WO2024251703A1 - VERFAHREN ZUM BETRIEB EINER SPRITZGIEßMASCHINE, SPRITZGIEßMASCHINE UND COMPUTERPROGRAMMPRODUKT - Google Patents

VERFAHREN ZUM BETRIEB EINER SPRITZGIEßMASCHINE, SPRITZGIEßMASCHINE UND COMPUTERPROGRAMMPRODUKT Download PDF

Info

Publication number
WO2024251703A1
WO2024251703A1 PCT/EP2024/065269 EP2024065269W WO2024251703A1 WO 2024251703 A1 WO2024251703 A1 WO 2024251703A1 EP 2024065269 W EP2024065269 W EP 2024065269W WO 2024251703 A1 WO2024251703 A1 WO 2024251703A1
Authority
WO
WIPO (PCT)
Prior art keywords
injection molding
injection
training
check valve
molding machine
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/EP2024/065269
Other languages
English (en)
French (fr)
Inventor
Marco Fischer
Artur Jurk
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sumitomo SHI Demag Plastics Machinery GmbH
Original Assignee
Sumitomo SHI Demag Plastics Machinery GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sumitomo SHI Demag Plastics Machinery GmbH filed Critical Sumitomo SHI Demag Plastics Machinery GmbH
Priority to EP24731846.2A priority Critical patent/EP4713188A1/de
Publication of WO2024251703A1 publication Critical patent/WO2024251703A1/de
Anticipated expiration legal-status Critical
Pending legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/46—Means for plasticising or homogenising the moulding material or forcing it into the mould
    • B29C45/47—Means for plasticising or homogenising the moulding material or forcing it into the mould using screws
    • B29C45/50—Axially movable screw
    • B29C45/52—Non-return devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C45/766—Measuring, controlling or regulating the setting or resetting of moulding conditions, e.g. before starting a cycle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C45/768—Detecting defective moulding conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C45/77—Measuring, controlling or regulating of velocity or pressure of moulding material
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/09—Supervised learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76003—Measured parameter
    • B29C2945/7602—Torque
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76177—Location of measurement
    • B29C2945/7618—Injection unit
    • B29C2945/76187—Injection unit screw
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76177—Location of measurement
    • B29C2945/7618—Injection unit
    • B29C2945/76214—Injection unit drive means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76344—Phase or stage of measurement
    • B29C2945/76384—Holding, dwelling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76494—Controlled parameter
    • B29C2945/76498—Pressure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
    • B29C2945/76—Measuring, controlling or regulating
    • B29C2945/76929—Controlling method
    • B29C2945/76979—Using a neural network

Definitions

  • the present invention relates to a method for operating an injection molding machine and to an injection molding machine.
  • the present invention also relates to a computer program product for controlling and/or monitoring an injection molding machine.
  • the material to be injected is plasticized and conveyed by a rotating plasticizing screw towards the nozzle of the plasticizing unit and dosed there.
  • the plasticized material obtained in the dosing process is injected into the injection mold via the nozzle by means of an axial feed movement of the plasticizing screw.
  • pressure is maintained to compensate for shrinkage of the material due to its cooling in the tool.
  • non-return valves are used in the area of the screw tip.
  • the non-return valve is open to enable the plasticized material to be dosed.
  • the non-return valve must be reliably closed in order to ensure reproducible process properties and thus the desired properties of the parts to be produced.
  • leakage Depending on when the non-return valve is closed, more or less material flows back along the plasticizing screw, which is referred to as leakage.
  • This object is achieved by a method for operating an injection molding machine according to claim 1 and an injection molding machine according to claim 13.
  • the object is also achieved by a computer program for monitoring and/or controlling an injection molding machine according to claim 14.
  • the injection molding machine to be operated according to the method has a plasticizing screw with a check valve to prevent a backflow of plasticized material during an injection process. At least one injection process is carried out, wherein at least one course of a variable characteristic of the injection process is recorded. The at least one recorded course of the at least one variable characteristic of the injection process is evaluated by means of an evaluation algorithm trained by machine learning to determine the closing behavior of the check valve of the plasticizing screw.
  • the core of the method lies in the use of the evaluation algorithm trained by means of machine learning, preferably by means of supervised machine learning.
  • This enables a data-driven evaluation of the at least one course of the variable characteristic of the injection process.
  • the machine learning makes it possible to determine the closing behavior from the at least one course without a specific evaluation routine being specified, for example without the evaluation algorithm being dependent on the existence and evaluation of a local maximum.
  • the at least one course can be evaluated independently of its individual properties, in particular, independently of the existence of local maxima, and a respective closing behavior of the check valve can be assigned. This allows a reliable determination of the closing behavior even in the case of atypical courses of at least one variable characteristic of the injection process.
  • a particular advantage of the method is that several courses of different variables characteristic of the injection process can be evaluated using the evaluation algorithm. This allows a particularly precise determination of the closing behavior.
  • the evaluation is not limited to certain variables and/or their typical properties or course, for example local minima and/or maxima.
  • the recorded course is to be understood in particular as a temporal course of the at least one variable characteristic of the injection process during the injection process.
  • the at least one course is recorded at least for the duration of the injection process.
  • the at least one course can also be recorded beyond the injection process, for example over at least parts of the holding pressure process.
  • the at least one recorded curve can be evaluated using the evaluation algorithm, for example using pattern recognition or image recognition methods.
  • the at least one recorded curve can be evaluated directly.
  • Suitable features include, among others, integrals, differentials, minima, maxima, median, standard deviation, entropy, sample entropy, longest time period above and/or below the average and/or one or more quantiles.
  • several features of the at least one curve in particular several features of several curves of different characteristic sizes, are used for the evaluation.
  • the evaluation algorithm may comprise suitable forms of machine learning, in particular supervised machine learning.
  • the evaluation algorithm may in particular comprise one or more artificial neural networks, in particular one or more deep Neural Networks (DNN), and/or one or more suitable ensemble methods, in particular Random Forest and/or Gradient Boosted Tree, and/or one or more Support Vector Machines (SVM).
  • DNN deep Neural Networks
  • SVM Support Vector Machines
  • the evaluation algorithm can in particular have a classifier, for example in the form of a suitable neural network and/or suitable ensemble methods (for example Random Forest or Gradient Boosted Tree) and/or a Support Vector Machine, for classifying the closing behavior into several categories.
  • suitable neural network and/or suitable ensemble methods for example Random Forest or Gradient Boosted Tree
  • Support Vector Machine for classifying the closing behavior into several categories.
  • the closing behavior is in particular a qualitative and/or quantitative measure for the closing of the check valve.
  • the closing behavior indicates, for example, whether and/or to what extent the check valve is closed.
  • the closing behavior indicates in particular at which point in time during the injection process and/or at which axial position of the injection path of the plasticizing screw the check valve is closed, in particular completely.
  • the closing behavior is a variable assigned to the respective injection process.
  • the closing behavior is determined, for example, independently of other properties of the plasticizing unit, the plasticizing screw and/or the check valve, in particular the state of wear of the check valve.
  • the closing behavior can be and/or be determined independently of properties of the material to be processed and related process parameters. In particular, the closing behavior can be determined independently of a process temperature.
  • the evaluation algorithm is trained in particular to assign the at least one determined course of the at least one variable characteristic of the injection process to different closing behaviors, for example by classifying the closing behavior into two or more categories. Possible categories can, for example, cover one or more of the following case groups: check valve closed, not closed, not completely closed, . . .). Additionally or alternatively, the determination of the closing behavior can include the determination of further characteristic parameters, in particular a closing time and/or a non-return valve efficiency. The non-return valve efficiency can, for example, quantify which portion of the injection path and/or which portion of the injection time is covered with the non-return valve closed.
  • closing time and the non-return valve efficiency can be determined in particular via one or more suitable regression algorithms of the evaluation algorithm.
  • the material plasticized in the dosing process is in particular a plastic material.
  • the plasticized material is, for example, in a state similar to a melt.
  • the plasticized material is also referred to here and below as a melt, in particular as a plastic melt.
  • the at least one variable characteristic of the injection process comprises one or more of the following variables: injection pressure, injection speed, position of the plasticizing screw, torque of a rotary drive of the plasticizing screw, rotation speed of the plasticizing screw and/or drive torque of a linear drive of the plasticizing screw.
  • the rotation drive of the plasticizing screw is in particular an electric drive.
  • the rotation drive is used in particular to drive the plasticizing screw in rotation during the dosing process and is also referred to as the dosing drive.
  • an angular position of the plasticizing screw can be held, for example, by means of position control.
  • the rotation drive can, for example, apply a holding force to the plasticizing screw, for example to prevent rotation due to backflowing melt.
  • the torque of the rotation drive is also referred to as the dosing torque.
  • the torque of the rotation drive is in particular the torque required to hold the plasticizing screw required holding torque. The torque can be measured, for example, using a torque sensor on the rotary drive.
  • the linear drive of the plasticizing screw which is also called the injection drive, is preferably an electric drive. It can, for example, have an electric motor and a gear for converting the rotary motion into the linear motion, for example a ball screw drive.
  • the drive torque of the linear drive can, for example, be measured as the torque of the electric motor.
  • the drive torque of the linear drive is also called the injection torque, in particular the injection torque.
  • the drive torque can, for example, be measured using a torque sensor on the linear drive.
  • the injection pressure is the pressure with which the plastic melt is injected into the tool by the axial movement of the plasticizing screw.
  • the injection pressure can be detected, for example, by a pressure sensor on the plasticizing screw, particularly in the area of the end facing away from the nozzle.
  • the position of the plasticizing screw is also referred to as the screw position.
  • the position of the plasticizing screw is in particular its axial position.
  • the axial position of the plasticizing screw changes during the injection process due to the feed movement required for this.
  • the axial position of the plasticizing screw can be recorded, for example, using a displacement sensor.
  • the injection speed is the axial speed of the plasticizing screw, especially during the injection process and the holding pressure process.
  • the injection speed can be used as a control variable during the injection process.
  • the course of the injection speed during the holding pressure phase is particularly relevant for evaluating the closing behavior of the check valve.
  • the injection speed can be determined, for example, as a change in the axial position using a position measuring sensor. In the case of speed control, especially during the injection process, the injection speed can also be read out as a control variable.
  • the rotation speed of the plasticizing screw also known as screw rotation, is the rotary speed of the plasticizing screw. During the dosing process, this is a controlled variable.
  • the course of the rotation speed during the injection phase is particularly relevant for evaluating the closing behavior of the check valve.
  • the rotation speed of the plasticizing screw can be determined, for example, via a rotation of the rotary drive.
  • At least two, in particular at least three, of the variables characteristic of the injection process are evaluated using the evaluation algorithm.
  • the evaluation is particularly precise and is not restricted to the use of individual variables and their respective properties.
  • the use of the torque of the rotary drive, the injection pressure and the, in particular axial, position of the plasticizing screw has proven to be particularly suitable.
  • the torque of the rotary drive, the injection pressure, the, in particular axial, position of the plasticizing screw and the, in particular axial, speed of the plasticizing screw are used in the evaluation.
  • At least the injection pressure, the, in particular axial position of the plasticizing screw, the torque of the rotary drive, the rotational speed of the plasticizing screw, the drive torque of the translational drive, in particular the torque of the electric motor of the translational drive, and the injection speed are used in the evaluation.
  • At least one, preferably several, features can be extracted from the courses of the respective variables for the evaluation.
  • process variables to be evaluated in particular the variables characteristic of the injection process to be evaluated, as well as their evaluation, in particular the extracted features, enable conclusions to be drawn about the closing behavior of the check valve, in particular the closing time and/or the non-return valve efficiency, regardless of other properties of the injection molding machine.
  • the method can be used on several machines, in particular different machines, and/or for different process parameters, in particular regardless of the materials to be processed and/or process temperatures.
  • the method, in particular the process variables and/or extracted features used for the evaluation can in particular be standardized.
  • the evaluation algorithm classifies the closing behavior of the check valve into two or more categories.
  • the classification can be used to make simple and precise statements about the correct closing behavior.
  • error states such as the check valve not closing, can be precisely determined.
  • possible faulty production batches can be identified at an early stage and, if necessary after further investigation, sorted out. Unnecessary waste is avoided.
  • the classification is carried out into at least two categories “check valve closed” and “check valve not closed”.
  • the at least two categories may additionally include at least one of the subcategories “check valve not completely closed”, “check valve closed in time” and/or “check valve closed too late”.
  • the evaluation algorithm determines a closing time of the check valve and/or a non-return valve efficiency from the at least one course of the at least one variable characteristic of the injection process.
  • the closing time and/or the non-return valve efficiency can be determined, for example, using one or more suitable regression algorithms.
  • the knowledge the closing time and/or the non-return valve efficiency enables particularly practice-relevant statements about the closing behavior. In particular, it is possible to detect if the check valve closes too late.
  • conclusions can be drawn about a leakage volume, for example in order to adapt further processes of the same or subsequent injection molding cycles to this.
  • the evaluation algorithm determines at least one non-return valve efficiency of the check valve from the at least one course of the at least one variable characteristic of the injection process, wherein the non-return valve efficiency quantifies which portion of an injection path and/or which portion of an injection time of the injection process was covered with the check valve closed.
  • the closing time and/or the non-return valve efficiency can be determined in particular in the form of a probability analysis. With the help of the evaluation algorithm, for example, a most probable closing time can be determined. Depending on the probability distribution, a validity and/or a possible error range of the determined closing time can also be determined. The most probable non-return valve efficiency can be deduced from the most probable closing time.
  • the at least one recorded curve of the at least one variable characteristic of the injection process is standardized and/or smoothed for evaluation using the evaluation algorithm.
  • This enables simpler evaluation using the evaluation algorithm.
  • the smoothing and/or standardization allows the extraction of comparable features for corresponding curves.
  • the closing behavior of the check valve can be determined reliably and precisely regardless of the absolute values in the process. In particular, the consideration of absolute values is not necessary. The determination of the closing behavior is not impaired by outliers in the measured values.
  • the at least one recorded curve is standardized for evaluation. This allows good comparability of the recorded curves, in particular for classification, regardless of the respective absolute values. Smoothing can be carried out optionally, for example in the case of very noisy signals.
  • further processes of the respective injection molding cycle are adapted depending on the closing behavior determined by the evaluation algorithm.
  • the pressure and/or duration of a holding pressure process can be adjusted in order to take into account different leakages due to different closing times of the check valve.
  • the method allows adaptive process adjustment.
  • the pressure and/or duration of a holding pressure process of the respective injection molding cycle is adjusted. This enables particularly precise process adjustment, in particular to compensate for different leaks due to different closing times of the check valve.
  • the setting parameters of subsequent injection molding cycles in particular the dosing and/or injection process, can be adapted to improve the closing behavior of the check valve, in particular a closing time and/or a non-return valve efficiency of the check valve.
  • the closing behavior can thereby be optimized, in particular iteratively.
  • the closing behavior is determined for several injection molding cycles, in particular for all injection molding cycles. This allows essentially seamless monitoring and early detection of possible error states and their potential influence on the parts to be manufactured. Particularly preferred is to compare the determined closing behavior with a target value and/or with predetermined closing behavior.
  • a temporal progression of the closing behavior and/or one or more parameters related thereto are determined over several injection molding cycles. From the progression of the closing behavior, for example, a trend can be determined as to the extent to which the closing behavior changes. This enables the condition of the injection molding machine to be monitored, for example monitoring a successive change in the closing time, the non-return valve efficiency, superimposed changes in the injection pressure and/or the injection speed.
  • the evaluation algorithm is trained using training data from at least one training injection molding machine, the training injection molding machine having at least one sensor for detecting at least one course of the at least one variable characteristic of the injection process for several training injection molding cycles to generate the training data, and the training injection molding machine having an additional training sensor that at least indirectly measures the closing behavior of the check valve in the respective training injection molding cycle, measurement data from the training sensor being used for, in particular, automatic labeling of the training data.
  • the closing behavior of the check valve can be clearly determined using the measurement data from the training sensor. This knowledge enables the training data to be easily labeled, in particular with regard to the closing state at the end of the injection process (fully closed, not closed, . . .
  • the closing times, the non-return valve efficiency and/or other parameters that allow conclusions to be drawn about the closing behavior of the check valve By training with the training data labelled in this way, the knowledge gained with the help of the training sensor can be used in the injection moulding machine without the need for additional training. ning sensor is required. When operating the injection molding machine, especially a series machine, measurement data from the training sensor, if available at all, do not need to be taken into account for the evaluation.
  • training data sets are generated, whereby the training data sets each contain the training data corresponding to the respective quantities characteristic of the injection process and the label determined with the help of the training sensor.
  • the measurement data of the training sensor can, for example, be a time profile of a variable measured by the training sensor.
  • the training sensor is arranged in particular in the area of the check valve, in particular behind the check valve in the plasticizing cylinder.
  • the training sensor can have an ultrasonic sensor and/or a pressure sensor that is positioned behind the check valve in order to measure a state of the melt, in particular a melt pressure, behind the check valve.
  • the closing behavior of the check valve can be directly deduced from the state of the melt behind the check valve.
  • the training sensor of the training injection molding machine is a pressure sensor arranged behind the check valve for measuring the melt pressure behind the check valve.
  • Measuring the melt pressure behind the check valve has proven to be particularly suitable for at least indirectly measuring the closing behavior of the check valve.
  • the material flowing behind the check valve increases the melt pressure. When the check valve closes, the melt pressure decreases.
  • the closing behavior can therefore be clearly determined by the start of an abrupt drop in the melt pressure behind the check valve.
  • the measurement behind the check valve is not influenced by other process states, so that the abrupt drop in the melt pressure is pronounced when the check valve closes. Atypical courses, in particular without the existence of an abrupt drop in the melt pressure despite the check valve closing, do not occur in particular.
  • the injection molding machine being operated does not have the training sensor.
  • the closing behavior of the check valve is determined solely on the basis of the variables characteristic of the injection process. Sensors that at least indirectly measure the closing behavior of the check valve are expensive and require a lot of maintenance.
  • the training sensor is preferably dispensed with, which reduces the set-up and maintenance effort.
  • the training injection molding machine is particularly preferably designed to be essentially the same as the injection molding machine to be operated, with the exception of the additional training sensor.
  • the specific closing behavior in particular a determined category, a closing time and/or a non-return valve efficiency
  • the injection molding machine can have an output unit for this purpose, for example in the form of a screen.
