Beschreibung
Ressourcenschonung, Material- und Kosteneffizienz sowie Produktqualität sind auch in der Kunststoffextrusionstechnik zentrale technologische Aspekte. Dabei ist insbesondere die Schneckenauslegung von Bedeutung, da diese maßgeblich den Durchsatz, die Aufschmelzleistung und die Homogenität der Kunststoffschmelze beeinflussen. Eine effiziente Extrusion erfordert hohe Durchsätze und die Qualität der produzierten Kunststoffprodukte muss den vorgegebenen Standards entsprechen. Der Durchsatz und die Qaulität des Extrusionsprozesses wird von verschiedenen Faktoren beeinflusst, darunter die Prozessparameter wie Schneckendrehzahl und Zylindertemperaturen, sowie die Plastifizier- und Homogenisierungsleistung des Extruders. Im Rahmen dieser Arbeit wurde eine Methode zur Prognose der Schmelzequalität im Extrusionsprozess entwickelt. Hierfür wurden umfangreiche experimentelle Untersuchungen und Simulationen durchgeführt und erfolgreich mit dem Screw-Performance-Index (SPI) korreliert. Weiterhin wurde mit Hilfe des Maschinellen Lernens ein Prognosemodell der Schmelzequalität aufgebaut. Für eine bessere Interpretierbarkeit wurde ein lineares Regressionsmodell ausgewählt, initialisiert und optimiert. Hierfür wurden verschiedene Optimierungsarten analysiert und die relevanten Prozessparameter für eine Vereinfachung des Modells zu identifiziert. Die entwickelte Methode des optimierten Regressionsmodells wurde erfolgreich anhand bis dahin nicht verwendeten Daten validiert.
