Mobile-Menu

Projektabschluss Spritzgießen klappt mit Bayes`schen Netzen besser

Quelle: Pressemitteilung des SKZ 2 min Lesedauer

Anbieter zum Thema

SKZ - Das Kunststoff-Zentrum
Micro-Epsilon Messtechnik GmbH & Co. KG
JUNG Hebe- und Transporttechnik GmbH
Schneider Electric GmbH

Das SKZ-Entwicklungsprojekt „ProBayes“ ist jetzt erfolgreich abgeschlossen. Dabei geht es um die Prozessüberwachung und -Regelung beim Spritzgießen von Kunststoffen.

Das Spritzgießen von Kunststoffen geht den digitalen Weg jetzt auch mithilfe von Bayes`schen Netzen, wie das Kunststoff Zentrum (SKZ) informiert. Dieser Erfolg wurde im Rahmen des Projektes „ProBayes“ erreicht. Hier sprechen die Forscher über die Vorteile.(Bild: SKZ)
Das Spritzgießen von Kunststoffen geht den digitalen Weg jetzt auch mithilfe von Bayes`schen Netzen, wie das Kunststoff Zentrum (SKZ) informiert. Dieser Erfolg wurde im Rahmen des Projektes „ProBayes“ erreicht. Hier sprechen die Forscher über die Vorteile.
(Bild: SKZ)

Das (Süddeutsche) Kunststoff Zentrum (SKZ) und das Fraunhofer-IPA haben im Rahmen des jetzt beendeten Forschungsprojekts „ProBayes“ eine Prozessüberwachung und -regelung für das Spritzgießen auf Basis Bayes’scher Netze entwickelt. An einer vollvernetzten Spritzgießzelle im Technikum des SKZ können die Forscher nun live ein System demonstrieren, das Abweichungen der Produktqualität selbstständig erkennt, die wahrscheinlichste Ursache identifiziert und konkrete Handlungsempfehlungen an den Maschinenbediener ausgibt.

Hinter den sogenannten Bayes’schen Netzen verbergen sich statistische Methoden zur Modellierung von Prozessen, in denen durch Knoten und Kanten qualitätsrelevante Prozessparameter und deren Abhängigkeiten verknüpft werden, wie die Projektpartner erklären. Dabei werden Knoten bedingte Wahrscheinlichkeitsverteilungen zugeordnet, sodass abhängige Prozessgrößen zielsicher vorhergesagt werden können.

Ein direktes Feedback zur Kunststoffteil-Qualität

Demonstriert wurde dabei die besondere Fähigkeit der Methode, wie gesagt, an einer vollvernetzten Spritzgießzelle am SKZ. Dieses Fertigungssystem beinhaltet Messsysteme, Peripheriegeräte und die Spritzgießmaschine selbst, die allesamt mittels OPC UA und MQTT vernetzt wurden. Wegen der, wie es heißt, ausgeklügelten Inline-Messtechnik kann ein direktes Feedback zur Bauteilqualität gegeben und zyklusbezogen gespeichert werden. Dabei konnten die über einen projektbegleitenden Ausschuss beteiligten Unternehmen als Nebeneffekt stark von den Erkenntnissen hinsichtlich Schnittstellen und Vernetzung profitieren.

Das während des Projektverlaufs entwickelte Bayes’sche Netz modelliert faktisch die Abhängigkeiten des Bauteilgewichts von den Einstell- und Prozessgrößen der Spritzgießmaschine und ermöglicht eine Ursachenanalyse, wenn das Bauteilgewicht vom Soll-Wert abweicht. Schließlich konnte so die Fähigkeit des auf realen Prozessdaten trainierten Bayes’sche Netzes an der aufgebauten Spritzgießzelle im Live-Betrieb validiert und interessierten Unternehmen demonstriert werden. Das Bayes’sche Netz ist dabei nicht nur in der Lage zu detektieren, wann das Bauteilgewicht außerhalb der einstellbaren Toleranz liegt. Es kann auch die wahrscheinlichste Ursache dafür identifizieren und zielsicher Handlungsempfehlungen an den Maschinenbediener ausgeben. Wie die Forscher betonen, sind diese Ergebnisse wirtschaftlich höchst relevant für die Digitalisierung des Spritzgießprozesses. Wer sich dafür interessiert, kann gerne einen Besichtigungstermin in Würzburg ausmachen.

Das Projekt unterstützten Krauss-Maffei Technologies, Erium und Codecentric.

(ID:49812256)

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