Wie künstliche Intelligenz lückenhafte Kriechdaten ergänzen soll
Im Juli 2024 ist das IGF-Forschungsvorhaben „Neue Ansätze zur KI-gestützten Kriechvorhersage für Kunststoffe mit lückenhaften Daten“ (Vorhabennummer: 01IF23351N) gestartet. Ziel des auf zwei Jahre ausgelegten Projekts ist die Entwicklung geeigneter Strategien, um mit Hilfe von KI lückenhafte Kriechdaten in Materialdatenbanken ohne zusätzliche experimentelle Langzeitversuche zu ergänzen. Dazu bündeln die beiden Forschungsstellen Kunststoff-Zentrum SKZ in Würzburg und GFaI (Gesellschaft zur Förderung angewandter Informatik) in Berlin ihre Kompetenzen bezüglich der Ermittlung und Charakterisierung von Materialeigenschaften und des Maschinellen Lernens (ML) als Teilgebiet der KI. Begleitet wird das Projekt durch Vertreter aus aktuell 28 Firmen.
Lückenhafte Daten durch KI effizient nutzen und vervollständigen
Materialdatenbanken wie CAMPUS bieten nur vereinzelt Kriechdaten und oft decken diese nicht den gewünschten Temperaturbereich oder Zeitbereich ab. Diese Lücken durch entsprechende Langzeitprüfungen schließen zu wollen ist illusorisch, da dies viel zu zeit- und kostenaufwändig ist. Die mechanischen Langzeiteigenschaften hängen zudem von einer Vielzahl von Einflussfaktoren (z.B. Belastungshöhe und -dauer, Temperatur, Feuchte) ab. Personen, die Kunststoffteile auslegen oder einsetzen, stehen somit vor dem Problem, dass eine unzureichende Berücksichtigung von Kriecheffekten zu einem vorzeitigen Versagen von Kunststoffbauteilen führen kann.
Im Forschungsvorhaben sollen deshalb durch die Einbindung von KI bestehende Daten analysiert und Muster erkannt werden, um fehlende Werte präzise ohne zusätzlichen experimentellen Aufwand zu ergänzen. Die trainierten ML-Modelle sollen in der Lage sein, Vorhersagen für das Kriechverhalten unter neuen, in der Materialdatenbank nicht repräsentierten Randbedingungen (z.B. weiteren Temperaturen) zu treffen. Im Idealfall kommt das Prognosemodell nach dem Training gänzlich ohne Langzeitdaten aus Kriechversuchen aus und benötigt als Eingangsdaten nur leicht zu ermittelnde Kurzzeitkennwerte.
KI als Werkzeug für „Small Data“
KI wird in der Kunststoffindustrie bisher hauptsächlich im Bereich der Analyse von Prozessdaten eingesetzt, wo üblicherweise große Datenmengen anfallen („Big Data“). Für die Analyse von Werkstoffdaten liegen hingegen vergleichsweise wenig Daten vor („Small Data“) mit den angesprochenen Lücken für bestimmte Kennwerte wie Kriechkurven. Im Rahmen des Projekts besteht deshalb eine wesentliche Herausforderung darin, innovative Ansätze für die Verarbeitung von Small Data zu entwickeln. Hierzu zählt die Erweiterung der Datenbasis (synthetische Messdaten, Data Augmentation und Data Imputation), um eine ausreichende Basis für das KI-Training zu schaffen, und die Auswahl und Anpassung geeigneter ML-Modelle, die speziell auf die Charakterisierung von Materialeigenschaften zugeschnitten sind. Durch die Fähigkeit der KI, komplexe Muster zu erkennen, sollen bereits vorhandene Materialdaten vervollständigt und auf andere Kunststofftypen übertragen werden.
