DOSP-VHR-001863 | AI4IM - Artificiële Intelligentie voor Spuitgieten

Voor de maakindustrie is spuitgieten waarschijnlijk de belangrijkste productietechniek als het gaat om het produceren van grote series kunststofproducten. De Vlaamse spuitgietsector staat echter al enkele decennia onder druk door concurrerende landen buiten de EU, zoals China en India. Daar worden producten aan lagere kosten geproduceerd en heeft de kwaliteit van afgeleverde producten de laatste jaren een serieuze inhaalbeweging gemaakt.

Vlaamse spuitgietbedrijven dienen daarom te blijven innoveren en kosten te drukken door in te zetten op automatisatie, het sneller stellen van spuitgietlijnen, het reduceren van operator interventies en het blijven garanderen van een hoge productkwaliteit. Dit project beoogt hieraan bij te dragen door een component van artificiële intelligentie (AI) toe te voegen aan het spuitgietproces.

Concreet worden er binnen dit project 3 doelen vooropgesteld:

• Automatisch detecteren van onderdelen met spuitgietfouten of onderdelen buiten specificatie (bijvoorbeeld dimensies, oppervlaktekwaliteit, enz.).
• Voorspellen wanneer spuitgietfouten, onderdelen buiten specificaties of machineproblemen zullen optreden (predictive maintenance).
• Nieuwe inzichten verschaffen in het spuitgietproces door verklaringen te vinden voor spuitgietfouten.

Hoe werkt AI in het spuitgietproces? Binnen dit project zullen sensoren in de matrijs of metingen op de spuitgietmachine gebruikt worden om druk, debiet en temperatuur te meten tijdens injectie, nadrukken en koelen van het geïnjecteerde materiaal. Deze gemeten inputcurves worden gekoppeld aan outputgegevens zoals spuitgietfouten, dimensies en oppervlakteruwheid.

Zowel de input- als outputgegevens worden gebruikt voor het trainen van een lerend netwerk, een zogenaamd neuraal netwerk. Eenmaal dit netwerk getraind is op basis van data uit de eerste 1000 shots, kan het worden ingezet om de output te voorspellen aan de hand van nieuw gemeten druk-, debiet- of temperatuurcurves. Deze inputgegevens kunnen ook gebruikt worden om de productkwaliteit op langere termijn te voorspellen, waardoor vroegtijdig ingrijpen mogelijk is om uitval te vermijden.

Binnen dit project zal ook een specifieke AI-techniek worden geëxploreerd, explainable AI. In tegenstelling tot de traditionele benadering waarbij AI als een black-box wordt beschouwd, geeft explainable AI een verklaring waarom een neuraal netwerk specifieke stukken van inputdata koppelt aan de output. Dit kan leiden tot nieuwe inzichten voor spuitgietingenieurs en hen helpen bij het verbeteren van het spuitgietproces.

Voor de maakindustrie is spuitgieten waarschijnlijk de belangrijkste productietechniek als het gaat om produceren van grote series kunststofproducten. De Vlaamse spuitgietsector staat echter al enkele decennia onder druk door concurrerende landen buiten de EU zoals China en India, waar producten aan lagere kost geproduceerd worden en waar de laatste jaren een serieuze inhaalbeweging gebeurde op vlak van kwaliteit van afgeleverde producten.

Daarom is het voor Vlaamse spuitgietbedrijven belangrijk om te blijven innoveren en kosten te drukken door onder andere in te zetten op automatisatie (bijvoorbeeld automatische assemblage vlak na het spuitgieten), snellere spuitgietlijnen om te stellen (flexibelere omschakeling), operatorinterventies te reduceren en een hoge productkwaliteit te blijven garanderen.

Het AI4IM-project draagt hieraan bij door het introduceren en valideren van machine learning (ML) in het spuitgietproces van de Vlaamse industrie aan de hand van 4 reële casestudies. De veelbelovende resultaten kunnen Vlaamse spuitgietbedrijven aanmoedigen om deze technieken zelf ook te gebruiken, en de bronnen op de website geven hen effectief de tools om hiermee aan de slag te gaan.

Meer informatie kan worden gevonden op de website https://ai4im551107933.wordpress.com/thomas-more/