Während der vergangenen Monate haben sich viele firmeninternen Abläufe und Entwicklungsprozesse verlangsamt und auch verändert. Trotz allem ist die Zeit nicht stehen geblieben, auch nicht in der Spritzgießtechnik. Dabei haben vor allem zwei Themen die Diskussion und Entwicklung geprägt: Digitalisierung und Kreislaufwirtschaft. Nachfolgend einige Beispiele von Entwicklungen und Projekten, die das untermauern.

In die durchgehend 3D-geformte Instrumentenblende sind zwei Displays nahtlos integriert

16:9

Innovatives Spritzgießen in Zeiten der Pandemie

Spritzgießen

Kunststoffverarbeitung: Verfahren

Schaumspritzgießen

Künstliche Intelligenz für die Qualitätssicherung

Industrie 4.0

Industrie 4.0 für die Qualitätssicherung

Steuern, Regeln

Software

Mehrkomponenten-Spritzgießen

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

Digitale Transformation

Wirtschaft

Innovationen und neue Technologie

Spritzgießwerkzeuge

Kunststoffverarbeitung: Maschinen und Komponenten

Werkzeuge für die Kunststoffverarbeitung

Spritzprägen

Biokunststoffe

Kunststoff Werkstoffe

Spritzgieß-Sonderverfahren

Nachhaltigkeit

Umweltmanagement

Spritzgießsimulation

Simulation

Machine Learning

Datenanalyse

Schnecken und Plastifiziersysteme

Spritzgießmaschinen

Industrie 4.0 für die Kunststoffverarbeitung

Kunststoff-Recycling

Kunststoff-Aufbereitung

Lasermarkieren

Oberflächentechnik

Laserbearbeitungen

Inline- / Online-Messsysteme

Qualitätssicherung

Qualitätssicherung Kunststoff

Kreislaufwirtschaft

Hinterm Horizont geht’s weiter

Ein Gemeinschaftsprojekt von Ewikon und Ianus Simulation hat die KI-gestützte, vollautomatisierte Auslegung von Verteilersystemen unter thermischen und energetischen Gesichtspunkten zum Ziel.

Jeder Ewikon-Verteiler wird individuell an die speziellen Anforderungen der jeweiligen Anwendung angepasst. Das Bild zeigt einen 16-fach Verteiler für ein komplexes Nadelverschlusssystem. 

KI ebnet den Weg: Konstruktion auf Knopfdruck

Werkzeugkonstruktion

Dienstleistungen

Werkzeug-, Formen- und Modellbau

Heißkanalsysteme

Komponenten für die Kunststoffverarbeitung

Digitalisierung

Vollautomatisierte Verteilerauslegung in der Heißkanaltechnik

Unvorhergesehene Stillstände in der Serienproduktion gehen immer mit hohen Kosten einher. Daher müssen Maschinen rechtzeitig gewartet werden. Da die Sensor-, Übertragungs- und Datenspeichertechnik in den letzten Jahren einen Sprung gemacht hat, ist die vorausschauende Wartung, Predictive Maintenance genannt, heute schon in einigen Branchen Realität und demonstriert dabei einen konkreten Nutzen von Industrie 4.0. WZL und WBA haben dazu einen Leitfaden entwickelt.

Bild 3. Durch die Prozessüberwachung werden aus gesammelten Sensordaten präventive  Wartungen und Reparaturen prognostiziert

Leitfaden zur Entwicklung vorausschauender Wartungssysteme

Instandhaltung

Condition Monitoring / Prozessüberwachung

Werkzeug- und Formenbau

Sensoren verschiedener Messverfahren

Fertigungsautomation

Sensorik / Aktorik

Fernwartung / Ferndiagnose

Dienstleistungsqualität

Qualitätsmanagement

Instandhaltungsmanagement (TPM)

Vorbeugende Instandhaltung für die Qualitätssicherung

Werkzeugbau

Machine Learning für die Qualitätssicherung

Symbiose zwischen Werkzeugbau  und Serienproduktion

Die ressourcenschonende Ermittlung eines optimierten Einstelldatensatzes im Spritzgießprozess stellt aktuell noch eine Herausforderung dar. Maschinelle Lernverfahren bieten großes Potenzial, bereits generiertes Wissen aus der Fließsimulation zu nutzen.

Kombinierte Nutzung von Simulations- und realen Versuchsdaten

DOE-Software

Qualitätsmethoden

Digitaler Zwilling

Schneller zum optimalen Betriebspunkt

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

Sensorik für Kunststoff-Verarbeitungsmaschinen

Aus dem Schatten ins Licht

Mit der webbasierten Plattform iSLM geht die Spritzgießsimulation einen großen Schritt in Richtung Nachhaltigkeit und Wissensmanagement. Ein Gespräch.

Die webbasierte Plattform iSLM ermöglicht es, systematisch an Referenzprojekte der Vergangenheit anzuknüpfen und die eigene Kompetenz und Effizienz in der Bauteilentwicklung stetig zu verbessern.

Interview mit SimpaTec-Geschäftsführer Cristoph Hinse

Doriat, Clemens, Dr.

Datenbanken

„Wir sprechen von der Digitalisierung der Digitalisierung“

Arburg arbeitet an der Vision, dass mithilfe von KI jede Spritzgießmaschine in Zukunft nicht nur die Prozesse, sondern auch die Produkte kennt, die sie herstellt.

Problem beim Machine Learning im Spritzgießen: Das aufwendig Erlernte gilt nur für den einen, ganz spezifischen Prozess. Oder anders gesagt: Die ermittelten Regeln oder Algorithmen sind nicht einfach auf andere Prozesse übertragbar.

Arburgs Vision: In Zukunft soll die Maschine die Produkte kennen, die sie herstellt

Steuerungen (Hardware und Software)

Automatisierungstechnik

KI-Modelle für die Spritzgießsimulation

Im Rahmen eines Forschungsprojektes wurde ein animiertes und steuerbares 3D-Modell einer Spritzgießmaschine entwickelt und in einer Lern-App implementiert.

Virtuelles Bedienpanel zum Einüben der wichtigsten Fahrbewegungen in den verschiedenen Betriebsarten einer Spritzgießmaschine und Visualisierung des Prozessablaufs in einem animierten Zykluszeitdiagramm.

Die virtuelle Spritzgießmaschine

Komplexe Ölfiltergehäuse für Automobile werden häufig im Spritzgießverfahren hergestellt. Geometriebedingte Hotspots können die erforderliche Kühlzeit erheblich verlängern. Ein Team aus Österreich nahm Anleihen aus der Biologie: Ein biomimetisches Kühlkanalsystem ähnlich einer Blutgefäßstruktur wurde in einen Formeinsatz integriert, in der Simulation optimiert, mittels 3D-Druck hergestellt und erfolgreich im realen Spritzgießprozess getestet.

Das untersuchte Gehäuse aus PA6-GF35. Die rot eingefärbten Bereiche zeigen Masseanhäufungen an, in denen die Wanddicke bis zu 11 mm erreicht

Nutzung biomimetischer Prinzipien zur Optimierung der Bauteilkühlung beim Spritzgießen

Selektives Laserschmelzen von Kunststoff, Metall, Keramik

Verfahren für die additive Fertigung

Pulverbettverfahren

Temperiertechnik

Konturnahe Kühlung

Additive Fertigung

Ölfiltergehäuse effizienter herstellen

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

Kunststoff-Rezyklat

Wegbereiter für die Kreislaufwirtschaft

Innendruckbelastungen sind typisch für faserverstärkte Kunststoffbauteile. Durch einen drehenden Werkzeugkern kann die Faserorientierung beim Spritzgießen gezielt beeinflusst und damit die Berstdruckfestigkeit von Bauteilen erhöht werden. Eine neu entwickelte Simulationsmethodik ermöglicht es, diese veränderte Faserorientierung bei der Auslegung zu berücksichtigen.

