【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、为了制造诸如机器人、发动机、涡轮机、涡轮叶片、内燃机、工具、机动车辆或其组件的复杂技术产品，越来越大规模地使用计算机辅助设计系统。借助于这种设计系统通常产生详细指定待制造产品的设计数据，借助于所述设计数据可以操控用于制造指定的产品的生产系统。
2、为了优化期望的产品特性，通常追求自动优化产品的设计数据。产品特性或目标特性在此可以涉及产品的性能、功率、产量、速度、重量、运行时、精度、错误率、资源消耗、效能、效率、污染物排放、稳定性、磨损、使用寿命、物理特性、机械特性、化学特性、电特性、磁特性、待满足的次要条件或其他目标变量。
3、为了优化产品的目标变量，经常使用多维优化方法，即所谓的mdo方法(mdo：multidimensional optimization，多维优化)。这些mdo方法通常模拟产品的通过设计数据指定的大量构造变体，并且专门选择优化所模拟的目标变量的构造变体。
4、然而，这种模拟通常需要大量的计算工作，特别是因为通常应当评估极大量的构造变体。为了减少所需的计算工作，通常使用所谓的替代模型，这些替代模型特别是通过机器学习方法被训练为预测相关的模拟结果或目标变量而无需详细的模拟。然而，这种替代模型通常具有很低或有波动的准确性。
技术实现思路
1、本专利技术的任务是说明用于控制生产系统的方法和系统，它们允许更有效的设计优化。
2、该任务通过具有权利要求1的特征的方法、通过具有权利要求10的特征的系统、通过具有权
3、为了控制生产系统以制造就多个目标变量而言优化的产品，读入大量测试数据集，每个测试数据集都包括指定所述产品的构造变体的第一设计数据集以及量化该构造变体的目标变量的第一目标值。这里和下文中，优化也被理解为接近最佳值。就第一目标值而言确定第一设计数据集的第一排序。此外，还提供了多个设计评估模块，每个设计评估模块都用于基于设计数据集来预测目标值。通过设计评估模块分别预测第一设计数据集的目标值。然后对于相应的设计评估模块，确定就预测的目标值而言第一设计数据集的相应第二排序以及确定相应第二排序与第一排序的相应偏差。然后根据所确定的偏差，选择设计评估模块。此外，生成大量第二设计数据集，通过所选择的设计评估模块为每个第二设计数据集预测第二目标值。然后根据所述第二目标值，从所述第二设计数据集导出目标值优化的设计数据集并输出以用于制造所述产品。
4、为了执行根据本专利技术的方法，设置了一种用于控制生产系统的系统、一种计算机程序产品以及一种计算机可读的、优选非易失的存储介质。
5、根据本专利技术的方法和根据本专利技术的系统可以例如借助于一个或多个计算机、处理器、专用集成电路(asic)、数字信号处理器(dsp)和/或所谓的“现场可编程门阵列”(fpga)来执行或实现。
6、借助于本专利技术，特别是可以选择以下设计评估模块来用于设计优化，所述设计评估模块尽可能准确地再现从预给定数据导出的设计数据集的排序。因此，这种设计评估模块可以以有利的方式用于相对可靠地将目标值优化的设计数据集识别为目标值优化的设计数据集或将目标值优化的设计数据集与不太优化的设计数据集区分开。在此，特别是仍然可以非常有利地应用就预测的目标值而言系统地错误估计的设计评估模块，只要该设计评估模块仅尽可能好地再现实际排序。
7、本专利技术的有利实施方式和扩展在从属权利要求中说明。
8、根据本专利技术的有利实施方式，作为设计评估模块可以提供机器学习模块，所述机器学习模块已借助于与测试数据集不一致的训练数据集训练为基于训练设计数据集再现相关联的训练目标值。这种经过训练的机器学习模块在其应用时通常比详细的模拟模型需要明显更少的计算资源。
9、尽管如此，作为设计评估模块也可以提供模拟模块，每个模拟模块都基于指定构造变体的设计数据集来模拟地预测该构造变体的目标值。通过这种方式，还可以借助于本专利技术评估模拟模块在预测排序时的准确性。
10、根据本专利技术的特别有利的实施方式，相应的设计评估模块可以分别输出相应第一设计数据集的目标值的统计分布，以预测所述目标值。为此，相应的设计评估模块可以实现贝叶斯神经网络和/或高斯过程。这种统计分布可以特别是通过目标值的平均值、中值、方差、标准偏差、不确定性说明、可靠性说明、概率分布、分布类型和/或变化过程说明来指定。然后基于相应的统计分布，可以选择相应的目标值样本，特别是随机地选择。由此可以就所选择的目标值样本来确定相应第二排序。另外，可以在权利要求1的方法步骤e)的多次运行期间聚集所选择的目标值样本、所确定的第二排序和/或所确定的偏差，以用于选择设计评估模块。在此情况下，所述聚集可以包括求平均值、积分和/或形成最小值、形成最大值、形成分数和/或形成百分数。通过考虑目标值的统计分布，可以估计目标值各自的不确定性。通过这种方式，特别是可以选择更鲁棒或更可靠的构造变体。
11、根据本专利技术的另一有利实施方式，为了确定第一排序和/或相应的第二排序，可以针对所述第一设计数据集利用目标变量作为帕累托目标标准来执行帕累托优化。在此可以确定帕累托前沿。然后可以针对相应的第一设计数据集确定与帕累托前沿的相应距离，例如欧几里得距离。由此可以根据第一设计数据集与帕累托前沿的距离来确定第一设计数据集的第一排序和/或第二排序。特别地，可以向较小的距离比较大的距离在排序中分配更高的排位。通过这种方式，在确定设计数据集的排序时，可以自然地考虑多个独立的目标变量。此外，在许多情况下，上述过程在很大程度上可以毫无问题地随着目标变量的数量而伸缩。
12、根据本专利技术的另一有利实施方式，可以借助于kendall-tau度量来确定相应第二排序与第一排序的偏差。
13、为此，有利地可以对kendall-tau度量进行加权。特别地，在应用kendall-tau度量的情况下，可以向与帕累托前沿的距离较小的第一设计数据集赋予比与帕累托前沿的距离较大的第一设计数据集更高的权重。通过这种方式，在对排序进行比较时，更好的设计可以比更差的设计具有更高的权重。这是有利的，因为最佳或几乎最佳的设计的排序最终对于目标值优化的设计数据集的选择是决定性的。
本文档来自技高网...【技术保护点】
1.一种用于控制生产系统(PS)以制造就多个目标变量(T1、T2)而言优化的产品(P)的计算机实现的方法，其中
2.根据权利要求1所述的方法，其特征在于，作为设计评估模块(EV1，...，EVN)提供机器学习模块，所述机器学习模块已借助于训练数据集训练为基于训练设计数据集再现相关联的训练目标值，以及
3.根据前述权利要求中任一项所述的方法，其特征在于，作为设计评估模块(EV1，...，EVN)提供模拟模块，每个模拟模块都基于指定构造变体的设计数据集来模拟地预测该构造变体的目标值。
4.根据前述权利要求中任一项所述的方法，其特征在于，相应的设计评估模块(EV1，...，EVN)分别输出相应第一设计数据集(DR1)的目标值的统计分布(VPD)，以预测所述目标值，
5.根据权利要求4所述的方法，其特征在于，相应的统计分布(VPD)通过平均值、中值、方差、标准偏差、不确定性说明、可靠性说明、概率分布、分布类型和/或变化过程说明来指定。
6.根据前述权利要求中任一项所述的方法，其特征在于，为了确定第一排序和/或相应的第二排序(R1
7.根据前述权利要求中任一项所述的方法，其特征在于，借助于Kendall-tau度量来确定相应第二排序(R2)与所述第一排序(R1)的偏差。
8.根据权利要求7所述的方法，其特征在于，在应用Kendall-tau度量的情况下，向与帕累托前沿(PF)的距离较小的第一设计数据集(DR1)赋予比与帕累托前沿(PF)的距离较大的第一设计数据集(DR1)更高的权重。
9.根据前述权利要求中任一项所述的方法，其特征在于，相应的设计评估模块(EV1，...，EVN)包括人工神经网络、贝叶斯神经网络、递归神经网络、卷积神经网络、多层感知器、自动编码器、深度学习架构、支持向量机、数据驱动的可训练回归模型、k最近邻分类器、物理模型和/或决策树。
10.一种用于控制生产系统(PS)以制造就多个目标变量(T1、T2)而言优化的产品(P)的系统(DS)，所述系统被设置为执行根据前述权利要求中任一项所述的方法。
11.一种计算机程序产品，被设置为执行根据权利要求1至9中任一项所述的方法。
12.一种计算机可读存储介质，具有根据权利要求11所述的计算机程序产品。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于控制生产系统(ps)以制造就多个目标变量(t1、t2)而言优化的产品(p)的计算机实现的方法，其中
2.根据权利要求1所述的方法，其特征在于，作为设计评估模块(ev1，...，evn)提供机器学习模块，所述机器学习模块已借助于训练数据集训练为基于训练设计数据集再现相关联的训练目标值，以及
3.根据前述权利要求中任一项所述的方法，其特征在于，作为设计评估模块(ev1，...，evn)提供模拟模块，每个模拟模块都基于指定构造变体的设计数据集来模拟地预测该构造变体的目标值。
4.根据前述权利要求中任一项所述的方法，其特征在于，相应的设计评估模块(ev1，...，evn)分别输出相应第一设计数据集(dr1)的目标值的统计分布(vpd)，以预测所述目标值，
5.根据权利要求4所述的方法，其特征在于，相应的统计分布(vpd)通过平均值、中值、方差、标准偏差、不确定性说明、可靠性说明、概率分布、分布类型和/或变化过程说明来指定。
6.根据前述权利要求中任一项所述的方法，其特征在于，为了确定第一排序和/或相应的第二排序(r1、r2)，
...【专利技术属性】
技术研发人员：S·德佩威格，K·希什，M·凯撒，
申请(专利权)人：西门子股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。