Künstliche Intelligenz in der Kunststoffindustrie
Dr. Alexander Chaloupka, Geschäftsführer und CTO sensXPERT, erklärt in seinem Gastbeitrag, wie in Zukunft Produktionsprozesse in der Kunststoffindustrie mit KI-Technologien optimiert werden können.
Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) revolutionieren derzeit zahlreiche Industrien, darunter auch die Fertigung. So ist KI auch in der Kunststoffindustrie auf dem Vormarsch. Ob durch die Erstellung von Prognosen zur Verbrauchernachfrage oder das Aufspüren von Prozessabweichungen in Maschinen – KI kann die Effizienz in der Fertigung steigern, Kosten senken, Energiekosten einsparen und eine nachhaltige Produktion ermöglichen. Die Kunststoffindustrie ist derzeit mit einer Reihe von Herausforderungen und Schwierigkeiten konfrontiert. Die Integration von KI und ML in die Fertigungsindustrie eröffnet völlig neue Möglichkeiten. Unternehmen wie SensXpert stehen an der Spitze dieser Entwicklung und zeigen, wie die Zukunft der Produktion aussehen kann. Durch den intelligenten Einsatz von Sensordatenanalyse und digitalen Zwillingen können Unternehmen ihre Prozesse nicht nur effizienter, sondern auch nachhaltiger gestalten.
Aktuell werden mehrere KI-Lösungen entwickelt, um Ineffizienz und Verschwendung zu bekämpfen und die Abläufe und nachhaltigen Praktiken in der Kunststoffindustrie zu verbessern. Zu den Beispielen gehören Lösungen zur Prognose potenzieller Systemausfälle, zur Verbesserung der Abläufe in der Lieferkette, zur Simulation nachhaltiger Verpackungsdesigns und zur Ermittlung umweltfreundlicher Kunststoffentsorgung.
In der Kunststofffertigung werden Fertigungsprozesse durch verschiedene Herausforderungen im Zusammenhang mit der Prozesstransparenz, Prozessstabilität und Qualitätssicherung erschwert wie z.B.:
1. Das Erkennen von Mängeln und deren Ursachen
Ein Fertigungsprozess beinhaltet in der Regel eine Qualitätskontrolle vor und nach der Fertigung eines Teils. Die mangelnde Transparenz während der Verarbeitung erschwert es bei der Qualitätssicherung, den Ursprung und die Ursache von Teilefehlern festzustellen. Außerdem können in der Zeit bis zur Feststellung von Mängeln, mehrere mangelhafte Teile gefertigt worden sein. Auf diese Weise kann eine eingeschränkte Transparenz zu Materialverschwendung und unnötigem Energieverbrauch führen.
2. Qualitätsschwankungen und Materialabweichungen
Das Materialverhalten wird von einer Vielzahl Faktoren beeinflusst und kann starken Schwankungen unterliegen. Zu den häufigsten Faktoren gehören Abweichungen zwischen Produktionschargen, Temperaturschwankungen, Transport, Lagerung, Alterung und viele mehr. Entsprechend der vorangegangenen Herausforderungen sind Abweichungen und Qualitätsschwankungen ohne prozessbegleitende Transparenz oft nur schwer zu erfassen.
In der Industrie fehlt es an einem Echtzeitverständnis des Materialverhaltens und der Bedingungen im Werkzeug während der Formgebung – hier kann KI in der Bewältigung der Herausforderungen unterstützen.
Die oben genannten Herausforderungen stellen eine große Hürde dar, da es sich beim Formgebungsprozess um eine „Black Box“ handelt, denn die Hersteller haben vor dem Fertigungsprozess Einblick in das Material und nach dem Prozess Einblick in das gefertigte Teil. Das, was dazwischen liegt, ist wie eine „Black Box“ zu sehen.
Hier sind neue Technologien mit KI-Fähigkeiten in der Lage, die aufgezeigten Herausforderungen zu bewältigen wie z.B. die sensXPERT Digital Mold Lösung.
Für die meisten Unternehmen in der Kunststoffverarbeitung sind die Einführung und die Vorteile von KI nicht offensichtlich. Bei sensXPERT verbinden wir Materialwissenschaften und Prozessdaten über Maschinenlern-Algorithmen und erweitern deren Anwendungsbereich kontinuierlich durch Deep Learning. Die Vielzahl der Parameter in der Fertigung überfordert unsere menschliche Denkweise. Hier zeigt die KI ihr Potenzial, visualisiert verborgene Zusammenhänge und schafft in kürzester Zeit einen Mehrwert.
Die sensXPERT Prozesssteuerungslösung der NETZSCH Process Intelligence GmbH hat das Ziel, Kunststoffverarbeiter mit Echtzeit-Prozessdaten und Materialcharakterisierung zu versorgen, um Einblicke in den laufenden Formgebungsprozess zu erhalten und Prozessergebnisse vorherzusagen. Auf diese Weise können Verarbeiter eine Qualitätskontrolle für jedes gefertigte Teil durchführen, die Zykluszeiten verkürzen und gleichzeitig von niedrigeren Kosten, weniger Materialabfall und einer insgesamt nachhaltigeren Fertigung profitieren.
Welche Rolle werden ML- und KI-Technologien in Zukunft in der Analyse von Sensordaten spielen und welche neuen Erkenntnisse werden diese für Produktionsprozesse bringen?
ML und insbesondere weitere KI-Werkzeuge ermöglichen die Reduktion komplexer, multidimensionaler Beziehungen auf zwei- oder dreidimensionale Beziehungen, die von Menschen verstanden werden können, um die richtigen Entscheidungen zu treffen. Stellen Sie sich vor, Sie haben einen Prozess mit 10 entscheidenden Parametern, Materialabweichungen aufgrund verschiedener Faktoren und Temperatur- und Feuchtigkeitsschwankungen innerhalb der Fabrik über ein Jahr hinweg. Wie können Menschen in der Lage sein, die Grundursache zu bewerten, ohne viel Zeit und Mühe zu investieren – manchmal Wochen? Mit Methoden der Datenwissenschaft kann dies innerhalb eines Bruchteils einer Sekunde geschehen.