Praktische Umsetzung eines Werkzeugsystems mit drehendem Kern.

Werkzeugsystem mit drehendem Kern verbessert mechanische Eigenschaften

Werkstoffprüfung, mechanisch

Messtechnik

Werkstoffprüfung

Verbundwerkstoffe / Werkstoffverbunde

Faserverbundwerkstoffe

Andere Werkstoffe

Auslegungsmethodik für innendruckbelastete Bauteile

Im Spritzgieß-Sonderverfahren GITBlow wird ein Formteil in einem zweistufigen Prozess innerhalb eines Spritzgießzyklus aufgeblasen. Das ist auch mit teilkristalline Materialien möglich.

Das funktionalisierte, vollständig aufgeblasene GITBlow-Bauteil aus PP weist laut Messung und Bildanalyse eine homogene Wanddicke auf. 

Weiterentwicklung des GITBlow-Verfahrens mit spritzgießtypischen Bauteilgeometrien

Blasformen

Mit höchster Präzision im Spritzgießwerkzeug aufgeblasen

Wie kann Digitalisierung konkret zur Ressourcenschonung und Steigerung der Produktionseffizienz beitragen? Die Antwort gibt Arburg auf der K 2022 mit Beispielen für eine hoch vernetzte, digitalisierte Fertigung.

Im arburgGreenworld-Pavillon des VDMA Circular Economy Forums fertigt ein Allrounder 370 A mit Rezyklat-Paket „Greenline“-Dübel von Fischer.

Messe K-Kunststoffmesse

kunststoffe-international.com

kunststoffe.de

Energieeffizienz

Nachhaltigkeit dank Digitalisierung

Acht Unternehmen wurden am ersten Tag der K-Messe mit dem TecPart-Innovationspreis 2022 ausgezeichnet, eines davon doppelt und ein weiteres sogar dreifach.

Auf der K 2022 verleiht der GKV/TecPart elf Mal seinen Innovationspreis

Automatisierungszellen

Automatisierungskomponenten

Warmformen / Thermoformen

Elastomer-Spritzgießen

Montagelinien

Montagetechnik

Montage

Montage-Spritzgießen

Ultraschallschweißen

Verbindungstechnik Verfahren

Thermisches Fügeverfahren

Dreidimensionale Puzzles

Wie das Spritzgießunternehmen Hauff die Herstellung von Oberkorbrollen für Spülmaschinen automatisiert hat.

Ein KR Quantec entnimmt simultan zum Spritzzyklus die Oberkorbrollen aus dem unteren Teil des Würfels und setzt sie in die Steckbuchsen in der oberen Hälfte ein, um die fertigen Teile danach zu entnehmen.

Autonome Produktion von der Maschine bis zur Palette

Handhabungsroboter

Industrieroboter

Elektrohaushaltsgeräte, Weiße Ware

Elektrotechnik, Elektronik

Palettierroboter

Multiaxialroboter für die Kunststoffverarbeitung

Handling, Handhabungstechnik

Im Doppelpass mit dem Zauberwürfel

Automatisierte Auslegung der Entformungssysteme von Spritzgießwerkzeugen

Vorgriff auf eine größere Systemlandschaft

Das Forschungsprojekt AutoEnSys befasst sich mit dem Einsatz eines KI-basierten Expertensystems zur automatischen Positionierung von Auswerfern im Entformungssystem. Ein selbstlernender Algorithmus soll langfristig auch weitere Teile des Entformungssystems auslegen.

Kostenrisiken und der durch den demografischen Wandel drohende Wissensverlust bilden für die Werkzeugbaubranche ein Szenario, für das eine automatisierte Werkzeugkonstruktion ein denkbarer Ausweg sein könnte. Um dieses Feld zu bestellen, befasst sich das Forschungsprojekt AutoEnSys mit dem Einsatz eines KI-basierten Expertensystems zur automatischen Positionierung von Auswerfern im Entformungssystem.  Ein selbstlernender Algorithmus soll langfristig auch weitere Teile des Entformungssystems auslegen.

