Roboterprozess

Die vorliegende Erfindung betrifft ein Verfahren, System und

Computerprogrammprodukt zur Durchführung eines Prozesses, insbesondere mithilfe wenigstens eines Roboters.

Aus betriebsinterner Praxis ist es bekannt, Roboterprozesse, beispielsweise Regelparameter, durch Optimierer zu optimieren, die ein Gütekriterium optimieren, beispielsweise eine Kostenfunktion minimieren oder dergleichen.

Während die Optimierung, insbesondere Konvergenz und gefundene (lokale) Optima, sehr stark vom Gütekriterium abhängen, ist es in der Praxis oft schwierig, geeignete, insbesondere sensorisch ermittelbare, Gütekriterien zu formulieren, beispielsweise beim robotergestützten Einklippsen von Schnappern oder dergleichen: so kann ein Mensch sehr einfach beurteilen, ob ein robotergestützter Steck- bzw. (Ein)Schnappvorgang erfolgreich war, während dies anhand von Kraft- oder Gelenkwinkelverläufen des Roboters nicht ohne weiteres ablesbar ist.

Aufgabe der vorliegenden Erfindung ist es, die Durchführung eines Prozesses, insbesondere eines robotergestützten Prozesses, zu verbessern.

Diese Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs 1 gelöst. Ansprüche 12, 13 stellen ein System bzw. Computerprogrammprodukt zur Durchführung eines hier beschriebenen Verfahrens unter Schutz. Die Unteransprüche betreffen vorteilhafte Weiterbildungen.

Nach einer Ausführung der vorliegenden Erfindung umfasst ein Verfahren zur Durchführung eines Prozesses, in einer Ausführung mithilfe, insbesondere durch, wenigstens eines/-n Roboter(s), die Schritte:

- Durchführen eines Durchlaufs des Prozesses mit einer Prozesssteuerung, in einer Ausführung einer Prozesssteuerung des Roboters; - Erfassen eines (ein- oder mehrdimensionalen) Wertes einer ein- oder mehrdimensionalen ersten Prozessgröße für dieses, insbesondere bei diesem, Durchführen; und

- Erfassen einer Bewertung dieses durchgeführten Prozessdurchlaufs.

Nachdem der Prozess mit der initialen Prozesssteuerung, die in einer Ausführung eine Default-, insbesondere Standard-Prozesssteuerung oder auch bereits, insbesondere empirisch, voroptimiert sein kann, durchgeführt und dafür bzw. dabei Werte der ersten Prozessgröße sowie, in einer Ausführung im Anschluss an diesen Prozessdurchlauf, eine Bewertung dieses durchgeführten (Ausgangs)Prozessdurchlaufs, in einer Ausführung eine Bewertung durch einen Menschen, erfasst worden sind, werden nach einer Ausführung der vorliegenden Erfindung die folgenden Bewertungs-Lernschritte mehrfach wiederholt:

- Variieren der, insbesondere bisherigen bzw. vorherigen, Prozesssteuerung, in einer Ausführung eines oder mehrerer Parameter der Prozesssteuerung, in einer Weiterbildung eines Reglers, durch einen Optimierer, insbesondere ein, vorzugsweise numerisches, Optimierungsverfahren bzw. -mittel, insbesondere -algorithmus, zu einer variierten Prozesssteuerung auf Basis von Werten eines Gütekriteriums für durchgeführte Prozessdurchläufe;

- Durchführen eines (weiteren) Durchlaufs des Prozesses mit dieser variierten Prozesssteuerung;

- Erfassen eines Wertes der ersten Prozessgröße für dieses, insbesondere bei diesem, Durchführen; und

- Erfassen einer Bewertung dieses durchgeführten Prozessdurchlaufs, in einer Ausführung analog zu der Bewertung für die bzw. bei der initialen Prozesssteuerung; insbesondere also

- Variieren der initialen Prozesssteuerung durch den Optimierer zu einer variierten Prozesssteuerung auf Basis von Werten des Gütekriteriums für den durchgeführten Ausgangsprozessdurchlauf,

- Durchführen eines erneuten Durchlaufs des Prozesses mit dieser variierten Prozesssteuerung,

- Erfassen eines Wertes der ersten Prozessgröße für dieses, insbesondere bei diesem, erneuten Durchführen, und

- Erfassen einer Bewertung dieses durchgeführten Prozessdurchlaufs; sowie mehrfach

- weiteres Variieren der, insbesondere bereits ein- bzw. mehrfach variierten bzw. vorherigen, Prozesssteuerung durch den Optimierer zu einer variierten Prozesssteuerung auf Basis von Werten des Gütekriteriums für bisher durchgeführte Prozessdurchläufe,

- Durchführen eines weiteren Durchlaufs des Prozesses mit dieser variierten Prozesssteuerung,

- Erfassen eines Wertes der ersten Prozessgröße für dieses, insbesondere bei diesem, weiteren Durchführen, und

- Erfassen einer Bewertung dieses durchgeführten Prozessdurchlaufs; wobei ein erstes Gütefaktormodell des Prozesses, welches auf Basis von (einem Wert) der ersten Prozessgröße einen Gütefaktor des Prozesses ermittelt, auf Basis dieser erfassten Bewertungen und Werte der ersten Prozessgröße maschinell gelernt wird.

