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：