DETERMINING A CONDITION LEVEL VALUE

• Main Authors: GOTTWALD, Stefan, HEIMANN, Matthias, HOFMEISTER, Andreas, VOGES, Steve, HESSE, Marc, FRÜHAUF, Peter, THIESS, Michael, BECKER, Karl-Friedrich
• Format: Patent
• Language: English; French
• Published: 22.08.2024
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; CONTROL OR REGULATING SYSTEMS IN GENERAL; CONTROLLING; COUNTING; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS ORELEMENTS; PHYSICS; REGULATING

A method for determining a condition level value (12) for at least one production process type and/or at least one of its production steps at at least one production line (16)by a monitoring system (10) of the production line (16), comprising a federated learning model served by a federated learning model-server (60), and trained and/or re-trained with at least two federated learning sub-models (61a,61b) from at least two distributed production lines with at least one type of input parameter from the trinity of machine parameters, component parameters, and parameters from surroundings (36) of the components (18,42,40) and/or the machine, whereby the model-server (60) event-driven re-trains the federated learning model with the sub-models (61a,61b), whereby each distributed production line's local monitoring system (10) employs the steps of: - capturing a first parameter (28a, 28b) of the production process by a first interface (20a, 20b) of the monitoring system (10), wherein the first interface (20a, 20b) is arranged at at least one production machine (30a, 30b) of the production line (16), and wherein the first parameter (28a, 28b) is a value describing a parameter of the production machine (30a, 30b); - capturing a second parameter (32a, 32b) of the component (18) during the production process by a second interface (22a, 22b) of the monitoring system (10), wherein the second parameter (32a, 32b) is a value describing a parameter of the component (18); - capturing a third parameter (34) of the surroundings (36) of the component (18) and/or the production machine (30a, 30b) during the production process by a third interface (24) of the monitoring system (10), wherein the third interface's (24) third parameter (34) is a value describing the surroundings (36); - training the local sub-model from data comprising the trinity of input types for parameters; - pushing the latest version of the local sub-model to the model-server if a defined criterion is satisfied; - pulling the re-trained federated learning model from the model server to the local monitoring system (10) if a defined criterion is satisfied; and - running the monitoring system with the newly pulled federated learning model, and determining the condition level value (12) depending on at least one of the trinity of parameter types by an electronic computing device (26) of the monitoring system (10). La présente invention concerne un procédé de détermination d'une valeur de niveau de condition (12) pour au moins un type de processus de production et/ou au moins une de ses étapes de production sur au moins une ligne de production (16) par un système de surveillance (10) de la ligne de production (16), comprenant un modèle d'apprentissage fédéré servi par un serveur-modèle d'apprentissage fédéré (60), et entraîné et/ou ré-entraîné avec au moins deux sous-modèles d'apprentissage fédéré (61a, 61b) provenant d'au moins deux lignes de production distribuées avec au moins un type de paramètre d'entrée parmi la trinité des paramètres de machine, des paramètres de composant et des paramètres d'environnement (36) des composants (18, 42, 40) et/ou de la machine, le serveur-modèle (60) entraînant à nouveau le modèle d'apprentissage fédéré, en fonction des événements, avec les sous-modèles (61a, 61b), le système de surveillance local (10) de chaque ligne de production distribuée employant les étapes suivantes consistant à : - capturer un premier paramètre (28a, 28b) du processus de production avec une première interface (20a, 20b) du système de surveillance (10), la première interface (20a, 20b) étant disposée sur au moins une machine de production (30a, 30b) de la ligne de production (16), et le premier paramètre (28a, 28b) étant une valeur décrivant un paramètre de la machine de production (30a, 30b) ; - capturer un deuxième paramètre (32a, 32b) du composant (18) pendant le processus de production avec une deuxième interface (22a, 22b) du système de surveillance (10), le deuxième paramètre (32a, 32b) étant une valeur décrivant un paramètre du composant (18) ; - capturer un troisième paramètre (34) de l'environnement (36) du composant (18) et/ou de la machine de production (30a, 30b) pendant le processus de production avec une troisième interface (24) du système de surveillance (10), le troisième paramètre (34) de la troisième interface (24) étant une valeur décrivant l'environnement (36) ; - entraîner le sous-modèle local à partir de données comprenant les trois types d'entrée pour les paramètres ; - transmettre la dernière version du sous-modèle local au modèle-serveur si un critère défini est satisfait ; transférer le modèle d'apprentissage fédéré réentraîné du serveur-modèle au système de surveillance local (10) si un critère défini est satisfait ; et - exécuter le système de surveillance avec le nouveau modèle d'apprentissage fédéré et déterminer la valeur de niveau de condition (12) en fonction d'au moins un des trois types de paramètres à l'aide d'un dispositif informatique électronique (26) du système de surveillance (10).