Einer Ausführung liegt die Idee zugrunde, für die Bewertung von Prozessdurchläufen wenigstens ein maschinelles Lernverfahren einzusetzen. Hierdurch können in einer Ausführung auch komplexe und/oder sich verändernde Prozesse vorteilhaft optimiert werden, insbesondere wenn ein Prozesserfolg direkt nur schwer messbar ist. We einleitend erläutert, kann beispielsweise beim robotergestützten Einklippsen von Schnappern oder dergleichen ein Mensch, eine Bild- und/oder eine Audioverarbeitung sehr einfach beurteilen, ob ein robotergestützter Steck- bzw. (Ein)Schnappvorgang erfolgreich war, insbesondere durch visuelle Beurteilung des Fügeergebnisses durch den Menschen, Bildverarbeitung des Fügeergebnisses durch eine Bildverarbeitung, insbesondere -erkennung bzw. Detektion eines (Ein)Schnappgeräusches durch eine Audioverarbeitung, während dies anhand von Kraft- oder Gelenkwinkelverläufen des Roboters nicht ohne weiteres ablesbar ist.

Entsprechend umfasst das Verfahren nach einer Ausführung der vorliegenden Erfindung nach dieser/-n Bewertungs-Lernphase bzw. -schritten die mehrfach wiederholten Prozesssteuerungs-Optimierungsschritte:

- Variieren der Prozesssteuerung durch den Optimierer zu einer veränderten Prozesssteuerung auf Basis von Werten des Gütekriteriums für durchgeführte Prozessdurchläufe;

- Durchführen eines Durchlaufs des Prozesses mit dieser veränderten Prozesssteuerung; und - Erfassen eines Wertes der ersten Prozessgröße für dieses, insbesondere bei diesem, Durchführen; wobei der Wert des Gütekriteriums für einen oder mehrere der Prozessdurchläufe, die mit einer der veränderten Prozesssteuerungen durchgeführt worden sind, (jeweils) auf Basis eines Gütefaktors ermittelt wird, der seinerseits durch das maschinell gelernte erste Gütefaktormodell auf Basis des für den bzw. bei dem jeweiligen Prozessdurchlauf erfassten Wertes der ersten Prozessgröße ermittelt wird.

Somit wird in einer Ausführung eine Optimierung des Prozesses durch einen Optimierer mit der Beurteilung des Prozess(erfolg)es durch ein maschinelles Lernverfahren kombiniert. Ein Gütefaktor des Prozesses ist in einer Ausführung ein Erfolg des Prozesses oder ein anderer Faktor bzw. Bestandteil des Gütekriteriums. Entsprechend umfasst eine Bewertung eines Prozessdurchlaufs in einer Ausführung eine(n) Wert(angabe) für diesen bzw. dieses Gütefaktor bzw. das Erfassen einer Bewertung eines durchgeführten Prozessdurchlaufs das Erfassen eines Wertes dieses Gütefaktors für diesen durchgeführten Prozessdurchlauf. Das Gütekriterium ist in einer Ausführung eine (zu minimierende) Kostenfunktion des Optimierers.

In einer Ausführung wird der Wert des Gütekriteriums für einen oder mehrere mit einer (der) variierten Prozesssteuerung(en) in einem (der) Bewertungs-Lernschritt(e) durchgeführten Prozessdurchlauf (jeweils) auf Basis der erfassten Bewertung dieses Prozessdurchlaufs ermittelt, in einer Ausführung der Wert des Gütekriteriums in gleicher Weise ermittelt wie bei dem bzw. den Prozesssteuerungs- Optimierungsschritt(en), wobei anstelle des durch das Gütefaktormodell ermittelten Gütefaktors (noch, in einer Ausführung nur) die erfasste Bewertung verwendet wird.

Hierdurch kann in einer Ausführung die Optimierung, insbesondere eine Konvergenz, verbessert, insbesondere eine Stabilität erhöht und/oder eine benötigte Zeit und/oder Durchlaufzahl reduziert, und/oder die Praktikabilität des gefundenen Optimums bzw. der optimierten Prozess-, insbesondere Robotersteuerung verbessert werden.

In einer Ausführung weist das Verfahren die Schritte auf:

- Erfassen von (ein- oder mehrdimensionalen) Werten einer zusätzlichen bzw. zweiten ein- oder mehrdimensionalen Prozessgröße für das, insbesondere bei dem, Durchführen von Prozessdurchläufen in Bewertungs-Lernschritten und/oder in Prozesssteuerungs-Optimierungsschritten.

In einer Weiterbildung wird der Wert des Gütekriteriums für einen oder mehrere mit einer (der) variierten Prozesssteuerung(en) in einem (der) Bewertungs-Lernschritt(e) durchgeführten Prozessdurchlauf (jeweils) auf Basis auch des für diesen, insbesondere bei diesem, Prozessdurchlauf erfassten Wertes der zweiten Prozessgröße ermittelt bzw. hängt der Wert des Gütekriteriums zusätzlich von dem für diesen, insbesondere bei diesem, Prozessdurchlauf erfassten Wert der zweiten Prozessgröße ab, wobei die erfasste Bewertung dieses Prozessdurchlaufs von diesem Wert der zweiten Prozessgröße unabhängig ist.