  • measures can also be displayed that are derived from the specific closing behavior and are displayed to the operator for information and/or implementation by the operator.
  • the injection molding machine has a plasticizing screw with a check valve to prevent backflow of plasticized material during an injection process, at least one sensor for detecting at least one course, at least one variable characteristic of the injection process, and a control unit.
  • the control unit is designed to evaluate the at least one detected course of the at least one variable characteristic of the injection process using an evaluation algorithm trained by machine learning to determine a closing behavior of the check valve.
  • the injection molding machine has in particular a clamping unit and a plasticizing unit, which may be known per se.
  • the plasticizing unit may have a rotary sion drive for driving the plasticizing screw in rotation, in particular during a dosing process.
  • the plasticizing unit can also have a translation drive for driving the plasticizing screw in translation, for example for its axial displacement during the injection process.
  • the control unit controls in particular the injection process, preferably the complete injection molding cycle.
  • the control unit is used in particular to monitor the closing behavior of the check valve.
  • the control unit has in particular a data memory, a main memory and a processor for storing and executing the evaluation algorithm.
  • the evaluation algorithm can, for example, be stored in a data memory of the control unit and loaded into the main memory and processor for execution.
  • the at least one sensor comprises in particular a pressure sensor for detecting an injection pressure, a displacement sensor for detecting a particular axial screw position and/or injection speed, a torque sensor for detecting a torque of a rotary drive of the plasticizing screw and/or a sensor for detecting a drive torque of the linear drive of the plasticizing screw, in particular a torque sensor for detecting a torque of an electric motor of the linear drive.
  • the injection molding machine preferably comprises several, in particular all, of the aforementioned sensors.
  • the computer program product according to the invention for controlling and/or monitoring an injection molding machine has commands which, when the program is executed by a computer, cause the computer to execute an evaluation algorithm trained using machine learning methods to determine a closing behavior of a check valve of a plasticizing screw of an injection molding machine based on an evaluation of at least one course of at least one variable characteristic of an injection process.
  • the computer program product can be executed in particular by means of a control unit of the injection molding machine.
  • the computer program product has the advantages described in relation to the method.
  • the computer program product can advantageously be designed to implement further of the optional method features described above.
  • the computer program can be designed to control and/or read one or more sensors of the injection molding machine to record the at least one course to be evaluated.
  • the computer program product is stored in particular on computer-readable data storage devices, in particular data storage devices that can be connected to a computer, for example in the form of a control unit of the injection molding machine, and/or can be used in these.
  • the computer program product can comprise the data storage device.
  • the computer program product can also be stored on a data storage device of a computer, in particular a control unit of the injection molding machine. Commands of the computer program product can be loaded into a processing unit of the computer, for example into a processor of the control unit, for execution.
  • the evaluation algorithm is trained using training data from at least one training injection molding machine, the training injection molding machine having at least one sensor for detecting at least one course of at least one variable characteristic of an injection process for several training injection molding cycles for generating training data, and the training injection molding machine having an additional training sensor that at least indirectly measures the closing behavior of the check valve in the respective training injection molding cycle, measurement data from the training sensor being used for, in particular, automatic, labeling of the training data.
  • the advantages and optional features of training the evaluation algorithm, in particular with regard to generating the training data correspond to the advantages or optional features described in relation to the method.
  • Fig. 1 shows schematically an injection molding machine, with only the components of the injection molding machine essential to the invention being shown
  • Fig. 2A - 2C schematically show time courses of various parameters characteristic of the injection process for different injection processes, which are evaluated to determine a closing behavior of a check valve of the plasticizing screw by means of an evaluation algorithm trained by machine learning
  • Fig. 3 schematically shows a training injection molding machine for generating training data for training the evaluation algorithm, wherein the training injection molding machine has a training sensor which measures at least a direct closing behavior of the check valve, and
  • Fig. 4A - 4C schematically show time courses of measured values of the training sensor of the training injection molding machine in Fig. 3 for the exemplary injection processes shown in Figs. 2A to 2C.
  • Fig. 1 shows a schematic diagram of an injection molding machine 1.
  • the injection molding machine 1 has a plasticizing unit 2.
  • the plasticizing unit 2 can be moved to a fixed clamping plate 4 of a clamping unit (not shown) using a starting cylinder 3.
  • the injection molding machine 1 has a control unit 5 for controlling the operation of the injection molding machine 1.
  • the control unit 5 is in data communication with machine parts of the injection molding machine 1 via a data connection 6 for controlling the machine parts and/or for reading data from the machine parts, for example for reading sensors.
  • Other components of the injection molding machine 1 are not shown for the sake of clarity.
  • the plasticizing unit 2 has a plasticizing cylinder 7, a nozzle 8 and a plasticizing screw 9 that can be driven in a rotational and translational manner within the plasticizing cylinder 7.
  • a rotary drive 10 is used to drive the plasticizing screw 9 in rotation.
  • the rotary drive 10 is an electric drive.
  • the plasticizing screw 9 can be driven in translation with the aid of a translation drive 11.
  • the translation drive 11 has an electric motor, the rotary movement of which is converted via a ball screw drive 12 into a translational movement for driving the plasticizing screw 9 in translation.
  • Plastic granulate 14 is fed into the plasticizing cylinder 7 via a filling funnel 13.
  • the plastic granulate 14 is conveyed towards the nozzle 8 with the aid of the rotationally driven plasticizing screw 9 and is plasticized in the process.
  • the plastic material is heated and melted via heating bands 15. The temperature is monitored by means of thermal sensors 16.
  • the rotary drive 10 is active to drive the plasticizing screw 9. The dosing process continues until a predetermined amount of plastic melt 17 is dosed between the screw tip 18 of the plasticizing screw 9 and the nozzle 8.
  • an injection process takes place.
  • the plasticizing unit 2 is moved to the clamping plate 4 using the start-up cylinder 3.
  • the plastic melt 17 is injected into the injection molding tool (not shown) via the nozzle 8 by an axial feed movement of the plasticizing screw 9.
  • the feed movement of the plasticizing screw 9 takes place over an injection path or injection time.
  • the plasticizing screw 9 is moved axially using the translation drive 11.
  • the axial movement of the plasticizing screw 9 is speed-controlled, for example.
  • the rotary drive 10 is passive and exerts a holding force to prevent the plasticizing screw 9 from rotating.
  • the injection process is followed by a holding pressure process.
  • pressure is maintained by means of a pressure control of the plasticizing screw 9 in order to compensate for shrinkage of the plastic material cooling down in the injection mold.
  • the holding pressure process usually lasts until the so-called sealing point.
  • the basic procedure for operating the injection molding machine 1 described above requires that the plastic melt can reach the front of the plasticizing screw 9 during the metering process.
  • the plastic melt should not flow back along the plasticizing screw 9.
  • a known non-return valve 20 is arranged in the area of the tip 18.
  • the non-return valve 20 is designed as a check valve.
  • the check valve opens due to the pressure of the plastic melt conveyed in the direction of the nozzle 8 during the metering process.
  • a pressure difference arises between the plastic melt 17 in front of the check valve 20 and in areas behind the check valve 20, so that the check valve is pressed against the webs 21 of the plasticizing screw 9 and thus closes.
  • the non-return valve 20 designed as a check valve is structurally simple and does not require any separate control.
  • the disadvantage is that the closing behavior of the check valve 20 is not always reproducible depending on the injection process. In particular, error states can occur in which the check valve 20 does not close, does not close completely, or does not close in time.
  • the control unit 5 is used to control the injection molding machine 1 to carry out the injection molding process, in particular the dosing process, the injection process and the holding pressure process.
  • the control unit 5 is used to monitor the closing behavior of the check valve 5. For this purpose, a temporal progression of at least one variable characteristic of the injection process is determined. Suitable characteristic Variables are in particular an injection pressure IP, a torque TM of the translation drive 11, a torque RM of the rotation drive 10, an axial position SP of the plasticizing screw 9, a rotational speed RV of the plasticizing screw 9 and/or an injection speed SV. Different sensors are present on the injection molding machine 1 to record these variables.
  • the injection pressure IP is the pressure with which the plastic melt 17 is injected into the tool.
  • a pressure sensor 22 is arranged at the end of the plasticizing screw 9 facing away from the screw tip 18.
  • the pressure sensor 22 can comprise one or more load cells.
  • the plasticizing screw 9 is held in a fixed angular position by the rotary drive 10 (position control).
  • the plastic melt 17 flowing behind the check valve 20 exerts a rotational force on the plasticizing screw 9 via the webs 21.
  • the torque RM of the rotary drive 10 is the holding torque that the rotary drive 10 applies to hold the plasticizing screw 9 in position.
  • a torque sensor 23 is connected to the rotary drive 10 to detect the torque RM.
  • the torque TM of the translation drive TM is the drive torque of the electric motor of the translation drive 11, which is required to axially displace the plasticizing screw 9 during the injection process.
  • the torque TM of the translation drive 10 is determined with the aid of a torque sensor 24 of the translation drive 11.
  • the axial position SP of the plasticizing screw 9 is also called screw position.
  • the screw position SP is determined by means of a position measuring sensor 25.
  • the injection speed SV is the axial speed of the plasticizing screw 9, in particular during the injection process. It can be detected, for example, as a change in the position of the plasticizing screw 9 by means of the position measuring sensor 25.
  • Figs. 2A to 2C the curves of the above-mentioned variables characteristic of the injection process are shown schematically over time t for different injection processes with different closing behavior of the check valve 20.
  • the respective variables are shown in a standardized manner.
  • the respective curve is shown for the injection process and, beyond the switchover time T, also for the holding pressure process.
  • exemplary injection processes are shown in which the check valve 20 closes at a closing time S.
  • the check valve 20 does not close. This is a fault condition in which the component quality cannot be guaranteed.
  • the closing of the check valve 20 can usually be traced back to a local maximum of the torque RM of the rotary drive 10. Until the check valve 20 closes, plastic melt 17 penetrates behind the check valve and exerts a torque on the plasticizing screw 9. After the check valve 20 closes, this torque decreases. This is shown in Fig. 2C, where the torque R of the rotary drive 10 shows a clear local maximum at the closing time S. The closing of the check valve 20 is not always reflected in a maximum of the curve of the torque RM of the rotary drive 10. In the case shown in Fig. 2B, the check valve 20 closes without this being clearly deducible from the curve of the torque RM of the rotary drive. The same applies to the other variables characteristic of the injection process shown in Fig. 2B. In comparison with Fig. 2A, individual characteristics of the curves do not allow a clear distinction to be made between the closing of the check valve 20 in Fig. 2B and the fault condition in which the check valve 20 does not close in Fig. 2A.
  • the control unit 5 has an evaluation algorithm 27 for determining the closing behavior of the check valve 20.
  • the evaluation algorithm 27 is, for example, part of a Computer program product that is stored on a data memory of the control unit 5.
  • the computer program product has instructions that, when executed by the processor of the control unit 5, execute the evaluation algorithm 27.
  • the computer program product can, for example, be loaded into the main memory of the control unit 5 for execution by a processor of the control unit 5.
  • the evaluation algorithm 27 was trained using methods of supervised machine learning.
  • the evaluation algorithm 27 has in particular at least one artificial neural network, in particular at least one deep neural network (DNN) and/or at least one suitable ensemble method, in particular random forest and/or gradient boosted tree, and/or at least one support vector machine (SVM).
  • DNN deep neural network
  • SVM support vector machine
  • the evaluation algorithm 27 is trained to assign the determined curves of the quantities characteristic of the injection process to different closing behaviors by classifying the closing behavior into two or more categories. For example, the evaluation algorithm 27 classifies the curves into the categories: “check valve closed” (see Fig. 2B and 2C) or “check valve not closed” (see Fig. 2A). It is also possible to classify into further subcategories. For example, the closing of the check valve 20 can be in the subcategory "closed in time” or "closed late”. Further subcategories can relate to individual curves, for example "typical curve of the torque of the rotary drive” (see Fig. 2C) or “atypical curve of the torque of the rotary drive” (see Fig. 2B).
  • the evaluation algorithm 27 evaluates the curves of at least one, in particular several, preferably all of the characteristic variables described above.
  • the use of an evaluation algorithm 27 based on machine learning has the advantage that the evaluation is not restricted or dependent on fixed characteristic properties of individual curves (for example on a determinable maximum of the torque RM of the rotary drive 10).
  • the evaluation algorithm 27 can in particular use methods of pattern recognition and/or image recognition to identify different characteristic ristic courses to be assigned to different closing behaviors independently of specific evaluation parameters. For example, the evaluation algorithm 27 can extract one or more features characterizing the course and use them for the evaluation.
  • the evaluation algorithm 27 also determines further parameters of the closing behavior, in particular a most probable closing time S, using a suitable regression algorithm. By evaluating the curves, the evaluation algorithm 27 can determine the most probable closing time S without the need for characteristic properties of the curves at the closing time S.
  • the closing behavior of the check valve 20 can be reliably determined. In particular, a fault condition can be detected early. If the check valve 20 does not close or closes too late, the parts produced can, for example, be subjected to a closer inspection in order to be able to detect and sort out faulty parts early on.
  • the injection molding process can be adaptively adjusted, for example by adjusting the holding pressure time and/or holding pressure level. This can be done for future injection molding cycles or within the same injection molding cycle. Variations in the closing behavior of the check valve 20 can thus be compensated in order to avoid production fluctuations and rejects.
  • the control unit 5 determines the closing behavior of the check valve 20, in particular a classified category of the closing behavior, the most probable closing time and/or the non-return valve efficiency, for several closing cycles, preferably for all closing cycles.
  • the determined closing behavior can, for example, be stored and/or evaluated over a longer period of time.
  • the current closing behavior can be compared with previous closing behavior and/or a temporal progression of the closing behavior can be determined over several injection molding cycles. This makes it possible to monitor a state of the injection molding machine 1, in particular of the plasticizing unit 2. For example, successive deviations of the probable Closing time, non-return valve efficiency, changes in pressure and/or other variables can be detected at an early stage. This allows maintenance measures to be initiated at an early stage, which reduces waste in production and increases the longevity of the machine.
  • training data can be recorded during operation, for example by recording the respective variables characteristic of the injection process.
  • the training data can then be labeled manually, for example by an experienced operator and/or taking into account the part properties.
  • the evaluation algorithm 27 is preferably trained using training data that is generated and, in particular, automatically labeled using a special training injection molding machine.
  • An exemplary training injection molding machine 30 is shown in Fig. 3.
  • the training injection molding machine 30 essentially corresponds to the injection molding machine 1 in Fig. 1. Matching components have the same reference numerals and are not explained again.
  • the training injection molding machine 30 differs from the injection molding machine 1 essentially by an additional training sensor 31.
  • the training sensor 31 measures at least indirectly the closing behavior of the check valve 20.
  • the training sensor 31 is a pressure sensor arranged behind the check valve 20 for measuring the melt pressure MP behind the check valve 20.
  • the melt pressure MP depends directly on the plastic melt 17 flowing back behind the check valve 20. As soon as the check valve 20 is closed, no more plastic melt 17 flows in, so that the melt pressure MP decreases.
  • the training sensor 31 enables clear statements to be made about the closing state of the check valve 20.
  • the melt pressure MP which is detected using the training sensor 31, is plotted over time t for various injection processes.
  • the injection processes shown in Figs. 4A to 4C correspond to those of the parameter curves shown in Figs. 2A to 2C.
  • the melt pressure MP increases continuously up to the closing time S and drops abruptly after the check valve 20 closes. Irrespective of the course of the other characteristic variables, the melt pressure MP forms a characteristic maximum at the closing time, which allows concrete statements to be made about the closing behavior and the closing time S. In the event that the check valve 20 does not close, the melt pressure MP also has a clear course, which does not have a local maximum up to the switching time T.
  • the closing time S, the non-return valve efficiency and the closing behavior can be reliably determined independently of other variables.
  • the knowledge gained in this way can be used as a label for the training data.
  • the training data obtained with the help of the training injection molding machine 30 can be automatically fabled using the melt pressure MP.
  • the training injection molding machine 30 is used to run through a large number of injection molding cycles and its control unit 32 is used to record the respective course of the variables characteristic of the injection process, in particular the injection pressure IP, the torque TM of the translation drive 11, the torque RM of the rotation drive 10, the axial position of the plasticizing screw SP, the rotational speed RM of the plasticizing screw 9 and/or the injection speed SV.
  • the melt pressure MP is recorded using the training sensor 31.
  • the control unit 32 evaluates the melt pressure MP and determines the closing behavior and, if applicable, the closing time S and/or the non-return valve efficiency. These parameters are assigned to the training data as labels. Training data sets are generated from training data and the associated label.
  • the evaluation algorithm can be trained using known machine learning methods.
  • the trained evaluation algorithm 27 reliably determines the closing behavior without evaluating the melt pressure MP.
  • the additional sensor is expensive and requires a lot of maintenance. Training with the help of the training injection molding machine allows, with the help of a data-driven evaluation, to derive information about the melt pressure MP from the other variables that are characteristic of the injection process, without the need for the training sensor 31.
  • an ultrasonic sensor can be arranged in addition to or instead of a pressure sensor arranged behind the check valve, which detects the closing of the check valve using ultrasound.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

