[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

TWI821985B - 製造系統、多步驟製造方法及非暫態電腦可讀媒介 - Google Patents

製造系統、多步驟製造方法及非暫態電腦可讀媒介 Download PDF

Info

Publication number
TWI821985B
TWI821985B TW111114008A TW111114008A TWI821985B TW I821985 B TWI821985 B TW I821985B TW 111114008 A TW111114008 A TW 111114008A TW 111114008 A TW111114008 A TW 111114008A TW I821985 B TWI821985 B TW I821985B
Authority
TW
Taiwan
Prior art keywords
product
image
computing system
station
determining
Prior art date
Application number
TW111114008A
Other languages
English (en)
Other versions
TW202228992A (zh
Inventor
法比安 侯
強恩 Ｂ 樸特曼
馬修 Ｃ 樸特曼
巴迪姆 皮斯基
達瑪斯 黎莫葛
阿斯溫 拉加 納莫斯瓦蘭
古希基 薩德 諾麗
Original Assignee
美商奈米創尼克影像公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 美商奈米創尼克影像公司 filed Critical 美商奈米創尼克影像公司
Publication of TW202228992A publication Critical patent/TW202228992A/zh
Application granted granted Critical
Publication of TWI821985B publication Critical patent/TWI821985B/zh

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/30—Auxiliary operations or equipment
    • B29C64/386—Data acquisition or data processing for additive manufacturing
    • B29C64/393—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y30/00—Apparatus for additive manufacturing; Details thereof or accessories therefor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y50/00—Data acquisition or data processing for additive manufacturing
    • B33Y50/02—Data acquisition or data processing for additive manufacturing for controlling or regulating additive manufacturing processes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2948/00—Indexing scheme relating to extrusion moulding
    • B29C2948/92—Measuring, controlling or regulating
    • B29C2948/92504—Controlled parameter
    • B29C2948/92571—Position, e.g. linear or angular
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2948/00—Indexing scheme relating to extrusion moulding
    • B29C2948/92—Measuring, controlling or regulating
    • B29C2948/92504—Controlled parameter
    • B29C2948/9258—Velocity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2948/00—Indexing scheme relating to extrusion moulding
    • B29C2948/92—Measuring, controlling or regulating
    • B29C2948/92504—Controlled parameter
    • B29C2948/9258—Velocity
    • B29C2948/926—Flow or feed rate
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2948/00—Indexing scheme relating to extrusion moulding
    • B29C2948/92—Measuring, controlling or regulating
    • B29C2948/92819—Location or phase of control
    • B29C2948/92857—Extrusion unit
    • B29C2948/92904—Die; Nozzle zone
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/10—Processes of additive manufacturing
    • B29C64/106—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material
    • B29C64/118—Processes of additive manufacturing using only liquids or viscous materials, e.g. depositing a continuous bead of viscous material using filamentary material being melted, e.g. fused deposition modelling [FDM]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C64/00—Additive manufacturing, i.e. manufacturing of three-dimensional [3D] objects by additive deposition, additive agglomeration or additive layering, e.g. by 3D printing, stereolithography or selective laser sintering
    • B29C64/20—Apparatus for additive manufacturing; Details thereof or accessories therefor
    • B29C64/205—Means for applying layers
    • B29C64/209—Heads; Nozzles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B33—ADDITIVE MANUFACTURING TECHNOLOGY
    • B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
    • B33Y10/00—Processes of additive manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
    • G05B19/4099—Surface or curve machining, making 3D objects, e.g. desktop manufacturing
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32194—Quality prediction
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49023—3-D printing, layer of powder, add drops of binder in layer, new powder

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Materials Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Optics & Photonics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Factory Administration (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Preparation Of Compounds By Using Micro-Organisms (AREA)

Abstract

本文中揭示一種製造系統。該製造系統包含一或多個站、一監測平台及一控制模組。該一或多個站之各站經組態以在一產品之一多步驟製造流程中執行至少一個步驟。該監測平台經組態以在該多步驟製造流程中監測該產品之進展。該控制模組經組態以動態調整該多步驟製造流程之各步驟之處理參數以達成該產品之一所要最終品質度量。

Description

製造系統、多步驟製造方法及非暫態電腦可讀媒介
本發明大體上係關於用於製造流程之一系統、方法及媒介。
為了安全、及時且以最小浪費製造始終符合所要設計規範之產品，通常需要對製造流程之持續監測及調整。
在一些實施例中，本文中揭示一種製造系統。該製造系統包含一或多個處理站、一監測平台及一控制模組。該一或多個處理站之各處理站經組態以在一產品之一多步驟製造流程中執行至少一個步驟。該監測平台經組態以在該多步驟製造流程中監測該產品之進展。該控制模組經組態以動態調整該多步驟製造流程之各步驟之處理參數以達成該產品之一所要最終品質度量。該控制模組經組態以執行操作。該等操作包含在該多步驟製造流程之一步驟，從該監測平台接收與該產品相關聯之一輸入。該等操作進一步包含藉由該控制模組基於該輸入產生用於該產品之一狀態編碼。該等操作進一步包含藉由該控制模組基於該狀態編碼及該輸入判定該最終品質度量不在可接受值之一範圍內。該等操作進一步包含藉由該控制 模組基於該判定調整用於至少一後續處理站之控制邏輯。該調整包含待藉由該後續處理站執行之一校正動作。
在一些實施例中，本文中揭示一種多步驟製造方法。一運算系統從一製造系統之一監測平台接收一處理站處之一產品之一影像。該處理站可經組態以執行該多步驟製造流程之至少一步驟。該運算系統基於該產品之該影像產生用於該產品之一狀態編碼。該運算系統基於該產品之該狀態編碼及該影像判定該產品之一最終品質度量不在可接受值之一範圍內。該運算系統基於該判定調整用於至少一後續處理站之控制邏輯，其中該調整包括待藉由該後續處理站執行之一校正動作。
在一些實施例中，本文揭示一種三維(3D)列印系統。該3D列印系統包含一處理站、一監測平台及一控制模組。該處理站經組態以沈積複數個層以形成一產品。該監測平台經組態以在一沈積流程中監測該產品之進展。該控制模組經組態以動態調整用於該複數個層之各層之處理參數以達成該產品之一所要最終品質度量。該控制模組經組態以執行操作。該等操作包含在已沈積一層之後，從該監測平台接收該產品之一影像。該等操作進一步包含藉由該控制模組基於該產品之該影像產生用於該產品之一狀態編碼。該等操作進一步包含藉由該控制模組基於該產品之該狀態編碼及該影像判定該最終品質度量不在可接受值之一範圍內。該等操作進一步包含藉由該控制模組基於該判定調整用於沈積該複數個層之至少一後續層之控制邏輯。該調整包含待在該後續層之沈積期間執行之一校正動作。
100:製造環境
102:製造系統
104:監測平台
106:控制模組
1081-108n:站
112:預測引擎
1141-114n:流程控制器
1161-116n:控制邏輯
202:故障分類器
204:狀態自動編碼器
205:區域網路
206:校正代理
208:資料庫
210:先前經驗
212:迴旋神經網路(CNN)
302:編碼器部分
304:解碼器部分
306:影像
308:迴旋層
310:匯集層
312:全連接層
314:特徵向量
316:全連接層
318:升頻取樣層
320:反迴旋層
322:影像
402:當前狀態
404:行動者
406:評論家
408:全連接層
410:激活函數
412:全連接層
414:激活函數
416:獎勵集
418:全連接層
420:激活函數
422:全連接層
424:激活函數
426:合併
428:全連接層
430:激活函數
432:預測
500:方法
502:步驟
504:步驟
506:步驟
508:步驟
510:步驟
514:步驟
516:步驟
600:系統
605:匯流排
610:處理器
612:快取區
615:記憶體
620:唯讀記憶體(ROM)
625:隨機存取記憶體(RAM)
630:儲存裝置
632:服務1
634:服務2
635:輸出裝置
636:服務3
640:通信介面
645:輸入裝置
650:電腦系統
655:處理器
660:晶片組
665:輸出
670:儲存器
675:RAM
680:橋接器
685:使用者介面組件
690:通信介面
為了可詳細暸解本發明之上述特徵之方式，本發明之一更具體描述(上文簡要概述)可參考實施例，該等實施例之一些在附圖中繪 示。然而，應注意，附圖僅繪示本發明之典型實施例，且因此不應被視為限制其範疇，此係因為本發明可承認其他同樣有效之實施例。
圖1係繪示根據實例實施例之一製造環境之一方塊圖。
圖2係繪示根據實例實施例之製造環境之預測引擎之一方塊圖。
圖3係繪示根據實例實施例之預測引擎之狀態自動編碼器之架構之一方塊圖。
圖4係繪示根據實例實施例之用於預測引擎之校正代理(corrective agent)之一行動者-評論家(actor-critic)範例之架構之一方塊圖。
圖5係繪示根據實例實施例之執行一多步驟製造流程之一方法之一流程圖。
圖6A繪示根據實例實施例之一系統匯流排運算系統架構。
圖6B繪示根據實例實施例之具有一晶片組架構之一電腦系統。
為促進暸解，在可能之情況下，相同元件符號已用來指代圖所共同之相同元件。經考慮，一項實施例中所揭示之元件可在沒有特定敘述之情況下有利地用於其他實施例。
相關申請案之交叉參考
本申請案主張2019年9月10日申請之美國臨時申請案第62/898,535號之優先權利，該案之全文以引用之方式併入本文中。
製造流程可能係複雜的，且包含藉由不同處理站(或 「站」)處理原材料，直到產生一最終產品。在一些實施例中，各處理站接收用於處理之一輸入，且可輸出一中間輸出，該中間輸出可被傳遞至一後續(下游)處理站進行額外處理。在一些實施例中，一最終處理站可接收用於處理之一輸入，且可輸出最終產品，或更一般地，最終輸出。
在一些實施例中，各站可包含可執行一組流程步驟之一或多個工具/設備。例示性處理站可包含但不限於：輸送帶、注射模塑壓件、切割機、模具沖壓機、擠出機、電腦數值控制(CNC)軋機、研磨機、組裝站、三維列印機、品質控制站、驗證站及類似物。
在一些實施例中，各處理站之操作可藉由一或多個流程控制器管控。在一些實施例中，各處理站可包含一或多個流程控制器，該一或多個流程控制器可經程式化以控制該處理站之操作。在一些實施例中，一操作者或控制演算法可向站控制器提供站控制器設定點，該等站控制器設定點可表示針對各控制值之所要值或值之範圍。在一些實施例中，在一製造流程中用於回饋或前饋之值可稱為控制值。例示性控制值可包含但不限於：速度、溫度、壓力、真空、旋轉、電流、電壓、功率、黏度、站處使用之材料/資源、通量率、停機時間、有毒煙氣及類似物。
本文中所描述之一或多個技術大體上係關於一監測平台，該監測平台經組態以監測一多步驟製造流程之各步驟。對於多步驟製造流程之各步驟，監測平台可監測產品之進展及判定產品之一當前狀態如何影響與最終產品相關聯之一最終品質度量。大體上，一最終品質度量係無法在一多步驟製造流程之各步驟量測之一度量。例示性最終品質度量可包含但不限於：最終產品之抗拉強度、硬度及熱性質及類似物。對於諸如抗拉強度之特定最終品質度量，破壞性測試用於量測此度量。
本文中描述之一或多個技術能夠使用一或多種人工智慧技術在多步驟製造流程之各步驟預測最終品質度量。舉例而言，本文中描述一或多個技術可利用一或多個強化演算法來基於產品在一多步驟製造流程之一特定步驟之狀態預測最終品質度量。
