Der digitale Schatten ist das Kernkonzept des Exzellenzclusters „Internet of Production“ an der RWTH Aachen. Im Plastics Innovation Center 4.0 (PIC 4.0) werden digitale Schatten genutzt, um Prozesse unter Berücksichtigung des Realverhaltens zu optimieren und die Simulationsgüte zu ermitteln.

Der Bau des PIC 4.0 schreitet voran und wirft seinen Schatten auf den Campus Melaten

Teil 7 der Serie: Wie der digitale Schatten im PIC 4.0 den realen Prozess belichtet

Spritzgießen

Kunststoffverarbeitung: Verfahren

Sensorik für Kunststoff-Verarbeitungsmaschinen

Industrie 4.0

Industrie 4.0 für die Kunststoffverarbeitung

Digitale Transformation

Wirtschaft

Innovationen und neue Technologie

Spritzgießsimulation

Software

Simulation

Digitaler Zwilling

Aus dem Schatten ins Licht

Die Digitalisierung kommt zur rechten Zeit. Mehr und mehr entpuppen sich smarte Lösungen als Geburtshelfer ressourcenschonender Technologien und Wegbereiter für die Kreislaufwirtschaft. Digitale Assistenten für Prozessregelung und -bewertung sind längst Standard, und auch Messeaussteller ziehen einen besonderen Nutzen aus der Digitalisierung.

„Augmented Reality“ eingeblendet: Temperaturen der Schneckenzylinder-Regelzonen von  der Einzugszone bis zur Düse (beginnend rechts), sowie Animation des zukünftigen Programmablaufs

Trendige Spritzgießanwendungen auf der Fakuma 2021

Doriat, Clemens, Dr.

Folientechnik (IMD, IML, FIM, u.a.)

Condition Monitoring / Prozessüberwachung

Instandhaltung

Spritzgießwerkzeuge

Kunststoffverarbeitung: Maschinen und Komponenten

Werkzeuge für die Kunststoffverarbeitung

Spritzprägen

Kunststoff-Recycling

Kunststoff-Aufbereitung

Lasermarkieren

Oberflächentechnik

Laserbearbeitungen

Kunststoff-Rezyklat

Kunststoff Werkstoffe

Qualitätssicherung Kunststoff

Qualitätssicherung

Kreislaufwirtschaft

Wegbereiter für die Kreislaufwirtschaft

Seit gut zwei Jahren ist Guido Frohnhaus nun Geschäftsführer Technik bei Arburg. Im Interview mit Kunststoffe spricht der 52-Jährige über die Akzente, die er setzen will, und die Bedeutung des hohen Eigenanteils an Fertigungs- und Programmier-Know-how für die Unabhängigkeit des Unternehmens.

Guido Frohnhaus ist Geschäftsführer Technik bei Arburg

Spritzgießmaschinen

„Die Gestica wird der Fixstern  im Kundenuniversum sein“

Kann durch Einsatz von Digitalisierung beim Compoundieren eine gleichbleibende Granulatqualität erzeugt werden? Bringt eine umfassende Datenaufzeichnung weitere Use Cases mit sich und was muss bei einem kontinuierlichen Prozess besonders beachtet werden?

Alex Ramsauer (links) und Prof. Daniel Schwendemann vom IWK werfen einen kritischen Blick auf die Datenauswertung.

Teil 3 der Serie: Digitalisierung beim Compoundieren

Extrusion

Compoundieren

Auf jede Baugruppe kommt es an

Wie bringt man 65 Spritzgießmaschinen und diverse Montagelinien – den Großteil der Fertigungszellen im Reinraum – und dazu demnächst noch eine Vielzahl an Peripheriegeräten unter ein digitales Dach? Ein Erfahrungsbericht.

Das Arburg-Leitrechnersystem ALS ist das Bindeglied zwischen Shop Floor und ERP-System und verbindet Auftragsverwaltung mit Prozess- und Qualitätsüberwachung.

Das Arburg-Leitrechnersystem als Basis für höhere Produktivität und Produktqualität

Steuerungen (Hardware und Software)

Automatisierungstechnik

Industrie 4.0 für die Qualitätssicherung

Kennzahlen, Q-Leitstand, Q-Monitor

Rückverfolgbarkeit, Traceability

Qualitätsmanagement

Energieeffizienz

Montagelinien

Montagetechnik

Montage

Medizintechnik

Reinraumsysteme / -technik

Medizinprodukte

Prozessakten für die Patientensicherheit

Das Plastics Innovation Center 4.0 am Institut für Kunststoffverarbeitung (IKV) in Aachen initialisiert ein Forschungsdatenmanagement in Verbindung mit einer Prozessdatenerfassung, um einen langfristigen Zugang zu vollständigen und kontextualisierten Versuchsdaten zu gewährleisten.

Struktur und Vernetzung entlang der Informationspyramide erzeugen aus Sensorsignalen letztlich Wissen.

Qualitätsmanagement in der Kunststoffverarbeitung | Datenmanagement | Digitaler Schatten | Serie, Teil 9

Teil 9 der Serie: Konsistente Datenstrukturen für nachhaltigen Zugriff auf gesichertes Wissen

Messdatenerfassung und -verarbeitung

Machine Learning

Datenanalyse

Datenbanken

Big Data für die Qualitätssicherung

IoT-Plattformen für die Kunststoffverarbeitung

Vollständige Daten ohne Wenn und Aber

3700 Besucher aus 39 Ländern, rund 50 Maschinenexponate: Nach über zwei Jahren Corona-Pause fanden vom 22. bis 25. Juni 2022 wieder Arburg Technologie-Tage statt.

Mehrere Fertigungszellen laufender Kundenprojekte mit komplexen Zuführ-, Einlege- und sonstigen Handlingoperationen waren im Turnkey-Bereich aufgebaut.

Arburg Technologie-Tage erstmals nach 2019 wieder live

Exponatestau aufgelöst

Zur K 2022 bekommt die iQ-Produktfamilie von Engel Zuwachs. iQ hold control ermittelt automatisch und ohne Vorgaben durch den Einrichter die für das jeweilige Werkzeug optimale Nachdruckzeit.

Oft liegt die optimale Nachdruckzeit niedriger als die zu Beginn eingestellte. In diesen Fällen wird die Zykluszeit verkürzt. 

iQ hold control ermittelt die optimale Nachdruckzeit

Smart Factory

Mit Nachdruck zu höherer Qualität

KraussMaffei stellt sich neu auf und ordnet die bisherigen Geschäftseinheiten einer einheitlichen Marke unter. Man arbeitet an neuen Angeboten für digitale Lösungen und neuen Geschäftsmodellen.

Alles bleibt anders: Dr. Frank Stieler,  CEO von KraussMaffei

16:9

KraussMaffei vereint drei Sparten sowie die bisherigen Konzernmarken zu einer Marke

Messe K-Kunststoffmesse

kunststoffe.de

Spritzgießmaschinen, allgemein

Nachhaltigkeit

Umweltmanagement

Ressourcenmanagement

Produktion

Rolle vorwärts

Mit ihrem „Industrie 4.0“-Lösungsangebot erfährt die Wittmann Gruppe eine positive Resonanz im Markt. Dabei wird die Spritzgießmaschine virtuell zur intelligenten Arbeitszelle erweitert.

Mit Industrie-4.0-Lösungen den Nerv der Zeit getroffen: Michael Wittmann, Geschäftsführer der gleichnamigen Unternehmensgruppe

Wittmann sieht sich als One-Stop-Shop-Anbieter weiter in einer guten Position

Biokunststoffe

Sofort einsatzbereit

„Circular Economy“ ist nicht nur das Schwerpunktthema der K 2019, sie bildet auch den „grünen“ Faden beim Messeauftritt des Spritzgießmaschinenbauers und Systemanbieters Engel.

