Projektvorstellung

Künstliche Intelligenz in der Compoundierung

Vorhersage von Materialeigenschaften im Recyclingprozess

Das Ziel:

KI-gestützte Vorhersage von Materialeigenschaften

Eine genaue Vorhersage der Kunststoffeigenschaften ermöglicht es Produzenten, die Materialeigenschaften gezielt zu beeinflussen. Dadurch können die schwankenden Materialeigenschaften der recycelten Polymere so verändert werden, dass sie den präzisen Anforderungen des Elastizitätsmoduls, der Schmelze-Massefließrate und der Schmelze-Volumenfließrate genügen. Auf diese Weise lassen sich Fertigungsprozesse deutlich optimieren, Ausschussraten und Stillstandszeiten reduzieren sowie Materialressourcen effizienter einsetzen. Gleichzeitig wird die Produktqualität auch bei Einsatz von Rezyklat konstant auf hohem Niveau gehalten. Darüber hinaus erlaubt die KI-gestützte Vorhersage eine schnelle Neuentwicklung und Feinabstimmung von Polymermischungen mit gezielten Eigenschaften – ein Schlüssel zur Senkung der Herstellungskosten und zur Förderung einer wirklich nachhaltigen Kreislaufwirtschaft.

Status:
Forschungsprojekt abgeschlossen

Branche:
Forschung & Entwicklung Kunststoffindustrie

Kategorie:
Empfehlungsprognose

Herausforderungen beim Recycling von Materialien:

Variierende Zusammensetzung
von Post-Consumer-Recyclaten

Recyclingmaterialien bestehen häufig aus einer Mischung unterschiedlicher Polymere, Additive und Verunreinigungen. Die genaue Zusammensetzung ist oft nicht bekannt und variiert stark zwischen unterschiedlichen Chargen.

Unbekannte Materialeigenschaften nach der Verarbeitung

Nach dem Recyclingprozess (z. B. Compoundierung) sind die mechanischen und thermischen Eigenschaften der Materialien unvorhersehbar. Dies erschwert den Einsatz der Recyclate in definierten Anwendungen.

Verunreinigungen und Fremdstoffe

PCR-Materialien enthalten häufig Reste von Lebensmitteln, Klebstoffen oder anderen nicht polymerbasierten Materialien. Diese Verunreinigungen können die Qualität und Verarbeitungseigenschaften negativ beeinflussen.

Schwankende Verarbeitungsparameter

Die Verarbeitung von PCR-Materialien erfordert spezifische Einstellungen (Temperaturen, Drücke, Mischverhältnisse), die bei unbekannten Eigenschaften schwer zu definieren sind.

Limitierte Eignung für hochwertige Anwendungen

Ohne genaue Vorhersage der Eigenschaften wird PCR-Material oft für minderwertige Anwendungen genutzt, obwohl Potenzial für höherwertige Anwendungen besteht.

Um die Herausforderungen beim Recycling von Post-Consumer-Recyclaten zu meistern, setzen wir auf innovative Modellierungsansätze, die durch Künstliche Intelligenz (KI) unterstützt werden.

Unser Ziel ist es, die Materialeigenschaften unter praxisnahen Bedingungen zuverlässig vorherzusagen, um die Recyclingfähigkeit zu verbessern und hochwertige Anwendungen zu ermöglichen. Hierfür haben wir systematisch eine Lösung in mehreren Schritten entwickelt.

Finale Lösung:

3. Eigenschaftsbasierter Zwei-Stufen-Ansatz

Modell-Eingabe Blends

leicht messbare Materialeigenschaften (z.B. Schmelze- Massefließrate) –
Anteile der versch. Materialien

Modell-Ausgabe Blends

Elastizitätsmodul
Schmelze-Massefließrate
Schmelze-Volumenfließrate

➔ Ohne Additiveinfluss

Modell-Eingabe Additive

Elastizitätsmodul
Schmelze- Massefließrate
Schmelze- Volumenfließrate
Anteile von bekannten Additiven

Modell-Ausgabe Additive

Elastizitätsmodul
Schmelze-Massefließrate
Schmelze- Volumenfließrate

➔ Mit Additiveinfluss

Erzielte Ergebnisse:

Schmelze-Massefließrate:
Mittlere Abweichung von 12,5% für binäre Blends und 18,5% für Blends mit Additiven
Schmelze-Volumenfließrate: Mittlere Abweichung von 14,3% für binäre Blends und 15,9% für Blends mit Additiven
Elastizitätsmodul: Mittlere Abweichung von 3,2% für binäre Blends und 9,1% für Blends mit Additiven

Mehrwert der Lösung:

Durch die KI-gestützte Vorhersage von Materialeigenschaften können Rezyklate gezielt und verlässlich eingesetzt werden. Das reduziert Ausschuss, senkt Stillstandszeiten und erhöht die Ressourceneffizienz. Gleichzeitig wird die Produktqualität auch bei schwankender Materialzusammensetzung konstant gehalten. Die Lösung schafft die Grundlage für hochwertige Anwendungen von Recyclingmaterialien und beschleunigt die Entwicklung neuer Polymermischungen – ein klarer Schritt hin zu mehr Wirtschaftlichkeit und echter Kreislaufwirtschaft.eine Lösung in mehreren Schritten entwickelt.