Effizienzsteigerung bei der Einrichtung und dem Troubleshooting von PUR-RIM-Prozessen durch eine sensorbasierte Prozessüberwachung

Abstract

Für die Fertigung von Formteilen aus Polyurethanen kommt häufig das Reaction Injection Moulding zum Einsatz. Aufgrund der hohen Variabilität der Ausgangskomponenten und der hohen Anzahl an Einflussfaktoren auf die Bauteilherstellung ist für eine effiziente Prozesseinstellung ein hohes Maß an Know-How notwendig. Sind solche Erfahrungswerte nicht vorhanden, kann es bei der Implementierung eines neuen Prozesses, der Umstellung der Anlagentechnik, einem Materialwechsel oder generellen Defekten bei den hergestellten Bauteilen zu zeit- und kostenintensiven Vorversuchen und Korrekturen kommen. Das Ziel des Forschungsvorhabens war daher die Optimierung von PUR-RIMProduktionsprozessen durch die Analyse der Prozessstabilität bei variierenden Prozessparametern und eingesetzten Materialien und Anlagentechniken. Es wurde der Einfluss relevanter Material- und Prozessparameter auf das Aushärteverhalten unterschiedlicher PUR-Systeme in einem mit ausgewählter Sensorik ausgestattetem Werkzeug unter Verwendung verschiedener Dosier- und Anlagentechnik bewertet sowie der Einfluss auf die resultierenden Bauteileigenschaften mithilfe von im Prozess generierten Sensordaten analysiert. Es wurde ein Prozessdatenerfassungssystem entwickelt, um die Prozessstabilität sowie effiziente Anpassung bei Prozessschwankungen zu optimieren. Hierzu wurden verschiedene Sensoren innerhalb und in unmittelbarer Nähe eines bereits vorhandenen Versuchswerkzeugs integriert, um die qualitätsbestimmenden Parameter wie Werkzeug- und Umgebungstemperatur aus verschiedenen Phasen des Produktionszyklus zu erfassen. Die generierten Sensordaten können während der Produktion online ausgewertet werden und durch die Vorgabe eines Parameterfensters Abweichungen live erfasst sowie Vorschläge für Maßnahmen zur Behebung der Abweichungen automatisiert abgeleitet werden. Dadurch lässt sich der Ausschuss, der durch die Parameterschwankungen resultiert, gegenüber einer manuellen Anpassung der Prozessparameter basierend auf Erfahrungswissen deutlich reduzieren, da ab dem ersten fehlerhaften Bauteil die Ursache identifiziert wird. Das Ziel des Vorhabens wurde erreicht.