WO2023227201A1 - Computer-implementiertes verfahren und system zur steuerung der herstellung eines produkts - Google Patents

Computer-implementiertes verfahren und system zur steuerung der herstellung eines produkts Download PDF

Info

Publication number
WO2023227201A1
WO2023227201A1 PCT/EP2022/064000 EP2022064000W WO2023227201A1 WO 2023227201 A1 WO2023227201 A1 WO 2023227201A1 EP 2022064000 W EP2022064000 W EP 2022064000W WO 2023227201 A1 WO2023227201 A1 WO 2023227201A1
Authority
WO
WIPO (PCT)
Prior art keywords
product
automation
template
production
sensor data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/EP2022/064000
Other languages
English (en)
French (fr)
Inventor
Daniel SCHALL
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG Oesterreich
Original Assignee
Siemens AG Oesterreich
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG Oesterreich filed Critical Siemens AG Oesterreich
Priority to PCT/EP2022/064000 priority Critical patent/WO2023227201A1/de
Publication of WO2023227201A1 publication Critical patent/WO2023227201A1/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-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]
    • G05B19/41875—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 quality surveillance of production
    • 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—Program-control systems
    • G05B19/02—Program-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]
    • G05B19/41845—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 system universality, reconfigurability, modularity
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32186—Teaching inspection data, pictures and criteria and apply them for inspection
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32193—Ann, neural base quality management
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32205—Use model error adapted to type of workpiece
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32212—If parameter out of tolerance reject product
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32218—Sort workpieces as function of quality data

Definitions

  • the invention relates to a computer-implemented method and a system for controlling the production of a product selected from at least two product groups that can be produced by the same production device.
  • the invention also relates to a computer program, an electronically readable data carrier and a data carrier signal.
  • Some production systems are configured in such a way that different product groups can be produced by the same system.
  • the object according to the invention is achieved by a method of the type mentioned at the beginning, comprising the following steps: a) Generating a product with a production system and detecting the product in the form of sensor data using a sensor means, b) Determining at least one classification parameter by classifying the product using the sensor data and a model based on artificial intelligence by a second device, and providing the at least one classification parameter to a third device, c) requesting an inspection template based on the at least one classification parameter from a fourth third device by the second device, d) requesting an automation -Template based on the at least one classification parameter from a fourth device and providing it to an automation device, e) analyzing the product using the sensor data and the inspection template by the first device, f) controlling the automation device based on the result of the previous analysis step using the automation template.
  • Parameterization of the automation device enables fast and trouble-free operation and the availability of the production system can be significantly improved.
  • the object according to the invention is also achieved by a production system for the operation of a technical device with a model based on federated learning, comprising memory Storing templates and a model, execution devices with a processor and a memory for executing procedural steps, a sensor means for detecting products as sensor data and an automation device having a handling device, and the system is set up to carry out the method according to the invention.
  • the object according to the invention is solved by a computer program comprising commands which, when executed by a computer, cause it to carry out the method according to the invention.
  • the object according to the invention is achieved by an electronically readable data carrier with readable control information stored thereon, which includes at least the computer program according to the invention and is designed in such a way that it carries out the method according to the invention when the data carrier is used in a computing device.
  • the object according to the invention is achieved by a data carrier signal which transmits the computer program according to the invention.
  • Fig. 1 an exemplary embodiment of a production facility with visual inspection
  • Fig. 2 an example of different product arrangements within a production system
  • FIG. 3 an exemplary embodiment of the invention in the form of a block diagram
  • FIG. 4 an exemplary embodiment of the invention in the form of a flowchart.
  • Fig. 1 shows an exemplary embodiment of a production system with a production facility which is monitored using a visual inspection.
  • a camera CAM uses optical sensors to capture products A, B as camera images, which are moved past the camera on a conveyor belt CB in a direction D.
  • sensor means can also be used for the sensor, for example laser measuring devices, metal detectors or radar sensors, etc.
  • products A, B are shown as pastries which are free of defects or have an optical defect and therefore should be sorted out using a robot R with a gripper.
  • a model based on artificial intelligence is used to recognize products outside of manufacturer specifications and, if necessary, sort them out with a robot arm.
  • a product deviation can be, for example, an undesirable shape, different dimensions or something similar.
  • Some production systems are configured in such a way that different product groups can be produced. Accordingly, it may be necessary to adapt the production system in one or more subsystems for each product group, in particular AI models and product handling devices such as a robot.
  • Fig. 2 represents an example of various product arrangements within the production system of the previous figure.
  • the products A, B and C to be analyzed correspond to a product type of the product group PI, and the products D, E and F correspond to a product type of the product group P2.
  • the products of the product groups are transported sequentially in time using the conveyor belt CB past the detection area of the sensor n of the camera CAM and recorded at times TI and T2 by an optical image sensor of the camera CAM.
  • Fig. 3 shows an exemplary embodiment of the invention in the form of a block diagram of a production system PS.
  • the method serves to control the production of a product which is selected from at least two product groups.
  • the at least two product groups are produced by the same production device.
  • a TR-AI template repository for artificial intelligence is formed by a database, which stores Al templates, makes them available and, through federated learning, shared by other similar clients with corresponding model parameters for visual inspection is supplied in the form of Al templates.
  • An AI template is an artifact, such as Python code with an AI model and all necessary software dependencies, that runs on the AI device.
  • An Al template is trained for a specific product within a product group to perform a visual quality inspection task.
  • a template memory TR-AU for automation is also formed in the cloud C, which stores and provides automation templates and, through federated learning, is jointly supplied by other similar clients with corresponding model parameters for the automation of manufacturing steps in the form of AU templates.
  • the cloud C is connected to an edge device DE, which includes a production machine M, a conveyor belt CB and a handling robot R.
  • the robot R is set up to remove products A-F from the conveyor belt CB.
  • the production machine M like a baking machine, produces the products A-C of the first product group PI, such as bread, and the products D-F of the second product group P2, such as rolls.
  • the baking machine M provides these products A-F on the conveyor belt CB, which transports the produced products A-F away from the machine M at a belt speed D.
  • the camera CAM then records products A-F using an optical sensor.
  • the handling device R such as a robot arm.
  • An AI template providing device instantiates templates in the artificial intelligence execution device.
  • Such an AI template carries out a visual quality inspection using a product classification model PC-M, which is suitable for a product A-F that is currently being analyzed.
  • One or more steps can be performed by a computer with a processor and memory.
  • the RE-AI device is an artificial intelligence execution device with a processor and a memory.
  • the TPE-AI device is an artificial intelligence template delivery device with a processor and memory.
  • the devices RE-AI, RE-E and TPE-AI as well as TPE-AU can be formed by an edge device DE.
  • the TPE-AU device is a template provision device for automation with a processor and a memory and can include a control device for controlling a robot.
  • Optimal parameterization of the automation device R enables fast and trouble-free operation and the availability of the production system can be improved.
  • a gripper of the robot arm R can attack a product with optimal pressure and does not lose it undesirably on the way from the conveyor belt CB.
  • the automation template T-AU-Pl can be requested by the control device or also by the execution unit of the edge device RE-E.
  • Fig. 4 shows an exemplary embodiment of the invention in the form of a flowchart based on the system of the previous figure.
  • the following procedure is carried out on a computer: a) generating a product A, F with a production system PS and detecting the product A, F in the form of sensor data using a sensor means CAM, b) determining at least one classification parameter by classifying the product A, F using the sensor data and a model based on artificial intelligence PC-M by a first device RE-AI, c) requesting an inspection template T-AI-Pl based on the at least one classification parameter from a second device TPE- AI by the first device RE -AI, d) requesting an automation template T-AU-Pl based on the at least one classification parameter from a third device TPE-AU and providing it to an automation device D-AU, e) analyzing of the product A, ..., F using the sensor data and the inspection template T-AI-Pl by the first device RE -AI, f) controlling the automation device D-AU based on the result of the previous analysis - Steps using the automation template T-AU-Pl.
  • step f only compliantly manufactured products are now on the conveyor belt CB.
  • RE-AI execution device for artificial intelligence English “runtime engine for artificial intelligence”

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)

