用于制造过程的系统、方法和介质技术方案

本文公开了一种制造系统。制造系统包括一个或更多个站、监控平台和控制模块。一个或更多个站中的每个站被配置为执行部件的多步骤制造过程中的至少一个步骤。监控平台被配置为监控在整个多步骤制造过程中部件的进度。控制模块被配置为动态调整多步骤制造过程的每个步骤的加工参数，以实现部件的期望最终质量度量。量。量。

【技术实现步骤摘要】
【国外来华专利技术】用于制造过程的系统、方法和介质
[0001]相关申请的交叉引用
[0002]本申请要求于2020年6月18日提交的美国临时申请序列号63/040,792的优先权，其全部内容通过引用并入本文。本申请是2021年3月9日提交的美国临时申请序列号17/195,746的部分延续案，美国临时申请序列号17/195,746要求于2020年3月9日提交的美国临时申请序列号62/986,987(其全部内容通过引用并入本文)的优先权，并且是2020年11月6日提交的美国申请序列号17/091,393的部分延续案，美国申请序列号17/091,393要求于2019年11月6日提交的美国临时申请序列号62/931,448、2019年11月7日提交的美国临时申请序列号62/932,063和2019年11月6日提交的美国临时申请序列号62/931,453的优先权，其全部内容通过引用并入本文。


[0003]本公开一般涉及用于制造过程的系统、方法和介质。

技术介绍

[0004]自18世纪工业革命开始以来，自动化控制着商品的生产。尽管今天的工厂已经完全将自动化作为核心原则——机器人在高生产环境中执行许多可重复的任务——但许多组装任务继续由人类执行。由于成本、关键故障风险或部署机器人系统进行少量生产运行的物流，这些任务很难实现自动化。这些生产线由标准的过程控制和人员管理进行监督，以便指导组装工随着时间执行某种质量标准，或者由其他操作员代替他们。自组装问世以来，这一过程基本上保持不变。