Der deutsche Werkzeugbau sieht sich einem zunehmenden Kosten- und Zeitdruck ausgesetzt. Dieser resultiert vornehmlich aus verkürzten Produktlebenszyklen sowie einem zunehmend aggressiven Wettbewerb aus Niedriglohnländern. Deutsche Werkzeugbaubetriebe reagieren auf diesen Druck, indem sie ihre Produktivität steigern und ihre Leistung fokussieren. So können durch den Aufbau von Automatisierungslösungen in direkt wertschöpfenden Tätigkeiten Maschinenstundensätze reduziert und Fertigungskosten gesenkt werden. Wenig Automatisierung erfahren indirekt wertschöpfende Tätigkeiten, die in der industriellen Wertschöpfungskette jedoch hohe Potenziale zur Effizienzsteigerung und Kostensenkung aufweisen. So entfallen im Werkzeugentstehungsprozess rund 33 % der Prozesskosten auf die Konstruktion, den Try-out, das Projekt- und Qualitätsmanagement sowie weitere indirekte Bereiche.

Die Konstruktion bindet im Prozess der Werkzeugerstellung rund 22 % der Durchlaufzeit sowie 15 % der Prozesskosten und verspricht mithin hohe Potenziale zur Stärkung der Wettbewerbsfähigkeit [1]. Eine Automatisierung der Konstruktion ist jedoch auch aus anderen Gründen sinnvoll. So werden 70 % der Werkzeugkosten in der Produktentwicklung bestimmt. Das bedeutet zum einen das Risiko, durch Fehlplanungen höhere Kosten in der Konstruktionsphase zu verursachen. Auf der anderen Seite kann die Konstruktion die Werkzeugkosten erheblich beeinflussen [2]. Ein weiterer Grund ist die Möglichkeit, durch Automatisierung dem strukturellen Wandel im deutschen Werkzeugbau entgegenzuwirken. Wegen des demografischen Wandels und der damit einhergehenden geringeren Zahl qualifizierter Fachkräfte wird ein Erfolgsfaktor für die Wettbewerbsfähigkeit deutscher Betriebe sein, Know-how-intensive Tätigkeiten wie die Werkzeugkonstruktion systemisch abzubilden und die Abhängigkeit von erfahrenen Beschäftigten zu verringern.

Um die genannten Potenziale zu heben, widmen sich das Konstruktionsbüro Hein, das Werkzeugmaschinenlabor WZL der RWTH Aachen und die WBA Aachener Werkzeugbau Akademie GmbH seit Januar 2020 gemeinsam dem Forschungsprojekt „Automatisierte Auslegung des Entformungssystems von Spritzgießwerkzeugen auf Basis selbstlernender Algorithmen“ (Akronym: AutoEnSys, FKZ: 01IS20081A). Das übergeordnete Ziel dieses öffentlich (BMBF) geförderten Forschungsprojekts besteht darin, die Konstruktion von Spritzgießwerkzeugen vollständig zu automatisieren. Dazu forciert das Projektteam in erster Instanz durch die automatisierte Auslegung der Entformungssysteme die Teilautomatisierung der Konstruktion, um daraus resultierend die Herstellkosten und -zeit zu reduzieren sowie die Wartungsfreundlichkeit zu verbessern.

Eigenständige Auslegung eines Expertensystems

Zunächst wird ein selbstlernender KI-Algorithmus in Form eines Expertensystems entwickelt, der zur automatisierten Auslegung des Entformungssystems befähigen soll. Im ersten Arbeitspaket wurden im Projekt Anforderungen für die Entwicklung des KI-Algorithmus definiert. Dabei wurde zwischen rein technischen Anforderungen und Anforderungen an die Mensch-Maschine-Schnittstelle unterschieden. Zudem wurden niederschwellig komplexe Leitkonstruktionen konzeptioniert, die als repräsentative Konstruktionen dienen und Rund-, Flach- und Hülsenauswerfer sowie einfache gegenüberliegende Schieber umfassen. Die konzeptionierte Anwendung verarbeitet manuelle Eingaben von Konstruktionsparametern sowie hochgeladene CAD-Datensätze. Denkbar ist es zudem, Ergebnisse aus Spritzgießsimulationen einzubringen, wie eine vorher definierte Formtrennung oder ein festgelegtes Temperierkanal- und Angusslayout (Bild 1).

