Samen met twee partnerbedrijven is het SKZ Plastics Center een project gestart om een op radar gebaseerd meetsysteem te ontwikkelen dat de kwaliteit van kunststofplaten tijdens het extrusieproces nauwkeurig en efficiënt bewaakt. Het project wordt gefinancierd door het Duitse federale ministerie van Milieu, Natuurbehoud en Nucleaire Veiligheid (BMUV) om het potentieel van digitalisering voor een beter behoud en efficiëntie van hulpbronnen te ontwikkelen en te bevorderen.
In samenwerking met TRILITEC GmbH, een toonaangevende leverancier van radargebaseerde meettechnologie, en VendOs Industrietechnik GmbH, een specialist in industriële automatisering, heeft SKZ een gezamenlijk ontwikkelingsproject gelanceerd. De focus van het project ligt op de ontwikkeling van een op radar gebaseerd meetsysteem dat de kwaliteit van kunststofplaten tijdens het extrusieproces nauwkeurig en efficiënt bewaakt. De niet-destructieve, contactloze, 100% dekkende en volledig risicovrije manier van werken maakt real-time monitoring mogelijk. Het maakt het mogelijk om uitwendig zichtbare of inwendige gebreken zo vroeg mogelijk op te sporen, zodat direct kan worden bijgestuurd. Doelklanten zijn fabrikanten van continuproducten, ongeacht het materiaal: kunststof-, gips-, hout- en glasproducten kunnen allemaal worden geïnspecteerd.
Gecombineerde transmissie- en reflectieopstelling
Tijdens het project wordt met behulp van radargolven een uitgebreide analyse van de kunststofplaten uitgevoerd. Er wordt gebruik gemaakt van een gecombineerde transmissie- en reflectieopstelling. Dit maakt een betrouwbare detectie van defecten zoals blaasgaten en insluitingen van vreemd materiaal mogelijk. Dit vergemakkelijkt ook het gebruik van gerecyclede materialen. Het gebruik van smalbandige en modulaire microgolfradarsystemen maakt kosteneffectieve oplossingen met een hoge laterale resolutie mogelijk – een duidelijk voordeel ten opzichte van de voorheen beschikbare en dure inline-meettechnologie.
Zelflerende technieken
Automatische defectdetectie is gebaseerd op machine learning-technieken, met name deep learning. Deze zelflerende technieken zijn gebaseerd op kunstmatige neurale netwerken en zijn bijzonder geschikt voor nauwkeurige patroonherkenning in beelden.
‘Aanzienlijke vermindering van materiaalverspilling’
De gezamenlijke stap maakt de weg vrij voor een moderne en efficiënte kunststofproductie. Door samen te werken geven SKZ, TRILITEC en VendOs een nieuwe impuls aan de industrie en helpen ze de uitdagingen van de toekomst aan te gaan. ‘Door uitval bij de productie te voorkomen, worden hulpbronnen efficiënt gebruikt, wat leidt tot een aanzienlijke vermindering van materiaalverspilling en klachtenkosten. Dit bespaart geld. Deze hulpbronnenbesparende aanpak bevordert niet alleen duurzame en digitale productie, maar versterkt ook de winstgevendheid van de lokale kunststofindustrie’, zegt Pierre Pfeffer, senior wetenschapper op het gebied van niet-destructief onderzoek bij SKZ.
Lees meer over niet-destructief onderzoek bij SKZ