Die Produktion von Spritzgussteilen ist im Vergleich zu anderen industriellen Fertigungsprozessen ineffizient. Bis zu 25 Prozent der Zeit stehen Maschinen still oder sind in einem nichtproduktiven Modus, beispielsweise wegen Werkzeugwechseln und dem nötigen Setup. Bis zu 10 Prozent des Rohmaterials gehen aufgrund von Fehlproduktionen oder als Produktionsabfall verloren und müssen als Ausschuss behandelt werden.
Dementsprechend hoch ist das Interesse der Betreiber von Spritzgussmaschinen, die Abläufe effizienter zu gestalten. Die Aussicht auf niedrigere Kosten, eine höhere Produktionskapazität bei gleicher Maschinenausstattung, die Verringerung des CO2-Fußabdrucks und des Energieverbrauchs liefern eine enorme Motivation, nach Wegen zur Produktivitätsverbesserung zu suchen.
Auch AISEMO arbeitet an Lösungen, mit denen sowohl Stillstandszeiten als auch Materialverbrauch reduziert werden sollen. Das Unternehmen setzt dabei auf den Einsatz von Künstlicher Intelligenz. Der Vorteil dabei: KI macht es möglich, große Mengen an Daten auszuwerten und weiter zu verarbeiten.
Die Herausforderung für viele Spritzguss-Unternehmen ist allerdings die Erfassung der Daten. In einem Betrieb werden oft verschiedene Maschinentypen eingesetzt. Sie alle nutzen unterschiedliche Softwares oder Steuerungstypen.
Für die Implementierung von KI-basierten Digitalisierungslösungen bedeutet das einen Mehraufwand, unter anderem durch folgende Faktoren:
Die Probleme bei der Datenerfassung können nur mit einer Lösung umgangen werden, die keine Daten aus der Steuerung oder dem Produktionsnetzwerk der Maschine mit einbezieht. Ein Ansatz dafür – den auch AISEMO verfolgt – ist die Vibrations- und Temperaturmessung direkt an der Spritzgussmaschine, zum Beispiel mit einem Sensor an der beweglichen Seite der Schließeinheit. Daten, die so erfasst wurden, können dann mittels KI ausgewertet werden.
Die ideale KI-Lösung leistet Folgendes:
Die digitale Unterscheidung zwischen Produktionsmodus und Stillstand ist nicht einfach. Auch wenn die Maschine läuft, muss sie nicht zwangsläufig produzieren. Wartungs- oder Setup-Arbeiten können dazu führen, dass die Maschine scheinbar in Betrieb ist, ohne dass es zu einer Produktion kommt.
Mittels Vibrationsdaten werden wichtige Teilschritte des Spritzgusszyklus erkannt. Aus der Abfolge der erfassten Teilschritte kann ermittelt werden, ob die Maschine aktuell tatsächlich produziert oder nicht.
Für die Steuerung der Produktion ist es ebenfalls relevant, die Gründe für Stillstandszeiten zu erfassen. Das Ziel ist es, jene Ursachen zu identifizieren, die den höchsten Einfluss auf Produktionsunterbrechungen haben, und diese rechtzeitig anhand der Vibrationsanalyse zu erkennen. So unterstützt das digitale System den Verantwortlichen bei der Fehlersuche. Die Ursachen für Stillstände können schnell erkannt und die Produktion wieder aufgenommen werden.
Häufig gelingt es nicht, ein Werkzeug mit zuvor festgelegten Parametern optimal zu betreiben. Unterschiedliche Kombinationen von Werkzeugen und Maschinen, Einflüsse wie Temperatur und Luftfeuchtigkeit oder Abweichungen in der Materialqualität machen Anpassungen notwendig. In der Regel muss das Setup einer Spritzgussmaschine nach jedem Werkzeugwechsel neu optimiert werden. Das geschieht oft in einem Trial-and-Error-Verfahren, das Zeit kostet und Material verschwendet.
Eine KI-basierte Vibrationsanalyse könnte langfristig einen Beitrag zur Optimierung der Parameter leisten. Der Werkzeugwechsel kann schneller abgeschlossen und der Materialeinsatz reduziert werden.
