EP4337545A1 - Etikettiermaschine und verfahren zum konfigurieren einer etikettiermaschine - Google Patents

Etikettiermaschine und verfahren zum konfigurieren einer etikettiermaschine

Info

Publication number
EP4337545A1
EP4337545A1 EP22716031.4A EP22716031A EP4337545A1 EP 4337545 A1 EP4337545 A1 EP 4337545A1 EP 22716031 A EP22716031 A EP 22716031A EP 4337545 A1 EP4337545 A1 EP 4337545A1
Authority
EP
European Patent Office
Prior art keywords
labeling
configuration parameters
modules
module
data
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
EP22716031.4A
Other languages
English (en)
French (fr)
Inventor
Matthias Wahl
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.)
Krones AG
Original Assignee
Krones AG
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 Krones AG filed Critical Krones AG
Publication of EP4337545A1 publication Critical patent/EP4337545A1/de
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65C—LABELLING OR TAGGING MACHINES, APPARATUS, OR PROCESSES
    • B65C9/00—Details of labelling machines or apparatus
    • B65C9/40—Controls; Safety devices

Definitions

  • the invention relates to a labeling machine for labeling and/or printing on containers, in particular containers such as bottles made of glass, plastic, cardboard or pulp material or cans, in the food and beverage industry, and a method for configuring labeling machines.
  • labeling machines which can assume different sizes. Larger labeling machines in particular can be designed as a production line and can include a large number of different modules. The modular structure of such machines is known, for example, from WO03/024861A1, DE19741476A1, EP1449778A1, EP2199220B1, EP1706322B1. Labeling machines can
  • Treatment carousel with a fixed or variable pitch (EP2100815B1), a linear conveyor (DE4312605A1), or long stator systems (DE102011086708A1, EP3374274B1) for container transport in the treatment area.
  • Labeling and/or printing modules can be positioned in this treatment area.
  • aligning modules are also known in order to first rotate containers into a defined aligning position before the actual equipping process.
  • electromotive drives are used, which, starting from detectable container features, such as e.g. press seam, embossing or the like, can carry out individual alignment rotations with the help of a suitable controller (EP1205388A1, EP1751008B1).
  • An alignment module thus also includes suitable sensors or cameras for detecting the container position.
  • inspection modules are also used to carry out a label and/or print image check on the finished containers while they are still in the machine.
  • DE102019203060 A1 discloses a method for guiding the product in a filling plant for glass bottles.
  • empty product parameters and full product parameters and, in particular, machine error states occurring during filling are to be determined automatically.
  • a decision is made regarding the rejection of faulty empty bottles or full bottles.
  • This data analysis to determine whether a bottle is faulty or has been filled incorrectly can be done by machine learning processes in the sense of artificial intelligence or the like.
  • An embodiment of the invention relates to a labeling machine for the food industry, in particular for the beverage industry.
  • the labeling machine may include a plurality of modules for labeling, printing, writing, coating, gluing, aligning or inspecting containers and a controller for applying configuration parameters to the plurality of modules.
  • the functions mentioned above can be executable optionally or in different combinations.
  • the modules are preferably designed to be quick-changeable in order to be able to flexibly implement a wide variety of equipment variants.
  • the machine can label containers, while in another variant containers are printed directly onto the container surface in one or more colors using inkjet or other printing processes.
  • Applications can also be implemented that require both, or that should enable labels to be printed/written on, e.g. to individualize them (supplementary print), to date them or to provide them with a code.
  • the application of adhesives to labels and/or containers can also be included.
  • the configuration parameters are created using an artificial intelligence, AI, module and the control unit transmits the configuration parameters created by the AI module to the corresponding modules in order to configure the modules.
  • An embodiment of the invention relates to a method for configuring a labeling machine in the food industry, in particular a labeling machine in the beverage industry.
  • input data are received which relate to a labeling of a container.
  • the input data can include parameter data sets from configured labeling machines and operational data.
  • Configuration parameters for the labeling machine are created using a Kl module.
  • the configuration parameters can be based on the received input data. Thereafter, the configuration parameters can be applied to the labeling machine to configure one or more modules of the labeling machine.
  • the diverse drives, sensors, cameras, actuators, print heads (for inks, adhesives) and their supply units are configured.
  • FIG. 1 a diagram showing the overview of a system for configuring a labeling machine using artificial intelligence
  • FIG. 1 A diagram as shown in Figure 1, with further details of the
  • FIG. 3 a method for configuring a labeling machine
  • Figure 4 a method for creating and training a
  • electromotive drives must be parameterized depending on the bottle and type during initial assembly or retrofitting. These include, among other things, servo drives for turntables,
  • a long stator drive in particular for transporting containers, a carousel, a drive for adjusting the height of a carousel top part, a drive for adjusting the height and/or radial direction of the labeling units, adaptation of the label transfer elements, the print heads and sensors and many other parameters.
  • an artificial intelligence module (in short: AI module) 110 is connected to a labeling machine 100 according to the invention.
  • This connection is a functional connection and, according to one embodiment, includes the AI module 110 being connected to a labeling machine 100 via a network or another data connection.
  • the KI module 110 can be connected to the labeling machine 100 as an external device.
  • the invention is not limited to this embodiment and the KI module 110 can also be integrated in the labeling machine 100 .
  • the AI module 100 can be implemented in a main controller of the labeling machine 100 .
  • the KI module 110 can also be implemented on a remote server and be designed for the configuration of several different labeling machines 110 . In this case, it is easier for the AI module 110 to have access to data sets for a large number of different modules for different labeling machines, and for these data sets to be expanded more easily.
  • the AI module 110 receives or uses various data sets and uses these input data to create the configuration parameters for the labeling machine 100.
  • input data In the case of the input data, a fundamental distinction can be made between operational data and parameter data sets.
  • Operational data are data and information that describe the general conditions of the labeling process. These are, for example, CAD data sets of sample containers, such as a sample bottle, data sets generated by scanning a labeled/printed sample container, information about the labels (paper, plastic, printed image), the adhesives to be used (hot glue, casein glue, pressure-sensitive adhesive, ink) and/or or, if applicable, information on the material of the container and closure. If necessary, a sample container can also be scanned in the machine itself by rotating the sample container at least once on a turntable, provided that a suitable scanner (e.g. a camera) is available.
  • CAD data sets of sample containers such as a sample bottle
  • data sets generated by scanning a labeled/printed sample container information about the labels (paper, plastic, printed image), the adhesives to be used (hot glue, casein glue, pressure-sensitive adhesive, ink) and/or or, if applicable, information on the material of the container and closure.
  • a sample container can also be scanned in the machine
