连接物至物体的超声波装配的制作方法

1.本发明涉及一种计算机实现的方法、相应的计算机程序、用于生成计算机程序的制造方法、超声波设备和自动化方法。这种方法、计算机程序、方法和设备对于借助焊接机将连接物装配至物体是有益的或可行的。


背景技术：

2.在工业和其他过程中，各种超声波机器被用于许多不同的目的。在一个应用领域中，诸如汽车或航空的许多行业越来越多地将轻质材料用于许多不同的部件。这种轻质材料可由塑料(如聚合物、纤维增强聚合物、聚酯、聚碳酸酯等)、由木材、或由复合材料制成。通常，它们是相对多孔的或者它们具有骨架支承结构等。典型地，与用于其它材料如金属等的传统技术相比，由轻质材料构成的部件间的结合相对困难或麻烦。
3.在这种情况下，已经开发了超声波系统来结合由轻质材料或其他材料构成的部件。在一些过程中，即超声波焊接过程中，使用包括可液化材料的部件即连接物。以超声波频率相对于另一物体振动连接物导致可液化材料由于摩擦引起的热量而熔化。当超声波振动停止时，熔化的可液化材料进入该另一物体的结构并且在再凝固后结合至该结构。特别地，在其中该另一物体是多孔的的情况下，液化的材料可能进入孔中，从而建立固体微形锁合连接和/或结合连接。为了允许超声波焊接的有效应用，使用了特定的超声波机器并且更具体说是超声波焊接机。它们允许实现精确结合的高度自动化的程序。
4.例如，在wo 2016/071335 a1中公开一种通过施加超声波运动将两个物体结合在一起的技术。这两个物体中的第一个具有固态的可液化材料。这两个物体借助附加地使这两个物体相互振动的工具压在一起。因此，所涉及的摩擦使可液化材料熔化，熔化的可液化材料流入第二物体的联接结构中。然后，可液化材料被重新固化并将两个物体连接起来。
5.即使超声波机器或更一般地工业超声波技术允许有效和精确的过程，产品或结果的评估和控制通常是困难的或导致相对较高的付出，特别是在需要适当的精度和可靠性的情况下。由于过程的结果通常取决于所涉及的材料的特性和所涉及的机器或过程的各种参数的适应性，因此优化过程或预测所获得结果的质量通常是非常困难的。然而，这种结合质量对于最终的结合而得的产品而言是至关重要的，从而要通过精细的附加测试过程来进行评估或测试。
6.在这种情况下，需要一种允许通过超声波措施来有效且精确地连接物体的系统或技术。


技术实现要素：

7.根据本发明，通过由独立权利要求1的特征所限定的计算机实现的方法、由独立权利要求12的特征所限定的超声波设备、由独立权利要求15的特征所限定的自动化方法、由独立权利要求26的特征所限定的制造方法以及由独立权利要求36的特征所限定的计算机程序来解决这一需求。优选的实施例是从属权利要求的主题。
8.在一个方面，本发明是一种计算机实现的方法，包括以下步骤：(i)为计算机终端提供用户接口；(ii)向配备有传感器组的焊接机提供焊接机接口，所述传感器组具有电力供应传感器，所述电力供应传感器配置为在运行时间感测由焊接机供应的、用以将连接物装配至物体的电力；(iii)经由用户接口或逻辑数据传输接口获取表示例如由用户预规定的阈值产品性能度量的阈值性能度量数据信号，通过该逻辑数据传输接口接收用户或另一系统在先规定的数据；(iv)经由焊接机接口从焊接机获取电力供应数据信号，该电力供应数据信号表示感测到的、由焊接机供应的用以将连接物装配至物体的电力；(v)将机器学习模型应用于由所获取的电力供应数据信号表示的电力，使得该机器学习模型计算模型产品性能度量，其中该机器学习模型用由焊接机的所述传感器组中的电力供应传感器感测的训练电力和测得的产品性能度量专门预训练；(vi)将计算出的模型产品性能度量与由阈值性能度量数据信号表示的阈值产品性能度量进行比较；以及(vii)当计算出的产品性能度量与所述阈值产品性能度量不符合时，生成非一致性数据信号。
9.上面列出的步骤(i)至(vii)不应理解为按特定顺序排列。特别地，这些步骤可以适于实现本发明的计算机实现的方法的任何顺序或次序来执行，该顺序或次序可不同于上面列出的步骤的顺序或次序。
10.与本发明相关的术语“计算机”可涉及任何合适的计算设备，例如膝上型计算机、台式计算机、服务器计算机、平板电脑、智能手机、嵌入式计算机系统等。该术语涵盖单个设备以及组合设备。例如，计算机可以是在不同地方执行不同任务的分布式系统，如云解决方案。
11.计算机通常包括处理器或中央处理单元(cpu)、具有记录介质如硬盘、闪存等的永久数据存储器、随机存取存储器(ram)、只读存储器(rom)、通信适配器如通用串行总线(usb)适配器、局域网(lan)适配器、无线局域网(wlan)适配器、蓝牙适配器等，以及物理用户接口如键盘、鼠标、触摸屏、屏幕、麦克风、扬声器等。计算机可以由各种各样的部件组成。
12.在本发明的上下文中使用的计算机终端是这样的计算机的终端。更具体地，计算机终端可以是电子或机电硬件设备，其用于将数据输入计算机或计算系统，和/或用于显示或打印来自计算机或计算系统的数据。特别地，这种终端允许与计算机交互。这种终端可以是单件或多部分结构。此外，这种终端可包含在计算机本身中，或者可包括外围部件或设备。
13.焊接机可以是设置成通过适当的程序连接包括连接物和物体的至少两个零件的设备。因此，术语“焊接”通常涉及将部件或物体熔化在一起的过程。焊接机可以是应用超声波连接程序的超声波机器，例如包括超声波振动。焊接机可以是超声波焊接机。一般来说，超声波焊接涉及典型的工业技术，其中高频超声波机械振动被局部施加到工件如在压力下保持在一起的连接物和/或物体，以产生固态焊缝。超声波焊接通常用于塑料，并且典型地用于连接相似或相同的材料，或者还用于连接不相似的材料。例如，超声波机器可以是适于执行wo2017/162693 a1和/或wo2018/015527 a1中描述的方法的设备。或者，焊接机可以是应用摩擦焊接程序、连续驱动焊接程序或激光焊接程序的机器。
14.即使焊接机的所述传感器组可以仅包括电力供应传感器，它也有利地包括不同种类的多个传感器。如此，连接物装配过程的不同参数可以被感测或测量和涉及。
15.与焊接机的所述传感器组相关地使用的术语“运行时间”涉及准正在进行的或实
时的感测和建立的传感器数据的即时提供。因此，由于诸如传感器数据传输的技术限制而在时间上的微小偏差仍然可能发生。
16.这里使用的术语“连接物”涉及可以通过超声波措施或手段装配至物体的任何装置或结构。连接物可以是销、铆钉、可配备有突起或凸出部的板或盘、任何部件如适配器球头件、插头元件、垫圈头件等、套筒如用于容纳螺钉或铆钉的套筒、具有超声波可激活粘合剂的构件、或其任意组合。连接物可由热塑性材料制成。为被装配或连接，连接物有利地包含可液化材料，该可液化材料可被由超声波振动或由焊接机引起的运动激活。更具体地，当连接物和物体相对于彼此振动时以及当连接物和物体彼此挤压时，这种激活可以是或可以包括由连接物和物体之间的摩擦所产生的热量引起的熔化。
