KIOptiPack - Ganzheitliche KI-basierte Optimierung von Kunststoffverpackungen mit Rezyklatanteil; im Verbundprojekt: KI-Anwendungshub Kunststoffverpackungen - nachhaltige Kreislaufwirtschaft durch Künstliche Intelligenz (KIOptiPack)

Abschlussbericht KIOptiPack

Loading...
Thumbnail Image

Editor

Advisor

Volume

Issue

Journal

Series Titel

Book Title

Publisher

Hannover : Technische Informationsbibliothek

Supplementary Material

Other Versions

Link to publishers' Version

Abstract

Übergeordnetes Ziel des Teilvorhabens war die Entwicklung, Validierung und der Anwendungs-transfer KI-gestützter Werkzeuge für das erfolgreiche Produktdesign und die qualitätsgerechte Produktion von Kunststoffverpackungen mit hohem Rezyklatanteil - bereitgestellt in einem KI-Anwendungs- und Datenraum und verknüpft mit dem Aufbau einer zentralen Netzwerkplattform für das Wertschöpfungsengineering. aiXtrusion sollte an drei Arbeitspaketen mitwirken: dem Aufbau der Datenmodellierung und Ontologie (AP 2.2), der Bereitstellung von Schnittstellen und Geräten zur Datenerfassung (AP 2.3) sowie den Folienextrusionsprozessen für die Verpackungsherstellung (AP 3.4). Für die Auslegung und Nachrechnung von Schmelzeverteilersystemen (T-, Fischschwanz- und Kleiderbügelverteiler) setzte aiXtrusion die Software VERTIGO ein. Über ein elektrisches Analogiemodell (Widerstandsnetzwerk) wird die Werkzeuggeometrie segmentiert und der Einfluss von Geometrie und Betriebspunkt charakterisiert. Damit ließ sich die Auslegung des Flachfolienwerkzeugs optimieren, um einen gleichmäßigen Schmelzeaustritt zu erreichen; die vom IKV ermittelten Materialparameter dienten als Eingangsgrößen. In einem gemeinsamen Workshop mit dem WZL IQS (26.02.2025) wurde der Vergleich der Auslegungsergebnisse eines Bügelverteilers mit VERTIGO verabredet - entsprechende Simulationsdaten für den Vergleich standen jedoch nicht zur Verfügung. Entwickelt wurde ein flexibles Eingabesystem auf Basis eines Raspberry Pi mit Touchdisplay (Qt 5/QtCreator, Debian), das auf andere Devices portierbar ist und für die Compoundierung und Folienextrusion angepasst wurde. Über unterschiedliche Eingabemasken werden Material- und Prozessdaten erfasst, mit Daten aus einer übergeordneten Datenbank ergänzt und so ein erweiterbares Logbuch aller hergestellten Materialien aufgebaut. Die Datenübertragung erfolgt nicht zyklisch, sondern gezielt zu Versuchsstart, -ende und bei Änderungen, um den Datenfluss gering zu halten. Die Anbindung an die Systeme des IKV wurde über Apache Kafka realisiert. Zur Einhaltung der Qt-Lizenzbedingungen wurden eine eigene Bildschirmtastatur und ein Ziffernfeld entwickelt. Das Logbuch dient als Basis zur Optimierung von Effizienz, Zuverlässigkeit und Qualität - insbesondere zur Identifikation von Fehlern und Prozessschwierigkeiten bei unterschiedlichen Rezyklatanteilen - und als langfristige Versuchsdokumentation. Zur Untersuchung der Folien wurde ein modulares, erweiterbares Folieninspektionssystem mit Zeilenkameras und eigenentwickelter Beleuchtung aufgebaut. Vom ursprünglich beantragten CIS-Sensor wurde abgerückt, da dessen geringe Tiefenschärfe (±1 mm) bei flatternden Folien problematisch ist und für Rezyklatfolien weder die hohe Auflösung noch die hohen Kosten Sinn ergeben - grobe Stippen und