  • geometric data (height, diameter, contour, press seams, embossing) of the container and information about the position of the labels/printed images can be recorded by scanning.
  • Codes or print image information on the labels or the sample container itself can also be detected particularly preferably in order to print heads or a label and/or
  • Figure 1 also shows an example of the operation data as CAD data 131, scans of sample containers 132, such as sample bottles, and other operation parameters 133.
  • the other operation parameters 133 can be the parameters mentioned above for materials, adhesives and general information about the labeling machine 100.
  • the operational data are shown as data blocks 131, 132 and 133 in FIG. 1, coming from the left.
  • This operational data is used by AI module 110 to generate configuration parameters and optimized configuration parameters, as described in more detail below.
  • the KI module can use HO parameter data records from a database 120 as a further type of input data.
  • the parameter records in the database 120 are records that include the configuration parameters of previously configured labeling machines and can be used to create the new configuration parameters.
  • each of these data sets can also include data on the corresponding product that is manufactured by the labeling machine that has already been configured. This can be data about labeled containers that have been produced with the labeling machines that have already been configured.
  • the database 120 stores various data from a variety of configured labeling machines.
  • the AI module 110 combines and uses the various input data to create a set of configuration parameters that configure the labeling machine 100 according to the specifications of the particular product to be labeled and/or the user.
  • the set of configuration parameters can configure the labeling machine 100 such that the labeled/printed containers output exactly correspond to the CAD data 131 and/or the scan 132 of a sample container, taking all operational parameters 133 into account.
  • the configuration parameters are transmitted from the AI module 110 to the labeling machine 100, for example to the main controller of the labeling machine 100, in order to configure the labeling machine 100 using the appropriate configuration parameters.
  • the labeling machine 100 can transmit information about its operation and its configuration back to the AI module 110, which is illustrated in FIG. 1 by the dashed line “Feedback”.
  • the configuration can include additional manual configuration and configuration parameters.
  • This feedback from the labeling machine 100 to the KI module 110 is analyzed by the KI module 110 in order to optimize the configuration parameters and transmit them back to the labeling machine 100 .
  • modules of the labeling machine 100 can be configured and adapted according to the configuration parameters of the KI module 110.
  • these modules can include a servo drive for turntables, a drive for adjusting the height of a carousel top part and/or a drive for adjusting the height of labeling and printing units; however, other modules can also be configured, such as an alignment or inspection module. In this way, a container-dependent rotation program for the turntable can be automatically configured.
  • the selection of the labeling and printing units, their positioning on the carousel, the registration and synchronization of the unit control with the main machine control can be done automatically without manual programming effort through automatic configuration.
  • AI module 110 may include various machine learning and neural network models.
  • the invention is not limited to a special machine learning method and various AI models and machine learning methods can be used, such as monitored learning, reinforcement learning, pattern analysis and pattern recognition, robotics, artificial neural networks, deep learning, classification, regression methods, clustering, Time series analysis, self-learning systems, etc.
  • FIG. 2 shows the AI module 110 from FIG. 1 with further details of an exemplary embodiment.
  • the AI module 110 can include a simulation unit 205, an evaluation unit 215, and a parameter setting unit 225.
  • the simulation unit 205 receives the input data as described above in FIG. 1 and applies the corresponding KI method to the input data.
  • the simulation unit 205 can simulate the labeling machine 100 and its modules in a virtual simulation environment and apply configuration parameters for configuring the simulated modules to the simulated labeling machine.
  • the simulation output from the simulation unit 205 is output to the evaluation unit 215 .
  • the evaluation unit 215 analyzes the data from the simulation unit 205 and determines whether the configuration settings initially defined by the simulation unit lead to usable results.
  • the configuration parameters are optimized and created by feedback or feedback of the evaluation from the evaluation unit 215 to the simulation unit 205 .
  • the simulation unit 215 does not necessarily have the task of carrying out a simulation, but is essentially responsible for creating a configuration model or parameterization model. This can be done, for example, using machine learning methods based on the input data described above.
  • the parameterization model generated in this way ie the configuration parameters of the labeling machine 100, can then be validated and optimized in the interaction between the simulation unit 205 and the evaluation unit 215.
  • the evaluation unit 215 determines that the evaluation results of the configuration parameters are sufficient, the data is transferred to the parameter setting unit 225 .
  • the parameter setting unit 225 extracts the configuration parameters from the data and transmits them to the labeling machine 100.
  • the configuration parameters are used to configure the individual modules.
  • the feedback data is reported back from the labeling machine 100 to the KI module 110 as previously described.
  • the feedback data can be transmitted to the evaluation unit 215 in the KI module, which analyzes and evaluates the result. This analysis can be fed back into the simulation unit 205 and used for the optimization. This allows any number of runs to be carried out until the configuration parameters are optimally set.
  • the learning effect of the AI module 110 increases with multiple runs, and the configuration parameters generated by artificial intelligence can optimize the configuration of the labeling machine 100 within a short time.
  • FIG. 3 shows a method 300 for configuring the labeling machine 100, as is preferably carried out by the KI module 110.
  • the AI module 110 receives the input data.
  • the input data can include the CAD data 131 , the scans 132 of the sample container, the operation parameters 133 and/or the parameter data sets from the database 120 .
  • step S320 the AI module 110 uses the input data to create the configuration parameters that are used to configure the labeling machine 100 and/or the corresponding modules of the labeling machine 100.
  • This step S320 can be carried out, for example, by the steps and modules as are described in connection with FIG. Further details of this step S320 are described in relation to FIG.
  • step S330 the configuration parameters from step S320 are applied to the labeling machine 100 and/or to the modules of the labeling machine 100.
  • use means that the configuration parameters can be transmitted, for example, to a main controller of the labeling machine 100, which configures and sets the corresponding modules using the configuration parameters.
  • FIG. 4 shows a method 400 with further details regarding the creation of the configuration parameters.
  • a parameterization model is created based on the received input data.
  • the parameterization model can include, for example, a model of the labeling machine 100, which is simulated by various parameters.
  • step S420 the parameterization model is trained.
  • the parameterization model can be trained using the KI module 110 based on the parameter data sets of configured labeling machines. The configuration parameters are thus derived from the trained parameterization model.
  • 8th Labeling machine greatly reduces the time and labor and can also help to improve and optimize the configuration of already configured corresponding machines.

Landscapes

  • Labeling Devices (AREA)

Abstract

Die Erfindung betrifft eine Etikettiermaschine wenigstens zum Etikettieren und/oder Bedrucken von Behältern, insbesondere von Behältern in der Lebensmittelindustrie und der Getränkemittelindustrie, und ein Verfahren zum Konfigurieren von Etikettiermaschinen. Dabei wird ein Verfahren der künstlichen Intelligenz verwendet, um die Konfigurationsparameter für eine Etikettiermaschine zu erstellen. Ein Künstliches-Intelligenz-Modul (Kl-Modul) erhält verschiedene Eingabedaten, die unter anderem auch Datensätze von konfigurierten Etikettiermaschinen umfassen. Das Kl-Modul erstellt ein trainiertes Parametrisierungsmodell, um die Konfigurationsparameter für die Etikettiermaschine zu erstellen. Die Etikettiermaschine wird durch die Konfigurationsparameter des Kl-Moduls konfiguriert und optimiert.

Description

Etikettiermaschine und Verfahren zum Konfigurieren einer Etikettiermaschine
Die Erfindung betrifft eine Etikettiermaschine zum Etikettieren und/oder Bedrucken von Behältern, insbesondere von Behältern, wie z.B. Flaschen aus Glas, Kunststoff, Karton- oder Pulpematerial oder Dosen, in der Lebensmittelindustrie und der Getränkeindustrie, und ein Verfahren zum Konfigurieren von Etikettiermaschinen.
Bekanntermaßen werden Lebensmittelbehälter, insbesondere Getränkeflaschen, Dosen und andere Getränkeverpackungen, beschriftet bzw. etikettiert. In den meisten Fällen handelt es sich um große Mengen von Behältern, die etikettiert, beschriftet, bedruckt oder beschichtet werden müssen, womit auch ein größerer technischer Aufwand bei der Konfiguration einhergeht. Um solche Behälter in großer Stückzahl auszustatten, sind Etikettiermaschinen bekannt, die verschiedene Größen annehmen können. Gerade größere Etikettiermaschinen können dabei als Fertigungsstraße ausgebildet sein und können eine große Anzahl von verschiedensten Modulen umfassen. Der modulare Aufbau derartiger Maschinen ist beispielsweise aus W003/024861A1 , DE19741476A1 , EP1449778A1 , EP2199220B1, EP1706322B1 bekannt. Etikettiermaschinen können ein
Behandlungskarussell mit fester oder variabler Teilung (EP2100815B1), einen Linearförderer (DE4312605A1), oder Langstatorsysteme (DE102011086708A1 , EP3374274B1) für den Behältertransport im Behandlungsbereich aufweisen. In diesem Behandlungsbereich sind Etikettier- und/oder Druckmodule positionierbar. Ferner sind auch Ausrichtmodule bekannt, um Behälter vor dem eigentlichen Ausstattungsvorgang zuerst in eine definierte Ausrichtstellung zu drehen. Dazu werden elektromotorische Antriebe verwendet, die ausgehend von erfassbaren Behältermerkmalen, wie z.B. Pressnaht, Embossing oder dgl., mit Hilfe einer geeigneten Steuerung individuelle Ausrichtdrehungen ausführen können (EP1205388A1, EP1751008B1). Ein Ausrichtmodul umfasst somit auch geeignete Sensoren oder Kameras zum Erfassen der Behälterstellung. In bestimmten Fällen kommen auch Inspektionsmodule zum Einsatz, um noch in der Maschine an den fertig ausgestatteten Behältern eine Etiketten- und oder Druckbildkontrolle auszuführen.
Aber auch kleinere Etikettiermaschinen umfassen eine Vielzahl von unterschiedlichen Modulen, die bei dem Etikettiervorgang Zusammenarbeiten und entsprechend aufeinander eingestellt werden müssen. Diese Konfiguration der Etikettiermaschine und deren viele Module besteht im Wesentlichen in der Anpassung von vielen Parametern, die oft voneinander
1 abhängen. Diese Aufgabe erfordert neben benötigtem Fachwissen auch viel technische Erfahrung und bindet entsprechend auch Arbeitszeit.
Aus DE102019203060 A1 ist ein Verfahren zur Produktführung in einer Abfüllanlage für Glasflaschen bekannt. In dem Verfahren sollen Leergut-Parameter und Vollgut-Parameter und insbesondere beim Abfüllen auftretende Maschinenfehlerzustände automatisch festgestellt werden. Auf Grundlage einer Datenanalyse von gespeicherten Initialdaten und Ergebnisdaten wird eine Entscheidung über das Ausleiten fehlerhafter Leerflaschen oder Vollflaschen berechnet. Diese Datenanalyse zur Bestimmung ob eine Flasche fehlerhaft ist oder fehlerhaft abgefüllt ist, kann durch maschinelle Lernprozesse im Sinne einer künstlichen Intelligenz oder dergleichen geschehen.
Jedoch ist bisher kein Verfahren bekannt, um eine Etikettiermaschine oder Module einer Etikettiermaschine effizienter zu konfigurieren.
Es besteht daher der Bedarf für verbesserte Etikettiermaschinen und verbesserte Verfahren zum Konfigurieren von Etikettiermaschinen.
Diese Aufgabe wird erfindungsgemäß durch eine Etikettiermaschine gemäß Anspruch 1 und ein Verfahren gemäß Anspruch 6 gelöst. Weitere Ausführungsformen und Weiterbildungen sind in den Unteransprüchen beschrieben.
Eine Ausführungsform der Erfindung betrifft eine Etikettiermaschine für die Lebensmittelindustrie, insbesondere für die Getränkeindustrie. Die Etikettiermaschine kann eine Vielzahl von Modulen zum Etikettieren, Bedrucken, Beschriften, Beschichten, Beieimen, Ausrichten oder Inspizieren von Behältern und eine Steuereinheit zum Anwenden von Konfigurationsparametem auf die Vielzahl von Modulen umfassen. Die vorhergehend genannten Funktionen können wahlweise oder in unterschiedlichen Kombinationen ausführbar sein. Die Module sind bevorzugt schnellwechselbar ausgeführt, um unterschiedlichste Ausstattungsvarianten flexibel realisieren zu können. So kann die Maschine beispielsweise in einer Konfigurationsvariante Behälter etikettieren, während in einer anderen Variante Behälter berührungslos per Inkjet oder mit anderen Druckverfahren ein- oder mehrfarbig direkt auf die Behälteroberfläche bedruckt werden. Es können auch Anwendungsfälle realisiert werden, die beides erfordern, oder die ein Bedrucken/Beschriften von Etiketten ermöglichen sollen, z.B. um diese zu individualisieren (Ergänzungsdruck), zu datieren oder mit einem Code zu versehen. Auch das Aufträgen von Klebstoffen auf Etiketten und/oder Behälter kann mit umfasst sein.
2 Die Konfigurationsparameter werden mittels einem Künstliche-Intelligenz-, Kl-, Modul erstellt und die Steuereinheit überträgt die vom Kl-Modul erstellten Konfigurationsparameter an die entsprechenden Module, um die Module zu konfigurieren.
Eine Ausführungsform der Erfindung betrifft ein Verfahren zum Konfigurieren einer Etikettiermaschine in der Lebensmittelindustrie, insbesondere eine Etikettiermaschine in der Getränkemittelindustrie. Dabei werden Eingabedaten empfangen, welche eine Etikettierung eines Behälters betreffen. Die Eingabedaten können Parameter-Datensätze von konfigurierten Etikettiermaschinen und Operationsdaten umfassen.
Mittels einem Kl-Modul werden Konfigurationsparametern für die Etikettiermaschine erstellt. Die Konfigurationsparameter können auf den empfangenen Eingabedaten basieren. Danach können die Konfigurationsparameter auf die Etikettiermaschine angewendet werden, um ein oder mehrere Module der Etikettiermaschine zu konfigurieren. Insbesondere werden die vielfältigen Antriebe, Sensoren, Kameras, Aktoren, Druckköpfe (für Farben, Klebstoffe) und deren Versorgungseinheiten konfiguriert.
Beispielhafte Aspekte der Erfindung sind in den Zeichnungen dargestellt. Es zeigen:
Figur 1 : ein Diagramm, das die Übersicht über ein System zum Konfigurieren einer Etikettiermaschine mittels Künstlicher Intelligenz zeigt;
Figur 2: ein Diagramm, wie in Figur 1 gezeigt, mit weiteren Details des
Künstliche-Intelligenz-Moduls;
Figur 3: ein Verfahren zum Konfigurieren einer Etikettiermaschine; und
Figur 4: ein Verfahren zum Erstellen und Trainieren eines
Parametrisierungsmodells.
Die Konfiguration von Etikettiermaschinen ist technisch anspruchsvoll, da eine Vielzahl von Parametern eingestellt werden muss, die teilweise auch voneinander abhängen. Das bedeutet, wenn ein Parameter richtig eingestellt ist, kann die Veränderung eines anderen Parameters einen nachteiligen Effekt auf den bereits vermeintlich richtig eingestellten Parameter haben und diesen wieder ungünstig verändern. Um solche Kreuzeffekte zu verhindern, ist in der Regel viel Erfahrung im Bereich von Etikettiermaschinen nötig.
Beispielsweise sind bei Rundläufer-Etikettiermaschinen verschiedene elektromotorische Antriebe flaschen- und sortenabhängig bei der Erstmontage oder Nachrüstungen zu parametrieren. Dazu gehören unter anderem Servoantriebe für Drehteller,
3 einen Langstatorantrieb, insbesondere zum Transport von Behältern, ein Karussell, einen Antrieb zur Höhenverstellung eines Karusselloberteils, einen Antrieb zur Höhen- und/oder Radialverstellung der Etikettieraggregate, Anpassung der Etikettenübertragungsglieder, der Druckköpfe und Sensoren und viele andere Parameter.
Wie in Figur 1 gezeigt, ist gemäß der Erfindung ein Künstliche-Intelligenz-Modul (kurz: Kl-Modul) 110 mit einer Etikettiermaschine 100 verbunden. Diese Verbindung ist eine funktionale Verbindung und umfasst gemäß einer Ausführungsform, dass das Kl-Modul 110 über ein Netzwerk oder eine andere Datenverbindung mit einer Etikettiermaschine 100 verbunden ist. Das Kl-Modul 110 kann als externe Vorrichtung mit der Etikettiermaschine 100 verbunden sein. Die Erfindung ist jedoch nicht auf diese Ausführung beschränkt und das Kl- Modul 110 kann auch in der Etikettiermaschine 100 integriert sein. Beispielsweise kann das Kl-Modul 100 in einer Hauptsteuerung der Etikettiermaschine 100 implementiert sein.
Das Kl-Modul 110 kann auch auf einem entfernten Server implementiert werden und für die Konfiguration von mehreren verschiedenen Etikettiermaschinen 110 ausgelegt sein. In diesem Fall ist es einfacher möglich, dass das Kl-Modul 110 Zugriff auf Datensätze für eine große Anzahl von verschiedenen Modulen für verschiedene Etikettiermaschinen hat und diese Datensätze einfacher erweitert werden können.
Das Kl-Modul 110 erhält bzw. nutzt verschiedene Datensätze und erstellt aus diesen eingegebenen Daten die Konfigurationsparameter für die Etikettiermaschine 100. Bei den Eingabedaten kann dabei grundsätzlich zwischen Operationsdaten und Parameter- Datensätzen unterschieden werden.
Die Operationsdaten sind Daten und Informationen, welche die Rahmenbedingungen des Etikettiervorgangs beschreiben. Das sind beispielsweise CAD-Datensätze von Musterbehältern, wie einer Musterflasche, durch Abscannen eines etikettierten/bedruckten Musterbehälters erzeugte Datensätze, Angaben zu den Etiketten (Papier, Kunststoff, Druckbild), der zu verwendenden Klebstoffe (Heißleim, Kaseinleim, Haftkleber, Tinte) und/oder gegebenenfalls Materialangaben zum Behälter sowie Verschluss. Das Abscannen eines Musterbehälters kann ggf. auch in der Maschine selbst durch mindestens eine Umdrehung des Musterbehälters auf einem Drehteller vorgenommen werden, sofern ein geeigneter Scanner (z.B. eine Kamera) vorhanden ist. Durch einen Scanvorgang sind beispielsweise geometrische Daten (Höhe, Durchmesser, Kontur, Pressnähte, Embossing) der Behälter und Informationen über die Position der Etiketten/Druckbilder erfassbar. Besonders bevorzugt sind auch Codes oder Druckbildinformationen auf den Etiketten oder dem Musterbehälter selbst erfassbar, um Druckköpfe oder eine Etiketten- und/oder
4 Druckbildinspektion zu konfigurieren. Es sind auch weitere Operationsdaten denkbar, welche grundsätzlich zur Konfiguration der Etikettiermaschine 100 benötigt werden.
Figur 1 zeigt des Weiteren beispielhaft die Operationsdaten als CAD Daten 131, Scan von Musterbehältern 132, wie beispielsweise Musterflaschen, und andere Operationsparameter 133. Die weiteren Operationsparameter 133 können die oben genannten Parameter über Materialien, Klebstoffe und allgemeinte Angaben zur Etikettiermaschine 100 sein. Mit anderen Worten, die Operationsdaten sind als Datenblöcke 131 , 132 und 133 in Figur 1 von links kommend dargestellt.
Diese Operationsdaten werden vom Kl-Modul 110 zur Erzeugung von Konfigurationsparametern und optimierten Konfigurationsparametern verwendet, wie nachfolgend ausführlicher beschrieben ist.
Neben den Operationsdaten 131 , 132 und 133 kann das Kl-Modul HOParameter- Datensätze aus einer Datenbank 120 als eine weitere Art von Eingabedaten nutzen. Die Parameter-Datensätze in der Datenbank 120 sind Datensätze, welche die Konfigurationsparameter von bereits zuvor konfigurierten Etikettiermaschinen umfassen und zum Erstellen der neuen Konfigurationsparameter genutzt werden können. Des Weiteren kann jeder dieser Datensätze auch Daten zu dem entsprechenden Produkt umfassen, das durch die bereits konfigurierte Etikettiermaschine hergestellt wird. Dies können Daten über etikettierte Behälter sein, die mit den bereits konfigurierten Etikettiermaschinen gefertigt wurden. Mit anderen Worten, die Datenbank 120 speichert verschiedene Daten von einer Vielzahl von konfigurierten Etikettiermaschinen.
Das Kl-Modul 110 kombiniert und verwendet die verschiedenen Eingabedaten, um einen Satz von Konfigurationsparametern zu erstellen, der die Etikettiermaschine 100 entsprechend den Vorgaben des jeweils zu etikettierendem Produktes und/oder des Benutzers konfiguriert. Beispielsweise kann der Satz von Konfigurationsparametern die Etikettiermaschine 100 so konfigurieren, dass die ausgegebenen etikettierten/bedruckten Behälter genau den CAD-Daten 131 und/oder dem Scan 132 eines Musterbehälters unter Rücksichtnahme aller Operationsparameter 133 entsprechen.
Diese interne Berechnung der Konfigurationsparameter kann durch verschiedene Künstliche-Intelligenz-Modelle gestützt sein. Die Konfigurationsparameter werden von dem Kl- Modul 110 an die Etikettiermaschine 100 übertragen, beispielsweise an die Hauptsteuerung der Etikettiermaschine 100, um die Etikettiermaschine 100 durch die entsprechenden Konfigurationsparameter zu konfigurieren.
5 Die Etikettiermaschine 100 kann nach der Konfiguration Informationen über deren Betrieb und deren erfolgter Konfiguration zurück in das Kl-Modul 110 übertragen, was in Figur 1 durch die gestrichelte Linie „Feedback“ dargestellt ist. Die Konfiguration kann dabei zusätzliche manuell durchgeführte weitere Konfiguration und Konfigurationsparameter umfassen. Diese Rückmeldung der Etikettiermaschine 100 zum Kl-Modul 110 wird durch das Kl-Modul 110 analysiert, um die Konfigurationsparameter zu optimieren und diese wieder an die Etikettiermaschine 100 zu übertragen. Es kann dabei zu beliebig vielen Optimierungsdurchläufen kommen und die Neukonfiguration von einem oder mehreren Parametern der Etikettiermaschine 100 kann auch im laufenden Betrieb als Hintergrundprozess durchgeführt werden. Die Vielzahl von Durchläufen zur Optimierung kann hierbei zum Trainieren des Kl-Moduls 110 und zum Optimieren des Modells und der Parameter des Modells verwendet werden.
Somit können verschiedene Module der Etikettiermaschine 100 konfiguriert und entsprechend den Konfigurationsparametern des Kl-Moduls 110 angepasst werden. Beispielsweise können diese Module einen Servoantrieb für Drehteller, einen Antrieb zur Höhenverstellung eines Karusselloberteils und/oder einen Antrieb zur Höhenverstellung von Etikettier- und Druckaggregaten umfassen; es können aber auch weitere Module konfiguriert werden, wie z.B. ein Ausricht- oder Inspektionsmodul. Auf diese Weise kann ein behälterabhängiges Drehprogramm für die Drehteller selbsttätig konfiguriert werden.
Ebenso kann die Auswahl der Etikettier- und Druckaggregate, deren Positionierung am Karussell, die Anmeldung und Synchronisierung der Aggregatsteuerung mit der Maschinenhauptsteuerung automatisch ohne manuellen Programmieraufwand durch selbsttätige Konfiguration erfolgen.
Das Kl-Modul 110 kann verschiedene Modelle für Maschinenlernen und neuronale Netzwerke umfassen. Die Erfindung ist dabei nicht auf ein spezielles Maschinenlernverfahren eingeschränkt und es können verschiedene Kl-Modelle und Maschinenlernverfahren verwendet werden, wie beispielsweise überwachtes Lernen, bestärkendes Lernen, Musteranalyse und Mustererkennung, Robotik, künstliche neuronale Netze, Deep-Learning, Klassifikation, Regressionsverfahren, Clustering, Zeitreihenanalyse, Selbstlernende Systeme, etc.
