JP2021177380A - 紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置および方法 - Google Patents

紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置および方法 Download PDF

Info

Publication number
JP2021177380A
JP2021177380A JP2021076257A JP2021076257A JP2021177380A JP 2021177380 A JP2021177380 A JP 2021177380A JP 2021076257 A JP2021076257 A JP 2021076257A JP 2021076257 A JP2021076257 A JP 2021076257A JP 2021177380 A JP2021177380 A JP 2021177380A
Authority
JP
Japan
Prior art keywords
information
defect
textile
causes
configuration information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2021076257A
Other languages
English (en)
Inventor
フォン グリューニゲン セルヴィン
Von Gruenigen Selwyn
ゲーリング ダーフィト
Gehring David
ティー パティル ニティン
T Patil Nitin
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Maschinenfabrik Rieter AG
Original Assignee
Maschinenfabrik Rieter AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=70482419&utm_source=***_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=JP2021177380(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Maschinenfabrik Rieter AG filed Critical Maschinenfabrik Rieter AG
Publication of JP2021177380A publication Critical patent/JP2021177380A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • D—TEXTILES; PAPER
    • D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
    • D01H—SPINNING OR TWISTING
    • D01H13/00—Other common constructional features, details or accessories
    • D01H13/32—Counting, measuring, recording or registering devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
    • B65H26/00—Warning or safety devices, e.g. automatic fault detectors, stop-motions, for web-advancing mechanisms
    • D—TEXTILES; PAPER
    • D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
    • D01G—PRELIMINARY TREATMENT OF FIBRES, e.g. FOR SPINNING
    • D01G31/00—Warning or safety devices, e.g. automatic fault detectors, stop motions
    • D01G31/006—On-line measurement and recording of process and product parameters
    • D—TEXTILES; PAPER
    • D01—NATURAL OR MAN-MADE THREADS OR FIBRES; SPINNING
    • D01H—SPINNING OR TWISTING
    • D01H13/00—Other common constructional features, details or accessories
    • D01H13/14—Warning or safety devices, e.g. automatic fault detectors, stop motions ; Monitoring the entanglement of slivers in drafting arrangements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
    • G05B23/0281—Quantitative, e.g. mathematical distance; Clustering; Neural networks; Statistical analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31263—Imbedded learning for planner, executor, monitor, controller and evaluator
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45145—Milling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45191—Spinning, web spinning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Textile Engineering (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Spinning Or Twisting Of Yarns (AREA)
  • General Factory Administration (AREA)

Abstract

【課題】紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する。【解決手段】紡績工場（Ｍ）は、繊維材料を連続的に加工処理するための複数の繊維機械を有している。電子装置は、１つ以上の繊維機械および１つ以上の繊維材料のパラメータ情報を受信し、基準情報とは異なっている、繊維材料のパラメータ情報を識別することにより、欠陥（ｄＦ）とその位置とを検出し、紡績工場（Ｍ）の繊維機械の構成情報にアクセスし、紡績工場（Ｍ）内の考えられる欠陥の考えられる原因についての知識に関する知識ベース情報にアクセスし、かつパラメータ情報、構成情報、および知識ベース情報を１つ以上の機械学習アルゴリズムに適用して、欠陥（ｄＦ）の１つ以上の原因（ｅＳ１，ｅＳ２）を推定するように構成されている。【選択図】図３

