[发明专利]通过分析神经网络中的训练模式来分离机械压机的状态

说明书

本发明涉及一种用于指示制造过程的故障的计算机实现的方法、数据处理系统和计算机程序产品以及相应的制造机器，并且还涉及一种训练机器学习系统(MLS)以指示制造过程的状态的计算机实现的方法。传感器的输入信号被转换成参数。该参数被提供给MLS，该MLS导出潜在特征。这些潜在特征被映射到几个不同群集中的一个，每个群集代表制造过程的模式。最后，可指示基于制造过程的不同状态的制造过程的故障。

技术领域

本发明涉及一种用于指示制造过程的故障的计算机实现的方法、数据处理系统和计算机程序产品以及相应的制造机器，并且还涉及一种训练机器学习系统(MLS)以指示制造过程的状态的计算机实现的方法。

背景技术

在压制不同材料(例如，钢、铜、聚合物等)的片材或板材时，经常发生片材/板材(或更确切地制造的工件)中的裂纹、片材/板材或更确切地制造的工件的波纹以及制造过程的其他故障。没有在压制过程期间而是仅在自动或手动进行的视觉检查期间的几个压制周期之后才检测到制造过程的这些故障。此外，在压制过程中可能出现微裂纹，这种微裂纹在视觉检查中没有被检测到，却只是在最后组装或甚至操作期间很晚才被检测到。

制造过程的这些故障被检测得越晚，则对这些故障进行的校正就会越昂贵。

发明内容

因此，本发明的目的是提供一种可靠且快速自动指示制造过程故障。

本发明提供了一种根据独立权利要求1的指示制造过程的故障的计算机实现的方法、对应的数据处理系统、对应的计算机程序产品以及对应的制造系统，并且进一步提供了训练机器学习系统(MLS)以指示制造过程的状态的计算机实现的方法。本发明的改进方案是相应从属权利要求的主题。

根据本发明的第一方面，指示制造过程故障的计算机实现的方法包括步骤a)接收至少一个输入信号，b)变换该至少一个输入信号，c)导出潜在特征，d)映射所导出的潜在特征，以及e)可选地指示制造过程故障。在步骤a)中，接收至少一个输入信号。所接收的至少一个输入信号基于至少一个物理量，该物理量在制造过程期间通过至少一个传感器来监测。在步骤b)中，所接收的至少一个输入信号被变换成至少一个参数。该至少一个参数具有与所接收的至少一个输入信号不同的域以及另外或可替代地具有不同的参考值。在步骤c)中，通过机器学习系统(MLS)基于至少一个参数导出潜在特征。基于指示制造过程的特定状态的至少一个参数，在导出潜在特征方面训练MLS。在步骤d)中，将所导出的潜在特征映射到二维(2D)群集空间中的多个不同群集中的一者中，其中该群集表示制造过程的不同状态。在步骤e)中，基于制造过程的不同状态来指示制造过程的故障。

根据本发明的第二方面，用于指示制造过程的故障的数据处理系统包括用于执行根据本发明的第一方面的方法的步骤的装置。

根据本发明的第三方面，用于指示制造过程的故障的计算机程序产品包括指令，当由计算机执行程序时，指令使该计算机执行根据本发明的第一方面的方法的步骤。

根据本发明的第四方面，制造系统包括根据本发明第二方面的数据处理系统和至少一个传感器。该至少一个传感器通过在进行制造过程期间监测至少一个物理量来产生至少一个输入信号。所产生的至少一个输入信号被提供给数据处理系统。

通过至少一个传感器监测在制造过程期间发生的至少一个物理量，如振动、温度、力、扭矩、旋转/角/线速度/加速度等。因此，提供至少一个适当的传感器，比如温度传感器、振动传感器、加速度传感器、位置传感器、力传感器等。传感器位于对应的位置，在该位置处，传感器可以监测相应的物理量。

可以用适当的传感器监测多于一个的物理量，例如，可以用振动传感器监测振动(例如，机器零件或工件的振动)。制造过程期间的温度(例如，机器零件、腔室或工件的温度)可以用温度传感器监测。旋转速度可以用旋转传感器监测。可以用加速度或力传感器来监测加速度或力(或从加速度/力导出的速度)。