Maschinen voneinander lernen lassen - Die Zukunft des Spritzgießens

Künstliche Intelligenz optimiert den Spritzguss

Im SKZ-Technikum in Würzburg laufen die Versuche zum Forschungsprojekt DarWIN auf verschiedenen Spritzgießmaschinen. (Foto: Elke Kunkel Fotografie)
(PresseBox) ( Würzburg, )
Das Kunststoff-Zentrum SKZ in Würzburg und das Fraunhofer IPA Spin-off plus10 entwickeln mit künstlicher Intelligenz (KI) und Maschinen verschiedener Hersteller kontinuierlich lernende Modelle für eine höhere Formteilqualität im Spritzguss bei gleichzeitig kürzeren Zykluszeiten. Die Arbeiten werden im Forschungsprojekt DarWIN vom Bundesministerium für Bildung und Forschung (BMBF) gefördert.

Bereits seit Ende des Jahres 2020 laufen die Versuchsreihen für das Forschungsprojekt DarWIN. Ziel dieses KI-Projekts ist es, detaillierte Verhaltensmodelle von Spritzgießmaschinen aus hochfrequenten Maschinendaten abzubilden. Maschinendaten unterschiedlicher Hersteller, die über einen längeren Zeitraum vergleichbare Teile produzieren, werden hierzu analysiert. Die gelernten Verhaltensmodelle der verschiedenen Maschinen lassen sich im Idealfall auch auf andere Maschinen übertragen, ohne die Modelle für neue Maschinen wieder komplett neu anpassen zu müssen. Die Verhaltensmodelle bieten optimierte Prozessparameter für den nächsten Schuss an, um zukünftig bei möglichst minimaler Zykluszeit ohne Ausschuss zu produzieren.

Spritzgießmaschinen und Prozesse miteinander vergleichen – unabhängig vom Hersteller
Die Expert/-innen von SKZ und plus10 erforschen anwendungsnah neueste „Machine-Learning“-Modelle zur Verhaltensbeschreibung von zyklischen Fertigungsprozessen am Beispiel des Spritzgießens. Im Zentrum des Projektes steht die Entwicklung von Online-Fähigkeiten, d.h. die Bildung und Erweiterung eines Modells gleichzeitig zum aktiv laufenden Produktionsprozess. Außerdem wird auch die Übertragbarkeit von vortrainierten „Machine-Learning“-Modellen von einer Maschine auf ähnliche, nicht identische Maschinen untersucht. Der sogenannte „Evolutionslerner“ von plus10 generiert Optimierungsvorschläge basierend auf dem Verhaltensvergleich mit allen beteiligten gleichen bzw. ähnlichen Maschinen. Für die Versuchsreihen und die Datengewinnung stellt das SKZ eine große Maschinenvielfalt der Hersteller KraussMaffei, ARBURG, ENGEL, Sumitomo (SHI) Demag sowie WITTMANN BATTENFELD zur Verfügung. plus10 bringt die Expertise zur intelligenten Datenverarbeitung und automatisierten Produktionsoptimierung mittels kontinuierlich lernender Modelle in das Projekt ein. Die Spritzgieß-Spezialist/-innen des SKZ beurteilen anschließend die auf andere Maschinen übertragenen Optimierungsparameter und kontrollieren die Bauteilqualität im Prüflabor.

Das Forschungsprojekt „DarWIN“ (BMBF-Förderkennzeichen 01IS20066) wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert und endet voraussichtlich im November 2021. Im Anschluss ist die Veröffentlichung der finalen Ergebnisse bis Ende 2021 geplant.

Über plus10:
plus10 GmbH ist ein Fraunhofer KI-Spin-Off zur automatisierten Produktions-optimierung mit Standorten in Augsburg und Stuttgart. Das Unternehmen entwickelt selbstlernende Optimierungssoftware speziell für vollautomatisierte und komplexe Maschinen und Anlagen jeglicher Branchen. Die KI-Algorithmen reduzieren Verkettungsverluste sowie Fehlersuchzeit in großen Anlagen und schlagen situative Anpassungen von Prozessparametern zur Vermeidung von Ausschuss vor. Auf diese Weise werden Produktivität und Anlageneffektivität signifikant gesteigert.
Für die oben stehenden Pressemitteilungen, das angezeigte Event bzw. das Stellenangebot sowie für das angezeigte Bild- und Tonmaterial ist allein der jeweils angegebene Herausgeber (siehe Firmeninfo bei Klick auf Bild/Meldungstitel oder Firmeninfo rechte Spalte) verantwortlich. Dieser ist in der Regel auch Urheber der Pressetexte sowie der angehängten Bild-, Ton- und Informationsmaterialien.
Die Nutzung von hier veröffentlichten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Bei Veröffentlichung senden Sie bitte ein Belegexemplar an service@pressebox.de.