17.术语“物体”涉及可通过超声波措施将连接物装配至其或至其中的任何基底。特别地，该物体可以是或可以包括轻质或低密度材料。轻质或低密度材料例如可以是多孔的，使得连接物的液化材料可流入其中并形成紧密配合。该物体可以是或包括塑料材料，例如聚合物、复合材料、木质材料、骨组织或软骨组织。此外，轻质或低密度材料可以是或包括具有蜂窝或类似骨架芯的夹层/多层结构、纤维复合材料、纺织材料、泡沫材料如膨胀聚丙烯、多孔聚合物材料、或其任意组合。例如，物体可以是板，例如用于汽车或航空的板。除此之外，这种板还可用来制作汽车或飞机的内部结构/内饰。此外，该物体可由实心的或非轻质材料制成或包括实心的或非轻质材料，该实心的或非轻质材料难以通过传统技术结合到连接物。例如，这种非轻质材料可以是片材、金属或铸造金属、薄结构如相当薄的聚合物部件、或其任意组合。此外，该物体可由可液化材料制成，从而可使用由不可液化材料构成的连接物。有利的是，连接物和物体中的至少一者由可液化材料制成或包含可液化材料。
18.术语“装配至/装配到”可涉及通过任何超声波措施提供的连接物和物体之间的任何连接或结合。在一些实施例中，连接物通过被设置或驱动到物体中而被装配或连接到物体。借助焊接机结合或装配连接物和物体可提供许多好处和优点。例如，它允许无需两个零件即连接物和物体的任何预钻孔或其他准备。此外，连接物和物体在几何属性方面相对自由。例如，旋转对称不像其他使用旋转运动进行结合的结合技术那样是必需的。此外，可在不限制功能的情况下将功能部件结合。此外，相对精细的材料可安全地结合。另外，结合过程可以相当快，例如基本上在一秒钟以内。并且，获得的结合强度可以相当高，从而可提供安全连接。结合可通过例如材料结合/粘合、微形锁合(micro form locking)和/或形锁合(positive locking)来实现。
19.电力供应传感器可以是允许感测供应至焊接机/由焊接机供应的用于装配连接物的电力的任何单元或设备。这种传感器可测量与电力相关的任何物理参数，例如电压、电流、电阻等。
20.结合本发明使用的术语“信号”可涉及可测量或可确定的物理量或单位或这种量或单位的序列，其配置为表示信息或数据。特别地，信号可以是电压或电势、声压、电磁波、场力、序列、或其任意组合，其可通过点对点或点对多点通信信道进行物理传输。这种信道可以是铜线、光纤、无线通信信道、存储介质和计算机总线。在任何情况下，信号或数据信号都是可记录的或可想象的，并且是可清楚确定的。数据信号可以是二进制数据信号、数字电子信号、电磁信号、或其组合。它们可表示根据特定协议组织的特定数据。数据本身可以是代表物理和/或逻辑条件和变化等的数字比特流等。它尤其可以是可由执行该方法的计算
机访问和评估的格式。
21.这里使用的术语“数据集”涉及数据集合。特别地，它可涉及同一主题的多个数据，例如由该传感器组中的多个传感器生成的数据集合。
22.与信号或数据信号相关的术语“表示”可涉及信息的存在。这种信息可以是或包括仿真信息，例如允许仿真/模拟的参数。因此，该术语不排除除了明确提到的信息之外，信号或数据信号中还包括其他信息。例如，数据信号可通过以特定方式被调节来表示信息，使得可从数据信号中重新收集或确定信息。
23.结合本发明使用的术语“接口”可以是共享边界，两个或更多个独立构件通过该共享边界交换数据或信息。交换可在软件、硬件、外围设备、人、以及它们的组合之间进行。一些接口可发送和接收数据，而另一些接口可能只向构件发送数据。用户接口(ui)可以是诸如用户或操作员之类的人与诸如执行该方法的计算机之类的机器之间发生交互的空间。通常，用户接口可由一层或多层组成，包括具有物理输入硬件(例如键盘、鼠标和/或游戏手柄)和输出硬件(例如监视器、扬声器和/或打印机)的人机接口(hmi)接口机。
24.为计算机终端提供用户接口可通过显示在计算机终端上的图形用户接口(gui)或在计算机终端上提供的另一输入接口来实现。这种图形用户接口或非图形输入接口允许用户或操作者输入诸如阈值产品性能度量的信息。该信息然后可通过用户接口被转换成阈值性能度量数据信号。替代地，用户接口可体现为逻辑数据转换接口。在这种接口中，可接收或接管由用户或另一系统先前规定的数据。典型地，在这样的实施例中，数据的格式是预先规定的，以便可适当地导出所表示的信息。用户接口也可称为阈值接口。
25.与数据信号相关的术语“获取”涉及数据信号的有源和/或无源接收。因此，该术语可涉及一个构件或元件访问另一个构件或元件上的数据信号(有源的)。或者，它可涉及一个构件获得从另一个构件或元件(无源地)转送的数据信号。此外，有源和无源接收的混合可被获取覆盖。关于阈值性能度量数据信号，术语“获取”可例如涉及用户向用户接口输入值，用户接口将表示该值的阈值性能度量数据信号转送至执行该方法的计算机。关于电力供应数据信号，术语“获取”可例如涉及焊接机的电力供应传感器将表示感测到的电力供应的数据信号转送至执行该方法的计算机。
26.为了获取由数据信号表示的信息，即数据信号的内容，数据信号通常由执行该方法的计算机或任何其他计算机转换。因此，与数据信号和数据相关的术语“转换”可涉及将物理传输的电磁或其他信号转变成计算机可用的比特流等。在同一步骤中，数据的格式可被修改和扩充，以便被有效地进一步处理。这样，数据也可方便地存储在运行在计算机上的数据库中。
27.在本发明的上下文中，电力供应可涉及在焊接机的特定部分向物体装配连接物时供应到焊接机的所述部分的电力。或者，它可涉及由焊接机的特定部分供应给连接物和/或物体的、用以将连接物装配至物体的电力。电力供应数据信号可借助焊接机接口直接从焊接机获取。因此，焊接机可集成有电力供应传感器，该电力供应传感器感测在向物体装配连接物时所供应的电力。该感测到的电力然后可被转换成借助焊接机接口获取的电力供应数据信号。为此，执行根据本发明的计算机实现的方法的计算机可物理地或无线地连接到焊接机。此外，根据本发明的计算机实现的方法可由焊接机本身的计算机执行。在这样的实施例中，焊接机接口可以是不需要任何特定物理构件的逻辑接口。
28.代替焊接机本身的传感器，在向物体装配连接物时所供应的电力可由焊接机未集成的外部设备感测。因此，为焊接机配备该传感器组可通过以下方式实现：通过使焊接机集成有该传感器组、通过将该传感器组添加到焊接机、或者通过将外部传感器组耦合到焊接机。此外，这组传感器中的一些传感器可集成到焊接机中、和/或一些可被添加、和/或一些可以被外部耦合。例如，所提到的外部设备可以是耦合到焊接机的电力供应电路的单独的传感器设备。或者，它可以是电力线路本身的构件，或者可以是整个系统的另一个构件。
29.产品性能度量可以是代表、模拟或指示连接物和物体之间的结合(即作为装配有连接物的物体的产品)的质量或强度的任何参数、尺寸/大小或单位。产品的质量例如可以是视觉质量、连接物相对于物体的位置或取向的精度(其可从距离、角度等的偏差中导出)、连接物或物体的预期或偶然变形(其可涉及分级)、尺度体系或其他可测量的量、连接物或物体在过程期间或之后的温度、连接物或物体中的残余感应应力、任何类似的参数、或其任意组合。有利地，产品性能度量是或包括机械性能度量。例如，这种机械性能度量可以是使连接物和物体在结合之后分离所需的拔出力或拉脱力。其他可能的机械性能度量可以是扭矩、剪切力等。产品性能度量也可以是多个尺寸/大小、或多个单位、或其组合，例如像以尺寸/大小和/或单位为变量的数学公式。
