Easy Vlies 4.0
——應用人工智能對非織造布梳理機進行仿真和優化

F. Cloppenburg， T. Gries， S. Schlichter

1. 亞琛工業大學 紡織技術研究所 (德國) 2. 奧格斯堡紡織技術研究所(德國)

盡管自動化技術有所進步，但梳理生產線的設置和控制仍源于經驗。基于生產環境條件變化而發生的過程錯誤或產品變化，生產線操作者通常根據他們的經驗更改生產參數。在粗梳非織造布生產線中，梳理機對非織造布質量的影響最大。同時，梳理機參數的調整非常復雜，產品的質量很難預測。如果未及時發現生產環境變化、生產過程中的錯誤或生產參數設置不正確等問題，將導致廢料產生或生產線停運。在德國，每年來自非織造布行業的廢品價值高達5 000萬 歐元，這些廢品不得不以高成本回收利用。

Easy Vlies 4.0系統(圖1)可用于解決該問題。開發該系統的項目始于2017年6月，由德國慕尼黑巴伐利亞州經濟、媒體、能源與技術部資助。除奧格斯堡紡織技術研究所(ITA Augsburg)外，項目聯盟還包括德國Dr. Schenk光學測量技術公司，測量和自動化系統制造商iba AG公司及非織造布制造商Tenowo 公司。

圖1 Easy Vlies 4.0系統示意圖

Easy Vlies 4.0系統旨在通過光學檢測技術，整合所有相關測量數據，以提高梳理機的精度與經濟效益，使其成為生產線上高度復雜的、控制梳理質量的中心。其基本目標是測量梳理后的纖網質量，獲取所有相關因素，并對纖網質量和生產成本進行建模和仿真。

用于生產線末端織物檢查的光學測量系統在項目開始時已經相當成熟，能夠檢測出產品缺陷，如孔洞、污漬或纖維纏結。光學檢查系統的使用通常僅限于記錄質量敏感非織造布的產品缺陷，以支持后續切割和包裝工序需求。測量值不用于過程控制或設備設置的優化。在該項目中，進一步改良了Dr. Schenk公司的模塊化光學測量系統，以直接測量經梳理機處理后的非織造布質量。目前，對使用的纖維材料進行校準之后，除了可檢測產品缺陷外，還可高分辨測量非織造布質量，如基準質量及質量分布(CV值)。非織造布的光學均勻性是一個非常主觀的參數，通過光學外觀的標準偏差來測量。

以往，梳理機上的測量和自動化技術僅用于設置梳理機速度，少有閉合的控制回路。此外，生成的測量數據也很少存儲。被記錄的測量數據通常也是原始測量數據。在沒有進一步信息的情況下，不適合對存儲的原始數據進行分析。以前也從未對數據進行系統處理并將其傳入機器模型中。iba AG公司開發出一種測量自動化系統，可輕松應用于現有工廠和新工廠。除了工廠的設置和測量值，測量自動化系統還可獲取工廠環境條件、設備能耗和質量測量系統的測量值。亞琛工業大學紡織技術研究所(ITA)開發的數據預處理系統，大大提高了所測數據的質量和分析能力。例如，自動檢測設置更改和機器異常，并標記相應的數據記錄。此外，還創建了一個界面來記錄重要的附加數據，如纖維混紡性能及手動機器設置。

該系統的第一個版本最初是在ITA Augsburg的試驗線上實施的。該研究可在不中斷非織造布制造商生產的情況下進一步開發組件。試驗設計的測量數據被用于模擬具有人工神經網絡的梳理過程。建模的目標值不僅有單個質量值，還有機器在不同參數設置下的生產成本。

這些模型的絕對誤差低，具有良好的準確性。如表1所示，僅面密度的平均誤差略有增加，為1.53 g/m2。其原因在于其基準變量較大，因為中試工廠配備的布料范圍很廣，用于生產再生碳纖維。因此，所使用的聚酯纖維在較高的旋轉速度下僅有限地固定在衣服上。

表1 模型達到的準確性

生成的模型是開發梳理機最重要的驅動裝置的輔助工具，可降低成本，提高利潤。這項輔助工具不僅考慮設置對產品質量的影響，而且還兼顧經濟性。這樣可防止只考慮產品質量而不顧操作設備經濟性的情況發生。使用基于ε約束法的優化算法，在滿足所有約束的同時，優化了中心目標變量。在此應用案例中，中心目標值是特定的生產成本。質量限制被定義為約束。優化算法的結果是獲得在最低成本生產前提下達到產品預設質量時參數的設定值。

Tenowo公司在日常生產中驗證了部分系統的開發。將遷移學習方法用于建模，可大大減少必要的訓練數據量。

對開發該系統的經濟分析表明，系統組件的投資將很快得到回報。即使使用了99%的系統潛力，投資也將在大約1年后得到回報，如圖2所示。

圖2 以不同利率的前期優化投資的資本價值過程

該項目表明，在非織造布行業中，使用結構化的方法對人工智能在工業中應用具有巨大潛力。未來，ITA將與行業合作伙伴一起開展研究項目，進一步開發人工智能的應用潛力。