-
公开(公告)号：CN115698874A
公开(公告)日：2023-02-03
申请号：CN202180038313.4
申请日：2021-04-26
申请人： ABB瑞士股份有限公司
IPC分类号： G05B17/02
摘要： 本发明涉及一种工业过程模型生成系统，包括：输入单元；以及处理单元。该输入单元被配置为接收多个输入值轨迹，输入值轨迹包括与工业过程相关的操作输入值轨迹和模拟输入值轨迹。处理单元被配置为实现工业过程的模拟器。处理单元被配置为生成多个工业过程行为数据，其中针对多个输入值轨迹中的至少一些输入值轨迹生成工业过程行为数据，并且其中针对多个输入值轨迹中的至少一些输入值轨迹的工业过程行为数据的生成包括模拟器的利用。处理单元被配置为实现对工业过程进行建模的机器学习算法。处理单元被配置为训练机器学习算法。处理单元被配置为处理第一行为数据。
-
公开(公告)号：CN116848538A
公开(公告)日：2023-10-03
申请号：CN202080108395.0
申请日：2020-12-30
申请人： ABB瑞士股份有限公司
发明人： 丹尼斯·詹卡 , 卡尔佩什·巴洛迪 , 普雷纳·尤林 , 安德烈亚斯·波奇卡 , 扬-克里斯托夫·施莱克
IPC分类号： G06Q10/06
摘要： 一种散装材料的工业处理的方法(200)，该工业处理包括多个过程步骤(100)，该方法(200)包括定义散装材料的材料部分(110)；生成与材料部分(110)相关联的材料部分标识符(120)；在多个过程步骤(100)中的至少两个过程步骤中处理材料部分(110)；对于该至少两个过程步骤中的每个过程步骤，该方法(200)包括：确定在过程步骤中处理材料部分(110)的成本；生成历史数据集，其中历史数据集指示成本、过程步骤和材料部分标识符(120)；并且其中该方法(200)还包括基于历史数据集来确定合计成本。
-
公开(公告)号：CN116830053A
公开(公告)日：2023-09-29
申请号：CN202080108397.X
申请日：2020-12-30
申请人： ABB瑞士股份有限公司
发明人： 普雷纳·尤林 , 阿扎姆·穆扎法尔·科特里瓦拉 , 李诺 , 扬-克里斯托夫·施莱克 , 菲力克斯·伦德斯 , 马蒂亚斯·毕斯考平 , 本杰明·克洛珀 , 卡尔佩什·巴洛迪 , 安德烈亚斯·波奇卡 , 丹尼斯·詹卡
IPC分类号： G05B23/02
摘要： 根据一方面，描述了一种用于监测连续工业过程的方法。工业过程包括多个处理站，多个处理站用于处理材料以及多个处理站之间的材料流。每个处理站动态地提供数据，表示处理站的状态。该方法包括：为每个处理站提供处理站的处理站布局。该方法还包括：为每个处理站提供处理站的接口模型。该方法还包括：从多个处理站的处理站布局和接口模型生成信息元模型。该方法还包括：通过经由信息元模型将由多个处理站提供的表示处理站的状态的数据导入到自适应模拟模型中，来生成工业过程的自适应模拟模型。
-
公开(公告)号：CN115023677A
公开(公告)日：2022-09-06
申请号：CN202180010404.7
申请日：2021-03-11
申请人： ABB瑞士股份有限公司
发明人： 贝内迪克特·施密特 , 伊多·阿米哈伊 , 蒙塞夫·希欧亚 , 阿尔扎马·科特里瓦拉 , 马丁·霍伦德 , 丹尼斯·詹卡 , 菲力克斯·伦德斯 , 扬·克里斯托夫·施拉克 , 本杰明·克洛珀 , 海迪尔·阿布夸克
摘要： 本发明涉及监测或控制工业过程的领域，特别是借助于人工神经网络。该方法包括以下步骤：借助于第一输入数据集(31)作为第一输入(11)来训练第一控制模型(10)，产生经训练的第一控制模型(10T)；将经训练的第一控制模型(10T)复制到第二控制模型(20)，其中，在复制之后，第二输入层(22)和多个第二隐藏层(24)与多个第一隐藏层(14)相同，并且第一输出层(18)被第二输出层(28)替代；冻结多个第二隐藏层(24)；借助于第一输入数据集(31)作为第二输入(21)来训练第二控制模型(20)，产生经训练的第二控制模型(20T)；以及借助于第二输入数据集(32)作为第二输入(21)来运行经训练的第二控制模型(20T)，其中第二输出(29)输出第一控制模型(10)的质量度量(qm)。
