Qualitätsregelung von Spritzgießmaschinen
Projektschwerpunkte
- Datengetriebene Modellierung der Bauteilqualität unter Berücksichtigung visueller Qualitätsinspektion
- Iterative Regelungsstrategien für eine stabile und hochwertige Produktion
- Optimierung der Zykluszeit unter Qualitäts- und Robustheitsvorgaben
Beschreibung
Spritzgießen ist eines der am weitesten verbreiteten Herstellungsverfahren zur Produktion großer Stückzahlen von Kunststoffbauteilen. Trotz seiner Allgegenwärtigkeit bleibt die Sicherstellung einer konstanten Produktqualität eine Herausforderung, da der Prozess hochgradig nichtlinear ist und empfindlich auf Umgebungsbedingungen sowie Materialschwankungen reagiert.
Foto einer Spritzgießmaschine
Dieses Forschungsprojekt, das in Zusammenarbeit mit dem Industriepartner Center for Vision, Automation & Control, AIT Austrian Institute of Technology GmbH, durchgeführt wird, adressiert den Bedarf an hochpräziser, automatisierter Qualitätsregelung im Spritzgießen. Der Schwerpunkt liegt auf der Entwicklung fortschrittlicher datengetriebener Methoden, um eine konsistente Produktqualität und optimale Zykluszeiten zu erreichen – zwei entscheidende Faktoren in der modernen Fertigung.
Im Rahmen des Projekts werden Machine-Learning-Modelle entwickelt, die die Bauteilqualität vorhersagen und die Beziehung zwischen physischen Prozessdaten (z. B. Kavitätsdruck) und visueller Rückmeldung herstellen. Diese Modelle unterstützen die Echtzeit-Qualitätsregelung von Zyklus zu Zyklus und gehen über die herkömmlichen, auf dem Gewicht basierenden Kriterien hinaus. Durch den Einsatz von Iterativ Lernender Regelung (Iterative Learning Control, ILC) kann sich der Prozess an wechselnde Bedingungen über die Zyklen hinweg anpassen, wodurch die Abhängigkeit vom Bediener reduziert wird.
Darüber hinaus untersucht das Projekt die Optimierung der Zykluszeit unter Qualitätsvorgaben, um Effizienz zu gewährleisten, ohne die Robustheit zu beeinträchtigen. Die Kombination aus datengetriebener Modellierung und repetitiver Regelung ermöglicht einen zuverlässigeren und autonomeren Spritzgießprozess.
Dieses Projekt trägt zum Übergang von bedienerabhängiger Prozessoptimierung hin zu automatisierter, intelligenter Qualitätsregelung im Spritzgießen bei. Durch die Kombination von Machine Learning und Regelungstechnik ermöglichen wir eine robuste, schnelle und verlässliche Produktion, selbst unter variablen Umgebungs- und Materialbedingungen.