[发明专利]用于分析和/或配置工业设备的方法和系统

说明书

一种根据本发明的用于分析和/或配置工业设备的方法，所述工业设备具有用于采集、操作和/或处理至少一个第一对象(20)的至少一个第一设备组件(10)，基于第一对象的至少一个第一对象模型(21)，借助于第一设备组件的至少一个第一机器学习组件模型(11)，预测第一设备组件的过程结果和/或确定第一设备组件的配置参数的值。

技术领域

本发明涉及用于分析和/或配置工业设备的一种方法以及用于执行该方法的一种系统和一种计算机程序产品。

背景技术

工业设备具有多个设备组件，例如传感器、致动器、输送装置、机器人(单元)等，(应)利用它们采集、运输和/或处理对象。

发明内容

本发明的目的在于改进这种工业设备或其方案。

本发明的目的通过一种具有权利要求1所述特征的方法来实现。权利要求8、9请求保护用于执行在此所述方法的一种系统或一种计算机程序产品。优选的扩展方案由从属权利要求给出。

根据本发明的一种实施方式，为了分析和/或配置如下的工业设备：该工业设备具有至少一个第一设备组件，该第一设备组件被用于或者应该被用于对至少一个第一对象进行采集、特别是传感形式的采集、在一种实施方式中为光学形式的采集，和/或进行操作、特别是机械操作、在一种实施方式中为接收、特别是抓持、运输和/或给出、特别是放置或者说放下，和/或进行加工、特别是切削加工、在一种实施方式中为成形和/或变形，或者为此而设置、特别是设计或使用，基于第一对象的至少一个第一对象模型，借助于第一设备组件的至少一个第一机器学习组件模型，(在采集、操作或处理第一对象时)预测第一设备组件的过程结果(Processerfolg)和/或确定第一设备组件的一维或多维的配置参数的值，特别用于对第一对象的采集、操作或处理。

在本发明中不失一般性地使用了术语“第一”。

在本发明中，对象的对象模型应理解为是对象的特别是数字式的表征。在一种实施方式中，对象模型包括对象的数字式的、存储的、设定的、理论上的、采集的和/或当前的数据，在一种实施方式中包括图像数据，尺寸和/或机械的、特别是动力学的和/或运动学的、热的、电的和/或光学的参数，特别是重量、质量分布、材料属性、温度、表面特性、电流、力等，在一种实施方式中是由它们组成。

对象的对象模型的一个示例特别是对象的一个或多个图像。

在一种实施方式中，设备组件的机器学习组件模型通过或者说以一维或多维输出向量的形式、特别是数值式地和/或数字式地(映射)形成对象的对象模型，特别是将其归类，或者是为此而设计或使用，其中，输出向量取决于借助于设备组件采集、操作或处理对象的过程结果、特别是可行性，和/或取决于设备组件的一维或多维的配置参数，在一种实施方式中，该配置参数是被给定的。在一种实施方式中，该机器学习组件模型具有神经网络，在一种实施方式中为深度神经网络，特别是可以由其组成。附加地或替代地，设备组件的机器学习组件模型基于或者说利用配置参数的值来对设备组件进行参数化或配置，或者是为此而设计或使用。

在一种实施方式中，通过使用工业设备的至少一个设备组件的机器学习模型，可以有利地、特别是快速、简单、精确和/或可靠地设计该设备组件，特别是预先进行过程步骤的可行性分析和/或确定设备组件的配置参数，并相应地根据所确定的配置参数对设备组件进行参数化或配置。

在一种实施方式中，基于第一对象的第一对象模型和/或至少一个另外的对象的至少一个对象模型，借助于至少一个另外的设备组件的至少一个机器学习组件模型，(在采集、操作或处理该对象时)预测该设备组件的过程结果和/或确定该设备组件的配置参数的值，特别是用于对该对象的采集、操作或处理，在一种实施方式中，该设备组件是基于所确定的配置参数被参数化或配置。

因此，在一种实施方式中，是针对不同的设备组件使用各自的机器学习组件模型，以便预测设备组件的过程结果或者对设备组件进行参数化或配置。