KIcKER - Künstliche Intelligenz zur cloudbasierten Optimierung von Kunststoff Extrusionswerkzeugen über numerische Rechnungen

Abstract

Die Auslegung und Optimierung von Profilextrusionswerkzeugen ist ein komplexer und ressourcenintensiver Prozess, der in vielen Unternehmen nach wie vor auf experimentellen Nachbearbeitungsschleifen basiert. Dies führt zu hohen Material- und Energieverbräuchen sowie langen Produktionsstillständen. Digitale Simulationsmethoden bieten zwar eine Alternative, setzen jedoch oft spezialisiertes Fachwissen und leistungsfähige Hardware voraus, was insbesondere für KMU eine große Einstiegshürde darstellt. Das Ziel des Forschungsprojekts „KIcKER“ war die Entwicklung eines KI-gestützten Optimierungsverfahrens für Profilextrusionswerkzeuge, das es ermöglicht, Werkzeuge automatisiert und simulationsbasiert nach einer vorgegebenen Zielkontur zu optimieren. Dies geschieht durch den Einsatz von Machine Learning (ML) mit neuronalen Netzen, die aus numerischen Simulationen und experimentellen Daten lernen und so Optimierungsvorschläge für neue Werkzeuggeometrien ableiten. IANUS übernahm in diesem Vorhaben die Entwicklung des KI-basierten Optimierungsmoduls sowie die Integration in die Cloud-basierte Simulationsplattform StrömungsRaum®. Das SKZ stellte durch die Entwicklung experimentelle Techniken und messoptischer Verfahren sicher, dass die Simulationsergebnisse mit realen Produktionsbedingungen übereinstimmen und lieferte Echtweltdaten für die KI-Entwicklung. Der Vorteil dieser neuen Entwicklung liegt in der drastischen Reduktion von Entwicklungszeiten und Materialaufwand. Durch die vollautomatisierte Optimierung von Werkzeuggeometrien wird nicht nur der Designprozess beschleunigt, sondern auch eine gleichmäßigere Strömungsverteilung im Werkzeug sichergestellt, was zu einer höheren Produktqualität und effizienteren Produktion führt.