Dr. Stefan Engleder, CEO der Engel Gruppe: „Die Kunststoffindustrie trägt eine globale Verantwortung“

Engel befürwortet starkes Engagement der Kunststoffindustrie für Kreislaufwirtschaft

Künstliche Intelligenz für die Qualitätssicherung

Verbundwerkstoffe / Werkstoffverbunde

Co-Injektion (Barriere-/Sandwich-Spritzgießen)

Organobleche (gewebeverstärkte Thermoplast-Halbzeuge)

Halbzeuge und Zwischenprodukte

Kunststoff-Halbzeuge

Ein zweites Leben für Kunststoffe

Die Werkzeugatmung liefert nützliche Informationen über die Vorgänge im Werkzeug und in der Kavität. Formenbauer Schneider Form und Spritzgießmaschinenhersteller Engel beschäftigen sich seit einigen Jahren mit diesem Thema – mit unterschiedlichen Zugängen.

Stoßfänger-Werkzeuge standen im Mittelpunkt der Untersuchungen zur Prozessoptimierung auf Basis der Werkzeugatmung. Das Bild zeigt stellvertretend ein Beispiel aus dem Stoßfängerportfolio von Schneider Form

Methoden zur Ermittlung der Werkzeugatmung im Vergleich

Energiemanagement / Smart Home

Installationstechnik

Druck- / Kraftsensoren

Messtechnik

Sensoren / Messwertaufnehmer

Atmungssignale für  die Prozessoptimierung nutzen

Die K 2019 hat ein großes Angebot an Maschinentechnik und Systemkomplettlösungen für das Kunststoffrecycling gezeigt. Dort war offensichtlich, dass die Industrie heutzutage Lösungen zum Schließen des Kunststoffkreislaufs anbieten kann.

Komplexe Kette: Recycling-Material (wie hier geschredderte und gewaschene Fischernetze) müssen angefangen beim Sammeln und Sortieren zahlreiche Stationen durchlaufen, bis sie werkstofflich aufbereitet werden können

Die Technologie, den Kunststoffkreislauf zu schließen, ist vorhanden

IR-Sensor

Mahlgut

Wiederaufbereitung

Schmelzefilter

Filteranlagen

Extruder

Extrusionsanlagen

Waschen und Entfetten

Sortierer

Mahlanlagen, fein

Sensoren,  optische

Schneidmühlen

Aufbereitungsmaschinen

Mühlen

Geschlossener Recyclingkreislauf – jetzt!

Das Angebot auf der K 2019 war vielfältig und reichte von ausgeklügelten Detailanwendungen bis hin zu prozessumfassenden Gesamtlösungen. In der Extrusionsbranche wurde der Aspekt Kreislaufwirtschaft von Entwicklungen zum Thema Industrie 4.0 dominiert.

Wo die Ausmaße zählen: das größte verfügbare Rohrwerkzeug mit verstellbarem Massespalt

Qualität und Effizienz im Fokus von Weiter- und Neuentwicklungen

Farbmessgeräte

Optische Mess- und Prüftechnik

Messgeräte für Farbe

Farbstoffe und Pigmente

Additive

Farbsensor

Flachfolienanlagen

Blasfolienextrusion

Farbkonzentrate (Batches)

Farbdosiergeräte

Elektrische / Magnetische Messtechnik

Rohr- und Profilextrusion

Extrusionswerkzeuge

Farben, flüssig

Neue Dimensionen in der Extrusion

Die K 2019 in Düsseldorf wurde ihrem Anspruch, die Leitmesse für Kunststofftechnik zu sein, wieder einmal gerecht. Zumindest im Bereich Spritzgießen gab es Weltneuheiten – wenn man genau hingesehen hat.

