用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产品缺陷原因的方法和设备与流程

1.本发明涉及一种根据权利要求1的前序部分所述的用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产品缺陷原因的方法以及一种根据权利要求14的前序部分所述的用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产品缺陷原因的设备。


背景技术：

2.在现有技术中已知的是，一方面在制造复杂的产品期间已检测以及另一方面也在制造复杂的产品之后检测关于产品状态的多个不同的测量数据并且进行统计处理。然后将这样处理的数据与目标值进行比较，以便识别有缺陷的产品。有缺陷的产品接下来可以经受缺陷分析，以便识别具体的产品缺陷以及尽可能也识别基于所述产品缺陷的产品缺陷原因。然后借助所识别的产品缺陷必要时可以引入用于产品的合适的维修措施。只要也成功识别到产品缺陷原因，就可以附加地尝试改进或者尽可能无缺陷地设计制造过程。
3.就此而言，由de4305522a1已知一种用于计算机辅助诊断由不同模块组成的技术系统的装置。该装置在第一存储器中包括关于技术系统、关于其干扰和关于其诊断可能性的信息。在第二存储器中存储有技术系统的配置。第三存储器包括用于技术系统的知识模块，其中，知识模块由第一和第二存储器的信息与由特定模块制造的技术系统相适配地生成。
4.de19507134c1公开了一种用于从集成的产品和过程模型中自动导出过程和产品技术知识的方法。在此，该方法包括在集成模型中对产品和过程的构造和功能结构进行建模，该集成模型反映产品与其开发过程之间的关系。该方法还包括对缺陷知识进行建模、对结构进行建模用以将知识模块模块化以及对结构进行建模用以将知识模块一般化。最后，该方法基于知识模块导出关于预先给定情境的知识。
5.然而，已知的方法和装置存在如下缺点，即它们在复杂的产品中(例如在车辆变速器中)由于其大量部件、大量制造步骤(这些制造步骤部分地由不同的供应商以不同的形式实施并且导致不同的中间产品特性)以及由于中间产品到整体产品的大量装配步骤而不能实现完全自动识别产品缺陷和缺陷原因。


技术实现要素：

6.本发明的目的是，提出一种改进的用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产品缺陷原因的方法。
7.根据本发明，该目的通过一种根据权利要求1的用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产品缺陷原因的方法来实现。本发明的有利的设计方案和进一步改进方案由从属权利要求得出。
8.本发明涉及一种用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产
品缺陷原因的方法，该方法包括以下步骤：
9.‑
通过多个制造步骤由多个产品元件制造产品，并且
10.‑
通过至少一个产品检验来检测n个检验信息，其中，所述n个检验信息形成n维的检验值，
11.根据本发明的方法的特征在于包括以下步骤：
12.‑
借助至少一个用于降维的检验值的统计过程实施将n维的检验值降维，
13.‑
将已降维的检验值与多个已学习的参考值进行比较，
14.‑
将已降维的检验值配属给至少一组彼此类似的参考值，并且
15.‑
根据所述配属来自动识别产品缺陷和/或产品缺陷原因。
