Rafi fertigt am Standort Bad Waldsee Kunststoffspritzgussteile für eigene HMI-Standardprodukte und für Kunden. Die Einsatzbereiche reichen von der Medizintechnik über die Agrartechnik bis hin zu industriellen und automobilen Anwendungen. Entsprechend hoch sind die Anforderungen an Maßhaltigkeit, Oberflächenqualität und Langzeitstabilität der Bauteile. Im Spritzgussprozess wird Kunststoffgranulat plastifiziert und unter hohem Druck in das Werkzeug eingespritzt. Die anschließende Abkühlphase ist für die Bauteilqualität entscheidend. Werkzeugtemperatur, Durchflussmenge des Kühlmediums und Temperaturdifferenzen zwischen Vor- und Rücklauf müssen exakt eingehalten werden. Bereits geringe Abweichungen können sich negativ auf Zykluszeit, Formstabilität oder Optik auswirken.
Prozesse sichtbar machen
Ausgangspunkt des Projekts war der gezielte Einsatz von Sensorik sowie der IIoT-Plattform Moneo des Automatisierungsspezialisten IFM. Der Spritzgussprozess sollte nicht länger ausschließlich über Erfahrungswerte und Stichproben bewertet, sondern datenbasiert, transparent und nachvollziehbar gemacht werden. Guido Zoll, Entwicklung und Konstruktion bei RAFI, beschreibt: „Wir wollten genau verstehen, was während eines Spritzgusszyklus tatsächlich passiert – und welche Parameter wirklich Einfluss auf Qualität und Effizienz haben.“ Im Fokus standen dabei insbesondere die thermischen Verhältnisse im Werkzeug, die Auslastung der Kühlkreisläufe sowie der Verbrauch unterstützender Medien wie Druckluft und elektrische Energie. Ziel war es, Transparenz zu schaffen und Stellhebel für Optimierungen zu finden.
Sensorik im Werkzeug und an der Maschine
In der Umsetzung wurden die unterschiedlichen Kühlkreisläufe der Spritzgusswerkzeuge mit Durchfluss- und Temperatursensoren ausgestattet. Diese erfassen kontinuierlich die Vorlauf- und Rücklauftemperaturen sowie das jeweilige Kühlwasservolumen. Auf dieser Basis lassen sich Temperaturdifferenzen präzise bestimmen und belastbare Rückschlüsse auf die Effizienz der Werkzeugkühlung ziehen. „Neben dem Kühlkreislauf analysieren wir auch die Stromaufnahme der Maschine, um Lastspitzen früh zu erkennen. Zusätzlich überwachen wir die Druckluftversorgung des Roboterarms und der Spritzgussmaschine, da sich Leckagen oder gelöste Verschraubungen unmittelbar in den Kennlinien zeigen. Diese Daten werden mit Moneo erfasst und ausgewertet. Überschreiten die Messwerte definierte Grenzbereiche, löst die Software automatisch eine Alarmmeldung aus. So lassen sich Störungen in Echtzeit identifizieren, wenn etwa ein Roboter aufgrund unzureichenden Drucks ein Bauteil verliert“, so Guido Zoll. Da Druckluft zu den kostenintensivsten Energieformen zählt, haben selbst kleine Leckagen erhebliche wirtschaftliche Auswirkungen.
Die zentrale IIoT-Plattform
Für Auswertung der Sensordaten wird Moneo genutzt: „Unsere IIoT-Plattform schafft Transparenz in der Anlage und zeigt, wie Maschinen tatsächlich betrieben werden“, sagt Christoph Schneider, Vice President Produktmanagement IIoT Use Cases bei ifm solutions. Guido Zoll ergänzt: „Außerdem können alle im Team – vom Gruppenleiter bis zum Schichtführer – auf die Kennzahlen zugreifen. Jeder sieht in den Kennlinien sofort, wenn ein Prozess stabil läuft oder wenn etwas aus dem Ruder gerät.“ Die eingesetzten IO-Link-Sensoren kommunizieren über IO-Link-Master, die die Daten bündeln und per Ethernet in das Firmennetzwerk übertragen. Von dort werden die Messwerte in die Plattform eingespeist. Moneo ist modular aufgebaut und deckt mehrere Ebenen ab – von der Geräteverwaltung über die Datenerfassung bis hin zur Analyse und Alarmierung.
Daten im IIoT verarbeiten
Im System werden die Sensordaten erfasst, gespeichert und nachvollziehbar aufbereitet. So lassen sich Prozessverläufe über Stunden, Tage oder Wochen analysieren und mit Qualitätsmerkmalen der gefertigten Bauteile korrelieren. Über Dashboards lassen sich Prozesszustände darstellen. Diese Transparenz und die Auswertung der Messwerte zu aussagefähigen Kennzahlen ist ein entscheidender Schritt. Denn dann können Musterveränderungen in Temperatur- oder Durchflusskurven sowie die Analyse der berechneten Wärmemenge beispielsweise schleichende Verschmutzungen von Kühlkanälen sichtbar machen.
Vom Monitoring zur Optimierung
Neben dem Monitoring war die Ableitung von Maßnahmen das Projektziel. So fand der Kunststoffverarbeiter bereits Optimierungspotenzial bei der Kühlwassermenge heraus. Es zeigte sich nämlich, dass statt der angestrebten Temperaturdifferenz von zwei Grad Celsius lediglich 0,8 Grad erreicht wurden – ein Hinweis auf überdimensionierten Durchfluss. Durch die Anpassung des Kühlkreislaufs ließ sich Energie sparen, ohne die Prozessstabilität zu beeinträchtigen. Gleichzeitig eröffnen die Daten die Möglichkeit, Zykluszeiten zu verkürzen. Guido Zoll von RAFI sagt: „Der Grundgedanke war, Ressourcen zu schonen und nur so viel einzusetzen, wie tatsächlich notwendig ist – also Kühlwasser, Strom oder Druckluft gezielt zu nutzen. Außerdem wollten wir Spitzenströme vermeiden. Wenn mehrere Maschinen gleichzeitig ihre Heizelemente einschalten, entstehen hohe Lastspitzen. Mit den erfassten Daten können wir künftig steuern, dass die Maschinen zeitlich versetzt anlaufen. So lassen sich diese Spitzen kappen und Energie einsparen.“ Denn neben der Kostensenkung soll der datenbasierte Ansatz einen Beitrag zur Reduzierung von Energieverbrauch und CO2-Emissionen leisten.
Skalierung und Weiterentwicklung
Das Projekt ist bei RAFI bewusst skalierbar angelegt. „Aktuell planen wir die Erweiterung auf weitere Maschinen. Außerdem wollen wir zusätzliche Sensoren einbinden, etwa zur Messung der Feuchtigkeit im Trockner, der Drücke im Werkzeug, der Hallentemperatur oder der Klimaanlage. Ziel ist, in Moneo alle Parameter zu erfassen, die Einfluss auf die Qualität der Spritzgussteile haben könnten“, so Guido Zoll. Erweiterungen wie zustandsbasierte Wartung, automatische Handlungsempfehlungen oder KI-gestützte Auswertungen sollen den Weg von der reinen Transparenz hin zur selbstoptimierenden Produktion weiter unterstützen.