Gelpartikel zeigen sich ohnehin deutlich. Stattdessen kommt eine GigE-Zeilenkamera (Valine-4K1-CM-80GM, 4096 Pixel, 80 kHz) zusammen mit einem Inkrementalgeber zum Einsatz, womit bei 1.000 mm Folienbreite eine für Rezyklatfolien ausreichende Auflösung von 245 µm erreicht wird. Das System ist als Server-Client-Architektur aufgebaut und über eine JSON-Datei flexibel auf einem oder mehreren Rechnern konfigurierbar. Jeder Client verarbeitet die Kamerabilder und erkennt Helligkeitsabweichungen gegenüber gemittelten Referenzbildern. Zwei Verfahren wurden untersucht: Die Mittelwert-/Differenzmethode (Subtraktion) und die etwas rechenintensivere Divisionsmethode, die geringfügig mehr Fehler erkennt. Beide liefern vergleichbare Ergebnisse mit nahezu linear steigender Verarbeitungszeit. Aus den Messungen (z.B. 524 Fehler in 33 ms) ergeben sich praxistaugliche Zeilenraten, wobei aktuelle CPUs gegenüber der eingesetzten Test-Hardware rund vierfache Verarbeitungsgeschwindigkeiten und damit deutliche Reserven bieten; zusätzliches Potenzial liegt in der Optimierung der Vorverarbeitungsalgorithmen. Fehlerkandidaten auf den inspizierten werden mit Position, Größe und ihrem Bildausschnitt erfasst und in einer SQLite-Datenbank abgelegt. Die Klassifizierung erfolgt wahlweise über ein neuronales Netz oder klassische Bildverarbeitungsmethoden. Werkzeuge zur Client-Kalibrierung (Pixelgröße, Aufnahmebereich/ROI) und zur Kamerafokussierung wurden umgesetzt. Die Server-Applikation zeigt Fehler in Echtzeit an, bietet Statistiken sowie einen Qualitätsbeobachter über den gesamten Folienwickel und ermöglicht die Datenanbindung über OPC UA in die Cloud. An der Collin-Laboranlage des IKV wurde das System mit Folien unterschiedlicher Recyclinganteile erprobt. Da sich die Folienhelligkeit mit dem Rezyklatanteil ändert, wurde die Einmessung der Belichtungszeit über einen PID-Regler automatisiert; reicht die Belichtungszeit nicht aus, wird der Gain erhöht (zulasten der Bildqualität). Der Messwert "Defect Ratio" - der Anteil der Fehlerfläche an der Folienfläche - stieg in zahlreichen Versuchen erwartungsgemäß mit zunehmendem Rezyklatanteil und bestätigte damit die Eignung des Systems zur Qualitätsbewertung von Rezyklatfolien. Insgesamt hat aiXtrusion in zwei Arbeitspaketen funktionsfähige, praxisnahe Werkzeuge bereitgestellt: ein portierbares Eingabe- und Logbuchsystem mit Kafka-Anbindung zur durchgängigen Datenerfassung sowie ein modulares, kameragestütztes Folieninspektionssystem mit automatisierter Belichtungsmessung und neuronaler Fehlerklassifizierung. Damit liegt eine zusammenhängende Datengrundlage von der Materialeingabe über die Prozessparameter bis zur optischen Qualitätsbewertung vor. Die Ergebnisse bestätigen, dass sich steigende Rezyklatanteile sowohl in der Folienhelligkeit als auch in messbaren Fehlerkennzahlen niederschlagen und damit automatisch beurteilbar werden. Weiteres Potenzial besteht in der Optimierung der Vorverarbeitungsalgorithmen sowie im Einsatz aktueller Rechenhardware, die deutlich höhere Verarbeitungsgeschwindigkeiten und damit höhere Bahngeschwindigkeiten und Auflösungen ermöglicht.

Description

Keywords GND

Conference

Publication Type

Report

Version

publishedVersion

License

Creative Commons Attribution-NonDerivs 3.0 Germany