Um die eigenständige Auslegung des Expertensystems zu gewährleisten, wurde im zweiten Arbeitspaket die dem Algorithmus zugrundeliegende Datenstruktur unter Zuhilfenahme von Konstruktionswissen modelliert. Dazu wurde die Expertise der Konstrukteure im Projektkonsortium genutzt, um eine Entscheidungslogik auf Basis von Entscheidungsbäumen und UML-Diagrammen aufzubauen, die Wissen und Entscheidungen eines Konstrukteurs während der Konstruktion eines Entformungssystems abbildet. Diese Entscheidungslogik konnte in sechs Entscheidungsbäume untergliedert werden, die beispielsweise den Entscheidungsprozess zur Bestimmung von Schiebern und Auswerfern nach deren Art und Positionierung sowie Regeln zur Bestimmung der Werkzeuggröße und der Formeinsatzgröße wiedergeben.

Weiterhin wurden in Workshops insgesamt 15 Konstruktionsregeln für eine Kastengeometrie definiert. Diese wurden zudem anhand ihres Einflusses auf die Konstruktion bewertet. Die Entscheidungslogik als Gesamtes bildet eine wichtige Grundlage für den lernenden KI-Algorithmus zur automatisierten Auslegung von Entformungssystemen.

Modellieren und Trainieren des  KI-Algorithmus

Ziel des dritten Arbeitspakets ist es, den KI-Algorithmus zur automatisierten Auslegung des Entformungssystems zu modellieren und hinreichend zu trainieren. Dazu wurden in erster Instanz die reine Software-Architektur modelliert und Software-Module implementiert. Das anschließende Training des Algorithmus erfolgt durch iteratives Feedback von Konstruktionsexperten. Die Analyse des 3D-Modells des Bauteils dient als Input für den KI-Algorithmus. Aus dem 3D-Modell werden geometriespezifische Merkmale extrahiert. Es werden zwei grundlegende Merkmalstypen unterschieden:

<ul><li>punktspezifische Eigenschaften wie Materialdicke und Bauteilhöhe sowie</li><li>geometrische Formeigenschaften wie Ecken, Kanten, Rippen, Dome und Unterschnitte.</li></ul>

Das Erkennen der Merkmale erfolgt auf Grundlage verschiedener Algorithmen, die teilweise auf lernbasierten ML-Verfahren (Machine Learning) und teilweise auf der Erarbeitung der Zusammenhänge grundlegender Eigenschaften basieren. Insgesamt ergibt sich damit ein Merkmalerkennungssystem, das alle relevanten Merkmale extrahiert, mit denen die Experten gemäß den Konstruktionsregeln arbeiten. Die für das Training des Algorithmus notwendigen Daten wurden auf Basis von Expertenwissen generiert. Das durchzuführende initiale Training bildet die Grundlage für die Nutzbarkeit sowie die Erprobung des Algorithmus in den nächsten Arbeitspaketen.

Nach erfolgreichem Training wird das einsatzbereite, KI-basierte Expertensystem derzeit im vierten Arbeitspaket erprobt und optimiert (Bild 2). Dazu wurden zuerst Möglichkeiten der Feedback-Rückführung, zum Beispiel durch Bewertungsbögen, erarbeitet. Unter Laborbedingungen und Einbeziehung von Konstrukteuren des Konsortiums wird der Algorithmus getestet. Die Konstrukteure bewerten die automatisiert konstruierten Entformungssysteme anhand mehrerer Kriterien – darunter Größe, Bauteilgesamt- und Oberflächenqualität, Zykluszeit, Möglichkeit zur Temperierung sowie geometrische Lage – und führen das Feedback an das Programmierteam zurück.

