AT519491A1 - Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum simulieren eines Formgebungsprozesses - Google Patents

Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum simulieren eines Formgebungsprozesses Download PDF

Info

Publication number
AT519491A1
AT519491A1 ATA51185/2016A AT511852016A AT519491A1 AT 519491 A1 AT519491 A1 AT 519491A1 AT 511852016 A AT511852016 A AT 511852016A AT 519491 A1 AT519491 A1 AT 519491A1
Authority
AT
Austria
Prior art keywords
shaping
values
simulation
machine
data
Prior art date
Application number
ATA51185/2016A
Other languages
English (en)
Original Assignee
Engel Austria Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Engel Austria Gmbh filed Critical Engel Austria Gmbh
Priority to ATA51185/2016A priority Critical patent/AT519491A1/de
Priority to US15/845,159 priority patent/US20180181694A1/en
Priority to DE102017131025.8A priority patent/DE102017131025A1/de
Priority to CN201711418385.3A priority patent/CN108237670A/zh
Publication of AT519491A1 publication Critical patent/AT519491A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C45/766—Measuring, controlling or regulating the setting or resetting of moulding conditions, e.g. before starting a cycle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/408—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by data handling or data format, e.g. reading, buffering or conversion of data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76344—Phase or stage of measurement
    • B29C2945/76434—Parameter setting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76939—Using stored or historical data sets
    • B29C2945/76946—Using stored or historical data sets using an expert system, i.e. the system possesses a database in which human experience is stored, e.g. to help interfering the possible cause of a fault
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76939—Using stored or historical data sets
    • B29C2945/76949—Using stored or historical data sets using a learning system, i.e. the system accumulates experience from previous occurrences, e.g. adaptive control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76973—By counting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76993—Remote, e.g. LAN, wireless LAN
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/22—Moulding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

Verfahren zur Optimierung eines Prozessoptimierungssystems für eine Formgebungsmaschine, mittels welcher ein zyklischer Formgebungsprozess zur Herstellung eines Formteils durchgeführt wird, wobei (a) durch einen Bediener an der realen Formgebungsmaschine ein Einstelldatensatz eingestellt wird, (b) auf Basis des Einstelldatensatzes und/oder auf Basis des zyklisch durchgeführten Formgebungsprozesses erste Werte für zumindest eine Beschreibungsgröße des Formgebungsprozesses gewonnen werden, (c) auf Basis von Daten aus dem Prozessoptimierungssystem zweite Werte für die zumindest eine Beschreibungsgröße gewonnen werden, (d) gemäß einem vorgegebenen Unterscheidungskriterium überprüft wird, ob die ersten Werte und die zweiten Werte voneinander abweichen und, (e) falls Verfahrensschritt (d) ergibt, dass sich die ersten Werte und die zweiten Werte voneinander unterscheiden, das Prozessoptimierungssystem so modifiziert wird, dass sich bei der Anwendung auf die Formgebungsmaschine und/oder den Formgebungsprozess statt der zweiten Werte für die zumindest eine Beschreibungsgröße im Wesentlichen die ersten Werte für die zumindest eine Beschreibungsgröße ergeben.

Description

Zusammenfassung
Verfahren zur Optimierung eines Prozessoptimierungssystems für eine
Formgebungsmaschine, mittels welcher ein zyklischer Formgebungsprozess zur Herstellung eines Formteils durchgeführt wird, wobei (a) durch einen Bediener an der realen Formgebungsmaschine ein Einstelldatensatz eingestellt wird, (b) auf Basis des Einstelldatensatzes und/oder auf Basis des zyklisch durchgeführten Formgebungsprozesses erste Werte für zumindest eine Beschreibungsgröße des Formgebungsprozesses gewonnen werden, (c) auf Basis von Daten aus dem Prozessoptimierungssystem zweite Werte für die zumindest eine Beschreibungsgröße gewonnen werden, (d) gemäß einem vorgegebenen Unterscheidungskriterium überprüft wird, ob die ersten Werte und die zweiten Werte voneinander abweichen und, (e) falls Verfahrensschritt (d) ergibt, dass sich die ersten Werte und die zweiten Werte voneinander unterscheiden, das Prozessoptimierungssystem so modifiziert wird, dass sich bei der Anwendung auf die Formgebungsmaschine und/oder den Formgebungsprozess statt der zweiten Werte für die zumindest eine Beschreibungsgröße im Wesentlichen die ersten Werte für die zumindest eine Beschreibungsgröße ergeben.
(Fig-1)
1/34
80843
Die vorliegende Erfindung betrifft ein Verfahren zur Optimierung eines Prozessoptimierungssystems für eine Formgebungsmaschine, mittels welcher ein zyklischer Formgebungsprozess zur Herstellung eines Formteils durchgeführt wird. Die vorliegende Erfindung betrifft außerdem ein Verfahren zum Simulieren eines Formgebungsprozesses gemäß den Merkmalen des Oberbegriffs des Anspruchs 14.
Formgebungsmaschinen können dabei beispielsweise Spritzgießmaschinen, Spritzpressen, Pressen und dergleichen sein. Formgebungsprozesse folgen dieser Terminologie analog.
Stand der Technik sind einerseits das maschinelle Lernen auf Basis von neuronalen Netzwerken (siehe beispielsweise EP 0 901 053 oder DE 44 16 317), Fuzzy Systemen, bzw. Kombinationen (siehe beispielweise DE 10 2004 026 641 oder DE 42 09 746) dieser zur optimalen Prozessparameterermittlung unter Verwendung von messtechnischen Einrichtungen an der Spritzgießmaschine. Weiterführend ist die zentrale Steuerung als auch Regelung eines Spritzgießverbundes unter Verwendung dieser optimalen Prozessparametereinstellung bekannt. Darin inkludiert ist je nach Vorhandensein der Zugriff auf Prozesseinstellungen für bereits berechnete Formteile sowie die Übertragung der optimalen Prozesseinstellungen von einem zentralen Speicher.
Diese Verfahren sind dahingehend limitiert, dass lediglich Formgebungsprozesse zur Herstellung von für das Training verwendeten sowie diesen ähnlichen Formteilen optimal eingestellt werden können. Stärker davon abweichende Formteile können im Regelfall nicht optimal eingestellt werden, da die Verfahren direkt die Prozesseinstellung, nicht aber die Vorgehensweise zur Einstellung selbst trainieren.
In einer ersten Variante der Erfindung kann als Aufgabe das Bestreben angesehen werden, die Anwendbarkeit der Prozessoptimierungssysteme zu erweitern.
Diese Aufgabe wird durch die Merkmale des Anspruchs 1 gelöst.
2/34
80843
Dies geschieht, indem (a) durch einen Bediener an der realen Formgebungsmaschine ein Einstelldatensatz eingestellt wird, (b) auf Basis des Einstelldatensatzes und/oder auf Basis des zyklisch durchgeführten Formgebungsprozesses erste Werte für zumindest eine Beschreibungsgröße des Formgebungsprozesses gewonnen werden, (c) auf Basis von Daten aus dem Prozessoptimierungssystem zweite Werte für die zumindest eine Beschreibungsgröße gewonnen werden, (d) gemäß einem vorgegebenen Unterscheidungskriterium überprüft wird, ob die ersten Werte und die zweiten Werte voneinander abweichen, und (e) falls Verfahrensschritt (d) ergibt, dass sich die ersten Werte und die zweiten Werte voneinander unterscheiden, das Prozessoptimierungssystem so modifiziert wird, dass sich bei der Anwendung auf die
Formgebungsmaschine und/oder den Formgebungsprozess statt der zweiten Werte für die zumindest eine Beschreibungsgröße im Wesentlichen die ersten Werte für die zumindest eine Beschreibungsgröße ergeben.
Das Prozessoptimierungssystem wird durch POS abgekürzt. In der folgenden Beschreibung wird außerdem auf Systemparameter des POS Bezug genommen. Diese legen ein gegebenes POS in dem Sinne fest, dass Änderungen der Systemparameter bei gleichbleibender „Architektur“ des POS ein verändertes Verhalten des POS hervorrufen.
Kernaspekte der Erfindung sind die Erkennung von Abweichungen zwischen Beschreibungsgrößen von realen und simulierten Spritzgießmaschinen und das anschließende Optimieren des Prozessoptimierungssystems. Beschreibungsgrößen beschreiben verschiedenste Aspekte des Formgebungsprozesses. Beispiele sind etwas weiter unten angegeben.
Im Rahmen der Erfindung können Werkzeug-, Maschinen-, Material-, Prozess-, Mess-, Benutzer- und Qualitätsdaten von dezentralen Spritzgießmaschinen an einen zentralen Datenspeicher per Datenfernübertragungsverbindung übertragen werden.
3/34
80843
Auf Basis von mittels Simulation und/oder übermittelten Beschreibungsgrößen ermittelten Qualitätskenngrößen kann die Erkennung und Bewertung der Qualitätskenngrößen sowie deren Auswirkung auf Prozesseinstellparameter gelernt werden. Das mittels realer Daten trainierte POS, bzw. die dafür notwendigen Systemparameter des modifizierten POS können an dezentrale Spritzgießmaschinen per Datenfernübertragungsverbindung übertragen werden.
Das vorgegebene Unterscheidungskriterium kann beispielsweise über vorab definierte Schranken für die Abweichung verschiedener Parameter der Einstelldatensätze realisiert sein.
Das Einstellen des Einstelldatensatzes durch einen Bediener an der realen Formgebungsmaschine kann insbesondere auch unterstützt durch das Prozessoptimierungssystem erfolgen.
Verfahrensschritt (c) kann vor, nach oder zwischen den Verfahrensschritten (a) und (b) durchgeführt werden.
Eine zweite Variante der Erfindung betrifft ein Verfahren zum Simulieren eines Formgebungsprozesses, wobei
Konfigurationsdaten, welche den zu simulierenden Formgebungsprozess betreffen, an einem Anwenderrechner bereitgestellt werden, die Konfigurationsdaten mittels einer Datenfernübertragungsverbindung zu einem von der Formgebungsmaschine separaten Speicher übertragen und darin abgelegt werden, ein im Speicher hinterlegtes Simulationsprogramm auf einem mit dem Speicher verbundenen, von der Formgebungsmaschine separaten Rechner unter Verwendung der Konfigurationsdaten ausgeführt wird und mittels des Simulationsprogramms errechnete Ergebnisse ausgegeben werden.
4/34
80843
In der EP2679376 ist ein spezielles Verfahren für vollelektrische
Spritzgießmaschinen offenbart, wobei Simulationen von Spritzgießprozessen in einem Cloud-Server durchgeführt werden und in einem Cloud-Speicher gespeichert werden.
Im Formgebungsmaschinenbau ist eine Einschränkung bei Simulationen auf elektrische Maschinen und/oder auch eine Vernachlässigung der Maschinendynamik wenig zielführend, um Aussagen oder Zusammenhänge abzuleiten. Bereits bei Betrachtung der Maschine im Einzelnen ist die mögliche Variabilität des physikalischen Aufbaus beträchtlich. Daraus resultiert, dass zum aktuellen Zeitpunkt, meist auch durch die beträchtliche Komplexität der Zusammenhänge bedingt, Simulationen nur für ausgewählte Maschinen entwickelt werden, siehe Figur 2 (A1)(A2). Der Varianz zur Folge und auf Grund dieser konventionellen Herangehensweise gibt es nahezu keine Möglichkeit für die lückenlose Erstellung von digitalen Abbildern von Formgebungsmaschinen.
Betrachtet man weiters die gesamte Konfiguration einer
Formgebungsprozesssimulation, so werden neben Maschinenaufbau (z.B. des hydraulischen oder elektrischen Antriebssystems) und Maschinendaten, wie Massen, Längen, Trägheiten, etc., auch Werkzeugdaten und Materialdaten des einzuspritzenden Kunststoffes benötigt. Zum Zeitpunkt der Erstellung einer Simulation, meist während der Produktion der realen Formgebungsmaschine, sind notwendige Datensätze wie Material- oder Werkzeugdaten an einem lokalen Anwenderrechner nicht bekannt oder sind veränderlich. Dies hat ebenfalls die Konsequenz, dass bei heutigen Vorgehensweisen zum Zeitpunkt des Einsatzes der Formgebungsmaschine eine für den speziellen Anwendungsfall mit einem konkreten Werkzeug und konkreten Materialparametern ausgelegte Simulation erstellt wird (A2).
Die für die Konfiguration der Simulation notwendigen Materialparameter werden auf einem lokalen Anwenderrechner gesammelt und für die Erstellung der Simulation zur Verfügung gestellt. Bei erneuter Verwendung derselben Materialien auf einem
5/34
80843 weiteren lokalen Anwendungsrechner, müssen die Materialdaten erneut gesammelt und der Simulation zur Verfügung gestellt werden.
Die Ausführung einer Formgebungsprozesssimulation (A4) ergibt (vor allem bei Ausführung von CFD Simulationen) die Notwendigkeit einer performanten Hardwareinstallation. Wird eine Simulation von verschiedenen Benutzern, bzw. geografischen Standorten durchgeführt, ist ein erheblicher Installationsaufwand von Soft- und Hardware notwendig.
Zusätzlich gestaltet sich bei lokaler Ausführung von Simulationen die Verbreitung und Weiterverwendung von Simulationsergebnissen (A5) als aufwändig, da die Auswertung der Ergebnisse redundant durchgeführt werden muss.
Zusammenfassend hat die lokale, für eine konkrete Maschinenanwendung parametrierte Simulation, deutliche Nachteile bzgl. Soft- und Hardewareaufwand, Auswertemöglichkeiten, Parametrierung der Simulation (welche immer wieder von Beginn an durchgeführt werden muss). Zusätzlich gibt es kaum die Möglichkeit des Aufbaus einer modularen Simulation, um unterschiedliche Anwendungsfälle einfach zu testen. Weiters besitzen auch bekannte zentrale Simulationen (Cloud Server) wenn unter Vernachlässigung physikalischer Effekte bzw. weiterer Einschränkungen (Elektrische Maschinenausführung) durchgeführt, deutliche Nachteile, weil sie in Bezug auf Reglerdynamik, Maschinendynamik und Totzeiten zu ungenau sind.
In der zweiten Variante der Erfindung besteht die Aufgabe daher darin, ein vereinfachtes Verfahren zum Simulieren eines Formgebungsprozesses bereitzustellen, welches insbesondere eine einfachere Optimierung eines Formgebungsprozesses erlaubt.
