[go: up one dir, main page]

WO2002014967A2 - Verfahren zur durchführung eines automatisierten produktionsprozesses - Google Patents

Verfahren zur durchführung eines automatisierten produktionsprozesses Download PDF

Info

Publication number
WO2002014967A2
WO2002014967A2 PCT/EP2001/009414 EP0109414W WO0214967A2 WO 2002014967 A2 WO2002014967 A2 WO 2002014967A2 EP 0109414 W EP0109414 W EP 0109414W WO 0214967 A2 WO0214967 A2 WO 0214967A2
Authority
WO
WIPO (PCT)
Prior art keywords
parameters
production
model
influencing variables
variables
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/EP2001/009414
Other languages
English (en)
French (fr)
Other versions
WO2002014967A3 (de
Inventor
Marco Rosazza
Luciano Paravella
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.)
TECCON Srl
Original Assignee
TECCON Srl
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
Priority claimed from DE10040731A external-priority patent/DE10040731A1/de
Application filed by TECCON Srl filed Critical TECCON Srl
Publication of WO2002014967A2 publication Critical patent/WO2002014967A2/de
Publication of WO2002014967A3 publication Critical patent/WO2002014967A3/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—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]
    • G05B19/41875—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—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]
    • G05B19/41885—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 modeling, simulation of the manufacturing system
    • 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
    • G05B2219/32015—Optimize, process management, optimize production line
    • 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
    • G05B2219/32017—Adapt real process as function of changing simulation model, changing for better results
    • 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
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42135—Fuzzy model reference learning controller, synthesis, tune rule base automatically
    • 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
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42137—Automatic tune fuzzy controller
    • 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 invention relates to a method for carrying out an automated production process according to the preamble of claim 1.
  • the task of controlling a production facility can be more or less difficult, depending on the complexity of the respective process and the number of variables involved.
  • the task can take on highly critical aspects when it comes to particularly sophisticated automated systems. This fact is of particular importance. Because the automation of production processes is one of the strategic goals that is of the utmost importance for modern industry.
  • automation has its limits due to the complexity that arises. When automation is at a certain level of complexity, control and flexibility are lost and the benefits diminish. This also applies to automated production processes in which a large number of physical or chemical parameters of the product or the production process as well as disturbances - more or less - are measured continuously and used in a control loop to control the production process.
  • the invention is intended to eliminate the lack of innovative development, ler between the high level of automation technology, on the one hand and still conventional system the aid of learning is, which are applied by the äetriebsleuten in making decisions for control and command of the s roduktionsreaes.
  • the parameters are physical or chemical
  • the production parameters are physical
  • the influencing variables also include the parameters of the raw materials and auxiliary materials. These parameters as well as the process parameters have to be considered. It must be determined whether the properties of the raw or auxiliary materials vary so widely that ongoing monitoring and inclusion in the virtual process is required. However, the properties and parameters of raw materials and auxiliary materials can also be included in the virtual process if there is enough scope for product planning and - or production planning - that the real process can only be adapted to the product that is actually desired changing raw materials or auxiliary materials is possible.
  • quality monitoring is preferably carried out in the sense that the resulting products are given a classification which characterizes the quality level or the committee without the otherwise usual testing of the individual product or a sample of the product.
  • a quality check and classification of the finished product which hampers the material flow and is labor intensive, is not necessary.
  • comparison of the influencing variables or parameter of the virtual model and the measured influencing variables and / or parameters of the real production process is additionally used to determine faults in the process and / or the informative value of the model for the Process constantly verified. While the size of the deviations detected when the warning signal is output make it necessary to check the model and the process and the interdependency, a pronounced course of the deviations over time (trend) is an indication that a malfunction has occurred within the real process Remedial action is required if the previously defined trust range, which is specific to the relevant influencing variable or characteristic variable, is left.
  • comparison of the influencing variables or parameters of the virtual mode and the measured influencing variables and / or parameters of the real production process is used in order to intervene in a controlling or regulating manner in the process.
  • the comparison of the process data with the data of the virtual process has the advantage that individual measurement data are not used for the intervention in the process, but that the respective controlling intervention takes into account all effects of the intervention due to the stored dependency model. In this way, negative effects of the controlling intervention can be avoided. Inadmissible regulation fluctuations and vibrations are avoided with regulation.
  • the proximity of the process model to the real process is achieved according to claims 6 and 7.
  • a novel process control is created, which is composed of several steps and with which from the multitude of process parameters or product parameters those at most three parameters are selected which are as reliable indicators as possible that the process works in the soil area, or the product is manufactured with the required properties. It is particularly important to first determine the type and number of trials and test series required so that statistically reliable statements about the dependencies can be obtained. The selection of the production parameters (parameters and influencing variables) that go into the model must also be determined according to whether suitable sensors are available.
  • Claim 9 provides suitable aids for determining and representing the mutual dependencies between the influencing variables and the
  • the dependencies can also be such that they cannot be grasped mathematically; in this case the dependencies are determined by experiment. in particular, it will be found that between the influencing variables and the
  • Claim 5 provides a suitable method for this.
  • the resulting dependency model can be formulated mathematically, preferably linearly (claim 10) or as a neural network (claim 10)
  • the dependency model is unique and fixed, i.e. it is not changed.
  • a reliable but manageable model that is suitable for electronic data processing is preferably produced by the method according to one of claims 12 to 14.
  • mutually dependent production parameters parameters which are a measure of the quality and / or quantity of the product or the production process or parameters which influence the parameters which can be achieved in the production process
  • Substitute parameters returned are combined. (Principal Components).
  • the network of dependencies can be traced back from a multi-dimensional coordinate system to a two-dimensional or three-dimensional dependency without loss of meaningfulness and sensitivity of the model.
  • the selected influencing variables and / or characteristic variables or their substitute variables are compared with the corresponding influencing variables and / or characteristic variables or the substitute variables transformed therefrom measured in the real process and the mutual dependencies of the influencing variables are updated.
  • This update can take place continuously, but preferably takes place at selected intervals in order to rule out that systematic errors in the production process or the measurement process are included in the update.
  • the advantage of the invention lies in the fact that the model of the process to be carried out, including the product, is continuously updated with the actually running process and is described by only a few influences and parameters with previously defined and preferably continuously updated interdependency. It is therefore possible to include the process directly in product planning and production planning and to adapt it accordingly; in other words: in the computer that controls the real process, a virtual process runs simultaneously, taking into account the previously selected influencing variables and parameters. There is a constant comparison between the real process situation and the virtual process situation. This means that particular attention must be paid to the selection of suitable sensors that are able to reproduce the real process data, ie influencing variables and parameters. and on the other hand the real process is controlled as a function of the setpoints predetermined by the virtual process.
  • the invention is illustrated by examples and by means of the figures
  • Production processes in this invention are:
  • a production process through which raw and auxiliary materials are converted into a desired end product, can be represented by a schematic model which, based on the set physical or chemical parameters of the product and / or the production process, the disturbance variables (such as air humidity, Air temperature, air pressure, electrical voltage and the like) and is represented by the monitored parameters (e.g. temperatures, pressures).
  • the control of this process is usually done by manually or automatically filing a certain number of variable parameters that are believed to represent the production process and are critical to the production process and / or the product. It is precisely these variable parameters that are appropriately visualized and statistically evaluated, e.g. through alarm signals, averaging, trend formation, etc., should allow the operator to master the control of the process and consequently also the possible variations of the end product and thereby adapt to the changing market requirements.
  • Production systems of this type can today be represented as virtual systems in an orthogonal coordinate system with the aid of "Computer Integrated Manufacturing” (C1M).
  • C1M Computer Integrated Manufacturing
  • each area of an automatic control to be executed is to be regarded as an autonomous functional area at the respective level of the CIM, intended to be fully integrated as part of a uniform automation system.
  • planning is carried out from top to bottom and implementation from bottom to top, so that the automation develops in steps, but in a uniform framework, i.e. H. can be planned and carried out.
  • a plant for the production of continuous, synthetic fibers is shown in a diagram with the process stages: storage of the polymer chips, drying of the polymer, spinning, winding, automatic transport of the bobbins, intermediate storage, selection and packaging (not shown).
  • the process therefore consists on the one hand of a continuous and on the other hand of a discontinuous process, the weighting of both process components being 50:50.
  • the functional representation of this process according to the GIM principles only the first two levels are present (represented).
  • the levels of the continuous process are shown on the left and the levels of the discontinuous process on the right.
  • the discontinuous process relates in particular to the automated handling of the product (the Do the washing up).
  • a further subdivision with the subsections was made on level 1 in terms of engineering considerations of the functions
  • the representation appears to be relatively meaningless. Only data, but no information, are available, the data being the values signaled point by point by the display devices, e.g. As temperature, the sum of interrelated data can be referred to as information.
  • the data that accrue in level 1 of industrial practice can also represent some typical information, such as temporal data, trends, average values, extreme values; however, this information is not sufficient to identify and pursue the correct process strategy. So far, the data and the information compiled from it have only been used to generate an alarm signal and to trigger the necessary measures to deal with the alarm (management and alarm). It is clear here that the functions shown in FIG. 2 on the higher levels II, III and IV, namely in particular:
  • Material, warehousing, logistics, procurement can still only be perceived by humans and this human component of automation must be further developed in order to enable the producers to control the production plant.
  • the invention provides that the overall process is recorded in a model and that this model is stored in the process control and evaluated to control the process. For this purpose, it is first determined which physical and / or chemical parameters of the product and / or the production process characterize the product or the process so precisely that the quality of the product is within the specification and the quantity required is within the specified quantities. These parameters are called parameters. These parameters are influenced by adjustable and non-adjustable product parameters and / or process parameters. These so-called influencing variables must also be determined in detail.
  • FIG. 8 shows the measured values of an influencing variable X and a characteristic variable Y in a two-dimensional coordinate system. It was found in the test series that when different values for X are set, the measured values for Y are in a narrow range with a longitudinal extension. To reduce the two-dimensionality, the measured values can now be transformed into another coordinate system. For this purpose, an axis of the new coordinate system, namely the coordinate XX through the area in the direction of the longitudinal extent, that is z. B. placed on the median value of the measured values. This gives a new component of the process, which is referred to here as XX.
  • This component XX is no longer dependent on the other component YY which is perpendicular thereto and also not — in three-dimensional space — on the vertical component ZZ.
  • the components transferred into this coordinate system are no longer identical to the original parameters or their measured values, but are connected to them via the directional components of the new coordinates with respect to the original coordinates.
  • the other influencing variables or parameters are to be loaded (loaded) with the direction components of the new coordinates.
  • the parameter Y does not occur in its dependence on the one-part size X, or only with its scatter in relation to the direction assumed for the new coordinate system, e.g. Median appearance.
  • Fig. ⁇ shows in a three-dimensional coordinate system such measurement values for a product, which represent the properties x, y and z of the product with two different setting variables. It can be seen that the majority of the measured values each lie in two clouds, each of which forms a narrow area with a clear longitudinal extension. The directional component of this longitudinal extension has a spatial position in the direction of each of the coordinates. The dimensionality is now reduced by transforming the measured values or analysis values (depending on what is shown in the diagram) to a new main axis of a new coordinate system, which lies in the longitudinal extent, for example on the median of one of the clouds.
  • the zero point of the new coordinate system is preferably placed on the longitudinal extension of the other cloud, so that both clouds lie with their longitudinal extension in one of the coordinate planes.
  • the original parameters are transformed into new components that are loaded with the directional components of the new coordinate system.
  • principal component analysis see e.g. Christian Holm, Principal Components & Multidimensional Fit, in http://rkb.home.cern.ch
  • a neural network can also be formed which, on the basis of the determined dependencies, allows, in the absence of a mathematical model, the generation of movements within this neural network itself.
  • the mathematical model or this neural network is continuously updated on the basis of experience, since the solutions determined by the network due to a change are constantly monitored using suitable measurements within the production process and the corrections are in turn stored within the mathematical model or within the neural network and saved and subsequently taken into account and evaluated accordingly.
  • this update is not carried out continuously, but is initiated in each individual case. It must be avoided that errors in the production process are included in the model process. If e.g. B. a part has become defective in the production process, e.g. B. a sensor delivers incorrect measured values, this error must not enter into the model process in the sense that a different kind of dependency is stored in the model process.
  • level 5 shows the levels 2 and 3 with the additional automation elements created by this invention, networking of the data flow, the information obtained therefrom and the resulting ones Control options shown again.
  • These are in particular the following information complexes of level 2 obtained from the data of levels 0 and 1 and the following strategic decision elements resulting from this on level 3:
  • this matrix serves as the basis for controlling the process as a whole and the end product obtained from it in a control loop and for automatically optimizing it according to predefined rules and at specified times by constantly adding and updating the dependency structure of the influencing variables laid down in the matrix ,
  • the invention with its individual elements is shown again schematically in FIG.
  • a series of tests on the real process and the product being produced must be carried out using a suitable selection of sensors to determine a grid of the production parameters, ie the influence sizes and the parameters. From these production parameters, those are selected that have the greatest influence on the quality of the product and / or the process.
  • the production parameters or a group of production parameters or a plurality of groups of production parameters are each transformed into a different coordinate system in which at least one dependency ratio has been eliminated.
  • This network of dependencies is specified as a model for a process computer.
  • This process computer makes it possible to make a prediction of the result, in particular the quality of the process or product, for each planned input value on the basis of the fed-in parameters and dependency.
  • the prediction provided by the model takes into account a large number of influencing variables and parameters in the previously entered complexity and operating ranges.
  • the invention thus represents a departure from the previously customary method in which the individual measured variables (influencing variables or parameters) are isolated and incorporated into the network of action and counteraction of all parameters regardless of the embedding of this parameter.
  • This prediction by the model allows the influencing variables that were set for the desired prediction result in the model to be given to the real process.
  • the results of the real process now supplied by the sensors can be compared with the results with the prediction of the model continuously or at time intervals. This in particular makes it possible to set up a control loop for the real production process and Adjust the input (input data) so that the actual result and the prediction result match as closely as possible.
  • the comparison of the prediction result and the actual result can also give reason to check the plausibility of the comparison result.
  • the model contains a module that specifies the limits within which a deviation between the model result and the real result can be expected. If the defined area of plausibility is left, an intervention in the real process is necessary in order to remedy any errors. A violation of the plausibility exists in particular if the comparison result has a trend over time, i. H. grows continuously, even though the input (input data) remains constant.
  • this block can also define the influence that input changes may have. If certain values that have to be determined beforehand are exceeded here, in addition to checking the real process, a check of the model is also necessary in order to determine whether all influencing variables and parameters have been taken into account in a weighting that corresponds to reality.

