Zu den aus Flüssigsilikon hergestellten Teilen gehören auch Schnuller aus Vollsilikon. (Bild: Starlim)
Im Auto, im Babyschnuller oder in der Küchenschublade – das sind nur einige Beispiele für den Einsatz von Silikonformteilen aus dem Hause Starlim. Im Rahmen des Comet-Forschungsprojekts „Spoc“ (Sustainable Process Cognition) wurde mit dem Software Competence Center Hagenberg (SCCH) eine Software entwickelt, die hilft, eine gleichbleibende Qualität der Silikon-teile in der Produktion zu gewährleisten. Denn Silikon kann nicht rezykliert werden, daher muss es umso effizienter genutzt und verarbeitet werden.
Starlim, mit Sitz im österreichischen Marchtrenk produziert jährlich über 14 Milliarden Einzelteile aus Flüssigsilikon. Bei so hohen Stückzahlen ist eine sehr niedrige Fehlerquote wichtig. „Tatsächlich ist aber bei einer Million Stück weniger als ein Teil fehlerhaft“, sagt Johannes Pichler, Vice President Operation Technology bei Starlim.
Big Data für die Qualitätssicherung
Für die reibungslose Produktion sind stabile Produktionsprozesse wichtig. Im Maschinenpark sind gleichzeitig Hunderte von Spritzgießmaschinen im Einsatz und es fallen massenhaft Daten an. Um langfristig wettbewerbsfähig zu bleiben, ist für solch ein Unternehmen das Nutzen dieser Daten im Produktionsprozess sehr wichtig. Das Nutzbarmachen ist allerdings ein herausfordernder Prozess, der eine Vielzahl von Teilaufgaben umfasst.
Das beginnt mit der Datenerfassung und -speicherung, der Datenverarbeitung sowie -analyse und geht über eine geeignete Definition von Anwendungsfällen sowie Projektzielen bis hin zur Nutzung und Integration der Analyseergebnisse in das Produktivsystem. Mit Standard-IT-Lösungen kommt man hier nicht ans Ziel, dafür sind Spritzgießprozesse zu komplex beziehungsweise ist die heterogene Massenproduktion mit vielen verschiedenen Produktarten eine riesige Hürde. „Wir am SCCH waren von Beginn an bei der Umsetzung dieses Vorhabens bei Starlim in enger Zusammenarbeit dabei und begleiten diesen Prozess nun schon über mehrere Jahre“, so Johannes Himmelbauer, Senior Research Project Manager Data Science am SCCH und Leiter dieses Projekts.
In einer ersten Phase wurde für den Silikonverarbeiter eine spezifische Dateninfrastruktur entwickelt, mit der alle Produktionsprozesse gleichzeitig überwacht und Daten für Analysezwecke gesammelt werden können. In weiterer Folge wird nun in einem interativen Prozess an der automatisierten Erkennung verschiedener bekannter, instabiler Produktionszustände gearbeitet. „Diese Aufgabe ist oft äußerst anspruchsvoll, da sie die generische Berücksichtigung des heterogen Settings mit einer Vielzahl an Produkten, Maschinen, Werkzeugen und Maschinenkonfigurationen erfordert“, erklärt Himmelbauer.
So werden Fehler rasch und einfach behoben
Die Silikonteile werden im Produktionsprozess stichprobenartig und manuell mittels optischer Qualitätskontrolle überprüft. Werden bei einer Stichprobe fehlerhafte Teile gefunden, können Rückschlüsse auf instabile oder fehlerhafte Produktionsperioden gemacht werden. Die Software soll dabei helfen solche Fälle in Zukunft zu reduzieren. Ziel ist es, den Maschinenbedienerinnen und -bediener die Info, welche Maschine ein Problem hat, schnell und einfach darzustellen. Das Monitoren der Maschinen erlaubt den sofortigen Eingriff, wodurch die Produktion optimiert und der Ausschuss weiter reduziert wird.
Fachspezifisch informiert mit dem KGK-Contentletter
Aktuelle Nachrichten, spannende Anwenderberichte und branchenrelevante Produktinformationen sowie wissenschaftliche Veröffentlichungen erhalten Sie mit dem KGK-Contentletter einmal monatlich kostenfrei direkt in Ihr Postfach.