Diese Aufgabe wird durch die Merkmale des Anspruchs 14 gelöst. Dies geschieht, indem Simulationsparameter aufgrund der Konfigurationsdaten automatisch bereitgestellt werden.
6/34
80843
Die Konfigurationsdaten beinhalten lediglich eine reduzierte Menge an abstrakten, beschreibenden Größen wie z.B. die Materialbezeichnung oder Größe und Typ des Einspritzaggregates. Prozess- und simulationsrelevante physikalische Größen (die Simulationsparameter), wie zum Beispiel Viskosität, Trägheit, Reibung und dergleichen werden, beispielsweise von einem Simulationserstellungsprogramm auf Basis der abstrakten Größe aus einer zentralen Datenbank bezogen.
Die Erfindung nach der zweiten Variante erlaubt letztendlich eine „webbasierte“ Simulation des Formgebungsprozesses. Die Erfindung in ihrer zweiten Variante ist in den gleichen Situationen wie in ihrer ersten Variante anwendbar.
Die vorliegende Erfindung stellt also die Möglichkeit zur Konfiguration und Simulation eines Formgebungsprozesses bereit, wobei die Simulation an einem, per Datenfernübertragungsverbindung angebundenen, zentralen Rechner durchgeführt wird.
Mit anderen Worten ausgedrückt kann mittels Zugriff per
Datenfernübertragungsverbindung auf einen zentralen Rechner eine Simulation zur Berechnung eines Formgebungsprozesses konfiguriert, parametriert und durchgeführt werden. Die Ergebnisse können anschließend mittels Datenfernübertragungsverbindung auf einen lokalen Anwenderrechner übertragen werden und weiterverwendet werden.
Die Simulation kann neben dem eigentlichen Formgebungsprozess, den Dosier-, Schließ- und Entformungsvorgang beinhalten.
Der von der Formgebungsmaschine und dem Anwenderrechner separate Rechner wird auch als „zentraler Rechner“ bezeichnet. Analoges gilt für den von der Formgebungsmaschine und dem Anwenderrechner separaten Speicher. Der zentrale Rechner und der zentrale Speicher können in einer physischen Einheit ausgeführt sein. Dies ist jedoch für die Erfindung nicht absolut notwendig. Insbesondere können
7/34
Ί
80843 der zentrale Rechner und der zentrale Speicher als Cloud-Rechner bzw. CloudSpeicher ausgeführt sein.
Weitere vorteilhafte Ausführungsformen sind in den abhängigen Ansprüchen definiert.
In einer ersten Variante der Erfindung kann vorgesehen sein, dass der Einstelldatensatz Prozesseinstellparameter in Bezug auf zumindest eines der folgenden beinhaltet: Schließkraft, Dosiervolumen, Einspritzgeschwindigkeit, Umschaltpunkt, Massezylindertemperatur, Werkzeugtemperatur, Steuer- und/oder Regelparameter, Nachdruckprofil, Nachdruckzeit, Schneckendrehzahl, Staudruckprofil, Kühlzeit, Spritzdruckgrenze, Kompressionsentlastungshub, Temperiermediendurchflussmenge.
Es kann vorgesehen sein, dass im Rahmen der Durchführung des Verfahrensschrittes (c) in einer Simulation der Formgebungsmaschine und/oder des Formgebungsprozesses das Prozessoptimierungssystem angewandt wird und die zweiten Werte zumindest teilweise aus Ergebnissen der Simulation gewonnen werden.
In einer diesbezüglich bevorzugten Ausführungsform kann die Rückführung von Mess-, Maschinen-, Material-, Werkzeug-, Prozess-, Benutzer- und Qualitätsdaten von dezentralen Spritzgießmaschinen an einen zentralen Datenspeicher per Datenfernübertragungsverbindung vorgesehen sein, um in einer möglicherweise zentralen Berechnungseinheit mittels z.B. maschinellem Lernen ein Prozessoptimierungssystem (POS) (z.B. auf Basis von Fuzzylogik, neuronalen Netzen, Expertensystemen, o.Ä.) zur optimalen Einstellung einer Formgebungsmaschine zu trainieren. Unter einer optimalen Einstellung wird zum Beispiel ein Einstelldatensatz verstanden, welcher bei Verwendung an einer Formgebungsmaschine zumindest eines der folgenden Gütekriterien eines Formgebungsprozesses minimiert/maximiert: verringerter Ausschuss, verringerte Zykluszeit, verbesserte Formqualität.
8/34
80843
Das erfindungsgemäße Verfahren ermöglicht es in einem Ausführungsbeispiel, ein Prozessoptimierungssystem so zu trainieren, dass ein Formgebungsprozess bzw. eine mit Messdaten abgeglichene Spritzgießsimulation optimal eingestellt wird (also die Prozessparameter werden optimal eingestellt).
Dabei können in der Simulation Qualitätskenngrößen (im realen Prozess nicht zwingendermaßen messbar) bewertet und Abhängigkeiten gelernt werden, sodass schlussendlich das Prozessoptimierungssystem ähnlich oder optimaler entscheiden würde, als die für das Training verwendeten Anwender.
Beispielsweise können aus mittels Simulation berechneter Qualitätskenngrößen allgemeine Zusammenhänge zwischen diesen Qualitätskenngrößen und Prozesseinstellparametern ermittelt werden. Der reale Formgebungsprozess kann dafür mittels übertragener Beschreibungsgrößen ideal in der Simulation nachgebildet und daraus können Qualitätskenngrößen ermittelt werden. Diese Qualitätskenngrößen beinhalten unter anderem Füllfrontgeschwindigkeit, Füllgrad, Verzug, Einfallstellen, Gewicht, usw.
Im Gegensatz zum Stand der Technik kann mit einem erfindungsgemäßen Verfahren also nicht nur eine gewisse Formgebungsmaschine gesteuert oder geregelt werden, sondern ein vorzugsweise zentral vorliegendes Prozessoptimierungssystem (POS) kann trainiert werden.
Ein Expertensystem im hier verstandenen Sinn kann als eine in ein Rechensystem integrierte intelligente Datenbank verstanden werden (siehe bspw. Krishnamoorthy, C.S. und S. Rajeev (1996): Artificial Intelligence and Expert Systems for Engineers, Boca Raton: CRC Press, Seiten 29-88). Es beinhaltet systematisiertes und einprogrammiertes Grundwissen über die Regeln des Formgebungsprozesses so wie es z.B. aus einschlägiger Literatur entnommen werden kann (vgl. Schötz 2016 Abmusterung von Spritzgießwerkzeugen. Kapitel 4-8; Jaroschek 2013 - Spritzgießen für Praktiker. Kapitel 3-4; Fein 2013 - Optimierung von Kunststoff9/34
80843
Spritzgießprozessen. Kapitel 4-6, Kunststoff-Institut Lüdenscheid Störungsratgeber). Darüber hinaus können in einem Expertensystem Regeln einprogrammiert sein, welche Verallgemeinerungen von Vorgehensweisen zur Maschineneinstellung, Fehlererkennung oder Fehlervermeidung von erfahrenen Prozesstechnikern und Fachkräften zur Einstellung von Formgebungsmaschinen darstellen. Solch ein Regelwerk oder Grundwissen kann z.B. in der Form von Wahrheitswertefunktionen oder Umsetzungstabellen vorliegen. Ein Expertensystem kann bei bekannten Formteilgeometrien, Materialien, Maschinen und Qualitätsanforderungen auf Basis des einprogrammierten Wissens und der Regeln grobe Abschätzungen über Bereiche von Prozessparameter machen, welche in erfolgreiche Maschineneinstellungen münden. Auf Basis von einprogrammierten Zusammenhängen zwischen Prozessbedingungen, Maschineneinstellungen, Bauteilqualitäten, Materialien kann es anschließend an eine Feststellung von nicht erfüllten Qualitätskriterien mit bisherig verwendeten Prozessparametern notwendige Modifikationen der Prozessparameter durchführen.
Es kann vorgesehen sein, dass das modifizierte Prozessoptimierungssystem bei der Formgebungsmaschine und/oder bei weiteren Formgebungsmaschinen eingesetzt wird.
Es kann vorgesehen sein, dass die Modifikation des Prozessoptimierungssystems durch maschinelles Lernen und/oder numerische Optimierungsverfahren und/oder Anpassung eines Expertensystems geschieht.
Es kann dabei insbesondere vorgesehen sein, dass bei der Modifikation des Prozessoptimierungssystems eine Fehlerfunktion zwischen den ersten Werten und den zweiten Werten für die zumindest eine Beschreibungsgröße minimiert wird.
Dabei können insbesondere bei der Modifikation des POS die Systemparameter der Fuzzylogiken, neuronalen Netzwerke, mathematischen Modelle, Expertensysteme, u.Ä. des POS durch z.B. maschinelles Lernen/numerische Optimierungsverfahren/Anpassung eines Expertensystems bzw. andere geeignete Verfahren unter Verwendung der realen als auch simulierten Prozesseinstellungen,
10/34
80843
Mess- und Simulationsdaten sowie Beschreibungsgrößen gelernt werden. Die Simulation des Spritzgießprozesses kann durch die Minimierung von Fehlerfunktionen von Mess- und Modellgrößen zum Modellabgleich als sehr realitätsnah - bis hin zur praktischen Identität - angenommen werden.
Es kann dabei insbesondere vorgesehen sein, dass die Anpassung eines Expertensystems durch Modifikation von Umsetzungstabellen durchgeführt wird.
Es kann vorgesehen sein, dass zumindest einer der Verfahrensschritte (c), (d) und (e) auf einem von der Formgebungsmaschine separaten Rechner durchgeführt wird, wobei die ersten Werte für die zumindest eine Beschreibungsgröße, vorzugsweise über eine Datenfernübertragungsverbindung, zum Rechner übertragen werden.
Es kann vorgesehen sein, dass zumindest eines der folgenden in einem von der Formgebungsmaschine separaten Speicher - vorzugsweise nach Übertragung mittels einer Datenfernübertragungsverbindung - hinterlegt wird: die ersten Werte der zumindest einen Beschreibungsgröße, die zweiten Werte der zumindest einen Beschreibungsgröße, das modifizierte Prozessoptimierungssystem.
Es kann vorgesehen sein, dass die zumindest eine Beschreibungsgröße von Bedienern eingestellte Parameter des Einstelldatensatzes beinhaltet.
Es kann vorgesehen sein, dass die zumindest eine Beschreibungsgröße eines oder mehrere der folgenden beinhaltet:
- Maschinendaten, welche eine im Formgebungsprozess verwendete Formgebungsmaschine betreffen,
- Werkzeugdaten, welche ein im Formgebungsprozess verwendetes Formwerkzeug betreffen,
- Materialdaten, welche ein im Formgebungsprozess verwendetes Material betreffen,
- Prozesseinstellungen und Messdaten, welche den Formgebungsprozess selbst betreffen,
11/34
80843
- benutzerbezogene Daten (wie zum Beispiel Benutzerrolle, Benutzerlevel)
- Qualitätskenngrößen, welche das Formteil beschreiben (wie zum Beispiel Abmessungen, Masse, Füllgrad, Verzug, Einfallstellen, Fließfrontgeschwindigkeit).
Qualitätskenngrößen können aber, wie erwähnt, nicht nur zur Bewertung der Qualität des Formgebungsprozesses verwendet werden, sondern auch zur Erkennung welche dieser Kenngrößen in welcher Art und Weise bewertet werden müssen. Qualitätskenngrößen können somit auch von Vorteil sein, um Zusammenhänge zwischen gewissen Einstelldatensätzen (und einzelner Parameter daraus) und den Qualitätskenngrößen aufzufinden („Mustererkennung“). Bei der entsprechenden Modifikation des POS kann dann davon ausgegangen werden, dass das modifizierte POS (gemäß (e)) Prozesseinstellungen vorschlägt, die Formteile mit verbesserten oder optimierten Qualitätskenngrößen hervorbringen. Manche Qualitätskenngrößen können auch am realen Formteil bestimmt werden.