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

In einem Verfahren zur Durchführung eines automatisierten Produktionsprozesses wird der Produktionsprozess in Abhängigkeit von der Messung physikalischer oder chemischer Parameter des Produktes und/oder des Produktionsprozesses sowie Störgrössen (Produkt/Prozessparameter) gesteuert. Es wird ermittelt, welche Kenngrössen die Qualität und/oder Quantität des Produktes und/oder Produktionsprozesses hinreichend genau charakterisieren und welche einstellbaren und nicht einstellbaren, jedoch veränderlichen Produkt/Prozessparameter einen Einfluss auf die Kenngrössen haben (Einflussgrössen). Durch Auswerten bewusster oder zufälliger Änderungen der Einflussgrössen wird die gegenseitige Abhängigkeit zwischen den Einflussgrössen bestimmt und als Abhängigkeitsmodell (neuronales Netz) gespeichert. Aufgrund des Abhängigkeitsmodells können die optimalen Kenngrössen und die zugehörigen einstellbaren Einflussgrössen berechnet und eingesetellt werden. Das Abhängigkeitsmodell (neuronale Netz) wird durch Auswerten der in der Produktion anfallenden Prozessdaten laufend selbsttätig fortgeschrieben.

Description

Verfahren zur Durchführung eines automatisierten Produktionsprozesses
Die Erfindung betrifft ein Verfahren zur Durchführung eines automatisierten Produktionsprozesses nach dem Oberbegriff des Anspruches 1.
in jedem industrialisierten Produktionsprozeß gibt es zwei sich immer wieder überschneidende Komponenten: Den Prozeß selbst als die Gesamtheit der mechanischen, elektronischen und nachrichtiichen Instrumente und den Menschen als das Managementsystem, das die Produktion steuert.
Die Aufgabe, eine Produktionsaniage zu steuern, kann mehr oder weniger schwierig sein, entsprechend der Komplexität des jeweiiigen^Prozesses und entsprechend der Anzahl von beteiligten Variablen. Die Aufgabe kann höchst kritische Aspekte annehmen, wenn es sich um besonders ausgefeilte automatisierte Systeme handelt. Diese Tatsache ist von besonderer Bedeutung. Denn die Automation der Produktionsprozesse ist eines der strategischen Ziele, die für die moderne Industrie von größter Bedeutung ist.
Praktisch aüe Firmen haben diesen Versuch der Automatisierung in Angriff genommen, um sich dem Markt schnell und wettbewerbsfähig anpassen zu können, einem Markt, der hoch diversifizierte (unterschiedliche) Produkte zu niedrigen Preisen und mit immer kürzer werdenden Innovationszykien (Neuauflagen) erfordert.
Die Ergebnisse dieses Versuches der Automatisierung sind nicht auf allen Gebieten positiv, sie haben jedoch bestätigt, insbesondere auf den sogenannten „reifen" Sektoren (in denen ein Endprodukt der technologischen Entwicklung jedenfalls vorläufig erreicht zu sein scheint), daß die Automatisierung einen unverzichtbaren Faktor für die Innovation darstellt, insbesondere soweit die Innovation das Produktionsverfahren betrifft.
Die Automation von Produktionsprozessen hat die bis dahin von Menschen ausgeführten Funktionen auf Roboter verlagert. Dadurch sind grundlegende Änderungen in den traditionellen Arbeitsfunktionen und in der technologischen Struktur des Produktionsbetriebes entstanden.
Dennoch hat die Automatisierung wegen der entstehenden Komplexität ihre Grenzen. Wenn ein gewisses Maß an Komplexität der Automatisierung erreicht ist, geht die Möglichkeit der Kontrolle und die Flexibilität verloren und die Vorteile mindern sich. Das gilt auch für solche automatisierten Produktionsverfahren, in denen eine Vielzahl von physikalischen oder chemischen Parametern des Produktes oder des Produktionsprozesses sowie Störgrößen - mehr oder weniger - laufend gemessen und in einer Regelschleife zur Steuerung des Produktionsprozesses benutzt werden.
Während die Entwicklung der Automatisierung bisher dahin ging, immer komplexere und ausgefeilte Prozeßeinheiten zu schaffen, ist vernachlässigt worden, daß zwar die bisherige menschliche Funktion des Werkers (Operator) ersetzt werden kann, nicht aber die Funktion der Planung, Entwicklung, Organisation, Kontrolle und Steuerung (Management) des Produktionsprozesses. Die Anforderungen der Produktion haben zugenommen und sind immer komplexer geworden, während im Vergleich zu der gestiegenen Produktionskapazität die Betreiber immer noch dieselben Prinzipien und Entscheidungskriterien, Begriffe und Modelle verfolgen.
Die modernen Systeme der Generierung und Sichtbarmachung von Prozeßdaten mit Hilfe der neuen Technologien in der automatischen Steuerung waren in dem Produktionsmanagement zu nichts nütze, bestenfalls sind diese Daten nicht beachtet worden.
Daher entsteht das Bedürfnis, das Betriebsmanagement mit der Automation zu synchronisieren und die Methoden für das Management durch das operativ tätige Personal zu erneuem, indem dem Personal durchentwickelte Hilfsmittel zur Beherrschung der Komplexität moderner, automatisierter Produktionsverfahren bereitgestellt werden. •s ist Aufgabe der Erfindung, das Verfahren zur Durchführung eines lutomatisierten Produktionsprozesses so auszugestalten, daß das Verfahren der leänderten Rolle des Menschen gerecht wird.
)adurch soll die Erfindung den Mangel an innovativer Entwicklung beseitigen, ler zwischen dem hohen Stand der Automationstechnik auf der einen Seite und lern immer noch konventionellen System der Hilfsmittel besteht, welche von den äetriebsleuten in ihren Entscheidungen zur Steuerung und Beherrschung des sroduktionsprozesses angewandt werden.
)ie Lösung dieser Aufgabe ergibt sich aus Anspruch 1.
Es wird hierdurch ein Hilfsmittel geschaffen, welches die Verbindung zwischen einerseits dem immer ausgefeilter werdenden Produktionsverfahren und den
:omplexen Prozessabläufen und andererseits dem Menschen schafft, der mit
3lanung, Entwicklung, Organisation, Kontrolle und Steuerung (Management) des
Produktionsprozesses befaßt ist. Die Vielzahl der Produktionsparameter und ihre jegenseitige Abhängigkeit und Auswirkung wird überschaubar und derart ransparent dargestellt, daß jederzeit eine Vorhersage möglich ist, welche
Auswirkung ein Eingriff in den Prozess haben wird.
Ms Produktionsparameter werden in dieser Anmeldung Kenngrößen und
Einflußgrößen bezeichnet.
Zunächst ist ein Unterschied zu machen zwischen den Einflußgrößen, die es zu steuern bzw. zu beherrschen gilt, und
Figure imgf000004_0001
Kenngrößen, die das Ergebnis des
/erfahrens, d.h. im weitesten Sinne: die Qualität des Prozesses und/oder des
3roduktes umschreiben,
Sei den Kenngrößen handelt es sich um physikalische oder chemische
'arameter des Produktes und/ oder des Produktionsprozesses, weiche die gewünschte Qualität und/oder Quantität des Produktes und/oder
'roduktionsprozesses hinreichend genau charakterisieren. (Produkt- oder
3rozessρarameter) ,
Bei den Produktionsparametern handelt es sich also einerseits um physikalische
>der chemische Parameter des Produktes und andererseits um physikalische jder chemische Parameter des Produktionsprozesses und/oder Störgrößen des
3roduktes bzw. des Produktionsprozesses. Es ist ersichtlich, daß nur veränderliche Einflußgrößen und nur Einflußgrößen, welche einen zuvor ermittelten signifikanten und vorzugsweise linear darstellbaren Einfiuss auf zumindest eine der ausgewählten Kenngrößen haben, in Betracht kommen.
Zu den Einflussgrößen gehören auch die Parameter der Rohmaterialien und Hilfsstoffe. Diese Parameter müssen ebenso wie die Prozessparameter in die Betrachtung einbezogen werden. Dabei muss ermittelt werden, ob die Eigenschaften der Roh- oder Hilfsmaterialien so weit streuen, daß eine laufende Überwachung und eine Einbeziehung in den virtuellen Prozess erforderlich ist. Eine Einbeziehung der Eigenschaften und Parameter der Rohmaterialien und Hilfsmaterialien in den virtuellen Prozess kann jedoch auch dann erfolgen, wenn für die Produktplanung und - oder die Produktionsplanung - ein so breiter Spielraum vorgesehen werden soll, daß die Anpassung des realen Prozesses an das real gewünschte Produkt nur unter Änderung der Rohmaterialien oder Hilfsmaterialien möglich ist.
