{"id":5713,"date":"2024-03-07T11:08:00","date_gmt":"2024-03-07T10:08:00","guid":{"rendered":"https:\/\/sensxpert.com\/?post_type=blog&p=5713"},"modified":"2023-12-05T10:40:59","modified_gmt":"2023-12-05T09:40:59","slug":"erklaerung-prozesse-kunststofffertigung","status":"publish","type":"blog","link":"https:\/\/sensxpert.com\/de\/blog\/erklaerung-prozesse-kunststofffertigung\/","title":{"rendered":"So optimiert sensXPERT den Prozess der Kunststofffertigung"},"content":{"rendered":"\n

Um eine gleichbleibende Teilequalit\u00e4t zu erreichen \u2013 unabh\u00e4ngig davon, ob ein Teil in Deutschland, Mexiko oder China, an einem hei\u00dfen, feuchten Sommerabend oder an einem kalten, trockenen Wintertag geformt wird \u2013 suchen Verarbeiter \u00fcberall nach Werkzeugen, die eine h\u00f6here Stabilit\u00e4t und eine zuverl\u00e4ssigere Kontrolle \u00fcber ihre Formgebungsprozesse<\/strong><\/a> bieten. <\/p>\n\n\n\n

Angesichts der vielen verschiedenen Polymersysteme und -prozesse, die derzeit in der Branche verwendet werden, sind die meisten der verf\u00fcgbaren Tools zur Prozesskontrolle stark spezialisiert. Sie k\u00f6nnen meist nur f\u00fcr eine begrenzte Auswahl an Polymerfamilien und ein bestimmtes Formgebungsverfahren verwendet werden.<\/p>\n\n\n\n

Bei sensXPERT haben wir uns vorgenommen, ein flexibleres Tool zu entwickeln, welches prozess- und materialunabh\u00e4ngig eingesetzt werden kann. Das Tool sollte dabei nicht nur sagen k\u00f6nnen, ob das zuletzt gefertigte Teil den Spezifikationen entspricht, sondern auch, ob das Teil, das sich gerade im Werkzeug befindet, akzeptabel sein wird. <\/p>\n\n\n\n

Zu diesem Zweck haben wir unser Fachwissen im Bereich der Materialcharakterisierung und eine neue Art von Sensoren mit Maschinenlern-Algorithmen kombiniert, um eine zuverl\u00e4ssige Beschreibung des Prozessverlaufs zu liefern und die wahrscheinlichen Auswirkungen auf die endg\u00fcltige Leistung des Teils vorherzusagen. <\/p>\n\n\n\n

Unser Endziel ist es, unser System mit der Maschinensteuerung zu verbinden, um automatisch zu erkennen, wenn Prozessabweichungen auftreten, und den Prozess dann automatisch zu korrigieren.<\/p>\n\n\n\n

Die Anforderungen von morgen bereits heute erf\u00fcllen<\/strong><\/h2>\n\n\n\n

Die heutige Fertigungsumgebung st\u00fctzt sich in hohem Ma\u00dfe auf die interne Materialcharakterisierung und -modellierung, die Prozesssimulation, die Erfahrung der Maschinenbediener und die Datenbl\u00e4tter der Materiallieferanten mit begrenzten Informationen. Au\u00dferdem sind die Prozesseinrichtung und die Qualit\u00e4tskontrolle nach dem Prozess mit hohen Kosten durch Material, Energie und Maschinen-\/Arbeitszeit verbunden. <\/p>\n\n\n\n

Dies macht die Verarbeiter abh\u00e4ngig von den eigenen Qualit\u00e4tssicherungsprozessen und der Transparenz der Berichterstattung der einzelnen Lieferanten. In den meisten F\u00e4llen sind aber nicht alle Faktoren bekannt, die das Materialverhalten w\u00e4hrend des Fertigungsprozesses beeinflussen k\u00f6nnen. Und oft fehlt eine Schnittstelle zwischen den Fertigungsl\u00f6sungen und der Prozesseffizienz, die sich auf das Endergebnis auswirkt.<\/p>\n\n\n\n

