Mobile-Menu

Moderne Kunststoffverarbeitung Selbstlernendes KI-System für Qualitätsprognosen beim Spritzgießen

Quelle: Pressemitteilung des KUZ 2 min Lesedauer

Anbieter zum Thema

Kunststoff-Zentrum in Leipzig gGmbH
Schneider Electric GmbH
EVO Informationssysteme GmbH
conplement AG

Das Forschungsprojekt „MouldPredict“ am Kunststoff-Zentrum in Leipzig (KUZ) hat das Ziel, ein selbstlernendes KISystem für produktionsbegleitende Qualitätsprognosen im Spritzgießprozess zu entwickeln.

Am am Kunststoff-Zentrum in Leipzig (KUZ) entwickeln die Experten jetzt im Rahmen des Projekts „MouldPredict“ eine KI-Basierte Möglichkeit, um den doch sehr variantenreichen Spritzgießprozess zu vereinfachen. Hier informieren sie, wie und warum man das machen will.(Bild: Arburg)
Am am Kunststoff-Zentrum in Leipzig (KUZ) entwickeln die Experten jetzt im Rahmen des Projekts „MouldPredict“ eine KI-Basierte Möglichkeit, um den doch sehr variantenreichen Spritzgießprozess zu vereinfachen. Hier informieren sie, wie und warum man das machen will.
(Bild: Arburg)

Im Rahmen des Projekts „MouldPredict“ sollen Methoden des Transferlernens eingesetzt werden, um das Wissen in Form von bereits erzeugten KI-Modellen auf andere Prozesse zu übertragen, wie es heißt. So ließe sich mit wesentlich geringerem Aufwand eine bessere Assistenz zur Optimierung der Einstellgrößen und eine kontinuierliche Qualitätsüberwachung für unbekannte Prozesse anlegen. KI-Modelle können für das Spritzgießen aber nicht pauschal angeboten werden, macht das KUZ klar, denn jeder Prozess für sich ist einzigartig. Deshalb braucht es Methoden, die es ermöglichen, vorhandenes KI-Wissen an andere Fertigungsprozesse anzupassen, um das Wissen stetig zu erweitern, sagen die KUZ-Forscher.

KI-Assistent soll Spritzgießparameter optimal einstellen

Das Ziel des Forschungsprojekts ist es deshalb, ein selbst adaptierendes KI-System für eine produktionsbegleitende Qualitätsprognose im Spritzgießprozess zu entwickeln. Über ein vollautomatisches DOE-Modul (Design of Experiments) werden dabei Trainingsdaten praxisnah an Produktionsmaschinen generiert, um auf einer breiten Datenbasis aufbauen zu können, erklären die Leipziger. Bisher könnten Modelle nur für einen konkreten Spritzgießprozess angelernt werden. Dieses spezifische Know-how kann allerdings nicht auf andere Produkte, Materialien oder Prozessrandbedingungen übertragen werden. Deshalb werden Methoden zum Transferlernen im Spritzgießprozess erforscht und implementiert. Zusätzlich werde untersucht, inwieweit sich Sensorik durch KI-Modelle ersetzen ließe, um den Aufwand für KMU durch Sensorhilfe zu reduzieren. Als Endergebnis entsteht ein Assistenzsystem mit Einstellgrößenoptimierung, welches die Formteilqualität durchgehend überwacht und Anwender bei der Findung optimaler Einstellparameter unterstützt.

Integrierte Software wird Spritzgießqualität erhöhen

Von den Projektergebnissen profitieren primär also Maschinenhersteller, indem sie die entwickelten Modelle in ihre Maschinensteuerung implementieren. Andererseits ermögliche die Softwareintegration den Spritzgießbetrieben eine Steigerung der Qualität und der Ressourceneffizienz, bei gleichzeitiger Entlastung des Personals an der Maschine, verspreichen die KUZ-Experten. Dieser Aspekt hat einmal mehr vor dem Hintergrund des Fachkräftemangels eine besondere Relevanz. Besonders interessant ist diese Art KI-Werkzeug beim Spritzgießen von technischen Teilen, bei denen eine gleichbleibend hohe Qualität gefordert ist, wie es weiter heißt. Dabei kann die Entwicklung zu einer Aufwandsreduzierung und Verbesserung der Qualitätsüberwachung, etwa durch Verringerung der Überwachungszyklen, beitragen.

Das Forschungsprojekt „MouldPredict“ steht interessierten Unternehmen zur Teilnahme offen. Forschungsleiter Artur Jurk, referiert dazu auf der Fachtagung „Digitalisierung und KI in der Kunststoffverarbeitung“ am 6. und 7. Juni 2023 am KUZ in Leipzig.

(ID:49524065)

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte