虚拟检验产品的质量的方法与流程

本公开涉及工业自动化中的数据分类，并且更尤其涉及工业自动化中的质量检验系统中的数据分类的利用。在生产工厂和其它这种制造设施中，利用基于人工智能技术的分类器模型来预测提高生产过程效率或改善产品质量的信息。这些分类器通常被训练一次，然后被部署以在生产工厂中使用。例如，在质量检验系统中，这种模型用于评估在制工件的质量。

背景技术：

1、本公开涉及工业自动化中基于人工智能的数据分类模型。数据分类模型用于基于在与对象相关联的信息中反映的不同特征将对象分类成各种类别。与数据分类相关的一种这样的应用涉及生产工厂中的质量检验系统。

2、在生产工厂中，在生产操作之后对在制品进行质量检验。当前，这可以使用虚拟检验(即，使用数据分类模型)和/或物理检验(即，使用诸如x射线检验、超声检验、操作者的手动检验等的检验或测试过程)来执行。通常，物理检验需要专门的、最昂贵的机器和额外的材料处理。此外，物理检验是非增值的，增加了复杂性并延长了制造过程(与虚拟检验相比)。因此，通常优选对所有在制工件进行虚拟检验，并且仅在虚拟检验不可能时，或者随机对在制工件进行物理检验，或者在所有制造过程完成之后对最终工件进行物理检验。

3、传统上，在部署之前，使用包括与已知故障类别相关联的数据的历史数据来训练这种数据分类模型。然而，如果在生产期间识别出新的故障类别，则需要扩展所部署的分类器以考虑这些新类别。特别是随着生产工厂灵活性的增加，这可能成为主要挑战。因此，需要一种解决上述问题的方法和设备。

技术实现思路

1、本公开描述了解决上述方面的根据权利要求1的方法、根据权利要求7的虚拟检验设备和根据权利要求8的非瞬态存储介质。

2、因此，本公开描述了一种使用一个或多个分类器模型来虚拟地检验生产环境中的产品质量的方法。方法包括：接收与产品相关联的生产信息，其中生产信息指示关于生产环境的第一过程对产品执行的操作；基于所接收的与产品相关联的信息使用第一分类器模型来确定产品的标签；将所确定的标签与检验数据进行比较，其中检验数据与产品的检验相关联；以及基于所确定的标签与检验数据的比较，将与产品相关联的生产信息和检验数据存储在扩展缓冲器中，用于再训练第一分类器模型。因此，本公开描述了一种将新的故障类别信息存储在扩展缓冲器中的方法，该信息然后被动态地用于再训练该模型。因此，这允许无需人工干预地再训练分类器模型。另外，这允许使用再训练的分类器模型有效和高效地检验在制物品或产品。

3、在一个示例中，第一分类器模型被配置为在扩展缓冲器中检测到预定数量的样品时，使用扩展缓冲器中存在的一个或多个样品来再训练，用于添加一个或多个新标签，来自一个或多个样品的每个样品包括与对应产品相关联的生产信息和对应检验数据。

4、在一个示例中，该方法还包括确定扩展缓冲器中的样品的数量，并且当样品数量大于预定阈值时，使用扩展缓冲器中的一个或多个样品来再训练第一分类器模型，其中来自一个或多个样品的每个样品包括与对应产品相关联的生产信息和对应检验数据。因此，本公开允许基于扩展缓冲器中的预定数量的样品进行自动再训练。因此，这允许模型的快速再训练以识别和检测新的故障类别。

5、在一个示例中，生产环境包括一个或多个过程，其中一个或多个过程中的每个过程包括要执行的一个或多个操作。在另一示例中，其中检验数据包括指示在产品检验期间确定的产品状况的新标签。

6、在另一方面，本公开描述了一种用于使用一个或多个分类器模型来虚拟地检验生产环境中的产品质量的虚拟检验设备。虚拟检验设备包括用于接收与产品相关联的生产信息的网络接口和连接到存储器模块的一个或多个处理器，其中生产信息指示关于生产环境的第一过程对产品执行的操作。一个或一个以上处理器经配置以基于所接收的与产品相关联的信息使用第一分类器模型来确定产品的标签，将确定的标签与检验数据进行比较，其中检验数据与产品的检验相关联，且基于确定的标签与检验数据的比较将与产品相关联的生产信息和检验数据存储在存储器模块的扩展缓冲器中，用于再训练第一分类器模型。

7、在又一方面，本公开描述了一种用于使用一个或多个分类器模型来虚拟地检验生产环境中的产品质量的非瞬态存储介质。非瞬态存储介质包括多个指令，当在一个或多个处理器上执行指令时，使一个或多个处理器基于所接收的与产品相关联的信息使用第一分类器模型来确定产品的标签，将所确定的标签与检验数据进行比较，其中检验数据与产品的检验相关联，以及将与产品相关联的生产信息和检验数据存储在扩展缓冲器中，基于所确定标签与检验数据的比较，用于再训练第一分类器模型。该方法的优点适用于本文的设备和非瞬态存储介质。这些方面在图1至图3中进一步描述。

技术特征：

1.一种使用一个或多个分类器模型(123，133)虚拟地检验生产环境(100)中的产品(110)的质量的方法(200)，所述方法(200)包括：

2.根据权利要求1所述的方法，其中，所述方法还包括确定所述扩展缓冲器(156)中的样品的数量。

3.根据权利要求1所述的方法，其中，所述生产环境包括一个或多个过程(115，125，135)，其中，来自所述一个或多个过程(115，125，135)的每个过程包括要执行的一个或多个操作。

4.根据权利要求1所述的方法，其中，生产信息包括执行所述操作之后与所述产品(110)相关联的视觉数据和与所述产品(110)相关联的所述第一过程(115)的过程数据中的至少一者。

5.一种用于使用一个或多个分类器模型(123，133)虚拟地检验生产环境(100)中的产品(110)的质量的虚拟检验设备，所述虚拟检验设备包括：

6.一种用于使用一个或多个分类器模型(123，133)虚拟地检验生产环境(100)中的产品(110)的质量的非瞬态存储介质，所述非瞬态存储介质包括多个指令，所述多个指令在一个或多个处理器上执行时使得所述一个或多个处理器：

技术总结
本公开描述了一种在生产环境中虚拟地检验产品质量的方法。方法包括：接收与产品相关联的生产信息，其中信息指示关于生产环境的第一过程对产品执行的操作，基于所接收的与产品相关联的信息使用第一分类器模型来确定产品的标签，将所确定的标签和与产品的检验相关联的检验数据进行比较，以及基于所确定标签与检验数据的比较，将与产品相关联的生产信息和检验数据存储在扩展缓冲器中，用于再训练第一分类器模型。上述方法允许存储新的故障类别信息，该信息然后被动态地用于再训练模型。因此，这允许无需人工干预地再训练分类器模型。

技术研发人员：拉尔夫·格罗斯,阿维纳什·库马尔,李想,马蒂亚斯·洛斯克,王晓峰
受保护的技术使用者：西门子股份公司
技术研发日：
技术公布日：2024/3/31