幅材生产线的多辊配准重复缺陷检测的制作方法

专利名称：幅材生产线的多辊配准重复缺陷检测的制作方法
技术领域：
本发明涉及自动检测系统，更具体地讲，涉及用于检测移动幅材的系统。
背景技术：
已经证明用于移动幅材分析的检测系统对现代制造过程至关重要。金属制造、造纸、非织造材料和膜等多种行业依靠这些检测系统进行产品检定和在线过程监控。幅材生产线上生产的产品会存在许多来源引起的异常或缺陷。一个关注的重点是幅材生产线引起的异常，例如，因连续旋转设备以规则的重复的模式接触幅材所产生的异常。此类设备可总体上描述为“辊”。幅材生产线上使用的典型辊包括(但不限于)浇注轮、牵引辊、压料辊、微复制辊、幅材清洁部件和惰辊。例如，辊表面可能被损坏(如划伤)或可能有污染物(如污垢或其他颗粒)，这在辊传送的移动幅材中引起异常或缺陷。此外，辊可能引起所谓的“重复异常”，因为在辊的每次旋转时都可以在移动的幅材中引入新异常。在所得幅材产品上，这些异常在相同横向或 “幅材横向”位置以等于辊周长的距离重复。幅材生产线可具有几百个辊，其中许多辊可具有相似的直径。利用常规检测系统很难识别引起幅材内的重复异常或缺陷的具体出错辊。例如，市售的幅材检测系统提供对重复缺陷(包括幅材横向位置和幅材纵向重复距离)的识别功能。然而，这些系统通常需要对给定生产线上的现有辊的直径有先验知识， 以便从整个数据流中提取重复缺陷的信息。此外，在许多情况下，给定幅材生产线上可能有许多惰辊或其他辊具有与重复异常的给定重复距离接近的周长，这使得对引发缺陷辊的识别更加困难。例如，薄膜生产线上的长度取向机可具有许多辊(如12个或以上)，这些辊均具有相同的8英寸标称直径。利用传统方法常常很难确定唯一的引发缺陷辊，一定程度上是由于每个这种辊直径的微小差异所致。此外，常规系统常常不能解释引发缺陷辊和幅材检测系统之间幅材的任何空间上的变形(如拉伸)。而且，也会发生未记载的幅材生产线上的辊更换。例如，直径5英寸的辊可以替换直径6英寸的辊，并且可以开始引入重复缺陷。由于未记载更换，并且辊的假设直径不正确，因此使用常规幅材检测系统的生产线操作者可能不会检查已更换的辊是否是造成异常或缺陷的根源。

发明内容
本发明整体描述了移动幅材自动检测技术。更具体地讲，本文所述技术允许自动检测系统对可识别原因引起的重复出现的异常和原因不可确定的随机异常进行辨别。幅材生产线的某些元件会在幅材内引起重复异常或缺陷。例如，用来支撑系统中传送的幅材的惰辊(本文统称“辊”)可能会在幅材内以规则的间隔产生重复异常。根据本文所述技术， 自动检测系统可以识别幅材内的这类重复异常，并确定异常的来源。这样可以让生产线的操作者对引发异常的元件进行定位，以修理或更换出错元件。虽然以示例性方式结合异常进行说明，但本文所述技术可以很容易适用于缺陷，并且本文使用术语“异常”来表示潜在或实际的缺陷。
如本文所述，幅材检测系统识别异常或缺陷在幅材内的位置，然后将这些位置与幅材制造过程中接收的辊同步信号相关联。例如，幅材制造过程中每一个所关注的辊都配有同步标记。在幅材制造过程中，幅材检测系统接收来自每个辊的辊同步信号，该信号指示相应的辊已完成完整的旋转。幅材检测系统记录这些同步标记每次发生时相对于幅材纵向位置坐标系的位置。然后，幅材检测系统将辊同步信号的位置数据与异常或缺陷的位置数据相关联。在一个实施例中，本发明涉及一种方法，该方法包括接收来自幅材制造系统的多个传感器的辊同步信号，其中每个传感器对应于幅材制造系统的不同辊，并且其中每个辊同步信号表明在幅材制造过程中对应的辊已完成完整的旋转。该方法还包括从幅材检测系统接收用来识别异常在幅材上的位置的异常数据。该方法还包括将一组两个或更多个的异常识别为重复异常、通过将重复异常的位置与辊同步信号进行相关处理来识别引起重复异常的辊，以及输出这些辊中出错辊的标识信息。在另一个实施例中，本发明涉及一种系统，该系统包括多个接触幅材的辊，其中两个或更多个辊各自包括指示对应的辊完成完整旋转的时间的同步标记。该系统包括多个同步标记阅读器，这些阅读器读取多个辊的同步标记并输出辊同步信号。每个辊同步信号都表明幅材制造过程中对应的辊已经完成完整的旋转。该系统还包括在至少一个辊上的编码器和检测系统，其中编码器输出指示幅材的幅材纵向距离的位置信号，检测系统检测幅材并输出指示异常在幅材上的位置的异常数据。同步单元接收来自编码器的位置信号和来自同步标记阅读器的多个辊同步信号，并且将每个辊同步信号的发生转化为与幅材生产线关联的坐标系内的幅材纵向位置。分析计算机处理异常数据，以将一组两个或更多个异常识别为重复异常。分析计算机通过对重复异常的位置与辊同步信号的幅材纵向位置进行相关处理，输出对引起重复异常的辊的指示信息。在另一个实施例中，本发明涉及包含软件指令的计算机可读存储介质。这些指令促使计算机的可编程处理器执行软件指令，并执行本文规定的至少一些功能。本文所述的技术可以提供若干优点。例如，该技术可以实现显著高于常规系统的精确度改善。例如，该技术可用于轻松区分相差不到25 μ m的辊尺寸。这样可以从一组直径相似的辊中识别出错辊，从而可以更简单更稳健地维护制造过程。此外，该技术允许从甚至大量的随机缺陷中识别待检测幅材上的重复异常或缺陷。此外，该技术允许系统测量辊的缺陷产生区域的准确幅材横向和周向位置，甚至区分相同幅材横向位置处的多个重复缺陷。附图和下文的具体实施方式
详细描述了本发明的一个或多个实施例。从说明书及附图以及从权利要求中可显而易见本发明的其他特征、目的和优点。


图1为框图，示出了全局网络环境，转换控制系统在其中控制幅材的转换。图2为框图，示出了示例性幅材制造厂的检测系统的示例性实施例。图3为框图，示出了幅材制造厂的示例性实施例中的幅材制造系统的示例性实施例。图4为框图，更详细地示出了远程同步单元的示例性实施例。
图5为框图，示出了一个系统，该系统将辊位置数据与检测数据结合，以确定是否有某个辊正引起重复异常，如果有，则确定哪个辊正引起重复异常。图6为框图，示出了来自辊的一组示例的异常数据和对应的位置数据。图7为框图，示出了发生若干次随机异常和重复异常的示例幅材。图8为框图，示出了由图7的数据形成的示例合成图。图9为流程图，示出了用于识别正引起重复异常的辊的示例性方法。图10为框图，示出了被分成条以便分析每个条的示例幅材。图11为流程图，示出了用于确定是否存在重复异常的示例性算法。图12为框图，示出了示例性用户界面。
具体实施例方式图1为框图，示出了全局网络环境2，转换控制系统4在其中控制幅材的转换。更具体地讲，幅材制造厂6A-6M( “幅材制造厂6”)表示在相互之间生产和运送幅材卷7形式的幅材，然后将成品幅材卷10运送至转换位点8A-8N(转换位点8)的制造位点。幅材制造厂6可以按地理位置分布，每个幅材制造厂可以包括一个或多个生产线。转换位点8可以是与幅材制造厂6相同的实体的一部分。然而，在一些实施例中，转换位点8是成品幅材卷 10的用户。转换位点8可以从幅材制造厂6购买成品幅材卷10，并根据等级水平将成品幅材卷10转换成用于组装到产品12中的单个片材。也就是说，可以根据每个片材所符合的等级水平选择应将哪个片材组装到哪个产品12中。根据本文所述的技术，转换位点8还可以接收与成品幅材卷10中的异常有关的数据，即可能的缺陷。最后，转换位点8可以将成品幅材卷10转换成可以组装到销售给客户14A-14N(客户14)的产品12中的各个片材。通常，幅材卷7、10可以包含生产好的幅材，其可以是在一个方向具有固定尺寸， 或在其正交方向具有预定或不确定长度的任何片状材料。幅材的例子包括但不限于金属、 纸张、织物、非织物、玻璃、聚合物膜、柔性电路或它们的组合。金属可以包括例如钢或铝等。 织物一般包括各种布。非织物包括例如纸张、过滤介质或绝缘材料等。膜包括例如透明和不透明的聚合物膜，包括层压材料和涂覆膜。为了生产准备转换成用于组装到产品12中的各个片材的成品幅材卷10，非成品幅材卷7可能需要经多条生产线的处理，这些生产线可位于一个幅材制造厂内，例如幅材制造厂6A内，也可位于多个制造厂内。每个加工过程通常都使用幅材卷作为原料卷，利用卷将幅材送入制造过程中。完成每个加工过程后，幅材通常再次卷绕成幅材卷7并转移至不同产品线或运送至不同制造厂，在那里进行退绕、加工并再次卷绕成卷。不断重复该过程，直至最终生产出成品幅材卷10。某个工厂(例如幅材制造厂6A)可以在该工厂完成对幅材卷7的加工之后检测到在幅材卷7内引入的异常，但在另一个幅材制造厂(例如幅材制造厂6B)已经完成对幅材卷7的加工之后，该异常可能变得无法检测。在许多应用中，各幅材卷7的幅材可以具有在一个或多个幅材制造厂6的一条或多条生产线涂敷的多个涂层。涂层一般在第一个制造过程涂敷到幅材基材的暴露表面，或者在后续制造过程中涂敷到之前涂敷的涂层上。涂层的例子包括粘合剂、硬涂层、低粘附力背面涂层、金属化涂层、中密度涂层、导电或不导电涂层，或者它们的组合。给定涂层可以只涂敷到幅材的一部分或完全覆盖幅材的暴露表面。此外，幅材可以有图案或无图案。在一个给定幅材卷7的各制造过程中，一个或多个检测系统会采集幅材的异常信息。例如，如图2所示，处理幅材时，如向幅材施加一个或多个涂层时，生产线的检测系统可以包括紧邻连续移动幅材设置的一个或多个图像采集装置。图像采集装置扫描连续移动幅材的连续部分，以获得数字图像数据。检测系统可以使用一种或多种算法分析图像数据，以产生所谓的“本地”异常信息。异常信息可以包括表示幅材的不同区域并定义相应区域处幅材的物理偏差的多种特性的多种异常对象。异常对象可以定义特性，如幅材异常区域的宽度偏差或幅材异常区域的长度偏差。因此长度和宽度可以表示与预定特性的物理偏差，其可定义(例如)多种等级水平。在一个示例性实施例中，可以采集和处理图像数据，以识别异常并形成作为代表每个异常的数据结构的异常对象。与异常信息采集和配准有关的信息详见转让给本发明受让人的Floeder等人在2007年7月沈日提交的序列号为11/828，369 的共同未决的专利申请“Multi-Unit Process Spatial Synchronization^多单元处理空间同步)，该专利全文以引用方式并入本文中。通常，转换控制系统4采用一种或多种应用特定(即特定于产品12)的缺陷检测算法来选择和生成每个幅材卷10的转换方案。某个异常可以造成一种产品(例如产品12A) 中的缺陷，而该异常不会在不同产品(例如产品12B)中造成缺陷。每个转换方案表示定义的指令，用于将对应成品幅材卷10加工以形成可以最终出售给客户14的产品12。幅材制造厂6内的生产线的某些元件可以在幅材内引入重复异常或缺陷。例如， 当幅材经过生产线时接合该幅材的“辊”可以在幅材内以规则的间隔引入重复异常。幅材生产线内使用的辊的例子包括浇注轮、牵引辊、压料辊、微复制辊、幅材清洁部件和惰辊。根据本文所述技术，位于制造厂6内或远程的自动检测系统识别幅材内的这些重复异常，并确定引入重复异常的源辊。这样可以让操作者定位系统中引发异常的元件，并修理或更换该出错元件。如下文详述的，每个幅材检测系统识别异常或缺陷在幅材内的位置，然后将这些位置与幅材制造过程中接收的辊同步信号相关联。例如，制造厂6的给定幅材制造过程的每个所关注的辊可以装配有同步标记。在幅材制造过程中，幅材检测系统接收来自每个辊的辊同步信号，该信号指示相应的辊已完成完整的旋转。幅材检测系统记录这些同步标记的发生。幅材检测系统接着将每个辊同步信号的发生转化到检测系统的空间域，以与异常或缺陷的位置数据相关联。本文所述的技术可以提供若干优点。例如，该技术可以实现显著高于常规系统的精确度改善。例如，该技术可用于轻松区分相差不到25 μ m的辊尺寸。这样可以从一组直径相似的辊中识别出错辊。此外，该技术允许从甚至大量的随机缺陷中识别待检测幅材上的重复异常或缺陷。此外，该技术允许系统测量辊的缺陷产生区域的准确幅材横向和周向位置，甚至区分相同辊上或相同幅材横向位置处的多个重复缺陷。此外，在一些情况下，异常对于常规检测系统常常表现得一样，而不论该异常发生在幅材上侧或是下侧。然而，往往希望知道幅材缺陷发生在哪一侧，因为例如幅材一侧(比如下侧)的异常可以在后续过程中被涂层修复，但上侧的异常在最终制造过程之后依然可见。因此，通过确定导致特定重复异常的出错辊，检测系统可以存储指定每个辊所处的一侧 (即上侧或下侧)的数据，并自动将每个重复异常与各个辊相关联，从而确定异常发生在幅材的哪一侧。通过将数据显示和指示给用户，并存储在数据库内或传输给其他电子系统或装置，可以输出指示引起异常的辊的一侧的数据。本文所述检测系统还可以被配置为在不提示操作者的情况下自动忽视幅材下侧的重复异常，而立即向操作者提示上侧的缺陷。作为另外一种选择，可以将幅材下侧的此类异常设定为较低水平提示或警告水平提示。因此，本文所述技术的另一个可能的优点可以是有效检测和报告不同重要程度的异常。图2为框图，示出了位于图1的示例性幅材制造厂6A中的幅材生产线一部分内的检测系统的示例性实施例。在该示例性实施例中，幅材20的一段位于两个支撑辊22J4之间。图像采集装置26Α46Ν(图像采集装置26)紧邻连续移动幅材20设置。图像采集装置 26扫描连续移动幅材20的连续部分以获得图像数据。采集计算机27从图像采集装置沈收集图像数据，然后将图像数据传送至分析计算机观进行初步分析。图像采集装置沈可以是能够读取移动幅材20的连续部分并以数据流方式提供输出的常规图像装置。如图2所示，成像装置沈可以是直接提供数字数据流的摄像机或是额外具有模数转换器的模拟摄像机。其他传感器，例如激光扫描仪，可以作为图像采集装置使用。幅材的连续部分表示通过连续的单线采集数据。单线包括映射到单排传感器或像素的连续移动幅材的区域。适于采集图像的装置例子包括线扫描摄像机，例如得自加拿大 Dalsa(Waterloo, Ontario)的 Piranha 型或得自 Atmel (San Jose, Calif)的 Aviiva SC2CL型。其他例子包括与模数转换器结合使用的得自Surface Inspection Systems GmbH (Munich, Germany)的激光扫描仪。可以通过使用辅助获取图像的光学组件可选地采集图像。组件可以是摄像机的一部分，也可以与摄像机分开。光学组件在成像过程中利用反射光、透射光或折射光。反射光， 例如通常适合检测由于幅材表面变形引起的缺陷，例如表面划痕。在一些实施例中，基准标记控制器30控制基准标记阅读器四从幅材20收集卷和位置信息。例如，基准标记控制器30可以包括一个或多个用于读取幅材20的条形码或其他标记的光学照相传感器。此外，基准标记控制器30可以接收来自一个或多个与幅材20 和/或辊22J4接合的高精度编码器的位置信号。基准标记控制器30根据位置信号确定每个检测到的基准标记的位置信息。基准标记控制器30将卷和位置信息传送至分析计算机观。用于施加和使用基准标记以识别幅材上的特定位置的技术在转让给本发明受让人的Floeder等人于2004年4月19日提交的序列号为10/826，995的共同未决的专利申请 "Apparatus and Method for the Automated Marking on Webs of Material，，(用于自动标记幅材的设备和方法)中有所描述，该专利申请全文以引用方式并入本文中。虽然结合基准标记和基准标记控制器30与阅读器四进行了讨论，但并非所有实施例中都需要基准标记来实施本文所述技术。在其他实施例中，在不脱离本文所述技术的情况下，可以用其他方式确定异常在幅材上的位置和其他信息。分析计算机观处理来自采集计算机27的图像流。分析计算机观使用一种或多种初始算法处理数字信息，产生可识别包含最终可能被判定为缺陷的异常的幅材20任何区域的本地异常信息。对于每个识别出的异常，分析计算机观从图像数据提取包含像素数据的异常图像，其中像素数据包括幅材20上的异常和可能的周围部分。必要时，分析计算机28可以将异常分为不同的缺陷类别。例如，可以有用于辨别斑点、划痕和油滴的独特缺陷类别。其他类别可以辨别更多缺陷类型。根据本文所述的技术，分析计算机观还可以确定异常可在哪种产品12中造成缺陷。根据基准标记控制器30生成的位置数据，分析计算机观可确定每个异常在生产线坐标系统内的空间位置。即，根据来自基准标记控制器30的位置信息，分析计算机观确定每个异常在当前生产线所用坐标系内的x、y以及可能的ζ位置。例如，可以限定坐标系， 使得χ维度表示幅材20的横向距离，y维度表示幅材的纵向距离，ζ维度表示幅材的高度， 高度取决于涂层的数量、材料或此前涂覆幅材上的其他层。此外，可以限定x、y、z坐标系在生产线内物理位置处的原点，其通常与幅材20的初始进料位置相关。在任何情况下，分析计算机观在数据库32中记录每个异常相对于生产线坐标系的空间位置，该信息在本文中称为本地异常信息。即，分析计算机观可将幅材20的本地异常信息储存在数据库32内，包括幅材20的卷信息和每个异常的位置信息。分析计算机观还可以记录产品12中的那些每个异常可造成缺陷的产品。数据库32可以按许多不同形式执行，包括数据存储文件或在一个或多个数据库服务器上执行的一个或多个数据库管理系统(DBMS)。数据库管理系统可以是例如关系(RDBMS)、分层(HDBMS)、多维(MDBMS)、面向对象(0DBMS或00DBMS)或对象关系(ORDBMS)数据库管理系统。例如，数据库32是作为由 Microsoft Corporation的SQL krver 提供的关系数据库执行的。一旦加工过程结束，分析计算机28便会将收集在数据库32中的数据通过网络9 传送至转换控制系统4。具体地讲，分析计算机观将卷信息以及本地异常信息和各自的子图像发送至转换控制系统4，用于后续离线详细分析。例如，可以通过数据库32与转换控制系统4之间的数据库同步来传送信息。在一些实施例中，转换控制系统4可以确定产品12 中的那些每个异常可造成缺陷的产品，而不是由分析计算机观确定。一旦将成品幅材卷10 的信息收集到数据库32中，可以用这些数据标记幅材卷上的异常，可以直接在幅材表面上标记可移除或可洗的标记，或在于标记幅材上的异常之前或期间被用于幅材的覆盖片上标记。图3为框图，示出了示例性幅材制造厂(如图1的幅材制造厂6A)中的示例性幅材生产线40的更多细节。也就是说，图3示出了具有各种辊的典型幅材生产线。例如，虽然为简单起见图2仅示出惰辊46A-46N，但生产线40可具有多种类型的辊，包括惰辊、牵引辊、长度取向机、涂布辊等。在一些情况下，幅材生产线沿幅材40的整个横向路径可具有一百个或更多个辊。制造系统40可以是与图2的检测系统相同的生产线的一部分，或者可以是与图2的检测系统不同的生产线的一部分。制造系统40通常通过以下方式生产幅材44 从引导辊41中拉出基材，并经过生产部件48A-48M(生产部件48)生成将幅材卷绕到幅材辊42上的幅材44。因此，幅材44可以横贯幅材生产部件48，生产部件48通过多种方式制造幅材44。例如，生产部件48中的一个(如生产部件48A)可以在幅材44上涂覆涂层。当幅材44穿过幅材制造系统40时，惰辊46A-46N (惰辊46)为幅材44提供支撑。 也就是说，幅材44在由生产部件48制造的过程中可以支撑在惰辊46上。虽然可能需要惰辊46来正确定位幅材44，但惰辊46可能会在幅材44内引起异常或缺陷。例如，惰辊46中的一个或多个可能划伤幅材44的下侧。虽然结合惰辊46进行讨论，但幅材制造系统40内可以存在其他类型的辊，例如浇注轮、牵引辊、压料辊、微复制辊或幅材清洁部件，以代替惰辊46或作为其补充。因此，本文所述技术不限于与惰辊一起使用，而是可以应用于幅材生产线内的任何所关注的辊。使用惰辊仅仅是为了举例说明。本文所述技术识别异常或缺陷在幅材内的位置，并将这些位置与辊同步信号相关联。例如，幅材制造过程40中所关注的每个辊可配备各自的同步标记47A-47N。此外，同步标记阅读器50A-50N(同步标记阅读器50)与每个所关注的辊(本例中为每个惰辊46)相关联，以用于感测各自的同步标记。每个同步标记阅读器50可以检测对应的一个惰辊46 完成完整旋转的时间，然后以触发脉冲形式发出辊同步信号，再由远程同步单元M检测该信号。也就是说，每个同步标记阅读器50可以在对应的一个辊46完成完整旋转之后输出短脉冲，每个短脉冲的前沿可以表明已经检测到完整的旋转。在一个实施例中，每个同步标记阅读器50可以是光学照相传感器。例如，阅读器50可为得自Banner Engineering Corp 的DlO系列传感器。通常，当对应的同步标记47旋转经过阅读器50时，阅读器50检测到该同步标记。在示例性实施例中，同步标记47可以是靶，例如回射材料或辊的机加工部分。 一旦检测到对应的一个辊46上的基准点同步标记47，则对应的一个阅读器50将输出同步标记信号。因此，每个阅读器50根据对应的一个辊46的每次旋转输出离散信号。为了有助于将辊同步信号转化到与幅材生产线40相关联的坐标系的空间域，在沿生产线的一个或多个辊上固定着旋转编码器。在该实例中，旋转编码器52固定到幅材辊 41上。在其他实施例中，编码器可以代替或作为编码器52的补充与一个或多个辊46—起使用。在一个实施例中，编码器52可以是基于正弦编码器的定位传感器。其他实施例可采用其他类型的定位传感器或编码器。通常，编码器52输出直接与幅材卷41的物理移动同步的电脉冲串。例如，编码器52可以根据幅材卷41的每次旋转发出一系列脉冲。例如，在一个实施例中，编码器52可以每次旋转发出四百万个脉冲，从而提供较高的位置精确度。远程同步单元M接收来自编码器52的位置脉冲和来自同步标记阅读器50的辊同步信号，并生成识别与每个惰辊46对齐的幅材44的各个片段的逻辑图。例如，对于每个辊，远程同步单元M将幅材的空间域分成一系列片段，每个片段的长度与对应的辊的周长相等。例如，对应于惰辊46A的每个幅材片段为18. 85英寸，即6. 00英寸*π。对应于惰辊46Β的每个幅材片段为18. 91英寸，并且对应于惰辊46C的每个幅材片段为18. 79英寸。 通过这种方式，远程同步单元M使用来自编码器52的位置数据和来自同步标记阅读器50 的辊同步信号将辊同步信号转化到生产线40的坐标系的空间域，以确定每个辊或所关注辊在该空间域的幅材片段。因此，远程同步单元M不一定需要关于每个辊46的准确直径的先验数据才能确定幅材片段并最终检测重复缺陷。 在一些情况下，所关注的一些或全部辊可具有大致相等的直径。例如，一部分或全部惰辊46可具有大约六英寸的相同直径。然而，由于制造偏差，该部分惰辊46通常不具有完全相同的直径。例如惰辊46Α的直径可以是6. 01英寸，惰辊46Β的直径可以是6. 02英寸，惰辊46C的直径可以是5. 98英寸。所述技术充分利用通过计算给定辊的重复缺陷与对应的辊同步信号之间的相对偏差的变化获得的平均化。这提供了精确的精度，允许甚至在具有尺寸基本相同的辊但辊本身有制造偏差的生产线内进行重复缺陷检测。
为了将异常与某个惰辊46相关联，检测系统可以首先收集关于幅材44的数据。 利用远程同步单元M收集并关联的来自编码器52的脉冲和来自同步标记阅读器50的辊同步信号，检测系统分析每个辊的已识别幅材片段的异常数据。检测系统可以将这些幅材片段的许多实例的数据结果平均化。例如，在一个实施例中，检测系统可以收集给定辊的 100个幅材片段数据的实例。然后，检测系统分析该数据，以尝试区分重复异常和随机异常。 如果给定辊的已分析幅材片段的大多数实例中发生某异常，并且在那些发生该异常的实例中，异常发生在相同或相对接近相同的位置处，则检测系统可以确定该异常为例如其中一个辊46引起的重复异常。例如，如果惰辊46A在幅材44内引起某异常，则该异常可能会重复，并且假设辊46A的直径为6. 00英寸时，则重复异常的实例应当发生在相隔大约18. 85 英寸处。在一些布置中，惰辊46在幅材44中引入的至少一些异常可以在幅材44准备转换成片材之前修复，即校正。换句话讲，虽然惰辊46可以在幅材44内引入异常，但由于在幅材44准备转换之前可通过其他制造过程校正异常，因此该异常可能不会造成缺陷。例如， 惰辊46引入幅材44的异常会出现在幅材44下侧。出现在幅材44上侧的异常不会在幅材 44内修复或校正。也就是说，当包含出现在幅材44顶面的异常的幅材片段或单个片材被转换成其中一个产品12时，这些异常会在产品12内造成缺陷。根据本文所述技术，检测系统可能能够确定异常是发生在幅材44的上侧还是下侧。此外，检测系统可能能够将发生在上侧的异常的根源追踪到具体的某个惰辊46，例如惰辊46A。因此，制造系统40的操作者可以定位引起异常的惰辊46A的部分，并修理惰辊46A。图4为框图，更详细地示出了远程同步单元M的示例性实施例。如图3所示，远程同步单元M可以电连接到编码器52和同步标记阅读器50，以接收来自它们的信号。通常，示例性远程同步单元M感测所接收到的每个辊同步信号(在图4中示出为 “一次返回”(Once Around)信号A、B-N)的发生，并将该信号转化到相对于来自编码器52 的位置数据的空间域。此外，同步单元M输出位置数据，该位置数据指示对应于相应辊的一次旋转的同步信号的位置。在示例性实施例中，远程同步单元M包括计数器56A_56N( “计数器56”)和寄存器58A-58N(“寄存器58”)。每个同步标记阅读器50与计数器56中的一个相关联，该计数器又与寄存器58中的一个相关联。来自编码器52的脉冲信号被用作驱动计数器56的全局增量。也就是说，当编码器52检测到幅材移动时，编码器52发出用于使每个计数器56 同时递增的一系列脉冲。在图4的示例性实施例中，辊46A可包括围绕辊外边缘的一系列洞，从这些洞中可以照进光线。每当编码器52检测到进入其中一个洞的光线时，编码器52 可以向每个计数器56发送信号。计数器56继而可以接收并行的编码器信号脉冲串，同时使其对应的计数器递增。来自每个辊的辊同步信号被用作触发信号，以将该值记录在该辊对应的计数器内。特别地，在任何辊46的完整旋转过程中，该辊对应的同步标记47将经过相关的同步标记阅读器50。例如，对于辊46A的每次旋转，同步标记阅读器50A将检测同步标记47A。一旦检测到同步标记47A，同步标记阅读器50A将向远程同步单元M输出短脉冲形式的辊同步信号。作为对该脉冲的响应，远程同步单元M将对应计数器(本例中为计数器56A)的当前值锁存到对应数据寄存器(寄存器58A)内。控制器60高速轮询每个寄存器58或者被中断驱动，以检索最新的计数器数据。因此，控制器60的轮询循环快于所有辊46的旋转。如果在轮询其中一个寄存器58 (如寄存器58A)之后计数器数据与前一轮询的相同，则控制器60可忽略当前计数器数据。然而，如果计数器数据已经改变，则控制器60可检索计数器数据，并将该计数器数据与辊号一起发送至分析计算机59(图幻。也就是说，在检测到某个数据寄存器58的变化之后，同步单元 M的控制器60以当前编码器脉冲数的形式输出辊位置数据。如结合图5和6所述，分析计算机59可以协调每个辊的辊位置数据与检测数据，以确定任何异常是否为辊46中的一个引起的重复异常，并确定辊46中的哪个引发了重复异常。分析计算机59可以将数据输出至显示器，以指示辊46中的哪个引发了每一组重复异常。例如，分析计算机59可以输出幅材一部分的图示以及对重复异常和所识别的引发该重复异常的辊的指示。此外，分析计算机59可以把将重复异常与所识别的引发该重复异常的辊相关联的数据输出并存储在数据库(如数据库32)中。图5为示出系统61的框图，其中分析计算机59将来自一个或多个远程同步单元(如图3和4的远程同步单元的辊位置数据与检测数据组合，以确定是否其中一个所关注的辊(如任何辊46)正在引发重复异常，如果有，则确定是哪个辊在引发重复异常。 可以将分析计算机59连接到一个或多个幅材检测部件，如以举例的方式结合图2的分析计算机观、采集计算机27和图像采集装置沈示出的。使用检测系统检测幅材是否存在异常在下列专利中有更详细的描述转让给本发明受让人的Floeder等人于2007年7月 26日提交的序列号为11/拟8，369的共同未决的专利申请“Multi-Unit Process Spatial Synchronization"(多单元处理空间同步)；以及转让给本发明受让人的Floeder等人于 2004年4月19日提交的序列号为10/拟6，995的共同未决的专利申请“Apparatus and Method for the Automated Marking of Defects on Webs of Material，，(用于自动标记幅材缺陷的设备和方法)，这些专利申请全文以引用方式并入本文中。在一个实施例中，分析计算机59可以是服务器级计算机。在其他实施例中，分析计算机59可以是分布式计算系统或能够处理用于处理检测和位置信息所需的大量数据的其他计算系统。如上所述，远程同步单元M的控制器60在检测到辊46中的一个的旋转之后发送辊位置数据，该辊位置数据可以辊标识信息(即触发号)和所记录的当前编码器位置的形式存在，其中当前编码器位置表示该辊的给定完整旋转的幅材纵向位置(DW位置)。在一些实施例中，编码器52可以将位置脉冲同时发送至远程同步单元M和检测系统，以允许将辊的幅材片段的空间域与检测到的异常相关联。在其他实施例中，可以用两个不同的编码器提供由分析计算机59核对的位置基准信息。在其他实施例中，检测系统可以采用不同的方式(例如基准标记)追踪沿幅材纵向的距离。使用幅材基准标记的技术在转让给本发明受让人的Floeder等人提交于2007年7月沈日、序列号为11/828，376的共同未决的专利申请"Fiducial Marking for Multi-Unit Process Spatial Synchronization，，(用于多单元处理空间同步的基准标记)中有所讨论，该专利申请全文以引用方式并入本文中。在任何情况下，分析计算机59将来自远程同步单元M的辊位置数据与检测系统确定的幅材上的异常的位置数据相关联。可以从检测传感器向采集计算机62A-62M(“采集计算机62”)传输视频或其他图像数据。这些计算机表示能够采集和处理用于检测幅材上各种类型的异常(如划痕、斑点、液滴、溅痕或其他类型的异常)的检测数据的软件和/或硬件。例如，采集计算机62可以是在分析计算机59或图2的分析计算机四上执行的软件模块。作为另外一种选择，采集计算机62可以是与分析计算机分开的离散单元。在任一种情况下，当采集计算机62中的一个检测到异常(例如，当采集计算机62A检测到异常)时， 传感器62A输出指定异常类型、异常的幅材横向位置和异常的幅材纵向位置的异常数据。分析计算机59处理异常数据和辊位置数据，以确定是否有任何异常重复发生在相同辊的多个幅材片段内的基本上相同的幅材横向位置处并具有基本上相同的幅材纵向偏移量。例如，如果辊46中的一个引起了重复异常，则重复异常发生在基本上相同的幅材横向位置，并且会以对应的辊的周长(即引起重复异常的辊的周长)的间距重复出现。这样，分析计算机59可以确定重复异常正在发生。此外，通过将重复异常的幅材纵向位置与不同辊的幅材片段的幅材纵向位置相关联，分析计算机59能够识别哪个辊46正在引起每个重复异常。图6为框图，示出了示例的一组异常数据63和对应的辊位置数据65。在被分析计算机59处理之前，所有异常都可能看起来一样，即，随机异常和重复异常看上去没有区别。 然而，在分析之后，分析计算机59会区分随机异常74与重复异常64、66、70和72。编码器52和同步标记阅读器50产生一系列脉冲，这些脉冲以图形方式描述每个辊46随时间变化沿幅材纵向长度67的位置。来自编码器52的编码器脉冲和来自同步标记阅读器50的同步脉冲分别被表示为信号76和图78A-78N(“图78，，)。根据辊位置数据， 分析计算机59确定编码器52发出的发生在来自其中一个同步标记阅读器50的同步脉冲之间的编码器脉冲的数量。在图6的实例中，辊46A每次旋转具有11个编码器脉冲，辊46C 每次旋转具有19个编码器脉冲，辊46B和46D每次旋转都具有9个编码器脉冲。分析计算机59确定异常64A_64D( “异常64”)发生在相同幅材横向位置。分析计算机还确定异常64中的一个发生在来自辊46C的每个同步脉冲之后的一个编码器脉冲时。也就是说，在该实例中，异常的幅材纵向位置相对于辊46C的新幅材片段开始处的偏移量不变。因此，分析计算机59确定异常64为重复异常，并且是由辊46C所引起。操作者接着可以在重复异常64的幅材横向位置处检查辊46C，并修理或更换辊46C。相似地，一组异常66A_66D( “异常66”)均发生在相同幅材横向位置处。然而，存在预期会发生的错漏异常68A和68B。可能出错辊并未引起异常，或者检测系统未能检测到位置68A和/或68B处的异常。然而在任一种情况下，分析计算机59仍然可以确定存在重复异常。这是因为，即使对于错漏异常68A和68B，当辊的大多数新幅材片段包含处于相同的幅材横向位置内并且到同步脉冲(即该辊的新幅材片段开始处)的距离基本上相同的异常时，分析计算机59确定存在重复异常。在这种情况下，每个重复异常66在信号78A的大多数同步脉冲之后出现7个编码器脉冲。因此，分析计算机59可以确定辊46A正在引起重复异常。本文所述技术甚至可用于检测重复异常70A_70G( “重复异常70”)和重复异常 72A-72G(“重复异常72”)，并用于区分重复异常70和重复异常72。重复异常70和重复异常72均发生在相同幅材横向位置处。每个重复异常70在图78B的同步脉冲之后出现1个编码器脉冲，并在图78D的同步脉冲之后出现4个编码器脉冲。每个重复异常72在图78B 的同步脉冲之后出现7个编码器脉冲，并在图78D的同步脉冲之后出现1个编码器脉冲。虽然看上去辊46B或46D都可能正在引起这两种重复缺陷中的任一种，但分析计算机59仍可以确定重复缺陷70和72中哪一个是由辊46B和46D引起，因为辊46B和46D的直径很可能有可检测的差值。为便于显示和阅读，图6的实例中示出了少量编码器脉冲。然而，在许多实施例中，在同步脉冲之间使用了多得多的编码器脉冲。例如，在一个实施例中，同步脉冲之间可以出现多达四百万个编码器脉冲。在此分辨率下，甚至有可能检测极其小的随时间推移的位置差别。因此，如果具有相同标称直径的两个不同的辊正在相同的幅材横向位置引起两组重复缺陷，当一组异常与这两个辊中的一者的同步脉冲相关联时，该组异常会看上去静止，而另一组则会看上去在滑动。图7和8概念性地示出了这一点。图7为框图，示出了发生若干次随机异常和重复异常的示例幅材80。幅材80可以相当于例如幅材44。在该实例中，幅材80可经过三个惰辊，例如惰辊46A、46B和46C。惰辊46A、46B和46C可具有6英寸的相同标称直径，但每个辊的实际直径可略有不同。利用对应于惰辊46的同步标记从逻辑上确定给定辊的幅材片段。在图7的实例中，虚线用来表示幅材片段82A-82D (幅材片段82)之间的分界线，即虚线表示辊46中的一个的来自同步标记阅读器50中的一个的同步脉冲。每个虚线出现在固定距离102之后，该距离等于惰辊 46中的一个的周长，即同步脉冲之间的距离。例如，在本例中，距离102可以是18. 85英寸。由于这种分段，可以确定是否(例如)惰辊46A正在引起幅材44上的任何异常。 幅材片段82A包括异常84A、86A、88A、90和92。幅材片段82B包括异常84B、86B、88B和94。 幅材片段82C包括异常84C、86C、88C、96和98。幅材片段82D包括异常84D、86D、88D和80。 为了确定是否任何这些异常是惰辊46A引起的重复异常，分析计算机确定各异常与各同步脉冲(即各虚线表示的各幅材片段的开始处)之间的距离。虽然图7为举例说明仅示出4 个幅材片段82，但可以使用多得多的片段进行分析。例如，在一个实施例中，分析计算机可分析一百个幅材片段，然后作出有关重复异常的决策。分析计算机为每个辊重复该分析过程。也就是说，分析计算机为每个同步脉冲将幅材以相同方式分段，以允许计算机识别重复异常的具体来源。图8为框图，示出了由图7的单个辊的数据片段形成的示例合成图110。也就是说，合成图110具有幅材纵向总长度102(本例中为18. 85英寸)，其中每个幅材片段均有重叠。因此，合成图110包括来自幅材80的每个幅材片段82的异常，并且这些异常已经在空间上对准到该特定辊的同步脉冲所限定的幅材片段的开始处。在合成图110中，异常84、86和88均看上去是重复异常。然而，合成图110显示， 重复异常84在不同的幅材片段中在幅材纵向偏移。也就是说，异常84和88可能是重复异常，但它们不以惰辊46A的周长为间隔重复。通过确定从该具体辊的同步脉冲到每个异常 84和88的距离超出异常84和88的每个实例的阈值差值，分析计算机59可以确定这一点。相比之下，异常86为重复异常，并且是由数据已经分段的辊引起，因为如合成图 110所示，这些异常的间距基本上等于惰辊46A的周长。也就是说，对于异常86的每个实例，同步脉冲和异常86的实例之间的距离在距离公差范围内。根据编码器的位置分辨率， 距离公差可以例如为士2个脉冲。因此，检测系统可以确定异常86为惰辊46A引起的重复异常。例如，异常86可以是惰辊46A上的粗糙斑点在幅材80下侧产生的划痕。根据这个判断，操作者可以尝试在该位置修理惰辊46A，以免惰辊46A产生更多异常。在一些实施例中，可以对检测系统重新编程，以忽略随后的幅材片段中相似位置出现的异常，因为一旦幅材80最终转化成产品之后，这些异常实际上很可能不会造成缺陷。也就是说，由已知位于幅材下侧的惰辊或其他辊引起的几乎所有异常均可以在幅材80 的制造过程中的某个时间点修复。
然而，幅材80的随机异常90、92、94、96、98和80很可能发生在幅材80的上侧，并且异常90、92、94、96、98和80很可能不会在幅材80的剩余制造过程中被修复。因此，检测系统可以在数据库(例如图2的数据库32)中或幅材的表面上标记这些异常的位置，并且系统也可以注意到这些异常在将幅材80转化为产品之后可能会造成缺陷。图9为流程图，示出了用于识别正引起重复异常的辊的示例性方法。结合分析计算机59讨论了该方法，但该方法并不受限于单个计算机的性能。首先，分析计算机59接收来自传感器62的异常数据(120)。如上所述，传感器62表示能够采集和处理用于检测幅材上各种类型的异常(如划痕、斑点、液滴、溅痕或其他类型的异常)的检测数据的软件和/ 或硬件。传感器62输出的异常数据包括异常在幅材(例如图3的幅材44)上的幅材横向位置和幅材纵向位置。异常数据还可包括异常类型信息，该信息可指示所识别的异常的类型，例如洞、坑、划痕、变色或其他类型异常。分析计算机59也接收辊数据(12 。辊数据可包括每个辊的标识信息以及表征每个辊的完整旋转的发生的数据。例如，辊数据可以使用独特的标识符或标签来标识辊46A， 该标识符或标签可由使用者分配，并且包括当同步标记阅读器50A阅读同步标记47A时每个实例的触发号(如序号)和幅材纵向位置。然后，分析计算机59将接收的异常数据与接收的辊数据相关联(124)。首先，分析计算机59处理辊数据，以从逻辑上将幅材分割成一系列片段，并且可以以类似的方式为所关注的每个辊重新分割幅材。也就是说，对于所关注的每个辊，系列中每个片段的长度由来自其对应的一个同步标记阅读器50的两个连续的触发信号之间的距离限定。因此，该分割的每个片段的长度基本上等于对应的一个辊46的周长。例如，分析计算机59可以为辊46A 在逻辑上将幅材分割成一组片段。因此，相对于生产线的坐标系，来自同步标记阅读器50A 的信号之间的幅材纵向距离将等于辊46A的周长。如下文详述的，对于所关注的给定辊，可以分析每个此类逻辑片段的异常数据，以确定在片段内基本上共同的位置内存在异常，即， 这些异常发生在共同的幅材横向位置，并且到所有或阈值数量的逻辑片段开始处具有共同的幅材纵向距离。在一个实施例中，该阈值可以是大部分片段。在一些实施例中，每个片段的宽度可以是幅材的宽度。在其他实施例中，例如结合图10所描述的实施例，可以在幅材横向方向上将幅材划分成条，使得片段宽度由对应条的宽度限定。根据为所关注的每个辊而对幅材进行的逻辑分割，分析计算机59识别每个片段上的异常的位置。这样，分析计算机59确定每个异常相对于每个辊的每次旋转的位置。分析计算机59接着分析异常数据(126)，以确定存在重复异常(128)。分析计算机59为每个辊确定异常是否发生在相对于辊的旋转基本上相同的位置。也就是说，分析计算机59确定是否任何异常在任何辊的逻辑片段上处于基本上相同的位置。例如，分析计算机59可以确定对于给定分割的所有或阈值数量的片段，异常发生在幅材横向16英寸、幅材纵向5英寸处。通过确定存在重复异常，分析计算机59可以接着识别辊46中引起异常的辊 (130)。例如，分析计算机59可以确定辊46A正在引起重复异常，因为在辊46A的每次旋转之后所关注的异常发生在基本上相同的幅材横向和幅材纵向位置处。相应地，分析计算机 59可以输出引发异常辊的标识信息(132)。例如，分析计算机59可以将该标识信息输出到计算机屏幕上。也可以采用标识引发异常辊的其他方式，例如，在出错辊上或附近亮起灯。又如，分析计算机可以使与出错辊相关联的发光二极管(LED)亮起，其中每个辊都与一个 LED相关联，并且LED可以设置在板上，以为操作者提供中心观察位置。另外，分析计算机 59还可以输出异常位置，以辅助操作者修理出错辊。操作者可以确定同步标记在辊上的位置，并且利用异常位置在重复异常的位置处检查辊，以确定引发重复异常的元件是否可以修理。图10为框图，示出了示例幅材152，该幅材在逻辑上被分成条154A-1MK( “条 154")以便分析每个条。在一个实施例中，为了确定是否发生了重复异常，可以例如将幅材 152(可以表示幅材67)分成条(例如条154)。分析系统(例如图2的检测系统)可以单独检查每个条154。由于重复异常会发生在大致相同的幅材横向位置，通过将幅材152分成条IM可以提高数据采集的效率。也就是说，可以单独检查每个条，而不必考虑发生在其他条内的异常。在图10的示例性实施例中，幅材152已被分成条154A-1MK。所示条的数量仅仅是示例性的，并且可以根据幅材152的尺寸、可用检测装置的数量或其他因素选择条的数量。条 154A、154C、154E、154I 和 154K 以虚线为界，而条 154B、154D、154F、154H 和 154J 贝丨J 以点划线为界。在图10的实例中，相邻条略微重叠，使得沿条边缘发生的重复异常会与条中央发生的重复异常一样被检测。已经证明小至5mm的条宽度是有效的。图像采集装置(例如图2的图像采集装置26)可以在条154处检查幅材152。其中一个图像采集装置26可以检查每个条154。如结合图2所述，分析计算机27可以确定对应的图像采集装置沈是否已经检测到异常。此外，图5的分析计算机59可以确定任何条154内是否正发生重复异常。在一个实施例中，分析计算机59可使用结合图11所述的算法确定其中一个条154内存在重复异常。由于重复异常可以发生在条的重叠处(例如条154A和154B之间的重叠区域)，此类异常可能会被检测到两次。检测系统可以利用各种因素解决此类重复检测问题。例如， 检测系统可以比较重复异常的幅材横向位置，以及每个异常实例的幅材纵向位置与实例之间的重复间隔。当发现两个重复异常具有相同的幅材横向位置，并且异常的实例以相同的间隔发生在相同幅材纵向位置时，系统可以忽略其中一个重复异常，以避免为同一重复异常触发两次报警。图11为流程图，示出了用于确定是否存在重复异常的另一种示例性算法。在一个示例性实施例中，图11的方法可用于实现图9的步骤128的结果。在一个实施例中，图11 的方法可以独立地应用到从图10的每个条154(例如条154A)采集的数据。在示例性实施例中，首先，分析计算机59确定起始点A，该点可以是检测到的第一个异常(160)。如上所述，重复异常是由幅材生产或制造系统的元件(例如惰辊)引起的异常。因此，存在某个距离(本文称为"Rmin”)，该距离为重复异常的最小可能重复距离。例如，如果重复异常由幅材生产过程中使用的多个惰辊中的一个或多个引起，则Rmin是所关注最小惰辊的周长。因此，分析计算机59可以搜索条154A内的点B，使得点A和B的幅材横向位置相同，并且点A和B之间的幅材纵向距离至少为Rmin(162)。然后，分析计算机59可以确定条154A内是否存在点C，使得点C的幅材横向位置与点A和B的相同，并且使得点B和C之间的幅材纵向距离为点A和B之间的距离的某个倍数(164)。重复异常可能不会在每个预期实例中重复。如结合图6所讨论的，可以跳过重复异常的若干个实例。因此，在确定点C是否为重复异常的实例时，该示例性实施例确定点 B和C之间的距离是否为点A和B之间距离的倍数。在一个示例性实施例中，该倍数可以是 1、1/2、1/3、2或3中的一个。也就是说，根据对给定应用的检测能力，专家用户可以预定义用于识别零星重复缺陷的整数倍的数量。例如，对于具有很高检测能力的给定系统，该整数倍数可以是1，而对于具有较低检测能力的第二系统则可以使用倍数5。第一系统只需要检查到给定异常的单个幅材纵向距离，而第二系统则检查1、2、3、4、5、1/2、1/3、1/4和1/5的多个倍数。请注意，随着倍数的增加，计算复杂度也会增加。在实施过程中，倍数3可能基本足够。如果找不到距点B —定距离(例如，是点A和B之间距离的1、1/2、1/3、2或3倍) 的点C(步骤166的“否”分支)，则分析计算机59可以获得新异常起点A(168)，并且尝试确定该新起点是否为重复异常的一部分。然而，如果分析计算机59确实发现了这样的点 C (步骤166的“是”分支)，则分析计算机59可以接着搜索点D，使得点C和D之间的距离为点A和B之间距离的倍数(170)。在一个实施例中，可以使用与步骤164中相同的一组可能倍数，例如，1、1/2、1/3、2和3。可利用点D确认点A、B和C确实为一系列重复异常的一部分。如果找不到点D(步骤172的“否”分支)，分析计算机59可以再次重新开始选择新异常起点A的过程(168)。如果例如点A、B和C处的异常不是重复异常的一部分，并且点A和B之间的距离与点B和C之间的距离仅仅是巧合，则找不到点D。然而，如果分析计算机59确实找到了点D (步骤172的“是”分支)，则很可能点A、B、C和D构成一列重复异常。因此，分析计算机59可以将重复距离确定为点A和B、点B和C、以及点C和D之间距离中的最小值(174)。然后，分析计算机59可以预期在点A、B、C和D的幅材横向位置距点 D的确定的重复距离处发现重复异常。分析计算机59可以分析每个条154，以便以类似方式发现重复异常。在已经确定了重复异常之后，分析计算机59可以按照图9的方法确定重复异常的来源辊。例如，分析计算机59可以计算重复异常的一个实例与点A(即重复异常的第一个已识别实例)之间的偏差。然后，分析计算机59可以使用该偏差预测与所分析的一个辊46 相对应的一个同步标记47的预计位置。然后，分析计算机59可以确定该同步标记是否被记录在预计位置的某个误差公差范围内。如果同步标记被记录在预计位置处，或者在预计位置的预定公差范围内，那么与被分析的同步标记相对应的辊就是出错辊。然而，如果同步标记未记录在预计位置或在公差范围内，则与该同步标记相对应的辊不是导致重复异常的棍。分析计算机59使用的误差公差可以是分隔异常的预计完整旋转数的函数。例如， 对于具有直径20. OOOcm和20. OOOlcm的两个几乎相同的辊，分隔两个重复间隔的幅材纵向距离将为约62. 800cm和62. 803cm,其差值可能小得无法测量。然而，在这两个辊经过50次预计完整旋转之后，幅材片段末端的幅材纵向位置将为3140cm和3140. 15cm，形成0. 15cm 的位置差，该值是分析计算机59所使用的可测量误差公差。例如，重复异常序列的第一位置(即点A的位置)可能已被记录在0.492 ! 处，并且重复异常的第η个实例可能发生在幅材纵向距离79. 530 !处。那么，偏差将为 79. 1008m (79. 5302m-0. 4924m)。辊46A的第一同步标记(图3)可能已被同步标记阅读器50A读取在位置0. 0012m处。因此，如果辊46A正在引起重复异常，则为同步标记47A记录的最靠近序列中第η个异常的位置应相对靠近79. 1020m(0. 0012m+79. 1008m)。如果最靠近被分析异常的同步标记实际上记录在78. 7508m处，则误差为0. 3512m，该误差明显足够确定辊46A不是引起重复异常的辊。然而，辊46B的第一个被记录的同步标记可能在0. OOOlm 处。因此，为同步标记47B记录的位置可预期在79. 1009m(79. 1008m+0. 0001m)处。如果同步标记47B的实际记录位置为79. 1018m，则误差仅为0. 0009m，这表明辊46B正在引起重复异常。虽然结合使用条巧4进行了讨论，但上述方法并不限于使用条154。例如，可以将该方法用于未分成条1 的完整幅材152。在另一个示例性实施例中，可以使用多个分析计算机，其中每个条一个分析计算机，而不是只有一个分析计算机59。例如，可以对图2的采集计算机27进行编程，以对对应条IM实施图11的方法。接着，每个采集计算机27可以将发现的重复异常上传至分析计算机59，以进行核对。可以将上述方法以软件指令形式编码到计算机可读存储介质内，以命令计算机的处理器执行该方法的步骤。图12为示出示例性用户界面180的框图。用户界面180可以实施为显示各种信息的图形用户界面(“GUI”)。例如，用户界面180可包括数据输出区域182。数据输出区域182可以向与系统交互(例如通过分析计算机59)的用户显示各种原始和/或汇总的数据。在图12的示例性实施例中，数据输出区域182包括显示有关检测到的重复异常的 “重复”区域183A，以及显示有关检测到的辊滑移的“滑移”区域18!3B。重复区域183A包括辊标识符列186、优先级列188、动作描述列190和图列192。辊标识符列186中的条目用来标识行中条目所对应的辊。例如，辊标识符列186中的第一个条目为“1”，表明该行包括有关标识为“1”的辊的信息。优先级列188中的条目向用户表明检测到的重复异常的重要程度。在图12的实例中，优先级示为“高”、“中”或“低”。其他实施例可以采用不同的优先等级和指示方式，例如“绿”、“黄”或“红”或数字标度(如1-10)。动作描述列190中的条目向用户表明其应采取的建议或必需行动。例如，描述列 190中的第一个条目为“牵引辊#3”。查看该画面的用户应将标识为数字“3”的辊替换成新的辊。此外，假设优先级列188中的优先级为“高”，则用户应尽快更换辊“3”。图列192允许用户选择辊并在图窗口 184上查看合成图。例如，用户可以使用连接到分析计算机59的鼠标将指针指向列192内的一个单元格，并按下按钮选择对应的辊。在图12的实例中，用户选择了辊“4”。因此，分析计算机59在图窗口 184中显示了与辊“4” 相对应的合成图。窗口 184中的合成图可以类似于图8的合成图110。分析计算机59可以在与数据输出区域182相同的窗口中显示图184，也可以在不同的窗口中显示该图。分析计算机59可以在图184中显示随机异常198并把它们与检测到的重复异常200相区别。例如，在一个实施例中，随机异常198可以表现为一种颜色(如黑色)，而重复异常200可以表现为不同颜色(如红色)。在另一个实施例中，根据多个实例，异常在特定位置处发生的次数可以决定异常在图184中显示的颜色。例如，图184可以显示根据为辊“4”收集的最后20个数据实例生成的合成图。在合成图上特定位置仅发生一次的异常可以显示为黑色。 在合成图上相同位置发生2至5次的异常可以显示为绿色。发生6至10次的异常可以显示为黄色。发生11次或更多次的异常可以显示为红色。滑移区域18 显示有关幅材横贯制造系统时辊是否滑移的信息。例如，当幅材没有一直接触辊时，可能会出现滑移。当幅材的确接触辊时，这样会导致幅材内出现异常或缺陷。在任何情况下，滑移区域18 均显示辊标识符列194和优先级列196。辊标识符列194 显示标识相关辊的信息。优先级列196显示辊滑移的优先级，例如严重性。此外，在其他实施例中，可以采用其他类型的优先级，例如色码优先级或数字优先级。在一个实施例中，分析计算机59可以根据优先级(基于优先级列188和196中的值从最高到最低)将数据输出区域182中显示的数据自动排序。在一个实施例中，分析计算机59可以自动填充用户界面，即无需用户“刷新”数据。在一个实施例中，数据输出区域 182可显示0至20个条目。在一个实施例中，数据输出区域182可包括滚动条、制表键或用来显示大量条目的其他控件。已经描述了本发明的各种实施例。这些和其他实施例均在以下权利要求书的范围内。
权利要求
1.一种方法，包括接收来自幅材制造系统的多个传感器的辊同步信号，其中每个所述传感器对应于所述幅材制造系统的不同辊，并且其中每个所述辊同步信号表明在幅材制造过程中对应的辊已完成完整的旋转；识别所述辊同步信号相对于所述幅材的位置；接收来自幅材检测系统的用来识别异常在所述幅材上的位置的异常数据； 将一组两个或更多个所述异常识别为重复异常；通过将所述重复异常的所述位置与所述辊同步信号的所述位置进行相关处理，识别所述辊中的哪些引起了所述重复异常；和输出所述识别出的一个所述辊的标识信息。
2.根据权利要求1所述的方法，其中识别所述辊中的哪些引起了所述重复异常包括 对于每个所述辊，(i)为所述辊在所述幅材的幅材纵向上限定多个连续片段，其中所述片段被限定为在幅材纵向上具有相等长度，并且其中所述片段的所述长度被限定为等于对应于由所述辊的辊同步信号所指示的所述辊完整旋转的距离；和( )当所述重复异常发生在基本相等的幅材横向位置处以及到所述辊中的第一个的至少阈值数量的所述片段的开始处基本相等的幅材纵向距离处时，确定所述辊引起了所述重复异常。
3.根据权利要求1所述的方法，其中所述输出还包括输出所述异常中的至少一个的坐标，其中所述坐标包括所述异常中的至少一个的幅材横向位置，以及到所述异常中的所述至少一个的每个片段的开始处的幅材纵向距离。
4.根据权利要求1所述的方法，其中识别所述辊中的哪些引起了所述重复异常包括 确定所述异常中第一个的第一异常位置、所述异常中第二个的第二异常位置，以及所述异常中第三个的第三异常位置；和在下列情况下确定所述异常中的所述第一个、所述异常中的所述第二个和所述异常中的所述第三个是由所述辊中的所述第一个引起的重复异常(i)所述第一异常位置、所述第二异常位置和所述第三异常位置具有共同的幅材横向位置；(ii)各自在所述幅材纵向上的间隔距离大于由所述辊中最小者的周长限定的预定最小距离；以及(iii)所述第三异常发生的幅材纵向位置是所述第一异常位置与所述第二异常位置之间的幅材纵向距离的倍数。
5.根据权利要求4所述的方法，其中第一倍数为1/3、1/2、1、2或3中的一个。
6.根据权利要求4所述的方法，还包括确定所述异常中第四个的第四异常位置，其具有与所述第一异常位置相同的幅材横向位置，并且其发生的幅材纵向位置是所述第一异常位置与所述第二异常位置之间的幅材纵向距离的第二倍数。
7.根据权利要求1所述的方法，其中识别所述辊中的哪些引起了所述重复异常包括 确定所述异常中第一个的第一异常位置和所述异常中第二个的第二异常位置；确定所述第一异常位置与所述第二异常位置之间的幅材纵向距离； 通过将所述确定的幅材纵向距离加到所述幅材上与所述辊中的所述第一个的第一个完整旋转相对应的位置上，确定所述辊中的所述第一个的完整旋转的预期幅材纵向位置； 通过将根据所述辊中的第一个的所述辊同步信号确定的所述辊中的第一个的完整旋转的实际位置减去所述预期位置，确定误差；和当所述误差低于预定公差水平时，确定所述辊中的所述第一个引起了所述重复异常。
8.根据权利要求1所述的方法，其中确定所述辊中的一个引起了所述异常中的至少一个包括获得所述辊中的所述一个的周长；生成表示所述幅材的多个所述片段的合成图，其中所述合成图的长度尺寸与所述片段的长度成正比，宽度尺寸与所述片段的宽度成正比；根据异常在所述片段上的位置来识别所述异常在所述合成图上的位置；和当包括所述异常中的至少一个的所述异常的子集在所述合成图上的特定位置处发生阈值次数时，确定所述辊中的所述一个引起了所述异常中的至少一个。
9.根据权利要求8所述的方法，其中确定包括对于所述数量的片段中的至少一半，当所述异常中的至少一个在所述合成图上的所述某个位置发生时，确定所述辊中的所述一个引起了所述异常中的至少一个。
10.根据权利要求8所述的方法，还包括输出所述组合图和用户对所述辊中的所述一个采取的行动，其中所述组合图使得根据每个所述异常在每个所述位置处的多次发生识别所述异常的位置。
11.根据权利要求1所述的方法，其中将一组两个或更多个所述异常识别为重复异常包括在所述幅材的幅材横向方向上限定多个连续的条；和针对每个所述条单独处理检测数据，以识别每个所述条内的任何重复异常。
12.根据权利要求1所述的方法，其中输出所述辊中的所述已识别的一个的标识信息包括 将每个所述重复异常与所述识别为引起所述重复异常的辊相关联；和输出每个所述重复异常和引起所述重复异常的所述相关联辊。
13.根据权利要求1所述的方法，其中异常为潜在缺陷或实际缺陷。
14.一种方法，包括对于具有用于传送幅材的多个辊的幅材制造系统，存储为每个所述辊指定所述辊在所述幅材上所处的一侧的数据；当传送所述幅材时，接收来自多个传感器的辊同步信号，其中每个所述传感器对应于所述辊中不同的一个，并且其中每个所述辊同步信号表明所述对应的辊已经完成完整的旋转；识别所述辊同步信号相对于所述幅材的位置；接收来自幅材检测系统的用来识别异常在所述幅材上的位置的异常数据； 将一组两个或更多个所述异常识别为重复异常；通过将所述重复异常的所述位置与所述辊同步信号的所述位置进行相关处理，识别所述辊中的哪一个引起了所述重复异常；确定所述识别出的辊处于所述幅材的哪一侧；和输出表明所述识别出的辊在所述幅材上所处的所述一侧的数据。
15.一种系统，包括多个接触幅材的辊，其中所述辊中的两个或更多个各自包括同步标记以指示所述对应的辊完成完整旋转的时间；多个同步标记阅读器，其读取所述多个辊的所述同步标记并输出辊同步信号，其中每个所述辊同步信号表明所述对应的辊在所述幅材的制造过程中已经完成完整的旋转；在所述辊中的至少一个上的编码器，其输出指示所述幅材的幅材纵向距离的位置信号；检测系统，其检查所述幅材并输出用来识别异常在所述幅材上的位置的异常数据；同步单元，其接收来自所述编码器的所述位置信号和来自所述同步标记阅读器的所述多个辊同步信号，其中所述同步单元将每个所述辊同步信号的发生转化为与幅材生产线相关联的坐标系内的幅材纵向位置；和分析计算机，其处理所述异常数据，以将一组两个或更多个所述异常识别为重复异常， 其中所述分析计算机通过对所述重复异常的所述位置与所述辊同步信号的所述幅材纵向位置进行相关处理，输出哪一个所述辊引起了所述重复异常的指示。
16.根据权利要求15所述的系统，其中所述分析计算机识别第一异常位置处的第一个所述异常、第二异常位置处的第二个所述异常、第三异常位置处的第三个所述异常，以及第四异常位置处的第四个所述异常；其中所述第一异常位置、所述第二异常位置、所述第三异常位置和所述第四异常位置中的每一个都发生在共同的幅材横向位置，其中所述第一异常位置和所述第二异常位置在所述幅材纵向上间隔第一距离，所述第二异常位置和所述第三异常位置在所述幅材纵向上间隔第二距离，所述第二距离为所述第一距离的第一倍数，并且所述第三异常位置和所述第四异常位置在所述幅材纵向上间隔第三距离，所述第三距离为所述第一距离的第二倍数。
17.根据权利要求15所述的系统，其中所述第一倍数和所述第二倍数为1/3、1/2、1、2 或3中的一个。
18.根据权利要求15所述的系统，其中所述分析计算机确定所述重复异常中两个之间的距离，确定与所述辊中的第一个的旋转相对应的所述幅材上的第一旋转位置，通过将所述两个重复异常之间的所述距离加到所述第一旋转位置来确定所述辊中的所述第一个的后续旋转的预计幅材纵向辊位置，通过从所述同步单元确定的实际辊位置中减去所述辊中的所述第一个的所述预计幅材纵向辊位置来确定误差，以及当所述误差低于预定公差水平时确定所述辊中的所述第一个引起了所述重复异常。
19.根据权利要求15所述的系统，其中对于具有同步标记的每个所述辊，所述分析计算机(i)限定所述幅材的多个片段，使得每个所述片段在所述幅材纵向上的长度被所述辊的周长限定，并且( )形成合成图，其长度尺寸与所述片段的所述长度成正比，并且根据每个所述片段内异常的位置识别所述异常在所述合成图上的位置，并且其中当所述异常中的至少一个在某个辊的所述合成图上出现至少阈值次数时，所述分析计算机确定所述辊引起了所述重复异常。
20.根据权利要求19所述的系统，其中所述阈值次数为所述片段的数量的大部分。
21.根据权利要求19所述的系统，还包括显示所述合成图的用户界面、所述片段的每个所述异常在每个位置多次发生的表示，以及建议用户对所述辊中的所述一个采取的行动。
22.—种计算机可读介质，其包括可使可编程处理器执行以下操作的指令接收来自幅材制造系统的传感器的信号，其中每个所述传感器对应于所述幅材制造系统的辊，并且其中当幅材制造过程中所述对应辊已完成完整的旋转时每个所述传感器发送信号；识别所述辊同步信号相对于所述幅材的位置；确定所述幅材的片段，其中对应于每个所述辊的完整旋转的辊同步信号的所述位置之间的距离限定了所述片段在所述幅材纵向上的长度；接收来自幅材检测系统的用来识别异常在所述幅材上的位置的异常数据； 识别所述异常在每个所述片段上的对应位置；当包括所述异常中的至少一个的所述异常的子集在某个幅材横向位置重复出现，并且到阈值数量的所述片段中每一个所述片段开始处为某个幅材纵向距离时，确定所述辊中的一个引起了所述异常中的至少一个；和输出所述辊中的所述一个的标识信息。
全文摘要
本发明公开了一种制造系统，其包括具有表明完整旋转的同步标记的辊。同步标记阅读器读取所述多个辊的所述同步标记并输出辊同步信号。编码器输出指示所述幅材的幅材纵向距离的位置信号。检测系统检查所述幅材并输出用来识别异常在所述幅材上的位置的异常数据。同步单元接收来自所述编码器的所述位置信号和来自所述同步标记阅读器的所述多个辊同步信号，并且将每个所述辊同步信号的发生转化为与幅材生产线相关的坐标系内的幅材纵向位置。分析计算机处理所述异常数据和所述同步信号，以识别重复异常并确定所述辊中的哪一个引起了所述重复异常。
文档编号G01B7/34GK102177081SQ200980139906
公开日2011年9月7日 申请日期2009年8月20日 优先权日2008年9月10日
发明者卡尔·J·斯凯普斯, 史蒂文·P·弗洛德, 特里·A·奥科涅克, 詹姆斯·A·马斯特曼 申请人:3M创新有限公司