WO2023104509A1 - Kommunikationssystem und verfahren zur kommunikation zwischen teilnehmern eines kommunikationssystems (dagna) - Google Patents

Kommunikationssystem und verfahren zur kommunikation zwischen teilnehmern eines kommunikationssystems (dagna) Download PDF

Info

Publication number
WO2023104509A1
WO2023104509A1 PCT/EP2022/082864 EP2022082864W WO2023104509A1 WO 2023104509 A1 WO2023104509 A1 WO 2023104509A1 EP 2022082864 W EP2022082864 W EP 2022082864W WO 2023104509 A1 WO2023104509 A1 WO 2023104509A1
Authority
WO
WIPO (PCT)
Prior art keywords
data sets
communication system
transmitted
unit
input data
Prior art date
Application number
PCT/EP2022/082864
Other languages
English (en)
French (fr)
Inventor
Ralf Duckeck
Original Assignee
Ebm-Papst Mulfingen Gmbh & Co. Kg
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 Ebm-Papst Mulfingen Gmbh & Co. Kg filed Critical Ebm-Papst Mulfingen Gmbh & Co. Kg
Publication of WO2023104509A1 publication Critical patent/WO2023104509A1/de

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/04—Protocols for data compression, e.g. ROHC
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0409—Adaptive resonance theory [ART] networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/092—Reinforcement learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/098—Distributed learning, e.g. federated learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Definitions