30.阈值产品性能度量可以是最小产品性能度量、最大产品性能度量等。因此，阈值产品性能度量可以是预定的尺寸/大小或单位，其作为不能高于其或不能低于其的限制。与本发明相关的术语“符合阈值产品性能度量”涉及处于阈值产品性能度量的适当侧。如果阈值产品性能度量是最小阈值产品性能度量，则“符合”意味着在阈值产品性能度量以上或大于阈值产品性能度量。例如，如果产品性能度量是拔出力或拉脱力，则阈值产品性能度量尤其可以是最小拔出力或拉脱力。因此，“符合最小拔出力或拉脱力”意味着具有更高的拔出力或拉脱力。因此，“不符合最小拔出力或拉脱力”意味着具有更小或更低的拔出力或拉脱力。如果阈值产品性能度量是最大阈值产品性能度量，则“符合”意味着在阈值产品性能度量以下或小于阈值产品性能度量。
31.由机器学习模型计算的模型产品性能度量可由模型产品性能度量数据信号表示。或者，它可在可由计算机直接使用的比特流等中。
32.根据本发明的方法是由自动执行相应步骤的计算机系统计算机实现的。特别地，计算机系统提供用户接口和焊接机接口、获取阈值性能度量数据信号和电力供应数据信号、应用机器学习模型、将模型产品性能度量数据信号与阈值性能度量数据信号进行比较、以及生成非一致性数据信号。因此，术语“计算机系统”可涉及一台计算机或多台计算机的组合。
33.计算机实现的方法中涉及的预训练涉及在该方法在计算机上实现之前训练机器学习模型。因此，诸如机器学习模型的权重等参数适合于特定的情况条件，特别是所涉及的焊接机，使得模型化的产品性能度量或模型性能度量从测量的产品性能度量中最小程度地导出。
34.机器学习模型的特定的/专门的预训练可通过以下方式来执行：向模型馈送由焊接机的所述传感器组中的电力供应传感器感测并经由焊接机接口获取的训练电力，并且利用例如通过将连接物从物体中拉出而物理测量的或以诸如视觉检查等其他方式导出的相应产品性能度量来验证计算出的模型产品性能度量。在迭代过程中，这种预训练可调整机
器学习模型的诸如权重等参数，以最小化训练性能度量和模型性能度量之间的预测误差。这种预训练可被称为监督学习或训练，得到的模型是监督学习或训练的机器学习模型。为了实现可靠的机器学习模型，需要至少50次或至少100次的物理测量。
35.通过将机器学习模型应用于由获取的电力供应数据信号表示的电力而计算的产品性能度量可以是或表示拔出力、剪切力、扭矩、位置或取向精度、变形、温度、残余应力、它们的组合等。因此，产品性能度量可指示结合或焊接的力，使得可预测结合或焊接的强度或过程的性能。
36.由用户规定的阈值产品性能度量可表示装配至物体的连接物与理想或目标情况相比的相似性。计算机实现的方法还可涉及多个产品性能度量。
37.通过将计算的产品性能度量与规定的阈值性能度量进行比较，计算机实现的方法允许生成非一致性数据信号作为结合质量的可靠指示。这样，当例如借助超声波振动将连接物结合到物体上时，可有效地预测结合的质量或强度。借此，可检测出不满足质量标准的结合后的连接物
‑
物体组合即产品，即异常体，并从过程中去除所述异常体。因此，可提供一种通过超声波焊接精确地连接所述连接物和所述物体的有效的自动化方法。
38.为了实现有效的程序，计算机实现的方法可以(半)自动化过程体现。借此，可提供搬运机，该搬运机配置为在结合或连接之前搬运连接物和物体以及在结合之后搬运装配有连接物的物体。这种搬运机可以是机器人或允许自动和精确移动连接物和物体的类似设备。
39.非一致性数据信号可以是警报信号等。例如，这种警报可以是向操作员指示检测到的不一致性的声音和/或视觉信号。如果涉及到搬运机，一旦提供警报信号，操作员就可以操纵例如停止搬运机。或者，非一致性数据信号可以是在日志报告中提供记录的信号。然而，更优选地，计算机实现的方法包括为配置成搬运装配有连接物的物体的搬运机提供搬运机接口并且经由搬运机接口将非一致性数据信号传输至搬运机。为与搬运机进行通信，可使用适当的协议如开放平台通信(opc)。因此，非一致性数据信号可表示opc
‑
数据。计算机实现的方法的这种实现允许提供完全自动化的过程。例如，通过非一致性数据信号，可操纵搬运机以将相关的装配有其连接物的物体从常规流程中排除。这样，可有效地挑选和去除异常体，而不会干扰整个过程。
40.优选地，焊接机的该传感器组具有力传感器，该力传感器配置为在运行时间感测在向物体装配连接物时所施加到连接物的推力，并且计算机实现的方法包括以下步骤：(viii)经由焊接机接口从焊接机获取推力数据信号，该推力数据信号表示感测到的、在向物体装配连接物时施加到连接物的推力；和(ix)将机器学习模型应用于由所获取的推力数据信号表示的推力，使得机器学习模型涉及/引入推力来计算模型产品性能度量，其中机器学习模型用由焊接机的所述传感器组中的力传感器感测的训练推力专门地预训练。
41.与应用机器学习模型相关的术语“涉及/引入”可涉及在机器学习模型中使用由相应数据信号表示的信息。为此，机器学习模型用相应的信息进行预训练。例如，由推力数据信号表示的推力可用在机器学习模型中，其中机器学习模型用相应的推力来预训练。
42.与上述步骤(i)至(vii)类似，步骤(viii)和(ix)也不应理解为受特定顺序或次序的约束。
43.在焊接或装配时，连接物和物体通常抵靠彼此挤压或推动。这种推动或挤压会影
响结合或装配过程。因此，通过在评估中评估或引入推力，可提高模型机械度量的质量或精度。这样，可增加非一致性数据信号的可靠性，从而可优化整个系统的性能。
44.优选地，焊接机的传感器组具有距离传感器，其配置为在运行时间感测焊接机将连接物向物体推进的距离，并且计算机实现的方法包括以下步骤：(x)经由焊接机接口从焊接机获取距离数据信号，该距离数据信号表示感测到的、焊接机将连接物向物体推进的距离；以及(xi)将机器学习模型应用于由所获取的距离数据信号表示的距离，使得机器学习模型引入该距离来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的距离传感器感测的训练距离来专门地预训练。
45.与上面的步骤(i)至(vii)类似，步骤(x)和(xi)也不应理解为受特定顺序或次序的约束。
46.在焊接或装配过程中，连接物通常相对于物体移动或推进或移动或推进到物体中。这种移动的程度，即距离或塌陷距离，影响结合或装配过程。因此，通过评估或引入距离，可提高模型机械度量的质量或精度。这样，可进一步提高非一致性数据信号的可靠性，从而可优化整个系统的性能。
