用于在工业生产中的质量控制的方法和系统与流程

技术特征：
1.一种用于在工业生产中的针对用来制造至少一个工件和/或产品的一个或多个生产过程的质量控制的方法，所述方法包括：
‑ꢀ
创建（s10）针对所述工件和/或产品的至少一个生产过程的学习模型（100）；
‑ꢀ
利用元学习算法（200）来对所述学习模型（100）进行训练和初始化（s20）；
‑ꢀ
利用针对所述至少一个工件和/或产品的所述至少一个生产过程的标准化数据来对所述学习模型（100）进行校准（s30）；
‑ꢀ
将针对至少一个当前制造的工件/产品的所述至少一个生产过程的当前产生的数据转交（s40）给所述学习模型（100），其中所述数据由传感器来产生；
‑ꢀ
所述学习模型（100）将所述当前产生的数据与所述标准化数据进行比较（s50）并且查明偏差；
‑ꢀ
所述学习模型（100）对所述当前产生的数据与所述标准化数据之间的偏差进行衡量（s60）；而且
‑ꢀ
所述学习模型（100）报告（s70）在当前产生的工件/产品方面存在异常。2.根据权利要求1所述的方法，其特征在于，所述学习模型（100）构造成深度神经网络。3.根据权利要求1或2所述的方法，其特征在于，所述元学习算法（200）是不可知元学习算法，所述不可知元学习算法借助于梯度法来训练所述学习模型（100）。4.根据上述权利要求中任一项所述的方法，其特征在于，在工件和/或产品和/或生产过程方面所规定的测量参量的标准化平均值被定义为计算偏差的基础。5.根据上述权利要求中任一项所述的方法，其特征在于，当前生成的数据具有数据标识符。6.根据上述权利要求中任一项所述的方法，其特征在于，所述传感器使用非光学的数据产生方法。7.根据上述权利要求中任一项所述的方法，其特征在于，如果所述偏差超过或低于所规定的极限值，则查明有异常。8.一种用于在工业生产中的针对用来制造至少一个工件和/或产品的一个或多个生产过程的质量控制的系统，所述系统包括：针对所述工件和/或产品的至少一个生产过程的学习模型（100），其中所述学习模型（100）构造为由元学习算法（200）来训练和初始化，而且其中所述学习模型（100）构造为利用针对所述至少一个工件和/或产品的至少一个生产过程的标准化数据来被校准；和一个或多个传感器，所述一个或多个传感器构造为：产生针对当前制造的工件的生产过程的当前数据并且将所述数据转交给所述学习模型（100），其中所述学习模型（100）构造为将当前产生的数据与所述标准化数据进行比较、查明偏差并且对所述当前产生的数据与所述标准化数据之间的偏差进行衡量，而且其中所述学习模型（100）报告在当前产生的工件/产品方面存在异常。9.根据权利要求8所述的系统，其特征在于，所述学习模型（100）构造成深度神经网络。10.根据权利要求8或9所述的系统，其特征在于，所述元学习算法（200）构造成不可知元学习算法，所述不可知元学习算法借助于梯度法来训练所述学习模型（100）。11.根据上述权利要求8
‑
10中任一项所述的系统，其特征在于，在工件和/或产品和/或生产过程方面所规定的测量参量的标准化平均值被定义为计算偏差的基础。
12.根据上述权利要求8
‑
11中任一项所述的系统，其特征在于，当前生成的数据具有数据标识符。13.根据上述权利要求8
‑
12中任一项所述的系统，其特征在于，所述传感器构造为使用非光学的数据产生方法。14.根据上述权利要求8
‑
13中任一项所述的系统，其特征在于，如果所述偏差超过或低于所规定的极限值，则查明有异常。15.一种计算机程序产品（300），所述计算机程序产品包含一个和/或多个可执行计算机代码（350），用于执行根据权利要求1至7中的一项或多项所述的方法。

技术总结
本发明涉及一种用于在工业生产中的针对用来制造至少一个工件和/或产品的一个或多个生产过程的质量控制的方法，该方法包括：


技术研发人员：D
受保护的技术使用者：西门子股份公司
技术研发日：2020.03.04
技术公布日：2021/10/23