16.因此，本发明描述了一种方法，该方法借助所检测的检验信息能够自动实现识别产品的产品缺陷或者说产品缺陷的产品缺陷原因。在此，产品本身也可以相对复杂地构造并且由多个单独的产品元件组成，这些产品元件又在多个制造步骤中被接合成完成的产品。例如，产品可以是车辆变速器，该车辆变速器由数百个单独的产品元件组成，其中，所述产品元件在大量的制造步骤中在一个或多个制造站或制造设备上被接合或加工。有利地，将描述产品的确定特性的所有检验信息作为n维的检验值进行处理。也就是说，对于产品的每个所检验的特性产生自己的n维的检验值。可替代地优选地，将描述产品的多个或所有特性的所有检验信息作为唯一的n维的检验值进行处理。因此，所述n维的检验值可以仅描述一个特定特性(例如一个声学特性)，也可以同样描述产品的多个或所有特性。此外，由于所述多个检测的检验信息中的表示维数的值n可明显高于106的值，因此实施降维。常见的用于降维的统计过程在现有技术中是已知的，尤其是由所谓的描述性统计的领域已知。在本发明的范围内优选的这种类型的统计过程是所谓的t分布式“随机邻域嵌入(stochastic neighbor embedding)”(简称t
‑
sne)，其也考虑了相对复杂的数据关系。通过将已降维的检验值与多个已学习的参考值进行比较，然后例如可以借助检验值与参考值的相似性将检验值配属给一组同样彼此类似的参考值。在此，每组参考值对应于一个或多个产品缺陷或产品缺陷原因。另一组对应于无缺陷的产品。例如，一组参考值可以对应于“由产品缺陷原因y引起的产品缺陷x”。然后，将检验值成功地配属给这样参考值组能够实现识别相应所基于的产品缺陷或者相应所基于的产品缺陷原因。也就是说，检验值或参考值的降维导致形成检验值或参考值的组，它们在相同或类似的产品缺陷以及相同或类似的产品缺陷原因的意义上彼此具有相似性。因此，通过配属于参考值的这些组中的一个可以实现对产品缺陷或产品缺陷原因的识别。
17.因此，根据本发明的方法实现以下优点，即以相对简单的方式并且尤其是自动能够实现对复杂的产品完全地或至少尽可能完全地检验产品缺陷。这因此能够实现简单地或可能甚至自动地决策要如何继续处理有缺陷的产品，维修是否可行并且在经济上合理或者是否有缺陷的产品必须被输送给处理。同时也可以自动求取在每种情况下确定的产品缺陷所基于的产品缺陷原因，从而在此同样能以相对简单的方式并且尤其是自动检验相应的制造步骤，尤其是当所基于的产品缺陷较频繁出现时。
18.根据本发明的一种优选的实施方式规定，在学习时将所述多个参考值根据产品缺陷和/或产品缺陷原因进行分类。这意味着，将各个特定的产品缺陷或产品缺陷原因分别配属给参考值。通过将检验值与参考值以及配属于参考值的产品缺陷或产品缺陷原因进行比
较，然后例如可以根据检验值与一个或多个参考值(尤其是与一组参考值)的相似性推断出产品缺陷或产品缺陷原因。
19.优选地，通过人类操作者手动将参考值根据产品缺陷或者产品缺陷原因进行分类，其方式为在其特定的产品缺陷和(只要可确定)产品缺陷原因方面手动地检查有缺陷的产品。这些确定的产品缺陷或者说产品缺陷原因则可被手动配属给检验信息并且因此被配属给这些产品的检验值。随后，这样分类的检验值被用作根据本发明的方法的参考值。
20.在此也可行并且优选的是，一个参考值描述多于仅一个产品缺陷，因为在产品上也可以同时出现多于仅一个产品缺陷。只要不能明确地识别具体的产品缺陷，也可以给出具体的产品缺陷或一系列其它可能的产品缺陷存在的概率。例如，如果已降维的检验值(必要时在考虑公差的情况下)可被配属给多于仅一组参考值，则是这种情况。
21.同样地，只要不能明确地识别具体的产品缺陷，则可能的产品缺陷原因也可以设有确定的概率。
22.根据本发明的另一种优选实施方式规定，按照距离矩阵进行所述配属。所述距离矩阵显示在检验值与不同的参考值或不同组的参考值之间的间距。根据检验值与不同的参考值或不同组的参考值的间距有多大，可以确定检验值与相应的参考值或相应组的参考值的较大或较小的相似性。在此，距离矩阵也可以包含确定的公差，在所述确定的公差内确定一定程度的相似性。这即使在仅有很小的相似性的情况下也能实现对检验值的可靠配属。
23.根据本发明的另一种优选的实施方式规定，将所述参考值借助所述至少一个统计过程降维到与已降维的检验值相同的维数。由此得到的优点是，基于相同的维数给出了检验值与参考值或参考值组的优化的可比性。
24.在此，为了参考值的降维，优选采用与用于检验值的降维相同的统计过程。这也实现检验值与参考值或参考值组的尽可能优化的可比性。
25.此外优选的是，参考值在其学习时已经借助统计过程降维或者甚至在其学习之前借助统计过程降维。
