[发明专利]检查率适配

说明书

一种操作用于生产多个产品(2)的生产(1)的方法，该方法包括：根据第一检查率(R1)检查产品(2)，该检查率确定在时间段(n‑1，n，n+1)期间检查的和/或来自给定的一组产品(2)的产品的数量，其中检查产品(2)中的一者包括例如在第一数量的测试步骤中在至少一个检查站(3)出进行测试，基于检查产品(2)中的至少一者来获得测试数据(4)，为(在指定时间段期间)未完成测试的产品(2)的数量设定阈值(O1，O2)，基于设定的阈值(O1，O2)和获得的测试数据(4)来确定第二检查率(R2)，以及根据第二检查率(R2)来检查产品(2)，其中优选地，第二检查率(R1)低于第一检查率(R2)。

技术领域

用于控制生产的监视和/或测试装置。

背景技术

收集生产数据或相关联的数据收集过程是生产管理、生产计划和库存管理过程的非常完整的部分。重要的是正确地完成该过程以获得该过程的真实情况。此外，应该以有效和可靠的方式进行，以便生产工程师和管理人员对其进行分析，以了解生产工厂中发生的关于机器的过程质量、效率和整体装备效率(OEE)的情况。可以通过手工过程和文书工作或通过生产/过程管理软件系统来完成从生产过程收集数据。由于一些软件包可能价格昂贵并且实现时需要不同的传感器、PLC、继电器、计算机和控制回路系统，因此所选择的收集方法显然取决于所管理的生产过程的规模和复杂性。

根据美国专利US628146B1，用于预测性地诊断技术设施的技术工作结果的当前质量，尤其是点焊机器人的焊点的当前质量的装置和方法已经变得已知。

在实践中，确定技术设施、尤其是生产系统的产品的当前质量可能是极其困难的。与使用测量技术确定物理量相比，在许多情况下，没有可用于确定生产结果的质量参数的常见直接测量方法。在一些情况下，成功地组装高度专业化的、复杂的例如基于放射学、电磁或光学原理或其组合的测量装置。然而，很多时候，仍然需要由有经验的操作人员例如，在“质量控制”的框架内主观地确定当前的质量参数。这产生了许多缺点。首先，由有经验的操作人员进行的质量参数的确定既不是代表性的也不是可再现的。相反，此类评估甚至在短期内变化，这取决于所雇佣的操作人员和他们各自的日常状态。此外，操作人员通常仅能通过随机采样对相应装备的所选生产结果进行质量参数的评估。例如，暂时缺少或“有经验的操作人员”的变化也使得不可能防止长期的不可再现的评估变化。

其次，需要额外的费用才能够使用从操作人员的评估中获得的质量参数，沿着开环或闭环控制工程的线路，以控制变量或调整的设定点值的形式，用于影响相应技术设施的操作性能。特别是在高速、可能全自动的生产设备中，在实践中几乎不可能使从随机样本获得的特征质量值足够快速地可用来影响技术设施的操作装备。

从美国专利申请公开US 2018/0307203A1中，已知一种加工缺陷因素估计装置，该装置包括基于工件的加工表面上的检查结果来学习加工表面缺陷的发生因素的机器学习装置。机器学习装置观测来自检查装置的工件的加工面的检查结果作为状态变量，获取表示加工面缺陷的产生原因的标签数据，并以使状态变量和标签数据相关的方式学习状态变量和标签数据。

然而，人工神经网络是黑盒子，并且其决策机制对于人类而言是不可理解的。此外，需要训练人工神经网络，这又需要有可用的足够数的数据。

发明内容

本发明公开了不同的方面，在涉及检查产品时减少技术工作，并且允许容易地缩放检查工作，并且容易地在生产不同产品的生产系统之间转移。

根据第一方面，提出了一种操作用于生产多个产品的生产的方法。该方法包括根据第一检查率检查产品，该检查率确定在一段时间期间和/或从给定的一组产品中检查的产品的数量。对产品之一的检查包括例如在第一数量的测试步骤中在至少一个检查站处进行测试。该方法还包括基于对至少一个产品的检查来获得测试数据，并为(在指定时间段内)未完成测试的多个产品设定阈值。该方法还包括基于设定的阈值和获得的测试数据确定第二检查率，并根据第二检查率检查产品，其中优选地，第二检查率低于第一检查率。