Figur 2 zeigt das Kl-Modul 110 aus Figur 1 mit weiteren Details einer beispielhaften Ausführungsform. Das Kl-Modul 110 kann eine Simulationseinheit 205, eine Auswerte-Einheit 215, und eine Parameter-Einstelleinheit 225 umfassen.
6 Die Simulationseinheit 205 erhält die Eingabedaten, wie oben in Figur 1 beschrieben, und wendet das entsprechende Kl-Verfahren auf die Eingabedaten an. Beispielsweise kann die Simulationseinheit 205 die Etikettiermaschine 100 und deren Module in einer virtuellen Simulationsumgebung simulieren und Konfigurationsparameter zum Konfigurieren der simulierten Module auf die simulierte Etikettiermaschine anwenden. Die Simulationsausgabe der Simulationseinheit 205 wird an die Auswerteeinheit 215 ausgegeben. Die Auswerteeinheit 215 analysiert die Daten der Simulationseinheit 205 und bestimmt, ob die von der Simulationseinheit initial festgelegten Konfigurationseinstellungen zu verwertbaren Ergebnissen führt. Durch Rückmeldung bzw. Rückführung der Auswertung von der Auswerteeinheit 215 in die Simulationseinheit 205 werden die Konfigurationsparameter optimiert und erstellt.
Es ist hierbei zu beachten, dass die Simulationseinheit 215 nicht notwendigerweise die Aufgabe hat, eine Simulation durchzuführen, sondern im Wesentlich dafür zuständig ist, ein Konfigurationsmodell oder Parametrisierungsmodell zu erstellen. Dies kann beispielsweise mittels Maschinenlernverfahren basierend auf den vorher beschriebenen Eingabedaten erfolgen.
Das so erzeugte Parametrisierungsmodell, also die Konfigurationsparameter der Etikettiermaschine 100, kann dann im Zusammenspiel zwischen Simulationseinheit 205 und Auswerteeinheit 215 validiert und optimiert werden.
Sobald die Auswerteeinheit 215 bestimmt, dass die Auswertungsergebnisse der Konfigurationsparameter ausreichend sind, werden die Daten an die Parameter-Einstelleinheit 225 übergeben. Die Parameter-Einstelleinheit 225 extrahiert aus den Daten die Konfigurationsparameter und überträgt sie an die Etikettiermaschine 100.
In der Etikettiermaschine 100 werden die Konfigurationsparameter angewendet, um die einzelnen Module zu konfigurieren.
Sobald die Etikettiermaschine 100 mit den vom Kl-Modul 110 erstellten Konfigurationsparametern konfiguriert ist, werden die Feedback-Daten von der Etikettiermaschine 100 zum Kl-Modul 110 zurückgemeldet, wie zuvor beschrieben ist. Insbesondere können die Feedback-Daten an die Auswerte-Einheit 215 in dem Kl-Modul übertragen werden, die das Ergebnis analysiert und auswertet. Diese Analyse kann zurück in die Simulationseinheit 205 geführt werden und für die Optimierung verwendet werden. Dadurch können beliebig viele Durchläufe ausgeführt werden, bis die Konfigurationsparameter optimal eingestellt werden.
7 Durch mehrere Durchläufe verstärkt sich der Lerneffekt des Kl-Moduls 110 und die durch künstliche Intelligenz erzeugten Konfigurationsparameter können die Konfiguration der Etikettiermaschine 100 innerhalb kurzer Zeit optimieren.
Figur 3 zeigt ein Verfahren 300 zum Konfigurieren der Etikettiermaschine 100, wie es vorzugsweise durch das Kl-Modul 110 ausgeführt wird.
Zunächst empfängt das Kl-Modul 110 in Schritt S310 die Eingabedaten. Die Eingabedaten können die CAD-Daten 131 , die Scans 132 des Musterbehälters, die Operationsparameter 133 und/oder die Parameter-Datensätze aus der Datenbank 120 umfassen.
In Schritt S320 erstellt das Kl-Modul 110 aus den Eingabedaten die Konfigurationsparameter, die zum Konfigurieren der Etikettiermaschine 100 und/oder den entsprechenden Modulen der Etikettiermaschine 100 dienen. Dieser Schritt S320 kann beispielsweise durch die Schritte und Module ausgeführt werden, wie sie im Zusammenhang mit Figur 2 beschrieben sind. Weitere Details dieses Schrittes S320 werden in Bezug auf Figur 4 noch beschrieben.
In Schritt S330 werden die Konfigurationsparameter aus Schritt S320 auf die Etikettiermaschine 100 und/oder auf die Module der Etikettiermaschine 100 angewendet. Anwenden bedeutet in diesem Fall, dass die Konfigurationsparameter beispielsweise an eine Hauptsteuerung der Etikettiermaschine 100 übertragen werden können, welche die entsprechenden Module mittels den Konfigurationsparametern konfiguriert und einstellt.
Figur 4 zeigt ein Verfahren 400 mit weiteren Details bezüglich der Erstellung der Konfigurationsparameter.
In Schritt S410 wird ein Parametrisierungsmodell basierend auf den empfangenen Eingabedaten erstellt. Das Parametrisierungsmodell kann, wie oben beschrieben, beispielsweise ein Modell der Etikettiermaschine 100 umfassen, welches durch verschiedene Parameter simuliert wird.
In Schritt S420 wird das Parametrisierungsmodell trainiert. Beispielsweise kann das Parametrisierungsmodell mittels dem Kl-Modul 110 basierend auf den Parameter- Datensätzen von konfigurierten Etikettiermaschinen trainiert werden. Die Konfigurationsparameter werden so aus dem trainierten Parametrisierungsmodell abgeleitet.
Die technische Implementierung der Verwendung von Künstlicher Intelligenz zum Einstellen von Konfigurationsparametern für eine Maschine und insbesondere für eine
8 Etikettiermaschine reduziert die Zeit und den Arbeitsaufwand enorm und kann auch dabei helfen, die Konfiguration bereits konfigurierter entsprechender Maschinen zu verbessern und zu optimieren.
9