Abstract

Computer-implementiertes Verfahren zur Steuerung der Herstellung eines Produkts, welches aus zumindest zwei Produktgruppen ausgewählt ist, die durch dieselbe Produktionsvorrichtung hergestellt werden können, umfassend folgende Schritte: a) Erzeugen eines Produkts (A, B) mit einem Produktionssystem (PS) und Erfassen des Produkts (A, B) in Form von Sensor-Daten mithilfe eines Sensor-Mittels (CAM), b) Ermitteln zumindest eines Klassifizierungsparameters durch Klassifizieren des Produkts (A, B) mithilfe der Sensor-Daten und eines Modells auf Basis künstlicher Intelligenz (PC-M), c) Anfordern einer Inspektions-Vorlage (T-AI-P1) auf Basis des zumindest einen Klassifizierungsparameters, d) Anfordern einer Automatisierungs-Vorlage (T-AU-P1) auf Basis des zumindest einen Klassifizierungsparameters und Bereitstellen an eine Automatisierungs-Vorrichtung (D- AU), e) Analysieren des Produkts (A, B) mithilfe der Sensor-Daten und der Inspektions-Vorlage (T-AI-P1), 20 f) Ansteuern der Automatisierungs-Vorrichtung (D-AU) auf Basis des Ergebnisses des vorhergehenden Analyse-Schritts unter Verwendung der Automatisierungs-Vorlage (T-AU-P1).

