Motivation
Aufgrund der Vielzahl von Einstell-, Umgebungs- und Qualitätsparametern sind Verarbeitungsprozesse wie das Spritzgießen selbst für Fachkräfte schwer zu verstehen. Zudem leidet die Kunststoffindustrie besonders unter einem Mangel an gut ausgebildeten Fachkräften, die die komplexen Zusammenhänge zwischen einer Vielzahl an Einstellparametern und Einflussgrößen kennen. Den oftmals angelernten Mitarbeitern, die zudem in der Regel für die Bedienung mehrerer Maschinen gleichzeitig zuständig sind, fehlt neben einem tiefergehenden Prozessverständnis vielfach auch die Methodenkompetenz für eine strukturierte Vorgehensweise bei der Fehlerbehebung in der laufenden Produktion. Aufgrund des hohen Automatisierungsgrades der Kunststoffindustrie und der umfassenden Nutzung der existierenden Standards steht jedoch eine branchenweit vergleichsweise einheitliche Datenschnittstelle zur Verfügung. Daher kann ein auf Methoden der Künstlichen Intelligenz (KI) basierendes Assistenzsystem hier eine sinnvolle Unterstützung bieten und die Aufmerksamkeit des Nutzers dorthin lenken, wo sein Eingreifen benötigt wird.
Ziele und Vorgehen
Dazu wird das vorhandene Erfahrungswissen der Anwender über die komplexen Wirkbeziehungen in Kunststoffverarbeitungsprozessen erfasst und für das Training kontinuierlich lernender neuronaler Netze genutzt. Um den Ansatz optimal auf möglichst viele Prozesse der Kunststoffverarbeitung übertragen zu können, wird im Projekt die sogenannte Plastifizierung detailliert betrachtet und parametrisiert. Beim Plastifiziervorgang wird das Kunststoffgranulat geschmolzen und homogenisiert (gemischt). Das ist ein für die Qualität des Endprodukts relevanter und bei nahezu jedem Kunststoffverarbeitungsprozess auftretender Teilprozessschritt, der im Rahmen des Vorhabens mit Hilfe neuronaler Netze exakt abgebildet werden soll. Daraus entsteht im Projekt ein KI-basiertes Prozessmodell, um die Schmelzqualität im Spritzgießprozess vorherzusagen. Aufbauend auf dem Prozessmodell wird ein virtuelles Assistenzsystem implementiert, das dem Maschinenbediener situationsbezogene Handlungsempfehlungen zu bestimmten Prozessschritten bereitstellt und diese Empfehlungen nutzergerecht präsentiert. Die Empfehlungen basieren ihrerseits auf Aktionen, die aus der industriellen Praxis abgeleitet wurden. Im System werden sie mit einem Indikator zur Passgenauigkeit und zu den Erfolgsaussichten der empfohlenen Maßnahme versehen.
Innovationen und Perspektiven
Die bedienerfreundliche Anwendbarkeit des Systems wird in verschiedenen Unternehmen erprobt. Ziel ist es dabei, die Funktionsfähigkeit sowie die einfache Handhabung von KI in produzierenden KMU der Kunststoffverarbeitung nachzuweisen.