Die Übertragung von Einstellparametern zwischen Spritzgießmaschinen unterschiedlicher Hersteller war bisher nicht oder nur eingeschränkt möglich. Das wollen zwei Forschungsinstitute ändern, indem sie Maschinen voneinander lernen lassen.

Die Einstellungen der Prozessparameter können auch per Smartwatch oder Smartphone abgerufen werden. (Bild: Plus 10, Fotograf: Elke Kunkel Photography)

In der Kunststoffverarbeitung für pharmazeutische und medizintechnische Produkte ist es doppelt schwierig, selbstlernende Systeme einzusetzen. Dutzende von thermodynamisch bedingten Prozessparametern (Stichwort pvT-Diagramm) müssen aufeinander und auf den zu verarbeitenden Rohstoff, den Zustand des Werkzeugs und die Qualitätsmerkmale des Endprodukts abgestimmt sein und immer im validierten Prozessfenster liegen . Zudem verhalten sich ähnliche Maschinen unterschiedlich, sei es aufgrund unterschiedlichen Alters innerhalb derselben Maschinenserie oder unterschiedlicher Steuerungskonzepte oder Funktionen und Komponenten, die von unterschiedlichen Maschinenherstellern oder Maschinengenerationen verwendet werden. Dies verhindert bisher, dass Einstellparameter auch mit den gleichen Werkzeugen 1:1 übertragbar sind.

Damit Maschinen voneinander lernen und somit Taktzeiten und Ausschuss auch bei schwankenden Eingangsgrößen immer optimal bleiben, erforscht und entwickelt die Fraunhofer-Ausgründung Plus 10 mit dem SKZ Kunststoff-Zentrum im Rahmen des DarWIN . übertragbare Modelle Forschungsprojekt. Schon kleinste Abweichungen bei den Parametereinstellungen können zu Qualitätseinbußen oder höheren Taktzeiten führen. Mehrere Faktoren beeinflussen die Abstimmung der Prozessparameter. Die Umgebungsbedingungen, die Eigenschaften des Rohstoffs oder der Zustand des Werkzeugs oder der Maschine können entscheidend sein. In solchen Fällen werden beim Spritzgießen die Prozessparameter meist zu Gunsten eines minimalen Ausschusses eingestellt, um langsamer, aber zumindest mit konstant guter Leistung zu produzieren. Darunter leidet die Wirtschaftlichkeit, die nur durch eine Automatisierung der Prozessverfolgung und Parameteroptimierung auf Basis der aktuell vorliegenden Rohstoff- und Umgebungsbedingungen gelöst werden kann. Ziel ist es, immer den besten Kompromiss zwischen minimaler Ausschussrate und minimaler Zykluszeit zu finden und einzustellen – für jeden Schuss.

Die Testreihe für das Forschungsprojekt DarWIN läuft seit Ende 2020. Ziel des KI-Projekts ist es, detaillierte Verhaltensmodelle von Spritzgießmaschinen an hochfrequenten Maschinendaten zu erlernen. Dazu kommen Maschinen unterschiedlicher Hersteller zum Einsatz, die im Laufe der Zeit ähnliche Teile herstellen. Auf diese Weise sollen die auf einer Maschine erlernten Verhaltensmodelle auch auf andere Maschinen übertragbar sein, ohne die Modelle für jede Maschine komplett neu lernen zu müssen. Die Verhaltensmodelle schlagen optimierte Prozessparameter für den nächsten Schuss vor, um mit möglichst geringer Taktzeit ohne Ausschuss zu produzieren.

Die Projektpartner erforschen neueste Machine-Learning-Modelle zur Beschreibung des Verhaltens zyklischer Fertigungsprozesse am Beispiel des Spritzgießens. Der Fokus liegt auf Online-Skills, also dem Auf- und Ausbau eines Modells im laufenden Prozess. Daneben spielt auch die Untersuchung der Übertragbarkeit vortrainierter Machine-Learning-Modelle von einer Maschine auf ähnliche, nicht identische Maschinen eine zentrale Rolle. Ein Machine Evolution Learner der Firma Plus 10 generiert auf Basis des Verhaltensvergleichs mit allen gleichen oder ähnlichen beteiligten Maschinen Optimierungsvorschläge.