-
公开(公告)号：CN115380294A
公开(公告)日：2022-11-22
申请号：CN202180026316.6
申请日：2021-03-10
申请人： ABB瑞士股份有限公司
发明人： 本杰明·克洛珀 , 贝内迪特·施密特 , 伊多·阿米哈伊 , 蒙塞夫·希欧亚 , 扬·克里斯托夫·施拉克 , 阿扎姆·穆扎法尔·科特里瓦拉 , 马丁·霍伦德 , 丹尼斯·詹卡 , 菲力克斯·伦德斯 , 海迪尔·阿布夸克
IPC分类号： G06N20/00 , G06N7/00 , G06F17/40 , G06F16/215 , G05B23/00
摘要： 本发明涉及用于自动化工业机器学习应用的开发的计算机实现方法(100)，特别地针对预测性维护、过程监视、事件预测或根本原因分析。该方法由一个或多个子方法组成，根据工业机器学习问题，该一个或多个子方法可以被迭代地执行。这些子方法包括以下方法中的至少一个：自动清洗在机器学习模型的训练(S10)和后续应用(S15)中的数据的方法，借助其他时间戳记录标记(S11)时间序列(特别是信号数据)的方法，借助过程挖掘的特征工程(S12)，以及用于数据分割和分类的自动超参数调试(S14)。
-
公开(公告)号：CN115335836A
公开(公告)日：2022-11-11
申请号：CN202180025554.5
申请日：2021-03-10
申请人： ABB瑞士股份有限公司
发明人： 贝内迪特·施密特 , 伊多·阿米哈伊 , 阿扎姆·穆扎法尔·科特里瓦拉 , 蒙塞夫·希欧亚 , 菲力克斯·伦德斯 , 丹尼斯·詹卡 , 马丁·霍伦德 , 扬·克里斯托夫·施拉克 , 海迪尔·阿布夸克 , 本杰明·克洛珀
IPC分类号： G06N20/00 , G06N3/08 , G06N3/04 , G05B23/02 , G05B19/418
摘要： 提供一种生成用于训练人工智能模块(10)(AI模块)的训练数据集的计算机实现的方法。该方法包括提供数据存储装置(102)上的第一数据集(12)和第二数据集(14)，其中第一数据集5包括指示工业系统的第一操作状况的一个或多个第一数据元素(13)，其中第二数据集包括指示工业系统的第二操作状况的一个或多个第二数据元素(15)，其中第一操作状况基本上匹配第二操作状况。该方法还包括确定用于将第一数据集(12)中的一个或多个第一10数据元素(13)转换为第二数据集(14)中的一个或多个第二数据元素(15)的数据转换，对第一数据集中的一个或多个第一数据元素(13)和/或对一个或多个另一数据集中的一个或多个另一数据元素应用所确定的数据转换，从而生成经转换的数据集，以及基于至少一部分经转换的数据集来生成用于训练AI模块(10)的训练数据集。
-
公开(公告)号：CN115427907A
公开(公告)日：2022-12-02
申请号：CN202180028760.1
申请日：2021-04-13
申请人： ABB瑞士股份有限公司
摘要： 本发明涉及智能报警管理领域，特别是在工业过程中(50)。该方法包括以下步骤：通过输入数据(20)和得分数据(30)来训练机器学习模型(10)，其中输入数据包括至少一个可观察过程变量的第一时间序列，并且其中机器学习模型(10)是人工神经网络ANN；通过将第一时间序列(21)应用于经训练的机器学习模型(10)来运行经训练的机器学习模型(10)；以及输出值(40)由经训练的机器学习模型(10)输出，该输出值至少包括指示在预定义的时间距离(T1)中的工业过程(50)的异常行为的至少一个预测的可观察过程值PPV的第二临界值(42)。
-
公开(公告)号：CN115362454A
公开(公告)日：2022-11-18
申请号：CN202180026332.5
申请日：2021-03-31
申请人： ABB瑞士股份有限公司
