Kunststoffspritzguss
Erkenne Einfallstellen, Grat, kurze Schüsse und Bindenähte, bevor das Teil die Maschine verlässt.
Automatisierte Qualitätskontrolle für den Kunststoffspritzguss, läuft auf einem refurbished iPhone direkt an deiner Maschine, am Entnahmeroboter und an der Montagezelle.
Was ist automatisierte Qualitätskontrolle für den Kunststoffspritzguss?
Automatisierte Qualitätskontrolle für den Kunststoffspritzguss nutzt eine Kamera und ein KI-Modell, um jedes Teil zu beobachten, sobald es die Maschine, den Entnahmeroboter oder die Montagezelle verlässt, und Nicht-OK-Teile zu melden, bevor sie ins Tablett kommen. Statt sich auf den Bediener am Bedienpult oder auf starre regelbasierte Bildverarbeitung zu verlassen, lernt das Modell aus Bildern von OK- und NOK-Teilen deiner Linie und passt sich an, wenn sich Werkzeug, Granulat und Farbe ändern.
In der Halle heißt das Inline-Sichtprüfung, KI-basierte Defekterkennung oder KI-Vision für den Kunststoffspritzguss. Die Technologiefamilie ist immer dieselbe: eine fest montierte Kamera, eine kontrollierte Beleuchtung, ein KI-Modell, das auf Beispielen aus deiner Linie trainiert ist, und ein Rückverfolgbarkeitsprotokoll, das festhält, dass jeder Schuss geprüft und entweder akzeptiert, gemeldet oder ausgeschleust wurde.
Was es nicht ersetzt: deine Werkzeugwartung, deinen Prozessingenieur oder dein Kundenaudit. Was es leistet: es sorgt dafür, dass die Stückzahl, die du lieferst, mit der Stückzahl übereinstimmt, die deiner Spec entspricht, und das in jeder Schicht, an jedem Werkzeug, mit einer Aufzeichnung, die du dem Auditor zeigen kannst, wenn eine Reklamation zurückkommt.
Defekte, die wir an Spritzgusslinien erkennen
Einfallstellen
Konkave Vertiefungen an dicken Wandstärken, die nach dem Abkühlen sichtbar werden. Ursache ist zu geringer Nachdruck, zu kurze Nachdruckzeit oder ein Hotspot im Werkzeug. Auf strukturierten A-Flächen und auf dunklen Farben übersieht das Auge sie. Eine Kamera mit Streiflicht erkennt sie an der Entnahme, bevor das Teil die Montagezelle erreicht.
Grat an der Trennebene
Dünne Kunststoffhaut, die zwischen den beiden Werkzeughälften austritt und an der Trennebene, an Schiebern oder Auswerferstiften erstarrt. Sie zeigt dir, dass die Schließkraft zu niedrig ist, das Werkzeug verschleißt oder ein Entlüftungskanal verstopft. Eine Kamera, die von oben auf die Trennebene schaut, fängt Grat ab, bevor das Teil rausgeht, auch bei Geometrien, an denen die Fingerprobe nicht praktikabel ist.
Kurze Schüsse
Die Kavität füllt nicht vollständig und das Teil kommt mit fehlendem Feature, einer fehlenden Ecke oder einer dünnen Rippe heraus. In der Regel verursacht durch einen kalten Anguss, zu langsame Einspritzgeschwindigkeit oder einen Lufteinschluss. Ein kurzer Schuss an einer Schnappverbindung oder einem Schraubdom macht das Teil unbrauchbar und ist auf den meisten Linien die größte Einzelquelle für Kundenrückläufer. Eine Kamera, die jeden Schuss mit einem Referenzbild vergleicht, erkennt einen kurzen Schuss in dem Moment, in dem der Roboter das Teil aufs Band legt.
Binde- und Fließnähte
Sichtbare Linien, an denen zwei Schmelzefronten um ein Loch, ein Insert oder einen Seitenschieber zusammentreffen und erstarren, bevor sie vollständig verschmelzen. Sie zeigen dir, dass Anschnittlage, Massetemperatur oder Einspritzgeschwindigkeit Aufmerksamkeit brauchen. Die Linie ist mal kosmetisch, mal ein Festigkeitsproblem; in beiden Fällen gibt der Kunde eine Grenze vor und eine Kamera setzt diese Schuss für Schuss durch.