Zusätzlich oder alternativ wird in einer Weiterbildung der Wert des Gütekriteriums für einen oder mehrere mit einer (der) veränderten Prozesssteuerung(en) in einem (der) Prozesssteuerungs-Optimierungsschritt(e) durchgeführten Prozessdurchlauf (jeweils) auf Basis auch des für diesen, insbesondere bei diesem, Prozessdurchlauf erfassten Wertes der zweiten Prozessgröße ermittelt bzw. hängt der Wert des Gütekriteriums zusätzlich von dem für diesen, insbesondere bei diesem, Prozessdurchlauf erfassten Wert der zweiten Prozessgröße ab, in einer Ausführung in gleicher weise wie bei dem bzw. den Bewertungs-Lernschritt(en), wobei der durch das erste Gütefaktormodell ermittelte Gütefaktor von diesem Wert der zweiten Prozessgröße unabhängig ist.

Somit wird in einer Ausführung zusätzlich zu der erfassten Bewertung bzw. dem durch das Gütefaktormodell ermittelten Gütefaktor eine weitere bzw. zweite ein- oder mehrdimensionale Größe, beispielsweise die Prozessdauer oder dergleichen, bei der Ermittlung des (Wertes des) Gütekriteriums bzw. bei der Optimierung berücksichtigt.

Hierdurch kann in einer Ausführung die Optimierung, insbesondere eine Konvergenz, verbessert, insbesondere eine Stabilität erhöht und/oder eine benötigte Zeit und/oder Durchlaufzahl reduziert, und/oder die Praktikabilität des gefundenen Optimums bzw. der optimierten Prozess-, insbesondere Robotersteuerung verbessert werden.

In einer Ausführung wird für einen oder mehrere (der) mit einer (der) veränderten Prozesssteuerung(en) in einem (der) Prozesssteuerungs-Optimierungsschritt(e) durchgeführten Prozessdurchläufe (jeweils) eine Bewertung dieses Prozessdurchlaufs erfasst, in einer Ausführung in gleicher Weise wie bei dem bzw. den Bewertungs-Lernschritt(en), und in einer Ausführung mit einem durch das maschinell gelernte erste Gütefaktormodell auf Basis des für diesen, insbesondere bei diesem, Prozessdurchlauf erfassten Wertes der ersten Prozessgröße ermittelten Gütefaktor verglichen.

In einer Weiterbildung wird das erste Gütefaktormodell auf Basis dieses Wertes der ersten Prozessgröße und dieser erfassten Bewertung weiter maschinell gelernt.

Mit anderen Worten wird das maschinelle Lernen auch während der (weiteren) Optimierung der Prozesssteuerung in der/-n Prozesssteuerungs-Optimierungsphase bzw. -schritten maschinell weiter gelernt. Dies kann insbesondere dann besonders zweckmäßig bzw. vorteilhaft sein, wenn sich die Prozessteuerung in der Optimierungsphase signifikant ändert, beispielsweise bei einem Fügeprozess eine Zusatzbewegung etabliert wird, so dass sich die erste Prozessgröße, beispielsweise Gelenkkoordinaten- bzw. Kraftverläufe entsprechend stark ändern.

Zusätzlich oder alternativ wird in einer Weiterbildung eine, in einer Ausführung optische und/oder akustische, Meldung, in einer Ausführung am Roboter, beispielsweise durch eine roboterfestes Lampe oder dergleichen, ausgegeben, wenn, insbesondere solange, eine von einer Abweichung zwischen der erfassten Bewertung und dem ermittelten Gütefaktor abhängige Toleranzgröße außerhalb eines vorgegebenen Toleranzbereichs liegt.

Hierdurch kann das weitere maschinelle Lernen während der (weiteren) Optimierung der Prozesssteuerung in der/-n Prozesssteuerungs-Optimierungsphase bzw. -schritten vorteilhaft so lange wie nötig fortgesetzt werden.

Zusätzlich oder alternativ wird in einer Weiterbildung das Erfassen einer Bewertung eines weiteren mit einer veränderten Prozesssteuerung in einem Prozesssteuerungs-Optimierungsschritt durchgeführten Prozessdurchlaufs in Abhängigkeit von dem Ergebnis dieses Vergleichs durchgeführt bzw. hängt von dem Ergebnis dieses Vergleichs ab. In einer Ausführung wird das erste Gütefaktormodell maschinell weiter gelernt, falls, insbesondere solange, ein von dem ersten Gütefaktormodell ermittelter Gütefaktor von der erfassten Bewertung zu stark abweicht bzw. eine von dieser Abweichung abhängige Toleranzgröße außerhalb eines vorgegebenen Toleranzbereichs liegt. Zusätzlich oder alternativ kann ein, in einer Ausführung zeitlicher, Abstand eines weiteren Vergleichs vergrößert werden oder ein weiterer Vergleich unterbleiben, wenn ein von dem ersten Gütefaktormodell ermittelter Gütefaktor genau genug mit der erfassten Bewertung übereinstimmt bzw. eine von dieser Abweichung abhängige Toleranzgröße innerhalb eines vorgegebenen Toleranzbereichs liegt.

Hierdurch kann in einer Ausführung die Optimierung, insbesondere eine Konvergenz, verbessert, insbesondere eine Stabilität erhöht und/oder eine benötigte Zeit und/oder Durchlaufzahl reduziert, und/oder die Praktikabilität des gefundenen Optimums bzw. der optimierten Prozess-, insbesondere Robotersteuerung verbessert werden.

In einer Ausführung wird auf Basis von für bzw. bei Bewertungs-Lernschritte(n) erfassten Bewertungen und Werten der ersten Prozessgröße wenigstens ein weiteres Gütefaktormodells des Prozesses maschinell gelernt, welches (ebenfalls) auf Basis (von Werten) der ersten Prozessgröße einen Gütefaktor des Prozesses ermittelt, wobei das erste und weitere Gütefaktormodell verschiedenartig sind.