26.根据本发明的另一种优选实施方式规定，所述已降维的检验值具有至少100个维度。该维度值在实践中已被证明是一方面在检验信息的信息多样性与另一方面在计算能力技术上的可操作性之间的好的折衷。
27.尤其是规定，所述已降维的检验值具有至少300个维度。这虽然需要采用相对强大的处理器，但是同时也能够实现与参考值或参考值组的相对多样化的且详细的比较，这又允许相对精确且可靠地识别最不同的产品缺陷和产品缺陷原因。
28.替代地优选规定，所述已降维的检验值具有恰好两个维度。这能够实现图形显示到用于人类操作者的传统监视器或每个传统的二维显示器上。然而，通过考虑合适的统计过程，可以实现二维检验值与参考值组的可靠的且特别是有说服力的比较。也能够可靠地形成参考值组。还应当再一次强调，通过将检验值以及优选参考值降低到两个维度，不是删除或不考虑超出两个维度的维度信息，而是将所有这些维度的特性投影到仍存在的两个维度上，而且反映在检验值的二维显示中以及有利地也反映参考值。
29.根据本发明的另一种优选实施方式规定，提供所述多个产品元件相对于产品的可配属性和/或所述产品关于所有制造步骤的可追溯性。在此，在本发明的意义上，将所述产品相对于所述多个产品元件品的可配属性理解为，即使在产品制成之后仍然可以追踪哪些
单独的产品元件用于制造该产品并且现在是该产品的组成部分。这例如可以通过相应的文档记录完成并且前提是每个产品元件相应地被单独标记。例如，所述产品元件可以是在制造的范围内被接合成车辆变速器(即产品)的齿轮。通过现在提供将各个齿轮配属给车辆变速器的可配属性，在变速器制造完成之后也可追踪来自哪个批次和哪个供应商的哪些齿轮已经被安装在变速器的哪个部位上。在此，在本发明的意义上，产品关于所有制造步骤的可追溯性被理解为，即使在产品制成之后仍可追踪哪些单独的制造站在何时在该产品上实施了哪些制造步骤。这例如也可以通过相应的文档记录完成，其中，为此的前提条件是产品的相应单独的标记。为了保留在上面已经提到的变速器和齿轮的示例，借助变速器的可追溯性例如在该变速器完成之后也还可追踪所有的制造步骤，哪个制造站在何时将哪个齿轮装入到该变速器中。
30.由此得到的优点是，在识别出的产品缺陷和必要时识别出的产品缺陷原因的情况下可以得到结论，优选可自动推断出哪个产品元件引起了该产品缺陷并且在哪个制造站上形成了该产品缺陷。在相同的产品缺陷或相同的产品缺陷原因在相对短的时间段中经常发生的情况下，则必要时可以分拣相应批次的产品元件或者可以检查或维护相应的制造站。
31.制造站优选构造用于部分自主地或完全自主地实施一个或多个与其相配属的制造步骤。
32.根据本发明的另一种优选的实施方式规定，在考虑所识别的产品缺陷和产品缺陷原因的情况下进行对产品的制造过程的控制。由此得到的优点是，可以将所识别出的产品缺陷以及也将所识别出的产品缺陷原因用于这样控制所述制造过程，从而可以在制造其它产品时避免所识别出的产品缺陷以及所识别出的产品缺陷原因。例如，如果一批产品元件导致产品缺陷的经常发生，则可以将其分拣出。同样，当由一个制造站实施的制造步骤导致产品缺陷的经常发生时，可以将该制造站进行检查。在后一种情况下，产品缺陷是否是由于相应的制造站的错误实施的制造步骤作为产品缺陷原因而引起的，或者在制造站上安装的产品元件是否是缺陷的在此是不重要的，因此产品缺陷原因与所实施的制造步骤无关。
33.根据本发明的另一种优选的实施方式规定，检测声学信息、机械信息和/或电信息作为检验信息。由此得到的优点是，能够实现尽可能与相应的产品适配的并且同时尽可能全面的检验。在此，声学信息是在确定的试验过程中关于声学特性、即噪声排放的信息。例如，构造成用于车辆的变速器的产品能够以不同的转速在预先给定的转速谱中运行并且在此分别检测和分析声学特性。这也能够实现对变速器的机械特性的比较简单且快速但仍广泛的检查，因为尤其是机械的产品缺陷在声学上更容易被发现。因此也可以识别出机械的产品缺陷原因，例如有缺陷的螺纹连接。电信息不仅可以描述产品的纯粹的电导率和电阻，而且可以描述电子诊断信息，所述电子诊断信息例如可以由产品的微控制器提供并且在检验的范围内被读取。机械功能又可以是例如机械功能性，如在构造成变速器的产品中实施换挡，但也可以是机械效率，以便虽然识别原则上起作用的、但具有缺陷的低效率的产品。
