Sensor  signals  in  the  injection  moulding  tool  are  only  rarely  used  by  the  machine  operator  for  fault  analysis  and  optimisation of the manufacturing process.  However,  the optimum process window is  not  only important  for  special  products in  medical applications, but also for any type  of  conventional  products.  The  goal  of  this  research project is  the development of an  intelligent  embedded  diagnostics  system  (EDS)  for  automatic  recording  and  monitoring of the process parameters. 

A  permanently  installed  EDS,  including  integrated  signal  processing,  is  used  to  help  derive  specific  decision‐making  aids  for the machine operator in the event of a  fault using machine learning methods. The  statistical  test  plans  for  the  two  test  moulds  serve  for  teaching  the assessment  algorithms.  In  addition,  a  3D  scanner  and  other  devices  are  used  for  investigating  quality characteristics of the manufactured  plastic  products  and  for  teaching  the  computer‐assisted evaluation algorithms. 

A  statistical  test  plan  is  implemented  to  facilitate  recording  of  a  majority  of  possible  fault  events.  The  thus  implemented manufacturing conditions, in  connection  with  other  quality  criteria,  permit  an  objective  assessment  of  the  component  quality.          In  this  regard,  specific  amplifier  techniques  are  used  to  facilitate  more  efficient  use  of  the  sensor  data.  Thanks  to  the  use  of  machine  learning  methods,  such  as  e.g.  decision  trees,  fuzzy  guidelines,  support  vector  machines or Artificial Neural Networks, it is  possible  to  derive and  represent  decision‐ making aids for the machine operator. 

Schmalkalden University of Applied Sciences
Faculty of Electrical Engineering
Blechhammer 9  D‐98574 Schmalkalden 

Prof. Dr.‐Ing. Thomas Seul 
t.seul@hs‐sm.de  
Phone: 03683 688 1004 

Prof. Dr.‐Ing. Andreas Wenzel 
a.wenzel@hs‐sm.de  
Phone: 03683 688 5113

Applied Plastics Technology
Faculty of Mechanical Engineering
Prof. Seul 

Embedded Diagnostics Systems
Faculty of Electrical Engineering
Prof. Wenzel

• Project sponsor 
  • Thüringer  Aufbaubank  (TAB)  
  • with  Funds  of  the  European  Union (ESF) 
• Information on funding 
  • Sub‐project of the Thüringer Zentrum für  Maschinebau (ThZM) 
  • Project volume:  € 508,000.00 
  • Project No.:  2013 FGR 0130
• Projektdauer: 08/2013 – 08/2016
• pdf: Powermoulds - The Use of Embedded Diagnostics Systems in the Injection Moulding Tool Project period
• pdf (german): Powermoulds - Anwendung eingebetteter Diagnosesysteme im Spritzgusswerkzeug