Kostenlose Materialcharakterisierung anlässlich der CAMX-Messe in San Diego
Die NETZSCH Process Intelligence GmbH, bekannt als sensXPERT, ein Corporate Venture der NETZSCH Gruppe und führend in fortschrittlichen Fertigungssteuerungstechnologien, wird auf der CAMX-Messe am Stand QQ34 teilnehmen und ihre innovative sensXPERT Digital Mold-Technologie präsentieren. Diese Lösung verbessert die Produktionseffizienz und -qualität durch Echtzeit-Prozessüberwachung und -optimierung. Die CAMX, die Composites and Advanced Materials Expo, ist die größte und umfassendste Veranstaltung für Verbundwerkstoffe und fortschrittliche Materialien in Nordamerika und findet vom 10. bis 12. September in San Diego statt.
Das sensXPERT-Programm während der CAMX
Cornelia Beyer, Geschäftsführerin von sensXPERT, wird während der CAMX für Meetings zur Verfügung stehen. Besucher des sensXPERT-Standes können sich auf neue Erfolgsgeschichten von Kunden und Einblicke in die fortschrittlichen Fähigkeiten der sensXPERT Digital Mold-Lösung freuen. Darüber hinaus können Unternehmen eine kostenlose Materialcharakterisierung gewinnen.
thumbnail_IMG_4691.jpg
Wie können Unternehmen eine kostenlose Materialcharakterisierung gewinnen?
Es gibt zwei Möglichkeiten zur Teilnahme und Gewinnchance:
Unternehmen, die den sensXPERT-Stand auf der CAMX 2024 in San Diego (Stand Nr. QQ34) besuchen, können ihre Visitenkarte in den Lostopf werfen.
Wer nicht an der CAMX teilnimmt, kann dieses Online-Registrierungsformular ausfüllen: https://www.sensxpert.com/free-material-characterization/
Durch die sensXPERT-Materialcharakterisierung gewinnen Unternehmen nicht nur detaillierte Einblicke in die Produktion ihrer Materialien, sondern haben auch die Möglichkeit, die Qualität und Effizienz ihrer Fertigungsprozesse zu verbessern. Das sensXPERT-Team wird bis zu 10 präzise Messungen mit dielektrischer Analyse durchführen und wichtige Verarbeitungsparameter aufdecken. In einem ersten Online-Meeting wird das sensXPERT-Team mit dem Gewinnerunternehmen zusammenarbeiten, um Parameter zu definieren und Produktionsherausforderungen zu besprechen. Die Reise der Materialcharakterisierung endet mit einer informativen Online-Präsentation der Ergebnisse.
Der Gewinner wird am Donnerstag, den 26. September 2024, kontaktiert.
Die Analyse von Materialverhaltensdaten aus dielektrischen Messungen im Labor ist der erste Schritt zur Optimierung von Kunststoffherstellungsprozessen in Echtzeit. Einblicke in das Aushärteverhalten können in dieser sehr kontrollierten Umgebung gewonnen werden. Nur durch die Einbeziehung von Prozessdaten in die Analyse kann das Team jedoch das Potenzial zur Verkürzung der Zykluszeiten bestimmen. Dies liegt an den vielen Einflussfaktoren in der Produktion, wie Materialalterung und Temperaturschwankungen, die in einer Laborumgebung nicht reproduziert werden können.
Wie Unternehmen von der sensXPERT-Lösung profitieren können
Die Automobilindustrie zum Beispiel muss sich dem ständigen Druck zur Steigerung der Produktionseffizienz stellen. Daher können Automotive Unternehmen keine unsachgemäßen Lagerbedingungen und Materialalterung dulden, die zu verringerter Materialverarbeitbarkeit, erhöhten Ausschussraten und Unterbrechungen im Produktionsfluss führen können. Um diese negativen Alterungseffekte zu verhindern, arbeitete ein führendes Unternehmen der Automobilindustrie mit sensXPERT zusammen, um Materialalterung in ihrer Verarbeitung von kohlenstofffaserverstärkten Polymeren zu erkennen.
Erste Analysen von Labormessungen durch das Automobilunternehmen zeigten keine systematischen Trends. Das sensXPERT-Team entdeckte jedoch, dass die molekulare Mobilität des Materials mit zunehmenden Lagertagen abnimmt und diese Abnahme bei niedrigeren Lagertemperaturen weniger ausgeprägt ist.
Das anschließende Training des Regressionsmodells bereitete die Grundlage für die Anomaliedetektion im Werkzeug. Die Kombination aus fortschrittlicher Modellierung und Echtzeit-Prozessüberwachung bietet erhebliches Potenzial zur Optimierung der Produktion und Maximierung des Outputs.
Die Analyse von sensXPERT führte zu einem erfolgreichen Training des Regressionsmodells und schuf damit die Basis für die Anomaliedetektion im Werkzeug. Die Kombination aus fortschrittlicher Modellierung und Echtzeit-Prozessüberwachung bietet erhebliches Potenzial zur Optimierung der Produktion und Maximierung des Outputs.
