WO2022058135A1 - Vorrichtung und verfahren zur bewertung eines zustands eines funkkanals - Google Patents

Vorrichtung und verfahren zur bewertung eines zustands eines funkkanals Download PDF

Info

Publication number
WO2022058135A1
WO2022058135A1 PCT/EP2021/073635 EP2021073635W WO2022058135A1 WO 2022058135 A1 WO2022058135 A1 WO 2022058135A1 EP 2021073635 W EP2021073635 W EP 2021073635W WO 2022058135 A1 WO2022058135 A1 WO 2022058135A1
Authority
WO
WIPO (PCT)
Prior art keywords
determining
status information
state
countermeasure
status
Prior art date
Application number
PCT/EP2021/073635
Other languages
English (en)
French (fr)
Inventor
Henrik KLESSIG
Original Assignee
Robert Bosch Gmbh
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 Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Publication of WO2022058135A1 publication Critical patent/WO2022058135A1/de

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H04W16/20—Network planning tools for indoor coverage or short range network deployment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/18—Communication route or path selection, e.g. power-based or shortest path routing based on predicted events
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25187—Transmission of signals, medium, ultrasonic, radio
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L25/00—Baseband systems
    • H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
    • H04L25/0202—Channel estimation
    • H04L25/024—Channel estimation channel estimation algorithms
    • H04L25/0254—Channel estimation channel estimation algorithms using neural network algorithms
    • 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 description relates to improvements in the area of evaluating a state of a radio channel.
  • One aspect of the description relates to a device comprising: a status unit for determining first status information which characterizes an actual status of a spatial arrangement of components of an environment and at least one planned change in the spatial arrangement; an input unit for determining second status information, which characterizes a simulated status of the spatial arrangement of the components of the environment, as a function of the first status information; a status determination unit for determining a prediction of channel status information, which characterizes a status of at least one radio channel between two communication modules, as a function of the second status information; and an assessment unit for determining an assessment of the state of the radio channel depending on the prediction of the channel state information.
  • a quickly ascertainable prediction of the future state of the radio channel is possible.
  • countermeasures can be initiated so that the expected deterioration does not occur.
  • the device comprises: the assessment unit, the assessment indicating a sufficient quality of the state of the at least one radio channel; and a control unit for operating at least one of the components with the at least one planned change if sufficient quality is determined.
  • the device comprises: a countermeasure determination unit for determining at least one countermeasure which characterizes a change in the spatial arrangement and/or a parameter of the wireless communication network if the assessment determined indicates a probable deterioration in the state of the at least one Radio channel indexed.
  • the at least one countermeasure advantageously provides information that is suitable for preventing the predicted deterioration in the state of the radio channel.
  • the device comprises: the input unit for determining further status information which characterizes another status of the spatial arrangement of the components of the industrial plant, depending on the at least one countermeasure which characterizes a change in the spatial arrangement.
  • the third status information is used to provide a prediction of the spatial arrangement, taking into account the countermeasure determined.
  • the device comprises: the state determination unit for determining a further prediction of the channel state information depending on the further state information and/or the countermeasure which characterizes a change in the parameter of the wireless communication network.
  • the device comprises: the assessment unit, the assessment indicating a sufficient quality of the state of the at least one radio channel of the further prediction of the channel state information; and a or the control unit for operating the industrial plant with the at least one determined countermeasure if the sufficient quality for the further prediction is determined.
  • the countermeasure used for operating the industrial plant is one that has proven effective in the check to ensure the radio channel is of sufficient quality.
  • determining the at least one countermeasure includes determining at least one trajectory for a component.
  • An advantageous example is characterized in that the determination of the at least one countermeasure includes determining at least one transmission and/or reception parameter of at least one of the communication modules.
  • a further aspect relates to a method comprising: determining first status information which characterizes an actual status of a spatial arrangement of components of an environment and at least one planned change in the spatial arrangement; Determining second status information, which characterizes a simulated status of the spatial arrangement of the components of the environment, as a function of the first status information; Determining a prediction of a Channel status information, which characterizes a status of at least one radio channel between two communication modules, depending on the second status information; and determining an assessment of the condition of the radio channel depending on the prediction of the channel condition information.
  • An advantageous example is characterized in that the method comprises: determining the rating, the rating indicating a sufficient quality of the state of the at least one radio channel; and operating at least one of the components with the at least one planned change if sufficient quality is determined.
  • An advantageous example is characterized in that the method comprises: determining at least one countermeasure which characterizes a change in the spatial arrangement or a parameter of the wireless communication network if the evaluation determined indicates a probable deterioration in the state of the at least one radio channel.
  • the at least one countermeasure advantageously provides information that is suitable for preventing the predicted deterioration in the state of the radio channel.
  • An advantageous example is characterized in that the method comprises: determining further status information which characterizes another status of the spatial arrangement of the components of the industrial plant, depending on the at least one countermeasure which characterizes a change in the spatial arrangement.
  • the third status information is used to provide a prediction of the spatial arrangement, taking into account the countermeasure determined.
  • the method comprises: determining a further prediction of the channel status information as a function of the further status information and/or the countermeasure which characterizes a change in the parameter of the wireless communication network.
  • An advantageous example is characterized in that the method comprises: determining that the evaluation indicates a sufficient quality of the state of the at least one radio channel of the further prediction of the channel state information; and operating the industrial plant with the at least one determined countermeasure if the sufficient quality for the further prediction is determined.
  • the countermeasure used for operating the industrial plant is one that has proven effective in the check to ensure the radio channel is of sufficient quality.
  • determining the at least one countermeasure includes determining at least one trajectory for a component.
  • An advantageous example is characterized in that the determination of the at least one countermeasure includes determining at least one transmission and/or reception parameter of at least one of the communication modules.
  • Another aspect relates to the use of the device according to the first aspect or the method according to the second A
  • FIG. 1 shows a device for controlling an industrial plant
  • FIGS. 2 and 5 each show a schematic flowchart;
  • Figures 3 and 4 each show a schematic sequence diagram;
  • FIGS. 6 to 9 are schematic block diagrams.
  • FIG. 10 shows a device for training a model
  • FIG. 1 shows a device 100 for an industrial plant FAC such as a production plant, a logistics center or a process plant.
  • FAC industrial plant
  • a status unit DT determines first status information z1, which characterizes an actual status of a spatial arrangement of components AGV, AP, RA in an area surrounding the industrial plant FAC and at least one planned change in the spatial arrangement.
  • the state unit DT thus ascertains a representation of the current state of the spatial arrangement and/or of the wireless communication network RCN.
  • the planned change includes, for example, a planned trajectory Tp1 of component AGV and a planned trajectory Tp2 of component RA.
  • An input unit B determines second status information z2 or z3, which characterizes a simulated future status of the spatial arrangement of the components AGV, AP, RA in the area surrounding the industrial plant FAC, depending on the first status information z1.
  • the simulated state corresponds to a representation of the spatial arrangement in which the moving components AGV and RA are arranged according to the planned change.
  • the aforementioned representation thus includes, for example, digital twins of the components AGV and RA, which are located at a respective point of the planned respective trajectory at a future point in time.
  • a status determination unit SDU determines a prediction csi1, csi2 of channel status information which characterizes a possible future status of at least one radio channel RCH between two communication modules CM_AP, CM_RA, each associated with one of the components AP, RA of the environment according to the second status information, in Dependence on the second status information z2.
  • the status of the at least one radio channel RCH is degraded because, according to the second status information z2, the component AGV is located between the communication modules CM_RA and CM_AP and is interfering with the line of sight.
  • An assessment unit A determines an assessment rat, for example an expected deterioration in the state of the radio channel RCH, depending on the prediction csi 1 , csi2 of the channel state information.
  • the status determination unit SDU includes a ray tracer RAYTR, for example.
  • Information is exchanged between a system of digital twins and the raytracer RAYTR, in that the first or second status information z1, z2, z3 is provided by the digital twins of the components AGV, AP, RA.
  • the current and future status information of the radio system and the propagation conditions e.g. channel properties, received power, signal quality, expected data rate, etc. are provided.
  • the csi predictions are reacted to in that information is passed on to the production management system “Factory Management System” according to the FMS control unit or this is instructed.
  • the digital twins are used in an example for the management of the manufacturing processes, the latter can be explicitly adapted to predicted radio channel conditions.
  • an additional, intelligent unit C can optimize the wireless communication network RCN so that it proactively adapts network parameters in order to serve the industrial use cases with high reliability.
  • the raytracer RAYTR simulates different configurations of the mobile network, taking into account the future, dynamic changes in the production environment according to the status information, and delivers expected channel conditions according to the forecast.
  • Countermeasure cm1 could consist, for example, in declaring the spatial area between the components AP and RA as a forbidden zone, into which the component AGV may not enter. Accordingly, the previously planned trajectory Tp1 for the AGV component must be discarded and replaced by a new trajectory to be planned. On the other hand, the trajectory Tp2 of the component RA is retained. In this way, the CM_RA communication module of the robot arm can communicate with the access point's CM_PA communication module without interference on the RCH radio channel.
  • the model-based determination unit MBU of the state determination unit SDU is configured in such a way that the state information z2, z3 is provided as an input parameter in an input section of a machine-trained model M, that the state information z2, z3 is propagated by the machine-trained model M, and that in an output section of the machine-trained model M at least one prediction csi1, csi2, csiM based on the machine-trained model M of channel state information which indicates a possible future state of at least the radio channel RCH between the two communication modules CM_AP, CM_RA, each with one of the components AP, RA of the Environment according to the status information z2, z3 are associated, characterized, provided.
  • the status determination unit SDU includes both the model-based determination unit MBU and the ray tracer RAYTR.
  • the status determination unit SDU includes the model-based determination unit MBU but not the ray tracer RAYTR.
  • the ray tracer RAYTR, the state determination unit SDU does not include the model-based determination unit MBU.
  • the model M is, for example, an artificial neural network, a Gaussian process, or a Bayesian neural network.
  • the status information z, z1, z2, z3 includes, for example 3D map of the area.
  • the status information includes information about the components of the industrial plant or the manufacturing system that affect the communication system, e.g. a position, orientation and speed of a component AGV, a position, orientation and operating status of the large machine, a position and orientation of the individually movable Parts of a robotic arm RA.
  • the spatial arrangement of components includes three-dimensional models and the nature of the respective surfaces in order to take into account the propagation mechanisms.
  • the raytracer RAYTR determines the prediction csi1, csi2, taking into account the propagation mechanisms.
  • the prediction csi1, csi2 is, for example, a link budget or a power transmission balance which is a measure of the quality of the radio channel ROH.
  • the ray tracer RAYTR performs ray tracing of at least part of the radio signals in the environment specified by the status information z2.
  • Spatial partitioning can also be used here to speed up ray tracing and achieve the computational efficiency and accuracy for propagation modelling.
  • 3D models according to the determined spatial arrangement in terms of the first, second or third status information z1, z2, z3 are used to create realistic models for the propagation environment.
  • the position and extension of the components characterize the propagation of the electromagnetic waves.
  • the Raytracer RAYTR is a software solution that is used to analyze and evaluate radio wave propagation both indoors and outdoors.
  • the basis of the raytracer RAYTR is a three-dimensional model of the propagation environment, on the basis of which transmission paths (rays) emitted - usually by the antenna of a base station - are generated and analyzed. Reflections, diffraction and scattering during wave propagation are simulated in order to obtain a realistic analysis picture of the propagation environment.