Es sei bereits an dieser Stelle hervorgehoben, daß im Rahmen dieser Erfindung auch der Ermittlung geeigneter Kenngrößen besondere Aufmerksamkeit zu schenken ist. Maßgebend für derartige Kenngrößen - gleich ob es sich dabei um Prozesseigenschaften oder um Produkteigenschaften handelt - muss dabei immer die Wertschätzung des Produktes durch den Abnehmer des Produktes (Verbraucher, Benutzer, Weiterverarbeiter) sein. Hierbei ist bereits eine Auswahl zu treffen, um anhand der ausgewählten Einflußgrößen eine möglichst treffende Voraussage für die gewünschten Ergebnisse zu erzielen, und um anhand der ausgewählten Kenngrößen eine treffende Aussage über die Qualität des Prozesses und / oder des Produktes zu ermöglichen.
Aus der Vieizahi der Prozessparameter bzw. Produktparameter werden diejenigen höchstens drei Parameter ausgewählt werden, welche möglichst zuverlässige Indikatoren dafür sind, daß der Prozess im Sollbereich arbeitet, bzw. das Produkt mit den Soll- Eigenschaften hergestellt wird. In der Weiterbildung der Erfindung nach Anspruch 2 wird der Vergleich der Einflussgrößen bzw. Kenngrößen des virtuellen Modells und der gemessenen Einflussgrößen und/ oder Kenngrößen des realen Produktionsprozesses (Meßdaten) nicht nur zur Voraussage sondern auch dazu genutzt, in den Prozess einzugreifen, um systematische Fehler zu beheben. Hierdurch kann die Produktion von Ausschuß vermieden werden.
Vorzugsweise wird mit der Signalisierung des Voraussageergebnisses aber auch eine Qualitätsüberwachung in dem Sinne vorgenommen, daß die entstehenden Produkte ohne die sonst übliche Prüfung des einzelnen Produktes oder einer Stichprobe des Produktes eine Klassifizierung erhalten, die die Qualitätstufe bzw. den Ausschuß kennzeichnet. Eine Qualitätsprüfung und Klassifizierung am fertigen Produkt, die den Materialfluß sehr behindert und personalaufwendig ist, entfällt.
In der Weiterbildung des Verfahrens nach Anspruch 3 wird Vergleich der Einflussgrößen bzw. Kenngröße des virtuellen Modells und der gemessenen Einflussgrößen und/ oder Kenngrößen des realen Produktionsprozesses (Meßdaten) zusätzlich genutzt, um Störungen des Prozesses zu ermitteln und/ oder die Aussagekraft des Modells für den Prozeß ständig zu verifizieren. Während die Größe der festgestellten Abweichungen bei Ausgabe des Warnsignals eine Überprüfung des Modells und des Prozesses und der gegenseitigen Abhängigkeit erforderlich machen, stellt ein ausgeprägter zeitlicher Verlauf der Abweichungen (Trend) ein Indiz dafür dar, daß innerhalb des realen Prozesses eine Störung aufgetreten ist, die Abhilfe verlangt, wenn der zuvor festgelegte, für die jeweilige Einflussgröße bzw. Kenngröße spezifische Vertrauensbereich verlassen wird.
in der Weiterbildung des Verfahrens nach Anspruch 4 und δ wird Vergleich der Einflussgrößen bzw. Kenngrößen des virtuellen Modeiis und der gemessenen Einflussgrößen und/ oder Kenngrößen des realen Produktionsprozesses (Meßdaten) genutzt, um steuernd oder regelnd in den Prozess einzugreifen. Dabei hat der Vergleich der Prozessdaten mit den Daten des virtuellen Prozesses den Vorteil, daß nicht einzelne Meßdaten für den Eingriff in den Prozess genutzt werden sondern daß der jeweilige steuernde Eingriff aufgrund des hinterlegten Abhängigkeitsmodells sämtliche Auswirkungen des Eingriffs berücksichtigt. Dadurch können negative Auswirkungen des steuernden Eingriffs vermieden werden. Bei einer Regelung werden unzulässige Regelungsschwankungen und -Schwingungen vermieden. Die Nähe des Prozessmodells zu dem reale Prozess wird nach Anspruch 6 und 7 erreicht.
Durch Anspruch 6 wird eine neuartige Prozeßsteuerung geschaffen, welche sich aus mehreren Schritten zusammensetzt und mit dem aus der Vielzahl der Pro∑essparameter bzw. Produktparameter diejenigen höchstens drei Parameter ausgewählt werden, die möglichst zuverlässige Indikatoren dafür sind, daß der Prozess im Soilbereich arbeitet, bzw. das Produkt mit den Soll-Eigenschaften hergestellt wird. Dabei ist es von besonderer Wichtigkeit, zunächst die erforderliche Art und Zahl der Versuche und Versuchsreihen so festzulegen, daß statistisch zuverlässige Aussagen über den Abhängigkeiten erzielt werden. Die Auswahl der Produktionsparameter (Kenngrößen und Einflußgrößen) die in das Modell eingehen, ist auch danach zu bestimmen, ob geeignete Sensoren zur Verfügung stehen.
Erforderlich ist aber für die Auswahl auch, daß zuvor ermittelt wurde, daß der ausgewählte Parameter mit hinreichender Wahrscheinlichkeit oder Zuverlässigkeit eine Aussage darüber macht, daß der gesamte Prozess mit allen seinen Kenngrößen und Einflussgrößen stabil innerhalb eines gewünschten Sollbereiches läuft. Ob eine ins Auge gefasste Prozess-Kenngröße diese Voraussetzungen erfüllt, ist zuvor durch Messreihen und Auswertung der Messwerte bei Anwendung mathematischer und statistischer Methoden zu ermitteln. Wenn es sich bei den Kenngrößen um Produkteigenschaften handelt, so ist - je nach Art der Eigenschaft - auch hier eine laufende Messung möglich; andernfalls kommt auch eine Messung in Zeitintervallen in Betracht. Dabei besteht die weitere Problematik darin, die Meßgrößen der ausgewählten Einfluß- und Kenngrößen, die in Versuchen und oder im laufenden Betrieb anfallen und die zunächst lediglich in der Dimension einfacher physikalischer Größen vorliegen, so aufzubereiten, daß sie eine möglichst große Aussagekraft gewinnen (Anspruch 8).
Dazu stehen heute statistische und/ oder mathematische Verfahren zur Verfügung, insbesondere in der als Chemometrie bezeichneten Wissenschaftsdisziplin.
Es wird sodann ermittelt, welche Abhängigkeiten zwischen den Einflußgrößen und den Kenngrößen bestehen. Durch Anspruch 9 werden geeignete Hilfsmittel zur Ermittlung und Darstellung der gegenseitigen Abhängigkeiten zwischen den Einflußgrößen sowie der
Auswirkung der Einflußgrößen auf die Kenngrößen und zur Entwicklung der
Abhängigkeitsmodeile bereitgestellt.
Diese Abhängigkeiten können physikalisch/ mathematischer Art sein.
Die Abhängigkeiten können auch so sein, daß sie mathematisch nicht faßbar sind; in diesem Falle werden die Abhängigkeiten durch Versuch ermittelt. insbesondere wird sich ergeben, daß zwischen den Einflußgrößen und den
Kenngrößen eine zwei -, drei - und mehr - dimensϊonaie Abhängigkeit in Form einer komplexen Matrix von Einflüssen und Ergebnissen besteht, die sich nicht darstellen läßt und eine Voraussage für Produkt und Prozeß» und insbesondere eine Steuerung des Prozesses nicht zuläßt.
Es wird daher die Intensität der Auswirkung der Einflußgrößen auf die
Kenngrößen ermittelt. Vorzugsweise werden nur die Parameter in die
Betrachtung einbezαgen, die eine signifikante Auswirkung haben.
Anspruch 5 stellt hierfür ein geeignetes Verfahren bereit.
Es ergibt sich dadurch jedenfalls für den Betriebspunkt oder den Betriebsbereich des Prozesses ein überschaubares Geflecht von Abhängigkeiten.
Das dadurch entstehende Abhangigkeitsmodell kann mathematisch, vorzugsweise linear (Anspruch 10) formuliert oder als neuronales Netz (Anspruch
11) formuliert sein.
Das Abhangigkeitsmodell ist je nach Komplexität des Prozesses einmalig und fix, d.h.: es wird nicht verändert.
Da die Erfindung aber gerade für komplexe Produktionsprozesse, wie sie für die heutige Technik normal sind, Anwendung findet und neue Perspektiven der
Entscheidungsfindung ermöglicht, wird durch Anspruch 2 in Weiterbildung der
Erfindung vorgeschlagen, daß das Abhangigkeitsmodell durch Auswerten der in der Produktion laufend oder zeitweilig anfallenden Prozessdaten laufend selbsttätig korrigiert, ergänzt oder in sonstiger Weise fortgeschrieben und gespeichert wird. Diese Fortschreibung vollzieht sich, ohne daß der
Betriebsmann dies merkt oder hierdurch belästigt wird.
Die Herstellung eines verläßlichen, jedoch überschaubaren und für die elektronische Datenverarbeitung geeigneten Modells geschieht vorzugsweise durch Verfahren nach einem der Ansprüche 12 bis 14. Dabei werden von einander abhängige Produktionsparameter (Kenngrößen, welche ein Maß für die Qualität und/ oder Quantität des Produktes oder des Produktionsprozesses sind, oder Einflußgrößen, welche die in dem Produktionsprozess erzielbaren Kenngrößen beeinflussen) auf einen Ersatzparameter zurückgeführt. (Principal Co ponents). Hierdurch läßt sich das Abhängigkeitsgeflecht aus einem vieldimensionalen Koordinatensystem in eine zweidimensionale oder dreidimensionale Abhängigkeit ohne Verlust an Aussagekraft und Sensibilität des Modells zurückführen.