Um den heutigen Marktanforderungen an integrierte und ma\u00dfgeschneiderte Komplettl\u00f6sungen gerecht zu werden, ben\u00f6tigen Verarbeiter eine konstante Prozessstabilit\u00e4t und Teilequalit\u00e4t. <\/p>\n\n\n\n

Sie ben\u00f6tigen Echtzeiteinblicke in das Materialverhalten und den Fertigungsprozess sowie die M\u00f6glichkeit einer Qualit\u00e4tssicherung in Echtzeit f\u00fcr jedes gefertigte Teil auf der Grundlage der Messung kritischer Daten wie der Aush\u00e4rtungsgrad, die Glas\u00fcbergangstemperatur, der Gelpunkt, das Flie\u00dfverhalten und der Kristallinit\u00e4tsgrad.<\/p>\n\n\n\n

Die sensXPERT-L\u00f6sung hilft Formgebern, ungenutzte Potenziale in ihren Prozessen zu erschlie\u00dfen und die Produktivit\u00e4t quantitativ zu steigern, indem sie Materialcharakterisierung und Datenanalyse in Echtzeit einsetzen und Maschinen-, Hohlraum- und Materialdaten in einem miteinander verbundenen und symbiotischen System kombinieren. <\/p>\n\n\n\n

Die Material- und Prozesscharakterisierung wird \u00fcber Sensoren im Werkzeug verfolgt. Die Prozessdaten werden mit Hilfe von Maschinenlern-Algorithmen, die auf zuk\u00fcnftige Analysen und Prognosen ausgerichtet sind, in quantifizierbare Ma\u00dfe f\u00fcr die Teilequalit\u00e4t umgewandelt. Die Speicherung der Daten in der Cloud gew\u00e4hrleistet den Zugriff auf alle Fertigungsdaten und deren Vergleich, unabh\u00e4ngig davon, wo sich ein Techniker befindet \u2013 am anderen Ende des Werks, am anderen Ende der Stadt oder auf einem anderen Kontinent.<\/p>\n\n\n\n

Materialcharakterisierung trifft auf Maschinenlernen<\/strong><\/h2>\n\n\n\n

sensXPERT ist Teil von NETZSCH, einem weltweit f\u00fchrenden Technologieunternehmen mit mehr als 50 Jahren Erfahrung in der Entwicklung von Ger\u00e4ten zur Materialcharakterisierung und -pr\u00fcfung sowie im Bereich der Sensortechnologie. Mit mehr als 4.000 Mitarbeitern in 36 L\u00e4ndern verf\u00fcgen wir \u00fcber ein umfassendes Verst\u00e4ndnis und tiefgreifende Erfahrung in der wissenschaftlichen Charakterisierung und Quantifizierung von Materialverhalten.<\/p>\n\n\n\n

Um den anspruchsvollen Fertigungs- und Qualit\u00e4tsanforderungen von heute gerecht zu werden, reicht es jedoch nicht mehr aus, Instrumente f\u00fcr die vor- und nachgelagerte Charakterisierung anzubieten.<\/p>\n\n\n\n

Die Verarbeiter m\u00fcssen in Echtzeit erkennen k\u00f6nnen, wenn ein Prozessparameter innerhalb des Werkzeugs oder au\u00dferhalb der Anlage zu einer Abweichung f\u00fchrt, die sich auf die Teilequalit\u00e4t und -leistung auswirken k\u00f6nnte. Um diesen Herausforderungen zu begegnen, haben wir einen neuen Gesch\u00e4ftsbereich \u2013 die NETZSCH Process Intelligence GmbH \u2013 gegr\u00fcndet, um Innovationen und L\u00f6sungen zur Steigerung der Produktionseffizienz voranzutreiben. <\/p>\n\n\n\n

Dabei kombinieren wir Materialwissen und Datenwissenschaften, um fortschrittliche Prozessanalysetechnologien zu entwickeln, die den Anforderungen der Industrie 4.0 gerecht werden. Dies wird umso wichtiger, als die Verarbeiter in vielen Regionen Schwierigkeiten haben, qualifizierte Arbeitskr\u00e4fte mit entsprechender Erfahrung zu finden.<\/p>\n\n\n\n