Es kann vorgesehen sein, dass das Prozessoptimierungssystem auf zumindest eines der folgenden zurückgreift: neuronales Netz, mathematisches Modell, Expertensystem, Fuzzylogik.
Bei der Verwendung eines mathematischen Modells für die Simulation kann es vorgesehen sein, dass Parameter des die Simulation beschreibenden mathematischen Modells (Modellparameter) durch Minimieren von Fehlerfunktionen von Mess- und Modellgrößen ermittelt werden.
Die berechneten Parameter können in bereits erwähnten, separaten Speicher abgelegt werden.
Es kann vorgesehen sein, dass das Prozessoptimierungssystem zur Verbesserung von Einstelldatensätzen für Formgebungsmaschinen verwendet wird, wobei vorzugsweise zumindest eines der folgenden Gütekriterien als Kriterium für eine
12/34
80843
Verbesserung herangezogen wird: verringerter Ausschuss, verringerte Zykluszeit, verbesserte Formqualität.
Neben dem Einstelldatensatz, der normalerweise vom Bediener an der Formgebungsmaschine eingegeben wird, können weitere Benutzereingaben gemacht werden, welche zum Beispiel zumindest eine der folgenden, den Prozess beschreibenden Größen sind:
1. Werkzeugdaten (Gewicht, Geometrie der Kavität, ...)
2. Maschinendaten (Maschinenkonfiguration => Massen, Längen, Grenzen, ...)
3. Materialdaten (Viskosität, Dichte, ...)
4. Messdaten (Spritzdruckmessung, ...)
5. Benutzerbezogene Daten (Benutzerrolle, Benutzerlevel, ...)
6. Qualitätsdaten (Formteilabmessungen, Formteilgewicht, ...)
Die Simulation des Formgebungsprozesses kann beispielsweise eine in einem Zylinder axial bewegliche Schnecke, ein Anguss- und/oder Kavitätensystem berücksichtigen.
Ein auf diese Weise zu simulierendes Formgebungsverfahren kann folgendermaßen ablaufen: Die Schnecke wird entweder mittels Kugelgewindetrieb oder Hydraulikzylinder axial bewegt. Diese Bewegung wird durch Rotation des Kugelgewindetriebs per Elektromotor oder durch Druckaufbau im Hydraulikzylinder per Hydraulikpumpe umgesetzt. Das im Zylindervorraum der Schnecke befindliche Kunststoffmaterial wird durch die Vorwärtsbewegung über eine Düse in das Angusssystem und folgend in die Kavitäten eingespritzt. Dabei wird das Material komprimiert und Druck aufgebaut. Bei Erreichung eines positions-, zeit- oder druckabhängigen Umschaltpunktes wird ein vorgegebener Verlauf des spezifischen Spritzdruckes geregelt. Das Einfließen des Materials in die Kavitäten wird mittels fluiddynamischer Berechnung ermittelt. An der Düse kann eine Vorrichtung für Shooting-Pot Verfahren angebracht sein.
Die Simulation des Dosierens kann die rotatorische Bewegung der Schnecke unter Berücksichtigung des Plastifiziervorganges des einzuspritzenden Materials
13/34
80843 beinhalten. Dabei wird Kunststoff beginnend bei einer Einlassöffnung (Materialzylinder) mittels rotatorischer Bewegung durch die Schneckengänge vorwärts bewegt und aufgeschmolzen. Die Bewegung kann durch Rotation per Elektro- oder Hydraulikmotor umgesetzt werden.
Die Simulation des Schließens der Form kann die Mechanik der verwendeten Schließeinheit, das eingesetzte Werkzeug sowie einen elektrisch/hydraulischen Antriebsstrang berücksichtigen. Die Mechanik kann durch eine Fünfpunktkniehebel-, Dreipunktkniehebelkinematik als auch einen hydraulischen Zylinder repräsentiert sein. Bei den letzten zwei Systemen kann aufgrund einer holmlosen Ausführung der Schließeinheit, ein Gelenk zur Beibehaltung der Plattenparallelität strukturmechanisch berücksichtigt werden.
Die Simulation des Entformens kann eine axiale Vorwärtsbewegung einer Auswerferplatte und das Ausstößen des Formteils aus dem Werkzeug berücksichtigen.
Die Simulation kann in einem hohen Maße konfigurierbar vorliegen. Dies bedeutet bei der Erstellung der Simulation die Ermöglichung von:
Konfigurierbarkeit der Topologie eines hydraulischen Netzwerkes (Antriebsstrang)
Auswahl von Teilkomponenten wie Motoren, Pumpen, Mechaniken Variabilität von Maschinenparametern (Längen, Massen, Trägheiten, Motorkonstanten, Wirkungsgrade, etc.)
Variabilität von softwaretechnischen Steuerungseinrichtungen (Trajektoriengenerator, Regelungseinrichtung, etc.)
Konfigurierbarkeit von Prozesseinstellungen (Schließkraft, Dosiervolumen, etc.)
Konfigurierbarkeit des verwendeten Werkzeuges (Geometrie, Angussposition, Kühlkanäle)
14/34
80843
Variabilität von Materialparametern des einzuspritzenden Kunststoffs wie Viskosität, Kompressibilität, spezifisches Volumen, Temperaturkonstante, etc.
Konfigurierbarkeit von Umgebungseinflüssen wie Temperatur, Druck und Störungen
Die dazu notwendige Konfiguration der Simulation wird mittels Anwenderrechner und/oder auf Basis der übermittelten Beschreibungsgrößen des Formgebungsprozesses durchgeführt und an einen zentralen Rechner übertragen.
Weiters können die zugehörigen Steuerungseinrichtungen abgeleitet werden.
Die zentrale Datenbank kann zudem durch Identifikation von physikalischen Größen während realen Formgebungsprozessen an der Maschine erweitert und verbessert werden. Dadurch können Parameterstreuungen und neue Materialien erfasst werden.
Mittels der übertragenen Konfigurationsdaten wird die Simulation unter automatischer Bereitstellung der Simulationsparameter am zentralen Rechner erstellt. Damit steht ein digitales Abbild der Maschine zur Verfügung.
Benutzer können Prozesseinstellungen konfigurieren, um einen vollständigen Formgebungszyklus durchfahren zu können. Diese Prozesseinstellungen können unter anderem der Öffnungshub, Schließkraft, Dosiervolumen, Spritzgeschwindigkeit, Umschaltpunkt und Nachdruckeinstellungen betreffen. Diesbezügliche Einstellungen bzw. Vorgaben an die Formgebungsmaschine können dann an den zentralen Rechner übertragen werden.
Die Simulation wird am zentralen Rechner durchgeführt und die Ergebnisse an den am zentralen Rechner angebundenen Speicher abgelegt werden.
15/34
80843
Nach Durchführung der Simulation können die Ergebnisse zu beliebigen lokalen Anwenderrechnern übertragen und dargestellt werden. Diese Aktion kann parallel erfolgen. Die Rechenleistung für die Berechnung der Simulation ist lediglich am zentralen Rechner notwendig.
Die Interpretation und die nachfolgend passende Darstellung der interpretierten Daten kann am zentralen Rechner oder auch nach der Datenfernübertragung am lokalen Anwenderrechner erfolgen. Für die Interpretation dieser Daten können unterschiedliche Algorithmen, angepasst für die durchgeführte Simulation, verwendet werden.
Weitere Vorteile und Einzelheiten der Erfindung sind den Figuren und den nachstehend beschriebenen Ausführungsbeispielen zu entnehmen. Es zeigen:
Fig. 1 eine schematische Abbildung zur Verdeutlichung der Struktur der am ersten Ausführungsbeispiel (nach der ersten Variante der Erfindung) beteiligten Objekte,
Fig. 2 ein Ablaufdiagramm eines Simulationsverfahrens nach dem Stand der Technik,
Fig. 3 ein Ablaufdiagramm eines Ausführungsbeispiels (gemäß der zweiten Variante der Erfindung) und
Fig. 4 eine Formgebungsmaschine.
Im Folgenden wird ein Ausführungsbeispiel eines erfindungsgemäßen Verfahrens beschrieben. Zur Veranschaulichung der Struktur der verschiedenen am Verfahren teilnehmenden Objekte sei auf Figur 1 verwiesen.
Das folgende Ausführungsbeispiel bezieht sich auf Spritzgießprozesse (als Formgebungsprozesse).
1. Es existieren n reale Spritzgießmaschinen, welche m unterschiedliche Werkzeuge aufgespannt haben und von Anwendern,
16/34
80843
Prozessoptimierungssystemen oder einer Kombination beider für den Spritzgießprozess eingestellt werden.
2. Auf Basis der Prozesseinstellung kann der Spritzgießprozess gestartet werden (theoretisch muss das nicht passieren), wodurch und auch durch mögliche weitere Benutzereingaben zumindest eine der folgenden, den Prozess beschreibenden Größen (nachfolgend Beschreibungsgrößen) vorliegen:
a. Werkzeugdaten (Gewicht, Geometrie der Kavität, ...)
b. Maschinendaten (Maschinenkonfiguration => Massen, Längen, Grenzen, ...)
c. Materialdaten (Viskosität, Dichte, ...)
d. Prozesseinstellungen und Messdaten (Einspritzprofil, Umschaltpunkt, Spritzdruckmessung, ...)
e. Benutzerbezogene Daten (Benutzerrolle, Benutzerlevel, ...)
f. Qualitätsdaten (Formteilabmessungen, Formteilgewicht, ...)
3. Die Daten werden von der Spritzgießmaschine an den zentralen Speicher übertragen.
4. Am zentralen Rechnersystem werden automatisiert unter Zuhilfenahme der übertragenen Beschreibungsgrößen von den realen Einspritzvorgängen Simulationsmodelle erzeugt. Dazu kann neben der Dynamik der Spritzgießmaschine auch die Thermodynamik des eingespritzten Materials in die Kavität berücksichtigt werden.
Bei der Erstellung der entsprechenden Gleichungssysteme können der topologische Aufbau des hydraulischen Netzwerkes, unterschiedliche Mechaniken sowie die Verwendung unterschiedlicher Teilkomponenten wie Motoren, Pumpen, etc. implizit in Abhängigkeit der Komponentenauswahl berücksichtigt werden. Dabei wird zur Beschreibung von mechanischen Komponenten ein Differenzialgleichungssystem in der Form von + g(q,q) = Q
17/34
80843 angesetzt. Die Freiheitsgrade werden im Vektor q, die Massenmatrix mit M(cf) und weitere Anteile wie Coriolisterme, Reibung, etc. im Vektor g(q,q) repräsentiert. Eingeprägte Kräfte durch den Antriebsstrang finden sich in Vektor Q. Die Form () repräsentiert die zeitliche Ableitung. Durch Auflösung eines solchen Gleichungssystems wird die translatorische Bewegung der Schnecke im Spritzaggregat, die Bewegung der Schließeinheit sowie die rotatorische Bewegung der Schnecke berechnet.
Für die translatorische Bewegung der Schnecke gilt q = xs, q = vs, wodurch sich der Volumenstrom in die Kavität ermitteln lässt zu
