Intelligente Blasformmaschine in der Industrie 4.0 (SmartBlow)

Status:
laufend

Projektpartner:
Dr. Reinold Hagen Stiftung,  Rikutec Germany GmbH & Co.KG, nexocraft GmbH

Projektförderung:
Förderprogramm KMU-innovativ des Bundesministeriums für Bildung und Forschung

Motivation

Das Extrusionsblasformen ist eines der wirtschaftlichsten Verfahren zur Herstellung von Kunststoffhohlkörpern in nahezu jeder beliebigen Gestalt und Größenordnung. Der Prozess bietet großes Optimierungspotential hinsichtlich Materialeinsparung sowie zur Minderung von Ausschuss. Eine der größten Herausforderungen beim Optimieren ist der komplexe Zusammenhang zwischen Produktionsparametern und resultierenden Qualitätsmerkmalen (z.B. Schwindung und Verzug). Es ist meist nicht möglich, Qualitätsschwankungen vorausschauend oder gar automatisiert entgegenzuwirken. Moderne Blasformanlagen verfügen zwar bereits über integrierte Sensorsysteme, zum Beispiel zur Erfassung von Temperatur und Druck, jedoch werden diese hauptsächlich zur Prozessüberwachung genutzt.

Im Rahmen des KMU-innovativ Projektes SmartBlow wird eine auf künstlicher Intelligenz (KI) aufbauende, selbstlernende Steuerung für Extrusionsblasformmaschinen entwickelt. Eine „smarte“ Steuerung tätigt selbstständig Korrekturen an den Prozessparametern der Maschine, um kontinuierlich eine hohe Produktqualität zu gewährleisten. 

Ziele des Projektes

Über einen digitalen Zwilling sollen auch im Extrusionsblasformen Störfaktoren frühzeitig erkannt und die Vorhersage von Ergebnissen ermöglicht werden. In einem zweiten Schritt werden über eine „Control Policy“ Prozessparameter automatisch angepasst, also Eingriffe getätigt, die bisher nur von Menschen geleistet werden können. Letztendlich werden Fehlteile vermieden, Prozessparameter optimiert und eine hohe Produktqualität sichergestellt.

Vorgehensweise

Zu Projektbeginn werden der Blasformprozess, das Wissen der Maschinenbediener sowie bekannte Prozess- und Simulationsdaten analysiert und digitalisiert. Diese Daten und ihre Abhängigkeiten dienen zur Erstellung eines digitalen Zwillings, d.h. eines virtuellen Verhaltenszwillings der Blasformmaschine. Der Zwilling verhält sich virtuell genauso wie die Blasformmaschine in der Realität. Hierauf aufbauend wird eine sogenannte „Control Policy“, eine KI-basierte Regelung („Smart Control“) für die Maschine erstellt. In der Trainingsphase lässt die KI dabei zuerst den Produktionsvorgang im digitalen Zwilling durchlaufen, um etwaige Störfaktoren zu erkennen. Mit dem daraus erlangten Wissen werden die Parameter der realen Maschine verglichen und gegebenenfalls angepasst. Als letzter Schritt muss die KI mit Informationen versorgt und angelernt werden, welche sich nicht direkt während der Produktion messen lassen. Als Beispiel zu nennen ist hier der abkühlbedingte Verzug, welcher erst Stunden nach der Produktion messbar ist. Am Ende entsteht eine KI-basierte Regelung, die selbstständig Störfaktoren frühzeitig erkennt und die Parameter dementsprechend anpasst, bzw. Parameteränderungen vorschlägt.