„Mit dem Forschungsprojekt wollen wir das enorme Potenzial von KI für die Kunststoffindustrie erschließen und zugleich den experimentellen Aufwand bei der Generierung von Kriechdaten erheblich reduzieren“, erklärt Dr.-Ing. Kurt Engelsing, Expert Engineer am SKZ. „Dies wird nicht nur die Effizienz steigern, sondern auch die Innovationskraft der Branche stärken.“
Mehr Informationen zum SKZ-Forschungsbereich Bauteileigenschaften
Mehr Informationen zur GfaI
Das SKZ ist ein Klimaschutzunternehmen und Mitglied der Zuse-Gemeinschaft. Diese ist ein Verbund unabhängiger, industrienaher Forschungseinrichtungen, die das Ziel verfolgen, die Leistungs- und Wettbewerbsfähigkeit der Industrie, insbesondere des Mittelstandes, durch Innovation und Vernetzung zu verbessern.
FSKZ e. V.
Friedrich-Bergius-Ring 22
97076 Würzburg
Telefon: +49 931 4104-0
https://www.skz.de
Expert Engineer | Bauteileigenschaften Würzburg
Telefon: +49 (931) 4104-147
E-Mail: k.engelsing@skz.de
Presse- und Öffentlichkeitsarbeit
Telefon: +49 931 4104-197
E-Mail: p.lehnfeld@skz.de
Statistische Versuchsmethodik: Das Kunststoff-Zentrum SKZ unterstützt Lehre mit eigener Software
Am Kunststoff-Zentrum SKZ in Würzburg ist die Optimierung und Analyse von Spritzgießprozessen in Bezug auf Qualitätsmerkmale, Spritzgießfehler, Prozessschwankungen und Ausschuss ein absolutes Kompetenzfeld. Daher verwundert es nicht, dass hierbei eine eigens entwickelte Software zum Einsatz kommt. Bereits seit Anfang der 90er Jahre nutzen wissenschafltiche Mitarbeiter am SKZ die erste Version der SKZ DOE-Software mit dem Namen MESOS, deren Ziel es ist eine praxisorientierte, benutzerfreundliche und äußerst effiziente Möglichkeit der Prozessoptimierung zu schaffen. MESOS steht dabei für „Method for the Empirical Statistical Offline System Analysis“ und ist seit kurzem als kostenfreie Starter-Version verfügbar.
Vergleichbare Software oft zu umständlich
Trotz des vielfälltigen Angebotes vergleichbarer Software besteht nach wie vor eine Lücke zwischen einfachen Versuchsplänen in einer Tabellenkalkulation und den großen, sehr tiefgreifenden Statistikprogrammen. Erstere stoßen schnell an ihre Grenzen und nutzen nicht den vollen Informationsgehalt der durchgeführten Versuche. Letztere verlangen umfangreiches Vorwissen und sprechen nicht die Sprache des Spritzgießers und einfachen Anwenders.
MESOS schließt Lücke
MESOS fokussiert sich bewusst auf den Bereich der Kunststoffverarbeitung und hier insbesondere – aber nicht ausschließlich – auf das Spritzgießen. Dadurch kann die Software genau diese Lücke schließen. Es führt den Anwender sowohl durch den Auswahlprozess eines geeigneten Versuchsplans als auch durch die nachfolgenden Schritte der Messwerterfassung, Modellbildung und Prozessoptimierung.
Software auch kommerziell zu erwerben
Die neue Softwareversion wird kostenfrei den Teilnehmern des SKZ-Kurses zur statistischen Versuchsmethodik zur Verfügung gestellt und ist selbstverständlich auch kommerziell für Anwender zu erwerben. Künftig kommen auch Studierende der Kunststofftechnik in den Genuss die Software im Rahmen Ihres Studiums zu nutzen. Das SKZ stellt MESOS der Technischen Hochschule Würzburg-Schweinfurt (THWS) ab dem Wintersemester 2023 kostenfrei für alle Studierenden zur Verfügung.
Das SKZ ist ein Klimaschutzunternehmen und Mitglied der Zuse-Gemeinschaft – ein Verbund unabhängiger, industrienaher Forschungseinrichtungen, die das Ziel verfolgen, die Leistungs- und Wettbewerbsfähigkeit der Industrie, insbesondere des Mittelstandes, durch Innovation und Vernetzung zu verbessern.