Unabhängig von Hersteller und Modellreihe, Alter, technischer Ausstattung oder dem Digitalisierungsgrad der Produktionsanlagen ermöglicht eine übergreifende Lösung die Überwachung aller Maschinen in einem Spritzgussmaschinenpark.
Inwiefern dadurch die Effizienz gesteigert werden kann, ist aber auch davon abhängig, wie einfach eine solche Lösung in Betrieb zu nehmen ist. Ein weiterer wichtiger Faktor ist, ob sie sich in bestehende Prozesse und Strukturen einpasst oder zu Umstrukturierungen in der Organisation und bei Arbeitsabläufen führt.
Wenn eine KI-Lösung ohne aufwändige IT- und Digitalisierungsarbeiten implementiert werden kann, bietet sie dem laufenden Betrieb in den gewohnten Abläufen einen hohen Mehrwert. Besonders relevant ist die Überwachung von Maschinen, die werksseitig noch ohne die Möglichkeit einer digitalen Datenerfassung angeliefert wurden. Ein System, das unabhängig vom Hersteller Werkzeuge bei der Funktionsüberwachung mit einbezieht, bietet deutliche Vorteile gegenüber integrierten Lösungen.
Auch moderne Maschinen, die bereits mit einem Schwingungssensor ausgestattet sind, könnten von dieser Lösung profitieren: Neben der Maschine wird auch das Werkzeug überwacht. Die Daten werden maschinenübergreifend erfasst und fließen nicht nur in die herstellerspezifische Steuerung ein.
Zur herstellerunabhängigen Erfassung und Auswertung von Daten einer Spritzgussmaschine arbeiten wir aktuell mit folgenden Komponenten:
Die Basis des Systems ist ein Sensor (SensorTag), mit dem Vibrationen und Temperatur an einer Maschine gemessen werden. Er wird in kurzer Distanz zum Werkzeug einfach an die bewegliche Seite der Schließeinheit der Spitzgussmaschine geklebt.
Das Gehäuse des SensorTags enthält den Sensor, eine Batterie und ein Bluetooth-Modul, das die erfassten Daten an das Edge-Gateway überträgt. Ziel der laufenden Entwicklung ist ein wartungsfreier Betrieb der Batterie über rund fünf Jahre. Dafür sollen die übertragenen Daten soweit wie möglich reduziert werden.
Das Edge Gateway erhält die erfassten Daten des SensorTags und leitet sie an die AISEMO-eigene Cloud weiter. Dort wertet die Künstliche Intelligenz die Daten aus. Die Inbetriebnahme des Gateways ist einfach: Es wird nur eine Steckdose benötigt.
Die Ergebnisse der KI-Analyse und die Produktionskennzahlen werden in der Analytics Software übersichtlich dargestellt. Dieses Dashboard kann nicht nur direkt in der Maschinenhalle, sondern auch von unterwegs aufgerufen werden: Der Verantwortliche kann von PC oder Laptop sowie vom Tablet aus zugreifen. Die Daten sind jederzeit zugänglich.
Die ConnectBox liefert zusätzliche Daten über die Verfügbarkeit der Maschinen. Sie hilft dabei, einen Datensatz aufzubauen, mit dem die KI trainiert wird. Auf Basis dieser Daten lernt die Künstliche Intelligenz, aus den gemessenen Vibrationen Maschinenzustände und -aktionen abzuleiten.
Mithilfe der AISEMO-KI ist es aktuell beispielsweise möglich …
Was also vor Jahren unter dem Schlagwort „Schwingungsanalyse zum Condition Monitoring“ begonnen hat, wird in Zeiten von Künstlicher Intelligenz zur Lösung der Herausforderung der Effizienzsteigerung in der Spritzgussindustrie. Die Künstliche Intelligenz lernt, unterschiedliche Zustände oder Fehlerbilder zu erkennen. Dadurch kann sie den Verantwortlichen beim Setup oder der Behebung von Störungen unterstützen und langfristig die Effizienz der Produktion steigern.
Wir bleiben neugierig und freuen uns auf alle zukünftigen Entwicklungen!