Es werden eine Spritzgießmaschine und ein Verfahren zu deren Betrieb beschrieben. Die Spritzgießmaschine weist eine Plastifizierschnecke mit einem Rückschlagventil zur Verhinderung eines Rückflusses von plastifiziertem Material während eines Einspritzprozesses auf. Es wird mindestens ein Einspritzprozess durchgeführt, wobei mindestens ein Verlauf mindestens einer für den Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV) erfasst wird. Der erfasste Verlauf wird mit Hilfe eines durch maschinelles Lernen trainierten Auswertealgorithmus ausgewertet zum Bestimmen eines Schließverhaltens des Rückschlagventils, insbesondere eines wahrscheinlichsten Schließzeitpunkts (S) und/oder eine Rückströmsperren-Effizienz.

Description

Verfahren zum Betrieb einer Spritzgießmaschine, Spritzgießmaschine und Computerprogrammprodukt
Die vorliegende Patentanmeldung nimmt die Priorität der deutschen Patentanmeldung DE 10 2023 205 218.0 in Anspruch, deren Inhalt durch Bezugnahme hierin aufgenommen wird.
Die vorliegende Erfindung betrifft ein Verfahren zum Betrieb einer Spritzgießmaschine sowie eine Spritzgießmaschine. Die vorliegende Erfindung betrifft zudem ein Computerprogrammprodukt zur Steuerung und/oder Überwachung einer Spritzgießmaschine.
Beim Betrieb einer Spritzgießmaschine werden je Spritzgießzyklus mehrere Prozesse durchlaufen. Insbesondere wird in einem Dosierprozess das einzuspritzende Material plastifiziert und mittels einer rotierenden Plastifizierschnecke in Richtung der Düse der Plastifiziereinheit gefördert und dort dosiert. Während des anschließenden Einspritzprozesses wird das im Dosierprozess erhaltene plastifizierte Material mittels einer axialen Vorschubbewegung der Plastifizierschnecke über die Düse in das Spritzgießwerkzeug eingespritzt. Im nachfolgenden Nachdruckprozess wird ein Druck aufrechterhalten, um Schwindungen des Materials aufgrund dessen Kühlung im Werkzeug auszugleichen. Um ein Rückströmen des plastifizierten Materials während des Einspritzprozesses und des Nachdruckprozesses entlang der Plastifizierschnecke zu vermeiden, werden im Bereich der Schneckenspitze Rückströmsperren eingesetzt. Während des Dosierprozesses ist die Rückströmsperre geöffnet, um ein Dosieren des plastifizierten Materials zu ermöglichen. Zu Beginn des Einspritzprozesses muss die Rückströmsperre zuverlässig geschlossen werden, um reproduzierbare Prozesseigenschaften und damit Soll-Eigenschaften der zu erzeugenden Teile zu gewährleisten. Abhängig vom Schließzeitpunkt der Rückströmsperre fließt mehr oder weniger Material entlang der Plastifizierschraube zurück, was als Leckage bezeichnet wird.
Rückschlagventile haben sich als konstruktiv einfache Rückströmsperren bewährt. Beim Betrieb der Spritzgießmaschine ist eine genaue Kenntnis des Schließverhaltens des Rückschlagventils erstrebenswert. Das hinter das Rückschlagventil strömende plastifizierte Material bewirkt ein Drehmoment auf die Plastifizierschraube und damit auf deren Rotationsantrieb. Es wird daher versucht, Informationen zu dem Schließverhalten aus Drehmoment des Rotationsantriebs der Plastifizierschnecke abzuleiten, in dem ein lokales Maximum dieses Drehmoments bestimmt wird. Es hat sich allerdings herausgestellt, dass der Verlauf des Drehmoments in vielen Anwendungsfällen atypisch ist und kein lokales Maximum aufweist. In diesen Fällen erlaubt dieses Vorgehen keine Rückschlüsse auf das Schließverhalten.
Es ist die Aufgabe der vorliegenden Erfindung, ein Betriebsverfahren für eine Spritzgießmaschine zu verbessern, insbesondere ein Betriebsverfahren bereitzustellen, bei dem zuverlässige Aussagen über das Schließverhalten des Rückschlagventils getroffen werden können.
Diese Aufgabe ist gelöst durch ein Verfahren zum Betrieb einer Spritzgießmaschine gemäß Anspruch 1 und eine Spritzgießmaschine gemäß Anspruch 13. Die Aufgabe ist zudem gelöst durch ein Computerprogramm zur Überwachung und/oder Steuerung einer Spritzgießmaschine gemäß Anspruch 14.
Die verfahrensgemäß zu betreibende Spritzgießmaschine weist eine Plastifizierschnecke mit einem Rückschlagventil zur Verhinderung eines Rückflusses von plastifiziertem Material während eines Einspritzprozesses auf. Es wird mindestens ein Einspritzprozess durchgeführt, wobei mindestens ein Verlauf einer für den Einspritzprozess charakteristischen Größe erfasst wird. Der mindestens eine erfasste Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe wird mittels eines durch maschinelles Lernen trainierten Auswertealgorithmus ausgewertet zum Bestimmen des Schließverhaltens des Rückschlagventils der Plastifizierschnecke.
Der Kem des Verfahrens liegt in der Verwendung des mittels maschinellen Lernens, bevorzugt mittels überwachten maschinellen Lernens, trainierten Auswertealgorithmus. Dies ermöglicht eine datengetriebene Auswertung des mindestens einen Verlaufs der für den Einspritzprozess charakteristischen Größe. Das maschinelle Lernen ermöglicht hierbei, aus dem mindestens einen Verlauf das Schließverhalten zu bestimmen, ohne dass eine konkrete Auswerteroutine vorgegeben ist, beispielsweise ohne dass der Auswertealgorithmus auf die Existenz und Auswertung eines lokalen Maximums angewiesen ist. Mit Hilfe des Auswertealgorithmus kann der mindestens eine Verlauf unabhängig von einzelnen seiner Eigenschaften, insbesondere unabhängig von der Existenz lokaler Maxima, ausgewertet und ein jeweiliges Schließverhalten des Rückschlagventils zugeordnet werden. Dies erlaubt eine zuverlässige Bestimmung des Schließverhaltens auch bei atypischen Verläufen der mindestens einen für den Einspritzprozess charakteristischen Größe. Ein besonderer Vorteil des Verfahrens besteht darin, dass mehrere Verläufe unterschiedlicher, für den Einspritzprozess charakteristischer Größen mit Hilfe des Auswertealgorithmus ausgewertet werden können. Dies erlaubt eine besonders präzise Bestimmung des Schließverhaltens. Die Auswertung ist nicht auf bestimmte Größen und/oder deren typischen Eigenschaften deren Verlauf, beispielsweise lokale Minima und/oder Maxima, beschränkt.
Unter dem erfassten Verlauf ist insbesondere ein zeitlicher Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe während des Einspritzprozesses zu verstehen. Bevorzugt wird der mindestens eine Verlauf zumindest für die Dauer des Einspritzprozesses erfasst. Der mindestens eine Verlauf kann auch über den Einspritzprozess hinaus, beispielsweise über zumindest Teile des Nachdruckprozesses erfasst werden.
Der mindestens eine erfasste Verlauf kann mit Hilfe des Auswertealgorithmus beispielsweise mit Hilfe von Methoden der Mustererkennung oder der Bilderkennung ausgewertet werden. Beispielsweise kann der mindestens eine erfasste Verlauf direkt ausgewertet werden. Es ist auch möglich, charakteristische Merkmale, sogenannte Features, aus dem mindestens einen erfassten Verlauf zu extrahieren und für die Auswertung mit Hilfe des Auswertealgorithmus zu verwenden. Geeignete Features sind unter Anderem insbesondere Integrale, Differentiale, Minima, Maxima, Median, Standardabweichung, Entropie, Sample Entropy, längster Zeitabschnitt über und/oder unter dem Durchschnitt und/oder ein oder mehrere Quantile. Bevorzugt werden mehrere Features des mindestens einen Verlaufs, insbesondere mehrere Features von mehreren Verläufen unterschiedlicher charakteristischer Größen, für die Auswertung verwendet.
Der Auswertealgorithmus kann geeignete Formen des maschinellen Lernens, insbesondere des überwachten maschinellen Lernens umfassen. Der Auswertealgorithmus kann insbesondere ein oder mehrere künstliche neuronale Netzwerke, insbesondere ein oder mehrere Deep Neural Networks (DNN), und/oder ein oder mehrere geeignete Ensemblemethoden, insbesondere Random-Forest und/oder Gradient Boosted Tree, und/oder ein oder mehrere Support- Vector-Machines (SVM) umfassen. Der Auswertealgorithmus kann insbesondere einen Klassifikator, beispielsweise in Form eines geeigneten neuronalen Netzwerks und/oder geeigneter Ensemblemethoden (bei spiel weise Random Forest oder Gradient Boosted Tree) und/oder einer Support- Vector-Machine, zum Klassifizieren des Schließverhaltens in mehrere Kategorien aufweisen. Bei der Auswertung können insbesondere Korrelationen zwischen verschiedenen Parametern und/oder Parameterverläufen und/oder hieraus extrahierter Features ermittelt werden.
Das Schließverhalten ist insbesondere ein qualitatives und/oder quantitatives Maß für das Schließen des Rückschlagventils. Das Schließ verhalten gibt beispielsweise an, ob und/oder inwieweit das Rückschlagventil geschlossen ist. Das Schließverhalten gibt insbesondere an, zu welchem Zeitpunkt des Einspritzvorgangs und/oder an welcher axialen Position des Einspritzweges der Plastifizierschnecke das Rückschlagventil, insbesondere vollständig, geschlossen ist.
Das Schließverhalten ist eine dem jeweiligen Einspritzprozess zugeordnete Größe. Das Schließverhalten wird beispielsweise unabhängig von sonstigen Eigenschaften der Plastifiziereinheit, der Plastifizierschnecke und/oder des Rückschlagventils, insbesondere einem Verschleißzustand des Rückschlagventils, ermittelt. Das Schließverhalten kann insbesondere unabhängig von Eigenschaften des zu verarbeitenden Materials und diesbezüglicher Prozessparameter sein und/oder bestimmt werden. Insbesondere kann das Schließverhalten unabhängig von einer Prozesstemperatur bestimmt werden.
Der Auswertealgorithmus ist insbesondere dazu trainiert, den mindestens einen ermittelten Verlauf der mindestens einen für den Einspritzvorgang charakteristischen Größe verschiedenen Schließ verhalten zuzuordnen, beispielsweise indem eine Klassifizierung des Schließverhaltens in zwei oder mehrere Kategorien erfolgt. Mögliche Kategorien können beispielsweise eine oder mehrere der folgenden Fallgruppen abdecken: Rückschlagventil geschlossen, nicht geschlossen, nicht vollständig geschlossen, . . .). Zusätzlich oder alternativ kann die Bestimmung des Schließverhaltens die Ermittlung weiterer charakteristischer Parameter, insbesondere eines Schließzeitpunktes und/oder einer Rück- strömsperren-Effizienz des Rückschlagventils, umfassen. Die Rückströmsperren-Effizienz kann beispielsweise quantifizieren, welcher Anteil des Einspritzweges und/oder welcher Anteil der Einspritzzeit mit geschlossenem Rückschlagventil zurückgelegt wird.
Weitere charakteristische Parameter, insbesondere der Schließzeitpunkt und die Rück- strömsperren-Effizienz, können insbesondere über einen oder mehrere geeignete Regressionsalgorithmen des Auswertealgorithmus bestimmt werden.
Das im Dosierprozess plastifizierte Material ist insbesondere ein Kunststoffmaterial. Das plastifizierte Material liegt beispielsweise in einem schmelzeähnlichen Zustand vor. Das plastifizierte Material wird hier und im Folgenden auch als Schmelze, insbesondere als Kunststoffschmelze, bezeichnet.
Gemäß einem bevorzugten Aspekt des Verfahrens umfasst die mindestens eine für den Einspritzprozess charakteristische Größe eine oder mehrere der folgenden Größen: Einspritzdruck, Einspritzgeschwindigkeit, Position der Plastifizierschnecke, Drehmoment eines Rotationsantriebs der Plastifizierschnecke, Rotationsgeschwindigkeit der Plastifizierschnecke und/oder Antriebsmoment eines linearen Antriebs der Plastifizierschnecke. Diese den Einspritzprozess charakterisierenden Größen haben sich als besonders geeignet für die Auswertung mittels des durch maschinelles Lernen trainierten Auswertealgorithmus erwiesen.
Der Rotationsantrieb der Plastifizierschnecke ist insbesondere ein elektrischer Antrieb. Der Rotationsantrieb dient insbesondere zum Drehantreiben der Plastifizierschnecke während des Dosierprozesses und wird auch als Dosierantrieb bezeichnet. Im Einspritzprozess kann eine Winkel Stellung der Plastifizierschnecke beispielsweise mittels Lageregelung gehalten werden. Der Rotationsantrieb kann beispielsweise eine Haltekraft auf die Plastifizierschnecke aufbringen, beispielsweise um ein Drehen aufgrund von rückströmender Schmelze zu unterbinden. Das Drehmoment des Rotationsantriebs wird auch als Dosierdrehmoment bezeichnet. Das Drehmoment des Rotationsantriebs ist insbesondere das zum Halten der Plastifizierschnecke erforderliche Halte-Drehmoment. Das Drehmoment kann beispielsweise mittels eines Drehmomentsensors am Rotationsantrieb gemessen werden.
Der Linearantrieb der Plastifizierschnecke, der auch Einspritzantrieb genannt wird, ist bevorzugt ein elektrischer Antrieb. Er kann beispielsweise einen Elektromotor und ein Getriebe zum Umwandeln der Drehbewegung in die Linearbewegung, beispielsweise einen Kugelgewindetrieb, aufweisen. Das Antriebsmoment des Linearantriebs kann beispielsweise als Drehmoment des Elektromotors gemessen werden. Das Antriebsmoment des Linearantriebs wird auch als Einspritzmoment, insbesondere als Einspritzdrehmoment bezeichnet. Das Antrieb smomentkann beispielsweise mit Hilfe eines Drehmomentsensors am Linearantrieb gemessen werden.
Der Einspritzdruck ist derjenige Druck, mit dem die Kunststoffschmelze durch die axiale Bewegung der Plastifizierschnecke in das Werkzeug eingespritzt wird. Der Einspritzdruck kann beispielsweise durch einen Drucksensor an der Plastifizierschnecke, insbesondere im Bereich des der Düse abgewandten Ende, erfasst werden.
Die Position der Plastifizierschnecke wird auch als Schneckenposition bezeichnet. Die Position der Plastifizierschnecke ist insbesondere deren axiale Position. Die axiale Position der Plastifizierschnecke ändert sich während des Einspritzprozesses aufgrund der hierfür erforderlichen Vorschubbewegung. Die axiale Position der Plastifizierschnecke kann beispielsweise mit Hilfe eines Wegmesssensors erfasst werden.