Bild 1. Smart Operation – die Maschine wird mit nur noch vier Knöpfen bedient

Spritzgießtrends auf der K 2019

Schaumspritzgießen

Mikrospritzgießen

Mehrkomponenten-Spritzgießen

Fließpressen

Handling, Handhabungstechnik für die spanende Fertigung

Handling, Handhabungstechnik

Spritzgieß-Sonderverfahren

Elastomer-Spritzgießen

Linearroboter für die Kunststoffverarbeitung

Montage-Spritzgießen

Knickarmroboter

Industrieroboter

Hybrid-Spritzgießen (Metall / Kunststoff)

Mit digitaler Assistenz  zur technischen Exzellenz

Auf dem Weg zur smarten  Spritzgießfabrik

Teil 2 der Serie: Durchgängige Datenerfassung für die Spritzgießproduktion

Der datengetriebene Betrieb einer Spritzgießproduktion ist häufig noch eine Wunschvorstellung. Die Ostschweizer Fachhochschule beschreibt, welche Hürden zu meistern sind und zeigt anhand einer selbst betriebenen Fertigungszelle Lösungsmöglichkeiten auf.

Die Themen Digitalisierung und Industrie 4.0 sind in aller Munde. In der Praxis gestaltet sich die Umsetzung aber oft schwierig, der datengetriebene Betrieb einer Spritzgießproduktion ist häufig noch eine Wunschvorstellung. Nur wenn der genaue Ist-Zustand der Maschinen und Peripheriegeräte bekannt ist, kann an einer Optimierung der Prozesse gearbeitet werden. Die Ostschweizer Fachhochschule beschreibt, welche Hürden zu meistern sind und zeigt anhand einer selbst betriebenen Fertigungszelle Lösungsmöglichkeiten auf.

Bei der Umsetzung von Industrie 4.0 präsentieren sich heute zwei wesentliche Herausforderungen [1].

Zum einen zeigt sich seitens der Praxis ein häufig fehlendes Bewusstsein sowohl für mögliche Anwendungen, als auch für die Notwendigkeit einer konkreten schrittweisen Umsetzung. Dabei geht es um die eigentliche Zielorientierung oder auch die Use-Case-Festlegung für die Smarte Fabrik. Diese Konkretisierung muss sich an folgenden Fragen ausrichten:

<ul><li>Wie kann ich meine Wertschöpfung durch die Nutzung von Daten erhöhen?</li><li>Wie kann ich meine Daten nutzen? Was ist das Ziel?</li><li>Welche Daten benötige ich für die Umsetzung eines bestimmten Use Case?</li></ul>

Das Bewusstsein für mögliche Anwendungen kann durch das im letzten Artikel der Beitragsreihe vorgestellten Use-Case-Framework geschaffen werden (Kunststoffe 9/21). Dieses Framework wurde auf der Basis von realisierten Use Cases in der Praxis systematisiert und entwickelt [2].

Zum anderen wird für das Lernen aus Daten eine vollständige Datenbasis benötigt. Auch hier ergeben sich einige Fragen:

<ul><li>Welche Signale benötige ich? Welche Signale sind überhaupt verfügbar?</li><li>Welche Qualität der Daten benötige ich? Sind die Daten in dieser geforderten Qualität verfügbar?</li><li>Wie bekomme ich die Daten aus meiner Maschine heraus?</li><li>Wie synchronisiere ich Daten von verschiedenen Maschinen und Geräten?</li></ul>

Die Datenbasis ist häufig ein großer Stolperstein, da die Daten schlicht nicht zur Verfügung stehen oder nicht in der gewünschten Qualität. So gibt es im Bereich der Kunststoffverarbeitung keine geeigneten, branchenweit standardisierten Spezifikationen und Protokolle, die sich problemlos mit einer Vielzahl unterschiedlicher Datenquellen und Datenbanksysteme integrieren lassen. Diese fehlende Standardisierung hat dazu geführt, dass heute jede Maschine die Daten anders zur Verfügung stellt. Glücklicherweise sind viele Standards und Spezifikationen derzeit in der Entwicklung (z. B. OPC-UA), so dass sich die Interoperabilität in Zukunft verbessern wird.

