Referenz
Machine Learning im Spritzguss
Das Forschungsprojekt AVAPS entwickelt eine Softwarelösung für das Spritzgussverfahren, um die Verarbeitung zu optimieren, Stillstand und Ressourcenverschwendung zu minimieren und dem Anwender unkompliziert die wichtigsten Parameter darzustellen.
AVAPS: Abfragen, Verarbeiten und Auswerten von Prozessdaten im Spritzguss
Weltweit werden pro Jahr ca. 350 Mio. Tonnen Kunststoff in unterschiedlichen Verfahren verarbeitet. Ein großer Teil davon wird im so genannten Spritzgussverfahren hergestellt. Dabei wird das Plastik in einer Spritzgießmaschine verflüssigt und unter hohem Druck in eine Form gepresst. Nach Abkühlung der Form kann ein fertiges Bauteil entnommen werden.
Das Forschungsprojekt AVAPS entwickelt eine Softwarelösung für das Spritzgussverfahren, um die Verarbeitung zu optimieren, Stillstand und Ressourcenverschwendung zu minimieren und dem Anwender unkompliziert die wichtigsten Parameter darzustellen.
Die Partner
Das Projekt AVAPS wird von der Hessen Agentur gefördert und in Zusammenarbeit mit dem Institut für Werksstofftechnik und Kunststofftechnik der Universität Kassel entwickelt. Das Institut stellt dabei einen wichtigen Verbundspartner mit Expertise in der Kunststoffverarbeitung dar. Da sich am Institutsstandort einige Spritzgießmaschinen und das zugehörige technische Know-how befinden, kann die Entwicklung der Software, die in der Verantwortung von Micromata liegt, direkt an den Maschinen getestet und an die Bedürfnisse der Endnutzer:innen angepasst werden.
Technologien
Backend:
- Java
- Springboot
Frontend:
- JavaScript/TypeScript
- React
Infrastruktur:
- Docker
- MongoDB
Machine Learning:
- Python
- tensorflow
- pandas
- numpy
- scikit-learn
- matplotlib
Der Umweltaspekt
Eine Reduktion von entsorgten Plastikteilen beim Spritzgießprozess hat neben der Kostenreduktion für die Kunstoffverarbeiter auch positive Effekte auf den Umweltschutz. Denn nicht jeder Kunststoff kann recycelt werden. Zudem sind Recyclingverfahren häufig mit einem hohen Energieverbrauch und so mit einem erhöhten CO2–Ausstoß verbunden. Daher kann die schlichte Vermeidung von Plastikmüll ein wirksamer Hebel sein, die Verschmutzung des Planeten durch Plastik in den Griff zu bekommen.
Effizientere Kunststoffverarbeitung, weniger Müll
Von Mehrfachsteckdosen über die Innenverkleidungen von Autos bis hin zu Kaffeemaschinen: Plastikteile, die im Spritzgussverfahren hergestellt werden, sind aus unserem Alltag nicht mehr wegzudenken. Bei weltweit etwa 1 Mio. Spritzgießmaschinen, die jeweils 5-6 unterschiedliche Teile in sogenannten Werkzeugen (Formen) herstellen, können wir von ca. 5-6 Mio. unterschiedlichen Produkten ausgehen, die auf diese Weise hergestellt werden.
Aufgrund dieser großen Anzahl an Objekten sind die Kunststoffverarbeiter bestrebt, den Spritzgießprozess zu optimieren, um durch einen schonenden Umgang mit der Ressource Plastik ihre Fertigungskapazität zu maximieren und ihre Teilequalität zu verbessern.
Probleme beim Spritzgießen – Stand heute
Trotz der umfangreichen Einstellmöglichkeiten und maschineninternen Regelkreise, kommt es durch den Einfluss von Störgrößen wie z. B. Unregelmäßigkeiten beim Kunststoffrohmaterial während der laufenden Produktion immer wieder zu Schwankungen der Prozessstabilität und damit zu Beeinträchtigungen bei der Qualität der spritzgegossenen Teile.
Dies führt in der Praxis dazu, dass Plastikteile von ungenügender Qualität hergestellt werden und verworfen werden müssen. Je nachdem, um welche Art Plastik es sich handelt, kann dieser entweder recycelt werden (Thermoplaste) oder muss gänzlich verworfen werden (Duroplaste).
