Prozessüberwachung und -optimierung in der Elastomerverarbeitung auf der Basis statistischer Versuchsmethodik und mathematischer Prozessmodelle

Ryzko, Peter Jaroslaw; Haberstroh, Edmund

doi:387

Prozessüberwachung und -optimierung in der Elastomerverarbeitung auf der Basis statistischer Versuchsmethodik und mathematischer Prozessmodelle

Ryzko, Peter Jaroslaw (Author)

2001 & 2002

Verantwortlichkeitsangabevorgelegt von Peter Jaroslaw Ryzko

ImpressumAachen : Publikationsserver der RWTH Aachen University 2001

UmfangIII, 201 S. : Ill., graph. Darst.

Aachen, Techn. Hochsch., Diss., 2001

Prüfungsjahr: 2001. - Publikationsjahr: 2002

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Haberstroh, Edmund (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2001-11-13

Online
URN: urn:nbn:de:hbz:82-opus-3875
URL: https://publications.rwth-aachen.de/record/62082/files/02_126.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Ingenieurwissenschaften (frei) ; Kautschukverarbeitung (frei) ; Prozessanalyse (frei) ; Prozessmodell (frei) ; Mischen (frei) ; Innenmischer (frei) ; Prozessoptimierung (frei) ; Optimale Versuchsplanung (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Die Elastomerbauteile und komplexe Gesamtsysteme insbesondere in der Automobilindustrie werden technisch immer anspruchsvoller. Die dabei steigenden Qualitätsanforderungen führen dazu, dass in der Kautschukindustrie die Qualitätssicherung und das Qualitätsmanagement zunehmend an Bedeutung gewinnen. Diese Qualitätsproblematik ist bei den Kautschukverar-beitern von besonderer Bedeutung, weil sie, anders als die Thermoplastverarbeiter, einen zusätzlichen Verfahrensschritt – die Mischungsherstellung – überwiegend im eigenen Hause in diskontinuierlich arbeitenden Innenmischern realisieren. Dies resultiert oft in chargenbezogenen Eigenschaftsunterschieden der hergestellten Mischungen und in Problemen bei der Weiterverarbeitung sowie in Schwankungen der Bauteileigenschaften. Diese Arbeit beschäftigt sich damit, Richtlinien und Methoden für eine effiziente Prozessanalyse und -optimierung insbesondere bei der Mischungsherstellung auszuarbeiten. Bei den Untersuchungen werden Methoden der Prozessanalyse, und -modellierung angewendet, die es erlauben, die Zusammenhänge zwischen der Mischungsherstellung und der Bauteilherstellung im Spritzgießprozess zuverlässig zu bestimmen. Weiterhin werden bei den Untersuchungen der ausgewählten Glieder der gesamten Produktionskette, wie die Mischungsherstellung im Innenmischer und die Bauteilherstellung im Transfer-Molding- oder im Spritzgießverfahren, verschiedene mathematische Optimierungsmethoden angewendet und miteinander verglichen. Bei der Erprobung neuer Mischungen sowie bei der Entwicklung neuer Verfahren bieten die Methodik der Statistischen Versuchsplanung sowie die mathematischen Optimierungsmethoden moderne Hilfsmittel zur verfahrenstechnischen und wirtschaftlichen Prozessoptimierung. Im Rahmen der vorliegenden Arbeit wird die praktische Anwendbarkeit von Optimierungsalgorithmen am Beispiel der Optimierung der Mooney-Viskosität. Die im zweiten Schritt intensiv untersuchte Optimierung des Herstellungsprozesses einer Gummi-Metall-Eisenbahnfeder, erlaubt hier mit einem geringen Versuchs- und Auswerteaufwand das Auffinden optimaler Prozesseinstellungen für optimale Produkteigenschaften. Die auf diese Weise gefundenen Prozesseinstellungen stellten sicher, dass ein Herstellungsprozess sich in einem stabilen und optimalen Betriebspunkt befindet. Ein weiteres Thema dieser Arbeit ist die Entwicklung und praktische Umsetzung von Modellen zur Online-Prognose der Mischungseigenschaften für die Mischungsherstellung im Innenmischer mit Hilfe von künstlichen Neuronalen Netzwerken und der linearen Regressionsanalyse. Die Anwendbarkeit dieser Methoden zur Vorhersage von unterschiedlichen Mischungseigenschaften wird hier für verschiedene Kautschuke und Füllstoffe (Ruß, Silica) untersucht. Die Regressionsmodelle sind in vielen Fällen in der Lage, die Zusammenhänge im betrachteten Parameterraum mit einer sehr hohen Genauigkeit (94%) linear zu beschreiben. Die Künstlichen Neuronalen Netzwerke zeigen erst dann ihre Vorteile gegenüber den Regressionsmodellen, wenn nichtlineare Abhängigkeiten, wie bei der untersuchten silicagefüllten SSBR-Mischung, zu erwarten sind. Hier erreichen die „neuronalen“ Modelle Bestimmtheitsmaße von ca. 90%. Die Praxisrelevanz der Vorhersagemodelle konnte am Beispiel der Modellierung einer in einem 320-l-Produktionsmischer hergestellten NR-SBR-BR-Reifenmischung bewiesen werden. Hier ist das Neuronale Netz in der Lage, sehr genau (mit einem Bestimmtheitsmaß von 97%) die Mischungseigenschaften zu berechnen und auf die sich verändernden Prozessparameter zu reagieren. Anhand dieser Modellierungsergebnisse wird im Rahmen dieser Arbeit ein System entwickelt und vorgestellt, das es ermöglicht, verschiedene Mischungseigenschaften mit einer hohen Genauigkeit online zu ermitteln. Diese Eigenschaftsprognose kann in der Praxis dazu dienen, die notwendigen Mischungsprüfungen zu reduzieren.

