KI für die Gummi- und Elastomerfertigung: Optimierung des Vulkanisationsprozesses

Die Vulkanisation ist der chemische Prozess, der Gummi-Polymerketten vernetzt und dabei einen weichen, klebrigen Compound in ein haltbares elastomeres Material mit nutzbaren mechanischen Eigenschaften verwandelt. Der Prozess ist empfindlich gegenüber Temperatur, Zeit und der spezifischen Chemie des Gummi-Compounds. Eine Untervernetzung erzeugt schwaches, schlecht vernetztes Material. Eine Übervernetzung degradiert das Polymer und macht das Material spröde. Das Fenster zwischen diesen Extremen ist häufig schmaler, als man annimmt.

KI-Optimierung hilft Gummiherstellern dabei, den optimalen Punkt konsistent zu treffen, selbst wenn sich Compound-Variationen und Anlagenbedingungen ändern.

Warum die Vulkanisation schwer zu kontrollieren ist

Die Vernetzungsreaktion ist exotherm, das heißt, sie erzeugt eigene Wärme. Bei dicken Bauteilen hinkt die Temperatur im Kern des Gummis der Oberflächentemperatur hinterher, was einen Vernetzungsgradienten erzeugt. Die Oberfläche kann vollständig vernetzt sein, während der Kern noch unzureichend vernetzt ist, oder der Kern ist übervernetzt, bis die Oberfläche das Ziel erreicht.

Die Compound-Variabilität fügt eine weitere Dimension hinzu. Verschiedene Chargen von Rohgummi weisen unterschiedliches Vernetzungsverhalten auf, basierend auf ihrer Molekulargewichtsverteilung, Füllstoffdispersion und Beschleuniger-Aktivität. Selbst kleine Variationen in der Compound-Rezeptur oder im Mischprozess verändern das optimale Vernetzungsprofil.

Wie KI Vernetzungsprofile optimiert

KI-basierte Vulkanisationsoptimierung beginnt mit Rheometer-Daten, die das Vernetzungsverhalten jeder Compound-Charge charakterisieren. Das Rheometer misst, wie sich die Materialsteifigkeit über die Zeit bei einer bestimmten Temperatur entwickelt, und liefert die Vernetzungskinetik für diese Charge.

Die KI nutzt diese chargenspezifischen Vernetzungsdaten in Kombination mit Wärmeübertragungsmodellen der Form und der Bauteilgeometrie, um das optimale Temperatur- und Zeitprofil zu berechnen. Bei einfachen, flachen Bauteilen kann das eine einzelne Temperatur und Zeit sein. Bei komplexen Geometrien mit unterschiedlichen Wandstärken kann die KI ein mehrzoniges Temperaturprofil optimieren, bei dem unterschiedliche Bereiche der Form auf unterschiedliche Temperaturen erwärmt werden.

Die KI lernt zudem aus historischen Produktionsdaten. Sie korreliert die Vernetzungsparameter mit tatsächlich nach der Produktion gemessenen Produkteigenschaften wie Härte, Zugfestigkeit und Druckverformungsrest. Diese Korrelation ermöglicht es ihr, das Vernetzungsvorhersagemodell über das hinaus zu verfeinern, was die Rheometer-Daten allein liefern.

Vorteile bei Energie und Zykluszeit

Optimierte Vernetzungsprofile reduzieren typischerweise die Zykluszeit, weil der Prozess nicht länger als nötig läuft, um eine vollständige Vernetzung im Worst-Case-Szenario sicherzustellen. Kürzere Zyklen bedeuten höheren Durchsatz aus derselben Anlage. Energieeinsparungen ergeben sich daraus, dass die Form nicht auf höhere Temperaturen als nötig erwärmt oder länger als vom Material erforderlich betrieben wird.

Mehr zur KI-Prozessoptimierung in der Fertigung finden Sie auf der FirmAdapt-Analyseseite zur Fertigung.