Die vorliegende Erfindung betrifft eine Behälterbehandlungsmaschine gemäß Anspruch 1 sowie ein Verfahren zum Überwachen des Betriebs einer Behälterbehandlungsmaschine gemäß An spruch 8.

Stand der Technik

Behälterbehandlungsmaschinen zum Behandeln von Behältern sind aus dem Stand der Technik hinreichend bekannt. Dabei ist es insbesondere bekannt, die Behälterbehandlungsmaschinen un terschiedlichster Art (beispielsweise Blasformmaschinen, Füller, Verschließer und Direktdruckma schinen) zu "Verblocken", sodass ihr Betrieb gemeinschaftlich gesteuert und überwacht werden kann.

Aufgrund der Verfügbarkeit schneller Datenübertragung und Massenspeicher für große Daten mengen hat es sich als vorteilhaft herausgestellt, den Betrieb der einzelnen Behälterbehandlungs maschinen, insbesondere ganzer Behälterbehandlungsanlagen, weltweit zentral zu überwachen. Dazu werden mittlerweile Cloud-Lösungen verwendet, die die Daten der Behälterbehandlungsan lagen sammeln können und anschließend eine Auswertung dieser Daten durchführen.

Basierend auf dieser Auswertung kann dann beispielsweise eine Zustandsüberwachung der ein zelnen Behälterbehandlungsmaschinen erfolgen, und eine Erkennung oder Früherkennung von bevorstehenden Fehlern während des Betriebs der Behälterbehandlungsmaschinen durchgeführt werden.

Dazu wird üblicherweise eine Vielzahl von Parameter, auch Zustandsvariablen genannt, perma nent überwacht und durch entsprechende Recheneinheiten, wie etwa Server bei einer Cloud-Ar- chitektur dahingehend untersucht, ob Anomalien in der Gesamtheit der Zustandsvariablen vorlie gen. Bei Auftreten solcher Anomalien oder einer bestimmten Konstellation von Zustandsvariablen oder Zustandsvektoren kann dann auf eine Fehlfunktion oder eine bevorstehende Fehlfunktion geschlossen werden.

Zur Auswertung solch großer Datenmengen, insbesondere zur Mustererkennung, werden in ent sprechenden Cloud-Lösungen mittlerweile auch neuronale Netze eingesetzt.

Allerdings hat dieser Ansatz auch Nachteile, da die Maschinen eine ständige Netzwerkverbindung zur Außenwelt benötigen, um eine Erkennung von Fehlern zu gewährleisten, was nicht nur eine stabile Internetverbindung erfordert, sondern gleichzeitig erhebliche Sicherheitsrisiken bei der Übertragung dieser Daten mit sich bringt. Außerdem liefert die Auswertung sämtlicher für die Be hälterbehandlungsanlage verfügbarer Daten zwar einen guten Überblick über den gesamten Be trieb der Anlage. Für einzelne Fehlfunktionen, etwa für den Ausfall eines einzelnen Drehgebers an einer Direktdruckmaschine, ist jedoch ein Großteil dieser Daten nicht relevant. Ein vorheriges Aussortieren dieser Daten ist jedoch nicht sinnvoll, da dann Informationen über andere Fehler verloren gehen würden.

Aufgabe

Ausgehend vom bekannten Stand der Technik besteht die zu lösende technische Aufgabe somit darin, ein Verfahren zur Überwachung des Betriebs einer Behälterbehandlungsmaschine sowie eine entsprechende Behälterbehandlungsmaschine anzugeben, die eine zuverlässige Betriebs überwachung gewährleisten und gleichzeitig eine hohe Sicherheit der Daten sowie, sofern mög lich, geringen Komponenteneinsatz und geringe Kosten während des laufenden Betriebs realisie ren.

Lösung

Diese Aufgabe wird erfindungsgemäß durch die Behälterbehandlungsmaschine gemäß Anspruch 1 oder das Verfahren zum Überwachen des Betriebs der Behälterbehandlungsmaschine gemäß Anspruch 8 gelöst. Vorteilhafte Weiterbildungen der Erfindung sind in den Unteransprüchen er fasst.

Die erfindungsgemäße Behälterbehandlungsmaschine zum Behandeln von Behältern, wie bei spielsweise Flaschen, Dosen oder dergleichen, insbesondere in der getränkeverarbeitenden In dustrie, der Medizintechnik oder der Kosmetikindustrie, umfasst eine Steuereinheit zur Steuerung der Funktion der Behälterbehandlungsmaschine und wenigstens eine Behandlungseinheit zum Behandeln der Behälter, wobei die Behälterbehandlungsmaschine zum Behandeln der Behälter auf genau eine Art ausgebildet ist, wobei die Behälterbehandlungsmaschine wenigstens eine Komponente umfasst, die Daten bezüglich ihres Betriebszustands und/oder des Betriebszustands der Behälterbehandlungsmaschine an die Steuereinheit ausgeben kann und wobei die Steuerein heit ein neuronales Netz umfasst, das ausgebildet und trainiert ist, anhand der Daten festzustellen, ob eine Abweichung des Betriebszustands der Behälterbehandlungsmaschine von einem Normal zustand vorliegt und/oder bevorsteht. Unter dem Begriff der "Komponente" ist hier jeder Bestandteil der Behälterbehandlungsmaschine anzusehen, der irgendwelche für seinen Betrieb oder den Betrieb anderer Teile der Behälterbe handlungsmaschine relevante Daten erfassen/erzeugen/aufnehmen und an die Steuereinheit übermitteln kann. Es kann, muss sich bei diesen Komponenten entsprechend nicht zwangsläufig um Sensoren handeln.

Dass die Behälterbehandlungsmaschine zum Behandeln der Behälter auf genau eine Art ausge bildet ist, ist so zu verstehen, dass die Behälterbehandlungsmaschine genau einen (also nicht etwa zwei oder mehr, sondern nur einen) funktionalen Eingriff an einem Behälter durchführt bzw. nur eine solche durchführen kann. Dies schließt nicht aus, dass in oder im Rahmen der Behälter behandlungsmaschine zusätzlich ein Transport der Behälter stattfindet. Ein funktionaler Eingriff an einem Behälter bedeutet, wenigstens eine Eigenschaft des Behälters zu verändern. Dazu zählt beispielsweise das Ausformen eines Vorformlings zu einem Behälter, das Füllen des Behälters, das Verschließen des Behälters, das Versehen des Behälters mit Dekorationselementen, das Vorbehandeln der äußeren und/oder inneren Oberfläche des Behälters sowie das Inspizieren des Behälters. Dazu zählt auch das Verpacken des oder einer Vielzahl von Behältern, etwa das Zu sammenstellen von mehreren Behältern zu entsprechenden Gebinden und das Erstellen einer Kunststoffumhüllung für diese Behälter. Auch das Reinigen von zu recycelnden Behältern oder das Zerkleinern der Behälter aus Kunststoff zum Herstellen neuer Behälter aus recyceltem Kunst stoff sind als entsprechende funktionale Eingriffe in den Behälter und damit als einzelne Behand lung an dem Behälter zu verstehen.

Mit der erfindungsgemäßen Behälterbehandlungsmaschine wird eine Überwachung des Betriebs der Behälterbehandlungsmaschine möglich, wobei analog zu den bisherigen Verfahren auch eine Weiterentwicklung der Überwachung aufgrund des Lernens des neuronalen Netzes gewährleistet ist. Gleichzeitig ist eine permanent verfügbare Datenverbindung, etwa über das Internet, zu einer entfernt von der eigentlichen Behälterbehandlungsmaschine eingerichteten Serverarchitektur nicht mehr notwendig. Auch wird das neuronale Netz zweckmäßig lediglich mit den Daten ver sorgt, die für den Betrieb der Behälterbehandlungsmaschine relevant sind, sodass das neuronale Netz und insbesondere die Rechenkapazität der Steuereinheit entsprechend geringer dimensio niert sein können. Damit kann etwa auch die vorgehaltene Speicherkapazität der Steuereinheit geringer ausfallen. Hiermit entfällt auch eine für den Betrieb der Behälterbehandlungsmaschine überflüssige Aussortierung oder sogar Auswertung von für andere Behälterbehandlungsmaschi nen relevanten Daten, die auf den Betrieb der eigentlichen Behälterbehandlungsmaschine keinen Einfluss haben. Es kann vorgesehen sein, dass die Komponente wenigstens eines von einem Sensor, einem Drehgeber, einer Kamera, einer Behälterführung, einem Bestandteil der Steuereinheit, einem Be standteil der Netzwerkarchitektur der Behälterbehandlungsmaschine umfasst.

Diese Ausführungen der Komponente können besonders vorteilhaft im Rahmen der Erfindung realisiert werden, da sie für wichtige Charakteristika des Betriebs der Behälterbehandlungsma schine nützliche Daten ausgeben. Als Sensor kann beispielsweise ein Temperatursensor, Druck sensor, Feuchtigkeitssensor, Geschwindigkeitssensor oder Ähnliches verwendet werden.

Weiterhin kann die Steuereinheit ausgebildet sein, eine Information an einen Bediener auszuge ben, wenn das neuronale Netz feststellt, dass eine Abweichung des Betriebszustands der Behäl terbehandlungsmaschine von einem Normal-Zustand vorliegt und/oder bevorsteht.

Die Information kann etwa eine visuelle, akustische oder haptische Information oder eine Kombi nation dieser drei oder zwei verschiedenen Informationstypen sein. Insbesondere kann die Infor mation auf einem Display angezeigt oderein Warnsignal (akustisch) ausgegeben werden. Hiermit kann der Bediener auf etwa bevorstehende oder bereits eingetretene Probleme beim Betrieb der Behälterbehandlungsmaschine effektiv hingewiesen werden, sodass etwaige Stillstandszeiten o- der die Menge an Ausschuss reduziert werden können.

In einer Ausführungsform ist vorgesehen, dass das neuronale Netz ausgebildet ist, aus einem Betrieb der Behälterbehandlungsmaschine zu lernen.

Das neuronale Netz kann etwa nicht nur aus dem Betrieb der Behälterbehandlungsmaschine im Normal-Zustand, sondern auch aus dem Auftreten von Fehlern und insbesondere des Verhaltens der Daten vor Auftreten des Fehlers lernen, um die Fehlererkennung zu verbessern. Damit wird trotz der nur limitiert verfügbaren Daten eine zuverlässige Fehlererkennung und Vorhersage von möglicherweise auftretenden Fehlern realisiert.

Außerdem kann die Steuereinheit ausgebildet sein, dem neuronalen Netz nur Daten während des Betriebs der Behälterbehandlungsmaschine zuzuführen, die von der Komponente oder den Kom ponenten der Behälterbehandlungsmaschine erlangt wurden.