In der Weiterbildung nach Anspruch 15 werden die ausgewählten Einflussgrößen und/ oder Kenngrößen bzw. deren Ersatzgrößen mit den in dem realen Prozess laufend gemessenen entsprechenden Einflussgrößen und/ oder Kenngrößen bzw. den daraus transformierten Ersatzgrößen verglichen und die gegenseitigen Abhängigkeiten der Einflussgrößen fortgeschrieben. Diese Fortschreibung kann laufend geschehen, geschieht jedoch vorzugsweise in gewählten Abständen um auszuschließen, daß in die Fortschreibung systematische Fehler des Produktionsverfahrens oder der Meßverfahren eingehen.
Der Vorteil der Erfindung liegt darin, daß das Modelt des durchzuführenden Prozesses einschl. des Produktes mit dem tatsächlich ablaufenden Prozeß ständig fortgeschrieben und dabei durch nur wenige Einfiuss- und Kenngrößen mit zuvor definierter und vorzugsweise (Anspruch 15) ständig fortgeschriebener gegenseitiger Abhängigkeit beschrieben wird. Es ist daher möglich, den Prozeß unmittelbar in die Produktplanung und Produktionsplanung einzubeziehen und entsprechend anzupassen; mit anderen Worten: In dem Rechner, welcher den realen Prozeß steuert, läuft gleichzeitig ein virtueller Prozeß unter Einbeziehung der zuvor ausgewählten Einflussgrößen und Kenngrößen ab. Es findet ein ständiger Vergleich zwischen der realen Prozeßsituation und der virtuellen Prozeßsituation statt. Das bedeutet, daß der Auswahl geeigneter Sensoren, die in der Lage sind, die realen Prozeßdaten, d. h. Einflussgrößen und Kenngrößen wiederzugeben, besondere Aufmerksamkeit geschenkt werden muß. und andererseits der reale Prozess in Abhängigkeit von den durch den virtuellen Prozess vorgegebenen Sollgrößen gesteuert wird. Im folgenden wird die Erfindung anhand von Beispielen und anhand der Figuren
1 bis 8 weiter beschrieben.
Als Produktionsprozesse in dieser Erfindung kommen in Betracht:
❖ Kontinuierliche Prozesse, die typisch sind, für die petrochemische, chemische oder ähnliche Industrien.
❖ Diskontinuierliche oder diskrete Prozesse, die insbesondere im Maschinenbau, Fahrzeugbau und ähnlichen Industrien angewandt werden.
❖ Gemischte Prozesse, typisch z. B. für den chemisch-textiien Sektor, wo kontinuierliche und diskontinuierliche Prozesse sich in zwei unterschiedlichen Prozeßstufen derselben industriellen Produktion folgen und die Gewichtung jeder Stufe sehr unterschiedlich sein kann.
Ein Produktionsprozeß, durch den Roh- und Hilfsmaterialien in ein gewünschtes Endprodukt überführt werden, kann durch ein schematisches Modell dargestellt werden, welches durch die eingestellten physikalischen oder chemischen Parameter des Produktes und/oder des Produktionsprozesses, die Störgrößen (wie z. B. Luftfeuchtigkeit, Lufttemperatur, Luftdruck, elektrische SpannungsausfäHe und dergleichen) und durch die überwachten Parameter (z. B. Temperaturen, Drücke) repräsentiert wird. Die Steuerung dieses Prozesses geschieht normalerweise dadurch, daß man von Hand oder automatisch eine bestimmte Anzahl von variablen Parametern einsfeilt, von denen man annimmt, daß sie den Produktionsprozeß repräsentieren und für den Produktionsprozeß und/ oder das Produkt maßgeblich sind. Gerade diese variablen Parameter, die in angemessener Weise visualisiert und statistisch ausgewertet werden, z.B. durch Alarmsignale, Mitteiwertbiidung, Trendbildung usw., sollen dem Betriebsmann erlauben, die Steuerung des Prozesses und folglich auch die Variationsmöglichkeiten des Endproduktes zu beherrschen und sich dadurch den veränderlichen Markanforderungen anzupassen.
Ein solcher Produktionsprozeß mit wesentlichen Einflußfaktoren ist in Fig.1 dargestellt.
Die Abhängigkeiten zwischen den Kenngrößen von Prozeß und Produkt und den
Einstellgrößen und nicht einstellbaren Parametern (d.h,: Störgrößen), Logistik
(Roh- und Hilfsmaterial einschl. elektrische, pneumatische Energie und Wasser) sind zwar ersichtlich und geben die Möglichkeiten der Messung, Kontrolle und Steuerung von Produktion und Produkt durch Messung von aussagekräftigen Parametern (Kenngrößen); jedoch sind diese Abhängigkeiten bei komplexen Prozessen nur unvollständig darstellbar, so daß auch die Möglichkeiten der Steuerung begrenzt sind.
Derartige Produktionssysteme können heute mit Hilfe des „Computer Integrated Manufacturing" (C1M) als virtuelle Systeme in einem orthogonalen Koordinatensystem dargestellt werden.
Dabei werden in der untersten Ebene, wie dies in Fig. 2 dargestellt ist, alle Elemente des Prozesses, also z. B. Maschinen, Reaktoren, Sensoren, Steuerelemente dargestellt. Die höheren Ebenen 1 bis 4 enthalten andere funktionale Bereiche mit der Besonderheit, daß diese zunehmend komplexe Reaktionen enthalten und unterschiedlich oder gleichmäßig ansteigenden Reaktionszeiten entsprechen. Jeder Bereich einer auszuführenden automatischen Steuerung ist auf der jeweiligen Ebene des CIM als autonomer Funktionsbereich anzusehen, dazu bestimmt, als Teil eines einheitlichen Automationssystems vollständig integriert zu werden. Nach dem Grundprinzip des CIM erfolgt daher die Planung von oben nach unten und die Durchführung von unten nach oben, so daß die Automation zwar in Schritten, jedoch in einem einheitlichen Be∑ugsrahmen entwickelt, d. h. geplant und ausgeführt werden kann.
In Fig. 3 ist eine Anlage zur Herstellung kontinuierlicher, synthetischer Fasern in einem Diagramm dargestellt mit den Prozeßstufen: Speicherung der Polymerchips, Trocknung des Polymers, Spinnen, Aufwickeln, automatischer Transport der Spulen, Zwischenspeicherung, Auswahl und Verpackung (nicht gezeigt). Der Prozeß besteht also einerseits aus einem kontinuierlichen und andererseits aus einem diskontinuierlichen Prozeß, wobei die Gewichtung beider Pro∑eßbestandteile 50 : 50 ist. In der funktionelien Darstellung dieses Prozesses nach den GIM-Prinzipien sind lediglich die beiden ersten Ebenen vorhanden (repräsentiert). Dabei werden auf der linken Seite die Ebenen des kontinuierlichen Prozesses und auf der rechten Seite die Ebenen des diskontinuierlichen Prozesses dargestellt. Der diskontinuierliche Prozeß bezieht sich insbesondere auf die automatisierte Handhabung des Produktes (der Spulen). Dabei wurde auf der Ebene 1 in ingenieurmäßiger Betrachtung der Funktionen eine weitere Unterteilung angebracht, mit den Untersektionen
❖ Automation,
❖ Steuerung und Kontrolle,
❖ Überwachung.
Wenn man dieses Diagramm vom Standpunkt des Betriebsmannes aus betrachtet, so wirkt die Darstellung relativ inhaltslos. Es sind lediglich Daten, jedoch keine Information erhältlich, wobei als Daten die punktweise von den Anzeigegeräten signalisierten Werte, z. B. Temperatur, als Information die Summe von miteinander zusammenhängenden Daten bezeichnet werden.
Zwar können die Daten, die in der Ebene 1 der industriellen Praxis anfallen, auch einige typische Informationen, wie zeitliche Daten, Trends, Durchschnittswerte, Extremwerte darsteilen; jedoch sind diese Informationen nicht ausreichend, um die richtige Prozeßstrategie zu ermitteln und zu verfolgen. Die Daten und die daraus zusammengestellten Informationen dienen bisher lediglich zur Erzeugung eines Alarmsignals und zur Auslösung der notwendigen Maßnahmen zur Bewältigung des Alarms (Management und Alarm). Es wird hier deutlich, daß die in Fig.2 auf den übergeordneten Ebenen II, III und IV dargestellten Funktionen, nämlich insbesondere:
Produktplanung auf der Ebene des
Untemehmensplanung Management der
Finanzielle Planung Produktionsstätte bzw.
Unternehmens
Produktionsplanung, Produktivitätsplanung auf der Ebene des Produkts
Unterhalt, Ersatzteile, Logistik, mit dem Managements der
Instandhaltung Produktion bzw. des
Qualitätskontrolle und -management Produktbereichs
Zeitplanung, Zeitverfolgung der Produktion, auf der Ebene der
Lagerbestand: Produkt Betriebsleitung (supervision)
Material, Lagerhaltung, Logistik, Beschaffung nach wie vor nur durch Menschen wahrgenommen werden können und es muß diese menschliche Komponente der Automation weiter entwickelt werden, um den Produzenten in die Lage zu versetzen, die Produktionsanlage zu beherrschen.
Ganz unabhängig vom Grad der Automatisierung wird dabei der Betriebsmann der unteren Ebenen stets von folgenden Fragen gejagt:
❖ Sind die berücksichtigten variablen Parameter ausreichend, um den Produktionsprozeß wirklich zu steuern?
❖ Bedeutet die Steuerung einer oder einiger der Variablen tatsächlich die Steuerung des Gesamtprozesses?
❖ Weiches sind die bedeutendsten Variablen des Prozesses?
❖ Welche Variablen bestimmen, daß das Produkt die gewünschten Spezifikationen hat?
❖ Welche Änderungen der maßgeblichen Variablen ist erforderlich, damit das Produkt wieder die Spezifikationen erreicht.
❖ Gibt es ein Model! des gesamten Produktionsprozesses?
Durch die Erfindung werden diese Fragen zusammengeführt. Die einzelnen Variablen bilden das Gesamtsystem. Sie sind in einer vielfältigen Weise miteinander verbunden. Daher sieht die Erfindung vor, daß der Gesamtprozeß in einem Modell erfaßt und daß dieses Modell in der Prozeßsteuerung gespeichert und zur Steuerung des Prozesses ausgewertet wird. Dazu wird zunächst bestimmt, welche physikalischen und/oder chemischen Parameter des Produktes und/oder des Produktionsprozesses das Produkt oder den Prozeß so genau charakterisieren, daß die Qualität des Produktes innerhalb der Spezifikation und die erfoigte Quantität innerhalb der vorgegebenen Mengen liegt. Diese Parameter werden als Kenngrößen bezeichnet. Diese Kenngrößen werden beeinflußt von einstellbaren und nicht einstellbaren Produktparametern und/oder Pro∑eßparametern. Auch diese sogenannten Einflußgrößen sind im einzelnen zu ermitteln.
Es wird sodann ermittelt, weiche Auswirkungen auf andere Produktparameter oder Prozeßparameter durch Änderungen der Einflußgrößen hervorgerufen werden. Ebenso wird die Auswirkung der Änderung der Einflußgrößen auf andere Einflußgrößen untersucht.
Hierzu werden in Versuchsreihen des realen Prozesses Änderungen der Einflußgrößen bewußt herbeigeführt oder es werden zufällige Änderungen ausgewertet. Jedenfalls wird ein Abhängigkeitsmodell der einzelnen Parameter und Einflußgrößen erstellt, so daß sich ein netzartiger Zusammenhang zwischen allen Einflußgrößen und Parametern ergibt.
Hierzu werden zunächst mehrere ausgewählte physikalische Parameter des Produktes oder des Prozesses gemessen und in Tabellen zusammengefaßt. Die Verwertbarkeit dieser Meßwerte für die Prozeßsteuerung hängt zunächst davon ab, daß wirklich solche Parameter erfaßt wurden, die für die Qualität und/ oder Quantität des Produktes oder der Produktion eine signifikante Bedeutung haben. Ebenso sind Ausreißer und sonstige Ergebnisse zu eliminieren, die durch Zufälligkeiten, d.h.: Geschehnisse außerhalb des geplanten normalen Prozeßverlaufs entstanden sind.
Aber auch dann hat eine solche Tabelle mit einer Vielzahl von Meßwerten einer Vielzahl von Parametern keine Aussagekraft und ist als Steueaingsmiftel ungeeignet. Es ist vielmehr eine geeignete Auswertung erforderlich. Hierbei sind mathematische und/oder statistische Methoden hilfreich, die vor allem auch für die Chemie (Chemometrie) entwickelt wurden. Dabei geht es darum, die Meßwerte durch besondere Kennwerte (Analysewerte) zusammenzufassen, um hieraus eine Aussage über den grundsätzlichen Verlauf der Messung zu gewinnen. So können aus den Meßergebnissen eines Parameters z.B. Mittelwerte, Medianwerte, Standardabweichungen, Varianz, Häufigkeitsverteilungen gebildet werden.
Figur 8 zeigt im einem zweidimensionaien Koordinatensystem die Messwerte einer Einflussgröße X und einer Kenngröße Y. In den Versuchsreihen hat sich herausgestellt, dass bei Einstellung unterschiedlicher Werte für X die Messwerte für Y in einem engen Bereich mit einer Längserstreckung liegen. Zur Reduzierung der Zwei-Dimensionalität können nun die Messwerte in ein anderes Koordinatensystem transformiert werden. Hierzu wird eine Achse des neuen Koordinatensystems, nämlich die Koordinate XX durch den Bereich in Richtung der Längserstreckung, also z. B. auf den Medianwert der Meßwerte gelegt. Dadurch erhält man eine neue Komponente des Verfahrens, die hier als XX bezeichnet wird. Diese Komponente XX ist nicht mehr von der anderen hierzu senkrechten Komponente YY und auch nicht -im dreidimensionalen Raum- von der senkrechten Komponente ZZ abhängig. Die in dieses Koordinatensystem übertragenen Komponenten sind nicht mehr mit den ursprünglichen Parametern bzw. deren Meßwerten identisch sondern mit ihnen über die Richtungskomponenten der neuen Koordinaten gegenüber den Ursprungskoordinaten verbunden.
Wenn die Untersuchung weiterer Einflussgrößen oder Kenngrößen nunmehr auf das neue Koordinatensystem XX-YY-ZZ bezogen wird, sind die weiteren Einflussgrößen oder Kenngrößen mit den Richtungskomponenten der neuen Koordinaten zu beaufschlagen (belasten). Dagegen tritt in diesem Koordinatensystem die Kenngröße Y in ihrer Abhängigkeit von der Einsteilgröße X nicht bzw. nur mit ihrer Streuung gegenüber der für das neue Koordinatensystem angenommenen Richtung -z.B. Medianwert- in Erscheinung.
Fig.δ zeigt in einem dreidimensionalen Koordinatensystem derartige Meßwerte für ein Produkt, die die Eigenschaften x, y und z des Produktes bei zwei unterschiedlichen Einstellgrößen darstellen. Es zeigt sich, daß die Mehrzahl der Meßwerte jeweils in zwei Wolken liegen, die jeweils einen engen Bereich mit einer deutlichen Längserstreckung bilden. Die Richfungskomponente dieser Längserstreckung hat eine räumliche Lage in Richtung jeder der Koordinaten . Es erfolgt nun eine Reduktion der Dimensionalität, indem die Meßwerte oder Analysewerte (je nach dem, was in dem Diagramm dargestellt ist) auf eine neue Hauptachse eines neuen Koordinatensystems transformiert werden, die in der Längserstreckung, also z.B. auf dem Mediän einer der Wolken liegt. Der Nullpunkt des neuen Koordinatensystems wird vorzusweise auf die Längserstreckung der anderen Wolke gelegt, so daß beide Wolken mit ihrer Längserstreckung in einer der Koordinatenebene liegen. Es erfolgt also auch hier eine Umformung der Ursprungsparameter in neue Komponenten, welche mit den Richtungskomponenten des neuen Koordinatensystems belastet sind. Nach dieser Methode, als Principal Co ponent Analysis bezeichnet (vgl. z.B.: Christian Holm, Principal Components & Multidimensional Fit, in http://rkb.home.cern.ch) gelingt es nicht nur, die Dimensionalität zu reduzieren sondern auch die Abhängigkeiten oder Nicht -Abhängigkeiten zwischen einzelnen Parametern zu entdecken und soweit zu quantifizieren, daß damit ein Modell des Prozesses aufgebaut werden kann.
Es kann auf diese Weise ein mathematisches Modell gebildet werden, das zumindest für den normalen Betriebsbereich des Prozesses hinreichend zutreffend ist.
Es kann aber auch ein neuronales Netz gebildet werden, das anhand der ermittelten Abhängigkeiten erlaubt, in Ermangelung eines mathematischen Modells die Lösung von Bewegungen innerhalb dieses neuronalen Netzes selbst zu generieren.
Das mathematische Modell bzw. dieses neuronale Netz wird ständig anhand der Erfahrungen fortgeschrieben, da die von dem Netz aufgrund einer Änderung ermittelten Lösungen anhand geeigneter Messungen innerhalb des Produktionsprozesses ständig überwacht und die KorrektunA/erte wiederum innerhalb des mathematischen Modells bzw. innerhalb des neuronalen Netzes abgelegt und gespeichert sowie im Anschluß daran entsprechend berücksichtigt und ausgewertet werden.
Abhängig vom Einzelfall kann es jedoch bevorzugt sein, daß diese Fortschreibung nicht ständig geschieht, sondern in jedem Einzelfall veraniasst wird. Es muss nämlich vermieden werden, daß Fehler des Produktionsprozesses in den Modellprozess eingehen. Wenn z. B. in dem Produktionsprozess ein Teil schadhaft geworden ist, z. B. ein Sensor falsche Messwerte liefert, so darf dieser Fehler nicht in dem Sinne in den Modellprozess eingehen, dass in dem Modellprozess eine andersartige Abhängigkeit gespeichert wird.
Dies gut nicht nur für mathematisch definierte Abhängigkeiten sondern auch für Abhängigkeiten, die in einem neuronalen Netz niedergelegt sind. Aus diesem Grunde stellt im Rahmen dieser Erfindung die Planung und Pflege des neuronalen Netzes und ebenso die Planung und Pflege des mathematischen Abhängigkeitsmodells eine zusätzliche Managementaufgabe dar, vergleiche insofern Figur 5.
