Die Erfindung betri f ft ein computer-implementiertes Verfahren, ein Sortier-System und ein Klienten-Server-System zur Umpositionierung von fehlerhaften Produkten .

Ferber betri f ft die Erfindung ein Computerprogramm, einen elektronisch lesbaren Datenträger und ein Datenträgersignal .

Heutzutage wird in der Industrie häufig auf eine manuelle Qualitätskontrolle zurückgegri f fen, da automatisierte Verfahren häufig eine nicht hinreichende Erkennungsrate von Abweichungen eines Produkts verglichen mit einer gewünschten Qualität aufweisen . Eine derartige Inspektion kann die Produkte auf Konformität hinsichtlich Form, Höhe , Oberflächenbeschaffenheit etc . prüfen .

Andererseits kann eine manuelle Kontrolle , welche durch Menschen ausgeführt wird, beispielsweise durch die monotone Tätigkeit , auch zu Fehlern führen .

Algorithmen der künstlichen Intelligenz ( kurz „KI" ) können hel fen, den Erkennungs- und Qualitätsprüfungsprozess zu automatisieren . Um diese Aufgabe zu automatisieren, können Roboter oder andere Kommissionierer verwendet werden, um die nicht konformen Produkte von den konformen Produkten zu trennen .

Jedoch können Einflüsse , wie eine hohe Förderband- Geschwindigkeit , dazu führen, dass eine technische Lösung sehr teuer wird, wenn beispielsweise ausgeklügelte Roboter installiert werden müssen, die eine zur Durchführung der Trennaufgabe hinreichende Manipulations-Geschwindigkeit liefern .

Im Stand der Technik ist die Veröf fentlichung "MAGNETISCHE SEPARATION & SENSORBAS IERTE SORTIERUNG AUS EINER HAND MAG- NETIC SEPARATION & SENSOR-BASED SORTING FROM A S INGLE SOURCE Röntgensortiersystem" durch das „X-ray sorting system" der Firma STEINERT XSS , Induktionssortiersystem, „Induction sorting system STEINERT ISS" vom 31 . August 2020 ( 2020- 08-31 ) , Seiten 1-55 , XP055980166 , bekannt .

Diese Veröf fentlichung bezieht sich zwar in allgemeiner Weise auf ein System zur Umpositionierung von fehlerhaften Produkten, weist j edoch keine ef fi ziente Umpositionierung insbesondere für beschränkte Zeitintervalle auf .

Es ist Aufgabe der Erfindung eine Lösung zur Qualitätsprüfung bereitzustellen, mit welcher auf einfache Weise eine Produkt- Prüfung durchgeführt werden kann, beispielsweise für eine visuelle Qualitätsprüfung ( engl . „visual quality inspection" , kurz „VQI" ) , mithil fe derer eine nachfolgende Produktsepara- tion auf einfache Weise erfolgen kann .

Dabei soll nicht nur eine Konformität bezüglich eines Referenz-Produkts festgestellt werden, sondern auch ein Grad der Abweichung von diesem „Goldstandard" bestimmt werden .

