WO2024132673A1 - Verfahren zum ermitteln der spulenqualität einer sammelspule - Google Patents

Verfahren zum ermitteln der spulenqualität einer sammelspule Download PDF

Info

Publication number
WO2024132673A1
WO2024132673A1 PCT/EP2023/085285 EP2023085285W WO2024132673A1 WO 2024132673 A1 WO2024132673 A1 WO 2024132673A1 EP 2023085285 W EP2023085285 W EP 2023085285W WO 2024132673 A1 WO2024132673 A1 WO 2024132673A1
Authority
WO
WIPO (PCT)
Prior art keywords
quality
collecting
thread
coil
error
Prior art date
Application number
PCT/EP2023/085285
Other languages
English (en)
French (fr)
Inventor
Jörg HUTHMACHER
Philip JUNGBECKER
Original Assignee
Oerlikon Textile Gmbh & Co. Kg
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
Application filed by Oerlikon Textile Gmbh & Co. Kg filed Critical Oerlikon Textile Gmbh & Co. Kg
Publication of WO2024132673A1 publication Critical patent/WO2024132673A1/de

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
    • B65H59/00—Adjusting or controlling tension in filamentary material, e.g. for preventing snarling; Applications of tension indicators
    • B65H59/40—Applications of tension indicators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
    • B65H63/00—Warning or safety devices, e.g. automatic fault detectors, stop-motions ; Quality control of the package
    • B65H63/006—Warning or safety devices, e.g. automatic fault detectors, stop-motions ; Quality control of the package quality control of the package
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
    • B65H63/00—Warning or safety devices, e.g. automatic fault detectors, stop-motions ; Quality control of the package
    • B65H63/02—Warning or safety devices, e.g. automatic fault detectors, stop-motions ; Quality control of the package responsive to reduction in material tension, failure of supply, or breakage, of material
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
    • B65H2701/00—Handled material; Storage means
    • B65H2701/30—Handled filamentary material
    • B65H2701/31—Textiles threads or artificial strands of filaments
    • B65H2701/313—Synthetic polymer threads
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/36—Textiles
    • G01N33/365—Filiform textiles, e.g. yarns

Definitions

  • the invention relates to a device for the method for determining the bobbin quality of a collecting bobbin with synthetic thread according to the features of claim 1 and a device for determining the bobbin quality of a collecting bobbin with synthetic thread according to the features of claim 11.
  • a method for monitoring a plurality of processing stations for synthetic threads is known, for example, from WO 2019/137835 Al.
  • monitoring the thread tension on the running threads in the respective processing station has proven to be useful in order to detect process disturbances and/or production fluctuations at an early stage.
  • a thread tension is continuously measured on the running thread at a processing station.
  • the measurement signals of the thread tension generated are compared with a threshold value of a permissible thread tension in order to identify so-called error graphs and use them for further analyses.
  • the respective causes of errors in the manufacturing process are identified from the error graph in order to be eliminated, for example, by an operator.
  • the current machine learning program it is not possible to determine which types and qualities of errors have been detected and forwarded by the program.
  • the problem is that even errors that are not relevant to quality are taken into account when evaluating the coil quality.
  • the object of the invention is therefore to provide a method and a device which make it possible to evaluate the coil quality only on the basis of quality-relevant defects.
  • the object is achieved by a method according to the features of claim 1.
  • a method for determining the bobbin quality of a collecting bobbin with synthetic thread, wherein a total error is collected during the production of the collecting bobbin, wherein the total error is evaluated as a quality-relevant error or a quality-irrelevant error, wherein the quality-relevant error is used to determine a quality level of the collecting bobbin.
  • a total error is understood to mean, in particular, an error that was detected during the production of the synthetic thread.
  • the total error can be assigned to a device for producing the synthetic thread, for example to a data analysis unit or a control of the device for producing the synthetic thread.
  • a synthetic thread is understood here to mean in particular a thread that has been produced by means of a synthetic melt to form a POY or pre-oriented thread made of a plurality of filaments, which is then processed in post-processing steps to form a textured thread that is particularly suitable for processing in the textile industry.
  • the textured thread is also referred to as DTY thread (Drawn Textured Yarn).
  • This method makes it possible to assess spools according to their actual quality, so that it can be ensured that the synthetic threads collected on the collecting spool are suitable for further processing.
  • the quality of the threads can be relevant, for example, for a weaving process and/or for subsequent dyeing, whereby a good quality thread has better properties for subsequent processing and the risk of poor end products can be minimized.
  • the total error is determined from the data determined by a sensor device, in particular a thread tension sensor device.
  • the thread tension can be determined directly or indirectly. For example, this can be determined indirectly via drafting systems and their power consumption. The required amount of force, such as the torque of a godet or a thread roller guide to set the thread tension, can also be determined.
  • the determined data of the sensor device are recorded in a graph which defines a tolerance range, wherein the graph is analyzed by means of a first machine program for determining total errors in order to detect the total error.
  • a machine learning program is a software module and/or a machine learning application that has been programmed to independently solve tasks or independently recognize patterns. This can include recognizing and/or reporting possible errors when producing a synthetic process from certain measurement data. Programming can also include teaching.
  • the first machine learning program for determining total errors essentially reports the quantity of errors and can also be referred to below as the machine learning program for determining error quantities.
  • the data is recorded in a time diagram, where the abscissa indicates the time course and the ordinate the respective measured value of the sensor device.
  • the graphs can be analyzed accordingly.
  • the machine learning program can be programmed for the task using a teach-in. After teaching, the machine learning program can independently detect errors and report them.
  • a first quality level is determined by means of the total error and the first machine learning program, which is assigned to the collecting coil.
  • the total errors determined are collected and assigned with the help of the machine learning program and/or an additional program to the collecting coil that is currently being produced.
  • a first quality level is an initial assessment of the quality of the collecting coil based on the quantity of total defects detected.
  • the method according to the invention allows a more precise determination of the bobbin quality in a further step by assessing the total defects according to their relevance for the thread quality.
  • the evaluation of the overall defect in a quality-relevant defect or in a quality-irrelevant defect is carried out by means of a second machine learning program for assessing defect qualities.
  • a quality-relevant defect is a defect that is discovered during the production of the synthetic thread and that reduces the quality of the thread and impairs its further processing. These can be defects that, for example, impair the subsequent dyeing and/or weaving of the thread into a textile.
  • a quality-irrelevant defect is a defect that is detected during the manufacture of the synthetic thread and does not change the quality of the thread. Such a detected defect can be caused by an error message from a single filament break or an additional measurement with a thread tension measuring device. A quality-irrelevant defect does not affect the quality and processability of the thread.
  • This also has the advantage that fewer collection spools are assessed incorrectly. This is because the process enables a more precise determination of the quality of the respective collection spool, so that it can be further processed using high-quality processes. This also helps to avoid rejects and waste.
  • a maximum target value and a minimum target value for limiting the tolerance range for error detection are determined by means of a third machine program for defining tolerance ranges.
  • the maximum and minimum setpoints can also be determined by predetermined empirical values, which are set, for example, by an experienced operator.
  • the target values are monitored and further defined by means of a third machine learning program, whereby it is also possible to train the machine learning program.
  • the target values define the tolerance range with maximum and minimum values, whereby exceeding or falling below the respective target value can indicate an error.
  • This error can have a significant impact on the quality of the coil.
  • the error is also a warning that the permissible target values have been exceeded or not reached. If the set target values are exceeded or not reached by too much, the production process may even be interrupted.
  • the first machine winding program for detecting overall defects, the second machine winding program for assessing defect qualities and/or the third machine winding program for defining tolerance ranges has a winding process by an operator, wherein the winding process is requested from the operator by the first, second and/or third machine winding program.
  • the result of the first machine learning program, the second machine learning program and/or the third machine learning program is evaluated by a quality algorithm to determine a second quality level of the collecting coil and stored in a database.
  • the quality algorithm is another instance by which the quality of the collecting coil can be determined, in particular, the quality algorithm plays the role of re-evaluating the first results of detecting the first quality level based on the evaluated quality-relevant or quality-irrelevant defects.
  • the quality algorithm summarizes the results from the defect detection and the defect quality detection and re-evaluates the coil quality based on these results, so that in the best case the coil quality can improve if the majority of the detected defects are not quality-relevant.
  • the second machine learning program has an error detection algorithm which reports the quality-relevant error and/or the quality-irrelevant error to the quality algorithm.
  • the second machine learning program for error quality detection not only carries out an evaluation of the total errors, but also reports to the error evaluation of the quality algorithm which types of errors are present.
  • the quality-relevant or only the quality-irrelevant errors can be reported to the quality algorithm so that it can evaluate which errors have been reported among the total number of errors.
  • the quality algorithm program can then improve or worsen the previously buffered coil quality of the collecting coil, depending on how many of the total defects are quality-relevant or quality-irrelevant.
  • the method comprises the following steps:
  • the total defects detected can be classified into quality-relevant and quality-irrelevant defects by means of the method steps described above and a new quality assessment of the collecting spool can be carried out, whereby the defects are taken into account according to their relevance for the quality of the thread produced.
  • a device for determining the bobbin quality of a collecting bobbin with synthetic thread, in particular for the method according to the embodiments listed above, comprising a sensor device for detecting data of the synthetic thread, a data analysis unit with an error detection unit and error evaluation unit, which cooperates with a control of an operating station for producing the synthetic thread, wherein the error evaluation unit cooperates with a quality determination unit for determining a quality level, and a database for storing the quality level of the associated collecting bobbin.