Unter Umständen muss die Produktion sogar kurzzeitig gestoppt werden, was später zu zeit- und arbeitsaufwändigen Wiederanfahrprozessen und damit zum Ausfall der Fertigungskapazität führt. Gerade in diesen Wiederanfahrphasen schwankt die Qualität der Teile sehr, so dass sie häufig kategorisch verworfen werden müssen, bis sich wieder eine gleichbleibende Qualität eingestellt hat.
Damit ist klar, dass die Qualität der gefertigten Objekte und vor allem auch deren permanente Überwachung von besonderer Wichtigkeit für den Betreiber sind. Zurzeit kann die Qualität indes nur durch stichprobenartige Tests überprüft werden. Bei Nichtbestehen dieser Tests werden die Teile der betroffenen Charge entsorgt.
Ansatzpunkte zur Verbesserung
Die Menge an verworfenen Teilen könnte grundsätzlich minimiert werden, indem externe Qualitätsparameter wie das Gewicht und die Maße jedes einzelnen Teils mit Hilfe von Messgeräten (z.B. Waage) überprüft werden. Dazu müssten diese Geräte und zusätzlich Roboter zur automatischen Entnahme der Teile angeschafft werden. Praktisch kann das jedoch nicht umgesetzt werden, weil das massive Zeit- und Ressourcenkosten verursachen würde.
AVAPS verfolgt den Ansatz die internen Daten der bereits vorhandenen Spritzgießmaschinen zur Prognose der Teilequalität zu nutzen, was eine kostengünstigere Alternative darstellen würde.
Dabei besitzen Spritzgießmaschinen eine Vielzahl an Messsonden. Sie sind in der Lage, verschiedenste Parameter, wie z. B. Temperatur, Druck und Volumen während des Gießprozesses aufzuzeichnen. Allerdings ist eine längere Speicherung dieser Daten in der Maschinensteuerung nicht vorgesehen.
Darüber hinaus besitzen die Maschinen ein industrieweites Standardinterface zum Datenaustausch, kurz OPC UA. Dieses ermöglicht den Zugriff auf die von der Maschine gesammelten Daten. Zudem bildet es die Grundlage für die AVAPS-Software, um die Sensordaten herstellerunabhängig abzufragen.
Wie können diese Daten nun nutzbar gemacht werden?
Machine Learning für eine intelligentere QS
Im Rahmen des Forschungsprojekts wird eine Software zur Abfrage, Verarbeitung und Auswertung der internen Maschinensensordaten (Prozessdaten) aus der Spritzgießmaschine entwickelt – kurz AVAPS. Diese soll ein KI-Modell zur Prognose der Bauteilequalität verwenden, welches im Rahmen des Projekts erstellt wird. Zudem soll die Software die Prozessdaten dauerhaft aufzeichnen und eine grafische Übersicht dieser Daten für den Anwender bieten.
Zur Erstellung des KI-Modells wird ein großer Datensatz aus Prozess- und Qualitätsdaten (Gewicht, Bauteilmaße) benötigt. Dazu wird eine Spritzgießmesszelle, bestehend aus Spritzgießmaschine, einem Roboter, einer Waage und einem optischen Messgerät entwickelt. Diese ermöglicht es vollautomatisch Teile aus der Spritzgießmaschine zu entnehmen und ohne menschlichen Einfluss zu vermessen. Der generierte Datensatz kann dann für das Training des KI-Modells verwendet werden.
Nach dem Training des KI-Modells soll dieses unabhängig von den extern ermittelten Qualitätsdaten nur aus den Prozessdaten der Spritzgießmaschine die Qualität der Bauteile bzw. die Prozessstabilität vorhersagen. Eine Spritzgießmesszelle wird dann nicht mehr benötigt, sodass sich ein Kunststoffverarbeiter die Kosten für die Messgeräte durch Einsatz der AVAPS Software sparen kann.
Damit wäre ein großer Schritt in Richtung eines verantwortlichen Umgangs mit der endlichen Ressource Kunststoff getan.
Die Digitalisierung, ein ganzer Kosmos an Möglichkeiten! Wir finden heraus, welche davon für Sie die besten sind: Smart. Zukunftsweisend. Wertschöpfend. Brechen wir gemeinsam in Ihre digitale Zukunft auf – wir freuen uns auf Ihre Nachricht!
