Forschungsprojekt Spritzgießmaschinen sollen mit KI-basierten Tools optimiert werden

Mit dem Projekt ‚Darwin‘ wollen das Fraunhofer Spinn-off Plus 10 und das SKZ neue KI-Lösungen für den Spritzguss entwickeln und praxisnah testen. Dabei werden die Modelle an verschiedenen Maschinen getestet, um eine herstellerübergreifende Lösung zu konzipieren.

Anbieter zum Thema

PFLITSCH GmbH & Co. KG

Treston Deutschland GmbH

Urma AG Werkzeugfabrik

plus10

FSKZ e.V. Fördergemeinschaft für das Kunststoff-Zentrum SKZ

Das gemeinsame Forschungsprojekt des Fraunhofer Spinn-offs Plus 10 und des Süddeutschen Kunststoffzentrums (SKZ) will mithilfe von KI und Machine Learning optimierte Prozessparameter für Spritzgießmaschinen entwickeln. Dabei beziehen sich die Parameter auf den nächsten Maschinenzyklus und berücksichtigen beispielsweise die Rohmaterialcharakteristik oder Umgebungsbedingungen. So soll es möglich werden, ohne Ausschuss zu produzieren. Laut dem Projektteam sollen die Verhaltensmodelle herstellerunabhängig auf Maschinen ähnlicher Baugröße und Technologie übertragbar sein.

Maschinen lernen voneinander

Im Rahmen des Projekts werden detaillierte Verhaltensmodelle der Spritzgießmaschinen auf Basis hochfrequenter Maschinendaten erlernt. Durch die Übertragbarkeit von vortrainierten Machine-Learning-Modellen können einzelne Maschinen voneinander lernen. Das bedeutet, dass Verhaltensmodelle einer spezifischen Maschine nicht jedes Mal komplett neu gelernt werden muss, sondern nur in einer kleinen Anpassungsphase auf die Maschine und das gerade laufende Produkt adaptiert wird. Im Ergebnis sollen die Modelle dann optimierte Prozessparameter für den nächsten Zyklus vorschlagen.

Versuche an Spritzgießmaschinen von Demag

Den Praxisbezug des Projektes zeigen die aktuellen Versuchsreihen. So wurden die Algorithmen kürzlich den Sumitomo-(SHI)-Maschinen von Demag antrainiert. Diese verfügen über eine Steuerung, die eine hochfrequente und echtzeitnahe Kommunikation im Millisekunden-Bereich ermöglicht. Durch diese Art der Kommunikation sind die Maschinen quasi ‚AI-ready‘.

Optimierte Prozesse sind für die nachhaltige Kunststoffverarbeitung wichtig

Die im Projekt erarbeiteten Lösungen sollen es ermöglichen, selbst sensible beziehungsweise heterogene Materialien, beispielsweise thermoplastische Post-Consumer-Rezyklate oder schnell vernetzende Elastomere, prozessstabil zu verarbeiten. Dadurch soll eine funktionierende Kreislaufwirtschaft in der Kunststoffindustrie unterstützt werden.

Die Veröffentlichung der finalen Ergebnisse ist für Ende des Jahres 2022 geplant.

Verlosung

KI-Fachbücher zu gewinnen

Dieser Beitrag ist ursprünglich auf unserem Partnerportal Industry of Things erschienen.

(ID:48086096)