Claims

ANSPRÜCHE
1. Etikettiermaschine (100) für die Lebensmittelindustrie, insbesondere für die Getränkemittelindustrie, wobei die Etikettiermaschine umfasst: eine Vielzahl von Modulen wenigstens zum Etikettieren und/oder Bedrucken von Behältern; eine Steuereinheit zum Konfigurieren der Vielzahl von Modulen entsprechend von Konfigurationsparametern für die Vielzahl von Modulen, wobei: die Konfigurationsparameter mittels einem Künstliche-Intelligenz-, Kl-, Modul (110) erstellt werden; und die Steuereinheit die vom Kl-Modul (110) erstellten Konfigurationsparameter an die entsprechenden Module überträgt, um die Module zu konfigurieren.
2. Etikettiermaschine (100) nach Anspruch 1, wobei die Vielzahl von Modulen wenigstens eines der folgenden Module umfasst: einen Servoantrieb für Drehteller, einen Langstatorantrieb, insbesondere zum Transport von Behältern, ein Karussell, einen Antrieb zur Höhenverstellung eines Karusselloberteils, einen Antrieb zur Höhen- und/oder Radialverstellung von Etikettier- und/oder Druckaggregaten, einen Antrieb zur Anpassung von Etikettenübertragungsgliedern, Druckköpfen und/oder Sensoren.
3. Etikettiermaschine (100) nach Anspruch 1 oder 2, wobei die durch das Kl-Modul (110) erstellen Konfigurationsparameter basierend auf Daten von konfigurierten Etikettiermaschinen erstellt werden.
4. Etikettiermaschine (100) nach einem der Ansprüche 1 bis 3, wobei die durch das Kl- Modul erstellen Konfigurationsparameter basierend auf Operationsdaten erstellt werden, wobei die Operationsdaten wenigstens CAD-Daten eines Musterbehälters, einen Scan eines Behälters, Angaben zu Etiketten, Angaben zu verwendenden Klebstoffen und/oder Angaben zu Material der Behälter und/oder Behälter-Verschluss umfassen.
10 Etikettiermaschine (100) nach einem der Ansprüche 1 bis 4, wobei die Steuereinheit des Weiteren wenigstens eine der folgenden Einstellungen automatisch vornimmt: eine Auswahl von Etikettier- und/oder Druckaggregaten; eine Positionierung der Etikettier- und/oder Druckaggregate an einem Karussell oder einem Langstatorantrieb; eine Anmeldung und Synchronisierung einer Aggregatsteuerung mit einer Maschinenhauptsteuerung; eine Konfiguration für einen Klebstoffauftrag in Abhängigkeit einer Etikettenposition und/oder einer Etikettenkontur; eine Konfiguration für einen Direktaufdruck, wobei Parameter für einen oder mehrere Druckköpfe zum Bedrucken eines Behälters konfiguriert werden. Verfahren zum Konfigurieren einer Etikettiermaschine (100) in der Lebensmittelindustrie, insbesondere für eine Etikettiermaschine in der Getränkemittelindustrie, wobei das Verfahren umfasst:
Empfangen (S310) von Eingabedaten, die wenigstens eine Etikettierung und/oder Bedruckung eines Behälters betreffen, wobei die Eingabedaten Parameter-Datensätze von konfigurierten Etikettiermaschinen und Operationsdaten umfassen;
Erstellen (S320), von Konfigurationsparametern für die Etikettiermaschine mittels einem Künstliche-Intelligenz-, Kl-, Modul (110), wobei die Konfigurationsparameter auf wenigstens den empfangenen Eingabedaten basieren;
Anwenden (S330) der Konfigurationsparameter, um eine Vielzahl von Modulen der Etikettiermaschine (100) zu konfigurieren, wobei die Vielzahl von Modulen wenigstens zum Etikettieren und/oder Bedrucken von Behältern ausgelegt sind. Verfahren nach Anspruch 6, wobei das Erstellen von Konfigurationsdaten des Weiteren umfasst:
Erstellen (S410) eines Parametrisierungsmodells basierend auf den empfangenen Eingabedaten; und
Trainieren (S420), mittels dem Kl-Modul 110, des Parametrisierungsmodells basierend auf den Parameter-Datensätzen von konfigurierten Etikettiermaschinen, wobei die Konfigurationsparameter aus dem trainierten Parametrisierungsmodell abgeleitet werden.
11
8. Verfahren nach Anspruch 6 oder 7, wobei die Vielzahl von Modulen wenigstens eines der folgenden Module umfasst: einen Servoantrieb für Drehteller, einen Langstatorantrieb, insbesondere zum Transport von Behältern, ein Karussell, einen Antrieb zur Höhenverstellung eines Karusselloberteils , einen Antrieb zur Höhen- und/oder Radialverstellung von Etikettier- und/oder Druckaggregaten, einen Antrieb zur Anpassung von Etikettenübertragungsgliedern, Druckköpfen und/oder Sensoren.
9. Verfahren nach einem der Ansprüche 6 bis 8, wobei die Operationsdaten wenigstens CAD-Daten eines Musterbehälters, einen Scan eines Behälters, Angaben zu Etiketten, Angaben zu verwendenden Klebstoffen und/oder Angaben zu Material der Behälter und/oder Behälter-Verschluss umfassen. 10. Verfahren nach einem der Ansprüche 6 bis 9, wobei die Konfigurationsparameter zum automatischen Anpassen von wenigstens einer der folgenden Einstellungen ausgelegt sind: eine Auswahl von Etikettier- und/oder Druckaggregaten; eine Positionierung der Etikettier- und/oder Druckaggregate am Karussell oder einem Langstatorantrieb; eine Anmeldung und Synchronisierung einer Aggregatsteuerung mit einer Maschinenhauptsteuerung; eine Konfiguration für einen Klebstoffauftrag in Abhängigkeit einer Etikettenposition und/oder einer Etikettenkontur; eine Konfiguration für einen Direktaufdruck, wobei Parameter für einen oder mehrere
Druckköpfe zum Bedrucken eines Behälters konfiguriert werden.
12
EP22716031.4A 2021-05-12 2022-03-17 Etikettiermaschine und verfahren zum konfigurieren einer etikettiermaschine Pending EP4337545A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021112484.0A DE102021112484A1 (de) 2021-05-12 2021-05-12 Etikettiermaschine und Verfahren zum Konfigurieren einer Etikettiermaschine
PCT/EP2022/056942 WO2022238032A1 (de) 2021-05-12 2022-03-17 Etikettiermaschine und verfahren zum konfigurieren einer etikettiermaschine

Publications (1)

Publication Number Publication Date
EP4337545A1 true EP4337545A1 (de) 2024-03-20

Family

ID=81306960

Family Applications (1)

Application Number Title Priority Date Filing Date
EP22716031.4A Pending EP4337545A1 (de) 2021-05-12 2022-03-17 Etikettiermaschine und verfahren zum konfigurieren einer etikettiermaschine

Country Status (5)

Country Link
US (1) US20240217690A1 (de)
EP (1) EP4337545A1 (de)
CN (1) CN117425598A (de)
DE (1) DE102021112484A1 (de)
WO (1) WO2022238032A1 (de)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022123019A1 (de) * 2022-09-09 2024-03-14 Krones Aktiengesellschaft Etikettiervorrichtung
DE102023112373A1 (de) * 2023-05-10 2024-11-14 Krones Aktiengesellschaft Parametrierung einer Führungsgarnitur für eine Behältertransportvorrichtung
US12067313B1 (en) 2023-08-11 2024-08-20 Brady Worldwide, Inc. Machine learning-based systems and methods for automatically determining characteristics of printed labels
GB2644640A (en) * 2024-09-25 2026-04-29 Dover Europe Sarl Sensorless motor control