強化學習應用於實體環境並非一簡單任務。一般而言，強化學習不像其他類型之機器學習技術那樣有利於真實、實體環境。此可歸咎於訓練一預測模型通常所需之大量訓練實例。在實體環境中，歸因於製造實體產品之成本及時間，通常難以產生必要數目個訓練實例。為考量此限制，本文中提供之一或多個技術可利用一無模型強化學習技術，該無模型強化學習技術容許一預測模型在遍歷一環境時學習該環境。此非常適用於實體量測，此係因為其需要較少量測來預測最佳動作。
圖1係繪示根據實例實施例之一製造環境100之一方塊圖。製造環境100可包含：一製造系統102、一監測平台104及一控制模組106。製造系統102可廣泛地代表一多步驟製造系統。在一些實施例中，製造系統102可代表用於加法製造中之一製造系統(例如，3D列印系統)。在一些實施例中，製造系統102可代表用於減法製造中之一製造系統(例如，CNC加工)。在一些實施例中，製造系統102可代表用於加法製造與減法製造之組合中之一製造系統。更一般地，在一些實施例中，製造系統102可代表用於一總製造流程中之一製造系統。
製造系統102可包含一或多個站1081-108n(大體上，「站108」)。各站108可代表在一多步驟製造流程中之一步驟及/或站。舉例而言，各站108可代表在一3D列印流程中之一層沈積操作(例如，站1081可對應於層1，站1082可對應於層2等)。在另一實例中，各站108可對應於一 特定處理站。
各站108可包含一流程控制器114及控制邏輯116。各流程控制器1141-114n可經程式化以控制各各自站108之操作。在一些實施例中，控制模組106可向各流程控制器114提供站控制器設定點，該等設定點可表示針對各控制值之所要值或值之範圍。各控制邏輯1161-116n(一般為控制邏輯116)可指代與站108之流程步驟相關聯之屬性/參數。在操作中，可藉由控制模組106取決於一最終品質度量之一當前軌跡在製造流程內動態更新用於各站108之控制邏輯116。
監測平台104可經組態以監測製造系統102之各站108。在一些實施例中，監測平台104可係製造系統102之一組件。舉例而言，監測平台104可係一3D列印系統之一組件。在一些實施例中，監測平台104可獨立於製造系統102。舉例而言，監測平台104可經改裝至一既有製造系統102上。在一些實施例中，監測平台104可代表一成像裝置，該成像裝置經組態以在一多步驟流程之各步驟擷取一產品之一影像。舉例而言，監測平台104可經組態在各站108處擷取產品之一影像。大體上，監測平台104可經組態以擷取與一產品之生產相關聯之資訊(例如，一影像、一電壓讀數、一速度讀數等)，且將該資訊作為輸入提供至控制模組106用於評估。
控制模組106可經由一或多個通信頻道與製造系統102及監測平台104通信。在一些實施例中，一或多個通信頻道可代表經由網際網路(諸如蜂巢或Wi-Fi網路)之個別連接。在一些實施例中，一或多個通信頻道可使用直接連接(諸如射頻識別(RFID)、近場通信(NFC)、BluetoothTM、低能量BluetoothTM(BLE)、Wi-FiTM、ZigBeeTM、環境反向 散射通信(ABC)協定、USB、WAN或LAN)連接終端、服務及行動裝置。
控制模組106可經組態以控制製造系統102之各流程控制器。舉例而言，基於藉由監測平台104擷取之資訊，控制模組106可經組態以調整與一特定站108相關聯之流程控制。在一些實施例中，控制模組106可經組態以基於一經預測最終品質度量調整一特定站108之流程控制。
控制模組106可包含預測引擎112。預測引擎112可代表一或多個機器學習模組，該一或多個機器學習模組經訓練以基於一多步驟製造流程之各個別步驟之經量測資料預測一產品之一最終品質度量。在操作中，控制模組106可接收來自監測平台104之輸入。在一些實施例中，此輸入可採取在多步驟製造流程之一步驟之後之一產品之一當前狀態之一影像的形式。基於該輸入，控制模組106可預測產品之一最終品質度量。取決於產品之經預測最終品質度量，控制模組106可判定待在後續製造步驟中採取之一或多個動作。舉例而言，若經預測最終品質度量落在可接受值之一範圍外，則控制模組106可採取一或多個動作以糾正製造流程。在一些實施例中，控制模組106可與後續站108中之站控制器介接，以調整其等各自控制及/或站參數。此等調整可協助校正製造流程，使得最終品質度量在可接受品質度量之範圍內。
圖2係繪示根據例示性實施例之預測引擎112之一方塊圖。如繪示，預測引擎112可包含：故障分類器202、狀態自動編碼器204及校正代理206。故障分類器202、狀態自動編碼器204及校正代理206之各者可包含一或多個軟體模組。該一或多個軟體模組可係儲存於一媒介上之程式碼或指令之集合(例如，與控制模組106相關聯之運算系統之記憶體)， 其等表示實施一或多個演算法步驟之一系列機器指令(例如，程式碼)。此等機器指令可係處理器解譯以實施指令之實際電腦程式碼，或替代地可係經解譯以獲取實際電腦程式碼之指令之一更高階編碼。一或多個軟體模組亦可包含一或多個硬體組件。一實例演算法之一或多個態樣可藉由硬體組件(例如，電路)本身執行，而非作為指令之一結果。此外，在一些實施例中，故障分類器202、狀態自動編碼器204及校正代理206之各者可經組態以在組件之間傳輸一或多個信號。在此等實施例，此等信號可不限於藉由一運算裝置執行之機器指令。
在一些實施例中，故障分類器202、狀態自動編碼器204及校正代理206可經由一或多個區域網路205通信。網路205可係任何合適類型，包含經由網際網路(諸如蜂巢或Wi-Fi網路)之個別連接。在一些實施例中，網路205可使用直接連接(諸如射頻識別(RFID)、近場通信(NFC)、BluetoothTM、低能量BluetoothTM(BLE)、Wi-FiTM、ZigBeeTM、環境反向散射通信(ABC)協定、USB、WAN或LAN)連接終端、服務及行動裝置。由於所傳輸之資訊可係私密或機密的，因此安全顧慮可規定對一或多個此等類型之連接進行加密或以其他方式進行安全保護。然而，在一些實施例中，所傳輸之資訊可較不私密，且因此，可針對便利而非安全選擇網路連接。
故障分類器202可經組態以判定對一製造技術之一校正動作是否可能。舉例而言，故障分類器202可接收來自監測平台104之輸入作為輸入。基於該輸入，故障分類器202可判定是否存在不可恢復之故障。使用3D列印之領域中之一特定實例，當一部件可能變得從3D列印機之一熱床上脫落，或細絲被磨細至給料器齒輪無法握持表面之程度時，層 將固有地被錯誤列印。此通常係一不可恢復之故障，此係因為在後續層上沈積任何數量之塑膠將不影響列印之最終形式。以此方式，故障被分類為其當前作用層上無法列印之樣本。為了校正此等情況，一種方法係停止列印偵測到故障之區域，使得額外未熔融塑膠將不影響其他樣本，並導致該故障串連至一批次故障。
在一些實施例中，故障分類器202可包含一迴旋神經網路(CNN)212，該迴旋神經網路(CNN)212經訓練以識別何時存在一不可恢復之故障。在一些實施例中，CNN 212可包含用於特徵學習之三個迴旋/最大匯集層，其後係帶丟棄(dropout)之全連接網路及執行二元分類之soft-max激活。在一些實施例中，CNN 212可在一製造步驟開始之前接收一產品之一影像作為來自監測平台104之輸入。基於該影像，CNN 212可經組態以產生一二元輸出(例如，故障或未故障)，從而指示是否存在不可恢復之故障。
在一些實施例中，CNN 212可針對以下類別，即故障或未故障進行訓練。訓練集可包含產品之各種影像，該等影像包含故障產品之特徵及未故障產品之特徵。在一些實施例中，訓練集可包含各類之數千個實例。使用3D列印之領域中之一特定實例，訓練集可包含各分類之一足夠數目個例項，此係因為具有Y(例如，500)層之歸檔列印可具有表示一可列印層之N個實例及Y-N個故障實例，其中N可表示列印故障之層。在一些實施例中，一給定批次可包含列印的十二個樣本，每批次共計6000個影像。大訓練影像集可用標籤化收集，該標籤化包含視覺上識別所關注個別區域中列印故障之層，且相應地分離資料集。
狀態自動編碼器204可經組態以在藉由故障分類器202判定 產品未故障時，產生用於一特定產品之一狀態編碼。舉例而言，狀態自動編碼器204可經組態為產生供一代理從中進行作用之一狀態。在一些實施例中，狀態自動編碼器204可係經訓練使用者未監督方法，以便產生代理從中進行作用之一狀態。
圖3係繪示根據實例實施例之狀態自動編碼器204之架構之一方塊圖。如展示，狀態自動編碼器204可包含一編碼器部分302及一解碼器部分304。編碼器部分302及解碼器部分304可係其等自身之鏡像版本，此容許權重經訓練以將資訊減小至能夠表示一影像之核心組件之一任意尺寸。
如展示，編碼器部分302可包含影像306、一或多個迴旋層308、一匯集層310及一或多個全連接層312。在一些實施例中，影像306可代表從監測平台104接收之一目標產品或樣本之一輸入影像。在一些實施例中，一或多個迴旋層308可代表數個迴旋層，其中各迴旋層經組態以識別輸入影像中存在之某些特徵。在通過一或多個迴旋層308之後，可將來自一或多個迴旋層308之輸出提供至匯集層310。匯集層310可經組態以減小影像之總體大小。匯集層310之輸出可被提供至一或多個全連接層312。在一些實施例中，一或多個全連接層312可代表數個全連接層312。一或多個全連接層312可產生特徵向量314作為輸出，該特徵向量314可用作校正代理206之狀態定義。特徵向量314可係目標樣本(例如，樣本之影像)之一或多個高維度特徵之一經編碼低維度表示。經編碼特徵向量314可係一固定維度之一潛在變數。可選擇特徵向量314維度作為神經網路設計流程之一部分，以在經編碼潛在空間中最佳表示高維度特徵。
解碼器部分304可經組態以從藉由編碼器部分302產生之輸 出重構輸入影像。解碼器部分304可包含一或多個全連接層316、一或多個升頻取樣層318、一或多個反迴旋層320及一或多個影像322。一或多個全連接層316可接收來自一或多個全連接層312之輸入。舉例而言，一或多個全連接層316可從編碼器部分302接收縮小影像資料作為輸入。全連接層316可提供輸入至一或多個升頻取樣層318。升頻取樣層318可經組態以對藉由全連接層316提供之輸入進行升頻取樣或增加藉由全連接層316提供之輸入之維度。升頻取樣層318可將經升頻取樣影像提供至一或多個反迴旋層320以產生一或多個影像322。
返回參考圖2，藉由狀態自動編碼器204產生之特徵向量可作為輸入提供至校正代理206。校正代理206可經組態以基於產品之一當前狀態預測用於一產品之一最終品質度量，且假設預測最終品質度量不在可接受值之一範圍內，識別待採取之一或多個校正動作。
圖4係繪示根據實例實施例之用於校正代理206之一行動者-評論家範例之架構之一方塊圖。如展示，校正代理206可包含一當前狀態402、一行動者網路(「行動者」)404及一評論家網路(「評論家」)406。當前狀態402可代表藉由狀態自動編碼器204產生之特徵向量314。舉例而言，校正代理206可接收特徵向量314，且並行地將其用作至兩個分開網路：行動者404及評論家406之輸入。
行動者404可經組態以基於一給定狀態定義產生待採取之校正動作之預測。舉例而言，基於特徵向量314，行動者404可經組態以基於最終品質度量產生待採取之一或多個校正動作。在一些實施例中，待採取之可能允許動作集可由一使用者預先設定。舉例而言，在3D列印之情況下，待採取之允許動作集可包含改變擠出塑膠之長度及改變擠出機頭 之速度。選擇此等動作，此係因為其等通常被包含於3D列印流程之各列印移動中，且規定每個指令意在擠出之塑膠量以及列印頭移動之速度。兩個變數係與擠出流程之精度相關。
如展示，行動者404可包含一或多個全連接層408、412及一或多個激活函數410、414。在一些實施例中，激活函數410及414可係雙曲正切(tanh)激活函數。作為輸出，行動者404可經組態以基於如由特徵向量314所界定之產品的當前狀態產生待採取之一動作集(例如，獎勵集416)。
評論家406可包含類似於行動者404之架構。舉例而言，評論家406可包含類似一或多個全連接層418、422及類似一或多個激活函數420、424。用於行動者404及評論家406之相同輸入之性質可表明，適當變換將含有用於行動者404及評論家406兩者之相同網路架構，直到串連。可相應地設計行動者404及評論家406兩者之架構。採用用於行動者404及評論家406兩者之類似架構可容許設計流程簡單、快速及易於調試。在一些實施例中，後續網路層之尺寸及形狀可取決於該串連。來自一或多個全連接層418、422之輸出可與藉由行動者404產生之動作集(例如，獎勵集416)合併(例如，合併426)。評論家406可使用動作集以對使用全連接層428及激活函數430之動作軌跡之品質進行預測(例如，預測432)。
返回參考圖2，預測引擎112可與資料庫208通信。資料庫208可儲存一或多個先前經驗210。先前經驗210可代表針對一給定狀態向量採取之推薦動作及作為彼等推薦動作之結果之一對應最終品質度量。以此方式，預測引擎112可持續調整其參數，以便學習待對於一產品之一給 定狀態採取什麼動作，該等動作將導致在可接受最終品質度量之一範圍內之一最終品質度量。
圖5係繪示根據實例實施例之校正執行一多步驟製造流程之一方法500之一流程圖。方法500可開始於步驟502。
在步驟502，可將一典型指令集提供至製造系統102。典型指令集可代表用於一製造流程之一指令集。在一些實施例中，可將一典型指令集提供至各站108。在此等實施例中，各典型指令集可規定用於對應各自站108之一特定製造步驟之處理參數。
在步驟504，控制模組106可判定製造系統102是否處於一終端狀態。換言之，控制模組106可判定製造系統102是否已完成製成一目標產品。若控制模組106判定製造系統102處於一終端狀態(即，產品已製造)，則方法500可結束。然而，若控制模組106判定製造系統102未處於一終端狀態，則方法500可繼續進行至步驟506。
在步驟506，可將一校正動作應用於一給定製造步驟。舉例而言，基於藉由校正代理206產生之一預測，控制模組106可指導一給定站108調整與待應用之校正動作相對應之一或多個處理參數。在一些實施例中，步驟506可係選用的，諸如在產品正在經歷第一處理步驟之情況下或當校正代理206判定無需校正動作時。
在步驟508，預測引擎112可在處理步驟結束時檢測產品。舉例而言，預測引擎112可在特定處理步驟結束時從監測平台104接收產品之輸入(例如，一或多個影像)。使用該輸入，故障分類器202可判定是否存在一不可恢復之故障。舉例而言，故障分類器202可將影像提供至CNN 212，該CNN 212經訓練以識別影像之各種特徵以判定是否存在一不 可恢復之故障。
