WO2023061840A1 - Lebensmittelverarbeitungslinie und verfahren zum betreiben einer lebensmittelverarbeitungslinie - Google Patents

Lebensmittelverarbeitungslinie und verfahren zum betreiben einer lebensmittelverarbeitungslinie Download PDF

Info

Publication number
WO2023061840A1
WO2023061840A1 PCT/EP2022/077788 EP2022077788W WO2023061840A1 WO 2023061840 A1 WO2023061840 A1 WO 2023061840A1 EP 2022077788 W EP2022077788 W EP 2022077788W WO 2023061840 A1 WO2023061840 A1 WO 2023061840A1
Authority
WO
WIPO (PCT)
Prior art keywords
irregularity
food processing
data
processing line
cause
Prior art date
Application number
PCT/EP2022/077788
Other languages
English (en)
French (fr)
Inventor
Rene Kamsteeg
Ingo Rother
Karl-Heinz Mayer
Original Assignee
Weber Maschinenbau Gmbh Breidenbach
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 Weber Maschinenbau Gmbh Breidenbach filed Critical Weber Maschinenbau Gmbh Breidenbach
Publication of WO2023061840A1 publication Critical patent/WO2023061840A1/de

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B26—HAND CUTTING TOOLS; CUTTING; SEVERING
    • B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
    • B26D7/00—Details of apparatus for cutting, cutting-out, stamping-out, punching, perforating, or severing by means other than cutting
    • B26D7/27—Means for performing other operations combined with cutting
    • B26D7/32—Means for performing other operations combined with cutting for conveying or stacking cut product
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B26—HAND CUTTING TOOLS; CUTTING; SEVERING
    • B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
    • B26D5/00—Arrangements for operating and controlling machines or devices for cutting, cutting-out, stamping-out, punching, perforating, or severing by means other than cutting
    • B26D5/007—Control means comprising cameras, vision or image processing systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B26—HAND CUTTING TOOLS; CUTTING; SEVERING
    • B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
    • B26D7/00—Details of apparatus for cutting, cutting-out, stamping-out, punching, perforating, or severing by means other than cutting
    • B26D7/27—Means for performing other operations combined with cutting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B25/00—Packaging other articles presenting special problems
    • B65B25/06—Packaging slices or specially-shaped pieces of meat, cheese, or other plastic or tacky products
    • B65B25/065—Packaging slices or specially-shaped pieces of meat, cheese, or other plastic or tacky products of meat
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B25/00—Packaging other articles presenting special problems
    • B65B25/06—Packaging slices or specially-shaped pieces of meat, cheese, or other plastic or tacky products
    • B65B25/068—Packaging slices or specially-shaped pieces of meat, cheese, or other plastic or tacky products of cheese
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B57/00—Automatic control, checking, warning, or safety devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B57/00—Automatic control, checking, warning, or safety devices
    • B65B57/10—Automatic control, checking, warning, or safety devices responsive to absence, presence, abnormal feed, or misplacement of articles or materials to be packaged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B9/00—Enclosing successive articles, or quantities of material, e.g. liquids or semiliquids, in flat, folded, or tubular webs of flexible sheet material; Subdividing filled flexible tubes to form packages
    • B65B9/02—Enclosing successive articles, or quantities of material between opposed webs
    • B65B9/04—Enclosing successive articles, or quantities of material between opposed webs one or both webs being formed with pockets for the reception of the articles, or of the quantities of material
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B26—HAND CUTTING TOOLS; CUTTING; SEVERING
    • B26D—CUTTING; DETAILS COMMON TO MACHINES FOR PERFORATING, PUNCHING, CUTTING-OUT, STAMPING-OUT OR SEVERING
    • B26D2210/00—Machines or methods used for cutting special materials
    • B26D2210/02—Machines or methods used for cutting special materials for cutting food products, e.g. food slicers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B5/00—Packaging individual articles in containers or receptacles, e.g. bags, sacks, boxes, cartons, cans, jars
    • B65B5/06—Packaging groups of articles, the groups being treated as single articles
    • B65B5/068—Packaging groups of articles, the groups being treated as single articles in trays
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65B—MACHINES, APPARATUS OR DEVICES FOR, OR METHODS OF, PACKAGING ARTICLES OR MATERIALS; UNPACKING
    • B65B5/00—Packaging individual articles in containers or receptacles, e.g. bags, sacks, boxes, cartons, cans, jars
    • B65B5/10—Filling containers or receptacles progressively or in stages by introducing successive articles, or layers of articles

