KI-SPC Spritzguss: Cpk 38% höher in Echtzeit

TL;DR

KI-gestützte statistische Prozesskontrolle (SPC) im Spritzguss ersetzt manuelle Stichproben durch Echtzeit-Überwachung der Prozessfähigkeit. Mittelständische Betriebe erreichen damit Cpk-Werte über 1,67 und senken Ausschussraten um durchschnittlich 27%. Der ROI liegt bei 6-9 Monaten, die Investition startet ab €35.000 für eine Produktionslinie.

Warum klassische SPC im Spritzguss an Grenzen stößt

Spritzgussbetriebe mit 20-50 Maschinen erzeugen pro Schicht tausende Teile. Die klassische SPC basiert auf Stichproben: Alle 30 Minuten entnimmt ein Werker fünf Teile, misst kritische Maße und trägt Werte in eine Regelkarte ein. Das Problem: Zwischen zwei Stichproben können hunderte fehlerhafte Teile entstehen, ohne dass jemand es bemerkt.

Ein typischer Mittelstandsbetrieb mit 35 Spritzgussmaschinen und einem Jahresumsatz von €12 Mio. verliert durch diese Blindflug-Phasen jährlich rund €85.000 an Ausschuss und Nacharbeit. Die Prozessfähigkeitsindizes Cpk liegen häufig zwischen 1,0 und 1,33 – zu niedrig für Automobilzulieferer, die mindestens 1,67 fordern.

So funktioniert KI-gestützte SPC im Spritzguss

Die KI-gestützte SPC für Spritzguss kombiniert Inline-Sensorik mit maschinellem Lernen. Drucksensoren in der Kavität, Temperaturmessung am Werkzeug und optische Inspektion liefern pro Schuss 50-200 Messwerte. Ein Edge-KI-Modell berechnet daraus in Echtzeit den aktuellen Cpk-Wert und erkennt Trends, bevor sie zu Ausschuss führen.

Architektur einer KI-SPC-Lösung

ki_spc_spritzguss:
  sensoren:
    - typ: kavitaetsdruck
      abtastrate: 1000_hz
      position: anspritzpunkt_und_fliesswegende
    - typ: werkzeugtemperatur
      abtastrate: 10_hz
      zonen: 4_bis_8
    - typ: inline_optik
      aufloesung: 0.05_mm
      pruefmerkmale: [gratbildung, einfallstellen, verzug]
  edge_computing:
    hardware: nvidia_jetson_orin
    modell: lstm_autoencoder
    inferenzzeit: 50_ms_pro_schuss
  spc_berechnung:
    cpk_fenster: letzte_100_teile
    regelkarten: [xbar_r, cusum, ewma]
    alarmierung: cpk_unter_1.33_sofort
  anbindung:
    mes_system: opcua_connector
    erp: rest_api_zu_sap_qm
    dashboard: grafana_echtzeit

Ablauf der Echtzeit-Prozessüberwachung

Schritt 1 – Datenerfassung: Jeder Schuss erzeugt einen Datensatz mit Kavitätsdruck-Verlauf, Nachdruckprofil, Massetemperatur und Zykluszeit. Die Sensoren übertragen via OPC UA an den Edge-Rechner.

Schritt 2 – Feature-Extraktion: Das KI-Modell extrahiert aus dem Druckverlauf die relevanten Kenngrößen: Umschaltdruck, Nachdruckhöhe, Siegelpunktzeit und Integralwerte. Diese korrelieren direkt mit Qualitätsmerkmalen wie Gewicht, Maßhaltigkeit und Oberflächenqualität.

Schritt 3 – Cpk-Berechnung in Echtzeit: Statt auf Stichproben zu warten, berechnet das System den Cpk-Wert rollierend über die letzten 100 Teile. Eine EWMA-Regelkarte (Exponentially Weighted Moving Average) erkennt Drifts bereits nach 5-10 Schuss.

Schritt 4 – Predictive Alerting: Die KI prognostiziert, wann der Cpk-Wert unter den Schwellenwert von 1,33 fallen wird. Maschinenbediener erhalten 15-30 Minuten Vorlauf für Korrekturen, bevor Ausschuss entsteht.

Wirtschaftlichkeit: ROI-Berechnung für den Mittelstand

Die Investition in KI-basierte SPC für Spritzguss rechnet sich schnell. Hier eine realistische Kalkulation für einen Betrieb mit 35 Maschinen:

Betriebe, die bereits KI-Projekte im Unternehmen implementiert haben, erreichen den ROI oft innerhalb von 6 Monaten, da Infrastruktur und Know-how vorhanden sind.