Die erfindungsgemäße Aufgabe wird durch ein Verfahren eingangs genannter Art gelöst , wobei folgende Schritte ausgeführt werden : a) Bereitstellen von einem ersten Produkt an einer ersten Position und zumindest einem zweiten Produkt an zumindest einer zweiten Position an einer Ablage , wie ein sich bewegendes Förderband, b) Erfassen von Eigenschaften und Position des ersten Produkts als erste Sensor-Daten und des zumindest einen zweiten Produkts als zumindest zweite Sensor-Daten durch zumindest ein Sensor-Mittel und Bereitstellen der ersten und der zumindest zweiten Sensor-Daten an eine Analyse- Vorrichtung mit einem Prozessor und einem Speicher, c) Bereitstellen eines Referenz-Modells auf Basis maschinellen Lernens , welches vordefinierte Eigenschaften eines Produkts , mit welchem das erste und das zumindest eine zweite Produkt einen möglichst hohen Grad an Übereinstimmung, aufweist und dementsprechend erzeugt und trainiert ist , d) Bestimmen einer ersten Kenngröße hinsichtlich des Grads an Übereinstimmung der ersten Sensor-Daten mit dem Referenz-Modell mithil fe eines ersten Auto-Encoders , e ) Bestimmen zumindest einer zweiten Kenngröße hinsichtlich des Grads an Übereinstimmung der zumindest zweiten Sensor-Daten mit dem Referenz-Modell mithil fe zumindest eines zweiten Auto-Encoders durch die Analyse-Vorrichtung, f ) Feststellen, ob sowohl die erste Kenngröße als auch die zumindest eine zweite Kenngröße außerhalb eines vorbestimmten Bereichs liegen, und falls j a, fortfahren mit Schritt g) , sonst Beenden oder Wiederholen des Verfahrens , g) Feststellen des Grads an Übereinstimmung für die erste und die zumindest eine zweite Kenngröße , und Erstellen einer Liste mit einer, anhand Übereinstimmungen der j eweiligen Kenngrößen, welche insbesondere durch einen j eweiligen Rekonstruktions-Fehler gebildet sein können, erfolgten Reihung, h) Bestimmen von j eweiligen Trans ferzeiten, beispielsweise bestimmt durch die Bewegungsgeschwindigkeit des Förderbands , welche die darauf angeordneten Produkte durch einen festen Arbeitsbereich einer Manipulations-Vorrichtung bewegt , für eine Umpositionierung der in der im vorhergehenden Schritt bestimmten Liste durch die j eweiligen Kenngrößen ref erenzierten Produkte von deren j eweiligen Positionen zu zumindest einer neuen, vordefinierten Position durch die Manipulations-Vorrichtung, i ) Auswahlen von Umpositionierungen, also insbesondere von Produkten, für welche unzureichende Produkt-Eigenschaften durch den Vergleich im Schritt d) und e ) bestimmt wurden, welche innerhalb einer vorgegebenen Zeitspanne , und anhand des j eweiligen geometrischen Abstands zwischen den j eweiligen Positionen des ersten und des zumindest einen zweiten Produkts , und der im Schritt g) ermittelten Liste , sowie der im Schritt h) ermittelten Trans ferzeiten, möglich sind, und j ) Umpositionieren der im vorhergehenden Schritt ausgewählten Produkte an die zumindest eine neue vordefinierte Position durch die Manipulations-Vorrichtung .

Dadurch ist es beispielsweise möglich, eine Rangfolge und Zeitplanung einer nachfolgenden Aussortierung von fehlerhaften Produkten durchzuführen, weshalb der Einsatz einfacher und kostengünstiger Sortiervorrichtungen ermöglicht wird .

Unter einem fehlerhaften Produkt wird ein Produkt verstanden, für welches im Zuge einer Qualitätsprüfung eine entsprechende Kenngröße erfasst wird, die außerhalb eines vorgegebenen Wertebereichs liegt .

Eine Kenngröße kann ein Parameter für ein Produkt sein, welches das Produkt an sich charakterisiert , wie beispielsweise Abmessungen oder Form des Produkts , oder Anzahl von Produktteilen, welche das Produkt bilden, und dergleichen .

Für den Parameter beziehungsweise die Kenngröße kann ein vorgesehener Soll-Wert mit einem Wertebereich für maximal zulässigen Toleranzen angegeben werden .

Die Produkt-Form kann beispielsweise durch den Verlauf einer Außenkontur, den Verlauf von Innenkonturen von Produktteilen oder aneinandergrenzenden Produktteilen beschrieben werden, wie durch gerade Verläufe , Krümmungsradien und/oder Proportionen von Produktteilen untereinander . Eine Eigenschaft des Produkts kann beispielsweise durch eine Materialeigenschaft des Produkts gebildet sein, wie beispielsweise die Farbe oder die Elasti zität des Produkts .

Eine oder mehrere Eigenschaften können j eweils durch dementsprechende Sensoren bestimmt werden, wie ein optischer Kamerasensor oder ein mechanischer Sti ft , welcher zum Produkt hingeführt wird und eine Eindringtiefe oder eine Rückhaltekraft bezüglich der Produkt-Elasti zität aufnimmt . Außerdem können Produkt-Eigenschaften mithil fe nicht-intrusiver Sensoren bestimmt werden, wie Ultraschall- oder Radar-Sensoren für die Bestimmung von Feuchtigkeitsgehalt oder Metallgehalt eines Produkts .

Ferner können die Position oder Ausrichtung des Produkts auf dem Förderband Parameter bilden, welche beispielsweise durch einen optischen Kamerasensor erfasst werden .

Ein Sensor kann beispielsweise mehrere Eigenschaften oder Produkt-Parameter erfassen .

Ein nachfolgend angesteuerter Roboter kann somit Produkte auswählen und kommissionieren, die nach dem Grad der Abweichung vom Goldstandard geordnet sind .

Mit anderen Worten sollen Produkte mit hoher Abweichung mit einer höheren Priorität ausgewählt werden, und erst bei entsprechender Verfügbarkeit des Sortier-Roboters werden die Produkte mit geringerer Abweichung aussortiert .

Unter einem Vergleich wird im vorliegenden Zusammenhang die Bestimmung des Grads an Übereinstimmung zwischen Sensor-Daten und dem Referenz-Modell verstanden .

Es wird somit einer Sortierreihenfolge erreicht , bei welcher eines der beiden Kriterien erreicht ist : • Alle fehlerhaften Produkte in einer bestimmten Produktcharge wurden in einen dafür vorgesehenen Behälter aussortiert .

• Die meisten fehlerhaften Produkte , nicht alle , aber zumindest die hochgradig fehlerhaften Produkte , wurden in den Behälter ausgesondert .

Dieser „Best-Ef fort"-Ansatz hat den Vorteil , dass die Leistungsanforderungen an die Robotik-Lösung gesenkt werden können, wodurch eine automatisierte visuelle Qualitätskontrolle auch für kleinere Systeme zugänglicher wird .

Der Grad an Übereinstimmung im Schritt g) für die erste und die zumindest eine zweite Kenngröße liefert j eweils einen Zahlenwert , beispielsweise der Rekonstruktions-Fehler aus dem Auto-Encoder . Die so erhaltenen Zahlenwerte können nun anhand ihres Betrags gereiht werden und als Liste ausgegeben werden, welche durch die gereihten Zahlenwerte eine Priorisierung von Produkten darstellt , welche nachfolgend auf der Ablage umpositioniert beziehungsweise aussortiert werden sollen .

Bei dieser Anwendung eignet sich ein Auto-Encoder für einen Vergleich mit einem Referenz-Modell besonders , da eine einfache Implementierung mit hoher Geschwindigkeit möglich ist .

Die Manipulations-Vorrichtung kann Produkte von deren Positionen auf der Ablage , an welches sie bereitgestellt wurden, zu alternativen Positionen befördern oder aussortieren .

Die Ablage wird von einem Arbeitsbereich der Manipulations- Vorrichtung abgedeckt .

Die Ablage kann beispielsweise nur zeitlich befristet als Arbeitsbereich zur Verfügung stehen, wenn nachfolgende weitere Arbeitsschritte den Zugri f f auf die Ablage verhindern oder einschränken . Dabei kann die Ablage in Form eines Förderbandes die bereitgestellten Produkte zu einem benachbarten Ort bewegen, wie ein Behälter Abseits der Ablage , welcher auch im Arbeitsbereich der Manipulations-Vorrichtung gelegen ist . Die Bewegungsgeschwindigkeit des Förderbands bestimmt dabei die zeitliche Verfügbarkeit der Produkte auf der Ablage im Arbeitsbereich der Manipulations-Vorrichtung .

Eine Einschränkung des Arbeitsbereichs kann auch erfolgen, wenn die Produkte direkt auf der Ablage weiterbearbeitet werden, indem eine weitere Bearbeitungsvorrichtung die Produkte verdeckt und die Ablage als Arbeitsbereich somit nicht zugänglich ist .

Das Verfahren kann im Schritt f ) wiederholt werden, wobei der Schritt a ) übersprungen werden kann, wenn sich weitere Produkte auf der Ablage befinden, welche noch nicht untersucht wurden .

In einer Weiterbildung der Erfindung ist es vorgesehen, dass der erste Auto-Encoder und der zumindest eine zweite Auto- Encoder durch einen gemeinsamen Auto-Encoder gebildet sind .

Dadurch wird das System einfacher und die System-Komplexität kann begrenzt werden .

Ein Autoencoder ist ein künstliches neuronales Netz , welches dazu genutzt wird, ef fi ziente Codierungen zu lernen . Das Ziel eines Autoencoders ist es , eine komprimierte Repräsentation, das sogenannte „Encoding" für einen Satz Daten zu lernen und somit auch wesentliche Merkmale zu extrahieren . Dadurch kann er zur Dimensionsreduktion genutzt werden .

