Druckqualitätsprüfung
um Fehldrucke zu stoppen, bevor die Produktion weiterläuft

Die Druckqualitätsprüfung mit KOMPASS erkennt genau die visuellen Druckfehler, die für Ihr Qualitätsteam wichtig sind: Schmierflecken, Tintenflecken, Streifen, Lücken, fehlende Drucke, Verfärbungen und unleserlichen Text. Jeder Fehlertyp wird anhand echter Beispiele Ihrer Produkte erlernt. Da Defekte separat klassifiziert werden, können Sie unterschiedliche Grenzwerte für einen winzigen Fleck im Hintergrund und einen Schmierer auf einem Markennamen festlegen. Dieselbe Station kann zudem bestätigen, dass alle erwarteten Druckelemente vorhanden sind.

Herkömmliche Systeme vergleichen jedes Bild mit einem Referenzbild eines einwandfreien Drucks und zählen die abweichenden Pixel. Reflexionen, geringfügige Positionsänderungen und normale Druckschwankungen führen jedoch zu Differenzen, wodurch bei glänzenden oder gewölbten Objekten die Fehlerrate bei einwandfreien Produkten steigt. Ein KI-Modell, das auf akzeptable Abweichungen trainiert wurde, lernt, welche Unterschiede relevant sind. So bleibt die Empfindlichkeit für echte Defekte erhalten, ohne dass einwandfreie Produkte aussortiert werden.

Ja. Runde Behälter werden vor der Kamera gedreht oder von mehreren Kameras erfasst, und die Bilder werden zu einer Gesamtansicht des Drucks zusammengefügt. Diese 360-Grad-Inspektion ist bei siebbedruckten Flaschen notwendig, da ein Fehler an jeder beliebigen Stelle des Umfangs auftreten kann. Sowohl Glas- als auch Kunststoffbehälter können geprüft werden, wobei die Beleuchtung jeweils angepasst wird. Die Gesamtansicht zeigt zudem, an welcher Stelle der Flasche sich ein Fehler befindet, was bei der Ursachenforschung hilft.

Das System funktioniert bei direktem Siebdruck, Tampondruck, Digitaldruck, bedruckten Folien und Etiketten. Die Dekoration von Flaschen ist ein häufiges Anwendungsgebiet, da sich ein beschädigtes Sieb oder ein Farbproblem auf jeder Flasche wiederholt. Das Modell wird auf die von Ihnen verwendeten Druckverfahren und Substrate trainiert, sodass die Station weiß, wie der Normalzustand für jedes Produkt aussieht. Neue Produkte werden durch das Training mit Beispielen hinzugefügt, anstatt Prüfregeln neu schreiben zu müssen.

So früh, wie die Station den Druck erfassen kann – idealerweise direkt nach dem Druckschritt. Die Erkennung von Fehldrucken an dieser Stelle begrenzt die Anzahl der betroffenen Artikel, bevor die Druckmaschine, das Sieb oder der Codierer korrigiert werden muss. Wiederholte Fehler können die Linie automatisch stoppen, damit ein beschädigtes Sieb nicht eine ganze Schicht lang weiterläuft. Bilder der ersten Fehler zeigen zudem, ob sich der Defekt verschlimmert oder stabil bleibt.

Durch das Training mit akzeptablen Drucken, die normale Schwankungen enthalten, durch die Festlegung von Grenzwerten mit Ihrem Qualitätsteam und durch die Validierung an einem etikettierten Datensatz, bevor die automatische Aussortierung beginnt. Grenzfälle können zunächst in eine Prüfspur geleitet werden. Die getrennte Erfassung von Fehlalarmen und übersehenen Fehlern zeigt, ob die Station mehr Training oder eine andere Beleuchtung benötigt. Klare Abnahmebeispiele helfen den Bedienern zudem, der Station von der ersten Woche an zu vertrauen.

Die Art des Fehlers und seine Position auf dem Druck deuten oft auf die Ursache hin, etwa Linien von einer bestimmten Farbstation oder Punkte durch einen beschädigten Siebbereich. Bei Linien mit mehreren Druckköpfen kann die Station jedes Ergebnis dem jeweiligen Kopf oder der Station zuordnen, sodass die Wartung genau weiß, wo sie suchen muss. So wird aus jedem Ausschuss eine nützliche Information statt nur Abfall.

Senden Sie uns gute Drucke und Beispiele für jeden Fehler, Ihren Abnahmestandard, die Druckverfahren, die Substrate und die Liniengeschwindigkeit. Teilen Sie uns mit, wo die Station nach dem Druck platziert werden kann und wohin Ausschuss geleitet werden soll. Auf dieser Basis empfehlen wir Ihnen die passende Bildverarbeitung, Handhabung und Schulung für die Erkennung von Druckfehlern an Ihrer Linie. Fehlerbeispiele von verschiedenen Druckköpfen helfen dem Modell zu lernen, welche Fehler am kritischsten sind.