制造过程的系统、方法和介质技术方案

本文公开了一种制造系统。制造系统包括一个或更多个站、监控平台和控制模块。一个或更多个站中的每一个站配置为执行在部件的多步骤制造过程中的至少一个步骤。监控平台配置为监控部件在整个多步骤制造过程中的进度。控制模块配置为动态调整多步骤制造过程的每一个步骤的加工参数，以实现部件的期望最终质量度量标准。量标准。量标准。

【技术实现步骤摘要】
【国外来华专利技术】制造过程的系统、方法和介质
[0001]相关申请的交叉引用
[0002]本申请要求于2020年2月21日提交的美国临时申请序号为62/979,639的申请的优先权，该申请通过引用以其整体合并在此。


[0003]本公开一般涉及用于制造过程的系统、方法和介质。

技术介绍

[0004]为了安全、及时、最少浪费地制造始终符合预期设计规范的样本，通常需要对制造过程进行持续监测和调整。

技术实现思路

[0005]在一些实施例中，本文公开了一种制造系统。制造系统包括一个或更多个站、监控平台和控制模块。一个或更多个站中的每一个站被配置为执行在部件的多步骤制造过程中的至少一个步骤。监控平台配置为监控部件在整个多步骤制造过程中的进度。控制模块配置为动态调整多步骤制造过程的每一个步骤的加工参数，以实现部件的期望最终质量度量标准。控制模块配置为执行操作。这些操作包括从监控平台接收在所述多步骤制造过程中的步骤处的与部件相关的输入。操作还包括由控制模块基于样本的图像生成最终质量度量标准预测。操作还包括由控制模块确定最终质量度量标准预测值不在可接受值的范围内。所述操作还包括基于所述确定，由所述控制模块调节针对至少后续站的控制逻辑。调整控制逻辑包括应用将由随后站执行的纠正动作。
[0006]在一些实施例中，本文公开了一种多步骤制造方法。计算系统从制造系统的监控平台接收一个或更多个站中的站上的样本的图像。每一个站配置为执行多步骤制造过程中的步骤。计算系统根据样本的图像生成最终质量度量标准预测。计算系统确定最终质量度量标准预测不在可接受值的范围内。基于所述确定，计算系统调整至少后续站的控制逻辑，其中，所述调整包括应用将由后续站执行的纠正动作。
[0007]在一些实施例中，本文公开了一种三维打印系统。所述系统包括处理站、监控平台和控制模块。处理站配置为沉积多个层以形成样本。监控平台配置为在整个沉积过程中监控样本的进展。控制模块配置为动态调整多个层中每一层的处理参数，以实现部件的期望最终质量度量标准。控制模块配置为执行操作。操作包括从监控平台接收在层被沉积后样本的图像。操作还包括由控制模块基于样本的图像生成最终质量度量标准预测值。操作还包括由控制模块确定最终质量度量标准预测值不在可接受值的范围内。所述操作还包括基于所述确定，由所述控制模块调整用于待被沉积的至少后续层的控制逻辑，其中，所述调整包括应用通过后续层的沉积而执行的纠正动作。
附图说明
[0008]为了能够详细理解本公开的上述特征，可以通过参考实施例来对本公开进行更具体的描述，其中，一些在附图中进行了说明。然而，应注意，附图仅示出了本公开的典型实施例，因此不应被视为限制其范围，因为本公开可以允许其他同等有效的实施例。
[0009]图1是示出根据示例实施例的制造环境的框图。
[0010]图2是示出根据示例实施例的预测引擎的框图。
[0011]图3是示出根据示例实施例的聚类模块的示例性架构的框图。
[0012]图4是示出根据示例实施例的机器学习模块的架构的框图。
[0013]图5是示出根据示例实施例的机器学习模块架构框图。
[0014]图6是示出根据示例实施例的执行多步骤制造过程的纠正方法的流程图。
[0015]图7A示出了根据示例实施例的系统总线计算系统架构。
[0016]图7B示出了根据示例实施例的具有芯片组架构的计算机系统。
[0017]为了便于理解，在可能的情况下，使用了相同的附图标记来表示图中常见的相同元件。可以设想，在一个实施例中公开的元件可以有权用于其他实施例，而无需具体叙述。
具体实施方式
[0018]本文所述的一种或多种技术通常针对配置为监测多步骤制造过程的每一个步骤的监控平台。对于多步骤制造过程的每一个步骤，监控平台可以监控样本的进度，并确定样本的当前状态如何影响与最终样本相关的最终质量度量标准。通常，最终质量度量标准是无法在多步骤制造过程的每一个步骤中测量的指标。示例性最终质量度量标准可包括但不限于最终样本的抗拉强度、硬度、热性能等。对于某些最终质量度量标准，如抗拉强度，使用破坏性测试来测量此类指标。
[0019]本文所述的一种或多种技术能够使用一种或多种人工智能技术在多步骤制造过程的每一步预测最终质量度量标准。例如，本文所述的一种或多种技术可以利用无监督K均值聚类和深度学习网络来学习聚类特征。可以为不可靠的前馈设定点创建高保真标签。随后，可以使用回归深度学习网络对所述方法进行推广，以重新标记所有图像。使用重新标记的图像，可以训练两个网络来预测制造过程中特定点的样本质量指标。
[0020]制造过程可以是复杂的，包括由不同处理站(或“站”)正在加工直到生产出最终样本的原材料。在一些实施例中，每一个处理站接收用于处理的输入，并可以输出中间输出，中间输出可以传递给后续(下游)处理站以进行其他处理。在一些实施例中，最终处理站可以接收用于处理的输入，以及可以输出最终样本，或者更概括地说，输出最终输出。
[0021]在一些实施例中，每一个站可以包括一个或更多个工具/设备，这些工具/设备可以执行一组处理步骤。示例性处理站可以包括但不限于传送带、注塑机、切割机、模压机、挤出机、计算机数控(computernumerical control，CNC)铣床、研磨机、装配站、三维打印机、质量控制站、验证站等。
[0022]在一些实施例中，每一个处理站的操作可由一个或更多个过程控制器控制。在一些实施例中，每一个处理站可以包括一个或更多个过程控制器，可以对其进行编程以控制处理站的操作。在一些实施例中，操作员或控制算法可以向站控制器提供站控制器设定点，所述设定点可以表示每一个控制值的期望值或值的范围。在一些实施例中，用于制造过程
中的反馈或前馈的值可以称为控制值。示例性控制值可以包括但不限于：速度、温度、压力、真空、旋转、电流、电压、功率、粘度、站使用的材料/资源、生产率、停机时间、有毒烟雾等。
[0023]在一些实施例中，样本可以指制造过程的输出。例如，制造过程的输出可以是作为移动设备一部分的电路板、作为移动设备一部分的屏幕和/或完整的移动设备。
[0024]图1是示出根据示例实施例的制造环境100的框图。制造环境100可以包括制造系统102、监控平台104和控制模块106。制造系统102可以广泛代表多步骤制造系统。在一些实施例中，制造系统102可以代表用于增材制造的制造系统(例如，三维(three
‑
dimensional，3D)打印系统)。在一些实施例中，制造系统102可以代表用于减材制造(例如，CNC加工)的制造系统。在一些实施例中，制造系统102可以代表用于增材制造和减材制造组合的制造系统。更概括地说，在一些实施例中，制造系统102可以代表用于一般制造过程的制造系统。
[0025]制造系统102可包括一个或更多个站1081‑
108
n
(通常称为“站108”)。每一个站108本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种制造系统，包括：一个或更多个站，每一个站配置为在样本的多步骤制造过程中执行至少一个步骤；监控平台，配置为监控所述样本在整个所述多步骤制造过程中的进展；以及控制模块，配置为动态调整所述多步骤制造过程中的每一个步骤的处理参数，以实现所述样本的期望最终质量度量标准，所述控制模块配置为执行操作，所述操作包括：从所述监控平台接收在所述多步骤制造过程中的步骤处的所述样本的图像；由所述控制模块基于所述样本的图像生成最终质量度量标准预测值；由所述控制模块确定所述最终质量度量标准预测值不在可接受值的范围内；以及基于所述确定，由所述控制模块对至少后续站的控制逻辑进行调整，其中所述调整包括应用由所述后续站执行的纠正动作。2.根据权利要求1所述的制造系统，其中，在所述样本处理完成之前无法测量最终质量度量标准。3.根据权利要求1所述的制造系统，其中，所述操作进一步包括：训练神经网络以基于多个样本的多个图像生成所述最终质量度量标准预测值。4.根据权利要求1所述的制造系统，其中，所述操作进一步包括：训练门控循环单元以基于多个样本的多个图像生成所述最终质量度量标准预测值。5.根据权利要求1所述的制造系统，其中，所述操作进一步包括：训练聚类模块以标记多个样本的多个图像，以便训练机器学习模块，所述机器学习模块配置为基于所述多个图像生成所述最终质量度量标准预测值。6.根据权利要求1所述的制造系统，其中，由所述控制模块对至少所述后续站的控制逻辑进行调整，包括：为又一后续站调整又一控制逻辑。7.根据权利要求1所述的制造系统，其中，所述一个或更多个站中的每一个站对应于三维打印过程中的层沉积。8.一种多步骤制造方法，包括：通过计算系统从制造系统的监控平台接收一个或更多个站中的站处的样本的图像，每一个站配置为执行多步骤制造过程中的步骤；由所述计算系统基于所述样本的图像生成最终质量度量标准预测值；由所述计算系统确定所述最终质量度量标准预测值不在可接受值的范围内；以及基于所述确定，由所述计算系统对至少后续站的控制逻辑进行调整，其中，所述调整包括待由所述后续站执行的纠正动作。9.根据权利要求8所述的方法，其中，在所述样本处理完成之前，无法测量所述最终质量度...

【专利技术属性】
技术研发人员：马修，
申请(专利权)人：纳米电子成像有限公司，
类型：发明
国别省市：