用于在使用基于人工智能的分類器的情況下監(jiān)控刷填塞機(jī)、特別是牙刷填塞機(jī)的填塞過程的方法。

背景技術(shù)：

1、刷填塞機(jī)用于制造刷并且具體而言用于將刷毛束填塞到刷體的束接納孔中并且從而產(chǎn)生刷的刷毛填塞料。

2、為此目的，刷填塞機(jī)具有填塞工具，該填塞工具帶有推舌，該推舌設(shè)立并且設(shè)置成用于將刷毛束填塞到刷體的束接納孔中。通常將刷毛束連同固定錨一起填塞到束接納孔中并錨固在那里。

3、為了無瑕疵的填塞結(jié)果，必須遵守不同的參數(shù)，使得制造無瑕疵的刷。這些參數(shù)例如包括推舌的長度和定向、絲的數(shù)量和錨的長度。

4、如果這些參數(shù)之一偏離其正常值，則生產(chǎn)的刷可能是被有缺陷或不良地配置。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是，創(chuàng)造一種方法，利用該方法能監(jiān)控填塞過程并且從而識別有缺陷的和/或不良的刷和/或刷填塞機(jī)的缺陷。

2、該任務(wù)通過一種具有權(quán)利要求1所述特征的方法來解決。

3、據(jù)此，按照本發(fā)明的方法的特征在于，在填塞過程期間確定在填塞刷毛束時作用于推舌的填塞力的時間序列，人工智能分類器使用從該時間序列確定的多個輸入?yún)?shù)并輸出是否存在缺陷狀態(tài)，其中，人工智能分類器已事先利用代表無缺陷的填塞過程的輸入?yún)?shù)訓(xùn)練。

4、通常，為了監(jiān)控刷的質(zhì)量，需要進(jìn)行視覺檢查，該視覺檢查非常耗費且成本密集。本發(fā)明的優(yōu)點現(xiàn)在在于，借助人工智能分類器，可以從簡單的力傳感器的測量值推斷出所生產(chǎn)的刷的狀態(tài)。因此可以按簡單的方式并且成本經(jīng)濟(jì)地監(jiān)控填塞過程。特別是，這樣的力傳感器可能已經(jīng)存在于刷填塞機(jī)上，使得可以直接使用其測量值。

5、人工智能分類器僅利用代表無缺陷的狀態(tài)、即“良好”的輸入?yún)?shù)進(jìn)行訓(xùn)練。按這種方式能將輸入?yún)?shù)與訓(xùn)練數(shù)據(jù)的偏差很簡單地識別為缺陷狀態(tài)、即“不良”。與利用不良值進(jìn)行訓(xùn)練相比，因此能明顯縮短訓(xùn)練。

6、為了確定時間序列，在固定的時間區(qū)間內(nèi)確定填塞力的測量值。測量值的數(shù)量通過采樣率確定。適宜地，采樣率在兩位數(shù)千赫茲范圍內(nèi)。

7、在一種實施方案中，對于每個填塞過程，從填塞力確定一個時間序列、特別是單變量的時間序列。這意味著，一個時間序列正好對應(yīng)于在一個填塞孔處的一個填塞過程，因而反映填塞機(jī)的一個循環(huán)。

8、雖然該數(shù)量的測量值可以作為用于人工智能分類器的輸入?yún)?shù)。但由于輸入?yún)?shù)數(shù)量大，人工智能分類器的復(fù)雜性可能變大。因此，對于計算來說可能需要很多存儲器和/或計算時間。

9、因此，在一個實施方案中，通過特征提取和/或數(shù)據(jù)減少從這樣的時間序列確定所述輸入?yún)?shù)。按這種方式，輸入?yún)?shù)的數(shù)量變少，由此降低了人工智能分類器的復(fù)雜性并且計算能更快且用更少的資源進(jìn)行。

10、在一種實施方案中，作為特征，在提取特征時，確定預(yù)定數(shù)量的傅里葉系數(shù)。在此，對時間序列應(yīng)用傅里葉變換亦或快速傅里葉變換，即離散傅里葉變換。在此，輸入?yún)?shù)限于確定數(shù)量的傅里葉系數(shù)，例如前80個傅里葉系數(shù)。

11、替代地或附加地，作為特征，在特征提取時，確定預(yù)定數(shù)量的小波系數(shù)，例如通過離散的小波變換。適宜地，作為小波使用haar小波或daubechies小波，特別是具有在4到20之間的n值的小波或者n值在2到4之間的coiflet小波。其中，對于所有的小波，例如使用在1到4之間的級別。值n和級別優(yōu)選選擇為使得小波系數(shù)的數(shù)量約為80。

12、在另一種替代的實施方案中或附加地，作為特征，在特征提取時，對于時間序列的預(yù)定數(shù)量的區(qū)間分別確定一個與中位數(shù)的距離。在這里，預(yù)定數(shù)量也可以大約為80。

13、通過特征提取，可以顯著減少輸入?yún)?shù)的數(shù)量，而不產(chǎn)生相關(guān)的信息丟失。

14、替代地或附加地，在一個實施方案中，為了減少數(shù)據(jù)，減少在時間序列中的測量值的數(shù)量，特別是使得每個時間序列保留200個測量值?？梢哉f，在此實施方案中，進(jìn)行子采樣，由此減少在時間序列中的測量值的數(shù)量。為此可以例如簡單地從時間序列中去除測量值。但也可以由多個相鄰的測量值成一平均值，將該平均值用作輸入?yún)?shù)。按這種方式可以直接使用測量值，而不必為了特征提取而進(jìn)行計算。這可導(dǎo)致更快的處理和減少的計算耗費。

15、在一種實施方案中，替代地和/或附加地由預(yù)定數(shù)量的時間序列形成一個多變量的時間序列。如上文已經(jīng)描述的，一個時間序列對應(yīng)于在一個填塞孔處的一個填塞過程?，F(xiàn)在，將多個這樣的時間序列合并為一個多變量的時間序列。這意味著，例如將100個填塞孔的時間序列合并在一起。在此，每把刷的填塞孔的數(shù)量并不重要。如果一把刷例如具有40個填塞孔，則多變量的時間序列便包括2.5把刷。理所當(dāng)然，這些數(shù)字只是示例性的并且可以毫無問題地匹配于應(yīng)用。

16、這樣的多變量的時間序列可以是用于確定輸入?yún)?shù)的基礎(chǔ)，如上所述。這意味著，從這樣的多變量的時間序列提取特征。

17、在一種替代的實施方案中，可以首先進(jìn)行特征提取，并且由這些特征形成多變量的時間序列。

18、與此無關(guān)地，將多變量的時間序列用作輸入?yún)?shù)。按這種方式，不必為每個孔單獨進(jìn)行人工智能分類器的計算。而是首先收集多個填塞孔的測量值并且然后將它們作為整體單元來考慮。

19、按這種方式雖然無法對每個填塞孔或刷做出缺陷說明。但在實踐中，這對于在刷填塞機(jī)的運行中確定與正常運行的偏差、即缺陷狀態(tài)也不是強(qiáng)制必需的。

20、通常對人工智能或人工智能分類器在其使用之前進(jìn)行訓(xùn)練。

21、在一種實施方案中，為了在運行中訓(xùn)練人工智能分類器，確定預(yù)定數(shù)量的時間序列并將由此確定的輸入?yún)?shù)定義為良好，例如由用戶定義。按這種方式，人工智能分類器的訓(xùn)練可以在運行進(jìn)行中、可以說“即時”進(jìn)行。為此，例如在刷生產(chǎn)啟動時，記錄一定數(shù)量的由用戶定義或確認(rèn)為良好的時間序列。例如通過查看刷。從這些時間序列確定的輸入?yún)?shù)用作人工智能分類器的訓(xùn)練數(shù)據(jù)。在后續(xù)的運行中，將輸入?yún)?shù)針對這些在先定義的輸入?yún)?shù)進(jìn)行測試。一個持續(xù)的學(xué)習(xí)過程——在該學(xué)習(xí)過程中輸入?yún)?shù)連續(xù)為人工智能模型的精細(xì)化做出貢獻(xiàn)——雖然不是必需的，但可設(shè)置成可選的。

22、該方法的一個顯著的優(yōu)點在于，不必事先知道良好的輸入?yún)?shù)看起來如何。這些良好的輸入?yún)?shù)首先被確定并被視為良好，并且事后才被定義或確認(rèn)為良好，例如通過用戶輸入。因此，即使在填塞過程上或在刷幾何方面發(fā)生了變化或其他變化，按照本發(fā)明的方法也可以直接投入生產(chǎn)，無需耗費的訓(xùn)練過程。

23、如果人工智能分類器在運行進(jìn)行中將一組輸入?yún)?shù)評定為不良，則可規(guī)定：用戶可確定輸入?yún)?shù)是良好、還是不良。這就是說，可以對結(jié)果進(jìn)行人工檢查。如果輸入?yún)?shù)仍被確定為良好，則這些輸入?yún)?shù)可以附加地被納入訓(xùn)練數(shù)據(jù)中，使得這樣的輸入?yún)?shù)將來更可被評定為良好。