发明人： 贝内迪克特·施密特 , 伊多·阿米哈伊 , 阿扎姆·穆扎法尔·科特里瓦拉 , 蒙塞夫·希欧亚 , 丹尼斯·詹卡 , 菲力克斯·伦德斯 , 扬·克里斯托夫·施拉克 , 马丁·霍伦德 , 海迪尔·阿布夸克 , 本杰明·克洛珀
IPC分类号： G06N3/08 , G06N20/00 , G05B17/02 , G05B19/418 , G05B13/02
摘要： 本发明涉及一种用于工业工厂机器学习系统的分层机器学习的计算机实现的方法，包括以下步骤：由机器学习单元(10)接收(S10)拓扑模型(T)，所述拓扑模型包括关于在所述工业工厂(20)的组件之间的层级关系的结构信息；其中所述组件包括所述工业工厂(20)的传感器的数据信号(S)和分级单元(A、SU)，其中所述分级单元(A、SU)包括所述工业工厂(20)的资产(A)、工厂子单元(SU)、工厂单元和工厂部分；由所述机器学习单元(10)使用接收到的所述数据信号(S)和接收到的所述拓扑模型(T)来确定(S20)包括多个层级(Lb、Li、Lt)的表示分层结构(H)，其中所述表示分层结构(H)包括针对多个接收到的所述数据信号(S)中的每一个的信号表示(AE1,1)和针对不同层级上的所述分层单元(A、SU)中的每一个的分层表示(AEA、AESU)；其中较高层级上的每个表示(AEA、AESU)表示较低层级上的一组表示(AEA、AE1,1)；其中所述信号表示(AE1,1)和所述分层表示(AEA、AESU)中的每一个包括机器学习模型；由所述机器学习单元(10)使用所确定的分层表示(AEA、AESU)来训练(S30)所述机器学习单元(10)的输出机器学习模型(11)。
-
公开(公告)号：CN115087996A
公开(公告)日：2022-09-20
申请号：CN202180014548.X
申请日：2021-03-31
申请人： ABB瑞士股份有限公司
发明人： 贝内迪克特·施密特 , 伊多·阿米哈伊 , 阿扎姆·穆扎法尔·科特里瓦拉 , 蒙塞夫·希欧亚 , 丹尼斯·詹卡 , 菲力克斯·伦德斯 , 扬·克里斯托夫·施拉克 , 马丁·霍伦德 , 海迪尔·阿布夸克 , 本杰明·克洛珀
摘要： 本发明涉及一种工业车间机器学习系统，包括：机器学习模型，提供机器学习数据；工业车间，提供车间数据；以及抽象层，连接机器学习模型和工业车间，其中抽象层被配置为使用机器学习标记语言在机器学习模型和工业车间之间提供标准化通信。
-
公开(公告)号：CN115087995A
公开(公告)日：2022-09-20
申请号：CN202180014315.X
申请日：2021-03-31
申请人： ABB瑞士股份有限公司
发明人： 贝内迪克特·施密特 , 伊多·阿米哈伊 , 阿扎姆·穆扎法尔·科特里瓦拉 , 蒙塞夫·希欧亚 , 丹尼斯·詹卡 , 菲力克斯·伦德斯 , 扬·克里斯托夫·施拉克 , 马丁·霍伦德 , 海迪尔·阿布夸克 , 本杰明·克洛珀
摘要： 本发明涉及一种用于工业车间的特定生产过程的迁移学习方法，包括以下步骤：提供(S10)定义生产过程的期望数据的多个数据模板(T)；提供(S20)包括所述特定生产过程的数据点的所述工业车间的车间数据(P)，其中所述数据点(P)包括关于所述特定生产过程的输入和输出的信息；其中，所述数据模板(T)根据所述预期数据在所述工业车间中的关系来定义所述预期数据的分组；确定(S30)所述特定生产过程的过程实例，定义所述车间数据(P)与所述特定生产过程的期望数据之间的映射；使用所确定的过程实例来确定(S40)历史过程数据，该历史过程数据是与该特定生产过程相关的历史传感器数据；使用所确定的过程实例(I)和所确定的历史过程数据(H)来确定(S50)训练数据；其中所述训练数据包括结构化的数据矩阵，其中所述数据矩阵的列表示根据所述数据模板(T)分组的所述传感器数据，并且其中所述数据矩阵的行表示获得所述传感器数据的时间戳；使用所确定的过程实例提供(S60)预训练的机器学习模型；以及使用所提供的预训练模型和所确定的训练数据来训练(S70)新的机器学习模型。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.029 秒)