47.优选地，焊接机的传感器组具有速率传感器，该速率传感器配置为在运行时间感测焊接机将连接物向物体推进的速率，并且计算机实现的方法包括以下步骤：(xii)经由焊接机接口从焊接机获取速率数据信号，该速率数据信号表示感测到的、焊接机将连接物向物体推进的速率；以及(xiii)将机器学习模型应用于由所获取的速率数据信号表示的速率，使得机器学习模型引入速率来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的速率传感器感测的训练速率来专门地预训练。
48.与上述步骤(i)至(vii)类似，步骤(xii)和(xiii)也不应理解为受特定顺序或次序的约束。
49.在焊接或装配时，连接物通常以特定速率或速度相对于物体推进或推进到物体中。速率可用每单位时间的距离来定义。因此，当该传感器组例如包括如上所述的距离传感器时，测量用于计算速率的相应时间便已足够。因此，速率传感器可由距离传感器和测量推进连接物所涉及的时间的时钟来实现。该速率指示结合或装配过程。因此，通过评估或引入速率，可提高模型机械度量的质量或精度。这样，可进一步提高非一致性数据信号的可靠性，使得可优化整个系统的性能。
50.优选地，计算机实现的方法包括以下步骤：(xiv)确定由焊接机供应的用以将连接物装配至物体的并且由信号幅度数据信号表示的超声波信号的信号幅度；以及(xv)将机器学习模型应用于所确定的信号幅度，使得机器学习模型引入信号幅度来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的电力供应传感器确定的训练信号幅度进行专门地预训练。
51.与上述步骤(i)至(vii)类似，步骤(xiv)和(xv)也不应理解为受特定顺序或次序的约束。
52.当焊接机向物体装配或结合连接物时，该焊接机提供超声波信号以用于使连接物和物体相对于彼此振动。因此，信号的幅度可指示引起的运动或振动的程度和速度。因此，通过评估或引入超声波信号的信号幅度，可提高模型机械度量的质量或精度。这样，可进一步提高非一致性数据信号的可靠性，从而可优化整个系统的性能。
53.优选地，计算机实现的方法包括以下步骤：(xvi)确定由焊接机供应的用以将连接物装配至物体的并且由频率数据信号表示的超声波信号的信号频率；以及(xvii)将机器学习模型应用于所确定的信号频率，使得机器学习模型引入信号频率来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的电力供应传感器确定的训练信号频率专门地预训练。
54.与上述步骤(i)至(vii)类似，步骤(xvi)和(xvii)也不应理解为受特定顺序或次序的约束。
55.如上所述，当焊接机向物体装配或结合连接物时，该焊接机提供超声波信号以用于使连接物和物体相对于彼此振动。因此，信号的频率可指示可能影响结合过程的、所引起的运动或振动的速度。因此，通过评估或引入超声波信号的信号频率，可提高模型机械度量的质量或精度。这样，可进一步提高非一致性数据信号的可靠性，从而可优化整个系统的性能。
56.优选地，焊接机的传感器组具有声发射传感器，该声发射传感器配置为在运行时间感测在焊接机向物体装配连接物时产生的声发射，并且计算机实现的方法包括以下步骤：(xviii)经由焊接机接口从焊接机获取声发射数据信号，该声发射数据信号表示感测到的、在焊接机向物体装配连接物时产生的声发射；以及(xix)将机器学习模型应用于由所获取的声发射数据信号表示的所感测的声发射，使得机器学习模型引入声发射来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的声发射传感器感测的训练声发射专门地预训练。
57.即使在物体或连接物的一侧感测声信号可能就已足够，但有利的是在物体或连接物的两侧感测声信号，例如在物体或连接物的顶部和底部。
58.与上述步骤(i)至(vii)类似，步骤(xviii)和(xix)也不应理解为受特定顺序或次序的约束。
59.借助焊接机焊接或装配连接物会产生声音。这种声音是结合或装配过程的指示，因为它受到相关构件的影响，例如构件的材料、几何形状和工艺参数。因此，通过评估或引入在将连接物装配至物体期间产生的声信号，可提高模型机械度量的质量或精度。这样，可进一步提高非一致性数据信号的可靠性，从而可优化整个系统的性能。
60.因此，计算机实现的方法优选地还包括以下步骤：(xx)确定在焊接机向物体装配连接物时产生并由声发射数据信号表示的声发射的声幅值；以及(xxi)将机器学习模型应用于所确定的声幅值，使得机器学习模型引入声幅值来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的声发射传感器感测的训练声发射的确定的训练声幅值专门地预训练。
61.替换地或附加地，计算机实现的方法包括以下步骤：(xxii)确定在焊接机向物体装配连接物时产生并且由声发射数据信号表示的声发射的声频率；以及(xxiii)将所述机器学习模型应用于所确定的声频率，使得所述机器学习模型引入声频率来计算模型产品性能度量数据信号，其中所述机器学习模型用由焊接机的传感器组的声发射传感器感测的训练声发射的确定的训练声频率专门地预训练。
62.通过将电力供应与通过相应传感器或类似设备收集的其他信息相组合，可提高模型产品性能度量的准确性。特别地，通过组合来自多个不同来源的信息，可显著提高准确
性，而基本上不损失过程性能，因为计算机能够计算或评估相对大量的数据。这样，可提高生成的非一致性数据信号的可靠性。因此，即使引入电力供应便可能就已足够，但在许多应用中，传感器的组合是特别有益的。
63.优选地，机器学习模型包括人工神经网络如卷积神经网络、集成机器学习方法如随机森林回归器、分类器如朴素贝叶斯分类器、回归器如支持向量回归器、或其组合。这种机器学习模型已经被证明可在系统或计算机实现的方法中有效地实现。特别地，根可据给定的环境来使用适当的模型。
64.在另一方面，本发明是一种超声波设备，其适于将连接物超声波地装配至物体，并且例如通过超声波焊接来将连接物和物体连接。超声波设备包括：配备有传感器组的焊接机，该传感器组具有电力供应传感器，该电力供应传感器配置为在运行时间感测为将连接物装配至物体而供应的电力；以及计算机，该计算机配置为执行根据本发明或其上述任何实施例的计算机实现的方法。因此，计算机通过所提供的焊接机接口而与焊接机通信。
65.超声波设备的计算机可体现为单独的单元或结构。例如，它可以是添加到焊接机的附加计算机。或者，计算机可形成为焊接机的一部分。例如，焊接机可包括用于控制和用于其他任务的计算机。在这种情况下，焊接机本身的计算机可配置成例如通过运行适当的软件或计算机程序来执行计算机实现的方法。
66.下面描述的超声波设备及其优选实施例可以是允许实现根据本发明及其上述优选实施例的计算机实现方法的效果和益处的物理实现。
67.优选地，超声波设备包括经由所提供的搬运机接口与计算机通信的搬运机，该搬运机配置成搬运装配有连接物的物体并且配置成在非一致性数据信号经由由计算机提供的搬运机接口被传送到搬运机时去除装配有连接物的物体。这种可体现为机器人等的搬运机允许将连接物装配至物体的过程自动化。像这样，可实现快速和精确的程序。
