Sviluppo di un modello predittivo per l'ottimizzazione dei parametri di stiro-soffiaggio di bottiglie in PET

Stretch Blow Molding is the dominant technology for the production of PET bottles in the packaging industry. Final product quality is closely related to the wall thickness distribution, governed by nonlinear relationships with the process parameters. However, variations in operating and environmental conditions introduce disturbances that require manual corrective interventions by experienced operators, limiting production repeatability and increasing setup time. The present work develops and validates an integrated system for in-line thickness measurement and for the determination of the process parameters required to achieve a desired thickness profile along the bottle. In a first phase, the in-line optical inspection instrument was developed, an essential element for the purpose of the project as it enables thickness measurement on the entire production. The instrument was then metrologically validated, verifying its reliability and its capability both to detect anomalies on individual bottles and to monitor process drifts over production windows. A predictive model based on Machine Learning algorithms was then developed, able to correlate the process parameters with the in-line measured thickness. Once its predictive capability was validated, the resulting surrogate model was employed for the solution of the inverse problem via surrogate-based optimization, namely to determine the process parameter configuration required to achieve a target thickness profile. The procedure was experimentally validated on the machine, demonstrating that the suggested parameters effectively lead, within a limited error, to the target profile. The obtained result constitutes a quantitative decision-support tool, able to accurately provide the process parameters required to achieve a desired thickness profile. Furthermore, it lays the groundwork for a control system capable of autonomously compensating for external disturbances through feedback.

Il processo di stiro-soffiaggio rappresenta la tecnologia dominante per la produzione di bottiglie in PET nell'industria del packaging. La qualità del prodotto finale è strettamente legata alla distribuzione dello spessore di parete, governata da relazioni non lineari con i parametri di processo. Tuttavia, variazioni delle condizioni operative e ambientali introducono perturbazioni che, ad oggi, richiedono interventi correttivi manuali da parte di operatori esperti, limitando la ripetibilità produttiva e aumentando i tempi di setup macchina. Il presente lavoro sviluppa e valida un sistema integrato per la misura in linea dello spessore e per la determinazione dei parametri di processo necessari a conseguire un profilo di spessore desiderato lungo il contenitore. In una prima fase è stato messo a punto lo strumento di ispezione ottica in linea, elemento essenziale per lo scopo del progetto, in quanto consente la misurazione dello spessore su tutte le bottiglie prodotte. Lo strumento è stato quindi validato dal punto di vista metrologico, verificandone l'affidabilità e la capacità sia di rilevare anomalie sulla singola bottiglia sia di monitorare le derive di processo su finestre di produzione. Successivamente, è stato sviluppato un modello predittivo basato su algoritmi di Machine Learning, in grado di correlare i parametri di processo con lo spessore misurato in linea. Una volta validata la sua capacità predittiva, il modello surrogato così ottenuto è stato impiegato per l'ottimizzazione inversa, suggerendo la configurazione di parametri di processo necessaria a conseguire una distribuzione di spessore obiettivo. La procedura è stata testata sperimentalmente in macchina, dimostrando che i parametri suggeriti conducono, entro un errore contenuto, al target prefissato. Il risultato ottenuto costituisce uno strumento di supporto decisionale quantitativo, in grado di fornire in modo preciso i parametri di processo necessari a raggiungere la distribuzione di spessore desiderata e pone le basi per un sistema di controllo capace di compensare autonomamente, mediante retroazione, le perturbazioni esterne.