FSKZ e. V.
Friedrich-Bergius-Ring 22
97076 Würzburg
Telefon: +49 931 4104-0
https://www.skz.de
Gruppenleiter Forschung Spritzgießen
Telefon: +49 (931) 4104-243
E-Mail: b.hennrich@skz.de
Presse- und Öffentlichkeitsarbeit
Telefon: +49 (931) 4104-197
E-Mail: p.lehnfeld@skz.de
Künstliche Intelligenz erleichtert die integrative Simulation von Kunststoffbauteilen
Die Erstellung anisotroper Materialmodelle für die Struktursimulation von Kunststoffbauteilen erfordert einen iterativen Kalibrierungsprozess, bei dem Ergebnisse aus der Probenherstellung (Spritzguss) und der Materialprüfung (Zugversuche) mit entsprechenden Simulationsergebnissen (Füll- und strukturmechanische Simulation) abgeglichen werden. Diese Vorgehensweise verlangt vom Anwender erhebliches Know-how. Hier unterstützt das SKZ seit vielen Jahren bei konkreten Fragestellungen zur Materialprüfung und Digitalisierung in der Kunststofftechnik.
Um diese Knowhow-Lücke zu schließen, haben PART Engineering, aiXtrusion und das SKZ ein neues Forschungsprojekt gestartet. Dabei sollen die notwendigen Simulationsprogramme durch geeignete KI-Modelle ersetzt werden. Ziel ist es, dem Anwender ein vollständig gekapseltes und automatisiertes Werkzeug zur Erstellung und Validierung anisotroper Materialmodelle zur Verfügung zu stellen.
In dem 30-monatigen Projekt werden zwei KI-Modelle entwickelt, um sowohl die lokale Faserorientierung in spritzgegossenen Proben als auch das mechanische Verhalten dieser Proben in Zugversuchen vorherzusagen. Die KI-Modelle werden mit Simulationsergebnissen aus den Füll- und strukturmechanischen Simulationen für verschiedene Materialien trainiert. Die Vorhersagequalität der KI-Modelle wird anhand von praktischen Messdaten und zusätzlichen Simulationen validiert.
Integrative Simulation für KMU ermöglichen
Die Projektergebnisse sollen in Form eines Zusatzmoduls in eine kommerzielle Software einfließen, die den Einsatz der integrativen Simulation deutlich vereinfacht. „Das Potenzial der integrativen Simulation für einen effizienteren Materialeinsatz wird heute noch viel zu wenig genutzt“, sagt Dr. Marcus Stojek, Geschäftsführer von PART Engineering. „Für viele unserer kleinen und mittelständischen Kunden liegt die Hürde in der Verfügbarkeit von anisotropen Werkstoffmodellen. Nicht selten fehlt schlicht der Zugang zu einem der notwendigen externen FE-Solver für die Füll- und strukturmechanische Simulation, um solche Modelle selbst zu erstellen. In vielen Fällen ermöglicht erst die Integration des geplanten KI-Moduls überhaupt erst den Einsatz der integrativen Simulation für KMU ohne Vorerfahrung.“
„Eine große Herausforderung im Projekt ist die Generierung von Trainingsdaten in ausreichender Menge und in geeigneter Form“, sagt Dr. Timo Grunemann, Experte für KI und Digitalisierung am SKZ. „Mit der richtigen Machine-Learning-Strategie ist die Substitution von numerischen FEM-Solvern durch KI-Modelle hier jedoch auch bei eher überschaubaren Datenmengen möglich, da Geometrie und Randbedingungen der betrachteten Proben nur wenig variieren. Lediglich die Materialparameter sind frei wählbar.“
Mit ihren jeweiligen Kompetenzen ergänzen sich die Projektpartner in idealer Weise, um das angestrebte Entwicklungsziel zu erreichen. Das SKZ verfügt über eine jahrzehntelange Expertise im Bereich der Kunststoffprüfung und der Digitalisierung für die Branche. Auch PART Engineering ist seit mehr als zwei Jahrzehnten eine renommierte Adresse, wenn es um die Simulation und Materialmodellierung von Kunststoffen geht. Als Systemintegrator und Messsystementwickler im Bereich der digitalen Bildverarbeitung mit KI-Erfahrung rundet aiXtrusion die Entwicklung und Umsetzung der neuen Lösung ab. Das Entwicklungsprojekt wird vom Bundesministerium für Bildung und Forschung gefördert. Die breite Kundenbasis der Projektpartner sowie die Softwareprodukte von PART Engineering stellen die Verbreitung der Entwicklungsergebnisse in die industrielle Praxis sicher.