  • the device it is possible to carry out an accurate quality assessment of the produced collecting coil, whereby in particular the devices mentioned above are used so that an accurate quality assessment of the collecting coil can be carried out in a targeted manner in order to be able to evaluate high-quality collecting coils.
  • the quality determination unit is assigned a tolerance range determination unit which transmits current threshold values of the tolerance range to the quality determination unit.
  • An advantageous additional device to improve the device is a tolerance range determination unit, which regularly checks and monitors the specified threshold values for the tolerance range so that accurate error detection is possible.
  • the invention relates to a method and a device with which a re-evaluation of the detected errors takes place in which the collected total errors are sorted according to their effect on the thread quality.
  • the harmless errors that have no effect on the thread quality are evaluated, marked and/or identified so that they can be distinguished from the errors. which can have a negative impact on the thread quality. This is also possible for quality-relevant defects.
  • the harmless errors can be detected using pattern recognition of previously determined sensor data.
  • the pattern recognition uses a machine algorithm, similar to an AI, which can be trained by teaching harmless errors. This is also possible for quality-relevant errors.
  • Fig. 1 schematically shows an embodiment of a processing station of a textile machine for producing a synthetic crimped thread with an associated data analysis unit
  • Fig. 2 schematically shows a first machine yarn program for defining and detecting total defects by means of which a first quality level of the collecting bobbin and the synthetic yarn collected on it can be defined
  • Fig. 3 schematically shows a third machine learning program for defining tolerance ranges limited by maximum and minimum threshold values to be determined
  • Fig. 4 is a third machine learning program for detecting defect qualities, in particular defect qualities that affect the coil quality and defects that do not affect the coil quality
  • Fig.5 shows an overview of the data analysis unit with its associated first, second and third machine learning programs which can be used to assess the coil quality using a quality algorithm.
  • DTY Drawn Textured Yarn - crimped synthetic thread
  • POY Pre Oriented Yarn
  • Such texturing machines have a large number of such processing stations 1, which are constructed identically. It is therefore usual for more than 100 processing stations to be arranged next to one another along a machine's long side. At this point, only one of the processing stations 1 of a textile machine is described in more detail.
  • Fig. 1 shows a schematic of the processing station 1 and a winding station 2 of the textile machine.
  • the processing station 1 has a creel 4 in which a supply spool 5 and a reserve spool 6 are held.
  • the supply spool 5 supplies a thread 3 which is transferred to the processing station 1 for stretching and texturing.
  • the supply spool 5 is also referred to as a so-called POY spool because it was previously produced in a melt spinning process and wound with a freshly spun POY thread.
  • a thread end of the supply spool 5 is connected to a thread start of the reserve spool 6 by a thread knot. In this way, a continuous draw-off of the thread 3 is achieved after the supply spool 5 has been completely unwound.
  • the thread end of the reserve spool 6 is then connected to the thread start of a new supply spool 5.
  • the thread 3 is drawn off from the feed spool 5 by a first feed mechanism 7.1.
  • the feed mechanism 7.1 is driven by a drive 8.
  • the feed mechanism 7.1 is formed by a driven godet and a freely rotating roller, which are wrapped around several times by the thread.
  • the A heating device 9, a cooling device 10 and a texturing unit 11 are arranged downstream of the delivery unit 7.1.
  • the texturing unit 11 is preferably designed as a friction twister in order to generate a false twist on the multifilament thread, which results in a crimping of the individual filaments of the thread.
  • a second delivery unit 7.2 is arranged downstream of the texturing unit 11, which is driven by the drive 8.
  • the delivery unit 7.2 is identical in structure to the first delivery unit 7.1, whereby the second delivery unit 7.2 is operated at a higher peripheral speed to stretch the thread.
  • the synthetic thread 3 is thus textured and stretched at the same time.
  • the feed mechanism 7.3 is driven by the drive 8.
  • the feed mechanism 7.3 is designed as a so-called clamping feed mechanism, which has a driven shaft and a pressure roller. The yarn 3 is guided in a clamping gap on the circumference of the shaft.
  • the winding station 2 has a bobbin holder 13 which carries a collecting bobbin 14.
  • the collecting bobbin holder 13 is designed to be pivotable and can be operated manually or automatically to replace the collecting bobbins 14.
  • the collecting bobbin holder 13 is assigned a drive roller 15 which is driven by a roller drive 15.1.
  • the winding station 2 is assigned a traversing device 12 which has a drivable traversing thread guide.
  • the traversing thread guide is driven in an oscillating manner via the traversing drive 12.1.
  • the traversing drive 12.1 and the roller drive 15.1 of the winding station 2 are designed as individual drives and are connected to a machine control unit 16.
  • the drives 8 of the delivery units 7.1, 7.2 and 7.3 as well as the texturing drive 11.1 of the texturing unit 11 of the processing station 1 are designed as individual drives and coupled to the machine control unit 16.
  • a thread tension is continuously applied to the running thread in each of the processing stations 1 of a textile machine.
  • a sensor device 17 is arranged in the yarn path in front of the delivery mechanism 7.2 at the exemplary processing point 1.
  • the sensor device 17 has a thread tension sensor 17.1 and a measurement signal sensor 17.2.
  • the sensor device 17 is connected to a data analysis unit 18.
  • the data analysis unit 18 is coupled to a transmitter 19, which is connected to suitable receiving systems using wired or wireless transmission technologies in order to transmit information and signals.
  • the data analysis unit 18 has several software modules or machine programs 35, 36, 37 in order to analyze the measurement signals of the sensor device 17 and the data obtained therefrom in order to monitor the manufacturing process.
  • the data recorded and evaluated by the data analysis unit 18 can be forwarded to a database 66 and/or the machine control unit 16 using the transmitter 19.
  • the transmitter 19 can act as a transmitter and receiver and transmit the data wirelessly and/or via cable.
  • the thread tension measuring device 25 operated by the operator is shown in dashed lines.
  • the thread tension measuring device 25 is preferably held in the thread path in front of or behind the sensor device 17.
  • the measured value of the thread tension displayed by the thread tension measuring device 25 is checked by the operator to see whether it lies within a predefined tolerance range of the manufacturing process.
  • the intervention of the thread tension device 25 generates an event on the sensor device 17 that leads to a deviation from the standard state of the thread tension in the manufacturing process. This event is fed from the thread tension sensor 17.1 and the measurement signal sensor 17.2 to the data analysis unit 18.
  • a thread tension analysis module is provided, which continuously records the measuring signals of the measuring signal sensor 17.2 and generates so-called error graphs.
  • the graphs 351 define an abnormal measurement signal curve of the thread tension. Such graphs 351 are always generated by data technology when the thread tension measured online in the manufacturing process leaves the range 352 defined by the specified limit values OG, OG. If the thread tension of the thread moves significantly outside the defined range 352, this has an effect on the quality of the thread and thus on the quality of the manufactured product. In this way, every event that changes the thread tension is recorded and generated as an error graph.
  • Fig. 2 shows a schematic of the error graph 351, which is assigned to a manual thread tension measurement as the cause of the error during the analysis.
  • the determination and analysis of the error graphs are derived from EP 3 737 943 A1 and are described in more detail there.
  • the error graph 351 shown in Fig. 2 also shows a typical measurement signal curve of the thread tension T, which occurs when a thread tension measuring device 25 is used for manual measurement of the thread tension.
  • the thread tension T is plotted on the ordinate and the time t on the abscissa.
  • the intervention of the thread tension measuring device 25 in the thread path produces an increase in the thread tension T, which remains essentially constant during the manual measurement of the thread tension.
  • the manual thread tension measurement can be clearly assigned to the error graph with the help of the machine tensioning program.
  • the error graph 351 has threshold values indicating a maximum value OG and a minimum value UG, which also define a tolerance range 352.
  • the quality is medium-good and the collecting coil 14 is not suitable for further processing for every product and for quality level 40 with c, further processing of the collecting coil 14 is only possible to a limited extent or not at all.
  • a second machine learning program 36 is provided for assessing error qualities, with which the quality relevance of a total error 61 can be analyzed.
  • Fig. 3 shows a third machine learning program 37 having a tolerance range determination unit 70 with which the threshold values of the tolerance range for the graph 351 can be defined or learned. This can be done, for example, via a teaching process 64 and/or the operator specifies the threshold values OG and UG based on experience values from operating position 1.
  • the second machine learning program 36 is shown for detecting quality-relevant errors 63, which are used for the assessment of the collecting coil 14 in a second quality level 200.
  • a total error 61 that has been detected by means of the first machine learning program 35 is fed to the second machine learning program 36.
  • This carries out an error evaluation 60 with a corresponding algorithm and then evaluates the total error 61 accordingly as a quality-irrelevant error 62 or as a quality-relevant error 63.
  • a teach-in or training 64 refers to a method for programming a machine learning program.
  • the programming is supported by an operator who contributes his experience to the error messages of the machine learning program.
  • the error patterns determined in this way are stored in the control of the respective machine learning program 35, 36. This step can be repeated regularly as needed in order to better control and/or check the responses of the machine learning program.
  • the program sequence can consist of the machine learning program displaying new or unknown errors to the operator, possibly with a suggested solution or an assessment, and the operator confirming and/or modifying these suggestions if they are correct.
