Wenn Werkstoffe und Prozesse zu Daten werden

Werkstoffmodelle und -daten von Kunststoffen ermöglichen seit Jahren Fließsimulationen, Deformationsvorhersagen und Abschätzungen auf die Qualität. Produktionsketten werden durch rechnergestützte Modelle ebenso abgebildet wie 3D-Bauteile und zeitliche Verläufe in vier Dimensionen. Kein industrielles Produkt entsteht ohne Computer Aided Engineering (CAE). Dies geschieht bis zum „digitalen Zwilling“ für die Kalibrierung von Eigenspannungsmessungen an faserverstärkten Thermoplasten (Projekt IGF-Nr. 20329 N am SKZ). Auch „Integrative Simulation“ für die Kopplung von Ergebnissen der Füllsimulation und der anschließenden Berücksichtigung in strukturmechanischen Simulationen werden bearbeitet. Die zugehörigen Materialdaten für die Simulation liegen sogar für Rezyklate vor, beziehungsweise können bei Dienstleistern wie dem SKZ ermittelt werden.

Mobile Datenübertragungen erreichen jedes Endgerät. Fernsteuerungen und Fernwartungen sind Stand der Technik. Produktionsmaschinen laufen in einem Betrieb größtenteils vollautomatisch. Auch das SKZ arbeitet mit der im Oktober 2022 fertiggestellten „Modellfabrik“ an der Entwicklung solcher Szenarien.

Um aus den erfassten Daten Informationen zu extrahieren, existiert eine Vielzahl an etablierten Datenanalysemethoden bis hin zu maschinellem Lernen (ML). Daten sind eine der größten Herausforderungen in der digitalen Produktion. Zum Trainieren von KI werden große Datenmengen in hoher Qualität benötigt – und das bei organisch gewachsener Produktion mit Maschinen unterschiedlichen Alters und einem entsprechenden Schnittstellen-Wildwuchs. Durch Kombination von Expertenwissen mit Methoden des Maschinellen Lernens ist es auch bei geringerer Menge an Daten möglich, KI in der Produktion umzusetzen. Eine Methode dazu wird am SKZ erforscht, in der Bayes’sche Netze zur Modellierung des Spritzgießens eingesetzt werden (Forschungsprojekt „PipeAl“, DIK-2005-0034/ /DIK0143/03). Wenn ein Spritzgießbetrieb so weit digitalisiert ist, wird nicht nur die Qualität der Produkte aus den Einzelpro-zessen laufend erfasst, sondern bereits während dem Einspritzvorgang prognostiziert. Jedes Produkt trägt ein einzigartiges Zertifikat seiner Produktionsparameter zur Rückverfolgbarkeit im Material selbst oder auf seiner Oberfläche. Dabei bedient man sich Bauteilmerkmalen, die auf dem Zufalls-prinzip basieren – vergleichbar mit einem Fingerabdruck. Der Nutzen zum Plagiatsschutz liegt auf der Hand. Weitere Vorteile liegen darin, dass die Identifizierung bereits in der Spritzgießmaschine beginnt. Prozessschritte zur Bauteilkennzeichnung entfallen und den Parametern sind kaum Grenzen gesetzt – sie können sogar die Aufzeichnung eines Thermographie-Bildes beim Entformen enthalten.

Dieser Datensatz ist für jedes Bauteil fälschungssicher und stellt an einem Bauteil das dar, was die „Block Chain“ im Digitalen vormacht. Die Informationen beispielsweise in Form eines digitalen Schattens für jedes Produkt vorzuhalten, ist für die Stärkung der Kreislaufwirtschaft unerlässlich und findet sich sowohl in der politischen Agenda (Stichwort „Digitaler Produktpass“) und in der aktuellen Forschung wieder – am SKZ etwa bei den Projekten DiLinK: 033R235B und CYCLOPS: 033D018A.