Verbundvorhaben: ENK - Energieeffiziente und nachhaltige Produktion von Kunststoffbauteilen; Teilvorhaben: Maschinensteuerung und Prozessüberwachung für hohe Energieeffizienz
Zeitraum
2024-01-01 – 2026-12-31
Bewilligte Summe
186.191,14 EUR
Ausführende Stelle
Förderkennzeichen
03EN4070D
Leistungsplansystematik
Energiesparende Industrieverfahren - Chemische Industrie, Herstellung von Kunststoff- und Gummiwaren [EA3215]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESN4)
Förderprogramm
Energie
Ziel des Vorhabens ist die drastische Steigerung der Energieeffizienz bei der Kunststoffverarbeitung mittels Compoundierung, Extrusion und Spritzguss (ein- bzw. zweistufiges Verfahren). Angestrebte Entwicklungsergebnisse sind neuartige, besonders energieeffiziente Spritzgieß- und Extrusionswerkzeuge, Steuerungstechnik für Produktionsmaschinen mit Funktion zur Optimierung der Energieeffizienz auf Basis von künstlicher Intelligenz sowie ein Prozessüberwachungssystem mit Anomalieerkennung auf Basis von Machine Learning. Zudem werden Kenntnisse über die Energieeffizienz des ein- bzw. zweistufigen Verfahrens (s. o.) unter Berücksichtigung von Synergieeffekten und Transportwegen sowie bzgl. der Verwendung von Recyclaten angestrebt. Zum Abschluss des Vorhabens wird ein Demonstrator (Produktionsanlage mit austauschbaren Prozessmodulen, KI-basierter Steuerungstechnik und mit besonders hohem Wirkungsgrad) für die Multiplikation / Verbreitung der Vorhabenergebnisse aufgebaut. Die iba AG wird sich dabei mit der Erfasssung und Aufzeichnung von verschiedenen Prozessgrößen (Energieverbräuche,Drehmomente, Volumenströme, Temperaturen, etc.) direkt aus den Produktionsanlagen beschäftigen. Damit werden Bestandsaufnahmen an bestehenden Maschinen der Projektpartner durchgeführt. Außerdem werden historische Daten mitsamt beschreibenden Merkmalen einer Lernplattform zur datenbasierten Modellierung zur Verfügung gestellt um ein Prozessüberwachungssystem mit Machine-Learning-basierter Anomalieerkennung. Insbesondere ist von iba dabei zu entwickeln: Das generelle Datenmodell, die Zuordnung von zeitbezogenen Daten zu Produktchargen/Stücken, die Ermittlung von relevanten Prozess-KPIs, die Schnittstelle zu Offline-Lernkomponenten, ein ONNX-basiertes Laufzeitsystem zur Online-Ausführung des Maschinenmodells, die Visualisierung von Energieverbrauchswerten sowie die Zusammenführung von Online-Daten mit Produktqualitätsergebnissen zur Validierung der Modelle.