Endi-QM | Neues Forschungsprojekt

Energieeffizienz durch intelligentes in-Prozess Quality Monitoring | Endi-QM

22.08.2022

Wachsende Anforderungen an die Energieeffizienz und die Reduktion von CO2-Emissionen bei der industriellen Produktion stellen immer größere Herausforderungen für Unternehmen dar. Um das im Klimaschutzgesetz verankerte Ziel zu erreichen, bis zum Jahr 2045 klimaneutral zu sein, müssen die Produktionsunternehmen zunehmend mehr Verantwortung übernehmen. In diesem Zusammenhang ist die kunststoffverarbeitende Industrie mit einer jährlichen Produktionsmenge von über 14 Mio. Tonnen in Deutschland von großer Relevanz. Mit einem Jahresumsatz von etwa 61,5 Mrd. € und 322.000 Beschäftigten in 3.037 Betrieben ist sie einer der bedeutendsten Wirtschaftszweige in Deutschland und dabei größtenteils mittelständisch geprägt.

Die zunehmende Digitalisierung und der Einsatz von Methoden der Datenanalyse im Zuge von Industrie 4.0 bieten Unternehmen umfangreiche Potenziale, ihre produktionsrelevanten Prozesse energie- und ressourceneffizienter zu gestalten (Siehe Abbildung 1). Das Projekt Endi-QM verfolgt dabei einen intelligenten, voll kontrollierbaren und energieeffizienten Spritzgießprozess.

Innovativer Kern des Projekts

Das übergeordnete Ziel des Projekts Endi-QM ist es, den Primärenergieverbrauch eines verketteten, hybriden Spritzgießprozesses durch die gezielte Auswertung von Produktionsdaten zu optimieren.

Dabei werden mehrere unterschiedliche Ansätze verfolgt. Eine offensichtliche Ressourcen- und Energieverschwendung ist auf Ausschussteile zurückzuführen. Diese verursachen nicht nur eine Verschwendung der Ausgangsrohstoffe, sondern auch einen energetischen und zeitlichen Aufwand für den Produktionsprozess. Nicht zu vernachlässigen sind weiterhin die zusätzlich notwendigen Ressourcen für die Vernichtung bzw. das Recycling des Ausschussteils. Im Projekt werden mithilfe von KI-gestützten Methoden werden die Prozessparameter selbstanpassend und kontinuierlich optimiert. Somit kann die Fertigungsqualität stetig verbessert und gleichzeitig der Primärenergieverbrauch reduziert werden.

Ein weiterer Ansatzpunkt zur Optimierung der Energie- und Ressourceneffizienz ist die Instandhaltung der Maschine. Die Instandhaltungsstrategie hat großen Einfluss auf die Zuverlässigkeit und Produktivität einer Anlage oder eines Prozesses. Aus den durch Sensorik erfassten Zustandsdaten der Maschine und unter Verwendung eines KI-Modells lässt sich demnach die zu erwartende verbleibende Lebensdauer von Komponenten und Verschleißteilen einschätzen und der aktuelle Zustand ermitteln. Daraus ergibt sich eine bessere Ausnutzung des Abnutzungsvorrates von Werkzeugen und Maschinenkomponenten, was wiederum zu einer Senkung des Primärenergieverbrauchs führt.

Eine Übersicht des möglichen Architekturmodells zur Datenerfassung, Modellierung und Optimierung ist in Abbildung 2 zu sehen.

Vorüberlegungen zur IT-Architektur für die Datenerfassung, Modellierung und Optimierung

Ihr Kontakt am PTW

Feng Zhu M. Sc.