Zum Hauptinhalt springen

Projekt ProQuaOpt

Das IMMS entwickelt eine KI-basierte Regelung zur Online-Optimierung von Spritzgießprozessen hinsichtlich der Ressourceneffizienz.

Beim manuellen Einrichten von Maschinen kaum Zeit für Prozessoptimierungen

Spritzgießen ist das verbreitetste Verfahren, um Kunststoffteile für praktisch alle Anwendungsgebiete herzustellen. Dabei ist ein hoher Durchsatz und die Vermeidung von fehlerhaften Ausschussteilen wichtig, um als Hersteller am Markt bestehen zu können. Dazu werden üblicherweise die Maschinen durch Fachpersonal so eingestellt, dass sie gute Teile produzieren.

Das geschieht allerdings einmalig zum Start der Fertigung eines Teils und die Maschine läuft anschließend mit konstanten Parametern. Ändern sich jedoch die Umgebungsbedingungen (z.B. die Umgebungstemperatur durch offene Tore), kann momentan keine Reaktion erfolgen und das Risiko für Fehlteile steigt. Außerdem werden die Einstellungen auf Basis von Erfahrungswerten vorgenommen. Ob diese dem optimalen Betriebspunkt hinsichtlich des Ressourcenverbrauchs bei guter Produktqualität entsprechen, ist im laufenden Betrieb unklar.

Ziel ist die Optimierung des Spritzgießprozesses durch KI

Ziel des Projektes ProQuaOpt ist es, KI-Methoden für die automatisierte Produktivitäts- und Qualitätsoptimierung des Spritzgießprozesses einsetzbar zu machen. Dafür wird ein Produkt-Prozess-Qualitätsregelkreis entwickelt, der aus einer Regelstrecke an der Spritzgießmaschine, einem Messglied zur Qualitätsprüfung und einem KI-basierten Regler bestehen wird.

Der Regelkreis ermöglicht neben der Reaktion auf veränderte Umgebungsbedingungen auch die kontinuierliche Optimierung des Prozesses in Bezug auf Ressourcen­effizienz. Der Regler gibt, wenn nötig, kleine Anpassungen vor, die den Prozess am optimalen Betriebspunkt halten sollen. Über die Qualitätsprüfung wird ein internes Feedback an den Regler zurückgegeben. Die Anpassungen orientieren sich dabei stark an Schritten, die auch ein Experte durchführen würde.

IMMS entwickelt KI-basierte Regelung

Im Projekt ProQuaOpt wird das IMMS seine Kompetenzen im Bereich der Signal­erfassung und -aufbereitung für KI-Anwendungen sowie die Entwicklung KI-basierter Vorhersagemodelle kombinieren, um eine inline sowie autonom den Prozess optimierende Regelung zu entwickeln.

Die Regelung wird je nach Eingabeparametern die Spritzgießmaschine optimal einstellen, ohne die Qualität zu beeinträchtigen, und kann auch auf externe Störungen reagieren. Dadurch wird der Spritzgießprozess effizienter und es fällt weniger Ausschuss an.

Akronym / Name:

ProQuaOpt / Produktivitäts- und Qualitätsoptimierung für Kunststoffspritzgieß-Verfahren mit KI-Methoden

Laufzeit:2022 – 2025

Anwendung:

|Spritzgießprozess

Forschungsfeld:Intelligente vernetzte Mess- und Testsysteme


Zugehörige Inhalte

Veranstaltung,

8. Thüringer Maschinenbautag

Herausforderung Arbeitskräftemangel: Was können Unternehmen tun? Best Practice und neue Wege.


Kontakt


Förderung

Das diesem Bericht zugrunde liegende Vorhaben ProQuaOpt wurde mit Mitteln des Bundesministeriums für Bildung und Forschung unter dem Förderkennzeichen 01|S22019E gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei der Autorin/beim Autor.


Das könnte Sie auch interessieren

Leitanwendung

Adaptive Edge-KI-Systeme für industrielle Anwendungen

Wir forschen an Lösungen für adaptive Edge-KI-Systeme, um KI auf verbrauchsarmen eingebetteten Systemen in der Industrie möglich zu machen und um diese in Echtzeit zu vernetzen.

Kernthema

Eingebettete KI

Die zahlreich vorhandenen KI-Algorithmen und -Methoden für leistungsfähige Rechentechnik sind für eingebettete Systeme ungeeignet. Wir forschen daran, KI-Algorithmen und Methoden so zu optimieren, dass sie auf eingebetteten Systemen einsetzbar sind.

Forschungsfeld

Intelligente vernetzte Mess- und Testsysteme

Integrierte Sensor-ICs sind das Herz von Sensor- und Messsystemen wie Funksensoren, stationäre und Handheld-Diagnosegeräte. Wir forschen an Lösungen für immer leistungsfähigere Sensoren mit mehr Eigenintelligenz und Aufgabenverteilung im Sensornetz.

Zurück