der Abfüllanlage (300) zu präsentieren.
5. Kommunikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) ge mäß einem der vorhergehenden Ansprüche, in dem der Software- Kommunikationsroboter (K1 , K2, K3) ein Sprechererkennungsmodul umfasst.
6. Kommunikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) ge mäß einem der vorhergehenden Ansprüche, weiterhin mit einem Künstliche Intel ligenz, Kl, - Modul, mithilfe dessen der Software-Kommunikationsroboter (K1 , K2, K3) dazu ausgebildet ist, zu lernen.
7. Kommunikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) ge mäß Anspruch 6, in dem das Kl-Modul ein künstliches neuronales Netz ist oder umfasst.
8. Kommunikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) ge mäß einem der vorhergehenden Ansprüche, weiterhin mit einem kollaborativen Roboter, der zur Datenkommunikation mit dem Software-Kommunikationsroboter (K1 , K2, K3) verbunden ist.
9. Abfüllanlage (300) zum Abfüllen eines Getränks mit einem Kommunikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) gemäß einem der vorher gehenden Ansprüche.
10. Abfüllanlage (300) gemäß Anspruch 9, die weiterhin eine Füllmaschine (305), Eti kettiermaschine (311 , 312), Verpackungsmaschine (313, 314), Direktdruckma schine und Blasmaschine (319, 320) umfasst, und wobei die Füllmaschine (305), die Etikettiermaschine (31 1 , 312), Verpackungsmaschine (313, 314), Direkt druckmaschine und/oder die Blasmaschine (319, 320) jeweils mit einem Kommu nikations- und Steuerungs-/Regelungssystem (KSR1 , KSR2, KSR3) gemäß ei nem der vorhergehenden Ansprüche ausgestattet ist.
EP19727980.5A 2018-07-26 2019-05-24 Kommunikations- und steuerungs-/regelungssystem für eine abfüllanlage Pending EP3827318A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102018212503.1A DE102018212503A1 (de) 2018-07-26 2018-07-26 Kommunikations- und Steuerungs-/Regelungssytem für eine Abfüllanlage
PCT/EP2019/063525 WO2020020515A1 (de) 2018-07-26 2019-05-24 Kommunikations- und steuerungs-/regelungssystem für eine abfüllanlage

Publications (1)

Publication Number Publication Date
EP3827318A1 true EP3827318A1 (de) 2021-06-02

Family

ID=66690330

Family Applications (1)

Application Number Title Priority Date Filing Date
EP19727980.5A Pending EP3827318A1 (de) 2018-07-26 2019-05-24 Kommunikations- und steuerungs-/regelungssystem für eine abfüllanlage

Country Status (7)

Country Link
US (1) US11772836B2 (de)
EP (1) EP3827318A1 (de)
JP (1) JP7476469B2 (de)
CN (1) CN112771459A (de)
BR (1) BR112021001129A2 (de)
DE (1) DE102018212503A1 (de)
WO (1) WO2020020515A1 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11520304B2 (en) * 2019-04-04 2022-12-06 William B. Pappas Automation of self-lifting forklift
EP3983859A1 (de) * 2019-06-17 2022-04-20 Grundfos Holding A/S Computerimplementiertes system und verfahren zur steuerung und überwachung einer pumpe
DE112020007632A5 (de) * 2020-10-23 2023-07-20 Cafer Tosun Verfahren zur steuerung eines prozesses mit einem programmprodukt
DE102022102748A1 (de) 2022-02-07 2023-08-10 Arburg Gmbh + Co Kg Verfahren zur Steuerung von Prozessen an Kunststoff verarbeitenden Maschinen

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4442586B4 (de) 1994-11-30 2004-02-12 Krones Ag Vorrichtung zum Verteilen von Gefäßen
DE10026263B4 (de) * 1999-08-27 2004-04-08 Siemens Ag Steuerungsverfahren für eine industrielle technische Anlage, insbesondere eine Werkzeugmaschine oder einen Roboter
JP2004164024A (ja) 2002-11-08 2004-06-10 Toshiba Mach Co Ltd 管理支援装置、そのシステム、その方法、そのプログラム、および、そのプログラムを記録した記録媒体
CN1515993A (zh) * 2003-01-10 2004-07-28 刘书铭 可携式语音输入模块
DE202004012848U1 (de) 2004-08-17 2005-03-31 Krones Ag Vorrichtung zum Transportieren von Gegenständen
DE102007024106B4 (de) * 2007-05-22 2009-12-03 Khs Ag Füllsystem
US7676294B2 (en) * 2007-09-27 2010-03-09 Rockwell Automation Technologies, Inc. Visualization of workflow in an industrial automation environment
DE102009003475A1 (de) 2009-02-12 2010-08-19 Krones Ag Förderer und Verfahren zum Beschicken einer Weiterverarbeitungseinheit
DE102009040977B4 (de) 2009-09-11 2022-12-15 Krones Aktiengesellschaft Behältnisbehandlungsanlage und ein Behältnisbehandlungsverfahren zum Behandeln von mit einem Produkt befüllbaren Behältnissen
US9529343B2 (en) * 2010-06-30 2016-12-27 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Dialogue system and method for examining machining processes
DE102011017448A1 (de) * 2011-04-18 2012-10-18 Krones Aktiengesellschaft Verfahren zum Betreiben einer Behältnisbehandlungsanlage mit Störungsdiagnose
DE102013214052A1 (de) * 2013-07-17 2015-02-19 Krones Ag Behälterbehandlungsmaschine mit Display
JP6337556B2 (ja) 2014-03-25 2018-06-06 岩崎電気株式会社 容器に対する殺菌処理システム
JP6346480B2 (ja) 2014-03-25 2018-06-20 アンリツインフィビス株式会社 表示装置および物品検査システム
DE102015204922A1 (de) * 2015-03-18 2016-09-22 Krones Ag Datenaustausch zwischen einer Maschine und einem externen Steuermodul in der Getränkemittelindustrie
US10528020B2 (en) 2016-08-09 2020-01-07 Johnson Controls Technology Company Building control system with adaptive user interface
US20180129181A1 (en) 2016-08-17 2018-05-10 BioHiTech America, LLC Chatbot Systems and Methods for Industrial Machinery
DE102016115694A1 (de) * 2016-08-24 2018-03-01 Krones Ag Behälterbehandlungsanlage und Verfahren für Behälterbehandlungsanlage mit Signalen für geplante Zustände
CN206121530U (zh) * 2016-08-27 2017-04-26 彩城（惠州）化工有限公司 一种基于语音控制功能的漆料搅拌装置
US9947319B1 (en) * 2016-09-27 2018-04-17 Google Llc Forming chatbot output based on user state
CN206108878U (zh) * 2016-10-18 2017-04-19 冷昕玥 一种可以语音控制的矿泉水生产用自动灌装机
US20190339671A1 (en) 2017-01-05 2019-11-07 Itamar Izhak Yona Systems and methods for automatic three-dimensional object printing
DE102017109736A1 (de) * 2017-05-05 2018-11-08 Storopack Hans Reichenecker Gmbh Vorrichtung und Verfahren zum Polstern mindestens eines Gegenstands in einem Behälter