Hiermit kann die Behälterbehandlungsmaschine und insbesondere die Steuereinheit und das da rauf laufende neuronale Netz im Wesentlichen isoliert, d. h., also vollständig ohne Datenaus tausch mit anderen Einrichtungen betrieben werden, was insbesondere die Betriebssicherheit auf grund der Unmöglichkeit eines unerlaubten Zugriffs erhöht werden. In einer weiteren Ausführungsform ist die Behälterbehandlungsmaschine als eines von einer In spektionsmaschine, einer Direktdruckmaschine, einer Etikettiermaschine, einem Füller, einem Verschließer, einem Verpacker, einer Blasformmaschine, einer Behälterreinigungsmaschine, ei ner Formfüllmaschine, einer Vorbehandlungsmaschine ausgebildet.

Diese Behälterbehandlungsmaschinen können besonders vorteilhaft mit der erfindungsgemäßen Überwachung überwacht werden.

Das erfindungsgemäße Verfahren zur Überwachung des Betriebs einer Behälterbehandlungsma schine zum Behandeln von Behältern, wie Flaschen, Dosen oder dergleichen, insbesondere in der getränkeverarbeitenden Industrie, der Medizintechnik oder der Kosmetikindustrie, wobei die Behälterbehandlungsmaschine eine Steuereinheit, die die Funktion der Behälterbehandlungsma schine steuert, und wenigstens eine Behandlungseinheit, die Behälter behandelt, umfasst, sieht vor, dass die Behälterbehandlungsmaschine Behälter auf genau eine Art behandelt, wobei die Behälterbehandlungsmaschine wenigstens eine Komponente umfasst, die Daten bezüglich ihres Betriebszustands und/oder des Betriebszustands der Behälterbehandlungsmaschine an die Steu ereinheit ausgibt und wobei die Steuereinheit ein neuronales Netz umfasst, das ausgebildet und trainiert ist, anhand der Daten festzustellen, ob eine Abweichung des Betriebszustands der Be hälterbehandlungsmaschine von einem Normal-Zustand vorliegt und/oder bevorsteht.

Dieses Verfahren erlaubt eine zuverlässige Überwachung des Betriebszustands einer Behälter behandlungsmaschine, wobei gleichzeitig die Sicherheit der Daten, aber auch die Sicherheit des Betriebs aufgrund der Isolierung der Steuereinheit und des neuronalen Netzwerks vom externen Zugriff sichergestellt werden.

Das neuronale Netz kann als ein Deep Neural Network (DNN) ausgebildet sein.

Deep Neural Networks sind dabei solche neuronalen Netze, die eine (umfangreiche) Struktur von Zwischenschichten aufweisen. Diese neuronalen Netze sind besonders geeignet, um Muster in großen Datenmengen zu erkennen und können daher vorteilhaft im Rahmen der Überwachung des Betriebs der Behälterbehandlungsmaschine eingesetzt werden.

Es kann auch vorgesehen sein, dass das neuronale Netz aus dem Betrieb der Behälterbehand lungsmaschine lernt.

Das Lernen aus dem Betrieb bietet den Vorteil, dass die Erkennung der Fehler für diese spezifi sche Behälterbehandlungsmaschine auch während des Betriebs der Behälterbehandlungsma schine verbessert werden kann. Ferner kann vorgesehen sein, dass die Steuereinheit nur Daten der Komponente oder der Kom ponenten der Behälterbehandlungsmaschine während des Betriebs der Behälterbehandlungsma schine zum Lernen an das neuronale Netz weiterleitet.

Dabei ist insbesondere vorgesehen, dass Daten von sämtlichen Komponenten der Behälterbe handlungsmaschine, die der Steuereinheit zur Verfügung gestellt werden, auch dem neuronalen Netz zur Verfügung gestellt werden. Jedoch werden keine Daten von anderen Behälterbehand lungsmaschinen desselben Typs oder anderen Behälterbehandlungsmaschinen, etwa einer Be hälterbehandlungsanlage, in der die Behälterbehandlungsmaschine installiert ist, der Steuerein heit und dem neuronalen Netz zugeführt. Die zu verarbeitende Datenmenge kann damit gering gehalten werden, wobei dennoch eine gute Fehlererkennung gewährleistet wird.

Es kann auch vorgesehen sein, dass die Steuereinheit zusätzliche Daten während einer Wartung der Behälterbehandlungsmaschine an das neuronale Netz überträgt und das neuronale Netz aus den zusätzliche Daten lernt.

Im Rahmen einer solchen Wartung kann etwa über einen geeigneten Datenträger (USB-Stick, externe Festplatte oder Ähnliches) eine Datenmenge zusätzlicher Daten (beispielsweise mehrere 100 MB an zusätzlichen Daten) an die Behälterbehandlungsmaschine und insbesondere an das neuronale Netz zum Lernen übertragen werden. Dies bietet den Vorteil, dass auch ein umfangrei cheres Lernen des neuronalen Netzes ermöglicht wird, ohne dass hierfür eine permanente gege benenfalls unsichere Datenverbindung besteht.

In einer Weiterbildung dieser Ausführungsform ist vorgesehen, dass die zusätzlichen Daten Daten über einen Betriebszustand wenigstens einer weiteren Behälterbehandlungsmaschine einer Be hälterbehandlungsanlage, zu der die Behälterbehandlungsmaschine gehört, umfassen; und/oder wobei die zusätzlichen Daten Daten über einen Betriebszustand einer Behälterbehandlungsma schine desselben Typs umfassen.