68.因此，计算机可被配置为向搬运机发送非一致性数据信号，使得搬运机采取特定行为，该特定行为与被合适地装配的连接物和物体的规律/常规搬运不同。
69.优选地，焊接机的传感器组包括力传感器、距离传感器、速率传感器、声发射传感器、或其任意组合，力传感器配置为在运行时间感测在向物体装配连接物时施加到连接物的推力，距离传感器配置为在运行时间感测焊接机将连接物向物体推进的距离，速率传感器配置为在运行时间感测焊接机将连接物向物体推进的速率。如上所述，这些传感器对于实现高性能预测和非一致性数据信号的适当生成特别有用。特别地，设备中使用的传感器越多，预测质量或非一致性数据信号的质量就越好。
70.在另一个方面，本发明是一种借助焊接机将连接物装配至物体的自动化方法，该焊接机配备有传感器组，该传感器组具有电力供应传感器，该电力供应传感器配置为在运行时间感测为将连接物装配至物体而供应的电力。自动化方法包括以下步骤：预规定阈值产品性能度量；从焊接机获取电力供应数据信号，该电力供应数据信号表示感测到的、由焊接机供应的用以将连接物装配至物体的电力；将机器学习模型应用于由所获取的电力供应数据信号表示的电力，使得该机器学习模型计算模型产品性能度量，其中该机器学习模型用由焊接机的传感器组的电力供应传感器感测的训练电力专门地预训练；将计算出的模型产品性能度量与阈值产品性能度量进行比较；以及优选地，在计算出的产品性能度量不符合阈值产品性能度量时，物理地去除装配有连接物的物体。
71.这里使用的术语“去除”是指将装配有连接物的物体从其它的装配有连接物的物体移除或分离。特别地，具有不兼容的(即比阈值产品性能度量更小或更大)的计算出的产品性能度量的装配有连接物的物体(即所谓的异常体)可从具有兼容的计算出的产品性能度量的装配有连接物的物体分离出来。像这样，不包括异常体的产品只包含具有合适地且牢固地连接的装配有连接物的物体，即合适的产品。
72.下面描述的自动化方法及其优选实施例允许实现根据本发明及其上述优选实施例的计算机实现的方法的效果和益处。
73.优选地，将机器学习模型应用于由获取的电力供应数据信号表示的电力和将计算出的模型产品性能度量与阈值产品性能度量进行比较在计算机上自动执行，其中当计算出的产品性能度量不符合阈值产品性能度量时，计算机触发搬运机以便物理地去除装配有连接物的物体。这样，该过程可有效地自动执行。
74.因此，计算机优选地配置为执行根据本发明或其上述任何实施例的计算机实现的方法。
75.通常，该传感器组有利地提供作为速度、位置和/或时间的函数的相应的感测的度量或尺寸/大小或单位。
76.优选地，焊接机的传感器组具有力传感器，该力传感器配置为在运行时间感测在被装配至物体时所施加的推力，并且自动化方法包括以下步骤：从焊接机获取推力数据信号，该推力数据信号表示感测到的、在向物体装配连接物时施加到连接物的推力；以及将机器学习模型应用于由所获取的推力数据信号表示的推力，使得机器学习模型引入推力来计算模型产品性能度量，其中机器学习模型用由焊接机的传感器组的力传感器感测的训练推力专门地训练。
77.优选地，焊接机的该传感器组具有距离传感器，该距离传感器配置为在运行时间感测焊接机将连接物向物体推进的距离，并且自动化方法包括以下步骤：从焊接机获取距离数据信号，该距离数据信号表示感测到的、焊接机将连接物向物体推进的距离；以及将机器学习模型应用于由所获取的距离数据信号表示的距离，使得机器学习模型引入该距离来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组中的距离传感器感测的训练距离专门地预训练。
78.优选地，焊接机的传感器组具有速率传感器，该速率传感器配置为在运行时间感测焊接机将连接物向物体推进的速率，并且自动化方法包括以下步骤：从焊接机获取速率数据信号，该速率数据信号表示感测到的、焊接机将连接物向物体推进的速率；以及将机器学习模型应用于由所获取的速率数据信号表示的速率，使得机器学习模型引入速率来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组中的速率传感器感测的训练速率专门地预训练。
79.优选地，自动化方法包括以下步骤：确定由焊接机供应的用以将连接物装配至物体的并且由信号幅度数据信号表示的超声波信号的信号幅度；以及将机器学习模型应用于所确定的信号幅度，使得机器学习模型引入信号幅度来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的电力供应传感器确定的训练信号幅度专门地预训练。
80.优选地，自动化方法包括以下步骤：确定由焊接机供应的用以将连接物装配至物
体的并且由频率数据信号表示的信号频率；以及将机器学习模型应用于所确定的信号频率，使得机器学习模型引入信号频率来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的电力供应传感器确定的训练信号频率专门地预训练。
81.优选地，焊接机的传感器组具有声发射传感器，该声发射传感器配置为在运行时间感测在焊接机向物体装配连接物时产生的声发射，并且自动化方法包括以下步骤：从焊接机获取声发射数据信号，该声发射数据信号表示感测到的、在焊接机向物体装配连接物时产生的声发射；以及将机器学习模型应用于由所获取的声发射数据信号表示的声发射，使得机器学习模型引入声发射来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的声发射传感器感测的训练声发射被专门地预训练。
82.因此，自动化处理方法优选地包括以下步骤：确定在焊接机向物体装配连接物时产生并由声发射数据信号表示的声发射的声幅值；以及将机器学习模型应用于所确定的声幅值，使得机器学习模型引入声幅值来计算模型产品性能度量数据信号，其中机器学习模型用由焊接机的传感器组的声发射传感器感测的训练声发射的确定的训练声幅值专门地预训练。
83.此外，自动化方法优选包括以下步骤：确定在焊接机向物体装配连接物时产生并且由声发射数据信号表示的声发射的声频率；以及将所述机器学习模型应用于所确定的声频率，使得所述机器学习模型引入声频率来计算模型产品性能度量数据信号，其中所述机器学习模型用由焊接机的传感器组的声发射传感器感测的训练声发射的确定的训练声频率专门地预训练。
