QuKuML – KI Assistenz kamerabasiert Spritzgießen

/in /von

QuKuML – Kamerabasierte Qualitätsbewertung beim Kunststoff-Spritzguss mit Hilfe von ML-Strategien

Projektpartner: TH Köln, sentin GmbH, SHS plus GmbH

Projektrahmen: KMU Innovativ

Laufzeit: 2021 – 2023

Assistenzsystem Extrusion EXTRA Vipra

 

Projektziel:

Im diesem Vorhaben war es das Ziel eine kamerabasierte Lösung zur Qualitätsüberwachung beim Kunststoff-Spritzgießen zu entwickeln, welche Hard- und Softwareseitig auf die Anforderungen eines produzierenden Unternehmens zugeschnitten ist. Beim Spritzgießen werden häufig Kunststoffprodukte mit optisch anspruchsvollen Oberflächen hergestellt. Daher ist in vielen Betrieben eine 100% Qualitätskontrolle obligatorisch, die häufig noch händisch durchgeführt wird. Dies liegt in der Ursache begründet, dass die Fehlerbilder oft komplex zu erkennen sind und es derzeit
keinen ganzheitlichen technologischen Ansatz gibt, der sämtliche Fehlerbilder abdeckt.

Die heutigen Möglichkeiten maschineller Lernverfahren erlauben es grundsätzlich neue Lösungsansätze zur Qualitätssicherung zu erarbeiten, die ohne menschliches Mitwirken autonom fungieren. Dies ist erforderlich, da das Spitzgießen einen bedeutenden Wirtschaftszweig in Deutschland darstellt und einem enormen, internationalen Wettbewerbsdruck ausgesetzt ist. Händische Qualitätskontrollen und Produktionsausschuss müssen reduziert werden, um in diesem Wettbewerb bestehen zu können.

Im Rahmen des Projektes wurde daher daran gearbeitet eine wirtschaftliche Lösung bereitzustellen, die aufgrund ihrer innovativen Softwarearchitektur mit der in einem Spritzgießbetrieb anfallenden Datenqualität und -menge trainiert und betrieben werden kann. Dies sollte durch Transfer Learning zur Erkennung fehlerfreier Bauteile und einer Anomaliedetektion realisiert.

Ziel war eine Lösung, die in dasvirtuelle Assistenzsystem Vipra® der SHS plus GmbH implementiert werden soll. Dabei sollte vor allem erreicht werden, dass im Gegensatz zu anderen künstlicher Intelligenz (KI) basierten Lösungsansätzen eine möglichst geringe Datenmenge benötigt wird. Das Vorhaben setzte dabei auf einen innovativen Ansatz der Anomalieerkennung.

Die geplanten Ergebnisse konnten zum Großteil erreicht werden, bedpürfen jedoch einer weiteren Überarbeitung und indivduellen Anpassung an prozessspezifische Situationen.

Finanzierungsdanksagung:

 

Abwärmenutzung Extrusion Granulatvorwärmung

/in /von

Abwärmenutzung für die Granulatvorwärmung in Extrusionsprozessen zur Steigerung der Energieeffizienz

Projektpartner: Universität Duisburg-Essen, Lehrstuhl für Konstruktion und Kunststoffmaschinen IPE-KKM, SHS plus GmbH

Projektrahmen: Leitmarkt.NRW

Laufzeit: 2016 – 2018

Protoyp des Abwärmenutzungssystems am IPE-KKM
Prizipskizze der Abwärmenutzung

Projektziel:

Das Ziel dieses Vorhabens war die Entwicklung einer zentralen Kühlung für mehrere Extrusionskomponenten und das möglichst verlustarme Bündeln der daraus gewonnenen Abwärmeenergie zur Granulatvorwärmung. Die Lösung sollte einfach aufgebaut und möglichst leicht übertragbar sein, um auch in vergleichbaren (Extrusions-)Prozessen Anwendung finden zu können. Der dargestellte Lösungsansatz beinhaltet ein zentrales Sauggebläse, welches die im Extrusionsprozess anfallende Abwärme in Form von heißer Luft vom Extruderzylinder und von der Antriebseinheit absaugt. Die heiße Luft wird dann an einen Granulatbehälter weitergeleitet, durchströmt diesen und überträgt dabei Wärme an das enthaltene Kunststoffgranulat. Als Folge muss der Extruderantrieb weniger Drehmoment zum Aufschmelzen des Granulats aufbringen und verbraucht somit bei gleicher Durchsatzleistung weniger Energie.

 

Finanzierungsdanksagung:
Dieses Projekt wurde durch die Europäische Union und das Land Nordrhein-Westfalen gefördert.           

REVEAL

/in /von

REVEAL – Ressourceneffiziente und verschwendungsarme Elastomerproduktion durch KI-basierte Qualitäts- und Prozessoptimierung

Projektpartner: Aptiv Services Deutschland GmbH, Bergische Universität Wuppertal, aixBrain GmbH, SHS plus GmbH

Projektrahmen: Industrie.IN.NRW

Laufzeit: 05/2025 – 04/2028

 

Projektziel:

Das Gesamtziel des Projekts ist die Entwicklung eines Prozessoptimierungssystems für Elastomer–Spritzgießprozesse. Das System ermöglicht eine automatisierte, visuelle KI-basierte 100%–Kontrolle aller auf einer Maschine gefertigten Einzelteile sowie eine KI–gestützte Optimierung des Fertigungsprozesses.

Durch die Integration von Qualitäts– und Prozessdaten sowie den Einsatz von KI zur Ableitung konkreter Handlungsempfehlungen wird ein virtueller Assistent realisiert, der es dem Anwender ermöglicht, Ausschuss frühzeitig zu erkennen und Produktionsfehler zu korrigieren.

Dadurch wird die Ressourcenverschwendung in der Produktion signifikant reduziert. Konkret soll im Rahmen dieses Vorhabens für einen ausgewählten Teil des hergestellten Produktportfolios eine Einsparung von 90% der durch Fehlteile verursachten Kosten (Rohmaterial, Inspektion, Sortierung, Logistik, Ausschuss und Pseudo-ausschuss) plausibel nachgewiesen werden.

Vorgehensweise:

Um dieses Gesamtziel zu erreichen, werden die folgenden vier Hauptziele verfolgt:

  1. Automatisierte visuelle Qualitätskontrolle: Ziel ist zum einen die Entwicklung und Realisierung eines mechanischen Handling– und Kamerasystems, das in der Lage ist, jedes einzelne auf einer Spritzgießmaschine gefertigte Bauteil optimal visuell zu erfassen. Zum anderen die Erforschung generalisierbarer Deep Learning Modelle zur Erkennung von Produktfehlern aus den Kamerabildern und die Verkürzung angestammter Bildverarbeitungsketten. 
  2. Digitalisierung: Alle für die Produktqualität relevanten Fertigungs– und Umgebungsparameter werden digital erfasst und bauteilbezogen persistiert.
  3. Erklärbare KI–Methoden zur Prozessoptimierung: Die Kombination der bauteilbezogenen Fertigungsinformationen mit den bauteilbezogenen Qualitätsdaten soll in einem zweiten (erklärbaren) ML–Ansatz auf Zusammenhänge untersucht werden. Dieser Ansatz soll mit dem visuellen System verbunden werden, um ein multimodales Gesamtmodell zu schaffen. 
  4. Aufbau eines Demonstrators inkl. Erprobung der Virtuellen Assistenz: Ein Gesamtdemonstrator soll zunächst im Technikum und final an einer Produktionslinie die Erprobung aller Systemkomponenten und der Interaktion mit den Bedienern ermöglichen.

 

Finanzierungsdanksagung:

Das Projekt wird kofinanziert von der Europäischen Union sowie dem Ministerium für Wirtschaft, Industrie, Klimaschutz und Energie des Landes Nordrhein-Westfalen