Untersuchungen zum Verschleiß und zur Zustandsüberwachung von Spritzgießplastifizierschnecken
Durch Digitalisierung, Energiewende und die vermehrte Verwendung von Rezyklaten sind Kunststoffverarbeiter mit zunehmend herausfordernden Rahmenbedingungen konfrontiert. Trotzdem ist eine hohe Maschinenauslastung mit niedrigen Zykluszeiten und wenigen ungeplanten Stillstandszeiten unabdingbar, um im Wettbewerb zu bestehen. Verfahren
aus den Themenbereichen Condition Monitoring und Predictive Maintenance können bei der Erreichung dieser Ziele unterstützen.
Verschleiß an der Plastifiziereinheit kann diesen Zielen in vielfältiger Weise entgegenwirken. Ist der Verschleißzustand der Plastifizierschnecke bekannt und kann dessen zukünftige Entwicklung abgeschätzt werden, können frühzeitig entsprechende Gegenmaßnahmen eingeleitet werden. In der vorliegenden Arbeit wird daher ein Vorgehen für Condition Monitoring und Predictive Maintenance entwickelt, mit dessen Hilfe Aussagen über den
aktuellen und zukünftigen Zustand einer Plastifizierschnecke getroffen werden können. Für eine gute Umsetzbarkeit im industriellen Umfeld ist dieses unabhängig von externen Datenquellen, berücksichtigt unterschiedliche Prozesseinstellungen oder Materialien und greift lediglich auf Daten von Sensoren zurück, die bereits in der Spritzgießmaschine vorhanden sind.
Die zeitliche Entwicklung von Verschleiß an Plastifizierschnecken ist experimentell nur schwer in wirtschaftlich vertretbarem Rahmen messbar. Aus diesem Grund wurden bei drei kunststoffverarbeitenden Unternehmen über lange Zeiträume Prozessdaten erhoben, die in allen Bereichen der vorliegenden Arbeit zur Verifizierung des entwickelten Vorgehens dienen.
Um die wirtschaftliche Notwendigkeit eines Systems zur Zustandsüberwachung nachzuweisen, werden in einem ersten Schritt die Auswirkungen des Verschleißes anhand der erhobenen Prozessdaten quantifiziert. Die Untersuchungen zeigen, dass die Verlängerung der Plastifizierzeit zu einer Verlängerung der Zykluszeit und einem erhöhten Energieverbrauch der Spritzgießmaschine führen kann. Im Anschluss wird ein Modell zur Simulation von Schneckenverschleiß hergeleitet. Die gewonnen Erkenntnisse werden dann verwendet, um ein vereinfachtes Modell zur Zustandsbestimmung zu entwickeln.
Da auf einer Spritzgießmaschine unterschiedliche Prozesseinstellungen gewählt und unterschiedliche Materialien verarbeitet werden können, werden vor der Zustandsbestimmung Prozessabschnitte mit vergleichbaren Rahmenbedingungen identifiziert. Anschließend wird ein datengetriebenes Vorgehen zur Zustandsbestimmung und -vorhersage entwickelt. Die Abweichungen der durch das Vorgehen geschätzten Zustände zeigen gemischte, aber praxistaugliche Ergebnisse. Zudem wird eine Zustandsvorhersage durchgeführt, die gute Ergebnisse liefert. Zuletzt werden die Vorhersagen für die Einschaltdauern der Heizbänder untersucht, für die ebenfalls hohe Genauigkeiten erzielt werden können.
aus den Themenbereichen Condition Monitoring und Predictive Maintenance können bei der Erreichung dieser Ziele unterstützen.
Verschleiß an der Plastifiziereinheit kann diesen Zielen in vielfältiger Weise entgegenwirken. Ist der Verschleißzustand der Plastifizierschnecke bekannt und kann dessen zukünftige Entwicklung abgeschätzt werden, können frühzeitig entsprechende Gegenmaßnahmen eingeleitet werden. In der vorliegenden Arbeit wird daher ein Vorgehen für Condition Monitoring und Predictive Maintenance entwickelt, mit dessen Hilfe Aussagen über den
aktuellen und zukünftigen Zustand einer Plastifizierschnecke getroffen werden können. Für eine gute Umsetzbarkeit im industriellen Umfeld ist dieses unabhängig von externen Datenquellen, berücksichtigt unterschiedliche Prozesseinstellungen oder Materialien und greift lediglich auf Daten von Sensoren zurück, die bereits in der Spritzgießmaschine vorhanden sind.