Die Projektpartner
PART Engineering ist ein Technologieunternehmen, das 1999 als technisches Beratungsunternehmen gegründet wurde. Heute entwickelt und vertreibt PART Engineering weltweit CAE Software und Simulations-Dienstleistungen im Umfeld der technischen Simulation. Das Unternehmen hat in breiten Industriesegmenten mehr als 400 Firmenkunden weltweit. Weitere Informationen erhalten Sie unter: www.partengineering.com.
aiXtrusion ist als Ingenieurbüro im Bereich der Maschinenautomatisierung und Leitsystemtechnik für Kunststoffverarbeitungsmaschinen in den Standorten Arnsberg und Aachen tätig. Als Systemintegrator und Messsystementwickler wurden die Geschäftsfelder auch auf die Elektronikentwicklung im Embedded Systems Umfeld, Informationssysteme und Systeme zur digitalen Bildverarbeitung erweitert.
Weitere Informationen zum Forschungsbereich Simulation
Das SKZ ist Mitglied der Zuse-Gemeinschaft. Diese ist ein Verbund unabhängiger, industrienaher Forschungseinrichtungen, die das Ziel verfolgen, die Leistungs- und Wettbewerbsfähigkeit der Industrie, insbesondere des Mittelstandes, durch Innovation und Vernetzung zu verbessern.
FSKZ e. V.
Friedrich-Bergius-Ring 22
97076 Würzburg
Telefon: +49 931 4104-0
https://www.skz.de
PART Engineering
Telefon: +49 (2204) 30-6770
E-Mail: stojek@partengineering.com
SKZ, Expert Engineer Bauteileigenschaften
Telefon: +49 (941) 4104-475
E-Mail: f.achereiner@skz.de
Telefon: +49 (931) 4104-788
E-Mail: M.Hoffmann@skz.de
Es kommt auf die Länge an – Faserlängenverteilung mit SKZ-Software FiVer
Die Weiterentwicklung von FiVer zu „V2“ erfolgte am SKZ in enger Zusammenarbeit mit der Industrie und auf Basis unzähliger Messungen. Die systematische Sammlung von Fragen und Anregungen seit dem Launch vor zehn Jahren ermöglichte es außerdem, Verbesserungspotentiale zur Erhöhung der Präzision bei gleichzeitiger Reduzierung von Streuungen zu erarbeiten. Lange, gebogene und überkreuzt liegende Fasern werden nun dank verbesserter Algorithmen noch zuverlässiger automatisch erkannt. Die Präzision der Ergebnisse steigt durch erweiterte Bildaufbereitungs- und Kalibriermöglichkeiten deutlich. Die entscheidendste Neuerung ist jedoch der Analyse-Autopilot, der sogenannte „FiVer 1, 2, 3 – Assistent“, mit dem die notwendigen Auswertungsschritte für eine Liste von Probenscans automatisiert abgearbeitet werden können. Dabei kommt eine maximal vereinfachte, alternative Benutzeroberfläche zum Einsatz, die mit lediglich drei schnellen Klicks zum Ziel führt.