  • DGNA Communication system and method for communication between participants in a communication system
  • the invention relates to a communication system with a number of participants and a communication network.
  • the communication system can also be called DAGNA (Digital Arrangement for Global Network Access) for short.
  • DAGNA Digital Arrangement for Global Network Access
  • the participants can communicate with each other via the communication network.
  • Such a communication system is described in DE 10 2018 109 252 A1, for example.
  • the communication system has several machines for processing a workpiece, for example presses.
  • Each machine has a local Kl node for control.
  • Higher-level machine control functions are provided in a central Kl node.
  • the local Kl nodes of the machines are designed to be self-learning, for example by means of an artificial neural network, with Kl nodes of the same machines forming a subsystem in which dynamically changing process flow data of the machines are transmitted, bypassing the central Kl node. This is intended to enable real-time communication.
  • the communication system has a number of participants and a communication network.
  • the participants are communication-connected via the communication network.
  • the communication network can have any type of architecture or have topology.
  • the communication via the communication network can be wired and/or wireless.
  • the communication network can have an Internet connection.
  • the communication network can have a WAN and/or LAN and/or WLAN connection.
  • the users of the communication system can also be referred to as network elements. Each participant can be addressed and is set up to program with one or more other participants in the communication system. to communicate with or without error correction.
  • the communication network can be a peer-to-peer network, for example.
  • the AI unit is set up in particular to carry out an algorithm for automatic learning, for example an algorithm for deep learning (deep learning).
  • the learning of each AI unit can be carried out unmonitored, automatically during the operation of the communication system.
  • Supervised learning is preferably not provided for.
  • Each AI unit is set up to use the input data sets received from at least one other subscriber and/or its own output data sets to be transmitted or already transmitted for a comparison.
  • the comparison should or data set parts that match in the input data sets and/or output data sets can be identified.
  • the more input data sets and/or output data sets that are available, the better and/or more complete the matching data set parts can be determined through the continued learning.
  • the portion of the data set parts that actually match that are recognized as matching can be increased through learning, and erroneous recognitions can be reduced.
  • the AI unit is also set up to adapt the at least one output data set to be transmitted in such a way that the identified matching data set parts are not included in the output data set and are removed, for example, before sending.
  • the amount of data in the at least one output data set to be transmitted can be reduced.
  • the bandwidth required for communication within the communication system is also reduced.
  • the communication system is adaptive and can adapt to changing data to be transmitted. If, for example, a participant detects a data change in a previously matching data set, the participant can then determine that the matching data set has changed and transmit the changed parameters the next time an output data set is transmitted. The other participants can then use this parameter accordingly. If the changed parameter has been transmitted a sufficient number of times, the subscribers can recognize it again as a component of the at least one matching data set part and omit it in the further communication. Such a change in a parameter can occur, for example, when a predetermined parameter changes (e.g. a target value or a threshold value, etc.).
  • a predetermined parameter changes e.g. a target value or a threshold value, etc.
  • This change can take place on the basis of an input, for example through a changed parameter specification via a user interface or another suitable device that is part of a participant or is communicatively connected to one of the participants.
  • the parameter change can take place through self-learning by a participant.
  • each AI unit is also set up to analyze the input data sets and to categorize or classify the participants based on the input data sets. assigned to at least one group.
  • Each Kl unit can be set up, for example, to use a received input data record to recognize whether the structure and structure of a received input data record corresponds to the structure and structure that the relevant Kl unit uses for its own output data records, so that this is determined can be that the participant who sent the input data record belongs to the same group as the relevant Kl unit that received the input data record.
  • Devices can be identified and assigned to a common group. Each group can contain participants that are formed by sufficiently similar devices or identical devices.
  • fans of the same type can represent the members of a common group.
  • heat exchangers adjustable ventilation flaps, temperature sensors, humidity sensors, etc.
  • each AI unit is set up to compare the input data sets and output data sets with one another, with in particular only those data sets being taken into account in the comparison whose participants belong to a common group.
  • Each AI unit can therefore carry out the comparison, for example, exclusively for the group to which the subscriber of the AI unit belongs, or optionally additionally for one or more other groups.
  • the at least one adaptive AI unit of the communication system can be designed, for example, based on an artificial neural network.
  • Learning may be based on an ART (Adaptive Resonance Theory) architecture.
  • the learning takes place in particular unsupervised.
  • reinforcement learning can also be carried out.
  • supervised learning preferably does not take place.
  • the communication network is organized as a peer-to-peer network with any architecture.
  • FIG. 1 shows a schematic basic representation of a nes communication system with a communication network via which several participants are linked for communication
  • FIG. 2 shows a highly schematized basic representation of a subscriber of the communication system from FIG.
  • FIG. 3 shows a schematic representation of the comparison of data sets and the formation of an output data set sent by a subscriber.
  • FIG. 1 shows a schematic representation of the principle of a communication system 10 .
  • the communication system 10 has a communication network 11 to which a number of participants 12 are connected. Participants 12 can communicate with one another via communication network 11 .
  • the communication network 11 can deviate from the bus architecture shown and any other architecture or. have topology.
  • the number of participants 12 can vary and be larger or smaller than the number of participants 12 in FIG. 1, which is only shown as an example.
  • the communication can be wired and/or wireless.
  • the communication network 11 can have or be a LAN and/or WLAN and/or WAN.
  • the participants 12 form network elements according to the example. In the exemplary embodiment, they can be addressed and communicate with one another in a protocol-controlled manner.
  • the communication system Communication network 11 is designed as a peer-to-peer network. Alternative to this Exemplary embodiment, hierarchical network architectures can also be used.
  • Each participant 12 is part of a machine and/or a device, for example an air conditioner, a fan, a heat exchanger, etc.
  • Different types or types of devices can each form a participant 12 and be connected to a common communication network 11 .
  • three different kinds or types of participants are illustrated in Figure 1: first participants 12a of a first group 13, second participants 12b of a second group 14 and third participants 12c of a third group 15.
  • the participants 12a or 12b or 12c of a common Group 13 or 14 or 15 are participants or devices of the same or a sufficiently similar type.
  • the number of participants 12 per group 13, 14, 15 and the number of groups 13, 14, 15 can vary and deviate from the representation in FIG. 1, which is merely an example.
  • Each participant 12 is set up to receive input data records E from one or more other participants 12 via the communication network 11 and to send output data records A to one or more further participants 12 .
  • each participant 12 has an adaptive AI unit 20 and, for example, a memory 21.
  • received input data sets E and output data sets A that have been sent or are intended to be sent can be stored at least temporarily.
  • the AI unit 20 can access the memory 21 access.
  • AI stands for "artificial intelligence” and should be understood in such a way that the AI unit is set up to learn automatically from available data sets (input data sets E and/or output data sets A).
  • the AI unit can have an artificial neural network for this purpose. It may have a deep learning structure.
  • Each AI unit 20 is preferably set up to learn unsupervised. Alternatively, reinforcement learning or supervised learning can also be performed.
  • the structure of the adaptive AI unit 20 can be based on the ART (Adaptive Resonance Theory) architecture, for example. Other learning structures can also be used.
  • Each AI unit 20 is set up to compare the received input data sets E, the transmitted output data sets A and the output data sets A intended for transmission with one another. As a result of the continued learning during operation, matching data set parts D (FIG. 3) can be identified. Each input data set E and/or each output data set A can have the corresponding data set parts D.
  • each AI unit 20 is set up to send the output data sets A without the matching data set zmaschine D, as is illustrated schematically in FIG.
  • the sent output data sets A can be limited to the data that vary or have not or not yet been assigned to the matching data set zmaschine D in the context of learning.
  • a minimum amount of data (e.g. minimum number of independent data sets) of available data sets E, A can be specified in order to identify matching data set parts D with sufficient certainty and accuracy.
  • the AI units 20 can be set up to only then decorate matching data set parts D to identi fi and send the output data sets A without the matching data set zmaschine D when this minimum amount of data is available. This ensures that relevant data required by other participants 12 is not transmitted.
  • the AI units 20 learn automatically during operation. It does not matter whether the corresponding data set parts D contain unchangeable data or data that does not change at least during a period of time.
  • the matching data set parts can thus be static or quasi-static. For example, they can contain target values and/or threshold values and/or any other control data or regulation data.
  • Each AI unit 20 and therefore each participant 12 is set up to use the received input data records E to recognize whether the participant 12 who sent the relevant input data record E belongs to the same group as the participant 12 who received the input data record E or not.
  • the data structure and/or content of specific data fields can be evaluated. Since the subscriber 12 knows the data structure and the content of specific data fields, which he himself uses for generating output data records A, membership in the same group 13 or 14 or 15 can be determined by comparison. As a result, the participants 12 of the communication system 10 can be grouped automatically, so to speak.
  • the evaluation of input data records E, which a participant 12 receives in order to identify matching data record parts D, can be limited to the group 13 or 14 or 15 to which the participant 12 himself belongs. Input data records E from participants 12 in other groups can be ignored.
  • the invention relates to a communication system 10 and a method for communication between multiple participants 12 of the communication system 10 .
  • Each subscriber 12 has a KI unit 20 and is set up to receive input data sets E and to send output data sets A.
  • the input data sets E and/or the output data sets A that have been sent or are to be sent are used to identify matching data set parts D in the input data sets E and/or output data sets A. If such matching data record parts D were recognized, these are not sent when the output data records A are sent.
  • the sent output data record A contains Diglich the remaining part of necessary and variable data without the matching data set parts
  • the matching data set parts D can, for example, be removed from an initial data set A intended for transmission before transmission.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

