Ziel des Forschungsprojekts “Farbmischung Online” am Kunststoff-Zentrum in Leipzig (KUZ) ist die vollständige Integration der Einfärbung von thermoplastischen Kunststoffen in den Herstellungsprozess des Spritzgießens. Umgesetzt wird dies mit Hilfe von […]
Mit Farbsensoren und Farbmodellen zur Zielfarbe
Im Rahmen des Projektes wurde ein Versuchsstand entwickelt, der eine Verknüpfung von Farbmessung und Dosierung mit dem Spritzgießprozess ermöglicht. Über einen Steuerrechner wird durch den Anwender die gewünschte Zielfarbe definiert. Für diese Zielfarbe wird ein Farbrezept für ein verfügbares Sortiment berechnet und als Steuersignal an die Farbdosierstation weitergegeben. Die Farbe der produzierten Formteile wird durch einen Farbsensor gemessen und mit der Zielfarbe verglichen. In einem iterativen Verfahren wird die Formteilfarbe automatisch an die definierte Zielfarbe angeglichen. Für die iterative Berechnung der Farbdosieranteile wurden zwei Verfahren untersucht. Das erste Verfahren verwendet ein physikalisches Farbmodell in Form einer am Markt erhältlichen Rezeptiersoftware. Beim zweiten Verfahren wird ein neuronales Netz mit Stichproben angelernt, um für eine definierte Zielfarbe die richtigen Anteile der einzelnen Farbkanäle zu berechnen.
Selbst optimierendes Farbdosiersystem
Es ist es gelungen, ein sich selbst optimierendes Farbdosiersystem für Flüssigfarben zu entwickeln. Dieses System ist in der Lage, innerhalb weniger Iterationsschritte ein Farbrezept für eine gewünschte Zielfarbe zu optimieren. Dabei wird der empfundene Farbabstand ΔE mit jeder Iteration kleiner bis er sein Optimum erreicht hat. Es gilt, dass ein ΔE<1.0 nur für das geübte Auge erkennbar ist. Ab einem ΔE<0.5 gilt die Abweichung als nahezu unmerklich. Während der Untersuchungen hat sich gezeigt, dass beide Verfahren prinzipiell geeignet sind, eine Online-Rezeptierung im Spritzgießprozess durchzuführen. Speziell für die Verwendung unter Produktionsbedingungen hat sich das neuronale Netz als praxisnahe Alternative zu einem physikalischen Farbmodell hervorgetan. Besonders vorteilhaft ist hier, dass die Datenbasis mit jedem neuen Zyklus erweitert wird, das Modell lernt stetig dazu. Außerdem kann auf die aufwendige Erstellung von Eichreihen verzichtet werden. www.kuz-leipzig.de