Description

Computer- Implementiertes Verfahren und System zur Steuerung der Herstellung eines Produkts
Die Erfindung betri f ft ein computer-implementiertes Verfahren und ein System zur Steuerung der Herstellung eines Produkts , welches aus zumindest zwei Produktgruppen ausgewählt ist , die durch dieselbe Produktionsvorrichtung hergestellt werden können .
Die Erfindung betri f ft ferner ein Computerprogramm, einen elektronisch lesbaren Datenträger und ein Datenträgersignal .
In modernen Produktionssystemen nehmen visuelle Qualitäts- Inspektions-Systeme eine wichtige Rolle ein, um eine Aussortierung von Produkten, welche nicht Herstellervorgaben entsprechen, aus zusortieren .
Manche Produktionssysteme sind derart konfiguriert , dass unterschiedliche Produktegruppen von derselben Anlage produziert werden können .
Dementsprechend kann es erforderlich sein, das Produktionssystem in einem oder mehreren Teilsystemen für j ede Produktgruppe anzupassen, insbesondere AI-Modelle und Produkt- Hantierungs-Vorrichtungen wie ein Roboter .
Im Stand der Technik ist es vorgesehen, dass ein manueller Bediener die Anlagenkonfiguration dementsprechend neu einstellt oder die Konfiguration umschaltet , was fehlerbehaftet sowie zeitintensiv sein kann .
Daher ist es Aufgabe der Erfindung die Neukonfiguration bei einem Wechsel einer Produktgruppe auf derselben Anlage zu erleichtern und sicherer gegen Fehlbedienung zu machen .
Die erfindungsgemäße Aufgabe wird durch ein Verfahren eingangs genannter Art gelöst , umfassend folgende Schritte : a ) Erzeugen eines Produkts mit einem Produktionssystem und Erfassen des Produkts in Form von Sensor-Daten mithil fe eines Sensor-Mittels , b ) Ermitteln zumindest eines Klassi fi zierungsparameters durch Klassi fi zieren des Produkts mithil fe der Sensor- Daten und eines Modells auf Basis künstlicher Intelligenz durch eine zweite Vorrichtung, und Bereitstellen des zumindest einen Klassi fi zierungsparameters an eine dritte Vorrichtung, c ) Anfordern einer Inspektions-Vorlage auf Basis des zumindest einen Klassi fi zierungsparameters von einer vierten dritten Vorrichtung durch die zweite Vorrichtung, d) Anfordern einer Automatisierungs-Vorlage auf Basis des zumindest einen Klassi fi zierungsparameters von einer vierten Vorrichtung und Bereitstellen an eine Automatisierungs-Vorrichtung, e ) Analysieren des Produkts mithil fe der Sensor-Daten und der Inspektions-Vorlage durch die erste Vorrichtung, f ) Ansteuern der Automatisierungs-Vorrichtung auf Basis des Ergebnisses des vorhergehenden Analyse-Schritts unter Verwendung der Automatisierungs-Vorlage .
Dadurch wird erreicht , dass ein Wechsel zwischen zwei Produktgruppen am Produktionssystem automatisiert werden kann und die erste Vorrichtung als auch die Automatisierungs- Vorrichtung automatisiert in eine dementsprechende Konfiguration versetzt werden .
Eine Parametrierung der Automatisierungs-Vorrichtung ermöglicht einen schnellen und störungs freien Betrieb und die Verfügbarkeit der Produktionsanlage kann erheblich verbessert werden .
Die erfindungsgemäße Aufgabe wird durch auch Produktions- System für den Betrieb eines technischen Geräts mit einem Modell auf Basis föderierten Lernens , umfassend Speicher zum Speichern von Vorlagen und einem Modell , Aus führungs- Vorrichtungen mit einem Prozessor und einem Speicher zur Ausführung von Verfahrens-Schritten, einem Sensor-Mittel zum Erfassen von Produkten als Sensor-Daten und eine Automatisierungs-Vorrichtung aufweisend eine Hantierung-Vorrichtung, und das System dazu eingerichtet ist , das erfindungsgemäße Verfahren aus zuführen .
Die erfindungsgemäße Aufgabe wird durch ein Computerprogramm gelöst , umfassend Befehle , welche bei deren Aus führung durch einen Computer diesen veranlassen, das erfindungsgemäße Verfahren aus zuführen .
Die erfindungsgemäße Aufgabe wird durch einen elektronisch lesbaren Datenträger mit darauf gespeicherten lesbaren Steuerinformationen gelöst , welche zumindest das erfindungsgemäße Computerprogramm umfassen und derart ausgestaltet sind, dass sie bei Verwendung des Datenträgers in einer Recheneinrichtung das erfindungsgemäße Verfahren durchführen .
Die erfindungsgemäße Aufgabe wird durch ein Datenträgersignal gelöst , welches das erfindungsgemäße Computerprogramm überträgt .
Die Erfindung wird nachfolgend anhand eines in den beigeschlossenen Zeichnungen dargestellten Aus führungsbeispiels näher erläutert . In den Zeichnungen zeigt :
Fig . 1 ein Aus führungsbeispiel für eine Produktionseinrichtung mit visueller Inspektion,
Fig . 2 ein Beispiel für verschiedene Produktanordnungen innerhalb eines Produktionssystems ,
Fig . 3 ein Aus führungsbeispiel der Erfindung in Form eines Blockdiagramms ,
Fig . 4 ein Aus führungsbeispiel der Erfindung in Form eines Flussdiagramms . Fig . 1 zeigt ein Aus führungsbeispiel für ein Produktionssystem mit einer Produktionseinrichtung, welche mithil fe einer visuellen Inspektion überwacht wird .
Eine Kamera CAM erfasst mithil fe optischer Sensoren Produkte A, B als Kamerabilder, welche auf einem Förderband CB in einer Richtung D an der Kamera vorbei bewegt werden .
Grundsätzlich sind auch andere Sensor-Mittel für den Sensor anwendbar, beispielsweise Laser-Messgeräte , Metall-Detektoren oder Radar-Sensoren etc .
In diesem Beispiel sind als Produkte A, B Gebäckstücke dargestellt , welche fehlerfrei sind oder einen optischen Mangel aufweisen und daher mithil fe eines Roboters R mit einem Grei farm aussortiert werden sollen .
Ein Modell auf Basis künstlicher Intelligenz wird angewandt , um Produkte außerhalb von Herstellervorgaben zu erkennen und gegebenenfalls mit einem Roboterarm aus zusortieren .
Eine Produkt-Abweichung können beispielsweise eine unerwünschte Form, abweichende Abmessungen oder ähnliches sein .
Manche Produktionssysteme sind derart konfiguriert , dass unterschiedliche Produktegruppen produziert werden können . Dementsprechend kann es erforderlich sein, das Produktionssystem in einem oder mehreren Teilsystemen für j ede Produktgruppe anzupassen, insbesondere AI-Modelle und Produkt-Hantierungs- Vorrichtungen wie ein Roboter .
Fig . 2 stellt ein Beispiel für verschiedene Produktanordnungen innerhalb des Produktionssystems der vorhergehenden Figur dar .
Die zu analysierenden Produkte A, B und C entsprechen einem Produkttyp der Produktgruppe PI , und die Produkte D, E und F entsprechen einem Produkttyp der Produktgruppe P2 . Die Produkte der Produktgruppen werden zeitlich sequenziell mithil fe des Förderbands CB am Erfassungsbereich des Sensors n der Kamera CAM vorbei befördert und zu Zeitpunkten TI und T2 von einem optischen Bild-Sensor der Kamera CAM erfasst .
Fig . 3 zeigt ein Aus führungsbeispiel der Erfindung in Form eines Blockdiagramms eines Produktionssystems PS .
Das Verfahren dient zur Steuerung der Herstellung eines Produkts , welches aus zumindest zwei Produktgruppen ausgewählt ist .
Dabei werden die zumindest zwei Produktgruppen durch dieselbe Produktionsvorrichtung hergestellt .
In einer Cloud C ist ein Vorlagenspeicher TR-AI für künstliche Intelligenz ( engl . „template repository" ) durch eine Datenbank gebildet , welcher Al-Vorlagen speichert , bereitstellt und durch föderiertes Lernen gemeinsam von weiteren ähnlichen Klienten mit entsprechenden Modell-Parametern zur visuellen Inspektion in Form von Al-Vorlagen versorgt wird .
Eine Al-Vorlage ist ein Artefakt , wie ein Python-Code mit einem AI -Modell und allen erforderlichen Software- Abhängigkeiten, welches auf der AI -Vorrichtung abläuft .
Eine Al-Vorlage wird für ein spezi fisches Produkt innerhalb einer Produktgruppe trainiert , um eine Aufgabe für eine visuelle Qualitäts- Inspektion durchzuführen .
In der Cloud C ist ferner ein Vorlagenspeicher TR-AU für Automatisierung gebildet , welcher Automatisierungs-Vorlagen speichert , bereitstellt und durch föderiertes Lernen gemeinsam von weiteren ähnlichen Klienten mit entsprechenden Modell-Parametern für die Automatisierung von Herstellungsschritten in Form von AU-Vorlagen versorgt wird . Die Cloud C ist mit einer Edge-Vorrichtung D-E verbunden, welche eine Produktionsmaschine M, ein Förderband CB und einen Hantierungs-Roboter R umfasst .
Der Roboter R ist dazu eingerichtet , Produkte A-F vom Förderband CB zu entfernen .
Die Produktionsmaschine M, wie eine Backmaschine , erzeugt die Produkte A-C der ersten Produktgruppe PI , wie Brote , und die Produkte D-F der zweiten Produktgruppe P2 , wie Semmeln .
Die Backmaschine M stellt diese Produkte A-F auf dem Förderband CB bereit , welches die erzeugten Produkte A-F von der Maschine M mit einer Bandgeschwindigkeit D abtransportiert .
Die Kamera CAM erfasst anschließend die Produkte A-F durch einen optischen Sensor .
Nach Durchführung des erfindungsgemäßen Verfahrens werden Produkte außerhalb der Herstellervorgagen durch die Hantierungs-Vorrichtung R, wie ein Roboterarm, vom Förderband CB entfernt .
Eine AI-Vorlagen-Bereitstellungsvorrichtung instanziiert Vorlagen in der Aus führungs-Vorrichtung für künstliche Intelligenz . Eine solche AI -Vorlage führt eine visuelle Qualitäts- Inspektion mithil fe eines Produkt-Klassi fikations-Modells PC- M durch, welche für ein aktuell zu analysierendes Produkt A-F geeignet ist .
Ein oder mehrere Schritte können durch einen Computer mit einem Prozessor und einem Speicher ausgeführt werden .
Die Vorrichtung RE-AI ist eine Aus führungs-Vorrichtung für künstliche Intelligenz mit einem Prozessor und einem Speicher .
Die Vorrichtung TPE-AI ist eine Vorlagen-Bereitstellungs- Vorrichtung für künstliche Intelligenz mit einem Prozessor und einem Speicher . Die Vorrichtungen RE -AI , RE-E und TPE-AI sowie TPE-AU können von einem Edge-Gerät D-E gebildet sein .
Die Vorrichtung TPE-AU ist eine Vorlagen-Bereitstellungs- Vorrichtung für Automatisierung mit einem Prozessor und einem Speicher und kann eine Steuervorrichtung zur Ansteuerung eines Roboters umfassen .
Es ist häufig notwendig, eine neue Vorlage T-AU-Pl der Automatisierungs-Vorrichtung R bereitzustellen, wenn seit dem vorhergehenden Zeitpunkt ein Produkt mit einer geänderten Produktgruppe PI oder P2 erfasst wurde , da sich für j eweilige Produktgruppe beispielsweise die Form, die Größe , die Material-Konsistenz usw . geändert haben kann und die Automatisierungs-Vorrichtung R möglicherweise in ihren Parameter neu eingestellt werden muss . Diese Neu-Parametrisierung kann beispielsweise durch die Bereitstellung einer entsprechenden neuen Vorlage an eine Steuerungs-Vorrichtung erfolgen, welche vom System umfasst ist .
Eine optimale Parametrierung der Automatisierungs- Vorrichtung R ermöglicht einen schnellen und störungs freien Betrieb und die Verfügbarkeit der Produktionsanlage kann verbessert werden .
Beispielsweise kann sichergestellt werden, dass ein Grei fer des Roboterarms R ein Produkt mit optimalen Druck angrei fen kann und nicht unerwünscht auf dem Weg vom Förderband CB verliert .
Die Automatisierungs-Vorlage T-AU-Pl kann durch die Steuerungs-Vorrichtung oder auch durch die Aus führungs-Einheit der Edge-Vorrichtung RE-E angefordert werden .
Fig . 4 zeigt ein Aus führungsbeispiel der Erfindung in Form eines Flussdiagramms auf Basis des Systems der vorhergehenden Figur .
Folgendes Verfahren wird auf einem Computer ausgeführt : a) Erzeugen eines Produkts A, F mit einem Produktionssystem PS und Erfassen des Produkts A, F in Form von Sensor-Daten mithil fe eines Sensor-Mittels CAM, b) Ermitteln zumindest eines Klassi fi zierungsparameters durch Klassi fi zieren des Produkts A, F mithil fe der Sensor-Daten und eines Modells auf Basis künstlicher Intelligenz PC-M durch eine erste Vorrichtung RE-AI , c) Anfordern einer Inspektions-Vorlage T-AI-Pl auf Basis des zumindest einen Klassi fi zierungsparameters von einer zweiten Vorrichtung TPE-AI durch die erste Vorrichtung RE -AI , d) Anfordern einer Automatisierungs-Vorlage T-AU-Pl auf Basis des zumindest einen Klassi fi zierungsparameters von einer dritten Vorrichtung TPE-AU und Bereitstellen an eine Automatisierungs-Vorrichtung D-AU, e ) Analysieren des Produkts A, ..., F mithil fe der Sensor- Daten und der Inspektions-Vorlage T-AI-Pl durch die erste Vorrichtung RE -AI , f ) Ansteuern der Automatisierungs-Vorrichtung D-AU auf Basis des Ergebnisses des vorhergehenden Analyse- Schritts unter Verwendung der Automatisierungs- Vorlage T-AU-Pl .
Durch das Ansteuern im Schritt f ) befinden sich als Resultat des Verfahrens somit nur noch konform hergestellte Produkte auf dem Förderband CB .
Bezugszeichenliste :
A-E Produkt
C Cloud
CAM Kamera (engl. „camera")
CB Föderband (engl. „conveyor belt")
D Bewegungsrichtung des Förderbands
D-AU Automatisierungs-Vorrichtung (engl. „automation device" )
D-E Edge-Vorrichtung (engl. „edge device")
M Produktions-Maschine, Backofen
Pl, P2 Produktgruppe
PC-M Produkt-Klassif izierungs-Modell
PS Produktions-System
R Roboter, Teil der Automatisierungs-Vorrichtung
RE-AI Ausführungs-Vorrichtung für künstliche Intelligenz (engl. „runtime engine for artificial itel- ligence" )
RE-E Ausführungs-Einheit der Edge-Vorrichtung
SD Sensor-Daten
T-AI-Pl Vorlage für künstliche Intelligenz (engl. „template" )
T-AU-Pl Vorlage für Automatisierung
TPE-AI Vorlagen-Bereitstellungsvorrichtung für künstliche Intelligenz (engl. „template provisioning engine" )
TPE-AU Vorlagen-Bereitstellungsvorrichtung für Automatisierung
TR-AI Vorlagenspeicher für künstliche Intelligenz
(engl. „template repository")
TR-AU Vorlagenspeicher für Automatisierung
TI, T2 Zeitpunkt