  • the error evaluation unit 60 can send a warning signal or alarm signal to the operator if a corresponding additional evaluation by the operator or training of the operator is necessary, for example if new, unknown errors occur.
  • the error evaluation unit 60 can interact with a quality determination unit 100 and its quality assessment of the respective total errors
  • the quality determination unit 100 can carry out a new evaluation of the collecting coil 14 with its quality algorithm 101 and can assign it a second quality level 200, which then takes precedence for the further life of the collecting coil 14.
  • the error evaluation unit 60 is connected to a database 66 in which the corresponding evaluations or the recorded total errors 61 and their assessment as quality-relevant errors 63 or as quality-irrelevant errors
  • Fig. 5 shows a summary of the possible embodiments of a data analysis unit 18 for the method according to the invention or for the device according to the invention for determining the coil quality of a collecting coil 14.
  • the data analysis unit 18 can have three machine learning programs 35, 36 and 37. Each of the machine programs 35, 36, 37 has a different function. Their results are finally checked with a quality determination unit 100, which has a quality algorithm 101. With the help of the quality determination unit 100 and its quality algorithm 101, a second quality level 200 is then determined, which is then assigned to the respective collecting coil 14.
  • the first machine program 35 has an error detection unit 50 that can detect total errors 61 using the previously presented graphs 351. Based on the total errors 61, the collecting bobbin 14 is assigned a first quality level 40. However, these total errors 61 can also have errors that are not relevant to quality, such as a thread tension measuring device measurement that can exceed the target values of the tolerance range 352 but has no effect on the quality of the thread 30.
  • non-quality-relevant defects may also include filament breakages, which may lead to a change in the thread tension but do not affect the quality processing or the processability of the collecting spool 14 and the synthetic threads wound on it.
  • An assessment of the total errors 61 takes place with the second machine learning program 36, which has an error evaluation unit 60 for detecting and defining quality-relevant errors 62 and quality-irrelevant errors 63.
  • a teaching of the error evaluation unit 60 as well as a teaching of the error detection unit 50 can be carried out, for example, according to a teach-in method 64, wherein an operator at least confirms the corresponding error indications of the respective unit.
  • the data analysis unit 18 can have a third machine learning program 37 which defines at least the tolerance ranges of the error detection.
  • the third machine learning program 37 has a tolerance range determination unit 70, which determines the threshold values UG, OG of the error detection graphs 351 or adjusts them accordingly in corresponding analyses.
  • the results of the first, second and/or third machine learning program 35, 36, 37 are then fed to the quality determination unit 100, which then uses a quality algorithm 101 to reassess the first quality level based on the results of the tolerance range determination unit 70 and the error evaluation unit 60 and also the error detection unit 50.
  • a new second quality level 200 is then fed to the collecting coil 14 and this is stored in the database 66 in connection with the associated collecting coil 14.
  • the data analysis unit 18 has either the first and second machine learning programs 35, 36 or the first and third machine learning programs 35, 37.
  • the second machine program 36 may be programmed solely for error detection and error quality classification and may be applied in the data analysis unit 18.
  • the method may comprise the following steps:
  • the unprocessed thread 3 can be provided to a gate 4.
  • a supply spool 5 and a reserve spool 6 are provided, each with unprocessed thread 3.
  • the unprocessed thread 3 of the supply spool 6 and the reserve spool 5 are each linked to one another, as can be seen from Fig. 1.
  • the unprocessed thread 3 is processed into a textured thread 30.
  • the unprocessed thread 3 is guided to the heating device 9 and the cooling device 10 via delivery systems 7.1, 7.2 and 7.3.
  • the unprocessed thread 3 is textured by means of the texturing unit 11, so that a textured thread 30 is formed.
  • the textured thread 3 is collected on the collecting spool 40.
  • detected total errors 61 are collected, which are detected during the processing of the unprocessed thread 3.
  • the detection of the total errors 61 can be carried out, for example, by means of the sensor device 17.
  • total errors 61 and their frequency can be determined. Based on the frequency, a first quality level 40 can be determined in which only the number of total errors 61 is taken into account. The first quality level 40 is assigned to the associated collecting spool 14 with the textured thread 30.
  • the total errors 61 are evaluated and marked into quality-relevant errors 63 and quality-irrelevant errors 62.
  • a second quality level 200 of the collecting coil can be determined, for example by subtracting the quality-irrelevant errors 62 from the total errors 61 to obtain corrected errors, so that the second quality level 200 can be determined on the basis of the corrected errors.
  • the second quality level 200 of the associated collection coil 14 is also assigned and stored, for example in the database 66.
  • the error evaluation unit 60 interacts with a quality determination unit 100 for determining a quality level 200.
  • the recorded data and results are stored and preserved in a database 66 for storing the quality level 200 of the associated collecting bobbin 14.
  • the quality determination unit 200 is a tolerance range determination unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Filamentary Materials, Packages, And Safety Devices Therefor (AREA)

Abstract

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum Ermitteln der Spulenqualität einer Sammelspule (14) mit synthetischen Faden (30), wobei bei der Herstellung einer Sammelspule (14) ein Gesamtfehler (61) gesammelt wird, wobei der Gesamtfehler (61) in einen qualitätsrelevanten Fehler (63) oder in einen qualitätsirrelevanten Fehler (62) bewertet wird, wobei der qualitätsrelevante Fehler (63) zum Ermitteln einer Qualitätsstufe (7) der Sammelspule (14) verwendet wird.

Description

Verfahren zum Ermiteln der Spulenqualität einer Sammelspule
Die Erfindung betrifft eine Vorrichtung zum Verfahren zum Ermitteln der Spulenqualität einer Sammelspule mit synthetischen Faden gemäß den Merkmalen des Anspruchs 1 und eine Vorrichtung zum Ermitteln der Spulenqualität einer Sammelspule mit synthetischen Faden gemäß den Merkmalen nach Anspruch 11.
Ein Verfahren zum Überwachen einer Vielzahl von Bearbeitungsstellen für synthetische Fäden ist beispielsweise aus WO 2019/137835 Al bekannt.
Bei der Herstellung und Behandlung von synthetischen Fäden ist es üblich, Produkt- und / oder Prozessparameter kontinuierlich zu überwachen, um so eine möglichst stabile Prozessführung und insbesondere möglichst stabile Produktionsqualität an dem Faden zu erhalten.
Insbesondere bei der Herstellung von texturierten Fäden hat sich die Überwachung einer Fadenspannung an den laufenden Fäden in der jeweiligen Bearbeitungsstelle bewährt, um Prozessstörungen und / oder Produktionsschwankungen frühzeitig zu erkennen.
Bei dem bekannten Verfahren zur Überwachung des Herstellungsprozesses wird an dem laufenden Faden einer Bearbeitungsstelle kontinuierlich eine Fadenspannung gemessen.
Dabei erzeugte Messsignale der Fadenspannung werden mit einem Schwellwert einer zulässigen Fadenspannung verglichen, um sogenannte Fehlergraphen zu identifizieren und für weitere Analysen zu nutzen.
Mit entsprechenden Lernalgorithmen werden aus dem Fehlergraphen die jeweiligen Fehlerursachen im Herstellungsprozess erkannt, um beispielsweise durch einen Operator beseitigt zu werden. Mit dem jetzigen Maschinenlernprogramm ist es jedoch nicht möglich, festzustellen welche Fehlerarten und Qualitäten von dem Programm erfasst und weitergeleitet worden sind.
Trotzdem wird anhand der gesammelten Fehler eine erste Spulenqualitätsbewertung durchgeführt.
Problematisch ist, dass auch nicht qualitätsrelevante Fehler bei der Bewertung der Spulenqualität berücksichtigt werden.
Aufgabe der Erfindung ist es daher, ein Verfahren und eine Vorrichtung bereitzustellen, die es ermöglichen, die Spulenqualität nur anhand qualitätsrelevanter Fehler zu bewerten.
Die Aufgabe wird hinsichtlich des Verfahrens mit einem Verfahren nach den Merkmalen von Anspruch 1 gelöst.
Die Aufgabe wird hinsichtlich der Vorrichtung mit einer Vorrichtung mit den Merkmalen nach Anspruch 11 gelöst.
Weiterführende Ausgestaltung des Verfahrens und der Vorrichtung werden in den Unteransprüchen beansprucht.
Nach einem Aspekt der Erfindung wird ein Verfahren zum Ermitteln der Spulenqualität einer Sammelspule mit synthetischen Faden bereitgestellt, wobei bei der Herstellung der Sammelspule ein Gesamtfehler gesammelt wird, wobei der Gesamtfehler in einen qualitätsrelevanten Fehler oder in einen qualitätsirrelevanten Fehler bewertet wird, wobei der qualitätsrelevante Fehler zum Ermitteln einer Qualitätsstufe der Sammelspule verwendet wird.
Unter einem Gesamtfehler ist insbesondere ein Fehler zu verstehen, der während des Herstellens des synthetischen Fadens erfasst worden ist. Der Gesamtfehler kann einer Vorrichtung zum Herstellen des synthetischen Fadens, beispielsweise an eine Da- tenanalyseeinheit oder einer Steuerung der Vorrichtung zum Herstellen des synthetischen Fadens gemeldet werden.