Daneben gibt es auch eine Menge versteckter Potenziale, auf die Hersteller ohne eine umfassende Prozesskontrolle nicht zugreifen k\u00f6nnen, wie die M\u00f6glichkeit, Zykluszeiten, Energieverbrauch, Ausschuss, Maschinenstillstandszeiten sowie Kosten f\u00fcr Waren und Dienstleistungen (COGS) zu reduzieren. <\/p>\n\n\n\n

Unsere Technologie wurde entwickelt, um Verarbeitern eine schnellere und effizientere Reaktion auf die Wechselwirkung zwischen Prozessparametern und Materialverhalten zu erm\u00f6glichen. Wenn ein Fehler auftritt, hilft unser System bei der Fehlersuche. Dadurch werden Ausfallzeiten minimiert und die Anzahl der gefertigten Ausschussteile verringert.<\/p>\n\n\n\n

Unterst\u00fctzung von Technikern f\u00fcr eine optimale Prozesskontrolle<\/strong><\/h2>\n\n\n\n

Unser System besteht zun\u00e4chst aus mehreren Hardware-Komponenten: 2 spezielle dielektrische Sensoren, die im Werkzeug installiert sind, und ein Edge-Device, das sich au\u00dferhalb der Presse befindet und die von den Sensoren im Werkzeug gemessenen Daten sowie die Prozessparameter von der Presse selbst erfasst. Das Edge-Device l\u00e4dt diese Informationen \u00fcber sichere Server, die von Amazon Web Services bereitgestellt werden, in die Cloud hoch.<\/p>\n\n\n\n

Die verwendete Software kombiniert mathematische und physikalisch-chemische Modelle des Polymerverhaltens mit Maschinenlern-Algorithmen, um aus den Sensor-Rohdaten Vorhersagen zu verschiedenen Qualit\u00e4tskriterien abzuleiten. <\/p>\n\n\n\n

Es gibt auch eine Web-App, \u00fcber die der Techniker auf den Cloud-Dienst zugreifen kann, ohne dabei einen Laptop und eine Tastatur zu ben\u00f6tigen. Die F\u00e4higkeit der Algorithmen, riesige Datensammlungen zu analysieren, die von Werkzeugen in realen Fertigungsumgebungen auf der ganzen Welt eingehen, f\u00fchrt dazu, dass das System mit der Zeit immer intelligenter wird. Wenn die Algorithmen einen abweichenden Datensatz erkennen, wird der Techniker vor Ort in Echtzeit \u00fcber die Ver\u00e4nderung informiert. <\/p>\n\n\n\n

Es liegt dann im Ermessen des Maschinenbedieners, ob er eingreift oder nicht. Die Maschinenlern-Software speichert diese Reaktion und instruiert nicht nur das lokale System, sondern auch jede andere mit dem System verbundene Anlage, die die gleiche Art von Prozess und Material verwendet. Auf diese Weise wird das System st\u00e4ndig neu trainiert, indem immer mehr Daten gesammelt und weitere Muster erkannt werden, um die Prozessleistung kontinuierlich zu verbessern.  <\/p>\n\n\n\n

Durch die Kombination von Prozessparametern, Sensordaten und Datenwissenschaften haben wir umfangreiche Datenbanken aufbauen k\u00f6nnen, die es uns erm\u00f6glichen, die Teilequalit\u00e4t auf der Grundlage komplexer und zusammenh\u00e4ngender Faktoren, die w\u00e4hrend des Formgebungszyklus innerhalb und au\u00dferhalb des Werkzeugs auftreten, genau vorherzusagen. Dies wiederum erm\u00f6glicht es dem Verarbeiter, in Echtzeit zu erkennen, wie der Prozess abl\u00e4uft und ob nach der Entformung gute Teile entstehen. <\/p>\n\n\n\n

Der Umstand, dass unser System mit einer zunehmenden Menge an Daten in unseren Datenbanken immer intelligenter wird, hebt das sensXPERT System von allen anderen Systemen auf dem Markt ab.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Funktioniert es?<\/strong><\/h2>\n\n\n\n