技术实现思路

[0005]在一些实施例中，本文公开了一种制造系统。该制造系统包括一个或更多个站、监控平台和控制模块。每个站被配置为执行部件的多步骤制造过程中的至少一个步骤。该监控平台被配置为监控在整个多步骤制造过程中该部件的进度。该控制模块被配置为动态调整该多步骤制造过程中的步骤的加工参数以实现该部件的期望最终质量度量，该控制模块配置为执行操作。该操作包括接收该一个或更多个站中的第一站的工装(tooling)的图像数据。该操作还包括从该图像数据识别关键点集。该关键点对应于在第一站处加工期间工装的位置信息。这些操作还包括由机器学习模型基于关键点来确定部件的最终质量度量。该操作还包括基于该确定，根据由该机器学习模型生成的最终质量度量与该部件的规范最终质量度量之间的比较，将该部件分配到一个部件类。
[0006]在一些实施例中，本文公开了一种用于控制多步骤制造过程的计算机实现的方法。多步骤制造过程涉及制造系统的一个或更多个站。每个站被配置为执行部件的多步骤制造过程中的至少一个步骤。与制造系统相关联的计算系统接收一个或更多个站中的第一站的工装的图像数据。该计算系统从该图像数据识别关键点集，该关键点集对应于在第一站处加工期间工装的位置信息。与该计算系统相关联的机器学习模型基于该关键点集确定
该部件的最终质量度量。基于该确定，该计算系统基于由该机器学习模型生成的最终质量度量与该部件的规范最终质量度量之间的比较，将该部件分配到一个部件类。
[0007]在一些实施例中，本文公开了一种制造系统。该制造系统包括一个或更多个工作站、监控平台和控制模块。每个站被配置为执行部件的多步骤制造过程中的至少一个步骤。监控平台被配置为监控在多步骤制造过程中部件的进度。控制模块被配置为动态调整多步骤制造过程中的步骤的加工参数以实现部件的期望最终质量度量，该控制模块被配置为执行操作。该操作包括接收该一个或更多个站中的第一站的工装的图像数据。该操作还包括从该图像数据识别关键点集。该关键点对应于在第一站处加工期间工装的位置信息。该操作还包括由机器学习模型基于关键点确定部件的最终质量度量。该操作还包括确定最终质量度量不在最终质量度量的阈值容差内。该操作还包括基于该确定，根据由该机器学习模型生成的最终质量度量与该部件的规范最终质量度量之间的比较，将该部件分配到一个部件类。操作还包括基于该分配，确定分配给部件的类不是可接受类。该操作还包括基于该确定，推断与第一加工站处的部件相对应的位置信息。该操作还包括基于该确定，生成要由该第一加工站或下游站中的至少一个执行的更新指令集。该操作还包括由机器学习模型基于更新指令集预测部件的最终质量度量。该操作还包括基于预测的最终质量度量，将更新指令集提供给第一加工站或下游站中的至少一个。
附图说明
[0008]为了能够详细理解本公开的上述特征，可以通过参考实施例来对以上简要概述的本公开进行更具体的描述，其中，一些实施例在附图中示出。然而，应注意，附图仅示出了本公开的典型实施例，因此不应被视为限制其范围，因为本公开可以允许其他同等有效的实施例。
[0009]图1是示出根据示例实施例的制造环境的框图。
[0010]图2是示出根据示例实施例的控制模块的框图。
[0011]图3是示出根据示例实施例的LSTM模型的示例性架构的框图。
[0012]图4是可视化地示出根据示例实施例的工装模块的反馈段的整体过程流的框图。
[0013]图5是示出根据示例实施例的GRU模型的架构的框图。
[0014]图6A是示出根据示例实施例的多步骤制造过程的校正方法的流程图。
[0015]图6B是示出根据示例实施例的多步骤制造过程的校正方法的流程图。
[0016]图7是示出根据示例实施例的多步骤制造过程的校正方法的流程图。
[0017]图8A示出了根据示例实施例的系统总线计算系统架构。
[0018]图8B示出了根据示例实施例的具有芯片组架构的计算机系统。
[0019]为了便于理解，在可能的情况下，使用了相同的附图标记来表示图中共有的相同元件。可以设想，在一个实施例中公开的元件可以有利地用于其他实施例，而无需具体叙述。
具体实施方式
[0020]制造过程可以是复杂的，并且包括由不同过程站正在加工直到生产出最终部件的原材料。在一些实施例中，每个过程站接收用于加工的输入，并可以输出中间输出，中间输
出可以被传递给后续(下游)过程站以进行其他加工。在一些实施例中，最终过程站可以接收用于加工的输入，并且可以输出最终部件，或者更概括地说，输出最终输出。
[0021]在一些实施例中，每个站可以包括一个或更多个工具/设备，这些工具/设备可以执行一组过程步骤。示例性过程站可以包括但不限于传送带、注塑机、切割机、模压机、挤出机、计算机数控(computer numerical control，CNC)铣床、研磨机、组装站、三维打印机、质量控制站、验证站等。
[0022]在一些实施例中，每个过程站的操作可由一个或更多个过程控制器控制。在一些实施例中，每个过程站可以包括一个或更多个过程控制器，过程控制器可以被编程以控制过程站的操作。在一些实施例中，操作员或控制算法可以向站控制器提供站控制器设定点，所述设定点可以表示每个控制值的期望值或值范围。在一些实施例中，用于制造过程中的反馈或前馈的值可以称为控制值。示例性控制值可以包括但不限于：速度、温度、压力、真空、旋转、电流、电压、功率、粘本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种制造系统，包括：一个或更多个站，每个站被配置为执行部件的多步骤制造过程中的至少一个步骤；监控平台，所述监控平台被配置为监控在整个所述多步骤制造过程中所述部件的进度；以及控制模块，所述控制模块被配置为动态调整所述多步骤制造过程的步骤的加工参数以实现所述部件的期望最终质量度量，所述控制模块配置为执行操作，所述操作包括：接收所述一个或更多个站中的第一站的工装的图像数据；由第一机器学习模型基于所述图像数据确定所述部件的最终质量度量；确定所述最终质量度量在所述期望最终质量度量的可接受范围之外；基于所述确定，由所述第一机器学习模型生成要由所述第一站或下游站中的至少一个执行以实现所述期望最终质量度量的更新指令集；由第二机器学习模型基于所述更新指令集来预测所述部件的更新最终质量度量；以及基于所述更新最终质量度量，向所述第一站和所述下游站提供所述更新指令集。2.根据权利要求1所述的制造系统，其中，所述第二机器学习模型利用包括合成数据集的训练集来训练。3.根据权利要求1所述的制造系统，其中，所述最终质量度量在所述部件的加工完成之前无法被测量。4.根据权利要求1所述的制造系统，还包括：基于所述部件的位置信息确定不存在不可逆误差。5.根据权利要求1所述的制造系统，还包括：从所述图像数据中识别关键点集，所述关键点集对应于在所述第一站处的加工期间所述工装的位置信息。6.根据权利要求5所述的制造系统，其中，所述关键点集由所述第一机器学习模型用来确定所述最终质量度量。7.根据权利要求5所述的制造系统，还包括：将与所述部件的坐标相对应的所述关键点集和与规范部件相对应的规范关键点集进行比较。8.一种用于动态调整多步骤制造过程的步骤的加工参数以实现经历所述多步骤制造过程的部件的期望最终质量度量的方法，包括：由计算系统接收所述多步骤制造过程中涉及的一个或更多个站中的第一站的工装的图像数据；由所述计算系统的第一机器学习模型基于所述图像数据确定所述部件的最终质量度量；由所述计算系统确定所述最终质量度量在所述期望最终质量度量的可接受范围之外；基于所述确定，由所述第一机器学习模型生成要由所述第一站或下游站中的至少一个执行以实现所述期望最终质量度量的更新指令集；由所述计算系统的第二机器学习模型基于所述更新指令集来预测所述部件的更新最终质量度量；以及基于所述更新最终质量度量，由所述计算系统向所述第一站和所述下游站提供所...

【专利技术属性】
技术研发人员：安德鲁，
申请(专利权)人：纳米电子成像有限公司，
类型：发明
国别省市：