Easy Vlies 4.0——应用人工智能对非织造布梳理机进行仿真和优化

F. Cloppenburg， T. Gries， S. Schlichter

1. 亚琛工业大学 纺织技术研究所 (德国) 2. 奥格斯堡纺织技术研究所(德国)

尽管自动化技术有所进步，但梳理生产线的设置和控制仍源于经验。基于生产环境条件变化而发生的过程错误或产品变化，生产线操作者通常根据他们的经验更改生产参数。在粗梳非织造布生产线中，梳理机对非织造布质量的影响最大。同时，梳理机参数的调整非常复杂，产品的质量很难预测。如果未及时发现生产环境变化、生产过程中的错误或生产参数设置不正确等问题，将导致废料产生或生产线停运。在德国，每年来自非织造布行业的废品价值高达5 000万 欧元，这些废品不得不以高成本回收利用。

Easy Vlies 4.0系统(图1)可用于解决该问题。开发该系统的项目始于2017年6月，由德国慕尼黑巴伐利亚州经济、媒体、能源与技术部资助。除奥格斯堡纺织技术研究所(ITA Augsburg)外，项目联盟还包括德国Dr. Schenk光学测量技术公司，测量和自动化系统制造商iba AG公司及非织造布制造商Tenowo 公司。

图1 Easy Vlies 4.0系统示意图

Easy Vlies 4.0系统旨在通过光学检测技术，整合所有相关测量数据，以提高梳理机的精度与经济效益，使其成为生产线上高度复杂的、控制梳理质量的中心。其基本目标是测量梳理后的纤网质量，获取所有相关因素，并对纤网质量和生产成本进行建模和仿真。

用于生产线末端织物检查的光学测量系统在项目开始时已经相当成熟，能够检测出产品缺陷，如孔洞、污渍或纤维缠结。光学检查系统的使用通常仅限于记录质量敏感非织造布的产品缺陷，以支持后续切割和包装工序需求。测量值不用于过程控制或设备设置的优化。在该项目中，进一步改良了Dr. Schenk公司的模块化光学测量系统，以直接测量经梳理机处理后的非织造布质量。目前，对使用的纤维材料进行校准之后，除了可检测产品缺陷外，还可高分辨测量非织造布质量，如基准质量及质量分布(CV值)。非织造布的光学均匀性是一个非常主观的参数，通过光学外观的标准偏差来测量。

以往，梳理机上的测量和自动化技术仅用于设置梳理机速度，少有闭合的控制回路。此外，生成的测量数据也很少存储。被记录的测量数据通常也是原始测量数据。在没有进一步信息的情况下，不适合对存储的原始数据进行分析。以前也从未对数据进行系统处理并将其传入机器模型中。iba AG公司开发出一种测量自动化系统，可轻松应用于现有工厂和新工厂。除了工厂的设置和测量值，测量自动化系统还可获取工厂环境条件、设备能耗和质量测量系统的测量值。亚琛工业大学纺织技术研究所(ITA)开发的数据预处理系统，大大提高了所测数据的质量和分析能力。例如，自动检测设置更改和机器异常，并标记相应的数据记录。此外，还创建了一个界面来记录重要的附加数据，如纤维混纺性能及手动机器设置。

该系统的第一个版本最初是在ITA Augsburg的试验线上实施的。该研究可在不中断非织造布制造商生产的情况下进一步开发组件。试验设计的测量数据被用于模拟具有人工神经网络的梳理过程。建模的目标值不仅有单个质量值，还有机器在不同参数设置下的生产成本。

这些模型的绝对误差低，具有良好的准确性。如表1所示，仅面密度的平均误差略有增加，为1.53 g/m2。其原因在于其基准变量较大，因为中试工厂配备的布料范围很广，用于生产再生碳纤维。因此，所使用的聚酯纤维在较高的旋转速度下仅有限地固定在衣服上。

表1 模型达到的准确性

生成的模型是开发梳理机最重要的驱动装置的辅助工具，可降低成本，提高利润。这项辅助工具不仅考虑设置对产品质量的影响，而且还兼顾经济性。这样可防止只考虑产品质量而不顾操作设备经济性的情况发生。使用基于ε约束法的优化算法，在满足所有约束的同时，优化了中心目标变量。在此应用案例中，中心目标值是特定的生产成本。质量限制被定义为约束。优化算法的结果是获得在最低成本生产前提下达到产品预设质量时参数的设定值。

Tenowo公司在日常生产中验证了部分系统的开发。将迁移学习方法用于建模，可大大减少必要的训练数据量。

对开发该系统的经济分析表明，系统组件的投资将很快得到回报。即使使用了99%的系统潜力，投资也将在大约1年后得到回报，如图2所示。

图2 以不同利率的前期优化投资的资本价值过程

该项目表明，在非织造布行业中，使用结构化的方法对人工智能在工业中应用具有巨大潜力。未来，ITA将与行业合作伙伴一起开展研究项目，进一步开发人工智能的应用潜力。