Produktionshilfe in der Kunststoffindustrie

Diese Bachelorarbeit geht der Frage nach, welche Möglichkeiten Data Mining Methoden bieten könnten, den Spritzgiessprozess zu steuern und zu optimieren?

Vock, Simon, 2018

Art der Arbeit Bachelor Thesis
Auftraggebende KS Engineering GmbH
Betreuende Dozierende Riesen, Kaspar
Keywords Spritzguss, Data Mining, Machine Learning, Produktionsoptimierung
Views: 18
Ein möglichst kleiner Prozentsatz an Ausschuss sowie eine möglichst kurze Einrichtzeit sind die Kernziele in der Produktion von Kunststoffteilen. Um dies zu erreichen, wird auf die Erfahrungen der Maschinenführenden gesetzt. Für beide Kernziele sind viele Einflussfaktoren entscheidend. Das Ziel dieser Arbeit ist es herauszufinden, ob und inwiefern das Produktionsverfahren noch weiter verbessert werden könnte. Es wird eine durch den Einsatz von Data Mining beziehungsweise Machine Learning unterstütze Lösung angestrebt. Grosse Datenmengen sollen dem System helfen, Entscheidungen zu treffen oder zumindest vorzuschlagen.
Um die Spritzgussproduktion zu verstehen, werden im ersten Teil vorhandene Einflussfaktoren umfassend erläutert und die Beziehungen zueinander analysiert. Zusätzlich wird eine Marktanalyse durchgeführt, um zu verstehen, welche Lösungen bereits existieren. Im zweiten Teil werden mögliche Lösungsansätze diskutiert und sinnvolle Ansätze in einem Konzept detailliert beschrieben. Im letzten Teil der Arbeit wird ein spezifisches Konzept als Prototyp umgesetzt und bewertet.
Als Lösung wurden zwei Konzepte entwickelt. Das erste Konzept ist ein Produktverwaltungstool. Darin sollen Formteile (hier Produkte genannt) erfasst werden. Für die Formteile werden teilspezifische Daten sowie Referenzeinstellgrössen erfasst. Das Tool verfügt über eine Suchfunktion, mit welcher ähnliche Produkte aus der Vergangenheit gefunden werden können. Für den Vergleich werden teilspezifische Daten berücksichtigt. Von ähnlichen Produkten können Einstellgrössen übernommen werden. Dies soll beim erstmaligen Produzieren eines Produktes helfen, schneller passende Einstellgrössen zu finden. Dieses Konzept wurde ebenfalls im Rahmen dieser Arbeit in einen Prototyp umgesetzt. Das zweite Konzept benutzt Sensorqualitätsmessdaten, um zu beurteilen, ob ein Produktionszyklus gute Formteile produziert. Sofern die Daten nicht zufriedenstellend sind, werden mit Hilfe eines Algorithmus Einstellgrössen gesucht, welche wieder gute Formteile herstellen sollen. Dafür werden ausgewählte Parameter verglichen und die ähnlichste Parameterkonstellation benutzt.
Studiengang: Wirtschaftsinformatik (Bachelor)
Vertraulichkeit: vertraulich
Art der Arbeit
Bachelor Thesis
Auftraggebende
KS Engineering GmbH, Egerkingen
Autorinnen und Autoren
Vock, Simon
Betreuende Dozierende
Riesen, Kaspar
Publikationsjahr
2018
Sprache der Arbeit
Deutsch
Vertraulichkeit
vertraulich
Studiengang
Wirtschaftsinformatik (Bachelor)
Standort Studiengang
Olten
Keywords
Spritzguss, Data Mining, Machine Learning, Produktionsoptimierung