In einer der 16 Sessions zum 33. Internationalen Kolloquium Kunststofftechnik zeigt das IKV wie KI-Methoden eingesetzt werden können, um etablierte analytische und numerische Modelle zu erweitern und damit fundiertere Entscheidungen in Entwicklung und Auslegung zu ermöglichen. Ein besonderer Fokus liegt auf dem Verhalten kurzfaserverstärkter Thermoplaste.
Modelle, die Werkstoff- und Prozesseigenschaften mit hoher Genauigkeit und zugleich effizient vorhersagen können, sind eine wichtige Voraussetzung für die Auslegung moderner Kunststoffbauteile. Das Institut für Kunststoffverarbeitung (IKV) in Industrie und Handwerk an der RWTH Aachen zeigt mit seiner Forschung, wie KI-Methoden eingesetzt werden können, um etablierte analytische und numerische Modelle zu erweitern und damit fundiertere Entscheidungen in Entwicklung und Auslegung zu ermöglichen. Ein besonderer Fokus liegt auf dem Verhalten kurzfaserverstärkter Thermoplaste.
Bei der Herstellung kurzfaserversträrkter Thermoplastbauteile muss die im Spritzgießprozess infolge der lokalen Strömungsmechanik, Scherraten und Erstarrungsbedingungen erzeugte räumlich variierende Faserorientierung berücksichtigt werden. Diese Mikrostruktur beeinflusst nicht nur die anisotropen mechanischen Eigenschaften wie Längs- und Quersteifigkeit, Schubmodul und Querkontraktion, sondern wirkt sich gleichzeitig auf Schwindung, thermische Spannungen und letztlich auf den Verzug des Bauteils aus. Die Fähigkeit, diese prozessbedingte Mikrostruktur abzubilden, ist daher zentral für die Auslegung von faserverstärkten Bauteilen und die Optimierung von Prozessen.
Forschende des IKV verfolgen verschiedene Ansätze, die prozessbedingte Mikrostruktur kurzfaserverstärkter Thermoplaste und deren Einfluss auf mechanische Eigenschaften sowie Schwindungs- und Verzugsverhalten zu beschreiben. Sie entwickeln beispielsweise Machine-Learning gestützte Steifigkeitsmodellierungen für faserverstärkte Thermoplastbauteile und KI-adaptierte Materialkarten, die die Vorhersage von Schwindung und Verzug verbessern. So entstehen Werkzeuge, die klassische Berechnungsmodelle erweitern und damit präzisere, effizientere und konsistentere Entscheidungen in der Bauteilentwicklung ermöglichen. Die Ansätze werden auf dem des 33. Internationalen Kolloquium Kunststofftechnik in Session 10, Künstliche Intelligenz in Produktentwicklung und Simulation, vorgestellt und zeigen, wie KI-basierte Modellierung in der Kunststofftechnik einen messbaren Beitrag zur Qualität und Wirtschaftlichkeit von Entwicklungsprozessen leisten kann.
Machine-Learning-gestützte Steifigkeitsmodellierung zur Entwicklung faserverstärkter Thermoplastbauteile
Die mechanischen Eigenschaften kurzfaserverstärkter Thermoplaste werden maßgeblich durch Fasergehalt, Faserlänge, Orientierungstensoren und die rheologischen Eigenschaften der Matrix beeinflusst. Analytische Mean-Field-Modelle, wie die Mori–Tanaka-Homogenisierung, liefern schnelle und physikalisch motivierte Erstabschätzungen dieser anisotropen Steifigkeiten, erfassen komplexere Effekte wie Faser-Faser-Wechselwirkungen, Nichtlinearitäten oder lokale Mikrostrukturausprägungen jedoch nur eingeschränkt. High-fidelity-Methoden wie FEM-basierte Mikrostruktursimulationen können diese Zusammenhänge wesentlich genauer abbilden, sind jedoch mit einem erheblichen Rechenaufwand verbunden.
© IKVUm diese beiden Ebenen miteinander zu verbinden, wurde am IKV ein Multi-Fidelity Artificial Neural Network entwickelt, das analytische Mean-Field-Vorhersagen (low-fidelity) mit FEM-Referenzdaten (high-fidelity) kombiniert (Abbildung 1). Das neuronale Netz lernt systematische Abweichungen des analytischen Modells und kalibriert dessen Trendverhalten anhand der detaillierten numerischen Daten. Dadurch entsteht ein Modell, das die physikalische Konsistenz der analytischen Homogenisierung beibehält, gleichzeitig aber die Genauigkeit der FEM-basierten Mikrostrukturbeschreibung erreicht. Daraus ergibt sich eine genauere Beschreibung über den gesamten Design Space, insbesondere für Bereiche mit hohem Steifigkeitskontrast und erhöhtem Faservolumengehalt. Das Verfahren eignet sich für effizientes Materialscreening und robuste Auslegungsschritte in der frühen Entwicklungsphase.
Einsatz von KI zur Verbesserung von Verzugssimulationen – KI basierte Adaption von Materialkarten
Schwindung und Verzug entstehen aus dem Zusammenspiel thermischer, rheologischer und mikrostruktureller Effekte während der Abkühlung im Spritzgießprozess. Für simulationsbasierte Vorhersagen sind Materialkarten erforderlich, deren Parameter häufig manuell kalibriert werden müssen. Dieser iterative Prozess ist zeitaufwendig, stark erfahrungsabhängig und in der industriellen Praxis nur begrenzt reproduzierbar. Gleichzeitig hängt die Genauigkeit der Verzugssimulation direkt von der Konsistenz dieser Materialkarten ab.
© IKVDas IKV hat hierfür einen datenbasierten Ansatz entwickelt, bei dem ein KI-Modell experimentelle Verformungsmessungen und numerische Simulationsergebnisse auswertet, um Abweichungen zwischen realem und berechnetem Bauteilverhalten zu identifizieren (Abbildung 2). Das neuronale Netz passt anschließend gezielt die relevanten Parameter der Materialkarte an und erzeugt so eine automatisierte, konsistente Kalibrierung. Die Methode erhöht die Prognosequalität für unterschiedliche Geometrien, reduziert den Bedarf an iterativen Werkzeugkorrekturen und stärkt die Aussagekraft simulationsbasierter Entwicklungsprozesse. Besonders relevant ist dieser Ansatz für Bauteile, bei denen geringe Toleranzen im Mittelpunkt stehen oder bei denen die Mikrostruktur stark prozessabhängig variiert.
FVK, digitale Methoden und KI beim 33. Internationalen Kolloquium Kunststofftechnik
Mit dem Thema Leichtbau und Faserverbundwerkstoffe befassen sich beim Kolloquium:
- Session 3: Kunststoffe als Schlüssel zur Skalierung der Wasserstoffwirtschaft
- Session 6: Werkstoffliches Recycling von CFK: Vitrimere als Wegbereiter
- Session 10: Künstliche Intelligenz in Produktentwicklung und Simulation
Die Anwendung von digitalen Methoden und KI in der Kunststoffverarbeitung sind Thema in
- Session 5: Robustes Spritzgießen durch adaptive Prozessregelung
- Session 7: Analyse und Verbesserung der Qualität von Polyolefin-Rezyklaten
- Session 8: Prädiktion des prozessabhängigen Werkstoffverhaltens in der Produktentwicklung
- Session 13: Simulationstechnologien für präzise Spritzgießbauteile
Bei „IKV 360° – Forschung live“ machen die wissenschaftlichen Mitarbeiter und Mitarbeiterinnen die Themen an verschiedenen Stationen im IKV-Technikum erlebbar.