There is a growing need for precision rubber parts and complex rubber components for the automotive sector. The quality requirements rising thereby lead to the increasing meaning of the quality assurance and the quality management in the rubber industry. In the rubber processing, there is an extra step or processing phase the material compounding step, which does not exist in the processing of plastics. This additional discontinual processing step may account for the higher risk for deviation between rubber batches or within a batch. This in turn may lead to problems in the subsequent stages and result in deviations in the final product properties. This thesis propounds guidelines and methods for efficient process analysis and optimization with particular focus on the rubber mixing process in an internal mixer. The research methods used for this thesis were process analyses and modeling which allowed the exact determination of correlation between the mixing process and the rest of the process chain. The experiments carried out focused on selected steps of the production of the rubber parts on mixing process in the rubber internal mixer, transfer molding process an on the injection molding process. In the rubber industry, there are many different testing approaches used and their validity is not always sufficient. At the same time they are inappropriate. Consequently the rubber characterization methods were analyzed. The focal point of the investigations was to find out the method most correlated to the rubber behavior of the rubber compound during processing and to the properties of the final product. As an approach to this problem statistical methods of the process analysis, like correlation analysis or regression were used. The validity of the rubber compound testing methods was determinated by correlational coefficient and the coefficient of certainty. The results showed that there is a direct correlation between the viscose and elastic compound properties and the qualities of the final product. In additional to that the rheological properties of the rubber mixture gives valuable information about the processing behavior in an injection molding machine and mold. The investigations were carried out using various measuring methods such as Rubber Process Analyzer (RPA), High Pressure Rheometer, Rheovulkameter, Mooney Viscometer. The RPA and the Mooney-Viscometer measurements proved to be the most accurately (reliable) of the method used. This thesis also covers the development and application of mathematical models for online-prediction of the compound properties during the mixing process in an internal mixer using Artificial Neural Networks (ANN) and linear regression analysis. These methods were used to predict the different rubber compound properties based on different types of rubber and on different fillers (carbon blacks and silica). Using the regression models in most cases it was possible to describe the interrelationship with a very high level of certainty. The advantages of using models based on ANN were evident when dealing with non linear interrelationships, e.g. (for silica-compound) In this case it was possible to achieve coefficients of certainty of about 90%. It was possible to prove the practical relevance of this modeling method for a tire compound produced in a 320 liters production internal rubber mixer. In this case it was possible to calculate the compound property – Mooney-viscosity with a high degree of certainty using ANN. Based on the results, an online prediction system was developed, presented and explored in this thesis. This system can be used in practice to reduce the number of compound tests carried out for quality control in the rubber industry.

Fulltext:
PDF
(additional files)