34.根据本发明的另一种优选的实施方式规定，借助所识别的产品缺陷确定产品的维修措施以及产品的维修措施的成功概率和/或成本耗费和/或时间耗费。优选地，这同样自动进行。关于必要的维修措施，然后可以在考虑到所属的成功概率、成本耗费或者时间耗费的情况下自动决定或者可以向人类操作者显示相应的信息，然后该人类操作者可以做出相应的决定。有利地，对于每个识别出的产品缺陷在数据库中存储有记录项，是否能够并且必
要时哪种类型的维修措施能够用于消除识别出的产品缺陷。在考虑到同样有利地存储在数据库中的关于维修措施的成功概率或成本耗费或时间耗费的信息的情况下，可以决定是否应该进行维修或维修尝试，或者这在经济上是否是没有意义的并且产品是否必须相应地被输送给处理。只要对于特定的、识别出的产品缺陷不存在相应的数据库记录项，则优选从现有的用于类似的产品缺陷的数据库记录项自动导出必要的维修措施以及维修措施的成功概率、成本耗费和时间耗费。
35.尤其优选的是，在实际实施的维修的范围内验证或纠正所推导出的维修措施以及与其相关联的维修措施的成功概率、成本耗费和时间耗费。经验证的或经纠正的信息因此可以有利地被传送到数据库中。
36.根据本发明的另一种优选的实施方式规定，所述方法自动适配于多个产品。由此，有利地得到根据本发明的方法的广泛的可用性。在本方法的范围内，例如可以自动识别涉及哪个产品，或者也可以例如由人类操作者手动输入涉及哪个产品。随后，可以借助预先给定的或输入的产品确定，应该通过哪个检验台检测哪些检验信息，并且应该基于哪个距离矩阵将所述检验信息与哪些参考值组进行比较。用于n维检验值的降维的统计过程优选地也按照相应要检验的产品来选择，因为每个产品由于其不同的特性而可以具有不同的检验重点。
37.根据本发明的另一种优选的实施方式规定，自动输出关于已识别的产品缺陷和/或产品缺陷原因和/或产品维修的成功概率和/或成本耗费和/或时间耗费的通知。优选地，向人类操作者、尤其是向制造产品的制造设备的监督人员或向检验该产品的至少一个检验台的监督人员输出所述通知。该通知可以附加地或替代地被输出给更高级别的位置，例如输出给企业的控制区域，该企业制造或检查产品。
38.优选地，该通知被实时输出。此外，在特定的时间段内，例如在每天结束时、在每周结束时、在每个月结束时或者在每年结束时可以输出所有通知的概要。
39.根据本发明的另一种优选的实施方式规定，所述方法由基于知识的人工智能来实施，其中，所述人工智能本身是再训练的。基于知识的人工智能是一种系统，该系统可以有利地被用于对出现的问题提出或提出问题提供回复，所述回复基于形式化的专业知识和随后的逻辑推论形成。为此，人工智能优选具有大规模的数据库，所述数据库尤其是包含大量的参考值。优选地，人工智能自身进行再训练，其方式为人工智能获得关于由其识别的产品缺陷和产品缺陷原因的准确性以及必要时关于维修的成功概率、成本耗费或时间耗费的信息。然后，向人工智能提供反馈的信息有利地作为参考值由人工智能存储在数据库中并且被考虑用于将来的检验。由此，逐步实现了对所有可能的产品缺陷和产品缺陷原因的越来越可靠的识别。
40.根据本发明的另一种优选的实施方式规定，在制成所述产品之后实施所述方法。由此得到的优点是，可以顺利地且尤其是在对于检验过程而言没有中断的情况下实施制成所述产品。代替于此，根据本发明的方法能够实现即使在制成产品之后也能可靠地检验并且识别尤其所有可能的产品缺陷和产品缺陷原因。
41.本发明还涉及一种用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产品缺陷原因的设备，所述设备包括如下装置，该装置
42.‑
用于通过多个制造步骤由多个产品元件制造产品，并且
43.‑
用于通过至少一个产品检验检测n个检验信息，其中，所述n个检验信息形成n维的检验值，
44.根据本发明的设备的特征在于包括如下装置，该装置
45.‑