Die Erfindung betrifft ein Kommunikationssystem (10) sowie ein Verfahren zur Kommunikation zwischen mehreren Teilnehmern (12) des Kommunikationssystems (10). Das Kommunikationssystem (10) kann kurz auch DAGNA (Digital Arrangement for Global Network Access) genannt werden. Jeder Teilnehmer (12) hat eine KI-Einheit (20) und ist dazu eingerichtet, Eingangsdatensätze (E) zu empfangen und Ausgangsdatensätze (A) zu senden. Die Eingangsdatensätze (E) und/oder die gesendeten oder zu sendenden Ausgangsdatensätze (A) werden verwendet, um übereinstimmende Datensatzteile (D) in den Eingangsdatensätzen (E) und/oder Ausgangsdatensätzen (A) zu identifizieren. Wurden solche übereinstimmenden Datensatzteile (D) erkannt, werden diese beim Senden von Ausgangsdatensätzen (A) nicht mitgesendet. Der gesendete Ausgangsdatensatz (A) enthält lediglich den verbleibenden Teil von notwendigen und veränderlichen Daten ohne die übereinstimmenden Datensatzteile (D). Die übereinstimmenden Datensatzteile (D) können beispielsweise vor dem Senden aus einem zum Senden vorgesehenen Ausgangsdatensatz (A) entfernt werden.