Die Einspritzgeschwindigkeit ist die axiale Geschwindigkeit der Plastifizierschnecke, insbesondere während des Einspritzprozesses und des Nachdruckprozesses. Die Einspritzgeschwindigkeit kann während des Einspritzprozesses als Regelgröße dienen. Für die Auswertung des Schließverhaltens des Rückschlagventils ist insbesondere der Verlauf der Einspritzgeschwindigkeit während der Nachdruckphase relevant. Die Einspritzgeschwindigkeit kann beispielsweise als Änderung der axialen Position mit Hilfe eines Wegmesssensors ermittelt werden. Im Falle der Geschwindigkeitsregelung, insbesondere während des Einspritzprozesses, kann die Einspritzgeschwindigkeit auch als Regelgröße ausgelesen werden. Die Rotationsgeschwindigkeit der Plastifizierschnecke, auch Schneckenrotation bezeichnet, ist die rotatorische Geschwindigkeit der Plastifizierschnecke. Während des Dosiervorganges handelt es sich hierbei um eine Regelgröße. Für die Auswertung des Schließverhaltens des Rückschlagventils ist insbesondere der Verlauf der Rotationsgeschwindigkeit während der Einspritzphase relevant. Die Rotationsgeschwindigkeit der Plastifizierschnecke kann beispielsweise über eine Rotation des Rotationsantriebs bestimmt werden.
Gemäß einem bevorzugten Aspekt des Verfahrens werden mindestens zwei, insbesondere mindestens drei, der für den Einspritzprozess charakteristischen Größen mittels des Auswertealgorithmus ausgewertet. Die Auswertung ist besonders präzise und nicht auf die Verwendung einzelner Größen und deren jeweiligen Eigenschaften eingeschränkt. Als besonders geeignet hat sich insbesondere die Verwendung des Drehmoments des Rotationsantriebs, des Einspritzdrucks und der, insbesondere axialen, Position der Plastifizierschnecke erwiesen. Bevorzugt werden bei der Auswertung insbesondere das Drehmoment des Rotationsantriebs, der Einspritzdruck, die, insbesondere axiale, Position der Plastifizierschnecke und die, insbesondere axiale, Geschwindigkeit der Plastifizierschnecke verwendet. Besonders bevorzugt werden bei der Auswertung zumindest der Einspritzdruck, die insbesondere axiale Position der Plastifizierschnecke, das Drehmoment des Rotationsantriebs, die Rotationsgeschwindigkeit der Plastifizierschnecke, das Antriebsmoment des Translationsantriebs, insbesondere das Drehmoment des Elektromotors des Translationsantriebs, und die Einspritzgeschwindigkeit verwendet.
Aus den Verläufen der jeweiligen Größen können insbesondere mindestens ein, bevorzugt mehrere, Features für die Auswertung extrahiert werden.
Zusätzlich zu dem mindestens einen Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe können in der Auswertung auch weitere Prozessgrößen berücksichtigt werden, beispielsweise eine Dauer des Dosierprozesses und/oder die Größe eines Massepolsters und/oder die Schließkraft, insbesondere die Schließkraft. Vorteilhafterweise ermöglichen die auszuwertenden Prozessgrößen, insbesondere die auszuwertenden für den Einspritzprozess charakteristischen Größen, sowie deren Auswertung, insbesondere die extrahierten Features, Rückschlüsse auf das Schließverhalten des Rückschlagventils, insbesondere auf den Schließzeitpunkt und/oder die Rückströmsperren-Effizienz, unabhängig von sonstigen Eigenschaften der Spritzgießmaschine. Das Verfahren kann auf mehreren Maschinen, insbesondere unterschiedlichen Maschinen, und/oder für unterschiedliche Prozessparameter, insbesondere unabhängig von zu verarbeitenden Materialien und/oder Prozesstemperaturen, eingesetzt werden. Das Verfahren, insbesondere die zur Auswertung herangezogenen Prozessgrößen und/oder extrahierten Features, kann insbesondere standardisiert sein.
Gemäß einem bevorzugten Aspekt des Verfahrens klassifiziert der Auswertealgorithmus das Schließverhalten des Rückschlagventils in zwei oder mehr Kategorien. Mit Hilfe der Klassifikation lassen sich einfache und präzise Aussagen über das korrekte Schließverhalten treffen. Insbesondere können Fehlerzustände, beispielsweise ein nicht erfolgendes Schließen des Rückschlagventils, präzise bestimmt werden. Insbesondere lassen sich frühzeitig mögliche fehlerhafte Produktionschargen erkennen und, ggfls. nach einer weiteren Untersuchung, aussortieren. Unnötiger Ausschuss ist vermieden.
Gemäß einem bevorzugten Aspekt des Verfahrens erfolgt die Klassifizierung in mindestens die zwei Kategorien „Rückschlagventil geschlossen“ und „Rückschlagventil nicht geschlossen“.
Bevorzugt können die mindestens zwei Kategorien zusätzlich noch mindestens eine der (Unter-Kategorien „Rückschlagventil nicht vollständig geschlossen“, „Rückschlagventil rechtzeitig geschlossen“ und/oder „Rückschlagventil verspätet geschlossen“ aufweisen.
Gemäß einem bevorzugten Aspekt des Verfahrens ermittelt der Auswertealgorithmus aus dem mindestens einen Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe einen Schließzeitpunkt des Rückschlagventils und/oder eine Rückströmsperren-Effizienz. Der Schließzeitpunkt und/oder die Rückströmsperren-Effizienz können beispielsweise über einen oder mehrere geeignete Regressionsalgorithmen bestimmt werden. Die Kenntnis des Schließzeitpunktes und/oder der Rückströmsperren-Effizienz ermöglicht besonders praxisrelevante Aussagen über das Schließverhalten. Insbesondere kann ein zu spätes Schließen des Rückschlagventils erkannt werden. Auf Basis des Schließzeitpunktes und/oder der Rück- strömsperren-Effizienz kann insbesondere auf ein Leckagevolumen rückgeschlossen werden, beispielsweise um weitere Prozesse des gleichen oder nachfolgender Spritzgießzyklen hieran anzupassen.
Bevorzugt ermittelt der Auswertealgorithmus aus dem mindestens einen Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe zumindest eine Rückströmsper- ren-Effizienz des Rückschlagventils, wobei die Rückströmsperren-Effizienz quantifiziert, welcher Anteil eines Einspritzwegs und/oder welcher Anteil einer Einspritzzeit des Einspritzvorgangs mit geschlossenem Rückschlagventil zurückgelegt wurde.
Die Ermittlung des Schließzeitpunktes und/oder der Rückströmsperren-Effizienz kann insbesondere in Form einer Wahrscheinlichkeitsbetrachtung erfolgen. Mit Hilfe des Auswertealgorithmus kann beispielsweise ein wahrscheinlichster Schließzeitpunkt ermittelt werden. Abhängig von der Wahrscheinlichkeitsverteilung kann zudem eine Validität und/oder ein möglicher Fehlerbereich des ermittelten Schließzeitpunktes bestimmt werden. Aus dem wahrscheinlichsten Schließzeitpunkt kann auf die wahrscheinlichste Rückströmsperren-Effizienz geschlossen werden.
Gemäß einem bevorzugten Aspekt des Verfahrens wird der mindestens eine erfasste Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe zur Auswertung mittels des Auswertealgorithmus normiert und/oder geglättet. Dies ermöglicht eine einfachere Auswertung mit Hilfe des Auswertealgorithmus. Insbesondere erlaubt die Glättung und/oder Normierung die Extraktion vergleichbarer Features für entsprechende Verläufe. Das Schließverhalten des Rückschlagventils kann unabhängig von den Absolutwerten im Prozess zuverlässig und präzise bestimmt werden. Insbesondere ist die Berücksichtigung von Absolutwerten nicht erforderlich. Die Bestimmung des Schließverhaltens wird nicht durch Ausreißer in den Messwerten beeinträchtigt. Besonders bevorzugt wird der mindestens eine erfasste Verlauf zur Auswertung jeweils normiert. Dies erlaubt eine gute Vergleichbarkeit der erfassten Verläufe, insbesondere für die Klassifizierung, unabhängig von jeweiligen Absolutwerten. Eine Glättung kann optional erfolgen, beispielsweise bei stark verrauschten Signalen.
Gemäß einem bevorzugten Aspekt des Verfahrens erfolgt abhängig von dem durch den Auswertealgorithmus bestimmten Schließverhalten eine Anpassung weiterer Prozesse des jeweiligen Spritzgießzyklus. Insbesondere können Druck und/oder Dauer eines Nachdruckprozesses angepasst werden, um unterschiedliche Leckagen aufgrund unterschiedlicher Schließzeitpunkte des Rückschlagventils zu berücksichtigen. Das Verfahren erlaubt eine adaptive Prozessanpassung.
Gemäß einem bevorzugten Aspekt des Verfahrens erfolgt eine Anpassung des Drucks und/oder der Dauer eines Nachdruckprozesses des jeweiligen Spritzgießzyklus. Dies ermöglicht eine besonders präzise Prozessanpassung, insbesondere um unterschiedliche Leckagen aufgrund unterschiedlicher Schließzeitpunkte des Rückschlagventils auszugleichen.
Es ist auch möglich, abhängig von dem bestimmten Schließverhalten nachfolgende Spritzgießzyklen anzupassen, insbesondere Einstellparameter des Dosier-, Einspritz- und/oder Nachdruckprozesses nachfolgender Spritzgießzyklen.
Bevorzugt kann abhängig von dem bestimmten Schließverhalten eine Anpassung der Einstellparameter nachfolgender Spritzgießzyklen, insbesondere des Dosier- und/oder Einspritzprozesses, erfolgen zur Verbesserung des Schließverhaltens des Rückschlagventils, insbesondere eines Schließzeitpunkts und/oder einer Rückströmsperren-Effizienz des Rückschlagventils. Das Schließverhalten kann hierdurch, insbesondere iterativ, optimiert werden.
Gemäß einem bevorzugten Aspekt des Verfahrens wird das Schließverhalten für mehrere Spritzgießzyklen bestimmt, insbesondere für alle Spritzgießzyklen. Dies erlaubt eine im Wesentlichen lückenlose Überwachung und frühzeitige Erkennung möglicher Fehlerzustände und deren potentiellen Einfluss auf die zu fertigenden Teile. Besonders bevorzugt werden das jeweils bestimmte Schließverhalten mit einem Sollwert und/oder zu vorbestimmten Schließverhalten verglichen.
Gemäß einem bevorzugten Aspekt des Verfahrens werden ein zeitlicher Verlauf des Schließverhaltens und/oder ein oder mehrere damit in Zusammenhang stehende Parameter, beispielsweise Schließzeitpunkt, Rückströmsperren-Efflzienz, Einspritzdruck und/oder Einspritzgeschwindigkeit, über mehrere Spritzgießzyklen, ermittelt. Aus dem Verlauf des Schließverhaltens kann beispielsweise ein Trend ermittelt werden, inwieweit sich das Schließverhalten ändert. Dies ermöglicht eine Zustandsüberwachung der Spritzgießmaschine, beispielsweise eine Überwachung einer sukzessiven Änderung des Schließzeitpunktes, der Rückströmsperren-Ef- fizienz, überlagerte Veränderungen des Einspritzdruckes und/oder der Einspritzgeschwindigkeit.
Gemäß einem bevorzugten Aspekt des Verfahrens ist der Auswertealgorithmus mittels Trainingsdaten mindestens einer Trainings-Spritzgießmaschine trainiert, wobei die Trainings- Spritzgießmaschine mindestens einen Sensor zur Erfassung mindestens eines Verlaufs der mindestens einen für den Einspritzprozess charakteristischen Größe für mehrere Trainings- Spritzgießzyklen zur Generierung der Trainingsdaten aufweist, und wobei die Trainings- Spritzgießmaschine einen zusätzlichen Trainingssensor aufweist, der das Schließverhalten des Rückschlagventils in den jeweiligen Trainings-Spritzgießzyklus zumindest indirekt misst, wobei Messdaten des Trainingssensors zum, insbesondere automatischen, Labeln der Trainingsdaten verwendet werden. Über die Messdaten des Trainingssensors kann das Schließverhalten des Rückschlagventils eindeutig bestimmt werden. Diese Kenntnisse ermöglichen ein einfaches Labeln der Trainingsdaten, insbesondere hinsichtlich des Schließzustandes zum Ende des Einspritzprozesses (vollständig geschlossen, nicht geschlossen, . . .), der Schließzeitpunkte, der Rückströmsperren-Efflzienz und/oder weitere Parameter, die Rückschlüsse auf das Schließverhalten des Rückschlagventils zulassen. Durch das Training mit den derart gelabel- ten Trainingsdaten können die Erkenntnisse, die mit Hilfe des Trainingssensors gewonnen werden, in der Spritzgießmaschine genutzt werden, ohne dass es dessen zusätzlichen Trai- ningssensors bedarf. Beim Betrieb der Spritzgießmaschine, insbesondere einer Serienmaschine, brauchen Messdaten des Trainingssensors, sofern diese überhaupt vorhanden sind, nicht für die Auswertung berücksichtigt werden.
Mit Hilfe der Trainings- Spritzgießmaschine werden insbesondere Trainingsdatensätze erzeugt, wobei die Trainingsdatensätze jeweils die den jeweiligen für den Einspritzprozess charakteristischen Größen entsprechenden Trainingsdaten und das mit Hilfe des Trainingssensors ermittelte Label enthalten.
Die Messdaten des Trainingssensors können beispielsweise ein zeitlicher Verlauf einer durch den Trainingssensor gemessenen Größe sein. Der Trainingssensor ist insbesondere im Bereich des Rückschlagventils, insbesondere hinter dem Rückschlagventil im Plastifizierzylinder, angeordnet. Beispielsweise kann der Trainingssensor einen Ultraschall sensor und/oder einen Drucksensor aufweisen, der hinter dem Rückschlagventil positioniert ist, um einen Zustand der Schmelze, insbesondere einen Schmelzedruck, hinter dem Rückschlagventil zu messen. Aus dem Zustand der Schmelze hinter dem Rückschlagventil kann direkt auf das Schließverhalten des Rückschlagventils geschlossen werden.
Gemäß einem bevorzugten Aspekt des Verfahrens ist der Trainingssensor der Trainings- Spritzgießmaschine ein hinter dem Rückschlagventil angeordneter Drucksensor zur Messung des Schmelzedrucks hinter dem Rückschlagventil. Die Vermessung des Schmelzedrucks hinter dem Rückschlagventil hat sich als besonders geeignet zur zumindest indirekten Messung des Schließverhaltens des Rückschlagventils erwiesen. Durch das hinter das Rückschlagventil strömende Material wird der Schmelzedruck erhöht. Mit dem Schließen des Rückschlagventils nimmt der Schmelzedruck ab. Das Schließverhalten kann daher eindeutig durch den Beginn eines abrupten Abfalls des Schmelzedrucks hinter dem Rückschlagventil bestimmt werden. Die Messung hinter dem Rückschlagventil ist nicht durch weitere Prozesszustände beeinflusst, sodass der abrupte Abfall des Schmelzedrucks im Falle des Schließens des Rückschlagventils ausgeprägt ist. Atypische Verläufe, insbesondere ohne Existenz eines abrupten Abfalls des Schmelzedrucks trotz Schließen des Rückschlagventils, treten insbesondere nicht auf. Gemäß einem bevorzugten Aspekt des Verfahrens weist die betriebene Spritzgießmaschine den Trainingssensor nicht auf. Im Betrieb der Spritzgießmaschine erfolgt die Bestimmung des Schließverhaltens des Rückschlagventils allein auf Basis der für den Einspritzprozess charakteristischen Größen. Sensoren, die das Schließverhalten des Rückschlagventils zumindest indirekt messen, sind teuer und bedürfen eines hohen Wartungsaufwandes. In der zu betreibenden Spritzgießmaschine, beispielsweise in einer Serienmaschine, wird vorzugsweise auf den Trainingssensor verzichtet werden, was den Rüst- und Wartungsaufwand reduziert. Besonders bevorzugt ist die Trainings- Spritzgießmaschine im Wesentlichen gleich zu der zu betreibenden Spritzgießmaschine ausgestaltet, mit Ausnahme des zusätzlichen Trainingssensors.
