KI-Werkzeug für die Spritzgussproduktion

Spritzguss automatisiert auf Maß fahren

Allit Technologie aus dem rheinland-pfälzischen Bad Kreuznach entwickelt seit mehr als 40 Jahren Werkzeug- und Automatisierungslösungen. Gemeinsam mit Symate hat das Unternehmen die sogenannte Messmaschine entwickelt, die klassische Spritzgusslösungen mit künstlicher Intelligenz verbindet.
Bild: Allit Technologie GmbH

Bei Allit Technologie wird derzeit ein neuartiges Spritzgussassistenzsystem entwickelt. Dieses setzt auf die automatische Prozessdatenanalyse mit künstlicher Intelligenz und kombiniert sie mit einem modulartigen Messsystem. Die Anlage soll Spritzgießern die Gelegenheit bieten, KI-Technologie mit geringem Aufwand in der Fertigung zu implementieren. Durch die Kombination aus Software und Hardware sowie der Messeinheit können Spritzgießer früh Prozesstrends erkennen, Ausschuss vermeiden und Kosten reduzieren. Das System ermöglicht es zudem, Wissen und Erfahrungen der Mitarbeiter in einem übergeordneten System zu speichern, das selbst bei komplexen Prozessen Handlungsempfehlungen unterbreiten kann. Die Messmaschine fungiert als modulare Anlage, die an den verschiedenen Spritzgussanlagen in der Fertigung wiederverwendet werden kann. Sobald das KI-System mithilfe der Messeinrichtung den Fertigungsprozess verstanden und abgebildet hat, kann es mit dem gespeicherten Prozessmodell arbeiten und ohne die Messmaschine Prozessprognosen berechnen. Das Anlernen erfolgt größtenteils automatisch.

Sofortiges Ergebnis

Im traditionellen Spritzguss benötigen die Maschinenbediener sehr viel Erfahrung, denn sie müssen den laufenden Prozess permanent beobachten und gegebenenfalls nachsteuern oder kritische Variablen je nach Bedarf anpassen. Denn während der Spritzgussfertigung wirken unzählige Faktoren auf den Prozess ein und selbst nach dem Verlassen der Anlage verändern die Bauteile noch ihre Eigenschaften. Erst nach 24 Stunden steht das endgültige Ergebnis fest. Die neue Anlage sollte die endgültigen Maße und Dimensionen des Werkstückes bereits kurz nach dem Entformen vorhersagen und den gesamten Fertigungsprozess so steuern, dass das Endergebnis den Erwartungen zu 100 Prozent entspricht. Spritzgießer würden so unangenehme Überraschungen vermeiden und vor allem Zeit beziehungsweise Geld sparen. Zunächst wurde ein 4-Kavitätenwerkzeug mit umfangreicher Sensorik entwickelt. Die Sensoren liefern Daten zum Fertigungsprozess und zum Zustand des Werkzeuges. Sensoren und Messsysteme allein zählen heute vielerorts zum Standard. Daher wollte Allit einen Schritt weiter gehen und durch die Integration von KI-Algorithmen im System greifbare Wettbewerbsvorteile bieten. Gemeinsam mit dem KI-Spezialisten Symate entstand dann die Lösung, die den klassischen Spritzguss mit künstlicher Intelligenz verbindet.

In der Testphase

Seit einigen Wochen steht die Pilotanlage in der Produktionshalle von Allit. Rein äußerlich ist sie von einer klassischen Anlage kaum zu unterscheiden, aber auf den zweiten Blick fällt die spezielle Messmaschine ins Auge, die direkt vom Entnahmehandling versorgt wird. Und auch die umfangreiche Sensorik zeigt, dass deutlich mehr Technik in der Anlage steckt. Hinzu kommt das zunächst unsichtbare KI-System Detact von Symate, das dem Spritzgusssystem die zusätzliche Intelligenz verleiht. Mit der Pilotanlage werden zurzeit verschiedene Testreihen durchlaufen. Die Kunststoffteile werden im noch heißen Zustand entnommen und automatisch in die modulare Messmaschine gelegt. Darin werden Daten in Form einer 100-Prozent-Stichprobe via Kamera, Laser und Waage gewonnen. Insgesamt erfasst die Messmaschine mehr als 20 Kriterien, die von Detact erfasst, analysiert und ausgewertet werden. Zusätzlich erfasst Detact noch eine Vielzahl von Maschinen- und Prozessdaten, die über diverse Schnittstellen aus dem Fertigungsprozess übertragen werden. Hierzu gehören beispielsweise die Anbindung des Messsystems über eine Siemens S7-Steuerung, die Datenerfassung aus der Spritzgussmaschine via Euromap 63 und die Kühlwassermessung via CSV-Kommunikation. Hinzu kommt die Innendrucksensorik mit Analog-/ Digitalwandler-Hardware sowie ein Körperschallsensor für das Predictive Maintenance. Darüber hinaus erfasst Detact auch relevante Informationen aus der Peripherie, wie die Luftfeuchtigkeit und die Temperatur in der klimatisierten Halle, um sie in die komplexe mathematische Analyse einzubinden.

In der richtigen Reihenfolge lernen

Die Definition der Datenverarbeitungspipelines für die Zusammenführung und Analyse der Daten wird über die Benutzeroberfläche von Detact realisiert. Dabei werden die kontinuierlich eintreffenden Daten automatisch via Streaming Analytics verarbeitet. So wird die KI Schritt für Schritt ‚geteacht‘, das heißt sie lernt, Informationen auf die richtige Weise zu analysieren und auszuwerten. Damit das Training und die Modellbildung in Echtzeit umgesetzt werden können, wird jeder Datensatz einzeln hinzugefügt. Durch den hohen Automatisierungsgrad dieses Trainings fließen neu verfügbare Daten laufend automatisch in das Modell ein und verbessern dessen Genauigkeit. Nach rund zwei Wochen Training verfügt das Tool über die Wissensbasis, um eigenständig arbeiten und anhand von Echtzeitinformation Handlungsempfehlungen aussprechen zu können. Die bis dahin aktive Messmaschine wird für das aktuelle Werkstück nicht mehr benötigt und kann an anderen Maschinen eingesetzt werden. Da sich die zu analysierenden Datenmengen schnell im Bereich von Gigabyte bewegen können, laufen die für die Analyse notwendigen Berechnungen auf mehreren Rechenknoten im hochperformanten und abgesicherten Detact-Cluster, ohne die Systeme der Spritzgussmaschine zu belasten.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige