Rezyklate auffrischen, das geht nur mit richtigem Mischen! – Rezepturentwicklung von Compounds mit KI

Ziel deiner/eurer Arbeit ist es, die Rezepturentwicklung in der Compoundierung angepasst auf die vorgegebenen Compoundeigenschaften zu verbessern.

Die Rezepturen für Compounds können beispielsweise mit neuronalen Netzen angepasst auf die Anforderungen vorhergesagt werden, um die in der Praxis üblichen Iterationsschleifen zu vermeiden. | Bild: IKV

Thema der Arbeit
Die Kunststoffe aus unserem Alltag bestehen schon seit Jahrzenten nicht mehr aus nur einer einzelnen Komponente. Neben den eigentlichen Polymeren werden diverse Additive zur Verbesserung einzelner Eigenschaften oder z.B. der Farbe in der Kunststoffaufbereitung eingearbeitet. Während die Vermischung dieser einzelnen Bestandteile bei Neuware schon keine einfache Aufgabe ist, gestaltet sich das bei dem Einsatz von in ihren Eigenschaften stark schwankenden Rezyklaten noch schwieriger. Zur Herstellung von anforderungsspezifischen Compounds mit z.B. vorgegebenen mechanischen Eigenschaften müssen in der Praxis iterativ verschiedene Rezepturen ausprobiert und getestet werden, bis die Anforderungen erfüllt sind. Mit Modellen (z.B. künstliche neuronale Netze oder multiple lineare Regression) sollen für einzelne Compoundeigenschaften diese iterativen Praxisversuche ersetzt werden.

Die Arbeit hat Bezug zu diesem Forschungsprojekt
Im Rahmen eines umfangreichen BMBF-Projekts ist es das Ziel, bei der Herstellung von Kunststoffverpackungen den Anteil an Rezyklaten deutlich zu steigern. Zur Ermöglichung dieser anspruchsvollen Aufgabe werden KI-Methoden angewendet. Gerade durch die komplexen Wirkzusammenhänge zwischen den einzelnen Mischungsbestandteilen in der Compoundierung können diese zu einer nachhaltigen Steigerung der Rezyklateinsatzqouten beitragen.

Das könnten deine/eure Aufgaben sein:

Für eine Forschungslabor-Arbeit

  • Gezielte Vermischung von Rezyklaten, Neuware und Additiven in praktischen Versuchen an der Anlage
  • Ermittlung der rheologischen Kennwerte der hergestellten Compounds (z.B. MFI)
  • Erstellung eines Modells (z.B. mit künstlichen neuronalen Netzen oder Regression) zwischen den Rezepturen und den rheologischen Eigenschaften
  • Validierung des Vorhersagemodells in Versuchen

Für eine Projektarbeit

  • Gezielte Vermischung von Rezyklaten, Neuware und Additiven in praktischen Versuchen an der Anlage
  • Ermittlung der mechanischen, rheologischen und optischen Kennwerte der hergestellten Compounds
  • Erstellung eines Modells mit neuronalen Netzen zwischen den Rezepturen und den einzelnen Kennwerten
  • Validierung der Vorhersagemodelle in Versuchen
  • Identifizierung von Rezepturen für vorgegebene Zieleigenschaften der Compounds
  • Validierung der Rezepturen in abschließenden Versuchen

Das sind deine/eure Benefits:

  • Selbstständige Arbeit bei intensiver Betreuung
  • Individuelle Abstimmung von Aufgabenstellung und Zeitrahmen
  • Sofortiger Start möglich
  • Abwechslungsreiche Mischung aus experimenteller Arbeit, Analytik und Digitalisierung

Dein/euer Profil:

  • Technisches oder naturwissenschaftliches Studium
  • Spaß an praktischer Arbeit
  • Selbstständige und zuverlässige Arbeitsweise

Wenn du noch weitere Fragen oder Interesse an einer Arbeit zu diesem Thema hast, kannst du dich gerne per E-Mail oder Telefon an mich wenden.

Dein/euer Ansprechpartner:
Lukas Seifert, M.Sc.
Telefon: +49 241 80-28312
E-Mail: lukas.seifert@ikv.rwth-aachen.de