Auf dem Weg zur digitalen Pultrusion

Die Pultrusion ist ein Prozess zur kontinuierlichen Herstellung endlosfaserverstärkter Profile. Das konsolidierte Profil wird mit Greifern durch das formgebende Werkzeug gezogen. Dem Werkzeug kommt die Aufgabe zu, die für die Aushärtungsreaktion benötigte Energie zuzuführen. Dem vorgeschaltet ist ein Harzbad oder eine Injektionsbox. Beide Verfahrensvarianten müssen die vollständige Imprägnierung der Faserhalbzeuge mit dem flüssigen Matrixmaterial sicherstellen. Abschließend wird das Profil durch eine mitlaufende Säge abgelängt. Die Profile finden vielfältige Anwendungen, beispielsweise beim Bau von Windkraftanlagen sowie in der Bau- und Automobilbranche in Form von Fensterprofilen oder Querträger [1, 2, 3]. Im Pultrusionsprozess stehen den zwei Steuergrößen (Abzugsgeschwindigkeit und Heizleistung) bei der Herstellung eines Profils 22 charakterisierte Fehlerbilder gegenüber [4, 5]. Da durch die geringe Anzahl der Steuergrößen die Einflussmöglichkeiten auf den Prozess begrenzt sind, müssen für das Prozessverständnis weitere Einflussgrößen wie Matrix- und Rovingeigenschaften berücksichtigt werden. In der Literatur werden bis zu 106 Einflussgrößen beschrieben [6]. Die Einstellung eines kontinuierlichen Prozesses mit hinreichender Produktqualität erfordert Erfahrungswissen vom Ingenieur und Anlagenbediener. Es existiert kein kommerzielles Überwachungs- oder Regelsystem, welches Änderungen im quasi-statischen Prozesszustand ausgleichen kann.

Bei Herstellern von Pultrusionsprofilen handelt es sich in Deutschland meist um kleine oder mittelständische Unternehmen [7]. Diese bieten ein breites Spektrum an Profilen an, welches einen entsprechend großen Bestand an Werkzeugen erfordert. Außerdem wird der Preis von Pultrusionsprofilen maßgeblich durch den Materialpreis bestimmt. Aus wirtschaftlicher Sicht ist es daher erstrebenswert, möglichst keine beziehungsweise möglichst kostengünstige Sensorik einzusetzen. Wohingegen für eine holistische Betrachtung in der Wissenschaft möglichst alle relevanten Prozessgrößen gemessen werden sollen. Teilziel des Forschungsvorhabens war daher die Identifikation relevanter Sensoren, die den Prozesszustand umfassend beschreiben können. So entsteht eine Entscheidungsgrundlage, auf der Unternehmen den Einsatz von zusätzlicher Sensorik bewerten können.

Soft-Sensoren stellen eine digitale Ergänzung zu Hardware-Sensoren dar. Die Aufgabe von Soft-Sensoren ist in der Regel das Erfassen von Prozessgrößen oder Prozesszuständen, die nicht mit Hardware erfasst werden können oder bei denen dies aufwendiger ist. Ein Soft-Sensor ist immer eine Akkumulation von physischen Sensoren und einer mathematischen Umwandlung. Dabei gibt es drei Methoden, um aus den Sensordaten zusätzliche Aussagen über den Prozesszustand zu treffen. Einerseits können zusätzliche Größen aus physikalischen Modellen berechnet werden. Andererseits können statistische Regressionen oder KI-Modelle Korrelationen zwischen einem oder mehreren Sensoren und relevanten Prozess- oder Qualitätsgrößen beschreiben [8, 9]. Aus den Herausforderungen bei der Prozessüberwachung in der Pultrusion leitet sich die Fragestellung ab, ob der Einsatz von Soft-Sensoren die Prozessüberwachung verbessern kann. Dies bedeutet konkret, dass aus dem begrenzten Sensorpaket im industriellen Einsatz kritische Prozessbereiche abgeleitet und aus erkannten Prozessabweichungen Handlungsempfehlungen an den Bediener abgeleitet werden müssen. Es muss herausgestellt werden, welche Prozessgrößen oder Qualitätsgrößen sich durch die beschriebenen Methoden überwachen lassen.