84.在又一个方面，本发明是一种制造计算机程序的制造方法，该计算机程序具有代码装置，该代码装置配置为当在计算机上执行时实现根据本发明或其上述实施例的计算机实现的方法。该制造方法包括通过以下步骤专门地训练机器学习模型：借助于焊接机将多个测试连接物装配至物体，该焊接机具有电力供应传感器，该电力供应传感器配置为在运行时间感测为将测试连接物装配至物体而供应的训练电力；从焊接机获取电力供应数据信号，该电力供应数据信号表示感测到的、由焊接机供应的用以将所述多个测试连接物装配至物体的训练电力；向机器学习模型馈送由获取的电力供应数据信号表示的训练电力，使得机器学习模型针对所述多个测试连接物中的每个测试连接物计算训练模型产品性能度量；针对所述多个测试连接物中每个测试连接物测量产品性能度量；以及通过将由机器学习模型计算出的训练模型产品性能度量与针对所述多个测试连接物测量的相应产品性能度量进行比较来验证机器学习模型。计算出的产品性能度量和/或测量的产品性能度量可以是上面结合计算机实现的方法提到的任何度量。优选地，产品性能度量的尺寸/大小被设计成将相应的测试连接物从相关联的物体中拉出。验证机器学习模型的验证可以是或涉及修改机器学习模型的参数，例如权重等，以便最小化差异(如果有的话)。
85.该制造方法允许有效地提供计算机程序来实现成熟/有经验的/复杂的预训练的机器学习模型。特别地，通过将计算出的训练模型产品性能度量与测量的产品性能度量进行比较，允许机器学习模型的迭代调整。因此，有益的是，循环地提供训练电力和相关联的测量直到计算的和测量的产品性能度量之间的偏差在被认为足够精确的特定范围内。例如，已经表明应用50个以上或100个以上的循环可产生适当的精度。在制造方法的最后，机器学习模型通常经过复杂的预训练。此外，机器学习模型可根据焊接机、传感器、连接物和
物体的给定设置进行专门的预训练。
86.如下所述，该制造方法有利地引入多个传感器的数据信号。因此，所涉及的传感器可以是当执行上述任何计算机实现的方法或自动化方法时，或者当使用上述任何超声波设备时所涉及的所有传感器。
87.优选地，焊接机具有力传感器，该力传感器配置为感测在向物体装配测试连接物时施加到测试连接物的训练推力，其中专门地训练机器学习模型包括：从焊接机获取推力数据信号，该推力数据信号表示感测到的、在向物体装配测试连接物时施加到测试连接物的训练推力；以及向机器学习模型馈送由获取的推力数据信号表示的训练推力。
88.优选地，焊接机具有距离传感器，该距离传感器配置为感测焊接机将测试连接物向物体推进的训练距离，其中专门地训练机器学习模型包括：从焊接机获取距离数据信号，该距离数据信号表示焊接机将测试连接物向物体推进的训练距离；以及向机器学习模型馈送由获取的距离数据信号表示的训练距离。
89.优选地，焊接机具有速率传感器，该速率传感器配置为感测焊接机将测试连接物向物体推进的训练速率，其中专门地训练机器学习模型包括：从焊接机获取速率数据信号，该速率数据信号表示焊接机将测试连接物向物体推进的训练速率；以及向机器学习模型馈送由获取的速率数据信号表示的训练速率。
90.优选地，专门地训练机器学习模型包括：确定由焊接机供应的用以将测试连接物装配至物体的并且由信号幅度数据信号表示的超声波信号的训练信号幅度；以及向机器学习模型馈送训练信号幅度。超声波信号可以是电力供应数据信号。
91.优选地，专门地训练机器学习模型包括：确定由焊接机供应的用以将测试连接物装配至物体的并且由信号频率数据信号表示的超声波信号的训练信号频率；以及向机器学习模型馈送训练信号频率。超声波信号可以是电力供应数据信号。
92.优选地，焊接机具有声发射传感器，该声发射传感器配置为感测在焊接机向物体装配测试连接物时产生的训练声发射，其中专门地训练机器学习模型包括：在焊接机向物体装配测试连接物时从焊接机获取声发射数据信号；以及向机器学习模型馈送由获取的声发射数据信号表示的训练声发射。
93.因此，专门地训练机器学习模型优选地包括：确定在焊接机向物体装配连接物时产生的声发射的训练声幅值；以及向机器学习模型馈送训练声幅值。
94.专门地训练机器学习模型优选地包括：确定在焊接机向物体装配测试连接物时产生的声发射的训练声频率；以及向机器学习模型馈送训练声频率。
95.优选地，所述多个测试连接物和物体包括至少50个测试连接物和物体，或者至少100个测试连接物和物体。这种数量的连接物和物体允许适当地预训练机器学习模型，使得它准备好被使用。
96.在制造方法中的验证机器学习模型可进一步包括在将由机器学习模型计算出的训练模型产品性能度量与针对所述多个测试连接物测量的相应产品性能度量进行比较之后自动调整机器学习模型的参数的步骤。
97.在仍是又一个的方面中，本发明是一种计算机程序产品，其包括计算机代码装置，该计算机代码装置配置为当在计算机上执行时，控制计算机的处理器来实现根据本发明或其任何上述实施例的计算机实现的方法。
98.这样的计算机程序允许有效地实现根据本发明及其上述优选实施例的计算机实现的方法的效果和益处。
附图说明
99.根据本发明的计算机实现的方法、根据本发明的超声波设备、根据本发明的自动化方法、根据本发明的制造方法和根据本发明的计算机程序在下面通过示例性实施例并参考附图进行更详细的描述，其中：
100.图1示出了根据本发明的计算机实现的方法的实施例的流程图；
101.图2示出了根据本发明的超声波设备的实施例的示意图；
102.图3示出了根据本发明的自动化方法的实施例的流程图；和
103.图4示出了根据本发明的制造方法的实施例的流程图。
具体实施方式
104.为了避免在各种方面和说明性实施例的附图和描述中重复，应当理解，许多特征对于许多方面和实施例是共同的。从描述或附图中省略一个方面并不意味着结合了该方面的实施例缺少该方面。相反，为了清楚和避免冗长的描述，该方面可能已被省略。在这种情况下，以下内容适用于本说明书的其余部分：若为使附图清楚而在一个附图中包含未在说明书的直接相关部分中解释的附图标记，则该附图标记的解释请参考前述或后述说明书部分。此外，若出于清晰原因而并未在附图中针对部件的所有特征均提供附图标记，则未提供的附图标记请参考示出相同部件的其他附图。两个或更多个附图中的相同/相似的附图标记表示相同或相似的元件/元素。
105.图1示出了在计算机上执行的根据本发明的计算机实现的方法的实施例。计算机实现的方法旨在操作和控制作为焊接机的超声波焊接机。超声波焊接机配置为将作为连接物的销装配至作为物体的轻质多孔板中。销包括可液化的塑料材料。超声波焊接机构造成：保持所述板；将销推入板中；以及以超声波频率振动所述销。从而提供摩擦，该摩擦引起热量，该热量使销的一部分可液化材料熔化，使得熔化的可液化材料流入板的孔中。结果，销被微形锁合至该板并且被牢固地连接。
106.超声波焊接机配备有传感器组。特别地，该传感器组包括：电力供应传感器，其配置为在运行时间感测由超声波焊接机供应的、用以将销装配至板中的电力；力传感器，其配置为在运行时间感测在向所述板中推进所述销时施加至销的推力；距离传感器，其配置为在运行时间感测销向板中推进的距离；速率传感器，其配置为在运行时间感测销向板中被推进的速率；以及声发射传感器，其配置为在运行时间感测在向板中装配销时产生的声发射。
107.该计算机实现的方法包括在执行所述计算机实现的方法的计算机终端上提供用户接口的步骤11。特别地，用户接口具有待显示在配备有屏幕、键盘、鼠标和其他输入和输出设备的计算机终端上的图形接口组件。