Ein derartiges Modell gegenseitiger Abhängigkeiten von Parametern, ihren Auswirkungen auf eine Kenngröße und die Rückführung der durch Messung ermittelten tatsächlichen Auswirkungen auf das Modell ist in Figur 4 dargestellt. Es sind hier die in den einzelnen Ebenen in Erscheinung tretenden Parameter und Einflußgrößen in ihrer Gegenseitigen Abhängigkeit und Verknüpfung dargestellt. Dabei ist hinzuzufügen, daß es sich nur um ein Schema handelt, aus welchem keine Gewichtung der Parameter und keine Quantifizierung und keine Gewichtung der Abhängigkeiten ersichtlich ist. Es ist jedoch aus dem Modell ersichtlich, daß dieses Modell, wenn es als Programm- und Speichermodul in der Steuereinrichtung der Produktionsanlage hinterlegt wird, für den Bediener nicht in Erscheinung tritt, d. h.: für ihn eine "Black Box" ist. Es erlaubt jedoch die Eingabe von Entscheidungen und Steuergrößen in den dafür vorgesehenen Ebenen - siehe Ebene IV- mit Rückwirkung und Durchgriff auf alle anderen Ebenen.
Bei der ständig laufenden Anpassung dieses Modells an den tatsächlich gefahrenen Prozess werden laufend die Werte der Prozeßvariablen und alle anderen Parameter des Prozesses und des Produktes, die kontinuierlich oder nicht kontinuierlich durch irgendweiche Meßgeräte signalisiert werden, erfaßt und die in dem Modellprozess niedergelegten Abhängigkeiten dieser Parameter entsprechend den laufenden Werten korrigiert.
Um gute Resultate zu erzielen, müssen die Variablen, die zum Gegenstand des mathematischen bzw. neuronalen Netzes gemacht werden, den Prozeß wirksam repräsentieren (Kenngrößen). Vor dem Beginn der Planung des Modells (mathematisches Modell bzw. des neuronalen Netzes) ist es daher erforderlich, daß die Technologen die Variablen analysieren, welche nach ihrer Ansicht den Prozeß repräsentieren. Dadurch wird das Maß ihrer Bedeutsamkeit für den Prozeß verifiziert. Für diese Analyse stehen Mittel der "Chemometrie" bereit. Hierbei handelt es sich um mathematische und statistische Methoden zur Analyse und Interpretation komplexer multivariabler Systeme, (vgl. z.B.: R.C. Graham, Data Analysis for the Chemical Science VCH Weinheim, 1993 und M. Otto, Analytische Chemie, VCH Weinheim 1995)
In Fig.5 sind die Ebenen 2 und 3 mit den durch diese Erfindung geschaffenen zusätzlichen Automationselementen, Vernetzungen des Datenflusses, den daraus gewonnenen Informationen und den sich daraus ergebenden Steuerungsmöglichkeiten noch einmal dargestellt. Es handelt sich insbesondere um folgende aus den Daten der Ebenen 0 und 1 gewonnenen Informationskomplexe der Ebene 2 und folgende sich dadurch ergebende strategische Entscheidungselemente auf Ebene 3:
Ebene 2 Ebene 3 statistische Methoden totales
Kontrolldiagramme Qualitätsmanagement, nicht - lineare Techniken (neuronale Netze) ergänzt um die vom multivariable statistische Methoden Abnehmer kommenden
(Chemometrie) Daten.
EDV-Überwachung mit Server - Diagnose/ Ansteuerung
(Tracking)/ und Zufalisbeiegung interne Qualitätskontrolle/ management Planung und Pflege des
(Chemometrie) neuronalen Netzes
Stichproben Management
Echt∑eit Quaiitäts Kontrolle
Mit diesen Mitteln wird es möglich, aus den durch Messung ermittelten Prozeßdaten nicht nur statistische Werte und Trends zu gewinnen, sondern auch Erklärungen über den Verlauf des Prozesses und seine inneren Zusammenhänge zu gewinnen, festzustellen, welches die wichtigsten Parameter sind und wie sie zusammenhängen, den Verlauf und Trend auch der Variablen zu ermitteln, die nicht laufend signalisiert werden und laufende Kontrollblätter zu erzeugen. Vor allem aber wird nicht mehr nur der Verlauf einzelner Variablen sondern der gesamte Prozeß in einer Matrix dargestellt. Diese Matrix enthält die gesamte zuvor optimierte Abhängigkeitsstruktur der hauptsächlich einflußreichen Prozeßvariablen und sonstigen Einflußgrößen. Wenn diese Matrix gespeichert wird, dient sie als Basis dafür, den Prozeß als Ganzes und das daraus gewonnene Endprodukt in einer Regelschleife zu steuern und durch ständige Ergänzung und Fortschreibung der in der Matrix niedergelegten Abhängigkeitsstruktur der Einflußgrößen automatisch nach vorgegebenen Regeln und zu vorgegebenen Zeiten zu optimieren. Zusammenfassend ist in Figur 7 noch einmal die Erfindung mit ihren einzelnen Elementen schematisch dargestellt. Zunächst ist in Versuchsreihen an dem real ablaufenden Prozess und dem dabei erzeugten Produkt mit einer geeigneten Auswahl von Sensoren ein Raster der Produktionsparameter, d. h. der Einffussgrößen und der Kenngrößen festzustellen. Von diesen Produktionsparametern werden diejenigen ausgesucht, die den größten Einfluss auf die Qualität des Produktes und/oder des Prozesses haben. Zur Verringerung der Dimensionalität erfolgt - falls notwendig - eine Transformation der Produktionsparameter oder einer Gruppe von Produktionsparametern oder mehrerer Gruppen von Produktionsparametem jeweils in ein anderes Koordinatensystem, in dem zumindest ein Abhängigkeitsverhältnis eliminiert ist. Es entsteht hierdurch ein Geflecht von Abhängigkeiten der ausgewählten Parameter. Dieses Geflecht von Abhängigkeiten wird als Modell einem Prozessrechner vorgegeben. Dieser Prozessrechner erlaubt es aufgrund der eingespeisten Parameter und Abhängigkeit für jeden geplanten Eingabewert eine Voraussage (Prediction) des Ergebnisses, insbesondere der Qualität des Prozesses bzw. Produktes zu machen. Es wird insbesondere möglich, bei laufendem realen Produktionsprozess die gleichen Eingabewerte in den realen Prozess und in den parallel laufenden virtuellen Prozess (model) einzugeben. Die hierbei von dem Modell gelieferte Vorhersage berücksichtigt in der zuvor eingegebenen Komplexität und Betriebsbereichen eine Vielzahl von Einflussgrößen und Kenngrößen. Damit stelit die Erfindung eine Abkehr von der bisher üblichen Methode dar, bei welcher die einzelnen Messgrößen (Einflussgrößen oder Kenngrößen) jeweils isoliert und ohne Rücksicht auf die Einbettung dieses Parameters in das Geflecht von Wirkung und Gegenwirkung alier Parameter einbe∑ogen wird.
Diese Vorhersage durch das Modell erlaubt es, die Einflussgrößen, die für das gewünschte Vorhersageergebnis im Modell eingestellt wurden, auch dem realen Prozess aufzugeben. Die nunmehr von den Sensoren gelieferten Ergebnisse des realen Prozesses können mit den Ergebnissen mit der Vorhersage des Modells laufend oder in Zeitabständen verglichen werden. Dadurch wird es insbesondere möglich, eine Regelschleife zu dem realen Produktionsverfahren aufzubauen und die Eingabe (Input Data) so zu verstellen, dass das tatsächliche Ergebnis und das Vorhersageergebnis möglichst genau übereinstimmen.
Darüber hinaus kann der Vergleich des Vorhersageergebnisses und des tatsächlichen Ergebnisses aber auch Veranlassung geben, die Plausibilität des Vergleichsergebnisses zu überprüfen. Dazu enthält das Modell einen Baustein, in dem vorgegeben ist, in welchen Grenzen eine Abweichung zwischen Modellergebnis und realem Ergebnis zu erwarten ist. Wird der definierte Bereich der Plausibilität verlassen, so ist ein Eingriff in den realen Prozess erforderlich, um eventuelle Fehier zu beheben. Ein Verstoß gegen die Plausibilität liegt insbesondere dann vor, wenn das Vergleichsergebnis einen zeitlichen Trend hat, d. h. laufend größer wird, obwohl die Eingabe (Input Data) konstant bleiben.
Es kann in diesem Baustein jedoch auch definiert sein, welchen Einfluss Eingabeänderungen haben dürfen. Wenn hier bestimmte Werte, die zuvor zu ermitteln sind, überschritten werden, wird neben der Überprüfung des realen Prozesses auch eine Überprüfung des Modells erforderlich um festzustellen, ob sämtliche Einflussgrößen und Kenngrößen in einer mit der Realität übereinstimmenden Gewichtung berücksichtigt worden sind.
Es ist ersichtlich, dass hier das Management, d.h. Unternehmensleitung und Betriebsleitung ein umfassendes Werkzeug erhalten, um in allen Stufen der Erzeugung eines bestimmten Produktes, angefangen von der Produktplanung bis hin zur Produktionssteuerung alle wichtigen Entscheidungen kompetent und schnei! zu treffen.