Bevorzugt kann das bestimmte Schließverhalten, insbesondere eine ermittelte Kategorie, ein Schließzeitpunkt und/oder eine Rückströmsperren-Effizienz, an einen Bediener der Maschine ausgegeben werden. Die Spritzgießmaschine kann hierzu eine Ausgabeeinheit, beispielsweise in Form eines Bildschirms, haben. Zusätzlich oder alternativ können auch Maßnahmen angezeigt werden, die aus dem bestimmten Schließverhalten abgeleitet werden und dem Bediener zur Kenntnis und/oder zur Umsetzung durch den Bediener angezeigt werden.
Die erfindungsgemäße Spritzgießmaschine weist eine Plastifizierschnecke mit einem Rückschlagventil zur Verhinderung eines Rückflusses von plastifiziertem Material während eines Einspritzprozesses, mindestens einen Sensor zur Erfassung mindestens eines Verlaufs, mindestens einer für den Einspritzprozess charakteristischen Größe und eine Steuereinheit auf. Die Steuereinheit ist dazu ausgebildet, den mindestens einen erfassten Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe mittels eines durch maschinelles Lernen trainierten Auswertealgorithmus auszuwerten zur Bestimmung eines Schließverhaltens des Rückschlagventils. Die Vorteile der Spritzgießmaschine entsprechen den im Zusammenhang mit dem oben beschriebenen Verfahre diskutierten Vorteilen. Die Steuereinheit kann insbesondere dazu ausgebildet sein, ein oder mehrere der oben diskutierten vorteilhaften Verfahrensmerkmale umzusetzen.
Die Spritzgießmaschine weist insbesondere eine Schließeinheit und eine Plastifiziereinheit auf, die an sich bekannt sein können. Beispielsweise kann die Plastifiziereinheit einen Rotati- onsantrieb zum Drehantreiben der Plastifizierschnecke, insbesondere während eines Dosierprozesses, aufweisen. Die Plastifiziereinheit kann zudem einen Translationsantrieb zum translatorischen Antreiben der Plastifizierschnecke aufweisen, beispielsweise für deren axiale Verlagerung während des Einspritzprozesses.
Die Steuereinheit steuert insbesondere den Einspritzprozess, bevorzugt den kompletten Spritzgießzyklus. Die Steuereinheit dient insbesondere zur Überwachung des Schließverhaltens des Rückschlagventils. Die Steuereinheit weist insbesondere einen Datenspeicher, einen Hauptspeicher und einen Prozessor zum Speichern und Ausführen des Auswertealgorithmus auf. Der Auswertealgorithmus kann beispielsweise auf einem Datenspeicher der Steuereinheit gespeichert und zur Ausführung in den Hauptspeichen und Prozessor geladen werden.
Der mindestens eine Sensor umfasst insbesondere einen Drucksensor zur Erfassung eines Einspritzdrucks, einen Wegmesssensor zur Erfassung einer insbesondere axialen Schneckenposition und/oder Einspritzgeschwindigkeit, einen Drehmomentsensor zur Erfassung eines Drehmoments eines Rotationsantriebs der Plastifizierschnecke und/oder einen Sensor zur Erfassung eines Antriebsmoments des Linearantriebs der Plastifizierschnecke, insbesondere einen Drehmomentsensor zur Erfassung eines Drehmoments eines Elektromotors des Linearantriebs. Bevorzugt umfasst die Spritzgießmaschine mehrere, insbesondere alle, der vorgenannten Sensoren.
Das erfindungsgemäße Computerprogrammprodukt zur Steuerung und/oder Überwachung einer Spritzgießmaschine weist Befehle auf, die bei Ausführung des Programms durch einen Computer diesen veranlassen, einen mittels Methoden des maschinellen Lernens trainierten Auswertealgorithmus auszuführen zur Bestimmung eines Schließverhaltens eines Rückschlagventils einer Plastifizierschnecke einer Spritzgießmaschine basierend auf einer Auswertung mindestens eines Verlaufs mindestens einer für einen Einspritzprozess charakteristischen Größe. Das Computerprogrammprodukt kann insbesondere mittels einer Steuereinheit der Spritzgießmaschine ausführbar sein. Das Computerprogrammprodukt weist die in Bezug auf das Verfahren beschriebenen Vorteile auf. Vorteilhafterweise kann das Computerprogrammprodukt dazu ausgelegt sein, weitere der oben beschriebenen optionalen Verfahrensmerkmale umzusetzen. Beispielsweise kann das Computerprogramm dazu ausgelegt sein, ein oder mehrere Sensoren der Spritzgießmaschine zur Erfassung des mindestens einen auszuwertenden Verlaufs anzusteuern und/oder auszulesen.
Das Computerprogrammprodukt ist insbesondere auf computerlesbaren Datenspeichern, insbesondere mit Computer, beispielsweise in Form einer Steuereinheit der Spritzgießmaschine, verbindbaren und/oder in diesen einsetzbaren Datenspeichern, gespeichert. Das Computerprogrammprodukt kann den Datenspeicher umfassen. Das Computerprogrammprodukt kann auch auf einem Datenspeicher eines Computers, insbesondere einer Steuereinheit der Spritzgießmaschine, gespeichert sein. Befehle des Computerprogrammprodukt können zur Ausführung in eine Verarbeitungseinheit des Computers, beispielsweise in einem Prozessor der Steuereinheit, geladen werden.
Gemäß einem bevorzugten Aspekt des Computerprogrammprodukts ist der Auswertealgorithmus mittels Trainingsdaten mindestens einer Trainings- Spritzgießmaschine trainiert, wobei die Trainings-Spritzgießmaschine mindestens einen Sensor zur Erfassung mindestens eines Verlaufs mindestens einer für einen Einspritzprozess charakteristischen Größe für mehrere Trainings-Spritzgießzyklen zur Generierung von Trainingsdaten aufweist, und wobei die Trainings- Spritzgießmaschine einen zusätzlichen Trainingssensor aufweist, der das Schließverhalten des Rückschlagventils in den jeweiligen Trainings-Spritzgießzyklus zumindest indirekt misst, wobei Messdaten des Trainingssensors zum, insbesondere automatischen, Labeln der Trainingsdaten verwendet werden. Die Vorteile und optionalen Merkmale des Trainings des Auswertealgorithmus, insbesondere hinsichtlich der Generierung der Trainingsdaten, entsprechen den in Bezug auf das Verfahren beschriebenen Vorteilen bzw. optionalen Merkmalen.
Weitere Merkmale, Vorteile und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen anhand der Zeichnungen. Es zeigen:
Fig. 1 schematisch eine Spritzgießmaschine, wobei nur die für die Erfindung wesentlichen Komponenten der Spritzgießmaschine gezeigt sind, Fig. 2A - 2C schematisch zeitliche Verläufe verschiedener für den Einspritzvorgang charakteristischer Größen für unterschiedliche Einspritzvorgänge, die zur Bestimmung eines Schließverhaltens eines Rückschlagventils der Plastifizierschnecke mittels eines durch maschinelles Lernen trainierten Auswertealgorithmus ausgewertet werden,
Fig. 3 schematisch eine Trainings-Spritzgießmaschine zum Generieren von Trainingsdaten zum Trainieren des Auswertealgorithmus, wobei die Trainings - Spritzgießmaschine einen Trainingssensor aufweist, der zumindest ein direktes Schließverhalten des Rückschlagventils misst, und
Fig. 4A - 4C schematisch zeitliche Verläufe von Messwerten des Trainingssensors der Trainings- Spritzgießmaschine in Fig. 3 für die in den Fig. 2A bis 2C gezeigten exemplarischen Einspritzvorgänge.
Entsprechende Teile sind in den Fig. 1 bis 4 mit denselben Bezugszeichen versehen. Auch Einzelheiten der im Folgenden näher erläuterten Ausführungsbeispiele können für sich genommen eine Erfindung darstellen oder Teil eines Erfindungsgegenstands sein.
In Fig. 1 ist schematisch eine Spritzgießmaschine 1 gezeigt. Die Spritzgießmaschine 1 weist eine Plastifiziereinheit 2 auf. Die Plastifiziereinheit 2 ist mit Hilfe eines Anfahrzylinders 3 an eine feste Aufspannplatte 4 einer ansonsten nicht gezeigten Schließeinheit anfahrbar. Die Spritzgießmaschine 1 weist eine Steuereinheit 5 zum Steuern des Betriebs der Spritzgießmaschine 1 auf. Die Steuereinheit 5 ist über eine Datenverbindung 6 mit Maschinenteilen der Spritzgießmaschine 1 in Datenverbindung zur Ansteuerung der Maschinenteile und/oder zum Auslesen von Daten der Maschinenteile, beispielsweise zum Auslesen von Sensoren. Weitere Komponenten der Spritzgießmaschine 1 sind der Übersichtlichkeit halber nicht gezeigt.
Die Plastifiziereinheit 2 weist einen Plastifizierzylinder 7, eine Düse 8 und eine innerhalb des Plastifizierzylinders 7 rotatorisch und translatorisch antreibbare Plastifizierschnecke 9 auf. Zum rotatorischen Antreiben der Plastifizierschnecke 9 dient ein Rotationsantrieb 10. Der Rotation santrieb 10 ist ein elektrischer Antrieb. Mit Hilfe eines Translationsantriebs 11 ist die Plastifizierschnecke 9 translatorisch antreibbar. In dem gezeigten Ausführungsbeispiel weist der Translationsantrieb 11 einen Elektromotor auf, dessen Drehbewegung über einen Kugelgewindetrieb 12 in eine translatorische Bewegung zum translatorischen Antreiben der Plastifizierschnecke 9 gewandelt wird.
Über einen Einfülltrichter 13 wird Kunststoffgranulat 14 in den Plastifizierzylinder 7 gegeben. Im sogenannten Dosierprozess wird das Kunststoffgranulat 14 mit Hilfe der rotatorisch angetrieben Plastifizierschnecke 9 in Richtung der Düse 8 gefördert und hierbei plastifiziert. Hierzu wird das Kunststoffmaterial über Heizbänder 15 aufgeheizt und aufgeschmolzen. Die Temperatur wird mittels Thermosensoren 16 überwacht. Während des Dosierprozesses ist der Rotationsantrieb 10 aktiv zum Antreiben der Plastifizierschnecke 9. Der Dosierprozess dauert an, bis eine vorgegebene Menge an Kunststoffschmelze 17 zwischen der Schneckenspitze 18 der Plastifizierschnecke 9 und der Düse 8 dosiert ist.
Nach dem Dosieren erfolgt ein Einspritzprozess. Für den Einspritzprozess wird die Plastifiziereinheit 2 mit Hilfe des Anfahrzylinders 3 an die Aufspannplatte 4 angefahren. Die Kunststoffschmelze 17 wird durch eine axiale Vorschubbewegung der Plastifizierschnecke 9 über die Düse 8 in das Spritzgießwerkzeug (nicht gezeigt) eingespritzt. Die Vorschubbewegung der Plastifizierschnecke 9 erfolgt über einen Einspritzweg bzw. Einspritzzeit. Hierfür wird die Plastifizierschnecke 9 mit Hilfe des Translationsantriebs 11 axial verfahren. Die axiale Bewegung der Plastifizierschnecke 9 erfolgt beispielsweise geschwindigkeitsgeregelt. Während des Einspritzvorganges ist der Rotationsantrieb 10 passiv und übt eine Haltekraft aus, um ein Drehen der Plastifizierschnecke 9 zu vermeiden.
An den Einspritzprozess schließt sich ein Nachdruckprozess an. Während des Nachdruckprozesses wird mittels einer Druckregelung der Plastifizierschnecke 9 Druck aufrechterhalten, um eine Schwindung des sich im Spritzgießwerkzeug abkühlenden Kunststoffmaterials auszugleichen. Der Nachdruckprozess dauert im Regelfall bis zum sogenannten Siegelpunkt. Das Umschalten zwischen Einspritzprozess und Nachdruckprozess, insbesondere zwischen Geschwindigkeitsregelung und Druckregelung des Translationsantriebs 11 erfolgt am sogenannten Umschaltzeitpunkt T.
Das oben beschriebene prinzipielle Vorgehen beim Betrieb der Spritzgießmaschine 1 bedingt, dass die Kunststoffschmelze während des Dosierprozesses vor die Plastifizierschnecke 9 gelangen kann. Während des Einspritzprozesses soll ein Rückfließen der Kunststoffschmelze entlang der Plastifizierschnecke 9 vermieden werden. Hierzu ist eine an sich bekannte Rückströmsperre 20 im Bereich der Spitze 18 angeordnet. Die Rückströmsperre 20 ist vorliegend als Rückschlagventil ausgebildet. Das Rückschlagventil öffnet sich durch den Druck der während des Dosierprozesses in Richtung der Düse 8 geförderten Kunststoffschmelze. Während des Einspritzvorgangs entsteht eine Druckdifferenz zwischen der Kunststoffschmelze 17 vor dem Rückschlagventil 20 und in Bereichen hinter dem Rückschlagventil 20, so dass das Rückschlagventil gegen die Stege 21 der Plastifizierschnecke 9 gedrückt wird und damit schließt. Die als Rückschlagventil ausgebildete Rückströmsperre 20 ist konstruktiv einfach und bedarf keiner separaten Ansteuerung. Nachteilig ist jedoch, dass ein Schließverhalten des Rückschlagventils 20 abhängig vom Einspritzprozess nicht immer reproduzierbar ist. Insbesondere kann es zu Fehlerzuständen kommen, in denen das Rückschlagventil 20 nicht, nicht vollständig oder nicht rechtzeitig schließt.
Bis zum Schließen des Rückschlagventils 20 strömt Kunststoffschmelze 17 hinter das Rückschlagventil 20 zurück, was auch als Leckage bezeichnet wird. Bei Variationen des Schließverhaltens des Rückschlagventils 20, insbesondere bei nicht oder zu spät erfolgendem Schließen, ändert sich das Leckagevolumen, was Einfluss auf Eigenschaften und Qualität der im Spritzgießprozess zu erzeugenden Teile hat. Insbesondere kann es zu nicht reproduzierbaren Eigenschaften und/oder Produktionsausfällen kommen.
Mit Hilfe der Steuereinheit 5 wird die Spritzgießmaschine 1 zur Durchführung des Spritzgießprozesses, insbesondere des Dosierprozesses, des Einspritzprozesses und des Nachdruckprozesses, angesteuert. Zudem erfolgt mit Hilfe der Steuereinheit 5 eine Überwachung des Schließverhaltens des Rückschlagventils 5. Hierfür wird ein zeitlicher Verlauf mindestens einer für den Einspritzprozess charakteristischen Größe ermittelt. Geeignete charakteristische Größen sind insbesondere ein Einspritzdruck IP, ein Drehmoment TM des Translationsantriebs 11, ein Drehmoment RM des Rotationsantriebs 10, eine axiale Position SP der Plastifizierschnecke 9, eine Rotationsgeschwindigkeit RV der Plastifizierschnecke 9 und/oder eine Einspritzgeschwindigkeit SV. Zum Erfassen dieser Größen sind unterschiedliche Sensoren an der Spritzgießmaschine 1 vorhanden.
Der Einspritzdruck IP ist derjenige Druck, mit dem die Kunststoffschmelze 17 in das Werkzeug eingespritzt wird. Zum Messen den Einspritzdrucks IP ist ein Drucksensor 22 an der Schneckenspitze 18 abgewandten Ende der Plastifizierschnecke 9 angeordnet. Der Drucksensor 22 kann eine oder mehrere Load-Zellen umfassen.