108.在计算机实现的方法的步骤12中，操作者在用户接口的图形接口组件中预规定作为阈值产品性能度量的最小拔出力。更具体地，最小拔出力被设置为阈值，超声波焊接机的合适产品即装配在板中的销的拔出力不能低于该阈值。因此，其中从板拔出销的力在预定
最小拔出力以下的产品被认为是异常体。用户接口将由操作者提供的预定拔出力信息转换成阈值拔出力数据信号，阈值拔出力数据信号作为表示预定拔出力的阈值性能度量数据信号。
109.在计算机实现的方法的步骤13中，为超声波焊接机提供焊接机接口。焊接机接口布置成将数据信号从超声波焊接机传输到计算机。因此，数据信号以预定的格式提供，使得计算机可以导出包含在相应数据信号中的或由相应数据信号表示的信息或数据。
110.在计算机实现的方法的步骤14中，计算机经由焊接机接口从超声波焊接机获取一组数据信号。该组数据信号包括：电力供应数据信号，其表示感测到的、由超声波焊接机供应的用以将销装配至板中的电力；推力数据信号，其表示感测到的、在向板中装配销时施加到销的推力；距离数据信号，其表示感测到的、超声波焊接机将销推进到板中的距离；速率数据信号，其表示感测到的、超声波焊接机向板中推进销的速率；以及声发射数据信号，其表示感测到的、在超声波焊接机向板中装配销时产生的声发射。
111.计算机运行预先训练好的机器学习模型。特别地，预训练机器学习模型包括利用由超声波焊接机的电力供应传感器感测的样本训练电力、由超声波焊接机的力传感器感测的训练推力、由超声波焊接机的距离传感器感测的训练距离、由超声波焊接机的速率传感器感测的训练速率、以及由超声波焊接机的声发射传感器感测的训练声发射来验证测得的样本的拔出力。机器学习模型包括人工神经网络。
112.在计算机实现的方法的步骤15中，将机器学习模型应用于由获取的电力供应数据信号表示的电力、由获取的推力数据信号表示的推力、由获取的距离数据信号表示的距离、由获取的速率数据信号表示的速率、以及由获取的声发射数据信号表示的感测到的声发射。因此，机器学习模型计算模型拔出力作为模型产品性能度量。
113.在计算机实现的方法的步骤16中，将计算的模型拔出力与由阈值拔出力数据信号表示的最小拔出力进行比较。如果计算出的模型拔出力高于或大于最小拔出力，即计算出的模型拔出力符合最小拔出力，则通过规则地处理装配有销的板来继续该过程，并且当超声波焊接机向下一个板中装配下一个销时，在步骤14处继续该计算机实现的方法。
114.如果计算出的模型拔出力低于或小于最小拔出力，即计算出的模型拔出力不符合最小拔出力，则计算机实现的方法继续到步骤17，其中产生非一致性数据信号。非一致性数据信号包括以预定格式发送给搬运机的指令。搬运机布置成通过重新放置和定位来搬运装配有销的板。
115.在计算机实现的方法的步骤18中，非一致性数据信号经由搬运机接口被传送到搬运机。搬运机接口在计算机上提供。
116.在步骤19中，非一致性数据信号指示搬运机拾取装配有销的实际板，并将其重新放置到异常体储存装置。特别地，装配有销的实际板是将销装配至所考虑的传感器数据来源的板中的产品。在去除所识别的异常体之后，超声波焊接机向下一个板中装配下一个销，并且计算机实现的方法在步骤14处继续。
117.在图2中，示出了根据本发明的超声波设备2的实施例，其适于实现根据本发明的计算机实现的方法的实施例和自动化方法的实施例。超声波设备2包括作为搬运机的机器人21、作为焊接机的超声波焊接机22、和计算机25。
118.机器人21和超声波焊接机22沿着加工线24布置。特别地，机器人21被定位和配置
成自动搬运作为连接物的构件盘和作为沿着加工线24加工的物体的木板。更具体地，机器人21被编程为将构件盘和木板适当地定位在超声波焊接机22处并且从超声波焊接机22移除产品(即结合有构件盘的木板)，用于进一步加工。
119.构件盘包括连接结构，待连接到木板的构件可安装到该连接结构上。例如，这种构件可以是连接到木板表面的金属管。除此之外，这种装配有构件盘的木板可能被期望用于建造家具或类似物。构件盘还具有从待结合到木板的表面延伸出的多个齿。至少所述齿包括可液化材料。
120.超声波焊接机22配备有一组内部传感器。内部传感器包括：电力供应传感器221，其配置为在运行时间感测由超声波焊接机22提供的、用以将构件盘装配至木板中的电力；力传感器222，其配置为在运行时间感测在向所述木板装配构件盘时施加至构件盘的推力；距离传感器223，其配置为在运行时间感测构件盘向木板推进的距离；和速率传感器224，其配置为在运行时间感测构件盘向木板推进的速率。超声波焊接机22还配备有外部声发射传感器23，其配置为在运行时间感测在为木板装配构件盘时产生的声发射。
121.制造设备2还包括计算机25，其执行根据本发明的计算机程序的实施例，以便实现根据本发明的计算机实现的方法。计算机25连接到机器人21和超声波焊接机22。计算机程序为计算机25提供搬运机接口251和焊接机接口252。
122.在超声波设备2的操作中，机器人21将构件盘和木板定位在超声波焊接机22处。超声波焊接机22将构件盘推到木板上，使得齿侵入木板。同时，超声波焊接机22振动木板，使得可液化材料因摩擦产生的热量而熔化。借此，可液化材料流入木板的孔中。然后，使可液化材料重新固化，使得构件盘通过微形状配合牢固地连接到木板。
123.在超声波焊接机22的操作期间，计算机25经由焊接机接口252获取由电力供应传感器221提供并且表示在向木板装配构件盘时供应至超声波焊接机22的电力的电力供应数据信号、由推力传感器222提供并且表示在向木板装配构件盘时施加到构件盘的推力的推力数据信号、由距离传感器223提供并且表示构件盘向木板推进的距离的距离数据信号、由速率传感器224提供并且表示构件盘向木板推进的速率的速率数据信号、和由声发射传感器23提供并且表示在向木板装配构件盘时产生的声发射的声发射数据信号。所有这些传感器数据信号都由计算机25根据计算机实现的方法进行处理。特别地，通过应用机器学习模型来评估拉脱力，并且视情况而定，以与上文结合图1所述类似的方式生成不符合信号。
124.图3示出了根据本发明的自动化方法的实施例。该自动化方法实施为用于借助作为焊接机的超声波焊接机31将作为连接物的销装配至作为物体的轻质板。轻质板是一种多层组件，其蜂窝芯由片状层覆盖。
125.超声波焊接机31配备有：电力供应传感器311，其配置为在运行时间感测由超声波焊接机供应的、用以将销装配至轻质板中的电力；力传感器312，其配置为在运行时间感测在向轻质板中装配销时施加至销的推力；距离传感器313，其配置为在运行时间感测销在轻质板中推进的距离；速率传感器314，其配置为在运行时间感测销向轻质板中被推进的速率；以及声发射传感器315，其配置为在运行时间感测在向轻质板中装配销时产生的声发射。
126.自动化方法包括预规定最小拉脱力来作为产品性能度量的步骤32。最小拉脱力表示用于区分适当产品的阈值，即：具有不能在最小拉脱力下被移除的销组的轻质板、和异常