Die Verwendung von Daten aus derselben Behälterbehandlungsanlage können von Vorteil sein, da sie mittelbar oder unmittelbar auch den Betrieb der Behälterbehandlungsmaschine beeinflus sen können. Die Verwendung von Daten über den Betriebszustand von Behälterbehandlungsma schinen des gleichen Typs können dazu dienen, Fehler, die erst bei einer großen Anzahl von Betriebsstunden auftreten, bereits im neuronalen Netz zu lernen, sodass eine Früherkennung auch dieser Fehler, wie etwa erst nach 10 Jahren des Betriebs einer einzelnen Behälterbehand lungsmaschine statistisch auftreten, rechtzeitig zu erkennen. Weiterhin kann die Komponente wenigstens eines von einem Sensor, einem Drehgeber, einer Kamera, einer Behälterführung, einem Bestandteil der Steuereinheit, einem Bestandteil der Netz werkarchitektur der Behälterbehandlungsmaschine umfassen und/oder die Komponente kann die Daten in Echtzeit an die Steuereinheit übermitteln.

Die von diesen Komponenten ausgegebenen Daten können vorteilhaft für die Erkennungen von bevorstehenden oder auftretenden Fehlern dienen.

Es kann auch vorgesehen sein, dass die Steuereinheit eine Information an einen Bediener aus gibt, wenn das neuronale Netz feststellt, dass eine Abweichung des Betriebszustands der Behäl terbehandlungsmaschine von einem Normal-Zustand vorliegt und/oder bevorsteht.

Diese Information kann dem Bediener dabei helfen, auftretende Fehler rechtzeitig zu erkennen und beispielsweise ein Anhalten des Betriebs der Behälterbehandlungsmaschine oder eine War tung durchzuführen.

Kurze Beschreibung der Figuren

Fig. 1 schematische Ansicht einer Behälterbehandlungsmaschine gemäß einer Ausführungs form

Fig. 2 schematische Ansicht des innerhalb der Steuereinheit ablaufenden Verfahrens Fig. 3 schematische Darstellung des Verfahrens unter Berücksichtigung zusätzlicher Daten

Ausführliche Beschreibung

Fig. 1 zeigt eine Behälterbehandlungsmaschine 100, wie sie gemäß einer Ausführungsform der Erfindung eingesetzt werden kann. In der Fig. 1 ist die Behälterbehandlungsmaschine als Direkt druckmaschine ausgebildet, die Behälter zumindest teilweise mit einem Druckbild als Dekorati onselement versehen kann. Die Behälterbehandlungsmaschine oder die Behälterbehandlungs maschinen sind gemäß der Erfindung insbesondere Behälterbehandlungsmaschinen, die im Be reich der getränkeverarbeitenden Industrie oder der Kosmetikindustrie oder der Medizintechnik zum Einsatz kommen, um Behälter auf irgendeine Art zu Behandeln. Es handelt sich insbeson dere um Maschinen, die dazu ausgebildet sind, Behälter mit in den oben genannten Industrie zweigen üblichen Maßen, etwa 11, 21, 1 ,51, 0,51, 0,751 Flaschen oder Tiegel für Cremes mit einem Volumen von 100ml, 150ml, 200ml oder Spritzen oder Behälter mit einem Volumen von 5ml, 10ml oder 20ml zu behandeln. Auch andere in den oben genannten Industrien zum Einsatz kommende Arten von Behältern sowie Größen von Behältern sollen hier umfasst sein, etwa Dosen. Dazu umfasst in der hier dargestellten Ausführungsform die Direktdruckmaschine 100 ein Karus sell 101 mit einer Reihe von Behälteraufnahmen 102, in denen Behälter zum Transport entlang des Karussells (entlang der dargestellten Rotationsrichtung R des Karussells) aufgenommen wer den können. Die Behälteraufnahmen 100 sind aus dem Stand der Technik grundsätzlich bekannte Vorrichtungen und können beispielsweise Standteller oder Drehteller und diesen zugeordnete Zentrierglocken umfassen, sodass der Behälter zwischen dem Teller einerseits und der Zentrier einrichtung andererseits eingespannt werden kann.

In der hier dargestellten Ausführungsform befinden sich an der Peripherie des Karussells 101 eine Reihe von Druckmodulen 103, 104 und 105. Diese sind derart angeordnet und ausgebildet, dass sie Drucktinte auf die Oberfläche des Behälters ausbringen können.

Während hier drei Druckmodule dargestellt sind, können auch mehr oder weniger Druckmodule vorgesehen sein. Ebenso ist die Anordnung an der Peripherie des Karussells nicht beschränkend. Es sind auch mit den einzelnen Behälteraufnahmen 102 mitumlaufende Druckmodule denkbar, sodass jeder Behälter in seiner Behälteraufnahme während des Transports entlang des Karus sells 101 von den der Behälteraufnahme 102 zugeordneten Modulen bedruckt werden kann.

Überdies sind Transporteinrichtungen für die Behälter schematisch dargestellt. Die Transportein richtung 106 ist als Zuführeinrichtung ausgebildet, sodass sie nicht bedruckte Behälter der Direkt druckmaschine zuführen kann. Die Transporteinrichtung 107 ist als Transporteinrichtung ausge bildet, die Behälter aus dem Karussell 101 nach dem Bedrucken entnehmen und aus der Direkt druckmaschine 100 abführen kann.

Überdies umfasst die Behälterbehandlungsmaschine 100 eine Steuereinheit 130. Erfindungsge mäß ist diese Steuereinheit mit einzelnen Komponenten 131 bis 137 der Behälterbehandlungs maschine verbunden, etwa über eine Reihe von Leitungen zum Datenaustausch 138. Auch draht lose Verbindungen sind hier denkbar.

