Maschinelles Lernen stellt eine Möglichkeit dar, die Prozesseinstellung an der Spritzgießmaschine zu erleichtern und auf Dauer zu automatisieren. Mit der Generierung intelligenter Modelle beschäftigt sich das IKV unter dem Leitthema „Kunststoffindustrie 4.0“ und präsentiert anlässlich des Internationalen Kolloquiums Kunststofftechnik einen neuen Ansatz wie sich Simulation und reale Versuchsdaten sinnvoll kombinieren lassen, um den Gesamtprozess zu erleichtern.
Schon seit Jahren ist die Optimierung der Einrichtung des Spritzgießprozesses ein Forschungsthema am IKV. Wie kann sich ein Produktionssystem in Bezug auf vordefinierte Qualitätsmerkmale der herzustellenden Bauteile autonom optimieren? Einen Lösungsansatz bietet hier das maschinelle Lernen, das aus komplexen Daten Zusammenhänge erstellt und diese gezielt für die Prozesseinstellung nutzt. Voraussetzung ist jedoch, dass die eingesetzten Algorithmen, beispielsweise künstliche neuronale Netze, zunächst mit Hilfe aufwändiger Spritzgießversuche trainiert werden. Obwohl die Algorithmen immer leistungsfähiger werden, konnte sich das maschinelle Lernen aufgrund des beschriebenen Aufwands bisher noch nicht durchsetzen. Eine Lösung, um den praktischen Trainingsaufwand zu reduzieren, ist der Einsatz numerischer Simulationen, die automatisch durchführbar sind. Spritzgießsimulationen werden genutzt, um ohne aufwändige Versuche die Zusammenhänge zwischen Einstellparametern und resultierenden Qualitätsdaten zu erlernen. Durch Modellannahmen können Simulationen den Spritzgießprozess jedoch bislang nicht ohne Abweichungen zur Realität abbilden. Gefundene Modelle und Prozessdaten dienen als Ausgangspunkt für die Maschineneinstellung und müssen meist in mehreren Iterationsschritten nachgestellt werden.
In einem neuen Ansatz versucht das IKV nun, durch den Einsatz von Simulationen in Kombination mit realen Versuchsdaten geeignete maschinelle Lernmodelle für die Prozesseinrichtung zu finden (vgl. Bild). Durch die Datenkombination sollen die notwendigen Versuche an der Maschine minimiert und somit der Einsatz maschineller Lernverfahren wirtschaftlich ermöglicht werden. So lässt sich die Prozesseinrichtung systematisch und unabhängig von der Intuition und Erfahrung des Bedieners durchführen. Gleichzeitig sorgen die genaue Kenntnis der Zusammenhänge sowie optimierte Parameter für eine höhere Formteilqualität und Wirtschaftlichkeit des Gesamtprozesses.
Die Methoden werden während des Kolloquiums am 28. Februar 2018 vorgestellt und unter dem Programmpunkt IKV 360° in den Technika des IKV erläutert.
Ansprechpartner für Fragen:
Julian Heinisch, M.Sc.
Spritzgießen | Prozessregelung und Qualitätssicherung
Telefon: +49 241 80-96264
E-Mail: julian.heinisch@ikv.rwth-aachen.de