Unter einem synthetischen Faden ist hierbei insbesondere ein Faden zu verstehen, der mittels einer synthetischen Schmelze zu einem POY oder vororientierten Faden aus einer Mehrzahl von Filamenten hergestellte worden ist, der dann in Nachbearbeitungsschritten zu einem texturierten Faden verarbeitet wird, der insbesondere für die Verarbeitung in der Textilbranche geeignet ist. Der texturierte Faden wird auch als DTY- Faden (Drawn Textured Yarn) bezeichnet.
Mit diesem Verfahren ist es vorteilhaft möglich, Spulen nach ihrer realen Qualität zu beurteilen, so dass sichergestellt werden kann, dass die auf der Sammelspule gesammelten synthetischen Fäden für eine Weiterverarbeitung geeignet sind.
Die Qualität der Fäden kann beispielsweise für ein Web-Verfahren und / oder für eine anschließende Färbung relevant sein, wobei hier ein qualitativ guter Faden bessere Eigenschaften für die nachfolgende Verarbeitung aufweist und das Risiko von schlechten Endprodukten minimiert werden kann.
Nach einer Ausgestaltung des Verfahrens zum Ermitteln der Spulenqualität einer Sammelspule wird der Gesamtfehler aus den ermittelten Daten einer Sensorvorrichtung, insbesondere einer Fadenspannungssensorvorrichtung ermittelt.
Gegenwärtig ist es generell möglich, die Fadenqualität durch Sensoren zu ermitteln, die die Faden bei der Herstellung überwachen.
Durchgesetzt hat sich hierbei insbesondere die Messung der Fadenspannung mit einem entsprechenden eingerichteten Messgerät, das aktiv die Fadenspannung misst.
Es gibt jedoch auch andere Einrichtungen, die es ermöglichen die Fadenspannung direkt oder indirekt zu ermitteln. Dies kann beispielsweise über Streckwerke und deren Stromverbrauch indirekt ermittelt werden. Auch kann hierzu der erforderliche Kraftaufwand, wie beispielsweise das Drehmoment einer Galette oder einer Fadenrollenführung zum Feststellen der Fadenspannung ermittelt werden.
Nach einer weiteren Ausgestaltung des Verfahrens zum Ermitteln der Spulenqualität einer Sammelspule werden die ermittelten Daten der Sensorvorrichtung in einem Graphen erfasst, der einen Toleranzbereich definiert, wobei mittels eines ersten Maschineniemprogramm zum Ermitteln von Gesamtfehlem der Graph analysiert wird, um den Gesamtfehler zu erkennen.
Unter einem Maschinenlernprogramm ist ein Softwaremodul und/oder eine Kl- Applikation zu verstehen, die zum selbständigen Lösen von Aufgaben bzw. selbständigen Erkennen von Mustern programmiert worden ist. Dies kann ein Erkennen und/oder Melden von möglichen Fehlern bei der Herstellung von einem synthetischen Verfahren aus bestimmten Messdaten umfassen. Das Programmieren kann auch ein Anlernen (Teach-In) umfassen.
Das erste Maschineniemprogramm zum Ermitteln von Gesamtfehlem meldet im Wesentlichen die Quantität von Fehlern und kann nachfolgend auch als Maschineniemprogramm zum Ermitteln von Fehl er quanti täten bezeichnet werden.
Zum Ermitteln aus den Daten der Sensorvorrichtung von einem Gesamtfehler, werden die Daten in einem Zeitdiagramm erfasst, wobei die Abszisse den Zeitverlauf angibt und die Ordinate den jeweils gemessenen Wert der Sensorvorrichtung.
Bei einem Graphen von der Fadenspannungsmessung ist an der Abszisse der Zeitwert und an der Ordinate der Spannungswert eingetragen. Hieraus ergibt sich ein typischer Graph, aus dem auftretende Fehler analysiert werden können aufgrund des Verlaufs und des Musters, den der Graphen abbildet.
Mittels eines ersten Maschineniemprogramm zum Erkennen von Gesamtfehlern, dem eine KI (künstliche Intelligenz) zugeschaltet werden kann, können die Graphen entsprechend analysiert werden. Das Maschineniemprogramm kann hierbei mittels eines Teach-In (Anlernen) für die Aufgabe programmiert werden. Nach dem Anlernen ist es möglich, dass das Maschinenlernprogramm selbstständig Fehler erkennt und diese meldet.
Nach einer bevorzugten Ausgestaltung des Verfahrens zum Ermitteln der Spulenqualität einer Sammelspule wird mittels des Gesamtfehlers und dem ersten Maschinenlernprogramm eine erste Qualitätsstufe ermittelt, die der Sammelspule zugeordnet wird.
Für eine erste Einstufung der Sammelspule werden die ermittelten Gesamtfehler gesammelt und auch mit Hilfe des Maschinenlernprogramm und / oder einem Zusatzprogramm der Sammelspule, die momentan hergestellt wird, zugeordnet.
Unter einer ersten Qualitätsstufe ist eine erste Bewertung der Qualität der Sammelspule basierend auf der Quantität der erfassten Gesamtfehler zu verstehen.
Dies wird in einer Datenbank gespeichert. Damit kann wenigstens aufgrund der Gesamtfehler, die aufgetreten sind bei der Herstellung der Sammelspule und dem zugehörigen synthetischen Faden eine erste Spulenqualität ermittelt werden.
Das erfindungsgemäße Verfahren erlaubt jedoch in einem weiteren Schritt eine genauere Ermittlung der Spulenqualität, in dem die Gesamtfehler nach ihrer Relevanz für die Fadenqualität beurteilt werden.
Nach einer besonderen Ausgestaltung des Verfahrens zum Ermitteln der Spulenqualität einer Sammelspule wird die Bewertung des Gesamtfehlers in einem qualitätsrelevanten Fehler oder in einem qualitätsirrelevanten Fehler mittels eines zweiten Maschinenlernprogramm zum Beurteilen von Fehlerqualitäten durchgeführt.
Das Bewerten bzw. Analysieren des Gesamtfehlers bezüglich der Qualitätsrelevanz erlaubt eine bessere Beurteilung der Spulenqualität der zugehörigen Sammelspule mit dem darauf aufgewi ekelten Faden. Unter einen qualitätsrelevanten Fehler ist ein Fehler zu verstehen, der bei der Herstellung des synthetischen Fadens festgestellt wird, der die Qualität des Fadens vermindert und dessen Weiterverarbeitbarkeit verschlechtert. Das können Fehler sein, die beispielweise das spätere Anfärben und/oder Verweben des Fadens zu einem Textil verschlechtern.
Unter einem qualitätsirrelevanten Fehler ist ein Fehler zu verstehen, der bei der Herstellung des synthetischen Fadens festgestellt wird, der die Qualität des Fadens nicht verändert. Ein solcher erfasster Fehler kann auf Grund einer Fehlermeldung aus einem einzelnen Filamentbruch oder einer Zusatzmessung mit einem Fadenspannungsmessgerät verursacht worden sein. Ein qualitätsirrelevanter Fehler beeinflusst nicht die Qualität und Verarbeitbarkeit des Fadens.
Dies hat den Vorteil, dass Sammelspulen, die, basierend auf der Erstbewertung des Gesamtfehlers, in eine schlechtere Qualitätsstufe fallen, durch die Nachbewertung des Gesamtfehlers in einen qualitätsrelevanten oder in einen qualitätsirrelevanten Fehler, in eine bessere Qualitätsstufe fallen können, da nur die qualitätsrelevanten Fehler berücksichtigt werden.
Dies hat zusätzlich den Vorteil, dass weniger Sammelspulen falsch beurteilt werden. Denn mit dem Verfahren ist eine genauere Ermittlung der Qualität der jeweiligen Sammelspule möglich, so dass diese auch in qualitativ hochwertigen Verfahren weiterverarbeitet werden kann. Damit kann auch Ausschuss und Abfall vermieden werden.
Außerdem können zudem auch Sammelspulen, die ursprünglich nur aufgrund der Basis des Gesamtfehlers für eine Weiterverarbeitung gar nicht geeignet wären, durch die Nachbewertung in eine höhere Qualitätsstufe qualifiziert werden, so dass auch unnötige Abfallherstellung vermieden werden kann.
Nach einer besonderen Ausgestaltung des Verfahrens zum Ermitteln der Spulenqualität einer Sammelspule wird ein maximaler Sollwert und ein minimaler Sollwert zur Begrenzung des Toleranzbereichs für die Fehlererkennung mittels eines dritten Maschineniemprogramms zum Definieren von Toleranzbereichen ermittelt. Das Festlegen der maximalen und minimalen Sollwerte kann auch durch vorbestimmte Erfahrungswerte festgelegt werden, die beispielsweise ein erfahrener Operator festlegt.
In einer besonderen Ausgestaltung des Verfahrens ist es jedoch vorgesehen, dass die Sollwerte mittels eines dritten Maschinenlernprogramm überwacht und weiter definiert werden, wobei hier auch ein Anlernen des Maschinenlernprogramm möglich ist. Die Sollwerte definieren den Toleranzbereich jeweils mit Maximal- und Minimalwerten, wobei ein Überschreiten bzw. Unterschreiten des jeweiligen Sollwertes einen Fehler anzeigen kann.
Dieser Fehler kann für die Spulenqualität maßgeblich sein. Außerdem ist der Fehler auch eine entsprechende Warnung, dass hier zulässige Sollwerte überschritten bzw. unterschritten worden sind. Bei einer zu starken Überschreitung bzw. Unterschreitung der jeweilig festgelegten Sollwerte kann es sogar zu einer Unterbrechung des Herstellungsprozesses kommen.