Verzug und Maßdrift
Das Teil verlässt das Werkzeug in der richtigen Form und biegt, verdreht oder schwindet sich beim Abkühlen ungleichmäßig. Ursache sind ungleichmäßige Wandstärken, ein ungleichmäßig temperiertes Werkzeug oder ein Nachdruckungleichgewicht. Eine Kamera, die jedes Teil auf einer Vorrichtung vermisst, erkennt den Moment, in dem ein Werkzeug zu driften beginnt, Stunden vor dem ersten Kundenrückläufer.
Fließmarkierungen und Schlieren
Wellige Oberflächenmuster oder dünne silbrige Linien entlang der Fließrichtung. Sie zeigen, dass die Schmelze zu kalt ist, der Mahlgutanteil zu hoch oder das Granulat zu feucht. Eine Kamera, die auf dein spezifisches Granulat und deine Farbe trainiert ist, sieht eine Schliere im selben Moment, in dem sie auftaucht, statt zu warten, bis der Kunde eine kosmetische Reklamation schickt.
Das ist die Liste, die wir für jede Linie individuell anpassen. Bei der Inbetriebnahme legen wir gemeinsam fest, welche Defektklassen auf deiner Linie zuerst greifen.
So läuft automatisierte Sichtprüfung an einer Spritzgusslinie
Eine Spritzgusszelle, die Sichtprüfung mit Enao laufen lässt, sieht aus wie die Zelle nebenan, mit einer zusätzlichen Komponente. Ein refurbished iPhone hängt an einem Stativ mit Blick von oben oder schräg auf die Entnahme, das Förderband oder eine eigene Prüfaufnahme. Eine einfache LED-Leiste gibt der Kamera bei jedem Schuss dasselbe Licht.
Sobald der Roboter ein Teil ablegt, macht die Kamera ein Bild. Das Modell auf dem iPhone klassifiziert das Teil als OK oder als eine der sieben Defektfamilien oben und schreibt das Ergebnis in dein Rückverfolgbarkeitsprotokoll. Wenn eine Schicht zwanzig gemeldete Teile am Stück liefert, bekommt der Bediener eine Meldung; wenn ein Werkzeug über den Tag hinweg eine langsame Drift bei Einfallstellen zeigt, meldet das Dashboard das, bevor der Kunde es tut.
Das Modell trainiert über Nacht auf den Labels des Vortags nach, sodass ein Werkzeugwechsel, ein Granulatwechsel oder ein Farbwechsel in einer Schicht statt in einem Quartal aufgenommen wird. Neue Teilenummern laufen denselben Weg: der Bediener labelt die ersten hundert Schüsse, das Modell übernimmt ab Schuss einhunderteins, und der Prozessingenieur prüft die Labels am Ende der Schicht.
KI-Vision gegen manuelle Kontrolle an Spritzgusslinien
Linien, die von manuellen Bediener-Kontrollen oder regelbasierter Bildverarbeitung auf KI-gestützte Prüfung wechseln, sehen unabhängig von Granulatfamilie und Bauteilgeometrie dieselben Sprünge.
Erkennungsrate bei subtilen Defekten — Manuell: Müdes-Auge-Drift ab der dritten Stunde. Einfallstellen auf strukturierten Flächen und Schlieren rutschen durch. Enao: In Stunde acht dieselbe Erkennung wie in Stunde eins. Erkennt subtile Oberflächen- und Maßdefekte Schuss für Schuss.
Anlaufzeit für ein neues Werkzeug oder eine neue Teilenummer — Manuell: Briefing, Mustermeister, Papier-QM-Bogen. Zwei bis vier Wochen, bis die Halle das neue Teil flüssig liest. Enao: Hundert gelabelte Schüsse und das Modell läuft. Selbe Schicht, kein Papierbogen, der an jeder Maschine aktualisiert werden muss.
Rückverfolgbarkeit, wenn ein Kunde reklamiert — Manuell: Handgeschriebenes Protokoll auf einem Klemmbrett, lückenhafte Abdeckung, fehlende Schichten. Rekonstruktion dauert eine Woche. Enao: Jeder Schuss mit Bild, Klassifikation und Konfidenz protokolliert. Rekonstruktion dauert zehn Minuten.
Anlaufkosten — Manuell: Eine Prüferin pro Schicht und Maschine, monatliche Folgekosten zusätzlich zur Einarbeitung. Enao: Hardware unter 1.000 € pro Zelle. Die Kosten bleiben flach, während die Linie skaliert.
Verhalten, wenn das Werkzeug driftet — Manuell: Schleichende Rückläufer steigen an, bis der Kunde meldet. Tage Ursachenanalyse, um den Moment zu finden. Enao: Das Dashboard zeigt die Drift am Tag, an dem sie beginnt. Der Prozessingenieur hat den Zeitstempel und das Bild.