  • ray launching, a form of ray tracing emits a certain number of signal paths from the antenna, which are different from the chosen ones resolutions of the azimuth and elevation angles based on the center of the antenna.
  • the incoming paths are added at defined receiving points, usually the locations of the receiver antennas, and the channel properties are simulated based on this.
  • the AGV component is an Autonomous Guided Vehicle.
  • the AP component is an access point, for example.
  • the component RA is, for example, a robot arm.
  • the determination unit DT receives the first status information in the form of measured values or signals s_FAC from the environment.
  • the first determination unit DT includes digital twins of the spatial individual components of the industrial installation FAC, which determine a representation of the industrial installation FAC at an actual time from additional status information received.
  • the first status information z1 thus corresponds to a representation of the spatial arrangement of the industrial installation FAC in the present.
  • the determination unit or input unit B includes, for example, digital twins of the three-dimensional components AGV, AP, RA of the industrial plant FAC.
  • the second status information z2 thus corresponds to an estimated, ie predicted, representation of the spatial arrangement of the individual components of the industrial installation FAC in the future.
  • Digital twins or systems of multiple digital twins, are virtual representations of physical devices and of processes and workflows in industrial manufacturing.
  • the aim of digital twins is to call up the status of production processes in real time, to control and optimize them, and to manage the life cycle of such devices.
  • To display the physical devices in real time they send status information, physical properties measured by sensors to a central processing unit, which then virtually maps the real status of the system and the processes.
  • three-dimensional CAD models are used, for example, in order to create an accurate and detailed visual representation of the physical objects. The result is an accurate, dynamic and real-time three-dimensional image of all systems, machines, robots and other devices in the field, as well as their interactions, processes and procedures.
  • the channel status information csi thus corresponds to a prediction of the radio conditions that prevail in the future status of the spatial arrangement determined by means of the second status information z2.
  • the second status information z2 includes a three-dimensional future representation of the components of the industrial installation FAC and their future positions within the industrial installation FAC.
  • the device 100 evaluates the current and predicted situation in the vicinity of the industrial plant FAC and determines an instruction i, which is fed to a control unit FMS.
  • the instruction i includes, for example, one of the countermeasures cm1, cm2 or a release of the planned change in the spatial arrangement.
  • the control unit FMS determines at least one control signal s_C, which is used to control one of the components AGV, AP or RA.
  • the control unit FMS determines at least one control signal s_RCN, which is used to control one of the communication modules CM1, CM2.
  • the RAYTR raytracer includes functionalities that update channel propagation conditions in real time as the manufacturing environment changes.
  • the ray tracer RAYTR obtains information from the input unit B from the other digital twins.
  • Such information may include, for example: updated three-dimensional models of physical assets; Movement trajectories of robot arms, AGVs, plants and other objects; surface textures of the objects; the construction of the production hall; Process and manufacturing flow charts; radio channel measurement data from mobile subscribers; and other.
  • the input unit B subscribes to this information, for example by means of a publish/subscribe system.
  • Functions of the input unit B which are aimed at a real-time capable and accurate prediction of the channel conditions, are:
  • the input unit B forwards the information obtained to the raytracer RAYTR, which then updates the channel propagation conditions, for example with an updated, three-dimensional situational image.
  • the input unit B decides if and when updated information about channel propagation conditions is required. If this is the case, eg if an AGV blocks the direct line of sight between two other communication nodes, the input unit B instructs the raytracer RAYTR to create an updated image of the channel propagation conditions.
  • the input unit B analyzes production flow plans, which contain e.g. planned trajectories of AGVs, and then instructs the raytracer RAYTR to determine the channel propagation conditions over a future period of time, e.g. over a period of a cyclic movement of a robot arm or over a certain trajectory of a mobile participant, e.g. AGV.
  • the input unit B forwards radio channel measurements of the participants to the raytracer RAYTR in order to adjust predicted values and to improve future raytracing results.
  • the input unit B or the raytracer RAYTR decide on the basis of the available information and the history to what degree and with what accuracy the raytracing should be carried out. For example, a subset of all possible beam angles, azimuth and elevation angles can be selected if only one object is moving at a specific location in the production hall. Or the number of considered reflections of the individual paths can be reduced.
  • the input unit B replaces successive functions of the ray tracer by replacing ray tracing calculation models with calculation models based on machine learning in order to speed up the calculation of the channel propagation conditions. For example, a neural network learns the relationships between the status of the production environment, the information of the digital twins available to the input unit B and the real channel conditions or those predicted by the raytracer RAYTR in the sense of the prediction.
  • Evaluation unit A is used to display and further consider the results of the raytracer RAYTR.
  • the evaluation unit A visualizes the current real and/or predicted ones Channel conditions, eg in the form of signal strength or signal quality.
  • the assessment unit A visualizes the current and the future channel conditions.
  • the assessment unit A informs the production management system “Factory Management System” or the control unit FMS if future channel conditions deteriorate or threaten to fall below a threshold value.
  • the assessment unit A instructs the control unit FMS to take countermeasures if, for example, a planned trajectory of a mobile subscriber threatens to break off his radio connection or the necessary requirements for the communication system can no longer be met.
  • a countermeasure is, for example, changing the planned route of an AGV and specifying it in the production schedule.
  • the countermeasure determination unit C serves to inform and to proactively control and optimize the wireless communication network. This happens either directly within the wireless communication network if the countermeasure determination unit C is part of it, or either via the production management system or the digital twin of the communication system "Digital PCS twin" if the countermeasure determination unit C is part of the system of digital twins.
  • the countermeasure determination unit C can implement the following functions: The countermeasure determination unit C only forwards information about future channel conditions to the radio system for further processing and consideration.
  • the countermeasure determination unit C uses the raytracer RAYTR and the digital twin to virtually predict the channel conditions for various network configurations and presents them to the radio communication system as a basis for decision-making for optimization.
  • the selection of the different network configurations to be tested is made either by the wireless network or by the countermeasures determination unit C itself.
  • the countermeasures determination unit C has knowledge of the options for adapting network parameters of the wireless network, which can have a direct or indirect influence on channel conditions.
  • network parameters are, for example, the transmission power, antenna parameters, interference coordination schemes, handover parameters, beamforming settings, MIMO configurations, and others.
  • the countermeasures Determination unit C brings about a decision about the network configuration to be adopted and instructs the wireless network and its communication modules accordingly.
  • FIG. 2 shows a schematic sequence diagram for operating device 100 from FIG.
  • the second status information which characterizes the simulated status of the spatial arrangement of the components of the environment, is determined as a function of the first status information.
  • the prediction of the channel status information which characterizes the status of the at least one radio channel between two communication modules, is determined as a function of the second status information.
  • the assessment of the status of the radio channel is determined as a function of the prediction of the channel status information.
  • FIG. 3 shows a schematic sequence diagram for operating the device 100.
  • the input unit B subscribes to data of a digital twin DT_AGV of the component AGV, which represents the behavior and the state of the component AGV.
  • the control unit FMS plans a new trajectory in terms of the planned change, which is accepted in step 310 by the digital twin DT_AGV.
  • a step 312 transmits to the input unit B that the new planned trajectory is available.
  • the input unit B checks the new planned trajectory to determine whether it has/could have an influence on radio wave propagation or whether an influence on radio wave propagation is relevant in order to carry out a more precise check.
  • step 316 the raytracer RAYTR is asked to carry out a calculation of the radio wave propagation in the environment and assuming that the component AGV would move along the planned trajectory.
  • predictions csi for the radio wave propagation or for the channel states are determined and transmitted to the assessment unit A in step 320.
  • the evaluation unit A determines the evaluation rat, which in this case indicates a sufficient quality of the State of the at least radio channel RCH indicated depending on the prediction csi.
  • step 304 the control unit FMS operates the at least one component AGV of the industrial installation FAC with the at least one planned change if the sufficient quality is determined. The evaluation unit A thus releases the planned change in terms of the planned trajectory for the component AGV, so that the control unit FMS instructs the component AGV to move along the planned trajectory.
  • FIG. 3 shows a schematic sequence diagram for operating the device 100.
  • the input unit B subscribes to the data of the digital twins DT_AGV, DT_AGV2 and DT_RCN of the components AGV, AGV2 and the wireless communication network RCN.
  • the control unit FMS determines a new planned trajectory for the second component AGV2, for example a second autonomous guided vehicle, and transmits this to the digital twin DT_AGV2, which is accepted in step 424.
  • a step 426 transmits to the input unit B that the new planned trajectory is available.
  • the input unit B checks the new planned trajectory to determine whether it has/could have an influence on radio wave propagation or whether an influence on radio wave propagation is relevant in order to carry out a more precise check. If the above is answered in the affirmative, then in step 430 the raytracer RAYTR is instructed to carry out a calculation of the radio wave propagation in the environment on the basis of the status information z2 and assuming that the component AGV2 would move along the planned trajectory.
  • predictions csi 1 for the radio wave propagation or for the channel states are determined and transmitted to the evaluation unit A in step 434.
  • the assessment unit A determines that at least one of the radio channels would not have sufficient quality if the planned trajectory were to be traversed by the component AGV2.
  • a corresponding rating rat1 is sent in step 436.
  • a countermeasure determination unit C or the control unit FMS is used to determine 402, 404 the at least one countermeasure cm1, cm2, which involves a change in the spatial arrangement and/or a parameter of the wireless communication network RCN, if the assessment rat1 determined indicates a probable deterioration in the state of the at least one radio channel RCH.
  • the goal of the countermeasure cm1, cm2 is that the determined future deterioration of the radio channel RCH of the wireless communication network RCN of the industrial installation FAC does not occur.
  • a digital twin DT_RCN receives the first countermeasure cm1 to increase a transmission power of the component AP and registers this in a step 438.
  • the change in the information is transmitted to the input unit B in a step 440.
  • the second countermeasure cm2 is transmitted to the digital twin DT_AGV of the AGV component, for example in order to implement a line of sight that does not exist in the current state of the wireless communication network RCN by the component moving along a trajectory according to the countermeasure cm2.
  • the digital twin DT_AGV transmits the information according to the countermeasure cm2 to the input unit B.
  • the input unit B checks the planned countermeasures cm1, cm2 as to whether they could potentially influence radio wave propagation or whether an influence on radio wave propagation is relevant in order to carry out a more detailed check. If the above is answered in the affirmative, then in step 406 the raytracer RAYTR is instructed to carry out a calculation of the radio wave propagation in the environment.
  • the input unit B determines further status information z3, which characterizes another future status of the spatial arrangement of the components AGV, AP, RA of the industrial plant FAC, depending on the status information z1 and the at least one countermeasure cm1, which represents a change in the spatial arrangement characterized.
  • the status determination unit SDU determines a further prediction csi2 of the channel status information as a function of the further status information z3 and/or the countermeasure, which characterizes a change in the parameter of the wireless communication network RCN.
  • the assessment unit A determines the assessment rat2, which indicates a sufficient quality of the state of the at least radio channel RCH in terms of the assessment of the further prediction csi2 of the channel state information.
  • the unit C instructs the control unit FMS to increase the transmission power of the component AP of the wireless communication network RCN according to the countermeasure cm1.
  • control unit FMS operates the industrial installation FAC with the at least one determined countermeasure cm1, cm2 if the sufficient quality for the further prediction csi2 is determined.
  • Determining the at least one countermeasure cm1 includes determining at least one trajectory for one of the components AGV, AP, RA.
  • a planned trajectory of one of the components AGV, AP, RA is replaced by the determined trajectory if the sufficient quality of the state of the radio channel is determined.
  • the first item of status information z1 includes planned trajectories and the second item of status information z2 includes the status that is reached by following the planned trajectories.