Die Pultrusionsanlage Pultrex P500 der Firma Pultrex, Lawford, England, die am IKV vorhanden ist, wurde für die Datenerfassung und cloudbasierte Speicherung nachgerüstet (Bild 1). Dazu wurden Sensoren installiert, die Prozessdaten wie Abzugskraft, Abzugsgeschwindigkeit und die Temperatur der Werkzeugheizzonen erfassen. Die Prozessdaten werden mithilfe der Software Labview von National Instruments, Austin, USA, aufgezeichnet. Die Software verarbeitet die Eingangssignale und ermöglicht das direkte Weiterverarbeiten der Sen-sordaten. Zusätzlich werden prozessrelevante Umgebungsdaten wie Luftdruck, Lufttemperatur und Luftfeuchte erfasst. Die Datenerfassung wird durch eine umfangreiche Metadatendatenbank ergänzt, deren grundlegende Struktur in Bild 2 dargestellt ist. In den Metadaten werden alle Informationen zu den verwendeten Faser- und Matrixmaterialien, den Werkzeugen und den durchgeführten Versuchen gespeichert. Es wird für jede der genannten Informationen ein Datentyp mit eigener Datenbank (DB) angelegt. Dies ermöglicht einen schnellen Zugriff auf einzelne Datentypen, die einfache Ergänzung neuer Daten sowie eine leichte Vergleichbarkeit zwischen verfügbaren Komponenten. Die Informationen ermöglichen in Verbindung mit den Prozessdaten eine datenbasierte Prozessüberwachung in Echtzeit und liefern die Datengrundlage für eine systematische Auswertung des Prozesses.

Für das Bewerten der Prozessüberwachung wurde ein 3² Versuchsplan durchgeführt. Dabei wurden die für die Pultrusion zentralen Größen Temperatur (T), Abzugsgeschwindigkeit (v) und Faservolumengehalt (FVG) variiert, ausgehend von einem etablierten stabilen Prozesspunkt (0). Für die Versuche wurden die Glasfaserrovings Starrov 090 4.800 tex von Johns Manville Europe, Wertheim, sowie das Polyurethan (PUR) System Baydur PUL 20PL20, mit Desmodur 10PL02 von Covestro, Leverkusen, verwendet (η ≈ 310 mPas, bei 20 °C). Die Injektion des PUR-Systems erfolgte mit einer Niederdruckdosieranlage des Typs Eldomix 101, Hilger und Kern, Mannheim. Es wurden Rechteckprofile (35 x 4 mm) hergestellt. Für die Faserführung wurde eine gleichmäßige Verteilung der Rovings über den gesamten Querschnitt mit lokal konstantem Faservolumengehalt berücksichtigt. Für die kontinuierliche Imprägnierung wurde eine am IKV entwickelte Injektionsbox verwendet [10, 11]. Die Datenerfassung nach dem in Bild 2 beschriebenen Schema erfolgte mit einer Frequenz von 0,5 Hz für 30 Minuten je Versuchspunkt. Um einen stabilen, quasi-stationären Prozesspunkt zu erreichen, wurde jeder Prozesspunkt für mindestens 30 Minuten angefahren, bevor die Daten für die Auswertung aufgezeichnet wurden.

Um die Daten des quasi-stationären Prozesszustandes auszuwerten, müssen sie zunächst aufbereitet werden. Hierfür wurden Ausreißer nach der 3σ-Methode identifiziert und entfernt. Die Abzugskraft ist nach dem Stand der Technik die zentrale Größe zum Beurteilen des Prozesszustandes. Im Betrieb stellt sich für einen spezifischen Prozesspunkt eine quasi-statische Abzugskraft ein. Das Boxplot-Diagramm in Bild 3 zeigt die Abzugskräfte für jeden einzelnen Versuch. Es ist zu erkennen, dass sich die Abzugskraft proportional zu T, v und FVG verhält. Die höchsten Abzugskräfte sind für den ersten abgebildeten Versuchspunkt zu erwarten. Da die Abzugskraft durch die Reibung von Fasern und Profil am Werkzeug beeinflusst wird, steigt die Abzugskraft mit dem FVG und der Abzugsgeschwindigkeit. Hier ist jedoch eine geringere Abzugskraft zu verzeichnen. Möglicherweise liegt für diesen Prozesspunkt eine besonders gute Konfiguration vor, hinsichtlich des Reaktionszustandes (abhängig von T und v) und dem Imprägniervorgang (abhängig von FVG und v), was die benötigte Abzugskraft reduziert. Auffällig ist die erhöhte Anzahl der als Ausreißer markierten Datenpunkte bei allen Versuchen mit hohem FVG. Dies lässt sich durch Prozessschwankungen bei hohen Abzugskräften erklären, die durch den Abzug und die Krafterfassung entstehen.