Definitions

  • the invention relates to a food processing line and a method for operating such a food processing line.
  • the invention relates to a food slicing and/or packaging line, in particular for processing sausage, cheese, ham and other similar food products, and a method for operating such a food slicing and/or packaging line.
  • Food products such as sausage, cheese, ham and other similar food products are usually handled as a natural product in a first processing step or formed from at least one natural product, for example in product bars.
  • a first processing step or formed from at least one natural product, for example in product bars.
  • storage, maturing, pre-treatment, drying, moistening and/or tempering processes follow.
  • the food product is typically divided into salable portions on a food processing line.
  • Food products to be sliced ie food products which are sold to the end customer cut into individual slices, are fed to a slicing machine, in particular a high-performance slicer, and sliced by the slicing machine.
  • the food products can have other stations such as for example, pass through a cheese divider, a peeling machine and/or a pre-cooling device.
  • the food product is sliced by the slicing machine in such a way that portions consisting of several slices are formed. After the slicing machine, these portions usually pass through a sorting and conveying section.
  • the sorting and conveying line can include a weighing station in which the individual portions are weighed.
  • the sorting and conveying line can also include a station to move the portions transversely, that is to move in a direction transverse to the main conveying direction.
  • the sorting and conveying line can also include a station in order to overlap portions or individual slices and/or to form format sets.
  • a station can be provided at the end of the sorting and conveying line in order to transfer the portions to a packaging machine.
  • the portions can be placed in packaging, for example by means of a robot or an inlay conveyor. After the portions have been placed in the appropriate packaging, for example deep-drawn trays, the packaging is usually sealed at a sealing station.
  • the packages, which are usually connected, can then be separated from one another by means of a longitudinal cutting device and a cross cutting device.
  • the packages filled with portions, sealed and separated from one another can then be subjected to a final check, for example by weighing the packages using a final check scale.
  • the packages are then usually packed in cartons.
  • a food processing line with the features of claim 1 and in particular in that the food processing line comprises a sensor device for determining irregularities in the operating sequence and a point in time of the determined irregularity, at least one camera in order to continuously take pictures of at least one area of the food processing line during operation in which there may be a cause for an irregularity, and includes a central data processing device which, during operation, receives data directly from the sensor device, which receives at least one camera and possibly also from the line control, and is designed and set up for this purpose Determination of a cause of the irregularities to select relevant images from the images recorded by the camera.
  • the selection of the images recorded by the camera can include, for example, marking a relevant section of a longer video. For example, the marked section can then be displayed to a user so that he can play the marked section of the video manually.
  • the selection of the images recorded by the camera can also include playing, in particular automatic playing, of a relevant section of a longer video.
  • selecting the images recorded by the camera can also include extracting and/or automatically processing a relevant section of a longer video or the relevant images. Many different variants of processing the relevant images are conceivable. Some of these variants are described below.
  • Irregularities in the operational sequence can exist, for example, when a value measured by a sensor of the food processing line, for example a temperature of the food product, a feed speed of a gripper, etc., is outside a target range.
  • a target range defines a range for the respective measured value in which the food processing line can be operated without losses in production quality having to be expected.
  • the target ranges for the respective values can be set and/or adjusted by operators of the food processing line, but should ideally already be set or should be set or readjusted by the food processing line itself.
  • an irregularity in the course of operations can also exist if a number of values viewed together are not within a target range. For example, values that are related to each other can be compared and an irregularity can be determined if their ratio is outside of a target range.
  • An example of two related values are the feed speed of the grapple and the cutting speed of the slicer.
  • the irregularity in the operational process can be determined by recognizing patterns in the measured values.
  • a large number of sensor data can be determined and changes in the measured values that are characteristic of disturbances can be recognized by means of artificial intelligence.
  • Individual or a large number of measured sensor values can be compared with line settings, ie line parameters, and anomalies can be detected, preferably by means of artificial intelligence.
  • a camera could measure the speed of the portions on a conveyor belt and compare this speed with the set speed of the conveyor belt. If there is a discrepancy between these speeds, this may indicate, for example, that the conveyor drive motor is damaged.
  • the data processing device is designed and set up to automatically identify a cause and/or the point of origin of the irregularity using the relevant images.
  • the data processing device can be designed and set up to independently identify a cause and/or the point of origin of the irregularity based on relevant sensor data recorded by the sensor device.
  • the data processing device is preferably also designed and set up to propose or initiate suitable countermeasures.
  • the data processing device is preferably designed and set up to independently determine relevant information from a number of different images or different videos, which information is relevant for identifying a cause of the irregularity.
  • the data processing device can be designed and set up to also evaluate sensor data of the food processing line, for example weight data from a scale, in addition to the images, in order to determine a cause of the irregularity.
  • the data processing device can be designed and set up to determine incorrect portions at the point of origin or at least at a corresponding station and, if necessary, to sort them out. For example, when portions are formed, a faulty movement of the portioning belt can ensure that a portion is aligned at an angle.
  • the processing temperature of the product to be sliced could be the cause of a portion that is formed at an angle or not properly.
  • Such a skewed portion should then not be transported further to a pick-and-place robot before the irregularity is detected, but the irregularity should be determined as immediately as possible in order to rectify it promptly.
  • the faulty portion can then, for example, be sorted out directly on the portioning conveyor using a seesaw.
  • the selected images can be made available and/or played to a person who is entrusted with the analysis of system errors.
  • the processing line can thus independently select the images relevant to determining the cause of the irregularities from the images recorded by the camera, but in this case the user, i.e. a natural person, is responsible for assessing the images and making a decision about the cause of the irregularity .
  • a combination is also conceivable in which the user determines the cause of the irregularity and the data processing device proposes countermeasures based on this.
  • the data processing device is designed and set up to learn by machine what is the cause of the irregularities determined.
  • the data processing device can be designed and set up to learn by machine how certain identified irregularities are to be corrected.
  • the data processing device can be designed and set up to to machine learn how to detect certain irregularities based on the images captured by the camera.
  • the data processing device can also be designed and set up to automatically learn which images or video sequences have to be selected from the images recorded by the camera in order to identify irregularities based on the images recorded by the camera.
  • the data processing device can be mechanically taught, ie taught in New German, in that the data processing device receives data sets, so-called training data. These records may include videos of known irregularities and information about what irregularities are and how to fix them.
  • the data sets may include operations on the food processing line showing proper operation of the stations.
  • the data records can contain videos with process steps that are not running properly.
  • the records are grouped into passed processes and failed processes. The grouping can take place either by manual input or by means of additionally recorded data, for example a video of a person taking a bad portion from a conveyor belt.
  • the data processing device itself searches for distinguishing features between process flows without irregularities and process flows with irregularities in order to group them.
  • the data processing device can be designed and set up to automatically classify detected irregularities as unproblematic, preferably using the images generated by the camera. So that such irregularities determined as false positives are reduced, the data processing device can be designed and set up to adapt the target ranges mentioned above.
  • several cameras are provided which, during operation, continuously record images of different areas of the food processing line in which a cause for an irregularity may be present, with the recording areas also being able to at least partially overlap.
  • all relevant areas of the food processing line are monitored by cameras so that many causes of an irregularity can be detected. Everything that is explained in this description in relation to a camera preferably also applies analogously to all other cameras.
  • the multiple cameras can include mobile cameras and stationary cameras.
  • a mobile camera is a camera that is temporarily attached to the food processing line at a location of the food processing line or placed in the area around the food processing line and then attached or placed at another place or food processing line.
  • Such cameras are usually very expensive and are therefore only used temporarily, for example to find a solution to a specific problem, and then used elsewhere.
  • a camera that is attached or arranged at a point on the food processing line and remains at this point over an operating period of the food processing line is regarded as a stationary camera.
  • all cameras of the food processing line are connected in a closed system to the data processing device of the food processing line. This means that the data recorded by the cameras cannot be accessed by third parties or stored on third party servers. This ensures that the data collected cannot be viewed by third parties.
  • the sensor device comprises a plurality of sensors, which differ in particular in terms of their type, in order to determine various irregularities in the operational sequence. This can also include operationally necessary sensors in line components.
  • the sensors can include speed sensors that measure the cutting speed of the slicing machine, conveying speeds of various endless conveyor belts of a sorting and conveying line, or feed speeds of grippers of the slicing machine.
  • the sensors can also include position sensors which, for example, determine a current position of the cutting head of the slicing machine or a current position of a pick-and-place robot.
  • the sensors can also include temperature sensors, for example to measure temperatures on drives, in the environment or of the food product.
  • the sensors can also include light barriers, for example to detect an intervention by a user.
  • the sensors can also include lasers, cameras or combinations of these, for example to record the dimensions or orientation of products or portions.
  • the sensor device preferably comprises one or more of the cameras described above.
  • the sensor device can use the images recorded by the camera during operation to determine irregularities in the operational process, and the central data processing device can also use the data received from the camera to generate images relevant to determining the cause of the irregularities from the images generated by the camera select captured images.
  • a camera directed at a conveyor belt can determine that a portion lying on the conveyor belt has slipped laterally in such a way that this is to be regarded as an irregularity.
  • the central data processing device can also select the images from the camera images that show that a person is slipping sideways portion has come. To rectify the irregularity, the data processing device can independently inform a pick-and-place robot that this portion must be picked up from a different point on the conveyor belt or should not be picked up at all.
  • the data processing device is designed to independently prioritize when a number of irregularities occur.
  • an algorithm is provided in order to calculate which of the irregularities identified must first be remedied in order to keep the downtime of the food processing line as short as possible or, at best, to avoid it.
  • the data processing device is designed to use the determined irregularity to detect trends, in particular wear and tear on the food processing line.
  • the data processing device can be designed to recognize that a value, for example measured by a sensor of the sensor device, changes over time and it is therefore likely that the value will exceed a threshold value in the future, which will then lead to a fault could lead.
  • the data processing device can initiate countermeasures in good time before the threshold value is reached or inform the user that, for example, a wearing part will soon have to be replaced.
  • the data processing device can use artificial intelligence, for example, to determine when wearing parts should be replaced in order to minimize the downtime of the food processing line or its modules.
  • the data processing device is designed to use the determined irregularity to determine incorrect settings on the food processing line.
  • the data processing device is preferably designed and set up to independently correct the incorrect settings.
  • the data processing device can be designed to inform a user if an incorrect setting has been determined.
  • An incorrect setting can be, for example, an incorrectly set operating parameter, eg an incorrectly set feed speed of the product to be sliced.
  • An incorrect setting can also be an incorrect setting of a part of the food processing line, for example a cutting gap on the slicing machine that is set too large or too small.
  • At least one camera is designed as a spectral camera.
  • a spectral camera is used to capture images in the visible and non-visible spectral range and to process them in such a way that aspects that were originally invisible to the human eye become visible.
  • Such spectral cameras can be used, for example, in the food processing line in order to carry out a seal seam check in the packaging machine or to detect the detection of foreign bodies, mold or other contamination or relevant states of the food product.
  • the invention also relates to a method for operating a food processing line.
  • the food processing line may have one or more of the features described above or below.
  • the procedure for operating a food processing line has the following steps: capturing at least a section of the food processing line by means of a camera,
  • Detection of an irregularity in the operational process using at least one sensor for example using a sensor on the food processing line or a camera,
  • the method also includes eliminating the cause of the irregularity by means of measures necessary for this purpose. Eliminating the cause can, as a rule, be carried out by a person and/or automatically, depending on the type of cause.
  • the method also includes an assignment of operating data and/or operating parameters to the camera data.
  • operating data recorded by sensors can be assigned to the camera data recorded at that time. This preferably takes place fully automatically.
  • the determination of the cause of the irregularity is carried out independently by a data processing device using the selected data.
  • the images recorded by the camera eg a video
  • determining the cause of the irregularity can include an evaluation of measured data from a large number of sensors along the food processing line.
  • the elimination of the cause of the irregularity is preferably carried out independently by a data processing device using the measures required for this purpose.
  • the data processing device can automatically adapt an operating parameter, e.g. the feed or cutting speed of the slicing machine.
  • the data processing device can control a servomotor in order to adjust the cutting gap on the slicer, for example.
  • the cause of the irregularity is eliminated taking into account data records created in the past for irregularities detected in the past.
  • the data sets can include the following data, among others: temperature data of the product, temperature data of the environment, speed data of moving parts of the device.
  • temperature data of the product can include the following data, among others: temperature data of the product, temperature data of the environment, speed data of moving parts of the device.
  • the sequence of irregularities can be compared with data sets relating to sequences of irregularities created in the past. If the same or similar sequences of irregularities are already known, it can first be checked whether the cause assigned to the sequences is present again this time.
  • eliminating the cause of the irregularity includes changing, in particular automatically, a setting of the food processing line.
  • the setting can be, for example, a speed setting of a conveyor belt or a cutting speed of the slicing machine. It can also be a setting which is made by adjusting part of the food processing line by means of a servomotor, for example setting the width of a cutting frame or the cutting gap.
  • Some irregularities can be corrected in several ways. These routes can be categorized into routes that lead to a stoppage of the food processing line and routes that can be performed without stopping the food processing line.
  • eliminating the cause of the irregularity includes an analysis of whether a temporary solution, ie a solution without stopping the food processing line, is possible and sensible, and thus stopping the food processing line can be postponed. For example, it can happen that the food product is no longer sliced with sufficient quality due to a blunt cutting blade.
  • One solution would be to swap out the cutting blade for a sharper cutting blade.
  • Another, temporary solution would be to reduce the feed speed on the slicer to improve the cutting quality at the expense of the cutting speed. This could delay cutting blade replacement and thus delaying stopping the food processing line until other wear parts may need to be replaced or the food processing line needs to be reloaded.
  • the procedure may also include:
  • a semi-automatic elimination of the cause can be carried out, in which a suggestion for eliminating the cause of the irregularity is made to an operator or service employee and the latter has to approve the suggestion manually.
  • the determination of the cause of the irregularity includes a comparison of data recorded on the irregularity with data from previously recorded irregularities. For example, a large number of process parameters can be compared with one another and similarities between the process parameters determined for the newly determined irregularity and process parameters for previously detected irregularities can be determined. Previously recorded irregularities can also mean those from other lines, especially in other locations or in digital twins.
  • determining the cause of the anomaly is performed using artificial intelligence.
  • the cause of the irregularity can be determined by analyzing videos and/or other types of sensor data using artificial intelligence.
  • the method may also include categorizing the detected anomaly by type of anomaly, affected component, time of detection of the anomaly, time of occurrence of the anomaly, stage of occurrence of the anomaly, and/or severity of the anomaly. This data can be used, for example, to prioritize the irregularity and, depending on the prioritization, decide whether the food processing line or parts of it have to be stopped.
  • the categorized irregularities can be used to generate statistics.
  • the statistics can be used, for example, to show the food processing line manufacturer weaknesses in design or adjustment in order to optimize these weaknesses in food processing lines manufactured in the future.
  • the detected irregularities can be categorized from a variety of food processing lines, even from different customers, and statistics can be generated.
  • the procedure can include a differentiation as to whether the irregularity is an isolated case or a recurring irregularity. If the anomaly is a repetitive anomaly, data on the anomaly can be sent to the food processing line manufacturer for analysis to provide insight into the design or tuning of future machines.
  • the data captured by the camera is processed before the data is released for output or is output.
  • data showing people can be made anonymous. For example, the face or the person's entire body will be pixelated.
  • the central data processing device can be designed to process the data accordingly. If the data was recorded by a spectral camera, the data can be processed in such a way that information relevant to the problem, such as contamination of the food, becomes visible to the human eye.
  • Fig. 1 shows a first part of an inventive
  • FIG. 2 shows a second part of the food processing line according to the invention with a packaging machine
  • FIG. 3 shows a schematic representation of a line control according to the invention.
  • FIG. 4 shows a schematic representation of a method according to the invention for operating the food processing line.
  • a first part of a food processing line 1 is shown.
  • This first part of the food processing line 1 includes a scanner 2 and a slicing machine 3 for slicing food products 4 in the form of a high-performance slicer.
  • the slicing machine 3 has a product feed 5 for feeding the food products 4 to be sliced in one or more lanes in a feed direction Z to a cutting plane 6 .
  • the product feed 5 comprises a product holder 5a for holding an in Rear end region 4a of the food product 4 seen in the feed direction Z.
  • the product holder 5a is coupled to a spindle nut 5b which, together with a spindle 5c, forms a linear drive for the product holder 5a in order to drive the product holder 5a along the feed direction Z and thus the food product 4 to be sliced Cutting plane 6 feed.
  • the product holder 5a is mounted in a linearly displaceable manner in the feed direction Z on a guide rail (not shown) in order to support the product holder 5a in a statically determined manner.
  • the product feed 5 includes a sensor 56, by means of which at least one operating parameter of the product feed 5, for example a feed speed or a feed torque, is measured.
  • the slicing machine 3 can include a large number of other sensors, for example a light barrier.
  • the sensors 56 are connected to a data processing device 60 so that process data measured by the sensors 56 can be sent to the data processing device 60, in particular if they deviate from a normal range.
  • the slicing machine 3 includes a cutting blade 7 that rotates during operation, for example a circular or sickle blade, which performs a corresponding cutting movement during operation and moves along the cutting plane 6 in the process.
  • the device includes a product passage 8 which forms a shearbar 9 for the cutting blade 7 .
  • the product passage 8 is arranged in a front end area of a feed path.
  • the slicing machine 1 includes a portioning area with a portioning belt 30 on which cut slices of the food product 4 are placed as portions 10 .
  • a camera 54 here a high-speed camera, is provided for monitoring the cutting process, in particular automatically.
  • the camera 54 films the course of the cutting process and transmits the generated images to a data processing device 60.
  • the scanner 2 is upstream of the slicing machine 3 as viewed in the conveying direction F.
  • the scanner 2 can be used to measure parameters of the food product 4, for example geometric parameters of the food product 4 and/or its temperature.
  • the scanner can be in the form of a laser scanner or x-ray scanner and/or can include a thermal imaging camera 54 .
  • the scanner 2 comprises a conveyor belt 36, here an endless conveyor belt, on which the food product 4 is positioned while the food product 4 is being measured.
  • the scanner 2 is connected to the data processing device 60 by means of data transmission means 38 in order to transmit the determined data to the data processing device 60 . As shown in FIG.
  • the data transmission means 38 can comprise a cable 38 which extends from the scanner 2 to the data processing device 60 .
  • the data transmission means can be in the form of wireless data transmission means and can have a transmitter and a receiver.
  • a block of cheese could lie in the scanner 2 at an angle.
  • the data processing device 60 would recognize from the camera images from the scanner that the block of cheese is not aligned sufficiently straight. The knowledge that the block of cheese is not sufficiently straight can be achieved by comparison with images of straight and/or skewed blocks of cheese. Lateral slides can be provided to correct the irregularity, which align the block of cheese straight in the scanner 2 .
  • Fig. 2 shows a packaging machine 12 working in a conveying direction F.
  • the packaging machine 12 comprises a machine frame 47.
  • a transport chain 27, shown here only schematically at the upstream end of the machine, is guided on a left-hand side frame and on a right-hand side frame of the machine frame 47.
  • the two transport chains 27 together form conveying means for a lower film 23 drawn off a supply roll 23a.
  • the packaging machine 12 comprises a plurality of work stations that follow one another in the transport direction T, namely a forming station 11, also referred to as a deep drawing or thermoformer, an infeed station 13 for products 4 to be packaged, a feed station 14 for a top film 25 pulled off a supply roll 25a, a sealing station 15 for connecting the lower film 23 to the upper film 25, a labeling station 16, a transverse cutting station 17 and a longitudinal cutting station 19, i.e. a device 19 for cutting packages 21 to size along a longitudinal direction.
  • a forming station 11 also referred to as a deep drawing or thermoformer
  • an infeed station 13 for products 4 to be packaged
  • a feed station 14 for a top film 25 pulled off a supply roll 25a
  • a sealing station 15 for connecting the lower film 23 to the upper film 25
  • a labeling station 16 a transverse cutting station 17
  • a longitudinal cutting station 19 i.e. a device 19 for cutting packages 21 to size along a longitudinal direction.
  • the products 4 to be packaged are food products in the form of so-called portions 10, each of which comprises several slices which were previously cut from a loaf-shaped or bar-shaped food product 4, such as sausage, cheese, ham or meat have been separated.
  • a control device 41 assigned to the packaging machine 12 and connected to the data processing device 60 controls the operation of the packaging machine 12 including the work stations mentioned.
  • the packaging machine 12 is provided with an operating device 45, which includes a touch screen, for example, on which an operator can be shown all the necessary information and the operator can make all the necessary settings before and during operation of the machine.
  • an operating device 45 which includes a touch screen, for example, on which an operator can be shown all the necessary information and the operator can make all the necessary settings before and during operation of the machine.
  • a preliminary calculation can be made by the control device 41 or the data processing device 60, and a visualization of the consequences of the change can be displayed. If a problem with the change is detected, a warning can be issued and/or a video recorded by a camera showing the problem can be played.
  • target ranges can be displayed in which the settings should be. Settings for the entire food processing line 1 can preferably be changed via the one operating device 45 .
  • indentations 29, also referred to as troughs are formed in the lower film 23 in a deep-drawing process.
  • the products or portions 10 mentioned are placed in these depressions 29 at the loading station 13 .
  • the infeed station 13 here includes a so-called depositor, of which two endless conveyor belts 13a, 13b are shown.
  • the insertion station 13 can include a robot 50, also shown here schematically, e.g. in the form of a so-called "picker” or "pick-and-place robot", which acts as a delta robot with a gripper 52, each of which picks up a portion 10 includes holding blades together, can be formed.
  • robots and their use in the handling of foodstuffs, in particular when inserting portions into depressions in packaging are known in principle to the person skilled in the art, which is why further explanations are not necessary here.
  • the lower film 23 provided with the filled depressions 29 and the upper film 25 are then fed to the sealing station 15, which comprises an upper tool 15a and a lower tool 15b.
  • the upper film 25 and the lower film 23 are connected to one another by means of these tools 15a, 15b.
  • Sealing points 43 also referred to as sealing seams, running transversely to the conveying direction F are indicated schematically in FIG.
  • the packages 21 are still connected by the upper film 25 and the lower film 23, so they still have to be separated.
  • the transverse cutting station 17 and the longitudinal cutting station 19 are used for this purpose.
  • the packages 21 are provided with labels and/or printed before they are separated at the labeling and/or printing station 16 . Labeling and printing can also be done in separate stations.
  • conveyor belts and/or work stations can be provided downstream of the separating stations 17, 19, for example a scale 58 for checking the weight of the packaging 21.
  • the scale 58 forms a sensor 56 for detecting irregularities, which will now be discussed in more detail.
  • the operation of the entire food processing line 1 can be monitored using data or measurement results from measuring devices, ie sensors 56, and adjusted if necessary.
  • the measurement results are evaluated by a sensor device 52 in order to determine irregularities in the measurement results and thus in the operational sequence.
  • images, in particular videos, of the various stations 2 , 3 , 11 , 13 , 15 , 17 , 19 of the food processing line 1 are continuously recorded during operation.
  • the cameras 54 are arranged and aligned in such a way that images of areas of the stations 2, 3, 11, 13, 15, 17, 19 are recorded, which can be helpful for determining the causes of possible irregularities.
  • the cameras 54 and the sensors 56 are each connected to the data processing device 60 via data transmission means 38 . In the following, examples are used to describe how the sensor device 52 and the data processing device 60 are used to automatically determine irregularities and automatically initiate countermeasures.
  • a camera 54 in the area of the loading station 13 can detect that the product slices are not lying concentrically on top of one another—as predetermined—and determine this as an irregularity if the position of a slice deviates from the position of another slice by more than a defined limit value.
  • the camera 54 then sends a message to the data processing device 60 with the information “type of irregularity” and “time of the irregularity detected”.
  • the data processing device 60 then automatically analyzes those images from the cameras 54 which could have recorded images relevant to a determination of a cause of the transmitted irregularity. For example, the images of the camera 54, which films the portioning belt 30 of the slicing machine 3, are analyzed in order to determine whether the product slices have already been placed concentrically on the portioning belt 30.
  • the images generated by the camera 54 on the slicing machine 3 are compared with data sets which contain stacks of slices lying concentrically one above the other and stacks of slices not lying concentrically one above the other.
  • the data processing device 60 decides whether the stacks formed by the slicing machine 3 are arranged sufficiently concentrically or not.
  • the images from the camera 54 filming the insertion station 13 are analyzed. For example, one reason for a non-concentric superimposition of the individual slices of a portion 10 is that the upper slices when placed in the packaging 21 due to the sloping surface of the endless conveyor belt 13a relative to the lower slices of the portion slip.
  • the images recorded by the camera 54 in the region of the infeed station 13 and a comparison with data sets showing images of slices of a portion that have slipped it can be determined whether the slices are slipping during transport over the endless conveyor belt 13a.
  • the data processing device 60 determines, for example by comparing data measured by sensors 56 at the time the irregularity occurred with stored data sets, anomalies, i.e. relevant differences between the measured data and data sets for past irregularities. For example, the ambient temperature in the area of the endless conveyor belt 13b can be increased, so that the upper slices of the portion 10 are warmer than usual and can therefore slip more easily on the lower slices of the portion. The data processing device 60 can thus determine the cause of the irregularity. If the cause can be eliminated automatically, the data processing device 60 can automatically initiate countermeasures. In the present case, for example, the angle of the endless conveyor belt 13a could be changed by a servomotor in order to prevent the panes from slipping undesirably. As an alternative or in addition, the ambient temperature could be lowered by adjusting an air conditioning system installed in the production hall so that it cools down the ambient air of the endless conveyor belt 13b more.
  • the images of the camera 54 of the insertion station 13 can be analyzed again.
  • FIG. 3 there is shown a schematic of a multi-stage line controller 70 which can be used to control the food processing line 1 of FIGS.
  • the line controller 70 comprises a sensor device with a plurality of sensors 56, some sensors being embodied as cameras 54 and others as other types of sensors 56, preferably operationally necessary, of line components.
  • the line controller 70 links control modules 72 of different stations.
  • the food processing line 1 initially comprises a number of stations 74 for product preparation, viewed in the conveying direction F.
  • These stations 74 can include a storage station, a maturing station, a pre-treatment station, a drying station, a moistening station and/or a tempering station.
  • the scanner 2 follows the stations 74 .
  • the slicing machine 3 is provided in the food processing line 1 after the scanner 2 .
  • a sorting and conveying section 76 is provided, which is followed by the packaging machine 12.
  • Each of these stations 74, 2, 3, 76, 12, 78, 80 of the food processing line 1 has at least one sensor 56 that records process data. Irregularities in the process data can be determined on the basis of the process data recorded by sensors and a comparison with target ranges of the process data.
  • a first group of stations which in the present case includes the scanner 2, the slicing machine 3, the sorting and conveying line 76, the packaging machine 12 and the final packaging station 80, each has a station-internal control device 41, 72. If sensors 56 of these stations 72 detect an irregularity in the process data, they first send this information to the respective station-internal control device 72. This checks automatically using camera images ward whether there is an internal ward cause for the irregularity.
  • the irregularity is forwarded to the over-stationary line control 70.
  • This line control 70 analyzes all process data from all sensors of all stations to determine the cause of the irregularity.
  • the line controller 70 is connected to a production controller. This can mean software for monitoring entire production halls/locations or simply production management/management.
  • Fig. 4 shows a flowchart of a method 90 according to the invention.
  • the method 90 serves to operate a food processing line 1, for example as previously described.
  • the method 90 initially comprises capturing 92 at least a section of the food processing line 1 using a camera 54.
  • the camera 54 films an area of the food processing line 1 continuously or at least when there are products in this area while the food processing line 1 is in operation. If an irregularity occurs in the operational sequence, in a further step the irregularity in the operational sequence is detected 94 by means of at least one sensor 56 . In other words, an irregularity in the operational sequence is detected using at least one sensor 56 .
  • the sensor 56 can be a sensor that supplies data relevant to the control of the food processing line 1 .
  • the sensor can be designed as a camera 56 .
  • a point in time at which the irregularity was detected is also determined in a further step 96 .
  • This is followed in a further step by an automatic selection 98 of the data recorded by the camera 54 in the period in which the irregularity arises.
  • the cause of the irregularity is determined using the selected data.
  • the determination 100 of the cause of the irregularity can be carried out independently by a data processing device 60 using the selected data. For this purpose, measured data from a large number of sensors 54 along the food processing line 1 can be evaluated.
  • data sets determined in the period of the detected irregularity in particular images
  • data sets created in the past, in particular images, for irregularities detected in the past can be compared with data sets created in the past, in particular images, for irregularities detected in the past.
  • the cause of the irregularity can be determined 100 in an automated manner as precisely as possible, it is advantageous to carry out the determination 100 of the cause of the irregularity using artificial intelligence.
  • an analysis of videos using artificial intelligence can be used to determine what is or was the cause of the irregularity.
  • a step 102 the at least one cause of the irregularity is remedied by means of the measures required for this.
  • Eliminating 102 the cause of the irregularity by means of the measures required for this purpose can be carried out independently by the data processing device 60 .
  • a change to a setting of the food processing line 1 can be made automatically.
  • a servomotor can be controlled, which adapts an operating parameter, such as the width of the cutting gap, to a changed target value.
  • addressing the cause of the anomaly can be done by a user, particularly if remediation cannot be performed automatically.
  • the measures necessary to eliminate the cause can be saved, in particular automatically. So the food processing line can 1 machine learning how to fix various irregularities. If similar or the same irregularities are then detected in the course of operation, the irregularities can be remedied in a simple manner using the stored measures.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Forests & Forestry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Image Processing (AREA)

