WO2021043419A1 - Method and device for operating an automation system - Google Patents

Method and device for operating an automation system Download PDF

Info

Publication number
WO2021043419A1
WO2021043419A1 PCT/EP2019/073844 EP2019073844W WO2021043419A1 WO 2021043419 A1 WO2021043419 A1 WO 2021043419A1 EP 2019073844 W EP2019073844 W EP 2019073844W WO 2021043419 A1 WO2021043419 A1 WO 2021043419A1
Authority
WO
WIPO (PCT)
Prior art keywords
production
database
algorithm
descriptions
product
Prior art date
Application number
PCT/EP2019/073844
Other languages
German (de)
French (fr)
Inventor
Christian Bauer
Steffen Lamparter
Fabio Perna
Klaus SCHAUFLER
Original Assignee
Siemens Aktiengesellschaft
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 Siemens Aktiengesellschaft filed Critical Siemens Aktiengesellschaft
Priority to PCT/EP2019/073844 priority Critical patent/WO2021043419A1/en
Publication of WO2021043419A1 publication Critical patent/WO2021043419A1/en

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
    • G05B19/418—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], computer integrated manufacturing [CIM]
    • G05B19/41865—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], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • 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], computer integrated manufacturing [CIM]
    • G05B19/4188—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], computer integrated manufacturing [CIM] characterised by CIM planning or realisation
    • 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
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33331—Test, diagnostic of field device for correct device, correct parameters
    • 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 a method and a computer program product for operating an automation system.
  • the invention also relates to a device for operating an automation system and an automation system.
  • the existing database includes several production step descriptions, each of the production step descriptions describing a production step, several production plant descriptions, with a respective one of the production plant descriptions describing one of the production plants, and several capability descriptions, each of the capability descriptions describing a production plant capability, with in Individual production steps are already assigned to individual production systems in the existing database.
  • the method comprises the steps: a) assigning one or more production system capabilities to at least one of the production systems using a first machine learning algorithm to supplement the existing database, b) assigning, based on the supplemented database, one or more production system capabilities to at least one one of the production steps using a second algorithm for machine learning to supplement the supplemented database, c) proposals from one of the production systems for one of the production steps using the supplemented database as a function of certain assignment rules and / or using a third algorithm for machine learning, and d) carrying out the production step through the proposed production facility for automatically producing at least part of the product.
  • the method provided makes it possible in an advantageous manner that a production plant of the automation system is proposed for executing a production step in a production planning for manufacturing the part of the product or the product, although this has never been carried out on the proposed production plant in the past has been.
  • the proposed production facility can then carry out the production step. This is therefore, because the expanded database provides various combinations of assignments between the production steps, the production systems and the production system capabilities. This increases the flexibility of the automation system.
  • the failure safety and reliability of the automation system are increased by the method provided.
  • the supplemented database can be used to suggest another production plant, through which the production step can be carried out, directly and automatically. This prevents a production process for the automatic manufacture of a product from being interrupted or the production step from being canceled.
  • Another advantage is that the production planning of new products is quicker. If, for example, several hundred production steps are required to manufacture a new product, the individual production steps are assigned to the required production systems in the correct production sequence. Time savings of up to 50 percent compared to conventional automation systems can be assumed here.
  • Another advantage is that the error rate when planning a production process can be reduced since the human operator is no longer required. This increases the reliability of the automation system.
  • Another advantage results from the fact that the planning quality of the automation system increases continuously, since the database continuously learns new combinations of assignments between the production steps, the production systems and the production system capabilities and thus the information base on which the automation system access system increases.
  • the provided method can also be used for bottleneck or compensation planning.
  • the automation system is, for example, an automated factory or robot factory, which includes a number of production systems.
  • the production facilities are set up for processing raw materials, intermediate products, parts of products and / or products.
  • the automation system is thus set up for the automatic manufacture of part of a product or a product, starting from the raw materials, preprocessed materials and / or intermediate products.
  • the automation system can be used both for the manufacture of discrete products, for example products made of wood, metal, plastic, electronic products and the like, and for the manufacture of formulated products which, for example, do not have a solid shape, in particular chemicals, creams, paints and the like , be used.
  • the first and second machine learning algorithms are applied to the combinations of assignments between the production steps, the production systems and the production system capabilities that already exist in the existing database To expand and supplement the database and to learn new combinations of these assignments. Suggesting a production facility can also be referred to as recommending a production facility.
  • the database is preferably expanded by adding new combinations of assignments between the production steps, the production systems and the production plant capable by a manual labeling process ("labeling process"), which is combined in particular with an algorithm for unsupervised grouping (“unsupervised clustering”). If the manual labeling process is carried out, this process can also be saved in the existing database and thus the information in the existing database can be expanded.
  • labeling process a manual labeling process
  • unsupervised clustering an algorithm for unsupervised grouping
  • the part of the product to be manufactured or the product to be manufactured is available, for example, in the form of a production plan, which preferably includes a machine-readable description of the product including the production step description or production step descriptions required for production.
  • the production plan is stored in the existing database.
  • a respective production step description describes in particular a production step.
  • the individual production steps are in a sequence (production process).
  • the sequence can also include production steps arranged parallel to one another.
  • a respective production step can be processed by one or more production systems.
  • the existing database also has production plant descriptions.
  • a respective production plant description describes a production plant. For example, a first production plant can be set up for coarse pre-grinding of a surface and a second production plant is set up for fine grinding and polishing of the surface.
  • a respective production facility has a capability description which contains the current capabilities of the production facility.
  • one ability is to carry out a specific production step.
  • a respective skill can be assigned to a specific skill class or category, such as drilling, milling, grinding, painting, sawing, welding, and the like.
  • the skill description preferably contains parameter values for each skill, which define the respective skill more precisely.
  • this can be an indication of possible borehole diameters, borehole depths, rotational speeds of the drill, materials that can be drilled, and the like.
  • information on energy consumption, wear, duration, accuracies and / or tolerances for each capability are possible, please include.
  • the description can also contain dependencies between parameters.
  • the capability description can include so-called "key performance indicators” that enable a business evaluation of the respective production plant. These "key performance indicators” can also be derived or calculated from the information contained in the capability description.
  • the capability description of the respective production plant can for example be provided by a manufacturer of the production plant or it can also be created manually by the operator of the production plant.
  • the capability descriptions of the production systems are preferably stored in the existing database.
  • the capability description of a respective production facility does not necessarily include all capabilities that the production facility has, but can also only include a subset of them. For example, the ability to "drill" may be limited to wood, although the drills in the production facility are also suitable for metal. Such a discrepancy can be chosen deliberately so that, for example, the production system is not used for production steps that include drilling in metal, but it can also occur unintentionally, for example due to an incorrect input by the operator of the production system.
  • the production plan within the database is managed horizontally and comprises several columns.
  • One line of the production plan has, for example, at least information about a production step description, a production plant description and a capability description.
  • a production step description with the production step “Step 1, 1223" and its description "Drill hole at coordinate 2.34.5" is preferably described in a first line in adjacent columns.
  • a production plant description is described which includes properties of a production plant that can carry out the production step.
  • the production plant (PA) here includes, for example, a production plant identification such as "PA-43" and information about the manufacturer of the production plant.
  • further parameter values such as the power consumption of the production plant, can be specified in the production plant description.
  • a capability description is described in the first line in further adjacent columns which indicates at least one production system capability of the production system in order to be able to carry out the production step.
  • a production facility capability is, for example, "drilling" and a further parameter value for the production facility capability is preferably a borehole diameter.
  • the specific assignment rules and the third algorithm for machine learning are executed in parallel in step c).
  • one of the production systems is proposed for at least two of the production steps using the supplemented database as a function of the specific assignment rules and / or using the third algorithm for machine learning.
  • the at least two production steps are carried out by the respective proposed production system for the automatic production of at least part of the product, several parts of the product or several products.
  • the specific assignment rules include at least one constraint satisfaction problem.
  • CSP conditional fulfillment problem
  • a constraint satisfaction problem preferably consists of a set of variables, their value ranges and the conditions that establish links between the variables and thereby determine which combinations of values of the variables are permissible.