Description

本開示は、紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置および方法に関する。
関連技術の説明
紡績工場は典型的に、天然繊維、合成繊維およびこれらの混合物を、所望の量および質の糸に変えるための、多数の繊維機械を有している。繊維準備用の繊維機械、紡績準備用の繊維機械、リング精紡機、コンパクト精紡機、ロータ精紡機、エアジェット精紡機、自動化機械、ワインダ、テクスチャリング機械等といった、いくつかの形式の繊維機械が、生産ラインに沿って配置されてよい。紡績工場は、異なる形式の数百の繊維機械を有していてよく、数百平方メートルの面積をカバーすることがある。さらに、繊維機械は数百または数千のコンポーネント、特に並列して走行する繊維材料を処理するためのコンポーネントを有していることがある。天然繊維および合成繊維およびそれらの混合物を糸に変えるプロセスの最中に、繊維材料は開繊かつ洗浄されてカードスライバに変えられ、練条機および／または粗紡機により処理され、糸に紡がれ、前の繊維機械から次の繊維機械へ自動的に搬送され、引き続く生産プロセスにおいて適当な糸性能を保証するために巻き返され、平らなフィラメント糸等に繊維の外観を提供するためにテクスチャリングされる。一連の生産ラインに沿って所望の生産能力を提供するために、繊維機械または繊維機械のコンポーネントは、並列的な構成を含んでいることがある。よって、前の処理ステップに、次の処理ステップが連続的に続く場合があり、この場合、前の処理ステップは、次の処理ステップよりも少ないまたは多くの、繊維材料を処理するための並列的な繊維機械またはコンポーネントを必要とすることがある。例えば、スライバを送る繊維準備ステップは、スライバを糸に紡ぐステップよりも少ない並列的な機械またはコンポーネントを必要とすることがある。さらに、フレキシビリティ、冗長性、機械メンテナンス等の目的のために、特定の期間の間、代替的または追加的な生産能力を提供することができる追加的な機械が配置され得る。さらに、例えば生産計画に応じて、昼間よりも夜間の方が、必要とされる繊維機械が少なく、特定の繊維機械が特定の期間、停止させられる場合もある。例えば、後の期間中の生産には、前の期間中とは異なる繊維機械セットが含まれることがある。
紡績工場の操業では、様々なパラメータが取得され得る。取得したパラメータは、繊維機械のパラメータおよび／または天然繊維、合成繊維およびそれらの混合物、スライバ、粗糸、糸等の繊維材料のパラメータに関連付けることができる。繊維機械のパラメータは、回転速度、電力消費量、潤滑剤の化学的な特性等の、物理パラメータ、化学パラメータ等に関連付けることができる。繊維材料のパラメータは、太さ、密度、繊維の化学的な特性等の、物理パラメータ、化学パラメータ等に関連付けることができる。紡績工場は、繊維機械および／または繊維材料のパラメータを取得するための複数のセンサを有している場合がある。繊維機械および／または繊維材料のパラメータの取得には、繊維機械および／または繊維材料からサンプルを取り、このサンプルを実験室で、特にサンプルの機械的／物理的および／または化学的な特性を確定するために検査することが必要になる場合がある。
紡績工場の操業では、繊維機械のパラメータを連続的または定期的に取得して監視することができ、パラメータが所定の基準情報と異なっている場合には、欠陥が発生していると結論付けることができ、修正措置が自動的にまたは手動で講じられてよい。繊維機械に関係する欠陥の原因、例えば基準情報からの回転速度の差は、多くの場合、正確かつ迅速に確定され、修正され得る。しかしながら、紡績工場の繊維機械の全てのシングルパラメータを取得することができないと、紡績工場は、繊維機械に生じる可能性のある全ての欠陥を検出するために十分な数のセンサを有してはいないことになる、またはセンサが壊れている場合には、繊維機械のパラメータと基準情報とを比較することによる紡績工場内の欠陥の検出が不十分な場合がある。
したがって、繊維機械のパラメータの取得に加えてまたは代えて、繊維材料のパラメータを追加的または択一的に取得し、生産中に監視する場合がある。繊維材料のパラメータが基準情報と異なっている場合には、欠陥が発生していると結論付けることができる。ただし欠陥の原因は、まさに欠陥のある繊維材料を生産した繊維機械に関連付けられる場合だけではなく、択一的または追加的に、先行の上流処理ステップのいずれかに関連付けられる場合もある。例えば、上流の各繊維機械が必要とされるセンサを有していないかまたは壊れたセンサを有しており、後の処理ステップと連携しないと、欠陥が発生したことを検出することができなくなる場合がある。よって、検出された欠陥を生ぜしめた欠陥の原因は不明のままである。今日の紡績工場では、繊維材料と基準情報との比較により検出された欠陥の原因を探るためには、経験豊富な生産スタッフおよび／または外部への相談が必要とされている。しかしながら、経験豊富なスタッフおよび／または外部への相談が、常に利用可能でない場合もあり、欠陥の原因を修正するために、結果的に大幅な遅れが生じることがある。
特に生産損失を最小限にするためには、紡績工場内の欠陥の原因を可能な限り迅速に修正することが最も重要である。
欧州特許出願公開第３１７５０２５号明細書には、紡績ラインを監視するシステムが開示されている。検出デバイスが、繊維機械と、予測メンテナンスを実現するために大量のデータ（ビッグデータ）を処理する主記憶手段とに関連付けられている。繊維機械のコンポーネントの物理的な値、例えば動作パラメータ、例えばサポート構造の温度、吸引ダクト内の圧力、振動検出の加速、機械の各機関の間の距離、電動モータによって吸収される電流、ベルトの張りを検出する力、機械の画像を提供するウェブカムが検出される。
欧州特許出願公開第３１７０７７８号明細書に開示された繊維管理システムには、複数の繊維機械が含まれており、繊維機械は、複数の繊維処理ユニット、繊維処理ユニットを制御するように構成された制御装置、全てのまたはいくつかの繊維処理ユニットに設けられた１つ以上の共通装置、および繊維機械を管理するように構成された管理装置を含んでいる。繊維処理ユニット／共通装置の状態に関する情報が取得され、第１の状態取得ユニットが、繊維処理ユニットの状態に関する情報、共通装置の状態に関する情報、および条件（例えば設置箇所における温度、湿度）に関する情報を取得するようになっており、その一般的な例には、糸の太さを検出するための糸監視装置、巻取り区間における振動を検出するための振動センサ、糸接合区間におけるノイズを検出するためのノイズセンサ、定期メンテナンスを管理するため、繊維処理ユニットの状態を分析する（例えば欠陥を検出する）ための、繊維機械を管理する管理装置、が含まれる。
欧州特許出願公開第２３５２８６７号明細書には、紡績工場といった繊維プラントにおいて、原材料が生産過程において、いくつかの処理ステップで中間製品および最終製品に処理される場合の生産過程の監視が開示されている。原材料、中間製品および／または最終製品のパラメータは、少なくとも２つの異なる処理ステップにおいて測定され、データベースに記憶されると共にインデックスファイルにリンクされる。よって１つのロットに用いられる質が、供給合意を得るようにもたらされる糸の質を提供するために必要なロットの質とも称し得るロットの質に、可能な限り近づいている。
欧州特許出願公開第０５５６３５９号明細書には、生産された製品の質を知らせる信号の基礎知識、例えば繊維アセンブリまたは繊維フィラメントのパラメータの検査により得られるスペクトログラムに基づく評価による欠陥診断が開示されている。第１の評価ユニットは、スペクトログラムの特有の偏りを検出し、各偏差に対していわゆる欠陥ディスクリプタを生成するために使用される。第２の評価ユニットは、基礎知識に基づき各欠陥ディスクリプタに対して可能性のある障害を確定する。生じる欠陥は自動的に検出され、迅速かつ確実に診断され得る。このシステムは、各繊維機械の構造の正確な記述を必要とする。サブシステムは、最終的に欠陥の原因となるコンポーネント（例えばシリンダ、ストラップ）に到達するまで細分化される場合がある。各オブジェクトは、ツリー構造におけるノードにより記述される。
欧州特許出願公開第０６８５５８０号明細書には、糸、粗糸およびスライバにおける製品欠陥の原因の記録が開示されている。記録された欠陥は、エラーパターンを提供するために、所定のパラメータに従って表される。エラーパターンは、欠陥の原因に対する参照値を作成するために用いられる。
https://towardsdatascience.com/top-10-algorithms-for-machine-learning-beginners-149374935f3cには、機械学習アルゴリズムおよび可能な実生活における応用が開示されている。
発明の簡単な概要
紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置および方法が必要な場合がある。特に、従来技術の欠点のうちの少なくともいくつかを克服する、紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置および方法が必要な場合がある。特に、欠陥の１つ以上の原因の迅速かつ正確な推定を可能にする、紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置および方法が必要な場合がある。
このような要求は、独立請求項の主題により満たすことができる。有利な実施形態は、従属請求項に記載されている。
本発明の１つの態様は、繊維材料を連続的に加工処理するための複数の繊維機械を有する紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する電子装置に関する。電子装置は、１つ以上の繊維機械および１つ以上の繊維材料のパラメータ情報を受信するステップ、基準情報とは異なる繊維材料のパラメータ情報を識別することにより欠陥およびその位置を検出するステップ、紡績工場の繊維機械の構成情報にアクセスするステップ、紡績工場内の考えられる欠陥の考えられる原因についての知識に関する知識ベース情報にアクセスするステップ、およびパラメータ情報と、構成情報と、知識ベース情報とを１つ以上の機械学習アルゴリズムに適用して、欠陥の１つ以上の原因を推定するステップの、各ステップを実行するように構成されている。
電子装置により受信されるパラメータ情報には、ロータの回転速度、繊維機械の電力消費量、潤滑剤の質等といった、繊維機械のコンポーネントのパラメータ値が含まれていてよい。さらに、電子装置により受信されるパラメータ情報には、繊維材料の直径、繊維材料の繊維密度等といった、繊維材料のパラメータ値が含まれていてよい。電子装置により受信されるパラメータ情報は、電子センサにより取得されたパラメータ値、実験室で分析された結果において確定されたパラメータ値等に関係し得る。
