Herausforderung

Der Spritzgießprozess gilt als sehr reproduzierbar, jedoch ist die Qualität der Spritzgießprodukte durch interne und externe Störgrößen wie Chargenschwankungen, Temperaturschwankungen etc. nicht konstant. Die Nachjustierung der Maschineneinstellung erfolgt häufig manuell durch „trial and error“ oder erfahrungsbasiert durch den Maschinenbediener. Neben dem notwendigen Einsatz von erfahrenem Fachpersonal kann dies auch einen Eingriff des Maschinenbedieners in den Prozess nach der Produktion des qualitativ abweichenden Produktes bedeuten. Prozessoptimierung, Ausschussminimierung und Ressourceneffizienz werden in der Industrie zunehmend gefordert, wobei das Thema „maschinelles Lernen“ als Lösungsansatz immer mehr in den Fokus rückt.

​

​​

Zielsetzung und Lösungsansatz

Ziel des Forschungsvorhabens ist es, den Spritzgießprozess mit Hilfe eines Reinforcement-Learning-Ansatzes selbstständig so zu regeln, dass qualitätsrelevante Prozessparameter automatisch erkannt und optimiert werden. Die Anforderungen an das Forschungsprojekt bestehen darin, die Bauteilqualität mit möglichst geringer Datengenerierung und geringem Ressourceneinsatz verbessern zu können. Zur Erreichung des Gesamtziels ist zunächst die methodische Entwicklung eines Reinforcement-Learning-Ansatzes für den Einsatz im dynamischen Spritzgießprozess erforderlich. Anschließend erfolgt die technische Implementierung und Optimierung des entwickelten Reinforcement-Learning-Ansatzes an der realen Spritzgießmaschine.

Ansprechpartnerin

Pia Wistuba, M.Sc.

pia.wistuba@uni-due.de
0203 - 379 1717