Q = Asvs mit der Querschnittsfläche der Schnecke 4S. Der Volumenstrom bildet die Eingangsgröße für die fluiddynamische Betrachtung der kompressiblen Polymerschmelze während des Einspritzvorganges in die Kavität. Zur Berechnung des Verhaltens werden die Navier-Stokes Gleichungen, die Kontinuitätsgleichung und die Energieerhaltung berücksichtigt. Zur Abbildung der Mehrphasigkeit wird das Volume-of-Fluid Modell verwendet. Dabei wird der Phasentransport beschrieben durch mit Termen für die Kompressibilität Su und Sp. a beschreibt den Phasenzustand und u den Geschwindigkeitsvektor des Fluids. Zur Abbildung der Viskosität wird das CrossWLF Modell mit der Nullviskosität η0, der Temperatur T, der Scherrate y, dem Druck p und den materialspezifischen Parametern A1,A2,D1,D2,D3,D4 verwendet:
18/34
80843
Zur Abbildung der Kompressibilität wird das Tait-Modell verwendet:
_ i p
©:sOT:' mit der Dichte p, dem spezifischen Volumen v , und einer dimensionslosen Konstanten C. Ttrans stellt dabei die Übergangstemperatur von flüssigen auf festen Zustand dar. Für beide Phasenzustände gelten folgende Bedingungen:
(T) — ' (T — ht;') exp(—· (T - Fs))
Tlr«.™ = δκ + &ß - p 1TS(T) = &7 · exp(&si · ·,Τ — 6g S — i»i) · p) mit materialspezifischen Parametern >«·-«' Lj Hj. h7, 6^» ^9.
Der in der Polymerschmelze auftretende Druck wirkt als Gegenkraft auf die Schnecke.
Die dynamische Beschreibung der Maschine als auch die fluiddynamische Beschreibung können zusätzliche Terme zur Berücksichtigung äußerer, bzw. unbekannter, Störeinflüsse beinhalten.
Für die Steuerung der jeweiligen Komponente werden ebenfalls implizite Abhängigkeiten aufgelöst, um notwendige Einrichtungen wie Trajektorienvorgaben und Regelungssysteme auszuwählen und zu parametrieren. Diese sind in einem Speicher am zentralen Rechner abgelegt. Nun ist die Simulation abschließend konfiguriert.
19/34
80843
5. Mittels eines Abgleichs von Simulation und Messung (aus den Beschreibungsgrößen vorhanden) können nicht oder nicht exakt bekannte Modell- und Prozessparameter identifiziert werden. Dies kann z.B. durch Minimieren von Fehlerfunktionen (Least Squares, etc.) vorgenommen werden. Entsprechende Methoden sind dem Fachmann bekannt. Ab diesem Zeitpunkt werden Simulation und Realität als ident angenommen.
6. Ausgehend davon wird erfindungsgemäß eine Abweichung zwischen den an der realen Maschine tatsächlich eingestellten Prozesseinstellungen sowie den durch das POS für die Simulation, bzw. auf der realen Maschine vorgeschlagenen Prozesseinstellungen erkannt.
7. Mittels maschinellem Lernverfahren, numerischen Optimierungsverfahren oder ähnlichem, jedoch für die Technologie des POS geeignetem (Lern-)Verfahren wird das Prozessoptimierungssystem derart angepasst (trainiert, modifiziert), sodass es qualitativ dieselbe Entscheidung (Einstellung) wie der Benutzer (bzw. eine Auswahl oder statistisches Mittel von Benutzern), der die Einstellung an der realen Spritzgießmaschine vornahm (änderte), trifft. Dabei kann eine Plausibilitätsüberprüfung der durch den Benutzer eingegebenen Prozesseinstellungen sowie Überprüfung der Qualitätskenngrößen durchgeführt werden.
Am Beispiel des Umschaltpunktes kann die Anpassung z.B. folgendermaßen aussehen:
a. Das POS legt den Umschaltpunkt bei VNd = 80%, bezogen auf das Gesamtvolumen der Kavität, fest (z.B. aufgrund von initialem Expertenwissen implementiert in einem Expertensystem)
b. Der Benutzer an der realen Spritzgießmaschine korrigiert den Umschaltpunkt zu VND,Reai = 98%
c. Es wird eine Plausibilitätsüberprüfung des Umschaltpunktes (zwischen 1-100%) sowie eine Benutzerrollenüberprüfung (= Prozesstechniker) der realen Spritzgießmaschine durchgeführt.
20/34
80843
d. Die Abweichung wird erkannt und mittels Lösung des
Optimierungsproblems min (VND- Vnd ,Real ) Q (Vnd - Vnd ,Real )
Vnd mit dem Gewichtungsfaktor Q wird der Systemparameter „Umschaltpunkt“ VNd optimal angepasst. In diesem Schritt können Einstellungen von n Spritzgießmaschinen berücksichtigt werden.
Systemparameter des POS sind dabei uneingeschränkt definierbar, z.B. unter anderem als nichtlineare Funktion von Material- und Werkzeugparametern oder in Abhängigkeit von Maschinengrenzen wie maximaler Spritzdruck, o.Ä. Systemparameter müssen zudem nicht notwendigerweise direkt Prozesseinstellungen darstellen. Die Systemparameter können auch der Bewertung von aus der Simulation ermittelten Qualitätskenngrößen (z.B. Gewicht) dienen und anschließend zu einer Festlegung von Prozesseinstellungen (z.B. Nachdruckzeit) durch das POS führen.
Im Vergleich zum Stand der Technik kann in diesem Ausführungsbeispiel das POS nicht nur anhand von realen Daten, sondern auch durch die Anwendung an einer der Realität (durch Messabgleich) angepassten Simulation trainiert werden. Dabei wird z.B. der durch den Benutzer eingestellte Datensatz in der Simulation verwendet, um Qualitätskenngrößen wie z.B. die Fließfrontgeschwindigkeit auszuwerten. Hier kann der allgemeine Zusammenhang abgeleitet werden, dass eine Vielzahl von durch Benutzer optimal eingestellten Datensätzen eine z.B. konstante Fließfrontgeschwindigkeit hervorrufen. So kann bei einem in Zukunft unbekannten Formteil, eine Einstellung derart gewählt werden, dass die Qualitätskenngröße Fließfrontgeschwindigkeit erneut konstant ist. Somit wurden nicht die Einstellungen, sondern eine daraus hervorgerufene Gemeinsamkeit einer Qualitätskenngröße (hier konstante Fließfrontgeschwindigkeit) gelernt, und für unbekannte Formteile können damit erneut die optimalen Einstellungen ermittelt werden. Das Lernen von
21/34
80843
Gemeinsamkeiten von Qualitätskenngrößen kann z.B. mittels einfacher Mittelwertbildung (oder Medianbildung, o.Ä.) von Merkmalen (hier Gradient der Fließfrontgeschwindigkeit) von den aus der Simulation ermittelten Qualitätskenngrößen vorgenommen werden. Anschließend wird das POS derart modifiziert, sodass eine Einstellung resultiert welche im Formgebungsprozess das gelernte Merkmal hervorruft.
Zur Anpassung des POS können eine Vielzahl aus der Literatur bekannte Verfahren, wie Least Squares siehe z.B. [1] ab S. 245, numerische Optimierungsverfahren (QP, NLP, etc.) siehe z.B. [1] ab S. 448 bzw. S. 529, Überwachtes Lernen von neuronalen Netzen, etc. eingesetzt werden, siehe z.B. [2] ab S. 73 und [3], [1] J. Nocedal, S. Wright - Numerical Optimization; Springer, 2006 [2] Raul Rojas - Theorie der neuronalen Netze: Eine systematische Einführung; Springer-Lehrbuch, 1993 [3] J.J. Hopfield - Neural Networks and Physical Systems with Emergent Collective Computational Abilities; Proceedings of the National Academy of Sciences ofthe USA, Vol. 79, No. 8, 1982
8. Das an der Simulation angewendete POS hat nun von n Spritzgießprozessen, bzw. durch den Benutzer angepassten Prozesseinstellungen, gelernt und „entscheidet“ ähnlich optimal wie der Bediener. Die für das POS modifizierten, notwendigen Systemparameter, bzw. das modifizierte POS wird im Speicher abgelegt und an alle n (und gegebenenfalls weitere) Spritzgießmaschinen übertragen.
In Fig. 3 ist ein Ausführungsbeispiel eines erfindungsgemäßen Ablaufs zur Konfiguration und Durchführung einer Simulation dargestellt.
22/34
80843
Die Konfiguration der Simulation beginnt mit der Auswahl der Spritzgießmaschinenkomponenten (A1). Diese Zusammenstellung einer Spritzgießmaschine inkludiert die Definition eines Spritzaggregates, einer Plastifiziereinheit, einer Schließeinheit sowie eines Auswerfersystems. Diese werden aus vorgegebenen Listen an Komponentenbezeichnungen, die am zentralen Rechner in einem Speicher abgelegt sind, durch den lokalen Anwenderrechner ausgewählt und stehen in Verbindung mit prozessrelevanten Größen (siehe auch Fig. 4):
a) Spritzaggregat: Einspritzvolumen, Spritzdruck
b) Schließeinheit: Maximale Schließkraft
c) Plastifiziereinheit: Plastifizierleistung
d) Auswerfersystem: Auswerferweg, Maximal kraft
Die Auswahl der jeweiligen Komponente erfordert zusätzlich die Definition der Antriebstechnologie (elektrisch / hydraulisch). Die getroffene Auswahl der Komponenten bildet einen ersten Teil der Konfigurationsdaten, welche zum zentralen Rechner bzw. Speicher übertragen und als Teil der Konfiguration im Speicher abgelegt werden.
Im nächsten Schritt (A2) werden vom lokalen Anwenderrechner geometrische Informationen des Werkzeugs über eine Datenfernübertragungsverbindung zum zentralen Rechner übermittelt. Dies beinhaltet neben der Geometrie, Informationen über die Angussposition und die Kühlkanäle. Weiters wird der einzuspritzende Kunststoff ausgewählt. Dazu wird eine Liste an Materialnamen vorgegeben. Die getroffene Auswahl des Werkzeugs sowie des Materials bildet einen zweiten Teil der Konfigurationsdaten, welche ebenfalls zum zentralen Rechner übertragen werden. Dies komplettiert die Konfiguration, welche dann im zentralen Speicher abgelegt ist.
Auf Basis der Konfiguration werden die zur jeweilig gewählten Komponente zugehörigen Simulationsparameter (physikalischen Parameter), wie z.B. Längen, Massen, Trägheiten, Viskosität, Kompressibilität, etc., aus der Datenbank (B3) am
23/34
80843 zentralen Rechner oder davon unabhängigen Datenbanken gelesen (A3). Die Materialparameter werden einerseits aus Identifikationsberechnungen (B2) mittels Messvorgängen von realen Formgebungsprozessen (B1) sowie andererseits aus Herstellerangaben (B4) oder direkt aus Datenbanken gewonnen.
Auf Basis von Herstellerangaben werden zudem weitere Parameter von Motoren, Kugelgewindetrieben, Riemen, etc. ermittelt und ebenfalls in der Datenbank (B3) abgelegt. Mittels der physikalischen Größen werden Differenzialgleichungssysteme zur mathematischen Beschreibung der gewählten Komponenten (siehe auch a)-d) in Fig. 4) erstellt und parametriert (A3).
Für weitere Details zur Modellerstellung sei auf Punkt 4. zum Ausführungsbeispiel in Verbindung mit Fig. 1 verwiesen.
Im nächsten Schritt (A4) wird die Simulation in Form eines kompilierbaren Programms erstellt.
Anschließend kann am lokalen Anwenderrechner ein Einstelldatensatz vorgegeben (A5) und zum zentralen Rechner übertragen werden. Dies beinhaltet Prozesseinstellparameter wie Schließkraft, Dosiervolumen, Einspritzgeschwindigkeit, Umschaltpunkt, Massezylinder- und Werkzeugtemperatur, etc.
Auf Basis dieser vollständigen Konfiguration und Parametrierung wird die Simulation vom lokalen Anwenderrechner aus gestartet und am zentralen Rechner ausgeführt (A6). Die Ergebnisse werden an einem lokalen Anwenderrechner dargestellt (A7) und weiterverwendet.
Innsbruck, am 23. Dezember 2016
24/34
80843