  • the database is designed as a non-relational database.
  • the advantage of using the non-relational database is that it can be organized or managed flexibly and dynamically. As a result, it is possible to react to changes in the production plant descriptions and / or the capability descriptions over time. This increases the flexibility of the automation system.
  • a non-relational database does not use any fixed table schemes. Attempts are made to avoid connections or links within the non-relational database. Examples of non-relational databases are NoSQL ("Not only structured query language") and knowledge graph approaches. According to a further embodiment, the database is designed as a relational database.
  • relational database is administered or organized line by line in tables.
  • relational databases are PostgreSQL and various SQL servers.
  • the first algorithm for machine learning comprises an algorithm for iterative, monitored learning.
  • the iterative supervised learning (“Iterative supervised learning”) or also an active learning (“Active learning”) is an algorithm for machine learning and a special type of an algorithm for supervised learning.
  • This algorithm is used in particular when a quantity of unlabelled data, such as parameters of production systems or of production system capabilities, is available in the database, but manual labeling or identification of the data is associated with a high level of human or economic effort. In such a case, the algorithm can actively ask the operator for labels for the respective data.
  • This type of iterative, supervised learning is preferably referred to as active learning.
  • the second algorithm for machine learning and the third algorithm for machine learning each comprise an algorithm for monitored learning.
  • Supervised learning is, in particular, an algorithm for machine learning.
  • Examples of supervised learning algorithms are convolutional neural Network (“Convolutional neural network (CNN)”) or a support vector network (SVN).
  • CNN convolutional neural network
  • SVN support vector network
  • a computer program product which causes the method as explained above to be carried out on a program-controlled device.
  • a computer program product such as a computer program means, for example, can be provided or delivered as a storage medium such as a memory card, USB stick, CD-ROM, DVD, or also in the form of a downloadable file from a server in a network. This can be done, for example, in a wireless communication network by transmitting a corresponding file with the computer program product or the computer program means.
  • a device for operating an automation system comprising a number of production plants for the automatic manufacture of at least part of a product using an existing database.
  • the existing database includes several production step descriptions, each of the production step descriptions describing a production step, several production plant descriptions, each of the production plant descriptions describing one of the production plants, and several capability descriptions, each of the capability descriptions describing a production plant capability, with Individual production steps are already assigned to individual production systems in the existing database.
  • the device comprises: a first assignment unit for assigning one or more production system capabilities to at least one of the production systems by means of a first algorithm for machine learning to supplement the existing database, a second allocation unit for allocating, based on the supplemented database, one or more production plant capabilities to at least one of the production steps using a second algorithm for machine learning to supplement the supplemented database, a suggestion unit for proposing one of the production facilities for one of the production steps using the supplemented database as a function of certain assignment rules and / or by means of a third algorithm for machine learning, and an execution unit for executing the production step through the proposed production system for the automatic production of at least part of the product .
  • an automation system comprises a number of production plants for the automatic production of at least part of a product, the device according to the third aspect and the supplemented database.
  • the respective unit for example the execution unit or the first or the second assignment unit, can be implemented in terms of hardware and / or also in terms of software.
  • the respective unit can be designed as a device or as part of a device, for example as a computer or as a microprocessor or as a control computer.
  • the respective unit can be designed as a computer program product, as a function, as a routine, as part of a program code or as an executable object.
  • FIG. 1 shows a schematic flow diagram of an exemplary embodiment of a method for operating an automation system
  • FIG. 2 shows a schematic block diagram of an exemplary embodiment of a device for operating an automation system
  • FIG. 3 shows a schematic block diagram of an exemplary embodiment of an automation system comprising the device according to FIG. 2;
  • Fig. 4 shows an embodiment of a production plan, which is shown in the form of a table.
  • an automation system 1 and a method and a device 100 for operating the automation system 1 are described below. This includes the method for operating the automation system 1, as shown in FIG. 1, the device 100 for operating the automation system 1, as in FIG. 2 and the environment of the automation system 1 to include the device 100 and a database 20, as shown in FIG. 3.
  • the automation system 1 shown in FIG. 3 comprises the device 100 for operating the automation system 1 according to FIG. 2, the database 20 and a number of production systems 41 for automatically producing at least part of a product using the existing database 20.
  • the production systems 41 shown in FIG. 3 can be different production systems 41.
  • One production plant 41 can be set up to carry out a drilling process, while another production plant 41 is set up to polish a surface of a workpiece.
  • a connector 40 connects the production facilities 41 and the database 20 to the device 100 via communication links 42.
  • the connector 40 and the communication links 42 can also be connected to one another in a different manner.
  • the production systems 41 can be connected directly to the device 100 and / or the database 20 can be connected directly to the device 100 via the communication links 41 without the connector 40 being used.
  • the database 20 is designed as a non-relational database.
  • the database 20 is designed as a relational database.
  • the existing database 20 comprises several production step descriptions, each of the production step descriptions describing a production step, as well as several production plant descriptions, each of the production plant descriptions describing one of the production plants 41.
  • the existing database 20 includes several capability descriptions, where each of the capability descriptions is a product Describes plant capability.
  • individual production steps are already assigned to individual production systems 41 in the existing database.
  • FIG. 1 shows a schematic flow diagram of an exemplary embodiment of a method for operating an automation system 1.
  • the method comprises method steps S101 to S104.
  • the device 100 in FIG. 2 is designed to carry out method steps S101 to S104 according to FIG. 1.
  • the device 100 according to FIG. 2 further comprises an assignment unit 21, which is subdivided into a first assignment unit 21a and a second assignment unit 21b, a suggestion unit 22 and an execution unit 23.
  • the first assignment unit 21a is set up to assign one or more production plant capabilities to at least one of the production plants 41 by means of a first algorithm for machine learning to supplement the existing database 20. This assignment corresponds to the process step
  • the first machine learning algorithm comprises an iterative supervised learning algorithm.
  • the second assignment unit 21b is set up to assign one or more production system capabilities to at least one of the production steps based on the expanded database 20 by means of a second algorithm for machine learning to expand the expanded database 20. This assignment corresponds to the process step
  • the second machine learning algorithm includes a supervised learning algorithm.
  • the assignment unit 21 receives from the existing database 20 via a communication link binding 42 several production step descriptions, several production plant descriptions and several capability descriptions.
  • the assignment unit 21 then processes these received data by preferably applying the first and the second algorithm for machine learning, in particular for assignment, to the received data.
  • the result of the processing by the assignment unit 21, that is to say the output data, is then made available to the database 20 and a production planning unit 25 via the communication links 42.
  • the production planning unit 25 is designed in particular to plan sequences of production steps for new or existing products or parts of products.
  • the production planning unit 25 receives the output data of the assignment unit 21 via the communication link 42.
  • the production planning unit 25 receives information about new products to be manufactured via the database 20 and the communication link 42, in particular information about a sequence of Production steps for the automatic manufacture of a new product, from a product unit 24.
  • the suggestion unit 22 is set up to suggest one of the production systems 41 for one of the production steps using the supplemented database 20 as a function of certain assignment rules and / or by means of a third algorithm for machine learning Proposals correspond to method step S103 in FIG. 1.
  • the third algorithm for machine learning comprises an algorithm for monitored learning.
  • the suggestion unit 22 is set up to execute the specific assignment rules and the third algorithm for machine learning in parallel. Since the specific assignment rules in this management form a constraint satisfaction problem. In addition, the suggestion unit 22 also receives information about the sequence of production steps for the automatic manufacture of the new product from the product unit 24 via the communication connection 42. The proposal unit 22 is set up to transmit the information about the proposed production system 41 to the execution unit 23 and to the production planning unit 25 via the communication connections 42.
  • the execution unit 23 is set up to execute the produc tion step through the proposed production system 41 for the automatic production of at least part of the product.
  • the execution unit 23 is connected via the connector 40 and the communication links 42 to the proposed production plant 41 for controlling the proposed production plant 41. This execution corresponds to method step S104 in FIG. 1.
  • the suggestion unit 22 is set up to use one of the production systems 41 for at least two of the production steps using the supplemented database 20 as a function of the specific assignment rules and / or by means of the third algorithm to propose machine learning.
  • the execution unit 23 is set up to carry out the two production steps through the respective proposed production plant 41 for the automatic production of at least part of the product, several parts of the product or several products.
  • FIG. 4 shows an exemplary embodiment of a production plan 26, which is shown in the form of a table.
  • the production plan 26 can also include further columns and rows.
  • the production plan 26 in Fig. 4 comprises several lines with production step descriptions, several lines with production system descriptions as well as several lines with capability descriptions. Furthermore, the production plan 26 is preferably stored in the database 20 and is made available by the database 20.
  • a production step 1223- step 1 is defined in column.
  • Column is a description given which action is carried out in the production step. In this case a borehole is drilled.
  • other or more specific descriptions of the production step are possible in other columns, such as the 3rd column in the 3rd row.