Die Prozessdatenerfassung ermöglicht die Analyse von Zusammenhängen und Korrelationen zwischen den Prozessgrößen sowie zwischen den einzelnen Datenreihen. Dabei werden die Datenreihen untereinander mithilfe des Pearson-Kriteriums für lineare Korrelationen verglichen. Ein Wert von 1 oder -1 bedeutet, dass die Abhängigkeit durch eine lineare Gleichung beschrieben werden kann, während ein Wert von 0 darauf hinweist, dass keine Korrelation zwischen den Datenreihen besteht [12]. Die Anwendung des Pearson-Kriteriums auf alle Kombinationen der erfassten Datenreihen ergibt eine Korrelationsmatrix, aus der hervorgeht, welche Messgrößen möglicherweise Abhängigkeiten aufweisen. Tabelle 2 zeigt einen Ausschnitt aus der Korrelationsmatrix des Versuchsplans. Es lassen sich starke Abhängigkeiten zwischen Abzugskraft, Injektionsboxtemperatur und Injektionsboxdruck feststellen, die durch einen Korrelationskoeffizienten von über 0,8 bewertet werden. Eine wichtige Größe für die Profilqualität ist die Matrixviskosität. Diese beeinflusst maßgeblich die Imprägnierung des hergestellten Profils. Mit steigender Viskosität erhöht sich der Druck, der für die Imprägnierung benötigt wird und somit auch die Abzugskraft. Der Zusammenhang zwischen Druckaufbau, Abzugskraft und Matrixviskosität wurde bereits ausführlich untersucht [13, 14]. Qualitativ lässt sich dieser Zusammenhang durch Gleichung 1 darstellen:

Die Überwachung der Größen Injektionsboxdruck/-temperatur und Abzugsgeschwindigkeit ermöglicht eine qualitative Aussage über die Matrixviskosität in der Injektionsbox, die ansonsten nicht direkt messbar ist. Es besteht eine starke Korrelation zwischen der Abzugskraft und den drei Prozessgrößen (p, v, T), wie Gleichung 1 zeigt. Dies wird durch einen Korrelationskoeffizienten von 0,825 für die durchgeführten Versuche belegt. Anhand der hier gezeigten Korrelation, basierend auf einem physikalischen Modell, kann die nicht direkt messbare Größe der Matrixviskosität qualitativ bewertet werden. Dieser Zusammenhang kann in Form eines Soft-Sensors zum Bewerten des Prozesszustandes eingesetzt werden. Außerdem beeinflusst die Imprägnierung der Rovings die Oberflächenqualität des hergestellten Profils. Um die Oberflächenqualität zu bewerten, wurden die Profile hinsichtlich drei typischer Fehlerbilder untersucht: Welligkeit, Belag und freiliegende Unterlagen/Trockenfasern, wie sie durch die DIN-EN 13706 charakterisiert werden [4]. Bild 4 zeigt Beispiele für diese Fehler. Um eine Vergleichbarkeit zwischen kontinuierlichen Prozessdaten und kategorischen Qualitätsgrößen zu gewährleisten, wurde eine quasi-kontinuierliche Bewertung (0 oder 1) für das Auftreten der verschiedenen Fehler entlang der Profillänge eingeführt. Eine 1 bedeutet, dass in diesem Profilabschnitt der entsprechende Fehler aufgetreten ist.

Die durchgeführten Versuche wurden analysiert, um Korrelationen zwischen Prozessdaten und Oberflächenqualität zu identifizieren. Auf diese Weise können kritische Bereiche der verschiedenen Prozessgrößen identifiziert werden. Bild 5 zeigt die Häufigkeit eines Fehlertyps über einen definierten Injektionsboxdruckbereich. Durch die Methodik zur Fehlerbilderfassung können mehrere Fehler in einem bestimmten Profilbereich erfasst werden. Daher können die Einzelfehler nicht direkt zur Gesamtsumme der als fehlerhaft gekennzeichneten Profilabschnitte addiert werden. Die dargestellte Korrelation zwischen Injektionsboxdruck und Fehlerhäufigkeit kann zur Prozessüberwachung genutzt werden. Für eine zulässige Fehlerrate von zum Beispiel 10 % sollte ein Injektionsboxdruck von 0,18 bar nicht überschritten werden. Auf diese Weise könnten weitere Qualitätsparameter wie die mechanischen Eigenschaften oder der Aushärtegrad überwacht werden. Die zugrunde liegende Methodik ist unter Berücksichtigung der in diesem Beitrag beschriebenen Methodik auf andere Prozesse übertragbar. Es konnte gezeigt werden, dass durch die Aufbereitung der Sensordaten aus der Injektionsbox eine Vorhersage über die zu erwartende Profilqualität getroffen werden kann. Damit ist es nun möglich, den produzierten Profilquerschnitt inline mit einem Soft-Sensor zu bewerten und nicht erst nach dem Prozess durch eine visuelle Inspektion. Dem Anlagenbediener stehen während des Prozesses eine Prozessgröße sowie deren Grenzen zur Verfügung, die eine detaillierte Aussage über den aktuellen Prozesszustand ermöglichen. Somit kann der Anlagenbediener in den Prozess eingreifen, um eine stabile Produktion mit geringeren Fehlerraten und somit weniger Ausschuss zu gewährleisten.

Das IGF-Forschungsvorhaben (21778 N) der Forschungsvereinigung Kunststoffverarbeitung wurde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung und -entwicklung (IGF) vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) aufgrund eines Beschlusses des Deutschen Bundestages gefördert. Wir danken allen Institutionen.

Quelle: IKV