用于借助至少一个用于降维的检验值的统计过程实施将n维的检验值降维，
46.‑
用于将已降维的检验值与多个已学习的参考值进行比较，
47.‑
用于将已降维的检验值配属给至少一组彼此类似的参考值，并且
48.‑
用于根据所述配属来自动识别产品缺陷和/或产品缺陷原因。
49.因此，根据本发明的设备有利地包括所有用于实施根据本发明的方法所需的装置。
50.优选地，该设备包括至少一个制造站，在该制造站上通过所述多个制造步骤由所述多个产品元件制造所述产品。所述至少一个制造站优选构造成部分自主的或完全自主的并且由所述设备通过合适的软件方法来控制。
51.优选地，该设备还包括至少一个检验台，在所述检验台上检测n个检验信息。所述至少一个检验台优选构造成部分自主的或完全自主的并且由所述设备通过合适的软件方法来控制。
52.同样优选地，该设备还包括电子计算装置，例如以合适的微处理器、工作存储器和只读存储器的形式，用以实施n维的检验值的降维、用以比较已降维的检验值、用以配属已降维的检验值并且用以根据相应地设计的软件算法自动识别产品缺陷和/或产品缺陷原因。
53.此外，该设备优选还包括用于向人类操作者输出通知的输出装置，例如诸如监视器和报警信号灯的可视显示器、诸如扬声器的可听输出装置以及诸如连接到电子邮件系统的通信系统的连接。因此，该设备例如可以视觉地和听觉地发出通知或者通过电子邮件发送通知。也可设想将该设备连接到专有通信系统上，该通信系统例如能够类似于电子邮件系统发送通知，但是仅仅在没有连接至互联网的内部网络上运行。
54.根据本发明的一种优选的实施方式规定，该设备构造用于实施根据本发明的方法。由此得到已经结合根据本发明的方法所描述的优点。
附图说明
55.下面借助在附图中示出的实施方式示例性地阐述本发明。
56.在附图中：
57.图1示例性且示意性地示出产品的制造过程，
58.图2示例性示出相对于现有技术中常见的比较过程而言通过根据本发明的方法可实现的简化，
59.图3以表格的形式示例性且示意性地示出产品的不同变型方案以及与其相关联的参考值组，
60.图4示例性且示意性地示出多组参考值，以及
61.图5以流程图的形式示例性地示出根据本发明的用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产品缺陷原因的方法的一种可行的实施方式。
具体实施方式
62.相同的对象、功能单元和类似的部件在所有附图中用相同的附图标记表示。这些对象、功能单元和类似的部件在其技术特征方面相同地实施，除非从说明书中明确地或者隐含地另有说明。
63.图1示例性且示意性地示出产品的制造过程以及伴随其发生的对产品的产品缺陷的识别和对所基于的产品缺陷原因的识别的复杂性。在示例性示出的制造过程的范围内，例如制造构造成车辆变速器1、2、3的产品1、2、3的三个不同的变型方案1、2、3。车辆变速器1、2、3分别由多个产品元件4、5、6、7、8、9、10、11、12、13、14、15、16、17、18在多个制造步骤中制造，其中，供应第一部分产品元件4、5、6、7、8并且本身制造第二部分产品元件9、10、11、12、13、14、15、16、17、18。在此，所供应的产品元件4、5、6、7、8以及本身制造的产品元件9、10、11、12、13、14、15、16、17、18都可能具有产品缺陷。例如，所供应的产品元件5和本身制造的产品元件13分别具有一个产品缺陷。在第一装配步骤(例如预装配)中，将多个产品元件4、5、6、7、8、9、10、11、12、13、14、15、16、17、18接合成结构组合件19、20、21、22、23。根据图1的示例，在结构组合件20的组装期间产生产品缺陷。结构组合件19、20、21、22、23然后在另一个装配步骤(例如最终装配)中被接合成完整的产品1、2、3，即车辆变速器1、2、3，其中，车辆变速器1和2例如以比车辆变速器3更多的件数来生产。也例如，在最终装配车辆变速器3时产生产品缺陷。在最终装配之后，按照根据本发明的方法检查车辆变速器1、2、3，以便自动识别产品的产品缺陷和/或自动识别产品缺陷的产品缺陷原因。根据本发明的方法的优点尤其是在于，首先检查完全装配的产品1、2、3，即车辆变速器1、2、3，并且不必在每个装配步骤之后或者说在供应或制造所述多个产品元件4、5、6、7、8、9、10、11、12、13、14、15、16、17、18之后进行一系列单个检查。根据本发明的方法包括以下步骤：