Während des Einspritzprozesses wird die Plastifizierschnecke 9 durch den Rotationsantrieb 10 in fester Winkel Stellung gehalten (Lageregelung). Die hinter das Rückschlagventil 20 strömende Kunststoffschmelze 17 übt über die Stege 21 eine Rotationskraft auf die Plastifizierschnecke 9 aus. Das Drehmoment RM des Rotationsantriebs 10 ist dasjenige Halte-Drehmo- ment, das der Rotationsantrieb 10 aufbringt, um die Plastifizierschnecke 9 in Lage zu halten. Zum Erfassen des Drehmoments RM ist ein Drehmomentsensor 23 an den Rotationsantrieb 10 angeschlossen.
Trotz der Lageregelung kann es zu Drehbewegungen der Plastifizierschnecke 9 kommen. Die Rotationsgeschwindigkeit RV der Plastifizierschnecke 9 bildet diese Drehbewegungen ab.
Das Drehmoment TM des Translationsantriebs TM ist das Antriebsmoment des Elektromotors des Translationsantriebs 11, das benötigt wird, um die Plastifizierschnecke 9 während des Einspritzvorganges axial zu verlagern. Das Drehmoment TM des Translationsantriebs 10 wird mit Hilfe eines Drehmomentsensors 24 des Translationsantriebs 11 ermittelt.
Die axiale Position SP der Plastifizierschnecke 9 wird auch als Schneckenposition bezeichnet.
Die Schneckenposition SP wird mittels eines Wegmesssensors 25 ermittelt. Die Einspritzgeschwindigkeit SV ist die axiale Geschwindigkeit der Plastifizierschnecke 9, insbesondere während des Einspritzprozesses bezeichnet. Sie kann beispielsweise als Änderung der Position der Plastifizierschnecke 9 mittels des Wegmesssensors 25 erfasst werden.
In den Fig. 2A bis 2C sind Verläufe der oben genannten für den Einspritzvorgang charakteristischen Größen schematisch über die Zeit t für unterschiedliche Einspritzprozesse mit unterschiedlichem Schließverhalten des Rückschlagventils 20 gezeigt. Die jeweiligen Größen sind normiert dargestellt. Der jeweilige Verlauf wird für den Einspritzprozess und über den Umschaltzeitpunkt T hinaus auch für den Nachdruckprozess dargestellt.
In den Fig. 2B und 2C sind exemplarische Einspritzprozesse gezeigt, in denen das Rückschlagventil 20 zu einem Schließzeitpunkt S schließt. In Fig. 2A schließt das Rückschlagventil 20 nicht. Es handelt sich dabei um einen Fehlerzustand, bei dem die Bauteilqualität nicht gewährleistet werden kann.
Regelmäßig kann das Schließen des Rückschlagventils 20 durch ein lokales Maximum des Drehmoments RM des Rotationsantriebs 10 nachvollzogen werden. Bis zum Schließen des Rückschlagventils 20 dringt Kunststoffschmelze 17 hinter das Rückschlagventil und übt ein Drehmoment auf die Plastifizierschnecke 9 aus. Nach dem Schließen des Rückschlagventils 20 nimmt dieses Drehmoment ab. Dies ist in Fig. 2C gezeigt, wo das Drehmoment R des Rotationsantriebs 10 zum Schließzeitpunkt S ein deutliches lokales Maximum zeigt. Nicht in allen Fällen spiegelt sich das Schließen des Rückschlagventils 20 in einem Maximum des Verlaufs des Drehmoments RM des Rotationsantriebs 10 wieder. Im in Fig. 2B gezeigten Fall folgt ein Schließen des Rückschlagventils 20, ohne dass dies eindeutig aus dem Verlauf des Drehmoments RM des Rotationsantriebs ableitbar ist. Entsprechendes gilt für die weiteren, für den Einspritzprozess charakteristischen in Fig. 2B gezeigten Größen. Im Vergleich mit Fig. 2A kann anhand einzelner Eigenschaften der Kurven keine eindeutige Unterscheidung zwischen dem Schließen des Rückschlagventils 20 in Fig. 2B und dem Fehlerzustand, in dem das Rückschlagventil 20 nicht schließt, in Fig. 2A unterschieden werden.
Die Steuereinheit 5 weist zur Bestimmung des Schließverhaltens des Rückschlagventils 20 einen Auswertealgorithmus 27 auf. Der Auswertealgorithmus 27 ist beispielsweise Teil eines Computerprogrammprodukts, das auf einem Datenspeicher der Steuereinheit 5 gespeichert ist. Das Computerprogrammprodukt weist Befehle auf, die bei Ausführung durch den Prozessor der Steuereinheit 5 den Auswertealgorithmus 27 ausführen. Das Computerprogrammprodukt kann beispielsweise zur Ausführung durch einen Prozessor der Steuereinheit 5 in den Hauptspeicher der Steuereinheit 5 geladen werden.
Der Auswertealgorithmus 27 wurde mit Hilfe von Methoden des überwachten maschinellen Lernens trainiert. Der Auswertealgorithmus 27 weist insbesondere mindestens ein künstliches neuronales Netzwerk, insbesondere mindestens ein Deep Neural Network (DNN) und/oder mindestens eine geeignete Ensemblemethode, insbesondere Random-Forest und/oder Gradient Boosted Tree, und/oder mindestens eine Support- Vector-Machine (SVM) auf.
Der Auswertealgorithmus 27 ist dahingehend trainiert, die ermittelten Verläufe der für den Einspritzvorgang charakteristischen Größen verschiedenen Schließverhalten zuzuordnen, indem eine Klassifizierung des Schließverhaltens in zwei oder mehrere Kategorien erfolgt. Beispielsweise klassifiziert der Auswertealgorithmus 27 die Verläufe in die Kategorien: „Rückschlagventil geschlossen“ (vgl. Fig. 2B und 2C) oder „Rückschlagventil nicht geschlossen“ (vgl. Fig. 2A). Es ist auch möglich, eine Klassifizierung in weitere Unterkategorien vorzunehmen. Beispielsweise kann das Schließen des Rückschlagventils 20 in die Unterkategorie „rechtzeitig geschlossen“ oder „verspätet geschlossen“ erfolgen. Weitere Unterkategorien können einzelne Verläufe betreffen, beispielsweise „typischer Verlauf des Drehmoments des Rotationsantriebs“ (vgl. Fig. 2C) oder „atypischer Verlauf des Drehmoments des Rotationsantriebs“ (vgl. Fig. 2B).
Der Auswertealgorithmus 27 wertet die Verläufe mindestens einer, insbesondere mehrerer, bevorzugt aller der oben beschriebenen charakteristischen Größen aus. Das Verwenden eines auf maschinellen Lernen basierenden Auswertealgorithmus 27 hat den Vorteil, dass die Auswertung nicht auf festgelegte charakteristischer Eigenschaften einzelner der Kurven eingeschränkt oder angewiesen ist (beispielsweise auf ein bestimmbares Maximum des Drehmoments RM des Rotationsantriebs 10). Der Auswertealgorithmus 27 kann insbesondere Methoden der Mustererkennung und/oder Bilderkennung verwenden, um unterschiedliche charakte- ristische Verläufe unabhängig von konkreten Auswerteparametem unterschiedlichen Schließverhalten zuzuordnen. Beispielsweise kann der Auswertealgorithmus 27 ein oder mehrere den Verlauf charakterisierenden Features extrahieren und für die Auswertung verwenden.
Vorzugsweise ermittelt der Auswertealgorithmus 27 über einen geeigneten Regressionsalgorithmus zudem weitere Parameter des Schließverhaltens, insbesondere einen wahrscheinlichsten Schließzeitpunkt S. Durch Auswertung der Verläufe kann der Auswertealgorithmus 27 der wahrscheinlichste Schließzeitpunkt S bestimmen, ohne dass es eines charakteristischen Eigenschaften der Verläufe zum Schließzeitpunkt S bedarf.
Mit Hilfe der Auswertung durch den Auswertealgorithmus 27 kann das Schließverhalten des Rückschlagventils 20 zuverlässig bestimmt werden. Insbesondere kann ein Fehlerzustand frühzeitig erkannt werden. Bei Nichtschließen oder zu spätem Schließen des Rückschlagventils 20 können die erzeugten Teile beispielsweise einer näheren Überprüfung unterzogen werden, um frühzeitig Fehlteile erkennen und aussortieren zu können.
Basierend auf dem ermittelten Schließverhalten, insbesondere des ermittelten Schließzeitpunkts S, kann das Spritzgießverfahren adaptiv angepasst werden, beispielsweise indem die Nachdruckzeit und/oder Nachdruckhöhe angepasst werden. Dies kann für zukünftige Spritzgießzyklen oder innerhalb desselben Spritzgießzyklus erfolgen. Variationen im Schließverhalten des Rückschlagventils 20 können somit ausgeglichen werden, um Produktionsschwankungen und Ausschuss zu vermeiden.
Die Steuereinheit 5 bestimmt das Schließverhalten des Rückschlagventils 20, insbesondere eine klassifizierte Kategorie des Schließverhaltens, den wahrscheinlichsten Schließzeitpunkt und/oder die Rückströmsperren-Effizienz, für mehrere Schließzyklen, bevorzugt für alle Schließzyklen. Das bestimmte Schließverhalten kann beispielsweise über einen längeren Zeitraum gespeichert und/oder ausgewertet werden. Beispielsweise kann das jeweils aktuelle Schließverhalten mit vorhergehenden Schließverhalten verglichen werden und/oder ein zeitlicher Verlauf des Schließverhaltens über mehrere Spritzgießzyklen ermittelt werden. Hierdurch kann ein Zustand der Spritzgießmaschine 1, insbesondere der Plastifiziereinheit 2, überwacht werden. Beispielsweise können sukzessive Abweichungen des wahrscheinlichen Schließzeitpunkts, der Rückströmsperren-Effizienz, Änderungen des Drucks und/oder anderer Größen frühzeitig erkannt werden. Dies erlaubt das Einleiten von frühzeitigen Wartungsmaßnahmen, was den Ausschuss in der Produktion verringert und die Langlebigkeit der Maschine erhöht.
Zum Trainieren des Auswertealgorithmus 27 können beispielsweise Trainingsdaten während des Betriebs erfasst werden, beispielsweise indem die jeweiligen für den Einspritzprozess charakteristischen Größen aufgezeichnet werden. Die Trainingsdaten können dann manuell, beispielsweise durch einen erfahrenen Bediener und/oder unter Berücksichtigung der Teileeigenschaften, gelabelt werden.
Bevorzugt erfolgt das Training des Auswertealgorithmus 27 mit Hilfe von Trainingsdaten, die mit einer speziellen Trainings-Spritzgießmaschine generiert und insbesondere automatisch gelabelt werden. Eine exemplarische Trainings-Spritzgießmaschine 30 ist in Fig. 3 gezeigt. Die Trainings- Spritzgießmaschine 30 entspricht im Wesentlichen der Spritzgießmaschine 1 in Fig. 1. Übereinstimmende Komponenten tragen die gleichen Bezugszeichen und werden nicht nochmals erläutert.
Die Trainings-Spritzgießmaschine 30 unterscheidet sich von der Spritzgießmaschine 1 im Wesentlichen durch einen zusätzlichen Trainingssensor 31. Der Trainingssensor 31 misst zumindest indirekt das Schließverhalten des Rückschlagventils 20. Der Trainingssensor 31 ist im gezeigten Ausführungsbeispiel ein hinter dem Rückschlagventil 20 angeordneter Drucksensor zur Messung des Schmelzedrucks MP hinter dem Rückschlagventil 20. Der Schmelzedruck MP hängt direkt von hinter das Rückschlagventil 20 rückströmender Kunststoffschmelze 17 ab. Sobald das Rückschlagventil 20 geschlossen ist, strömt keine Kunststoffschmelze 17 nach, sodass der Schmelzedruck MP abnimmt. Der Trainingssensor 31 ermöglicht eindeutige Aussagen über den Schließzustand des Rückschlagventils 20.
In den Fig. 4A bis 4C ist der Schmelzedruck MP, der mit Hilfe des Trainingssensors 31 erfasst wird, für verschiedene Einspritzprozesse über die Zeit t aufgetragen. Die in den Fig. 4A bis 4C gezeigten Einspritzprozesse entsprechen denen der in den Fig. 2 A bis 2C gezeigten Parameterverläufe. Wie aus den Fig. 4B und 4C hervorgeht, nimmt der Schmelzedruck MP bis zum Schließzeitpunkt S kontinuierlich zu und fällt nach dem Schließen des Rückschlagventils 20 abrupt ab. Unabhängig von dem Verlauf der weiteren charakteristischen Größen bildet der Schmelzedruck MP zum Schließzeitpunkt ein charakteristisches Maximum aus, das konkrete Aussagen über das Schließverhalten und den Schließzeitpunkt S zulässt. Für den Fall, dass das Rückschlagventil 20 nicht schließt, ergibt sich ein ebenfalls eindeutiger Verlauf des Schmelzedrucks MP, der bis zum Umschaltzeitpunkt T kein lokales Maximum aufweist.
Durch Auswertung des Schmelzedrucks MP können daher der Schließzeitpunkt S, die Rück- strömsperren-Effizienz und das Schließverhalten unabhängig von weiteren Größen zuverlässig bestimmt werden. Die hierdurch gewonnenen Erkenntnisse können als Label für die Trainingsdaten verwendet werden. Insbesondere können die mit Hilfe der Trainings-Spritzgießmaschine 30 gewonnenen Trainingsdaten automatisch mit Hilfe des Schmelzedrucks MP gefabelt werden.
Beispielsweise wird mit der Trainings- Spritzgießmaschine 30 eine Vielzahl von Spritzgießzyklen durchfahren und mit Hilfe deren Steuereinheit 32 der jeweilige Verlauf der für den Einspritzvorgang charakteristischen Größen, insbesondere des Einspritzdrucks IP, des Drehmoments TM des Translationsantriebs 11, des Drehmoments RM des Rotationsantriebs 10, der axialen Position der Plastifizierschnecke SP, die Rotationsgeschwindigkeit RM der Plastifizierschnecke 9 und/oder der Einspritzgeschwindigkeit SV, erfasst. Zudem wird mit Hilfe des Trainingssensors 31 jeweils der Schmelzedruck MP erfasst. Die Steuereinheit 32 wertet den Schmelzedruck MP aus und bestimmt das Schließverhalten und gegebenenfalls den Schließzeitpunkt S und/oder die Rückströmsperren-Effizienz. Diese Parameter werden als Label den Trainingsdaten zugeordnet. Es werden Trainingsdatensätze aus Trainingsdaten und zugehörigem Label erzeugt.
Mit Hilfe der generierten Trainingsdatensätze kann der Auswertealgorithmus mit bekannten Methoden des maschinellen Lernens trainiert werden. Der trainierte Auswertealgorithmus 27 bestimmt zuverlässig das Schließverhalten, ohne den Schmelzedruck MP auszuwerten. Prinzipiell wäre es vorstellbar, den Trainingssensor 31 direkt in der Serienmaschine, beispielsweise in der Spritzgießmaschine 1, zu verwenden, um das Schließverhalten des Rückschlagventils 20 zu überwachen. Allerdings ist der zusätzliche Sensor teuer und wartungsaufwändig. Das Training mit Hilfe der Trainings-Spritzgießmaschine erlaubt es, mit Hilfe einer datenbetriebenen Auswertung, Erkenntnisse über den Schmelzedruck MP aus den jeweils anderen, für den Einspritzvorgang charakteristischen Größen, abzuleiten, ohne dass es des Trainingssensors 31 bedarf.
In dem hier gezeigten Ausführungsbeispiel werden mehrere für den Einspritzprozess charak- teristische Größen erfasst und ausgewertet. Es ist auch möglich, nur einzelne dieser Größen zu erfassen und auszuwerten.
In anderen Ausführungsbeispielen der Trainings-Spritzgießmaschine kann zusätzlich oder anstatt eines hinter dem Rückschlagventil angeordneten Drucksensors ein Ultraschall sensor an- geordnet sein, der das Schließen des Rückschlagventils mittels Ultraschall erfasst.