Abstract

The invention relates to a method for operating an automation system (1) comprising a device (100) for operating the automation system (1) and a number of production systems (41) for automatically producing a part of a product using an existing database (20). The existing database (20) comprises: multiple production step descriptions, wherein a respective production step description describes a production step; multiple production system descriptions, wherein a respective production system description describes one of the production systems; and multiple capability descriptions, wherein a respective capability description describes a production system capability. The method comprises the following steps: a) assigning one or more production system capabilities to one of the production systems (41) to add to the existing database (20); b) assigning one or more production system capabilities to one of the production steps to add to the extended database (20); c) proposing one of the production systems (41) for one of the production steps according to determined assignment rules and/or by means of a third algorithm for machine learning; and d) carrying out the production step using the proposed production system (41) to automatically produce the part of the product.

Description

Beschreibung description
VERFAHREN UND VORRICHTUNG ZUM BETREIBEN EINES AUTOMATISIERUNGSSYSTEMS METHOD AND DEVICE FOR OPERATING AN AUTOMATION SYSTEM
Die vorliegende Erfindung betrifft ein Verfahren sowie ein Computerprogrammprodukt zum Betreiben eines Automatisierungs systems. Des Weiteren betrifft die Erfindung eine Vorrichtung zum Betreiben eines Automatisierungssystems sowie ein Automa tisierungssystem. The present invention relates to a method and a computer program product for operating an automation system. The invention also relates to a device for operating an automation system and an automation system.
Herkömmliche Automatisierungssysteme zum automatischen Her stellen eines Teiles eines Produktes oder eines Produktes be ruhen auf einer statischen Beschreibung der Fähigkeiten der zu dem Automatisierungssystem gehörenden Produktionsanlagen. Die statische Beschreibung umfasst dabei eine Angabe, welche Fä higkeiten die jeweilige Produktionsanlage hat, das heißt, wel che Produktionsschritte sie mit welchen Parametern ausführen kann. Die Beschreibung der Fähigkeiten erfolgt dabei bei der Installation einer jeweiligen Produktionsanlage durch einen Operator. In Abhängigkeit dieser Beschreibung werden Produkti onspläne für neue Produkte erstellt. Ein Zuordnen der Produk tionsschritte zu den Produktionsanlagen und deren Fähigkeiten erfolgt ebenso statisch und manuell durch den Operator. Wei terhin ist es für den Operator in einem eine große Mehrzahl von Produktionsanlagen umfassenden Automatisierungssystem in der Regel unmöglich, ein umfassendes und aktuelles Wissen über sämtliche Kombinationen von Produktionsanlagen, deren Fähig keiten und den Produktionsschritten in dem Automatisierungs system zu verfügen. Conventional automation systems for automatically producing a part of a product or a product are based on a static description of the capabilities of the production facilities belonging to the automation system. The static description includes information about the capabilities of the respective production plant, i.e. which production steps it can carry out with which parameters. The skills are described by an operator when a respective production system is installed. Depending on this description, production plans for new products are created. The operator also assigns the production steps to the production systems and their capabilities statically and manually. Furthermore, it is generally impossible for the operator in an automation system that includes a large number of production systems to have comprehensive and up-to-date knowledge of all combinations of production systems, their capabilities and the production steps in the automation system.
Vor diesem Hintergrund besteht eine Aufgabe der vorliegenden Erfindung darin, ein verbessertes Automatisierungssystem be reitzustellen. Against this background, it is an object of the present invention to provide an improved automation system.
Gemäß einem ersten Aspekt wird ein Verfahren zum Betreiben ei nes Automatisierungssystems umfassend eine Anzahl von Produk- tionsanlagen zum automatischen Herstellen zumindest eines Tei les eines Produktes unter Verwendung einer vorhandenen Daten bank vorgeschlagen. Die vorhandene Datenbank umfasst mehrere Produktionsschrittbeschreibungen, wobei eine jeweilige der Produktionsschrittbeschreibungen einen Produktionsschritt be schreibt, mehrere Produktionsanlagenbeschreibungen, wobei eine jeweilige der Produktionsanlagenbeschreibungen eine der Pro duktionsanlagen beschreibt, und mehrere Fähigkeits- Beschreibungen, wobei eine jeweilige der Fähigkeits- Beschreibungen eine Produktionsanlagenfähigkeit beschreibt, wobei in der vorhandenen Datenbank einzelne Produktionsschrit te bereits einzelnen Produktionsanlagen zugeordnet sind. Das Verfahren umfasst die Schritte: a) Zuordnen einer oder mehrerer Produktionsanlagenfähigkeiten zu zumindest einer der Produktionsanlagen mittels eines ersten Algorithmus zum Maschinellen Lernen zum Ergänzen der vorhande nen Datenbank, b) Zuordnen, basierend auf der ergänzten Datenbank, einer o- der mehrerer Produktionsanlagenfähigkeiten zu zumindest einem der Produktionsschritte mittels eines zweiten Algorithmus zum Maschinellen Lernen zum Ergänzen der ergänzten Datenbank, c) Vorschlägen einer der Produktionsanlagen für einen der Produktionsschritte unter Verwendung der ergänzten Datenbank in Abhängigkeit von bestimmten Zuordnungs-Regeln und/oder mit tels eines dritten Algorithmus zum Maschinellen Lernen, und d) Ausführen des Produktionsschrittes durch die vorgeschlage ne Produktionsanlage zum automatischen Herstellen zumindest des Teiles des Produktes. According to a first aspect, a method for operating an automation system comprising a number of product tion systems for the automatic production of at least a part of a product using an existing database proposed. The existing database includes several production step descriptions, each of the production step descriptions describing a production step, several production plant descriptions, with a respective one of the production plant descriptions describing one of the production plants, and several capability descriptions, each of the capability descriptions describing a production plant capability, with in Individual production steps are already assigned to individual production systems in the existing database. The method comprises the steps: a) assigning one or more production system capabilities to at least one of the production systems using a first machine learning algorithm to supplement the existing database, b) assigning, based on the supplemented database, one or more production system capabilities to at least one one of the production steps using a second algorithm for machine learning to supplement the supplemented database, c) proposals from one of the production systems for one of the production steps using the supplemented database as a function of certain assignment rules and / or using a third algorithm for machine learning, and d) carrying out the production step through the proposed production facility for automatically producing at least part of the product.
Durch das bereitgestellte Verfahren ist es in vorteilhafter Weise möglich, dass eine Produktionsanlage des Automatisie rungssystems zum Ausführen eines Produktionsschrittes bei ei ner Produktionsplanung zum Herstellen des Teiles des Produktes oder des Produktes vorgeschlagen wird, obwohl dieser in der Vergangenheit noch nie auf der vorgeschlagenen Produktionsan lage ausgeführt wurde. Anschließend kann die vorgeschlagene Produktionsanlage den Produktionsschritt ausführen. Dies ist deshalb so, da durch die ergänzte Datenbank verschiedene Kom binationen von Zuordnungen zwischen den Produktionsschritten, den Produktionsanlagen und den Produktionsanlagenfähigkeiten zur Verfügung stehen. Dies erhöht die Flexibilität des Automa tisierungssystems . The method provided makes it possible in an advantageous manner that a production plant of the automation system is proposed for executing a production step in a production planning for manufacturing the part of the product or the product, although this has never been carried out on the proposed production plant in the past has been. The proposed production facility can then carry out the production step. This is therefore, because the expanded database provides various combinations of assignments between the production steps, the production systems and the production system capabilities. This increases the flexibility of the automation system.
Weiterhin werden durch das bereitgestellte Verfahren die Aus fallsicherheit und die Zuverlässigkeit des Automatisierungs systems erhöht. Im Falle eines Ausfalls einer Produktionsanla ge zum Ausführen eines Produktionsschrittes kann durch die er gänzte Datenbank unmittelbar und automatisiert eine andere Produktionsanlage vorgeschlagen werden, durch welche der Pro duktionsschritt ausführbar ist. Damit wird verhindert, dass ein Produktionsprozess zum automatischen Herstellen eines Pro duktes unterbrochen wird oder dass der Produktionsschritt aus fällt. Furthermore, the failure safety and reliability of the automation system are increased by the method provided. In the event of a failure of a production plant to carry out a production step, the supplemented database can be used to suggest another production plant, through which the production step can be carried out, directly and automatically. This prevents a production process for the automatic manufacture of a product from being interrupted or the production step from being canceled.
Ein weiterer Vorteil ist, dass die Produktionsplanung neuer Produkte schneller erfolgt. Wenn beispielsweise zum Herstellen eines neuen Produktes mehrere 100 Produktionsschritte erfor derlich sind, werden die einzelnen Produktionsschritte in ei ner richtigen Produktionsreihenfolge den erforderlichen Pro duktionsanlagen zugeordnet. Hierbei kann von einer Zeiterspar nis von bis zu 50 Prozent im Vergleich zu herkömmlichen Auto matisierungssystemen ausgegangen werden. Another advantage is that the production planning of new products is quicker. If, for example, several hundred production steps are required to manufacture a new product, the individual production steps are assigned to the required production systems in the correct production sequence. Time savings of up to 50 percent compared to conventional automation systems can be assumed here.
Ein weiterer Vorteil ist, dass sich die Fehlerquote bei der Planung eines Produktionsprozesses reduzieren kann, da der menschliche Operator entfällt. Dies erhöht die Zuverlässigkeit des Automatisierungssystems. Another advantage is that the error rate when planning a production process can be reduced since the human operator is no longer required. This increases the reliability of the automation system.
Ein weiterer Vorteil ergibt sich dadurch, dass sich die Pla nungsqualität des Automatisierungssystems kontinuierlich er höht, da die Datenbank kontinuierlich neue Kombinationen von Zuordnungen zwischen den Produktionsschritten, den Produkti onsanlagen und den Produktionsanlagenfähigkeiten erlernt und sich somit die Informationsbasis, auf welche das Automatisie- rungssystem zugreifen kann, erhöht. Zusätzlich zu den Produk tionsplanungen von neuen Produkten kann das bereitgestellte Verfahren auch für eine Engpass- oder Kompensationsplanung verwendet werden. Another advantage results from the fact that the planning quality of the automation system increases continuously, since the database continuously learns new combinations of assignments between the production steps, the production systems and the production system capabilities and thus the information base on which the automation system access system increases. In addition to the production planning of new products, the provided method can also be used for bottleneck or compensation planning.
Das Automatisierungssystem ist beispielsweise eine automati sierte Fabrik oder Roboterfabrik, die eine Anzahl von Produk tionsanlagen umfasst. Die Produktionsanlagen sind zum Bearbei ten von Rohstoffen, Zwischenprodukten, Teilen von Produkten, und/oder Produkten eingerichtet. Das Automatisierungssystem ist damit zum automatischen Herstellen eines Teiles eines Pro dukts oder eines Produktes, ausgehend von den Rohstoffen, von vorverarbeiteten Materialien und/oder von Zwischenprodukten eingerichtet. Das Automatisierungssystem kann sowohl zum Her stellen von diskreten Produkten, beispielsweise Produkte aus Holz, Metall, Kunststoff, elektronische Produkte und derglei chen, als auch zum Herstellen formulierter Produkte, die bei spielsweise keine feste Form aufweisen, insbesondere Chemika lien, Cremes, Farben und dergleichen, verwendet werden. The automation system is, for example, an automated factory or robot factory, which includes a number of production systems. The production facilities are set up for processing raw materials, intermediate products, parts of products and / or products. The automation system is thus set up for the automatic manufacture of part of a product or a product, starting from the raw materials, preprocessed materials and / or intermediate products. The automation system can be used both for the manufacture of discrete products, for example products made of wood, metal, plastic, electronic products and the like, and for the manufacture of formulated products which, for example, do not have a solid shape, in particular chemicals, creams, paints and the like , be used.