Für die Versuchsreihen stehen in der Versuchsanlage verschiedenste Maschinen der Hersteller Arburg, Engel, Krauss Maffei, Sumitomo (SHI) Demag und Wittmann Battenfeld zur Verfügung. In das Projekt fließen die Expertise des Start-ups in der automatisierten Produktionsoptimierung mit kontinuierlich lernenden Modellen und die dafür erforderliche leistungsfähige Dateninfrastruktur ein. Die Würzburger Spritzgießspezialisten bewerten die während der Versuchsreihen generierten situativen Optimierungsvorschläge und analysieren im hauseigenen Prüflabor die Bauteilqualität sowohl auf geometrische als auch auf mechanische Eigenschaften.

Die physische Welt der Kunststoffverarbeitung produktiv mit der virtuellen Welt zu vernetzen – das ist die große Zukunftsaufgabe auf dem Weg in die digitale Transformation. Eine Herausforderung, der sich seit kurzem die LIT Factory auf dem Campus der Universität Linz, Österreich, gestellt hat. In der Forschungs-, Lern- und Pilotfabrik arbeiten Forscher und Industriepartner gemeinsam an neuen digitalen Lösungen für Spritzguss, Extrusion und Recycling. Alle Projekte sind auf spätere Anwendungen in der industriellen Praxis ausgerichtet. Mehr zum Thema Digitalisierung und Spritzguss erfahren Sie hier

Um empirisch ein Modell zu konzipieren und zu entwickeln, das alle Einflussfaktoren berücksichtigt, müssen Testpläne auf klassische Weise nach einem Design-of-Experiment (DoE) erstellt und durchgeführt werden. Ziel ist es, dass die Modellgenerierung und damit Vorschläge von anzupassenden Prozessparametern kontinuierlich und betriebsparallel erfolgen. Aus einem konstanten Input für das Modell werden live optimierte Prozessparameter berechnet und für den nächsten Maschinenzyklus vorgeschlagen. Die statistischen Modelle zeigen auch eine Gesamtunsicherheit bei der Optimierung, um dem Prozessexperten ein Gefühl dafür zu geben, wie sicher das System mit dem Vorschlag ist. Das Ziel ist immer, die Produktionsrate von Gutteilen zu maximieren. Dies ergibt sich aus der Prognosezykluszeit und dem prognostizierten Risiko, mit diesen Einstellungen ein Schlechtteil zu produzieren, sowie den jeweiligen Unsicherheiten für diese beiden Prognosen.

Im Rahmen des Forschungsprojekts steht das umfassende Lernen zwischen unterschiedlichen Maschinen oder unterschiedlichen Produkten im Fokus. Für identische Maschinen und identische Produkte wurden bereits industriell Erfolge erzielt: Im Spritzguss konnte die Ausbringung um 10 bis 17% gesteigert werden. Reinfried Wobbe (Director Digital Business Development / Industrie 4.0) von Freudenberg berichtet: „Plus 10 hat mit seiner kontinuierlich lernenden Darwin-Recommender-Technologie an mehreren Spritzgießmaschinen den praktischen Beweis erbracht, dass signifikante Produktionssteigerungen in der Elastomerverarbeitung tatsächlich möglich sind.

Ich habe die AGB, die Informationen zum Widerrufsrecht und zum Datenschutz gelesen und akzeptiere diese.

Mit der Übernahme von 1zu1 Dornbirn treibt die schwedische Prototal Group ihre Pläne voran, in Europa Marktführer im Bereich der additiven Fertigung mit Kunststoffen für die Serienfertigung zu werden. Der Standort in Dornbirn soll ausgebaut werden.Weiterlesen ...

Der Kunststoffhersteller Chimei, Taiwan, nimmt im chinesischen Zhangzhou eine neue hochmoderne ABS-Produktionsstätte in Betrieb. Die Anlage wird zunächst rund 450.000 Tonnen pro Jahr produzieren. Weiterlesen ...

Die Rohstoffpreise steigen, Hersteller klagen über eine allgemein schlechte Versorgungslage. Die Corona-Pandemie entlarvt gnadenlos die Abhängigkeit kompletter Lieferketten. Die fatalen Folgen erfahren Sie in unserem ständig aktualisierten Ticker. Weiterlesen ...

Blickle Wheels Rollers GmbH und Co. KG

GEMÜ Gebr. Müller Apparatebau GmbH & Co. KG