64.‑
通过多个制造步骤由多个产品元件4、5、6、7、8、9、10、11、12、13、14、15、16、17、18制造产品1、2、3，并且
65.‑
通过至少一个产品检验来检测n个检验信息，其中，n个检验信息形成n维的检验值，
66.‑
借助至少一个用于降维检验值的统计过程实施将n维的检验值降维，
67.‑
将已降维的检验值与多个已学习的参考值进行比较，
68.‑
将已降维的检验值配属给至少一组彼此类似的参考值，并且
69.‑
借助所述配属来自动识别产品缺陷和/或产品缺陷原因。
70.由此，在完全制造产品1、2、3之后不仅能够可靠地识别存在的产品缺陷而且能够可靠地识别基于所述产品缺陷的产品缺陷原因。根据图1的实施例，车辆变速器1、2、3经受声学检验，其中，检测总共170
·
106个检验信息。借助所述统计过程，现在将170
·
106个维度的检验值降维到已降维的检验值，即例如1200个维度的检验值。例如示出，车辆变速器1、两个车辆变速器2和车辆变速器3分别具有一个产品缺陷。此外，通过根据本发明的方法示出，车辆变速器1的产品缺陷源于供应的有缺陷的产品元件5作为产品缺陷原因。两个车辆变速器2的产品缺陷一次源于有缺陷的自身制造的产品元件13以及源于结构组合件0的有缺陷的预装配作为产品缺陷原因。最后，在车辆变速器3的产品缺陷的情况下示出，该产品缺陷源于车辆变速器3的有缺陷的最终装配。
71.图2以流程图的形式示例性示出相对于现有技术中常见的比较过程而言通过根据
本发明的方法可实现的简化。在此，已知的方法在图2上方示出，根据本发明的方法在图2下方示出。根据现有技术，在方法步骤30中首先识别产品1、2、3的产品缺陷。这也在根据本发明的方法的范围内在步骤30中进行。为了识别产品缺陷的原因，现在根据现有技术在步骤31中由专业人员拆卸所述产品并且在步骤32中单独评估所述多个产品元件4、5、6、7、8、9、10、11、12、13、14、15、16、17、18并且分析缺陷，这与相对高的时间耗费和相应的成本耗费相关联。高的时间耗费尤其是也由于必须实施大量单独测试以便识别产品缺陷原因而引起。在步骤33中才作为所述多个产品元件4、5、6、7、8、9、10、11、12、13、14、15、16、17、18的评估和分析的结果来识别产品缺陷原因。而根据本发明的方法通过将已降维的检验值与多组已学习的参考值进行比较能够实现不仅在步骤30中自动识别产品缺陷而且在步骤33中自动识别产品缺陷原因。通过已降维的检验值尽管借助至少一个统计过程降维仍然总是由全部n个检验信息表征，即与相应的参考值组具有相似性，可通过随后将已降维的检验值配属给至少一组彼此类似的参考值最后识别产品缺陷原因。因此，相对于现有技术中常见的方法而言能够实现明显节省时间耗费和成本耗费。
72.图3示例性且示意性地以表格的形式示出产品40、41、42、43、44、45的不同变型方案40、41、42、43、44、45以及与其相配属的参考值46、47、48、49、50的组，将所述检验值与所述参考值进行比较，以便能够实现配属关系。在此，参考值46、47、48、49、50的组分别描述了不同的技术特征或者说特性，所述技术特征或者说特性对于产品40、41、42、43、44、45的多个或所有变型方案40、41、42、43、44、45可以是相同的。对相应的要检验的变型方案40、41、42、43、44、45和相应要考虑的参考值46、47、48、49、50的组的识别在此自动地进行。由此，在存在产品40、41、42、43、44、45的不同变型方案40、41、42、43、44、45的情况下也能以简单的方式实施根据本发明的用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产品缺陷原因的方法。