Insbesondere werden bei dem Zuordnen in den Schritten a) und b) der erste und der zweite Algorithmus zum Maschinellen Ler nen auf die bereits in der vorhandenen Datenbank vorhandenen Kombinationen von Zuordnungen zwischen den Produktionsschrit ten, den Produktionsanlagen und den Produktionsanlagenfähig keiten angewendet, um die vorhandene Datenbank zu erweitern und zu ergänzen und um neue Kombinationen dieser Zuordnungen zu erlernen. Das Vorschlägen einer Produktionsanlage kann auch als ein Empfehlen einer Produktionsanlage bezeichnet werden. In particular, when assigning in steps a) and b), the first and second machine learning algorithms are applied to the combinations of assignments between the production steps, the production systems and the production system capabilities that already exist in the existing database To expand and supplement the database and to learn new combinations of these assignments. Suggesting a production facility can also be referred to as recommending a production facility.
Wenn nur unzureichende initiale (anfängliche, ursprüngliche) Informationen über Kombinationen von Zuordnungen zwischen den Produktionsschritten, den Produktionsanlagen und den Produkti onsanlagenfähigkeiten in der vorhandenen Datenbank vorliegen, wird die Datenbank vorzugsweise dadurch erweitert, dass neue Kombinationen von Zuordnungen zwischen den Produktionsschrit ten, den Produktionsanlagen und den Produktionsanlagenfähig- keiten durch einen manuellen Kennzeichnungs-Prozess ("La- beling-Process "), welcher insbesondere mit einem Algorithmus zum unüberwachten Gruppieren ( "Unsupervised clustering") kom biniert wird, erhalten werden. Wenn der manuelle Kennzeich nungs-Prozess durchgeführt wird, kann dieser Vorgang ebenfalls in der vorhandenen Datenbank gespeichert werden und somit die Informationen in der vorhandenen Datenbank erweitert werden. If there is insufficient initial (initial, original) information about combinations of assignments between the production steps, the production systems and the production system capabilities in the existing database, the database is preferably expanded by adding new combinations of assignments between the production steps, the production systems and the production plant capable by a manual labeling process ("labeling process"), which is combined in particular with an algorithm for unsupervised grouping ("unsupervised clustering"). If the manual labeling process is carried out, this process can also be saved in the existing database and thus the information in the existing database can be expanded.
Das herzustellende Teil des Produktes oder das herzustellende Produkt liegt beispielsweise in Form eines Produktionsplanes vor, der vorzugsweise eine maschinenlesbare Beschreibung des Produkts inklusive der zur Produktion erforderlichen Produkti onsschrittbeschreibung oder Produktionsschrittbeschreibungen umfasst. Der Produktionsplan ist insbesondere in der vorhande nen Datenbank gespeichert. The part of the product to be manufactured or the product to be manufactured is available, for example, in the form of a production plan, which preferably includes a machine-readable description of the product including the production step description or production step descriptions required for production. In particular, the production plan is stored in the existing database.
Eine jeweilige Produktionsschrittbeschreibung beschreibt ins besondere einen Produktionsschritt. Die einzelnen Produktions schritte liegen in einer Sequenz (Produktionsprozess) vor. Die Sequenz kann auch parallel zueinander angeordnete Produktions schritte umfassen. Ein jeweiliger Produktionsschritt kann von einer oder von mehreren Produktionsanlagen abgearbeitet wer den. Die vorhandene Datenbank weist ferner Produktionsanlagen beschreibungen auf. Eine jeweilige Produktionsanlagenbeschrei bung beschreibt eine Produktionsanlage. Beispielsweise kann eine erste Produktionsanlage für eine grobes Vorschleifen ei ner Oberfläche eingerichtet sein und eine zweite Produktions anlage ist zum feinen Schleifen und Polieren der Oberfläche eingerichtet. Indem die Sequenz von Produktionsschritten abge arbeitet wird, wird das herzustellende Produkt oder ein Teil des herzustellenden Produktes hergestellt. A respective production step description describes in particular a production step. The individual production steps are in a sequence (production process). The sequence can also include production steps arranged parallel to one another. A respective production step can be processed by one or more production systems. The existing database also has production plant descriptions. A respective production plant description describes a production plant. For example, a first production plant can be set up for coarse pre-grinding of a surface and a second production plant is set up for fine grinding and polishing of the surface. By processing the sequence of production steps, the product to be manufactured or a part of the product to be manufactured is manufactured.
Eine jeweilige Produktionsanlage weist eine Fähigkeits- Beschreibung auf, welche die aktuellen Fähigkeiten der Produk tionsanlage enthält. Eine Fähigkeit ist insbesondere ein Durchführen eines bestimmten Produktionsschritts. Eine jewei lige Fähigkeit kann dabei einer bestimmten Fähigkeits-Klasse oder Kategorie zuordenbar sein, wie beispielsweise Bohren, Fräsen, Schleifen, Lackieren, Sägen, Schweißen, und derglei chen. Weiterhin enthält die Fähigkeits-Beschreibung vorzugs weise für jede Fähigkeit Parameterwerte, welche die jeweilige Fähigkeit genauer definieren. Dies kann beispielsweise für die Fähigkeit "Bohren" eine Angabe zu möglichen Bohrloch- Durchmessern, Bohrloch-Tiefen, Drehzahlen des Bohrers, Materi alien, die gebohrt werden können, und dergleichen, sein. Wei terhin sind Angaben zu Energieverbrauch, Verschleiß, Dauer, Genauigkeiten und/oder Toleranzen für eine jede Fähigkeit mög lich. Insbesondere können auch Abhängigkeiten zwischen Parame tern in der Beschreibung enthalten sein. Dabei kann beispiels weise eine höhere Genauigkeit auf Kosten einer höheren Dauer eines Produktionsschritts erzielbar sein. Insbesondere kann die Fähigkeits-Beschreibung sogenannte "Key-Performance- Indicators" umfassen, die eine betriebswirtschaftliche Bewer tung der jeweiligen Produktionsanlage ermöglichen. Diese "Key- Performance-Indicators " können weiterhin von den in der Fähig keits-Beschreibung enthaltenen Angaben abgeleitet oder berech net werden. A respective production facility has a capability description which contains the current capabilities of the production facility. In particular, one ability is to carry out a specific production step. A respective skill can be assigned to a specific skill class or category, such as drilling, milling, grinding, painting, sawing, welding, and the like. Furthermore, the skill description preferably contains parameter values for each skill, which define the respective skill more precisely. For the "drilling" ability, for example, this can be an indication of possible borehole diameters, borehole depths, rotational speeds of the drill, materials that can be drilled, and the like. Furthermore, information on energy consumption, wear, duration, accuracies and / or tolerances for each capability are possible, please include. In particular, the description can also contain dependencies between parameters. In this case, for example, higher accuracy can be achieved at the expense of a longer duration of a production step. In particular, the capability description can include so-called "key performance indicators" that enable a business evaluation of the respective production plant. These "key performance indicators" can also be derived or calculated from the information contained in the capability description.
Die Fähigkeits-Beschreibung der jeweiligen Produktionsanlage kann beispielsweise von einem Hersteller der Produktionsanlage bereitgestellt oder auch manuell von dem Operator der Produk tionsanlage erstellt werden. Die Fähigkeits-Beschreibungen der Produktionsanlagen sind vorzugsweise in der vorhandenen Daten bank gespeichert. Die Fähigkeits-Beschreibung einer jeweiligen Produktionsanlage umfasst nicht unbedingt alle Fähigkeiten, welche die Produktionsanlage aufweist, sondern kann auch nur eine Teilmenge hiervon umfassen. Beispielsweise kann die Fä higkeit "Bohren" auf Holz beschränkt sein, obwohl die Bohrer der Produktionsanlage auch für Metall geeignet sind. Eine sol che Diskrepanz kann bewusst gewählt sein, damit beispielsweise die Produktionsanlage für Produktionsschritte, die das Bohren in Metall umfassen, nicht herangezogen wird, kann aber auch ungewollt auftreten, beispielsweise aufgrund einer fehlerhaf ten Eingabe des Operators der Produktionsanlage. Der Produktionsplan innerhalb der Datenbank wird insbesondere horizontal verwaltet und umfasst mehrere Spalten. Eine Zeile des Produktionsplanes weist beispielsweise zumindest Informa tionen über eine Produktionsschrittbeschreibung, eine Produk tionsanlagenbeschreibung und eine Fähigkeits-Beschreibung auf. Vorzugsweise ist in einer ersten Zeile in nebeneinander lie genden Spalten eine Produktionsschrittbeschreibung mit dem Produktionsschritt "Schritt 1, 1223" und dessen Beschreibung "Bohrloch an Koordinate 2.34.5 anbringen" beschrieben. Dazu zugeordnet ist in der ersten Zeile in weiteren nebeneinander liegenden Spalten beispielsweise eine Produktionsanlagenbe schreibung beschrieben, welche Eigenschaften über eine Produk tionsanlage umfasst, die den Produktionsschritt durchführen kann. Die Produktionsanlage (PA) umfasst hierbei beispielswei se eine Produktionsanlagen-Identifizierung wie "PA-43" und ei ne Angabe über den Hersteller der Produktionsanlage. Ferner können weitere Parameterwerte, wie der Stromverbrauch der Pro duktionsanlage, in der Produktionsanlagenbeschreibung, angege ben sein. Dazu weiter zugeordnet ist in der ersten Zeile in weiteren nebeneinander liegenden Spalten eine Fähigkeits- Beschreibung beschrieben, welche zumindest eine Produktionsan- lagen-Fähigkeit der Produktionsanlage angibt, um den Produkti onsschritt durchführen zu können. Eine Produktionsanlagenfä higkeit ist, wie oben bereits erläutert, zum Beispiel "Bohren" und ein weiterer Parameterwert der Produktionsanlagenfähigkeit ist vorzugsweise ein Bohrloch-Durchmesser. The capability description of the respective production plant can for example be provided by a manufacturer of the production plant or it can also be created manually by the operator of the production plant. The capability descriptions of the production systems are preferably stored in the existing database. The capability description of a respective production facility does not necessarily include all capabilities that the production facility has, but can also only include a subset of them. For example, the ability to "drill" may be limited to wood, although the drills in the production facility are also suitable for metal. Such a discrepancy can be chosen deliberately so that, for example, the production system is not used for production steps that include drilling in metal, but it can also occur unintentionally, for example due to an incorrect input by the operator of the production system. In particular, the production plan within the database is managed horizontally and comprises several columns. One line of the production plan has, for example, at least information about a production step description, a production plant description and a capability description. A production step description with the production step "Step 1, 1223" and its description "Drill hole at coordinate 2.34.5" is preferably described in a first line in adjacent columns. Associated with this, in the first row in further columns lying next to one another, for example, a production plant description is described which includes properties of a production plant that can carry out the production step. The production plant (PA) here includes, for example, a production plant identification such as "PA-43" and information about the manufacturer of the production plant. Furthermore, further parameter values, such as the power consumption of the production plant, can be specified in the production plant description. Further associated with this, a capability description is described in the first line in further adjacent columns which indicates at least one production system capability of the production system in order to be able to carry out the production step. As already explained above, a production facility capability is, for example, "drilling" and a further parameter value for the production facility capability is preferably a borehole diameter.