Description

Kommunikationssystem und Verfahren zur Kommunikation zwischen Teilnehmern eines Kommunikationssystems (DAGNA)
[ 0001 ] Die Erfindung betri f ft ein Kommunikationssystem mit mehreren Teilnehmern und einem Kommunikationsnetzwerk . Das Kommunikationssystem kann kurz auch DAGNA ( Digital Arrangement for Global Network Access ) genannt werden . Die Teilnehmer können untereinander über das Kommunikationsnetzwerk kommuni zieren .
[ 0002 ] Ein solches Kommunikationssystem ist beispielsweise in DE 10 2018 109 252 Al beschrieben . Das Kommunikationssystem hat mehrere Maschinen zum Bearbeiten eines Werkstücks , beispielsweise Pressen . Jede Maschine hat einen lokalen Kl-Knoten zur Steuerung . Übergeordnete Funktionen zur Maschinensteuerung werden in einem zentralen Kl-Knoten bereitgestellt . Die lokalen Kl-Knoten der Maschinen sind selbstlernend ausgestaltet , beispielsweise mittels eines künstlichen neuronalen Netzes , wobei Kl-Knoten derselben Maschinen ein Subsystem bilden, in dem sich dynamisch ändernde Prozessablaufdaten der Maschinen unter Umgehung des zentralen Kl-Knotens übermittelt werden . Dadurch soll eine Echt Zeitkommunikation ermöglicht werden .
[ 0003 ] Bei solchen Kommunikationssystemen besteht das Problem, dass mit steigender Anzahl der Teilnehmer (Knoten) die aus zutauschenden Datenmengen stark zunehmen und eine große Bandbreite in der Datenübertragung erfordern, insbesondere wenn eine Echt Zeitübertragung benötigt wird . Bei geographisch weit verzweigten Kommunikationssystemen, beispielsweise über eine Mehrzahl von Standorten (beispielsweise auch länderübergrei fend) , sind hohe Investitionskosten und/oder Betriebskosten die Folge . In der Industrie besteht j edoch ein Bedarf , Geräte und Maschinen zu vernetzen, beispielsweise zu Überwachungs- und/oder Wartungs- und/oder Aktualisierungs zwecken .
[ 0004 ] Es kann daher als Aufgabe der vorliegenden Erfindung angesehen werden, ein Kommunikationssystem zu schaffen, das unabhängig von der Architektur bzw . der Topologie eines Kommunikationsnetzwerkes eine ef fektive Möglichkeit bereitstellt , die für die Kommunikation erforderliche Bandbreite zu begrenzen bzw . zu reduzieren .
[ 0005 ] Diese Aufgabe wird durch ein Kommunikationssystem mit den Merkmalen des Patentanspruches 1 sowie ein Verfahren mit den Merkmalen des Patentanspruches 9 gelöst .
[ 0006 ] Das erfindungsgemäße Kommunikationssystem weist mehrere Teilnehmer und ein Kommunikationsnetzwerk auf . Die Teilnehmer sind über das Kommunikationsnetzwerk kommunikationsverbunden . Das Kommunikationsnetzwerk kann j ede Art von Architektur bzw . Topologie aufweisen . Die Kommunikation über das Kommunikationsnetzwerk kann drahtgebunden und/oder drahtlos erfolgen . Das Kommunikationsnetzwerk kann eine Internetverbindung aufweisen . Das Kommunikationsnetzwerk kann ein WAN- und/oder LAN- und/oder WLAN-Verbindung aufweisen .
[ 0007 ] Die Teilnehmer des Kommunikationssystems können auch als Netzwerkelemente bezeichnet werden . Jeder Teilnehmer ist adressierbar und dazu eingerichtet , mit einem oder mehreren anderen Teilnehmern des Kommunikationssystems pro- tokollgesteuert mit oder ohne Fehlerkorrektur zu kommunizieren . Bei dem Kommunikationsnetzwerk kann es sich beispielsweise um ein Peer-to-Peer-Netzwerk handeln .
[ 0008 ] Mehrere und vorzugsweise alle Teilnehmer weisen eine lernfähige Kl-Einheit auf . Die Kl-Einheit ist insbesondere dazu eingerichtet , einen Algorithmus zum automatischen Lernen, beispielsweise einen Algorithmus zum tiefen Lernen ( Deep-Learning) aus zuführen . Das Lernen j eder Kl- Einheit kann unüberwacht , selbsttätig während des Betriebs des Kommunikationssystems durchgeführt werden . Überwachtes Lernen ist vorzugsweise nicht vorgesehen .
[ 0009 ] Jede Kl-Einheit ist dazu eingerichtet , die von wenigstens einem anderen Teilnehmer empfangenen Eingangsdatensätze und/oder eigene zu übermittelnde oder bereits übermittelte Ausgangsdatensätze für einen Vergleich zu verwenden . Durch den Vergleich sollen bzw . können in den Eingangsdatensätzen und/oder Ausgangsdatensätzen übereinstimmende Datensat zteile identi fi ziert werden . Je mehr Eingangsdatensätze und/oder Ausgangsdatensätze zur Verfügung stehen, desto besser und/oder vollständiger können durch das fortgesetzte Lernen die übereinstimmenden Datensat zteile ermittelt werden . Der als übereinstimmend erkannte Anteil der tatsächlich übereinstimmenden Datensatzteile , kann durch das Lernen erhöht und fehlerhafte Erkennungen können verringert werden .
[ 0010 ] Die Kl-Einheit ist außerdem dazu eingerichtet , den wenigstens einen zu übermittelten Ausgangsdatensatz derart anzupassen, dass die identi fi zierten übereinstimmenden Datensat zteile im Ausgangsdatensatz nicht enthalten sind und beispielsweise vor dem Senden entfernt werden . Dadurch kann die Datenmenge des wenigstens einen zu übermittelnden Ausgangsdatensatzes verringert werden . Als Folge davon reduziert sich dadurch auch die erforderliche Bandbreite für die Kommunikation innerhalb des Kommunikationssystems .
[ 0011 ] Da die Kl-Einheiten der Teilnehmer selbsttätig während des Betriebs lernen, ist es nicht erforderlich, die Eingangsdatensätze und/oder Ausgangsdatensätze zu klassi fizieren . Die Art der Daten spielt keine Rolle . Die Kl- Einheiten lernen automatisch, welche Datensat zteile in Eingangsdatensätzen und/oder den Ausgangsdatensätzen übereinstimmen . Solche Datensat zteile können zukünftig beim Übermitteln von Ausgangsdatensätzen weggelassen werden, da sie Daten enthalten, die den anderen Teilnehmern bereits bekannt sind . Diese Datensat zteile können somit statisch oder quasistatisch sein .