Claims

Ansprüche
1 Verfahren zur Durchführung eines automatisierten Produktionsprozesses, bei welchem Produktionsparameter gemessen und der Produktionsprozeß in Abhängigkeit von den Meßwerten durch einen Prozessrechner gesteuert wird, wobei die Produkfionsparameter die Kenngrößen, welche ein Maß für die Qualität und/ oder Quantität des Produktes oder des Produktionsprozesses sind, sowie die Einflußgrößen, welche die in dem Produktionsprozess erzielbaren Kenngrößen beeinflussen, umfassen, dadurch gekennzeichnet, daß in dem Prozessrechner ein virtuelles Modell des Produktionsprozesses (Abhängigkeitsmodell) aufgebaut und betrieben wird, in weiches Modell lediglich ein beschränkte Auswahl von vorzugsweise weniger als 4 (vier) Produktionsparametern mit ihren realen zuvor anhand des Produktionsprozesses ermittelten gegenseitigen Abhängigkeiten derart gespeichert wird, daß die Eingabe von Einflußgrößen in das virtuelle Modell die Vorhersage derjenigen Kenngrößen ergeben, welche mit diesen Einflußgrößen als Sollwerten des realen Prozesses erzielbar sind.
2 Verfahren nach Anspruch 1 , dadurch gekennzeichnet, daß die Einflussgrößen und/ oder Kenngrößen des virtuellen Modells mit gemessenen Einfiussgrößen und/ oder Kenngrößen des realen Produktionsprozesses (Meßdaten verglichen und die Abweichungen signalisiert und dabei vorzugsweise in Klassen signalisiert und den Produkten des realen Produktionsprozesses zugeordnet werde
3 Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß bei dem Vergleich der Einflussgrößen bzw. Kenngrößen des virtuellen Modells und gemessenen Einflussgrößen und/ oder Kenngrößen des realen Produktionsprozess (Meßdaten) ermittelt wird, ob die festgestellten Abweichungen hinsichtlich ihrer Grö und /oder hinsichtlich ihres zeitlichen Verlaufs innerhalb eines zuvor festgelegten, fü die jeweiligen Einflussgrößen bzw. Kenngrößen spezifischen Vertrauensbereich liegen, und daß ein Warnsignal ausgegeben wird, wenn der Vertrauensbereich verlassen wird.
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, daß die Einflussgrößen und/ oder Kenngrößen des virtuellen Modells mit gemessenen Einflussgrößen und/ oder Kenngrößen des realen Produktionsprozesses (Meßdaten verglichen und der reale Produktionsprozeß in Abhängigkeit von den festgestellten Abweichungen zwischen dem Modell und dem realen Prozeß gesteuert wird.
Verfahren nach einem der Ansprüche 1 bis 4 dadurch gekennzeichnet, daß in dem realen Prozess diejenigen Einflußgrößen als Soligrößen vorgegeben und eingestellt werden, welche In dem Modell aufgrund der eingespeicherten gegenseitigen Abhängigkeiten zu den gewünschten Kenngrößen führen.
Verfahren nach einem der Ansprüche 1 bis 5 dadurch gekennzeichnet, daß die Auswahl der Produktionsparameter des virtuellen Prozesses anhand von Versuchsreihen des realen Prozesses erfolgt, in welchen die gegenseitigen Abhängigkeiten der Produktionsparameter des realen Prozesses bewertet und gewichtet werden.
Verfahren nach Anspruch 6, dadurch gekennzeichnet, daß In den Versuchsreihen
> ermittelt wird, weiche physikalischen oder chemischen Parameter des
Produktes und/oder des Produktionsprozessen die gewünschte Qualität und/oder Quantität des Produktes und/oder Produktionsprozesses hinreichend genau charakterisieren (Kenngrößen);
> ermittelt wird, welche einsteilbaren und nicht einstellbaren, jedoch veränderlichen Produktparameter oder Prozessparameter einen Einfluß auf die Kenngrößen haben (Einfiußgrößen) ; > durch Auswerten absichtlicher oder zufälliger Änderungen der Einflußgrößen hinsichtlich ihrer Auswirkung auf vorgegebene Kenngrößen des Produkts (Produktparameter) oder Kenngrößen des Prozesses ( Prozessparameter bzw. andere Einflußgrößen die gegenseitige Abhängigkeit zwischen den Produktionsparametern, insbesondere zwischen den Kenngrößen und den Einflußgrößen bestimmt wird,
> diejenigen höchstens drei Produktionsparameter für den virtuellen Prozeß ausgewählt werden, welche aufgrund der ermittelten Abhängigkeiten den virtuellen Prozeß im gewünschten Bereich der ausgewählten Kenngrößen am besten beschreiben.
Verfahren nach einem der Ansprüche 1 bis 7 dadurch gekennzeichnet, daß als Analysewerte solche Kenngrößen aus den vorhandenen Meßwerten gewonnen werden, welche nach mathematischen und / oder statistischen Methoden der Chemometrie gewonnen werden, insbesondere Mittelwert, Meridianwert, Standardabweichung, Varianz.
Verfahren nach einem der Ansprüche 1 bis 8 dadurch gekennzeichnet, daß zur Ermittlung der gegenseitigen Abhängigkeit zwischen den Einflußgrößen sowie Auswirkung der Einfiußgrößen auf die Kenngrößen die anfallenden Meßwerte durc Anwendung mathematischer und statistischer Methoden analysiert und interpretiert werden und daß aus den Ergebnissen der Analyse (Aπaiysewerte) ein Abhängigkeitsmodell entwickelt und gespeichert wird.
Verfahren nach einem der Ansprüche 1 bis 9 dadurch gekennzeichnet, daß das Abhängigkeitsmodell mathematisch, vorzugsweise linear, formuliert ist.
Verfahren nach einem der Ansprüche 1 bis 9 dadurch gekennzeichnet, daß das Abhangigkeitsmodell als neuronales Netz (semantic network, neural network) ausgestaltet ist.
Verfahren nach einem der Ansprüche 1 bis 11 Kennzeichen: von mehr als drei gemessenen einstellbaren Einflußgrößen werden diejenigen (zwei oder drei) Einflußgrößen bzw. Analysewerte für das Modell ausgewählt, deren Meßwerte bzw. Analysewerte einen Bereich mit der größten linearen Erstreckung einnehmen, und welche demnach hinsichtlich ihrer gegenseitigen Abhängigkeit und/ oder ihrer Auswirkung auf die Kenngrößen die größte Bedeutung haben.
Verfahren nach einem der Ansprüche 1 bis 12 Kennzeichen: daß die Anzahl der gemessenen Produktionsparameter dadurch auf die Anzahl der das Modell eingehenden Modellparameter reduziert wird, daß zwei gemessene, von einander abhängigen Produktionsparametern (Kenngrößen, welche ein Maß für die Qualität und/ oder Quantität des Produktes oder des Produktionsprozesses sind, od Einflußgrößen, welche die in dem Produktionsprozess erzielbaren Kenngrößen beeinflussen) in ein Koordinatensystem transformiert werden, dessen eine Achse in Richtung der größten linearen Erstreckung, insbesondere auf dem Mittelwert oder d Medianwert, desjenigen Bereichs liegt, in welchem die Meßwerte bzw. Analysewert liegen, so daß, die Werte dieser Achse den Ersatzparameter für das Paar von Produktionsparamefern dient, daß dieses Verfahren erforderlichenfalls auch mit anderen Paaren abhängiger Produktionsparameter und/oder abhängiger Produktionsparameter und Ersatzparameter wiederholt wird, und daß die verbliebenen Ersatzparameter als Modellparameter in das Modell eingehen.
Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, daß
Das Modell nicht mehr als drei-dimensional ist, wobei das Modell dadurch erstellt wi daß die Meßwerte bzw. die daraus gewonnenen Analysewerte in ein zwei- oder dreidimensionales Koordinatensystem transformiert werden, dessen Hauptachsen jeweils in Richtung der größten linearen Erstreckung, insbesondere auf dem Mittelw oder dem Medianwert, derjenigen (zwei oder drei) Bereiche liegen, in welchen die Meßwerte bzw. Analysewerte der ausgewählten zwei oder drei Einflußgrößen lieg
Verfahren nach einem der Ansprüche 1 bis 14 dadurch gekennzeichnet, daß in dem Modell die gegenseitigen Abhängigkeiten der Einflussgrößen untereinander und/ oder die gegenseitigen Abhängigkeiten zwischen den Einflußgrößen und den Kenngrößen durch Auswerten von laufend oder zeitweilig anfallenden Meßdaten de realen Prozessen korrigiert, ergänzt oder in sonstiger Weise fortgeschriebeπ werden vorzugsweise laufend selbsttätig fortgeschrieben werden.
PCT/EP2001/009414 2000-08-17 2001-08-15 Verfahren zur durchführung eines automatisierten produktionsprozesses Ceased WO2002014967A2 (de)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE10040731A DE10040731A1 (de) 2000-08-17 2000-08-17 Verfahren zur Durchführung eines automatisierten Produktionsprozesses
DE10040731.5 2000-08-17
DE10057346.0 2000-11-19
DE10057346 2000-11-19