Der erprobte und optimierte Algorithmus wird abschließend im fünften Arbeitspaket praxisnah pilotiert und validiert. Die Praxistauglichkeit stellt eine maßgebliche Anforderung an das Forschungsprojekt dar, weshalb auf diesem Arbeitspaket ein besonderer Fokus liegt. Die Praxistauglichkeit wird anhand von Fragebögen der Anwender bewertet. Die anwendenden Unternehmen im Forschungskonsortium werden dazu die entwickelte Softwarelösung in aktuellen Konstruktionsprojekten einsetzen. Anschließend ist die Nutzung durch weitere Partner aus dem Partnernetzwerk der WBA geplant, um eine stetige Optimierung der Anwendung im Feedbackverfahren zu gewährleisten.

Die bisherigen Bemühungen innerhalb des Forschungsprojekts AutoEnSys gelten einer einzelnen Lösung, die als zentraler Baustein weitere Projekte zur vollständigen Automatisierung der Konstruktion von Spritzgießwerkzeugen befähigen soll. Das im Projekt entwickelte Expertensystem soll Teil einer größeren Systemlandschaft werden. Daher ist es weitergehend notwendig, Schnittstellen zu CAD-, Spritzgießsimulations- und FEM-Systemen zu entwickeln. Das AutoEnSys-Expertensystem soll ein allgemeingültiges und offenes System darstellen, das über individuell angepasste Schnittstellen eine Vielzahl von Systemen in sich bündelt.

Um die Entwicklung der beschriebenen Anwendung zu forcieren, strebt das Projektkonsortium bereits Folgeprojekte an. So wurde im Lauf des Projekts festgestellt, dass es die Funktionalität verbessert, wenn man FEM-Simulationen berücksichtigt. Durch Schnittstellen zu FEM-Systemen sollen die Positionierung und die gewählte Auswerferart unter Einbeziehung der Entformungskräfte optimiert werden. Zudem ist geplant, durch Einbindung von Spritzgießsimulationsergebnissen Spritzdrücke, Schwindungen sowie Angusssysteme bei der Auslegung zu berücksichtigen. Ein weiterer Entwicklungsschwerpunkt wird auf der iterativen Auswahl von Auslegungsvarianten aus dem entwickelten KI-Algorithmus im Kontext der Mensch-Maschine-Interaktion liegen.

[1] Boos, W.; Kelzenberg, C.; De Lange, J.; Goertz, D.; Ebbecke, C.: Erfolgreich Fokussieren und Segmentieren im Werkzeugbau. Whitepaper des WZL der RWTH Aachen und der WBA Aachener Werkzeugbau Akademie, Aachen 2019

[2] Ehrlenspiel, K.; Kiewert, A.; Lindemann, U.; Mörtl, M.: Kostengünstig Entwickeln und Konstruieren – Kostenmanagement bei der integrierten Produktentwicklung. Springer-Vieweg, 7. Aufl. Berlin 2014

Werkzeugmaschinenlabor WZL der RWTH Aachen University 

https://www.wzl.rwth-aachen.de

WBA Aachener Werkzeugbau Akademie GmbH  

https://www.werkzeugbau-akademie.de

Ausgabenartikel KU06-22

Die Teilautomatisierung des Entformungssystems stellt einen wichtigen Schritt auf dem Weg zu einer vollständigen Automatisierung der Konstruktion von Spritzgießwerkzeugen dar.

Bild 1. AutoEnSys verarbeitet heterogene Input-Faktoren, strukturiert diese und leitet ein Entformungssystem aus.

Bild 2. Das KI-System AutoEnSys extrahiert Merkmale aus einem 3D-Modell und leitet einen Auslegungsvorschlag ab, der durch einen Konstrukteur validiert wird.

Name - Hauptartikel

<b>Prof. Wolfgang Boos MBA</b> ist Geschäftsführer der WBA Aachener Werkzeugbau Akademie GmbH, Aachen.