Der Autoencoder benutzt drei oder mehr Schichten : eine Eingabeschicht : Bei der Gesichtserkennung könnten die Neuronen beispielsweise die Pixel einer Fotografie abbilden . • einige signi fikant kleinere Schichten ( im Vergleich zur Eingabeschicht und Ausgabeschicht ) , die das Encoding bilden .

• eine Ausgabeschicht , in der j edes Neuron die gleiche Bedeutung hat wie das entsprechende in der Eingabeschicht .

Wenn lineare Neuronen benutzt werden, ist er der Hauptkomponentenanalyse sehr ähnlich .

Der Autoencoder erweist sich im vorliegenden Zusammenhang als besonders gute Implementierung im System .

In einer Weiterbildung der Erfindung ist es vorgesehen, dass die erste Kenngröße durch den Rekonstruktions-Fehler des ersten Auto-Encoders und die zumindest eine zweite Kenngröße durch den Rekonstruktions-Fehler des zumindest einen zweiten Auto-Encoders gebildet ist .

Dadurch kann eine präzise Kenngröße eines Auto-Encoders für den nachfolgenden Vergleich angewendet werden .

In einer Weiterbildung der Erfindung ist es vorgesehen, dass das Referenz-Modell im Schritt c ) mithil fe föderierten Lernens durch ein verbundenes verteiltes Klienten-Server-System erzeugt und bereitgestellt wird .

Dadurch kann ein genaueres Modell angewendet werden, beziehungsweise ist die Bereitstellung des Modells vereinfacht , da ein lokales Trainieren reduziert werden kann .

Ein neu hinzugefügter Klient muss daher nicht eigens trainiert werden, sondern kann durch das föderierte Lernen auf ein globales Modell zurückgrei fen .

In einer Weiterbildung der Erfindung ist es vorgesehen, dass die Schritte d) bis f ) durch die Analyse-Vorrichtung ausgeführt werden .

Dadurch kann die Komplexität des Sortier-Systems einfach gehalten werden . Die erfindungsgemäße Aufgabe wird durch ein Sortier-System eingangs genannter Art gelöst , umfassend eine Ablage zum Bereitstellen von einem ersten Produkt an einer ersten Position und zumindest einem zweiten Produkt an zumindest einer zweiten Position, zumindest ein Sensor-Mittel zum Erfassen von Eigenschaften und Position des ersten Produkts und des zumindest einen zweiten Produkts , eine Analyse-Vorrichtung mit einem Prozessor und einem Speicher und eine Manipulations- Vorrichtung zum Umpositionieren von Produkten, und das System dazu eingerichtet ist , das erfindungsgemäße Verfahren aus zuführen .

Die erfindungsgemäße Aufgabe wird durch ein Klienten-Server- System eingangs genannter Art gelöst , umfassend ein erfindungsgemäßes Sortier-System, welches als Klient an einer Edge gelegen ist , und das Klienten-Server-System mithil fe föderierten Lernens ein globales Modell auf Basis maschinellen Lernens erzeugt , trainiert und dem verbundenen Sortier-System als lokales Modell zu Verwendung im erfindungsgemäßen Verfahren bereitstellt .

Die erfindungsgemäße Aufgabe wird durch ein Computerprogramm gelöst , umfassend Befehle , welche bei deren Aus führung durch einen Computer diesen veranlassen, das erfindungsgemäße Verfahren aus zuführen .

Die erfindungsgemäße Aufgabe wird durch einen elektronisch lesbaren Datenträger mit darauf gespeicherten lesbaren Steuerinformationen gelöst , welche zumindest das erfindungsgemäße Computerprogramm umfassen und derart ausgestaltet sind, dass sie bei Verwendung des Datenträgers in einer Recheneinrichtung das erfindungsgemäße Verfahren durchführen .

Die erfindungsgemäße Aufgabe wird durch ein Datenträgersignal gelöst , welches das erfindungsgemäße Computerprogramm überträgt . Die Erfindung wird nachfolgend anhand eines in den beigeschlossenen Zeichnungen dargestellten Aus führungsbeispiels näher erläutert . In den Zeichnungen zeigt :

Fig . 1 ein Aus führungsbeispiel für ein erfindungsgemäßes Sortier-System,

Fig . 2 ein Aus führungsbeispiel für ein Ablauf diagramm des erfindungsgemäßen Verfahrens ,

Fig . 3 ein Aus führungsbeispiel für ein erfindungsgemäßes Klienten-Server-System .

Fig . 1 zeigt ein erfindungsgemäßes Sortier-System .

Eine Ablage 1 zum Bereitstellen von Produkten an j eweiligen Positionen ist durch ein Förderband mit darauf transportierten Produkten gebildet .

Das Förderband bewegt die daraus platzierten Produkte mit einer vordefinierten Geschwindigkeit la in eine Transportrichtung .

Ein Sensor-Mittel 2 in Form eines Kamera-Systems erfasst die Produkte , möglicherweise unter ungünstiger Beeinträchtigung des Sichtfelds und erzeugt j eweilige Sensor-Daten SD .

Eine Analyse-Vorrichtung 3 , insbesondere mit einem Auto- Encoder, führt für die bereitgestellten Sensor-Daten einen computer-implementierten Erkennungs-Algorithmus zur visuellen Qualitäts-Kontrolle durch .

Dabei wird ein Verfahren auf Basis künstlicher Intelligenz ausgeführt und es werden Abweichungen zu einem Referenz- Modell bestimmt , insbesondere auf Basis des „Rekonstruktions- Fehlers" eines Auto-Encoders .

Das Referenz-Modell wird in einer Rechen-Vorrichtung mit gültigen und zulässigen Produkt-Daten ( Gold-Standard) erzeugt , trainiert und gespeichert . Dabei kann das Modell entweder lokal vorliegen, oder auf einem globalen Modell basieren, wel- ches über mehrere , verteilt vorliegende Modelle weiterer Rechen-Vorrichtungen nach dem Prinzip des „föderierten Lernens" erzeugt und der genannten Rechen-Vorrichtung bereitgestellt werden . Dadurch kann der lokale Aufwand für die Bereitstellung des genannten lokalen Modells reduziert werden und die Genauigkeit verbessert werden .

Es werden somit aus den Sensor-Daten SD mithil fe der j eweiligen Rekonstruktions-Fehler entsprechende Datensätze gebildet .

Erste Datensätze Pok bezeichnen Produkte , deren j eweilige Kenngröße hinsichtlich des Grads an Übereinstimmung deren Sensor-Daten mit dem Referenz-Modell hinreichend übereinstimmt , also innerhalb eines vorgegebenen zulässigen Wertebereichs liegt .

Zweite Datensätze Pnok bezeichnen Produkte , deren j eweilige Kenngröße hinsichtlich des Grads an Übereinstimmung deren Sensor-Daten mit dem Referenz-Modell nicht hinreichend übereinstimmt , also außerhalb eines vorgegebenen zulässigen Wertebereichs liegt .

Es wird anschließend eine Priorisierung der als nicht-konform hinsichtlich des Gold-Standards , also des Modells , identi fizierten Produkte durchgeführt . Dazu wird insbesondere der „Rekonstruktions-Fehler" eines Auto-Encoders herangezogen, welcher als Kenngröße bei einem Vergleich zwischen Sensor- Daten und einem Referenz-Modell angewandt werden kann .

Nach einer Auswertung der bestimmten Abweichungen wird eine nachfolgend angeordnete Manipulations-Vorrichtung 4 in Form eines Roboters angesteuert , um nicht-konforme Produkte , welche gemäß eines vorbestimmten Wertebereichs für die Produkt- Konformität ausgewählt werden, dementsprechend vom Förderband aus zusortieren und zu einer neuen, vordefinierten Position entfernen, beispielsweise in einen dafür vorgesehenen Behälter . Mit anderen Worten umfasst das Sortier-System zur Umpositionierung von fehlerhaften Produkten eine Ablage 1 zum Bereitstellen von einem ersten Produkt PI an einer ersten Position und zumindest einem zweiten Produkt P2 an zumindest einer zweiten Position .

Ferner umfasst das Sortier-System zumindest ein Sensor- Mittel 2 zum Erfassen von Eigenschaften und Position des ersten Produkts PI und des zumindest einen zweiten Produkts P2 .

Außerdem umfasst das Sortier-System eine Analyse- Vorrichtung 3 mit einem Prozessor und einem Speicher und eine Manipulations-Vorrichtung 4 zum Umpositionieren von Produkten .

Die Manipulations-Vorrichtung 4 kann einen Arbeitsbereich 5 aufweisen, welcher den vordefinierten Bereich begrenzt , in welchem Umpositionierungen auf dem Arbeitsbereich 1 , also dem Förderband durchgeführt werden und welcher gemeinsam mit der Bewegungsgeschwindigkeit la des Förderbands die Grundlage für Trans ferzeiten von Umpositionierungen bildet .

In Fig . 2 wird das erfindungsgemäße Verfahren als Ablaufdiagramm dargestellt : a ) Bereitstellen von einem ersten Produkt PI an einer ersten Position und einem zweiten Produkt P2 an einer zweiten Position an einer Ablage 1 , b ) Erfassen von Eigenschaften und Position des ersten Produkts PI als erste Sensor-Daten und des zweiten Produkts P2 als zweite Sensor-Daten durch ein Sensor- Mittel 2 und Bereitstellen der ersten und zweiten Sensor- Daten an eine Analyse-Vorrichtung 3 mit einem Prozessor und einem Speicher, c ) Bereitstellen eines Referenz-Modells auf Basis maschinellen Lernens , welches vordefinierte Eigenschaften eines Produkts , mit welchem das erste und das zweite Produkt Pl , P2 einen möglichst hohen Grad an Übereinstimmung, aufweist und dementsprechend erzeugt und trainiert ist , d) Bestimmen einer ersten Kenngröße hinsichtlich des Grads an Übereinstimmung der ersten Sensor-Daten mit dem Referenz-Modell mithil fe eines Auto-Encoders , e ) Bestimmen zumindest einer zweiten Kenngröße hinsichtlich des Grads an Übereinstimmung der zumindest zweiten Sensor-Daten mit dem Referenz-Modell mithil fe des Auto- Encoders , f ) Feststellen, ob sowohl die erste Kenngröße als auch die zumindest eine zweite Kenngröße außerhalb eines vorbestimmten Bereichs liegen, und falls j a, fortfahren mit Schritt g) , sonst Beenden oder Wiederholen des Verfahrens , g) Feststellen des Grads an Übereinstimmung für die erste und die zumindest eine zweite Kenngröße , und Erstellen einer Liste mit einer, anhand Übereinstimmungen der j eweiligen Kenngrößen erfolgten Reihung, h) Bestimmen von j eweiligen Trans ferzeiten für eine Umpositionierung der in der im vorhergehenden Schritt bestimmten Liste durch die j eweiligen Kenngrößen ref erenzierten Produkte von deren j eweiligen Positionen zu zumindest einer neuen, vordefinierten Position durch eine Manipulations-Vorrichtung 4 , i ) Auswahlen von Umpositionierungen, welche innerhalb einer vorgegebenen Zeitspanne , und anhand des j eweiligen geometrischen Abstands zwischen den j eweiligen Positionen des ersten und des zweiten Produkts Pl , P2 , und der im Schritt g) ermittelten Liste , sowie der im Schritt h) ermittelten Trans ferzeiten, möglich sind, und j ) Umpositionieren der im vorhergehenden Schritt ausgewählten Produkte in einen dafür vorgesehenen Behälter durch die Manipulations-Vorrichtung 4 . Ein oder mehrere Schritte können auf einem Computer implementiert sein, beispielsweise die Schritte d) bis f ) durch die Analyse-Vorrichtung 3 .

Das Referenz-Modell im Schritt c ) kann mithil fe föderierten Lernens durch ein verteiltes Klienten-Server-System erzeugt und bereitgestellt werden .

Fig . 3 zeigt ein Aus führungsbeispiel für ein erfindungsgemäßes Klienten-Server-System, umfassend ein erfindungsgemäßes Sortier-System, welches als Klient an einer Edge gelegen ist . Das Klienten-Server-System erzeugt und trainiert mithil fe föderierten Lernens ein globales Modell GM auf Basis maschinellen Lernens .

Das globale Modell GM wird verbundenen Sortier-Systemen Kl , K2 als j eweiliges lokales Modell LM1 , LM2 zu Verwendung im erfindungsgemäßen Verfahren bereitstellt .

Bezugszeichenliste :

1 Ablage , Förderband la Laufrichtung des bewegten Förderbands

2 Sensor-Mittel , Kamera 3 Analyse-Vorrichtung, Rechen-Vorrichtung

4 Manipulations-Vorrichtung, Roboter

5 Arbeitsbereich der Manipulations-Vorrichtung/ Roboter

GM globales Modell Kl , K2 Klient an der Edge

LM1 , LM2 lokales Modell

Pl , P2 Produkte an Position

Pnok fehlerhafte Produkte , nicht Gold-Standard

Pok Produkte gemäß Gold-Standard S Server

SD Sensor-Daten