In einer Weiterbildung wird in wenigstens einem der

Prozesssteuerungs-Optimierungsschritte der Wert des Gütekriteriums für den mit der veränderten Prozesssteuerung durchgeführten Prozessdurchlauf (auch) auf Basis des durch das maschinell gelernte weitere Gütefaktormodell auf Basis des für diesen, insbesondere bei diesem, Prozessdurchlauf erfassten Wertes der ersten Prozessgröße ermittelten Gütefaktors ermittelt. In einer Ausführung werden somit zwei oder mehr verschiedenartige maschinelle Lernverfahren bzw. maschinell gelernte Gütefaktormodelle gebündelt, in einer Ausführung aggregiert (verwendet).

Hierdurch kann in einer Ausführung die Optimierung, insbesondere eine Konvergenz, verbessert, insbesondere eine Stabilität erhöht und/oder eine benötigte Zeit und/oder Durchlaufzahl reduziert, und/oder die Praktikabilität des gefundenen Optimums bzw. der optimierten Prozess-, insbesondere Robotersteuerung verbessert werden. Zusätzlich oder alternativ wird in einer Weiterbildung eine, in einer Ausführung optische und/oder akustische, Meldung, in einer Ausführung am Roboter, beispielsweise durch eine roboterfeste Lampe oder dergleichen, ausgegeben, wenn eine von einer Abweichung zwischen einem durch das erste Gütefaktormodell und einem durch das weitere Gütefaktormodell auf Basis des für den bzw. bei dem Prozessdurchlauf in einem der Prozesssteuerungs-Optimierungsschritte erfassten Wertes der ersten Prozessgröße ermittelten Gütefaktor abhängige Toleranzgröße außerhalb eines vorgegebenen Toleranzbereichs liegt. In einer Ausführung wird (durch die Meldung) signalisiert, dass ein Bedienereingriff erforderlich ist.

Hierdurch kann in einer Ausführung die Optimierung, insbesondere eine Konvergenz, verbessert, insbesondere eine Stabilität erhöht und/oder eine benötigte Zeit und/oder Durchlaufzahl reduziert, und/oder die Praktikabilität des gefundenen Optimums bzw. der optimierten Prozess-, insbesondere Robotersteuerung verbessert werden.

In einer Ausführung wird ein Konfidenzintervall des ersten Gütefaktormodells ermittelt und eine, in einer Ausführung optische und/oder akustische, Meldung, in einer Ausführung am Roboter, beispielsweise durch eine roboterfeste Lampe oder dergleichen, ausgegeben, wenn dieses einen, insbesondere vorgegebenen, Grenzwert übersteigt. In einer Ausführung wird (durch die Meldung) signalisiert, dass ein Bedienereingriff erforderlich ist.

Hierdurch kann in einer Ausführung die Optimierung, insbesondere eine Konvergenz, verbessert, insbesondere eine Stabilität erhöht und/oder eine benötigte Zeit und/oder Durchlaufzahl reduziert, und/oder die Praktikabilität des gefundenen Optimums bzw. der optimierten Prozess-, insbesondere Robotersteuerung verbessert werden.

In einer Ausführung wird wenigstens ein mit einer (der) variierten Prozesssteuerung(en) in einem (der) Bewertungs-Lernschritt(e) durchgeführter Prozessdurchlauf (jeweils) auf Basis eines elektronisch übertragenen Signals, insbesondere ohne unmittelbare Sicht auf den Prozess, bewertet. Das elektronisch übertragene Signal kann insbesondere ein oder mehrere aufgenommene Bilder des Prozesses aufweisen. Hierdurch kann in einer Ausführung eine Sicherheit eines Bedieners erhöht werden und/oder ein Bediener zugleich mehrere verteilt angeordnet)e Prozesse, insbesondere Prozesse mehrerer verteilt angeordnet)er Roboter, bewerten bzw. diese optimiert werden.

In einer Ausführung weist die erste Prozessgröße und/oder die zweite Prozessgröße roboterspezifische, in einer Ausführung durch roboterseitige und/oder roboterexterne Sensoren erfasste, Ist-Daten und/oder Soll-Daten, insbesondere wenigstes eine Koordinate einer Pose wenigstens einer roboterfesten Referenz und/oder eine erste und/oder höhere Zeitableitung hiervon, eine Kraft an wenigstens einer roboterfesten Referenz und/oder wenigstens eine Antriebsgröße wenigstens eines Roboterantriebes, und/oder visuelle und/oder Audio- und/oder Zeitdaten, insbesondere Zeitdauern, auf.

In einer Ausführung umfasst somit die erste Prozessgröße und/oder die zweite Prozessgröße Robotertraces bzw. Zeitverläufe von Gelenkkoordinaten und/oder von Koordinaten von Endeffektorposen im Arbeitsraum und/oder von Zeitableitungen hiervon und/oder von auf den Roboter wirkenden externen Kräften, insbesondere Kontaktkräften, und/oder von Antriebskräften und/oder Strömen und/oder Spannungen von Antrieben des Roboters. Zur kompakteren Darstellung werden vorliegend auch antiparallele Kräftepaare bzw. Drehmomente verallgemeinernd als Kräfte bezeichnet.