Claims

Patentansprüche
1. Computer-implementiertes Verfahren zur Steuerung der Herstellung eines Produkts (A, F) , welches aus zumindest zwei Produktgruppen ausgewählt ist, die durch dieselbe Produktionsvorrichtung hergestellt werden können, umfassend folgende Schritte: a) Erzeugen eines Produkts (A, ..., F) mit einem Produktionssystem PS und Erfassen des Produkts (A, ..., F) in Form von Sensor-Daten (SD) mithilfe eines Sensor-Mittels (CAM) , b) Ermitteln zumindest eines Klassifizierungsparameters durch Klassifizieren des Produkts (A, ..., F) mithilfe der Sensor-Daten (SD) und eines Modells auf Basis künstlicher Intelligenz (PC-M) , c) Anfordern einer Inspektions-Vorlage (T-AI-Pl) auf Basis des zumindest einen Klassifizierungsparameters, d) Anfordern einer Automatisierungs-Vorlage (T-AU-Pl) auf Basis des zumindest einen Klassifizierungsparameters und Bereitstellen an eine Automatisierungs-Vorrichtung (D- AU) , e) Analysieren des Produkts (A, ..., F) mithilfe der Sensor- Daten (SD) und der Inspektions-Vorlage (T-AI-Pl) , f) Ansteuern der Automatisierungs-Vorrichtung (D-AU) auf Basis des Ergebnisses des vorhergehenden Analyse-Schritts unter Verwendung der Automatisierungs-Vorlage (T-AU-Pl) .
2. Produktions-System (PS) für den Betrieb eines technischen Geräts (Dl) mit einem Modell auf Basis föderierten Lernens, umfassend Speicher zum Speichern von Vorlagen (T-AI-Pl, T-AU-Pl) und einem Modell (PC-M) , Ausführungs-
Vorrichtungen (RE-AI, RE-E, TPE-AI, TPE-AU) mit einem Prozessor und einem Speicher zur Ausführung von Verfahrens- Schritten, einem Sensor-Mittel (CAM) zum Erfassen von Produk- ten als Sensor-Daten ( SD) und ein Automatisierungs- Vorrichtung aufweisend eine Hantierung-Vorrichtung ( D-AU) , und das System ( PS ) dazu eingerichtet ist , das Verfahren nach dem vorhergehenden Anspruch aus zuführen .
3 . Computerprogramm, umfassend Befehle , welche bei deren
Aus führung durch einen Computer diesen veranlassen, das Verfahren nach Anspruch 1 aus zuführen .
4 . Elektronisch lesbarer Datenträger mit darauf gespeicherten lesbaren Steuerinformationen, welche zumindest das Compu- terprogramm nach dem vorhergehenden Anspruch umfassen und derart ausgestaltet sind, dass sie bei Verwendung des Datenträgers in einer Recheneinrichtung das Verfahren nach Anspruch 1 durchführen .
5. Datenträgersignal , welches das Computerprogramm nach An- spruch 3 überträgt .
PCT/EP2022/064000 2022-05-24 2022-05-24 Computer-implementiertes verfahren und system zur steuerung der herstellung eines produkts Ceased WO2023227201A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/EP2022/064000 WO2023227201A1 (de) 2022-05-24 2022-05-24 Computer-implementiertes verfahren und system zur steuerung der herstellung eines produkts

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2022/064000 WO2023227201A1 (de) 2022-05-24 2022-05-24 Computer-implementiertes verfahren und system zur steuerung der herstellung eines produkts

Publications (1)

Publication Number Publication Date
WO2023227201A1 true WO2023227201A1 (de) 2023-11-30

Family

ID=82163323

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/064000 Ceased WO2023227201A1 (de) 2022-05-24 2022-05-24 Computer-implementiertes verfahren und system zur steuerung der herstellung eines produkts

Country Status (1)