In der in Fig. 1 dargestellten Ausführungsform umfassen beispielsweise jede Behälteraufnahme 102, jedes Druckmodul 103 bis 105, sowie das Karussell 101 und die Transporteinrichtungen 106 und 107 diesen zugeordnete Komponenten 131 bis 137.

In der hier dargestellten Ausführungsform können diese Komponenten als "Sensoren" aufgefasst werden, die Daten über den Betriebszustand des ihnen zugeordneten Teils der Behälterbehand lungsmaschine (also beispielsweise die Komponente 135 vom Druckmodul 104) aufnehmen und der Steuereinheit 130 zuführen können. Die Komponenten 131 bis 137 müssen jedoch nicht als Sensoren ausgeführt sein. Grundsätzlich kommen als Komponenten (bewegliche) Teile der Be hälterbehandlungsmaschine in Betracht, die Daten bezüglich eines Betriebszustands entweder über sich selbst und/oder der gesamten Behälterbehandlungsmaschine und/oder anderer Teile der Behälterbehandlungsmaschine ausgeben können. Beispielsweise kann ein Servomotor als solche Komponente angesehen werden. Der Servomotor kann beispielsweise Teil der Behäl teraufnahme 102 sein, gibt jedoch an die Steuereinheit 130 üblicherweise keine Informationen über die Zentriereinrichtung der Behälteraufnahme 102 aus, sondern lediglich über seinen eige nen Betriebszustand, etwa ob die Betriebsspannung korrekt ist oder Steuersignale von der Steu ereinheit korrekt empfangen werden.

Als Sensoren kommen insbesondere Temperatursensoren, Feuchtigkeitssensoren, Drucksenso ren, Lichtsensoren, Geschwindigkeitssensoren und Ähnliches in Betracht, da sämtliche von sol chen Sensoren gemessenen Werte üblicherweise für den Betriebszustand einer Behälterbehand lungsmaschine indikativ bzw. relevant sein können.

Als Komponenten kommen auch Kameras infrage, die etwa bei Realisierung der Behälterbehand lungsmaschine als Inspektionseinrichtung genutzt werden, um die Behälter zu überprüfen.

Insbesondere handelt es sich bei den Komponenten um Sensoren, Drehgeber, Kameras, Behäl terführungen oder Teile der Steuereinheit (etwa die Netzwerkkabel oder der Prozessor oder der interne Speicher oder Ähnliches) oder allgemein einen Bestandteil der Netzwerkarchitektur (hier schematisch dargestellt durch die Datenverbindungen 138) der Behälterbehandlungsmaschine. Die Netzwerkarchitektur kann dabei sämtliche zum Zwecke des Datenaustausches verwendeten Einrichtungen und Komponenten (insbesondere Prozessoren, Speicher, Datenverbindungen und Ähnliches) umfassen. Diese können Informationen über ihren Zustand an die Steuereinheit aus geben, um eine Steuerung und Kontrolle dieser Komponenten zu ermöglichen.

Die hier dargestellte Ausführungsform der Behälterbehandlungsmaschine 100 ist nur beispielhaft zu verstehen und die Erfindung ist nicht auf die Anwendung im Bereich von Direktdruckmaschinen beschränkt.

Im Gegenteil, analog zu dem bisher Beschriebenen kann es sich bei der Behälterbehandlungs maschine etwa auch um eine Blasformmaschine, eine Etikettiermaschine, eine Inspektionsma schine, einen Füller, einen Verschließer, einen Verpacker, eine Blasformmaschine, eine Behälter reinigungsmaschine, eine Recyclingmaschine für Kunststoffbehälter, eine Formfüllmaschine oder eine Vorbehandlungsmaschine handeln. Für die Erfindung wesentlich ist jedoch, dass jede Behälterbehandlungsmaschine, die gemäß Ausführungsformen der Erfindung realisiert wird, Behälter auf genau eine Art behandelt. Das Be handeln der Behälter umfasst dabei eine funktionale Veränderung des Behälters oder eine In spektion. Eine funktionale Veränderung ist beispielsweise im Bedrucken, Etikettieren, Verschlie ßen, Befüllen, Ausformen, Zerkleinern, Recyceln, Reinigen, Verpacken oder Zusammenstellen mit anderen Behältern zu sehen. Die Behälterbehandlungsmaschine führt erfindungsgemäß ge nau eine solche funktionale Behandlung eines Behälters durch.

In diesem Sinne ist der Transport der Behälter etwa durch die Transporteinrichtungen 106 und 107 oder entlang der Peripherie des Karussells in den Behälteraufnahmen 102 nicht als geson derte funktionale Veränderung des Behälters zu sehen, sondern als Teil einer solchen, da bei spielsweise für eine Direktdruckmaschine die funktionale Behandlung darin zu sehen ist, dass ein Druckbild auf dem Behälter aufgebracht wird, der Behälter währenddessen jedoch zwangsläufig in irgendeiner Art und Weise transportiert wird.

Unter das Behandeln von Behältern und damit unter dem Begriff der "Behälterbehandlungsma schine" fallen also keine bloßen Transporteinrichtungen, die Behandlung des Behälters im Sinne der Erfindung kann jedoch auch einen Transport umfassen, zusätzlich zur funktionalen Verände rung des Behälters, wie oben beschrieben.

Erfindungsgemäß ist nun vorgesehen, dass die Steuereinheit 130 über ein neuronales Netzwerk verfügt bzw. ihr ein solches zugeordnet ist und die Steuereinheit die von der wenigstens einen Komponente (beispielsweise der Komponente 134) erhaltenen Daten über den Betriebszustand der Komponente und/oder der Behälterbehandlungsmaschine dem neuronalen Netz zuführt.