Nach einer weiteren Ausgestaltung des Verfahrens zum Ermitteln der Spulenqualität einer Sammelspule weist das erste Maschineniemprogramm zum Erkennen von Gesamtfehlem, das zweite Maschineniemprogramm zum Beurteilen von Fehlerqualitäten und/ oder das dritte Maschineniemprogramm zum Definieren von Toleranzbereichen einen Einiemvorgang von einem Operator auf, wobei der Einiemvorgang von dem ersten, zweiten und/oder dritten Maschineniemprogramm bei dem Operator angefragt wird.
Für eine optimale Erkennung von Fehlern und / oder einer optimalen Überwachung und Einstellung der Sollwerte ist es vorteilhaft, wenn die zugehörigen Maschineniemprogramme trotz der vorliegenden und erfassten Daten weiter angelernt werden, da diese Maschineniemprogramme auch Muster und zugehörige Fehler erkennen können, die von einem Operator nicht erkannt werden können. Damit die Fehlererkennung genau und korrekt ist, sollten die von dem Maschinenlernprogramm neu erkannten Fehler auch von einem erfahrenen Operator bestätigt werden, so dass es zu keinen unnötigen Falschmeldungen kommt.
Nach einer weiteren Ausgestaltung des Verfahrens zum Ermitteln der Spulenqualität zu einer Sammelspule wird das Ergebnis des ersten Maschinenlernprogramms des zweiten Maschinenlernprogramms und / oder des dritten Maschinenlernprogramms von einem Qualitätsalgorithmus zum Festlegen einer zweiten Qualitätsstufe der Sammelspule ausgewertet und in einer Datenbank gespeichert.
Der Qualitätsalgorithmus ist eine weitere Instanz, mit der die Qualität der Sammelspule bestimmt werden kann, insbesondere spielt der Qualitätsalgorithmus die Rolle des Nachbewertens der ersten Ergebnisse des Erkennens der ersten Qualitätsstufe basierend auf den bewerteten qualitätsrelevanten bzw. qualitätsirrelevanten Fehlem.
Der Qualitätsalgorithmus fasst die Ergebnisse aus der Fehlererkennung und der Fehlerqualitätserkennung zusammen und bewertet die Spulenqualität basierend auf diesen Ergebnissen neu, so dass im günstigen Fall sich die Spulenqualität verbessern kann, wenn die Mehrzahl der erkannten Fehler nicht qualitätsrelevant ist.
Nach einer besonderen Ausgestaltung des Verfahrens zum Ermitteln der Spulenqualität einer Sammelspule weist das zweite Maschinenlernprogramm einen Fehlererkennungsalgorithmus auf, der den qualitätsrelevanten Fehler und / oder den qualitätsirrelevanten Fehler an den Qualitätsalgorithmus meldet.
In einer besonderen Ausgestaltung wird mittels des zweiten Maschinenlernprogramms zur Fehlerqualitätserkennung nicht nur eine Bewertung der Gesamtfehler durchgeführt, sondern es wird auch an die Fehlerauswertung des Qualitätsalgorithmus gemeldet, welche Fehlerarten vorliegen.
In vereinfachter Form können hierbei nur die qualitätsrelevanten bzw. nur die qualitätsirrelevanten Fehler an den Qualitätsalgorithmus gemeldet werden, so dass dieser Bewerten kann, welche Fehler bei den Gesamtfehlem gemeldet worden sind. Dann kann das Qualitätsalgorithmus-Programm die zuvor zwischengespeicherte Spulenqualität der Sammelspule verbessern oder verschlechtern, je nachdem wie viele der Gesamtfehler qualitätsrelevant bzw. qualitätsirrelevant sind.
Nach einer bevorzugten Ausgestaltung des Verfahrens zum Ermitteln der Spulenqualität einer Sammelspule weist das Verfahren folgende Schritte auf:
Bereitstellen eines unbearbeiteten Fadens einer Vorlagespule, Bearbeiten des unbearbeiteten Fadens zu einem texturierten Faden, Sammeln von Gesamtfehlern, die bei der Bearbeitung des unbearbeiteten Fadens erfasst werden,
Bestimmen der ersten Qualitätsstufe basierend auf den Gesamtfehlem, Sammeln des texturierten Fadens auf einer Sammelspule,
Zuordnen der Qualitätsstufe der zugehörigen Sammelspule mit dem texturierten Faden,
- Bewerten und Markieren der Gesamtfehler in Fehlerqualitäten, die qualitätsrelevante Fehler und qualitätsirrelevante Fehler aufweisen
Abziehen der qualitätsirrelevanten Fehler von den Gesamtfehlern zum Erhalten von bereinigten Fehlern,
Bestimmten einer zweiten Qualitätsstufe basierend auf den Fehlerqualitäten, und
Zuordnen und Speichern der zweiten Qualitätsstufe der zugehörigen Sammelspule.
Nach einer Ausgestaltung des obigen Verfahrens können mittels der oben dargestellten Verfahrensschritte die festgestellten Gesamtfehler in qualitätsrelevante und qualitätsirrelevante Fehler eingeordnet werden und es kann eine neue Qualitätsbewertung der Sammelspule erfolgen, wobei die Fehler nach ihrer Relevanz für die Qualität des hergestellten Fadens berücksichtigt werden.
Dies kann dazu führen, dass eine zunächst einer schlechteren Qualitätsstufe zugeordneten Sammelspule in eine bessere Qualitätsstufe aufsteigt. Nach einem Aspekt der Erfindung wird eine Vorrichtung zum Ermitteln der Spulenqualität einer Sammelspule mit synthetischen Faden bereitgestellt, insbesondere für das Verfahren nach den oben aufgeführten Ausgestaltungen, aufweisend eine Sensorvorrichtung zum Erfassen von Daten des synthetischen Fadens, eine Datenanalyseeinheit mit einer Fehlererkennungseinheit und Fehlerbewertungseinheit, die mit einer Steuerung einer Betriebsstelle zum Herstellen des synthetischen Fadens zusammenwirkt, wobei die Fehlerbewertungseinheit mit einer Qualitätsbestimmungseinheit zusammenwirkt zum Bestimmen einer Qualitätsstufe, und einer Datenbank zum Speichern der Qualitätsstufe der zugehörigen Sammelspule.
Mit der Vorrichtung ist es möglich, eine genaue Qualitätsbewertung der hergestellten Sammelspule durchzuführen, wobei insbesondere die oben erwähnten Vorrichtungen angewendet werden, so dass zielsicher eine genaue Qualitätsbeurteilung der Sammelspule stattfinden kann, um qualitativ hochwertige Sammelspulen bewerten zu können.
Nach einer Ausgestaltung der Vorrichtung zum Ermitteln der Spulenqualität einer Sammelspule mit synthetischen Fäden ist der Qualitätsbestimmungseinheit eine Toleranzbereichsermittlungseinheit zugeordnet, die aktuelle Schwellwerte des Toleranzbereiches an die Qualitätsbestimmungseinheit übermittelt.
Ein vorteilhaftes zusätzliches Gerät, zur Verbesserung der Vorrichtung ist eine Toleranzbereichsermittlungseinheit, die regelmäßig die festgelegten Schwellwerte für den Toleranzbereich kontrolliert und überwacht, so dass eine genaue Fehlererkennung möglich ist.
Die Erfindung betrifft ein Verfahren und eine Vorrichtung, mit denen jeweils eine Nachbewertung der festgestellten Fehler stattfindet, in dem die gesammelten Gesamtfehler nach ihrer Auswirkung auf die Fadenqualität geordnet werden. Hierbei werden wenigstens die harmlosen Fehler, die keine Auswirkung auf die Fadenqualität haben, bewertet, markiert und/oder gekennzeichnet, so dass diese von den Fehlern unterscheid- bar sind, die eine negative Auswirkung auf die Fadenqualität haben können. Dies ist auch für die qualitätsrelevanten Fehler möglich.
Das Erkennen der harmlosen Fehler kann über eine Mustererkennung von zuvor ermittelten Sensordaten durchgeführt werden. Die Mustererkennung weist hierzu einen Maschinenalgorithmus, ähnlich einer KI auf, der durch Anlernen (Teach-In) von harmlosen Fehlern trainiert werden kann. Dies ist auch für die qualitätsrelevanten Fehler möglich.
Dadurch ist es möglich eine Neubewertung der Qualität von Sammelspulen durchzuführen, wenn die erste Qualitätsbewertung basierend auf bereits erkannten Gesamtfehlern und eine zweite Qualitätsbewertung durch Gewichtung der erkannten Gesamtfehler zumindest nach qualitätsrelevant und qualitätsirrelevant für die Fadenqualität durchgeführt wird.
Nachfolgend wird das erfindungsgemäße Verfahren zum Ermitteln der Spulenqualität einer Sammelspule und die zugehörige Vorrichtung zum Ermitteln der Spulenqualität einer Sammelspule unter Bezugnahme auf die Figuren und unter Erläuterung weiterer Ausführungsbeispiele unter Bezugnahme auf die beigefügten Figuren naher erläutert. Hieraus ergeben sich weitere Ausführungsformen und Vorteile des Verfahrens und der Vorrichtung.
