Verfahren zum Überprüfen des Produktionsprozesses von Feldgeräten mittels eines Machine-Learning-, bzw. Prognosesystems

• Main Authors: Kaiser, Ulrich, Stasio, Enrico Mario de, Fricke, Thomas, Kramer, Tommi Dirk, Fröhlich, Hans Joachim, Galli, Patrick
• Format: Patent
• Language: German
• Published: 17.12.2020
• Subjects: MEASURING; PHYSICS; TESTING; TESTING STATIC OR DYNAMIC BALANCE OF MACHINES ORSTRUCTURES; TESTING STRUCTURES OR APPARATUS NOT OTHERWISE PROVIDED FOR

Die Erfindung betrifft ein Verfahren zum Überprüfen des Produktionsprozesses von Feldgeräten der Automatisierungstechnik, umfassend:- Zugreifen auf eine Serviceplattform (SP), auf welcher Daten von Feldgeräten, umfassend Identifikationsdaten (A), den jeweiligen Typ (B) eines Feldgeräts, Konfigurationsdaten (C), beinhaltend anwendungsspezifische Daten, Umgebungsinformationen der Feldgeräte und/oder Parameterdaten, Daten (D) betreffend das Produktionsdatum eines jeweiligen Feldgeräts und Reparatur- und/oder Fehlerbehebungsfälle (E) der Feldgeräte korreliert gespeichert sind;- Ermitteln von Auffälligkeiten durch statistisches Auswerten der auf Serviceplattform (SP) gespeicherten Reparatur- und/oder Fehlerbehebungsfälle (E) und Erstellen einer Notifikation (NF) im Falle einer ermittelten Auffälligkeit;- Zuführen der Daten der Feldgeräte und der Notifikationen (NF) an ein Machine-Learning-, bzw. Prognosesystem; und- Auswerten der Daten der Feldgeräte und der Notifikationen (NF) mittels des Machine-Learning-, bzw. Prognosesystems zum Prognostizieren von Serienfehlern der Feldgeräte. The present disclosure relates to a method for verifying the production process of field devices, including a step of accessing a service platform on which data from field devices, including identification data, the respective type of field device, configuration data, containing application-specific data, environment information of the field devices or parameter data, data relating to the production date of a respective field device and repair or troubleshooting cases of the field devices are stored. The method also includes steps of detecting anomalies by statistically evaluating the repair or troubleshooting cases stored on service platform and creating a notification in the event of a detected anomaly, supplying the data of the field devices and the notifications to a machine learning or prognosis system, and evaluating the data of the field devices and the notifications by means of the machine learning or prognosis system for forecasting series errors of the field devices.