Abstract

Die Erfindung betrifft eine Lebensmittelverarbeitungslinie, insbesondere mit zumindest einer Aufschneidemaschine, einer Sortier- und Förderstrecke und/oder einer Verpackungsmaschine, mit einer Sensorvorrichtung zur Ermittlung von Unregelmäßigkeiten im Betriebsablauf und eines Zeitpunkts der ermittelten Unregelmäßigkeit, mindestens einer Kamera, um im Betrieb kontinuierlich Bilder zumindest eines Bereichs der Verarbeitungslinie aufzunehmen in dem eine Ursache für eine Unregelmäßigkeit vorliegen kann, und einer zentralen Datenverarbeitungseinrichtung, welche im Betrieb Daten von der Sensorvorrichtung und von der mindestens einen Kamera erhält, und dazu ausgebildet und eingerichtet ist, die zu einer Ermittlung einer Ursache der Unregelmäßigkeiten relevanten Bilder aus den von der Kamera aufgenommenen Bildern auszuwählen. Die Erfindung betrifft zudem ein entsprechendes Verfahren zum Betreiben einer Lebensmittelverarbeitungslinie. Die Datenverarbeitungseinrichtung ist dazu ausgebildet und eingerichtet, maschinell zu lernen, was die Ursache für die ermittelten Unregelmässigkeiten ist und/oder wie bestimmte ermittelte Unregelmässigkeiten zu beheben sind.