在步驟510，預測引擎112可判定是否存在一故障。若在步驟510，預測引擎112判定存在一不可恢復之故障，則製造流程可終止。然而，若在步驟510，預測引擎112判定不存在一不可恢復之故障，則方法500可繼續進行至步驟514。
在步驟514，預測引擎112可產生用於特定處理步驟之一狀態編碼。舉例而言，狀態自動編碼器204可經組態以在藉由故障分類器202判定產品未故障時，產生用於處理步驟之一狀態編碼。狀態自動編碼器204可基於藉由監測平台104擷取之所接收輸入(例如，產品之一或多個影像)產生狀態編碼。
在步驟516，預測引擎112可基於輸入及狀態編碼判定待在下一站採取之一校正動作。舉例而言，校正代理206可經組態以基於產品之一當前狀態預測用於一產品之一最終品質度量，且假設預測最終品質度量不在可接受值之一範圍內，識別待採取之一或多個校正動作。預測引擎112可將校正動作傳輸至對應於下一處理步驟之一各自流程控制器114。
在步驟516之後，方法500可回復至步驟504，且控制模組106可判定製造系統102是否處於一終端狀態。若控制模組106判定製造系統102處於一終端狀態(即，產品已製造)，則方法500結束。然而，若控制模組106判定製造系統102未處於一終端狀態，則方法500可繼續進行至步驟506。
在步驟506，可將一校正動作應用於一給定製造步驟。舉例而言，基於在步驟516藉由校正代理206產生之一預測，控制模組106可指導一給定站108調整與將應用之校正動作相對應之一或多個處理參數。
以下流程可重複直至控制模組106判定製造系統102處於一終端狀態。
圖6A繪示根據實例實施例之運算系統600之一架構。系統600之一或多個組件可使用一匯流排605彼此電通信。系統600可包含：一處理器(例如，一或多個CPU、GPU或其他類型之處理器)610；及一系統匯流排605，其將各種系統組件(包含系統記憶體615，諸如唯讀記憶體(ROM)620及隨機存取記憶體(RAM)625)耦合至處理器610。系統600可包含直接與處理器610連接、緊鄰處理器610或整合為處理器610之部分之高速記憶體之一快取區。系統600可將資料從記憶體615及/或儲存裝置630複製至快取區612，以便由處理器610快速存取。以此方式，快取區612可提供一效能提升，該效能提升避免處理器610在等待資料時之延遲。此等及其他模組可控制或經組態以控制處理器610以執行各種動作。其他系統記憶體615亦可供使用。記憶體615可包含具有不同效能特性之多種不同類型之記憶體。處理器610可代表一單個處理器或多個處理器。處理器610可包含通用處理器或硬體模組或軟體模組(諸如儲存於儲存裝置630內之經組態以控制處理器610之服務1 632、服務2 634及服務3 636)以及其中軟體指令被併入至實際處理器設計中之專用處理器之一或多者。處理器610可基本上係一完全自含式運算系統，其含有多個核心或處理器、一匯流排、記憶體控制器、快取區等。一多核心處理器可係對稱或非對稱的。
為了實現與系統600的使用者互動，一輸入裝置645可係任何數目個輸入機構，諸如用於語音之一麥克風、用於手勢或圖形輸入之一觸敏螢幕、鍵盤、滑鼠、運動輸入、語音等。一輸出裝置635亦可係熟習此項技術者所熟知之若干輸出機構之一或多者。在一些實例中，多模式系 統可使使用者能夠提供多種類型之輸入以與系統600通信。通信介面640可大體上管控及管理使用者輸入及系統輸出。不存在對在任何特定硬體配置上之操作的限制，且因此此處之基本特徵在其等被開發時，可易於被替換成經改良硬體或韌體配置。
儲存裝置630可係一非揮發性記憶體且可係一硬碟或可儲存可藉由電腦存取之資料的其他類型之電腦可讀媒介，諸如磁匣、快閃記憶卡、固態記憶體裝置、數位多功能碟、盒式磁帶、隨機存取記憶體(RAM)625、唯讀記憶體(ROM)620及其等之混合物。
儲存裝置630可包含用於控制處理器610之服務632、634及636。考慮其他硬體或軟體模組。儲存裝置630可連接至系統匯流排605。在一個態樣中，執行一特定功能之一硬體模組可包含儲存於一電腦可讀媒介中之軟體組件，該軟體組件與必要硬體組件(諸如處理器610、匯流排605、輸出裝置635等)連接以執行功能。
圖6B繪示根據實例實施例之具有一晶片組架構之一電腦系統650。電腦系統650可係可用於實施所揭示之技術之電腦硬體、軟體及韌體之一實例。系統650可包含一或多個處理器655，該一或多個處理器655代表能夠執行經組態以執行經識別運算之軟體、韌體及硬體之任何數目個實體及/或邏輯上相異的資源。一或多個處理器655可與一晶片組660通信，該晶片組660可控制至一或多個處理器655之輸入及來自一或多個處理器655之輸出。在此實例中，晶片組660將資訊輸出至輸出665(諸如一顯示器)，且可將資訊讀取及寫入至儲存器670，舉例而言，該儲存裝置可包含磁性媒介及固態媒介。晶片組660亦可從RAM 675讀取資料及將資料寫入至RAM 675。可提供用於與各種使用者介面組件685介接之橋接器 680以用於與晶片組660介接。此等使用者介面組件685可包含一鍵盤、一麥克風、一觸控偵測及處理電路、一指向裝置(諸如一滑鼠)等。一般而言，至系統650之輸入可來自機器產生的及/或人為產生的各種源之任一者。
晶片組660亦可與具可有不同實體介面之一或多個通信介面690介接。此等通信介面可包含用於有線及無線區域網路，用於寬頻帶無線網路以及個人區域網路之介面。本文中揭示之用於產生、顯示及使用GUI之方法之一些應用可包含：透過實體介面接收有序資料集，或藉由機器產生，藉由一或多個處理器655分析儲存於儲存器670或RAM675中之資料。此外，機器可透過使用者介面組件685從使用者接收輸入，且藉由使用一或多個處理器655解譯此等輸入而執行適當功能(諸如瀏覽功能)。
可暸解，實例系統600及650可具有一個以上處理器610，或可係經網路連接在一起以提供更大處理能力之一群組或群集之運算裝置之部分。
雖然上述內容係關於本文中描述之實施例，但是可在不脫離其基本範疇之情況下設計其他及進一步實施例。舉例而言，本發明之態樣可實施為硬體或軟體或硬體與軟件之組合。本文中描述之一項實施例可經實施為與一電腦系統一起使用之程式產品。程式產品之(若干)程式界定實施例之功能(包含本文中描述之方法)，且可含於各種電腦可讀儲存媒介上。闡釋性電腦可讀儲存媒介包含但不限於：(i)其上永久儲存資訊之不可寫儲存媒介(例如，電腦內之唯讀記憶體(ROM)裝置，諸如可藉由一CD-ROM碟機讀取之CD-ROM磁碟、快閃記憶體、ROM晶片或任何類型之固 態非揮發性記憶體)；及(ii)其上儲存可更改資訊之可寫入儲存媒介(例如，一軟碟機或硬碟機內之軟碟或任何類型之固態隨機存取記憶體)。當攜載引導所公開實施例之功能之電腦可讀指令時之此等電腦可讀儲存媒介係本發明之實施例。
熟習此項技術者應暸解，前述實例係例示性且非限制性。預期熟習此項技術者在閱讀說明書且研究圖式後所暸解之對其等之所有置換、強化、等效例及改良被包含於本發明之真實精神及範疇內。因此，期望以下隨附發明申請專利範圍包含如落於此等教示之真實精神及範疇內之所有此等修改、置換及等效例。
100:製造環境
102:製造系統
104:監測平台
106:控制模組
1081-108n:站
112:預測引擎
1141-114n:流程控制器
1161-116n:控制邏輯

