Nothing Special   »   [go: up one dir, main page]

DE102020206737A1 - Arbeitsmaschinensteuerung basierend auf maschinenfähigkeiten in bezug auf arbeitsauftragskriterien - Google Patents

Arbeitsmaschinensteuerung basierend auf maschinenfähigkeiten in bezug auf arbeitsauftragskriterien Download PDF

Info

Publication number
DE102020206737A1
DE102020206737A1 DE102020206737.6A DE102020206737A DE102020206737A1 DE 102020206737 A1 DE102020206737 A1 DE 102020206737A1 DE 102020206737 A DE102020206737 A DE 102020206737A DE 102020206737 A1 DE102020206737 A1 DE 102020206737A1
Authority
DE
Germany
Prior art keywords
machine
job
criteria
work
work machine
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
DE102020206737.6A
Other languages
English (en)
Inventor
Noel W. Anderson
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Deere and Co
Original Assignee
Deere and Co
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 Deere and Co filed Critical Deere and Co
Publication of DE102020206737A1 publication Critical patent/DE102020206737A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0219Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01DHARVESTING; MOWING
    • A01D41/00Combines, i.e. harvesters or mowers combined with threshing devices
    • A01D41/12Details of combines
    • A01D41/127Control or measuring arrangements specially adapted for combines
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01DHARVESTING; MOWING
    • A01D41/00Combines, i.e. harvesters or mowers combined with threshing devices
    • A01D41/12Details of combines
    • A01D41/127Control or measuring arrangements specially adapted for combines
    • A01D41/1278Control or measuring arrangements specially adapted for combines for automatic steering
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01DHARVESTING; MOWING
    • A01D75/00Accessories for harvesters or mowers
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01BSOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B69/00Steering of agricultural machines or implements; Guiding agricultural machines or implements on a desired track
    • A01B69/007Steering or guiding of agricultural vehicles, e.g. steering of the tractor to keep the plough in the furrow
    • A01B69/008Steering or guiding of agricultural vehicles, e.g. steering of the tractor to keep the plough in the furrow automatic
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01BSOIL WORKING IN AGRICULTURE OR FORESTRY; PARTS, DETAILS, OR ACCESSORIES OF AGRICULTURAL MACHINES OR IMPLEMENTS, IN GENERAL
    • A01B76/00Parts, details or accessories of agricultural machines or implements, not provided for in groups A01B51/00 - A01B75/00
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01DHARVESTING; MOWING
    • A01D31/00Other digging harvesters
    • A01D31/02Other digging harvesters combined with other agricultural machines, e.g. drilling, planting, hay-harvesting machines
    • AHUMAN NECESSITIES
    • A01AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01DHARVESTING; MOWING
    • A01D34/00Mowers; Mowing apparatus of harvesters
    • A01D34/006Control or measuring arrangements
    • A01D34/008Control or measuring arrangements for automated or remotely controlled operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Environmental Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Soil Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Agronomy & Crop Science (AREA)
  • Primary Health Care (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Guiding Agricultural Machines (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

Ein Verfahren zum Steuern einer Arbeitsmaschine an einer Arbeitsstelle beinhaltet Empfangen einer Angabe eines Arbeitsmaschinenauftrags mit einem Arbeitsstellenort und entsprechenden Auftragskriterien im Zusammenhang mit dem Abschluss des Arbeitsmaschinenauftrags, das Empfangen eines Satzes von Arbeitsstellenbedingungen an dem Standort und das Identifizieren eines Satzes von Maschinenfähigkeiten, wobei jede Maschinenfähigkeit dem Betrieb eines steuerbaren Teilsystems an der Arbeitsmaschine entspricht. Das Verfahren beinhaltet das Erzeugen einer Wahrscheinlichkeitsmetrik, die indikativ für eine Wahrscheinlichkeit ist, dass die Auftragskriterien auf Grundlage des Satzes von Arbeitsstellenbedingungen und des Satzes von Maschinenfähigkeiten erfüllt werden, das Vergleichen der Wahrscheinlichkeitsmetrik mit einem Schwellenwert und das Erzeugen eines Steuersignals, das die Arbeitsmaschine auf Grundlage des Vergleichs steuert.