  • the countermeasure cm1 can include a 'critical zone', which is represented by a spatial boundary.
  • this 'critical zone' means that none of the mobile or semi-mobile components of the industrial installation may enter this 'critical zone' and no components may be moved within the 'critical zone'. Accordingly, the trajectory for one of the components AGV, AP, RA is determined, which replaces the already planned trajectory.
  • Determining the at least one countermeasure cm2 includes determining at least one transmission and/or reception parameter of at least one of the communication modules CM_AP, CM_RA. A planned use or retention of a transmission and/or reception parameter is discarded. Instead, the transmission and/or reception parameter determined is used and/or scheduled for a specific point in time when the sufficient quality of the state of the radio channel is determined.
  • the transmission power and/or reception power for sending and/or receiving radio signals on the radio channel RCH is increased in one or both communication modules CM_AP, CM_RA in order to increase the probability of reception.
  • Other parameters include, for example, a modulation and coding scheme, a subchannel, etc.
  • FIG. 5 shows a schematic flow chart for operating the device 100 from FIG.
  • a step 504 includes determining at least one prediction based on the machine-trained model, wherein the state information is provided as an input parameter in an input section of the machine-trained model, wherein the state information is propagated through the machine-trained model M, and wherein in an output section of the machine-trained model M the at least one channel state information prediction based on the machine-trained model M characterizing a state of the at least one radio channel between two communication modules each associated with one of the components of the environment according to the state information is provided.
  • FIG. 6 shows the device 100 from FIG. 1.
  • the input unit B is configured such that a plurality of items of status information z2, z3 are determined depending on a plurality of positions of a plurality of candidate trajectories Tp(n) of at least one component of the environment.
  • n indicates the respective one of a number N of candidate trajectories.
  • the model-based determination unit MBU is configured in such a way that a respective prediction csi1, csi2 based on the machine-trained model M is determined for each of the plurality of pieces of status information z2, z3.
  • a path selection unit PSE is configured in such a way that one of the candidate trajectories Tp(n) is selected as a function of the plurality of predictions csi1, csi2 assigned to one of the respective candidate trajectories Tp(n). For example, the trajectory TP_sel is selected which has the highest mean quality for the radio channels examined and at the same time does not fall below a minimum quality of the respective radio channels.
  • the model is used to assess the cost of candidate trajectories.
  • the model determines the y-outputs, i.e. the predictions, and their distribution for each of the candidate paths. This information can be used to calculate the cost of the candidate path, e.g., by choosing the path with at least a minimal SINR over the entire trajectory. This cost assessment can be based on an equidistant discretization of the path with a predefined step size, or it can be automated. In this way, different candidate careers can be classified.
  • an optimization algorithm can be used to determine the optimal trajectory.
  • the model makes it possible to react to changing environmental conditions in real time, which is not possible with classic ray tracing technology.
  • FIG. 7 shows the status determination unit SDU in a schematic block diagram.
  • the raytracer RAYTR is configured in such a way that at least one prediction csiR based on the raytracer RAYTR of the at least one item of channel status information is determined as a function of the determined status information z2, z3.
  • a coordination unit 700 is configured such that the operation of the model-based determination unit MBU and the raytracer RAYTR is coordinated.
  • a preprocessing unit 710 of the coordination unit 700 is configured in such a way that the status information z2, z3, which characterizes the status of the area surrounding the wireless communication network, is combined with further status information z1, zx, which indicates a further time-staggered state compared to the previous state or a previously specified state of the area surrounding the Characterized wireless communication network is compared, and that depending on the comparison either the model-based determination unit MBU or the ray tracer RAYTR is activated to determine the respective prediction.
  • the machine-trained model is used as a replacement for the ray tracing function in certain situations, e.g. B. when only a few objects change their position.
  • the model can deliver a sufficiently high level of accuracy.
  • the output of the ray tracer is learned for a predefined set of environmental conditions.
  • the model M machine-trained in this way is used as a real-time channel prediction engine when such an environmental situation occurs.
  • Contextual and/or application data about the manufacturing processes is used in one example to enrich the data input for the trained model.
  • digital twins of the industrial plant provide information about deterministic changes in the environment.
  • the additional status information zx represents at least part of training input data with which the machine-trained model was trained.
  • Bayesian neural networks or Gaussian processes determine a distribution in terms of a confidence level v(csiM) along with the output in terms of the prediction csiM of the channel condition.
  • This confidence level v(csiM) of the output is used to decide whether to use the model's prediction or whether additional data points from the raytracer RAYTR are needed.
  • the model-based determination unit MBU is thus configured in such a way that the confidence level vcsiM for the at least one prediction csiM based on the machine-trained model M is determined using the machine-trained model M.
  • those input data are selected that provide the most information Entropy, eg in the case of Gaussian processes, measured in the form of the predictive variance.
  • the model-based determination unit MBU or the coordination unit 700 triggers the raytracer RAYTR in order to obtain data points for lesser-discovered regions of the environment.
  • the model can be trained accordingly to learn what the signal conditions will be like, with active learning being restricted to those input dimensions that are likely to change tomorrow.
  • a post-processing unit 720 of the coordination unit 700 is configured such that, depending on the confidence level vcsiM determined, the raytracer RAYTR is activated to determine the prediction csiR based on the raytracer RAYTR or the prediction csiM based on the machine-trained model is provided for further processing as a prediction csi.
  • FIG. 8 shows part of the device 100 in a schematic block diagram.
  • the input unit B is configured such that, in addition to the status information z2, z3, a plurality of radio beam coordinates fk associated with at least one of the communication modules of the wireless communication network are determined or provided.
  • the model-based determination unit MBU is configured such that the status information z2, z3 and the radio lobe coordinates fk are provided as input parameters in an input section of the machine-trained model, the status information z2 or z3 and at least one of a plurality of radio lobe coordinates fk are propagated through the machine-trained model, and in that at least one relevance R of the respective radio lobe associated with the radio lobe coordinates fk is provided in an output section of the further machine-trained model. After one or more forward propagation runs, a plurality of relevances R of radio lobes are provided.
  • a selection unit 802 is configured such that those radio beam coordinates fk_sel associated with an increased relevance R are selected.
  • the raytracer RAYTR is configured in such a way that at least one prediction csiR, based on the raytracer RAYTR, of the at least one item of channel status information is determined on the basis of the selected radio lobe coordinates fk_sel.
  • the respective relevance R of the radio lobe characterizes a reception strength of the radio lobe at one of the receiving communication modules of the wireless communication network.
  • the processing by the ray tracer RAYTR is thus accelerated, since not all but only the radio lobes according to the radio lobe coordinates fk_sel, which are of increased relevance R, have to be simulated. Consequently, the determination of the prediction csiR of the channel state information is accelerated.
  • the dominant/relevant rays for the calculation with the ray tracer are determined.
  • the measure of the relevance of a beam can be its reception strength at the point of interest, ie one of the communication modules.
  • the number of dominant beams can be determined by considering the beams whose received power is at most 20 dB below that of the most dominant beam optional: using probabilistic models "at most 20 dB below that of the most dominant beam with sufficiently high user-determined probability".
  • FIG. 9 shows in schematic form a device 900 for training the model.
  • the input unit B is configured in such a way that status information z, which characterizes the status of a spatial arrangement of components in the environment, is determined or provided.
  • the raytracer RAYTR is configured such that at least the prediction csiR based on the raytracer RAYTR of the at least one channel status information, which characterizes the status of the at least one radio channel between two communication modules in the area, is determined as a function of the status information z.
  • a training set generator 902 is configured in such a way that at least one training set ts comprising the status information z and the associated prediction csiR based on the raytracer RAYTR is determined.
  • a training unit 1000 configured to train the model with the at least one training set ts.
  • the status information z includes, for example, a 3D map of the environment.
  • the status information includes information about the components of the industrial plant or the manufacturing system that affect the communication system, e.g. a position, orientation and speed of a component AGV, a position, orientation and operating state of the large machine, a position and orientation of the individually movable Parts of a robotic arm RA.
  • the model M learns the mapping between x environmental variables and y transmission KPIs like channel impulse responses, received powers, SINRs or even data rates through data generated by raytracing, i.e. labeled x,y-tuples.
  • the training of the model M can be performed by active learning.
  • the effects of the stochastic dynamics of the environment on the radio channel, coverage and LOS are learned.
  • Stochastic influences can cause inaccuracies in the 3D representations of plants and randomly or unexpectedly moving objects or people in the be factory floor.
  • the 3D environment provided to the raytracer is modified by additional moving objects expected in the planned environment. Consequently, multiple state information, including unexpected components in the environment, is simulated and made available for training the model.
  • transfer learning is used to make the model more versatile for a variety of similar environmental states, situations, and scenarios.
  • different industrial plants are the same and/or have the same components. Or you can take several "similar-looking" production lines in a production hall as a starting point. In such cases there are similarities in terms of the radio environment, which means that the model does not necessarily have to learn the propagation properties from scratch.
  • the structure of a data-based model e.g. the parameterization of a neural network, can be reused in a different but similar environment.
  • the input unit B determines the lobe coordinates fk and the raytracer RAYTR determines the relevance R that matches the lobe coordinates fk.
  • the training data ts thus includes the prediction csiR, the relevance R associated therewith, and the status information z.
  • the input unit B is therefore configured in such a way that, in addition to the status information z, a plurality of radio beam coordinates fk, which are associated with at least one of the communication modules in the area, are determined or provided.
  • the raytracer RAYTR is configured such that the at least one prediction csi based on the raytracer RAYTR and the relevance R of the radio lobes associated with the radio lobe coordinates fk are determined as a function of the determined state z, z1, z2 and at least one of the plurality of radio lobe coordinates fk .
  • the training set generator 902 is configured in such a way that the at least one training set ts including the status information z, the assigned prediction csi based on the raytracer RAYTR and the determined relevance R is determined.
  • FIG. 10 shows an arrangement or training unit 1000 for training the model M.
  • Training data eiTrain are provided in the form of input data via an input interface 1008.
  • the arrangement consists of the data-based model, for example the artificial neural network NN with an input layer.
  • an input tensor of the input data id for example the status information, is transferred to the input layer.
  • the input layer is part of the input section.
  • the output O is determined in the form of the prediction csi from the previous figures.
  • a tensor with observation values oitrain is determined from the output O, which are assigned to the observation values of the tensor eitrain.
  • Each of the time series of the input data id is assigned to one of three input nodes.
  • the input layer is followed by at least one hidden layer.
  • a number of nodes of the at least one hidden layer is greater than a number of the input nodes. This number is to be considered as a hyperparameter.
  • four nodes are provided in the hidden layer.
  • the neural network NN is learned, for example, by the gradient descent method in the form of backpropagation.
  • an output layer 1010 is provided after at least one hidden layer in the example. Prediction values are output on the output layer 1010 of the output part of the neural network NN. In the example, each predicted value is assigned an output node.
  • a tensor o'itrain containing the prediction values for this journal i is determined in each journal i.
  • this is supplied to a training device 1002 together with the column vector of the observation values oitrain.
  • the training device 1002 is designed to determine a prediction error using a loss function LOSS, in particular using a mean square error, and to train the model M therewith and using an optimizer, in particular an Adam optimizer.
  • the loss function LOSS is determined as a function of a deviation, in particular the mean square error, determined from the values of the tensor of the observed values oitrain and the tensor of the predicted values o'itrain.
  • the training is terminated as soon as a fixed criterion is reached.
  • the training is terminated when the loss does not decrease over several time steps, i.e. the mean square error in particular does not decrease.
  • the test data are then entered into the model M trained in this way.
  • the model M is generated by training with the training data.
  • the model M is evaluated with the test data, in particular with regard to the mean p and the covariance S.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