Claims (20)

  1. Patentansprüche
    1. Verfahren zur Optimierung eines Prozessoptimierungssystems für eine Formgebungsmaschine, mittels welcher ein zyklischer Formgebungsprozess zur Herstellung eines Formteils durchgeführt wird, wobei (a) durch einen Bediener an der realen Formgebungsmaschine ein Einstelldatensatz eingestellt wird, (b) auf Basis des Einstelldatensatzes und/oder auf Basis des zyklisch durchgeführten Formgebungsprozesses erste Werte für zumindest eine Beschreibungsgröße des Formgebungsprozesses gewonnen werden, (c) auf Basis von Daten aus dem Prozessoptimierungssystem zweite Werte für die zumindest eine Beschreibungsgröße gewonnen werden, (d) gemäß einem vorgegebenen Unterscheidungskriterium überprüft wird, ob die ersten Werte und die zweiten Werte voneinander abweichen und, (e) falls Verfahrensschritt (d) ergibt, dass sich die ersten Werte und die zweiten Werte voneinander unterscheiden, das Prozessoptimierungssystem so modifiziert wird, dass sich bei der Anwendung auf die Formgebungsmaschine und/oder den Formgebungsprozess statt der zweiten Werte für die zumindest eine Beschreibungsgröße im Wesentlichen die ersten Werte für die zumindest eine Beschreibungsgröße ergeben.
  2. 2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass im Rahmen der
    Durchführung des Verfahrensschrittes (c) in einer Simulation der Formgebungsmaschine und/oder des Formgebungsprozesses das Prozessoptimierungssystem angewandt wird und die zweiten Werte zumindest teilweise aus Ergebnissen der Simulation gewonnen werden.
  3. 3. Verfahren nach Anspruch 2 unter Verwendung eines mathematischen Modells für die Simulation, dadurch gekennzeichnet, dass Parameter des die Simulation beschreibenden mathematischen Modells durch Minimieren von
    Fehlerfunktionen von Mess- und Modellgrößen ermittelt werden.
    25/34
    80843
  4. 4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das modifizierte Prozessoptimierungssystem bei der Formgebungsmaschine und/oder bei weiteren Formgebungsmaschinen eingesetzt wird.
  5. 5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Modifikation des Prozessoptimierungssystems durch maschinelles Lernen und/oder numerische Optimierungsverfahren und/oder Anpassung eines Expertensystems geschieht.
  6. 6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass bei der Modifikation des Prozessoptimierungssystems eine Fehlerfunktion zwischen den ersten Werten und den zweiten Werten für die zumindest eine Beschreibungsgröße minimiert wird.
  7. 7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zumindest einer der Verfahrensschritte (c), (d) und (e) auf einem von der Formgebungsmaschine separaten Rechner durchgeführt wird, wobei die ersten Werte für die zumindest eine Beschreibungsgröße, vorzugsweise über eine Datenfernübertragungsverbindung, zum Rechner übertragen werden.
  8. 8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zumindest eines der folgenden in einem von der Formgebungsmaschine separaten Speicher - vorzugsweise nach Übertragung mittels einer Datenfernübertragungsverbindung - hinterlegt wird: die ersten Werte der zumindest einen Beschreibungsgröße, die zweiten Werte der zumindest einen Beschreibungsgröße, das modifizierte
    Prozessoptimierungssystem.
  9. 9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die zumindest eine Beschreibungsgröße Parameter des Einstelldatensatzes beinhaltet.
    26/34
    80843
  10. 10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die zumindest eine Beschreibungsgröße eines oder mehrere der folgenden beinhaltet:
    - Maschinendaten, welche eine im Formgebungsprozess verwendete Formgebungsmaschine betreffen,
    - Werkzeugdaten, welche ein im Formgebungsprozess verwendetes Formwerkzeug betreffen,
    - Materialdaten, welche ein im Formgebungsprozess verwendetes Material betreffen,
    - Prozesseinstellungen und Messdaten, welche den Formgebungsprozess betreffen,
    - benutzerbezogene Daten
    - Qualitätskenngrößen, welche das Formteil beschreiben.
  11. 11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Prozessoptimierungssystem auf zumindest eines der folgenden zurückgreift: neuronales Netz, mathematisches Modell,
    Expertensystem, Fuzzylogik.
  12. 12. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass das Prozessoptimierungssystem zur Verbesserung von Einstelldatensätzen für Formgebungsmaschinen verwendet wird, wobei vorzugsweise zumindest eines der folgenden Gütekriterien als Kriterium für eine Verbesserung herangezogen wird: verringerter Ausschuss, verringerte Zykluszeit, verbesserte Formqualität.
  13. 13. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass bei der Durchführung des Verfahrensschrittes (c) und/oder bei der Durchführung des realen Formgebungsprozesses, eingestellt nach Verfahrensschritt (a), Qualitätskenngrößen ermittelt werden und bei der Modifikation des Prozessoptimierungssystems gemäß Verfahrensschritt (e) verwendet werden.
    27/34
    80843
  14. 14. Verfahren zum Simulieren eines Formgebungsprozesses, insbesondere nach
    Anspruch 2, wobei
    - Konfigurationsdaten, welche den zu simulierenden Formgebungsprozess betreffen, an einem Anwenderrechner bereitgestellt werden,
    - die Konfigurationsdaten mittels einer Datenfernübertragungsverbindung zu einem von der Formgebungsmaschine und dem Anwenderrechner separaten Speicher übertragen und darin abgelegt werden,
    - ein im Speicher hinterlegtes Simulationsprogramm auf einem mit dem Speicher verbundenen, von der Formgebungsmaschine und dem Anwenderrechner separaten Rechner unter Verwendung der Konfigurationsdaten ausgeführt wird und
    - mittels des Simulationsprogramms errechnete Ergebnisse ausgegeben werden, dadurch gekennzeichnet, dass Simulationsparameter aufgrund der Konfigurationsdaten automatisch bereitgestellt werden.
  15. 15. Verfahren nach Anspruch 14, dadurch gekennzeichnet, dass die errechneten
    Ergebnisse mittels einer Datenfernübertragungsverbindung zum Anwenderrechner oder mittels einer weiteren Datenfernübertragungsverbindung zu einem weiteren Anwenderrechner übertragen werden.
  16. 16. Verfahren nach Anspruch 14 oder 15, dadurch gekennzeichnet, dass die
    Konfigurationsdaten eines oder mehrere der folgenden beinhalten:
    - Maschinendaten, welche eine im zu simulierenden Formgebungsprozess verwendete Formgebungsmaschine betreffen, insbesondere Abmessungen, Massen, Trägheiten, Motorkonstanten, Wirkungsgrade und/oder Kinematik, der Formgebungsmaschine,
    - Werkzeugdaten, welche ein im zu simulierenden Formgebungsprozess verwendetes Formwerkzeug betreffen, insbesondere Geometrie, Angussposition und/oder Auslegung der Temperierkanäle, des Formwerkzeugs,
    - Daten über Teilkomponenten, insbesondere Antriebe und/oder Pumpen, der Formgebungsmaschine und/oder des Formwerkzeugs,
    28/34
    80843
    - Materialdaten, welche ein im zu simulierenden Formgebungsprozess verwendetes Material betreffen, insbesondere Viskosität, Kompressibilität, spezifisches Volumen und/oder Temperaturkonstanten,
    - Daten über Umgebungseinflüsse, insbesondere Umgebungstemperatur und/oder-druck und/oder Störungen.
  17. 17. Verfahren nach einem der Ansprüche 14 bis 16, dadurch gekennzeichnet, dass zur Bereitstellung der Simulationsparameter auf eine Datenbank zurückgegriffen wird, welche Datenbank in realen Formgebungsprozessen gesammelte Parameter enthält.
  18. 18. Verfahren nach einem der Ansprüche 14 bis 17, dadurch gekennzeichnet, dass ein Einstelldatensatz am Anwenderrechner bereitgestellt wird, mittels der Datenfernübertragungsverbindung zur Simulationsvorrichtung übertragen wird und das Simulationsprogramm unter Verwendung des Einstelldatensatzes ausgeführt wird.
  19. 19. Verfahren nach einem der Ansprüche 1 bis 13 oder nach Anspruch 18, dadurch gekennzeichnet, dass der Einstelldatensatz Prozesseinstellparameter in Bezug auf zumindest eines der folgenden beinhaltet: Schließkraft, Dosiervolumen, Einspritzgeschwindigkeit, Umschaltpunkt, Massezylindertemperatur, Werkzeugtemperatur, Steuer- und/oder Regelparameter, Nachdruckprofil, Nachdruckzeit, Schneckendrehzahl, Staudruckprofil, Kühlzeit,
    Spritzdruckgrenze, Kompressionsentlastungshub, Temperiermediendurchflussmenge.
  20. 20. Verfahren nach einem der Ansprüche 14 bis 19, dadurch gekennzeichnet, dass aus den Ergebnissen der Simulation zumindest teilweise die Beschreibungsgrößen, insbesondere nach Anspruch 9, gewonnen werden.
    Innsbruck, am 23.Dezember 2016
    29/34
    80843
    ENGEL AUSTRIA GmbH
    CN
    Fig. 2
    80843
    ENGEL AUSTRIA GmbH
    Anwenderrechner i Zentraler Rechner : Reale Spritzgfe&masc/nne
    CO
    CO
    80843
    ENGEL AUSTRIA GmbH
    Fig.4
    80843
    ENGEL AUSTRIA GmbH
ATA51185/2016A 2016-12-23 2016-12-23 Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum simulieren eines Formgebungsprozesses AT519491A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
ATA51185/2016A AT519491A1 (de) 2016-12-23 2016-12-23 Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum simulieren eines Formgebungsprozesses
US15/845,159 US20180181694A1 (en) 2016-12-23 2017-12-18 Method for optimizing a process optimization system and method for simulating a molding process
DE102017131025.8A DE102017131025A1 (de) 2016-12-23 2017-12-21 Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum Simulieren eines Formgebungsprozesses
CN201711418385.3A CN108237670A (zh) 2016-12-23 2017-12-25 用于优化用于成型机的过程优化系统的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
ATA51185/2016A AT519491A1 (de) 2016-12-23 2016-12-23 Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum simulieren eines Formgebungsprozesses