Untersuchungen zeigten, dass ein schrittweises Vorgehen zur Umsetzung von Industrie 4.0 in der Kunststoffverarbeitung zielführend ist. Mithilfe der Use-Case-Definition lässt sich ein erstes Modell zur Vorhersage entwickeln. Das validierte Modell kann dann in die IT-Landschaft integriert werden, und später in der Fabrik oder im ganzen Produktionsnetzwerk ausgerollt werden. Dies spiegelt sich auch im entwickelten Modell zur Umsetzung von Industrie 4.0 in der Fabrik wider (Bild 1).

Viele Expertenorganisationen beschäftigen sich zur Zeit mit Industrie 4.0 – speziell mit der Standardisierung der Daten. Es gibt unter anderem Empfehlungen der VDI-Gruppe, welche Signale im Bereich des Spritzgießens aufgezeichnet werden sollten [3]. Neuere Maschinen bieten eine immer bessere Datenverfügbarkeit, bei der eine zunehmend hochfrequente Aufzeichnung der einzelnen Signale und deren Speicherung als Zeitreihenverläufe möglich sind. Dadurch lassen sich vertiefte Prozessanalysen erstellen, welche je nach Use Case unabdingbar sind. Für den zyklischen Export von Prozessparametern spielen hier auch die Schnittstellen Euromap 63 und Euromap 77 (OPC-UA) eine wichtige Rolle.

Das Institut für Werkstofftechnik und Kunststoffverarbeitung (IWK) verfügt über ein System, an das fünf Spritzgießmaschinen verschiedener Hersteller und diverse Peripheriegeräte integriert wurden. Die aufgezeichneten Daten können damit direkt visualisiert und ausgewertet werden.

Für den Aufbau einer solchen Datenerfassung für das Machine Learning mussten einige Herausforderungen gemeistert werden. So zeigte sich, dass oft noch gerätespezifische Lösungen realisiert werden müssen, damit die Daten in gewünschter Qualität exportiert und aufgezeichnet werden können. Vor allem für kleinere produzierende Unternehmen eine Hürde, da ein solch interdisziplinäres Know-how häufig nicht vorhanden ist.

Eine weitere Schwierigkeit ist die Synchronisierung der Daten von verschiedenen Maschinen und Geräten (z. B. Spritzgießmaschine, Temperiergeräte, Umgebungsbedingungen). Jedes Gerät arbeitet dabei meist mit einem eigenen Zeitstempel. Häufig gibt es Probleme, wenn mit Zeitreihenverläufen verschiedener Geräte gearbeitet wird. Dies kann umgangen werden, indem ein Live-System aufgebaut wird, bei welchem alle Daten synchron erfasst werden. Der Zeitstempel wird durch das datenerfassende System vergeben. Dies bedingt aber, dass alle Maschinen und Geräte die Daten live zur Verfügung stellen. Das bedeutet Kurvendaten, welche zum Beispiel via OPC-UA-Schnittstelle am Ende des Zyklus als Zeitreihenverläufe zur Verfügung gestellt werden, sind hierfür nicht geeignet. Eine direkte Abfrage von stark zeitabhängigen Signalen (z. B. Spritzdruck oder Schneckenposition) via OPC-UA in hoher Frequenz ist aufgrund des eingeschränkten Publishing-Intervalls der Schnittstelle (meist max. 200 - 500 ms) nur bedingt geeignet. Die Abfrage von vorberechneten Kenngrößen (wie z. B. Maximum- oder Mittelwerte) am Ende jedes Zyklus ist so jedoch möglich. Diese Daten können auch mit Kurvendaten kombiniert werden. Durch die Aggregation erfolgt jedoch bereits ein Informationsverlust. Je nachdem, was aus den Daten gelernt werden soll, kann dies natürlich kritisch sein. Ältere Maschinen, welche solche Schnittstellen gar nicht unterstützen und aufgrund begrenzter Speicherkapazitäten gar keine Rohdaten speichern, stellen eine zusätzliche Schwierigkeit dar.