Zusätzlich oder alternativ umfasst die erste Prozessgröße und/oder die zweite Prozessgröße in einer Ausführung visuelle Daten, insbesondere Kamera- bzw. Bilddaten, und/oder Audiosignale oder Daten, die auf Basis von Bildern, insbesondere Kamerabildern, und/oder Audiosignalen ermittelt sind, insbesondere werden.

Zusätzlich oder alternativ umfasst die erste Prozessgröße und/oder die zweite Prozessgröße in einer Ausführung eine Dauer des jeweiligen Prozessdurchlaufs und/oder eines oder mehrerer Abschnitte hiervon.

Solche Prozessgrößen sind einerseits besonders zur Optimierung von Prozessen geeignet und andererseits besonders gut mithilfe eines maschinell gelernten Gütefaktormodells berücksichtigen- bzw. verwertbar. In einer Ausführung werden Bewertungen mithilfe von menschlichen Eingaben erfasst. Beispielsweise kann ein Bediener jeweils bei und/oder nach einem Prozessdurchlauf den Wert des Gütefaktors für diesen Prozessdurchlauf angeben bzw. diesen bewerten, in einer Ausführung den Erfolg des Prozessdurchlaufes bewerten.

Hierdurch kann in einer Ausführung die Praktikabilität des gefundenen Optimums bzw. der optimierten Prozess-, insbesondere Robotersteuerung verbessert werden.

Zusätzlich oder alternativ werden in einer Ausführung Bewertungen automatisch, in einer Ausführung sensorgestützt, erfasst. Beispielsweise kann eine Bild- und/oder Audioerkennung bzw. -Verarbeitung bei und/oder nach einem Prozessdurchlauf den Wert des Gütefaktors für diesen Prozessdurchlauf angeben bzw. diesen bewerten, in einer Ausführung den Erfolg des Prozessdurchlaufes bewerten.

Hierdurch kann in einer Ausführung die Optimierung, insbesondere eine Konvergenz, verbessert, insbesondere eine Stabilität erhöht und/oder ein personeller Aufwand, eine benötigte Zeit und/oder Durchlaufzahl reduziert, werden.

Zusätzlich oder alternativ sind in einer Ausführung Bewertungen zweiwertig, insbesondere „gut7„schlecht“, „07„1“, „in Ordnung7„nicht in Ordnung“ oder dergleichen.

Hierdurch kann in einer Ausführung die Optimierung, insbesondere eine Stabilität erhöht werden.

In einer anderen Ausführung sind Bewertungen drei- oder mehrwertig, umfassen beispielsweise Noten einer drei- oder mehrwertigen Skala, eine Einstufung in drei oder mehr verschiedene Güteklassen oder dergleichen.

Hierdurch kann in einer Ausführung die Praktikabilität des gefundenen Optimums bzw. der optimierten Prozess-, insbesondere Robotersteuerung verbessert werden.

In einer Ausführung weist das erste Gütefaktormodell ein neuronales Netz, ein Random-Forests Modell, ein Decision Tree Modell, ein k-Nearest Neighbours Modell, ein Logistic Regression Modell oder ein, insbesondere generalisiertes, lineares Modell auf.

Zusätzlich oder alternativ weist in einer Ausführung das weitere Gütefaktormodell ein neuronales Netz, ein Random-Forests Modell, ein Decision Tree Modell, ein k-Nearest Neighbours Modell, ein Logistic Regression Modell oder ein, insbesondere generalisiertes, lineares Modell auf, wobei in einer Ausführung das erste und weitere Gütefaktormodell verschiedenartig sind.

Diese maschinellen Lernverfahren sind zur Ermittlung eines Gütefaktors eines, insbesondere robotergestützten, Prozesses besonders geeignet.

In einer Ausführung werden in Abhängigkeit von der erfassten Bewertung eines in einem Bewertungs-Lernschritt durchgeführten Prozesses unterschiedliche Nachfolgeprozesse durchgeführt. Zusätzlich oder alternativ werden in einer Ausführung in Abhängigkeit von dem ermittelten Gütefaktor eines in einem Prozesssteuerungs-Optimierungsschritt durchgeführten Prozesses unterschiedliche Nachfolgeprozesse durchgeführt. Beispielsweise kann bei einem (ausreichend) erfolgreichen Fügevorgang ein Bauteil einem normalen weiteren Prozessablauf zugeführt und bei einem nicht (ausreichend) erfolgreichen Fügevorgang das Bauteil aussortiert oder einer Nachbearbeitung zugeführt werden.

Dadurch kann in einer Ausführung der, insbesondere robotergestützte, Prozess weiter verbessert werden.

Nach einer Ausführung der vorliegenden Erfindung ist ein System zum Durchführen eines Prozesses, in einer Ausführung mithilfe, insbesondere durch, wenigstens eines/-n Roboter(s), insbesondere hard- und/oder Software-, insbesondere programmtechnisch, zur Durchführung eines hier beschriebenen Verfahrens eingerichtet und/oder weist auf:

- Mittel zum Durchführen eines Durchlaufs des Prozesses mit einer Prozesssteuerung, insbesondere mit einer Prozesssteuerung des Roboters;

- Mittel zum Erfassen eines Wertes einer ersten Prozessgröße für dieses, insbesondere bei diesem, Durchführen; und

- Mittel zum Erfassen einer Bewertung dieses durchgeführten Prozessdurchlaufs; - Mittel zum mehrfach wiederholten Durchführen der Bewertungs-Lernschritte:

- Variieren der Prozesssteuerung, insbesondere wenigstens eines Parameters der Prozesssteuerung, insbesondere eines Reglers, durch einen Optimierer zu einer variierten Prozesssteuerung auf Basis von Werten eines Gütekriteriums für durchgeführte Prozessdurchläufe;

- Durchführen eines Durchlaufs des Prozesses mit der variierten Prozesssteuerung;

- Erfassen eines Wertes der ersten Prozessgröße für diesen, insbesondere bei diesem, Durchführen; und

- Erfassen einer Bewertung dieses durchgeführten Prozessdurchlaufs; wobei ein erstes Gütefaktormodell des Prozesses, welches auf Basis der ersten Prozessgröße einen Gütefaktor des Prozesses ermittelt, auf Basis dieser erfassten Bewertungen und Werte der ersten Prozessgröße maschinell gelernt wird; und

- Mittel zum mehrfach wiederholten Durchführen der Prozesssteuerungs- Optimierungsschritte:

- Variieren der Prozesssteuerung durch den Optimierer zu einer veränderten Prozesssteuerung auf Basis von Werten des Gütekriteriums für durchgeführte Prozessdurchläufe;

- Durchführen eines Durchlaufs des Prozesses mit der veränderten Prozesssteuerung; und

- Erfassen eines Wertes der ersten Prozessgröße für dieses, insbesondere bei diesem, Durchführen; wobei der Wert des Gütekriteriums für wenigstens einen der mit einer der veränderten Prozesssteuerungen durchgeführten Prozessdurchläufe auf Basis eines durch das maschinell gelernte erste Gütefaktormodell auf Basis des für diesen, insbesondere bei diesem, Prozessdurchlauf erfassten Wertes der ersten Prozessgröße ermittelten Gütefaktors ermittelt wird.

In einer Ausführung weist das System bzw. sein(e) Mittel auf:

- Mittel zum Ermitteln des Wertes des Gütekriteriums für wenigstens einen mit einer variierten Prozesssteuerung in einem Bewertungs-Lernschritt durchgeführten Prozessdurchlauf auf Basis der erfassten Bewertung dieses Prozessdurchlaufs; und/oder

- Mittel zum Erfassen von Werten einer zweiten Prozessgröße für das Durchführen von Prozessdurchläufen in Bewertungs-Lernschritten und/oder Prozesssteuerungs-Optimierungsschritten, wobei der Wert des Gütekriteriums für wenigstens einen mit einer variierten Prozesssteuerung in einem Bewertungs-Lernschritt durchgeführten Prozessdurchlauf zusätzlich von dem für diesen Prozessdurchlauf erfassten Wert der zweiten Prozessgröße abhängt, von dem die erfasste Bewertung dieses Prozessdurchlaufs unabhängig ist, und/oder wobei der Wert des Gütekriteriums für wenigstens einen mit einer veränderten Prozesssteuerung in einem Prozesssteuerungs-Optimierungsschritt durchgeführten Prozessdurchlauf zusätzlich von dem für diesen Prozessdurchlauf erfassten Wert der zweiten Prozessgröße abhängt, von dem der durch das erste Gütefaktormodell ermittelte Gütefaktor unabhängig ist; und/oder

- Mittel zum - für wenigstens einen mit einer veränderten Prozesssteuerung in einem Prozesssteuerungs-Optimierungsschritt durchgeführten Prozessdurchlauf - Erfassen einer Bewertung dieses Prozessdurchlaufs und in einer Ausführung Vergleichen mit einem durch das maschinell gelernte erste Gütefaktormodell auf Basis des für diesen Prozessdurchlauf erfassten Wertes der ersten Prozessgröße ermittelten Gütefaktor, sowie Mittel zum weiteren maschinellen Lernen des ersten Gütefaktormodells auf Basis dieses Wertes der ersten Prozessgröße und dieser erfassten Bewertung und/oder zum Ausgeben einer Meldung, wenn eine von einer Abweichung zwischen der erfassten Bewertung und dem ermittelten Gütefaktor abhängige Toleranzgröße außerhalb eines vorgegebenen Toleranzbereichs liegt und/oder zum Erfassen einer Bewertung eines weiteren mit einer veränderten Prozesssteuerung in einem Prozesssteuerungs-Optimierungsschritt durchgeführten Prozessdurchlaufs in Abhängigkeit von dem Ergebnis dieses Vergleichs; und/oder

- Mittel zum maschinellen Lernen wenigstens eines weiteren Gütefaktormodells des Prozesses, welches auf Basis der ersten Prozessgröße einen Gütefaktor des Prozesses ermittelt, auf Basis von für, insbesondere bei, Bewertungs-Lernschritte(n) erfassten Bewertungen und Werten der ersten Prozessgröße, wobei das erste und weitere Gütefaktormodell verschiedenartig sind, sowie Mittel zum Ermitteln - in wenigstens einem der Prozesssteuerungs- Optimierungsschritte - des Wertes des Gütekriteriums für den mit der veränderten Prozesssteuerung durchgeführten Prozessdurchlauf auf Basis des durch das maschinell gelernte weitere Gütefaktormodell auf Basis des für diesen Prozessdurchlauf erfassten Wertes der ersten Prozessgröße ermittelten Gütefaktors und/oder zum Ausgeben einer Meldung, wenn eine von einer Abweichung zwischen einem durch das erste Gütefaktormodell und einem durch das weitere Gütefaktormodell auf Basis des für den bzw. bei dem Prozessdurchlauf in einem der Prozesssteuerungs-Optimierungsschritte erfassten Wertes der ersten Prozessgröße ermittelten Gütefaktor abhängige Toleranzgröße außerhalb eines vorgegebenen Toleranzbereichs liegt; und/oder