In nachfolgenden Blog-Beitr\u00e4gen werde ich anhand von Beispielen zeigen, wie effektiv unser System Verarbeitern geholfen hat, ihre Qualit\u00e4t zu verbessern, ihre Zykluszeiten und ihren Energieverbrauch zu reduzieren und vieles mehr. <\/p>\n\n\n\n

Im Durchschnitt hat unser System bisher den Ausschuss um bis zu 18 %, den Energieverbrauch um bis zu 23 %, die Zykluszeit um bis zu 30 % und die Maschinenausfallzeiten (aufgrund von Wartung, Softwareinstallation und Fehlersuche) um 15 Tage pro Jahr reduzieren k\u00f6nnen.<\/p>\n\n\n\n

\n

Die In Mold-Sensorl\u00f6sung mit Echtzeit-Datenerfassung von sensXPERT bietet zahlreiche Vorteile<\/strong><\/p>\n\n\n\n

    \n
  • Steigerung der Produktivit\u00e4t durch Reduzierung der Zykluszeiten.<\/li>\n\n\n\n
  • Untersuchung von Qualit\u00e4tsmarkern, um Verarbeiter in Echtzeit \u00fcber Materialabweichungen informieren zu k\u00f6nnen.<\/li>\n\n\n\n
  • Steigerung der Teilequalit\u00e4t und Reduzierung des Ausschusses, indem die nachgelagerte (reaktive) Qualit\u00e4tskontrollen durch Echtzeit-Qualit\u00e4tskontrollen (proaktiv) im Werkzeug ersetzt werden.<\/li>\n\n\n\n
  • Vollst\u00e4ndige Prozesstransparenz in einer sicheren, datenreichen Umgebung.<\/li>\n\n\n\n
  • Unterst\u00fctzung von Verarbeitern bei der Anpassung an Prozessver\u00e4nderungen in Echtzeit.<\/li>\n\n\n\n
  • Senkung von Verarbeitungskosten, Energieverbrauch und Abfall.<\/li>\n\n\n\n
  • Schnelle Amortisation der Investition (innerhalb der ersten paar Wochen).<\/li>\n\n\n\n
  • Plug & Play-L\u00f6sung, die hohe Installationskosten und lange Prozessstillst\u00e4nde vermeidet und Formgebern hilft, ihre Produktivit\u00e4t schnell zu steigern.<\/li>\n<\/ul>\n<\/blockquote>\n","protected":false},"excerpt":{"rendered":"

    Um eine gleichbleibende Teilequalit\u00e4t zu erreichen \u2013 unabh\u00e4ngig davon, ob ein Teil in Deutschland, Mexiko oder China, an einem hei\u00dfen, feuchten Sommerabend oder an einem kalten, trockenen Wintertag geformt wird \u2013 suchen Verarbeiter \u00fcberall nach Werkzeugen, die eine h\u00f6here Stabilit\u00e4t und eine zuverl\u00e4ssigere Kontrolle \u00fcber ihre Formgebungsprozesse bieten. Angesichts der vielen verschiedenen Polymersysteme und -prozesse, die […]<\/p>\n","protected":false},"featured_media":8952,"template":"","meta":{"_acf_changed":false,"footnotes":""},"blog-categories":[36],"class_list":["post-5713","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-categories-produkt"],"acf":[],"_links":{"self":[{"href":"https:\/\/sensxpert.com\/de\/wp-json\/wp\/v2\/blog\/5713","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/sensxpert.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/sensxpert.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"version-history":[{"count":7,"href":"https:\/\/sensxpert.com\/de\/wp-json\/wp\/v2\/blog\/5713\/revisions"}],"predecessor-version":[{"id":6411,"href":"https:\/\/sensxpert.com\/de\/wp-json\/wp\/v2\/blog\/5713\/revisions\/6411"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/sensxpert.com\/de\/wp-json\/wp\/v2\/media\/8952"}],"wp:attachment":[{"href":"https:\/\/sensxpert.com\/de\/wp-json\/wp\/v2\/media?parent=5713"}],"wp:term":[{"taxonomy":"blog-categories","embeddable":true,"href":"https:\/\/sensxpert.com\/de\/wp-json\/wp\/v2\/blog-categories?post=5713"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}