Description

Lebensmittelverarbeitunqslinie und Verfahren zum Betreiben einer
Lebensmittelverarbeitunqslinie
Die Erfindung betrifft eine Lebensmittelverarbeitungslinie und ein Verfahren zum Betreiben einer solchen Lebensmittelverarbeitungslinie.
Speziell betrifft die Erfindung eine Lebensmittelaufschneide- und/oder -Verpackungslinie, insbesondere zur Verarbeitung von Wurst, Käse, Schinken und anderen ähnlichen Lebensmittelprodukten und ein Verfahren zum Betreiben einer solchen Lebensmittelaufschneide- und/oder -Verpackungslinie.
Lebensmittelprodukte wie Wurst, Käse, Schinken und andere ähnliche Lebensmittelprodukte werden üblicherweise in einem ersten Verarbeitungsprozess als Naturprodukt gehandhabt oder aus wenigstens einem Naturprodukt, beispielsweise in Produktriegel, geformt. Abhängig von dem gewünschten Endprodukt schließen sich Lagerungs-, Reife-, Vorbehandlungs-, Trocknungs-, Befeuchtungs- und/oder Temperierprozesse an.
Nachdem das gewünschte Endprodukt erzeugt wurde, wird das Lebensmittelprodukt üblicherweise in einer Lebensmittelverarbeitungslinie in zum Verkauf geeignete Portionen unterteilt. Aufzuschneidende Lebensmittelprodukte, d.h. Lebensmittelprodukte welche in einzelne Scheiben geschnitten an den Endkunden verkauft werden, werden einer Aufschneidemaschine, insbesondere einem Hochleistungsslicer, zugeführt und von der Aufschneidemaschine in Scheiben geschnitten. Bevor die Lebensmittelprodukte der Aufschneidemaschine zugeführt werden, können die Lebensmittelprodukte noch andere Stationen wie beispielsweise einen Käseteiler, eine Pellmaschine und/oder eine Vorkühleinrichtung durchlaufen.
In der Regel wird das Lebensmittelprodukt von der Aufschneidemaschine derart in Scheiben geschnitten, dass aus mehreren Scheiben bestehende Portionen entstehen. Diese Portionen durchlaufen nach der Aufschneidemaschine üblicherweise eine Sortier- und Förderstrecke. Die Sortier- und Förderstrecke kann eine Wiegestation umfassen, in der die einzelnen Portionen gewogen werden. Die Sortier- und Förderstrecke kann auch eine Station umfassen, um die Portionen quer zu verschieben, das bedeutet in einer Richtung quer zur Hauptförderrichtung zu bewegen. Die Sortier- und Förderstrecke kann zudem eine Station umfassen, um Portionen oder einzelne Scheiben zu überlappen und/oder Formatsätze zu bilden. Am Ende der Sortier- und Förderstrecke kann eine Station vorgesehen sein, um die Portionen an eine Verpackungsmaschine zu übergeben. Die Portionen können beispielsweise mittels eines Roboters oder Einlegebandes in Verpackungen eingelegt werden. Nachdem die Portionen in die entsprechenden Verpackungen, beispielsweise Tiefziehschalen, eingelegt wurden, werden die Verpackungen üblicherweise an einer Siegelstation verschlossen. Anschließend können die in der Regel zusammenhängenden Verpackungen mittels einer Längsschneideeinrichtung und einer Querschneideeinrichtung voneinander getrennt werden. Die mit Portionen bestückten, versiegelten und voneinander getrennten Verpackungen können dann noch einer Endkontrolle unterzogen werden, beispielsweise in dem die Verpackungen mittels einer Endkontrollwaage gewogen werden. Danach werden die Verpackungen in der Regel in Kartons verpackt.
Bei einer solchen Lebensmittelverarbeitungslinie können eine Vielzahl von Unregelmäßigkeiten im Betriebsablauf auftreten, welche zu Störungen der Lebensmittelverarbeitungslinie führen können. Wenn die Lebensmittelverarbeitungslinie aufgrund einer Störung abgeschaltet werden muss, verringert sich der wirtschaftliche Nutzen der Lebensmittelverarbeitungslinie. Daher ist es vorteilhaft, wenn im Falle einer Unregelmäßigkeit diese möglichst schnell und zuverlässig ermittelt und Anpassungen vorgenommen werden können. So können Störungen bestenfalls verhindert werden und dafür gesorgt werden, dass die Lebensmittelverarbeitungslinie - wenn überhaupt - nur für einen möglichst kurzen Zeitraum abgeschaltet werden muss.
Es ist eine Aufgabe der vorliegenden Erfindung, eine Lebensmittelverarbeitungslinie bereitzustellen, mittels der Unregelmäßigkeiten, insbesondere deren Ursprung, möglichst schnell und zuverlässig detektiert werden können.
Die Aufgabe wird gelöst durch eine Lebensmittelverarbeitungslinie mit den Merkmalen des Anspruchs 1 und insbesondere dadurch, dass die Lebensmittelverarbeitungslinie eine Sensorvorrichtung zur Ermittlung von Unregelmäßigkeiten im Betriebsablauf und eines Zeitpunkts der ermittelten Unregelmäßigkeit umfasst, mindestens eine Kamera, um im Betrieb kontinuierlich Bilder zumindest eines Bereichs der Lebensmittelverarbeitungslinie aufzunehmen in dem eine Ursache für eine Unregelmäßigkeit vorliegen kann umfasst, und eine zentrale Datenverarbeitungseinrichtung umfasst, welche im Betrieb Daten von der Sensorvorrichtung, der mindestens einen Kamera und ggf. auch aus der Liniensteuerung direkt erhält, und dazu ausgebildet und eingerichtet ist, die zu einer Ermittlung einer Ursache der Unregelmäßigkeiten relevanten Bilder aus den von der Kamera aufgenommenen Bildern auszuwählen.
Das Auswählen der von der Kamera aufgenommenen Bilder kann beispielsweise ein Markieren eines relevanten Ausschnitts eines längeren Videos umfassen. Beispielsweise kann der markierte Ausschnitt dann einem Benutzer angezeigt werden, sodass dieser den markierten Ausschnitt des Videos händisch abspielen kann. Das Auswählen der von der Kamera aufgenommenen Bilder kann auch ein Abspielen, insbesondere automatisches Abspielen, eines relevanten Ausschnitts eines längeren Videos umfassen. Alternativ oder zusätzlich kann das Auswählen der von der Kamera aufgenommenen Bilder auch ein Extrahieren und/oder automatisches Verarbeiten eines relevanten Ausschnitts eines längeren Videos oder der relevanten Bilder umfassen. Viele verschiedene Varianten einer Verarbeitung der relevanten Bilder sind denkbar. Einige dieser Varianten werden nachfolgend beschrieben.
Unregelmäßigkeiten im Betriebsablauf können beispielsweise dann vorliegen, wenn sich ein von einem Sensor der Lebensmittelverarbeitungslinie gemessener Wert, beispielsweise eine Temperatur des Lebensmittelprodukts, eine Vorschubgeschwindigkeit eines Greifers, etc., außerhalb eines Sollbereichs befindet. Ein solcher Sollbereich definiert einen Bereich für den jeweiligen gemessenen Wert, in denen die Lebensmittelverarbeitungslinie betrieben werden kann, ohne dass mit Einbußen in der Produktionsqualität zu rechnen ist. Die Sollbereiche für die jeweiligen Werte können von Bedienern der Lebensmittelverarbeitungslinie eingestellt und/oder angepasst werden, sollten im Optimalfall aber bereits eingestellt sein oder durch die Lebensmittelverarbeitungslinie selbst eingestellt oder nachgeregelt werden.
Eine Unregelmäßigkeit im Betriebsablauf kann aber auch dann vorliegen, wenn eine Mehrzahl von Werten in einer Zusammenschau nicht in einem Sollbereich liegen. Beispielsweise können Werte, die in einem Verhältnis zueinander stehen, verglichen werden und eine Unregelmäßigkeit dann ermittelt werden, wenn deren Verhältnis sich außerhalb eines Sollbereiches befindet. Ein Beispiel für zwei in einem Verhältnis zueinander stehenden Werten sind die Vorschubgeschwindigkeit des Greifers und die Schnittgeschwindigkeit der Aufschneidemaschine. Speziell kann die Unregelmäßigkeit im Betriebsablauf durch das Erkennen von Mustern in den gemessenen Werten ermittelt werden. Dabei kann eine Vielzahl von Sensordaten ermittelt und für Störungen charakteristische Veränderungen in den gemessenen Werten mittels künstlicher Intelligenz erkannt werden. Beispielsweise können einzelne oder eine Vielzahl von gemessenen Sensorwerten mit Linieneinstellungen, d.h. Linienparameter, verglichen werden und, vorzugsweise mittels künstlicher Intelligenz, Anomalien festgestellt werden. Beispielsweise könnte mit einer Kamera eine Geschwindigkeit der Portionen auf einem Förderband gemessen werden und diese Geschwindigkeit mit der eingestellten Geschwindigkeit des Förderbandes verglichen werden. Wenn eine Abweichung zwischen diesen Geschwindigkeiten existiert, kann dies beispielsweise ein Hinweis darauf sein, dass der Antriebsmotor des Förderbandes beschädigt ist.
Vorteilhafte Ausbildungen der Erfindung sind den Unteransprüchen, der Beschreibung und der Zeichnung zu entnehmen.
Gemäß einer Ausführungsform ist die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet, eine Ursache und/oder den Entstehungsort der Unregelmäßigkeit anhand der relevanten Bilder selbstständig zu erkennen. Alternativ oder zusätzlich kann die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet sein, eine Ursache und/oder den Entstehungsort der Unregelmäßigkeit anhand von durch die Sensorvorrichtung erfasste relevante Sensordaten selbstständig zu erkennen. Vorzugsweise ist die Datenverarbeitungseinrichtung auch dazu ausgebildet und eingerichtet, geeignete Gegenmaßnahmen vorzuschlagen oder einzuleiten. Bevorzugt ist die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet, selbstständig aus mehreren verschiedenen Bildern oder verschiedenen Videos relevante Informationen zu ermitteln, die zur Erkennung einer Ursache der Unregelmäßigkeit relevant sind. Zudem kann die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet sein, zusätzlich zu den Bildern auch Sensordaten der Lebensmittelverarbeitungslinie, beispielsweise Gewichtsdaten einer Waage, auszuwerten, um eine Ursache der Unregelmäßigkeit zu ermitteln. Zudem kann die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet sein, Fehlportionen am Entstehungsort oder zumindest an einer entsprechenden Station festzustellen, und ggf. auszusortieren. Beispielsweise kann beim Bilden von Portionen eine fehlerhafte Bewegung des Portionierbands dafür sorgen, dass eine Portion schräg ausgerichtet ist. Alternativ oder zusätzlich könnte die Verarbeitungstemperatur des aufzuschneidenden Produktes Ursache einer schräg oder nicht ordnungsgemäß gebildeten Portion sein. Eine solche schräg ausgerichtete Portion sollte dann nicht bis zu einem Pick-und-Place Roboter weitertransportiert werden, bevor die Unregelmäßigkeit detektiert wird, sondern die Unregelmäßigkeit sollte möglichst unmittelbar festgestellt werden, um diese zeitnah zu beheben. Die fehlerhafte Portion kann dann beispielsweise direkt am Portionierband über eine Wippe aussortiert werden.
Alternativ dazu können die ausgewählten Bilder einer Person bereitgestellt und/oder vorgespielt werden, welche mit der Analyse von Anlagenfehlern betraut ist. Somit kann zwar die Verarbeitungslinie selbstständig die zur Ermittlung einer Ursache der Unregelmäßigkeiten relevanten Bilder aus den von der Kamera aufgenommenen Bildern auswählen, eine Beurteilung der Bilder und eine damit verbundene Entscheidung über die Ursache der Unregelmäßigkeit obliegt in diesem Fall aber dem Anwender, d.h. einer natürlichen Person.
Dabei ist auch eine Kombination denkbar, bei der der Anwender die Ursache der Unregelmäßigkeit bestimmt und die Datenverarbeitungsvorrichtung darauf basierend Gegenmaßnahmen vorschlägt.
Gemäß einer Ausführungsform ist die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet, maschinell zu lernen, was die Ursache für die ermittelten Unregelmäßigkeiten ist. Alternativ oder zusätzlich kann die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet sein, maschinell zu lernen, wie bestimmte ermittelte Unregelmäßigkeiten zu beheben sind. Die Datenverarbeitungseinrichtung kann dazu ausgebildet und eingerichtet sein, maschinell zu lernen, wie bestimmte Unregelmäßigkeiten anhand der von der Kamera aufgenommenen Bilder erkannt werden können. Die Datenverarbeitungseinrichtung kann zudem dazu ausgebildet und eingerichtet sein, maschinell zu lernen, welche Bilder oder Videosequenzen aus den von der Kamera aufgenommen Bildern ausgewählt werden müssen, um Unregelmäßigkeiten anhand der von der Kamera aufgenommenen Bilder zu erkennen. Die Datenverarbeitungseinrichtung kann maschinell gelehrt, d.h. neudeutsch geteacht, werden, in dem die Datenverarbeitungseinrichtung Datensätze, sogenannte Trainingsdaten, erhält. Diese Datensätze können Videos von bekannten Unregelmäßigkeiten enthalten und Informationen dazu, um welche Unregelmäßigkeiten es sich handelt und wie diese zu beheben sind. Die Datensätze können Abläufe an der Lebensmittelverarbeitungslinie umfassen, die einen ordnungsgemäßen Ablauf der Stationen zeigen. Alternativ oder zusätzlich können die Datensätze Videos mit nicht ordnungsgemäß verlaufenden Prozessschritten beinhalten. Gemäß einer Ausführungsform sind die Datensätze gruppiert in ordnungsgemäß abgelaufene Prozesse und nicht ordnungsgemäß abgelaufene Prozesse. Die Gruppierung kann entweder durch händische Eingabe erfolgen, oder anhand von zusätzlich aufgenommen Daten, beispielsweise ein Video von einer Person, die eine Schlecht-Portion von einem Förderband nimmt. Alternativ dazu sucht die Datenverarbeitungseinrichtung selbst nach Unterscheidungsmerkmalen zwischen Prozessabläufen ohne Unregelmäßigkeit und Prozessabläufen mit Unregelmäßigkeit, um eine Gruppierung derer vorzunehmen.
