Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Mehrere Industrieexperten haben sich als Avidens zusammengeschlossen um Unternehmen bei der Verwendung von PCR-Rezyklat-Anteilen zu unterstützen Bei Qualitätsschwankungen in Material und Prozess bietet das Konsortium Hilfe in Form unterschiedlicher Dienstleistungen an darunter die Abmusterung mit digitalisierten Spritzgussanlagen sowie Werkzeugen mit Sensorik für einen Blick ins Materialverhalten Rezyklat-Qualität im Blick Echtzeiterkennung von Anomalien und ausgleichende dynamische Prozessanpassungen Obwohl die verstärkte Nutzung von recycelten Materialien ein entscheidender Schritt in Richtung Nachhaltigkeit ist bedeutet ihre Integration in die Produktionsprozesse der Kunststoffindustrie erhebliche Herausforderungen Die ungewisse Homogenität recycelter Materialien – vor allem unter Berücksichtigung der zunehmenden Verwendung von Post-Consumer-Rezyklaten PCR – führt oft zu Unsicherheiten hinsichtlich der finalen Bauteilqualität Schädigungen im Material und inkonsistente Qualitätsniveaus von Charge zu Charge Sack zu Sack oder auch innerhalb einer Tankfüllung können im Vergleich zu Neuware zu erheblichen Abweichungen des Verhaltens im Spritzprozess führen Um ein Beispiel zu nennen Die Molekülkettenlängenverteilung eines Kunststoffes hängt maßgeblich von der Historie und den Verarbeitungsparametern des Kunststoffs ab nimmt jedoch direkt Einfluss auf die Fließfähigkeit des Materials Diese Veränderungen können zu ineffizienten Prozessen mit höheren Ausschussraten und Schwierigkeiten bei der Erreichung der gewünschten Bauteilqualität führen und sollten demnach also Berücksichtigung in der Prozessführung finden Darüber hinaus wird die Erkennung von Abweichungen im Formgebungsprozess mit recycelten Materialien noch komplexer da die Kontrollpunkte hauptsächlich auf den Moment der Materialvorbe-9 2024 18 Die Technologie SensXpert Digital Mold erkennt Anomalien in Echtzeit Bild Netzsch Process Intelligence Produktion und Automation