取得された繊維材料のパラメータには、特に繊維湿分、繊度、繊維長、繊維長均一性、繊維強度、繊維ネップ、繊維成熟度、繊維色、繊維屑、スライバ／粗糸のカウント／ハンク、スライバ／粗糸の重量偏差、スライバ／粗糸の一様性、太い箇所、細い箇所、撚度、糸強度、糸の伸長特性、引張り強さ、撚りおよびカウント、糸の毛羽立ち、糸の摩擦抵抗摩耗特性、糸の色およびその他のうちの１つまたは複数が含まれていてよい。同様に、繊維材料のパラメータには、（ＤＮＡタグ付けを含む）分子タグ付けに用いられる情報等の分子情報が含まれていてよい。繊維機械のパラメータは、例えば潤滑剤の質を確定するために潤滑剤のサンプルを採取することにより取得され得る。同様に、本発明の変化態様では、繊維機械および／または繊維材料のパラメータは、例えば繊維材料の供給者の品質データ（例えば原綿の品質情報）、タイプ指定／製品番号および／または材料特性および／または潤滑剤等の消耗品の有効期限等の外部の情報提供事項に基づいていてよい。
本発明の別の変化態様では、原材料倉庫および／または中間品用倉庫および／または完成品用倉庫内の気候条件（例えば温度、湿度、日射、（測定されたかまたは外部情報源および／または日付および／または時間に基づく）太陽の位置）に関する測定値は、繊維機械および／または繊維材料のパラメータとしてまたは環境パラメータとして記録されてもよい。例えば、気候条件のパラメータ（例えば温度、湿度、日射、（測定されたかまたは外部情報源および／または日付および／または時間に基づく）太陽の位置）は、紡績工場の少なくとも１つの部門、特に、特定の繊維機械および／または少なくとも１つの個別の繊維機械および／または少なくとも１つの個別の繊維機械の最小の個別の加工処理ユニットの領域に記録されてもよい。このことは例えば、天候に関係する生産上の影響が考慮されるということを可能にする。個別の機械または個別の加工処理ユニットにおいてこのようなパラメータを取得することにより、紡績工場の気候管理における一般的または断続的な問題が明らかにされ得る。このようにして、誤って調整または配列された空調システムのノズルが検出され得る。同様に、外側のドアの開放または窓を介した日射が生産に及ぼすと考えられるネガティブな影響も確定され得る。繊維工員の存在および識別に関する情報をパラメータとして取得することも考えられる。
繊維材料のパラメータ情報が基準情報とは異なっている場合、電子装置は、繊維材料が最早所定の量および／または質に基づいて生産されてはいないことを検出すると共に、紡績工場内の欠陥を検出する。欠陥の位置は、特定のパラメータ情報に対応する。例えば、特定の繊維機械により生産された特定の繊維材料の直径が基準直径とは異なっている場合、欠陥は、この特定の繊維機械にある。ただし、欠陥の原因は、この特定の繊維機械だけにあるのではなく、欠陥の原因は、特定の繊維材料を生産するために含まれていた上流側のいずれかの繊維機械にもある場合がある。従来技術では、欠陥の原因を確定するためには、経験豊富な生産スタッフまたは外部への相談が必要とされる。量または質が低下した状態での引き続く生産は許容不可能であるため、欠陥の原因が確定され修正されるまで、紡績工場または特定の繊維機械を停止させる必要がある。
電子装置は、紡績工場の繊維機械の構成情報にアクセスするように構成されている。例えば、構成情報には繊維機械のタイプ、繊維機械の位置、繊維機械間の搬送システム、直近のメンテナンス等に関する情報が含まれていてよい。
電子装置は、紡績工場内の考えられる欠陥の考えられる原因についての知識に関する知識ベース情報にアクセスするように構成されている。例えば知識ベース情報には、繊維材料の直径における特定の誤った変動の場合、欠陥の原因は別の繊維機械よりも練条機にある可能性が高く、特定の誤った繊維密度の場合、欠陥の原因が練条機にある可能性は低い、等の情報が含まれていてよい。
電子装置は、情報、すなわちパラメータ情報、構成情報、および知識ベース情報を機械学習アルゴリズムに適用して、欠陥の原因を推定するように構成されている。機械学習アルゴリズムは、受信しかつアクセスした情報に基づき、欠陥の原因の極めてロバストかつ有力な推定を可能にし、これにより、欠陥の原因の推定を迅速かつ正確に可能にする。
いくつかの実施形態では、装置には、欠陥の１つ以上の原因を表示するためのコンピュータモニタ等の表示手段が含まれる。したがって、紡績工場に関する技術情報が迅速かつ正確に供給され、これにより、是正措置を迅速かつ正確に講じることが可能になる。
いくつかの実施形態では、装置はさらに、是正措置を自動的に講じるように構成されている。例えば、装置はネットワークインタフェースを含み、コンピュータネットワークおよび繊維機械に装備された各ネットワークインタフェースを介して繊維機械を制御するために、欠陥の１つ以上の原因に関する情報を使用するように構成されている。よって、是正措置が迅速かつ正確に講じられる。
本発明の１つの好適な実施形態では、装置はさらに、１つ以上のパラメータ値と１つ以上の基準値との間の差を閾値と比較することにより、基準情報とは異なっている繊維材料のパラメータ情報を識別するステップを実行するように構成されている。欠陥の検出は、繊維材料の直径および繊維密度等の複数の基準値により規定される複雑な量および／または質の要件の場合にも可能である。
本発明の１つの好適な実施形態では、装置はさらに、欠陥の位置と、欠陥の１つ以上の原因とから繊維機械の１つ以上の考えられるまたは可能性の高い配列を確定するために、構成情報を用いるステップを実行するように構成されている。機械学習アルゴリズムは、欠陥の考えられるまたは可能性の高い原因に限定され得るため、精度と速度とが向上する。
本発明の１つの好適な実施形態では、装置はさらに、欠陥の位置と、欠陥の１つ以上の原因とから繊維機械の１つ以上のあり得ないまたは可能性の低い配列を確定するために、構成情報を用いるステップを実行するように構成されている。欠陥のあり得ないまたは可能性の低い原因は、機械学習アルゴリズムから除外され得るため、精度と速度とが向上する。例えば、最近メンテナンスが行われた繊維機械を含む配列は、かなり前にメンテナンスが行われた繊維機械を含む配列よりも可能性は低い。
本発明の１つの好適な実施形態では、装置はさらに、時間に依存するパラメータ情報と、時間に依存する構成情報のうちの１つ以上を用いるステップを実行するように構成されている。欠陥が検出されると、装置は以前のパラメータ情報および／または以前の構成情報を使用して、欠陥の１つ以上の原因を推定することができるようになっている。例えば、夜間には日中とは異なる繊維機械セットが含まれる場合があり、この場合は機械学習アルゴリズムから欠陥のあり得ない原因が除外され得るため、精度と速度とが向上する。
本発明の１つの好適な実施形態では、装置はさらに、パラメータ情報、構成情報、および知識ベース情報を、線形回帰技術、ロジスティック回帰技術、サポートベクターマシン、デシジョンツリー、ランダムフォレスト技術、Ｋ近傍法、Ｋ平均法技術、単純ベイズ分類器、および主成分分析技術から選択された１つ以上の機械学習アルゴリズムに適用するステップを実行するように構成されており、この場合特に、不十分なパラメータ情報、誤ったパラメータ情報、不十分な構成情報、誤った構成情報、不十分な知識ベース情報、および誤った知識ベース情報のうちの１つ以上が考慮される。従来技術には、列挙した技術から成る機械学習アルゴリズムに紡績工場の情報を適用する開示または提案は含まれていない。列挙した技術は、欠陥の原因の推定を迅速かつ正確に可能にする、という利点を有している。特に、列挙した技術およびアルゴリズムは、不十分な情報の場合でもロバストであるという利点を有している。
本発明の１つの好適な実施形態では、装置はさらに、補足的な構成情報を要求しかつ／または補足的な構成情報にアクセスするステップ、および補足的な構成情報を１つ以上の機械学習アルゴリズムに適用するステップを実行するように構成されている。特に機械学習アルゴリズムは、補足的な構成情報が、欠陥の１つ以上の原因を推定する精度を向上させ得るか否かの情報を提供し得る設計を可能にする。例えば、パラメータ情報および／または構成情報は、不十分に受信される場合があり、電子装置により、さらなる情報が要求されかつ／またはアクセスされる場合がある。例えば追加的な情報は、装置が最初に受信しなかったロータの摩耗または直近の交換に関係するものであってよい。
本発明の１つの好適な実施形態では、装置はさらに、欠陥の１つ以上の原因に関係する繊維機械および／または繊維機械のコンポーネントの交換、修理、変更、および／または異なる調整が必要な場合の情報を確定するステップを実行するように構成されている。例えば装置は、繊維機械および／または繊維機械のコンポーネントの交換、修理、変更、および／または異なる調整が必要な場合の情報に関連する欠陥の原因を記憶したデータベースにアクセスするように構成されている。
本発明の１つの好適な実施形態では、特に欠陥の１つ以上の原因に関係するメンテナンス作業の結果として、紡績工場の１つ以上の繊維機械のダウンタイムが生じる場合、装置はさらに、１つ以上の追加的な繊維機械および／または繊維機械の１つ以上の追加的なコンポーネントのメンテナンス作業に関する情報を確定するステップを実行するように構成されている。メンテナンス作業の結果、紡績工場または繊維機械のダウンタイムが生じる場合がある。例えば、練条・スライバコイラユニットから繊維材料を受け取る繊維機械の粗紡機を修理することが必要な場合には、練条・スライバコイラユニットにおける今後の欠陥の原因のリスクを減らすために、練条・スライバコイラユニットのメンテナンス作業に関係する技術情報が提供され得る。
本発明の１つの好適な実施形態では、装置はさらに、欠陥の１つ以上の原因に関係するメンテナンス作業の結果として欠陥の修正が生じたか否かを知らせるフィードバック情報を受信するステップ、およびこれに応じて知識ベース情報を更新するステップを実行するように構成されている。欠陥の原因がうまく修正されてから、知識情報は、類似または同一の欠陥の場合の精度を向上させるために更新され得る。
本発明の別の態様は、繊維材料を連続的に加工処理するための複数の繊維機械を有する紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する方法に関する。この方法は、電子装置を用いて、１つ以上の繊維機械および１つ以上の繊維材料のパラメータ情報を受信するステップ、電子装置を用いて、基準情報とは異なっている繊維材料のパラメータ情報を識別することにより欠陥およびその位置を検出するステップ、電子装置を用いて、紡績工場の繊維機械の構成情報にアクセスするステップ、電子装置を用いて、紡績工場内の考えられる欠陥の考えられる原因についての知識に関する知識ベース情報にアクセスするステップ、および電子装置を用いて、パラメータ情報と、構成情報と、知識ベース情報とを１つ以上の機械学習アルゴリズムに適用して、欠陥の１つ以上の原因を推定するステップを含む。
本発明の１つの好適な実施形態では、方法はさらに、１つ以上のパラメータ値と１つ以上の基準値との間の差を閾値と比較することにより、基準情報とは異なっている繊維材料のパラメータ情報を識別するステップを含む。
本発明の１つの好適な実施形態では、方法はさらに、欠陥の位置と、欠陥の１つ以上の原因とから繊維機械の１つ以上の考えられるまたは可能性の高い配列を確定するために、構成情報を用いるステップを含む。
