TY - THES

T1 - Erfassung relevanter Prozessgrößen für die modellgestützte Qualitätsprognose spritzgegossener Bauteile

AU - Pauer, Michael

N1 - gesperrt bis 17-05-2027

PY - 2022

Y1 - 2022

N2 - Im Rahmen eines Forschungsprojektes mit dem Thema „Integrierte Qualitätsregelung beim Spritzgießen“ wurde eine vollvernetzte Fertigungszelle für die Produktion von Spritzgießbauteilen aufgebaut, wobei ein Roboter die Bauteile aus dem Werkzeug entnimmt und deren Gewicht bestimmt. Das erfasste Gewicht wurde gemeinsam mit anderen zeitabhängigen Sensordaten der Spritzgießmaschine und der integrierten Werkzeugsensorik Schuss für Schuss aufgezeichnet. Das Ziel dieser Arbeit war es, eine Schnittstelle in der Programmiersprache Python zu realisieren, die aus den erfassten Daten automatisiert Sensorfeatures extrahiert. Anschließend wurden diese mithilfe eines Random Forest weiter analysiert und qualitätsrelevante Größen identifiziert, um in weiterer Folge ein statistisches Modell zur Prognose des Bauteilgewichts ableiten zu können. Zur Generierung eines umfangreichen Datensatzes wurden zwei unterschiedliche zentral zusammengesetzte Versuchspläne mit fünf bzw. sieben unterschiedlichen Faktoren durchgeführt. Dazu gehören in einem Fall der Nachdruck, die Nachdruckzeit, die Masse- und Werkzeugtemperatur und die Einspritzgeschwindigkeit. Im anderen Fall wurden zusätzlich zu diesen fünf Faktoren der Staudruck und die Restkühlzeit untersucht. Schließlich wurden lineare, bilineare und quadratische Modelle mit Einbindung unterschiedlich vieler Terme erstellt, deren Prognosegenauigkeit bestimmt und verglichen. Außerdem wurde untersucht, inwieweit der Einsatz von werkzeugintegrierter Sensorik zu einer Verbesserung der Modellgüte beiträgt und welche Abweichungen man zwischen prognostizierten und tatsächlichen Gewichten erwarten kann.

AB - Im Rahmen eines Forschungsprojektes mit dem Thema „Integrierte Qualitätsregelung beim Spritzgießen“ wurde eine vollvernetzte Fertigungszelle für die Produktion von Spritzgießbauteilen aufgebaut, wobei ein Roboter die Bauteile aus dem Werkzeug entnimmt und deren Gewicht bestimmt. Das erfasste Gewicht wurde gemeinsam mit anderen zeitabhängigen Sensordaten der Spritzgießmaschine und der integrierten Werkzeugsensorik Schuss für Schuss aufgezeichnet. Das Ziel dieser Arbeit war es, eine Schnittstelle in der Programmiersprache Python zu realisieren, die aus den erfassten Daten automatisiert Sensorfeatures extrahiert. Anschließend wurden diese mithilfe eines Random Forest weiter analysiert und qualitätsrelevante Größen identifiziert, um in weiterer Folge ein statistisches Modell zur Prognose des Bauteilgewichts ableiten zu können. Zur Generierung eines umfangreichen Datensatzes wurden zwei unterschiedliche zentral zusammengesetzte Versuchspläne mit fünf bzw. sieben unterschiedlichen Faktoren durchgeführt. Dazu gehören in einem Fall der Nachdruck, die Nachdruckzeit, die Masse- und Werkzeugtemperatur und die Einspritzgeschwindigkeit. Im anderen Fall wurden zusätzlich zu diesen fünf Faktoren der Staudruck und die Restkühlzeit untersucht. Schließlich wurden lineare, bilineare und quadratische Modelle mit Einbindung unterschiedlich vieler Terme erstellt, deren Prognosegenauigkeit bestimmt und verglichen. Außerdem wurde untersucht, inwieweit der Einsatz von werkzeugintegrierter Sensorik zu einer Verbesserung der Modellgüte beiträgt und welche Abweichungen man zwischen prognostizierten und tatsächlichen Gewichten erwarten kann.

KW - Spritzgießen

KW - Qualitätsprognose

KW - Bauteilgewicht

KW - relevante Prozessgrößen

KW - statistische Modelle

KW - Prognosegenauigkeit

KW - injection molding

KW - quality prediction

KW - part weight

KW - relevant process variables

KW - statistical models

KW - prediction accuracy

M3 - Masterarbeit

ER -