Claims (18)

  1. 一種製造系統，其包括：一或多個站，各站經組態以在一產品之一多步驟製造流程中執行至少一個步驟；一監測平台，其經組態以在該多步驟製造流程中監測該產品之進展；及一運算系統，其經組態以控制該多步驟製造流程之各步驟之處理參數，該運算系統經組態以執行操作，包括：在該多步驟製造流程之一步驟，接收該產品之一影像；基於該產品之該影像判定該產品之一當前狀態，其中判定該產品之該當前狀態包括基於該產品之該影像判定是否存在一不可恢復之故障；判定該不可恢復之故障係不存在；回應於判定該不可恢復之故障係不存在，藉由該運算系統之一深度學習模組基於該產品之該當前狀態及該產品之該影像判定該產品不在規範內；及藉由該運算系統基於該判定調整用於至少一後續站之一控制邏輯，其中該調整包括藉由該深度學習模組產生待藉由該後續站執行之一校正動作。
  2. 如請求項1之製造系統，其中藉由該運算系統調整用於該至少一後續站之該控制邏輯包括： 基於待藉由該後續站執行之該校正動作，預測該產品是否將在規範內。
  3. 如請求項1之製造系統，其中該調整進一步包括：藉由該深度學習模組產生待藉由該後續站之下游之一站執行之一第二校正動作。
  4. 如請求項1之製造系統，其中基於該產品之該影像判定該產品之該當前狀態包括：藉由一狀態自動編碼器基於該影像產生該產品之一狀態編碼。
  5. 如請求項4之製造系統，其中該狀態編碼係藉由該狀態自動編碼器基於該影像產生之一特徵向量。
  6. 如請求項5之製造系統，其中藉由該深度學習模組產生待藉由該後續站執行之該校正動作包括：分析該特徵向量以判定該校正動作。
  7. 一種用以校正一多步驟製造流程的方法，其包括：藉由一運算系統接收在遍及複數個站所執行之一多步驟製造流程之一步驟之一產品之一影像；藉由該運算系統基於該產品之該影像判定該產品之一當前狀態，其中判定該產品之該當前狀態包括基於該產品之該影像判定是否存在一不可 恢復之故障；判定該不可恢復之故障係不存在；回應於判定該不可恢復之故障係不存在，藉由該運算系統之一深度學習模組基於該產品之該當前狀態及該產品之該影像判定該產品不在規範內；及藉由該運算系統基於該判定調整用於至少一後續站之一控制邏輯，其中該調整包括藉由該深度學習模組產生待藉由該後續站執行之一校正動作。
  8. 如請求項7之方法，其中藉由該運算系統調整用於至少該後續站之該控制邏輯包括：基於待藉由該後續站執行之該校正動作，預測該產品是否將在規範內。
  9. 如請求項7之方法，其中該調整進一步包括：藉由該深度學習模組產生待藉由該後續站之下游之一站執行之一第二校正動作。
  10. 如請求項7之方法，其中基於該產品之該影像判定該產品之該當前狀態包括：藉由一狀態自動編碼器基於該影像產生該產品之一狀態編碼。
  11. 如請求項10之方法，其中該狀態編碼係藉由該狀態自動編碼器基於 該影像產生之一特徵向量。
  12. 如請求項11之方法，其中藉由該深度學習模組產生待藉由該後續站執行之該校正動作包括：分析該特徵向量以判定該校正動作。
  13. 一種非暫態電腦可讀媒介，其包括一或多個指令序列，當該一或多個指令序列被一處理器執行時，使得一運算系統執行以下操作，該操作包含：藉由該運算系統接收在遍及複數個站所執行之一多步驟製造流程之一步驟之一產品之一影像，；藉由該運算系統基於該產品之該影像判定該產品之一當前狀態，其中判定該產品之該當前狀態包括基於該產品之該影像判定是否存在一不可恢復之故障；判定該不可恢復之故障係不存在；回應於判定該不可恢復之故障係不存在，藉由該運算系統之一深度學習模組基於該產品之該當前狀態及該產品之該影像判定該產品不在規範內；及藉由該運算系統基於該判定調整用於至少一後續站之一控制邏輯，其中該調整包括藉由該深度學習模組產生待藉由該後續站執行之一校正動作。
  14. 如請求項13之非暫態電腦可讀媒介，其中藉由該運算系統調整用於 至少該後續站之該控制邏輯包括：基於待藉由該後續站執行之該校正動作，預測該產品是否將在規範內。
  15. 如請求項13之非暫態電腦可讀媒介，其進一步包括：藉由該運算系統基於該影像判定是否存在一不可恢復之故障。
  16. 如請求項13之非暫態電腦可讀媒介，其中該調整進一步包括：藉由該深度學習模組產生待藉由該後續站之下游之一站執行之一第二校正動作。
  17. 如請求項13之非暫態電腦可讀媒介，其中基於該產品之該影像判定該產品之該當前狀態包括：藉由一狀態自動編碼器基於該影像產生該產品之一狀態編碼。
  18. 如請求項17之非暫態電腦可讀媒介，其中該狀態編碼係藉由該狀態自動編碼器基於該影像產生之一特徵向量。
TW111114008A 2019-09-10 2020-09-10 製造系統、多步驟製造方法及非暫態電腦可讀媒介 TWI821985B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962898535P 2019-09-10 2019-09-10
US62/898,535 2019-09-10