Country Link
WO (1) WO2023227201A1 (de)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017103588A1 (de) * 2016-02-24 2017-08-24 Jtekt Corporation Analysevorrichtung und analysesystem
EP3778142A1 (de) * 2019-08-14 2021-02-17 Google LLC Rekonfigurierbare roboter-fertigungszellen
WO2021171287A1 (en) * 2020-02-24 2021-09-02 Saccade Vision Ltd. System and method for controlling automatic inspection of articles
WO2022029787A1 (en) * 2020-08-05 2022-02-10 Kitov Systems Ltd Design encoding of intercomponent inspection requirements

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102017103588A1 (de) * 2016-02-24 2017-08-24 Jtekt Corporation Analysevorrichtung und analysesystem
EP3778142A1 (de) * 2019-08-14 2021-02-17 Google LLC Rekonfigurierbare roboter-fertigungszellen
WO2021171287A1 (en) * 2020-02-24 2021-09-02 Saccade Vision Ltd. System and method for controlling automatic inspection of articles
WO2022029787A1 (en) * 2020-08-05 2022-02-10 Kitov Systems Ltd Design encoding of intercomponent inspection requirements

Similar Documents

Publication Publication Date Title
EP3797337B1 (de) Verfahren zum hantieren eines werkstücks mit hilfe eines entnahmewerkzeugs und maschine zur durchführung des verfahrens
EP3767403B1 (de) Machine-learning gestützte form- und oberflächenmessung zur produktionsüberwachung
DE102018212531B4 (de) Artikeltransfervorrichtung
EP3847517B1 (de) Verfahren und vorrichtung zur herstellung eines produkts sowie computerprogrammprodukt
EP4013574A1 (de) Automatisierungssystem und verfahren zur handhabung von produkten
WO2023041458A2 (de) Computerimplementierte verfahren, module und system zur anomalieerkennung in industriellen fertigungsprozessen
DE102022131925A1 (de) Selbstlernendes verfahren für einen fertigungs- und/oder montageprozess
DE102019120696B4 (de) Vorrichtung und Verfahren zur Reifenprüfung
EP2358601B1 (de) Verfahren zum ausrichten eines behälters und computerprogramm
WO2023227201A1 (de) Computer-implementiertes verfahren und system zur steuerung der herstellung eines produkts
EP3921810B1 (de) Verfahren und vorrichtung zum automatisierten identifizieren eines produktfehlers eines produkts und/oder zum automatisierten identifizieren einer produktfehlerursache des produktfehlers
DE102021211610A1 (de) Verfahren zum Trainieren eines neuronalen Lernmodells zum Detektieren von Produktionsfehlern
EP3581935B1 (de) System zur automatischen erkennung von laborarbeitsgegenständen sowie verfahren zum betrieb eines systems zur automatischen erkennung von laborarbeitsgegenständen
DE10013137B4 (de) Verfahren zur bildgesteuerten Prüfung und Bearbeitung von Produkten
DE102019122578B4 (de) Verfahren zum Prüfen, Markieren und Sortieren von Einzelobjekten
EP3650223B1 (de) Vorrichtung und verfahren zum prüfen einer bedruckung eines artikels
AT519777A1 (de) Verfahren zur Erkennung des normalen Betriebszustands eines Arbeitsprozesses
EP4485348B1 (de) Computer-implementiertes verfahren und werkzeug zur optischen qualitätskontrolle von zwischen- oder endprodukten von produktionsanlagen sowie produktionsanlagensteuerung
WO2023198290A1 (de) Computer-implementiertes verfahren und systeme zur umpositionierung von fehlerhaften produkten
AT524802A1 (de) Verfahren zum Ablegen von Halbzeugen
WO2025061546A1 (de) Verfahren zur auswahl eines computergestützten analysemodells
EP4679339A1 (de) Verfahren und systeme zur selektion und verarbeitung von eingangsdatenpunkten zur verarbeitung durch ein maschinell erlerntes prädiktionsmodell sowie computerprogrammprodukt
DE102022209247A1 (de) Untersuchung von Bauteilen auf Fehler mittels eines Bauteilanalysators
AT528684A1 (de) Verfahren zur Validierung einer Objekterkennung
DE102023210661A1 (de) Verfahren zum Bereitstellen von gelabelten Bilddaten zur automatischen optischen Inspektion

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: 22732903

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: 22732903

Country of ref document: EP

Kind code of ref document: A1