本発明の１つの好適な実施形態では、方法はさらに、欠陥の位置と、欠陥の１つ以上の原因とから繊維機械の１つ以上のあり得ないまたは可能性の低い配列を確定するために、構成情報を用いるステップを含む。
本発明の１つの好適な実施形態では、方法はさらに、時間に依存するパラメータ情報と、時間に依存する構成情報のうちの１つ以上を用いるステップを含む。
本発明の１つの好適な実施形態では、方法はさらに、線形回帰技術、ロジスティック回帰技術、サポートベクターマシン、デシジョンツリー、ランダムフォレスト技術、Ｋ近傍法、Ｋ平均法技術、単純ベイズ分類器、および主成分分析技術のうちの１つ以上を含む１つ以上の機械学習アルゴリズムを適用するステップを含み、この場合特に、不十分なパラメータ情報、誤ったパラメータ情報、不十分な構成情報、誤った構成情報、不十分な知識ベース情報、および誤った知識ベース情報のうちの１つ以上が考慮される。
本発明の１つの好適な実施形態では、方法はさらに、補足的な構成情報を要求しかつ／または補足的な構成情報にアクセスするステップ、および補足的な構成情報を１つ以上の機械学習アルゴリズムに適用するステップを含む。
本発明の１つの好適な実施形態では、方法はさらに、欠陥の１つ以上の原因に関係する繊維機械および／または繊維機械のコンポーネントの交換、修理、変更、および／または異なる調整が必要な場合の情報を確定するステップを含む。
本発明の１つの好適な実施形態では、特に欠陥の１つ以上の原因に関係するメンテナンス作業の結果として、紡績工場の１つ以上の繊維機械のダウンタイムが生じる場合、方法はさらに、１つ以上の追加的な繊維機械および／または繊維機械の１つ以上の追加的なコンポーネントのメンテナンス作業に関する情報を確定するステップを含む。
本発明の１つの好適な実施形態では、方法はさらに、欠陥の１つ以上の原因に関係するメンテナンス作業の結果として欠陥の修正が生じたか否かを知らせるフィードバック情報を受信するステップ、およびこれに応じて知識ベース情報を更新するステップを含む。
本発明は、図示の例により与えられた１つの実施形態の説明を援用することで、より良く理解されるであろう。
投入繊維材料を産出繊維材料に加工処理するための紡績工場の例示的な繊維機械を概略的に示す図である。 紡績工場の１つの例示的な構成、および紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置を概略的に示す図である。 紡績工場の１つの例示的な構成、検出された欠陥、欠陥の２つの考えられる原因、および紡績工場内の欠陥を検出しかつ欠陥の２つの考えられる原因を推定する装置を概略的に示す図である。 紡績工場が欠陥を有していることを検出しかつ欠陥の１つ以上の原因を推定する方法の可能な方法ステップを概略的に示す図である。
発明の詳細な説明
図１は、投入繊維材料１，２，３，４，５，６，７を産出繊維材料２，３，４，５，６，７，８に加工処理するための紡績工場の例示的な繊維機械１２，２３，３４，４５，５６，６７，７８を概略的に示す図である。紡績工場に応じて、異なる形式の繊維機械１２，２３，３４，４５，５６，６７，７８および／または異なる配列の繊維機械１２，２３，３４，４５，５６，６７，７８が含まれている場合がある。図１に示す例では、繊維機械の１つ以上の吹付け室１２が、原綿１をシュートマット２に加工処理するために配置されている。繊維機械の１つ以上のカーディング機２３が、シュートマット２をカードスライバ３に加工処理するために配置されている。繊維機械の１つ以上のブレーカ練条機３４が、カードスライバ３をブレーカ練条スライバ４に加工処理するために配置されている。繊維機械の１つ以上のフィニッシャ練条機４５が、ブレーカ練条スライバ４をフィニッシャ練条スライバ５に加工処理するために配置されている。繊維機械の１つ以上の粗紡機５６が、フィニッシャ練条スライバ５を粗糸６に加工処理するために配置されている。繊維機械の１つ以上のリング精紡機６７が、粗糸６をリング管糸７に加工処理するために配置されている。繊維機械の１つ以上の巻取り機７８が、リング管糸７を糸コーン８に加工処理するために配置されている。
紡績工場は、元の繊維材料１から所望の繊維材料８を所望の量および／または質で生産することを可能にする。図１に示す繊維機械１２，２３，３４，４５，５６，６７，７８はそれぞれ、所望の量および／または質が得られるように、投入繊維材料１，２，３，４，５，６，７を産出繊維材料２，３，４，５，６，７，８に加工処理するように構成されている。産出繊維材料２，３，４，５，６，７，８の量および／または質は、繊維機械１２，２３，３４，４５，５６，６７，７８のパラメータおよび／または投入繊維材料１，２，３，４，５，６，７のパラメータに依存する。産出繊維材料２，３，４，５，６，７，８の量および／または質は、特定の繊維機械１２，２３，３４，４５，５６，６７，７８の直接投入繊維材料１，２，３，４，５，６，７に依存し得るだけでなく、上流側の任意の繊維機械１２，２３，３４，４５，５６により生産された上流側の任意の繊維材料２，３，４，５，６のパラメータならびに元の繊維材料１のパラメータにも依存し得る。例えば、フィニッシャ練条機４５の直接投入繊維材料４はブレーカ練条スライバ４である一方で、その上流側の繊維材料は、原綿１、シュートマット２、およびカードスライバ３を含んでいる。よって、直接投入繊維材料１，２，３，４，５，６，７の量および／または質が所望の量および／または質と一致しない場合には、産出繊維材料２，３，４，５，６，７，８の量および／または質が低下することがあるだけでなく、その上流側の投入繊維材料１，２，３，４，５，６の量および／または質が所望の量および／または質と一致しない場合にも、産出繊維材料３，４，５，６，７，８の量および／または質が低下することがある。例えば、原綿１、シュートマット２、およびカードスライバ３のうちの１つ以上の繊維材料の量および／または質が所望の量および／または質と一致しない場合には、繊維機械の練条機４５により生産されるフィニッシャ練条スライバ５の量および／または質が低下することがある。
図２には、紡績工場Ｍの１つの例示的な構成が概略的に示されている。さらに図２には、紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因ｅＳ１，ｅＳ２を推定する装置Ｅが概略的に示されている。図２に示す紡績工場Ｍには、図１に示した繊維機械とは異なるかつ／または追加的な繊維機械が含まれている。本開示は、図２に示した紡績工場Ｍの例示的な構成に限定されるものではなく、紡績工場の別の任意の構成にも適用される。
図２に示す紡績工場Ｍは、原材料１をいわゆるマイクロタフト２に加工処理するベールオープナー１２を有している。ベールオープナー１２には、マイクロタフト２を予洗済み繊維材料３に予洗処理する予洗機２３が続く。予洗機２３には、予洗済み繊維材料３を混合繊維材料４に加工処理する均一ミキサ３４が続く。均一ミキサ３４には、混合繊維材料４を高度洗浄して高度洗浄済み繊維材料５にする貯蔵・供給機４５が続く。貯蔵・供給機４５には、高度洗浄済み繊維材料５を追加洗浄して追加洗浄済み繊維材料６にするコンデンサ５６が続く。コンデンサ５６には、追加洗浄済み繊維材料６をカードスライバコイル７に加工処理する繊維機械の４つの練条・スライバコイラ６７．１，６７．２，６７．３，６７．４が続く。４つの練条・スライバコイラユニット６７．１，６７．２，６７．３，６７．４には、カードスライバコイル７を粗糸８に加工処理する繊維機械の８つの粗紡機７８．１，７８．２，７８．３，７８．４，７８．５，７８．６，７８．７，７８．８が続く。８つの粗紡機７８．１，７８．２，７８．３，７８．４，７８．５，７８．６，７８．７，７８．８には、粗糸８をリング管糸（紡績コップ）９に加工処理する繊維機械の２つのリング精紡機８９．１，８９．２が続く。
図２に示すように、搬送システムは、繊維材料を上流側の繊維機械から次の繊維機械へ搬送するように配置されている。搬送システムには、管路システムＤ、トロッコ（若しくはカート）システムＴ、レールシステムＲ等が含まれていてよい。例えば、管路システムＤにおいて繊維材料は、ベンチレータにより生ぜしめられる空気流により搬送される。例えば、トロッコシステムＴにおいて繊維材料は、トロッコに配置されたコンテナにより搬送される。例えば、レールシステムＲにおいて繊維材料は、レール上に配置された搬送装置により搬送される。その他の搬送システムも含まれていてよい。図２に示す例では、管路システムＤが繊維材料を、ベールオープナー１２、予洗機２３、均一ミキサ３４、貯蔵・供給機４５、コンデンサ５６、および繊維機械の練条・スライバコイラ６７．１，６７．２，６７．３，６７．４を含む一連の繊維機械を通して搬送するように配置されている。トロッコシステムＴは、繊維材料を、練条・スライバコイラユニット６７．１，６７．２，６７．３，６７．４から繊維機械の粗紡機７８．１，７８．２，７８．３，７８．４，７８．５，７８．６，７８．７，７８．８へと搬送するように配設されている。レールシステムＲは繊維材料を、繊維機械の粗紡機７８．１，７８．２，７８．３，７８．４，７８．５，７８．６，７８．７，７８．８から繊維機械のリング精紡機８９．１，８９．２へ搬送するように配設されている。搬送システムは、異なる形式で配置されてもよい。
図２に示すように、パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９が取得される。パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９は、繊維機械１２，２３，３４，４５，５６，６７，７８，８９から取得したパラメータの値および／または繊維材料１，２，３，４，５，６，７，８，９から取得したパラメータの値を含んでいてよい。図２には、パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を取得する例示的な位置が概略的に示されている。ただし、特に紡績工場Ｍの典型的な構成における複雑さおよび／またはコストにより、繊維機械１２，２３，３４，４５，５６，６７，７８，８９および／または繊維材料１，２，３，４，５，６，７，８，９の１つ以上が部分的にのみ取得されるか、または全く取得されないこともある。
パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９のパラメータの値は、各繊維機械１２，２３，３４，４５，５６，６７，７８，８９の回転速度、電力消費量、メンテナンス日付等に関係し得る。また、パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９のパラメータの値は、各繊維材料１，２，３，４，５，６，７，８の太さ、重さ等に関係し得る。
パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を取得するために、種々の電子センサが配置され、各パラメータ値を取得する。各電子センサは、回転速度取得用の電子センサ、電力消費量取得用の電子センサ等に関係し得る。パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を取得するためには、各パラメータ値を取得するために実験室で分析された結果が必要とされることがある。実験室で分析された結果は、繊維の密度、潤滑剤の質等に関係し得る。
パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９は、定期的にまたは不定期に適時に取得され得る。パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９は、高速では短い間隔をあけてまたは低速では長い間隔をあけて取得され得る。例えば、電子センサにより取得されるパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９は、高速において毎分、毎秒等のように、定期的に取得され得る。例えば、実験室で分析された結果を必要とするパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９は、低速において、月・木曜日毎、機械メンテナンス後等のように、不定期に取得され得る。
図２に示すように、パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９は、特定の位置で取得される。よって、参照符号ｐ３を付したパラメータ情報のような特定のパラメータ情報は、紡績工場内の特定の位置、特に繊維機械のロータの特定の回転速度、特定の繊維機械の特定の電力消費量、特定の繊維機械により生産された繊維材料の特定の直径等に関係している。
図２には、本開示に基づく、紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因ｅＳ１，ｅＳ２を推定する電子装置Ｅが概略的に示されている。
電子装置Ｅは、コンピュータ、例えば一般に一箇所で使用されるコンピュータ（従来のデスクトップコンピュータ、ワークステーション、サーバ等）ならびに一般に持運び可能なコンピュータ（ラップトップ、ノートブック、タブレット、手持ち式コンピュータ等）の形態であり得る。電子装置Ｅには、本開示で説明する動作および機能のうちのいくつかまたは全てを実行するように電子装置Ｅのプロセッサをプログラムする指示を記憶した機械読取り可能な媒体が含まれていてよい。機械読取り可能な媒体には、ハードディスクドライブ（ＨＤ）、ソリッドステートディスクドライブ（ＳＳＤ）、コンパクトディスクリードオンリーメモリ（ＣＤ−ＲＯＭ）、リードオンリーメモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、イレーサブルプログラマブルリードオンリーメモリ（ＥＰＲＯＭ）等といった、機械（例えばコンピュータ）により読取り可能な形態で情報を記憶または伝達するあらゆる機構が含まれていてよい。別の実施形態では、これらの動作および機能のうちのいくつかが、ハードワイヤードロジックを有する特定のハードウェアコンポーネントにより実行され得る。それらの動作および機能は択一的に、プログラム可能なコンピュータコンポーネントと、固定のハードウェア回路コンポーネントとの任意の組合せにより実行されてもよい。１つの実施形態では、機械読取り可能な媒体には複数の指示が記憶させられており、これらの指示がプロセッサにより実行されると、本開示で説明するように、プロセッサは、電子装置Ｅにおいて方法を実行させる。
図２に示すように、電子装置Ｅは、繊維機械１２，２３，３４，４５，５６，６７，７８，８９および／または繊維材料１，２，３，４，５，６，７，８，９のパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を受信するように構成されている。例えば、各パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を取得するように構成された電子センサは、紡績工場Ｍ内のそれぞれの位置に配置されており、取得したパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を表す電子信号が、電子センサからコンピュータネットワークを介して電子装置Ｅに送信される。さらに、実験室で分析された結果において取得されたパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９が、コンピュータネットワークを介して電子装置Ｅに送信されてもよい。つまり電子装置Ｅは、様々な位置で取得された様々な種類のパラメータを含むパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を受信するように構成されている。
電子装置Ｅは、基準情報とは異なる、繊維材料１，２，３，４，５，６，７，８，９のパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を識別することにより、紡績工場内の欠陥を検出するように構成されている。例えば、１つ以上のパラメータ値と、１つ以上の基準情報との間の差が閾値と比較され、差が閾値を超過した場合には、紡績工場Ｍ内の欠陥が検出される。例えば、紡績工場Ｍ内の欠陥は、繊維材料の直径が最大直径を超過した場合、または繊維材料の直径が最小直径を下回った場合に検出される。欠陥の検出と共に、欠陥を検出した位置も検出される。なぜならば、パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９はそれぞれ、紡績工場Ｍ内の特定の位置において取得されるからである。
図２に示すように、電子装置Ｅは、紡績工場Ｍの配置構成に関する構成情報ｃＩにアクセスするように構成されている。図２に示すように、構成情報ｃＩは、紡績工場Ｍに関する情報を記憶しているコンピュータサーバのデータベース等、電子装置Ｅの外部において記憶させておくことができる。択一的または追加的に、構成情報ｃＩは、電子装置Ｅの機械読取り可能な媒体に記憶されてもよい。構成情報ｃＩには、繊維機械の型式に関する情報、繊維機械、繊維機械の位置、繊維機械の配列、繊維機械の運転時間に関するモデル情報等が含まれていてよい。
構成情報ｃＩは、紡績工場Ｍ内の任意の位置における任意の繊維材料に関して、繊維材料を製造するために必要とされた、繊維機械の配列の確定または推定を可能にする。例えば、特定の管糸９を製造するために必要とされる一連の繊維機械には、例えば構成情報ｃＩが、関連する期間中に、参照番号７８．３の繊維機械の粗紡機により製造された繊維材料が参照番号８９．１の繊維機械のリング精紡機に搬送されたという情報を記憶しているため、特定の管糸９を製造した参照番号８９．１の繊維機械のリング精紡機と、参照番号７８．３の繊維機械の粗紡機が含まれていてよい。さらに、例えば構成情報ｃＩが、関連する期間中に、参照番号６７．４の練条・スライバコイラユニットにより製造された繊維材料が参照番号７８．３の繊維機械の粗紡機に搬送されたという情報を記憶しているため、この例では構成情報ｃＩは、特定の管糸９を生産するための一連の繊維機械には、参照番号６７．４の練条・スライバコイラユニットが含まれている、ということを示している。さらに、図２に示す構成では、例えば紡績工場Ｍには択一的な一連の繊維機械は全く存在しないため、特定の管糸９を製造するために必要とされる一連の繊維機械には、コンデンサ５６、貯蔵・供給機４５、均一ミキサ３４、予洗機２３、およびベールオープナー１２が含まれることになる。よって、参照番号８９．１のリング精紡機により製造された特定の管糸９において欠陥が検出されると、欠陥の１つ以上の原因ｅＳ１，ｅＳ２は、参照番号８９．１のリング精紡機、参照番号７８．３の繊維機械の粗紡機、参照番号６７．４の練条・スライバコイラユニット、コンデンサ５６、貯蔵・供給機４５、均一ミキサ３４、予洗機２３、およびベールオープナー１２に限定される一方で、参照番号８９．２のリング精紡機、参照番号７８．１，７８．２，７８．４，７８．５，７８．６，７８．７，７８．８の繊維機械の粗紡機、参照番号６７．１，６７．２，６７．３の練条・スライバコイラユニットは、欠陥の考えられる原因としては考慮されないことになる。
さらに、構成情報ｃＩには、例えば夜間と日中、またはメンテナンス作業中と通常生産中とで異なる繊維機械を必要とする生産計画に基づく、時間に依存した情報が含まれていてもよい。よって、第１の時点に関しては、欠陥の考えられる原因として、第２の時点に関するものとは異なる繊維機械セット（組合せ）を含むまたは除くことが必要な場合がある。構成情報ｃＩは、目下の値ならびに過去の値に関係し得る。構成情報ｃＩには、機械的な設定、技術的な設定、ソフトウェアの設定等といった、機械設定に関する情報が含まれていてもよい。
構成情報ｃＩには、記憶した情報が不完全または不正確であるか否かの指摘が含まれていてもよい。例えば図２に略示したように、トロッコシステムＴが繊維材料を、繊維機械の練条・スライバコイラ６７．１，６７．２，６７．３，６７．４から繊維機械の粗紡機７８．１，７８．２，７８．３，７８．４，７８．５，７８．６，７８．７，７８．８へ搬送するように配置され得る。トロッコシステムは、操作員による手動操作を必要とする場合があり、この場合、操作員は、起点と行き先とを手動で記録するように指示される。操作員は、起点と行き先とを記録し忘れるか、あるいは不正確な起点または行き先を記録する場合がある。よって、構成情報ｃＩには不完全なまたは不正確な情報が含まれることもある。
図２に示すように、電子装置Ｅは、紡績工場Ｍ内の欠陥の原因を示す知識情報に関する知識ベース情報ｋＩにアクセスするように構成されている。紡績工場Ｍ内の欠陥の原因についての知識は、紡績工場の分野の専門家により集められた長期的情報に関係し得る。例えば知識情報には、管糸９が所定の基準変化量よりも大きく変化する太さを有する糸を含む場合、欠陥の原因は例えばベールオープナー１２または貯蔵・供給機４５よりも、繊維機械の練条・スライバコイラ６７．１，６７．２，６７．３，６７．４に存在する可能性が高い、ということが含まれていてよい。知識情報には、コンピュータアルゴリズムと、特定の紡績工場または複数の紡績工場の人工知能とから集められた情報が含まれていてよい。複数の紡績工場には、本質的に同じ配置構成の紡績工場、類似した配置構成の紡績工場、異なる配置構成の紡績工場等が含まれていてよい。
電子装置Ｅは、パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９、構成情報ｃＩ、および知識ベース情報ｋＩを１つ以上の機械学習アルゴリズムに適用して、欠陥の１つ以上の原因を推定するように構成されている。よって、パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９、構成情報ｃＩ、および知識ベース情報ｋＩを含む情報は、１つ以上の機械学習アルゴリズムを使用して処理される。
機械学習アルゴリズムには、線形回帰技術、ロジスティック回帰技術、サポートベクターマシン、デシジョンツリー、ランダムフォレスト技術、Ｋ近傍法（ｋ−ＮＮ）、Ｋ平均法技術、単純ベイズ分類器、および主成分分析技術のうちの１つ以上が含まれていてよい。
