[发明专利]用于在生产过程期间自动检测异常工件的数据驱动方法

说明书

用于在生产过程期间检测异常工件的方法和系统，包括：针对生产过程的每个生产过程步骤计算目标工件的目标数据信号相对于针对一组参考工件的对应生产过程步骤记录的参考数据信号的至少一个偏差数据信号，其中偏差数据信号包括针对相应生产过程步骤的不同生产时间步长t或路径长度步长l的多个偏差数据样本；使用经训练的异常检测数据模型通过对至少一个计算的偏差数据信号和指示生产过程步骤的类型的过程类型指示符的数据处理来实施逐步异常检测，以便针对生产过程步骤的每个时间步长t或路径长度步长l计算相应时间步长t或路径长度步长l是异常的异常概率p；和基于计算的生产过程步骤的时间步长t或路径长度步长l的异常概率p，把目标工件和/或生产过程步骤分类（S3）为异常或非异常，其中如果目标工件和/或生产过程步骤被分类为异常，则针对用户的警告信号和/或针对生产机器的控制信号可以被自动生成。

技术领域

本发明涉及一种用于在生产过程期间自动检测异常工件的数据驱动方法，并且具体涉及一种用于由生产设施的质量控制系统自动检测异常工件的数据驱动方法。

背景技术

监控生产设施中运行中的生产的质量对于交付制造产品和保证制造产品的稳定质量是必不可少的。在大批量生产过程中，几乎不可能对交付给客户的每一个制造产品实施广泛的质量控制。在大多数情况下，实施双层级质量控制。在第一质量控制层级中，通常由机器操作员实施浅显质量控制，以得到高覆盖率，但是缺乏精度。在第二质量控制层级中，可以实施由专职人员进行的预定深度质量控制，以在较低覆盖率情况下得到高精度控制。触发第二层级控制的时间区间通常来自关于制造的产品、制造机器以及制造过程中涉及的材料的所学到的经验和教训。尽管这种常规方法几十年来是最佳实践，但它并非没有缺陷。首先，根据第二层级控制，仅存在关于受控工件的少量样本的知识。因此，必须假设，自上次预定的质量控制以来，在受控工件的少量样本上测量到的任何缺陷也可以在整个生产输出上被测量到。在这种情况下，必须获取额外的人员来搜索和控制数小时生产的工件，以找到具有观察到的缺陷的第一个制造的工件，或者如果不可行的话，被怀疑的生产过程的整个生产输出必须作为废品被丢弃。其次，深度质量控制被配备成测量预期缺陷并且是反应性的，这意味着它响应于客户反馈而进行适配。第三，常规的现有质量控制系统依赖于以下假设：工件上的非明显缺陷连续出现而不是唯一出现。第四，常规的质量控制方法是完全人为驱动的过程，其中控制的质量自然地随着个体的人的经验和热情以及其当天的情绪而变化。

发明内容

因此，本发明的目的是提供一种用于在生产过程期间自动检测异常工件的方法，该方法克服了上述缺点并提供了有效和可靠的质量控制。

根据本发明的第一方面，该目的由包括权利要求1的特征的方法实现。

根据本发明的第一方面，本发明提供了一种用于在生产过程期间自动检测异常工件的数据驱动方法，该方法包括：

针对生产过程的每个生产过程步骤计算目标工件的目标数据信号相对于针对一组参考工件的对应生产过程步骤记录的参考数据信号的至少一个偏差数据信号，

其中偏差数据信号包括针对相应生产过程步骤的不同生产时间步长t或路径长度步长l的多个偏差数据样本；

使用经训练的异常检测数据模型通过对至少一个计算的偏差数据信号和指示生产过程步骤的类型的过程类型指示符的数据处理实施逐步异常检测，以便针对生产过程步骤的每个时间步长t或路径长度步长l计算相应时间步长t或路径长度步长l是异常的异常概率p；和

基于计算的生产过程步骤的时间步长t或路径长度步长l的异常概率p，把目标工件和/或生产过程步骤分类为异常或非异常。

在根据本发明第一方面的方法的可能实施例中，生产过程步骤的测量数据被记录为基于时间步长t和/或路径长度步长l的测量数据，该测量数据具有每个目标工件和/或过程步骤不同数量的数据样本。