Werkstoff- und fertigungsgerechte Prozessoptimierung

Kurzbeschreibung: Die werkstoff- und fertigungsgerechte Herstellung von Kunststoffbauteilen setzt umfassende Kenntnisse der Produkt- und Prozessoptimierung voraus. Dies erfordert Kenntnisse der systematischen empirischen Methoden zur Prozessanalyse und -optimierung, da die aus industriellen Prozessen resultierende Produktqualität oft von zahlreichen Prozessparametern abhängt und allein durch theoretische Ansätze nicht hinreichend genau beschrieben bzw. optimiert werden kann. Ziel dieses Moduls ist es, dass die Absolventen diese wissenschaftlich-empirischen Methoden anwenden, bewerten, zur Prozessoptimierung nutzen und mittels einer Projektaufgabe am konkreten Fallbeispiel des Spritzgießprozesses umsetzen.

Lehrinhalte

Fachwissenschaftliche Inhalte der Vorlesung:

1.Produktoptimierung mittels werkstoff- und fertigungsgerechter Produktauslegung und Prozessführung
2.Produkt- und Prozessoptimierung mittels statistischer Versuchsmethodik (DOE = Design of Experiments)
3.Methoden der Versuchsplanung nach Taguchi, Shainin, traditionelle DOE, zentral zusammengesetzte und fraktionierte Versuchspläne zur Optimierung der Prozessparameter
4. Praxisbeispiel zur produkt-, werkstoff- und fertigungsgerechten Prozessoptimierung anhand eines Demoproduktes.

Inhalte der Versuche an der Spritzgießmaschine:

1.Optimierung der Prozessparameter mit DOE, Messung und Analyse der Teilequalität (z.B. Maße, Gewicht, Festigkeit)
2.Auswertung der Versuchsergebnisse mit praxisnahen und wissenschaftlichen Methoden
3.Bearbeitung des Projektberichtes mit Erstellung der geeigneten Versuchspläne, Parameter- und Merkmalsauswahl, Prozesseinstellungen, Messmittelfähigkeitnachweisen, Prozessanalyse, Darstellung der Optimierungsergebnisse und Schlussfolgerungen für Produkt und Herstellungsprozess.

Lernergebnisse / Kompetenzziele: Wissensverbreiterung
Die Studierenden haben Kenntnisse von und Erfahrungen mit den modernen DOE-Optimierungstechniken zur Produkt- und Prozessoptimierung.
Mittels Spritzgießversuchen werden praxisnahe Projektbeispiele bearbeitet und in einem Abschlussbericht dargestellt.
Wissensvertiefung
Die Studierenden können Industrieprozesse auf dem aktuellsten Forschungs-/Wissensstand systematisch-empirisch optimieren, unter Anwendung wissenschaftlich basierter DOE-Methoden sowie mathematisch-statistischer Auswertungsverfahren.
Können - instrumentale Kompetenz
Die Studierenden verfügen über Spezialwissen und Fertigkeiten hinsichtlich grafischer sowie numerischer Verfahren und beherrschen eine Bandbreite fortgeschrittener und spezialisierter fachbezogener Methoden, um Qualitäts- bzw. Prozessdaten industrieller Fertigungsprozesse zu optimieren.
Können - kommunikative Kompetenz
Die Studierenden reflektieren, integrieren und erweitern Wissen, Methoden, Fähigkeiten und Fertigkeiten im fachbezogenen Kontext.
Können - systemische Kompetenz
Sie wenden eine Reihe von Verfahren, Fertigkeiten, Techniken und Materialien an, die spezialisiert, fortgeschritten und immer auf den neuesten Stand der Technik und Entwicklung angepasst sind.

Lehr-/Lernmethoden: Vorlesung mit Selbststudium und Übungen zur Prozessoptimierung, Spritzgießpraktikum mit Projektbericht.

Empfohlene Vorkenntnisse: Kenntnisse von Mathematik, Statistik, Kunststoffverarbeitung oder Fertigungstechnik (Spritzgießen),CAE-Kentnisse.

Lehr-/Lernkonzept

Workload Dozentengebunden
Std. Workload	Lehrtyp
30	Vorlesungen
15	Übungen
Workload Dozentenungebunden
Std. Workload	Lehrtyp
105	Literaturstuduim, Hausarbeit und Übungen

Literatur: Bourdon, R.: Skript zur VorlesungBourdon, R et. al.: Standardisierte Prozess- und Qualitätsoptimierung - Kurzanleitung für die Praxis beim Spritzgießen, Zeitschrift Kunststofftechnik, Hanser Verlag, 2012. Kleppmann, W.: Taschenbuch Versuchsplanung, Carl-Hanser-Verl., 2.Aufl., 2009Scheffler. E.: Statistische Versuchplanung und -auswertung, Verlag-Grundstoffindustrie, 1997

Prüfungsanforderungen: Kenntnisse in werkstoffgerechter Konstruktion, Produkt- und Prozessoptimierung mit DOE-Methoden. Optimierung eines Demoproduktes.