Kurzüberblick
- Kunde: Heidelberg Druckmaschinen
- Ziel: Automatisierter Druckprozess auf Basis von Sensorik zur präzisen Maschineneinstellung
- Ansatz: Schneller Proof-of-Concept, experimentelle Validierung in der Produktion, Algorithmen aus Regelungstechnik und Computer Vision
- Ergebnis: Unterbrechungsfreie Experimente, robuste Modelle trotz stochastischem Rauschen, sehr hohe Endgenauigkeit über alle Druckwerke
Ausgangslage und Zielsetzung
Für Heidelberg Druckmaschinen haben wir ein Automatisierungsprojekt umgesetzt, das den Automatisierungsgrad im Druckprozess deutlich steigert. Kernidee: Maschinenparameter werden automatisch auf Basis zuvor erfasster Sensorsignale eingestellt, um konsistent hochwertige Druckergebnisse zu erzielen. Damit adressieren wir ein typisches Szenario in der Druckindustrie: heterogene, oft ältere Anlagen mit begrenzter Sensorik, schwankenden Umgebungsbedingungen und hohen Anforderungen an Qualität und Verfügbarkeit.
Vorgehen in drei Phasen
1) Proof-of-Concept an einem Wochenende
- Aufbau eines funktionsfähigen Prototyps auf synthetischen Daten
- Ziel: schnelle Entscheidungsgrundlage und gemeinsame Sprache für die nächsten Schritte
2) Experimentelle Phase in der Produktionsumgebung
- Durchführung gezielter Versuche direkt an der Anlage
- Systematische Auswertung von Produktionslogs und Sensordaten
3) Algorithmik aus zwei Welten
- Regelungstechnik: robuste Steuerstrategien trotz Messrauschen
- Computer Vision: bildbasierte Qualitätsbeurteilung und Zustandsableitung
- Kombination beider Ansätze, um die Stellgrößen zuverlässig zu bestimmen
Herausforderungen und Lösungen
1) Stochastisches Rauschen bei begrenzter Sensorik
- Problem: Zwischen Messung, Steuerimpuls und Ergebnis liegen unbekannte Störeinflüsse; der exakte Maschinenzustand ist nicht jederzeit eindeutig.
- Lösung: Physikalisch motivierte Modellbildung. Als Physiker nutzen wir Größenordnungsabschätzungen und Domänenwissen, um einfache, erklärbare mathematische Modelle mit freien Parametern zu formulieren. Diese Parameter wurden experimentell identifiziert. Ergebnis: Ein transparentes Modell, das das Systemverhalten trotz Rauschen hinreichend genau abbildet.
2) Hohe Kosten klassischer Experimente
- Problem: Stillstände für dedizierte Versuchsreihen sind teuer und beeinträchtigen die Auslastung.
- Lösung: Unterbrechungsfreies Verfahren. Wir integrierten die Experimente in den laufenden Produktionsbetrieb, werteten Vorabmessungen und Produktionslogs aus und nutzten die regulären Aufträge als „natürliche“ Versuche. Wir benötigten etwa den Faktor 100 mehr Messungen – aber die Daten fielen ohne Zusatzkosten nebenher an, die Anlage blieb produktiv, und die Datenbasis wurde breiter und realistischer.
3) Sehr hohe Genauigkeitsanforderung über mehrere Druckwerke
- Hintergrund: Eine Druckmaschine umfasst mehrere Druckwerke (z. B. Cyan, Magenta, Gelb, Schwarz sowie Sonderfarben). Liefert jedes Werk einzeln 99% Genauigkeit, sinkt die Endqualität über alle Werke auf rund 91%. Das ist zu niedrig. Ein einzelnes „schwächeres“ Werk macht also das Gesamtergebnis unbrauchbar.
- Lösung: Algorithmen mit extrem hohen Genauigkeitsreserven, robuste Regelung gegen Rauschen, konsistente Qualitätsbewertung über alle Werke hinweg. Ziel war nicht nur „sehr gut“ je Werk, sondern reproduzierbar exzellente Ergebnisse im Verbund.
Automatisierter Druckprozess Sensorik: Von der Messung zur Steuerung
- Neue Sensorikpunkte lieferten zusätzliche Messdaten.
- Steuerimpulse wurden gezielt gesetzt, obwohl der genaue Zustand nicht vollständig beobachtbar war.
- Durch das modellgestützte Vorgehen konnten wir die Beziehung zwischen Input (Maschinenzustand + Stellsignal) und Output (Druckqualität) stabil rekonstruieren und sukzessive optimieren.
Technologie und Methodik im Überblick
- Computer Vision Regelungstechnik Druckindustrie: Wir verbinden visuelle Qualitätsprüfung mit klassischer und moderner Regelungstechnik, um präzise Stellgrößen abzuleiten und kontinuierlich zu verifizieren.
- Datenstrategie: Kombination aus synthetischen Daten (für schnelle PoC-Fähigkeit) und produktionsnahen Logs (für realistische Robustheit).
- Modelltransparenz: Erklärbare, physikalisch fundierte Modelle statt Blackbox – wichtig für Akzeptanz, Wartbarkeit und verlässliche Grenzfallbehandlung.
Mehrwert für den Kunden
- Minimierte Stillstände dank unterbrechungsfreier Experimente
- Schnellere Validierung neuer Hypothesen und Algorithmen
- Höhere Prozessstabilität trotz alternder Maschinen und Limitierungen in der Sensorik
- Skalierbares Setup für weitere Linien und Produkte
Fazit
Die Heidelberg Druckmaschinen Automatisierung zeigt, wie sich ein automatisierter Druckprozess auf Basis von Sensorik, Computer Vision und Regelungstechnik in bestehenden Produktionsumgebungen erfolgreich umsetzen lässt – mit Fokus auf Transparenz, Robustheit und Wirtschaftlichkeit. Entscheidend waren die Kombination aus physikalischem Domänenwissen, schlanker PoC-Umsetzung, intelligenter Datennutzung ohne Stillstand und Algorithmen, die über alle Druckwerke hinweg höchste Genauigkeit liefern.
Kontakt
Sie möchten Ihre Druckproduktion ähnlich automatisieren oder benötigen Unterstützung bei Modellierung, Sensorik-Integration und Regelung? Kontaktieren Sie uns – wir teilen gerne unsere Erfahrung aus diesem Projekt und entwickeln eine passende Lösung für Ihre Anlage.