[ 0012 ] Durch die lernenden Kl-Einheiten ist das Kommunikationssystem adaptiv und kann sich an verändernde zu übermittelnde Daten anpassen . Wenn beispielsweise ein Teilnehmer in einem bisher übereinstimmenden Datensat zteil eine Datenveränderung feststellt , kann der Teilnehmer daraufhin feststellen, dass sich der übereinstimmende Datensat zteil verändert hat und den geänderten Parameter bei der nächsten Übertragung eines Ausgangsdatensatzes übertragen . Die anderen Teilnehmer können diesen Parameter dann entsprechend verwenden . Wenn der geänderte Parameter ausreichend oft übertragen wurde , können die Teilnehmer diesen wieder als Bestandteil des wenigstens einen übereinstimmenden Datensatzteils erkennen und bei der weiteren Kommunikation weglassen . Eine derartige Änderung eines Parameters kann beispielsweise auftreten, wenn sich ein vorgegebener Parameter ändert ( z . B . ein Sollwert oder ein Schwellenwert , etc . ) . Diese Änderung kann aufgrund einer Eingabe erfolgen, beispielsweise durch eine veränderte Parametervorgabe über eine Bedienschnittstelle oder eine andere geeignete Einrichtung, die Bestandteile eines Teilnehmers ist oder mit einem der Teilnehmer kommunikationsverbunden ist . Die Parameteränderung kann alternativ oder zusätzlich durch selbsttätiges Lernen eines Teilnehmers erfolgen .
[ 0013 ] Es ist vorteilhaft , wenn j ede Kl-Einheit außerdem dazu eingerichtet ist , die Eingangsdatensätze zu analysieren und die Teilnehmer basierend auf den Eingangsdatensätzen zu kategorisieren bzw . wenigstens einer Gruppe zuzuordnen . Jede Kl-Einheit kann beispielsweise dazu eingerichtet sein, anhand eines empfangenen Eingangsdatensatzes zu erkennen, ob die Struktur und der Aufbau eines empfangenen Eingangsdatensatzes der Struktur und dem Aufbau entspricht , den die betref fende Kl-Einheit für die eigenen Ausgangsdatensätze verwendet , so dass dadurch festgestellt werden kann, dass der Teilnehmer, der den Eingangsdatensatz gesendet hat , zu derselben Gruppe gehört wie die betref fende Kl- Einheit , die den Eingangsdatensatz empfangen hat . Auf diese Weise können im Kommunikationssystem identische oder typgleiche Teilnehmer bzw . Geräte identi fi ziert und einer gemeinsamen Gruppe zugeordnet werden . Jede Gruppe kann Teilnehmer enthalten, die durch ausreichend ähnliche Geräte o- der identische Geräte gebildet sind . Beispielsweise können die Ventilatoren eines gleichen Typs die Teilnehmer einer gemeinsamen Gruppe darstellen . Beispielsweise können Wärmeübertrager, einstellbare Lüftungsklappen, Temperatursensoren, Feuchtigkeitssensoren, usw . Geräte sein, die j eweils einer gemeinsamen Gruppe zugeordnet werden . Unterschieden werden die Geräte basierend auf den von ihnen j eweils ge- sendeten Ausgangsdatensätzen .
[ 0014 ] Es ist außerdem vorteilhaft , wenn j ede Kl-Einheit dazu eingerichtet ist , die Eingangsdatensätze und Ausgangsdatensätze miteinander zu vergleichen, wobei insbesondere nur die Datensätze bei dem Vergleich berücksichtigt werden, deren Teilnehmer einer gemeinsamen Gruppe angehören . Jede Kl-Einheit kann daher den Vergleich beispielsweise ausschließlich für die Gruppe durchführen, zu der der Teilnehmer der Kl-Einheit gehört , oder optional zusätzlich für eine oder mehrere weitere Gruppen .
[ 0015 ] Die wenigstens eine lernfähige Kl-Einheit des Kommunikationssystems kann beispielsweise basierend auf einem künstlichen neuronalen Netzwerk ausgebildet sein . Das Lernen kann basierend auf einer ART-Architektur (Adaptive Resonance Theory) basieren . Das Lernen findet insbesondere unüberwacht statt . Alternativ hierzu kann auch ein bestärkendes oder verstärkendes Lernen (Reinforcement Learning) durchgeführt werden . Vorzugsweise findet j edoch ein überwachtes Lernen nicht statt .
[ 0016 ] Bei einem Aus führungsbeispiel ist das Kommunikationsnetzwerk als Peer-to-Peer-Netzwerk mit beliebiger Architektur organisiert .
[ 0017 ] Vorteilhafte Ausgestaltungen der Erfindung ergeben sich aus den abhängigen Ansprüchen, der Beschreibung und den Zeichnungen . Nachfolgend werden Aus führungsbeispiele der Erfindung anhand der beigefügten Zeichnungen im Einzelnen erläutert . In den Zeichnungen zeigen :
[ 0018 ] Figur 1 eine schematische Prinzipdarstellung ei- nes Kommunikationssystems mit einem Kommunikationsnetzwerk, über das mehrere Teilnehmer kommunikationsverbunden sind,
[ 0019 ] Figur 2 eine stark schematisierte Prinzipdarstellung eines Teilnehmers des Kommunikationssystems aus Figur 1 und
[ 0020 ] Figur 3 eine schematische Darstellung zum Vergleich von Datensätzen und zur Bildung eines von einem Teilnehmer gesendeten Ausgangsdatensatz .
[ 0021 ] In Figur 1 ist eine schematische Prinzipdarstellung eines Kommunikationssystems 10 . Das Kommunikationssystem 10 weist ein Kommunikationsnetzwerk 11 auf , an das mehrere Teilnehmer 12 angeschlossen sind . Die Teilnehmer 12 können über das Kommunikationsnetzwerk 11 miteinander kommuni zieren .
[ 0022 ] Das Kommunikationsnetzwerk 11 kann abweichend von der dargestellten Bus-Architektur auch j ede beliebige andere Architektur bzw . Topologie aufweisen . Die Anzahl der Teilnehmer 12 kann variieren und größer oder kleiner sein als die lediglich beispielhaft dargestellte Anzahl von Teilnehmern 12 in Figur 1 . Die Kommunikation kann drahtgebunden und/oder drahtlos erfolgen . Das Kommunikationsnetzwerk 11 kann ein LAN und/oder WLAN und/oder WAN aufweisen oder sein .
[ 0023 ] Die Teilnehmer 12 bilden beispielsgemäß Netzwerkelemente . Sie sind beim Aus führungsbeispiel adressierbar und kommuni zieren protokollgesteuert miteinander . Das Kommunikationssystem bzw . Kommunikationsnetzwerk 11 ist als Peer-to-Peer-Netzwerk ausgestaltet . Alternativ zu diesem Ausführungsbeispiel können auch hierarchische Netzwerkarchitekturen verwendet werden.
[0024] Jeder Teilnehmer 12 ist Bestandteil einer Maschine und/oder eines Gerätes, beispielsweise eines Klimageräts, eines Ventilators, eines Wärmetauschers, usw. Dabei können unterschiedliche Arten bzw. Typen von Geräten jeweils einen Teilnehmer 12 bilden und an ein gemeinsames Kommunikationsnetzwerk 11 angeschlossen sein. Lediglich beispielhaft sind in Figur 1 drei unterschiedliche Arten oder Typen von Teilnehmern veranschaulicht: erste Teilnehmer 12a einer ersten Gruppe 13, zweite Teilnehmer 12b einer zweiten Gruppe 14 und dritte Teilnehmer 12c einer dritten Gruppe 15. Die Teilnehmer 12a bzw. 12b bzw. 12c einer gemeinsamen Gruppe 13 bzw. 14 bzw. 15 sind jeweils Teilnehmer oder Geräte des gleichen oder eines ausreichend ähnlichen Typs. Die Anzahl der Teilnehmer 12 pro Gruppe 13, 14, 15 und die Anzahl der Gruppen 13, 14, 15 kann variieren und von der lediglich beispielhaften Darstellung in Figur 1 abweichen .