Zudem kann die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet sein, ermittelte Unregelmäßigkeiten automatisch, vorzugsweise anhand der von der Kamera erzeugten Bilder, als unproblematisch einzustufen. Damit solche falsch-positiv ermittelten Unregelmäßigkeiten reduziert werden, kann die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet sein, die oben genannten Sollbereiche anzupassen. Gemäß einer Ausführungsform sind mehrere Kameras vorgesehen, welche im Betrieb kontinuierlich Bilder unterschiedlicher Bereiche der Lebensmittelverarbeitungslinie aufnehmen in denen eine Ursache für eine Unregelmäßigkeit vorliegen kann, wobei sich die Aufnahmebereiche auch wenigstens teilweise überlappen können. Vorzugsweise werden alle relevanten Bereiche der Lebensmittelverarbeitungslinie kameraüberwacht, sodass viele Ursachen für eine Unregelmäßigkeit erfasst werden können. Alles was in dieser Beschreibung in Bezug auf eine Kamera erläutert ist, gilt vorzugsweise sinngemäß auch für alle weiteren Kameras. Die mehreren Kameras können mobile Kameras und stationäre Kameras umfassen. Eine mobile Kamera gemäß dieser Anmeldung ist eine Kamera, welche temporär an einer Stelle der Lebensmittelverarbeitungslinie an der Lebensmittelverarbeitungslinie angebracht oder im Bereich um die Lebensmittelverarbeitungslinie herum angeordnet ist und dann an einer anderen Stelle oder anderen Lebensmittelverarbeitungslinie angebracht oder angeordnet wird. Solche Kameras sind in der Regel sehr teuer und werden daher nur temporär, beispielsweise zur Lösungsfindung eines konkreten Problems eingesetzt und anschließend anderweitig eingesetzt.
Dagegen wird als stationäre Kamera eine solche Kamera angesehen, welche an einer Stelle der Lebensmittelverarbeitungslinie angebracht oder angeordnet wird und an dieser Stelle über einen Betriebszeitraum der Lebensmittelverarbeitungslinie verbleibt. Gemäß einer Ausführungsform sind alle Kameras der Lebensmittelverarbeitungslinie in einem geschlossenen System mit der Datenverarbeitungseinrichtung der Lebensmittelverarbeitungslinie verbunden. Dies bedeutet, dass die von den Kameras erfassten Daten nicht von Dritten abrufbar sind oder auf Servern von Dritten abspeicherbar sind. Hierdurch wird sichergestellt, dass die erfassten Daten nicht von Dritten eingesehen werden können. Gemäß einer Ausführungsform umfasst die Sensorvorrichtung mehrere, insbesondere sich hinsichtlich Ihrer Art unterscheidende, Sensoren, um verschiedene Unregelmäßigkeiten im Betriebsablauf zu ermitteln. Hierzu können auch betriebsnotwendige Sensoren in Linienkomponenten gehören. Beispielsweise können die Sensoren Geschwindigkeitssensoren umfassen, welche die Schnittgeschwindigkeit der Aufschneidemaschine, Fördergeschwindigkeiten verschiedener Endlosförderbänder einer Sortier- und Förderstrecke oder Vorschubgeschwindigkeiten von Greifern der Aufschneidemaschine messen. Die Sensoren können zudem Positionssensoren umfassen, welche beispielsweise eine Momentanposition des Schneidkopfs der Aufschneidemaschine oder eine Momentanpostion eines Pick-and-Place Roboters ermitteln. Die Sensoren können auch Temperatursensoren umfassen, um beispielsweise Temperaturen an Antrieben, in der Umgebung oder des Lebensmittelprodukts zu messen. Die Sensoren können auch Lichtschranken umfassen, um beispielsweise einen Eingriff durch einen Benutzer zu ermitteln. Die Sensoren können auch Laser, Kameras oder Kombinationen aus diesen umfassen, um beispielsweise die Maße oder Ausrichtung von Produkten oder Portionen zu erfassen.
Vorzugsweise umfasst die Sensorvorrichtung eine oder mehrere der zuvor beschriebenen Kameras. In diesem Fall kann die Sensorvorrichtung die im Betrieb von der Kamera aufgenommenen Bilder zur Ermittlung von Unregelmäßigkeiten im Betriebsablauf nutzen und zudem die zentrale Datenverarbeitungseinrichtung die von der Kamera erhaltenen Daten dazu verwenden, um für die Ermittlung der Ursache der Unregelmäßigkeiten relevante Bilder aus den von der Kamera aufgenommenen Bildern auszuwählen. Beispielsweise kann eine auf ein Förderband gerichtete Kamera ermitteln, dass eine auf dem Förderband liegende Portion derart seitlich verrutscht ist, dass dies als Unregelmäßigkeit anzusehen ist. Die zentrale Datenverarbeitungseinrichtung kann zudem aus den Kamerabildern die Bilder auswählen, die zeigen, dass eine Person gegen die seitlich verrutsche Portion gekommen ist. Zur Behebung der Unregelmäßigkeit kann die Datenverarbeitungseinrichtung selbstständig einem Pick-and-Place Roboter mitteilen, dass diese Portion von einer anderen Stelle des Förderbands aufgenommen werden muss oder gar nicht aufgenommen werden soll.
Gemäß einer Ausführungsform ist die Datenverarbeitungseinrichtung dazu ausgebildet, bei einem Auftreten mehrerer Unregelmäßigkeiten selbstständig eine Priorisierung vorzunehmen. Beispielsweise ist ein Algorithmus vorgesehen, um zu berechnen, welche der ermittelten Unregelmäßigkeiten zuerst behoben werden muss, um eine Stillstandzeit der Lebensmittelverarbeitungslinie möglichst kurz zu halten oder bestenfalls zu vermeiden. Beispielsweise kann auch eine Priorisierung dahingehend vorgenommen werden, welche Unregelmäßigkeiten selbstständig von der Datenverarbeitungseinrichtung behoben werden können und welche Unregelmäßigkeiten durch einen Benutzer behoben werden müssen, beispielsweise durch einen Austausch eines Teils.
Gemäß einer Ausführungsform ist die Datenverarbeitungseinrichtung dazu ausgebildet, anhand der ermittelten Unregelmäßigkeit Trends, insbesondere Verschleiß an der Lebensmittelverarbeitungslinie, zu detektieren. Beispielsweise kann die Datenverarbeitungseinrichtung dazu ausgebildet sein, zu erkennen, dass ein Wert, beispielsweise gemessen durch einen Sensor der Sensorvorrichtung, sich über die Zeit verändert und es deshalb wahrscheinlich ist, dass der Wert in der Zukunft einen Schwellenwert überschreiten wird, der dann zu einer Störung führen könnte. In diesem Fall kann die Datenverarbeitungseinrichtung rechtzeitig vor Erreichen des Schwellenwerts Gegenmaßnahmen einleiten oder den Benutzer informieren, dass beispielsweise bald ein Verschleißteil ausgetauscht werden muss. Die Datenverarbeitungseinrichtung kann beispielsweise mittels künstlicher Intelligenz ermitteln, wenn Verschleißteile ausgetauscht werden sollten, um die Stillstandzeit der Lebensmittelverarbeitungslinie oder deren Module zu minimieren. Gemäß einer Ausführungsform ist die Datenverarbeitungseinrichtung dazu ausgebildet, anhand der ermittelten Unregelmäßigkeit Fehleinstellungen an der Lebensmittelverarbeitungslinie zu ermitteln. Vorzugsweise ist die Datenverarbeitungseinrichtung dazu ausgebildet und eingerichtet, selbstständig die Fehleinstellungen zu korrigieren. Alternativ oder zusätzlich dazu kann die Datenverarbeitungseinrichtung dazu ausgebildet sein, einen Anwender zu informieren, wenn eine Fehleinstellung ermittelt worden ist. Eine Fehleinstellung kann beispielsweise ein falsch eingestellter Betriebsparameter, z.B. eine falsch eingestellte Vorschubgeschwindigkeit des aufzuschneidenden Produktes, sein. Eine Fehleinstellung kann zudem eine falsche Einstellung eines Teils der Lebensmittelverarbeitungslinie, z.B. ein zu groß oder zu klein eingestellter Schneidspalt an der Aufschneidemaschine, sein.
Gemäß einer Ausführungsform ist mindestens eine Kamera als Spektralkamera ausgebildet. Eine Spektralkamera dient dazu, Bilder im sichtbaren und nicht sichtbaren Spektralbereich zu erfassen und so zu verarbeiten, dass für das menschliche Auge ursprünglich nicht sichtbare Aspekte sichtbar werden. Solche Spektralkameras können beispielsweise in der Lebensmittelverarbeitungslinie eingesetzt werden, um eine Siegelnahtkontrolle in der Verpackungsmaschine durchzuführen oder eine Fremdkörpererfassung, Schimmelbefall oder anderweitige Kontamination oder relevante Zustände des Lebensmittelprodukts zu erkennen.
Die Erfindung betrifft zudem ein Verfahren zum Betreiben einer Lebensmittelverarbeitungslinie. Die Lebensmittelverarbeitungslinie kann eines oder mehrere der zuvor oder nachfolgend beschriebenen Merkmale aufweisen.
Das Verfahren zum Betreiben einer Lebensmittelverarbeitungslinie weist die folgenden Schritte auf: Erfassen zumindest eines Abschnitts der Lebensmittelverarbeitungslinie mittels einer Kamera,
Erfassen einer Unregelmäßigkeit im Betriebsablauf mittels zumindest eines Sensors, beispielsweise mittels eines Sensors der Lebensmittelverarbeitungslinie oder einer Kamera,
Ermitteln eines Zeitpunkts des Erfassens der Unregelmäßigkeit, Automatisches Auswählen der von der Kamera erfassten Daten im Zeitraum der Entstehung der Unregelmäßigkeit, und
Ermitteln der Ursache der Unregelmäßigkeit mittels der ausgewählten Daten.
Mittels dieses Verfahrens können Unregelmäßigkeiten im Betriebsablauf einer Lebensmittelverarbeitungslinie möglichst schnell und zuverlässig detektiert werden.
Gemäß einer Ausführungsform umfasst das Verfahren ferner ein Beheben der Ursache der Unregelmäßigkeit mittels hierzu notwendiger Maßnahmen. Das Beheben der Ursache kann, in der Regel abhängig von der Art der Ursache, durch eine Person und/oder automatisiert durchgeführt werden.
Gemäß einer Ausführungsform umfasst das Verfahren zudem ein Zuordnen von Betriebsdaten und/oder Betriebsparametern zu den Kameradaten. Beispielsweise können von Sensoren erfasste Betriebsdaten den zu dieser Zeit erfassten Kameradaten zugeordnet werden. Dies erfolgt vorzugsweise vollautomatisch.
Gemäß einer Ausführungsform wird das Ermitteln der Ursache der Unregelmäßigkeit mittels der ausgewählten Daten selbstständig von einer Datenverarbeitungseinrichtung durchgeführt. Alternativ dazu können die von der Kamera erfassten Bilder, z.B. ein Video, einer fachkundigen Person vorgespielt werden damit diese die Ursache der Unregelmäßigkeit ermittelt.
Damit die Ursache der Unregelmäßigkeit möglichst präzise ermittelt werden kann, kann das Ermitteln der Ursache der Unregelmäßigkeit eine Auswertung von gemessenen Daten einer Vielzahl von Sensoren entlang der Lebensmittelverarbeitungslinie umfassen.
Vorzugsweise wird das Beheben der Ursache der Unregelmäßigkeit mittels hierzu notwendiger Maßnahmen selbstständig von einer Datenverarbeitungseinrichtung durchgeführt. Beispielsweise kann die Datenverarbeitungseinrichtung einen Betriebsparameter, z.B. die Vorschub- oder Schnittgeschwindigkeit der Aufschneidemaschine, automatisch anpassen. Alternativ oder zusätzlich kann die Datenverarbeitungseinrichtung einen Stellmotor ansteuern, um beispielsweise den Schneidspalt an dem Slicer zu verstellen.
Gemäß einer Ausführungsform wird das Beheben der Ursache der Unregelmäßigkeit unter Berücksichtigung von in der Vergangenheit angelegten Datensätzen zu in der Vergangenheit erfassten Unregelmäßigkeiten durchgeführt. Die Datensätze können unter anderem folgende Daten umfassen: Temperaturdaten des Produkts, Temperaturdaten der Umgebung, Geschwindigkeitsdaten von bewegten Teilen der Vorrichtung. Allgemein kann davon ausgegangen werden, dass gleiche oder ähnliche Datensätze zu gleichen oder ähnlichen Unregelmäßigkeiten führen und somit die Unregelmäßigkeiten auch ähnliche Ursachen haben können und somit diese Ursachen geprüft werden sollten. Zudem kann, wenn mehrere Unregelmäßigkeiten ermittelt wurden, die Abfolge der Unregelmäßigkeiten mit in der Vergangenheit angelegten Datensätzen zu Abfolgen von Unregelmäßigkeiten verglichen werden. Wenn gleiche oder ähnliche Abfolgen von Unregelmäßigkeiten bereits bekannt sind, kann zunächst überprüft werden, ob die den Abfolgen zugeordneten Ursache auch dieses Mal wieder vorliegt.
Gemäß einer Ausführungsform umfasst das Beheben der Ursache der Unregelmäßigkeit ein, insbesondere automatisches, Verändern einer Einstellung der Lebensmittelverarbeitungslinie. Bei der Einstellung kann es sich beispielsweise um eine Geschwindigkeitseinstellung eines Förderbands oder um eine Schnittgeschwindigkeit der Aufschneidemaschine handeln. Es kann sich auch um eine Einstellung handeln, welche durch ein Verstellen eines Teils der Lebensmittelverarbeitungslinie mittels eines Stellmotors vorgenommen wird, beispielsweise eine Einstellung einer Breite einer Schneidbrille oder des Schneidspalts. Einige Unregelmäßigkeiten können auf mehrere Wege behoben werden. Diese Wege lassen sich kategorisieren in Wege, welche zu einem Stillstand der Lebensmittelverarbeitungslinie führen und Wege, die ohne Stillstand der Lebensmittelverarbeitungslinie durchgeführt werden können. Gemäß einer Ausführungsform umfasst das Beheben der Ursache der Unregelmäßigkeit eine Analyse, ob eine provisorische Lösung, d.h. eine Lösung ohne Anhalten der Lebensmittelverarbeitungslinie, möglich und sinnvoll ist, und somit ein Anhalten der Lebensmittelverarbeitungslinie aufgeschoben werden kann. Beispielsweise kann es vorkommen, dass aufgrund eines stumpfen Schneidmessers das Lebensmittelprodukt nicht mehr mit einer ausreichenden Qualität aufgeschnitten wird. Eine Lösung wäre, das Schneidmesser gegen ein schärferes Schneidmesser auszutauschen. Eine andere, provisorische Lösung wäre es, die Vorschubgeschwindigkeit am Slicer zu reduzieren, um die Schneidqualität auf Kosten der Schnittgeschwindigkeit zu verbessern. Hierdurch könnte das Austauschen des Schneidmessers aufgeschoben werden und somit ein Anhalten der Lebensmittelverarbeitungslinie aufgeschoben werden, bis eventuell noch andere Verschleißteile ausgetauscht werden müssen oder die Lebensmittelverarbeitungslinie neu beladen werden muss. Das Verfahren kann zudem umfassen:
