- News
Digitale Prozessmodelle für den Spritzguss
Das Kunststoffspritzgießverfahren ist ein komplexer Prozess mit vielen Einflussgrößen, insbesondere, wenn Präzisionsbauteile mit sehr geringen Abmessungstoleranzen gefertigt werden sollen. Wenn sich beispielsweise die Restfeuchtigkeit im Kunststoffgranulat oder das Temperaturprofil in der Maschine verändert, wirkt sich das unter anderem auf die Abmessung oder die optischen Eigenschaften der Kunststoffbauteile aus.
Hahn-Schickard entwickelt zusammen mit den Industriepartnern Weißer + Grießhaber GmbH, IMS Gear SE & Co. KGaA und antares GmbH & Co. KG ein Assistenzsystem für Kunststoffspritzgießer, um die Qualität der gefertigten Bauteile vorherzusagen, zu stabilisieren und zu verbessern.
Umsetzung einer KI-Lösung im Kunststoffspritzguss
Als Basis für die Digitalisierung und den anschließenden Einsatz von KI-Methoden werden prozessrelevante Informationen benötigt. Es müssen geeignete Sensorsysteme verfügbar sein um physikalische Größen wie z.B. die Strömungseigenschaften der Schmelze zu erfassen. Dies betrifft die software- und hardwareseitige Entwicklung von Schnittstellen, das Aufsetzen einer IIoT-Architektur und die Auswahl eines geeigneten Datenbanksystems. Unter anderem wurde ein Düsen-Kapillar-Rheometer entwickelt, welches während des Einspritzvorgangs die Strömungseigenschaften und Viskosität der Kunststoffschmelze ermittelt. Sensoren im Werkzeug messen Druck und Temperatur der Schmelze und geben Aufschluss über den Füll- und Erstarrungsvorgang während des Prozesses. Sämtliche Einstellparameter an den Maschinen werden über die digitale OPC UA-Schnittstelle direkt dem IIoT-Netzwerk übermittelt. An einer analogen Schreiberschnittstelle liest ein Datalogger hochdynamisch Daten der Plastifizierschnecke aus. Die eigens von Hahn-Schickard entwickelten Umweltsensoren messen die Umgebungsbedingungen und stellen ihre Daten einem OPC UA Server zur Verfügung. Während der Abformversuche werden all diese Informationen zusammen mit der Bauteilvermessung aufgenommen. Auf Grundlage der Daten kann anschließend ein digitaler Zwilling den Prozess abbilden. Mit diesem ist es möglich, die Bauteilqualität während des Fertigungsprozesses zu prognostizieren, bevor das Bauteil entformt wird. Zudem bietet das Modell die Möglichkeit, Störfaktoren entgegenzuwirken, den Prozess zu stabilisieren und somit die Bauteilqualität zu verbessern.
Weiterentwicklung
Im nächsten Schritt erweitern wir die Technologie auf den Duroplastspritzguss und arbeiten an der Implementierung eines Bilderkennungssystemes zur automatisierten Oberflächen-Inspektion an Kunststoffbauteilen. In Zukunft sollen alle Hard- und Software-Lösungen in einem digitalen Assistenzsystem münden, um entlang des gesamten Produktionszyklus konsistente Daten zu erfassen und dem Bediener KI-gestützte Handlungsempfehlungen bereit zu stellen.
Verfolgen sie die weiteren Entwicklungen im Projekt KIPOS
Zurück zur Übersicht