In Bearbeitung

Bitte warten ...

Einstellungen

Einstellungen

Gehe zu Anmeldung

1. WO2020200847 - AUTOMATISCHE VORHERSAGE DER VERWENDBARKEIT VON BETON FÜR MINDESTENS EINEN VERWENDUNGSZWECK AUF EINER BAUSTELLE

Anmerkung: Text basiert auf automatischer optischer Zeichenerkennung (OCR). Verwenden Sie bitte aus rechtlichen Gründen die PDF-Version.

[ DE ]

Ansprüche

1. Verfahren (100) zum Trainieren eines künstlichen neuronalen Netzwerks, KNN (1), welches mindestens ein Gütemaß (23a, 23b) für die Verwendbarkeit einer Charge Beton (2) auf einer Baustelle vorhersagt und/oder klassifiziert, wobei das Verhalten des KNN (1) durch einen Satz Parameter (12) charakterisiert ist, mit den Schritten:

• es wird eine Menge Lern-Datensätze (3) bereitgestellt (110), wobei jeder Lem-Datensatz (3) für eine Charge Beton (2) einen Satz Kenngrößen (21), der die stoffliche Zusammensetzung der Charge (2) charakterisiert, mindestens ein Maß (22) für die mechanische Konsistenz der Charge (2) sowie mindestens einen Wert für ein Gütemaß (23a, 23b), welches die Verwendbarkeit der Charge (2) für mindestens einen Verwendungszweck auf der Baustelle charakterisiert, umfasst;

• dem KNN (1) werden für jeden Lern-Datensatz (3) jeweils der darin

enthaltene Satz Kenngrößen (21) und das darin enthaltene Maß (22) für die mechanische Konsistenz als Eingaben (11) zugeführt (120), um eine

Vorhersage und/oder Klassifikation (23a*, 23b*) für das mindestens eine Gütemaß (23a, 23b) als Ausgabe (13) zu erhalten;

• die Vorhersage und/oder Klassifikation (23a*, 23b*) für das Gütemaß (23a, 23b) wird mit dem im Lern-Datensatz (3) enthaltenen Wert für das Gütemaß (23a, 23b) verglichen (130);

• es wird eine Kostenfunktion (14) ausgewertet (140), die von einer in dem Vergleich (130) ermittelten Abweichung D abhängt;

• die Parameter (12), und/oder die Lern-Datensätze (3), des KNN (1) werden angepasst (150) mit dem Optimierungsziel, den Wert der Kostenfunktion (14) zu verbessern.

2. Verfahren (100) nach Anspruch 1, wobei

• das KNN (1) zusätzlich mindestens eine Klimagröße (23c), die eine

Kenngröße für eine der Charge Beton (2) zuzuschreibende Klimaauswirkung ist, vorhersagt und/oder klassifiziert,

• Lem-Datensätze (3) jeweils auch den Wert der Klimagröße (23c) für die jeweilige Charge Beton (2), auf die sie sich beziehen, umfassen,

• das KNN (1) aus den Kenngrößen (21) und den Maßen (22) für die

mechanische Konsistenz in den Lern-Datensätzen (3) zusätzlich eine

Vorhersage (23c*) für die Klimagröße (23c) ermittelt (121),

• die Vorhersage (23c*) für die Klimagröße (23c) mit dem im jeweiligen Lern- Datensatz (3) enthaltenen Wert für die Klimagröße (23c) verglichen wird (131) und

• die Kostenfunktion (14) zusätzlich von einer in diesem Vergleich (131)

ermittelten Abweichung D' abhängt (141).

3. Verfahren nach Anspruch 2, wobei die Klimagröße (23c) ein Maß für die

Menge mindestens eines Treibhausgases beinhaltet, die infolge der Herstellung und/oder Verwendung der Charge Beton (2) emittiert und/oder in der Charge Beton

(2) gebunden wird.