Gemäß einer Ausführungsform werden in dem Schritt c) die be stimmten Zuordnungs-Regeln und der dritte Algorithmus zum Ma schinellen Lernen parallel ausgeführt. According to one embodiment, the specific assignment rules and the third algorithm for machine learning are executed in parallel in step c).
Dies hat den Vorteil, dass einerseits eine Produktionsanlage des Automatisierungssystems zum Ausführen eines Produktions schrittes bei der Produktionsplanung vorgeschlagen werden kann, obwohl dieser noch nie auf der vorgeschlagenen Produkti onsanlage ausgeführt wurde. Dies erhöht die Flexibilität des Automatisierungssystems. Andererseits führt die parallele Aus führung dazu, dass selbst bei der Verwendung einer mit nur ge ringfügigen Informationen ausgestatteten vorhandenen Daten bank, insbesondere wenigen vorhandenen Produktionsanlagenfä higkeiten, die Schritte des Vorschlagens und des Ausführens zuverlässig durchgeführt werden können. Dies erhöht die Aus fallsicherheit des Automatisierungssystems. This has the advantage that, on the one hand, a production plant of the automation system can be proposed for executing a production step in production planning, although this has never been carried out on the proposed production plant. This increases the flexibility of the Automation system. On the other hand, the parallel execution leads to the fact that the steps of suggesting and executing can be carried out reliably even when using an existing database equipped with only minimal information, in particular a few existing production plant capabilities. This increases the failure safety of the automation system.
Gemäß einer weiteren Ausführungsform werden für zumindest zwei der Produktionsschritte jeweils eine der Produktionsanlagen unter Verwendung der ergänzten Datenbank in Abhängigkeit von den bestimmten Zuordnungs-Regeln und/oder mittels des dritten Algorithmus zum Maschinellen Lernen vorgeschlagen. According to a further embodiment, one of the production systems is proposed for at least two of the production steps using the supplemented database as a function of the specific assignment rules and / or using the third algorithm for machine learning.
Gemäß einer weiteren Ausführungsform werden die zumindest zwei Produktionsschritte durch die jeweilige vorgeschlagene Produk tionsanlage zum automatischen Herstellen zumindest des Teiles des Produktes, mehrerer Teile des Produktes oder mehrerer Pro dukte ausgeführt. According to a further embodiment, the at least two production steps are carried out by the respective proposed production system for the automatic production of at least part of the product, several parts of the product or several products.
Vorteilhafterweise ist es mittels dieser Ausführungsform mög lich, mehrere Produktionsschritte mittels vorgeschlagener Pro duktionsanlagen auszuführen. Dadurch werden durch das Automa tisierungssystem mehrere Teile des Produktes oder ein Produkt hergestellt. Advantageously, by means of this embodiment, it is possible, please include to carry out several production steps by means of proposed production plants. As a result, several parts of the product or a product are manufactured by the automation system.
Gemäß einer weiteren Ausführungsform umfassen die bestimmten Zuordnungs-Regeln zumindest ein Constraint-Satisfaction- Problem. According to a further embodiment, the specific assignment rules include at least one constraint satisfaction problem.
Dies hat den Vorteil, dass eine Produktionsanlage des Automa tisierungssystems zum Ausführen eines Produktionsschrittes bei der Produktionsplanung vorgeschlagen werden kann, obwohl die ser noch nie auf der vorgeschlagenen Produktionsanlage ausge führt wurde. Dies erhöht die Flexibilität des Automatisie rungssystems. Das Constraint-Satisfaction-Problem (CSP, "Bedingungserfül lungsproblem") ist eine mathematische Aufgabenstellung aus dem Bereich der künstlichen Intelligenz. Ein Constraint- Satisfaction-Problem besteht vorzugsweise aus einer Menge von Variablen, ihren Wertebereichen und den Bedingungen, die Ver knüpfungen zwischen den Variablen hersteilen und dadurch fest legen, welche Kombinationen von Werten der Variablen zulässig sind. This has the advantage that a production plant of the automation system can be proposed for executing a production step in the production planning, although this has never been carried out on the proposed production plant. This increases the flexibility of the automation system. The constraint satisfaction problem (CSP, "conditional fulfillment problem") is a mathematical task from the field of artificial intelligence. A constraint satisfaction problem preferably consists of a set of variables, their value ranges and the conditions that establish links between the variables and thereby determine which combinations of values of the variables are permissible.
In anderen Worten wird insbesondere durch das Constraint- Satisfaction-Problem und dessen Lösung eine oder mehrere zu lässige Kombinationen von Zuordnungen zwischen den Produkti onsanlagen und den Produktionsschritten gefunden, auf Basis derer ein Vorschlägen einer Produktionsanlage für einen der Produktionsschritte durchgeführt wird. In other words, one or more permissible combinations of assignments between the production systems and the production steps are found in particular through the constraint satisfaction problem and its solution, on the basis of which a production system is proposed for one of the production steps.
Ferner sind vorzugsweise das Constraint-Satisfaction-Problem, dessen Lösungsansätze sowie einige Beispiele hiervon in der DE 10 2016 224 457 Al beschrieben, deren Inhalt hiermit in Bezug genommen wird. Furthermore, the constraint satisfaction problem, its solution approaches and some examples thereof are preferably described in DE 10 2016 224 457 A1, the content of which is hereby referred to.
Gemäß einer weiteren Ausführungsform ist die Datenbank als ei ne nicht-relationale Datenbank ausgebildet. According to a further embodiment, the database is designed as a non-relational database.
Der Vorteil bei der Verwendung der nicht-relationalen Daten bank liegt darin, dass diese flexibel und dynamisch organi siert oder verwaltet werden kann. Infolgedessen kann auf zeit liche Änderungen der Produktionsanlagenbeschreibungen und/oder der Fähigkeits-Beschreibungen reagiert werden. Dies erhöht die Flexibilität des Automatisierungssystems. The advantage of using the non-relational database is that it can be organized or managed flexibly and dynamically. As a result, it is possible to react to changes in the production plant descriptions and / or the capability descriptions over time. This increases the flexibility of the automation system.
Eine nicht-relationale Datenbank verwendet insbesondere keine festgelegten Tabellenschemata. Innerhalb der nicht relationalen Datenbank wird versucht, Verbindungen oder Ver knüpfungen zu vermeiden. Beispiele für nicht-relationale Da tenbanken sind NoSQL ("Not only structured query language") und Knowledge-Graph-Ansätze. Gemäß einer weiteren Ausführungsform ist die Datenbank als ei ne relationale Datenbank ausgebildet. In particular, a non-relational database does not use any fixed table schemes. Attempts are made to avoid connections or links within the non-relational database. Examples of non-relational databases are NoSQL ("Not only structured query language") and knowledge graph approaches. According to a further embodiment, the database is designed as a relational database.
Insbesondere wird eine relationale Datenbank zeilenweise in Tabellen verwaltet oder organisiert. Beispiele für relationale Datenbanken sind PostgreSQL und verschiedene SQL-Server. In particular, a relational database is administered or organized line by line in tables. Examples of relational databases are PostgreSQL and various SQL servers.
Gemäß einer weiteren Ausführungsform umfasst der erste Algo rithmus zum Maschinellen Lernen einen Algorithmus zum iterati ven überwachten Lernen. According to a further embodiment, the first algorithm for machine learning comprises an algorithm for iterative, monitored learning.
Das iterative überwachte Lernen ("Iterative supervised learn ing") oder auch ein aktives Lernen ("Active learning") ist ein Algorithmus zum Maschinellen Lernen und ein spezieller Typ ei nes Algorithmus zum überwachten Lernen. The iterative supervised learning ("Iterative supervised learning") or also an active learning ("Active learning") is an algorithm for machine learning and a special type of an algorithm for supervised learning.
Dieser Algorithmus wird insbesondere dann verwendet, wenn eine Menge an ungekennzeichneten Daten, wie Parameter von Produkti onsanlagen oder von Produktionsanlagenfähigkeiten, in der Da tenbank vorhanden sind, aber eine manuelle Kennzeichnung oder Identifizierung der Daten mit einem hohen menschlichen oder wirtschaftlichen Aufwand verbunden ist. In einem solchen Fall kann der Algorithmus den Operator aktiv nach Kennzeichnungen für die jeweiligen Daten fragen. Diese Art des iterativen, überwachten Lernens wird vorzugsweise als aktives Lernen be zeichnet. This algorithm is used in particular when a quantity of unlabelled data, such as parameters of production systems or of production system capabilities, is available in the database, but manual labeling or identification of the data is associated with a high level of human or economic effort. In such a case, the algorithm can actively ask the operator for labels for the respective data. This type of iterative, supervised learning is preferably referred to as active learning.
Gemäß einer weiteren Ausführungsform umfassen der zweite Algo rithmus zum Maschinellen Lernen und der dritte Algorithmus zum Maschinellen Lernen jeweils einen Algorithmus zum überwachten Lernen. According to a further embodiment, the second algorithm for machine learning and the third algorithm for machine learning each comprise an algorithm for monitored learning.
Das überwachte Lernen ("Supervised learning") ist insbesondere ein Algorithmus zum Maschinellen Lernen. Beispiele für Algo rithmen zum überwachten Lernen sind ein faltendes neuronales Netzwerk ( "Convolutional neuronal network (CNN)") oder ein Stützvektornetzwerk ("Support vector network (SVN)"). Supervised learning is, in particular, an algorithm for machine learning. Examples of supervised learning algorithms are convolutional neural Network ("Convolutional neural network (CNN)") or a support vector network (SVN).
Gemäß einem zweiten Aspekt wird ein Computerprogrammprodukt vorgeschlagen, welches auf einer programmgesteuerten Einrich tung die Durchführung des wie oben erläuterten Verfahrens ver anlasst. According to a second aspect, a computer program product is proposed which causes the method as explained above to be carried out on a program-controlled device.
Ein Computerprogrammprodukt, wie z.B. ein Computerprogramm- Mittel, kann beispielsweise als Speichermedium, wie z.B. Spei cherkarte, USB-Stick, CD-ROM, DVD, oder auch in Form einer herunterladbaren Datei von einem Server in einem Netzwerk be reitgestellt oder geliefert werden. Dies kann zum Beispiel in einem drahtlosen Kommunikationsnetzwerk durch die Übertragung einer entsprechenden Datei mit dem Computerprogrammprodukt o- der dem Computerprogramm-Mittel erfolgen. A computer program product, such as a computer program means, for example, can be provided or delivered as a storage medium such as a memory card, USB stick, CD-ROM, DVD, or also in the form of a downloadable file from a server in a network. This can be done, for example, in a wireless communication network by transmitting a corresponding file with the computer program product or the computer program means.
Gemäß einem dritten Aspekt wird eine Vorrichtung zum Betreiben eines Automatisierungssystems umfassend eine Anzahl von Pro duktionsanlagen zum automatischen Herstellen zumindest eines Teiles eines Produktes unter Verwendung einer vorhandenen Da tenbank vorgeschlagen. Die vorhandene Datenbank umfasst mehre re Produktionsschrittbeschreibungen, wobei eine jeweilige der Produktionsschrittbeschreibungen einen Produktionsschritt be schreibt, mehrere Produktionsanlagenbeschreibungen, wobei eine jeweilige der Produktionsanlagenbeschreibungen eine der Pro duktionsanlagen beschreibt, und mehrere Fähigkeits- Beschreibungen, wobei eine jeweilige der Fähigkeits- Beschreibungen eine Produktionsanlagenfähigkeit beschreibt, wobei in der vorhandenen Datenbank einzelne Produktionsschrit te bereits einzelnen Produktionsanlagen zugeordnet sind. Die Vorrichtung umfasst: eine erste Zuordnungs-Einheit zum Zuordnen einer oder meh rerer Produktionsanlagenfähigkeiten zu zumindest einer der Produktionsanlagen mittels eines ersten Algorithmus zum Ma schinellen Lernen zum Ergänzen der vorhandenen Datenbank, eine zweite Zuordnungs-Einheit zum Zuordnen, basierend auf der ergänzten Datenbank, einer oder mehrerer Produktionsanla genfähigkeiten zu zumindest einem der Produktionsschritte mit tels eines zweiten Algorithmus zum Maschinellen Lernen zum Er gänzen der ergänzten Datenbank, eine Vorschlags-Einheit zum Vorschlägen einer der Produk tionsanlagen für einen der Produktionsschritte unter Verwen dung der ergänzten Datenbank in Abhängigkeit von bestimmten Zuordnungs-Regeln und/oder mittels eines dritten Algorithmus zum Maschinellen Lernen, und eine Ausführungs-Einheit zum Ausführen des Produktions schrittes durch die vorgeschlagene Produktionsanlage zum auto matischen Herstellen zumindest des Teiles des Produktes. According to a third aspect, a device for operating an automation system comprising a number of production plants for the automatic manufacture of at least part of a product using an existing database is proposed. The existing database includes several production step descriptions, each of the production step descriptions describing a production step, several production plant descriptions, each of the production plant descriptions describing one of the production plants, and several capability descriptions, each of the capability descriptions describing a production plant capability, with Individual production steps are already assigned to individual production systems in the existing database. The device comprises: a first assignment unit for assigning one or more production system capabilities to at least one of the production systems by means of a first algorithm for machine learning to supplement the existing database, a second allocation unit for allocating, based on the supplemented database, one or more production plant capabilities to at least one of the production steps using a second algorithm for machine learning to supplement the supplemented database, a suggestion unit for proposing one of the production facilities for one of the production steps using the supplemented database as a function of certain assignment rules and / or by means of a third algorithm for machine learning, and an execution unit for executing the production step through the proposed production system for the automatic production of at least part of the product .
Gemäß einem vierten Aspekt wird ein Automatisierungssystem vorgeschlagen. Das Automatisierungssystem umfasst eine Anzahl von Produktionsanlagen zum automatischen Herstellen zumindest eines Teiles eines Produktes, die Vorrichtung gemäß dem dritten Aspekt und die ergänzte Datenbank. According to a fourth aspect, an automation system is proposed. The automation system comprises a number of production plants for the automatic production of at least part of a product, the device according to the third aspect and the supplemented database.
Die jeweilige Einheit, zum Beispiel die Ausführungs-Einheit oder die erste oder die zweite Zuordnungs-Einheit, kann hard waretechnisch und/oder auch softwaretechnisch implementiert sein. Bei einer hardwaretechnischen Implementierung kann die jeweilige Einheit als Vorrichtung oder als Teil einer Vorrich tung, zum Beispiel als Computer oder als Mikroprozessor oder als Steuerrechner ausgebildet sein. Bei einer softwaretechni schen Implementierung kann die jeweilige Einheit als Computer programmprodukt, als eine Funktion, als eine Routine, als Teil eines Programmcodes oder als ausführbares Objekt ausgebildet sein. The respective unit, for example the execution unit or the first or the second assignment unit, can be implemented in terms of hardware and / or also in terms of software. In the case of a hardware implementation, the respective unit can be designed as a device or as part of a device, for example as a computer or as a microprocessor or as a control computer. In a software implementation, the respective unit can be designed as a computer program product, as a function, as a routine, as part of a program code or as an executable object.
Die für das vorgeschlagene Verfahren beschriebenen Ausfüh rungsformen und Merkmale gelten für die vorgeschlagene Vor richtung entsprechend. Weitere mögliche Implementierungen der Erfindung umfassen auch nicht explizit genannte Kombinationen von zuvor oder im Fol genden bezüglich der Ausführungsbeispiele beschriebenen Merk male oder Ausführungsformen. Dabei wird der Fachmann auch Ein zelaspekte als Verbesserungen oder Ergänzungen zu der jeweili gen Grundform der Erfindung hinzufügen. The embodiments and features described for the proposed method apply accordingly to the proposed device. Further possible implementations of the invention also include combinations, not explicitly mentioned, of features or embodiments described above or below with regard to the exemplary embodiments. The person skilled in the art will also add individual aspects as improvements or additions to the respective basic form of the invention.
Weitere vorteilhafte Ausgestaltungen und Aspekte der Erfindung sind Gegenstand der Unteransprüche sowie der im Folgenden be schriebenen Ausführungsbeispiele der Erfindung. Im Weiteren wird die Erfindung anhand von bevorzugten Ausführungsformen unter Bezugnahme auf die beigelegten Figuren näher erläutert. Fig. 1 zeigt ein schematisches Ablaufdiagramm eines Ausfüh rungsbeispiels eines Verfahrens zum Betreiben eines AutomatisierungsSystems; Further advantageous refinements and aspects of the invention are the subject matter of the subclaims and of the exemplary embodiments of the invention described below. The invention is explained in more detail below on the basis of preferred embodiments with reference to the attached figures. 1 shows a schematic flow diagram of an exemplary embodiment of a method for operating an automation system;
Fig. 2 zeigt ein schematisches Blockdiagramm eines Ausfüh rungsbeispiels einer Vorrichtung zum Betreiben eines AutomatisierungsSystems; 2 shows a schematic block diagram of an exemplary embodiment of a device for operating an automation system;
Fig. 3 zeigt ein schematisches Blockdiagramm eines Ausfüh rungsbeispiels eines Automatisierungssystems umfas send die Vorrichtung gemäß Fig. 2; und FIG. 3 shows a schematic block diagram of an exemplary embodiment of an automation system comprising the device according to FIG. 2; and
Fig. 4 zeigt ein Ausführungsbeispiel eines Produktionspla nes, der in Form einer Tabelle dargestellt ist. Fig. 4 shows an embodiment of a production plan, which is shown in the form of a table.
In den Figuren sind gleiche oder funktionsgleiche Elemente mit denselben Bezugszeichen versehen worden, sofern nichts anderes angegeben ist. In the figures, elements that are the same or have the same function have been given the same reference symbols, unless otherwise stated.
Unter Bezugnahme der Fig. 1, 2 und 3 werden nachfolgend ein Automatisierungssystem 1 sowie ein Verfahren und eine Vorrich tung 100 zum Betreiben des Automatisierungssystems 1 beschrie ben. Dies umfasst das Verfahren zum Betreiben des Automatisie rungssystems 1, wie in Fig. 1 dargestellt ist, die Vorrichtung 100 zum Betreiben des Automatisierungssystems 1, wie in Fig. 2 gezeigt, sowie die Umgebung des Automatisierungssystems 1 um fassend die Vorrichtung 100 und eine Datenbank 20, wie in Fig. 3 dargestellt. With reference to FIGS. 1, 2 and 3, an automation system 1 and a method and a device 100 for operating the automation system 1 are described below. This includes the method for operating the automation system 1, as shown in FIG. 1, the device 100 for operating the automation system 1, as in FIG. 2 and the environment of the automation system 1 to include the device 100 and a database 20, as shown in FIG. 3.
Das in Fig. 3 dargestellte Automatisierungssystems 1 umfasst die Vorrichtung 100 zum Betreiben des Automatisierungssystems 1 nach Fig. 2, die Datenbank 20 und eine Anzahl von Produkti onsanlagen 41 zum automatischen Herstellen zumindest eines Teiles eines Produktes unter Verwendung der vorhandenen Daten bank 20. The automation system 1 shown in FIG. 3 comprises the device 100 for operating the automation system 1 according to FIG. 2, the database 20 and a number of production systems 41 for automatically producing at least part of a product using the existing database 20.
Bei den in Fig. 3 dargestellten Produktionsanlagen 41 kann es sich um unterschiedliche Produktionsanlagen 41 handeln. Eine Produktionsanlage 41 kann dazu eingerichtet sein, einen Bohr vorgang durchzuführen, während eine andere Produktionsanlage 41 dazu eingerichtet ist, eine Oberfläche eines Werkstückes zu polieren. Ein Verbinder 40 verbindet die Produktionsanlagen 41 und die Datenbank 20 über Kommunikationsverbindungen 42 mit der Vorrichtung 100. Der Verbinder 40 und die Kommunikations verbindungen 42 können auch auf eine andere Art und Weise mit einander verbunden sein. Beispielsweise können die Produkti onsanlagen 41 direkt mit der Vorrichtung 100 verbunden sein und/oder die Datenbank 20 kann direkt über die Kommunikations verbindungen 41 mit der Vorrichtung 100 verbunden sein, ohne dass der Verbinder 40 verwendet wird. Dabei ist in dieser Aus führungsform die Datenbank 20 als eine nicht-relationale Da tenbank ausgebildet. In einer weiteren Ausführungsform ist die Datenbank 20 als eine relationale Datenbank ausgebildet. The production systems 41 shown in FIG. 3 can be different production systems 41. One production plant 41 can be set up to carry out a drilling process, while another production plant 41 is set up to polish a surface of a workpiece. A connector 40 connects the production facilities 41 and the database 20 to the device 100 via communication links 42. The connector 40 and the communication links 42 can also be connected to one another in a different manner. For example, the production systems 41 can be connected directly to the device 100 and / or the database 20 can be connected directly to the device 100 via the communication links 41 without the connector 40 being used. In this embodiment, the database 20 is designed as a non-relational database. In a further embodiment, the database 20 is designed as a relational database.
Die vorhandene Datenbank 20 umfasst in dieser Ausführungsform mehrere Produktionsschrittbeschreibungen, wobei eine jeweilige der Produktionsschrittbeschreibungen einen Produktionsschritt beschreibt, sowie mehrere Produktionsanlagenbeschreibungen, wobei eine jeweilige der Produktionsanlagenbeschreibungen eine der Produktionsanlagen 41 beschreibt. Zusätzlich umfasst die vorhandene Datenbank 20 mehrere Fähigkeits-Beschreibungen, wo bei eine jeweilige der Fähigkeits-Beschreibungen eine Produk- tionsanlagenfähigkeit beschreibt. Ferner sind in der vorhande nen Datenbank 20 einzelne Produktionsschritte bereits einzel nen Produktionsanlagen 41 zugeordnet. In this embodiment, the existing database 20 comprises several production step descriptions, each of the production step descriptions describing a production step, as well as several production plant descriptions, each of the production plant descriptions describing one of the production plants 41. In addition, the existing database 20 includes several capability descriptions, where each of the capability descriptions is a product Describes plant capability. Furthermore, individual production steps are already assigned to individual production systems 41 in the existing database.
Fig. 1 zeigt ein schematisches Ablaufdiagramm eines Ausfüh rungsbeispiels eines Verfahrens zum Betreiben eines Automati sierungssystems 1. Das Verfahren umfasst die Verfahrensschrit te S101 bis S104. Die Vorrichtung 100 in Fig. 2 ist dazu ein gerichtet, die Verfahrensschritte S101 bis S104 gemäß Fig. 1 auszuführen. 1 shows a schematic flow diagram of an exemplary embodiment of a method for operating an automation system 1. The method comprises method steps S101 to S104. The device 100 in FIG. 2 is designed to carry out method steps S101 to S104 according to FIG. 1.
Die Vorrichtung 100 gemäß Fig. 2 umfasst ferner eine Zuord nungs-Einheit 21, welche in eine erste Zuordnungs-Einheit 21a und in eine zweite Zuordnungs-Einheit 21b unterteilt ist, eine Vorschlags-Einheit 22 sowie eine Ausführungs-Einheit 23. The device 100 according to FIG. 2 further comprises an assignment unit 21, which is subdivided into a first assignment unit 21a and a second assignment unit 21b, a suggestion unit 22 and an execution unit 23.
Die erste Zuordnungs-Einheit 21a ist dazu eingerichtet, eine oder mehrere Produktionsanlagenfähigkeiten zu zumindest einer der Produktionsanlagen 41 mittels eines ersten Algorithmus zum Maschinellen Lernen zum Ergänzen der vorhandenen Datenbank 20 zuzuordnen. Dieses Zuordnen entspricht dem VerfahrensschrittThe first assignment unit 21a is set up to assign one or more production plant capabilities to at least one of the production plants 41 by means of a first algorithm for machine learning to supplement the existing database 20. This assignment corresponds to the process step
5101 in Fig. 1. In dieser Ausführungsform umfasst der erste Algorithmus zum Maschinellen Lernen einen Algorithmus zum ite rativen überwachten Lernen. 5101 in FIG. 1. In this embodiment, the first machine learning algorithm comprises an iterative supervised learning algorithm.
Weiterhin ist die zweite Zuordnungs-Einheit 21b dazu einge richtet, basierend auf der ergänzten Datenbank 20 eine oder mehrere Produktionsanlagenfähigkeiten zu zumindest einem der Produktionsschritte mittels eines zweiten Algorithmus zum Ma schinellen Lernen zum Ergänzen der ergänzten Datenbank 20 zu zuordnen. Dieses Zuordnen entspricht dem VerfahrensschrittFurthermore, the second assignment unit 21b is set up to assign one or more production system capabilities to at least one of the production steps based on the expanded database 20 by means of a second algorithm for machine learning to expand the expanded database 20. This assignment corresponds to the process step
5102 in Fig. 1. In dieser Ausführungsform umfasst der zweite Algorithmus zum Maschinellen Lernen einen Algorithmus zum überwachten Lernen. 5102 in FIG. 1. In this embodiment, the second machine learning algorithm includes a supervised learning algorithm.
Wie in Fig. 2 dargestellt, empfängt die Zuordnungs-Einheit 21 von der vorhandenen Datenbank 20 über eine Kommunikationsver- bindung 42 mehrere Produktionsschrittbeschreibungen, mehrere Produktionsanlagenbeschreibungen sowie mehrere Fähigkeits- Beschreibungen. Anschließend verarbeitet die Zuordnungs- Einheit 21 diese empfangenen Daten, indem sie vorzugsweise den ersten und den zweiten Algorithmus zum Maschinellen Lernen, insbesondere zum Zuordnen, auf die empfangenen Daten anwendet. Das Ergebnis der Verarbeitung durch die Zuordnungs-Einheit 21, also die Ausgabedaten, wird dann über die Kommunikationsver bindungen 42 der Datenbank 20 und einer Produktionsplanungs- Einheit 25 zur Verfügung gestellt. As shown in FIG. 2, the assignment unit 21 receives from the existing database 20 via a communication link binding 42 several production step descriptions, several production plant descriptions and several capability descriptions. The assignment unit 21 then processes these received data by preferably applying the first and the second algorithm for machine learning, in particular for assignment, to the received data. The result of the processing by the assignment unit 21, that is to say the output data, is then made available to the database 20 and a production planning unit 25 via the communication links 42.
Die Produktionsplanungs-Einheit 25 ist insbesondere dazu ein gerichtet, Sequenzen von Produktionsschritten für neue oder vorhandene Produkte oder Teile von Produkten zu planen. Hier für erhält die Produktionsplanungs-Einheit 25 über die Kommu nikationsverbindung 42 die Ausgabedaten der Zuordnungs-Einheit 21. Zusätzlich erhält die Produktionsplanungs-Einheit 25 über die Datenbank 20 und die Kommunikationsverbindung 42 Informa tionen über neue herzustellende Produkte, insbesondere Infor mationen über eine Sequenz von Produktionsschritten zum auto matischen Herstellen eines neuen Produktes, von einer Produkt- Einheit 24. The production planning unit 25 is designed in particular to plan sequences of production steps for new or existing products or parts of products. For this purpose, the production planning unit 25 receives the output data of the assignment unit 21 via the communication link 42. In addition, the production planning unit 25 receives information about new products to be manufactured via the database 20 and the communication link 42, in particular information about a sequence of Production steps for the automatic manufacture of a new product, from a product unit 24.
Des Weiteren ist die Vorschlags-Einheit 22 dazu eingerichtet, eine der Produktionsanlagen 41 für einen der Produktions schritte unter Verwendung der ergänzten Datenbank 20 in Abhän gigkeit von bestimmten Zuordnungs-Regeln und/oder mittels ei nes dritten Algorithmus zum Maschinellen Lernen, vorzuschla gen. Dieses Vorschlägen entspricht dem Verfahrensschritt S103 in Fig. 1. In dieser Ausführungsform umfasst der dritte Algo rithmus zum Maschinellen Lernen einen Algorithmus zum über wachten Lernen. Furthermore, the suggestion unit 22 is set up to suggest one of the production systems 41 for one of the production steps using the supplemented database 20 as a function of certain assignment rules and / or by means of a third algorithm for machine learning Proposals correspond to method step S103 in FIG. 1. In this embodiment, the third algorithm for machine learning comprises an algorithm for monitored learning.
In dieser Ausführungsform ist die Vorschlags-Einheit 22 dazu eingerichtet, die bestimmten Zuordnungs-Regeln und den dritten Algorithmus zum Maschinellen Lernen parallel auszuführen. Da bei umfassen die bestimmten Zuordnungs-Regeln in dieser Aus- führungsform ein Constraint-Satisfaction-Problem. Zudem erhalt die Vorschlags-Einheit 22 ebenfalls über die Kommunikations verbindung 42 von der Produkt-Einheit 24 Informationen über die Sequenz von Produktionsschritten zum automatischen Her stellen des neuen Produktes. Die Vorschlags-Einheit 22 ist da zu eingerichtet, die Information über die vorgeschlagene Pro duktionsanlage 41 an die Ausführungs-Einheit 23 sowie an die Produktionsplanungs-Einheit 25 über die Kommunikationsverbin dungen 42 zu übertragen. In this embodiment, the suggestion unit 22 is set up to execute the specific assignment rules and the third algorithm for machine learning in parallel. Since the specific assignment rules in this management form a constraint satisfaction problem. In addition, the suggestion unit 22 also receives information about the sequence of production steps for the automatic manufacture of the new product from the product unit 24 via the communication connection 42. The proposal unit 22 is set up to transmit the information about the proposed production system 41 to the execution unit 23 and to the production planning unit 25 via the communication connections 42.
Die Ausführungs-Einheit 23 ist dazu eingerichtet, den Produk tionsschritt durch die vorgeschlagene Produktionsanlage 41 zum automatischen Herstellen zumindest des Teiles des Produktes auszuführen. Dazu ist die Ausführungs-Einheit 23 über den Ver binder 40 und die Kommunikationsverbindungen 42 mit der vorge schlagenen Produktionsanlage 41 zum Ansteuern der vorgeschla genen Produktionsanlage 41 verbunden. Dieses Ausführen ent spricht dem Verfahrensschritt S104 in Fig. 1. The execution unit 23 is set up to execute the produc tion step through the proposed production system 41 for the automatic production of at least part of the product. For this purpose, the execution unit 23 is connected via the connector 40 and the communication links 42 to the proposed production plant 41 for controlling the proposed production plant 41. This execution corresponds to method step S104 in FIG. 1.
In dieser Ausführungsform ist es ebenso möglich, dass die Vor schlags-Einheit 22 dazu eingerichtet ist, für zumindest zwei der Produktionsschritte jeweils eine der Produktionsanlagen 41 unter Verwendung der ergänzten Datenbank 20 in Abhängigkeit von den bestimmten Zuordnungs-Regeln und/oder mittels des dritten Algorithmus zum Maschinellen Lernen vorzuschlagen. Dadurch ist die Ausführungs-Einheit 23 dazu eingerichtet, die zwei Produktionsschritte durch die jeweilige vorgeschlagene Produktionsanlage 41 zum automatischen Herstellen zumindest des Teiles des Produktes, mehrerer Teile des Produktes oder mehrerer Produkte auszuführen. In this embodiment, it is also possible that the suggestion unit 22 is set up to use one of the production systems 41 for at least two of the production steps using the supplemented database 20 as a function of the specific assignment rules and / or by means of the third algorithm to propose machine learning. As a result, the execution unit 23 is set up to carry out the two production steps through the respective proposed production plant 41 for the automatic production of at least part of the product, several parts of the product or several products.
Fig. 4 zeigt ein Ausführungsbeispiel eines Produktionsplanes 26, der in Form einer Tabelle dargestellt ist. Der Produkti onsplan 26 kann auch weitere Spalten und Zeilen umfassen. FIG. 4 shows an exemplary embodiment of a production plan 26, which is shown in the form of a table. The production plan 26 can also include further columns and rows.
Der Produktionsplan 26 in Fig. 4 umfasst mehrere Zeilen mit Produktionsschrittbeschreibungen, mehrere Zeilen mit Produkti- onsanlagenbeschreibungen sowie mehrere Zeilen mit Fähigkeits- Beschreibungen. Ferner ist der Produktionsplan 26 vorzugsweise in der Datenbank 20 abgespeichert und wird durch die Datenbank 20 zur Verfügung gestellt. The production plan 26 in Fig. 4 comprises several lines with production step descriptions, several lines with production system descriptions as well as several lines with capability descriptions. Furthermore, the production plan 26 is preferably stored in the database 20 and is made available by the database 20.
Unter Bezugnahme zu der 3. Zeile in der Tabelle des Produkti onsplans 26 wird die Tabelle detaillierter erläutert: With reference to the 3rd line in the table of the production plan 26, the table is explained in more detail:
In der 3. Zeile/1. Spalte wird ein Produktionsschritt 1223- Schritt 1 definiert. In der 3. Zeile/2. Spalte ist eine Be schreibung angegeben, welche Aktion in dem Produktionsschritt durchgeführt wird. In diesem Fall wird ein Bohrloch ange bracht. Zudem sind in weiteren Spalten, wie beispielsweise der 3. Spalte in der 3. Zeile, andere oder spezifischere Beschrei bungen des Produktionsschrittes möglich. In the 3rd line / 1. A production step 1223- step 1 is defined in column. In the 3rd line / 2. Column is a description given which action is carried out in the production step. In this case a borehole is drilled. In addition, other or more specific descriptions of the production step are possible in other columns, such as the 3rd column in the 3rd row.
Weiterhin wird in der 3. Zeile/4. Spalte eine Produktionsanla- gen-Identifizierung PA-43 beschrieben. Die Produktionsanlage 41 mit der Produktionsanlagen-Identifizierung PA-43 ist bei spielsweise von einem Hersteller A und verbraucht bei einem Durchführen des Produktionsschrittes 1223-Schritt 129 Watt, wie in der 3. Zeile/5, und 6. Spalte dargestellt ist. Auch können in der 3. Zeile/7. Spalte weitere Parameter zur genaue ren Beschreibung der Produktionsanlage 41 hinzugefügt werden, wie beispielsweise die Ausführungsdauer des Produktionsschrit tes 1223-Schritt 1. Furthermore, in the 3rd line / 4. Column describes a production plant identification PA-43. The production plant 41 with the production plant identification PA-43 is for example from a manufacturer A and consumes 129 watts when carrying out the production step 1223-step, as is shown in the 3rd row / 5, and 6th column. You can also use the 3rd line / 7. Column further parameters for a more precise description of the production plant 41 can be added, such as the execution time of the production step 1223-step 1.
Zusätzlich ist in der 3. Zeile/8. Spalte die Fähigkeit der Produktionsanlage 41 beschrieben. In diesem Fall kann die Pro duktionsanlage 41 mit der Produktionsanlagen-Identifizierung PA-43 ein Loch bohren und zwar bis zu einem Durchmesser von 3cm, wie in der 3. Zeile/9. Spalte dargestellt ist. In addition, in the 3rd line / 8. Column describes the capability of the production facility 41. In this case, the production plant 41 with the production plant identification PA-43 can drill a hole up to a diameter of 3 cm, as in the 3rd line / 9. Column is shown.
Durch das bereitgestellte Verfahren erfolgt eine automatische und intelligente Zuordnung zwischen den Zeilen von Produkti onsschrittbeschreibungen, Produktionsanlagenbeschreibungen so wie Fähigkeits-Beschreibungen, um ein Teil eines Produktes o- der ein Produkt herzustellen. In dem Produktionsplan 26 sind in der 4. und 5. Zeile andere Produktionsschritte und andere Produktionsanlagen 41 und deren Fähigkeiten beschrieben. Obwohl die vorliegende Erfindung anhand von Ausführungsbei spielen beschrieben wurde, ist sie vielfältig modifizierbar. The process provided results in an automatic and intelligent assignment between the lines of production step descriptions, production plant descriptions and capability descriptions in order to make part of a product o- who manufacture a product. In the fourth and fifth lines of the production plan 26, other production steps and other production systems 41 and their capabilities are described. Although the present invention has been described using exemplary embodiments, it can be modified in many ways.
Bezugszeichenliste List of reference symbols
1 AutomatisierungsSystem 1 automation system
20 vorhandene Datenbank und ergänzte Datenbank 21 Zuordnungs-Einheit 20 existing database and supplemented database 21 assignment unit
21a erste Zuordnungs-Einheit 21b zweite Zuordnungs-Einheit 22 Vorschlags-Einheit 23 Ausführungs-Einheit 24 Produkt-Einheit 21a first assignment unit 21b second assignment unit 22 suggestion unit 23 execution unit 24 product unit
25 Produktionsplanungs-Einheit 25 Production planning unit
26 Produktionsplan 26 Production plan
40 Verbinder 40 connectors
41 Produktionsanläge 42 KommunikationsVerbindung 41 42 Produktionsanläge communication Getting Connected
100 Vorrichtung 100 device
S101 - S104 Verfahrensschritte S101 - S104 process steps

Claims

Patentansprüche Claims
1. Verfahren zum Betreiben eines Automatisierungssystems (1) umfassend eine Anzahl von Produktionsanlagen (41) zum automa tischen Herstellen zumindest eines Teiles eines Produktes un ter Verwendung einer vorhandenen Datenbank (20) umfassend meh rere Produktionsschrittbeschreibungen, wobei eine jeweilige der Produktionsschrittbeschreibungen einen Produktionsschritt beschreibt, mehrere Produktionsanlagenbeschreibungen, wobei eine jeweilige der Produktionsanlagenbeschreibungen eine der Produktionsanlagen (41) beschreibt, und mehrere Fähigkeits- Beschreibungen, wobei eine jeweilige der Fähigkeits- Beschreibungen eine Produktionsanlagenfähigkeit beschreibt, wobei in der vorhandenen Datenbank (20) einzelne Produktions schritte bereits einzelnen Produktionsanlagen (41) zugeordnet sind, mit den Schritten: a) Zuordnen (S101) einer oder mehrerer Produktionsanlagenfä higkeiten zu zumindest einer der Produktionsanlagen (41) mit tels eines ersten Algorithmus zum Maschinellen Lernen zum Er gänzen der vorhandenen Datenbank (20), b) Zuordnen (S102), basierend auf der ergänzten Datenbank (20), einer oder mehrerer Produktionsanlagenfähigkeiten zu zu mindest einem der Produktionsschritte mittels eines zweiten Algorithmus zum Maschinellen Lernen zum Ergänzen der ergänzten Datenbank (20), c) Vorschlägen (S103) einer der Produktionsanlagen (41) für einen der Produktionsschritte unter Verwendung der ergänzten Datenbank (20) in Abhängigkeit von bestimmten Zuordnungs- Regeln und/oder mittels eines dritten Algorithmus zum Maschi nellen Lernen, und d) Ausführen (S104) des Produktionsschrittes durch die vorge schlagene Produktionsanlage (41) zum automatischen Herstellen zumindest des Teiles des Produktes. 1. A method for operating an automation system (1) comprising a number of production plants (41) for the automatic production of at least part of a product using an existing database (20) comprising several production step descriptions, each of the production step descriptions describing a production step, several production plant descriptions, each of the production plant descriptions describing one of the production plants (41), and several capability descriptions, each of the capability descriptions describing a production plant capability, with individual production steps in the existing database (20) already being individual production plants (41) are assigned, with the steps: a) Assigning (S101) one or more production plant capabilities to at least one of the production plants (41) by means of a first algorithm for machine learning to supplement r existing database (20), b) assigning (S102), based on the supplemented database (20), one or more production plant capabilities to at least one of the production steps by means of a second algorithm for machine learning to supplement the supplemented database (20), c ) Proposals (S103) of one of the production systems (41) for one of the production steps using the supplemented database (20) as a function of certain allocation rules and / or by means of a third algorithm for machine learning, and d) executing (S104) the Production step through the proposed production plant (41) for the automatic production of at least part of the product.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in dem Schritt c) (S103) die bestimmten Zuordnungs-Regeln und der dritte Algorithmus zum Maschinellen Lernen parallel ausgeführt werden. 2. The method according to claim 1, characterized in that that in step c) (S103) the specific assignment rules and the third algorithm for machine learning are executed in parallel.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass für zumindest zwei der Produktionsschritte jeweils eine der Produktionsanlagen (41) unter Verwendung der ergänzten Da tenbank (20) in Abhängigkeit von den bestimmten Zuordnungs- Regeln und/oder mittels des dritten Algorithmus zum Maschinel len Lernen vorgeschlagen (S103) werden. 3. The method according to claim 1 or 2, characterized in that for at least two of the production steps one of the production systems (41) using the supplemented database (20) depending on the specific allocation rules and / or by means of the third algorithm for Machine learning can be proposed (S103).
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die zumindest zwei Produktionsschritte durch die jeweili ge vorgeschlagene Produktionsanlage (41) zum automatischen Herstellen zumindest des Teiles des Produktes, mehrerer Teile des Produktes oder mehrerer Produkte ausgeführt (S104) werden. 4. The method according to claim 3, characterized in that the at least two production steps are carried out (S104) by the respective proposed production plant (41) for the automatic production of at least part of the product, several parts of the product or several products.
5. Verfahren nach einem der Ansprüche 1 - 4, dadurch gekennzeichnet, dass die bestimmten Zuordnungs-Regeln zumindest ein Cons- traint-Satisfaction-Problem umfassen. 5. The method according to any one of claims 1-4, characterized in that the specific assignment rules include at least one contract satisfaction problem.
6. Verfahren nach einem der Ansprüche 1 - 5, dadurch gekennzeichnet, dass die Datenbank (20) als eine nicht-relationale Datenbank ausgebildet ist. 6. The method according to any one of claims 1-5, characterized in that the database (20) is designed as a non-relational database.
7. Verfahren nach einem der Ansprüche 1 - 5, dadurch gekennzeichnet, dass die Datenbank (20) als eine relationale Datenbank ausge bildet ist. 7. The method according to any one of claims 1-5, characterized in that the database (20) is designed as a relational database.
8. Verfahren nach einem der Ansprüche 1 7, dadurch gekennzeichnet, dass der erste Algorithmus zum Maschinellen Lernen einen Algo rithmus zum iterativen überwachten Lernen umfasst. 8. The method according to any one of claims 1 7, characterized in, that the first machine learning algorithm includes an iterative supervised learning algorithm.
9. Verfahren nach einem der Ansprüche 1 - 8, dadurch gekennzeichnet, dass der zweite Algorithmus zum Maschinellen Lernen und der dritte Algorithmus zum Maschinellen Lernen jeweils einen Algo rithmus zum überwachten Lernen umfassen. 9. The method according to any one of claims 1-8, characterized in that the second algorithm for machine learning and the third algorithm for machine learning each comprise an algorithm for monitored learning.
10. Computerprogrammprodukt, welches auf einer programmgesteu erten Einrichtung die Durchführung des Verfahrens nach einem der Ansprüche 1 bis 9 veranlasst. 10. Computer program product which causes the method according to one of claims 1 to 9 to be carried out on a program-controlled device.
11. Vorrichtung (100) zum Betreiben eines Automatisierungssys tems (1) umfassend eine Anzahl von Produktionsanlagen (41) zum automatischen Herstellen zumindest eines Teiles eines Produk tes unter Verwendung einer vorhandenen Datenbank (20) umfas send mehrere Produktionsschrittbeschreibungen, wobei eine je weilige der Produktionsschrittbeschreibungen einen Produkti onsschritt beschreibt, mehrere Produktionsanlagenbeschreibun gen, wobei eine jeweilige der Produktionsanlagenbeschreibungen eine der Produktionsanlagen (41) beschreibt, und mehrere Fä higkeits-Beschreibungen, wobei eine jeweilige der Fähigkeits- Beschreibungen eine Produktionsanlagenfähigkeit beschreibt, wobei in der vorhandenen Datenbank (20) einzelne Produktions schritte bereits einzelnen Produktionsanlagen (41) zugeordnet sind, umfassend: eine erste Zuordnungs-Einheit (21a) zum Zuordnen einer o- der mehrerer Produktionsanlagenfähigkeiten zu zumindest einer der Produktionsanlagen (41) mittels eines ersten Algorithmus zum Maschinellen Lernen zum Ergänzen der vorhandenen Datenbank (20), eine zweite Zuordnungs-Einheit (21b) zum Zuordnen, basie rend auf der ergänzten Datenbank (20), einer oder mehrerer Produktionsanlagenfähigkeiten zu zumindest einem der Produkti onsschritte mittels eines zweiten Algorithmus zum Maschinellen Lernen zum Ergänzen der ergänzten Datenbank (20), eine Vorschlags-Einheit (22) zum Vorschlägen einer der Produktionsanlagen (41) für einen der Produktionsschritte un ter Verwendung der ergänzten Datenbank (20) in Abhängigkeit von bestimmten Zuordnungs-Regeln und/oder mittels eines drit- ten Algorithmus zum Maschinellen Lernen, und eine Ausführungs-Einheit (23) zum Ausführen des Produkti onsschrittes durch die vorgeschlagene Produktionsanlage (41) zum automatischen Herstellen zumindest des Teiles des Produk tes. 11. Device (100) for operating an automation system (1) comprising a number of production systems (41) for automatically producing at least part of a product using an existing database (20) comprising several production step descriptions, one of the production step descriptions describes a production step, several production plant descriptions, each of the production plant descriptions describing one of the production plants (41), and several capability descriptions, each of the capability descriptions describing a production plant capability, with individual production in the existing database (20) steps are already assigned to individual production systems (41), comprising: a first assignment unit (21a) for assigning one or more production system capabilities to at least one of the production systems (41) by means of a first algorithm for measuring Fast learning to supplement the existing database (20), a second assignment unit (21b) for assigning, based on the supplemented database (20), one or more production plant capabilities for at least one of the production steps using a second algorithm for machine learning for Completion of the supplemented database (20), a suggestion unit (22) for suggesting one of the production systems (41) for one of the production steps using the supplemented database (20) as a function of certain assignment rules and / or by means of a third algorithm for machine learning, and a Execution unit (23) for executing the production step through the proposed production plant (41) for the automatic production of at least part of the product.
12. Automatisierungssystem (1) umfassend eine Anzahl von Produktionsanlagen (41) zum automatischen Herstellen zumindest eines Teiles eines Produktes, die Vorrichtung (100) nach Anspruch 11 und die ergänzte Datenbank (20). 12. Automation system (1) comprising a number of production plants (41) for the automatic production of at least part of a product, the device (100) according to claim 11 and the supplemented database (20).
PCT/EP2019/073844 2019-09-06 2019-09-06 Method and device for operating an automation system WO2021043419A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/EP2019/073844 WO2021043419A1 (en) 2019-09-06 2019-09-06 Method and device for operating an automation system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2019/073844 WO2021043419A1 (en) 2019-09-06 2019-09-06 Method and device for operating an automation system

Publications (1)

Publication Number Publication Date
WO2021043419A1 true WO2021043419A1 (en) 2021-03-11

Family

ID=68072303

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/073844 WO2021043419A1 (en) 2019-09-06 2019-09-06 Method and device for operating an automation system

Country Status (1)

Country Link
WO (1) WO2021043419A1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022106086A1 (en) 2022-03-16 2023-09-21 Homag Gmbh Method for producing a workpiece and system

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69931004T2 (en) * 1998-09-12 2007-04-19 Rolls-Royce Plc Method and device for data processing
WO2016074730A1 (en) * 2014-11-13 2016-05-19 Siemens Aktiengesellschaft Method for planning the production of a product and production module having self-description information
DE102016224457A1 (en) 2016-11-29 2018-05-30 Siemens Aktiengesellschaft Method for testing, device and computer program product
US20190171190A1 (en) * 2016-08-10 2019-06-06 Siemens Aktiengesellschaft Skill interface for industrial applications

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69931004T2 (en) * 1998-09-12 2007-04-19 Rolls-Royce Plc Method and device for data processing
WO2016074730A1 (en) * 2014-11-13 2016-05-19 Siemens Aktiengesellschaft Method for planning the production of a product and production module having self-description information
US20190171190A1 (en) * 2016-08-10 2019-06-06 Siemens Aktiengesellschaft Skill interface for industrial applications
DE102016224457A1 (en) 2016-11-29 2018-05-30 Siemens Aktiengesellschaft Method for testing, device and computer program product

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022106086A1 (en) 2022-03-16 2023-09-21 Homag Gmbh Method for producing a workpiece and system

Similar Documents

Publication Publication Date Title
DE3416939C2 (en)
WO2019025594A1 (en) Production planning method
WO2021043419A1 (en) Method and device for operating an automation system
EP3571555B1 (en) Method for operating an engineering system for an industrial process automation system and control program
EP3699704B1 (en) System and method for validating system requirements of cyber-physical systems
DE10117459A1 (en) Method and device for obtaining diagnostic information
WO2005047992A2 (en) Automation system with intercommunicating components
EP0770946B1 (en) Method for the automated design of optimal redundancy for measurements in the control system for power stations
EP3779619B1 (en) Method and device for determining emerging risks of a technical system
EP1561172B1 (en) Device for provision of access to data
EP1019808B1 (en) Responsive system and method for processing digital signals and operating method for a responsive system
EP3864590A1 (en) Method for reducing errors in textile machines
DE10228142B4 (en) System for securing software components and / or computer programs
DE102019207626A1 (en) CONTROL, CONTROL SYSTEM AND CONTACT PROGRAM
EP1380908A2 (en) System for automatic configuration of control software
EP3961326B1 (en) Method and system for optimal manufacture of a product
LU500417B1 (en) A smart factory data collection platform and its implementation method
EP3871480B1 (en) Method for determining set-up families for a pick-and-place line for populating circuit boards with electronic components
EP3349081A1 (en) Method for automatically configuring functional units of an automation system, computer program with an implementation of the method and apparatus operating according to the method
DE10322080A1 (en) Procedure for automatically creating a spare parts list
EP2093663A1 (en) Engineering system for developing a project and method
DE102023118957A1 (en) Process chain for producing a tool, in particular a hard metal tool
DE102018007585A1 (en) Computer-implemented methods, data processing devices, computer program products and computer-readable media for functionality for updating status states of processes
EP1491976B1 (en) Data capturing and processing system for controlling manufacturing processes
WO2023274705A1 (en) Method for operating a technical installation, and technical installation

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19778805

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19778805

Country of ref document: EP

Kind code of ref document: A1