Thermoplaste einfärben – direkt an der Spritzgießmaschine

Das Kuz in Leipzig arbeitet an einer Inline-Lösung, um Thermoplaste direkt an der Spritzgießmaschine einzufärben. Hier der Regelkreis für die Online-Farbmischung. Foto: Kuz

Thermoplaste während der Spritzgießprozesses einfärben? Eine solche Inline-Lösung entsteht am Kunststoff-Zentrum in Leipzig in einem Forschungsprojekt.

Umgesetzt wird das Einfärben thermoplastischer Kunststoffe im Forschungsprojekt „Farbmischung Online“ mit Hilfe von Inline-Farbmessung und Online-Dosierung auf Basis von Flüssigfarben. Dabei erfolgen die Rezeptierung und Dosierung der Farbe direkt im laufenden Prozess an der Maschine. Eine solche Lösung bringt gegenüber dem aktuellen Stand der Technik den Vorteil, dass der Zeitaufwand für das Einfärben eines Formteils stark verringert wird. Außerdem ermöglicht es eine kontinuierliche und lückenlose Qualitätskontrolle. Farbabweichungen durch Chargenschwankungen oder wechselnde Umweltbedingungen können dadurch jederzeit erkannt und im Prozess ausgeglichen werden.

Mit Farbsensoren und Farbmodellen zur Zielfarbe

Im Rahmen des Projekts am Kunststoff-Zentrum in Leipzig (Kuz) wurde ein Versuchsstand entwickelt, der eine Verknüpfung von Farbmessung und Dosierung mit dem Spritzgießprozess ermöglicht. Über einen Steuerrechner wird durch den Anwender die gewünschte Zielfarbe definiert. Für diese Zielfarbe wird ein Farbrezept für ein verfügbares Sortiment berechnet und als Steuersignal an die Farbdosierstation weitergegeben.

Die Farbe der produzierten Formteile wird durch einen Farbsensor gemessen und mit der Zielfarbe verglichen. In einem iterativen Verfahren wird die Formteilfarbe automatisch an die definierte Zielfarbe angeglichen. Für die iterative Berechnung der Farbdosieranteile wurden zwei Verfahren untersucht. Das erste Verfahren ver- wendet ein physikalisches Farbmodell in Form einer am Markt erhältlichen Rezeptiersoftware. Beim zweiten Verfahren wird ein neuronales Netz mit Stichproben angelernt, um für eine definierte Zielfarbe die richtigen Anteile der einzelnen Farbkanäle zu berechnen.

Selbst optimierendes Farbdosiersystem für das Einfärben

Es ist dem Kuz gelungen, ein sich selbst optimierendes Farbdosiersystem für Flüssigfarben zu entwickeln. Dieses System ist in der Lage, innerhalb weniger Iterationsschritte ein Farbrezept für eine gewünschte Zielfarbe zu optimieren. Dabei wird der empfundene Farbabstand ΔE mit jeder Iteration kleiner bis er sein Optimum erreicht hat. Es gilt, dass ein ΔE<1.0 nur für das geübte Auge erkennbar ist. Ab einem ΔE<0.5 gilt die Abweichung als nahezu unmerklich.

Während der Untersuchungen hat sich gezeigt, dass beide Verfahren prinzipiell geeignet sind, eine Online-Rezeptierung im Spritzgießprozess durchzuführen. Speziell für die Verwendung unter Produktionsbedingungen hat sich das Neuronale Netz als praxisnahe Alternative zu einem physikalischen Farbmodell hervorgetan. Besonders vorteilhaft ist hier, dass die Datenbasis mit jedem neuen Zyklus erweitert wird, das Modell lernt stetig dazu. Außerdem kann auf die aufwendige Erstellung von Eichreihen verzichtet werden, was Ressourcen und Arbeitszeit spart.

Rentable geringe Losgrößen bei thermoplastischen Formteilen

Mit dem Verfahren lässt sich der Zeitaufwand für das Einfärben von Formteilen beim Spritzgießen stark reduzieren. Damit wird die Produktion geringer Losgrößen für den Hersteller rentabler. Folglich können Hersteller individuelle und flexible Lösungen anbieten. Außerdem ist eine kontinuierliche Kontrolle der Formteilfarbe möglich. Chargenschwankungen oder Umwelteinflüsse können so jederzeit ausgeglichen und die Ausschussmenge reduziert werden, was ebenfalls zu einer Reduzierung der Betriebskosten und zu einer nachhaltigeren Produktion beiträgt.

Künstliche Intelligenz unterstützt künftig das Einfärben ohne Farbabweichungen

Der Ansatz zur intelligenten Regelung der Formteilfarbe über ein Künstliches Neuronales Netz hat sich in dem Projekt als sehr vielversprechend erwiesen. Deshalb wurde vom KUZ ein neues Forschungsprojekt zur Entwicklung eines mit Künstlicher Intelligenz (KI) gestützten Assistenzsystems zur Online-Farbrezeptierung beantragt. Ziel dieses Projekts ist es, den Ansatz des Maschinellen Lernens bei der Farbprognose konsequent weiter zu verfolgen und dem Anwender einen Assistenten zur Seite zu stellen, welcher ihn bei der Einrichtung und Qualitätsüberwachung unterstützt. Das eingesetzte Künstliche Neuronale Netz soll dabei das komplette Farbspektrum abbilden und somit über eine höhere Prognosegenauigkeit verfügen. Zusätzlich lassen sich damit auch spezielle Farbeffekte wie Metamerie vorhersagen.

sk