73.图4示例性且示意性地示出多个参考值组51、52、53、54、55、56、57、58、59、60，所述多组参考值借助至少一个统计过程分别降维到二维。在此，所述参考值也在其二维示图中通过所有在至少一个统计过程中考虑的维度或者说检验信息来表征，因此描述类似的产品特性或者说产品缺陷的参考值分类成组51、52、53、54、55、56、57、58、59、60。x轴和y轴分别不具有单位，因为通过降维反正不用考虑单位。参考值之间或者说参考值组之间的相似性仅仅通过其在坐标系中的相应的间隔来表示。例如，参考值组51表示构造成车辆变速器的产品的有缺陷的离合器回位器。在参考值组51的情况下产品缺陷原因是在装配时无意地未装入的机械回位弹簧。如果现在也降维到两个维度的检验值可以通过其接近组51而配属于该组51，则由此可识别出，那个作为检验值来源的车辆变速器也包括有缺陷的离合器回位器，其中，回位弹簧不小心没有装配。组52例如是完全符合功能的并且无缺陷的变速器。其它组53、54、55、56、57、58、59、60分别表示其它特定的产品缺陷以及其所基于的产品缺陷原因。
74.图5以流程图的形式示例性地示出根据本发明的用于自动识别产品的产品缺陷和/或用于自动识别产品缺陷的产品缺陷原因的方法的一种可行的实施方式。在方法步骤100中，首先通过多个制造步骤由多个产品元件4、5、6、7、8、9、10、11、12、13、14、15、16、17、18制造产品1、2、3、40、41、42、43、44、45。在步骤101中，在完成产品1、2、3、40、41、42、43、44、45之后，通过至少一个产品检验来检测数量n个检验信息，其中，n个检验信息形成n维的检
验值。作为检验信息，检测声学信息、机械信息以及电信息。在接下来的步骤102中，借助至少一个用于形成降维的检验值的统计过程实施n维的检验值的降维，在步骤103中将该降维的检验值与多个已学习的参考值51、52、53、54、55、56、57、58、59、60进行比较，其中，参考值与已降维的检验值具有相同的维数。然后，在方法步骤104中按照距离矩阵将已降维的检验值配属给至少一组彼此类似的参考值51、52、53、54、55、56、57、58、59、60，这最后根据该配属在步骤105中允许识别产品缺陷并且同时在步骤106中允许识别产品缺陷原因。根据在步骤106中所识别的产品缺陷或者说产品缺陷原因，在随后的步骤107中在如下意义上对产品1、2、3、40、41、42、43、44、45的制造过程进行控制，即这样影响、改变或者纠正制造过程，使得避免所识别的产品缺陷原因并且所识别的产品缺陷在后来制造的产品1、2、3、40、41、42、43、44、45中相应地不再出现。与步骤107同时，在步骤108中，向一组人类操作者自动发出关于所识别的产品缺陷、产品缺陷原因、产品1、2、3、40、41、42、43、44、45的维修成功概率、维修成本耗费和维修的时间耗费的通知。例如，该方法由基于知识的人工智能实施，该人工智能本身借助输送给它的参考值进行再训练。
75.附图标记
76.1、2、3产品、车辆变速器
77.4、5、6、7、8、9、10产品元件
78.11、12、13、14、15产品元件
79.16、17、18产品元件
80.19、20、21、22、23结构组合件
81.30识别产品缺陷
82.31由专业人员识别产品缺陷原因
83.32由专业人员评估和分析多个产品元件
84.33识别缺陷原因
85.34附加地通过第一电动机驱动行驶驱动器
86.40、41、42产品、车辆变速器
87.43、44、45产品、车辆变速器
88.46、47、48、49、50参考值组
89.51、52、53、54、55参考值组
90.56、57、58、59、60参考值组
91.100制造产品
92.101检测n个检验信息
93.102实施降维
94.103与多个已学习的参考值进行比较
95.104将已降维的检验值配属给至少一组彼此类似的参考值
96.105识别产品缺陷
97.106识别产品缺陷原因
98.107控制制造过程
99.108输出通知