体即具有无法在不从轻质板被移除的情况下承受最小拉脱力的销组的轻质板。
127.在自动化方法的步骤33中，从超声波焊接机31获取一组数据信号。该组数据信号包括：电力供应数据信号，其表示在向轻质板中装配销时由电力供应传感器311感测的电力；推力数据信号，其表示由推力传感器312感测的、在向轻质板中装配销时施加至销的推力；距离数据信号，其表示在向轻质板中推进销时由距离传感器313感测的距离；速率数据信号，其表示在向轻质板中推进销时由速率传感器314感测的速率；以及声发射数据信号，其表示由声发射传感器315感测并且在向轻质板中装配销时产生的声发射。
128.在自动化方法的步骤34中，将预先训练的机器学习模型应用于由获取的电力供应数据信号表示的电力、由获取的推力数据信号表示的推力、由获取的距离数据信号表示的距离、由获取的速率数据信号表示的速率、由获取的声发射数据信号表示的声发射、由超声波焊接机为了将销装配至轻质板中而供应并且由电力供应数据信号表示的电力的确定的信号幅度、以及由超声波焊接机为了将销装配至轻质板中而供应并且由电力供应数据信号表示的电力的确定的信号频率。通过这样的应用，机器学习模型计算模型拉脱力作为模型产品性能度量。
129.通过用超声波焊接机31的电力供应传感器311感测的样本训练电力、超声波焊接机31的力传感器312感测的训练推力、超声波焊接机31的距离传感器313感测的训练距离、超声波焊接机31的速率传感器314感测的训练速率、以及超声波焊接机31的声发射传感器315感测的训练声发射验证所测得的样本拉脱力来预训练机器学习模型。机器学习模型包括人工神经网络和随机决策森林网络的组合。
130.在自动化方法的步骤35中，将计算出的模型拉脱力与预规定的最小拉脱力进行比较。
131.在自动化方法的步骤36中，视情况而定，如果计算出的拉脱力小于最小拉脱力，则装配有销的轻质板被物理地去除/淘汰。
132.在图4中示出了根据本发明的制造方法的实施例。通过该方法，提供了一种计算机程序，该计算机程序具有代码装置，该代码装置配置为当在计算机上执行时，实现根据本发明的计算机实现的方法的实施例，例如图1的计算机实现的方法。特别地，该制造方法包括通过使用多个100个测试销和测试板来具体训练计算机实现的方法中涉及的机器学习模型，以获得如下精确调整的机器学习模型。
133.在制造方法的步骤41中，借助作为超声波机器的超声波焊接机将作为测试连接物的多个测试销之一装配至作为测试物体的多个测试板之一中。该超声波焊接机具有传感器组，该传感器组包括：电力供应传感器，其配置为在运行时间感测被供应用于将测试销装配至测试板中的训练电力；力传感器，其配置为在运行时间感测在向测试板中推进测试销时施加至测试销的训练推力；距离传感器，其配置为在运行时间感测测试销被推进到测试板中的训练距离；速率传感器，其配置为在运行时间感测向测试板中推进测试销的训练速率；以及声发射传感器，其配置为在运行时间感测在向测试板中装配测试销时产生的训练声发射。特别地，用于训练机器学习模型的超声波焊接机与计算机实现的方法和/或训练后的自动化方法中使用的超声波焊接机相同或相似。
134.在制造方法的步骤42中，从超声波焊接机获取一组数据信号。该组数据信号包括：电力供应数据信号，其表示感测到的、由超声波焊接机供应用于将测试销装配至测试板中
的训练电力；推力数据信号，其表示感测到的、在向测试板中装配测试销时施加到测试销的训练推力；距离数据信号，其表示感测到的、超声波焊接机将测试销推进到测试板中的训练距离；速率数据信号，其表示感测到的、超声波焊接机向测试板中装配测试销的训练速率；和声发射数据信号，其表示感测到的、在超声波焊接机向测试板中装配测试销时产生的训练声发射。
135.在制造方法的步骤43中，测量用于从测试板物理地拉出测试销所需的拉脱力。
136.在制造方法的步骤44中，向机器学习模型馈送由获取的电力供应数据信号表示的训练电力、由推力数据信号表示的训练推力、由距离数据信号表示的训练距离、由速率数据信号表示的训练速率、以及由声发射数据信号表示的训练声发射。借此，机器学习模型计算训练模型拉脱力作为多个测试销中的一个测试销的模型产品性能度量。
137.在制造方法的步骤44中，通过将由机器学习模型计算的训练模型拉脱力与测量的拉脱力进行比较来验证机器学习模型。
138.在制造方法的步骤45中，可选地，根据验证的结果调整机器学习模型的参数。特别地，模型中使用的权重进行了调整。重复步骤41至45，直到已经使用了所有的所述多个测试销和测试板。
139.在最后一个周期即周期号100结束时，在步骤44之后，在制造方法的步骤46中提供预训练的机器学习模型。特别地，它可直接在待安装在超声波设备中或待安装在计算机上等的软件包中实现。
140.阐明本发明的方面和实施例的说明书和附图不应被视为限制限定受保护发明的权利要求。换句话说，尽管已经在附图和前面的描述中详细示出和描述了本发明，但这种示出和描述被认为是说明性的或示例性的，而不是限制性的。在不脱离本说明书和权利要求的精神和范围的情况下，可进行各种机械、组成、结构、电气和操作上的改变。在一些情况下，为了不模糊本发明，没有详细示出公知的电路、结构和技术。因此，应当理解，本领域技术人员可在所附权利要求的范围和精神内进行改变和修改。特别地，本发明覆盖了具有来自上面和下面描述的不同实施例的特征的任意组合的其他实施例。
141.本公开还覆盖了分别在图中示出的所有进一步的特征，尽管它们可能没有在前面或下面的描述中描述。此外，附图和说明书中描述的实施例的单个替代方案及其特征的单个替代特征可以从本发明的主题或公开的主题中放弃。本公开包括由权利要求或示例性实施例中限定的特征组成的主题以及包括所述特征的主题。
142.此外，在权利要求中，词语“包括/包含”不排除其他元件或步骤，不定冠词“一”或“一种”不排除多个。单个单元或步骤可能实现权利要求中列举的几个特征的功能。在相互不同的从属权利要求中引用某些措施的这点事实并不表示这些措施的组合不能被有利地使用。与属性或值具体相关的术语“基本上/大致”、“约”、“大约”等也分别确切地定义了属性或值。在给定数值或范围的上下文中，术语“约”是指例如在给定值或范围的20％以内、10％以内、5％以内或2％以内的值或范围。被描述为联接或连接的构件可直接电气地或机械地联接，或者它们可经由一个或多个中间构件间接地联接。权利要求中的任何附图标记不应被解释为限制范围。
143.计算机程序可存储/分配在合适的介质(如与其他硬件一起提供或作为其他硬件的一部分提供的光存储介质或固态介质)上，但也可以其他形式分配，例如通过互联网或其
他有线或无线电信系统分配。特别地，例如，计算机程序可以是存储在计算机可读介质上的计算机程序产品，该计算机程序产品可具有计算机可执行的程序代码，该代码适于被执行以实现特定的方法，例如根据本发明的方法。此外，计算机程序也可以是用于体现特定方法(如根据本发明的计算机实现的方法)的信号或数据结构产品。