線形回帰技術は、情報における依存性を検出し得る。欠陥が検出された場合、または換言すると、パラメータ値のうちの１つが基準値とは異なっている場合、線形回帰技術は、依然として基準値とは異なっていないが、基準値とは異なるパラメータ値と相関関係を有するその他のパラメータ値を確定することができ、これにより、欠陥の１つ以上の原因を推定することができる。
線形回帰技術と同様に、ロジスティック回帰技術も、バイナリ値に関する情報の範囲内で依存性を検出し得る。
サポートベクターマシンは、情報により定義された空間内で超平面を定義することにより、複雑な情報を分類することができる。例えば、目下分析される情報が超平面の一方の側にある場合には、超平面の他方の側に情報がある場合よりも、欠陥の特定の原因の可能性がより高い、ということが推定され得る。
デシジョンツリーは、欠陥の１つ以上の原因を推定するために、情報に適用され得る。デシジョンツリーに基づき、欠陥の１つ以上の原因を推定するために、情報は段階的に分析される。
ランダムフォレスト技術は、欠陥の１つ以上の原因を推定するために、情報に適用され得る。ランダムフォレスト技術に基づき、情報は、欠陥の１つ以上の原因を推定するために、デシジョンツリー群に適用される。ランダムフォレストは、特徴または情報をツリーのサブセットに分割することに基づく。モデルは、特徴または情報の全てというよりむしろ、特徴または情報の小さなサブセットのみを考慮する。ランダムフォレストは、プロセッサの様々なコア、コンピュータシステムの様々なプロセッサ、様々なコンピュータシステム等といった様々な計算エンジンで並列して実行され、これにより、特に複雑度が高い場合に、所定の時間内で欠陥の１つ以上の原因を推定することができる。ランダムフォレストは、バイナリ特徴または情報、分類別特徴または情報、数値特徴または情報等といった様々なクラスの特徴または情報を処理することができる。ランダムフォレストは、特徴または情報の前処理を全くまたはほとんど行わなくとも欠陥の１つ以上の原因の推定を可能にし、特徴または情報をリスケールまたは変換する必要は全くない。ランダムフォレストは、実行がデータ、特徴または情報のサブセットに限定されるため、高次元のデータ、特徴または情報の場合に、特に良好に適している。
Ｋ近傍法は、欠陥の１つ以上の原因を推定するために、情報に適用され得る。Ｋ近傍法に基づき、情報は、サンプル情報と、サンプルのＫ個の最近傍のものとに基づき定義されたクラスに適用される。
Ｋ平均法技術は、欠陥の１つ以上の原因を推定するために、情報に適用され得る。Ｋ平均法技術に基づき、情報は、サンプル情報と、重心位置の最適化とに基づき定義されたクラスタに適用される。
単純ベイズ分類器は、欠陥の１つ以上の原因を推定するために、情報に適用され得る。単純ベイズ分類器により、情報はベイズの定理に基づき分類される。
主成分分析技術は、欠陥の１つ以上の原因を推定するために、情報に適用され得る。主成分分析技術に基づき、冗長性を排除するために、相関のある変数のセットが、相関のない変数のセットに変換される。
機械学習アルゴリズムには、人工ニューラルネットワーク（データパターンに最適）、畳み込みニューラルネットワーク（画像に最適）、リカレントニューラルネットワーク（可聴信号に最適）、自己組織化マップ（特徴検出に最適）、ディープボルツマンマシン（システムモデリングに最適）、オートエンコーダ（特性検出に最適）等といった一般的なアルゴリズムが含まれていてよい。
紡績工場のクラスまたは形式に応じて、１つ以上の機械学習アルゴリズムが情報に適用され得る。
人工ニューラルネットワーク（ＡＮＮ）は、パターンとシーケンスとが認識される回帰および分類の実行により欠陥の１つ以上の原因を推定するために、情報に適用され得る。人工ニューラルネットワークに基づき、欠陥の１つ以上の原因を推定するために、情報は段階的に分析される。
畳み込みニューラルネットワーク（ＣＮＮ）は、欠陥の１つ以上の原因を推定するために、静止画像、ビデオストリーム、ビジュアルデータおよびその他の２次元データに適用され得る。畳み込みニューラルネットワークに基づき、欠陥の１つ以上の原因を推定する特定の特徴を見つけるために、畳み込みと呼ばれる数学的演算が行われる。
リカレントニューラルネットワーク（ＲＮＮ）は、欠陥の１つ以上の原因を推定するために、時系列データ、シーケンスモデリングまたは（ノイズパターンを含む）可聴信号に適用され得る。リカレントニューラルネットワークに基づき、欠陥の１つ以上の原因を推定するために、入力の可変長シーケンスを処理して内部状態（記憶）内のデータを処理するために、長短期記憶（ＬＳＴＭ）が使用される。
自己組織化マップ（ＳＯＭ）は、データの次元削減および可視表現のために情報に適用され得る。自己組織化マップに基づき、欠陥の１つ以上の原因を推定するために、競合学習がデータ分布を近似するように適用され得る。
Ｋ平均法技術は、欠陥の１つ以上の原因を推定するために、別個に分割されたクラスタデータに適用され得る。Ｋ平均法技術は、特徴を学習するために用いられ、情報は、サンプル情報と、重心位置の最適化とに基づき定義されたクラスタに適用される。
ディープボルツマンマシン（ＤＢＭ）は、欠陥の１つ以上の原因を推定するために、気候条件を含む、紡績工場またはそのサブシステムの挙動をモデル化しかつ監視するために適用され得る。ディープボルツマンマシンに基づき、欠陥の１つ以上の原因を推定するために、難しい組合せ問題を表現しかつ解決するための内部表現が学習される。
オートエンコーダは、欠陥の１つ以上の原因を推定するために、次元削減（デコーディング）および情報検索（エンコーディング）のための情報に適用され得る。オートエンコーダに基づき、欠陥の１つ以上の原因を推定するために、有用な特性を想定するための様々な入力表現が学習される。
人工ニューラルネットワーク、畳み込みニューラルネットワークおよびリカレントニューラルネットワークは、教師あり機械学習アルゴリズムのクラスに属す。自己組織化マップ、ディープボルツマンマシンおよびオートエンコーダは、教師なし機械学習アルゴリズムのクラスに属す。人工ニューラルネットワークは、回帰および分類のために使用され得る。畳み込みニューラルネットワークは、コンピュータビジョン用に使用され得る。リカレントニューラルネットワークは、時系列分析用に使用され得る。自己組織化マップは、特徴検出用に使用され得る。ディープボルツマンマシンおよびオートエンコーダは、推奨システム用に使用され得る。
欠陥の原因は、誤調整された繊維機械１２，２３，３４，４５，５６，６７，７８，８９、繊維機械１２，２３，３４，４５，５６，６７，７８，８９のコンポーネントの摩耗等に関係する場合がある。
欠陥の原因の推定には、繊維機械１２，２３，３４，４５，５６，６７，７８，８９および／または繊維機械１２，２３，３４，４５，５６，６７，７８，８９のコンポーネントの交換、修理、変更、異なる調整等が必要か否かの情報を提供するステップが含まれていてよい。
図３には、紡績工場の１つの例示的な構成、検出された欠陥、欠陥の２つの考えられる原因、および紡績工場内の欠陥を検出しかつ欠陥の２つの考えられる原因を推定する装置が概略的に示されている。
電子装置Ｅは、繊維機械１２，２３，３４，４５，５６，６７，７８，８９および１つ以上の繊維材料１，２，３，４，５，６，７，８，９の１つ以上のパラメータに関するパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を受信する。例えば、新規のパラメータ値の受信時に、パラメータ値は基準値と比較される。例えば、繊維材料の直径が基準直径と比較される。パラメータが基準情報と異なっていると、欠陥が検出される。センサの位置等の、パラメータ値の位置または原点に関する情報に基づき、欠陥の位置も検出される。よって電子装置Ｅは、基準情報とは異なる、１つ以上の繊維材料１，２，３，４，５，６，７，８，９の１つ以上のパラメータに関するパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を識別することにより、紡績工場Ｍ内の欠陥ｄＦおよび欠陥の位置を検出する。図３に示す例示的な構成では、欠陥ｄＦは、参照番号８９．１の繊維機械のリング精紡機により生産された管糸９に関係している。
電子装置Ｅは、紡績工場Ｍの配置構成に関する構成情報ｃＩおよび紡績工場Ｍ内の欠陥の原因についての知識に関する知識ベース情報ｋＩにアクセスし、パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９、構成情報ｃＩ、および知識ベース情報ｋＩを１つ以上の機械学習アルゴリズムに適用して、欠陥の１つ以上の原因ｅＳ１，ｅＳ２を推定する。図３に示す例では、欠陥の２つの原因ｅＳ１，ｅＳ２が推定されており、この場合、欠陥の、参照符号ｅＳ１の第１の原因は、参照番号６７．１の繊維機械の練条・スライバコイラに関係しており、欠陥の、参照符号ｅＳ２の第２の原因は、参照番号７８．４の繊維機械の粗紡機に関係している。例えばランダムフォレスト技術がパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９、構成情報ｃＩおよび知識ベース情報ｋＩに適用された結果、第１の原因ｅＳ１および第２の原因ｅＳ２が推定された。
図４には、紡績工場が欠陥ｄＦを有していることを検出しかつ欠陥の１つ以上の原因ｅＳ１，ｅＳ２を推定する方法の可能な方法ステップが概略的に示されている。ステップ１では、電子装置Ｅが１つ以上の繊維機械（１２，２３，３４，４５，５６，６７，７８，８９）および１つ以上の繊維材料１，２，３，４，５，６，７，８，９のパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を受信する。ステップ２では、電子装置Ｅは、基準情報とは異なる、繊維材料１，２，３，４，５，６，７，８，９のパラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９を識別することにより、欠陥ｄＦとその位置とを検出する。ステップ３では、電子装置Ｅは、紡績工場Ｍの繊維機械１２，２３，３４，４５，５６，６７，７８，８９の構成情報ｃＩにアクセスする。ステップ４では、電子装置は、紡績工場Ｍ内の考えられる欠陥ｄＦ’の考えられる原因ｅＳ’についての知識に関する知識ベース情報ｋＩにアクセスする。ステップ５では、電子装置は、パラメータ情報ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９、構成情報ｃＩ、および知識ベース情報ｋＩを１つ以上の機械学習アルゴリズムに適用して、欠陥ｄＦの１つ以上の原因ｅＳ１，ｅＳ２を推定する。
Ｍ 紡績工場
１，２，３，４，５，６，７，８，９ 繊維材料
１２，２３，３４，４５，５６，６７，７８，８９ 繊維機械
ｐ１，ｐ２，ｐ３，ｐ４，ｐ５，ｐ６，ｐ７，ｐ８，ｐ９ 繊維機械および／または繊維材料のパラメータ
Ｄ 管路システム
Ｔ トロッコシステム
Ｒ レールシステム
Ｅ 紡績工場が欠陥を有していることを検出しかつ欠陥の原因を推定する電子装置
ｃＩ 紡績工場の構成情報
ｋＩ 紡績工場の知識ベース情報
ｄＦ 検出された欠陥
ｅＳ１，ｅＳ２ 欠陥の原因