Ein Verfahren umfasst: Ermitteln (202) einer ersten Zustandsinformation, welche einen Ist-Zustand einer räumlichen Anordnung von Komponenten einer Umgebung und wenigstens eine geplante Änderung der räumlichen Anordnung charakterisiert; Ermitteln (204) einer zweiten Zustandsinformation, welche einen simulierten Zustand der räumlichen Anordnung der Komponenten der Umgebung charakterisiert, in Abhängigkeit von der ersten Zustandsinformation; Ermitteln (206) einer Vorhersage einer Kanalzustandsinformation, welche einen Zustand wenigstens eines Funkkanals zwischen zwei Kommunikationsmodulen charakterisiert, in Abhängigkeit von der zweiten Zustandsinformation; und Ermitteln (208) einer Bewertung des Zustands des Funkkanals in Abhängigkeit von der Vorhersage der Kanalzustandsinformation.

Description

Beschreibung
Titel
Vorrichtung und Verfahren zur Bewertung eines Zustands eines Funkkanals
Stand der Technik
Die Beschreibung betrifft Verbesserungen im Bereich der Bewertung eines Zustands eines Funkkanals.
Offenbarung der Erfindung
Das der Erfindung zugrundeliegende Problem wird durch eine Vorrichtung gemäß dem Anspruch 1 und ein Verfahren gemäß einem nebengeordneten Anspruch gelöst.
Ein Aspekt der Beschreibung betrifft eine Vorrichtung umfassend: eine Zustandseinheit zum Ermitteln einer ersten Zustandsinformation, welche einen Ist-Zustand einer räumlichen Anordnung von Komponenten einer Umgebung und wenigstens eine geplante Änderung der räumlichen Anordnung charakterisiert; eine Eingabeeinheit zum Ermitteln einer zweiten Zustandsinformation, welche einen simulierten Zustand der räumlichen Anordnung der Komponenten der Umgebung charakterisiert, in Abhängigkeit von der ersten Zustandsinformation; eine Zustandsermittlungseinheit zum Ermitteln einer Vorhersage einer Kanalzustandsinformation, welche einen Zustand wenigstens eines Funkkanals zwischen zwei Kommunikationsmodulen charakterisiert, in Abhängigkeit von der zweiten Zustandsinformation; und eine Bewertungseinheit zum Ermitteln einer Bewertung des Zustands des Funkkanals in Abhängigkeit von der Vorhersage der Kanalzustandsinformation.
Vorteilhaft wird eine schnell ermittelbare Voraussage über den zukünftigen Zustand des Funkkanals möglich. Durch eine Bewertung im Sinne einer bereitgestellten voraussichtlichen Verschlechterung des Funkkanals können Gegenmaßnahmen eingeleitet werden, so dass die voraussichtliche Verschlechterung nicht eintritt.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Vorrichtung umfasst: die Bewertungseinheit, wobei die Bewertung eine ausreichende Güte des Zustands des wenigstens Funkkanals indiziert; und eine Steuereinheit zum Betreiben wenigstens einer der Komponenten mit der wenigstens einen geplanten Änderung, wenn die ausreichende Güte ermittelt wird.
Vorteilhaft werden damit die geplanten Änderungen der Anordnung der Komponenten der Umgebung überprüft und freigegeben.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Vorrichtung umfasst: eine Gegenmaßnahmen-Ermittlungseinheit zum Ermitteln wenigstens einer Gegenmaßnahme, welche eine Änderung der räumlichen Anordnung und/oder eines Parameters des Drahtloskommunikationsnetzwerks charakterisiert, wenn die ermittelte Bewertung eine voraussichtliche Verschlechterung des Zustandes des wenigstens einen Funkkanals indiziert.
Vorteilhaft werden mit der wenigstens einen Gegenmaßnahme Informationen bereitgestellt, die dazu geeignet sind, die prognostizierte Verschlechterung des Zustands des Funkkanals zu verhindern.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Vorrichtung umfasst: die Eingabeeinheit zum Ermitteln einer weiteren Zustandsinformation, welche einen weiteren Zustand der räumlichen Anordnung der Komponenten der Industrieanlage charakterisiert, in Abhängigkeit von der wenigstens einen Gegenmaßnahme, welche eine Änderung der räumlichen Anordnung charakterisiert.
Vorteilhaft wird mittels der dritten Zustandsinformation eine Vorhersage der räumlichen Anordnung unter Berücksichtigung der ermittelten Gegenmaßnahme bereitgestellt. Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Vorrichtung umfasst: die Zustandsermittlungseinheit zum Ermitteln einer weiteren Vorhersage der Kanalzustandsinformation in Abhängigkeit von der weiteren Zustandsinformation und/oder der Gegenmaßnahme, welche eine Änderung des Parameters des Drahtloskommunikationsnetzwerks charakterisiert.
Vorteilhaft wird somit die Wirksamkeit der ermittelten Gegenmaßname überprüft.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Vorrichtung umfasst: die Bewertungseinheit, wobei die Bewertung eine ausreichende Güte des Zustands des wenigstens Funkkanals der weiteren Vorhersage der Kanalzustandsinformation indiziert; und eine bzw. die Steuereinheit zum Betreiben der Industrieanlage mit der mindestens einen ermittelten Gegenmaßnahme, wenn die ausreichende Güte für die weitere Vorhersage ermittelt wird.
Vorteilhaft werden wird diejenige Gegenmaßnahme zum Betreiben der Industrieanlage verwendet, die sich in der Überprüfung als wirksam erwiesen hat, um die ausreichende Güte des Funkkanals zu gewährleisten.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Ermittlung der wenigstens einen Gegenmaßnahme ein Ermitteln wenigstens einer Trajektorie für eine Komponente umfasst.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Ermittlung der wenigstens einen Gegenmaßnahme ein Ermitteln wenigstens eines Sende- und/oder Empfangsparameters wenigstens eines der Kommunikationsmodule umfasst.
Ein weiterer Aspekt betrifft ein Verfahren umfassend: Ermitteln einer ersten Zustandsinformation, welche einen Ist-Zustand einer räumlichen Anordnung von Komponenten einer Umgebung und wenigstens eine geplante Änderung der räumlichen Anordnung charakterisiert; Ermitteln einer zweiten Zustandsinformation, welche einen simulierten Zustand der räumlichen Anordnung der Komponenten der Umgebung charakterisiert, in Abhängigkeit von der ersten Zustandsinformation; Ermitteln einer Vorhersage einer Kanalzustandsinformation, welche einen Zustand wenigstens eines Funkkanals zwischen zwei Kommunikationsmodulen charakterisiert, in Abhängigkeit von der zweiten Zustandsinformation; und Ermitteln einer Bewertung des Zustands des Funkkanals in Abhängigkeit von der Vorhersage der Kanalzustandsinformation.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die das Verfahren umfasst: Ermitteln der Bewertung, wobei die Bewertung eine ausreichende Güte des Zustands des wenigstens Funkkanals indiziert; und Betreiben wenigstens einer der Komponenten mit der wenigstens einen geplanten Änderung, wenn die ausreichende Güte ermittelt wird.
Vorteilhaft werden damit die geplanten Änderungen der Anordnung der Komponenten der Umgebung überprüft und freigegeben.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die das Verfahren umfasst: Ermitteln wenigstens einer Gegenmaßnahme, welche eine Änderung der räumlichen Anordnung oder eines Parameters des Drahtloskommunikationsnetzwerks charakterisiert, wenn die ermittelte Bewertung eine voraussichtliche Verschlechterung des Zustandes des wenigstens einen Funkkanals indiziert.
Vorteilhaft werden mit der wenigstens einen Gegenmaßnahme Informationen bereitgestellt, die dazu geeignet sind, die prognostizierte Verschlechterung des Zustands des Funkkanals zu verhindern.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die das Verfahren umfasst: Ermitteln einer weiteren Zustandsinformation, welche einen weiteren Zustand der räumlichen Anordnung der Komponenten der Industrieanlage charakterisiert, in Abhängigkeit von der wenigstens einen Gegenmaßnahme, welche eine Änderung der räumlichen Anordnung charakterisiert.
Vorteilhaft wird mittels der dritten Zustandsinformation eine Vorhersage der räumlichen Anordnung unter Berücksichtigung der ermittelten Gegenmaßnahme bereitgestellt. Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die das Verfahren umfasst: Ermitteln einer weiteren Vorhersage der Kanalzustandsinformation in Abhängigkeit von der weiteren Zustandsinformation und/oder der Gegenmaßnahme, welche eine Änderung des Parameters des Drahtloskommunikationsnetzwerks charakterisiert.
Vorteilhaft wird somit die Wirksamkeit der ermittelten Gegenmaßname überprüft.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die das Verfahren umfasst: Ermitteln, dass die Bewertung eine ausreichende Güte des Zustands des wenigstens Funkkanals der weiteren Vorhersage der Kanalzustandsinformation indiziert; und Betreiben der Industrieanlage mit der wenigstens einen ermittelten Gegenmaßnahme, wenn die ausreichende Güte für die weitere Vorhersage ermittelt wird.
Vorteilhaft werden wird diejenige Gegenmaßnahme zum Betreiben der Industrieanlage verwendet, die sich in der Überprüfung als wirksam erwiesen hat, um die ausreichende Güte des Funkkanals zu gewährleisten.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Ermittlung der wenigstens einen Gegenmaßnahme ein Ermitteln wenigstens einer Trajektorie für eine Komponente umfasst.
Ein vorteilhaftes Beispiel zeichnet sich dadurch aus, dass die Ermittlung der wenigstens einen Gegenmaßnahme ein Ermitteln wenigstens eines Sende- und/oder Empfangsparameters wenigstens eines der Kommunikationsmodule umfasst.
Ein weiterer Aspekt betrifft die Verwendung der Vorrichtung gemäß dem ersten Aspekt oder des Verfahren gemäß des zweiten A
In der Zeichnung zeigen:
Figur 1 eine Vorrichtung zur Steuerung einer Industrieanlage;
Figuren 2 und 5 jeweils ein schematisches Ablaufdiagramm; Figuren 3 und 4 jeweils ein schematisches Sequenzdiagramm;
Figuren 6 bis 9 schematische Blockdiagramme; und
Figur 10 eine Vorrichtung zum Trainieren eines Modells;
Figur 1 zeigt eine Vorrichtung 100 für eine Industrieanlage FAC wie beispielsweise eine Produktionsanlage, ein Logistikzentrum oder eine Prozessanlage.
Eine Zustandseinheit DT ermittelt eine erste Zustandsinformation z1 , welche einen Ist-Zustand einer räumlichen Anordnung von Komponenten AGV, AP, RA einer Umgebung der Industrieanlage FAC und wenigstens eine geplante Änderung der räumlichen Anordnung charakterisiert. Die Zustandseinheit DT ermittelt also eine Repräsentation des aktuellen Zustandes der räumlichen Anordnung und/oder des Drahtloskommunikationsnetzwerks RCN. Die geplante Änderung umfasst beispielsweise eine geplante Trajektorie Tp1 der Komponente AGV und eine geplante Trajektorie Tp2 der Komponente RA.
Eine Eingabeeinheit B ermittelt eine zweite Zustandsinformation z2 bzw. z3, welche einen simulierten zukünftigen Zustand der räumlichen Anordnung der Komponenten AGV, AP, RA der Umgebung der Industrieanlage FAC charakterisiert, in Abhängigkeit von der ersten Zustandsinformation z1. Der simulierte Zustand entspricht einer Repräsentation der räumlichen Anordnung, bei der die beweglichen Komponenten AGV und RA entsprechend der geplanten Änderung angeordnet sind. Die vorgenannte Repräsentation umfasst also beispielsweise digitale Zwillinge der Komponenten AGV und RA, die sich auf einem jeweiligen Punkt der geplanten jeweiligen Trajektorie zu einem zukünftigen Zeitpunkt befinden.
Eine Zustandsermittlungseinheit SDU ermittelt eine Vorhersage csi1 , csi2 einer Kanalzustandsinformation, welche einen zukünftig möglichen Zustand wenigstens eines Funkkanals RCH zwischen zwei Kommunikationsmodulen CM_AP, CM_RA, die jeweils mit einer der Komponenten AP, RA der Umgebung gemäß der zweiten Zustandsinformation assoziiert sind, charakterisiert, in Abhängigkeit von der zweiten Zustandsinformation z2. Der Zustand des wenigstens einen Funkkanals RCH ist vorliegend degradiert, da sich gemäß der zweiten Zustandsinformation z2 zwischen den Kommunikationsmodulen CM_RA und CM_AP die Komponente AGV befindet und die Sichtverbindung stört.
Eine Bewertungseinheit A ermittelt eine Bewertung rat, beispielsweise eine erwarteten Verschlechterung des Zustands des Funkkanals RCH, in Abhängigkeit von der Vorhersage csi 1 , csi2 der Kanalzustandsinformation.
Die Zustandsermittlungseinheit SDU umfasst beispielsweise einen Raytracer RAYTR. Es findet ein Informationsaustausch zwischen einem System aus digitalen Zwillingen und dem Raytracer RAYTR statt, indem die ersten bzw. zweiten Zustandsinformation z1 , z2, z3 von den digitalen Zwillingen der Komponenten AGV, AP, RA bereitgestellt werden. Die aktuelle und zukünftige Statusinformation des Funksystems und die Ausbreitungsbedingungen z.B. Kanaleigenschaften, Empfangsleistung, Signalqualität, erwartete Datenrate, etc. werden bereitgestellt. Auf die Vorhersagen csi wird reagiert, indem Informationen an das Fertigungsmanagementsystem „Factory Management System“ gemäß der Steuereinheit FMS weiterreicht werden oder diese instruiert wird.
Da die digitalen Zwillinge in einem Beispiel für das Management der Fertigungsprozesse eingesetzt werden, können letztere explizit an vorhergesagte Funkkanalbedingungen angepasst werden.
Da der Raytracer RAYTR Zugang zu Informationen des digitalen Zwillings, und somit zu Daten aus dem Fertigungsprozess, hat, kann eine zusätzliche, intelligente Einheit C das Drahtloskommunikationsnetzwerk RCN dahingehend optimieren, sodass es proaktiv Netzwerkparameter anpasst, um die industriellen Anwendungsfälle hochzuverlässig zu bedienen. Hierbei simuliert der Raytracer RAYTR verschiedene Konfigurationen des Mobilfunknetzwerkes unter Berücksichtigung der zukünftigen, dynamischen Änderungen im Produktionsumfeld gemäß der Zustandsinformation, und liefert erwartete Kanalbedingungen gemäß der Vorhersage.