In den Zeichnungen zeigen:
Fig. 1 schematisch ein Ausführungsbeispiel einer Bearbeitungsstelle einer Textilmaschine zur Herstellung eines synthetischen gekräuselten Fadens mit einer zugehörigen Datenanalyseeinheit,
Fig. 2 schematisch ein erstes Maschineniemprogramm zum Definieren und Erkennen von Gesamtfehlern mittels denen eine erste Qualitätsstufe der Sammelspule und den darauf gesammelten synthetischen Faden definiert werden kann,
Fig. 3 schematisch ein drittes Maschinenlernprogramm zum Definieren von Toleranzbereichen, die durch zu bestimmenden maximalen und minimalen Schwellwerte begrenzt sind, Fig. 4 ein wird drittes Maschinenlernprogramm zum Erkennen von Fehlerqualitäten, insbesondere Fehlerqualitäten, die die Spulenqualität beeinflussen und von Fehlern, die die Spulenqualität nicht beeinflussen, und
Fig.5 eine Zusammenschau der Datenanalyseeinheit mit deren zugehörigen ersten, zweiten und dritten Maschinenlernprogrammen die zur Beurteilung der Spulenqualität mittels eines Qualitätsalgorithmus herangezogen werden können.
In Fig. 1 ist schematisch ein Ausführungsbeispiel einer Bearbeitungsstelle 1 einer Textilmaschine, in diesem Fall einer Texturiermaschine zum Herstellen eines texturierten Fadens 30 (DTY= Drawn Textured Yarn - gekräuselter synthetischer Faden) aus einem untexturierten Faden 3, der auch als POY (Pre Oriented Yarn) bezeichnet wird, gezeigt. Derartige Texturiermaschinen weisen eine Vielzahl von solchen Bearbeitungsstellen 1 auf, die identisch aufgebaut sind. So ist es üblich, dass mehr als 100 Bearbeitungsstellen entlang einer Maschinenlängsseite nebeneinander angeordnet sind. An dieser Stelle wird nur eine der Bearbeitungsstellen 1 einer Textilmaschine näher beschrieben.
In Fig. 1 ist schematisch die Bearbeitungsstelle 1 und eine Spulstelle 2 der Textilmaschine dargestellt. Die Bearbeitungsstelle 1 weist ein Gatter 4 auf, in welcher eine Vorlagespule 5 und eine Reservespule 6 gehalten sind. Die Vorlagespule 5 liefert einen Faden 3, der zum Verstrecken und Texturieren in der Bearbeitungsstelle 1 überführt wird. Die Vorlagespule 5 wird auch als sogenannte POY-Spule bezeichnet, da sie zuvor in einem Schmelzspinnverfahren erzeugt wurde und mit einem frisch gesponnenen POY-Faden gewickelt wurde. Ein Fadenende der Vorlagenspule 5 ist mit einem Fadenanfang der Reservespule 6 durch einen Fadenknoten miteinander verbunden. So wird ein kontinuierlicher Abzug des Fadens 3 nach einem vollständigen Abwickeln der Vorlagespule 5 realisiert. Das Fadenende der Reservespule 6 wird dann mit dem Fadenanfang einer neuen Vorlagespule 5 verbunden.
Der Abzug des Fadens 3 von der Vorlagespule 5 erfolgt durch ein erstes Lieferwerk 7.1. Das Lieferwerk 7.1 wird über einen Antrieb 8 angetrieben. Das Lieferwerk 7.1 ist in diesem Ausführungsbeispiel durch eine angetriebene Galette und eine frei drehbare Rolle gebildet, die mehrfach vom Faden umschlungen sind. Im weiteren Verlauf ist dem Lieferwerk 7.1 eine Heizeinrichtung 9, eine Kühleinrichtung 10 und ein Texturi eraggre- gat 11 nachgeordnet. Das Texturi eraggregat 11 ist vorzugsweise als ein Friktionsdrallgeber ausgeführt, um an dem multifilen Faden einen Falschdrall zu erzeugen, der sich in eine Kräuselung der einzelnen Filamente des Fadens auswirkt. Zum Verstrecken des Fadens ist dem Texturi eraggregat 11 ein zweites Lieferwerk 7.2 nachgeordnet, das durch den Antrieb 8 angetrieben wird. Das Lieferwerk 7.2 ist im Aufbau identisch zu dem ersten Lieferwerk 7.1, wobei das zweite Lieferwerk 7.2 mit einer höheren Umfangsgeschwindigkeit zum Verstrecken des Fadens betrieben wird. Innerhalb der Bearbeitungsstelle 1 wird de synthetische Faden 3 somit texturiert und gleichzeitig verstreckt.
Nach dem Kräuseln des Fadens 3 wird dieser durch ein drittes Lieferwerk 7.3 zu der Spulstelle 2 geführt. Das Lieferwerk 7.3 wird durch den Antrieb 8 angetrieben. Das Lieferwerk 7.3 ist als sogenanntes Klemmlieferwerk ausgebildet, welches eine angetriebene Welle und eine Andrückrolle aufweist. Der Faden 3 wird in einem Klemmspalt am Umfang der Welle geführt.
Die Spulstelle 2 weist einen Spulenhalter 13 auf, welche eine Sammelspule 14 trägt. Der Sammelspulenhalter 13 ist schwenkbar ausgebildet und lässt sich zum Auswechseln der Sammelspulen 14 manuell oder automatisiert bedienen. Dem Sammelspulenhalter 13 ist eine Treibwalze 15 zugeordnet, die durch einen Walzenantrieb 15.1 angetrieben wird. Zum Verlegen des Fadens am Umfang der Sammelspule 14 ist der Spulstelle 2 eine Changiereinrichtung 12 zugeordnet, die einen antreibbaren Changierfadenführer aufweist. Der Changierfadenführer wird hierzu über den Changierantrieb 12.1 oszillierend angetrieben. Der Changierantrieb 12.1 und der Walzenantrieb 15.1 der Spulstelle 2 sind als Einzelantriebe ausgebildet und mit einer Maschinensteuereinheit 16 verbunden. Ebenso sind die Antriebe 8 der Lieferwerk 7.1, 7.2 und 7.3 sowie der Textu- rierantrieb 11.1 des Texturieraggregates 11 der Bearbeitungsstelle 1 als Einzelantrieb ausgeführt und mit der Maschinensteuereinheit 16 gekoppelt.
Zur Überwachung des Herstellungsprozesses wird in jeder der Bearbeitungsstellen 1 einer Textilmaschine kontinuierlich eine Fadenspannung an dem laufenden Faden erfasst. Hierzu ist der beispielhaften Bearbeitungsstelle 1 eine Sensorvorrichtung 17 im Fadenlauf vor dem Lieferwerk 7.2 angeordnet.
Die Sensorvorrichtung 17 weist einen Fadenspannungssensor 17.1 und einen Messsignalaufnehmer 17.2 auf. Die Sensorvorrichtung 17 ist mit einer Datenanalyseeinheit 18 verbunden. Die Datenanalyseeinheit 18 ist mit einem Transmitter 19 gekoppelt, der unter Verwendung kabelgebundener oder kabelloser Übertragungstechnologien mit geeigneten Empfangssystemen verbunden ist, um Informationen und Signale zu übertragen. Die Datenanalyseeinheit 18 weist mehrere Softwaremodule bzw. Maschineniemprogramme 35, 36, 37 auf, um die Messsignale der Sensorvorrichtung 17 und die daraus gewonnenen Daten zur Überwachung des Herstellungsprozesses zu analysieren.
Die von der Datenanalyseeinheit 18 erfassten und ausgewerteten Daten können mit dem Transmitter 19 an eine Datenbank 66 und/oder die Maschinensteuereinheit 16 weitergeleitet werden. Der Transmitter 19 kann als Sender und Empfänger kabellos und/oder über Kabel die Daten weitergeben.
Bei einem Prozessbeginn, der einem Produktwechsel in den Vorlagespulen oder nach einer bestimmten Laufzeit der Prozessaggregate bedarf, ist es üblich, den Fadenspannungszustand durch eine manuelle Messung zu überprüfen. Hierzu wird von einem Operator ein Fadenspannungsmessgerät 25 genutzt, den der Operator in den Fadenlauf der zu prüfenden Bearbeitungsstelle 1 hält.
In der Fig. 1 ist das durch den Operator geführten Fadenspannungsmessgerät 25 gestrichelt dargestellt. Hierbei wird das Fadenspannungsmessgerät 25 bevorzugt in den Fadenlauf vor oder hinter der Sensorvorrichtung 17 gehalten. Der von dem Fadenspannungsmessgerät 25 angezeigte Messwert der Fadenspannung wird von dem Operator geprüft, ob dieser in einem vordefinierten Toleranzbereich des Herstellungsprozesses liegt. Durch den Eingriff des Fadenspannungsgerätes 25 wird jedoch an der Sensorvorrichtung 17 ein Ereignis erzeugt, das zu einer Abweichung des Normzustandes der Fadenspannung im Herstellungsprozess führt. Dieses Ereignis wird von dem Fadenspannungssensor 17.1 und dem Messsignalaufnehmer 17.2 der Datenanalyseeinheit 18 zugeführt. Innerhalb der Datenanalyseeinheit 18 ist ein Fadenspannungsanalysemodul vorgesehen, das die Messsignale des Messsignalaufnehmers 17.2 kontinuierlich aufnimmt und erzeugt sogenannte Fehlergraphen.