Das neuronale Netz ist bevorzugt ein solches neuronales Netz, das trainiert wurde, anhand von Daten über den Betriebszustand von Komponenten und/oder der ganzen Behälterbehandlungs maschine festzustellen, ob die Maschine sich im Normalbetrieb bzw. im Normal-Zustand befindet oder ob etwa eine Fehlfunktion eingetreten ist (beispielsweise ein Direktdruckmodul ist ausgefal len oder der Tintenstand ist zu niedrig) oder eine solche Fehlfunktion (unmittelbar) droht. Zu die sem Zweck ist das neuronale Netz bevorzugt derart trainiert worden, dass es anhand der von den Komponenten erlangten Daten im Rahmen einer Mustererkennung, für die neuronale Netzwerke und hier besonders bevorzugt Deep Neural Networks (DNN) spezialisiert sind, etwa durch Ver gleich mit bereits bekannten Mustern (von Parametern) Rückschlüsse darauf zieht, ob der Betrieb der Behälterbehandlungsmaschine korrekt abläuft. So kann das neuronale Netz beispielsweise trainiert sein, einen bestimmten Verlauf des an einem Servomotor anliegenden Drehmoments über einen gesamten Prozesszyklus als "Normal-Zu stand" des Drehtellers anzusehen. Auch geringfügige Veränderungen können in diesem Sinne von dem neuronalen Netzwerk als noch den Normalbetrieb kennzeichnende Daten aufgefasst werden. Tritt jedoch eine Änderung ein, die im Rahmen der Mustererkennung nicht mit dem Nor mal-Zustand übereinstimmt, kann das neuronale Netz diese entweder als Hinweis auf eine bevor stehende Fehlfunktion oder als eingetretene Fehlfunktion erkennen und damit feststellen, dass kein Betriebszustand der Behälterbehandlungsmaschine im Normal-Zustand vorliegt oder ein Ab weichen von dem Normal-Zustand unmittelbar bevorsteht.

Bevorzugt kann in dem Fall, dass ein Abweichen des Betriebszustands der Behälterbehandlungs maschine vom Normal-Zustand vorliegt, das neuronale Netz und/oder die Steuereinheit derart ausgebildet sein, dass eine Information an einen Bediener der Behälterbehandlungsmaschine ausgegeben wird. Diese Information kann dem Bediener beispielsweise anzeigen, dass eine Fehl funktion vorliegt oder vorzuliegen droht. Die Information kann beispielsweise auf einem Display oder geeignetem anderen Anzeigegerät der Steuereinheit oder auf einem der Steuereinheit zuge ordneten Anzeigegerät an den Bediener ausgegeben werden. Auch andere Ausführungsformen sind hier denkbar. So kann dem Bediener eine entsprechende Information an ein von ihm mitge tragenes mobiles Endgerät, wie einen Tablet-Computer, ein Smartphone oder Ähnliches übermit telt werden und auf dessen Anzeigeeinrichtung (Display) angezeigt werden. Auch akustische und/oder haptische Informationen sind hier denkbar. So kann beispielsweise in Kombination oder anstelle einer visuellen Information auf einem Anzeigegerät auch eine akustische Nachricht im Sinne eines akustischen Alarms oder Pieptons oder ein haptisches Signal, wie etwa ein Vibrieren des vom Benutzer getragenen mobilen Endgeräts (Smartphone, Tablets oder Ähnliches) den Be diener darauf hinweisen, dass eine Fehlfunktion bevorsteht oder droht.

Die dem Bediener zur Verfügung gestellte Information kann sich insbesondere unterscheiden, abhängig davon, ob ein Abweichen vom Betriebszustand lediglich droht oder bereits vorliegt.

Fig. 2 zeigt eine Ausführungsform des erfindungsgemäßen Verfahrens, bei dem das neuronale Netz die von den einzelnen Komponenten (siehe hierzu auch Fig. 1) an die Steuereinheit übertra genen Daten auswertet.

In der in Fig. 2 dargestellten Ausführungsform erhält die Steuereinheit Daten lediglich von Kom ponenten 131 , die der Behälterbehandlungsmaschine, in der die Steuereinheit implementiert ist, zugeordnet sind. Dies ist nur beispielhaft und nicht beschränkend. Die Steuereinheit kann in einer Ausführungsform Daten mehrerer oder aller Komponenten 131 - 137, die bereits mit Bezug auf die Fig. 1 beschrieben wurden, erhalten und (mit Hilfe des neuronalen Netzes) auswerten.

Die Steuereinheit kann eine Empfangseinrichtung 251 zum Empfangen der Daten von den Kom ponenten 131 umfassen. Diese Empfangseinheit 251 kann auch als Pre-Processing-Einheit aus geführt sein, die bereits eine Auswertung, Manipulation, Überprüfung oder, Bearbeitung (eines Teils) der von den einzelnen Komponenten empfangenen Daten durchführt, bevor diese Daten letztlich dem neuronalen Netz 253 zugeführt werden. Der Empfangseinheit 251 kann weiterhin eine Prozessor- und/oder Speichereinheit 252 zugeordnet sein, in der ebenfalls eine Bearbeitung (eines Teils) der Daten und/oder ein Abspeichern der Daten durchgeführt werden kann.