[0025] Jeder Teilnehmer 12 ist dazu eingerichtet, über das Kommunikationsnetzwerk 11 Eingangsdatensätze E von einem oder mehreren anderen Teilnehmern 12 zu empfangen und Ausgangsdatensätze A an einen oder mehrere weitere Teilnehmer 12 zu senden.
[0026] Wie es schematisch in Figur 2 dargestellt ist, hat jeder Teilnehmer 12 eine lernfähige Kl-Einheit 20 und beispielsgemäß einen Speicher 21. In dem Speicher 21 können empfangene Eingangsdatensätze E und gesendete bzw. zum Senden vorgesehene Ausgangsdatensätze A zumindest temporär abgespeichert werden. Die Kl-Einheit 20 kann auf den Speicher 21 zugreifen.
[0027] Während des Betriebs des Kommunikationssystems 10 findet in jedem Teilnehmer 12 durch die lernfähige Kl- Einheit 20 ein fortgesetztes Lernen statt. Der Begriff „KI" steht für „Künstliche Intelligenz" und soll so verstanden werden, dass die Kl-Einheit dazu eingerichtet ist, aus verfügbaren Datensätzen (Eingangsdatensätze E und/oder Ausgangsdatensätze A) selbsttätig zu lernen. Beispielsweise kann die Kl-Einheit hierfür ein künstliches neuronales Netz aufweisen. Sie kann eine Struktur zum tiefen Lernen (Deep- Learning) aufweisen.
[0028] Vorzugsweise ist jede Kl-Einheit 20 dazu eingerichtet, unüberwacht zu lernen. Alternativ hierzu kann auch ein bestärkendes Lernen oder ein überwachtes Lernen durchgeführt werden. Die Struktur der lernfähigen Kl-Einheit 20 kann beispielsweise basierend auf der ART-Architektur (Adaptive Resonance Theory) ausgebildet sein. Andere Lernstrukturen sind ebenfalls einsetzbar.
[0029] Jede Kl-Einheit 20 ist dazu eingerichtet, die empfangenen Eingangsdatensätze E, die gesendeten Ausgangsdatensätze A und die zum Senden vorgesehenen Ausgangsdatensätze A miteinander zu vergleichen. Durch das während des Betriebs fortgesetzte Lernen können dadurch übereinstimmende Datensat zteile D (Figur 3) identifiziert werden. Jeder Eingangsdatensatz E und/oder jeder Ausgangsdatensatz A kann die übereinstimmenden Datensat zteile D aufweisen.
[0030] Um das über das Kommunikationsnetzwerk 11 basierend auf einem Kommunikationsprotokoll zu übertragende Datenvolumen und mithin die erforderliche Bandbreite zu redu- zieren, ist j ede Kl-Einheit 20 dazu eingerichtet , die Ausgangsdatensätze A ohne die übereinstimmenden Datensat zteile D zu senden, wie es schematisch in Figur 3 veranschaulicht ist . Dadurch können die gesendeten Ausgangsdatensätze A auf die Daten beschränkt werden, die variieren bzw . im Rahmen des Lernens nicht oder noch nicht den übereinstimmenden Datensat zteilen D zugeordnet wurden .
[ 0031 ] Es kann beispielsweise eine Mindestdatenmenge ( z . B . Mindestanzahl an unabhängigen Datensätzen) an verfügbaren Datensätzen E , A festgelegt werden, um mit ausreichender Sicherheit und Genauigkeit übereinstimmende Datensatzteile D zu identi fi zieren . Die Kl-Einheiten 20 können dazu eingerichtet sein, übereinstimmende Datensat zteile D erst dann zu identi fi zieren und die Ausgangsdatensätze A ohne die übereinstimmenden Datensat zteile D zu senden, wenn diese Mindestdatenmenge verfügbar ist . Dadurch wird sichergestellt , dass von anderen Teilnehmern 12 benötigte relevante Daten nicht übermittelt werden .
[ 0032 ] Bei der erfindungsgemäßen Kommunikation ist es nicht erforderlich, von vornherein Teilnehmer bzw . Datensätze zu klassi fi zieren und zu unterscheiden . Die Kl- Einheiten 20 lernen selbsttätig während des Betriebs . Es spielt dabei keine Rolle , ob die übereinstimmenden Datensatzteile D unveränderliche Daten oder sich zumindest während eines Zeitraums nicht ändernde Daten enthalten . Die übereinstimmenden Datensat zteile können somit statisch oder quasistatisch sein . Sie können beispielsweise Sollwerte und/oder Schwellenwerte und/oder andere beliebige Steuerungsdaten oder Regelungsdaten enthalten .
[ 0033 ] Jede Kl-Einheit 20 und mithin j eder Teilnehmer 12 ist dazu eingerichtet , anhand der empfangenen Eingangsdatensätze E zu erkennen, ob der Teilnehmer 12 , der den betref fenden Eingangsdatensatz E gesendet hat , derselben Gruppe angehört , wie der Teilnehmer 12 , der den Eingangsdatensatz E empfangen hat oder nicht . Hierzu können die Datenstruktur und/oder Inhalte von bestimmten Datenfeldern ausgewertet werden . Da der Teilnehmer 12 die Datenstruktur und den Inhalt bestimmter Datenfelder kennt , die er selbst für das Erzeugen von Ausgangsdatensätzen A verwendet , kann durch Vergleich die Zugehörigkeit zu derselben Gruppe 13 oder 14 , oder 15 ermittelt werden . Dadurch lassen sich die Teilnehmer 12 des Kommunikationssystems 10 sozusagen automatisch gruppieren .
[ 0034 ] Die Auswertung von Eingangsdatensätzen E , die ein Teilnehmer 12 empfängt , um übereinstimmende Datensat zteile D zu identi fi zieren, kann auf die Gruppe 13 oder 14 oder 15 beschränkt werden, der der Teilnehmer 12 selbst angehört . Eingangsdatensätze E von Teilnehmern 12 anderer Gruppen können dabei unberücksichtigt bleiben .
[ 0035 ] Die Erfindung betri f ft ein Kommunikationssystem 10 sowie ein Verfahren zur Kommunikation zwischen mehreren Teilnehmern 12 des Kommunikationssystems 10 . Jeder Teilnehmer 12 hat eine Kl-Einheit 20 und ist dazu eingerichtet , Eingangsdatensätze E zu empfangen und Ausgangsdatensätze A zu senden . Die Eingangsdatensätze E und/oder die gesendeten oder zu sendenden Ausgangsdatensätze A werden verwendet , um übereinstimmende Datensat zteile D in den Eingangsdatensätzen E und/oder Ausgangsdatensätzen A zu identi fi zieren . Wurden solche übereinstimmenden Datensat zteile D erkannt , werden diese beim Senden von Ausgangsdatensätzen A nicht mitgesendet . Der gesendete Ausgangsdatensatz A enthält le- diglich den verbleibenden Teil von notwendigen und veränderlichen Daten ohne die übereinstimmenden Datensat zteile
D . Die übereinstimmenden Datensat zteile D können beispielsweise vor dem Senden aus einem zum Senden vorgesehenen Ausgangsdatensatz A entfernt werden .
Bezugs Zeichenliste :
10 Kommunikationssystem
11 Kommunikationsnetzwerk
12 Teilnehmer
12a erster Teilnehmer
12b zweiter Teilnehmer
12c dritter Teilnehmer
13 erste Gruppe
14 zweite Gruppe
15 dritte Gruppe
20 Kl-Einheit
21 Speicher
A Ausgangsdatensatz
D übereinstimmende Datensat zteile
E Eingangsdatensatz