Wird also gemäß der Bewertung rat eine Verschlechterung erwartet, dann werden Gegenmaßnahmen cm1, cm2 ermittelt und geprüft. Eine Gegenmaßnahme cm1 könnte beispielsweise darin bestehen, dass der räumliche Bereich zwischen den Komponenten AP und RA als verbotene Zone deklariert wird, in die die Komponente AGV nicht einfahren darf. Entsprechend muss die bisher geplante Trajektorie Tp1 für die Komponente AGV verworfen werden und durch eine neu zu planende Trajektorie ersetzt werden. Die Trajektorie Tp2 der Komponente RA wird hingegen beibehalten. So kann das Kommunikationsmodul CM_RA des Roboterarms ohne Störungen des Funkkanals RCH mit dem Kommunikationsmodul CM_PA des Access Point kommunizieren.
Die modellbasierte Ermittlungseinheit MBU der Zustandsermittlungseinheit SDU ist in einem Beispiel derart konfiguriert ist, dass die Zustandsinformation z2, z3 als Eingabeparameter in einem Eingabeabschnitt eines maschinentrainierten Modells M bereitgestellt wird, dass die Zustandsinformation z2, z3 durch das maschinentrainiertes Modell M propagiert wird, und dass in einem Ausgabeabschnitt des maschinentrainierten Modells M mindestens eine auf dem maschinentrainierten Modell M basierende Vorhersage csi1 , csi2, csiM einer Kanalzustandsinformation, welche einen zukünftig möglichen Zustand wenigstens des Funkkanals RCH zwischen den zwei Kommunikationsmodulen CM_AP, CM_RA, die jeweils mit einer der Komponenten AP, RA der Umgebung gemäß der Zustandsinformation z2, z3 assoziiert sind, charakterisiert, bereitgestellt wird.
Die Zustandsermittlungseinheit SDU umfasst in einem Beispiel sowohl die modellbasierte Ermittlungseinheit MBU als auch den Raytracer RAYTR.
Die Zustandsermittlungseinheit SDU umfasst in einem Beispiel die modellbasierte Ermittlungseinheit MBU jedoch nicht den Raytracer RAYTR.
Die Zustandsermittlungseinheit SDU umfasst in einem Beispiel Raytracer RAYTR jedoch nicht die modellbasierte Ermittlungseinheit MBU.
Das Modell M ist beispielsweise ein künstliches neuronales Netz, ein Gaußscher Prozess, oder ein Bayes'sches neuronales Netze.
Die Zustandsinformation z, z1 , z2, z3 umfasst beispielsweise eine 3D-Karte der Umgebung. Beispielsweise umfassen die Zustandsinformationen Informationen über die Komponenten der Industrieanlage bzw. des Fertigungssystems, die Auswirkungen auf das Kommunikationssystem haben, z.B. eine Position, Orientierung und Geschwindigkeit einer Komponente AGV, eine Position, Ausrichtung und Betriebszustand der großen Maschine, eine Position und Ausrichtung der einzeln beweglichen Teile eines Roboterarms RA.
Ausbreitungsmechanismen Reflexion, Beugung und Streuung haben Einfluss auf reine Freifeldausbreitung gemäß einer Sichtverbindung. Die räumliche Anordnung von Komponenten umfasst dreidimensionale Modell und die Beschaffenheit der jeweiligen Oberflächen, um die Ausbreitungsmechanismen zu berücksichtigen. Der Raytracer RAYTR ermittelt in Abhängigkeit von der räumlichen Anordnung und der Beschaffenheit der jeweiligen Oberflächen der Komponenten unter Berücksichtigung der Ausbreitungsmechanismen die Vorhersage csi1, csi2. Die Vorhersage csi1 , csi2 ist beispielsweise ein Link Budget bzw. eine Leistungsübertragungsbilanz die ein Maß für die Qualität des Funkkanals ROH ist. Der Raytracer RAYTR führt ein Raytracing zumindest eines Teils der Funksignale in der durch die Zustandsinformation z2 vorgegebenen Umgebung durch. Hierbei kann auch eine räumliche Aufteilung erfolgen, um das Raytracing zu beschleunigen und die Recheneffizienz und -genauigkeit für die Ausbreitungsmodellierung zu erreichen. 3D-Modelle gemäß der ermittelten räumlichen Anordnung im Sinne der ersten, zweiten oder dritten Zustandsinformation z1, z2, z3 werden verwendet, um realistische Modelle für Ausbreitungsumgebung zu erstellen. Die Position und Ausdehnung der Komponenten charakterisieren die Ausbreitung der elektromagnetischen Wellen.
Der Raytracer RAYTR ist beispielsweise eine Softwarelösung, welche zur Analyse und Bewertung der Funkwellenausbreitung sowohl im Indoor- als auch im Outdoor-Bereich eingesetzt werden. Zugrunde liegt dem Raytracer RAYTR ein dreidimensionales Modell der Ausbreitungsumgebung, auf Basis dessen - i.d.R. von der Antenne einer Basisstation - ausgesendete Übertragungspfade engl.: rays generiert und analysiert werden. Dabei werden Reflexionen, Beugung und Streuung bei der Wellenausbreitung simuliert, um ein realistisches Analysebild der Ausbreitungsumgebung zu erhalten. Im Speziellen wird beim Ray Launching einer Form des Ray Tracings eine bestimmte Anzahl von Signalpfaden von der Antenne ausgehend emittiert, welche von den gewählten Auflösungen der Azimut- und Elevationswinkel mit dem Antennenmittelpunkt als Basis abhängt. Nach der Berücksichtigung von Reflexion, Beugung und Brechung werden an definierten Empfangspunkten i.d.R. Orte der Antennen der Empfänger die eintreffenden Pfade addiert und darauf basierend die Kanaleigenschaften simuliert.
Die Komponente AGV ist beispielsweise ein Autonomous Guided Vehicle. Die Komponente AP ist beispielsweise ein Access Point. Die Komponente RA ist beispielsweise ein Roboterarm. In einem Beispiel empfängt die Ermittlungseinheit DT die erste Zustandsinformation in Form von Messwerten oder Signalen s_FAC von der Umgebung. In einem anderen Beispiel umfasst die erste Ermittlungseinheit DT digitale Zwillinge der räumlichen Einzelkomponenten der Industrieanlage FAC, die aus empfangenen weiteren Zustandsinformation eine Repräsentation der Industrieanlage FAC zu einem Ist-Zeitpunkt ermitteln. Damit entspricht die erste Zustandsinformation z1 einer Repräsentation der räumlichen Anordnung der Industrieanlage FAC in der Gegenwart.
Die Ermittlungseinheit bzw. Eingabeeinheit B umfasst beispielsweise digitale Zwillinge der räumlichen Komponenten AGV, AP, RA der Industrieanlage FAC. Damit entspricht die zweite Zustandsinformation z2 einer geschätzten, also vorhergesagten Repräsentation der räumlichen Anordnung der einzelnen Komponenten der Industrieanlage FAC in der Zukunft.
Digitale Zwillinge, oder Systeme mehrerer digitaler Zwillinge, sind virtuelle Repräsentationen von physischen Geräten und von Prozessen und Abläufen in der industriellen Fertigung. Ziel digitaler Zwillinge ist es, den Status der Produktionsabläufe in Echtzeit abzurufen, solche zu steuern und zu optimieren, sowie den Lebenszyklus solcher Geräte zu managen. Zur Darstellung der physischen Geräte in Echtzeit senden diese u.a. Statusinformationen durch Sensoren gemessene physikalische Eigenschaften an eine zentrale Recheneinheit, welche daraufhin den realen Zustand des Systems und der Prozesse virtuell abbildet. Zusätzlich kommen dabei beispielsweise dreidimensionale CAD- Modelle zum Einsatz, um zusätzlich eine genaue und detailgetreue visuelle Repräsentation der physischen Gegenstände zu erzeugen. Als Resultat entsteht in Echtzeit ein genaues, dynamisches und dreidimensionales Abbild aller im Feld befindlichen Anlagen, Maschinen, Roboter und anderer Geräte, sowie deren Interaktionen, Prozesse und Abläufe.
Die Kanalzustandsinformation csi entspricht also einer Vorhersage der Funkbedingungen, die in dem zukünftigen mittels der zweiten Zustandsinformation z2 ermittelten Zustand der räumlichen Anordnung herrschen.
Die zweiten Zustandsinformation z2 umfasst eine dreidimensionale zukünftige Repräsentation der Komponenten der Industrieanlage FAC sowie deren zukünftige Positionen innerhalb der Industrieanlage FAC.
Die Vorrichtung 100 bewertet die aktuelle und prognostizierte Situation in der Umgebung der Industrieanlage FAC und ermittelt eine Instruktion i, die einer Steuereinheit FMS zugeführt wird. Die Instruktion i umfasst beispielsweise eine der Gegenmaßnahmen cm1 , cm2 oder eine Freigabe der geplanten Änderung der räumlichen Anordnung. Die Steuereinheit FMS ermittelt in Abhängigkeit von der Instruktion i wenigstens ein Steuersignal s_C, welches zur Steuerung einer der Komponenten AGV, AP oder RA verwendet wird. Die Steuereinheit FMS ermittelt in Abhängigkeit von der Instruktion i wenigstens ein Steuersignal s_RCN, welches zur Steuerung einer der Kommunikationsmodule CM1 , CM2 verwendet wird.
Der Raytracer RAYTR umfasst Funktionalitäten, die die Kanalausbreitungsbedingungen bei Änderungen im Fertigungsumfeld in Echtzeit aktualisieren. Dafür gewinnt der Raytracer RAYTR von der Eingabeeinheit B aufbereitete Informationen der anderen digitalen Zwillinge. Solche Informationen können beispielsweise sein: aktualisierte, dreidimensionale Modelle der physischen Anlagen „Plant assets“; Bewegungstrajektorien von Roboterarmen, AGVs, Anlagen und sonstigen Gegenständen; Oberflächenbeschaffenheiten der Gegenstände; der Aufbau der Fertigungshalle; Prozess- und Fertigungsablaufpläne; Funkkanalmessdaten von mobilen Teilnehmern; und andere. Hierfür abonniert die Eingabeeinheit B diese Informationen, z.B. mittels eines Publish/Subscribe-Systems. Funktionen der Eingabeeinheit B, die auf eine echtzeitfähige und genaue Prädiktion der Kanalbedingungen abzielen, sind: Die Eingabeeinheit B leitet die gewonnenen Informationen an den Raytracer RAYTR weiter, welcher daraufhin, z.B. mit einem aktualisierten, dreidimensionalen Lagebild, die Kanalausbreitungsbedingungen aktualisiert. Die Eingabeeinheit B entscheidet, ob und wann aktualisierte Informationen über Kanalausbreitungsbedingungen erforderlich sind. Wenn dies der Fall ist, z.B., wenn ein AGV die direkte Sichtverbindung zwischen zwei anderen Kommunikationsknoten blockiert, instruiert die Eingabeeinheit B den Raytracer RAYTR, ein aktualisiertes Abbild der Kanalausbreitungsbedingungen zu erstellen.
Die Eingabeeinheit B analysiert Fertigungsablaufpläne, die z.B. geplante Trajektorien von AGVs enthalten, und instruiert daraufhin den Raytracer RAYTR, über einen zukünftigen Zeitraum z.B. über eine Periode einer zyklischen Bewegung eines Roboterarmes oder über eine gewisse Trajektorie eines mobilen Teilnehmers, z.B. AGV die Kanalausbreitungsbedingungen zu ermitteln. Die Eingabeeinheit B reicht Funkkanalmessungen der Teilnehmer an den Raytracer RAYTR weiter, um prädiktierte Werte abzugleichen und um zukünftige Raytracingergebnisse zu verbessern.
Die Eingabeeinheit B oder der Raytracer RAYTR entscheiden auf Basis vorliegender Informationen und der Historie, zu welchem Grad und mit welcher Genauigkeit das Raytracing durchgeführt werden soll. Beispielsweise kann eine Untermenge aller möglichen Abstrahlwinkel Azimut- und Elevationswinkel gewählt werden, wenn sich nur ein Objekt an einem bestimmten Ort in der Fertigungshalle bewegt. Oder die Anzahl der berücksichtigten Reflexionen der einzelnen Pfade kann reduziert werden.
Die Eingabeeinheit B ersetzt sukzessive Funktionen des Raytracers, indem es Raytracing-Berechnungsmodelle durch Berechnungsmodelle basierend auf maschinellem Lernen ersetzt, um die Berechnung der Kanalausbreitungsbedingungen zu beschleunigen. Beispielsweise lernt ein neuronales Netz die Zusammenhänge zwischen dem Status der Fertigungsumgebung den der Eingabeeinheit B vorliegende Informationen der digitalen Zwillinge und den realen bzw. den von dem Raytracer RAYTR prädiktierten Kanalbedingungen im Sinne der Vorhersage.
Die Bewertungseinheit A dient zur Darstellung und Weiterbetrachtung der Ergebnisse des Raytracers RAYTR. In einem Beispiel visualisiert die Bewertungseinheit A die aktuellen realen und/oder prädiktierten Kanalbedingungen, z.B. in Form der Signalstärke oder Signalqualität. In einem Beispiel visualisiert die Bewertungseinheit A die aktuellen und die zukünftigen Kanalbedingungen. Die Bewertungseinheit A informiert das Fertigungsmanagementsystem „Factory Management System“ bzw. die Steuereinheit FMS, wenn sich zukünftige Kanalbedingungen verschlechtern oder unter einen Schwellwert zu fallen drohen. Die Bewertungseinheit A instruiert die Steuereinheit FMS, Gegenmaßnahmen zu ergreifen, wenn z.B. bei einer geplanten Trajektorie eines mobilen Teilnehmers dessen Funkverbindung abzubrechen droht oder die erforderlichen Anforderungen ans Kommunikationssystem nicht mehr erfüllt werden können. Eine Gegenmaßnahme ist beispielsweise, die geplante Route eines AGVs zu ändern und im Fertigungsablaufplan festzuschreiben.
Die Gegenmaßnahmen-Ermittlungseinheit C dient zum Informieren und zur proaktiven Steuerung und Optimierung des Drahtloskommunikationsnetzwerks. Dies geschieht entweder direkt innerhalb des Drahtloskommunikationsnetzwerks, wenn die Gegenmaßnahmen-Ermittlungseinheit C Teil dessen ist, oder entweder über das Fertigungsmanagementsystem oder den digitalen Zwilling des Kommunikationssystems „Digital PCS twin“, wenn die Gegenmaßnahmen- Ermittlungseinheit C Teil des Systems von digitalen Zwillingen ist. Die Gegenmaßnahmen-Ermittlungseinheit C kann folgende Funktionen implementieren: Die Gegenmaßnahmen-Ermittlungseinheit C leitet lediglich Informationen über zukünftige Kanalbedingungen an das Funksystem zur Weiterbearbeitung und Beachtung weiter. Die Gegenmaßnahmen- Ermittlungseinheit C prädiktiert mithilfe des Raytracers RAYTR und des digitalen Zwillings virtuell für verschiedene Netzkonfigurationen die Kanalbedingungen und legt sie dem Funkkommunikationssystem als Entscheidungsgrundlage für die Optimierung vor. Die Auswahl der verschiedenen, zu testenden Netzkonfigurationen trifft entweder das Drahtlosnetzwerk oder die Gegenmaßnahmen-Ermittlungseinheit C selbst. Die Gegenmaßnahmen- Ermittlungseinheit C hat Kenntnis über die Anpassungsmöglichkeiten von Netzwerkparametern des Drahtlosnetzwerks, welche direkten oder indirekten Einfluss auf Kanalbedingungen haben können. Solche Netzwerkparameter sind z.B. die Sendeleistung, Antennenparameter, Interferenzkoordinierungsschemata, Handoverparameter, Beamforming-Einstellungen, MIMO-Konfigurationen, und andere. In einem anderen Beispiel führt die Gegenmaßnahmen- Ermittlungseinheit C eine Entscheidung über die zu übernehmende Netzkonfiguration herbei und instruiert das Drahtlosnetzwerk und dessen Kommunikationsmodule entsprechend.
Figur 2 zeigt ein schematisches Sequenzdiagramm zum Betreiben der Vorrichtung 100 aus Figur 1. Gemäß einem Schritt 202 wird die erste Zustandsinformation ermittelt, welche den Ist-Zustand der räumlichen Anordnung von Komponenten der Umgebung und wenigstens eine geplante Änderung der räumlichen Anordnung charakterisiert. In einem Schritt 204 wird die zweite Zustandsinformation, welche den simulierten Zustand der räumlichen Anordnung der Komponenten der Umgebung charakterisiert, in Abhängigkeit von der ersten Zustandsinformation ermittelt. In einem Schritt 206 wird die Vorhersage der Kanalzustandsinformation, welche den Zustand des wenigstens einen Funkkanals zwischen zwei Kommunikationsmodulen charakterisiert, in Abhängigkeit von der zweiten Zustandsinformation ermittelt. In einem Schritt 206 findet eine Ermittlung der Bewertung des Zustands des Funkkanals in Abhängigkeit von der Vorhersage der Kanalzustandsinformation statt.
Figur 3 zeigt ein schematisches Sequenzdiagramm zum Betreiben der Vorrichtung 100. Die Eingabeeinheit B abonniert gemäß einem Schritt 306 Daten eines digitalen Zwillings DT_AGV der Komponente AGV, der das Verhalten und den Zustand der Komponente AGV repräsentiert. Die Steuereinheit FMS plant im Schritt 308 eine neue Trajektorie, im Sinne der geplanten Änderung, welche im Schritt 310 vom digitalen Zwilling DT_AGV angenommen wird. Ein Schritt 312 übermittelt der Eingabeeinheit B, dass die neue geplante Trajektorie vorliegt. Die Eingabeeinheit B überprüft in einem Schritt 314 die neue geplante Trajektorie dahingehend, ob diese potenziell Einfluss auf eine Funkwellenausbreitung hat/haben könnte bzw. ob ein Einfluss auf die Funkwellenausbreitung relevant ist, um eine genauere Überprüfung durchzuführen. Wird das voranstehende bejaht, dann wird im Schritt 316 der Raytracer RAYTR damit beauftragt, eine Berechnung der Funkwellenausbreitung in der Umgebung durchzuführen und unter der Annahme, dass die Komponente AGV sich entlang der geplanten Trajektorie bewegen würde. In einem Schritt 318 werden Vorhersagen csi für die Funkwellenausbreitung bzw. für die Kanalzustände ermittelt und im Schritt 320 an die Bewertungseinheit A übermittelt. Die Bewertungseinheit A ermittelt im Schritt 302 die Bewertung rat, welche vorliegend eine ausreichende Güte des Zustands des wenigstens Funkkanals RCH indiziert, in Abhängigkeit von der Vorhersage csi. Die Steuereinheit FMS betreibt im Schritt 304 die wenigstens eine Komponente AGV der Industrieanlage FAC mit der wenigstens einen geplanten Änderung, wenn die ausreichende Güte ermittelt wird. Die Bewertungseinheit A gibt also die geplante Änderung im Sinne der geplanten Trajektorie für die Komponente AGV frei, so dass die Steuereinheit FMS die Komponente AGV dazu instruiert, sich entlang der geplanten Trajektorie zu bewegen.
Figur 3 zeigt ein schematisches Sequenzdiagramm zum Betreiben der Vorrichtung 100. Die Eingabeeinheit B abonniert in einem Schritt 420 die Daten der digitalen Zwillinge DT_AGV, DT_AGV2 und DT_RCN der Komponenten AGV, AGV2 und des Drahtloskommunikationsnetzwerks RCN. Die Steuereinheit FMS ermittelt in einem Schritt 422 eine neue geplante Trajektorie für die zweite Komponente AGV2, beispielsweise ein zweites Autonomous Guided Vehicle, und übermittelt diese an den digitalen Zwilling DT_AGV2, welcher im Schritt 424 angenommen wird. Ein Schritt 426 übermittelt der Eingabeeinheit B, dass die neue geplante Trajektorie vorliegt. Die Eingabeeinheit B überprüft in einem Schritt 428 die neue geplante Trajektorie dahingehend, ob diese potenziell Einfluss auf eine Funkwellenausbreitung hat/haben könnte bzw. ob ein Einfluss auf die Funkwellenausbreitung relevant ist, um eine genauere Überprüfung durchzuführen. Wird das voranstehende bejaht, dann wird im Schritt 430 der Raytracer RAYTR damit beauftragt, auf Basis der Zustandsinformation z2 eine Berechnung der Funkwellenausbreitung in der Umgebung durchzuführen und unter der Annahme, dass die Komponente AGV2 sich entlang der geplanten Trajektorie bewegen würde. In einem Schritt 432 werden Vorhersagen csi 1 für die Funkwellenausbreitung bzw. für die Kanalzustände ermittelt und im Schritt 434 an die Bewertungseinheit A übermittelt. Die Bewertungseinheit A ermittelt in einem Schritt 434, dass wenigstens einer der Funkkanäle eine nicht ausreichende Güte besitzen würde, wenn die geplante Trajektorie durch die Komponente AGV2 durchfahren würde. Eine entsprechender Bewertung rat1 wird im Schritt 436 versendet.
Eine Gegenmaßnahmen-Ermittlungseinheit C bzw. die Steuereinheit FMS dienen zum Ermitteln 402, 404 der wenigstens einen Gegenmaßnahme cm1, cm2, welche eine Änderung der räumlichen Anordnung und/oder eines Parameters des Drahtloskommunikationsnetzwerks RCN charakterisiert, wenn die ermittelte Bewertung rat1 eine voraussichtliche Verschlechterung des Zustandes des wenigstens einen Funkkanals RCH indiziert. Das Ziel der Gegenmaßnahme cm1, cm2 ist, dass die ermittelte zukünftige Verschlechterung des Funkkanals RCH des Drahtloskommunikationsnetzwerks RCN der Industrieanlage FAC nicht eintritt.
Ein digitaler Zwilling DT_RCN erhält die erste Gegenmaßnahme cm1 zur Erhöhung einer Sendeleistung der Komponente AP und registriert diese in einem Schritt 438. Die Änderung der Information wird in einem Schritt 440 an die Eingabeeinheit B übermittelt.
Die zweite Gegenmaßnahme cm2 wird an den digitalen Zwilling DT_AGV der Komponente AGV übermittelt, um beispielsweise eine im Ist-Zustand des Drahtloskommunikationsnetzwerks RCN nicht bestehende Sichtverbindung zu realisieren, indem sich die Komponente entlang einer Trajektorie gemäß der Gegenmaßnahme cm2 bewegt. Der digitale Zwilling DT_AGV übermittelt in einem Schritt 442 die Informationen gemäß der Gegenmaßnahme cm2 an die Eingabeeinheit B.
Die Eingabeeinheit B überprüft in einem Schritt 444 die geplanten Gegenmaßnahmen cm1, cm2 dahingehend, ob diese potenziell Einfluss auf eine Funkwellenausbreitung haben könnten bzw. ob ein Einfluss auf die Funkwellenausbreitung relevant ist, um eine genauere Überprüfung durchzuführen. Wird das voranstehende bejaht, dann wird im Schritt 406 der Raytracer RAYTR damit beauftragt, eine Berechnung der Funkwellenausbreitung in der Umgebung durchzuführen.
Die Eingabeeinheit B ermittelt in einem Schritt 406 eine weitere Zustandsinformation z3, welche einen weiteren zukünftigen Zustand der räumlichen Anordnung der Komponenten AGV, AP, RA der Industrieanlage FAC charakterisiert, in Abhängigkeit von der Zustandsinformation z1 und der wenigstens einen Gegenmaßnahme cm1 , welche eine Änderung der räumlichen Anordnung charakterisiert. Die Zustandsermittlungseinheit SDU ermittelt eine weitere Vorhersage csi2 der Kanalzustandsinformation in Abhängigkeit von der weiteren Zustandsinformation z3 und/oder der Gegenmaßnahme, welche eine Änderung des Parameters des Drahtloskommunikationsnetzwerks RCN charakterisiert.
Die Bewertungseinheit A ermittelt in einem Schritt 410 die Bewertung rat2, welche eine ausreichende Güte des Zustands des wenigstens Funkkanals RCH im Sinne der Bewertung der weiteren Vorhersage csi2 der Kanalzustandsinformation indiziert.
In einem Schritt 446 instruiert die Einheit C die Steuereinheit FMS dazu, die Sendeleistung der Komponente AP des Drahtloskommunikationsnetzwerks RCN gemäß der Gegenmaßnahme cm1 zu erhöhen.
Die Steuereinheit FMS betreibt in einem Schritt 412 die Industrieanlage FAC mit der mindestens einen ermittelten Gegenmaßnahme cm1, cm2, wenn die ausreichende Güte für die weitere Vorhersage csi2 ermittelt wird.
Die Ermittlung der wenigstens einen Gegenmaßnahme cm1 umfasst ein Ermitteln wenigstens einer Trajektorie für eine der Komponenten AGV, AP, RA. Eine geplante Trajektorie einer der Komponenten AGV, AP, RA wird durch die ermittelte Trajektorie ersetzt, wenn die ausreichende Güte des Zustands des Funkkanals ermittelt wird.
So umfasst die erste Zustandsinformation z1 beispielsweise geplante Trajektorien und die zweite Zustandsinformation z2 den Zustand, welcher über das Abfahren der geplanten Trajektorien erreicht wird. So kann die Gegenmaßnahme cm1 eine 'kritischen Zone' umfassen, welche durch eine räumliche Begrenzung repräsentiert wird. Diese 'kritische Zone' bedeutet für die Steuereinheit S der Industrieanlage FAC, dass keine der mobilen oder teilmobilen Komponenten der Industrieanlage in diese 'kritische Zone' einfahren dürfen und innerhalb der 'kritischen Zone' keine Komponenten bewegt werden dürfen. Entsprechend wird die Trajektorie für eine der Komponenten AGV, AP, RA ermittelt, welche die bereits geplante Trajektorie ersetzt. Die Ermittlung der wenigstens einen Gegenmaßnahme cm2 umfasst ein Ermitteln wenigstens eines Sende- und/oder Empfangsparameters wenigstens eines der Kommunikationsmodule CM_AP, CM_RA. Eine geplante Verwendung oder Beibehaltung eines Sende- und/oder Empfangsparameters wird verworfen. Anstatt dessen wird der ermittelte Sende- und/oder Empfangsparameter verwendet und/oder für einen bestimmten Zeitpunkt eingeplant, wenn die ausreichende Güte des Zustands des Funkkanals ermittelt wird.
Beispielsweise wird die Sendeleistung und/oder Empfangsleistung für das Versenden und/oder Empfangen von Funksignalen auf dem Funkkanal RCH bei einem oder beiden Kommunikationsmodulen CM_AP, CM_RA erhöht, um so die Empfangswahrscheinlichkeit zu erhöhen. Weitere Parameter umfassen beispielsweise ein Modulation and Coding Scheme, einen Subchannel, etc.
Figur 5 zeigt ein schematisches Ablaufdiagramm zum Betreiben der Vorrichtung 100 aus Figur 1. Gemäß einem Schritt 502 wird eine Zustandsinformation, welche den simulierten Zustand der räumlichen Anordnung der Komponenten AGV, AP, RA der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, ermittelt und/oder bereitgestellt. Ein Schritt 504 umfasst ein Ermitteln mindestens einer auf dem maschinentrainierten Modell basierenden Vorhersage, wobei die Zustandsinformation als Eingabeparameter in einem Eingabeabschnitt des maschinentrainierten Modells bereitgestellt wird, wobei die Zustandsinformation durch das maschinentrainiertes Modell M propagiert wird, und wobei in einem Ausgabeabschnitt des maschinentrainierten Modells M die mindestens eine auf dem maschinentrainierten Modell M basierende Vorhersage der Kanalzustandsinformation, welche einen Zustand des wenigstens einen Funkkanals zwischen zwei Kommunikationsmodulen, die jeweils mit einer der Komponenten der Umgebung gemäß der Zustandsinformation assoziiert sind, charakterisiert, bereitgestellt wird.
Figur 6 zeigt die Vorrichtung 100 aus Figur 1. Die Eingabeeinheit B ist derart konfiguriert, dass eine Mehrzahl von Zustandsinformationen z2, z3 in Abhängigkeit von einer Mehrzahl von Positionen einer Mehrzahl von Kandidatentrajektorien Tp(n) wenigstens einer Komponente der Umgebung ermittelt werden. Bei der jeweiligen Kandidatentrajektorie Tp(n) indiziert n die jeweilige von einer Anzahl N von Kandidatentrajektorien. Die modellbasierte Ermittlungseinheit MBU ist derart konfiguriert, dass für jede der Mehrzahl von Zustandsinformationen z2, z3 eine jeweilige auf dem maschinentrainierten Modell M basierende Vorhersage csi1, csi2 ermittelt wird.
Eine Pfadauswahleinheit PSE ist derart konfiguriert, dass eine der Kandidatentrajektorien Tp(n) in Abhängigkeit von der Mehrzahl der einem der jeweiligen Kandidatentrajektorien Tp(n) zugeordneten Vorhersagen csi1 , csi2 ausgewählt wird. Beispielsweise wird die Trajektorie TP_sel ausgewählt, die für die untersuchten Funkkanäle die höchste mittlere Güte aufweist und gleichzeitig eine Mindestgüte der jeweiligen Funkkanäle nicht unterschritten wird.
Wenn eine Trajektorie für eine Komponente AGV festgelegt werden soll, wird das Modell verwendet, um die Kosten für Kandidatentrajektorien zu bewerten. Das Modell ermittelt die y-Outputs, also die Vorhersagen, und ihre Verteilung für jeden der Kandidatenpfade. Diese Informationen können verwendet werden, um die Kosten des Kandidatenpfads zu berechnen z.B. durch Wahl des Pfades mit mindestens einem minimalen SINR über die gesamte Trajektorie. Diese Kosten bewertung kann auf einer äquidistanten Diskretisierung des Pfades mit einer vordefinierten Schrittgröße erfolgen oder automatisiert werden. So können verschiedene Kandidatenlaufbahnen eingestuft werden. Wenn die Kandidatentrajektorien parametrisiert sind, kann ein Optimierungsalgorithmus verwendet werden, um die optimale Trajektorie zu bestimmen. Das Modell erlaubt es, auf veränderte Umweltbedingungen in Echtzeit zu reagieren, was mit der klassischen Raytracing-Technik nicht möglich ist.
Figur 7 zeigt die Zustandsermittlungseinheit SDU in einem schematischen Blockdiagramm. Der Raytracer RAYTR ist derart konfiguriert, dass mindestens eine auf dem Raytracer RAYTR basierende Vorhersage csiR der wenigstens einen Kanalzustandsinformation in Abhängigkeit von der ermittelten Zustandsinformation z2, z3 ermittelt wird.
Eine Koordinationseinheit 700 ist derart konfiguriert, dass der Betrieb der modellbasierten Ermittlungseinheit MBU und des Raytracer RAYTR koordiniert wird. Eine Vorverarbeitungseinheit 710 der Koordinierungseinheit 700 ist derart konfiguriert, dass die Zustandsinformation z2, z3, welche den Zustand der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, mit einer weiteren Zustandsinformation z1, zx, welche einen weiteren zeitlich zum vorigen Zustand versetzten oder einem vorab festgelegten Zustand der Umgebung des Drahtloskommunikationsnetzwerks charakterisiert, verglichen wird, und dass in Abhängigkeit von dem Vergleich entweder die modellbasierte Ermittlungseinheit MBU oder der Raytracer RAYTR zur Ermittlung der jeweiligen Vorhersage aktiviert wird.