Claims (20)

  1. 繊維材料（１，２，・・・，９）を連続的に加工処理するための複数の繊維機械（１２，２３，・・・，８９）を有する紡績工場（Ｍ）内の欠陥（ｄＦ）を検出しかつ該欠陥（ｄＦ）の１つ以上の原因（ｅＳ１，ｅＳ２）を推定する電子装置（Ｅ）であって、該電子装置（Ｅ）は、
    １つ以上の前記繊維機械（１２，２３，・・・，８９）および１つ以上の前記繊維材料（１，２，・・・，９）のパラメータ情報（ｐ１，ｐ２，・・・，ｐ９）を受信するステップ、
    基準情報とは異なっている、前記繊維材料（１，２，・・・，９）の前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）を識別することにより、前記欠陥（ｄＦ）とその位置とを検出するステップ、
    前記紡績工場（Ｍ）の前記繊維機械（１２，２３・・・，８９）の構成情報（ｃＩ）にアクセスするステップ、
    前記紡績工場（Ｍ）内の考えられる欠陥（ｄＦ’）の考えられる原因（ｅＳ’）についての知識に関する知識ベース情報（ｋＩ）にアクセスするステップ、および
    前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）、前記構成情報（ｃＩ）、および前記知識ベース情報（ｋＩ）を１つ以上の機械学習アルゴリズムに適用して、前記欠陥（ｄＦ）の１つ以上の前記原因（ｅＳ１，ｅＳ２）を推定するステップ
    を実行するように構成されている、電子装置（Ｅ）。
  2. さらに、１つ以上のパラメータ値と１つ以上の基準値との間の差を閾値と比較することにより、前記基準情報とは異なっている前記繊維材料（１，２，・・・，９）の前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）を識別するステップを実行するように構成されている、請求項１記載の装置。
  3. さらに、前記欠陥（ｄＦ）の位置と、該欠陥の１つ以上の前記原因（ｅＳ１，ｅＳ２）とから前記繊維機械（１２，２３，・・・，８９）の１つ以上の考えられるまたは可能性の高い配列を確定するために、前記構成情報（ｃＩ）を用いるステップを実行するように構成されている、請求項１または２記載の装置。
  4. さらに、前記欠陥（ｄＦ）の位置と、該欠陥の１つ以上の前記原因（ｅＳ１，ｅＳ２）とから前記繊維機械（１２，２３，・・・，８９）の１つ以上のあり得ないまたは可能性の低い配列を確定するために、前記構成情報（ｃＩ）を用いるステップを実行するように構成されている、請求項１から３までのいずれか１項記載の装置。
  5. さらに、時間に依存するパラメータ情報（ｐ１，ｐ２，・・・，ｐ９）と、時間に依存する構成情報（ｃＩ）のうちの１つ以上を用いるステップを実行するように構成されている、請求項１から４までのいずれか１項記載の装置。
  6. さらに、線形回帰技術、ロジスティック回帰技術、サポートベクターマシン、デシジョンツリー、ランダムフォレスト技術、Ｋ近傍法、Ｋ平均法技術、単純ベイズ分類器、および主成分分析技術から選択された１つ以上の前記機械学習アルゴリズムを適用するステップを実行するように構成されており、特に、不十分な前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）、誤った前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）、不十分な前記構成情報（ｃＩ）、誤った前記構成情報（ｃＩ）、不十分な前記知識ベース情報（ｋＩ）、および誤った前記知識ベース情報（ｋＩ）のうちの１つ以上が考慮される、請求項１から５までのいずれか１項記載の装置。
  7. さらに、補足的な構成情報（ｓｃＩ）を要求しかつ／または補足的な構成情報（ｓｃＩ）にアクセスするステップ、および該補足的な構成情報（ｓｃＩ）を１つ以上の前記機械学習アルゴリズムに適用するステップを実行するように構成されている、請求項１から６までのいずれか１項記載の装置。
  8. さらに、前記欠陥（ｄＦ）の１つ以上の前記原因（ｅＳ１，ｅＳ２）に関係する前記繊維機械（１２，２３，・・・，８９）および／または該繊維機械（１２，２３，・・・，８９）のコンポーネントの交換、修理、変更、および／または異なる調整が必要な場合の情報を確定するステップを実行するように構成されている、請求項１から７までのいずれか１項記載の装置。
  9. さらに、特に前記欠陥（ｄＦ）の１つ以上の前記原因（ｅＳ１，ｅＳ２）に関係するメンテナンス作業の結果として、前記紡績工場（Ｍ）の１つ以上の前記繊維機械（１２，２３，・・・，８９）のダウンタイムが生じる場合、１つ以上の追加的な前記繊維機械（１２，２３，・・・，８９）および／または前記繊維機械（１２，２３，・・・，８９）の１つ以上の追加的なコンポーネントのメンテナンス作業に関する情報を確定するステップを実行するように構成されている、請求項１から８までのいずれか１項記載の装置。
  10. さらに、前記欠陥の１つ以上の前記原因（ｅＳ１，ｅＳ２）に関係する前記メンテナンス作業の結果として前記欠陥（ｄＦ）の修正が生じたか否かを知らせるフィードバック情報を受信するステップ、およびこれに応じて前記知識ベース情報（ｋＩ）を更新するステップを実行するように構成されている、請求項１から９までのいずれか１項記載の装置。
  11. 繊維材料（１，２，・・・，９）を連続的に加工処理するための複数の繊維機械（１２，２３，・・・，８９）を有する紡績工場（Ｍ）内の欠陥（ｄＦ）を検出しかつ該欠陥（ｄＦ）の１つ以上の原因（ｅＳ１，ｅＳ２）を推定する方法であって、該方法は、
    電子装置（Ｅ）を用いて、１つ以上の前記繊維機械（１２，２３，・・・，８９）および１つ以上の前記繊維材料（１，２，・・・，９）のパラメータ情報（ｐ１，ｐ２，・・・，ｐ９）を受信するステップ、
    前記電子装置（Ｅ）を用いて、基準情報とは異なっている、前記繊維材料（１，２，・・・，９）の前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）を識別することにより、前記欠陥（ｄＦ）とその位置とを検出するステップ、
    前記電子装置（Ｅ）を用いて、前記紡績工場（Ｍ）の前記繊維機械（１２，２３・・・，８９）の構成情報（ｃＩ）にアクセスするステップ、
    前記電子装置（Ｅ）を用いて、前記紡績工場（Ｍ）内の考えられる欠陥（ｄＦ’）の考えられる原因（ｅＳ’）についての知識に関する知識ベース情報（ｋＩ）にアクセスするステップ、および
    前記電子装置（Ｅ）を用いて、前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）、前記構成情報（ｃＩ）、および前記知識ベース情報（ｋＩ）を１つ以上の機械学習アルゴリズムに適用して、前記欠陥（ｄＦ）の１つ以上の前記原因（ｅＳ１，ｅＳ２）を推定するステップ
    を含む、方法。
  12. さらに、１つ以上のパラメータ値と１つ以上の基準値との間の差を閾値と比較することにより、前記基準情報とは異なっている前記繊維材料（１，２，・・・，９）の前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）を識別するステップを含む、請求項１１記載の方法。
  13. さらに、前記欠陥（ｄＦ）の位置と、該欠陥の１つ以上の前記原因（ｅＳ１，ｅＳ２）とから前記繊維機械（１２，２３，・・・，８９）の１つ以上の考えられるまたは可能性の高い配列を確定するために、前記構成情報（ｃＩ）を用いるステップを含む、請求項１１または１２記載の方法。
  14. さらに、前記欠陥（ｄＦ）の位置と、該欠陥の１つ以上の前記原因（ｅＳ１，ｅＳ２）とから前記繊維機械（１２，２３，・・・，８９）の１つ以上のあり得ないまたは可能性の低い配列を確定するために、前記構成情報（ｃＩ）を用いるステップを含む、請求項１１から１３までのいずれか１項記載の方法。
  15. さらに、時間に依存するパラメータ情報（ｐ１，ｐ２，・・・，ｐ９）と、時間に依存する構成情報（ｃＩ）のうちの１つ以上を用いるステップを含む、請求項１１から１４までのいずれか１項記載の方法。
  16. さらに、線形回帰技術、ロジスティック回帰技術、サポートベクターマシン、デシジョンツリー、ランダムフォレスト技術、Ｋ近傍法、Ｋ平均法技術、単純ベイズ分類器、および主成分分析技術から選択された１つ以上の前記機械学習アルゴリズムを適用するステップを含み、特に、不十分な前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）、誤った前記パラメータ情報（ｐ１，ｐ２，・・・，ｐ９）、不十分な前記構成情報（ｃＩ）、誤った前記構成情報（ｃＩ）、不十分な前記知識ベース情報（ｋＩ）、および誤った前記知識ベース情報（ｋＩ）のうちの１つ以上が考慮される、請求項１１から１５までのいずれか１項記載の方法。
  17. さらに、補足的な構成情報（ｓｃＩ）を要求しかつ／または補足的な構成情報（ｓｃＩ）にアクセスするステップ、および該補足的な構成情報（ｓｃＩ）を１つ以上の前記機械学習アルゴリズムに適用するステップを含む、請求項１１から１６までのいずれか１項記載の方法。
  18. さらに、前記欠陥（ｄＦ）の１つ以上の前記原因（ｅＳ１，ｅＳ２）に関係する前記繊維機械（１２，２３，・・・，８９）および／または該繊維機械（１２，２３，・・・，８９）のコンポーネントの交換、修理、変更、および／または異なる調整が必要な場合の情報を確定するステップを含む、請求項１１から１７までのいずれか１項記載の方法。
  19. さらに、特に前記欠陥（ｄＦ）の１つ以上の前記原因（ｅＳ１，ｅＳ２）に関係するメンテナンス作業の結果として、前記紡績工場（Ｍ）の１つ以上の前記繊維機械（１２，２３，・・・，８９）のダウンタイムが生じる場合、１つ以上の追加的な前記繊維機械（１２，２３，・・・，８９）および／または前記繊維機械（１２，２３，・・・，８９）の１つ以上の追加的なコンポーネントのメンテナンス作業に関する情報を確定するステップを含む、請求項１１から１８までのいずれか１項記載の方法。
  20. さらに、前記欠陥の１つ以上の前記原因（ｅＳ１，ｅＳ２）に関係する前記メンテナンス作業の結果として前記欠陥（ｄＦ）の修正が生じたか否かを知らせるフィードバック情報を受信するステップ、およびこれに応じて前記知識ベース情報（ｋＩ）を更新するステップを含む、請求項１１から１９までのいずれか１項記載の方法。
JP2021076257A 2020-04-30 2021-04-28 紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置および方法 Pending JP2021177380A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20172457.2A EP3904572B1 (en) 2020-04-30 2020-04-30 Device and method for detecting a fault in a spinning mill and for estimating one or more sources of the fault
EP20172457 2020-04-30