24、在一種實施方案中，為了確定填塞力而使用傳感器、例如力傳感器或應(yīng)變片。按這種方式可以以低的技術(shù)耗費并且成本經(jīng)濟(jì)地確定填塞力。填塞力也可以按其他方式確定，例如從填塞工具的驅(qū)動電機(jī)的功率消耗或其扭矩。

25、在一種實施方案中有利的可以是，人工智能分類器具有至少一個另外的由另外的傳感器導(dǎo)出的輸入?yún)?shù)。按這種方式，人工智能分類器可以動用附加的、在最好的情況下獨立的信息，從而可以實現(xiàn)更好的分類。這樣的第二傳感器可以例如是用于確定振動或晃動的運動傳感器。對于第二傳感器，輸入?yún)?shù)可以按與對于填塞力相同的方式確定。這就是說，例如可以從時間序列提取特征。

26、在另一實施方案中，可以使用第二人工智能分類器，用以附加地確定一種缺陷狀態(tài)。為了訓(xùn)練第二人工智能分類器，使用來自分別與確定的缺陷狀態(tài)相配的填塞力的時間序列的輸入?yún)?shù)。按這種方式，不僅可以確定在運行期間發(fā)生了缺陷狀態(tài)，而且可以附加地確定在此涉及哪種類型的缺陷狀態(tài)。

27、但為此有必要利用代表缺陷狀態(tài)的輸入?yún)?shù)對人工智能分類器進(jìn)行訓(xùn)練。此外，還必須對該缺陷狀態(tài)根據(jù)其類型進(jìn)行分類。與訓(xùn)練第一人工智能分類器不同，訓(xùn)練在這里因此僅利用“不良的”數(shù)據(jù)進(jìn)行。因此，訓(xùn)練第二人工智能分類器優(yōu)選事先利用受控的輸入?yún)?shù)進(jìn)行，例如通過故意引發(fā)確定的缺陷圖像。

28、正是在使用第二人工智能分類器用來識別缺陷類型時，從第二傳感器的測量值導(dǎo)出的另外的輸入?yún)?shù)可以是有利的。在最佳的情況下，第二傳感器提供的測量值獨立于第一傳感器的測量值，即沒有相關(guān)性。

29、在另一種實施方案中規(guī)定，在出現(xiàn)缺陷狀態(tài)之后對刷填塞機(jī)進(jìn)行維修。在這里，操作員確定缺陷類型和用于消除缺陷狀態(tài)的工作方法。在維修之后，將關(guān)于缺陷類型和及其消除的這些信息例如存儲在數(shù)據(jù)庫中。當(dāng)重新出現(xiàn)缺陷狀態(tài)時，可以從該數(shù)據(jù)庫通過配屬缺陷類型來調(diào)用用于消除缺陷狀態(tài)的提示。該數(shù)據(jù)庫例如可以是基于云的。

30、替代地或附加地，可以將關(guān)于缺陷類型及其消除的這些信息添加給人工智能分類器、尤其是第二人工智能分類器的訓(xùn)練數(shù)據(jù)。這具有如下的優(yōu)點，即，當(dāng)重新出現(xiàn)缺陷狀態(tài)時，除了缺陷類型之外，人工智能分類器還可以直接輸出用于消除缺陷狀態(tài)的提示。

31、作為人工智能分類器，可以使用不同的模型，例如人工神經(jīng)網(wǎng)絡(luò)或其他方法。

32、優(yōu)選地，人工智能分類器是所謂的一類支持向量機(jī)、隔離森林（isolationforest）、自動編碼器或卷積自動編碼器。

33、本發(fā)明還涉及一種刷填塞機(jī)、特別是牙刷填塞機(jī)，該刷填塞機(jī)配備有刷填塞機(jī)用以實施上述按照本發(fā)明的方法的裝置。作為用于實施本方法的裝置，刷填塞機(jī)可以包括用于填塞刷毛束的推舌、用于確定在填塞刷毛束時作用于推舌的填塞力的傳感器、特別是力傳感器、控制單元和至少一個人工智能分類器。人工智能分類器可以至少在某些時候是刷填塞機(jī)的一部分?？刂茊卧梢跃哂信c前文提到的數(shù)據(jù)庫進(jìn)行通信、優(yōu)選雙向通信的接口。