Arburg: Mit KI zum optimierten Spritzgießprozess
In der Podcast-Serie „KI in der Industrie“ hat sich Arburg dazu geäußert, welche Potenziale Künstliche Intelligenz (KI) für den Spritzgießprozess bietet.
Werner Faulhaber, Bereichsleiter Entwicklung bei Arburg, erklärt im Gespräch mit Moderator Robert Weber zum Beispiel, wie KI in Verbindung mit einer smarten Steuerung und Machine Learning den Spritzgießprozess Schritt für Schritt intelligenter macht, an welchen Entwicklungen Arburg hierzu arbeitet und wie Kunststoffverarbeiter damit künftig neue Geschäftsmodelle erschließen können.
Kunden können KI-Basismodell on Edge weiter schärfen
In der Podcast-Folge 133 mit dem Titel „KI bei Arburg und die Rolle des Basismodells“ wird diskutiert, warum es nicht reicht, einfach nur Daten zu sammeln. Man müsse auch das Prozess-Know-how und Domänenwissen dazu haben. Werner Faulhaber geht darauf ein, wie man mit Hilfe von KI Basismodelle aus den über die Jahre gesammelten Erfahrungen und Daten zu Prozess, Material und Maschinen entwickeln kann. Der Kunde könne das ihm zur Verfügung gestellte Basismodell dann „on Edge“, also dezentral, weiter schärfen und damit seine Prozesse optimieren.
Die Maschine optimiert den Spritzgießprozess selbst
Von Vorteil ist laut Faulhaber, dass Arburg dabei auf die Eigenentwicklung Gestica-Steuerung, das eigene Arburg Leitrechnersystem ALS und das Kundenportal Arburgxworld aufsetzen könne. Zudem werde sich die Maschine in Zukunft verstärkt selbst optimieren und mittels Machine Learning kontinuierlich hinzulernen. Als Praxisbeispiele werden im Podcast beispielsweise das automatische Programmieren von Robot-Systemen, gezielte Störfall-Behebungen und ein Ersatzteilwesen mit intelligenter Bildverarbeitung erklärt.
Für Kunststoffverarbeiter interessant ist auch die die Folge 115 des Podcasts zum Thema „Federated Learning im Spritzgießen“. Im Podcast „KI in der Industrie“ kommen regelmäßig KI-Experten aus Wissenschaft und Forschung sowie aus der Industrie zu Wort.
sk
Passend zu diesem Artikel
Im neuen Forschungsprojekt Mouldpredict entwickelt das KUZ in Leipzig ein selbstlernendes KI-System für Qualitätsprognosen im Spritzgießprozess.
Mit Comoscout bietet Kistler jetzt eine einfache, kostengünstige Lösung zur Prozessüberwachung des Spritzgießprozesses an.