Neben der Synchronisierung ist auch die Zuordnung von Daten verschiedener vor- oder nachgelagerter Prozesse ein Thema. So unterscheidet sich zum einen die Datenerfassung zwischen den kontinuierlichen Prozessen, z. B. der Materialtrocknung, bei der chargenweise kontinuierliche Zeitreihen aufgezeichnet werden, und den diskontinuierlichen Prozessen wie dem Spritzgießen und z. B. dem Schweißen als Nachfolgeprozess, bei denen die Daten zykluszugehörig und mit einer definierten Abtastrate erfasst werden. Zum anderen müssen die Daten aus den vorgelagerten Prozessschritten dann auch eindeutig den späteren Daten des Bauteils zugeordnet werden können. Das heißt z. B. für das Spritzgießen: Welche Materialcharge wurde verarbeitet und wie lange wurde die Materialmenge, welche für die Fertigung des Formteils verwendet wurde, vorgetrocknet? Keine einfache Fragestellung, weshalb diese aktuell auch noch in Bearbeitung ist. Für nachgelagerte Prozesse ist dies wesentlich einfacher, da das Bauteil und die zugehörigen Daten bereits existieren und nur erweitert werden müssen.

Vollautomatisierte und selbstlernende Fertigungszelle

Eine Umsetzung dieser vernetzten Fabrik ist eine Fertigungszelle zur Produktion eines Unihockeyballs (Titelbild und Bild 2). Die Ballhälften werden auf einer Spritzgießmaschine gefertigt, lasermarkiert, vollständig dreidimensional vermessen und anschließend nach Farbe sortiert in einem Zwischenlager gelagert. Das automatisierte Handling erfolgt über einen kollaborativen Roboter.

Bei Kundenbestellungen entnimmt dieser Roboter die Ballhälften in der gewünschten Farbe aus dem Zwischenlager und übergibt diese der Schweißmaschine, wo die Hälften zu einem Ball vollautomatisch verschweißt werden. Dabei handelt es sich um eine vollvernetzte und automatisierte Fertigungszelle: Die Prozessdaten aller Fertigungsschritte sowie die Qualitätsmerkmale werden in der Cloud gespeichert und können jedem Ball eindeutig zugeordnet werden. Dadurch wird zum einen eine vollständige Rückverfolgbarkeit gewährleistet, zum anderen kann der gesamte Fertigungsprozess durch den Einsatz von Künstlicher Intelligenz optimiert und in Richtung Null-Fehler-Produktion vorangebracht werden. Diese Fertigungszelle dient als Schulungsobjekt in der Aus- und Weiterbildung von Studierenden der OST (Ostschweizer Fachhochschule) und zeigt Unternehmen die Möglichkeiten zur Digitalisierung.

Nutzung der Datenerfassung  für Forschungsprojekte

Die aufgebaute Datenerfassung dient zudem als Grundlage für den Einsatz von Künstlicher Intelligenz im Rahmen verschiedenster Projekte im Bereich des Spritzgießens. Ein zentrales Thema ist die frühzeitige Erkennung von Prozessanomalien auf Basis von Prozessdaten. Beim Auftritt einer Anomalie soll dem Maschinenbediener zudem ein Vorschlag für eine geeignete Gegenmaßnahme gemacht werden. Dieses Thema wird in einem dreijährigen öffentlich geförderten Forschungsprojekt mit fünf Industriepartnern untersucht.

Die Prozessanomalien können mittlerweile zuverlässig detektiert und erste geeignete Gegenmaßnahmen vorgeschlagen werden. Mithilfe einer Support Vector Machine und einem Autoencoder kann auf Basis von verschiedenen Features ein Anomalienscore (Bild 3, oben links) berechnet werden. Dieser gibt an, wie stabil der aktuelle Prozess läuft. Auf Grundlage dieses Scores wird bei seinem Anstieg, eine Handlungsempfehlung für den Operator vorgeschlagen (Bild 3, unten rechts), mit welcher der Prozess wieder korrigiert werden kann.

Weitere Use Cases sind die Vorhersage der Qualitätsmerkmale der hergestellten Bauteile auf der Basis von Prozessdaten und vorausschauende Wartung, respektive das Erkennung von Verschleiß an Werkzeug- oder Maschinenkomponenten.