-
公开(公告)号:CN118402212A
公开(公告)日:2024-07-26
申请号:CN202180105331.X
申请日:2021-12-29
Applicant: 西门子股份公司
Inventor: 崔韬 , 王凌云 , 亚历山德拉·奥利韦拉·达·席尔瓦
IPC: H04L12/28 , H04L12/40 , H04L67/10 , H04L67/12 , H04L67/289 , H04L67/5651 , H04L65/611 , H04L65/75 , G05B19/042 , G05B19/418 , G05B23/02 , H04L69/00
Abstract: 一种用于在工业环境中处理数据的系统,该系统包括传感器,该传感器将从工厂车间获取的传感器数据作为多播数据流传送,其中,每个帧标记有指示该帧在数据流中的位置的序列标识符。网络交换机将数据流分配至一组多播端点。该系统包括控制器,该控制器具有多个模块化地连接的处理单元。每个处理单元还与网络交换机相连并被配置为该组多播端点中的相应的端点。每个处理单元被配置用于,通过执行数据处理模块来根据各个帧的序列标识符选择性地处理数据流的帧,以产生与每个处理的帧相关联的输出结果。该控制器集合来自多个处理单元的每个已处理的帧的输出结果和序列标识符。
-
公开(公告)号:CN110889707B
公开(公告)日:2023-11-28
申请号:CN201910843888.8
申请日:2019-09-06
Applicant: 西门子股份公司
IPC: G06Q30/018 , G06Q50/04 , G01D21/02 , G06K17/00
Abstract: 本发明涉及一种用于追踪产品部件的计算机实现方法、系统和计算机程序产品。在一些实施方式中,追踪和可跟踪性生成从记录工业设备中的制造过程的执行的成像传感器系统获得的语义数据流。制造过程的执行从原材料和/或部件产生成品。追踪和可跟踪性还实施关于制造过程的执行的人工推理,以生成表征制造过程的执行的声明。语义数据和声明可被聚集到数字跟踪记录中,该数字跟踪记录在制造过程的整个执行过程中追踪成品的限定部件,并允许将该部件追溯到制造过程内的限定事件。
-
公开(公告)号:CN110889707A
公开(公告)日:2020-03-17
申请号:CN201910843888.8
申请日:2019-09-06
Applicant: 西门子股份公司
Abstract: 本发明涉及一种用于追踪产品部件的计算机实现方法、系统和计算机程序产品。在一些实施方式中,追踪和可跟踪性生成从记录工业设备中的制造过程的执行的成像传感器系统获得的语义数据流。制造过程的执行从原材料和/或部件产生成品。追踪和可跟踪性还实施关于制造过程的执行的人工推理,以生成表征制造过程的执行的声明。语义数据和声明可被聚集到数字跟踪记录中,该数字跟踪记录在制造过程的整个执行过程中追踪成品的限定部件,并允许将该部件追溯到制造过程内的限定事件。
-
公开(公告)号:CN117651977A
公开(公告)日:2024-03-05
申请号:CN202180100564.0
申请日:2021-07-14
Applicant: 西门子股份公司
Inventor: 崔韬 , 王凌云 , 费尔南多·加西亚-佩雷斯 , 亚历山德拉·奥利韦拉·达·席尔瓦
Abstract: 所描述的实施方式提供了一种用于调试基于AI的检验系统的技术。尤其是,所描述的实施方式为现场工程师提供了一种具有即时反馈的工具,以执行包括数据收集、以及现场的AI算法的训练、测试和部署的任务。所描述的任务在相同的物理环境中执行,以获得相同的传感器设置,该传感器设置进而由在其上部署AI算法的现场设备使用。部署周期被显著减少。该技术利用了这样的认识,即工业设置中的检验任务本质上是重复的并且在受控环境中执行,由此AI算法不需要在特定使用情况之外泛化。
-
公开(公告)号:CN117940862A
公开(公告)日:2024-04-26
申请号:CN202180101897.5
申请日:2021-08-31
Applicant: 西门子股份公司
Inventor: 崔韬 , 约尔格·克劳斯 , 约瑟夫·蒂尔卡 , 王凌云 , 古斯塔沃·阿尔图罗·基罗斯·阿拉亚 , 帕特里克·莱森 , 亚历山德拉·奥利韦拉·德·席尔瓦
IPC: G05B23/02
Abstract: 公开了用于可编程逻辑控制器(PLC)中的自动声学异常检测的实时计算机系统,该计算机系统被部署在PLC的背板上。该计算机系统包括至少一个处理器和存储器,该至少一个处理器具有实时操作系统,该存储器具有存储在其上可由处理器执行的算法模块。该模块包括数字信号处理模块,被配置为将开窗函数应用于由传感器捕获的声音信号数据,该声音信号数据表示由处于质量检查中的通电工作产品发出的声音。该模块还包括特征提取组件和异常检测器模块,该特征提取组件被配置为从每个声音窗口提取声学特征,该异常检测器模块被配置为运行基于机器学习的模型以根据对声学特征的分类操作的结果来执行声学异常检测。
-
-
-
-