再议器材专件智能化的基础——纺织生产流程在线检测、质量数据挖掘和工艺参数优化

汪 军

(东华大学；中国纺织工程学会 新型纺纱专业委员会：上海 201620)

0 引言

近一年来，国内纺织智能化的热点持续保持，各种论坛会议也将纺织智能化作为主题，包括智能控制、大数据、产业互联网也频频与纺织行业相关联，那么智能化纺织未来究竟是什么样子？简单地说就是未来的纺织制造可以不需要人工操作，只需要人在后台进行监控即可，例如汽车智能无人驾驶就属于这一类，当然无人驾驶系统要实现商业化运行可能还需要数年，而纺织智能化的实现可能比这个智能驾驶的难度只高不低。

纺织智能化究竟需要攻克哪些技术呢？笔者认为大概可以分为3部分：第1部分是纺织学科以外的包括信息技术、计算机技术、机械制造技术等，这部分是其他学科技术的发展应用到纺织行业；第2部分则是纺织学科本身的发展，包括纤维材料、成形技术、纤维刚体耦合作用、纤维流体两相流作用等，这部分是本学科需要发展的；第3部分就是两者的有机结合。

因此，纺织设备信息、生产工艺信息接口及互联互通技术规范和标准、纺织智能制造信息物理系统(CPS)技术、纺织智能制造综合标准体系结构等都是需要发展的，但是这部分工作主要由信息技术方面的人来主导，纺织专业人士则是起配合作用。

那么作为纺织行业的技术人员在器材专件方面需要做哪些工作呢？在文献[1]中提及的“智能一般具有感知能力、记忆和思维能力、学习能力和自适应能力以及行为决策能力这四个方面的能力”的基础上，本文提出一些观点和建议。

1 纺织加工中人的作用

众所周知，纺织工业是世界上第一个产业化的工业领域，在工业化之前则是手工作坊式的加工，可以称为手工业，历史源远流长。目前一些地方还存在的“土纺土织”就属于这个范畴，其质量严重依赖于操作人员的水平。一些特殊的纺织品，比如缂丝、双面绣的大师称作为工艺大师，人的作用是巨大的。甚至一些出土文物的纺织品，我们目前还不能仿制，足见人的作用之大。

纺织行业中，与加工制造相关的人员一般可以分为两大类：一类是操作人员，俗称挡车工；另一类则是技术人员，包括总工、工艺设计人员等。通常而言，操作人员处理的工作相对单一，处理生产过程中的各种问题，保持生产的联系。技术人员则站的高度较高，负责流程和总体工艺路线、质量品质、产量等。这两类人在纺织行业都很重要，以前因为人工劳动力成本低，大量招工是纺织行业成为劳动密集型行业的主要原因。而实现真正智能纺织也就意味着第一类操作人员不需要了、第二类技术人员也几乎不需要了，真正需要的是整个智能纺织系统的设计和维护人员，可能也仅仅寥寥数人即可。

目前我国实施的智能化纺纱，比如说将万锭用工降低到10人，其实就是大量减少操作人员，其技术手段是单机的设备自动化程度提高、生产线的连续化程度提高。这一类的提高毕竟会有一个极限，或者说是瓶颈，就是降低到一定数量后不能再降了，如工艺设计人员、设备维护人员、细纱接头人员等。

从这个意义上讲，《纺织机械行业“十三五”发展指导性意见》中关于纺纱的发展趋势是合理的[2]。该意见指出：“十三五”期间，在提高设备制造质量及可靠性水平的基础上，提高连续化和智能化水平是纺纱机械发展的大趋势，实现纺纱车间夜班无人值守；进一步减少棉纺成套设备万锭用工，使纺纱生产更加高速、高产、优质、高效和节能；应用高新电子技术，实现成套棉纺设备的网络化数据传输、在线检测与在线控制，实现生产过程的连续化和生产管理的智能化，减少设备配台数量，提高设备利用效率；提高设备和专件的可靠性、纺纱的稳定性、一致性；提高设备的纺纱工艺和纺织品种适应性，满足纺织企业小批量多品种的需求；进一步研究电机、纺织空调等产品的节能降耗技术，降低纺企的吨纱能耗。

未来纺织智能化的进展中，如何替代人力(包括体力和脑力)、解放人力实际是个根本的关键问题。

2 纺织在线检测发展与深度学习的应用

纺织传感器得到快速发展与应用，使纺织在线检测的应用在量和质方面均得到极大提高。但是，其中一个重要的问题是如何准确地测试所需要的量，比如牵伸力、梳理力、牵伸区纤维的变速点等关系到纺织加工的重要参数是很难测试的。因此，微型高性能传感器以及适合纺织加工的传感器的研发至关重要。一方面我们提倡非接触测试，减少对纺织过程的干预和影响；另一方面我们希望传感器小型化，做到器材专件上，使之成为器材专件的一部分，这也许会成为智能化必不可少的一部分。

2016年以AlphaGo挑战围棋世界冠军并取胜为标志，使得深度学习为世人所知。实际上深度学习的概念源于人工神经网络，属于机器学习的范畴，目前以卷积神经网络居多，是机器学习中一种基于对数据进行表征学习的方法。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法替代手工获取特征。这对纺织智能有什么启示呢？应该说，纺织既有科学问题，也有技能问题。在长期的纺织实践过程中，相关人员掌握了特有技术，从某种意义上讲就是“特征”，这个特征有可能是一段口诀，也有可能是一个操作方法，更有可能是技术人员的一些经验。那么如果掌握这些经验，特别是“机器”掌握这些经验，就有可能实现智能纺织。如何将这样的经验变成知识，通常的方法有数据挖掘，即通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。而方兴未艾的深度学习有可能给我们带来一把崭新的金钥匙。

3 工艺参数优化与器材专件智能化

纺织加工过程中工艺参数的优化，在未来大数据的情况下，应该可以通过数据挖掘等方式建立关系，或者用深度学习的方法找到特征，工艺参数自然可以自动智能调整，并有实时检测数据监控，做到实时监控与自动调整。这些都基于有效的大数据信息以及有效的处理方法。

器材专件的智能化，本文认为有两个方面。

一是器材专件上结合传感器或者芯片，在实现器材专件的本身功能以外，还能实时参与测试、数据传输，做到器材就是传感器，传感器就是器材。二是专件本身具有智能功能，比如现有细纱接头就是一个很大的挑战，是纺纱连续化的拦路虎，如何参考转杯纺的自动接头，设计研发细纱机的自动接头装置是一个重要课题。

细纱机自动接头实际上是模仿并替代人工接头，人工接头是一个很复杂的动作，涉及眼、力、动作配合等，自动接头装置则会涉及到机器手、运动轨迹、精度配合等系列问题，确实很有挑战性。

4 结语

当越来越多的人讨论“智能纺织”的时候，站在纺织人的角度对智能纺织进行分析解读也是一个重要的环节，本文从纺织加工制造中人的作用、传感器发展与深度学习应用、工艺参数优化及器材专件智能化等方面进行分析和展望，为纺织智能化提供参考和借鉴。