4. Verfahren (100) nach einem der Ansprüche 1 bis 3, wobei der Lern-Datensatz

(3) zusätzlich

• eine Identifikation (24) des Orts, an dem mindestens ein für die Charge Beton (2) verwendeter Rohstoff gewonnen wurde, und/oder

• eine Identifikation (25) des Lieferanten der Charge Beton (2), und/oder

• ein Maß (26) für die Umgebungstemperatur zum Zeitpunkt der Festlegung des Gütemaßes (23a, 23b), und/oder

• eine Information dahingehend, was auf der Baustelle aufgebaut ist, und/oder • eine Information dahingehend, wohin die Charge Beton (2) geliefert wird, und/oder

• zumindest auszugsweise Planungsdaten für das zu errichtende Gebäude, und/oder

• zumindest einen Auszug aus einem Building Information Model, BIM, des zu errichtenden Gebäudes, und/oder

• eine Information über Herkunft, Art und/oder Konsistenz mindestens eines Bestandteils der Charge Beton (2), und/oder

• eine Information dahingehend, zu welchem Anteil mindestens ein Bestandteil der Charge Beton natürlich gewonnenes Material ist und zu welchem Anteil dieser Bestandteil Recyclingmaterial ist,

als weitere dem KNN (1) zuzuführende Eingaben (11) enthält.

5. Künstliches neuronales Netzwerk, KNN (1), trainiert mit dem Verfahren (100) nach einem der Ansprüche 1 bis 4.

6. Datensatz von Parametern, der ein KNN (1) charakterisiert, erhalten mit dem Verfahren (100) nach einem der Ansprüche 1 bis 4.

7. Verfahren (200) zur Vorhersage und/oder Klassifikation der Verwendbarkeit einer Charge Beton (2) auf einer Baustelle mit den Schritten:

• es wird ein Satz Kenngrößen (21), der die stoffliche Zusammensetzung der Charge (2) charakterisiert, ermittelt (210);

• es wird mindestens ein Maß (22) für die mechanische Konsistenz der Charge (2) ermittelt (220);

• die Kenngrößen (21) und das Maß (22) für die mechanische Konsistenz

werden einem trainierten KNN (1) als Eingaben (11) zugeführt (230);

• mindestens eine Vorhersage und/oder Klassifikation (23a*, 23b*) für ein Gütemaß (23a, 23b) für die Verwendbarkeit der Charge (2) für mindestens einen Verwendungszweck auf der Baustelle wird als Ausgabe (13) von dem KNN (1) abgerufen (240).

8. Verfahren (200) nach Anspruch 7, wobei aus dem trainierten KNN (1) zusätzlich mindestens eine Vorhersage und/oder Klassifikation (23c*) einer

Klimagröße (23c), die eine Kenngröße für eine der Charge Beton (2)

zuzuschreibende Klimaauswirkung ist, als Ausgabe (13) abgerufen wird (242).

9. Verfahren nach Anspruch 8, wobei die Klimagröße (23c) ein Maß für die Menge mindestens eines Treibhausgases beinhaltet, die infolge der Herstellung und/oder Verwendung der Charge Beton (2) emittiert und/oder in der Charge Beton (2) gebunden wird.

10. Verfahren (200) nach einem der Ansprüche 7 bis 9, wobei dem KNN (1) zusätzlich

• eine Identifikation (24) des Orts, an dem mindestens ein für die Charge Beton (2) verwendeter Rohstoff gewonnen wurde, und/oder

• eine Identifikation (25) des Lieferanten der Charge Beton (2), und/oder

• ein Maß (26) für die Umgebungstemperatur auf der Baustelle

als Eingaben (11) zugeführt werden.

11. Verfahren (200) nach einem der Ansprüche 7 bis 10, wobei in Antwort darauf, dass ein für einen ersten Verwendungszweck vorhergesagtes Gütemaß (23a*) ein vorgegebenes Gütekriterium nicht erfüllt, eine weitere Vorhersage und/oder Klassifikation (23b*) für einen zweiten Verwendungszweck als Ausgabe von einem trainierten KNN (1) abgerufen wird (241).

12. Verfahren (200) nach einem der Ansprüche 7 bis 11, wobei in Antwort darauf, dass das für einen Verwendungszweck vorhergesagte Gütemaß (23a*, 23b*) ein vorgegebenes Gütekriterium erfüllt, Mittel zur Zuführung der Charge (2) zu diesem Verwendungszweck angesteuert werden (250).

13. Verfahren (200) nach Anspruch 12, wobei das vorgegebene Gütekriterium zusätzlich von der vorhergesagten Klimagröße (23c*) für die Charge Beton (2) abhängt.

14. Verfahren (300) zur Nachverfolgung der Verwendung einer Charge Beton (2) mit den Schritten:

• in Assoziation mit der Charge (2) werden ein Satz Kenngrößen (21), der die stoffliche Zusammensetzung der Charge (2) charakterisiert, und/oder ein oder mehrere aus diesen Kenngrößen (21) gebildete Hashwerte, in einer

Blockchain (4) hinterlegt (310);

• ein Maß (22) für die mechanische Konsistenz der Charge (2) wird

physikalisch ermittelt (320) und in Assoziation mit der Charge (2) in der Blockchain (4) hinterlegt (330);

• ein Gütemaß (23a, 23b) für die Verwendbarkeit der Charge (2) für

mindestens einen Verwendungszweck auf der Baustelle wird ermittelt (340) und in Assoziation mit der Charge (2) in der Blockchain (4) hinterlegt (350).

15. Verfahren (300) nach Anspruch 14, wobei zusätzlich mindestens eine Klimagröße (23c), die eine Kenngröße für eine der Charge Beton (2)

zuzuschreibende Klimaauswirkung ist, ermittelt (343) und in Assoziation mit der Charge (2) in der Blockchain (4) hinterlegt wird (353).

16. Verfahren nach einem der Ansprüche 14 bis 15, wobei zusätzlich

• eine Identifikation (24) des Orts, an dem mindestens ein für die Charge Beton (2) verwendeter Rohstoff gewonnen wurde, und/oder

• eine Identifikation (25) des Lieferanten der Charge Beton (2), und/oder • ein Maß (26) für die Umgebungstemperatur zum Zeitpunkt der Festlegung des Gütemaßes (23a, 23b)

in Assoziation mit der Charge (2) in der Blockchain (4) hinterlegt werden (335).

17. Verfahren (300) nach einem der Ansprüche 14 bis 16, wobei das Gütemaß

(23a, 23b) als Vorhersage und/oder Klassifikation (23a*, 23b*) mit dem Verfahren (200) nach einem der Ansprüche 7 bis 13 ermittelt (341), und/oder mit einer mit dem Verfahren (200) nach einem der Ansprüche 7 bis 13 erhaltenen Vorhersage und/oder Klassifikation (23a*, 23b*) plausibilisiert (342), wird.

18. Verfahren (300) nach einem der Ansprüche 14 bis 17, wobei der tatsächliche Verwendungszweck (27), für den die Charge Beton (2) auf der Baustelle verwendet wird, in Assoziation mit der Charge (2) in der Blockchain (4) hinterlegt wird (360).

19. Verfahren (300) nach einem der Ansprüche 14 bis 18, wobei durch einen auf der Blockchain (4) operierenden Smart Contract (5) auf der Basis der in der

Blockchain (4) in Assoziation mit der Charge (2) hinterlegten Daten nach zuvor festgelegten Kriterien (5a) ein Preis (2a) für die Charge (2) ermittelt (370) und dem Lieferanten der Charge (2) gutgeschrieben wird (380).

20. Verfahren (300) nach Anspruch 19, wobei die zuvor festgelegten Kriterien (5a) mindestens vom Gütemaß (23a, 23b) für die Verwendbarkeit der Charge (2) für den mindestens einen Verwendungszweck auf der Baustelle, und/oder vom tatsächlichen Verwendungszweck, für den die Charge (2) auf der Baustelle verwendet wurde, abhängen.

21. Verfahren (300) nach Anspruch 20, wobei die zuvor festgelegten Kriterien (5a) zusätzlich von der Klimagröße (23c) für die Charge (2) abhängen.

22. Ein oder mehrere Computerprogramme, enthaltend maschinenlesbare Anweisungen, die, wenn sie auf einem oder mehreren Computern, und/oder auf einer Blockchain, ausgeführt werden, den einen oder die mehreren Computer, und/oder die Blockchain, dazu veranlassen, ein Verfahren (100, 200, 300) nach einem der Ansprüche 1 bis 21 auszuführen.

23. Maschinenlesbarer Datenträger und/oder Downloadprodukt mit dem einen Computerprogramm oder den mehreren Computerprogrammen nach Anspruch 22.