Die Daten werden von der Empfangseinheit 251 gegebenenfalls nach einem entsprechenden Pre- Processing an das neuronale Netz 253 übertragen. Das neuronale Netz ist dabei bevorzugt als bereits vorgelerntes neuronales Netz in die Behälterbehandlungsmaschine implementiert worden, wobei das Lernen des neuronalen Netzes bevorzugt so durchgeführt wurde, dass es auf den Be trieb der Behälterbehandlungsmaschine, in deren Steuereinheit es implementiert wurde, trainiert ist. Dies bedeutet, dass ein neuronales Netz 253, das in einer Steuereinheit 130 einer Direktdruck maschine implementiert ist, mit anderen Parametern gelernt wurde, als es ein normales Netz einer Steuereinheit einer Blasformmaschine wurde. Die Grund-Architektur der neuronalen Netze kann jedoch identisch sein. Sie können insbesondere über die gleiche Anzahl von Zwischenschichten und/oder Knoten innerhalb des neuronalen Netzes verfügen.

Das Lernen des neuronalen Netzes verändert üblicherweise lediglich die einzelnen den Knoten und Schichten des neuronalen Netzes zugeordneten Parameterwerte, sodass die Mustererken nung bei unterschiedlich gelernten neuronalen Netzen zu anderen Ergebnissen führt. Der grund sätzliche Vorgang des Lernens von neuronalen Netzen ist aus dem Stand der Technik jedoch hinreichend bekannt.

Zur Auswertung der empfangenen Daten von den Komponenten 131 kann das neuronale Netz etwa auf einen ihm zugeordneten Speicher 255 zugreifen, um die gelernten Parameter abzurufen. Das neuronale Netz erkennt anhand der Auswertung der Daten dann schließlich, ob die gewon nenen Daten für einen Normal-Zustand des Betriebs der Behälterbehandlungsmaschine oder für eine Abweichung oder eine drohende Abweichung von dem Normalzustand charakteristisch sind. Das neuronale Netz kann diese Information dann beispielsweise an die Auswerteeinrichtung 254 der Steuereinheit 130 übergeben, die das Ergebnis des neuronalen Netzes auswertet und gege benenfalls eine Information an einen Bediener ausgibt, wie dies bereits oben erläutert wurde. Besonders bevorzugt ist es, wenn das neuronale Netz während des Betriebs der Behälterbehand lungsmaschine lernt, also eine weitere Verfeinerung der bereits vorgelernten Mustererkennung selbsttätig ausführt.

Dazu kann das neuronale Netz derart ausgestaltet sein, dass es die etwa in dem Speicher 255 hinterlegten Parameter während des Betriebs der Behälterbehandlungsmaschine dahingehend verbessert, dass ein erkannter Normalbetrieb und/oder eine erkannte Fehlfunktion und/oder eine erkannte bevorstehende Fehlfunktion in die Parameter, die für die Mustererkennung des Normal- Betriebs, und/oder einer entsprechende Mustererkennung eines bevorstehenden und/oder bereits eingetretenen Fehlers charakteristisch sind, im Betrieb zu verbessern.

Bevorzugt erhält das neuronale Netz während des Betriebs der Behälterbehandlungsmaschine (dabei ist es unbeachtlich, ob es sich um einen Betrieb im Normal-Zustand oder einen fehlerhaften Betrieb handelt) ausschließlich Daten von Komponenten der Behälterbehandlungsmaschine, der die Steuereinheit 130, in der das neuronale Netz installiert ist, angehört. Bevorzugt erhält das neuronale Netz also zumindest während der Betriebszeit der Behälterbehandlungsmaschine keine Daten von weiteren Behälterbehandlungsmaschinen, sei es Behälterbehandlungsmaschi nen derselben Behälterbehandlungsanlage oder von Behälterbehandlungsmaschinen, die ir gendwo auf der Welt verteilt sind, aber beispielsweise zum selben Typ von Behälterbehandlungs maschinen gehören.

Dies bedeutet nicht, dass die Steuereinheit 130 nicht etwa solche Daten (weiterer Komponenten) weiterer Behälterbehandlungsmaschinen erhalten würde. Im Normalbetrieb ist jedoch vorgese hen, dass diese Daten dann zumindest nicht an das neuronale Netz weitergeleitet werden. Dies stellt sicher, dass das neuronale Netz nicht mit eventuell kompromittierten Daten über eine unsi chere Datenleitung versorgt wird, was letztlich zu Fehlfunktionen führen könnte.

Allerdings ist in einer Ausführungsform vorgesehen, dass das neuronale Netz mit zusätzlichen Daten von anderen Behälterbehandlungsmaschinen (entweder des gleichen Typs und/oder an deren Typs) trainiert werden kann.

Dazu zeigt Fig. 3 eine Ausführungsform, in der die Behälterbehandlungsmaschine, der die Steu ereinheit 130 und das darin installierte neuronale Netzwerk 253 zugeordnet ist, nicht im Normal betrieb, sondern beispielsweise in einem Wartungsmodus betrieben wird. Es ist bekannt, dass etwa jährliche Wartungszyklen von Behälterbehandlungsmaschinen durchgeführt werden, bei de nen der Betrieb angehalten und beispielsweise verschlissene Teile ausgetauscht werden. Die zeitliche Abfolge solcher Wartungszyklen ist erfindungsgemäß jedoch nicht beschränkt und kann insbesondere periodisch oder auch nicht periodisch (etwa bei einer ungeplanten Reparatur) sein.

Während dieses Stillstands kann dann vorgesehen sein, dass über einen externen Datenträger 362 bzw. über eine entsprechende Leitung zum Datenaustausch mit anderen Behälterbehand lungsmaschinen und damit von einer Komponente einer solchen Behälterbehandlungsmaschine Daten an die Steuereinheit 130 übergeben werden. Diese Daten können Daten über den Betriebs zustand einer Behälterbehandlungsmaschine derselben Behälterbehandlungsanlage, in der auch die eigentliche Behälterbehandlungsmaschine angeordnet ist, in der auch die Steuereinheit 130 angeordnet ist, sein. Alternativ kann es sich aber auch um Daten einer Behälterbehandlungsma schine (desselben Typs) aus einer anderen Behälterbehandlungsanlage, die beispielsweise in einer anderen Region der Welt aufgestellt ist, handeln.

Diese Daten können entweder in ihrer von den entsprechenden Komponenten aufgenommenen Struktur vorliegen und und/oder es kann ein Pre-Processing erfolgt sein. Dieses Pre-Processing kann auch ein Verarbeiten dieser Daten an einer zentralen Stelle, etwa in einer Server-Architektur außerhalb der Behälterbehandlungsmaschine, umfassen und eine Modifikation von Parametern des neuronalen Netzwerks unmittelbar zur Verfügung stellen, so dass nicht ursprüngliche Daten von Komponenten, sondern "Updates" der Parameter des neuronalen Netzes von außerhalb der Behälterbehandlungsmaschine im Rahmen des Wartungszyklus zur Verfügung gestellt werden können.

Um die Datensicherheit möglichst umfassend zu gewährleisten, kann vorgesehen sein, dass diese zusätzlichen Daten nicht über eine Internetverbindung oder sonstige Netzwerkverbindung zur Ver fügung gestellt werden, sondern über eine mit der Behälterbehandlungsmaschine in Verbindung zu bringende Datenspeichereinheit, die etwa über geeignete Sicherungsmechanismen gegen un erlaubten Zugriff verfügt oder deren Daten zuvor durch ein (grundsätzlich bekanntes) Sicherheits programm überprüft wurden.

Alternativ kann im Rahmen der Ausführungsform, die in Fig. 3 beschrieben ist, auch eine Verbin dung zu einer externen Datenquelle übereine sichere Internetverbindung, insbesondere übereine VPN-Verbindung hergestellt werden, um hier einen Zugriff durch unbefugte Dritte zu verhindern.

Wenn auch bisher nicht beschrieben, ist es besonders bevorzugt, wenn die Komponenten, wie sie etwa in Fig. 1 beschrieben wurden, die Daten der Steuereinheit in Echtzeit oder nahezu in Echtzeit, besonders bevorzugt innerhalb kurzer Zeitintervalle zur Verfügung stellen, so dass eine möglichst permanente Überwachung des Betriebs der Behälterbehandlungsmaschine möglich ist. Dabei hängt es maßgeblich von der Komponente oder der durch die Komponente überwachte Komponente der Behälterbehandlungsmaschine ab, in welchen Zeitintervallen sinnvoll Daten, die relevant für den Betriebszustand der Komponente und/oder der Behälterbehandlungsmaschine sind, erfasst und übertragen werden können. Manche Komponenten, etwa Drehgeber oder Ser vomotoren, machen eine Überwachung auch im Bereich von einem Zehntel oder einigen hun dertstel Sekunden sinnvoll. Die Überwachung des Füllstands eines Tintenvorrats oder die Über wachung eines Etikettenvorrats einer Etikettiermaschine jedoch kann eine weniger zeitaufgelöste Überwachung sinnvoll erscheinen lassen. So kann beispielsweise im Rahmen einer Etikettenzu führung eine Überwachung in einer zeitlichen Größenordnung des Prozesstaktes, beispielsweise einige zehntel Sekunden zwischen dem Aufbringen eines ersten und dem Aufbringen eines zwei ten Etiketts auf einen nachfolgenden Behälter sinnvoll erscheinen.

Die Erfindung ist hinsichtlich der zeitlichen Intervalle bzw. Abfolge, mit der Daten aufgenommen und an die Steuereinheit übermittelt werden, nicht beschränkt. Bevorzugt werden jedoch die Daten an die Steuereinheit und entsprechend an das neuronale Netz fast ohne Zeitverzögerung, insbe sondere in praktisch Echtzeit (unter Berücksichtigung der Zeitverzögerung durch den Datentrans fer) übermittelt.

Während die bisher beschriebenen Ausführungsformen insbesondere auf die Verwendung eines neuronalen Netzes abzielen, da diese besonders vorteilhaft eingesetzt werden können, um mit verhältnismäßig geringem Aufwand auch verschiedene Behälterbehandlungsmaschinen auszu statten, können anstelle der neuronalen Netze auch andere Implementierungen vorgesehen sein, um Abweichungen des Betriebszustands der Behälterbehandlungsmaschine oder der Behand lungseinheit vom normalen Betrieb festzustellen. Hier können etwa auch alternativ oder zusätzlich zu den neuronalen Netzen andere adaptive Software-Algorithmen zum Einsatz kommen, die hin sichtlich Ihrer (frei wählbaren) Parameter jeweils auf die spezifische Behälterbehandlungsma schine trainiert sind. In diesem Zusammenhang ist der Begriff des neuronalen Netzes grundsätz lich so zu verstehen, dass in obigen Ausführungsformen auch andere adaptive Algorithmen an stelle des neuronalen Netzes verwendet werden können. Die Erfindung ist, soweit nicht das spe zifische Lernen bzw. Trainieren des neuronalen Netzes betroffen ist, mithin nicht auf die Anwen dung neuronaler Netze beschränkt, sondern kann auch mit anderen adaptiven Algorithmen ent sprechend obigen Ausführungsformen realisiert werden.