In diesem Forschungsschwerpunkt wird untersucht, welche Informationen sich aus großen Mengen inline erhobener Sensordaten einer Druckmaschine extrahieren lassen, und in wie weit Verfahren des Maschinellen Lernens bei der Verarbeitung und Interpretation dieser Daten helfen können. Das ist zum einen spannend, da Maschinelles Lernen zwar in aller Munde ist, aber im Kontext der Druckproduktion mit seinen Anwendungsspezifischen Besonderheiten noch wenig verbreitet ist. Die sich daraus ergebenen Fragestellungen werden dabei in enger Zusammenarbeit mit der Druckindustrie bearbeitet.

Konkret wird in einem interdisziplinären Industrie Forschungsprojekt zusammen mit einem Papierhersteller, einer Druckerei und einem Systemhersteller für Bahnlauf-, Registerregelung- und qualitätssichernder Systeme dynamische Prozessschwankungen am Beispiel einer produktiven Rollen-Tiefdruckmaschine untersucht. Anhand eines in diesem Projekt entstandenen Datensatzes aus über 40.000 km gedrucktem Karton werden Anwendungsspezifische Methoden entwickelt um verborgene Muster im Bahnlauf, der Registerqualität oder in der Wickelqualität automatisiert zu detektieren. Die aus solchen alltäglichen Produktionsdaten gewonnenen Informationen können beispielsweise für die Rückverfolgung von Fehlerursachen genutzt werden. Aufgrund der Datenmengen, der Komplexität und der Variabilität der Muster kommen hier insbesondere Tiefe Neuronale Netze zum Einsatz.

Mehr Informationen: Tobias Enk, M.Sc.

In diesem Forschungsschwerpunkt wird untersucht, welche Potentiale aktuelle Methoden aus dem Bereich KI und im speziellen der Computer Vision für Bildproduktionsprozesse in der Medientechnik bieten. Hintergrund ist, dass eine enorme Entwicklungsdynamik im Bereich lernbasierter Computer Vision Verfahren stattfindet, wobei die Methoden in vielen Industriezweigen bereits sehr erfolgreich eingesetzt werden, in Medienproduktionsprozessen aber bislang nicht weit verbreitet sind.

Insbesondere Medienproduktionsprozesse bieten eine hervorragende Anwendungsszenarien zur Erprobung neuester Computer Vision Verfahren, wie etwa im Bereich Bildmanipulation, der Bildinterpretation, oder bei der Generierung von Bilddaten. Durch den Einsatz lernbasierter Verfahren ergibt sich ein völlig neuer Zugang zu Problemstellungen die bisher ungelöst oder nur mit großem manuellen Aufwand gelöst werden konnten. Aber auch völlig neue Anwendungen sind Denkbar.

In diesem Kontext wurde beispielsweise in Kooperation mit einem führenden deutschen Mediendienstleister das hochqualitative Freistellen von Produkten im Kontext der Modefotografie untersucht und am Ende bis zur Anwendungsreife gebracht.

Mehr Informationen: Tobias Enk, M.Sc.