Praxisbeispiel: Automobilzulieferer aus Schwaben

Ein schwäbischer Spritzgussbetrieb mit 42 Maschinen und 180 Mitarbeitern stellte seine SPC auf KI um. Die Ausgangslage: durchschnittlicher Cpk von 1,21 bei sicherheitsrelevanten Steckverbindern für einen OEM.

Ergebnisse nach 6 Monaten:

• Cpk-Durchschnitt stieg von 1,21 auf 1,72 (+42%)
• Ausschussrate sank von 3,8% auf 2,1% (-45%)
• Reklamationskosten sanken um €31.000 pro Jahr
• Prüfpersonal-Aufwand reduziert um 60%

Der Betrieb spart jährlich €67.000 bei einer Investition von €52.000. Die Berechnung des KI-ROI folgte dabei einem strukturierten Ansatz mit klar definierten KPIs.

Integration in bestehende Qualitätssysteme

KI-basierte SPC für Spritzguss muss in die vorhandene IT-Landschaft passen. Die meisten Mittelstandsbetriebe nutzen SAP QM oder CAQ-Systeme wie Babtec, iqs oder CASQ-it. Die Integration erfolgt über standardisierte Schnittstellen:

• OPC UA für die Maschinenanbindung (Arburg, Engel, KraussMaffei)
• REST API für die Anbindung an SAP QM Module
• MQTT für die Echtzeit-Datenübertragung an Dashboards
• CSV-Export für bestehende CAQ-Systeme

Wichtig: Die KI-SPC ersetzt nicht das bestehende QM-System, sondern ergänzt es. Prüfpläne, Messmittelverwaltung und Reklamationsmanagement bleiben im CAQ. Die KI liefert die Echtzeit-Daten, die bisher fehlten.

Wer seine gesamte KI-Strategie plant, sollte die SPC-Integration als Quick-Win einplanen – der Nutzen ist schnell sichtbar und überzeugt Skeptiker im Betrieb.

Typische Fehler bei der Einführung

Zu viele Merkmale gleichzeitig überwachen: Starten Sie mit 3-5 kritischen Qualitätsmerkmalen pro Werkzeug. Die KI-Modelle brauchen saubere Trainingsdaten, und die bekommt man am besten mit fokussiertem Scope.

Sensorik am falschen Ort: Kavitätsdrucksensoren gehören ans Fließwegende, nicht nur an den Anspritzpunkt. Nur so erkennen Sie unvollständige Füllung rechtzeitig.

Kein Einbezug der Einrichter: Die erfahrenen Maschineneinrichter kennen ihre Prozesse. Ohne deren Wissen bei der Modellvalidierung entstehen Fehlalarme, die das Vertrauen in das System zerstören.

Kosten im Griff behalten

Die Budgetplanung für KI-Projekte sollte neben Hardware und Software auch Schulungskosten einkalkulieren. Erfahrungsgemäß fallen 15-20% der Gesamtinvestition für Training und Change-Management an.

Für Betriebe, die auch ihre Dokumentation und Prozessdaten per RAG durchsuchbar machen wollen, bietet die SPC-Dateninfrastruktur eine solide Basis.

FAQ

Was kostet KI-gestützte SPC für eine Spritzguss-Linie?

Die Einstiegskosten liegen bei €8.000-15.000 pro Linie inklusive Sensorik, Edge-Hardware und Software. Bei 5+ Linien sinken die Stückkosten durch gemeinsame Infrastruktur auf €6.000-10.000.

Wie lange dauert die Einführung von KI-SPC im Spritzguss?

Von der Sensorinstallation bis zum produktiven Einsatz vergehen 8-12 Wochen. Die erste Linie benötigt 4-6 Wochen Trainingsphase, weitere Linien lassen sich in 2-3 Wochen ausrollen.

Welche Cpk-Verbesserung ist realistisch?

Betriebe erreichen typischerweise eine Cpk-Steigerung von 0,3-0,5 Punkten. Ein Ausgangswert von 1,2 verbessert sich auf 1,5-1,7 – ausreichend für die meisten OEM-Anforderungen.

Funktioniert KI-SPC auch bei kleinen Losgrößen?

Ja, aber die Trainingsphase dauert länger. Ab 500 Schuss pro Werkzeug liefert das System zuverlässige Vorhersagen. Bei häufigen Werkzeugwechseln empfiehlt sich ein Transfer-Learning-Ansatz.

Brauche ich neue Spritzgussmaschinen für KI-SPC?

Nein. Die Sensorik lässt sich an bestehende Maschinen nachrüsten. Voraussetzung ist ein freier Analog-Eingang oder eine OPC-UA-fähige Steuerung. Die meisten Maschinen ab Baujahr 2010 sind kompatibel.