Speichern der zur Behebung der Ursache notwendigen Maßnahmen, Erfassen von ähnlichen oder gleichen Unregelmäßigkeiten im Betriebsablauf mittels zumindest eines Sensors, automatisiertes Beheben der Ursache der Unregelmäßigkeiten mittels der gespeicherten Maßnahmen.
Alternativ dazu kann statt eines automatischen bzw. automatisierten Behebens der Ursache ein teilautomatisches Beheben der Ursache vorgenommen werden, bei dem einem Bediener oder Servicemitarbeiter ein Vorschlag zur Behebung der Ursache der Unregelmäßigkeit gemacht wird und dieser den Vorschlag händisch freigeben muss.
Gemäß einer Ausführungsform umfasst das Ermitteln der Ursache der Unregelmäßigkeit einen Vergleich von zu der Unregelmäßigkeit erfassten Daten mit Daten von zuvor erfassten Unregelmäßigkeiten. Beispielsweise können eine Vielzahl von Prozessparametern miteinander verglichen werden und Ähnlichkeiten zwischen den zu der neu ermittelten Unregelmäßigkeit ermittelten Prozessparametern und Prozessparametern bei zuvor erfassten Unregelmäßigkeiten ermittelt werden. Mit zuvor erfassten Unregelmäßigkeiten können auch solche aus anderen Linien, speziell auch in anderen Standorten oder in digitalen Zwillingen gemeint sein.
Gemäß einer Ausführungsform wird das Ermitteln der Ursache der Unregelmäßigkeit mittels Anwendung von künstlicher Intelligenz durchgeführt. Speziell kann das Ermitteln der Ursache der Unregelmäßigkeit durch eine Analyse von Videos und/oder andersartigen Sensordaten mittels künstlicher Intelligenz durchgeführt werden. Hierdurch kann die Ermittlung von Unregelmäßigkeiten vollständig automatisiert ablaufen und folglich können Zeit und Personalkosten eingespart werden bzw. das Personal entlastet werden. Das Verfahren kann zudem ein Kategorisieren der erfassten Unregelmäßigkeit nach Art der Unregelmäßigkeit, der betroffenen Komponente, Zeitpunkt der Erfassung der Unregelmäßigkeit, Zeitpunkt des Auftretens der Unregelmäßigkeit, Station des Auftretens der Unregelmäßigkeit und/oder Schwere der Unregelmäßigkeit umfassen. Mittels dieser Daten kann beispielsweise eine Priorisierung der Unregelmäßigkeit vorgenommen werden und abhängig von der Priorisierung entschieden werden, ob die Lebensmittelverarbeitungslinie oder Teile davon angehalten werden müssen. Beispielsweise können die kategorisierten Unregelmäßigkeiten dazu verwendet werden, um Statistiken zu erstellen. Die Statistiken können beispielsweise dazu verwendet werden, um dem Hersteller der Lebensmittelverarbeitungslinie Schwachstellen in der Konstruktion oder Einstellung aufzuzeigen, um diese Schwachstellen bei zukünftig hergestellten Lebensmittelverarbeitungslinie zu optimieren. Um die Statistiken aussagekräftiger zu machen, können die erfassten Unregelmäßigkeiten von einer Vielzahl von Lebensmittelverarbeitungslinien, auch von unterschiedlichen Kunden, kategorisiert werden und Statistiken erstellt werden.
Zudem kann das Verfahren ein Differenzieren umfassen, ob es sich bei der Unregelmäßigkeit um einen Einzelfall oder um eine sich wiederholende Unregelmäßigkeit handelt. Sofern es sich bei der Unregelmäßigkeit um eine sich wiederholende Unregelmäßigkeit handelt, können Daten zu der Unregelmäßigkeit zur Analyse an den Hersteller der Lebensmittelverarbeitungslinie gesendet werden, um Erkenntnisse für die Konstruktion oder Einstellung zukünftiger Maschinen zu erlangen.
Gemäß einer Ausführungsform werden die von der Kamera erfassten Daten bearbeitet, bevor die Daten zur Ausgabe freigegeben werden oder ausgegeben werden. Um geltende Datenschutzregelungen einzuhalten, können Daten, die Personen zeigen, anonymisiert werden. Beispielsweise können das Gesicht oder der gesamte Körper der Person verpixelt werden. Die zentrale Datenverarbeitungseinrichtung kann dazu ausgebildet sein, die Daten entsprechend zu bearbeiten. Sofern die Daten von einer Spektralkamera aufgenommen wurden, können die Daten so bearbeitet werden, dass störungsrelevante Informationen, wie z.B. eine Kontamination des Lebensmittels, für das menschliche Auge sichtbar werden.
Nachfolgend wird die Erfindung anhand einer rein beispielhaften Ausführungsform unter Bezugnahme auf die beigefügten Zeichnungen beschrieben. Es zeigen:
Fig. 1 einen ersten Teil einer erfindungsgemäßen
Lebensmittelverarbeitungslinie mit einem Scanner und einem Hochleistungsslicer;
Fig. 2 einen zweiten Teil der erfindungsgemäßen Lebensmittelverarbeitungslinie mit einer Verpackungsmaschine;
Fig. 3 eine schematische Darstellung einer erfindungsgemäßen Liniensteuerung; und
Fig. 4 eine schematische Darstellung eines erfindungsgemäßen Verfahrens zum Betreiben der Lebensmittelverarbeitungslinie.
In Fig. 1 ist ein erster Teil einer Lebensmittelverarbeitungslinie 1 gezeigt. Dieser erste Teil der Lebensmittelverarbeitungslinie 1 umfasst einen Scanner 2 und eine Aufschneidemaschine 3 zum Aufschneiden von Lebensmittelprodukten 4 in Form eines Hochleistungsslicers. Der Aufschneidemaschine 3 weist eine Produktzufuhr 5 zum ein- oder mehrspurigen Zuführen der aufzuschneidenden Lebensmittelprodukte 4 in einer Zuführrichtung Z zu einer Schneidebene 6 auf. Die Produktzufuhr 5 umfasst einen Produkthalter 5a zum Halten eines in Zuführrichtung Z gesehen hinteren Endbereichs 4a des Lebensmittelprodukts 4. Der Produkthalter 5a ist mit einer Spindelmutter 5b gekoppelt, welche gemeinsam mit einer Spindel 5c einen Linearantrieb für den Produkthalter 5a bildet, um den Produkthalter 5a entlang der Zuführrichtung Z anzutreiben und somit das aufzuschneidende Lebensmittelprodukt 4 der Schneidebene 6 zuzuführen. Zudem ist der Produkthalter 5a an einer nicht gezeigten Führungsschiene in der Zuführrichtung Z linear verschiebbar gelagert, um den Produkthalter 5a statisch bestimmt zu lagern. Die Produktzufuhr 5 umfasst einen Sensor 56, mittels dem zumindest ein Betriebsparameter der Produktzufuhr 5, beispielsweise eine Vorschubgeschwindigkeit oder ein Vorschubdrehmoment, gemessen wird. Die Aufschneidemaschine 3 kann eine Vielzahl weiterer Sensoren umfassen, beispielsweise eine Lichtschranke. Die Sensoren 56 sind mit einer Datenverarbeitungseinrichtung 60 verbunden, sodass von den Sensoren 56 gemessene Prozessdaten, insbesondere wenn diese von einem Normbereich abweichen, an die Datenverarbeitungseinrichtung 60 gesendet werden können.
Um das Lebensmittelprodukt 4 in Scheiben zu schneiden, umfasst die Aufschneidemaschine 3 ein im Betrieb rotierendes Schneidmesser 7, beispielsweise ein Kreis- oder Sichelmesser, welches im Betrieb eine entsprechende Schneidbewegung durchführt und sich dabei entlang der Schneidebene 6 bewegt. Zudem umfasst die Vorrichtung einen Produktdurchlass 8, welcher eine Gegenschneide 9 für das Schneidmesser 7 bildet. Der Produktdurchlass 8 ist hierzu in einem vorderen Endbereich einer Zuführstrecke angeordnet. Zudem umfasst die Aufschneidemaschine 1 einen Portionierbereich mit einem Portionierband 30, auf welchem abgeschnittene Scheiben des Lebensmittelprodukts 4 als Portionen 10 abgelegt werden. Zur, insbesondere automatischen, Überwachung des Schneidvorgangs ist eine Kamera 54, hier eine High-Speed-Kamera, vorgesehen. Die Kamera 54 filmt den Ablauf des Schneidprozesses und übermittelt die erzeugten Bilder an eine Datenverarbeitungseinrichtung 60. Der Scanner 2 ist in Förderrichtung F gesehen der Aufschneidemaschine 3 vorgeschaltet. Mit dem Scanner 2 sind Parameter des Lebensmittelproduktes 4, beispielsweise geometrische Parameter des Lebensmittelprodukts 4 und/oder dessen Temperatur messbar. Hierzu kann der Scanner als Laserscanner oder Röntgenscanner ausgebildet sein und/oder eine Wärmebildkamera 54 umfassen. Der Scanner 2 umfasst ein Förderband 36, hier ein Endlosförderband, auf dem das Lebensmittelprodukt 4 positioniert ist, während das Lebensmittelprodukt 4 vermessen wird. Der Scanner 2 ist mittels Datenübertragungsmitteln 38 mit der Datenverarbeitungseinrichtung 60 verbunden, um die ermittelten Daten an die Datenverarbeitungseinrichtung 60 zu übermitteln. Die Datenübertragungsmittel 38 können, wie in Fig. 1 gezeigt, ein Kabel 38 umfassen, welches sich von dem Scanner 2 bis zur Datenverarbeitungseinrichtung 60 erstreckt. Alternativ dazu können die Datenübertragungsmittel als drahtlose Datenübertragungsmittel ausgebildet sein und einen Sender und einen Empfänger aufweisen. Beispielsweise könnte ein Käseblock schräg in dem Scanner 2 liegen. In einem solchen Fall würde die Datenverarbeitungseinrichtung 60 anhand der Kamerabilder von dem Scanner erkennen, dass der Käseblock nicht ausreichend gerade ausgerichtet ist. Die Erkenntnis, dass der Käseblock nicht ausreichend gerade ausgerichtet ist, kann durch Vergleich mit Bildern von gerade und/oder schräg ausgerichteten Käseblöcken erreicht werden. Zur Behebung der Unregelmäßigkeit können seitliche Schieber vorgesehen sein, die den Käseblock gerade im Scanner 2 ausrichten.
Fig. 2 zeigt eine in einer Förderrichtung F arbeitende Verpackungsmaschine 12. Die Verpackungsmaschine 12 umfasst ein Maschinengestell 47. An einem linken Seitenrahmen und an einem rechten Seitenrahmen des Maschinengestells 47 ist jeweils eine hier nur schematisch am stromaufwärts gelegenen Ende der Maschine dargestellte Transportkette 27 geführt. Die beiden Transportketten 27 bilden gemeinsam Fördermittel für eine von einer Vorratsrolle 23a abgezogene Unterfolie 23.
Die Verpackungsmaschine 12 umfasst eine Mehrzahl von in Transportrichtung T aufeinander folgenden Arbeitsstationen, nämlich eine auch als Tiefzieher oder Thermoformer bezeichnete Formstation 11 , eine Einbringstation 13 für zu verpackende Produkte 4, eine Zufuhrstation 14 für eine von einer Vorratsrolle 25a abgezogene Oberfolie 25, eine Siegelstation 15 zur Verbindung der Unterfolie 23 mit der Oberfolie 25, eine Etikettierstation 16, eine Quertrennstation 17 sowie eine Längstrennstation 19, d.h. eine Vorrichtung 19 zum Zuschneiden von Verpackungen 21 entlang einer Längsrichtung.
Bei den zu verpackenden Produkten 4 handelt es sich um Lebensmittelprodukte in Form von sogenannten Portionen 10, die jeweils mehrere Scheiben umfassen, welche zuvor mittels der Aufschneidemaschine 3 (siehe Fig. 1 ) von einem laib- oder riegelförmigen Lebensmittelprodukt 4 wie z.B. Wurst, Käse, Schinken oder Fleisch abgetrennt wurden.
Den Betrieb der Verpackungsmaschine 12 einschließlich der erwähnten Arbeitsstationen steuert eine der Verpackungsmaschine 12 zugeordnete Steuerungseinrichtung 41 welche mit der Datenverarbeitungseinrichtung 60 verbunden ist. Zudem ist die Verpackungsmaschine 12 mit einer Bedieneinrichtung 45 versehen, die z.B. einen Touchscreen umfasst, an welchem einem Bediener alle erforderlichen Informationen angezeigt werden können und der Bediener alle notwendigen Einstellungen vor und während des Betriebs der Maschine vornehmen kann. Vorzugsweise kann, wenn der Bediener eine Einstellung verändert, eine Vorkalkulation durch die Steuerungseinrichtung 41 oder die Datenverarbeitungseinrichtung 60 vorgenommen werden, und eine Visualisierung der Folgen der Änderung angezeigt werden. Sofern ein Problem mit der Änderung erkannt wird, kann eine Warnung ausgegeben werden und/oder ein von einer Kamera aufgenommenes Video, welches das Problem aufzeigt, abgespielt werden. Um dem Benutzer das Vornehmen von Einstellungen, z.B. das Verändern von Betriebsparametern, zu vereinfachen, können Sollbereiche angezeigt werden, in denen sich die Einstellungen befinden sollten. Vorzugsweise können über die eine Bedieneinrichtung 45 Einstellungen für die gesamte Lebensmittelverarbeitungslinie 1 verändert werden.
An der ein Oberwerkzeug 11 a und ein Unterwerkzeug 11 b umfassenden Formstation 11 werden jeweils in einem Tiefziehprozess in der Unterfolie 23 auch als Mulden bezeichnete Vertiefungen 29 ausgebildet. In diese Vertiefungen 29 werden an der Einbringstation 13 die erwähnten Produkte oder Portionen 10 eingelegt. Die Einbringstation 13 umfasst hier einen sogenannten Einleger, von dem zwei Endlosförderbänder 13a, 13b dargestellt sind. Alternativ oder zusätzlich kann die Einbringstation 13 einen hier ebenfalls schematisch dargestellten Roboter 50 umfassen, z.B. in Form eines sogenannten "Picker" oder „Pick-and- Place Roboters“, der als Delta-Roboter mit einem Greifer 52, der zwei jeweils eine Portion 10 gemeinsam haltende Schaufeln umfasst, ausgebildet sein kann. Derartige Roboter und deren Einsatz bei der Handhabung von Lebensmitteln, insbesondere beim Einlegen von Portionen in Vertiefungen von Verpackungen, sind dem Fachmann grundsätzlich bekannt, weshalb hier weitergehende Ausführungen nicht erforderlich sind.
Anschließend werden die mit den gefüllten Vertiefungen 29 versehene Unterfolie 23 und die Oberfolie 25 der Siegelstation 15 zugeführt, die ein Oberwerkzeug 15a und ein Unterwerkzeug 15b umfasst. Mittels dieser Werkzeuge 15a, 15b werden die Oberfolie 25 und die Unterfolie 23 miteinander verbunden. Hierdurch werden die Vertiefungen 29 und somit die von Oberfolie 25 und Unterfolie 23 gebildeten Verpackungen 21 verschlossen. In Fig. 1 sind quer zur Förderrichtung F verlaufende, auch als Siegelnähte bezeichnete Siegelstellen 43 schematisch angedeutet. Im Anschluss an die Siegelstation 15 hängen die Verpackungen 21 noch durch die Oberfolie 25 und die Unterfolie 23 zusammen, müssen also noch vereinzelt werden. Hierzu dienen die Quertrennstation 17 und die Längstrennstation 19.
