Bei der Herstellung von Kunststoffprodukten ist echte Präzision erforderlich. Das Problem: Schwerwiegende Produktionsfehler fallen häufig erst spät auf und können zu hohen Produktionskosten führen. Das mittelständische Unternehmen Wandel Packaging Group Blow Moulding GmbH hat mit Hilfe von Partnern ein KI-basiertes Verfahren entwickelt, das Anomalien im Fertigungsprozess sofort erkennt und unmittelbar den Maschinenbedienern mitteilt.

Rund 25 Millionen Kunststoffprodukte fertigt die Wandel Packaging Group Blow Moulding GmbH jährlich. Das mittelständische Unternehmen ist spezialisiert auf Kunststoffkanister für Gefahrgut und produziert diese in Ausführungen zwischen 2 und 30 Litern. Die Produktion stellt hohe Qualitätsanforderungen und erfordert stabile Prozesse. Dies gilt insbesondere für das Verfahren zur Herstellung von Hohlkörpern – das so genannte Extrusionsblasformen.

Fehler oder Abweichungen in der Produktion führen hier zu Ausschuss, der nicht stückgenau erfasst werden kann. Tritt ein schwerwiegender Produktionsfehler während einer Schicht auf, fällt dies in der Regel erst spät auf. Das kann hohe Kosten verursachen – für Produktionsstillstände fehlerhaft parametrierter Maschinen, deren Diagnose und Reparatur sowie in der Folge für das Recycling der Fehlproduktion.

Zur Sicherung der Qualität der Produktion setzt die Wandel Packaging Group Blow Moulding GmbH auf Künstliche Intelligenz. Über das Kompetenzzentrum „Digital in NRW“ startete der Mittelständler ein gemeinsames Projekt mit Fraunhofer IOSB-INA in Lemgo. Das Institut evaluierte ein KI-basiertes Überwachungsverfahren für den Einsatz bei der Wandel Packaging Group Blow Moulding GmbH. Wichtigstes Ziel war es, jene Signale zu identifizieren, die den höchsten Einfluss auf eine erkannte Anomalie haben. Das Verfahren wurde auf Basis von aufgezeichneten Maschinendaten des Mittelständlers trainiert. Dabei wurde sichergestellt, dass in dem aufgenommenen Zeitraum die Maschine fehlerfrei funktionierte.

Intelligente Zustandsüberwachung

Aus einer Vielzahl von Signalen wie Temperaturen in der Materialzuführung, Drücke im Werkzeug und Geschwindigkeiten wurde zunächst das Normalverhalten beschrieben. Im Anschluss konnten neue, bisher nicht bekannte Datenpunkte durch eine mathematische Distanzberechnung mit diesem Modell verglichen werden.

Ein Ziel dabei war es, eine niedrige Anzahl an Fehlalarmen zu generieren und somit eine hohe Genauigkeit zu erzielen. Weitere Anforderung: Die Zustandsüberwachung muss in der Lage sein, jene Signale und Maschinenkomponenten klar zu identifizieren, die zu der Anomalie geführt haben. So kann ein Maschinenbediener schnell die fehlerhaften Komponenten lokalisieren und den Schweregrad des Fehlers einschätzen.

Nachdem dieses Modell einmal beschrieben wurde, kann es als Kern des KI-Systems beispielsweise auf einem Ein-Platinen-Computer gespeichert und eingesetzt werden. Das KI-System ist so physikalisch mit der Produktionsanlage verbunden. Es besitzt eine separate Datenschnittstelle, um Live-Daten von der Produktionsmaschine zu empfangen. Außerdem unterstützt es diverse Visualisierungsmöglichkeiten wie Signalsäulensysteme, ein Ampelsystem auf einem Überwachungsmonitor, mobile Benachrichtigungen oder Datenexport in ein SCADA-System.

Roman Preis, Energie- und Prozessmanager bei Wandel Packaging Group Blow Moulding GmbH, resümiert: „Wichtig ist, aus den Prozessdaten zu ermitteln, welchen Einfluss sie auf die Qualität unserer Produkte haben. Von über 100 Parametern sind wahrscheinlich nur fünf bis zehn relevant.“