Damit wird das maschinentrainierte Modell als Ersatz für die Raytracing-Funktion in bestimmten Situationen, z. B. wenn nur wenige Objekte ihre Position ändern, verwendet. Bei sich wiederholende und/oder nur leicht wechselnde Umgebungen kann das Modell eine genügend hohe Genauigkeit liefern. Die Ausgabe des Raytracers wird für einen vordefinierten Satz von Umgebungsbedingungen gelernt. Das so maschinentrainierte Modell M wird als Echtzeit-Kanalvorhersage- Engine verwendet, wenn eine solche Umgebungssituation eintritt.
Kontext- und/oder Anwendungsdaten über die Herstellungsprozesse werden in einem Beispiel zur Anreicherung der Dateneingabe für das trainierte Modell verwendet. In diesem Fall liefern digitalen Zwillinge der Industrieanlage Informationen über deterministische Veränderungen der Umgebung.
Beispielsweise repräsentiert die weitere Zustandsinformation zx zumindest einen Teil von Trainings-Eingangsdaten, mit denen das maschinentrainierte Modell trainiert wurde.
Bayes'sche neuronale Netze oder Gauß'sche Prozesse ermitteln eine Verteilung im Sinne eines Vertrauensniveaus v(csiM) neben der Ausgabe im Sinne der Vorhersage csiM der Kanalbedingung. Dieses Vertrauensniveau v(csiM) der Ausgabe wird dazu verwendet, um zu entscheiden, ob die Vorhersage des Modells verwendet wird oder ob zusätzliche Datenpunkte von dem Raytracer RAYTR benötigt werden. Die modellbasierte Ermittlungseinheit MBU ist also derart konfiguriert, dass mittels des maschinentrainierten Modells M das Vertrauensniveau vcsiM für die mindestens eine auf dem maschinentrainierten Modell M basierende Vorhersage csiM ermittelt wird. Beim aktiven Lernen werden diejenigen Eingangsdaten ausgewählt, die die meisten Informationen liefern Entropie, z.B. im Falle von Gauß-Prozessen, gemessen in Form der prädiktiven Varianz. In weniger dynamischen Situationen, beispielsweise nachts, löst die modellbasierte Ermittlungseinheit MBU oder die Koordinationseinheit 700 den Raytracer RAYTR aus, um Datenpunkte für weniger entdeckte Regionen der Umgebung zu erhalten. Wenn am kommenden Morgen viele Produktionslinien neu angeordnet werden, kann das Modell entsprechend trainiert werden, um zu lernen, wie die Signalbedingungen sein werden, wobei das aktive Lernen auf jene Eingangsdimensionen, die sich wahrscheinlich morgen ändern werden, beschränkt wird.
Eine Nachverarbeitungseinheit 720 der Koordinationseinheit 700 ist derart konfiguriert, dass in Abhängigkeit von dem ermittelten Vertrauensniveau vcsiM der Raytracer RAYTR zur Ermittlung der auf dem Raytracer RAYTR basierenden Vorhersage csiR aktiviert wird oder die auf dem maschinentrainierten Modell basierende Vorhersage csiM zur Weiterverarbeitung als Vorhersage csi bereitgestellt wird.
Figur 8 zeigt in einem schematischen Blockdiagramm einen Teil der Vorrichtung 100. Die Eingabeeinheit B ist derart konfiguriert, dass neben der Zustandsinformation z2, z3 eine Mehrzahl von Funkkeulenkoordinaten fk, die mit wenigstens einem der Kommunikationsmodule des Drahtloskommunikationsnetzwerks assoziiert sind, ermittelt oder bereitgestellt werden. Die modellbasierte Ermittlungseinheit MBU ist derart konfiguriert, dass die Zustandsinformation z2, z3 und die Funkkeulenkoordinaten fk als Eingabeparameter in einem Eingabeabschnitt des maschinentrainierten Modells bereitgestellt werden, dass die Zustandsinformation z2 oder z3 und wenigstens eine einer Mehrzahl von Funkkeulenkoordinaten fk durch das maschinentrainierte Modell propagiert werden, und dass in einem Ausgabeabschnitt des weiteren maschinentrainierten Modells wenigstens eine Relevanz R der jeweiligen mit den Funkkeulenkoordinaten fk assoziierten Funkkeule bereitgestellt wird. Nach einem oder mehreren Forward-Propagation- Durchläufen werden eine Mehrzahl von Relevanzen R von Funkkeulen bereitgestellt. Eine Auswahleinheit 802 ist derart konfiguriert, dass diejenigen Funkkeulenkoordinaten fk_sel ausgewählt werden, welche mit einer erhöhten Relevanz R assoziiert sind.
Der Raytracer RAYTR ist derart konfiguriert, dass mindestens eine auf dem Raytracer RAYTR basierende Vorhersage csiR der wenigstens einen Kanalzustandsinformation auf Basis der ausgewählten Funkkeulenkoordinaten fk_sel ermittelt wird.
Beispielsweise charakterisiert die jeweilige Relevanz R der Funkkeule eine Empfangsstärke der Funkkeule an einem der empfangenden Kommunikationsmodule des Drahtloskommunikationsnetzwerks. So wird die Verarbeitung durch den Raytracer RAYTR beschleunigt, da nicht sämtliche, sondern nur die Funkkeulen gemäß der Funkkeulenkoordinaten fk_sel simuliert werden müssen, die von erhöhter Relevanz R sind. Mithin wird die Ermittlung der Vorhersage csiR der Kanalzustandsinformation beschleunigt. Es werden also die dominanten/relevanten Strahlen für die Berechnung mit dem Raytracer ermittelt. Das Maß für die Relevanz eines Strahls kann seine Empfangsstärke am Ort des Interesses, also eines der Kommunikationsmodule sein. Die Anzahl der dominanten Strahlen kann ermittelt werden, indem man die Strahlen betrachtet, deren Empfangsleistung höchstens 20 dB unter der des dominantesten Strahls liegt optional: bei Verwendung probabilistischer Modelle " höchstens 20 dB unter der des dominantesten Strahls mit ausreichend hoher benutzerbestimmter Wahrscheinlichkeit ". Ein dominanter Strahl ist gekennzeichnet durch seine sphärischen Koordinaten, das Tupel Theta, Phi Richtung der Abstrahlung vom Schwerpunkt der Antenne der Basisstation. Das Modell lernt die Beziehung zwischen theta, phi, x => R, wobei R für die Relevanz des Strahls mit den sphärischen Koordinaten theta und phi steht. Wenn dann Veränderungen in der Umgebung auftreten oder zu erwarten sind durch Bereitstellung von Informationen über zukünftige Zustände von den Digitalen Zwillingen, berechnet das Modul M die Relevanz R für jedes Tupel Theta, phi unter Berücksichtigung der zukünftigen Zustandsinformation der Umgebung im Voraus und veranlasst den Raytracer RAYTR, die Radiowellenumgebung zu aktualisieren, indem nur Strahlen berechnet werden, die durch einen Satz von Tupeln Theta, phi spezifiziert sind, die eine Relevanz R über einem bestimmten Schwellenwert haben. Figur 9 zeigt in schematischer Form eine Vorrichtung 900 zum Trainieren des Modells. Die Eingabeeinheit B ist derart konfiguriert ist, dass eine Zustandsinformation z, welche den Zustand einer räumlichen Anordnung von Komponenten der Umgebung charakterisiert, ermittelt oder bereitgestellt wird. Der Raytracer RAYTR ist derart konfiguriert, dass mindestens die auf dem Raytracer RAYTR basierende Vorhersage csiR der wenigstens einen Kanalzustandsinformation, welche den Zustand des wenigstens einen Funkkanals zwischen zwei Kommunikationsmodulen der Umgebung charakterisiert, in Abhängigkeit von der Zustandsinformation z ermittelt wird. Ein Trainingset-Generator 902 ist derart konfiguriert ist, dass wenigstens ein Trainingset ts umfassend die Zustandsinformation z und die zugeordnete auf dem Raytracer RAYTR basierende Vorhersage csiR ermittelt wird. Eine Trainingseinheit 1000, die derart konfiguriert ist, dass das Modell mit dem wenigstens einen Trainingset ts trainiert wird.
Die Zustandsinformation z umfasst beispielsweise eine 3D-Karte der Umgebung. Beispielsweise umfassen die Zustandsinformationen Informationen über die Komponenten der Industrieanlage bzw. des Fertigungssystems, die Auswirkungen auf das Kommunikationssystem haben, z.B. eine Position, Orientierung und Geschwindigkeit einer Komponente AGV, eine Position, Ausrichtung und Betriebszustand der großen Maschine, eine Position und Ausrichtung der einzeln beweglichen Teile eines Roboterarms RA.
Man beginnt also beispielsweise mit durch Raytracing gewonnenen Vorhersagen, um Trainingsdaten ts für das Modell zu generieren. Das Modell M lernt die Abbildung zwischen x Umgebungsvariablen und y Übertragungs-KPIs wie Kanalimpulsantworten, Empfangsleistungen, SINRs oder sogar Datenraten durch Daten, die durch Raytracing erzeugt werden, d.h. beschriftete x,y-Tupel.
Das Trainieren des Modells M kann durch aktives Lernen durchgeführt werden.
In einem Beispiel werden die Auswirkungen der stochastischen Dynamik der Umgebung auf den Funkkanal, die Abdeckung und LOS gelernt. Stochastische Einflüsse können Ungenauigkeiten der 3D-Darstellungen von Anlagen und zufällig oder unerwartet sich bewegende Objekte oder Personen in der Fabrikhalle sein. Die dem Raytracer zur Verfügung gestellte 3D-Umgebung wird durch zusätzliche bewegliche Objekte modifiziert, die in der geplanten Umgebung zu erwarten sind. Folglich werden mehrere Zustandsinformationen, die unerwartete Komponenten in der Umgebung umfassen, simuliert und zum Trainieren des Modells zur Verfügung gestellt.
In einem Beispiel wird Transfer-Lernen genutzt, um das Modell für eine Vielzahl ähnlicher Umweltzustände, Situationen und Szenarien vielseitiger zu machen. Hier geht man davon aus, dass verschiedene Industrieanlagen sich gleichen und/oder die gleichen Komponenten aufweisen. Oder man nimmt mehrere, "ähnlich aussehende" Produktionslinien in einer Fertigungshalle als Ausgangspunkt. In solchen Fällen gibt es Ähnlichkeiten hinsichtlich der Funkumgebung, was bedeutet, dass das Modell die Ausbreitungseigenschaften nicht unbedingt von Grund auf lernen muss. So kann man die die Struktur eines datenbasierten Modelles, z.B. die Parametrisierung eines neuronalen Netzes, in einer anderen, aber ähnlichen Umgebung wiederverwenden.
In einem Beispiel ermittelt die Eingabeeinheit B die Keulenkoordinaten fk und der Raytracer RAYTR ermittelt die zu den Keulenkoordinaten fk passende Relevanz R. Die Trainingsdaten ts umfassend damit die Vorhersage csiR, die damit assoziierte Relevanz R sowie die Zustandsinformation z. Die Eingabeeinheit B ist also derart konfiguriert ist, dass neben der Zustandsinformation z eine Mehrzahl von Funkkeulenkoordinaten fk, die mit wenigstens einem der Kommunikationsmodule der Umgebung assoziiert sind, ermittelt oder bereitgestellt werden. Der Raytracer RAYTR ist derart konfiguriert, dass die mindestens eine auf dem Raytracer RAYTR basierende Vorhersage csi und die Relevanz R der mit den Funkkeulenkoordinaten fk assoziierten Funkkeulen in Abhängigkeit von dem ermittelten Zustand z, z1, z2 und wenigstens einer der Mehrzahl von Funkkeulenkoordinaten fk ermittelt wird. Der Trainingset-Generator 902 ist derart konfiguriert ist, dass das wenigstens eine Trainingset ts umfassend die Zustandsinformation z, die zugeordnete auf dem Raytracer RAYTR basierende Vorhersage csi und die ermittelten Relevanzen R ermittelt wird.
Figur 10 zeigt eine Anordnung bzw. Trainingseinheit 1000 für das Training des Modells M. Beispielhaft wird auf das künstliche neuronale Netz NN Bezug genommen. Alternativ können selbstverständlich auch andere datenbasierte Modelle wie beispielsweise Gaussprozesse zum Einsatz kommen.
Trainingsdaten eiTrain werden in Form von Eingabedaten über eine Eingabeschnittstelle 1008 bereitgestellt. Die Anordnung besteht aus dem datenbasierten Modell, beispielsweise dem künstlichen neuronalen Netz NN mit einer Eingabeschicht. Für einen Zeitschritt i wird ein Eingabetensor der Eingabedaten id, beispielsweise den Zustandsinformationen, an die Eingabeschicht übergeben. Die Eingabeschicht ist Teil des Eingabeabschnitts. Für die Eingangsdaten id wird der Ausgang O in Form der Vorhersage csi aus den vorigen Figuren bestimmt. Im Zeitschrift i wird aus dem Ausgang O ein Tensor mit Beobachtungswerten oitrain bestimmt, die den Beobachtungswerten des Tensors eitrain zugeordnet werden. Jede der Zeitreihen der Eingangsdaten id wird einem von drei Eingangsknoten zugeordnet. In einem Vorwärtspfad des künstlichen neuronalen Netzes NN folgt auf die Eingangsschicht mindestens eine verborgene Schicht. In dem Beispiel ist eine Anzahl von Knoten der mindestens einen verborgenen Schicht größer als eine Anzahl der Eingabeknoten. Diese Anzahl ist als ein Hyperparameter zu betrachten. Im Beispiel sind in der verborgenen Schicht vier Knoten vorgesehen. Das neuronale Netz NN wird beispielsweise durch die Gradientenabstiegsmethode in Form von Backpropagation gelernt.
Im Vorwärtspfad wird im Beispiel nach mindestens einer verdeckten Schicht eine Ausgabeschicht 1010 bereitgestellt. Auf der Ausgabeschicht 1010 des Ausgabeteils des Neuronalen Netzes NN werden Prädiktionswerte ausgegeben. Im Beispiel wird jedem Vorhersagewert ein Ausgabeknoten zugeordnet.
In jedem Zeitschrift i wird ein Tensor o'itrain bestimmt, in dem die Prädiktionswerte für diesen Zeitschrift i enthalten sind. Dieser wird im Beispiel zusammen mit dem Spaltenvektor der Beobachtungswerte oitrain einer Trainingsvorrichtung 1002 zugeführt. Die Trainingsvorrichtung 1002 ist im Beispiel dafür ausgelegt, einen Prädiktionsfehler mittels einer Verlustfunktion LOSS, insbesondere mittels eines mittleren quadratischen Fehlers, zu bestimmen und das Modell M damit und mittels eines Optimierers, insbesondere eines Adam-Optimierers, zu trainieren. Die Verlustfunktion LOSS wird im Beispiel in Abhängigkeit einer Abweichung, insbesondere des mittleren quadratischen Fehlers, von den Werten des Tensors der Beobachtungswerte oitrain und des Tensors der Vorhersagewerte o'itrain bestimmt.
Das Training wird beendet, sobald ein festes Kriterium erreicht ist. Im Beispiel wird das Training abgebrochen, wenn der Verlust über mehrere Zeitschritte nicht abnimmt, d.h. insbesondere der Mittlere quadratische Fehler nicht abnimmt.
Die Testdaten werden dann in das auf diese Weise trainierte Modell M eingegeben. Das Modell M wird durch das Training mit den Trainingsdaten generiert. Das Modell M wird mit den Testdaten ausgewertet, insbesondere hinsichtlich des Mittelwertes p und der Kovarianz S.

Claims

- 27 - Ansprüche
1. Eine Vorrichtung (100) umfassend: eine Zustandseinheit (DT) zum Ermitteln einer ersten Zustandsinformation (z1), welche einen Ist-Zustand einer räumlichen Anordnung von Komponenten (AGV, AP, RA) einer Umgebung und wenigstens eine geplante Änderung der räumlichen Anordnung charakterisiert; eine Eingabeeinheit (B) zum Ermitteln einer zweiten Zustandsinformation (z2), welche einen simulierten Zustand der räumlichen Anordnung der Komponenten (AGV, AP, RA) der Umgebung charakterisiert, in Abhängigkeit von der ersten Zustandsinformation (z1); eine Zustandsermittlungseinheit (SDU) zum Ermitteln einer Vorhersage (csi1 , csi2) einer Kanalzustandsinformation, welche einen Zustand wenigstens eines Funkkanals (RCH) zwischen zwei Kommunikationsmodulen (CM_AP, CM_RA) charakterisiert, in Abhängigkeit von der zweiten Zustandsinformation (z2); und eine Bewertungseinheit (A) zum Ermitteln einer Bewertung (rat; rat1; rat2) des Zustands des Funkkanals (RCH) in Abhängigkeit von der Vorhersage (csi) der Kanalzustandsinformation.
2. Die Vorrichtung (100) gemäß dem Anspruch 1 umfassend: die Bewertungseinheit (A), wobei die Bewertung (rat) eine ausreichende Güte des Zustands des wenigstens Funkkanals (RCH) indiziert; und eine Steuereinheit (FMS) zum Betreiben wenigstens einer der Komponenten (AGV) mit der wenigstens einen geplanten Änderung, wenn die ausreichende Güte ermittelt wird.
3. Die Vorrichtung (100) gemäß dem Anspruch 1 oder 2, wobei die Vorrichtung (100) umfasst: eine Gegenmaßnahmen-Ermittlungseinheit (C; FMS) zum Ermitteln wenigstens einer Gegenmaßnahme (cm; cm1 ; cm2), welche eine Änderung der räumlichen Anordnung und/oder eines Parameters des Drahtloskommunikationsnetzwerks (RCN) charakterisiert, wenn die ermittelte Bewertung (rat1) eine voraussichtliche Verschlechterung des Zustandes des wenigstens einen Funkkanals (RCH) indiziert.
4. Die Vorrichtung (100) gemäß dem Anspruch 3, wobei die Vorrichtung (100) umfasst: die Eingabeeinheit (B) zum Ermitteln einer weiteren Zustandsinformation (z3), welche einen weiteren Zustand der räumlichen Anordnung der Komponenten (AGV, AP, RA) der Industrieanlage (FAC) charakterisiert, in Abhängigkeit von der wenigstens einen Gegenmaßnahme (cm1), welche eine Änderung der räumlichen Anordnung charakterisiert.
5. Die Vorrichtung (100) gemäß dem Anspruch 3 oder 4, wobei die Vorrichtung (100) umfasst: die Zustandsermittlungseinheit (SDU) zum Ermitteln einer weiteren Vorhersage (csi2) der Kanalzustandsinformation in Abhängigkeit von der weiteren Zustandsinformation (z3) und/oder der Gegenmaßnahme, welche eine Änderung des Parameters des Drahtloskommunikationsnetzwerks () charakterisiert.
6. Die Vorrichtung (100) gemäß dem Anspruch 5, wobei die Vorrichtung (100) umfasst: die Bewertungseinheit (A), wobei die Bewertung (rat2) eine ausreichende Güte des Zustands des wenigstens Funkkanals (RCH) der weiteren Vorhersage (csi2) der Kanalzustandsinformation indiziert; und eine bzw. die Steuereinheit (FMS) zum Betreiben der Industrieanlage (FAC) mit der mindestens einen ermittelten Gegenmaßnahme (cm1 ; cm2), wenn die ausreichende Güte für die weitere Vorhersage (csi2) ermittelt wird. Die Vorrichtung (100) gemäß dem einem der Ansprüche 3 bis 6, wobei die Ermittlung der wenigstens einen Gegenmaßnahme (cm1) ein Ermitteln wenigstens einer Trajektorie für eine Komponente (AGV, AP, RA) umfasst. Die Vorrichtung (100) gemäß einem der Ansprüche 3 bis 7, wobei die Ermittlung der wenigstens einen Gegenmaßnahme (cm2) ein Ermitteln wenigstens eines Sende- und/oder Empfangsparameters wenigstens eines der Kommunikationsmodule (CM_AP; CM_RA) umfasst. Ein Verfahren umfassend:
Ermitteln (202) einer ersten Zustandsinformation (z1), welche einen Ist- Zustand einer räumlichen Anordnung von Komponenten (AGV, AP, RA) einer Umgebung und wenigstens eine geplante Änderung der räumlichen Anordnung charakterisiert;
Ermitteln (204) einer zweiten Zustandsinformation (z2), welche einen simulierten Zustand der räumlichen Anordnung der Komponenten (AGV, AP, RA) der Umgebung charakterisiert, in Abhängigkeit von der ersten Zustandsinformation (z1);
Ermitteln (206) einer Vorhersage (csi1 , csi2) einer Kanalzustandsinformation, welche einen Zustand wenigstens eines Funkkanals (RCH) zwischen zwei Kommunikationsmodulen (CM_AP, CM_RA) charakterisiert, in Abhängigkeit von der zweiten Zustandsinformation (z2); und Ermitteln (208) einer Bewertung (rat; rat1 ; rat2) des Zustands des Funkkanals (RCH) in Abhängigkeit von der Vorhersage (csi) der Kanalzustandsinformation.
10. Das Verfahren gemäß dem Anspruch 9, umfassend
Ermitteln (302) der Bewertung (rat), wobei die Bewertung (rat) eine ausreichende Güte des Zustands des wenigstens Funkkanals (RCH) indiziert; und
Betreiben (304) wenigstens einer der Komponenten (AGV) mit der wenigstens einen geplanten Änderung, wenn die ausreichende Güte ermittelt wird.
11 . Das Verfahren gemäß dem Anspruch 9 oder 10, umfassend
Ermitteln (402; 404) wenigstens einer Gegenmaßnahme (cm1 ; cm2), welche eine Änderung der räumlichen Anordnung oder eines Parameters des Drahtloskommunikationsnetzwerks (RCN) charakterisiert, wenn die ermittelte Bewertung (rat1) eine voraussichtliche Verschlechterung des Zustandes des wenigstens einen Funkkanals (RCH) indiziert.
12. Das Verfahren gemäß Anspruch 11 umfassend:
Ermitteln (406) einer weiteren Zustandsinformation (z3), welche einen weiteren Zustand der räumlichen Anordnung der Komponenten (AGV, AP, RA) der Industrieanlage (FAC) charakterisiert, in Abhängigkeit von der wenigstens einen Gegenmaßnahme (cm1), welche eine Änderung der räumlichen Anordnung charakterisiert.
13. Das Verfahren gemäß dem Anspruch 11 oder 12 umfassend:
Ermitteln (408) einer weiteren Vorhersage (csi2) der Kanalzustandsinformation in Abhängigkeit von der weiteren Zustandsinformation (z3) und/oder der Gegenmaßnahme (cm1), welche eine - 31 -
Änderung des Parameters des Drahtloskommunikationsnetzwerks (RCN) charakterisiert. Das Verfahren gemäß dem Anspruch 13 umfassend:
Ermitteln (410), dass die Bewertung (rat2) eine ausreichende Güte des Zustands des wenigstens Funkkanals (RCH) der weiteren Vorhersage (csi2) der Kanalzustandsinformation indiziert; und
Betreiben (412; 414) der Industrieanlage (FAC) mit der wenigstens einen ermittelten Gegenmaßnahme (cm1 ; cm2), wenn die ausreichende Güte für die weitere Vorhersage (csi2) ermittelt wird. Das Verfahren gemäß einem der Ansprüche 11 bis 14, wobei die Ermittlung der wenigstens einen Gegenmaßnahme (cm1) ein Ermitteln wenigstens einer Trajektorie für eine Komponente (AGV, AP, RA) umfasst. Das Verfahren gemäß einem der Ansprüche 11 bis 15, wobei die Ermittlung der wenigstens einen Gegenmaßnahme (cm2) ein Ermitteln wenigstens eines Sende- und/oder Empfangsparameters wenigstens eines der Kommunikationsmodule (CM_AP; CM_RA) umfasst. Eine Verwendung der Vorrichtung (100) gemäß einem der Ansprüche 1 bis 8 oder des Verfahrens gemäß einem der Ansprüche 9 bis 16.
PCT/EP2021/073635 2020-09-21 2021-08-26 Vorrichtung und verfahren zur bewertung eines zustands eines funkkanals WO2022058135A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102020211747.0 2020-09-21
DE102020211747.0A DE102020211747A1 (de) 2020-09-21 2020-09-21 Vorrichtung und Verfahren zur Bewertung eines Zustands eines Funkkanals

Publications (1)

Publication Number Publication Date
WO2022058135A1 true WO2022058135A1 (de) 2022-03-24

Family

ID=77666513

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2021/073635 WO2022058135A1 (de) 2020-09-21 2021-08-26 Vorrichtung und verfahren zur bewertung eines zustands eines funkkanals

Country Status (2)

Country Link
DE (1) DE102020211747A1 (de)
WO (1) WO2022058135A1 (de)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018214361A1 (de) * 2018-08-24 2020-02-27 Robert Bosch Gmbh Verfahren zur Anpassung einer Umgebung eines drahtlosen Kommunikationssystems

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018214361A1 (de) * 2018-08-24 2020-02-27 Robert Bosch Gmbh Verfahren zur Anpassung einer Umgebung eines drahtlosen Kommunikationssystems

Also Published As

Publication number Publication date
DE102020211747A1 (de) 2022-03-24

Similar Documents

Publication Publication Date Title
DE69319017T2 (de) Verfahren zur Durchführung von Übergabeentscheidungen in einem Funkübertragungsnetzwerk
CN109711087B (zh) 一种uuv动态威胁态势评估方法
DE60220812T2 (de) Positionsdetektion und standortverfolgung in einem drahtlosen netzwerk
EP3695244B1 (de) Verfahren und vorrichtung zum erzeugen eines inversen sensormodells und verfahren zum erkennen von hindernissen
DE69621154T2 (de) Verfolgungsverfahren für radarsystem
WO2010128121A1 (de) Konzept zum bestimmen eines schätzwerts einer lage eines empfangselements
EP3757795A1 (de) Verfahren und vorrichtung zur optimalen aufteilung von testfällen auf unterschiedliche testplattformen
WO2019149664A1 (de) Verfahren zum ermitteln eines zeitlichen verlaufs einer messgrösse, prognosesystem, aktorsteuerungssystem, verfahren zum trainieren des aktorsteuerungssystems, trainingssystem, computerprogramm und maschinenlesbares speichermedium
DE102020212301A1 (de) Vorrichtung und Verfahren zur Bewertung eines Zustands eines Funkkanals
WO2022058135A1 (de) Vorrichtung und verfahren zur bewertung eines zustands eines funkkanals
DE102007037178B4 (de) Verfahren und System zur Bewertung mindestens eines Umfeldsensors eines Fahrzeugs zum Erkennen mindestens eines Objekts
DE102020117963A1 (de) Verfahren, Vorrichtungen und Computerprogramme zum Trainieren eines Maschinenlern-Modells und zum Generieren von Trainingsdaten
DE102020105147A1 (de) Verfahren und System zur Auswertung von Positionsparametern
EP2149055A1 (de) Verfahren zum generieren von zielmarkierenden peiltracks
DE19703964C1 (de) Verfahren zur Transformation einer zur Nachbildung eines technischen Prozesses dienenden Fuzzy-Logik in ein neuronales Netz
EP2963450B1 (de) Verfahren und Positionsbestimmungssystem zur Positionsbestimmung einer mobilen Kommunikationseinrichtung unter Verwendung eines Messplans
EP0207521A1 (de) Zielvermessungssystem
DE102023103360B3 (de) Verfahren zur rechnergestützten Ermittlung des Verlaufs einer Anzahl von Ausbreitungspfaden von Funkwellen zwischen einem Sender und einem Empfänger eines Funknetzes
EP4109194B1 (de) Sensordatengenerierung zum steuern eines autonomen fahrzeugs
DE102011007486B4 (de) Verfahren zum rechnergestützten Lernen einer Referenzkarte basierend auf Messungen von Merkmalen eines Funknetzes
DE102020117377A1 (de) Verfahren und Vorrichtung für einen Empfänger zur Ortung einer Authentifizierungseinheit eines Kraftfahrzeugs
DE102022115597A1 (de) Verfahren zur verbesserung der genauigkeit der innenpositionierung und system zur positionsschätzung einer einzelperson oder eines objekts
GF et al. MULTI-ROBOT PATH OPTIMIZATION AND SIMULATION FOR MULTI-ROUTE INSPECTION IN MANUFACTURING.
DE102021212697A1 (de) Verfahren zum Bestimmen eines Bewegungspfades für ein mobiles Gerät
EP3896477A1 (de) Verfahren und vorrichtungen zur ermittlung einer position eines mobilen teilnehmers eines drahtloskommunikationsnetzwerks

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: 21766479

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: 21766479

Country of ref document: EP

Kind code of ref document: A1