Die Graphen 351 definieren einen anormalen Messsignalverlauf der Fadenspannung. Solche Graphen 351 werden immer dann datentechnisch erzeugt, wenn die Online gemessene Fadenspannung im Herstellungsprozess den durch vorgegebene Grenzwerte OG, OG definierten Bereich 352 verlässt. Bewegt sich die Fadenspannung des Fadens deutlich außerhalb des definierten Bereiches 352 hat dies Auswirkung auf die Qualität des Fadens und somit auf die Qualität des hergestellten Produktes. So wird jedes Ereignis zur Veränderung der Fadenspannung erfasst und zu einem Fehlergraphen generiert.
In Fig. 2 ist schematisch der Fehlergraph 351 gezeigt, der bei der Analyse als Fehlerursache einer manuellen Fadenspannungsmessung zugeordnet wird. Die Ermittlung und Analyse der Fehlergraphen gehen aus der EP 3 737 943 Al hervor und sind dort näher beschrieben.
So existieren eine Vielzahl von Fehlergraphen 351, die mit Hilfe von Maschinenlernprogrammen zur Identifizierung der Störquelle analysiert werden.
Bei dem in Fig. 2 dargestellten Fehlergraph 351 ist auch ein typischer Messsignalverlauf der Fadenspannung T gezeigt, der beim Einsatz eines Fadenspannungsmessgerätes 25 zur manuellen Messung der Fadenspannung eintritt. Hierzu ist auf der Ordinate die Fadenspannung T und auf der Abszisse die Zeit t aufgetragen.
Durch den Eingriff des Fadenspannungsmessgerätes 25 in den Fadenlauf wird eine Erhöhung der Fadenspannung T erzeugt, die während der Dauer der manuellen Messung der Fadenspannung im Wesentlichen konstant bleibt. Insoweit lässt sich mit Hilfe des Maschineniemprogrammes dem Fehlergraphen eindeutig die manuelle Fadenspannungsmessung zuordnen. Wie ferner aus Fig. 2 ersichtlich ist, weist der Fehlergraph 351 Schwellenwerte auf, die einen Maximalwert OG und einen Minimalwert UG anzeigen, die auch einen Toleranzbereich 352 definieren.
Bleibt die gemessene Fadenspannung innerhalb des Toleranzbereichs 352, wird kein Gesamtfehler 61 angezeigt. Reicht jedoch die Fadenspannung aus dem Toleranzbereich 352, wird ein Gesamtfehler 61 erzeugt, der dann mittels des Maschinenlernprogramm 35 gesammelt wird und der zugehörigen Sammelspule 14 zugeordnet wird, so dass eine erste Qualitätsstufe 40, die in der Fig. 2 mit a, b oder c angezeigt wird, zugewiesen wird.
Die Qualitätsstufe 40 mit a bedeutet, die Sammelspule hat eine sehr hohe Qualität und ist für eine Weiterbearbeitung sehr gut geeignet.
Bei Qualitätsstufe 40 mit der Kennzeichnung b ist die Qualität mittelgut und die Sammelspule 14 ist in der Weiterverarbeitung nicht für jedes Produkt geeignet und bei der Qualitätsstufe 40 mit c ist eine Weiterverarbeitung der Sammelspule 14 nur begrenzt oder gar nicht möglich.
Da jedoch die Gesamtfehler 61 auch auf qualitätsnichtrelevante Fehler herrühren können wie beispielsweise die zuvor erwähnte Fadenspannungsmessung, bei der es auch zu einer Über- bzw. Unterschreitung der Schwellenwerte des Toleranzbereiches 352 und einer entsprechenden Fehlerbewertung kommen kann, wird erfindungsgemäß ein zweites Maschinenlernprogramm 36 zum Beurteilen von Fehlerqualitäten bereitgestellt, mit dem die Qualitätsrelevanz eines Gesamtfehlers 61 analysiert werden kann.
Zunächst wird Bezug auf Fig. 3 genommen, die ein drittes Maschinenlernprogramm 37 zeigt, das eine Toleranzbereichsermittlungseinheit 70 aufweist, mit der die Schwellwerte des Toleranzbereiches für den Graphen 351 definiert bzw. angelernt werden können. Dies kann beispielsweise über ein Anlernen 64 durchgeführt werden und / oder der Operator gibt die Schwellenwert OG und UG bereits vor aufgrund von Erfahrungswerten der Betriebsposition 1.
In Fig. 4 ist das zweites Maschinenlernprogramm 36 gezeigt zum Erkennen von qualitätsrelevanten Fehlern 63, die für die Beurteilung der Sammelspule 14 in einer zweiten Qualitätsstufe 200 verwendet werden.
In einem ersten Schritt wird ein Gesamtfehler 61, der mittels des ersten Maschinenlernprogramm 35 erkannt worden ist, dem zweiten Maschinenlernprogramm 36 zugeführt. Dies führt eine Fehlerbewertung 60 mit einem entsprechenden Algorithmus durch und bewertet dann den Gesamtfehler 61 entsprechend als qualitätsirrelevanten Fehler 62 oder als qualitätsrelevanten Fehler 63.
Hierbei können auch Zwischenstufen eingebaut werden, die die Relevanz bzw. Irrelevanz des Fehlers entsprechend weiter gewichten, z.B. durch Zahlenwerte von 1 bis 10, wobei 10 ein sehr hoher qualitätsrelevanter Fehler ist und 1 ein eher geringer wobei bei 0 der Fehler überhaupt keine Auswirkungen auf die Qualität des Fadens der Sammelspule 14 hat.
Für die Perfektionierung der Fehlerbewertungseinheit 60 kann mittels eines Anlernens 64 (Teach-In) auch das Wissen eines Operators miteingebracht werden.
Ein Teach-In bzw. Anlernen 64 bezeichnet ein Verfahren zur Programmierung eines Maschineniemprogrammes. Dazu wird das Programmieren von einem Operator unterstütz, der seine Erfahrungen zu den Fehlermeldungen des Maschinenlernprogramms einbringt.
Die auf diese Weise festgestellten Muster von Fehlern werden in der Steuerung des jeweiligen Maschinenlernprogramms 35, 36 gespeichert. Dieser Schritt kann bedarfsgemäß regelmäßig wiederholt werden, um die Antworten des Maschinenlernprogramm besser zu kontrollieren und / oder zu überprüfen. Der Programmablauf kann darin bestehen, dass das Maschinenlernprogramm neue bzw. unbekannte Fehler dem Operator anzeigt, ggf. mit einem Lösungsvorschlag bzw. einem Beurteilungsvorschlag und der Operator diese Vorschläge bei Richtigkeit bestätigt und / oder abändert. Zusätzlich kann die Fehlerbewertungseinheit 60 ein Warnsignal oder Alarmsignal an den Operator senden, wenn eine entsprechende Zusatzbewertung des Operators bzw. Anlernen des Operators notwendig ist, wenn beispielsweise neue, unbekannt Fehler auftreten.
Zusätzlich kann die Fehlerbewertungseinheit 60 mit einer Qualitätsbestimmungseinheit 100 Zusammenwirken und ihre Qualitätsbeurteilung der jeweiligen Gesamtfehler
61 in qualitätsrelevante Fehler bzw. in qualitätsirrelevante Fehler 63 mitteilen, so dass die Qualitätsbestimmungseinheit 100 mit ihrem Qualitätsalgorithmus 101 eine neue Bewertung der Sammelspule 14 durchführen kann und dieser eine zweite Qualitätsstufe 200 zuweisen kann, die dann für das weitere Leben der Sammelspule 14 vorranging ist.
Außerdem ist die Fehlerbewertungseinheit 60 mit einer Datenbank 66 verbunden, in der die entsprechenden Auswertungen bzw. auch die erfassten Gesamtfehler 61 und deren Beurteilung als qualitätsrelevanter Fehler 63 bzw. als qualitätsirrelevanter Fehler
62 gespeichert werden, wobei auch entsprechende Fehlerstufen 65 - angegeben mit I, II oder III - dem Gesamtfehler 61 bzw. dem qualitätsrelevanten Fehler 63 zugeordnet werden können.
Dies wird immer mit der zugehörigen Sammelspule 14 verknüpft in der Datenbank 66 abgelegt, so dass dies über die gesamte Lebensdauer der Sammelspule 14 und darüber hinaus abgerufen werden kann.
In Fig. 5 ist eine Zusammenfassung der möglichen Ausführungsformen einer Datenanalyseeinheit 18 für das erfindungsgemäße Verfahren bzw. für die erfmdungsgemä- ße Vorrichtung zum Ermitteln der Spulenqualität einer Sammelspule 14 dargestellt.
Die Datenanalyseeinheit 18 kann in dem gezeigten Ausführungsbeispiel drei Maschinenlernprogramme 35, 36 und 37 aufweisen. Jedes der Maschineniemprogramme 35, 36, 37 hat eine andere Funktion. Deren Ergebnisse werden abschließend mit einer Qualitätsbestimmungseinheit 100 geprüft, die einen Qualitätsalgorithmus 101 aufweist. Mit Hilfe der Qualitätsbestimmungseinheit 100 und deren Qualitätsalgorithmus 101 findet dann eine Ermittlung einer zweiten Qualitätsstufe 200 statt, die dann der jeweiligen Sammelspule 14 zugewiesen wird.
Dies kann beispielsweise zu einer Verbesserung der zuvor festgestellten ersten Qualitätsstufe 40 der Sammelspule 14 aufgrund der Ergebnisse bzw. Definitionen des zweiten Maschinenlernprogramms 36 und dritten Maschinenlernprogramms 37 ergeben.