Publications (2)

Publication Number Publication Date
WO2002014967A2 true WO2002014967A2 (de) 2002-02-21
WO2002014967A3 WO2002014967A3 (de) 2002-12-27

Family

ID=26006755

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2001/009414 Ceased WO2002014967A2 (de) 2000-08-17 2001-08-15 Verfahren zur durchführung eines automatisierten produktionsprozesses

Country Status (1)

Country Link
WO (1) WO2002014967A2 (de)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004046217A1 (de) * 2004-09-22 2006-04-06 Daimlerchrysler Ag Verfahren zur Analyse eines Produktionssystems
DE102005006575A1 (de) * 2005-02-11 2006-09-07 Battenberg, Günther System zum Erfassen und Bewerten bedienungsabhängiger Vorgänge und/oder Komponenten in automatischen Produktions- und Prüfabläufen
DE10208044B4 (de) * 2002-02-25 2008-10-09 Infineon Technologies Ag Verfahren und Anordnung zum Überwachen eines Herstellungsprozesses
CN110873699A (zh) * 2018-08-30 2020-03-10 广东生益科技股份有限公司 粘结片的在线质量控制方法、装置、系统和存储介质
CN111615672A (zh) * 2018-01-15 2020-09-01 科思创德国股份有限公司 用于改进化学品生产过程的方法
WO2021094272A1 (de) * 2019-11-14 2021-05-20 Sms Group Gmbh Verfahren und system zur ermittlung von zusammenhängen zwischen erfassten produktfehlern und erfassten zustandsvariablen einer produktionsanlage
CN113303489A (zh) * 2021-06-02 2021-08-27 红云红河烟草(集团)有限责任公司 一种制丝过程烟叶水分准确控制的方法
US11308245B2 (en) 2019-01-08 2022-04-19 Caterpillar Inc. Systems and methods for facilitating evaluation of characteristics related to quality

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5305221A (en) * 1990-05-04 1994-04-19 Atherton Robert W Real world modeling and control process for integrated manufacturing equipment
US5586021A (en) * 1992-03-24 1996-12-17 Texas Instruments Incorporated Method and system for production planning
US5646870A (en) * 1995-02-13 1997-07-08 Advanced Micro Devices, Inc. Method for setting and adjusting process parameters to maintain acceptable critical dimensions across each die of mass-produced semiconductor wafers
EP0901053B1 (de) * 1997-09-04 2003-06-04 Rijksuniversiteit te Groningen Methode zur Modellierung und/oder Steuerung eines Herstellungsverfahrens, die ein neuronales Netz anwendet und Regler für ein Herstellungsverfahren

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10208044B4 (de) * 2002-02-25 2008-10-09 Infineon Technologies Ag Verfahren und Anordnung zum Überwachen eines Herstellungsprozesses
DE10208044B8 (de) * 2002-02-25 2009-01-22 Infineon Technologies Ag Verfahren und Anordnung zum Überwachen eines Herstellungsprozesses
DE102004046217A1 (de) * 2004-09-22 2006-04-06 Daimlerchrysler Ag Verfahren zur Analyse eines Produktionssystems
DE102005006575A1 (de) * 2005-02-11 2006-09-07 Battenberg, Günther System zum Erfassen und Bewerten bedienungsabhängiger Vorgänge und/oder Komponenten in automatischen Produktions- und Prüfabläufen
CN111615672A (zh) * 2018-01-15 2020-09-01 科思创德国股份有限公司 用于改进化学品生产过程的方法
CN110873699A (zh) * 2018-08-30 2020-03-10 广东生益科技股份有限公司 粘结片的在线质量控制方法、装置、系统和存储介质
US11308245B2 (en) 2019-01-08 2022-04-19 Caterpillar Inc. Systems and methods for facilitating evaluation of characteristics related to quality
WO2021094272A1 (de) * 2019-11-14 2021-05-20 Sms Group Gmbh Verfahren und system zur ermittlung von zusammenhängen zwischen erfassten produktfehlern und erfassten zustandsvariablen einer produktionsanlage
CN113303489A (zh) * 2021-06-02 2021-08-27 红云红河烟草(集团)有限责任公司 一种制丝过程烟叶水分准确控制的方法
CN113303489B (zh) * 2021-06-02 2022-08-12 红云红河烟草(集团)有限责任公司 一种制丝过程烟叶水分准确控制的方法

Also Published As

Publication number Publication date
WO2002014967A3 (de) 2002-12-27

Similar Documents

Publication Publication Date Title
DE69431822T2 (de) Vorrichtung und Verfahren für eine modellbasierende Prozesssteuerung
DE102018106808B4 (de) Zustandsbestimmungsvorrichtung
DE60309002T2 (de) Herstellungsentwurfs- und prozessanalysesystem
DE112011101738B4 (de) Mehrstufiges Prozessmodellierungsverfahren
DE10362408B3 (de) Integrierte modellbasierte prädikative Steuerung und Optimierung innerhalb eines Prozesssteuerungssystems
DE10012258B4 (de) Selbst-Abstimmung in einer verteilten Prozeß-Regelumgebung
DE19743600B4 (de) Verfahren zur Überwachung eines zyklischen Produktionsprozesses
DE10341764A1 (de) Integrierte Modell-Vorhersagesteuerung und -Optimierung innerhalb eines Prozesssteuerungssystems
EP3279756B1 (de) Diagnoseeinrichtung und verfahren zur überwachung des betriebs einer technischen anlage
DE102004042813A1 (de) Alarmmanagementsystem
DE102015107436A1 (de) Lernfähige Bahnsteuerung
WO2015082669A1 (de) Computer-implementiertes verfahren und system zur automatischen überwachung und statusermittlung ganzer prozessabschnitte in einer process unit
DE19518804A1 (de) Verfahren zur Überwachung eines Produktionsprozesses
DE102020116210A1 (de) Parameterverwaltungsvorrichtung und Parameterverwaltungssystem
WO2002014967A2 (de) Verfahren zur durchführung eines automatisierten produktionsprozesses
WO2004021229A1 (de) Verfahren und vorrichtung zur prozessoptimierung
DE102017222899A1 (de) Verfahren, Vorrichtung und Computerprogrammprodukt zum Betreiben von Betriebseinheiten
EP3731043A1 (de) Verfahren zur sicherheitsbeurteilung, computerprogramm, maschinenlesbares speichermedium und sicherheitsbeurteilungseinrichtung
DE10040731A1 (de) Verfahren zur Durchführung eines automatisierten Produktionsprozesses
WO2019076785A1 (de) Verfahren und vorrichtung zur regelung eines prozesses innerhalb eines systems, insbesondere eines mahlprozesses in einer mahlvorrichtung
AT522639B1 (de) Vorrichtung und Verfahren zum Visualisieren oder Beurteilen eines Prozesszustandes
DE102017116788A1 (de) Roboter-Steuerungsvorrichtung und Verfahren zur Steuerung derselben
DE112018007197T5 (de) Lernverarbeitunsgerät, datenanalysegerät, analyseprozedur-auswahlverfahren und analyseprozedurauswahlprogramm
EP4130656B1 (de) Vorbereitung der auswertung von stichproben von messwerten einer messgrösse aus einer vermessung einer vielzahl von werkstücken durch ein oder mehrere koordinatenmessgeräte
DE102022127260A1 (de) Prozesskennzahlermittlung

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A2

Designated state(s): US

AL Designated countries for regional patents

Kind code of ref document: A2

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR

121 Ep: the epo has been informed by wipo that ep was designated in this application
AK Designated states

Kind code of ref document: A3

Designated state(s): US

AL Designated countries for regional patents

Kind code of ref document: A3

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE TR

122 Ep: pct application non-entry in european phase