In dem hier dargestellten Ausführungsbeispiel werden die Verpackungen 21 vor dem Vereinzeln an der Etikettier- und/oder Druckstation 16 mit Etiketten versehen und/oder bedruckt. Das Etikettieren und das Bedrucken können auch in separaten Stationen erfolgen.
Stromabwärts der Trennstationen 17, 19 können weitere Förderbänder und/oder Arbeitsstationen vorgesehen sein, beispielsweise eine Waage 58 zur Gewichtskontrolle der Verpackungen 21 . Die Waage 58 bildet einen Sensor 56 zur Erfassung von Unregelmäßigkeiten, auf die nun näher eingegangen wird.
Der Betrieb der gesamten Lebensmittelverarbeitungslinie 1 kann anhand von Daten oder Messergebnissen von Messeinrichtungen, d.h. von Sensoren 56, überwacht und bei Bedarf angepasst werden. Die Messergebnisse werden zu diesem Zweck von einer Sensorvorrichtung 52 ausgewertet, um Unregelmäßigkeiten in den Messergebnissen und damit im Betriebsablauf zu ermitteln. Zudem werden im Betrieb kontinuierlich Bilder, insbesondere Videos, der verschiedenen Stationen 2, 3, 11 , 13, 15, 17, 19 der Lebensmittelverarbeitungslinie 1 aufgenommen. Die Kameras 54 sind so angeordnet und ausgerichtet, dass Bilder von Bereichen der Stationen 2, 3, 11 , 13, 15, 17, 19 aufgenommen werden, welche für ein Ermitteln von Ursachen möglicher Unregelmäßigkeiten hilfreich sein können. Die Kameras 54 und die Sensoren 56 sind jeweils über Datenübertragungsmittel 38 mit der Datenverarbeitungseinrichtung 60 verbunden. Im Folgenden wird nun anhand von Beispielen beschrieben, wie die Sensorvorrichtung 52 und die Datenverarbeitungseinrichtung 60 eingesetzt werden, um automatisch Unregelmäßigkeiten zu ermitteln und automatisch Gegenmaßnahmen einzuleiten.
Beispielsweise kann eine Kamera 54 im Bereich der Einbringstation 13 erfassen, dass die Produktscheiben nicht - wie vorbestimmt - konzentrisch aufeinander liegen und dies als Unregelmäßigkeit ermitteln, wenn eine Position einer Scheibe mehr als einen definierten Grenzwert von der Position einer anderen Scheibe abweicht. Die Kamera 54 sendet dann eine Nachricht an die Datenverarbeitungseinrichtung 60 mit den Informationen „Art der Unregelmäßigkeit“ und „Zeitpunkt der erfassten Unregelmäßigkeit“. Die Datenverarbeitungseinrichtung 60 analysiert daraufhin automatisch diejenigen Bilder der Kameras 54, welche zu einer Ermittlung einer Ursache der übermittelten Unregelmäßigkeit relevante Bilder aufgenommen haben könnten. Beispielsweise werden die Bilder der Kamera 54, welche das Portionierband 30 der Aufschneidemaschine 3 filmt, analysiert, um zu ermitteln, ob die Produktscheiben schon nicht konzentrisch auf dem Portionierband 30 abgelegt wurden. Dabei werden die von der Kamera 54 an der Aufschneidemaschine 3 erzeugten Bilder mit Datensätzen verglichen, welche Stapel von konzentrisch übereinander liegenden Scheiben und Stapel von nicht konzentrisch übereinander liegenden Scheiben beinhalten. Mittels künstlicher Intelligenz entscheidet die Datenverarbeitungseinrichtung 60, ob die von der Aufschneidemaschine 3 gebildeten Stapel hinreichend konzentrisch angeordnet sind oder nicht. Wenn die von der Aufschneidemaschine 3 gebildeten Stapel anforderungsgemäß konzentrisch sind, werden die Bilder der Kamera 54 analysiert, welche die Einbringstation 13 filmt. Beispielsweise kann eine Ursache für ein nicht konzentrisches Aufeinanderliegen der einzelnen Scheiben einer Portion 10 darin liegen, dass die oberen Scheiben beim Einbringen in die Verpackungen 21 aufgrund der abschüssigen Oberfläche des Endlosförderbandes 13a relativ zu den unteren Scheiben der Portion verrutschen. Mittels der von der Kamera 54 im Bereich der Einbringstation 13 aufgenommenen Bilder und einem Vergleich mit Datensätzen, welche Bilder von verrutschten Scheiben einer Portion zeigen, kann ermittelt werden, ob die Scheiben beim Transport über das Endlosförderband 13a verrutschen.
Die Datenverarbeitungseinrichtung 60 ermittelt anschließend, beispielsweise durch Vergleich von zum Zeitpunkt des Auftretens der Unregelmäßigkeit mittels Sensoren 56 gemessenen Daten mit gespeicherten Datensätzen, Anomalien, d.h. relevante Unterschiede zwischen den gemessenen Daten und Datensätzen zu vergangenen Unregelmäßigkeiten. Beispielsweise kann die Umgebungstemperatur im Bereich des Endlosförderbands 13b erhöht sein, sodass die oberen Scheiben der Portion 10 wärmer als üblich sind und deshalb leichter auf den unteren Scheiben der Portion verrutschen können. Die Datenverarbeitungseinrichtung 60 kann somit die Ursache der Unregelmäßigkeit ermitteln. Sofern es sich um eine automatisch behebbare Ursache handelt, kann die Datenverarbeitungseinrichtung 60 automatisch Gegenmaßnahmen einleiten. Im vorliegenden Fall könnte beispielsweise durch einen Stellmotor der Winkel des Endlosförderbands 13a verändert werden, um ein ungewünschtes Verrutschen der Scheiben zu verhindern. Alternativ oder zusätzlich könnte die Umgebungstemperatur gesenkt werden, indem eine in der Fertigungshalle angebrachte Klimaanlage verstellt wird, sodass diese die Umgebungsluft des Endlosförderbands 13b stärker abkühlt.
Anschließend kann überprüft werden, ob die Gegenmaßnahme das gewünschte Ergebnis erzielt hat. Hierzu können die Bilder der Kamera 54 der Einbringstation 13 erneut analysiert werden.
Der Fachmann wird verstehen, dass es unzählige Beispiele für die Ermittlung von Unregelmäßigkeiten und deren Ursachen gibt. In Fig. 3 ist eine Prinzipskizze einer mehrstufigen Liniensteuerung 70 gezeigt, welche dazu verwendet werden kann, die Lebensmittelverarbeitungslinie 1 von Fig. 1 und 2 zu steuern. Die Liniensteuerung 70 umfasst eine Sensorvorrichtung mit mehreren Sensoren 56, wobei manche Sensoren als Kamera 54 und andere als andersartige, vorzugsweise betriebsnotwendige, Sensoren 56 von Linienkomponenten ausgebildet sind. Die Liniensteuerung 70 verknüpft Steuerungsmodule 72 verschiedener Stationen. Im vorliegenden Beispiel umfasst die Lebensmittelverarbeitungslinie 1 in Förderrichtung F gesehen zunächst mehrere Stationen 74 zur Produktvorbereitung. Diese Stationen 74 können eine Lagerungsstation, eine Reifestation, eine Vorbehandlungsstation, eine Trocknungsstation, eine Befeuchtungsstation und/oder eine Temperierstation umfassen. An die Stationen 74 schließt sich der Scanner 2 an. Nach dem Scanner 2 ist in der Lebensmittelverarbeitungslinie 1 die Aufschneidemaschine 3 vorgesehen. Nach der Aufschneidemaschine 3 ist eine Sortier- und Förderstrecke 76 vorgesehen an die sich die Verpackungsmaschine 12 anschließt. Nach der Verpackungsmaschine 12 befindet sich eine Endkontrollstation 78 an die sich eine Endverpackungsstation 80 anschließt.
Jede dieser Stationen 74, 2, 3, 76, 12, 78, 80 der Lebensmittelverarbeitungslinie 1 weist zumindest einen Sensor 56 auf, der Prozessdaten erfasst. Anhand der von Sensoren erfassten Prozessdaten und einem Vergleich mit Sollbereichen der Prozessdaten können Unregelmäßigkeiten in den Prozessdaten ermittelt werden. Eine erste Gruppe von Stationen, zu denen im vorliegenden Fall der Scanner 2, die Aufschneidemaschine 3, die Sortier- und Förderstrecke 76, die Verpackungsmaschine 12 und die Endverpackungsstation 80 gehören, weist jeweils eine stationsinterne Steuerungseinrichtung 41 , 72 auf. Wenn Sensoren 56 dieser Stationen 72 eine Unregelmäßigkeit in den Prozessdaten erkennen, senden sie diese Information zunächst an die jeweilige stationsinterne Steuerungseinrichtung 72. Diese prüft automatisch anhand von Kamerabildern der Station, ob eine stationsinterne Ursache für die Unregelmäßigkeit vorliegt. Ist dies der Fall, wird eine stationsinterne Gegenmaßnahme angestrebt. Falls jedoch keine stationsinterne Ursache ermittelt werden kann, wird die Unregelmäßigkeit an die überstationäre Liniensteuerung 70 weitergeleitet. Diese Liniensteuerung 70 analysiert alle Prozessdaten aller Sensoren aller Stationen um die Ursache für die Unregelmäßigkeit zu ermitteln. Die Liniensteuerung 70 ist mit einer Produktionssteuerung verbunden. Damit kann eine Software zur Überwachung von ganzen Produktionshallen/-standorten oder aber auch einfach nur die Produktionsleitung/das Management gemeint sein.
Fig. 4 zeigt ein Ablaufdiagramm eines erfindungsgemäßen Verfahrens 90.
Das Verfahren 90 dient zum Betreiben einer Lebensmittelverarbeitungslinie 1 , beispielsweise wie sie zuvor beschrieben wurde. Das Verfahren 90 umfasst zunächst ein Erfassen 92 zumindest eines Abschnitts der Lebensmittelverarbeitungslinie 1 mittels einer Kamera 54. Die Kamera 54 filmt dabei einen Bereich der Lebensmittelverarbeitungslinie 1 durchgehend oder wenigstens dann, wenn sich in diesem Bereich Produkte befinden, während die Lebensmittelverarbeitungslinie 1 im Betrieb ist. Wenn eine Unregelmäßigkeit im Betriebsablauf auftritt, wird in einem weiteren Schritt ein Erfassen 94 der Unregelmäßigkeit im Betriebsablauf mittels zumindest eines Sensors 56 durchgeführt. In anderen Worten wird eine Unregelmäßigkeit im Betriebsablauf mittels zumindest eines Sensors 56 erfasst. Bei dem Sensor 56 kann es sich um einen Sensor handeln, der zur Steuerung der Lebensmittelverarbeitungslinie 1 relevante Daten liefert. Der Sensor kann als Kamera 56 ausgebildet sein. Um die Ursache der Unregelmäßigkeit schneller auffinden zu können, wird zudem in einem weiteren Schritt 96 ein Zeitpunkt des Erfassens der Unregelmäßigkeit ermittelt. Daraufhin folgt in einem weiteren Schritt ein Automatisches Auswählen 98 der von der Kamera 54 erfassten Daten im Zeitraum der Entstehung der Unregelmäßigkeit. Anschließend wird in einem weiteren Schritt 100 die Ursache der Unregelmäßigkeit mittels der ausgewählten Daten ermittelt. Das Ermitteln 100 der Ursache der Unregelmäßigkeit kann mittels der ausgewählten Daten selbstständig von einer Datenverarbeitungseinrichtung 60 durchgeführt werden. Hierzu kann eine Auswertung von gemessenen Daten einer Vielzahl von Sensoren 54 entlang der Lebensmittelverarbeitungslinie 1 erfolgen. Beispielsweise können im Zeitraum der erfassten Unregelmäßigkeit ermittelte Datensätze, insbesondere Bilder, mit in der Vergangenheit angelegten Datensätzen, insbesondere Bilder, zu in der Vergangenheit erfassten Unregelmäßigkeiten verglichen werden. Damit das Ermitteln 100 der Ursache der Unregelmäßigkeit möglichst präzise automatisiert durchgeführt werden kann, ist es vorteilhaft, das Ermitteln 100 der Ursache der Unregelmäßigkeit mittels Anwendung von künstlicher Intelligenz durchzuführen. Beispielsweise kann durch eine Analyse von Videos mittels künstlicher Intelligenz ermittelt werden, was die Ursache für die Unregelmäßigkeit ist oder war.
Zuletzt wird in einem Schritt 102 die zumindest eine Ursache der Unregelmäßigkeit mittels hierzu notwendiger Maßnahmen behoben. Das Beheben 102 der Ursache der Unregelmäßigkeit mittels hierzu notwendiger Maßnahmen kann selbstständig von der Datenverarbeitungseinrichtung 60 durchgeführt werden. Hierzu kann automatisch eine Veränderung an einer Einstellung der Lebensmittelverarbeitungslinie 1 vorgenommen werden. Beispielsweise kann ein Stellmotor angesteuert werden, der einen Betriebsparameter, wie beispielsweise die Schneidspaltbreite, an einen geänderten Sollwert anpasst. Alternativ dazu kann das Beben der Ursache der Unregelmäßigkeit durch einen Benutzer erfolgen, insbesondere falls das Beheben nicht automatisch durchgeführt werden kann.
Nachdem die Ursache der Unregelmäßigkeit erfolgreich behoben wurde, können die zur Behebung der Ursache notwendigen Maßnahmen, insbesondere automatisch, gespeichert werden. So kann die Lebensmittelverarbeitungslinie 1 maschinell lernen, wie verschiedene Unregelmäßigkeiten behoben werden können. Wenn dann ähnliche oder gleiche Unregelmäßigkeiten im Betriebsablauf erfasst werden, können die Unregelmäßigkeiten mittels der gespeicherten Maßnahmen auf einfache Weise behoben werden.
Bezugszeichenliste
1 Lebensmittelverarbeitungslinie
2 Scanner
3 Aufschneidemaschine
4 Lebensmittelprodukt
5 Produktzufuhr
5a Produkthalter
5b Spindelmutter
5c Spindel
6 Schneidebene
7 Schneidmesser
8 Produktdurchlass
9 Gegenschneide
10 Portion
1 1 Formstation
1 1 a Oberwerkzeug
1 1 b Unterwerkzeug
12 Verpackungsmaschine
13 Einbringstation
13a Endlosförderband
13b Endlosförderband
14 Zufuhrstation
15 Siegelstation
15a Oberwerkzeug
15b Unterwerkzeug
16 Etikettierstation
17 Quertrennstation
19 Längstrennstation
21 Verpackung 23 Unterfolie
23a Vorratsrolle
25 Oberfolie
25a Vorratsrolle
27 Transportkette
29 Vertiefung
30 Portionierband
36 Förderband
38 Datenübertragungsmittel
41 Steuerungseinrichtung
43 Siegelstelle
45 Bedieneinrichtung
47 Maschinengestell
50 Roboter
52 Sensorvorrichtung
54 Kamera
56 Sensor
58 Waage
60 Datenverarbeitungseinrichtung
70 Liniensteuerung
72 stationsinterne Steuerungseinrichtung
74 Produktvorbereitungsstation
76 Sortier- und Förderstrecke
78 Endkontrollstation
80 Endverpackungsstation
82 stationsinterne Steuerungseinrichtung
84 Produktionssteuerung
90 Verfahren
92 Erfassen eines Abschnitts
94 Erfassen einer Unregelmäßigkeit 96 Ermitteln eines Zeitpunkts
98 Automatisches Auswählen
100 Ermitteln der Ursache
102 Beheben der Ursache
F Förderrichtung
Z Zuführrichtung