Publications (1)

Publication Number Publication Date
AT519491A1 true AT519491A1 (de) 2018-07-15

Family

ID=62510003

Family Applications (1)

Application Number Title Priority Date Filing Date
ATA51185/2016A AT519491A1 (de) 2016-12-23 2016-12-23 Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum simulieren eines Formgebungsprozesses

Country Status (4)

Country Link
US (1) US20180181694A1 (de)
CN (1) CN108237670A (de)
AT (1) AT519491A1 (de)
DE (1) DE102017131025A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020100304A1 (de) 2019-01-15 2020-07-16 Engel Austria Gmbh Verfahren zum Einstellen einer Formgebungsmaschine
DE102021117513A1 (de) 2020-07-10 2022-01-13 Engel Austria Gmbh Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3103926A1 (en) * 2018-06-29 2020-01-02 iMFLUX Inc. Systems and approaches for autotuning an injection molding machine
AT521584B1 (de) * 2018-08-24 2020-08-15 Engel Austria Gmbh Plastifiziereinheit für eine Formgebungsmaschine
JP6826086B2 (ja) * 2018-09-28 2021-02-03 ファナック株式会社 状態判定装置及び状態判定方法
JP6787971B2 (ja) * 2018-10-25 2020-11-18 ファナック株式会社 状態判定装置及び状態判定方法
DE102018008516A1 (de) * 2018-10-27 2020-04-30 Andreas Schötz Computergestütztes Leit-System und Verfahren zur Optimierung von Werkzeugabmusterungen und Spritzguss Technik Prozessen
KR20210091130A (ko) * 2018-11-16 2021-07-21 코베스트로 인텔렉쳐 프로퍼티 게엠베하 운트 콤파니 카게 물리적 생산 공정을 개선하기 위한 방법 및 시스템
CN111319206B (zh) * 2018-12-13 2021-11-23 杭州电子科技大学 注塑成型系统中参数优化方法和装置
US11403535B2 (en) * 2018-12-21 2022-08-02 Industrial Technology Research Institute Model-based machine learning system
CN109878046B (zh) * 2019-02-27 2021-06-18 莫尔信息技术有限公司 一种注塑生产优化方法
AT522075B1 (de) * 2019-05-07 2020-08-15 Engel Austria Gmbh Verfahren zum Optimieren von Bewegungsabläufen
AT522623B1 (de) * 2019-06-03 2022-01-15 Engel Austria Gmbh Verfahren zum Überprüfen der Eignung eines Formgebungswerkzeugs
US20220288830A1 (en) 2019-09-04 2022-09-15 Basf Se Computer implemented method of designing a molding process
AT523126A1 (de) 2019-10-15 2021-05-15 Engel Austria Gmbh Verfahren zum Festlegen eines Sollwertverlaufs
CN110920010B (zh) * 2019-10-29 2021-10-19 上海澎睿智能科技有限公司 基于大数据分析的注塑工艺生产方法
EP4081870A1 (de) * 2019-12-26 2022-11-02 Compañía Española de Petróleos, S.A.U. Computerimplementiertes verfahren zur bestimmung eines optimalen betriebszustandes eines produktionsprozesses einer industriellen anlage
US20210260802A1 (en) * 2020-02-26 2021-08-26 Eigen Innovations Inc. Industrial process optimization system and method
DE102020114781B4 (de) 2020-06-03 2024-02-29 Siegfried Hofmann Gmbh Verfahren und System zur Regelung des Betriebs einer Vorrichtung zur Herstellung eines Partikelschaumbauteils
US11027470B1 (en) * 2020-06-16 2021-06-08 Coretech System Co., Ltd. Molding system for preparing injuection-molded article
CN111736553A (zh) * 2020-06-23 2020-10-02 深圳市同益实业股份有限公司 基于工业互联网平台的远程可视化试模系统
AT524002B1 (de) * 2020-07-10 2023-10-15 Engel Austria Gmbh Verfahren zur automatischen Überwachung mindestens eines Produktionsprozesses
CN116056862A (zh) 2020-08-14 2023-05-02 巴斯夫欧洲公司 用于控制和/或监测至少一个注射模制工艺的计算机实施的方法
AT525293B1 (de) * 2021-07-23 2023-07-15 Engel Austria Gmbh Verfahren zum Berechnen eines Soll-Profils für die Bewegung eines Einspritzaktuators einer Formgebungsmaschine und/oder Simulieren des Einspritzens der Formmasse in eine Kavität
WO2023152056A1 (en) 2022-02-11 2023-08-17 Basf Se Computer-implemented method for controlling and/or monitoring at least one particle foam molding process
EP4338925A1 (de) * 2022-09-16 2024-03-20 Siemens Aktiengesellschaft Computerimplementiertes verfahren zur ermittlung einer vorhersage-gewichtsgrösse eines durch eine spritzguss-vorrichtung hergestellten produktes, sowie steuerungsverfahren und steuerungssystem

