Maschinelles Lernen im Spritzgießen

Ziel ist es, mithilfe von maschinellen Lernverfahren die Qualität und Produktivität von Spritzgießprozessen zu verbessern.

Spritzgegossene Außenhaut am BMW i8 mit hohen Qualitätsanforderungen | Bild: BMW

Spritzgießmaschinen bei BMW - Daten die bisher kaum genutzt werden | Bild: BMW

Thematischer Hintergrund
Der Trend zur Vernetzung von Produktionsanlagen schreitet fort. Speziell in der Automobil- und Medizintechnikindustrie werden immer größere Mengen an Daten (Big Data) für die Rückverfolgbarkeit und Qualitätssicherung aufgezeichnet. Unter diesen Randbedingungen werden Maschinelle Lernverfahren immer interessanter, da diese die Möglichkeit bieten auch in komplexen Daten Zusammenhänge zu finden und diese zu interpretieren. Speziell in der Spritzgießverarbeitung steigen die Anforderungen an Qualität und Produktivität ständig. Prozessdaten werden bis heute aber kaum zur Optimierung von Prozessen genutzt. Maschinelles Lernen könnte hier eine Möglichkeit darstellen, die Prozesse zu optimieren ohne teure Änderungen an der Maschinentechnik vorzunehmen.

Zielsetzung
Ziel Deiner Arbeit ist es, die Qualität von spritzgegossenen Bauteilen durch die Nutzung von Prozessdaten zu verbessern. Dazu sollen Modelle entwickelt werden, die die Bauteilqualität in Abhängigkeit der eingestellten Spritzgießparameter und gemessener Prozessgrößen vorhersagen. Als Modelle haben sich neuronale Netze bereits als sehr gut geeignet erwiesen, um die Zusammenhänge beim Spritzgießen zu modellieren. Dementsprechend sollen neuronale Netze mit bereits vorhandenen Daten oder (je nach Schwerpunkt der Arbeit) auch mit Daten aus noch durchzuführenden Spritzgießversuchen trainiert werden. Somit wird eine Optimierung der Bauteilqualität gemäß der Anforderungen ermöglicht. Diese soll abschließend bewertet werden.

Wenn Du Interesse an einer praxisrelevanten und aktuellen Aufgabenstellung hast und unser Team bei der Bearbeitung dieses spannenden Themas unterstützen möchtest, melde Dich einfach bei mir.

Kontakt
Julian Heinisch, M.Sc.
Telefon: +49 241 80-96264
E-Mail: julian.heinisch@ikv.rwth-aachen.de