Claims

32 Ansprüche
1 . Lebensmittelverarbeitungslinie (1 ), insbesondere mit zumindest einer Aufschneidemaschine (3), einer Sortier- und Förderstrecke und/oder einer Verpackungsmaschine (12), mit einer Sensorvorrichtung (52) zur Ermittlung von Unregelmäßigkeiten im Betriebsablauf und eines Zeitpunkts der ermittelten Unregelmäßigkeit, mindestens einer Kamera (54), um im Betrieb kontinuierlich Bilder zumindest eines Bereichs der Lebensmittelverarbeitungslinie (1 ) aufzunehmen in dem eine Ursache für eine Unregelmäßigkeit vorliegen kann, und einer zentralen Datenverarbeitungseinrichtung (60), welche im Betrieb Daten von der Sensorvorrichtung (52) und von der mindestens einen Kamera (54) erhält, und dazu ausgebildet und eingerichtet ist, die zu einer Ermittlung einer Ursache der Unregelmäßigkeiten relevanten Bilder aus den von der Kamera (54) aufgenommenen Bildern auszuwählen.
2. Lebensmittelverarbeitungslinie (1 ) nach Anspruch 1 , wobei die Datenverarbeitungseinrichtung (60) dazu ausgebildet und eingerichtet ist, eine Ursache und/oder einen Entstehungsort der Unregelmäßigkeit anhand der relevanten Bilder und/oder relevanter Sensordaten der Sensorvorrichtung (52) selbstständig zu erkennen und geeignete Gegenmaßnahmen vorzuschlagen oder einzuleiten.
3. Lebensmittelverarbeitungslinie (1 ) nach Anspruch 1 oder 2, 33 wobei die Datenverarbeitungseinrichtung (60) dazu ausgebildet und eingerichtet ist, maschinell zu lernen, was die Ursache für die ermittelten Unregelmäßigkeiten ist und/oder wie bestimmte ermittelte Unregelmäßigkeiten zu beheben sind.
4. Lebensmittelverarbeitungslinie (1 ) nach einem der vorstehenden Ansprüche, wobei mehrere Kameras (54) vorgesehen sind, welche im Betrieb kontinuierlich Bilder unterschiedlicher Bereiche der Lebensmittelverarbeitungslinie (1 ) aufnehmen in denen eine Ursache für eine Unregelmäßigkeit vorliegen kann, insbesondere wobei die mehreren Kameras (54) mobile Kameras und stationäre Kameras umfassen.
5. Lebensmittelverarbeitungslinie (1 ) nach einem der vorstehenden Ansprüche, wobei die Sensorvorrichtung mehrere, insbesondere sich hinsichtlich Ihrer Art unterscheidende, Sensoren (56) umfasst, um verschiedene Unregelmäßigkeiten im Betriebsablauf zu ermitteln.
6. Lebensmittelverarbeitungslinie (1 ) nach einem der vorstehenden Ansprüche, wobei die Sensorvorrichtung die zumindest eine Kamera (54) umfasst.
7. Lebensmittelverarbeitungslinie (1 ) nach einem der vorstehenden Ansprüche, wobei die Datenverarbeitungseinrichtung (60) dazu ausgebildet ist, bei einem Auftreten mehrerer Unregelmäßigkeiten selbstständig eine Priorisierung vorzunehmen.
8. Lebensmittelverarbeitungslinie (1 ) nach einem der vorstehenden Ansprüche, wobei die Datenverarbeitungseinrichtung (60) dazu ausgebildet ist, anhand der ermittelten Unregelmäßigkeit Trends, insbesondere Verschleiß an der Lebensmittelverarbeitungslinie (1 ), zu detektieren.
9. Lebensmittelverarbeitungslinie (1 ) nach einem der vorstehenden Ansprüche, wobei die Datenverarbeitungseinrichtung (60) dazu ausgebildet ist, anhand der ermittelten Unregelmäßigkeit Fehleinstellungen an der Lebensmittelverarbeitungslinie (1 ) zu ermitteln, insbesondere wobei die Datenverarbeitungseinrichtung (60) dazu ausgebildet ist, selbstständig die Fehleinstellungen zu korrigieren.
10. Lebensmittelverarbeitungslinie (1 ) nach einem der vorstehenden Ansprüche, wobei die mindestens einer Kamera (54) als Spektralkamera ausgebildet ist.
11 . Verfahren zum Betreiben einer Lebensmittelverarbeitungslinie (1 ), insbesondere mit zumindest einer Aufschneidemaschine (3), einer Sortier- und Förderstrecke und/oder einer Verpackungsmaschine (12), mit den Schritten:
Erfassen (92) zumindest eines Abschnitts der Lebensmittelverarbeitungslinie mittels einer Kamera, Erfassen (94) einer Unregelmäßigkeit im Betriebsablauf mittels zumindest eines Sensors, beispielsweise eines Sensors der Lebensmittelverarbeitungslinie oder der Kamera,
Ermitteln (96) eines Zeitpunkts des Erfassens der Unregelmäßigkeit, Automatisches Auswählen (98) der von der Kamera erfassten Daten im Zeitraum der Entstehung der Unregelmäßigkeit, und
Ermitteln (100) der Ursache der Unregelmäßigkeit mittels der ausgewählten Daten. Verfahren nach Anspruch 11 , mit dem Schritt:
Beheben (102) der Ursache der Unregelmäßigkeit mittels hierzu notwendiger Maßnahmen. Verfahren nach Anspruch 11 oder 12, wobei das Ermitteln (100) der Ursache der Unregelmäßigkeit mittels der ausgewählten Daten selbstständig von einer Datenverarbeitungseinrichtung durchgeführt wird. Verfahren nach zumindest einem der Verfahrensansprüche, wobei das Ermitteln (100) der Ursache der Unregelmäßigkeit eine Auswertung von gemessenen Daten einer Vielzahl von Sensoren entlang der Lebensmittelverarbeitungslinie umfasst. Verfahren nach Anspruch 12, wobei das Beheben (102) der Ursache der Unregelmäßigkeit unter Berücksichtigung von in der Vergangenheit angelegten Datensätzen zu in der Vergangenheit erfassten Unregelmäßigkeiten durchgeführt wird. Verfahren nach zumindest einem der Ansprüche 12 und 15, wobei das Beheben (102) der Ursache der Unregelmäßigkeit ein, insbesondere automatisches, Verändern einer Einstellung der Lebensmittelverarbeitungslinie umfasst. 36 Verfahren nach zumindest einem der Ansprüche 12, 15 und 16, ferner umfassend
Speichern der zur Behebung der Ursache notwendigen Maßnahmen, Erfassen von ähnlichen oder gleichen Unregelmäßigkeiten im Betriebsablauf mittels zumindest eines Sensors, automatisiertes Beheben der Ursache der Unregelmäßigkeiten mittels der gespeicherten Maßnahmen. Verfahren nach zumindest einem der Verfahrensansprüche, wobei das Ermitteln (100) der Ursache der Unregelmäßigkeit einen Vergleich von zu der Unregelmäßigkeit erfassten Daten mit Daten von zuvor erfassten Unregelmäßigkeiten umfasst. Verfahren nach zumindest einem der Verfahrensansprüche, wobei das Ermitteln (100) der Ursache der Unregelmäßigkeit mittels Anwendung von künstlicher Intelligenz durchgeführt wird, insbesondere durch eine Analyse von Videos und/oder Sensordaten mittels künstlicher Intelligenz. Verfahren nach zumindest einem der Verfahrensansprüche, wobei ein Ermitteln einer Abhängigkeit zwischen der Ursache der Unregelmäßigkeit und der Unregelmäßigkeit mittels Anwendung von künstlicher Intelligenz durchgeführt wird, insbesondere durch eine Analyse von Videos und/oder Sensordaten mittels künstlicher Intelligenz. Verfahren nach zumindest einem der Verfahrensansprüche, mit dem Schritt:
Kategorisieren der erfassten Unregelmäßigkeit nach Art der Unregelmäßigkeit, der betroffenen Komponente, Zeitpunkt der Erfassung 37 der Unregelmäßigkeit, Zeitpunkt des Auftretens der Unregelmäßigkeit, und/oder Schwere der Unregelmäßigkeit. Verfahren nach zumindest einem der Verfahrensansprüche, mit dem Schritt:
Differenzieren, ob es sich bei der Unregelmäßigkeit um einen Einzelfall oder um eine sich wiederholende Unregelmäßigkeit handelt. Verfahren nach zumindest einem der Ansprüche 12, 15, 16 und 17, wobei das Beheben (102) der Ursache der Unregelmäßigkeit mittels hierzu notwendiger Maßnahmen selbstständig von einer Datenverarbeitungseinrichtung durchgeführt wird. Verfahren nach zumindest einem der Verfahrensansprüche, wobei die von der Kamera erfassten Daten bearbeitet werden, insbesondere Bilddaten von Personen anonymisiert werden, bevor die Daten zur Ausgabe freigegeben werden.
PCT/EP2022/077788 2021-10-11 2022-10-06 Lebensmittelverarbeitungslinie und verfahren zum betreiben einer lebensmittelverarbeitungslinie WO2023061840A1 (de)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE102021126323 2021-10-11
DE102021126323.9 2021-10-11
DE102022100537.2A DE102022100537A1 (de) 2021-10-11 2022-01-11 Lebensmittelverarbeitungslinie und Verfahren zum Betreiben einer Lebensmittelverarbeitungslinie
DE102022100537.2 2022-01-11

Publications (1)

Publication Number Publication Date
WO2023061840A1 true WO2023061840A1 (de) 2023-04-20

Family

ID=84330166

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/077788 WO2023061840A1 (de) 2021-10-11 2022-10-06 Lebensmittelverarbeitungslinie und verfahren zum betreiben einer lebensmittelverarbeitungslinie

Country Status (2)

Country Link
DE (1) DE102022100537A1 (de)
WO (1) WO2023061840A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022116352A1 (de) 2022-06-30 2024-01-04 Multivac Sepp Haggenmüller Se & Co. Kg Betriebs-Verfahren für eine Aufschneide-Maschine sowie hierfür geeignete Aufschneide-Maschine

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014040952A1 (de) * 2012-09-17 2014-03-20 Gea Food Solutions Germany Gmbh Verfahren zur korrektur von portionen in verpackungsmulden
JP2017156928A (ja) * 2016-03-01 2017-09-07 三菱電機株式会社 映像監視装置、映像監視方法、および映像監視システム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007047877A1 (de) 2007-11-28 2009-06-04 Voith Patent Gmbh Verfahren zur Detektierung des Fehlens eines einer Stirnseite einer Materialbahnrolle mittels einer Deckelanlageeinrichtung zugeordneten Innenstirndeckels und Rollenverpackungsanlage, insbesondere automatisierte Rollenverpackungsanlage
DE102016124400A1 (de) 2016-12-14 2018-06-14 Krones Ag Verfahren und Vorrichtung zum Erfassen von Störungen beim Objekttransport
DE102019101852A1 (de) 2019-01-25 2020-07-30 Weber Maschinenbau Gmbh Breidenbach Verpackungsmaschine
DE102020201067B4 (de) 2020-01-29 2024-06-13 Multivac Sepp Haggenmüller Se & Co. Kg Verpackungsmaschine mit einer Kameraeinrichtung

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014040952A1 (de) * 2012-09-17 2014-03-20 Gea Food Solutions Germany Gmbh Verfahren zur korrektur von portionen in verpackungsmulden
JP2017156928A (ja) * 2016-03-01 2017-09-07 三菱電機株式会社 映像監視装置、映像監視方法、および映像監視システム

Also Published As

Publication number Publication date
DE102022100537A1 (de) 2023-04-13

Similar Documents

Publication Publication Date Title
EP2679356B1 (de) Verfahren und Vorrichtung zum Handhaben von Portionen
EP2882296B1 (de) Verfahren und vorrichtung zur überwachung einer fleischverarbeitungsmaschine
EP3686110A2 (de) Verpackungsmaschine
EP3386692A1 (de) Aufschneiden von lebensmittelprodukten
DE102019127275A1 (de) Verfahren und System zur Verarbeitung von Produkten
WO2023061840A1 (de) Lebensmittelverarbeitungslinie und verfahren zum betreiben einer lebensmittelverarbeitungslinie
DE102017112137A1 (de) Verfahren zum Verarbeiten von Lebensmittelprodukten und Lebensmittelverarbeitungssystem mit Positionsnachverfolgung
EP3480123A1 (de) Beladevorrichtung für eine schneide- und verpackungsanlage zum schneiden und verpacken von lebensmitteln sowie schneide- und verpackungsanlage mit derartiger beladevorrichtung
DE102014112482A1 (de) Vorrichtung und Verfahren zum Ausstatten von Behältnissen
DE102019123953A1 (de) Verfahren zum mehrspurigen Erzeugen und Transportieren von Portionen
EP3120981B1 (de) Verfahren und vorrichtung zum erzeugen eines mehrspurigen portionsstroms nach einer aufschneideinheit
EP3730909B1 (de) Verfahren und vorrichtung zum wiegen einer lebensmittelportion mit gewichtsverlaufbestimmung
DE102021110638A1 (de) Verfahren zum Etikettieren und/oder Bedrucken einer Abfolge von hintereinander angeordneten Verpackungsformaten
DE102016102034A1 (de) Aufschneiden von Lebensmittelprodukten
WO2017016689A1 (de) Förderanlage
EP3409433B1 (de) Verfahren zum verarbeiten von lebensmittelprodukten und lebensmittelverarbeitungssystem mit positionsnachverfolgung
EP2848379B1 (de) Aufschneidevorrichtung
DE102021116735A1 (de) Verfahren zum Betreiben einer Produktionslinie
DE102021119888A1 (de) Verfahren zur Steuerung einer Produktionslinie zur Herstellung von verpackten Produktportionen
WO2024051976A1 (de) Verfahren zur steuerung von prozessen des behälterhandlings und behälterbehandlungsanlage zur produktion, abfüllung, handhabung, verpackung und/oder förderung von behältern
DE102022120642A1 (de) Verfahren zum Beseitigen von Ausschuss sowie hierfür geeignete Transport-Einheit
WO2021110392A1 (de) Verfahren und vorrichtung zur erkennung von umgefallenen und/oder beschädigten behältern in einem behältermassenstrom
DE102016215522A1 (de) Lebensmittelverarbeitungsvorrichtung mit Mikrofonarray
EP4276450A1 (de) Vorrichtung und verfahren zum inspizieren von behältnissen mit positionserfassung
EP4344839A1 (de) Verfahren zum automatischen einhalten einer vorgegebenen portions-anordnung in einer tray-mulde sowie hierfür geeignete verpackungs-vorrichtung

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22801050

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2022801050

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2022801050

Country of ref document: EP

Effective date: 20240417

NENP Non-entry into the national phase

Ref country code: DE