Description

  • GEBIET DER BESCHREIBUNG
  • Die vorliegende Beschreibung bezieht sich im Allgemeinen auf Arbeitsmaschinensteuersysteme. Insbesondere, aber nicht ausschließlich, bezieht sich die vorliegende Beschreibung auf ein Steuersystem für eine mobile Arbeitsmaschine, wie etwa eine autonome Maschine, das während der Laufzeit dynamisch Arbeitsstellenbedingungen erfasst und die mobile Arbeitsmaschine auf Grundlage von Fähigkeiten der Maschine in Bezug auf Kriterien eines Arbeitsauftrags steuert.
  • HINTERGRUND
  • Es gibt eine Vielzahl verschiedener Arten von Arbeitsmaschinen. Zu diesen Arbeitsmaschinen gehören Baumaschinen, Maschinen für die Rasenpflege, Forstwirtschaftsmaschinen, landwirtschaftliche Maschinen usw. mit steuerbaren Teilsystemen, die eine Vielzahl von Aufgaben auf einer Arbeitsstelle gemäß einem Arbeitsauftrag ausführen. Ein beispielhafter Arbeitsauftrag wird durch eine Reihe von Kriterien oder Zielen definiert, die zum Abschluss des Arbeitsauftrags auszuführen sind. Die steuerbaren Teilsysteme werden von einem Steuersystem als Reaktion auf Benutzereingaben (z. B. lokale oder entfernte Bediener) und/oder durch automatisierte Prozesse gesteuert. Beispielsweise kann eine mobile Arbeitsmaschine in halbautonomen oder vollständig autonomen Modi arbeiten.
  • Die obenstehende Erläuterung dient lediglich als allgemeine Hintergrundinformation und soll nicht als Hilfe bei der Bestimmung des Umfangs des beanspruchten Gegenstands verwendet werden.
  • ZUSAMMENFASSUNG
  • Ein Verfahren zum Steuern einer Arbeitsmaschine an einer Arbeitsstelle beinhaltet Empfangen einer Angabe eines Arbeitsmaschinenauftrags mit einem Arbeitsstellenstandortort und entsprechenden Auftragskriterien im Zusammenhang mit dem Abschluss des Arbeitsmaschinenauftrags, das Empfangen eines Satzes von Arbeitsstellenbedingungen an dem Standort und das Identifizieren eines Satzes von Maschinenfähigkeiten, wobei jede Maschinenfähigkeit dem Betrieb eines steuerbaren Teilsystems an der Arbeitsmaschine entspricht. Das Verfahren beinhaltet das Erzeugen einer Wahrscheinlichkeitsmetrik, die indikativ für eine Wahrscheinlichkeit ist, dass die Auftragskriterien auf Grundlage des Satzes von Arbeitsstellenbedingungen und des Satzes von Maschinenfähigkeiten erfüllt werden, das Vergleichen der Wahrscheinlichkeitsmetrik mit einem Schwellenwert und das Erzeugen eines Steuersignals, das die Arbeitsmaschine auf Grundlage des Vergleichs steuert.
  • Diese Kurzdarstellung wird bereitgestellt, um eine Auswahl von Konzepten in einer vereinfachten Form einzuführen, die im Folgenden in der ausführlichen Beschreibung beschrieben sind. Diese Zusammenfassung ist weder als Festlegung von Schlüsselmerkmalen oder wesentlichen Merkmalen des beanspruchten Gegenstands auszulegen noch zur Verwendung als Hilfe bei der Festlegung des Anwendungsbereichs des beanspruchten Gegenstands. Der beanspruchte Gegenstand ist nicht auf Implementierungen beschränkt, die im Abschnitt Hintergrund aufgeführte Nachteile ganz oder teilweise beseitigen.
  • Figurenliste
    • 1 ist ein Blockdiagramm, das ein Beispiel für eine Arbeitsmaschinenarchitektur zeigt, die eine mobile Arbeitsmaschine beinhaltet.
    • 2 ist eine teilweise schematische, teilweise bildliche Darstellung eines Beispiels für eine Arbeitsmaschine.
    • 3 ist ein Blockdiagramm, das ein Beispiel für eine Leistungsmetrik-Generatorlogik zeigt.
    • Die 4-1 und 4-2 (gemeinsam als 4 bezeichnet) sind Ablaufdiagramme, die ein Beispiel für ein Verfahren zum Steuern einer Arbeitsmaschine zeigen, um einen Arbeitsmaschinenauftrag durchzuführen.
    • 5 ist ein Ablaufdiagramm, das ein Beispiel für ein Verfahren zum Identifizieren und Anwenden von Maschineneinstellungsanpassungen zeigt.
    • 6 ist ein Ablaufdiagramm, das ein Beispiel für ein Verfahren zum Modifizieren von Arbeitsauftragskriterien zeigt.
    • 7 ist ein Blockdiagramm, das ein Beispiel der in 1 veranschaulichten Architektur zeigt, die in einer Remote-Serverarchitektur eingesetzt wird.
    • Die 8-10 zeigen Beispiele für mobile Vorrichtungen, die in den in den vorherigen Figuren gezeigten Architekturen verwendet werden können.
    • 11 zeigt ein Blockdiagramm eines Beispiels einer Computerumgebung, die in den Architekturen verwendet werden kann, die in den vorhergehenden Figuren gezeigt wurden.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Die vorliegende Offenbarung bezieht sich im Allgemeinen auf ein Steuersystem für eine mobile Arbeitsmaschine, wie etwa eine autonome Maschine, die während der Laufzeit dynamisch Arbeitsstellenbedingungen erfasst und die mobile Arbeitsmaschine auf Grundlage von Fähigkeiten der Maschine in Bezug auf Kriterien eines Arbeitsauftrags steuert. Beispiele für autonome Maschinen führen eine Vielzahl verschiedener Vorgänge oder Aufgaben mit einem hohen Grad an Autonomie aus.
  • Eine autonome Arbeitsmaschine kann jede Art von Arbeitsmaschine sein, die sich bewegt und Aufgaben auf einer Arbeitsstelle ausführt. Einige autonome Arbeitsmaschinen führen Arbeitsvorgänge in der Luft aus, während andere Maschinen nautische Arbeitsvorgänge oder Arbeitsvorgänge unter Wasser ausführen können, und einige autonome Maschinen führen Arbeitsvorgänge am Boden aus. Beispiele für Arbeitsvorgänge sind landwirtschaftliche Arbeitsvorgänge und/oder solche mit Bezug auf die Baubranche, Rasenpflege und/oder Forstwirtschaft. Zu den besonderen Beispielen für eine autonome Arbeitsmaschine zählen, ohne hierauf beschränkt zu sein, eine landwirtschaftliche Erntemaschine oder Mähdrescher, eine landwirtschaftliche Bodenbearbeitungsmaschine, ein Feldroboter, ein Mähroboter, eine Roboter-Schneeräummaschine, eine Roboter-Blattentfernungsmaschine, eine Roboter-Rasenbewässerungsmaschine, ein Roboterstaubsauger, ein Roboterbodenreiniger, eine Materialsammelmaschine, eine Materialauftragsmaschine, um nur einige zu nennen. Autonome Maschinen können neben mobilen Arbeitsmaschinen auch Roboter oder selbstfahrende Automobile beinhalten.
  • Wie hierin verwendet, beinhalten autonome Maschinen halbautonome Maschinen, die einen Bediener an Bord oder in der Nähe aufweisen, um eine oder mehrere Funktionen auszuführen. Diese Funktionen können beispielsweise und ohne Einschränkung eine oder mehrere Führungen, Sicherungen, Diagnosen, Aufgabenüberwachungen, Aufgabensteuerungen oder Datenaufzeichnungen beinhalten.
  • Einige Systeme versuchen, Arbeitsmaschinen mithilfe von A-priori-Daten und Auftragsplanung basierend auf erwarteten oder möglichen Bedingungen, die A-priori-Regeln anwenden, zu steuern. Zum Beispiel kann ein beispielhaftes Steuersystem für eine landwirtschaftliche Erntemaschine auf ungünstige Geländebedingungen stoßen, wie etwa nassen oder schlammigen Boden, und programmiert sein, um sich zu anderen Bereichen des Felds zu bewegen oder anderweitig darauf zu warten, dass sich die Bedingungen mildern oder anderweitig ändern. In einem Beispiel eines autonomen Fahrzeugs kann das Fahrzeug während des Betriebs durch Erfassen von Verkehrskegeln oder anderen Verkehrssteuerungsmarkierungen auf eine Baustellenzone treffen. Oft sind diese Steuerungssysteme nicht in der Lage, effizient zu reagieren, und in Situationen, in denen unerwartete Bedingungen auftreten, können sie mangels Einheitlichkeit oder Standardisierung möglicherweise nicht auf sinnvolle Weise reagieren. All dies kann einen ineffizienten und unerwünschten Betrieb der Maschine verursachen.
  • Die vorliegende Offenbarung stellt ein Steuersystem für eine Arbeitsmaschine, wie etwa eine autonome Maschine, bereit, das Bedingungen einer Arbeitsstelle erfasst und Fähigkeiten der verschiedenen steuerbaren Teilsysteme der Maschine identifiziert, um Anpassungen der Maschinenleistung zu identifizieren, die einen Satz von Auftragskriterien eines Arbeitsmaschinenauftrags erreichen können. Die Steuerung der Maschine kann eine Anpassung der Maschinenbetriebseinstellungen und -parameter, entweder automatisch und/oder durch Benutzereingabe, oder eine Anpassung der Auftragskriterien für den weiteren Betrieb der Maschine umfassen, um den Arbeitsauftrag abzuschließen. Wie in den folgenden Beispielen erörtert, verbessert diese Steuerung den Betrieb der Maschine und kann unerwartete Bedingungen berücksichtigen, denen die Maschine bei der Durchführung des Arbeitsauftrags begegnen kann. Einige Möglichkeiten zur Verbesserung der Leistung beinhalten eine verringerte Latenz, die andernfalls durch einen Maschinenstopp realisiert werden kann, um darauf zu warten, dass sich die Bedingungen ändern, und eine Leistungssteigerung durch automatisierte Einstellungsauswahl und dynamische Anwendung während der Laufzeit. Somit und wie im Folgenden ausführlicher erörtert, kann die vorliegende Steuerarchitektur wesentliche Vorteile bereitstellen.
  • 1 ist ein Blockdiagramm, das ein Beispiel für eine Arbeitsmaschinenarchitektur 100 zeigt, die eine mobile Arbeitsmaschine 102 beinhaltet. Die Arbeitsmaschine 102 ist veranschaulichend eine autonome Arbeitsmaschine mit einem Steuersystem 104, das konfiguriert ist, um einen Satz von steuerbaren Teilsystemen 106 zu steuern, die Operationen an einer Arbeitsstelle durchführen. Wie oben angemerkt, kann eine autonome Maschine in einem vollständig autonomen Modus und/oder einem halbautonomen Modus arbeiten. Zum Beispiel kann ein Bediener 108 mit der Arbeitsmaschine 102 interagieren und diese über einen oder mehrere Bedienerschnittstellenmechanismus/-mechanismen 110 steuern. Die Bedienerschnittstellenmechanismen 110 können beispielsweise ein Lenkrad, Pedale, Hebel, Joysticks, Tasten, Drehregler, Gestänge usw. beinhalten. Darüber hinaus können sie eine Anzeigevorrichtung beinhalten, die vom Benutzer betätigbare Elemente anzeigt, wie etwa Symbole, Links, Schaltflächen usw. Wenn die Vorrichtung eine berührungsempfindliche Anzeige ist, können diese vom Benutzer betätigbaren Elemente durch Berührungsgesten betätigt werden. In ähnlicher Weise kann der Bediener 108 Eingaben bereitstellen und Ausgaben über ein Mikrofon bzw. einen Lautsprecher empfangen, wenn die Mechanismen 110 Sprachverarbeitungsmechanismen enthalten. Die Bedienerschnittstellenmechanismen 110 können eine Vielzahl anderer Audio-, visueller oder haptischer Mechanismen beinhalten.
  • Die Arbeitsmaschine 102 beinhaltet ein Kommunikationssystem 112, das konfiguriert ist, um mit anderen Systemen oder Maschinen in der Architektur 100 zu kommunizieren. Beispielsweise kann das Kommunikationssystem 112 mit anderen lokalen Maschinen kommunizieren, wie etwa anderen Maschinen, die an derselben Arbeitsstelle wie die Arbeitsmaschine 102 arbeiten. Im dargestellten Beispiel ist das Kommunikationssystem 112 konfiguriert, um über ein Netzwerk 116 mit einem oder mehreren Remote-Systemen 114 zu kommunizieren. Das Netzwerk 116 kann aus einer Vielzahl unterschiedlicher Arten von Netzwerken bestehen. Zum Beispiel kann es sich um ein Weitverkehrsnetzwerk, ein lokales Netzwerk, ein Nahfeldkommunikationsnetzwerk, ein zellulares Kommunikationsnetzwerk oder ein beliebiges aus einer Vielzahl anderer Netzwerke oder Kombinationen von Netzwerken handeln.
  • Es ist veranschaulicht, dass ein Remote-Benutzer 118 mit dem Remote-System 114 interagiert, um Mitteilungen von der Arbeitsmaschine 102 über das Kommunikationssystem 112 zu empfangen oder Mitteilungen an die Arbeitsmaschine 102 zu senden. Beispielsweise, aber nicht ausschließlich, kann der Remote-Benutzer 118 Kommunikationen, wie etwa Benachrichtigungen, Anfragen nach Unterstützung usw., von der Arbeitsmaschine 102 auf einer mobilen Vorrichtung empfangen.
  • Die Arbeitsmaschine 102 ist auch als Kommunikation mit einem oder mehreren A-priori-Datenerfassungssystemen 120 veranschaulicht. Die Systeme 120 sind konfiguriert, um A-priori-Daten zu sammeln, die von der Arbeitsmaschine 102 bei der Ausführung eines Arbeitsauftrags auf einer Arbeitsstelle verwendet werden können. A-priori-Daten können aus verschiedensten Typen oder Quellen erzeugt werden, beispielsweise aus Luft- oder Satellitenbildern, Wärmebildern usw. Die A-priori-Daten können verwendet werden, um ein Modell zu erzeugen, wie etwa eine prädiktive Karte, die zur Steuerung der Arbeitsmaschine 102 verwendet werden kann. Beispiele für A-priori-Daten sind unter anderem Standortbedingungen, die verschiedene Bedingungen identifizieren, die den Betrieb der Arbeitsmaschine 102 beeinflussen können.
  • 1 zeigt auch, dass die Arbeitsmaschine 102 einen oder mehrere Prozessoren 122, Sensoren 124 und ein In-situ-Datenerfassungssystem 126, eine Leistungsmetrik-Generatorlogik 128, eine Anzeigegeneratorlogik 129, einen Datenspeicher 130 beinhaltet und auch andere Elemente 132 beinhalten kann. Die Sensoren 124 können abhängig von der Art der Arbeitsmaschine 102 eine Vielzahl von Sensoren umfassen. Beispielsweise können die Sensoren 124 Materialsensoren 134, Positions-/Routensensoren 136, Geschwindigkeitssensoren 138, Bildsensoren an der Arbeitsstelle 140 und auch andere Sensoren 142 beinhalten. Die Materialsensoren 134 sind konfiguriert, um Material zu erfassen, das von der Arbeitsmaschine 102 bewegt, verarbeitet oder anderweitig bearbeitet wird. Bei einer landwirtschaftlichen Erntemaschine umfassen Materialsensoren 134 Ertragssensoren.
  • In-situ- (oder Arbeitsstellen-) Daten (wie etwa Felddaten) können von Sensoren an der Maschine und/oder Sensoren an einer Unterstützungsmaschine erhalten werden, die während des Arbeitsauftrags parallel zur Arbeitsmaschine 102 arbeiten.
  • Die Positions-/Routensensoren 136 sind konfiguriert, um eine Position der Arbeitsmaschine 102 und eine entsprechende Route (z. B. Kurs) der Arbeitsmaschine 102 zu identifizieren, wenn sie die Arbeitsstelle überquert. Die Geschwindigkeitssensoren 138 sind konfiguriert, um ein Signal auszugeben, das eine Geschwindigkeit der Arbeitsmaschine 102 anzeigt. Bildsensoren an der Arbeitsstelle 140 sind konfiguriert, um Bilder der Arbeitsstelle zu erhalten, die zum Beispiel durch das In-situ-Datenerfassungssystem 126 verarbeitet werden können, um Bedingungen der Arbeitsstelle zu identifizieren. Beispiele für Bedingungen sind unter anderem Geländetopologie, Geländebodenbedingungen, Hindernisse, die den Betrieb der Arbeitsmaschine 102 behindern, usw. In einer beispielhaften landwirtschaftlichen Erntemaschine können Signale von Bildsensoren an der Arbeitsstelle 140 verwendet werden, um Ernteguteigenschaften zu identifizieren, wie etwa einen erwarteten Ertrag, ob das zu erntende Erntegut „umgeknickt“ ist usw.
  • Das Steuersystem 104 kann eine Einstellungssteuerlogik 144, eine Routensteuerlogik 146, eine Leistungssteuerlogik 148 und andere Elemente 150 beinhalten. Die steuerbaren Teilsysteme 106 können ein Antriebs-Teilsystem 152, ein Lenkungsteilsystem 154, ein oder mehrere verschiedene Stellglieder 156, die verwendet werden können, um Maschineneinstellungen, Maschinenkonfigurationen usw. zu ändern, ein Leistungsnutzungs-Teilsystem 158 und eine Vielzahl anderer Systeme beinhalten, von denen einige im Folgenden beschrieben werden.
  • Die Einstellungssteuerlogik 144 kann eines oder mehrere der Teilsysteme 106 steuern, um Maschineneinstellungen auf Grundlage der vorhergesagten und/oder beobachteten Bedingungen oder Eigenschaften der Arbeitsstelle zu ändern. Beispielsweise kann die Einstellungssteuerlogik 144 im Fall einer landwirtschaftlichen Erntemaschine oder eines Mähdreschers Stellglieder 156 betätigen, die die Position eines Erntevorsatzes, den Dreschkorbspalt usw. auf Grundlage des vorhergesagten Ertrags oder der Biomasse, auf die die Maschine treffen wird, ändern. Im Falle einer landwirtschaftlichen Bodenbearbeitungsmaschine kann die Einstellungssteuerlogik 144 den Positionierungs- oder Abwärtsdruck auf das Bodenbearbeitungsgerät steuern, indem sie Stellglieder 156 steuert.
  • Die Routensteuerlogik 146 kann das Lenkungs-Teilsystem 154 steuern. Wenn zum Beispiel das Steuersystem 104 durch automatisierte Erfassung und/oder Bedienereingabe 108 bestimmt, dass sich ein schweres Gewitter nähert, kann die Routensteuerlogik 266 die Arbeitsmaschine 102 steuern, um das Feld in einer minimalen Zeitspanne zu ernten. Die Routensteuerlogik 146 kann Bereiche mit relativ hohem Ertrag identifizieren, um diese Bereiche bevorzugt zuerst zu ernten, so dass ein Großteil des Ertrags von dem Feld vor dem Eintreffen des Gewitters erhalten werden kann. Dies ist nur ein Beispiel. In einem anderen Beispiel kann es sein, dass Bodeneigenschaften, wie etwa Bodenfeuchtigkeit, das Vorhandensein von Schlamm usw., identifiziert werden können, die die Traktion beeinflussen. Die Routensteuerlogik 266 kann die Lenkungs-Teilsysteme 274 steuern, um die Route oder Richtung der Arbeitsmaschine 102 auf Grundlage der vorhergesagten Traktion auf verschiedenen Routen durch das Feld zu ändern. In einem beispielhaften autonomen Automobil kann die Routensteuerlogik 146 eine Route für das Automobil auf Grundlage von Verkehrsmarkierungen identifizieren.
  • Die Leistungssteuerlogik 148 erzeugt Steuersignale, um das Leistungsnutzungs-Teilsystem 158 zu steuern. Beispielsweise kann sie Leistung verschiedenen Teilsystemen zuweisen, im Allgemeinen die Leistungsnutzung erhöhen oder die Leistungsnutzung verringern usw. Dies sind nur Beispiele, und eine Vielzahl anderer Steuersysteme kann auch verwendet werden, um andere steuerbare Teilsysteme auf verschiedene Arten zu steuern.
  • Wie oben angemerkt, kann die Arbeitsmaschine 102 eine Vielzahl von verschiedenen Formen annehmen. 2 veranschaulicht ein Beispiel für eine landwirtschaftliche Arbeitsmaschine. Insbesondere ist 2 eine teilweise bildliche, teilweise schematische Darstellung eines Mähdreschers 200.
  • In 2 ist zu sehen, dass der Mähdrescher 200 veranschaulichend eine Fahrerkabine 201 beinhaltet, die eine Vielzahl von verschiedenen Bedienerschnittstellenmechanismen zum Steuern des Mähdreschers 200 aufweisen kann, wie im Folgenden näher erläutert wird. Der Mähdrescher 200 kann einen Satz von Vorsatzgeräten beinhalten, die einen Erntevorsatz 202 und eine Schneidvorrichtung beinhalten, die im Allgemeinen bei 204 angezeigt ist. Er kann auch ein Zufuhrgehäuse 206, einen Zuführbeschleuniger 208 und einen Drescher beinhalten, der im Allgemeinen als 210 angezeigt wird. Der Drescher 210 beinhaltet veranschaulichend einen Dreschrotor 212 und einen Satz von Dreschkörben 214. Darüber hinaus kann der Mähdrescher 200 einen Abscheider 216 beinhalten, der einen Abscheideerrotor beinhaltet. Der Mähdrescher 200 kann ein Reinigungs-Teilsystem (oder Siebkasten) 218 beinhalten, das selbst ein Siebgebläse 220, einen Häcksler 222 und ein Sieb 224 beinhalten kann. Das Teilsystem für die Materialhandhabung im Mähdrescher 200 kann (zusätzlich zu einem Zuführgehäuse 206 und einem Zuführbeschleuniger 208) die Dosierwalze 226, den Überkehrelevator 228, den Reinkomelevator 230 (der reines Korn in den Reinkornbehälter 232 befördert) sowie die Entleerungsschnecke 234 und den Auslauf 236 beinhalten. Der Mähdrescher 200 kann ferner ein Rückstands-Teilsystem 238 beinhalten, das den Häcksler 240 und den Verteiler 242 beinhalten kann. Der Mähdrescher 200 kann auch ein Antriebs-Teilsystem aufweisen, das einen Motor (oder eine andere Leistungsquelle) beinhaltet, der Bodeneingriffsräder 244 oder Ketten usw. antreibt. Es ist zu beachten, dass der Mähdrescher 200 auch mehr als eines der oben genannten Teilsysteme aufweisen kann (z. B. linke und rechte Siebkästen,Abscheider usw.).
