[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

权利要求书

1.一种指示制造过程的故障的计算机实现的方法，包括以下步骤：

a)接收(l)基于借助于至少一个传感器(S1..S4)在所述制造过程期间监测的至少一个物理量的至少一个输入信号(I1..I5)；

b)将所接收的至少一个输入信号(I1..I5)变换(2)成至少一个参数(P1..P5)，所述至少一个参数具有与所述所接收的至少一个输入信号(I1..I5)不同的域和/或不同的参考值；

c)借助于机器学习系统MLS基于所述至少一个参数(P1..P5)导出(3)潜在特征(LF)，在基于指示所述制造过程的特定状态的所述至少一个参数(P1..P5)来导出所述潜在特征(LF)方面训练所述机器学习系统；

d)将所导出的潜在特征(LF)映射(4)到二维2D群集空间中多个不同群集(C1..C3)中的一者，其中，所述群集(C1..C3)表示所述制造过程的不同状态；以及

e)可选地(5)基于所述制造过程的不同状态来指示所述制造过程的故障。

2.根据权利要求1所述的计算机实现的方法，其中，至少一个被监测的物理量是压机(40)的压制力(F)并且至少一个生成的输入信号(I1..I5)是随时间变化的力信号，并且其中，压制的工件中的故障被指示为所述制造过程的故障。

3.根据权利要求2所述的计算机实现的方法，其中，所述被监测的压制力(F)是所述压机(40)的柱塞(41)的力和/或所述压机(40)的模具(42)上的力。

4.根据前述权利要求中的任一项所述的计算机实现的方法，其中，通过选择所述信号(I1..I5)的预定时间片和/或数据清理和/或归一化和/或中心化来变换所接收的至少一个输入信号(I1..I5)。

5.根据前述权利要求中的任一项所述的计算机实现的方法，其中，所述MLS是神经网络NN，优选地是深度NN，并且最优选地是卷积NN。

6.根据前述权利要求中的任一项所述的计算机实现的方法，其中，所述MLS被部署在基于云的系统上或在进行所述制造过程的场所的本地计算机系统上。

7.根据前述权利要求中的任一项所述的计算机实现的方法，其中，t分布随机邻域嵌入t-SNE方法被用于将所导出的潜在特征(LF)映射到所述多个不同群集(C1..C3)中的一者中。

8.一种用于指示制造过程的故障的数据处理系统(10)，包括用于执行根据前述权利要求中的任一项所述的方法的步骤的装置。

9.一种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，所述指令使所述计算机执行根据权利要求1至7中任一项所述的方法的步骤。

10.一种制造系统(30)，包括：

-根据权利要求8所述的数据处理系统(10)；以及

-至少一个传感器(S1，S2，S3，S4)，其通过在进行制造过程期间监测至少一个物理量来生成至少一个输入信号(I1..I5)，

其中，所生成的至少一个输入信号(I1..I5)被提供给所述数据处理系统(10)。

11.根据权利要求10所述的制造系统(30)，还包括压机(40)，其中，所述至少一个传感器(S1..S4)是通过监测所述压机(40)的压制力(F)来产生力信号的力传感器。

12.根据权利要求10或11所述的制造系统(30)，其中，所监测的压制力(F)是所述压机(40)的柱塞(41)的力和/或所述压机(40)的模具(42)上的力。