Publications (1)

Publication Number Publication Date
JP2021177380A true JP2021177380A (ja) 2021-11-11

Family

ID=70482419

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021076257A Pending JP2021177380A (ja) 2020-04-30 2021-04-28 紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置および方法

Country Status (6)

Country Link
US (1) US20210342705A1 (ja)
EP (1) EP3904572B1 (ja)
JP (1) JP2021177380A (ja)
CN (1) CN113584653B (ja)
BR (1) BR102021006295A2 (ja)
ES (1) ES2917375T3 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114881514B (zh) * 2022-05-26 2023-11-24 无锡物联网创新中心有限公司 一种筒管纱果重量估计方法及相关装置
CN115058807B (zh) * 2022-08-17 2022-12-20 江苏卓鹏智能机电有限公司 一种用于纺纱机的智能控制方法及***
CN115421465B (zh) * 2022-10-31 2023-01-17 北京聚新工程技术有限公司 一种用于纺织设备的优化自适应控制方法及***
EP4375405A1 (en) * 2022-11-22 2024-05-29 Maschinenfabrik Rieter AG Device and method for determining a cause of a malfunction in a plurality of textile machines
CN116993741B (zh) * 2023-09-28 2023-12-22 福建旭源纺织有限公司 一种粗纱均匀度监管***及粗纱均匀度检测装置

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0720800B2 (ja) * 1988-03-01 1995-03-08 村田機械株式会社 紡績工場における品質管理システム
JPH047269A (ja) * 1990-04-24 1992-01-10 Murata Mach Ltd 紡績工場における品質管理システム
CH687110A5 (de) 1991-09-10 1996-09-13 Luwa Ag Zellweger Verfahren zur Erstellung einer Stoerungsdiagnose an Produktionsmaschinen und Anwendung des Verfahrens an Textilmaschinen.
CH686378A5 (de) 1992-10-12 1996-03-15 Rieter Ag Maschf Maschinenverwaltungssystem.
JPH0881841A (ja) 1994-06-02 1996-03-26 Zellweger Luwa Ag 糸、ロービング、スライバ中の糸欠陥の原因を求めるための方法と装置
US5815198A (en) 1996-05-31 1998-09-29 Vachtsevanos; George J. Method and apparatus for analyzing an image to detect and identify defects
DE10137056C5 (de) 2001-07-28 2018-09-06 Rieter Ingolstadt Gmbh Verfahren zur Wartung einer Textilmaschine
DE102005019760B4 (de) 2004-05-29 2018-12-20 Rieter Ingolstadt Gmbh Spinnereimaschine mit einem Streckwerk zum Verstrecken eines Faserverbandes und entsprechendes Verfahren
JP5382475B2 (ja) 2008-11-14 2014-01-08 ウステル・テヒノロジーズ・アクチエンゲゼルシヤフト 繊維機械における製造過程を監視する方法
DE102011010988B4 (de) * 2011-02-11 2019-01-10 Saurer Spinning Solutions Gmbh & Co. Kg Verfahren zum Betreiben eines Serviceaggregats und Textilmaschine mit einem Serviceaggregat
WO2016016739A1 (en) 2014-07-31 2016-02-04 MARZOLI MACHINES TEXTILE S.r.l. System for monitoring physical parameters of textile machinery and method of predictive maintenance
ITUB20154999A1 (it) * 2015-10-30 2017-04-30 Camozzi Digital S R L Metodo di ottimizzazione del processo di lavorazione per una linea di produzione tessile e sistema
JP2017092707A (ja) 2015-11-10 2017-05-25 村田機械株式会社 繊維機械管理システム、管理装置及び携帯端末
US10866584B2 (en) 2016-05-09 2020-12-15 Strong Force Iot Portfolio 2016, Llc Methods and systems for data processing in an industrial internet of things data collection environment with large data sets
CN107817335A (zh) * 2016-09-13 2018-03-20 普瑞米尔伊沃维克斯私人有限公司 在纺织单元进行在线监测和离线测试的集成***和方法
CN109844193A (zh) * 2016-09-26 2019-06-04 里特机械公司 纺织机的预测性维护的方法和***
JP2018066084A (ja) * 2016-10-19 2018-04-26 村田機械株式会社 紡績機械管理システム及び管理方法
WO2019037919A1 (de) 2017-08-23 2019-02-28 Oerlikon Textile Gmbh & Co. Kg Verfahren und vorrichtung zum texturieren eines synthetischen fadens
CH714081A1 (de) 2017-08-25 2019-02-28 Rieter Ag Maschf Verfahren zum Betreiben einer Ringspinnmaschine und Ringspinnmaschine.
DE112019004557A5 (de) 2018-09-12 2021-05-27 Oerlikon Textile Gmbh & Co. Kg Verfahren zur Überwachung und Bedienung einer Textilmaschine sowie eine Bedienungseinrichtung einer Textilmaschine
CN109558852A (zh) 2018-12-04 2019-04-02 深圳码隆科技有限公司 一种基于图像识别技术的纺丝机故障监测***

Also Published As

Publication number Publication date
US20210342705A1 (en) 2021-11-04
CN113584653B (zh) 2023-11-21
BR102021006295A2 (pt) 2021-11-09
CN113584653A (zh) 2021-11-02
EP3904572A1 (en) 2021-11-03
EP3904572B1 (en) 2022-04-06
ES2917375T3 (es) 2022-07-08

Similar Documents

Publication Publication Date Title
JP2021177380A (ja) 紡績工場内の欠陥を検出しかつ欠陥の１つ以上の原因を推定する装置および方法
WO2023071217A1 (zh) 基于深度迁移学习的多工况流程工业故障检测诊断方法
JP6356304B2 (ja) 保守有効性推定に基づく保守推奨システム
WO2020003114A1 (en) Method for predicting the presence of product defects during an intermediate processing step of a thin product wound in a roll
JP2002525757A (ja) 統計的プロセス管理のための多次元的方法及びシステム
CN111665066B (zh) 基于卷积神经网络的设备故障自适应上下预警界生成方法
CN111867806A (zh) 用于基于件的过程（批量制造）、特别是注射成型过程的自动的过程监控和过程诊断的方法和实施所述过程的机器或实施所述过程的机器总成
US12007745B2 (en) Apparatus for predicting equipment damage
CN117786373B (zh) 一种基于大数据的瓦楞纸加工的设备运行诊断***
CN113396431A (zh) 品质管理***以及品质管理程序
CN112884212A (zh) 烟支单支克重偏差分析预测方法
Becherer et al. Intelligent choice of machine learning methods for predictive maintenance of intelligent machines
US20020138169A1 (en) Device for calculating overall plant efficiency
CN117273554B (zh) 一种基于数据识别的纺织品生产质量预测方法
US11541587B2 (en) Method for controlling film production
JP2001067109A (ja) 品質管理方法及びその装置、並びに品質管理プログラムを記録した記録媒体
US11932991B2 (en) Systems and methods for monitoring and controlling industrial processes
EP4105368A1 (en) Device and method for enabling displaying on a user display an operating readiness index related to a spinning mill
JP7480080B2 (ja) 情報処理方法、情報処理装置、成形機システム及びコンピュータプログラム
US20240175831A1 (en) Systems and methods for monitoring and controlling industrial processes
US20240212356A1 (en) Systems and methods for monitoring and controlling industrial processes
CN117813426A (zh) 用于确定纺纱厂的至少一个或多个部分的当前生产输出的分类的装置和方法
Alkan et al. Manufacturing Analytics
Willetts et al. Generating adaptive alarms for condition monitoring data
CN117512835A (zh) 一种pp线纺纱机的作业状态监测预警方法及***

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20240214