- Mittel zum Ermitteln eines Konfidenzintervalls des ersten Gütefaktormodells und Ausgeben einer Meldung, wenn dieses einen Grenzwert übersteigt; und/oder

- Mittel zum Bewerten wenigstens eines mit einer variierten Prozesssteuerung in einem Bewertungs-Lernschritt durchgeführten Prozessdurchlaufs auf Basis eines elektronisch übertragenen Signals, insbesondere ohne unmittelbare Sicht auf den Prozess; und/oder

- Mittel zum Erfassen von Bewertungen mithilfe von menschlichen Eingaben und/oder automatisch, insbesondere sensorgestützt; und/oder

- Mittel zum Durchführen unterschiedlicher Nachfolgeprozesse in Abhängigkeit von der erfassten Bewertung eines in einem Bewertungs-Lernschritt durchgeführten Prozesses und/oder zum Durchführen unterschiedlicher Nachfolgeprozesse in Abhängigkeit von dem ermittelten Gütefaktor eines in einem Prozesssteuerungs- Optimierungsschritt durchgeführten Prozesses.

Ein Mittel im Sinne der vorliegenden Erfindung kann hard- und/oder softwaretechnisch ausgebildet sein, insbesondere eine, vorzugsweise mit einem Speicher- und/oder Bussystem daten- bzw. signalverbundene, insbesondere digitale, Verarbeitungs-, insbesondere Mikroprozessoreinheit (CPU) und/oder ein oder mehrere Programme oder Programmmodule aufweisen. Die CPU kann dazu ausgebildet sein, Befehle, die als ein in einem Speichersystem abgelegtes Programm implementiert sind, abzuarbeiten, Eingangssignale von einem Datenbus zu erfassen und/oder Ausgangssignale an einen Datenbus abzugeben. Die CPU kann insbesondere eine Graphikarte (GPU) und/oder wenigstens ein(en) Neural Computing Chip aufweisen, insbesondere sein. Ein Speichersystem kann ein oder mehrere, insbesondere verschiedene, Speichermedien, insbesondere optische, magnetische, Festkörper- und/oder andere nicht-flüchtige Medien aufweisen. Das Programm kann derart beschaffen sein, dass es die hier beschriebenen Verfahren verkörpert bzw. auszuführen imstande ist, sodass die CPU die Schritte solcher Verfahren ausführen kann und damit insbesondere den Prozess bzw. dessen Optimierung durchführen kann. Ein Computerprogrammprodukt kann in einer Ausführung ein, insbesondere nicht-flüchtiges, Speichermedium zum Speichern eines Programms bzw. mit einem darauf gespeicherten Programm aufweisen, insbesondere sein, wobei ein Ausführen dieses Programms ein System, insbesondere einen Computer, dazu veranlasst, ein hier beschriebenes Verfahren bzw. einen oder mehrere seiner Schritte auszuführen.

In einer Ausführung werden ein oder mehrere, insbesondere alle, Schritte des Verfahrens vollständig oder teilweise automatisiert durchgeführt, insbesondere durch das System bzw. sein(e) Mittel.

Weitere Vorteile und Merkmale ergeben sich aus den Unteransprüchen und den Ausführungsbeispielen. Hierzu zeigt, teilweise schematisiert:

Fig. 1 : ein Verfahren zur Durchführung eines Prozesses nach einer Ausführung der vorliegenden Erfindung; und

Fig. 2: ein System zur Durchführung des Verfahrens nach einer Ausführung der vorliegenden Erfindung.

Fig. 2 zeigt ein System zur Durchführung eines Verfahrens nach einer Ausführung der vorliegenden Erfindung.

Das System umfasst einen Roboter 10 mit Gelenk(antrieb)en 11 , der mit seinem Endeffektor 12 Schnapper 20 auf Bauteile 21 stecken soll, die auf einem Förderband 70 angefördert werden.

Hierzu wird er von einer Robotersteuerung 30 mit einem Regler 31 gesteuert, wobei auch ein Regeln vorliegend als Steuern bezeichnet wird und der Regler 31 auch Einzelgelenkregler für die einzelnen Gelenk(antrieb)e 11 aufweisen kann. In einem Schritt S10 wird der Steckprozess zunächst mit Default-Werten für Parameter des Reglers 31 durchgeführt. Ein(e) (Wert einer) erste(n) Prozessgröße umfasst Robotertraces x, beispielsweise Achswinkel und/oder -geschwindigkeiten und/oder Kräfte bzw. Drehmomente in Antrieben und/oder Achsen und/oder am Endeffektor 12, und wird einem maschinellen Lernverfahren 50, im Ausführungsbeispiel einem künstlichen neuronalen Netz 51 übermittelt.

Außerdem bewertet ein Bediener (nicht dargestellt) über ein Eingabegerät 6 diesen Prozessdurchlauf, beispielsweise dessen Erfolg. In einer andere Ausführung kann er auch einen Wert für einen anderen Gütefaktor an- bzw. eingeben. Diese Bewertung E wird erfasst und ebenfalls an das maschinelle Lernverfahren 50 bzw. künstliche neuronale Netz 51 sowie einen Optimierer 4 gemeldet.