Die Entwicklung von FiVer
FiVer wurde ursprünglich für ein Kooperationsprojekt entwickelt, bei dem sehr viele langglasfaserverstärkete Materialproben kurzfristig hinsichtlich Ihrer Faserlängenverteilung zu analysieren waren. Verfügbare Systeme lieferten jedoch keine hinreichend genauen Ergebnisse, da Fasern, die von der thermoplastischen Matrix durch Veraschen befreit wurden, ab einer gewissen Länge verfilzt, gebogen und vor allem überkreuzt vorliegen. Hinzu kam, dass in einer Probe mehrere 100.000 Einzelfasern enthalten waren. Die damalige Praxis war, die Faserprobe durch unterschiedlich feine Siebe und Messung der „Masseanteile“ zu fraktionieren oder die Probe auf wenige 100 Einzelfasern zu verdünnen. Gängige Softwareprodukte benötigten zudem Unterstützung durch den Nutzer, der die Fasern in den aufgenommenen Bildern mit Mikroskop oder Scanner händisch nachverfolgen musste.
Diese langsame, statistisch ungenaue und personalintensive Methode war daher nicht für präzise Analysen geeignet und es entstanden vor zehn Jahren die ersten intelligenten Faser-Erkennungsalgorithmen im SKZ. Durch die enge Zusammenarbeit mit Partnern verbreitete sich die Kenntnis über FiVer schnell und aus der ursprünglich internen Lösung entwickelte sich ein neuer Standard für die Analyse der Faserlängenverteilung. Aufgrund der einfachen Handhabung, der hohen statistischen Sicherheit und der schnellen Verfügbarkeit der Ergebnisse, ist FiVer mittlerweile nicht nur in Hochschulen und Forschungseinrichtungen, sondern auch bei Rohstoffherstellern und in Spritzgießbetrieben weltweit vertreten.
Vorteile langfaserverstärkter Bauteile
Faserverstärkte Kunststoffe sind heute aus vielen Anwendungen nicht mehr wegzudenken. Dabei kommen immer mehr langgfaserverstärkte Materialien bei hochbeanspruchten Produkten zum Einsatz, um entscheidende Bauteileigenschaften nochmals deutlich zu verbessern. Für die Beurteilung der Qualität und Wirksamkeit der Faserverstärkung ist die genaue Kenntnis der im Bauteil vorhandenen Faseranteile, der Faserorientierung und der Faserlängenverteilung zwingend erforderlich. Die resultierende Faserlängenverteilung beeinflusst die thermischen und mechanischen Bauteileigenschaften sowie Schwindung und Verzug. Vor allem längere Fasern können signifikant die Bauteilfestigkeit und -zähigkeit steigern. Die exakte Information über die Faserlängen im realen Bauteil oder an definierten Schnittstellen wird beispielsweise genutzt
- um Korrelationen zu mechanischen und thermischen Eigenschaften bzw. Bauteileigenschaften herzustellen,
- zur Optimierung von Verarbeitungsprozessen bzw. Prozessparametern,
- zur Optimierung des Anguss- bzw. Heißkanalsystems,
- zur Qualitätssicherung von Bauteilen,
- für präzisere Simulationsergebnisse,
- für Verfahrens- und/oder Materialvergleiche.
Das SKZ beantwortet gerne Anfragen zu Faserlängenmessungen und allgemeine Fragen zur Software FiVer.
Das SKZ ist Mitglied der Zuse-Gemeinschaft. Diese ist ein Verbund unabhängiger, industrienaher Forschungseinrichtungen, die das Ziel verfolgen, die Leistungs- und Wettbewerbsfähigkeit der Industrie, insbesondere des Mittelstandes, durch Innovation und Vernetzung zu verbessern.
FSKZ e. V.
Friedrich-Bergius-Ring 22
97076 Würzburg
Telefon: +49 931 4104-0
https://www.skz.de
Senior Scientist Forschung Spritzgießen | Additive Fertigung
Telefon: +49 (931) 4104-200
E-Mail: m.popp@skz.de