Die zeitliche Entwicklung von Verschleiß an Plastifizierschnecken ist experimentell nur schwer in wirtschaftlich vertretbarem Rahmen messbar. Aus diesem Grund wurden bei drei kunststoffverarbeitenden Unternehmen über lange Zeiträume Prozessdaten erhoben, die in allen Bereichen der vorliegenden Arbeit zur Verifizierung des entwickelten Vorgehens dienen.
Um die wirtschaftliche Notwendigkeit eines Systems zur Zustandsüberwachung nachzuweisen, werden in einem ersten Schritt die Auswirkungen des Verschleißes anhand der erhobenen Prozessdaten quantifiziert. Die Untersuchungen zeigen, dass die Verlängerung der Plastifizierzeit zu einer Verlängerung der Zykluszeit und einem erhöhten Energieverbrauch der Spritzgießmaschine führen kann. Im Anschluss wird ein Modell zur Simulation von Schneckenverschleiß hergeleitet. Die gewonnen Erkenntnisse werden dann verwendet, um ein vereinfachtes Modell zur Zustandsbestimmung zu entwickeln.
Da auf einer Spritzgießmaschine unterschiedliche Prozesseinstellungen gewählt und unterschiedliche Materialien verarbeitet werden können, werden vor der Zustandsbestimmung Prozessabschnitte mit vergleichbaren Rahmenbedingungen identifiziert. Anschließend wird ein datengetriebenes Vorgehen zur Zustandsbestimmung und -vorhersage entwickelt. Die Abweichungen der durch das Vorgehen geschätzten Zustände zeigen gemischte, aber praxistaugliche Ergebnisse. Zudem wird eine Zustandsvorhersage durchgeführt, die gute Ergebnisse liefert. Zuletzt werden die Vorhersagen für die Einschaltdauern der Heizbänder untersucht, für die ebenfalls hohe Genauigkeiten erzielt werden können.
Digitalization, the transition to low emission energy supply and the increased use of recycled materials are generating challenging operating conditions for plastics processors. Nevertheless, high machine utilization with low cycle times and few unplanned downtimes is essential to stay competitive. Approaches from the fields of Condition Monitoring and Predictive Maintenance can support reaching these goals. Wear on the plasticizing unit can counteract these goals in many ways. If the wear condition of the plasticizing screw is known and its future development can be estimated, appropriate countermeasures can be initiated early. Therefore, in this thesis a procedure for Condition Monitoring and Predictive Maintenance is developed, which allows evaluating the current and future condition of a plasticizing screw. To ensure good feasibility in an industrial environment, this approach is independent of external data sources, takes into account different process settings or materials, and uses only data from sensors already available in the injection molding machine.
The development of wear on plasticizing screws over time is difficult to measure experimentally within economically justifiable limits. For this reason, process data was collected over long periods of time at three plastics processing companies. This data is used in all sections of this thesis to verify the developed procedure. In order to prove the economic necessity of a condition monitoring system, the first step is to quantify the effects of wear based on the collected process data. The investigations show that the increase of the plasticizing time can lead to a higher cycle time and increased energy consumption of the injection molding machine. Afterwards a model for simulating screw wear is derived. The findings of the simulation are subsequently used to develop a simplified model for condition monitoring.
Since different process settings and materials can be used in injection molding, processes with comparable conditions are identified prior to determining the screw condition. A data-driven procedure is developed to determine and predict the screw condition. The errors of the conditions estimated by the procedure show mixed, but overall acceptable results. In addition, predicting the screw condition and the duty cycles of the heating bands leads to good results.
The development of wear on plasticizing screws over time is difficult to measure experimentally within economically justifiable limits. For this reason, process data was collected over long periods of time at three plastics processing companies. This data is used in all sections of this thesis to verify the developed procedure. In order to prove the economic necessity of a condition monitoring system, the first step is to quantify the effects of wear based on the collected process data. The investigations show that the increase of the plasticizing time can lead to a higher cycle time and increased energy consumption of the injection molding machine. Afterwards a model for simulating screw wear is derived. The findings of the simulation are subsequently used to develop a simplified model for condition monitoring.
Since different process settings and materials can be used in injection molding, processes with comparable conditions are identified prior to determining the screw condition. A data-driven procedure is developed to determine and predict the screw condition. The errors of the conditions estimated by the procedure show mixed, but overall acceptable results. In addition, predicting the screw condition and the duty cycles of the heating bands leads to good results.
Vorschau
Zitieren
Rechte
Nutzung und Vervielfältigung:
Dieses Werk kann unter einer
Creative Commons Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 Lizenz (CC BY-NC-ND 4.0)
genutzt werden.