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4312605C2 (de) 1993-04-17 2001-06-07 Krones Ag Maschine zum Ausstatten von Gefäßen
DE19741476C5 (de) 1997-09-15 2010-06-02 Krones Ag Maschine zum Behandeln von Gefäßen
DE20019062U1 (de) 2000-11-09 2001-12-20 KHS Maschinen- und Anlagenbau AG, 44143 Dortmund Vorrichtung zur Steuerung der Drehbewegung von Gefäßen
DE10145455A1 (de) 2001-09-14 2003-04-24 Krones Ag Maschine zum Ausstatten von Arikeln
DE10306671A1 (de) 2003-02-18 2004-08-26 Khs Maschinen- Und Anlagenbau Ag Module für Etikettiermaschinen
SI1706322T1 (sl) 2004-01-19 2008-10-31 Krones Ag Naprava za premikanje in etiketiranje posod
DE102004026755A1 (de) 2004-05-29 2005-12-22 Krones Ag Maschine zum Ausrichten und Ausstatten von Gegenständen
DE102004040634A1 (de) * 2004-08-21 2006-03-09 Khs Maschinen- Und Anlagenbau Ag Verfahren zum Etikettieren von Behältern, sowie Etikettiermaschine zum Durchführen dieses Verfahrens
DE102008013380A1 (de) 2008-03-10 2009-09-17 Krones Ag Gebindehandhabungseinrichtung, Etikettierkarussell, Etikettiermaschine, Gebindebearbeitungszentrum und Verfahren zum Beschichten der Umfangsoberfläche von Gebinden
DE102008062580B4 (de) 2008-12-16 2023-02-02 Krones Aktiengesellschaft Maschine zum Ausstatten von Artikeln und Verfahren zur Steuerung der Maschine
DE102009034217A1 (de) * 2009-07-22 2011-01-27 Krones Ag Steuerung von Drehtellern in Etikettiermaschinen
DE102009035924A1 (de) 2009-08-03 2011-02-10 Krones Ag Vorrichtung und Verfahren zum Überprüfen eines Etiketts auf einem Etikettenträger
DE102011086708A1 (de) 2011-11-21 2013-05-23 Krones Ag Vorrichtung zum Ausstatten von Behältern
DE102013202425A1 (de) * 2013-02-14 2014-08-14 Krones Ag Verfahren zum Ausrichten eines Etikettenstreifens
DE102014112483A1 (de) 2014-08-29 2016-03-03 Krones Aktiengesellschaft Vorrichtung und Verfahren zum Bedrucken von Behältnissen mit Fehlererfassung
ITUB20159535A1 (it) 2015-12-14 2017-06-14 Makro Labelling Srl Macchina di convogliamento per contenitori
DE102016103117A1 (de) 2016-02-23 2017-08-24 Krones Ag Verfahren zum Betreiben einer Behandlungsanlage zum Behandeln von Behältnissen mit Rezepterstellung für die Steuerung
US11034145B2 (en) 2016-07-20 2021-06-15 Ball Corporation System and method for monitoring and adjusting a decorator for containers
DE102017120259A1 (de) * 2017-09-04 2019-03-07 Krones Ag Vorrichtung und Verfahren zum Kontrollieren von bedruckten Behältnissen
DE102019101852A1 (de) 2019-01-25 2020-07-30 Weber Maschinenbau Gmbh Breidenbach Verpackungsmaschine
DE102019203060B4 (de) 2019-03-06 2026-03-19 Krones Ag Verfahren zur Produktführung in einer Abfüllanlage und Abfüllanlage für Glasflaschen
DE102019126947A1 (de) 2019-10-08 2021-04-08 Krones Aktiengesellschaft Verfahren zum Betreiben einer Behältnisbehandlungsanlage und Behältnisbehandlungsanlage mit optimierten Parametern
DE102020111674A1 (de) 2020-04-29 2021-11-04 Krones Aktiengesellschaft Behälterbehandlungsmaschine und Verfahren zum Überwachen des Betriebs einer Behälterbehandlungsmaschine

Also Published As

Publication number Publication date
WO2022238032A1 (de) 2022-11-17
CN117425598A (zh) 2024-01-19
DE102021112484A1 (de) 2022-11-17
US20240217690A1 (en) 2024-07-04

Similar Documents

Publication Publication Date Title
WO2022238032A1 (de) Etikettiermaschine und verfahren zum konfigurieren einer etikettiermaschine
EP2029442B1 (de) Verfahren sowie vorrichtung zum bedrucken von behältern
EP2098355B2 (de) Blasmaschine und Blasverfahren mit einer Druckeinrichtung
WO2010043330A1 (de) Verfahren sowie vorrichtung zum ausstatten von behältern
WO2012016771A1 (de) Verfahren und vorrichtung zum betreiben einer anlage zum behandeln von behältnissen mit übergeordneter parameteranwahl
EP1449778A1 (de) Module für Etikettiermaschinen
WO2021219499A1 (de) Behälterbehandlungsmaschine und verfahren zum überwachen des betriebs einer behälterbehandlungsmaschine
DE102010033170A1 (de) Verfahren und Vorrichtung zum Betreiben einer Anlage zum Behandeln von Behältnissen mit gesteuerter Parameteranwahl
EP2698213A1 (de) Markierungsvorrichtung zum Markieren von Behältern, Behälterbehandlungsvorrichtung und ein Verfahren zum Markieren von Behältern
WO2014124775A1 (de) Verfahren zum ausrichten eines etikettenstreifens
DE102012221458B3 (de) System zur automatischen Formatverstellung einer Anlage mit Automatik-unterstütztem Formatwechsel
WO2017042234A1 (de) Vorrichtung und verfahren zum behandeln von behältnissen mit rückfragenden behandlungseinrichtungen
WO2018108331A1 (de) Etikettiermaschine, druckmaschine, inspektionsmaschine und verfahren zur inbetriebnahme eines bussystems in einer solchen maschine
DE102013215167A1 (de) Etikettiermaschine mit redundanten Etikettieraggregaten
EP3678865A1 (de) Vorrichtung und verfahren zum kontrollieren von bedruckten behältnissen
WO2019043255A1 (de) Vorrichtung und verfahren zum kontrollieren von bedruckten behältnissen
DE102006056475A1 (de) Mehrbahnige CD-Bedruckungsanlage
EP4582368A1 (de) Abfüllanlage mit zentraler steuerungseinrichtung
EP3199370B1 (de) Herstellungsverfahren und anlage zur anwendung des herstellungs-verfahrens
DE102024122673A1 (de) Verfahren und System zum kontextbasierten Bereitstellen von technischen Handlungsanweisungen
EP4335767A1 (de) Etikettiervorrichtung
DE102023105602A1 (de) Behälterbehandlungsanlage
DE102024119110A1 (de) Automatisiertes Verfahren zur dynamischen Regelung einer Anlage mit mehreren Maschinen und computerlesbares Speichermedium
DE102024107937A1 (de) Maschine und Verfahren zur bedienergeführten Inbetriebnahme der Maschine
EP4527588A1 (de) Vorrichtung und ein verfahren zum behandeln von getränkebehältnissen

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20231108

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)