Ein(e) (Wert einer) zweite(n) Prozessgröße in Form einer Prozessdauer y wird ebenfalls an den Optimierer 4 gemeldet.

Anschließend werden die Parameter des Reglers durch den Optimierer 4 mehrfach variiert und der Prozess mit der solcherart variierten Prozesssteuerung, d.h. den solcherart variierten Reglerparametern, erneut durchgeführt (Fig. 1: Schritt S20), solange ein Abbruchkriterium nicht erfüllt ist (Schritt S30: „N“), beispielsweise das neuronale Netz 51 noch nicht ausreichend trainiert bzw. das hierdurch implementierte Gütefaktormodell noch nicht ausreichend maschinell gelernt ist.

Dabei werden auch in jedem dieser mehrfach wiederholten Bewertungs-Lernschritte S20 jeweils die entsprechende Werte x, y der ersten bzw. zweiten Prozessgröße sowie die Bewertung E durch den Bediener an das maschinelle Lernverfahren 50 bzw. künstliche neuronale Netz 51 (x, E) bzw. den Optimierer 4 (y, E) gemeldet.

Der Optimierer 4 ermittelt den Wert eines Gütekriteriums beispielsweise als gewichtete Summe aus der jeweiligen Prozessdauer y und der Bewertung E und variiert auf Basis dieses (Werts des) Gütekriteriums die Parameter des Reglers, das Gütefaktormodell bzw. künstliche neuronale Netz 51 wird auf Basis dieser Bewertungen E und Werte der ersten Prozessgröße x trainiert bzw. maschinell gelernt. Ist das Abbruchkriterium erfüllt (S30: „Y“), fährt das System bzw. Verfahren mit der Prozesssteuerungs-Optimierung fort.

Hierbei werden die Parameter des Reglers durch den Optimierer 4 weiter variiert und der Prozess mit der solcherart variierten Prozesssteuerung, d.h. den solcherart variierten Reglerparametern, erneut durchgeführt (Schritt S40), bis ein Abbruchkriterium erfüllt ist (Schritt S50: „Y“), beispielsweise der Wert des Gütekriteriums in einem vorgegebenen Bereich liegt.

Dabei wird der Wert des Gütekriteriums in analoger Weise als gewichtete Summe ermittelt, wobei anstelle der Bewertung E nun der vom maschinell gelernten Gütefaktormodell 51 auf Basis (des Wertes) der ersten Prozessgröße x ermittelte Gütefaktor E‘ verwendet wird.

Ist das Abbruchkriterium erfüllt (Schritt S50: „Y“), kann der Prozess mit der solcherart optimierten Prozess-, insbesondere Robotersteuerung weiter durchgeführt werden (S80), wobei hier auch noch weiter optimiert und/oder maschinell gelernt werden kann.

Falls die Prozesssteuerungs-Optimierung noch nicht beendet ist (S50: „N“), wird die Qualität des maschinell gelernten Gütefaktormodells in regelmäßigen Abständen geprüft, beispielsweise ein Konfidenzintervall oder eine Abweichung zu einem parallel maschinell gelernten zweiten, andersartigen Gütefaktormodell oder einer, in einer Ausführung in zunehmenden und/oder von der Abweichung abhängigen Zeitintervallen, weiterhin erfassten Bewertung E überprüft. Falls Konfidenzintervall bzw. Abweichung zu groß werden (S60: „Y“), wird ein Bedienereingriff angefordert bzw. signalisiert (Schritt S70), andernfalls (S60: „N“) die Prozesssteuerungs- Optimierung fortgesetzt.

Je nach erfasster Bewertung E bzw. ermitteltem Gütefaktor E‘ instruiert die Steuerung 30 das Förderband 70, das Bauteil 21 nach dem Fügeprozess einem normalen Folgeprozess oder einer Nachbearbeitung zuzuführen.

Obwohl in der vorhergehenden Beschreibung exemplarische Ausführungen erläutert wurden, sei darauf hingewiesen, dass eine Vielzahl von Abwandlungen möglich ist. So lernt im Ausführungsbeispiel das neuronale Netz 51 nur auf Basis von roboterspezifischen Sensordaten x. In einer Abwandlung kann es zusätzlich oder alternativ auch andere Daten, beispielsweise die Prozessdauer y oder dergleichen berücksichtigen. Außerdem sei darauf hingewiesen, dass es sich bei den exemplarischen Ausführungen lediglich um Beispiele handelt, die den Schutzbereich, die Anwendungen und den Aufbau in keiner Weise einschränken sollen. Vielmehr wird dem Fachmann durch die vorausgehende Beschreibung ein Leitfaden für die Umsetzung von mindestens einer exemplarischen Ausführung gegeben, wobei diverse Änderungen, insbesondere in Hinblick auf die Funktion und Anordnung der beschriebenen Bestandteile, vorgenommen werden können, ohne den Schutzbereich zu verlassen, wie er sich aus den Ansprüchen und diesen äquivalenten Merkmalskombinationen ergibt.

Bezuqszeichenliste

4 Optimierer

6 Eingabegerät

10 Roboter 11 Gelenk(antrieb)

12 Endeffektor

20 Schnapper

21 Bauteil

30 Steuerung 31 Regler

50 maschinelles Lernverfahren

51 künstliches neuronales Netz (maschinell gelerntes Gütefaktormodell)

70 Förderband

E Bewertung E‘ Gütefaktor x Robotertraces (erste Prozessgröße) y Prozessdauer (zweite Prozessgröße)