  • Im Betrieb und zur Übersicht bewegt sich der Mähdrescher 200 veranschaulicht durch ein Feld in der durch Pfeil 246 angezeigten Richtung. Während der Bewegung greift der Erntevorsatz 202 in das zu erntende Erntegut ein und sammelt es in Richtung der Schneidvorrichtung 204. Nach dem Schneiden wird es durch ein Förderband im Zuführgehäuse 206 in Richtung des Zuführbeschleunigers 208 bewegt, der das Erntegut in den Drescher 210 beschleunigt. Das Erntegut wird durch den Rotor 212 gedroschen, der das Erntegut gegen die Dreschkörbe 214 dreht. Das gedroschene Erntegut wird durch einen Abscheiderrotor in Abscheider 216 bewegt, wobei ein Teil des Rückstands durch die Dosierwalze 226 in Richtung des Rückstands-Teilsystems 238 bewegt wird. Es kann mit dem Rückstandhäcksler 240 zerkleinert und mit dem Verteiler 242 auf dem Feld verteilt werden. In anderen Implementierungen wird der Rückstand einfach in eine Schwade fallen gelassen, anstatt zerkleinert und verteilt zu werden.
  • Das Korn fällt auf den Siebkasten (oder das Reinigungsteilsystem) 218. Der Häcksler 222 trennt einen Teil des gröberen Materials vom Korn und das Sieb 224 trennt einen Teil des feineren Materials vom Reinkorn. Das Reinkom fällt auf eine Förderschnecke im Reinkomelevator 230, der Reinkorn nach oben bewegt und im Reinkornbehälter 232 abscheidet. Rückstände können aus dem Siebkasten 218 durch den Luftstrom des Siebgebläses 220 entfernt werden. Dieser Rückstand kann auch im Mähdrescher 200 nach hinten in Richtung des Rückstandhandhabungs-Teilsystems 238 bewegt werden.
  • Die Überkehr kann durch den Überkehrelevator 228 zurück zum Drescher 210 bewegt werden, wo sie erneut gedroschen werden kann. Alternativ kann die Überkehr auch einem separaten Nachdresch-Mechanismus zugeführt werden (auch mit einem Überkehrelevator oder einem anderen Transportmechanismus), wo sie ebenfalls nachgedroschen werden kann.
  • 2 zeigt auch, dass in einem Beispiel der Mähdrescher 200 den Bodengeschwindigkeitssensor 247, einen oder mehrere Abscheider-Verlustsensoren 248, eine Reinkornkamera 250 und einen oder mehrere Siebkasten-Verlustsensoren 252 beinhalten kann. Der Bodengeschwindigkeitssensor 247 erfasst veranschaulichend die Fahrgeschwindigkeit des Mähdreschers 200 über den Boden. Dies kann durch Erfassen der Umdrehungsgeschwindigkeit der Räder, der Antriebswelle, der Achse oder anderer Komponenten erfolgen. Die Fahrgeschwindigkeit und Position des Mähdreschers 200 kann auch von einem Ortungssystem 257 erfasst werden, wie etwa einem globalen Positionierungssystem (GPS), einem Koppelnavigationssystem, einem LORAN-System oder einer Vielzahl anderer Systeme oder Sensoren, die eine Anzeige der Fahrgeschwindigkeit vorsehen.
  • Die Siebkasten-Verlustsensoren 252 sehen veranschaulichend ein Ausgangssignal vor, das die Menge des Kornverlustes sowohl auf der rechten als auch auf der linken Seite des Siebkastens 218 anzeigt. In einem Beispiel sind die Sensoren 252 Schlagsensoren, die Kornschläge pro Zeiteinheit (oder pro Entfernungseinheit) zählen, um einen Hinweis auf den Siebkastenkornverlust vorzusehen. Die Schlagsensoren für die rechte und linke Seite des Siebkastens können einzelne Signale oder ein kombiniertes oder aggregiertes Signal vorsehen. Es ist zu bemerken, dass die Sensoren 252 auch nur einen einzelnen Sensor umfassen können, anstatt separate Sensoren für jeden Kasten.
  • Der Abscheider-Verlustsensor 248 liefert ein Signal, das den Kornverlust im linken und rechten Abscheider anzeigt. Die den linken und rechten Abscheidern zugeordneten Sensoren können separate Kornverlustsignale oder ein kombiniertes oder aggregiertes Signal vorsehen. Dies kann auch mit einer Vielzahl von verschiedenen Arten von Sensoren erfolgen. Es ist zu bemerken, dass die Abscheider-Verlustsensoren 248 auch nur einen einzelnen Sensor anstelle von getrennten linken und rechten Sensoren umfassen können.
  • Es ist ebenfalls zu beachten, dass Sensor- und Messmechanismen (zusätzlich zu den bereits beschriebenen Sensoren) auch andere Sensoren am Mähdrescher 200 beinhalten können. Sie können beispielsweise einen Rückstandeinstellungssensor beinhalten, der konfiguriert ist, um zu erfassen, ob die Maschine 200 konfiguriert ist, den Rückstand zu zerkleinern, eine Schwade fallen zu lassen usw. Sie können Siebkasten-Gebläsedrehzahlsensoren beinhalten, die in der Nähe des Gebläses 220 konfiguriert werden können, um die Drehzahl des Gebläses zu erfassen. Sie können einen Dreschspaltsensor beinhalten, der den Abstand zwischen dem Rotor 212 und den Dreschkörben 214 erfasst. Sie beinhalten einen Dreschrotor-Drehzahlsensor, der eine Rotordrehzahl des Rotors 212 erfasst. Sie können einen Häckselspaltsensor beinhalten, der die Größe der Öffnungen in Häcksler 222 erfasst. Sie können einen Siebspaltsensor beinhalten, der die Größe der Öffnungen im Sieb 224 erfasst. Sie können ein anderes Material als einen Kornfeuchtigkeitssensor (MOG) beinhalten, der konfiguriert werden kann, um den Feuchtigkeitsgehalt des anderen Materials als Korn zu erfassen, das den Mähdrescher 200 passiert. Sie können Maschineneinstellungssensoren beinhalten, die konfiguriert sind, um die verschiedenen konfigurierbaren Einstellungen am Mähdrescher 200 zu erfassen. Sie können auch einen Maschinenausrichtungssensor beinhalten, der aus einer Vielzahl von verschiedenen Arten von Sensoren bestehen kann, die die Ausrichtung oder Stellung des Mähdreschers 200 erfassen. Die Sensoren für die Ernteeigenschaften können eine Vielzahl verschiedener Arten von Ernteeigenschaften erfassen, wie etwa die Art des Ernteguts, die Feuchtigkeit des Ernteguts und andere Eigenschaften des Ernteguts. Sie können auch konfiguriert werden, um die Eigenschaften des Ernteguts während der Verarbeitung durch den Mähdrescher 200 zu erfassen. So können sie beispielsweise die Kornzufuhrmenge erfassen, wenn sie sich durch den Reinkomelevator 230 bewegt. Sie können den Ertrag als Massendurchsatz von Korn durch den Elevator 230 erfassen, der mit einer Position korreliert ist, von der das Korn geerntet wurde, wie durch den Positionssensor 257 angegeben, oder andere Ausgangssignale bereitstellen, die auf andere erfasste Größen hinweisen.
  • Unter erneuter Bezugnahme auf 1 erzeugt die Leistungsmetrik-Generatorlogik 128 exemplarisch Leistungsmetriken, die die operative Leistung der Arbeitsmaschine 102 anzeigen. Die Anzeigegeneratorlogik 129 erzeugt veranschaulichend eine Anzeige der Steuerschnittstelle für den Bediener 108. Die Anzeige kann eine interaktive Anzeige mit Benutzereingabemechanismen zur Interaktion mit dem Bediener 108 sein.
  • 3 ist ein Blockdiagramm, das ein Beispiel für eine Leistungsmetrik-Generatorlogik 128 näher beschreibt. In dem in 3 dargestellten Beispiel beinhaltet die Leistungsmetrik-Generatorlogik 128 die Materialverlust-/Einsparungsmetrik-Generatorlogik 302, die Materialproduktivitätsmetrik-Generatorlogik 304, die Kraftstoffverbrauchsmetrik-Generatorlogik 306, die Leistungsnutzungsmetrik-Generatorlogik 308, die Gesamtmetrik-Generatorlogik 310, und sie kann auch eine Vielzahl anderer Elemente 312 beinhalten. Einige Möglichkeiten zum Erzeugen von Leistungsmetriken sind in den ausstehenden US-Patent-Veröffentlichungsnummern 2015/0199637 A1 , 2015/0199360 A1 , 2015/0199630 A1 , 2015/0199775 A1 , 2016/0078391 A1 , die hierin durch Bezugnahme aufgenommen wurden, näher beschrieben.
  • Die Materialverlust-/Einsparmetrik-Generatorlogik 302 erzeugt veranschaulichend eine Metrik, die auf Materialeinsparungen oder -verluste hinweist, die die Maschine 102 erfährt. Im Falle einer landwirtschaftlichen Erntemaschine kann dies Kornverluste oder Einsparungen umfassen, die unter anderem durch das Erfassen und Kombinieren von Elementen erzeugt werden, wie etwa der Massendurchfluss des Erntegutes durch die Erntemaschine, der von einem Massendurchflusssensor erfasst wird, das Überkehrvolumen der Überkehr durch die Erntemaschine unter Verwendung eines Überkehrsensors, die Art des Erntegutes, der gemessene Verlust an der Erntemaschine unter Verwendung verschiedener Verlustsensoren (wie etwa Abscheiderverlustsensoren, Siebkastenverlustsensoren usw.). Die Metrik kann durch eine Auswertung des Verlusts mit Fuzzy-Logikkomponenten und eine Auswertung der Überkehr, ebenfalls mit Verwendung von Fuzzy-Logikkomponenten, erzeugt werden. Basierend auf diesen und/oder anderen Überlegungen erzeugt die Verlust-/Einsparmetrik-Generatorlogik 302 beispielhaft eine Verlust-/Einsparmetrik, die die Leistung der Maschine in Bezug auf Materialverluste/Einsparungen anzeigt.
  • Die Materialproduktivitätsmetrik-Generatorlogik 304 verwendet das von Sensoren an der Maschine erzeugte Sensorsignal, um die Produktivität der Maschine zu erfassen. Im Falle einer landwirtschaftlichen Erntemaschine verwendet die Logik 304 die von den Sensoren an der Maschine erzeugten Sensorsignale veranschaulichend, um die Fahrzeuggeschwindigkeit, den Massendurchfluss von Korn durch die Maschine und die Maschinenkonfiguration zu erfassen, um eine Anzeige des Ernteertrags zu erzeugen und den Ernteertrag zu verarbeiten, um ihn mit einer Produktivitätsmetrik zu vergleichen. So sieht beispielsweise eine Produktivitätsmetrik, die gegen eine Ertragssteigerung aufgesetzt wird, eine Ausgabe vor, die die Kornproduktivität anzeigt. Dies ist ein Beispiel.
  • Die Kraftstoffverbrauchsmetrik-Generatorlogik 306 erzeugt veranschaulichend eine Kraftstoffverbrauchsmetrik basierend auf der Produktivität der Maschine im Vergleich zur Kraftstoffverbrauchsmenge, die von Sensoren an der Maschine erfasst wird. Beispielsweise kann dies bei einer landwirtschaftlichen Erntemaschine auf dem Durchsatz im Vergleich zur Kraftstoffverbrauchsmenge, einer Abscheiderwirkungsmetrik und auch auf dem erfassten Kraftstoffverbrauch, dem Fahrzeugzustand, der Fahrzeuggeschwindigkeit usw. basieren. Die Kraftstoffverbrauchsmetrik kann auf einer Kombination aus Arbeits- (z. B. Erntegut-) Kraftstoffeffizienz und einer unproduktiven Kraftstoffeffizienz basieren. Diese Metriken können jeweils die Effizienz der Maschine während der Arbeitsvorgänge und andere, Nicht-Arbeitsvorgänge (wie etwa im Leerlauf usw.) beinhalten.
  • Die Leistungsnutzungsmetrik-Generatorlogik 308 erzeugt veranschaulichend eine Leistungsnutzungsmetrik, die auf Sensorsignalen basiert (oder basierend auf der von der Maschine verwendeten abgeleiteten Motorleistung, die aus Sensorsignalen abgeleitet wird). Die Sensoren können Sensorsignale erzeugen, die die Motornutzung, die Motorlast, die Motordrehzahl usw. anzeigen. Die Leistungsnutzungsmetrik kann anzeigen, ob die Maschine bei höheren oder niedrigeren Leistungsstufen usw. effizienter betrieben werden kann.
  • Die Gesamtmetrik-Generatorlogik 310 erzeugt veranschaulichend eine Metrik, die auf einer Kombination der verschiedenen von der Logik 302-308 ausgegebenen Metriken basiert. Sie sieht veranschaulichend eine Metrik vor, die die gesamte operative Leistung der Maschine anzeigt.
  • Unter erneuter Bezugnahme auf 1 beinhaltet die Arbeitsmaschine 102 ein Arbeitsauftrags-Identifikations- und Verarbeitungssystem 162, das eine Auftragskriterien-Identifizierungslogik 164, eine Arbeitsstellenbedingungs-Identifizierungslogik 166, eine Zuweisungskriterien-Verarbeitungslogik 168, eine Zuweisungskriterien-Modifikationslogik 170, eine Arbeitsauftrags-Abschlusslogik 172 beinhaltet und auch andere Elemente beinhalten kann.
  • Bevor der Betrieb des Systems 162 ausführlicher erörtert wird, wird ein kurzer Überblick bereitgestellt. Kurz gesagt ist das System 162 konfiguriert, um einen Arbeitsauftrag für die Arbeitsmaschine 102 zu identifizieren und den Arbeitsauftrag durch Steuerung der steuerbaren Teilsysteme 106 zu verarbeiten, um den Arbeitsauftrag auszuführen und abzuschließen. Ein Arbeitsauftrag kann von einem anderen System empfangen werden, wie etwa einem Remote-System 114, oder kann von der Arbeitsmaschine 102 erzeugt werden. In beiden Fällen ist die Auftragskriterien-Identifizierungslogik 164 konfiguriert, um Auftragskriterien in dem Arbeitsauftrag zu identifizieren oder anderweitig damit verbunden zu sein. Ein Auftragskriterium identifiziert veranschaulichend eine Anforderung, die für den zu erledigenden Arbeitsauftrag erfüllt sein muss. Auftragskriterien können eine Vielzahl von verschiedenen Formen annehmen. Beispielsweise kann ein Auftragskriterium navigations- oder routenbasiert sein. Im Falle einer landwirtschaftlichen Erntemaschine definieren Navigations- oder routenbasierte Kriterien einen Bereich der Arbeitsstelle und/oder einen Pfad, der bei der Durchführung einer landwirtschaftlichen Tätigkeit auf der Arbeitsstelle einzuhalten ist. Im Falle eines autonomen Automobils können Navigations- oder routenbasierte Kriterien eine zu einem Zielort zu befahrende Navigationsroute identifizieren. Zeitbasierte Auftragskriterien können eine Zeit umfassen, in der der Arbeitsauftrag erledigt werden muss. Leistungsbasierte Auftragskriterien können eine zu erreichende Zielleistungsmetrik identifizieren, wie etwa die vorstehend in Bezug auf 3 erörtert.
  • Die Arbeitsstellenbedingungs-Identifizierungslogik 166 ist konfiguriert, um einen Satz von Bedingungen der Arbeitsstelle zu identifizieren, die das Ziel des Arbeitsauftrags sind. Diese Bedingungen können anhand von A-priori-Daten identifiziert werden, die zum Beispiel von dem System 120 erhalten werden, und/oder anhand von Daten, die von dem In-situ-Datenerfassungssystem 126 erhalten werden. Beispielsweise können Arbeitsstellenbedingungen aus Bildern identifiziert werden, die über Bildsensoren an der Arbeitsstelle 140 erfasst wurden. Arbeitsstellenbedingungen können ohne Einschränkung unter anderem Erntebedingungen, Vegetationsbedingungen, Bodenbedingungen, Oberflächenbedingungen, atmosphärische Bedingungen, Aktivitäten und Objekte beinhalten, die sich auf der Arbeitsstelle befinden.
  • Die Auftragskriterien-Verarbeitungslogik 168 ist konfiguriert, um die durch die Logik 164 identifizierten Auftragskriterien zu verarbeiten. Dies kann einen Wahrscheinlichkeitsgenerator 174 beinhalten, der konfiguriert ist, um eine Wahrscheinlichkeitsmetrik zu erzeugen, die eine Wahrscheinlichkeit anzeigt, dass die Auftragskriterien erfüllt werden. In Beispielen wird die Wahrscheinlichkeitsmetrik aus Statistiken erhalten, die auf historischen Ergebnissen, Resultaten von Monte-Carlo-Simulationen zukünftiger Ergebnisse, der Akkumulation von Erfolgsnachweisen, Lernprozessen zur Durchsetzung oder einem beliebigen anderen geeigneten Ansatz basieren. Ein Schwellenwertgenerator 176 ist konfiguriert, um einen Schwellenwert zu erzeugen oder anderweitig zu identifizieren, mit dem die Wahrscheinlichkeitsmetrik verglichen wird.
  • Die Auftragskriterien-Modifikationslogik 170 ist konfiguriert, um einige oder alle Auftragskriterien zu modifizieren, und beinhaltet eine potentielle Kriterienänderungs-Identifizierungslogik 178, die konfiguriert ist, um zu identifizieren, welche Auftragskriterien in dem Arbeitsauftrag geändert werden können, und eine Kriterienänderungs-Auswahllogik 180, die konfiguriert ist, um ein Auftragskriterium (oder Auftragskriterien), das geändert werden soll, auszuwählen. Die Logik 170 kann auch eine Komponente für maschinelles Lernen 182 und eine Trainingslogik 184 beinhalten, die konfiguriert ist, um die Komponente für maschinelles Lernen 182 zu trainieren.
  • Die Arbeitsmaschine 102 beinhaltet auch ein Maschinenfähigkeitssystem 186, das eine Maschinenfähigkeits-Identifikationslogik 188 beinhaltet, die konfiguriert ist, um einen Satz von Maschinenfähigkeiten der Arbeitsmaschine 102 zu identifizieren. Das System 186 enthält auch eine Änderungsidentifizierungslogik 190 für mögliche Einstellungen, die konfiguriert ist, um mögliche Einstellungsänderungen zu identifizieren, um die durch die Logik 188 identifizierten Maschinenfähigkeiten zu erreichen. Die Einstellungsanpassungslogik 192 ist konfiguriert, um die durch die Logik 190 identifizierten Einstellungen anzupassen. In einem Beispiel verwendet die Logik 192 die Einstellungssteuerlogik 144, um Einstellungen verschiedener Teilsysteme 106 zu steuern, um eine identifizierte Maschinenfähigkeit zu erreichen. Die Logik 192 kann eine Komponente für maschinelles Lernen 194 und eine Trainingslogik 196 beinhalten, die konfiguriert sind, um die Komponente für maschinelles Lernen 194 zu trainieren.
  • Die Systeme 162 und 186 verwenden in einem Beispiel künstliche Intelligenz (KI), um Maschinenfähigkeiten zu identifizieren und zu bestimmen, wie Maschineneinstellungen angepasst werden, um Auftragskriterien zu erreichen, oder um die Auftragskriterien auf Grundlage von In-situ-Daten anderweitig anzupassen. Die Komponenten für maschinelles Lernen 182 und/oder 194 können eine Vielzahl verschiedener Arten von Lernmechanismen beinhalten, wie etwa ein neuronales Netzwerk, das durch die entsprechende Trainingslogik unter Verwendung von Trainingsdaten trainiert wird. Kurz gesagt kann ein neuronales Netzwerk ein Deep Neural Network (DNN) umfassen, wie etwa ein Convolutional Neural Network (CNN). Natürlich können andere Arten von Klassifizierungs- oder Lernmechanismen wie regelbasierte Klassifizierer, Bayes'sches Netzwerk, Entscheidungsbäume usw. verwendet werden.
  • 4 veranschaulicht ein Beispiel für ein Verfahren 400 zum Steuern einer Arbeitsmaschine, um einen Arbeitsmaschinenauftrag durchzuführen. Der Veranschaulichung halber, aber nicht einschränkend, wird das Verfahren 400 im Zusammenhang mit der beispielhaften Arbeitsmaschine 102 beschrieben, die in 1 dargestellt ist.
  • Bei Block 402 wird ein Arbeitsmaschinenauftrag durch das System 162 erhalten oder anderweitig identifiziert. Beispielsweise kann ein Arbeitsmaschinenauftrag von dem Remote-System 114 erhalten werden. Dies wird durch Block 404 dargestellt. In einem anderen Beispiel kann ein Arbeitsmaschinenauftrag durch die Arbeitsmaschine 102 erzeugt werden, wie etwa unter Verwendung des Systems 162 oder anderweitig. Dies wird durch Block 406 dargestellt. Selbstverständlich kann ein Arbeitsmaschinenauftrag auch auf andere Weise erhalten werden. Dies wird durch Block 408 dargestellt.
  • In einer beispielhaften autonomen landwirtschaftlichen Erntemaschine kann ein Arbeitsmaschinenauftrag einen Erntevorgang identifizieren, der für ein Feld durchgeführt werden soll. In einem beispielhaften autonomen landwirtschaftlichen Traktor, der ein Bodenbearbeitungsgerät zieht, kann ein Arbeitsmaschinenauftrag ein zu bearbeitendes Feld identifizieren. In einem beispielhaften autonomen Automobil kann ein Arbeitsmaschinenauftrag einen Startort, einen Zielort und einen Pfad identifizieren, der von einem Startort zu dem Zielort zu entnehmen ist.
  • Bei Block 410 wird ein Arbeitsstellenort für den bei Block 402 erhaltenen Arbeitsmaschinenauftrag identifiziert. Beispielsweise kann dies im Falle einer landwirtschaftlichen Erntemaschine den Ort des zu erntenden Feldes für den Arbeitsmaschinenauftrag identifizieren.
  • Bei Block 412 wird ein Satz von Auftragskriterien (mindestens ein Auftragskriterium) durch die Logik 164 identifiziert. Wie oben erwähnt, können die Auftragskriterien eine Vielzahl von Formen annehmen. Beispielsweise können sie navigations- oder routenbasiert sein. Dies wird durch Block 414 dargestellt. Zur Veranschaulichung können im Falle einer landwirtschaftlichen Maschine, wie etwa einer Erntemaschine oder einer Bodenbearbeitungsmaschine, routenbasierte Kriterien einen Pfad identifizieren, der durch das Feld genommen werden soll, und/oder eine bevorzugte Reihenfolge zum Verarbeiten verschiedener Abschnitte des Felds. Im Falle eines autonomen Automobils können navigationsbasierte Kriterien eine bevorzugte Route identifizieren, die entlang eines Satzes von Fahrbahnen zu nehmen ist.
  • Auftragskriterien können auch zeitbasierte Kriterien umfassen. Dies wird durch Block 416 dargestellt. Zeitbasierte Kriterien können einen Zeitraum identifizieren, innerhalb dessen der Arbeitsauftrag erledigt werden soll.
  • Auftragskriterien können auch leistungsbezogene Kriterien umfassen. Dies wird durch Block 418 dargestellt. Beispielsweise können leistungsbasierte Kriterien verschiedene Leistungsmerkmale identifizieren, die von der Arbeitsmaschine bei der Ausführung des Arbeitsauftrags erreicht werden sollen. Im Falle einer landwirtschaftlichen Erntemaschine können beispielsweise leistungsbasierte Kriterien eine Soll-Verlust-/Einsparmetrik, eine Soll-Produktivitätsmetrik, eine Soll-Kraftstoffeffizienzmetrik, eine Soll-Leistungsausnutzung und/oder eine Gesamtleistungsmetrik identifizieren. Beispiele für Metriken werden vorstehend in Bezug auf 3 erörtert. In einem bestimmten Beispiel identifizieren die leistungsbasierten Kriterien einen Zielertrag (z. B. Prozentsatz des erfolgreich eingesammelten Pflanzenkorns), der mit einer Soll-Kraftstoffeffizienz erreicht werden soll.
  • Selbstverständlich können Auftragskriterien auch andere Arten von Kriterien umfassen. Dies wird durch Block 420 dargestellt.
  • Bei Block 422 können A-priori-Daten für die Arbeitsstelle erhalten werden. Diese können zum Beispiel aktuelle oder zukünftige Bedingungen 424 und auch andere Elemente 426 beinhalten. Beispiele für Bedingungen 424 sind unter anderem aktuelle oder zukünftige Wetterbedingungen, Geländebedingungen oder Hinweise auf andere Hindernisse oder Behinderungen für den Betrieb der Arbeitsmaschine 102.
  • Bei Block 428 ist die Arbeitsmaschine bereit, die Arbeitsaufträge an der Arbeitsstelle durchzuführen. Die Maschineneinstellungen können durch die Einstellungssteuerlogik 144 initialisiert werden. Dies wird durch Block 430 dargestellt. Beispielsweise kann eine Reihe von Standardeinstellungen verwendet werden. Diese Standardeinstellungen können in dem Arbeitsmaschinenauftrag identifiziert werden. Alternativ oder zusätzlich können die anfänglichen Maschineneinstellungen vom Benutzer ausgewählt werden, wie etwa vom Bediener 108 und/oder Remote-Benutzer 118 ausgewählt. Die Arbeitsmaschine kann initialisiert werden, um den Arbeitsauftrag auch auf andere Weise auszuführen. Dies wird durch Block 432 dargestellt.
  • Bei Block 434 beginnt die Arbeitsmaschine 102 mit der Durchführung des Arbeitsauftrags an der Arbeitsstelle. Dies kann eine Standardsteuerung unter Verwendung der initialisierten Maschineneinstellungen in einem autonomen Modus beinhalten, in dem das Steuersystem 104 das steuerbare Teilsystem 106 gemäß des Arbeitsauftrags und zugehörigen Kriterien steuert. Dies wird durch Block 436 dargestellt. Alternativ oder zusätzlich kann der Arbeitsauftrag auf Grundlage einer manuellen Eingabe vom Bediener 108 ausgeführt werden. Dies wird durch Block 438 dargestellt. Die Maschine 102 kann auch auf andere Weise gesteuert werden. Dies wird durch Block 440 dargestellt.
  • Bei Block 440 werden In-situ- (oder Arbeitsstellen-) Daten während des Betriebs der Arbeitsmaschine 102 auf der Arbeitsstelle erhalten. Dies kann Daten von Sensoren 124 auf der Maschine 102 beinhalten. Dies wird durch Block 444 dargestellt. Beispielsweise erhalten die Bildsensoren an der Arbeitsstelle 140 Bilder der Arbeitsstelle in einer Bahn der Arbeitsmaschine 102. Natürlich können die In-situ-Daten auch auf andere Weise erhalten werden. Dies wird durch Block 446 dargestellt.
  • Bei Block 448 werden aktuelle oder zukünftige Bedingungen der Arbeitsstelle durch die Logik 166 identifiziert. Diese Bedingungen können aus den bei Block 442 erhaltenen In-situ-Daten und/oder den bei Block 422 erhaltenen A-priori-Daten identifiziert werden. Die Bedingungen können eine Vielzahl von verschiedenen Formen annehmen. Zum Beispiel können Wetterbedingungen bei Block 450 identifiziert werden. Dazu kann auch ein aktueller oder zu erwartender Niederschlag gehören. Bei Block 452 können Geländebedingungen identifiziert werden. Beispiele für Geländebedingungen sind unter anderem Geländetopologie (z. B. Gefälle), Bodentyp, Bodenfeuchtigkeit oder andere Bedingungen.
  • Die Bedingungen können auch Hindernisse angeben (Block 454), die sich in einem Pfad der Arbeitsmaschine befinden oder anderweitig wahrscheinlich den Betrieb der Arbeitsmaschine 102 beim Abschluss des Arbeitsmaschinenauftrags behindern. Andere Bedingungen können ebenfalls identifiziert werden. Dies wird durch Block 456 dargestellt.
  • Zum Zwecke der Veranschaulichung, jedoch nicht begrenzt darauf, können die bei Block 448 identifizierten Bedingungen in einer beispielhaften autonomen landwirtschaftlichen Erntemaschine angeben, dass das geerntete Erntegut „umgeknickt“ ist, sich die Maschine einem Bereich mit stehendem Wasser oder schlammigem Boden usw. nähert. In einem beispielhaften autonomen Traktor, der ein Bodenbearbeitungsgerät zieht, identifiziert Block 448 schlammige Bedingungen, die wahrscheinlich die Bodenbearbeitungsqualität beeinträchtigen. In einem beispielhaften autonomen Automobil identifiziert Block 448, dass das Automobil in eine Bauzone eintritt, die Verkehrssteuervorrichtungen wie etwa Leitkegel, Pfeile usw. aufweist.
  • Bei Block 458 identifiziert die Logik 188 einen Satz von Maschinenfähigkeiten der Arbeitsmaschine 102 und die Logik 190 identifiziert mögliche Maschineneinstellungsanpassungen, um jede Maschinenfähigkeit in dem Satz von Maschinenfähigkeiten zu erreichen. Beispielsweise entspricht eine Maschinenfähigkeit dem Betrieb eines oder mehrerer steuerbarer Teilsysteme 106. Beispielsweise kann eine Maschinenfähigkeit eine maximale oder verfügbare Drehzahl, ein maximales Drehmoment usw. für das Antriebssystem 152 beinhalten. In diesem Fall können die möglichen Maschineneinstellungen bei Block 458 Motordrehzahleinstellungen, Getriebeeinstellungen oder anderen Einstellungen entsprechen, die vorgenommen werden können, um diese Maschinenfähigkeit zu erreichen. In einem weiteren Beispiel beinhaltet die Maschinenfähigkeit das Steuern des Lenkungsteilsystems, um die Maschine entlang einer Route auf der Arbeitsstelle zu navigieren. Im Falle einer landwirtschaftlichen Erntemaschine beinhalten mögliche Maschineneinstellungsanpassungen das Einstellen der Konfiguration des Erntevorsatzes, der Geschwindigkeit oder einer anderen Konfiguration des Dreschers usw. In einem weiteren Beispiel beinhaltet die Maschinenfähigkeit Verfahren zum Steuern von Teilsystemen für bestimmte In-situ-Daten. Im Falle einer landwirtschaftlichen Erntemaschine, bei der das erfasste Erntegut von Sensoren an der Maschine aufgenommen wird, wäre die Maschinenfähigkeit ein Verfahren, um erfasste Daten über das Erntegut zu verwenden, um Teilsysteme wie die Erntevorsatzhöhe und die Erntemaschinengeschwindigkeit anzupassen. In anderen Beispielen beinhalten die Maschinenfähigkeiten die Sensoren und/oder Stellglieder, um Bedingungen in der Umgebung zu erkennen und dann physisch darauf zu reagieren. In weiteren Beispielen umfassen die Maschinenfunktionen Daten wie eine Karte einiger Merkmale, Bedingungen oder Attribute der Arbeitsstelle.
  • Bei Block 460 erzeugt der Wahrscheinlichkeitsgenerator 174 eine Wahrscheinlichkeitsmetrik, die eine Wahrscheinlichkeit angibt, dass die bei Block 412 identifizierten Auftragskriterien erfüllt werden. Veranschaulichend basiert dies auf den Bedingungen, die bei Block 448 identifiziert wurden. Dies wird durch Block 462 dargestellt. Dies auch auf den aktuellen Maschineneinstellungen basieren. Dies wird durch Block 464 dargestellt. Außerdem kann dies auf den Maschinenfähigkeiten basieren, die bei Block 458 identifiziert wurden. Dies wird durch Block 466 dargestellt. Natürlich kann die Wahrscheinlichkeitsmetrik auch auf andere Weise generiert werden. Dies wird durch Block 468 dargestellt.
  • Zur Veranschaulichung, aber nicht einschränkend, bestimmt Block 460 die Wahrscheinlichkeit, dass die Arbeitsmaschine 102 jedes der Auftragskriterien auf Grundlage der aktuellen oder zukünftigen Bedingungen der Arbeitsstelle erfüllt. In einer beispielhaften landwirtschaftlichen Erntemaschine kann dies das Bestimmen einer Wahrscheinlichkeit beinhalten, dass eine Ziel- oder Aktivitätsmetrik auf Grundlage der aktuellen Geschwindigkeitseinstellungen, Erntevorsatzeinstellungen, Dreschereinstellungen und der Bedingungen der Arbeitsstelle erfüllt wird. Dies kann auch eine Wahrscheinlichkeitsmetrik beinhalten, die die Wahrscheinlichkeit angibt, dass eine Soll-Kraftstoffeffizienzmetrik, eine Soll-Leistungsnutzungsmetrik oder eine Gesamtleistungsmetrik während des Betriebs erfüllt wird.
  • Bei Block 470 vergleicht die Logik 168 die Wahrscheinlichkeitsmetrik(en) mit dem/den Schwellenwert(en), der/die durch den Schwellenwertgenerator 176 erzeugt wird/werden. Der Schwellenwert kann auf eine beliebige Anzahl von Arten generiert werden. Beispielsweise kann der Schwellenwert nach Kriterien festgelegt werden. Das heißt, jedes Kriterium kann separat ausgewertet werden, um eine Wahrscheinlichkeitsmetrik zu vergleichen, mit der die Auftragskriterien relativ zu einem individuellen Schwellenwert für dieses Kriterium erfüllt werden. In einem anderen Beispiel kann der Schwellenwert eine Anzahl der Kriterien angeben, die wahrscheinlich während des Betriebs der Arbeitsmaschine 102 erfüllt werden. In einem Beispiel ist der Schwellenwert ein Prozentsatz (50 %, 75 %, 100 % usw.), mit dem die Wahrscheinlichkeit verglichen wird.
  • In einem Beispiel von Block 470 kann die Auswirkung der potenziellen Einstellungsanpassungen (identifiziert bei Block 458) auf die Wahrscheinlichkeit ausgewertet werden. Dies wird durch Block 472 dargestellt. Zum Beispiel kann das Verfahren 400 eine hypothetische Analyse durchführen, um zu bestimmen, wie sich die Wahrscheinlichkeit für die verschiedenen potenziellen Einstellungsanpassungen ändert. In einem Beispiel für eine landwirtschaftliche Erntemaschine bestimmt Block 472 eine Wahrscheinlichkeitsmetrik, die eine Wahrscheinlichkeit angibt, dass die Auftragskriterien erfüllt werden, wenn die Motordrehzahl erhöht wird und das Erntevorsatz- und Dreschteilsystem geändert werden.
  • Bei Block 474 bestimmt die Logik 168, ob die Wahrscheinlichkeitsmetrik den Schwellenwert erfüllt oder überschreitet. Wenn die Wahrscheinlichkeitsmetrik den Schwellenwert auch bei den möglichen Einstellungsanpassungen nicht erfüllt, geht das Verfahren zu Block 476 über, in dem eines oder mehrere der Auftragskriterien modifiziert werden. Dies wird nachstehend ausführlicher erörtert.
  • Bei Block 478 werden Steuersignale von dem Steuersystem 104 erzeugt, um Teilsysteme 106 gemäß den Auftragskriterien zu steuern. Dies kann die unmodifizierten Auftragskriterien beinhalten, wenn der Schwellenwert bei Block 474 erfüllt ist, oder kann die modifizierten Zuweisungskriterien von Block 476 beinhalten, wenn der Schwellenwert nicht erfüllt wurde.
  • Bei Block 480 werden die Steuersignale an die steuerbaren Teilsystemen angelegt. Dies kann das Steuern der Geschwindigkeit bei Block 480, das Steuern von Stellgliedern zum Anpassen von Einstellungen bei Block 484, das Steuern der Lenkung bei Block 486, das Steuern der Leistungsnutzung bei Block 488 und auch andere Steuerung beinhalten. Dies wird durch Block 490 dargestellt.
  • Bei Block 492 kann das System auf Grundlage der Wirkung einer beliebigen der oben genannten Anpassungen optional trainiert werden. Wenn zum Beispiel Maschineneinstellungen angepasst wurden, um den Schwellenwert zu erfüllen, kann die Trainingslogik 198 die Komponente für maschinelles Lernen 194 trainieren, um die Auswirkungen der Einstellungen auf die Maschinenfähigkeiten zu lernen. In einem anderen Beispiel kann die Trainingslogik 184 die Komponente für maschinelles Lernen 182 trainieren, um die Auswirkungen der Anpassung der Auftragskriterien zu lernen, wenn die Arbeitsauftragskriterien in Block 476 geändert werden.
  • Bei Block 494 bestimmt die Logik 172, ob die Auftragskriterien erfüllt wurden. Wenn dies der Fall ist, fährt das Verfahren mit Block 496 fort, in dem der Arbeitsauftrag abgeschlossen wird.
  • 5 stellt ein Beispiel für ein Verfahren 500 zum Identifizieren und Anwenden von Maschineneinstellungsanpassungen dar. Der Veranschaulichung halber, aber nicht einschränkend, wird das Verfahren 500 im Kontext der Arbeitsmaschine 102 beschrieben, die in 1 dargestellt ist.
  • Bei Block 502 wählt die Logik 188 eines der auszuwertenden steuerbaren Teilsysteme aus. Das Teilsystem kann auf eine beliebige von verschiedene Arten aus dem Satz steuerbarer Teilsysteme 106 ausgewählt werden. Zum Beispiel kann die Auswahl willkürlich sein (Block 504) oder sie kann vordefiniert sein (Block 506).
  • In jedem Fall kann das ausgewählte Teilsystem eine Vielzahl von Teilsystemen sein, einschließlich, aber nicht beschränkt auf, ein Antriebs-Teilsystem 508, ein Lenkungs-Teilsystem 510, ein Materialhandhabungssystem 512, ein Stellglied (Block 514 - wie etwa ein Stellglied zum Steuern einer Hilfsarbeitsmaschine, ein Anbaugerät usw.), ein Leistungsnutzungs-Teilsystem 518 und kann auch andere Teilsysteme 519 beinhalten.
  • Die Logik 190 identifiziert bei Block 520 die aktuellen Einstellungen des ausgewählten Teilsystems und identifiziert bei Block 522 den potenziellen Anpassungsbereich der Einstellungen für das Teilsystem. Beispielsweise kann sie eine maximale Einstellung 523, eine minimale Einstellung 524 identifizieren oder sie kann einen Bereich auf andere Weise identifizieren. Dies wird durch Block 525 dargestellt.
  • Im Falle einer landwirtschaftlichen Erntemaschine kann Block 522 eine maximale Motordrehzahl für das Antriebssystem 152 und einen Bereich von Getriebeeinstellungen zum Übertragen der Motorleistung auf Traktionseinheiten, wie etwa Räder oder Ketten an der Maschine, identifizieren.
  • Bei Block 526 führt die Logik 192 eine hypothetische Anpassung der Einstellungen durch, um die Auswirkung der Anpassung auf das Teilsystem bei Block 528 zu bestimmen. Zum Beispiel kann die Wirkung einer hypothetischen Anpassung einer Einstellung mithilfe der Komponente für maschinelles Lernen 198 (dargestellt durch Block 530) bestimmt werden. Die Wirkung kann auch auf andere Weise bestimmt werden. Dies wird durch Block 532 dargestellt.
  • Bei Block 534 bestimmt das Verfahren die Auswirkung der Anpassung auf andere Teilsysteme. Dies kann auch durch die Komponente für maschinelles Lernen 194 (Block 536) oder auf andere Weise (Block 538) erfolgen.
  • Der Veranschaulichung halber, aber nicht einschränkend, identifiziert das System 186 mithilfe der Komponente für maschinelles Lernen 194 eine Auswirkung einer Anpassung des Antriebssystems 152 sowohl auf das Antriebssystem 152 selbst als auch auf die anderen Teilsysteme. Mithilfe dieser Informationen wird bei Block 540 eine Wahrscheinlichkeitsmetrik berechnet, um eine Wahrscheinlichkeit anzugeben, dass die Auftragskriterien für den Arbeitsauftrag erfüllt werden. Dies wird durch Block 540 dargestellt. Wenn die Wahrscheinlichkeitsmetrik bei Block 542 den Schwellenwert erfüllt, werden die Einstellungen durch die Logik 192 ausgewählt und auf das Steuersystem 104 angewendet, um die entsprechenden Teilsysteme 106 zu steuern. Dies wird durch Block 544 dargestellt.
  • Wenn die Wahrscheinlichkeitsmetrik den Schwellenwert nicht erfüllt, geht das Verfahren zu Block 546 über, in dem das Verfahren bestimmt, ob eine weitere Anpassung der Einstellungen des ausgewählten Teilsystems möglich ist. Wenn dies der Fall ist, kehrt das Verfahren zu Block 526 zurück, in dem die hypothetische Anpassung und die entsprechende Berechnung der Wahrscheinlichkeitsmetrik für die weitere Anpassung durchgeführt werden. Sobald das Verfahren bestimmt, dass keine weitere Anpassung des Teilsystems möglich ist, fährt das Verfahren mit Block 548 fort, in dem das Verfahren bestimmt, ob andere auszuwertende Teilsysteme vorhanden sind. Wenn dies der Fall ist, kehrt das Verfahren zu Block 502 zurück, in dem ein anderes der Teilsysteme zur Auswertung ausgewählt wird. Sobald alle Teilsysteme ausgewertet wurden, aber die Wahrscheinlichkeitsmetrik den Schwellenwert nicht erreicht hat, fährt das Verfahren mit Block 550 fort, in dem eine Anpassung der Auftragskriterien durchgeführt wird. Dies kann mit oder ohne Einstellungsanpassungen innerhalb des Verfahrens 500 erfolgen.
  • 6 veranschaulicht ein Beispiel für ein Verfahren 600 zum Modifizieren von Auftragskriterien für einen Arbeitsauftrag. Der Veranschaulichung halber, aber nicht einschränkend, wird das Verfahren 600 im Rahmen der Arbeitsmaschine 102 beschrieben. Das Verfahren 600 stellt ein Beispiel für Block 550 bereit, der in 5 gezeigt wird.
  • Bei Block 602 wird eine Anzeige empfangen, die angibt, dass die Auftragskriterien modifiziert werden sollen. Beispielsweise kann diese Angabe als Reaktion auf eine Bestimmung erfolgen, dass keine identifizierten Einstellungsanpassungen entsprechend den Maschinenfähigkeiten stattgefunden haben, die zu einer Wahrscheinlichkeitsmetrik führen (die angibt, ob die aktuellen Auftragskriterien erfüllt werden), die den Schwellenwert erfüllt oder überschreitet.
  • Bei Block 604 werden alle anpassbaren Kriterien in dem Satz von Auftragskriterien identifiziert. Beispielsweise kann es sein, dass einige der Kriterien in dem Satz von Kriterien nicht durch die Maschine 102 angepasst werden können. Die anpassbaren Kriterien können vordefiniert werden. Beispielsweise können die Kriterien, die nicht angepasst werden können, in dem Arbeitsauftrag selbst identifiziert werden. In einem weiteren Beispiel können Regeln verwendet werden, um zu identifizieren, welche Auftragskriterien angepasst werden können oder nicht. Dies wird durch Block 608 dargestellt. Die anpassbaren Kriterien können auch auf andere Weise identifiziert werden. Dies wird durch Block 610 dargestellt.
  • Bei Block 612 wird eines der anpassbaren Kriterien ausgewählt. Dies kann willkürlich erfolgen (Block 614), es kann vordefiniert sein (Block 616), oder es kann auch auf andere Weise ausgewählt werden (Block 618).
  • Bei Block 620 wertet die Logik 178 eine potenzielle Anpassung des ausgewählten Kriteriums aus. In einem Beispiel kann eine hypothetische Auswertung der potenziellen Anpassung auf den Arbeitsstellenbedingungen basieren. Dies wird durch Block 622 dargestellt. In einem weiteren Beispiel kann die Auswertung auf den Maschinenfähigkeiten basieren. Dies wird durch Block 624 dargestellt. Die Auswertung kann auch auf andere Weise erfolgen. Dies wird durch Block 626 dargestellt.
  • Bei Block 628 bestimmt das Verfahren den wahrscheinlichen Effekt der hypothetischen Anpassung des ausgewählten Kriteriums über alle Auftragskriterien hinweg. Dies kann auf einem maschinellen Lernalgorithmus basieren, der auf Grundlage von Trainingsdaten und/oder Feedback von früheren Kriterienanpassungen an der Arbeitsmaschine 102 trainiert wurde. Dies wird durch Block 630 dargestellt. Natürlich kann die Auswirkung auch auf andere Weise bestimmt werden. Dies wird durch Block 632 dargestellt. In jedem Fall wird eine Wahrscheinlichkeitsmetrik generiert, die angibt, ob der Satz von Auftragskriterien erfüllt wird, wenn die potenzielle Anpassung an das ausgewählte Auftragskriterium vorgenommen wird.
  • Bei Block 634 bestimmt die Logik 170, ob die Wahrscheinlichkeitsmetrik einen Wahrscheinlichkeitsschwellenwert erfüllt. Beispiele für Wahrscheinlichkeitsmetriken und - schwellenwerte sind obenstehend erläutert. Wenn Block 634 bestimmt, dass die Wahrscheinlichkeitsmetrik für die potenzielle Anpassung des ausgewählten Auftragskriteriums den Schwellenwert nicht erfüllt, geht das Verfahren zu Block 636 über, in dem es bestimmt, ob es weitere Kriterien gibt, die angepasst werden können. Wenn dies der Fall ist, kehrt das Verfahren zu Block 612 zurück, um eine hypothetische Auswertung einer potenziellen Anpassung an die anderen Kriterien durchzuführen.
  • Wenn die Wahrscheinlichkeitsmetrik bei Block 634 den Schwellenwert erfüllt oder überschreitet, wird die Modifikation des potenziellen Kriteriums bei Block 638 zu einem Satz oder einer Liste von potenziellen Modifikationen hinzugefügt. Block 636 bestimmt dann, ob potenzielle Anpassungen eines anderen Kriteriums ausgewertet werden sollen.
  • Sobald alle einstellbaren Kriterien ausgewertet sind, geht das Verfahren zu Block 640 über, wo eine (oder mehrere) der möglichen Modifikationen durch die Logik 180 ausgewählt werden. Die Auswahl kann auf den Arbeitsstellenbedingungen basieren, die durch Block 642 repräsentiert werden. Alternativ oder zusätzlich kann die Auswahl auf Auswahlkriterien basieren, die durch Block 644 dargestellt werden. Beispielsweise können Auswahlkriterien potenziellen Modifikationen Gewichtungen und/oder eine Priorität zuweisen, z. B. basierend auf der Art der Modifikation, den durch die Modifikation betroffenen Teilsystemen, der erwarteten Auswirkung der Modifikation usw.
  • In einem Beispiel kann eine Standardeinstellung oder eine andere Aktion bei Block 646 ausgewählt werden. Beispielsweise kann eine Standardaktion ausgewählt werden, wenn die Liste der möglichen Modifikationen leer ist oder aus anderen Gründen. Eine beispielhafte Standardaktion umfasst das Steuern der Arbeitsmaschine 102, um den Vorgang des Arbeitsauftrags zu beenden und/oder eine Kommunikation über das Remote-System 114 an den Bediener 108 und/oder einen Remote-Benutzer 118 zu senden. Die Kommunikation kann eine Anforderung an einen menschlichen Bediener umfassen, die Steuerung der Arbeitsmaschine 102 zu übernehmen.
  • Selbstverständlich kann die Änderung der Auftragskriterien auch auf andere Weise ausgewählt werden. Dies wird durch Block 648 dargestellt.
  • Bei Block 650 wird die ausgewählte Modifikation auf den Satz von Arbeitsauftragskriterien angewendet, der dann von dem Steuersystem 104 verwendet werden kann, um den Betrieb der Arbeitsmaschine 102 zu steuern.
  • Der Veranschaulichung halber, aber nicht einschränkend, werden Aspekte des Verfahrens 600 nun im Kontext von beispielhaften Arbeitsmaschinen beschrieben.
  • In einem Beispiel führt eine autonome landwirtschaftliche Erntemaschine oder Mähdrescher einen Erntevorgang auf einem Feld durch und trifft auf Erntegut, das „umgeknickt“ ist. Das heißt, das Erntegut liegt in einer Weise oder ist anderweitig ausgerichtet, die es dem Erntevorsatz der Maschine erschwert, das Erntegut effizient zu ernten, und das Maschinenfähigkeitssystem 186 hat bestimmt, dass dem Mähdrescher ausreichende Fähigkeiten oder Fertigkeiten fehlen, um das umgeknickte Erntegut effektiv zu ernten. Das Verfahren 600 identifiziert in diesem Beispiel Arbeitsauftragskriterien in dem Arbeitsauftrag, die angepasst werden können, und identifiziert potenzielle Anpassung an diejenigen Kriterien, bei denen eine hohe Wahrscheinlichkeit besteht, dass sie unter den Bedingungen des Felds und der Mähdrescherfähigkeiten abgeschlossen werden. In einem Beispiel beinhaltet die Liste der möglichen Modifikationen, die bei Block 638 erzeugt wurden, eine erste Option, die das Anhalten des Mähdreschers und das Warten für eine Stunde (oder einen anderen Zeitraum) beinhaltet, bis ein menschlicher Bediener die Maschine erreicht und sie manuell steuert, um das umgeknickte Erntegut zu ernten. Dies beinhaltet die Anpassung von Zeitkriterien in dem Arbeitsauftrag. Eine zweite Option beinhaltet das Bewegen des Mähdreschers zu einem anderen Bereich des Feldes, um das Erntegut zu ernten, während darauf gewartet wird, dass der menschliche Bediener kommt, um den Bereich mit dem umgeknickten Erntegut zu ernten. Dabei werden sowohl zeitbasierte Arbeitskriterien als auch navigations- oder routenbasierte Kriterien geändert. Eine dritte Option in der bei Block 638 erzeugten Liste beinhaltet, dass die Maschine die Ernte mithilfe ihrer verfügbaren Fähigkeiten, jedoch mit erhöhtem Kornverlust, durchführt. Somit beinhaltet diese Modifikation eine Anpassung an leistungsbasierte Kriterien, um dem Mähdrescher zu ermöglichen, mit niedrigeren Kornverlustleistungsmetriken fortzufahren. Bei Block 640 bestimmt der Mähdrescher, dass das Wetter auf Grundlage aktueller oder zukünftiger Bedingungen kein Problem ist, was andernfalls die Auswahl der dritten Option zum Durchführen der Ernte mit erhöhtem Kornverlust unterstützen könnte. Da das Wetter in diesem Szenario jedoch kein Problem darstellt, wählt der Mähdrescher die zweite Option aus, nämlich andere Bereiche des Feldes abzuernten, während darauf gewartet wird, dass ein menschlicher Bediener kommt, und den Mähdrescher manuell steuert, um das umgeknickte Erntegut zu ernten. Dementsprechend steuert das Steuersystem 104 das Lenkungs-Teilsystem, das Antriebs-Teilsystem und das Ernte-Teilsystem, um das Ernten in den anderen Bereichen des Feldes fortzusetzen, in denen das Erntegut nicht umgeknickt ist.
  • Bei einem Beispiel eines autonomen Automobils wird angenommen, dass das Automobil auf einer Fahrbahn fährt und auf eine Bauzone trifft, indem Fahrbahnmarkierungen erfasst werden. Das Fahrzeug bestimmt, dass es nicht über die Fähigkeiten verfügt, durch die Bauzone zu fahren, und das Verfahren 600 identifiziert eine Liste möglicher Modifikationen, einschließlich Anhalten und Warten über einen Zeitraum, bis eine Person kommt und das Automobil manuell durch die Bauzone fährt. Dies beinhaltet die Anpassung eines zeitbasierten Arbeitsauftragskriteriums. Eine andere Option wäre es, eine alternative Route um die Bauzone zu nehmen. Dies beinhaltet beispielsweise Modifikationen an einem zeitbasierten Auftragskriterium und einer Produktivitäts- und/oder Kraftstoffeffizienzleistungsmetrik. Eine dritte Option besteht darin, dass das Auto zum Ausgangspunkt zurückkehrt und die Route einstellt. In diesem Beispiel kann die zweite Option ausgewählt werden, da sie einen minimalen Zeit- und Produktivitätsverlust im Vergleich zu den anderen Optionen vorsieht. Dementsprechend steuert das Steuersystem 104 das Antriebs-Teilsystem und das Lenkungs-Teilsystem für das Automobil, um der modifizierten Route zu folgen.
  • In der vorliegenden Erläuterung wurden Prozessoren und Server erwähnt. In einer Ausführungsform umfassen die Prozessoren und Server Computerprozessoren mit zugehörigem Speicher und Zeitsteuerungsschaltungen, die nicht separat gezeigt sind. Sie sind funktionale Teile der Systeme oder Vorrichtungen, zu denen sie gehören und durch die sie aktiviert werden, und erleichtern die Funktionalität der anderen Komponenten oder Elemente in diesen Systemen.
  • Es ist zu beachten, dass die vorstehende Erläuterung eine Vielzahl unterschiedlicher Systeme, Komponenten und/oder Logiken beschrieben hat. Es versteht sich, dass solche Systeme, Komponenten und/oder Logik aus Hardwareelementen (wie etwa Prozessoren und zugehörigem Speicher oder anderen Verarbeitungskomponenten, von denen einige im Folgenden beschrieben werden) bestehen können, die die mit diesen Systemen, Komponenten und/oder Logik verbundenen Funktionen ausführen. Darüber hinaus können die Systeme, Komponenten und/oder Logiken aus Software bestehen, die in einen Speicher geladen werden und anschließend von einem Prozessor oder Server oder einer anderen Rechnerkomponente ausgeführt werden, wie unten beschrieben. Die Systeme, Komponenten und/oder Logiken können auch aus verschiedenen Kombinationen von Hardware, Software, Firmware usw. bestehen, von denen einige Beispiele nachfolgend beschrieben werden. Dies sind nur einige Beispiele für unterschiedliche Strukturen, die zur Bildung der oben beschriebenen Systeme, Komponenten und/oder Logik verwendet werden können. Es können auch andere Strukturen verwendet werden.
  • Außerdem wurden eine Reihe von Anzeigen der Benutzerschnittstelle erörtert. Sie können mehrere verschiedene Formen annehmen und können mehrere verschiedene benutzergesteuerte Eingabemechanismen darauf aufweisen. Beispielsweise können die vom Benutzer aktivierbaren Eingabemechanismen Textfelder, Kontrollkästchen, Symbole, Links, Dropdown-Menüs, Suchfelder usw. sein. Sie können auch auf unterschiedlichste Weise betätigt werden. Sie können beispielsweise mit einer Point-and-Click-Vorrichtung (z. B. Trackball oder Maus) betätigt werden. Sie können über Hardwaretasten, Schalter, einen Joystick oder eine Tastatur, Daumenschalter oder Daumenpads usw. betätigt werden. Sie können auch über eine virtuelle Tastatur oder andere virtuelle Stellglieder betätigt werden. Wenn der Bildschirm, auf dem sie angezeigt werden, ein berührungsempfindlicher Bildschirm ist, können sie außerdem mit Berührungsgesten betätigt werden. Wenn die Vorrichtung, die sie anzeigt, über Spracherkennungskomponenten verfügt, können sie auch über Sprachbefehle gesteuert werden.
  • Eine Reihe von Datenspeichern wurde ebenfalls erörtert. Es wird darauf hingewiesen, dass sie jeweils in mehrere Datenspeicher unterteilt werden können. Alle können lokal für die auf sie zugreifenden Systeme sein, alle können entfernt sein, oder einige können lokal sein, während andere entfernt sind. Alle diese Konfigurationen sind hierin vorgesehen.
  • Außerdem zeigen die Figuren eine Reihe von Blöcken mit Funktionen, die jedem Block zugeordnet sind. Es wird darauf hingewiesen, dass weniger Blöcke verwendet werden können, so dass die Funktionalität von weniger Komponenten übernommen wird. Außerdem können mehr Blöcke verwendet werden, wobei die Funktionalität auf mehrere Komponenten verteilt ist.
  • 7 ist ein Blockdiagramm eines Beispiels der Arbeitsmaschinenarchitektur 100, dargestellt in 1, wobei die Arbeitsmaschine 102 mit Elementen in einer Remote-Serverarchitektur 700 kommuniziert. In einem Beispiel kann die Remote-Serverarchitektur 700 Rechen-, Software-, Datenzugriffs- und Speicherdienste bereitstellen, die keine Kenntnisse des Endbenutzers zum physischen Standort oder zu den Konfiguration des Systems erfordern, das die Dienste bereitstellt. In verschiedenen Beispielen können Remote-Server die Dienste über ein Weitverkehrsnetzwerk, wie etwa das Internet, unter Verwendung geeigneter Protokolle bereitstellen. So können beispielsweise Remote-Serveranwendungen über ein Weitverkehrsnetzwerk bereitstellen und über einen Webbrowser oder eine andere Computerkomponente darauf zugreifen. Software oder Komponenten, die in 1 gezeigt sind, sowie die zugehörigen Daten können auf Servern an einem Remote-Standort gespeichert werden. Die Computerressourcen in einer Remote-Serverumgebung können an einem Remote-Standort des Rechenzentrums konsolidiert oder verteilt werden. Remote-Server-Infrastrukturen können Dienste über gemeinsam genutzte Rechenzentren bereitstellen, obwohl sie für den Benutzer als ein einziger Zugangspunkt erscheinen. Somit können die hierin beschriebenen Komponenten und Funktionen von einem Remote-Server an einem Remote-Standort über eine Remote-ServerArchitektur bereitgestellt werden. Alternativ können sie von einem herkömmlichen Server bereitgestellt werden, oder sie können direkt auf Endgeräten oder auf andere Weise installiert werden.
  • In dem in 7 dargestellten Beispiel ähneln einige Elemente den in 1 gezeigten Komponenten und sie sind ähnlich nummeriert. 7 zeigt insbesondere, dass sich das System 162, das System 186 und der Datenspeicher 130 an einem Remote-Serverstandort 702 befinden können. Daher greift die Arbeitsmaschine 102 über den entfernten Server-Standort 702 auf diese Systeme zu.
  • 7 veranschaulicht darüber hinaus ein weiteres Beispiel einer Remote-Serverarchitektur. 7 zeigt, dass auch in Betracht gezogen wird, dass einige Elemente von 1 an dem Remote-Serverstandort 702 angeordnet sind, während andere dies nicht sind. So kann beispielsweise der Datenspeicher 130 an einem von Standort 702 getrennten Standort angeordnet sein und es kann über den Remote-Server an Standort 702 darauf zugegriffen werden. Alternativ oder zusätzlich können die Systeme 162 und/oder 186 an von Standort 702 getrennten Standort(en) angeordnet sein und es kann über den Remote-Server an Standort 702 darauf zugegriffen werden.
  • Unabhängig davon, wo sie sich befinden, kann direkt auf sie von der Arbeitsmaschine 102 über ein Netzwerk (entweder ein Weitverkehrsnetzwerk oder ein lokales Netzwerk) zugegriffen werden, können sie an einem Remote-Standort von einem Dienst gehostet werden, oder können sie als Dienst bereitgestellt oder von einem Verbindungsdienst zugegriffen werden, der sich an einem Remote-Standort befindet. Außerdem können die Daten an nahezu jedem Ort gespeichert und zeitweise von Interessenten abgerufen oder an diese weitergeleitet werden. So können beispielsweise physikalische Träger anstelle oder zusätzlich zu elektromagnetischen Strahlungsträgern verwendet werden. In einem solchen Beispiel, in dem die Netzabdeckung schlecht oder nicht vorhanden ist, kann eine andere mobile Maschine (beispielsweise ein Tankwagen) über ein automatisches System zur Informationserfassung verfügen. Wenn sich die Arbeitsmaschine zum Tanken in der Nähe des Tankwagens befindet, erfasst das System die Informationen automatisch von der Erntemaschine oder überträgt sie über eine beliebige drahtlose Ad-hoc-Verbindung an die Erntemaschine. Die gesammelten Informationen können dann an das Hauptnetz weitergeleitet werden, wenn der Tankwagen einen Ort erreicht, an dem es eine Mobilfunkabdeckung (oder eine andere drahtlose Abdeckung) gibt. So kann beispielsweise der Tankwagen in einen überdachten Ort einfahren, wenn er zum Betanken anderer Maschinen fährt oder wenn er sich an einem Haupttanklager befindet. Alle diese Architekturen werden hierin betrachtet. Darüber hinaus können die Informationen auf der Arbeitsmaschine gespeichert werden, bis die Arbeitsmaschine einen abgedeckten Standort erreicht. Die Arbeitsmaschine selbst kann dann die Informationen an/von dem Hauptnetzwerk senden und empfangen.
  • Es wird auch darauf hingewiesen, dass die Elemente von 1, oder Teile davon, auf einer Vielzahl von unterschiedlichen Geräten angeordnet werden können. Einige dieser Vorrichtungen beinhalten Server, Desktop-Computer, Laptops, Tablet-Computer oder andere mobile Geräte, wie etwa Palmtop-Computer, Mobiltelefone, Smartphones, Multimedia-Player, persönliche digitale Assistenten usw.
  • 8 ist ein vereinfachtes Blockdiagramm eines veranschaulichenden Beispiels einer tragbaren oder mobilen Computervorrichtung, die als tragbare Endvorrichtung 16 eines Benutzers oder Kunden verwendet werden kann, in der das vorliegende System (oder Teile davon) eingesetzt werden kann. So kann beispielsweise eine mobile Vorrichtung in der Fahrerkabine der Arbeitsmaschine 102 oder als Remote-System 114 eingesetzt werden. 9-10 sind Beispiele für tragbare oder mobile Vorrichtungen.
  • 8 stellt ein allgemeines Blockdiagramm der Komponenten einer Endvorrichtung 16 bereit, die einige der in 1 dargestellten Komponenten ausführen kann, die mit ihnen interagieren, oder beides. In dem Gerät 16 wird eine Kommunikationsverbindung 13 bereitgestellt, die es dem Handgerät ermöglicht, mit anderen Computergeräten zu kommunizieren, und die in einigen Ausführungsformen einen Kanal zum automatischen Empfangen von Informationen bereitstellt, wie zum Beispiel durch Scannen. Beispiele für die Kommunikationsverbindung 13 umfassen das Ermöglichen der Kommunikation durch ein oder mehrere Kommunikationsprotokolle, wie zum Beispiel drahtlose Dienste, die zum Bereitstellen eines zellularen Zugangs zu einem Netzwerk verwendet werden, sowie Protokolle, die lokale drahtlose Verbindungen zu Netzwerken bereitstellen.
  • In anderen Beispielen können Anwendungen auf einer entfernbaren „Secure Digital“-(SD-)Karte empfangen werden, die mit einer Schnittstelle 15 verbunden ist. Die Schnittstelle 15 und die Kommunikationsverbindungen 13 kommunizieren mit einem Prozessor 17 (der auch die Prozessoren oder Server aus den vorherigen FIG. verkörpern kann) über einen Bus 19, der ebenfalls mit dem Speicher 21 und den Ein-/Ausgabekomponenten (E/A) 23 sowie dem Taktgeber 25 und dem Ortungssystem 27 verbunden ist.
  • E/A-Komponenten 23 sind in einem Beispiel vorgesehen, um Ein- und Ausgabeoperationen zu erleichtern. E/A-Komponenten 23 für verschiedene Ausführungsformen der Vorrichtung 16 können Eingabekomponenten, wie etwa Tasten, Tastsensoren, optische Sensoren, Mikrofone, Touchscreens, Näherungssensoren, Beschleunigungssensoren, Ausrichtungssensoren, und Ausgabekomponenten, wie etwa eine Anzeigevorrichtung, ein Lautsprecher und/oder ein Druckeranschluss beinhalten. Es können auch andere E/A-Komponenten 23 verwendet werden.
  • Der Taktgeber 25 umfasst veranschaulichend eine Echtzeituhrkomponente, die eine Uhrzeit und ein Datum ausgibt. Dieser kann auch, veranschaulichend, Timing-Funktionen für Prozessor 17 bereitstellen.
  • Das Ortungssystem 27 beinhaltet veranschaulichend eine Komponente, die eine aktuelle geografische Position der Vorrichtung 16 ausgibt. Dies kann beispielsweise einen globalen Positionierungssystem-(GPS-)Empfänger, ein LORAN-System, ein Koppelnavigationssystem, ein zellulares Triangulationssystems oder ein anderes Positionierungssystems beinhalten. Es kann beispielsweise auch eine Karten- oder Navigationssoftware beinhalten, die gewünschte Karten, Navigationsrouten und andere geografische Funktionen erzeugt.
  • Der Speicher 21 speichert das Betriebssystem 29, die Netzwerkeinstellungen 31, die Anwendungen 33, die Anwendungskonfigurationseinstellungen 35, den Datenspeicher 37, die Kommunikationstreiber 39 und die Kommunikationskonfigurationseinstellungen 41. Der Speicher 21 kann alle Arten von greifbaren flüchtigen und nichtflüchtigen computerlesbaren Speichervorrichtungen beinhalten. Er kann auch Computerspeichermedien beinhalten (siehe unten). Der Speicher 21 speichert computerlesbare Anweisungen, die, wenn sie von Prozessor 17 ausgeführt werden, den Prozessor veranlassen, computerimplementierte Schritte oder Funktionen gemäß den Anweisungen auszuführen. Der Prozessor 17 kann von anderen Komponenten aktiviert werden, um auch deren Funktionalität zu verbessern.
  • 9 zeigt ein Beispiel, bei dem die Vorrichtung 16 ein Tablet-Computer 750 ist. In 9 wird der Computer 750 mit dem Bildschirm 752 der Benutzerschnittstelle dargestellt. Der Bildschirm 752 kann ein Touchscreen oder eine stiftfähige Schnittstelle sein, die Eingaben von einem Stift oder Stylus empfängt. Es kann auch eine virtuelle Tastatur auf dem Bildschirm verwendet werden. Natürlich kann es auch über einen geeigneten Befestigungsmechanismus, wie etwa eine drahtlose Verbindung oder einen USB-Anschluss, an eine Tastatur oder eine andere Benutzereingabevorrichtung angeschlossen werden. Der Computer 750 kann veranschaulichend auch Spracheingaben empfangen.
  • 10 zeigt, dass die Vorrichtung ein Smartphone 71 sein kann. Das Smartphone 71 verfügt über ein berührungsempfindliches Display 73, das Symbole oder Grafiken oder andere Benutzereingabemechanismen 75 anzeigt. Die Mechanismen 75 können von einem Benutzer verwendet werden, um Anwendungen auszuführen, Anrufe zu tätigen, Datenübertragungsvorgänge durchzuführen usw. Im Allgemeinen ist das Smartphone 71 auf einem mobilen Betriebssystem aufgebaut und bietet eine fortschrittlichere Rechenleistung und Konnektivität als ein Funktionstelefon.
  • Es ist zu beachten, dass andere Formen der Vorrichtung 16 möglich sind.
  • 11 ist ein Beispiel für eine Computerumgebung, in der Elemente von 1, oder Teile davon, (zum Beispiel) eingesetzt werden können. Unter Bezugnahme auf 11 beinhaltet ein Beispielsystem zur Implementierung einiger Ausführungsformen eine Rechenvorrichtung in Form eines Computers 810. Die Komponenten des Computers 810 können, ohne hierauf beschränkt zu sein, unter anderem eine Verarbeitungseinheit 820 (die Prozessoren oder Server aus den vorstehenden FIGUREN beinhalten kann), einen Systemspeicher 830 und einen Systembus 821 umfassen, die verschiedene Systemkomponenten einschließlich des Systemspeichers mit der Verarbeitungseinheit 820 koppeln. Der Systembus 821 kann eine von mehreren Arten von Busstrukturen sein, einschließlich eines Speicherbusses oder einer Speichersteuerung, eines Peripheriebusses und eines lokalen Busses mit einer Vielzahl von Busarchitekturen. Speicher und Programme, die in Bezug auf 1 beschrieben sind, können in den entsprechenden Teilen von 11 eingesetzt werden.
  • Der Computer 810 beinhaltet typischerweise mehrere computerlesbare Medien. Computerlesbare Medien können alle verfügbaren Medien sein, auf die der Computer 810 zugreifen kann, und umfassen sowohl flüchtige als auch nichtflüchtige Medien, Wechselmedien und nicht entfernbare Medien. Computerlesbare Medien können beispielsweise Computerspeichermedien und Kommunikationsmedien umfassen. Computerspeichermedien unterscheiden sich von einem modulierten Datensignal oder einer Trägerwelle und beinhalten diese nicht. Dazu gehören Hardware-Speichermedien mit flüchtigen und nichtflüchtigen, entfernbaren und nicht entfernbaren Medien, die in einem beliebigen Verfahren oder einer Technologie für die Speicherung von Informationen, wie etwa computerlesbaren Befehlen, Datenstrukturen, Programmmodulen oder anderen Daten, implementiert sind. Rechenspeichermedien umfassen, aber sie sind nicht beschränkt auf RAM, ROM, EEPROM, Flash-Speicher oder andere Speichertechnologie, CD-ROM, Digitalversatile-Disks (DVD) oder andere optische Plattenspeicher, Magnetkassetten, -bänder, -plattenspeicher oder andere magnetische Speichergeräte oder jedes andere Medium, das verwendet werden kann, um die gewünschte Information zu speichern, auf die über den Rechner 810 zugegriffen werden kann. Kommunikationsmedien können computerlesbare Anweisungen, Datenstrukturen, Programmmodule oder andere Daten in einem Transportmechanismus enthalten und umfassen alle Informationslieferungsmedien. Der Begriff „angepasstes Datensignal“ bezeichnet ein Signal, für das ein oder mehrere seiner Merkmale so festgelegt oder geändert sind, dass Informationen in dem Signal codiert sind.
  • Der Systemspeicher 830 beinhaltet Computerspeichermedien in Form von flüchtigen und/oder nichtflüchtigen Speichern, wie etwa Festspeicher (ROM, Read Only Memory) 831 und Arbeitsspeicher (RAM, Random Access Memory) 832. Ein grundlegendes Ein-/Ausgabesystem 833 (BIOS), das die grundlegenden Programme enthält, die helfen, Informationen zwischen den Elementen innerhalb des Computers 810 zu übertragen, wie etwa beim Starten, wird typischerweise im ROM 831 gespeichert. RAM 832 enthält typischerweise Daten- und/oder Programmmodule, die für die Verarbeitungseinheit 820 unmittelbar zugänglich sind und/oder derzeit betrieben werden. Beispielsweise und nicht einschränkend veranschaulicht 11 ein Betriebssystem 834, Anwendungsprogramme 835, weitere Programmmodule 836 und Programmdaten 837.
  • Der Computer 810 kann auch andere entfernbare/nicht entfernbare flüchtige/nichtflüchtige Computerspeichermedien beinhalten. Beispielsweise wird in 11 ein Festplattenlaufwerk 841 veranschaulicht, das von nicht entfernbaren, nichtflüchtigen magnetischen Medien, einem optischen Plattenlaufwerk 855 und einer nichtflüchtigen optischen Platte 856 liest oder darauf schreibt. Das Festplattenlaufwerk 841 ist typischerweise über eine nicht-entfernbare Speicherschnittstelle, wie etwa die Schnittstelle 840, mit dem Systembus 821 verbunden, und das optische Plattenlaufwerk 855 ist typischerweise über eine entfernbare Speicherschnittstelle, wie etwa die Schnittstelle 850, mit dem Systembus 821 verbunden.
  • Alternativ oder zusätzlich kann die hierin beschriebene Funktionalität mindestens teilweise durch eine oder mehrere Hardware-Logikkomponenten ausgeführt werden. Zu den veranschaulichenden Arten von Hardware-Logikkomponenten, die verwendet werden können, gehören beispielsweise feldprogrammierbare Gate-Arrays (FPGAs), Applikations-spezifische integrierte Schaltungen (z. B. ASICs), Applikations-spezifische Standardprodukte (z. B. ASSPs), System-on-a-Chip-Systeme (SOCs), „Complex Programmable Logic Devices“ (CPLDs) usw.
  • Die Laufwerke und die dazugehörigen Computerspeichermedien, die vorstehend erläutert und in 11 veranschaulicht wurden, stellen Speicherplatz von computerlesbaren Anweisungen, Datenstrukturen, Programmmodulen und anderen Daten für den Computer 810 bereit. In 11 wird beispielsweise die Festplatte 841 als speicherndes Betriebssystem 844, Anwendungsprogramme 845, andere Programmmodule 846 und Programmdaten 847 dargestellt. Es ist zu beachten, dass diese Komponenten entweder gleich oder verschieden vom Betriebssystem 834, den Anwendungsprogrammen 835, anderen Programmmodulen 836 und den Programmdaten 837 sein können.
  • Ein Benutzer kann Befehle und Informationen in den Computer 810 über Eingabevorrichtungen, wie etwa eine Tastatur 862, ein Mikrofon 863 und eine Zeigevorrichtung 861, wie etwa eine Maus, einen Trackball oder ein Touchpad, eingeben. Andere Eingabevorrichtungen (nicht dargestellt) können einen Joystick, ein Gamepad, eine Satellitenschüssel, einen Scanner oder dergleichen beinhalten. Diese und andere Eingabevorrichtungen sind oft über eine Benutzereingabeschnittstelle 860 mit der Verarbeitungseinheit 820 verbunden, die mit dem Systembus gekoppelt ist, aber auch über andere Schnittstellen- und Busstrukturen verbunden sein kann. Eine optische Anzeige 891 oder eine andere Art von Anzeigevorrichtung ist ebenfalls über eine Schnittstelle, wie etwa eine Videoschnittstelle 890, mit dem Systembus 821 verbunden. Zusätzlich zum Monitor können Computer auch andere periphere Ausgabevorrichtungen, wie etwa die Lautsprecher 897 und den Drucker 896 beinhalten, die über eine Ausgabeperipherieschnittstelle 895 verbunden werden können.
  • Der Computer 810 wird in einer Netzwerkumgebung über logische Verbindungen (wie etwa LAN, WAN oder CAN) zu einem oder mehreren Remote-Computern, wie etwa einem Remote-Computer 880, betrieben.
  • Bei Verwendung in einer LAN-Netzwerkumgebung ist der Computer 810 über eine Netzwerkschnittstelle oder einen Adapter 870 mit dem LAN 871 verbunden. Bei Verwendung in einer WAN-Netzwerkumgebung beinhaltet der Computer 810 typischerweise ein Modem 872 oder andere Mittel zum Aufbauen einer Kommunikation über das WAN 873, wie etwa das Internet. In einer vernetzten Umgebung können Programmmodule auf einer externen Speichervorrichtung gespeichert werden. 11 zeigt zum Beispiel, dass Remote-Anwendungsprogramme 885 auf dem Remote-Computer 880 liegen können.
  • Es sollte auch angemerkt werden, dass die verschiedenen hier beschriebenen Beispiele auf verschiedene Weise kombiniert werden können. Das heißt, Teile eines oder mehrerer Beispiele können mit Teilen eines oder mehrerer anderer Beispiele kombiniert werden. All dies wird hierin betrachtet.
  • Beispiel 1 ist ein Verfahren zum Steuern einer Arbeitsmaschine auf einer Arbeitsstelle, wobei das Verfahren Folgendes umfasst:
    • Empfangen einer Angabe eines Arbeitsmaschinenauftrags mit einem Arbeitsstellenstandort und entsprechenden Auftragskriterien im Zusammenhang mit dem Abschluss des Arbeitsmaschinenauftrags;
    • Empfangen eines Satzes von Arbeitsstellenbedingungen an dem Standort;
    • Identifizieren eines Satzes von Maschinenfähigkeiten, wobei jede Maschinenfähigkeit dem Betrieb eines steuerbaren Teilsystems an der Arbeitsmaschine entspricht;
    • Erzeugen einer Wahrscheinlichkeitsmetrik, die indikativ für eine Wahrscheinlichkeit ist, dass die Auftragskriterien auf Grundlage des Satzes von Arbeitsstellenbedingungen und des Satzes von Maschinenfähigkeiten erfüllt werden;
    • Vergleichen der Wahrscheinlichkeitsmetrik mit einem Schwellenwert; und
    • Erzeugen eines Steuersignals, das die Arbeitsmaschine auf Grundlage des Vergleichs steuert.
  • Beispiel 2 ist das Verfahren eines oder aller vorhergehenden Beispiele und umfasst ferner:
    • Identifizieren einer Einstellanpassung für jede Maschinenfähigkeit, die den Betrieb des steuerbaren Teilsystems anpasst, um die Maschinenfähigkeit zu erreichen; und
    • Auswerten einer Auswirkung der Einstellungsanpassung auf die Wahrscheinlichkeit, dass die Auftragskriterien erfüllt werden.
  • Beispiel 3 ist das Verfahren eines oder aller vorhergehenden Beispiele, wobei das Erzeugen des Steuersignals Folgendes umfasst:
    • Einstellen des Betriebs des steuerbaren Teilsystems mithilfe der Einstellungsanpassung basierend auf der Wirkung der Einstellungsanpassung.
  • Beispiel 4 ist das Verfahren eines oder aller vorhergehenden Beispiele und ferner umfassend:
    • Modifizieren der Auftragskriterien auf der Grundlage des Vergleichs; und
    • Erzeugen des Steuersignals, um die Arbeitsmaschine auf Grundlage der modifizierten Auftragskriterien zu steuern.
  • Beispiel 5 ist das Verfahren eines oder aller vorhergehenden Beispiele, wobei das Modifizieren der Auftragskriterien Folgendes umfasst:
    • Auswählen mindestens eines Auftragskriteriums in den Auftragskriterien, das auf Grundlage eines Änderungsauswahlkriteriums geändert werden soll; und
    • Modifizieren des mindestens einen ausgewählten Auftragskriteriums.
  • Beispiel 6 ist das Verfahren eines oder aller vorhergehenden Beispiele, wobei das Modifizieren der Auftragskriterien Folgendes umfasst:
    • Identifizieren eines Satzes möglicher Änderungen des Auftragskriteriums; und
    • Auswählen einer der Änderungen auf Grundlage des Änderungsauswahlkriteriums.
  • Beispiel 7 ist das Verfahren eines oder aller vorhergehenden Beispiele, wobei die potenziellen Änderungen eines oder mehrere von Folgendem umfassen:
    • eine Änderung vordefinierter Auftragskriterien; oder
    • eine dynamisch generierte Änderung der Auftragskriterien.
  • Beispiel 8 ist das Verfahren eines beliebigen oder aller vorherigen Beispiele, wobei der Satz von Bedingungen eine oder mehrere aktuelle Bedingungen umfasst.
  • Beispiel 9 ist das Verfahren eines oder aller vorhergehenden Beispiele, wobei der Satz von Bedingungen eine oder mehrere zukünftige Bedingungen umfasst.
  • Beispiel 10 ist das Verfahren eines oder aller vorhergehenden Beispiele, wobei die Auftragskriterien einen Satz von Anforderungen für den Abschluss des Auftrags definieren.
  • Beispiel 11 ist das Verfahren eines oder aller vorhergehenden Beispiele, wobei die Auftragskriterien eines oder mehrere von Folgendem umfassen:
    • einen Pfad/eine Route für die Arbeitsmaschine,
    • eine Zielleistungsmetrik für die Arbeitsmaschine; oder
    • eine Zielbetriebszeit zum Abschließen des Arbeitsmaschinenauftrags.
  • Beispiel 12 ist eine Arbeitsmaschine, umfassend:
    • einen Satz von steuerbaren Teilsystemen;
    • ein Maschinenfähigkeitssystem, das konfiguriert ist, um einen Satz von Maschinenfähigkeiten zu identifizieren, wobei jede Maschinenfähigkeiten dem Betrieb von mindestens einem der steuerbaren Teilsysteme entspricht;
    • ein Arbeitsauftragssystem, das konfiguriert ist, um:
      • eine Angabe über einen Arbeitsmaschinenauftrag zu erhalten, der einen Arbeitsstellenort und entsprechende Auftragskriterien im Zusammenhang mit dem Abschluss des Arbeitsmaschinenauftrags aufweist; und
      • einen Satz von Arbeitsstellenbedingungen am Arbeitsstellenstandort zu empfangen;
      • eine Wahrscheinlichkeitsmetrik zu erzeugen, die indikativ für eine Wahrscheinlichkeit ist, dass die Auftragskriterien auf Grundlage des Satzes von Arbeitsstellenbedingungen und des Satzes von Maschinenfähigkeiten erfüllt werden; und
      • eine Wahrscheinlichkeitsmetrik mit einem Schwellenwert zu vergleichen; und
    • ein Steuersystem, das konfiguriert ist, um ein Steuersignal zu erzeugen, das die Arbeitsmaschine auf Grundlage des Vergleichs steuert.
  • Beispiel 13 ist das Rechensystem eines beliebigen oder aller vorhergehenden Beispiele, wobei das Maschinenfähigkeitssystem konfiguriert ist, um:
    • eine Einstellungsanpassung für jede Maschinenfähigkeit zu identifizieren, die den Betrieb des steuerbaren Teilsystems anpasst, um die Maschinenfähigkeit zu erreichen; und
    • eine Auswirkung der Einstellungsanpassung auf die Wahrscheinlichkeit zu bewerten, dass die Auftragskriterien erfüllt werden.
  • Beispiel 14 ist das Rechensystem eines beliebigen oder aller vorhergehenden Beispiele, wobei das Arbeitsauftragssystem konfiguriert ist, um:
    • die Auftragskriterien auf der Grundlage des Vergleichs zu modifizieren; und
    • das Steuersignal zu erzeugen, um die Arbeitsmaschine auf Grundlage der modifizierten Auftragskriterien zu steuern.
  • Beispiel 15 ist das Computersystem eines beliebigen oder aller vorhergehenden Beispiele, wobei das Arbeitsauftragssystem konfiguriert ist, um:
    • die Auftragskriterien anhand eines Änderungsauswahlkriteriums zu modifizieren.
  • Beispiel 16 ist das Computersystem eines beliebigen oder aller vorhergehenden Beispiele, wobei das Arbeitsauftragssystem konfiguriert ist, um:
    • einen Satz potenzieller Änderungen des Auftragskriteriums zu identifizieren; und
    • eine der Änderungen auf Grundlage des Änderungsauswahlkriteriums auszuwählen.
  • Beispiel 17 ist das Rechensystem eines oder aller vorhergehenden Beispiele, wobei
    • die Auftragskriterien einen Satz von Anforderungen an den Abschluss des Auftrags definieren, und
    • der Satz von Bedingungen eine oder mehrere aktuelle oder zukünftige Bedingungen umfasst.
  • Beispiel 18 ist das Rechensystem eines beliebigen oder aller vorhergehenden Beispiele, wobei die Auftragskriterien eines oder mehrere von Folgendem umfassen:
    • einen Pfad/eine Route für die Arbeitsmaschine,
    • eine Zielleistungsmetrik für die Arbeitsmaschine; oder
    • eine Zielbetriebszeit zum Abschließen des Arbeitsmaschinenauftrags.
  • Beispiel 19 ist ein Verfahren zum Steuern einer Arbeitsmaschine auf einer Arbeitsstelle, wobei das Verfahren Folgendes umfasst:
    • Empfangen einer Angabe eines Arbeitsmaschinenauftrags mit einem Arbeitsstellenstandort und entsprechenden Auftragskriterien im Zusammenhang mit dem Abschluss des Arbeitsmaschinenauftrags;
    • Empfangen eines Satzes von Arbeitsstellenbedingungen an dem Standort;
    • Identifizieren eines Satzes von Maschinenfähigkeiten, wobei jede Maschinenfähigkeit dem Betrieb eines steuerbaren Teilsystems an der Arbeitsmaschine entspricht;
    • Erzeugen einer Wahrscheinlichkeitsmetrik, die indikativ für eine Wahrscheinlichkeit ist, dass die Auftragskriterien auf Grundlage des Satzes von Arbeitsstellenbedingungen erfüllt werden;
    • Identifizieren eines Satzes von Änderungen des Auftragskriteriums auf Grundlage des Satzes von Maschinenfähigkeiten auf Grundlage der Bestimmung, dass die Wahrscheinlichkeit unter dem Schwellenwert liegt;
    • Auswählen einer der Änderungen auf Grundlage eines Änderungsauswahlkriteriums;
    • Erzeugen modifizierter Auftragskriterien auf Grundlage der ausgewählten Änderung; und
    • Erzeugen eines Steuersignals, das die Arbeitsmaschine auf Grundlage modifizierter Auftragskriterien steuert.
  • Beispiel 20 ist die Arbeitsmaschine eines beliebigen oder aller vorhergehenden Beispiele, wobei das Erzeugen einer Wahrscheinlichkeitsmetrik Folgendes umfasst:
    • Identifizieren einer Einstellanpassung für jede Maschinenfähigkeit, die den Betrieb des steuerbaren Teilsystems anpasst, um die Maschinenfähigkeit zu erreichen; und
    • Auswerten einer Auswirkung der Einstellungsanpassung auf die Wahrscheinlichkeit, dass die Auftragskriterien erfüllt werden.
  • Obwohl der Gegenstand in einer für strukturelle Merkmale und/oder methodische Handlungen spezifischen Sprache beschrieben wurde, versteht es sich, dass der in den beigefügten Ansprüchen definierte Gegenstand nicht unbedingt auf die vorstehend beschriebenen spezifischen Merkmale oder Handlungen beschränkt ist. Vielmehr sind die oben beschriebenen besonderen Merkmale und Handlungen als beispielhafte Formen der Implementierung der Ansprüche offenbart.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • US 2015/0199637 A1 [0032]
    • US 2015/0199360 A1 [0032]
    • US 2015/0199630 A1 [0032]
    • US 2015/0199775 A1 [0032]
    • US 2016/0078391 A1 [0032]

Claims (15)

  1. Verfahren zum Steuern einer Arbeitsmaschine auf einer Arbeitsstelle, wobei das Verfahren Folgendes umfasst: Empfangen (402) einer Angabe eines Arbeitsmaschinenauftrags mit einem Arbeitsstellenstandort und entsprechenden Auftragskriterien im Zusammenhang mit dem Abschluss des Arbeitsmaschinenauftrags; Empfangen (448) eines Satzes von Arbeitsstellenbedingungen an dem Standort; Identifizieren (458) eines Satzes von Maschinenfähigkeiten, wobei jede Maschinenfähigkeit dem Betrieb eines steuerbaren Teilsystems an der Arbeitsmaschine entspricht; Erzeugen (460) einer Wahrscheinlichkeitsmetrik, die indikativ für eine Wahrscheinlichkeit ist, dass die Auftragskriterien auf Grundlage des Satzes von Arbeitsstellenbedingungen und des Satzes von Maschinenfähigkeiten erfüllt werden; Vergleichen (470) der Wahrscheinlichkeitsmetrik mit einem Schwellenwert; und Erzeugen (478) eines Steuersignals, das die Arbeitsmaschine auf Grundlage des Vergleichs steuert.
  2. Verfahren nach Anspruch 1 und ferner umfassend: Identifizieren einer Einstellungsanpassung für jede Maschinenfähigkeit die den Betrieb des steuerbaren Teilsystems anpasst; und Auswerten einer Auswirkung der Einstellungsanpassung auf die Wahrscheinlichkeit, dass die Auftragskriterien erfüllt werden.
  3. Verfahren nach Anspruch 2, wobei das Erzeugen des Steuersignals Folgendes umfasst: Einstellen des Betriebs des steuerbaren Teilsystems mithilfe der Einstellungsanpassung basierend auf der Wirkung der Einstellungsanpassung.
  4. Verfahren nach einem der Ansprüche 1 bis 3 und ferner umfassend: Modifizieren der Auftragskriterien auf der Grundlage des Vergleichs; und Erzeugen des Steuersignals, um die Arbeitsmaschine auf Grundlage der modifizierten Auftragskriterien zu steuern.
  5. Verfahren nach Anspruch 4, wobei das Modifizieren der Auftragskriterien Folgendes umfasst: Auswählen mindestens eines Auftragskriteriums in den Auftragskriterien, das auf Grundlage eines Änderungsauswahlkriteriums geändert werden soll; und Modifizieren des mindestens einen ausgewählten Auftragskriteriums.
  6. Verfahren nach Anspruch 5, wobei das Modifizieren der Auftragskriterien Folgendes umfasst: Identifizieren eines Satzes möglicher Änderungen des Auftragskriteriums; und Auswählen einer der Änderungen auf Grundlage des Änderungsauswahlkriteriums.
  7. Verfahren nach Anspruch 6, wobei die potenziellen Änderungen eines oder mehrere von Folgendem umfassen: eine Änderung vordefinierter Auftragskriterien; oder eine dynamisch generierte Änderung der Auftragskriterien.
  8. Verfahren nach einem der Ansprüche 1 bis 7, wobei der Satz von Bedingungen eine oder mehrere aktuelle Bedingungen umfasst.
  9. Verfahren nach einem der Ansprüche 1 bis 8, wobei der Satz von Bedingungen eine oder mehrere zukünftige Bedingungen umfasst.
  10. Verfahren nach einem der Ansprüche 1 bis 9, wobei die Auftragskriterien einen Satz von Anforderungen für den Abschluss des Auftrags definieren.
  11. Verfahren nach Anspruch 10, wobei die Auftragskriterien eines oder mehrere von Folgendem umfassen: einen Pfad/eine Route für die Arbeitsmaschine, eine Zielleistungsmetrik für die Arbeitsmaschine; oder eine Zielbetriebszeit zum Abschließen des Arbeitsmaschinenauftrags.
  12. Arbeitsmaschine, umfassend: einen Satz von steuerbaren Teilsystemen (106); ein Maschinenfähigkeitssystem (186), das konfiguriert ist, um einen Satz von Maschinenfähigkeiten zu identifizieren, wobei jede Maschinenfähigkeiten dem Betrieb von mindestens einem der steuerbaren Teilsysteme entspricht; ein Arbeitsauftragssystem (162), das konfiguriert ist, um: eine Angabe über einen Arbeitsmaschinenauftrag zu erhalten, der einen Arbeitsstellenort und entsprechende Auftragskriterien im Zusammenhang mit dem Abschluss des Arbeitsmaschinenauftrags aufweist; und einen Satz von Arbeitsstellenbedingungen am Arbeitsstellenstandort zu empfangen; eine Wahrscheinlichkeitsmetrik zu erzeugen, die indikativ für eine Wahrscheinlichkeit ist, dass die Auftragskriterien auf Grundlage des Satzes von Arbeitsstellenbedingungen und des Satzes von Maschinenfähigkeiten erfüllt werden; und eine Wahrscheinlichkeitsmetrik mit einem Schwellenwert zu vergleichen; und ein Steuersystem (104), das konfiguriert ist, um ein Steuersignal zu erzeugen, das die Arbeitsmaschine auf Grundlage des Vergleichs steuert.
  13. Arbeitsmaschine nach Anspruch 12, wobei das Maschinenfähigkeitssystem konfiguriert ist, um: eine Einstellungsanpassung für jede Maschinenfähigkeit zu identifizieren, die den Betrieb des steuerbaren Teilsystems anpasst; und eine Auswirkung der Einstellungsanpassung auf die Wahrscheinlichkeit zu bewerten, dass die Auftragskriterien erfüllt werden.
  14. Arbeitsmaschine nach Anspruch 12 oder 13, wobei das Arbeitsauftragssystem konfiguriert ist, um: die Auftragskriterien auf der Grundlage des Vergleichs zu modifizieren; und das Steuersignal zu erzeugen, um die Arbeitsmaschine auf Grundlage der modifizierten Auftragskriterien zu steuern.
  15. Verfahren zum Steuern einer Arbeitsmaschine auf einer Arbeitsstelle, wobei das Verfahren Folgendes umfasst: Empfangen (402) einer Angabe eines Arbeitsmaschinenauftrags mit einem Arbeitsstellenstandort und entsprechenden Auftragskriterien im Zusammenhang mit dem Abschluss des Arbeitsmaschinenauftrags; Empfangen (448) eines Satzes von Arbeitsstellenbedingungen an dem Standort; Identifizieren (458) eines Satzes von Maschinenfähigkeiten, wobei jede Maschinenfähigkeit dem Betrieb eines steuerbaren Teilsystems an der Arbeitsmaschine entspricht; Erzeugen (460) einer Wahrscheinlichkeitsmetrik, die indikativ für eine Wahrscheinlichkeit ist, dass die Auftragskriterien auf Grundlage des Satzes von Arbeitsstellenbedingungen erfüllt werden; Identifizieren (638) eines Satzes von Änderungen des Auftragskriteriums auf Grundlage des Satzes von Maschinenfähigkeiten auf Grundlage der Bestimmung (534), dass die Wahrscheinlichkeit unter dem Schwellenwert liegt; Auswählen (640) einer der Änderungen auf Grundlage eines Änderungsauswahlkriteriums; Erzeugen (650) modifizierter Auftragskriterien auf Grundlage der ausgewählten Änderung; und Erzeugen (478) eines Steuersignals, das die Arbeitsmaschine auf Grundlage modifizierter Auftragskriterien steuert.
DE102020206737.6A 2019-07-11 2020-05-28 Arbeitsmaschinensteuerung basierend auf maschinenfähigkeiten in bezug auf arbeitsauftragskriterien Pending DE102020206737A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/509,123 2019-07-11
US16/509,123 US11690320B2 (en) 2019-07-11 2019-07-11 Work machine control based on machine capabilities relative to work assignment criteria

Publications (1)

Publication Number Publication Date
DE102020206737A1 true DE102020206737A1 (de) 2021-01-14

Family

ID=74092040

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020206737.6A Pending DE102020206737A1 (de) 2019-07-11 2020-05-28 Arbeitsmaschinensteuerung basierend auf maschinenfähigkeiten in bezug auf arbeitsauftragskriterien

Country Status (3)

Country Link
US (1) US11690320B2 (de)
BR (1) BR102020010158A2 (de)
DE (1) DE102020206737A1 (de)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019178651A1 (en) * 2018-03-22 2019-09-26 Seed Terminator Holdings PTY LTD An impact mill and a residue processing system incorporating same
US11343956B2 (en) * 2019-02-18 2022-05-31 Cnh Industrial Canada, Ltd. System and method for monitoring soil conditions within a field
US11369058B2 (en) * 2019-03-19 2022-06-28 Deere & Company Forward-looking perception interface and control
US11864494B2 (en) * 2019-10-29 2024-01-09 Landing AI AI-optimized harvester configured to maximize yield and minimize impurities
US11904871B2 (en) 2019-10-30 2024-02-20 Deere & Company Predictive machine control
US20210394785A1 (en) * 2020-06-18 2021-12-23 Caterpillar Paving Products Inc. Remote manual and autonomous work machine control
US11845449B2 (en) * 2020-10-09 2023-12-19 Deere & Company Map generation and control system
US20230232739A1 (en) * 2022-01-26 2023-07-27 Deere & Company Systems and methods for predicting material dynamics

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU658066B2 (en) 1992-09-10 1995-03-30 Deere & Company Neural network based control system
DE19800238C1 (de) 1998-01-07 1999-08-26 Claas Selbstfahr Erntemasch System zur Einstellung einer selbstfahrenden Erntemaschine
US7415333B2 (en) 2005-03-24 2008-08-19 Deere & Company Management of vehicles based on operational environment
US9235214B2 (en) 2008-09-11 2016-01-12 Deere & Company Distributed knowledge base method for vehicular localization and work-site management
US20110295636A1 (en) 2010-05-27 2011-12-01 Noel Wayne Anderson Autonomous machine selective consultation
US20110295423A1 (en) 2010-05-27 2011-12-01 Noel Wayne Anderson Condition based keep-out for machines
US20140277905A1 (en) 2013-03-15 2014-09-18 Deere & Company Methods and apparatus to manage a fleet of work machines
US9934538B2 (en) 2014-09-24 2018-04-03 Deere & Company Recalling crop-specific performance targets for controlling a mobile machine
BR102016024151B1 (pt) 2016-01-06 2021-10-13 Cnh Industrial America Llc Meio legível por computador não transitório tangível, sistema e método para controlar pelo menos um veículo agrícola autônomo
US10188024B2 (en) 2016-05-02 2019-01-29 Cnh Industrial America Llc System for conducting an agricultural operation using an autonomous vehicle
US11646808B2 (en) * 2016-05-09 2023-05-09 Strong Force Iot Portfolio 2016, Llc Methods and systems for adaption of data storage and communication in an internet of things downstream oil and gas environment
US10528063B2 (en) 2017-03-07 2020-01-07 Sikorsky Aircraft Corporation Natural language mission planning and interface
US11325705B2 (en) * 2018-06-19 2022-05-10 Unmanned Laboratory Drone cloud connectivity for asset and facility operations
US20220413500A1 (en) * 2021-06-29 2022-12-29 Ben Eazzetta System and Method for Robotic Mission Planning & Routing

Also Published As

Publication number Publication date
US20210007277A1 (en) 2021-01-14
BR102020010158A2 (pt) 2021-01-19
US11690320B2 (en) 2023-07-04

Similar Documents

Publication Publication Date Title
DE102020206737A1 (de) Arbeitsmaschinensteuerung basierend auf maschinenfähigkeiten in bezug auf arbeitsauftragskriterien
DE102020204478A1 (de) Maschinensteuerung unter verwendung eines echtzeitmodells
DE102020204462A1 (de) Zonale maschinensteuerung
DE102020204363A1 (de) Bildauswahl für maschinensteuerung
DE102020204464A1 (de) Maschinensteuerung unter verwendung eines echtzeitmodells
DE102018209843A1 (de) Mähdrescher-Steuerschnittstelle für einen Bediener und/oder einen abgesetzten Benutzer
DE102016215197A1 (de) Einsatz- und Wegplanung unter Verwendung von Bildern von Erntegut-Windschäden
DE102015216081B4 (de) Mobile Maschine mit einer Anzahl kontrollierter Systeme zum Abrufen erntegutspezifischer Leistungsziele zur Kontrolle der mobilen Maschine
DE102019214038A1 (de) Kornqualitätskontrollsystem und -verfahren
DE102016215262A1 (de) Seitenwindkompensation bei der Reststoffverarbeitung
DE102020214893A1 (de) Leistungserfassungs- und steuersystem für mobile arbeitsmaschinen
DE102016212623A1 (de) UAV-basiertes Abfühlen für Arbeitsabläufe in einem Arbeitsbereich
DE102008056557A1 (de) Erstellung von Bilddatenbanken für Bildauswertung
DE102021200028A1 (de) Landwirtschaftliche erntemaschine mit vorauflauf-unkrauterkennungs- und -eindämmungssystem
DE102016212491A1 (de) Reduzierung von Verstopfungen durch Überkehrmaterial
DE102019215578A1 (de) Steuerung des betriebs von forstmaschinen auf basis von datenerfassung
DE102021120069A1 (de) Prädiktives geschwindigkeitskartenerzeugungs- und steuersystem
DE102022100945A1 (de) Maschinensteuerung mithilfe einer karte mit regimezonen
EP4032389A1 (de) System zur bestimmung eines bruchkornanteils
DE102020200396A1 (de) Maschinensteuerung mit biometrischer erkennung
DE102019206817A1 (de) Selbstlernendes steuersyste m für eine mobile maschine
DE102020001120A1 (de) Verbesserung der dimensionsübergreifenden leistung in der maschinensteuerung
DE102022122389A1 (de) Landmaschinensteuerung unter verwendung einer arbeitsqualität auf der grundlage einerin-situ-arbeitsablauferfassung
DE102020120877A1 (de) Überwachungs- und verbesserungssystem für die maschinensteuerung
DE102022203349A1 (de) Reihenerkennungsvorgänge mit kontexterfassung

Legal Events

Date Code Title Description
R081 Change of applicant/patentee

Owner name: DEERE & COMPANY, MOLINE, US

Free format text: FORMER OWNER: DEERE & COMPANY, MOLINE, US

R082 Change of representative

Representative=s name: ISARPATENT - PATENT- UND RECHTSANWAELTE BARTH , DE

R163 Identified publications notified