KI beschleunigt Berechnungen für den Spritzguss um Faktor 100

Viele Kunststoffprodukte – vom Gehäuse eines Akkuschraubers bis zum Zahnbürstengriff – werden im Spritzgussverfahren hergestellt. Dabei wird geschmolzener Kunststoff in ein Werkzeug eingespritzt, in dem er abkühlt und erstarrt. Vor der Werkzeugfertigung müssen unter anderem die Position des Einspritzpunkts, der Füllvorgang, die Abkühlung und der mögliche Bauteilverzug untersucht werden.

Am Centre for Future Production der Universität Augsburg hat das Team um Prof. Dr.-Ing. Nils Meyer, Professor für Data-driven Product Engineering and Design, physikalische und KI-gestützte Modelle in einer Software kombiniert. Die erforderlichen Berechnungen lassen sich damit nach Angaben der Universität innerhalb weniger Sekunden durchführen. Der Ansatz ist bis zu 100-mal schneller als gängige Softwarelösungen.

Spritzgusssimulation zwischen Genauigkeit und Rechenzeit

Bevor ein Unternehmen ein neues Kunststoffbauteil im Spritzguss herstellen kann, müssen die Machbarkeit des Bauteils geprüft und die Konstruktion des Spritzgusswerkzeugs validiert werden. Dafür kommen Softwarelösungen zum Einsatz, deren Berechnungen auf physikalischen Strömungssimulationen beruhen. Diese liefern präzise Ergebnisse, sind jedoch rechenintensiv und können mehrere Stunden dauern.

Insbesondere in frühen Phasen der Produktentwicklung kann ein schnelleres Rechenmodell dabei helfen, unterschiedliche Varianten zu bewerten. Die hochgenauen physikalischen Berechnungsmethoden sollen anschließend für die abschließende Auslegung des Bauteils eingesetzt werden.

„Ein Tool, mit welchem man sekundenschnell viele Möglichkeiten prüfen kann, wo beispielsweise am sinnvollsten eingespritzt werden sollte, kann in Unternehmen wertvolle Ressourcen wie die Arbeitszeit der Mitarbeitenden, Rechenzeit und damit Geld und Energie einsparen. Uns ist es gelungen, den Prozess bis zum Faktor 100 zu beschleunigen“, erklärt Meyer.

KI-Modell benötigt nur wenige hundert Trainingsbeispiele

Eine zentrale Herausforderung bestand darin, Vorhersagen für unterschiedliche Bauteilgeometrien zu ermöglichen und das KI-Modell zugleich mit möglichst wenigen Daten zu trainieren. Dazu integrierte das Forschungsteam bereits vorhandenes physikalisches Wissen in das Modell.

„Wir wissen zum Beispiel bereits, dass ein Bereich mit großem Abstand zum Einspritzpunkt später gefüllt wird als einer direkt neben dem Einspritzpunkt. Das müssen wir nicht erst aus Daten lernen“, erläutert Meyer.

Durch die Einbindung dieses Vorwissens konnte das Modell anhand weniger hundert Beispiele trainiert werden. Dennoch soll es Vorhersagen für andere Bauteilgeometrien ermöglichen.

Finite-Elemente-Modell wird mit Produktionsdaten weiterentwickelt

Die Arbeitsgruppe entwickelt außerdem eine KI-kompatible Finite-Elemente-Software. Mit der Finite-Elemente-Methode lassen sich komplexe Strukturen in viele kleinere Bereiche unterteilen und numerisch berechnen. Beim Spritzguss kann das Verfahren beispielsweise dazu dienen, den zu erwartenden Verzug eines Bauteils während der Abkühlung vorherzusagen.

„Unsere Variante zeichnet aus, dass wir durch diese Software hindurch auch unser KI-Modell weiter trainieren können. So kann das Modell mit gemessenen Verformungen aus dem Produktionsprozess weiter lernen und dabei immer besser werden“, sagt Meyer.

„Wir stellen uns ein Programm vor, welchem man seinen Bauteilwunsch mitteilt, und das dann KI-gestützt spritzgussgerecht generiert wird. Das hilft Mitarbeitenden in der Konstruktion, aus dem riesigen Lösungsraum möglicher Bauteile schnell das Beste zu finden. Es entlastet sie von repetitiven Aufgaben und gibt ihnen mehr Zeit, sich mit kreativen Prozessen und Produktanforderungen auseinanderzusetzen“, fasst Meyer zusammen.

(Quelle: Universität Augsburg)