Publications (2)

Publication Number Publication Date
TW202228992A TW202228992A (zh) 2022-08-01
TWI821985B true TWI821985B (zh) 2023-11-11

Family

ID=74849976

Family Applications (3)

Application Number Title Priority Date Filing Date
TW112138756A TW202402507A (zh) 2019-09-10 2020-09-10 製造系統、多步驟製造方法及非暫態電腦可讀媒介
TW111114008A TWI821985B (zh) 2019-09-10 2020-09-10 製造系統、多步驟製造方法及非暫態電腦可讀媒介
TW109131190A TWI764272B (zh) 2019-09-10 2020-09-10 製造系統、多步驟製造方法及三維列印系統

Family Applications Before (1)

Application Number Title Priority Date Filing Date
TW112138756A TW202402507A (zh) 2019-09-10 2020-09-10 製造系統、多步驟製造方法及非暫態電腦可讀媒介

Family Applications After (1)

Application Number Title Priority Date Filing Date
TW109131190A TWI764272B (zh) 2019-09-10 2020-09-10 製造系統、多步驟製造方法及三維列印系統

Country Status (5)

Country Link
US (2) US11117328B2 (zh)
EP (1) EP4028228A4 (zh)
KR (1) KR20220054673A (zh)
CN (1) CN114450135A (zh)
TW (3) TW202402507A (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11100221B2 (en) 2019-10-08 2021-08-24 Nanotronics Imaging, Inc. Dynamic monitoring and securing of factory processes, equipment and automated systems
US20210192779A1 (en) * 2019-11-06 2021-06-24 Nanotronics Imaging, Inc. Systems, Methods, and Media for Manufacturing Processes
US20210311440A1 (en) * 2019-11-06 2021-10-07 Nanotronics Imaging, Inc. Systems, Methods, and Media for Manufacturing Processes
TW202223567A (zh) * 2019-11-06 2022-06-16 美商奈米創尼克影像公司 用於工廠自動化生產線之製造系統及方法
KR20220077144A (ko) * 2019-11-07 2022-06-08 나노트로닉스 이미징, 인코포레이티드 제조 공정을 위한 시스템, 방법 및 매체
US11086988B1 (en) 2020-02-28 2021-08-10 Nanotronics Imaging, Inc. Method, systems and apparatus for intelligently emulating factory control systems and simulating response data
KR20220133712A (ko) * 2021-03-25 2022-10-05 현대자동차주식회사 차량의 품질 관리 시스템 및 그 방법
WO2023107092A1 (en) * 2021-12-06 2023-06-15 Hewlett-Packard Development Company, L.P. Manufacturing powder predictions

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190004079A1 (en) * 2017-06-30 2019-01-03 General Electric Company Systems and method for advanced additive manufacturing

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IT1129509B (it) 1980-01-14 1986-06-04 Tasco Spa Procedimento ed apparecchiatura per il ritrovamento in tempo reale di difetti in oggetti industriali
DE3750285T2 (de) 1986-10-03 1995-03-30 Omron Tateisi Electronics Co Gerät zur Untersuchung einer elektronischen Vorrichtung in fester Baugruppe.
US5815198A (en) 1996-05-31 1998-09-29 Vachtsevanos; George J. Method and apparatus for analyzing an image to detect and identify defects
US6266436B1 (en) 1999-04-09 2001-07-24 Kimberly-Clark Worldwide, Inc. Process control using multiple detections
US6847854B2 (en) 2001-08-10 2005-01-25 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US7032816B2 (en) 2001-12-28 2006-04-25 Kimberly-Clark Worldwide, Inc. Communication between machines and feed-forward control in event-based product manufacturing
US7202793B2 (en) 2002-10-11 2007-04-10 Attention Technologies, Inc. Apparatus and method of monitoring a subject and providing feedback thereto
US8909926B2 (en) 2002-10-21 2014-12-09 Rockwell Automation Technologies, Inc. System and methodology providing automation security analysis, validation, and learning in an industrial controller environment
US8103087B2 (en) 2006-01-20 2012-01-24 Hitachi High-Technologies Corporation Fault inspection method
JP5504175B2 (ja) 2008-01-31 2014-05-28 フィッシャー−ローズマウント システムズ，インコーポレイテッド モデル不一致を補償するためのチューニングを有する頑健な適応モデル予測コントローラ
US8131055B2 (en) 2008-01-31 2012-03-06 Caterpillar Inc. System and method for assembly inspection
US7974723B2 (en) 2008-03-06 2011-07-05 Applied Materials, Inc. Yield prediction feedback for controlling an equipment engineering system
WO2011101187A1 (en) * 2010-02-19 2011-08-25 Asml Netherlands B.V. Lithographic apparatus and device manufacturing method
EP2585249B1 (en) 2010-06-28 2017-02-22 Precitec GmbH & Co. KG Method for closed-loop controlling a laser processing operation and laser material processing head using the same
BR112014018573A8 (pt) 2012-01-31 2017-07-11 3M Innovative Properties Company Método e aparelho para medição da estrutura tridimensional de uma superfície
EP2965286A1 (en) 2013-03-04 2016-01-13 Rite-Hite Holding Corporation Methods and apparatus for video based process monitoring and control
US10386827B2 (en) 2013-03-04 2019-08-20 Fisher-Rosemount Systems, Inc. Distributed industrial performance monitoring and analytics platform
US9056422B2 (en) 2013-04-09 2015-06-16 Massachusetts Institute Of Technology Methods and apparatus for encoded textures
US9855698B2 (en) 2013-08-07 2018-01-02 Massachusetts Institute Of Technology Automatic process control of additive manufacturing device
US20150184549A1 (en) 2013-12-31 2015-07-02 General Electric Company Methods and systems for enhancing control of power plant generating units
TWI526797B (zh) 2014-09-02 2016-03-21 三緯國際立體列印科技股份有限公司 立體列印裝置的校正裝置以及校正方法
US10734293B2 (en) 2014-11-25 2020-08-04 Pdf Solutions, Inc. Process control techniques for semiconductor manufacturing processes
US10421267B2 (en) 2015-02-12 2019-09-24 Arevo, Inc. Method to monitor additive manufacturing process for detection and in-situ correction of defects
US10805538B2 (en) 2015-12-16 2020-10-13 Martineau & Associates, Inc. Method and apparatus for remanent imaging control
US9931697B2 (en) * 2016-02-18 2018-04-03 Velo3D, Inc. Accurate three-dimensional printing
WO2018127827A1 (en) * 2017-01-05 2018-07-12 Yona Itamar Izhak Systems and methods for automatic three-dimensional object printing
US10234848B2 (en) * 2017-05-24 2019-03-19 Relativity Space, Inc. Real-time adaptive control of additive manufacturing processes using machine learning
WO2019040948A1 (en) 2017-08-25 2019-02-28 Massachusetts Institute Of Technology DETECTION AND CONTROL OF ADDITIVE MANUFACTURING PROCESSES
CN107498874B (zh) * 2017-09-21 2023-09-12 杭州捷诺飞生物科技股份有限公司 三维打印同步微层析成像在线监控方法及系统
US10394229B2 (en) 2017-09-27 2019-08-27 International Business Machines Corporation Orchestration of learning and execution of model predictive control tool for manufacturing processes
US10870219B2 (en) * 2017-10-11 2020-12-22 Caterpillar Inc. Monitoring system for three-dimensional printing
EP3727798A4 (en) * 2017-12-20 2021-10-27 Moog Inc. EVALUATION OF PICTURES OF GENERATIVE MANUFACTURING AND THE GENERATIVE MANUFACTURING SYSTEM BASED ON THEM BY A NEURONAL CONVOLUTION NETWORK
CN112189255B (zh) 2018-03-20 2024-05-28 东京毅力科创株式会社 自对准多重图案化的方法和半导体加工方法
US10518480B2 (en) 2018-04-02 2019-12-31 Nanotronics Imaging, Inc. Systems, methods, and media for artificial intelligence feedback control in additive manufacturing
US11084225B2 (en) 2018-04-02 2021-08-10 Nanotronics Imaging, Inc. Systems, methods, and media for artificial intelligence process control in additive manufacturing
US10930531B2 (en) 2018-10-09 2021-02-23 Applied Materials, Inc. Adaptive control of wafer-to-wafer variability in device performance in advanced semiconductor processes
JP7103274B2 (ja) * 2019-02-28 2022-07-20 日本電信電話株式会社 検知装置及び検知プログラム
US10481579B1 (en) 2019-02-28 2019-11-19 Nanotronics Imaging, Inc. Dynamic training for assembly lines

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190004079A1 (en) * 2017-06-30 2019-01-03 General Electric Company Systems and method for advanced additive manufacturing

Also Published As

Publication number Publication date
KR20220054673A (ko) 2022-05-03
US20210394456A1 (en) 2021-12-23
EP4028228A1 (en) 2022-07-20
EP4028228A4 (en) 2023-09-27
TW202228992A (zh) 2022-08-01
TW202126473A (zh) 2021-07-16
TWI764272B (zh) 2022-05-11
US20210069990A1 (en) 2021-03-11
CN114450135A (zh) 2022-05-06
TW202402507A (zh) 2024-01-16
US11117328B2 (en) 2021-09-14

Similar Documents

Publication Publication Date Title
TWI821985B (zh) 製造系統、多步驟製造方法及非暫態電腦可讀媒介
TWI802374B (zh) 用於校正製造程序之系統、方法及非暫態電腦可讀媒體
JP7320885B2 (ja) 製造プロセスのためのシステム、方法、および媒体
TWI823382B (zh) 用於增材或減材製造程序之系統、方法及媒介
JP7320884B2 (ja) 製造プロセスのためのシステム、方法、および媒体
TWI801820B (zh) 用於製造流程之系統及方法
KR20230025698A (ko) 제조 공정을 위한 시스템, 방법 및 매체
WO2024173820A1 (en) Process variability simulator for manufacturing processes