Also Published As

Publication number Publication date
US11772836B2 (en) 2023-10-03
JP7476469B2 (ja) 2024-05-01
JP2021532467A (ja) 2021-11-25
DE102018212503A1 (de) 2020-01-30
BR112021001129A2 (pt) 2021-04-20
CN112771459A (zh) 2021-05-07
WO2020020515A1 (de) 2020-01-30
US20210292025A1 (en) 2021-09-23

Similar Documents

Publication Publication Date Title
WO2020020515A1 (de) Kommunikations- und steuerungs-/regelungssystem für eine abfüllanlage
DE102016014264B4 (de) Maschinelle Lernvorrichtung, Blechpaketherstellungsvorrichtung, Blechpaketherstellungssystem und maschinelles Lernverfahren zum Erlernen des Stapelns von Paketblechen
DE10297609B4 (de) Verfahren und System zum Senden von lokalisierungs- und identitätsabhängiger Information an mobile Endgeräte
EP1609030A1 (de) Verfahren zum rechnergestützten regeln einer mehrzahl von in serie miteinander gekoppelten maschinen, regelungseinrichtung und maschinen-anordung
EP2734998B1 (de) Assistenzsystem
DE102016015333A1 (de) Fertigungsdatenverarbeitungssystem mit einer Mehrzahl Fertigungsvorrichtungen
EP3814194A1 (de) Energieoptimierung beim betreiben einer schienenfahrzeugflotte
EP1122517B1 (de) Navigationssystem und Verfahren zur nutzerspezifischen Anpassung eines Navigationssystems
EP3825263A1 (de) Verfahren zur computer-implementierten konfiguration einer geregelten antriebsapplikation eines logistiksystems
EP0837825B1 (de) Verfahren zur regelung einer bahnspannung
WO2019076785A1 (de) Verfahren und vorrichtung zur regelung eines prozesses innerhalb eines systems, insbesondere eines mahlprozesses in einer mahlvorrichtung
DE102015114947A1 (de) Vorrichtung und Verfahren zum Behandeln von Behältnissen mit rückfragenden Behandlungseinrichtungen
EP0698572B1 (de) Verfahren zur Steuerung von Bahngeschwindigkeiten in einer Einrichtung für den Transport oder die Streckung einer Materialbahn
EP2815358A1 (de) Abfüllanlage und computerimplementiertes verfahren zur automatischen erstellung einer aktuellen und individuellen arbeitsliste
DE19519627C2 (de) Verfahren zur Optimierung der Prozeßführung von Produktionsvorgängen
WO2021069258A1 (de) Verfahren zur bestimmung und/oder klassifizierung eines bahnzustands einer warenbahn, computerprogrammprodukt, vorrichtung zur herstellung und industrielle anlage
DE102020132435A1 (de) Vorrichtung zur Qualitätsbestimmung und Verfahren zur Qualitätsbestimmung
DE102019119656A1 (de) Bestimmen einer validierten Trajektorie für ein Kraftfahrzeug
EP0769343A2 (de) Lichtbogenschweissgerät mit einem wechselstromgespeisten Gleichrichter
BE1030565B1 (de) Computerprogramm und Verfahren zur dynamischen Routenoptimierung unter Nutzung multipler Künstlicher Intelligenz
EP1637945B1 (de) Automatisierungssystem mit affektiver Steuerung
EP3887911B1 (de) Verfahren zum steuern eines automatisierungsprozesses in echtzeit
DE19828528A1 (de) Expertensystem
EP4299484A1 (de) Verfahren zur steuerung einer mit retrofitting zugefügten förderstrecke für stückgüter
DE102020204544A1 (de) Computerimplementiertes Verfahren und Vorrichtung zur Ansteuerung mit einem künstlichen neuronalen Netzwerk

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20201217

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20220915

P01 Opt-out of the competence of the unified patent court (upc) registered

Effective date: 20230523

R17C First examination report despatched (corrected)

Effective date: 20220915