Claims

Patentansprüche
1. Verfahren zum Betrieb einer Spritzgießmaschine (1), wobei die Spritzgießmaschine (1) eine Plastifizierschnecke (9) mit einem Rückschlagventil (20) zur Verhinderung eines Rückflusses von plastifiziertem Material (17) während eines Einspritzprozesses aufweist, mit den Schritten
Durchführen mindestens eines Einspritzprozesses, wobei mindestens ein Verlauf mindestens einer für den Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV) erfasst wird, und Auswerten des mindestens einen erfassten Verlaufs der mindestens einen für den Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV) mittels eines durch maschinelles Lernen trainierten Auswertealgorithmus (27) zum Bestimmen des Schließverhaltens des Rückschlagventils (20) der Plastifizierschnecke (9).
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die mindestens eine für den Einspritzprozess charakteristische Größe (IP, TM, RM, SP, SV, RV) eine oder mehrere der folgenden Größen umfasst: Einspritzdruck (IP), Einspritzgeschwindigkeit (SV), Position der Plastifizierschnecke (SP), Drehmoment (RM) eines Rotationsantriebs (10) der Plastifizierschnecke (9), Rotationsgeschwindigkeit (RV) der Plastifizierschnecke (9) und/oder Antriebsmoment (TM) eines Linearantriebs (11) der Plastifizierschnecke (9).
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass mindestens zwei der für den Einspritzprozess charakteristischen Größen (IP, TM, RM, SP, SV, RV) mittels des Auswertealgorithmus (27) ausgewertet werden.
4. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass mindestens drei der für den Einspritzprozess charakteristischen Größen (IP, TM, RM, SP, SV, RV) mittels des Auswertealgorithmus (27) ausgewertet werden.
5. Verfahren nach einem der vorgenannten Ansprüche, dadurch gekennzeichnet, dass der Auswertealgorithmus (27) das Schließverhalten des Rückschlagventils (20) in zwei oder mehr Kategorien klassifiziert.
6. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die Klassifizierung in mindestens die zwei Kategorien „Rückschlagventil geschlossen“ und „Rückschlagventil nicht geschlossen“ erfolgt.
7. Verfahren nach einem der vorgenannten Ansprüche, dadurch gekennzeichnet, dass der Auswertealgorithmus (27) aus dem mindestens einen Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV) einen Schließzeitpunkt (S) und/oder eine Rückströmsperren-Effizienz des Rückschlagventils (20) ermittelt.
8. Verfahren nach einem der vorgenannten Ansprüche, dadurch gekennzeichnet, dass der Auswertealgorithmus (27) aus dem mindestens einen Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV) eine Rück- strömsperren-Effizienz des Rückschlagventils (20) ermittelt, wobei die Rückströmsper- ren-Effizienz quantifiziert, welcher Anteil eines Einspritzwegs und/oder welcher Anteil einer Einspritzzeit des Einspritzvorgangs mit geschlossenem Rückschlagventil (20) zurückgelegt wurde.
9. Verfahren nach einem der vorgenannten Ansprüche, dadurch gekennzeichnet, dass der mindestens eine erfasste Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV) zur Auswertung mittels des Auswertealgorithmus (27) normiert und/oder geglättet wird.
10. Verfahren nach einem der vorgenannten Ansprüche, dadurch gekennzeichnet, dass abhängig von dem durch den Auswertealgorithmus (27) bestimmten Schließverhalten eine Anpassung weiterer Prozesse eines jeweiligen Spritzgießzyklus erfolgt.
11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass eine Anpassung von Druck und/oder Dauer eines Nachdruckprozesses des jeweiligen Spritzgießzyklus erfolgt.
12. Verfahren nach einem der vorgenannten Ansprüche, dadurch gekennzeichnet, dass das Schließverhalten für mehrere Spritzgießzyklen bestimmt wird.
13. Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass ein zeitlicher Verlauf des Schließverhaltens und/oder ein oder mehrere damit in Zusammenhang stehende Parameter über mehrere Spritzgießzyklen ermittelt werden.
14. Verfahren nach einem der vorgenannten Ansprüche, dadurch gekennzeichnet, dass der Auswertealgorithmus (27) mittels Trainingsdaten mindestens einer Trainings- Spritzgießmaschine (30) trainiert ist, wobei die Trainings- Spritzgießmaschine (30) mindestens einen Sensor (22, 23, 24 ,25) zur Erfassung mindestens eines Verlaufs der mindestens einen für einen Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV) für mehrere Trai- nings-Spritzgießzyklen zur Generierung der Trainingsdaten aufweist, und wobei die Trainings- Spritzgießmaschine (30) einen zusätzlichen Trainingssensor (31) aufweist, der das Schließverhalten des Rückschlagventils (20) in dem jeweiligen Trainings- Spritzgießzyklus zumindest indirekt misst, wobei Messdaten (MP) des Trainingssensors (31) zum, insbesondere automatischen, Labeln der Trainingsdaten verwendet werden.
15. Verfahren nach Anspruch 14, dadurch gekennzeichnet, dass der Trainingssensor (31) der Trainings- Spritzgießmaschine (30) ein hinter dem Rückschlagventil (20) angeordneter Drucksensor zur Messung des Schmelzedrucks (MP) hinter dem Rückschlagventil (20) ist.
16. Verfahren nach einem der Ansprüche 14 oder 15, dadurch gekennzeichnet, dass die damit betriebene Spritzgießmaschine (1) den Trainingssensor (31) nicht aufweist.
17. Spritzgießmaschine (1), aufweisend eine Plastifizierschnecke (9) mit einem Rückschlagventil (20) zur Verhinderung eines Rückflusses von plastifiziertem Material (17) während eines Einspritzprozesses, mindestens einen Sensor (22, 23, 24, 25) zur Erfassung mindestens eines Verlaufs mindestens einer für den Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV), und eine Steuereinheit (5), die dazu ausgebildet ist, den mindestens einen erfassten Verlauf der mindestens einen für den Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV) mittels eines durch maschinelles Lernen trainierten Auswertealgorithmus (27) auszuwerten zur Bestimmung eines Schließverhaltens des Rückschlagventils (20).
18. Computerprogrammprodukt zur Steuerung und/oder Überwachung einer Spritzgießmaschine, aufweisend Befehle, die bei Ausführung des Programms durch einen Computer diesen veranlassen, einen mittels Methoden des maschinellen Lernens trainierten Auswertealgorithmus (27) auszuführen zur Bestimmung eines Schließverhaltens eines Rückschlagventils (20) einer Plastifizierschnecke (9) einer Spritzgießmaschine (1) basierend auf einer Auswertung mindestens eines Verlaufs mindestens einer für einen Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV).
19. Computerprogrammprodukt nach Anspruch 18, dadurch gekennzeichnet, dass der Auswertealgorithmus (27) mittels Trainingsdaten mindestens einer Trainings-Spritzgießma- schine (30) trainiert ist, wobei die Trainings- Spritzgießmaschine (30) mindestens einen Sensor (22, 23, 24, 25) zur Erfassung mindestens eines Verlaufs mindestens einer für einen Einspritzprozess charakteristischen Größe (IP, TM, RM, SP, SV, RV) für mehreren Trainings- Spritzgießzyklen zur Generierung von Trainingsdaten aufweist, und wobei die Trainings- Spritzgießmaschine (30) einen zusätzlichen Trainingssensor (31) aufweist, der das Schließverhalten des Rückschlagventils (20) in dem jeweiligen Trainings- Spritzgießzyklus zumindest indirekt misst, wobei Messdaten (MP) des Trainingssensors (31) zum, insbesondere automatischen, Labeln der Trainingsdaten verwendet werden.
PCT/EP2024/065269 2023-06-05 2024-06-04 VERFAHREN ZUM BETRIEB EINER SPRITZGIEßMASCHINE, SPRITZGIEßMASCHINE UND COMPUTERPROGRAMMPRODUKT Pending WO2024251703A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP24731846.2A EP4713188A1 (de) 2023-06-05 2024-06-04 VERFAHREN ZUM BETRIEB EINER SPRITZGIEßMASCHINE, SPRITZGIEßMASCHINE UND COMPUTERPROGRAMMPRODUKT

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102023205218.0 2023-06-05
DE102023205218.0A DE102023205218A1 (de) 2023-06-05 2023-06-05 Verfahren zum Betrieb einer Spritzgießmaschine, Spritzgießmaschine und Computerprogrammprodukt

Publications (1)

Publication Number Publication Date
WO2024251703A1 true WO2024251703A1 (de) 2024-12-12

Family

ID=91465335

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2024/065269 Pending WO2024251703A1 (de) 2023-06-05 2024-06-04 VERFAHREN ZUM BETRIEB EINER SPRITZGIEßMASCHINE, SPRITZGIEßMASCHINE UND COMPUTERPROGRAMMPRODUKT

Country Status (3)

Country Link
EP (1) EP4713188A1 (de)
DE (1) DE102023205218A1 (de)
WO (1) WO2024251703A1 (de)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023205218A1 (de) 2023-06-05 2024-12-05 Sumitomo (Shi) Demag Plastics Machinery Gmbh Verfahren zum Betrieb einer Spritzgießmaschine, Spritzgießmaschine und Computerprogrammprodukt

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0453720A (ja) * 1990-06-22 1992-02-21 Japan Steel Works Ltd:The 射出成形機の射出装置の逆流ストローク算出方法及び装置
US7713049B2 (en) * 2007-07-17 2010-05-11 Fanuc Ltd Injecting molding machine having a torque detecting device
JP5144442B2 (ja) * 2008-09-12 2013-02-13 ファナック株式会社 射出成形機およびその逆流防止弁閉鎖状態判別方法
DE102017004374A1 (de) * 2016-05-12 2017-11-16 Fanuc Corporation Abriebgrössen-Schätzvorrichtung und Abriebgrössen-Schätzverfahren für das Rückschlagventil einer Spritzgiessmaschine
JP2023041084A (ja) * 2021-09-13 2023-03-24 Ｕｂｅマシナリー株式会社 射出成形方法
DE102023205218A1 (de) 2023-06-05 2024-12-05 Sumitomo (Shi) Demag Plastics Machinery Gmbh Verfahren zum Betrieb einer Spritzgießmaschine, Spritzgießmaschine und Computerprogrammprodukt

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4177399B2 (ja) * 2006-10-27 2008-11-05 日精樹脂工業株式会社 射出成形機の制御方法
DE102013111257B3 (de) * 2013-10-11 2014-08-14 Kraussmaffei Technologies Gmbh Verfahren zur Prozessführung eines Formfüllvorgangs einer Spritzgießmaschine
JP6659647B2 (ja) * 2017-09-29 2020-03-04 ファナック株式会社 数値制御システム及び逆流防止弁状態検知方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0453720A (ja) * 1990-06-22 1992-02-21 Japan Steel Works Ltd:The 射出成形機の射出装置の逆流ストローク算出方法及び装置
US7713049B2 (en) * 2007-07-17 2010-05-11 Fanuc Ltd Injecting molding machine having a torque detecting device
JP5144442B2 (ja) * 2008-09-12 2013-02-13 ファナック株式会社 射出成形機およびその逆流防止弁閉鎖状態判別方法
DE102017004374A1 (de) * 2016-05-12 2017-11-16 Fanuc Corporation Abriebgrössen-Schätzvorrichtung und Abriebgrössen-Schätzverfahren für das Rückschlagventil einer Spritzgiessmaschine
JP2023041084A (ja) * 2021-09-13 2023-03-24 Ｕｂｅマシナリー株式会社 射出成形方法
DE102023205218A1 (de) 2023-06-05 2024-12-05 Sumitomo (Shi) Demag Plastics Machinery Gmbh Verfahren zum Betrieb einer Spritzgießmaschine, Spritzgießmaschine und Computerprogrammprodukt

Also Published As

Publication number Publication date
DE102023205218A1 (de) 2024-12-05
EP4713188A1 (de) 2026-03-25

Similar Documents

Publication Publication Date Title
DE102020102370B4 (de) Zustandsbestimmungsvorrichtung und zustandsbestimmungsverfahren
DE69124530T2 (de) Steuerung einer spritzgiessmaschine
DE19743600B4 (de) Verfahren zur Überwachung eines zyklischen Produktionsprozesses
DE102019128177A1 (de) Vorrichtung und verfahren zur zustandsbestimmung
EP3057760B1 (de) Verfahren zur beurteilung verfahrenstechnischer eigenschaften von spritzgiesswerkzeugen
EP2583811B2 (de) Verfahren zur Quantifizierung von Prozessschwankungen bei einem Einspritzvorgang einer Spritzgießmaschine
EP2539785B1 (de) Verfahren zur regelung eines spritzgiessprozesses
WO2019185594A1 (de) VERFAHREN ZUR AUTOMATISCHEN PROZESSÜBERWACHUNG UND PROZESSDIAGNOSE EINES STÜCKBASIERTEN PROZESSES (BATCH-FERTIGUNG), INSBESONDERE EINES SPRITZGIEßPROZESSES UND EINE DEN PROZESS DURCHFÜHRENDE MASCHINE ODER EIN DEN PROZESS DURCHFÜHRENDER MASCHINENPARK
EP2824450A1 (de) Verfahren zur Auswertung eines Messergebnisses einer thermischen Analyse, sowie Verwendung des Verfahrens, Rechnereinrichtung, Computerprogrammprodukt und System zur Ausführung des Verfahrens
DE69006846T2 (de) Verfahren zum unterscheiden nichtdefekter teile von defekten teilen bei spritzgiessmaschinen.
DE112021005251T5 (de) Zustandsbestimmungsvorrichtung und zustandsbestimmungsverfahren
EP4713188A1 (de) VERFAHREN ZUM BETRIEB EINER SPRITZGIEßMASCHINE, SPRITZGIEßMASCHINE UND COMPUTERPROGRAMMPRODUKT
WO2019048552A1 (de) Verfahren und vorrichtung zur herstellung von behältern aus thermoplastischem material
DE60103125T2 (de) Rheometrieverfahren und -vorrichtung sowie ihre anwendung zur steuerung der polymerherstellung
EP4335622A1 (de) Verfahren und vorrichtung zum behandeln von behältnissen mit identifikation ausgeleiteter behältnisse
WO2011134863A1 (de) Verfahren zur darstellung eines programmierbaren ablaufs für eine oder mehrere maschinen mit einem zyklisch wiederkehrenden maschinenbetriebsablauf
DE112021005248T5 (de) Zustandsbestimmungsvorrichtung und zustandsbestimmungsverfahren
DE102019108997A1 (de) Verfahren zum Bestimmen eines Lösungszustands eines Gases
DE2446023C2 (de) Verfahren zum Betrieb mindestens einer Formpresse
DE112022003617B4 (de) Spritzformmaschinen-bestehen/nicht-bestehen-bestimmungssystem
DE60220327T2 (de) Verfahren und Vorrichtung zur Bewertung von Kunststoffen unter Verwendung einer Spritzgiessmaschine
WO2018197362A1 (de) Verfahren zur kontrolle einer folienproduktion
DE10222662B4 (de) Verfahren zum Überwachen von Betriebsdaten einer Spritzgussmaschine
EP3616013A1 (de) Verfahren zur kontrolle einer folienproduktion
EP2485889B1 (de) Vorrichtung und verfahren zur weiterverarbeitung, insbesondere beleimung, von sackhalbzeugen

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24731846

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024731846

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2024731846

Country of ref document: EP

Effective date: 20251216

ENP Entry into the national phase

Ref document number: 2024731846

Country of ref document: EP

Effective date: 20251216

ENP Entry into the national phase

Ref document number: 2024731846

Country of ref document: EP

Effective date: 20251216

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2024731846

Country of ref document: EP

Effective date: 20251216

ENP Entry into the national phase

Ref document number: 2024731846

Country of ref document: EP

Effective date: 20251216

ENP Entry into the national phase

Ref document number: 2024731846

Country of ref document: EP

Effective date: 20251216

ENP Entry into the national phase

Ref document number: 2024731846

Country of ref document: EP

Effective date: 20251216

ENP Entry into the national phase

Ref document number: 2024731846

Country of ref document: EP

Effective date: 20251216