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19514535A1 (de) * 1995-04-20 1996-10-31 Johannes Prof Dr Wortberg Verfahren zur Überwachung von Produkteigenschaften und Regelung eines Herstellungsprozesses
DE102006031268A1 (de) * 2006-07-06 2008-01-10 Krauss Maffei Gmbh Vorrichtung und Verfahren zur benutzerspezifischen Überwachung und Regelung der Produktion
US20080102147A1 (en) * 2006-10-27 2008-05-01 Nissei Plastic Industrial Co., Ltd. Support apparatus of injection-molding machine

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4209746A1 (de) 1992-03-25 1993-09-30 Siemens Ag Verfahren zur Optimierung eines technischen Neuro-Fuzzy-Systems
DE4416317B4 (de) 1993-05-17 2004-10-21 Siemens Ag Verfahren und Regeleinrichtung zur Regelung eines materialverarbeitenden Prozesses
EP0901053B1 (de) 1997-09-04 2003-06-04 Rijksuniversiteit te Groningen Methode zur Modellierung und/oder Steuerung eines Herstellungsverfahrens, die ein neuronales Netz anwendet und Regler für ein Herstellungsverfahren
DE102004026641A1 (de) 2004-06-01 2006-01-05 Rehau Ag + Co. Automatisierung des Kunststoff-Spritzgießens durch Einsatz der Neuro-Fuzzy-Technologie
JP4499601B2 (ja) * 2005-04-01 2010-07-07 日精樹脂工業株式会社 射出成形機の制御装置
CN201158129Y (zh) * 2008-02-26 2008-12-03 山东大学 高光无熔痕注塑工艺的多点模具温度控制装置
US8855804B2 (en) * 2010-11-16 2014-10-07 Mks Instruments, Inc. Controlling a discrete-type manufacturing process with a multivariate model
TWI501061B (zh) 2012-06-25 2015-09-21 Delta Electronics Inc 塑料成品製造方法及全電式塑膠射出成型機
AT513481B1 (de) * 2012-11-09 2014-05-15 Engel Austria Gmbh Simulationsvorrichtung und Verfahren
CN103737878B (zh) * 2013-12-27 2014-12-31 华中科技大学 一种注塑缺陷在线修正方法及注塑机
CN205176637U (zh) * 2015-11-26 2016-04-20 上海辰竹仪表有限公司 一种注塑机远程监控系统
CN105334833B (zh) * 2015-11-26 2019-03-26 上海辰竹仪表有限公司 一种注塑机远程监控系统
CN105701228A (zh) * 2016-01-19 2016-06-22 重庆世纪精信实业（集团）有限公司 注塑机工艺参数记录查询系统及注塑机工艺参数设定方法
CN105690694A (zh) * 2016-01-19 2016-06-22 重庆世纪精信实业（集团）有限公司 一种基于数据记录的注塑机工艺参数设定系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19514535A1 (de) * 1995-04-20 1996-10-31 Johannes Prof Dr Wortberg Verfahren zur Überwachung von Produkteigenschaften und Regelung eines Herstellungsprozesses
DE102006031268A1 (de) * 2006-07-06 2008-01-10 Krauss Maffei Gmbh Vorrichtung und Verfahren zur benutzerspezifischen Überwachung und Regelung der Produktion
US20080102147A1 (en) * 2006-10-27 2008-05-01 Nissei Plastic Industrial Co., Ltd. Support apparatus of injection-molding machine

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020100304A1 (de) 2019-01-15 2020-07-16 Engel Austria Gmbh Verfahren zum Einstellen einer Formgebungsmaschine
DE202020005908U1 (de) 2019-01-15 2023-02-28 Engel Austria Gmbh Anordnung aus einer Formgebungsmaschine, Peripheriegerät und Berechnungseinheit
DE102021117513A1 (de) 2020-07-10 2022-01-13 Engel Austria Gmbh Verfahren zur Optimierung und/oder Bedienung mindestens eines Produktionsprozesses

Also Published As

Publication number Publication date
US20180181694A1 (en) 2018-06-28
DE102017131025A9 (de) 2019-11-28
DE102017131025A1 (de) 2018-06-28
CN108237670A (zh) 2018-07-03

Similar Documents

Publication Publication Date Title
AT519491A1 (de) Verfahren zur Optimierung eines Prozessoptimierungssystems und Verfahren zum simulieren eines Formgebungsprozesses
AT519096B1 (de) Verfahren zum Einstellen einer Formgebungsmaschine
AT519005B1 (de) Verfahren zum Simulieren eines Formgebungsprozesses
AT513481B1 (de) Simulationsvorrichtung und Verfahren
DE102015107024B3 (de) Ermitteln von Prozessparameterwerten in einem Spritzgussprozess
DE10231675B4 (de) Simulationssystem für die Maschinensimulation und Datenausgabe von Steuerdaten für ein Automatisierungssystem
EP3479178B1 (de) Simulations-basierte regelung eines fertigungssystems unter beruecksichtigung eines vorab berechneten verarbeitungsfensters
AT523768A1 (de) Verfahren und Computerprogrammprodukt zum Abgleichen einer Simulation mit dem real durchgeführten Prozess
WO2013076071A1 (de) Verfahren zum semi-automatischen erstellen eines simulationsmodells für ein mechatronisches system
DE10046742A1 (de) Vorrichtung und Verfahren für ein Fahrzeugentwurfssytem
WO2020058387A1 (de) Verfahren zur steuerung einer maschine zur verarbeitung von kunststoffen
DE102022102395A1 (de) Verfahren und Vorrichtung zur Reduzierung des Nachbearbeitungsaufwands an Urform-Kavitäten vor deren Verwendung im Serienbetrieb
DE102009055314A1 (de) System zum Gestalten eines Formteils
EP3892440A1 (de) Verfahren zur einstellung einer spritzgiessmaschine
EP2930624A1 (de) Verfahren und vorrichtung zum erzeugen und abarbeiten von testfällen
DE10120476A1 (de) Hybridmodell und Verfahren zur Bestimmung von Eigenschaften hinsichtlich der Herstellung eines Spritzgießformteils
AT523127B1 (de) Verfahren zum Bestimmen realer Formmassenfronten und zum Abgleichen von Simulationen
EP4338925A1 (de) Computerimplementiertes verfahren zur ermittlung einer vorhersage-gewichtsgrösse eines durch eine spritzguss-vorrichtung hergestellten produktes, sowie steuerungsverfahren und steuerungssystem
AT525293B1 (de) Verfahren zum Berechnen eines Soll-Profils für die Bewegung eines Einspritzaktuators einer Formgebungsmaschine und/oder Simulieren des Einspritzens der Formmasse in eine Kavität
WO2023170122A1 (de) Computerimplementiertes verfahren und system zur bestimmung wenigstens einer maschine
EP4327171A1 (de) Verfahren zur steuerung von prozessen an kunststoff verarbeitenden maschinen
DE102021119992B3 (de) Datengetriebenes Verfahren zum Regeln einer Fertigungsmaschine, Prozessor und zweiter Rechner, Computerprogramm
WO2024002705A1 (de) Verfahren zur ermittlung einer reglerkonfiguration für ein antriebssystem, computerprogramm, computerlesbares medium, vorrichtung und antriebssystem.
WO2020169363A1 (de) Verfahren zum bereitstellen eines modells für zumindest eine maschine, trainingssystem, verfahren zum simulieren eines betriebs einer maschine sowie simulationssystem
WO2022079095A1 (de) COMPUTER-IMPLEMENTIERTES VERFAHREN UND VORRICHTUNG ZUM ERMITTELN EINER FASERORIENTIERUNG EINES FASERVERSTÄRKTEN SPRITZGIEßBAUTEILS