Claims

Patentansprüche :
1. Kommunikationssystem (10) aufweisend mehrere Teilnehmer (12) und ein Kommunikationsnetzwerk (11) , mittels dem die Teilnehmer (12) kommunikationsverbunden sind, wobei mehrere oder alle Teilnehmer (12) jeweils eine lernfähige Kl-Einheit (20) aufweisen, die dazu eingerichtet ist, die von wenigstens einem anderen Teilnehmer (12) empfangenen Eingangsdatensätze (E) und/oder bereits übermittelte oder zu übermittelnde Ausgangsdatensätze (A) miteinander zu vergleichen, um durch Lernen während des Betriebs des Kommunikationssystems (10) übereinstimmende Datensat zteile (D) in den Eingangsdatensätzen (E) und/oder den Ausgangsdatensätzen (A) zu identifizieren, wobei jede Kl-Einheit (20) außerdem dazu eingerichtet ist, die zu übermittelnden Ausgangsdatensätze (A) derart anzupassen, dass die identifizierten übereinstimmenden Datensat zteile (D) nicht enthalten sind.
2. Kommunikationssystem nach Anspruch 1, wobei es sich bei den übereinstimmenden Datensat zteilen (D) um sich während des Betriebs statische oder quasistatische Daten handelt .
3. Kommunikationssystem nach Anspruch 1 oder 2, wobei jede Kl-Einheit (20) außerdem dazu eingerichtet ist, einen der Eingangsdatensätze (E) zu analysieren und den Teilnehmer (12) , der den Eingangsdatensatz (E) gesendet hat, basierend auf dem Analyseergebnis des Eingangsda- tensatzes (E) wenigstens einer Gruppe (13, 14, 15) zuzuordnen . Kommunikationssystem nach Anspruch 3, wobei jede Kl- Einheit (20) außerdem dazu eingerichtet ist, einen der Eingangsdatensätze (E) zu analysieren und festzustellen, ob der Teilnehmer (12) , der den Eingangsdatensatz (E) übermittelt hat, zu derselben Gruppe (13, 14, 15) gehört wie der die Kl-Einheit (20) aufweisende Teilnehmer ( 12 ) . Kommunikationssystem nach Anspruch 3 oder 4, wobei jede Kl-Einheit (20) außerdem dazu eingerichtet ist, einen Vergleich der Eingangsdatensätze (E) und Ausgangsdatensätze (A) miteinander zur Identifikation von übereinstimmenden Datensat zteilen (D) für eine Gruppe (13 oder 14 oder 15) oder mehrere der Gruppen (13, 14, 15) jeweils separat durchzuführen. Kommunikationssystem nach Anspruch 3 oder 4, wobei jede Kl-Einheit (20) außerdem dazu eingerichtet ist, einen Vergleich der Eingangsdatensätze (E) und den Ausgangsdatensätze (A) miteinander zur Identifikation von übereinstimmenden Datensat zteilen (D) nur für die Gruppe (13 oder 14 oder 15) durchzuführen, zu der der Teilnehmer (12) der jeweiligen Kl-Einheit (20) gehört. Kommunikationssystem nach einem der vorhergehenden Ansprüche, wobei jede Kl-Einheit (20) außerdem dazu eingerichtet ist, unüberwacht zu lernen. Kommunikationssystem nach einem der vorhergehenden Ansprüche, wobei das Kommunikationsnetzwerk (11) als Peer-to-Peer-Netzwerk organisiert ist. Verfahren zur Kommunikation zwischen Teilnehmern (12) eines Kommunikationssystems (10) nach einem der vorhergehenden Ansprüche, wobei das Verfahren folgende Schritte umfasst:
- Empfangen von Eingangsdatensätzen (E) , die von wenigstens einem anderen Teilnehmer (12) über das Kommunikationsnetzwerk (11) übermittelt wurden,
- Vergleichen der empfangenen Eingangsdatensätze (E) und/oder bereits übermittelten oder zu übermittelnden Ausgangsdatensätze (A) miteinander, um durch Lernen während des Betriebs des Kommunikationssystems (10) in den Eingangsdatensätzen (E) und den Ausgangsdatensätzen (A) übereinstimmende Datensatzteile (D) zu identifizieren,
- Senden der zu übermittelnden Ausgangsdatensätze (A) ohne die identifizierten übereinstimmenden Daten- satzteile (D) .
-16-
PCT/EP2022/082864 2021-12-08 2022-11-22 Kommunikationssystem und verfahren zur kommunikation zwischen teilnehmern eines kommunikationssystems (dagna) WO2023104509A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021132336.3 2021-12-08
DE102021132336.3A DE102021132336A1 (de) 2021-12-08 2021-12-08 Kommunikationssystem und Verfahren zur Kommunikation zwischen Teilnehmern eines Kommunikationssystems (DAGNA)

Publications (1)

Publication Number Publication Date
WO2023104509A1 true WO2023104509A1 (de) 2023-06-15

Family

ID=84463220

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/082864 WO2023104509A1 (de) 2021-12-08 2022-11-22 Kommunikationssystem und verfahren zur kommunikation zwischen teilnehmern eines kommunikationssystems (dagna)

Country Status (2)

Country Link
DE (1) DE102021132336A1 (de)
WO (1) WO2023104509A1 (de)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018109252A1 (de) 2018-04-18 2019-10-24 Schuler Pressen Gmbh KI-System
US20210274010A1 (en) * 2018-07-09 2021-09-02 Saferide Technologies Ltd. Optimizing size of protocol communication in a vehicle internal networks

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018129601B4 (de) 2018-11-23 2020-06-04 Schuler Pressen Gmbh Bearbeitungssystem mit mehreren über ein Kommunikationssystem kommunizierenden Systemeinheiten

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018109252A1 (de) 2018-04-18 2019-10-24 Schuler Pressen Gmbh KI-System
US20210274010A1 (en) * 2018-07-09 2021-09-02 Saferide Technologies Ltd. Optimizing size of protocol communication in a vehicle internal networks

Also Published As

Publication number Publication date
DE102021132336A1 (de) 2023-06-15

Similar Documents

Publication Publication Date Title
EP1309920B1 (de) Adressvergabeverfahren für mindestens einen neu an ein bussystem angeschlossenen busteilnehmer
DE102019114303B3 (de) Verfahren zum Erfassen von Netzwerkteilnehmer in einem Automatisierungsnetzwerk und Automatisierungsnetzwerk
DE102012102187B3 (de) Steuerungsvorrichtung zum Steuern von sicherheitskritischen Prozessen in einer automatisierten Anlage und Verfahren zur Parametrierung der Steuerungsvorrichtung
DE10143356A1 (de) Akzeptanz-Filter
EP2733910B1 (de) BUS-System, Verfahren zum Betrieb eines BUS-Systems und fluidisches System mit einem BUS-System
DE102018128219B3 (de) System mit mehreren als Blockchain organisierten Systemteilnehmern und mit Blockchain-Umschaltung
DE19510247C2 (de) Verfahren zur Datenübertragung
EP2431873B1 (de) Kombinierte Unicast/Multicast Softwareübertragung
WO2023104509A1 (de) Kommunikationssystem und verfahren zur kommunikation zwischen teilnehmern eines kommunikationssystems (dagna)
WO2015010815A1 (de) Feldbuszugriffseinheit und verfahren zum betreiben derselben
WO2019201813A1 (de) Ki-system
EP2597815A1 (de) Verfahren zur Identifikation von in einem Kommunikationsnetzwerk zusammengefassten Geräten
DE102018125435B4 (de) System zur Bearbeitung eines Werkstücks mit kommunizierenden Systemteilnehmern
EP2110725B1 (de) System und Verfahren zur Zuordnung eines Gerätenamens
DE102016113322A1 (de) Slave-Steuerung für Ethernet-Netzwerk
DE102018129601B4 (de) Bearbeitungssystem mit mehreren über ein Kommunikationssystem kommunizierenden Systemeinheiten
EP2903209B1 (de) Verfahren zur Aktualisierung von Nachrichtenfilterregeln einer Netzzugangskontrolleinheit eines industriellen Kommunikationsnetzes, Adressverwaltungseinheit und Konvertereinheit
WO2016079091A1 (de) Verfahren zum betreiben eines ersten und zumindest eines zweiten feldgerätes
EP2733555B1 (de) BUS-System mit Teilnehmern, die Produzent und / oder Konsumenten von Prozesswerten sind, Vorrichtung umfassend ein BUS-System, fluidisches System mit einem BUS-System und Verfahren zum Betrieb eines BUS-Systems
EP4046340B1 (de) Verfahren zum betreiben eines automatisierungssystems und dateninfrastruktur
EP4070530B1 (de) Verfahren zum zyklischen übertragen von daten zwischen kommunikationsteilnehmern auf einem datenübertragungskanal und datenübertragungssystem
DE19534757C1 (de) Verfahren zum Betreiben eines Telekommunikationssystems
EP3699710A1 (de) Verfahren und vorrichtung zum strukturierten bereitstellen von informationen eines produktionssystems und/oder einer produktionssystemkomponente
EP4246326A1 (de) Verfahren, vorrichtung und systemanordnung zur prozessüberwachung in echtzeit
EP1547348B1 (de) Verfahren und vorrichtung zur steuerung eines druckers oder kopierers durch zugriff auf datenobjekte mit hilfe von den datenobjekten zugeordneten netzwerkadressen

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: 22821484

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE