Echtzeit-Bildverarbeitung, Industrielle Signalverarbeitung, Mustererkennung

MaDiSec: Machine Diagnosis for Security Printing Machines

01.07.2010 bis 30.06.2012

Inspektionssysteme beruhen nach dem heutigen Stand der Technik zumeist auf einer einzigen physikalischen Größe. Es werden Druck, Kraft, Temperatur, optische Eigenschaften o.a. erfasst und einzeln ausgewertet. Auch wenn diese Sensorinformation optimal verarbeitet wird, ist die Inspektionsgüte – vor allem für die Früherkennung von aufbauenden Fehlern – häufig nicht ausreichend. Die Fusion mehrerer Informationsquellen kann präzisere Aussagen über den Maschinenzustand ermöglichen.
Ziel dieses Projektes ist die ganzheitliche Fehlerdetektion an Wertdruckmaschinen, insbesondere an Stahlstichmaschinen. Der Schwerpunkt liegt in der Früherkennnung von aufbauenden Fehlern durch die Kombination von Sensorinformationen und Expertenwissen. Bei der Erfassung des Expertenwissens ist darauf zu achten, dass neben expliziter Information, die direkt abrufbar ist, auch implizites Wissen, bestehend aus Routinen, Erfahrung und im Unterbewusstsein abgelegten Kenntnissen, akquiriert werden.
Ein wichtiger Bestandteil bei dem Design eines Inspektionssystems  ist die Wahl plausibler Informationsquellen. Dabei gilt es, Messgrößen, -orte und –richtungen so zu wählen, dass eine Kausalität zwischen den Vorgängen in der Maschine und den Messgrößen zu erkennen ist. Sowohl der Einfluss einzelner Messgrößen als auch die Wechselwirkung mehrerer Informationsquellen werden mit Hilfe statistischer Methoden analysiert. Die Redundanzen in den Informationen sollen dazu genutzt werden, die Plausibilität der Sensorinformationen zu überprüfen und auf defekte Informationsquellen hinzuweisen.
Die Bewertung des erzeugten Produktes gibt eine Rückkopplung an das System, welches daraufhin das gelernte Modell anpasst. Im Fall der Stahlstich-Druckmaschine übernimmt dies die optische Inspektionseinheit.

Das Projekt wird gefördert durch:
Projektbeteiligte / Ansprechpartner: Karl Voth, M. Sc., Prof. Dr.-Ing. Volker Lohweg
Prof. Dr.-Ing. Volker Lohweg¹, Dr.-Ing. Uwe Mönks²
Fuzzy-Pattern-Classifier based Sensor Fusion for Machine Conditioning
In: Sensor Fusion, Sep 2010
¹ Erstautoren
² Letztautoren
Karl Voth, M. Sc.¹, Stefan Glock, M. Sc., Dr.-Ing. Uwe Mönks, Thomas Türke, Prof. Dr.-Ing. Volker Lohweg²
Multi-sensory Machine Diagnosis on Security Printing Machines with Two Layer Conflict Solving
In: SENSOR+TEST Conference 2011, Jun 2011
¹ Erstautoren
² Letztautoren
Masterarbeit
Investigations on Possibilistic Multi-source Data Fusion with Sensor Reliability Monitoring
Stefan Glock, M. Sc.