Das erste Maschineniemprogramm 35 weist eine Fehlererkennungseinheit 50 auf, die mittels der zuvor vorgestellten Graphen 351 Gesamtfehler 61 erkennen kann. Basierend auf den Gesamtfehlern 61 wird der Sammelspule 14 eine erste Qualitätsstufe 40 zugewiesen. Diese Gesamtfehler 61 können jedoch auch Fehler aufweisen, die nicht qualitätsrelevant sind, wie beispielsweise eine Fadenspannungsmessgerät-Messung, die die Sollwerte des Toleranzbereiches 352 überschreiten kann, aber keine Auswirkungen auf die Qualität des Fadens 30 bewirkt.
Zu diesem nicht qualitätsrelevanten Fehlern können auch Filamentbrüche zählen, die zwar zu einer Fadenspannungsänderung führen können, aber die Qualitätsverarbeitung bzw. die Verarbeitbarkeit der Sammelspule 14 und der darauf gewickelten synthetischen Fäden nicht beeinflussen.
Eine Beurteilung der Gesamtfehler 61 findet mit dem zweiten Maschinenlernprogramm 36 statt, das eine Fehlerbewertungseinheit 60 zum Erkennen und Definieren von qualitätsrelevanten Fehlern 62 und qualitätsirrelevanten Fehlern 63 aufweist
Ein Anlernen der Fehlerbewertungseinheit 60 als auch ein Anlernen der Fehlererkennungseinheit 50 kann beispielsweise nach einem Teach-In- Verfahren 64 durchgeführt werden, wobei ein Operator die entsprechenden Fehlerhinweise der jeweiligen Einheit wenigstens bestätigt. Zusätzlich kann die Datenanalyseeinheit 18 ein drittes Maschinenlernprogramm 37 aufweisen, das wenigstens die Toleranzbereiche der Fehlererkennung festlegt.
Das dritte Maschinenlernprogramm 37 weist eine Toleranzbereichsermittlungseinheit 70 auf, die die Schwellwerte UG, OG der Graphen 351 der Fehlererkennung festlegt bzw. entsprechend auch anpasst bei korrespondierenden Analysen.
Die Ergebnisse des ersten, zweiten und / oder dritten Maschinenlernprogramm 35,36,37 werden dann der Qualitätsbestimmungseinheit 100 zugeführt, die dann mittels eines Qualitätsalgorithmus 101 eine Neubewertung der ersten Qualitätsstufe anhand der Ergebnisse der Toleranzbereichsermittlungseinheit 70 und der Fehlerbewertungseinheit 60 und auch der Fehlererkennungseinheit 50 durchführt. Damit werden dann der Sammelspule 14 eine neue zweite Qualitätsstufe 200 zugeführt und diese in Verbindung mit der zugehörigen Sammelspule 14 in der Datenbank 66 abgespeichert.
In einen weiterem Ausführungsbeispiel des Verfahrens zum Ermitteln der Spulenqualität weist die Datenanalyseeinheit 18 entweder das erste und zweite Maschineniemprogramm 35, 36 oder das erste und dritte Maschinenlernprogramm 35, 37 auf.
In einer anderen Ausführungsform kann das zweite Maschineniemprogramm 36 allein zur Fehlererkennung und Fehlerqualitätseinstufung programmiert sein und in der Datenanalyseeinheit 18 angewendet werden.
Nach einer Ausführungsform des Verfahrens zum Ermitteln der Spulenqualität einer Sammelspule, kann das Verfahren die folgenden Schritte umfassen:
Bereitstellen eines unbearbeiteten Fadens 3 von einer Vorlagenspule 5, wie die die beispielsweise in Figl gezeigt ist.
Der unbearbeitete Faden 3 kann an einen Gatter 4 bereitgestellt werden.
Damit eine uneingeschränkte Bearbeitung des zu bearbeitenden Fadens 3 stattfmden kann, wird eine Vorlagespule 5 und eine Reservespule 6 jeweils mit unbearbeiteten Faden 3 bereitge- stellt. Der unbearbeitete Faden 3 der Vorlagespule 6 und der Reservespule 5 sind jeweils miteinander verknüpft, wie aus Fig. 1 ersichtlich.
Es findet ein Bearbeiten des unbearbeiteten Fadens 3 zu einem texturierten Faden 30 statt.
Vorzugsweise wird der unbearbeitete Faden 3, wie aus Figur 1 ersichtlich ist, über Lieferwerke. 7. 1, 7.2 und 7.3 zu der Heizeinrichtung 9 und der Kühleinrichtung 10 geführt. Zusätzlich wird mittels des Texturieraggregates 11 eine Texturierung des unbearbeiteten Fadens 3 eingebracht, so dass ein texturierter Faden 30 ausgebildet wird. Der texturierte Faden 3 wird auf der Sammelspule 40 gesammelt.
Während der Herstellung des Texturierten Fadens 3 werden erkannte Gesamtfehlem 61 gesammelt, die bei der Bearbeitung des unbearbeiteten Fadens 3 erfasst werden. Das Erfassen der Gesamtfehler 61 kann zum Beispiel mittels der Sensorvorrichtung 17 erfolgen.
Eine Beurteilung der Gesamtfehler 61 findet dann mit der Datenanalyseeinheit 18 und deren Maschineniemprogrammen 35, 36 und 37 statt.
Mittels dem ersten Maschineniemprogramm 35 zum Erkennen von Fehlerquantitäten können Gesamtfehler 61 und deren Häufigkeit festgestellt werden. Basierend auf der Häufigkeit kann eine erste Qualitätsstufe 40 festgelegt werden, bei der nur die Anzahl der Gesamtfehler. 61 berücksichtigt wird. Die erste Qualitätsstufe 40 wird der zugehörigen Sammelspule 14 mit dem texturierten Faden 30 zugeordnet.
Mittels dem zweiten Maschineniemprogramm 36 zum Erkennen und Beurteilen von Fehlerqualitäten findet ein bewerten und Markieren der Gesamtfehler 61 in qualitätsrelevante Fehler 63 und qualitätsirrelevante Fehler 62 statt.
Mittels der Qualitätsbestimmungseinheit 100 mit einem Qualitätsalgorithmus 101 kann eine zweite Qualitätsstufe 200 der Sammelspule ermittelt werden, in dem zum Beispiel ein Abziehen der qualitätsirrelevanten Fehler 62 von den Gesamtfehlem 61 zum Erhalt von bereinigten Fehlem stattfindet, so dass auf Basis der bereinigten Fehler die zweite Qualitätsstufe 200 bestimmt werden kann.
Es findet auch ein Zuordnen und Speichern der zweiten Qualitätsstufe 200 von der zugehörigen Sammelspule 14 statt, beispielweise in der Datenbank 66. Wie in den Fign. 1 und 5 schematisch gezeigt, kann nach einer Ausführungsform der Vorrichtung zum Ermitteln der Spulenqualität einer Sammelspule 4 eine Sensorvorrichtung 19 zum Erfassen von Daten des synthetischen Fadens 30, eine Datenanalyseeinheit 18 mit einer Fehlererkennungseinheit und Fehlerbewertungseinheit 60 aufweisen, die mit einer Steuerung 16 einer Betriebsstelle 1 zum Herstellen des synthetischen Fadens 30 zusammenwirkt. Die Fehlerbewertungseinheit 60 wirkt mit eine Qualitätsbestimmungseinheit 100 zusammen zum Bestimmen einer Qualitätsstufe 200. Die erfassten Daten und Ergebnisse werden in einer Datenbank 66 zum Speichern der Qualitätsstufe 200 der zugehörigen Sammelspule 14 gespeichert und be- wahrt.
Zusätzlich ist der Qualitätsbestimmungseinheit 200 eine Toleranzbereichermittlungseinheit
70 zugeordnet, die aktualisierte Schwellwerte OG, UG des Toleranzbereichs an die Qualitätsbestimmungseinheit übermittelt.
B ezugszei chenli ste :
1 Betriebsstelle / Position
3 untexturierter Faden, vororientiertes Gam, POY
4 Gatter
5 Vorlage spule
6 Reservespule
7.1, 7.2, 7.3 erstes Lieferwerk, zweites Lieferwerk, drittes Lieferwerk
8 Antrieb
9 Heizeinrichtung
10 Kühleinrichtung
11 Texturieraggregat
11.1 Texturi er antrieb
12 Changiereinrichtung
13 Sammelspulenhalter
14 Sammelspule
15 Treib walze
15.1 Walzenantrieb
16 Maschinensteuereinheit
17 Sensorvorrichtung
17.1 Fadenspannungssensor
17.1 Messsignalaufnehmer
18 Datenanalyseeinheit,
19 Transmitter
25 Fadenspannungsmessgerät
30 texturierter Faden, DTY, synthetischer Faden
35 erstes Maschineniemprogramm
36 zweites Maschineniemprogramm
37 drittes Maschinenlernprogramm
351 Graph
352 Toleranzbereich
40 erste Qualitätsstufe
50 Fehlererkennungseinheit
60 Fehlerbewertungseinheit 61 Gesamtfehler
62 qualitätsirrelevanter Fehler
63 qualitätsrelevanter Fehler
64 Anlemen, Teach-In
65 Fehlerstufen
66 Datenbank
70 Toleranzbereichermittlungseinheit
100 Qualitätsbestimmungseinheit
101 Qualitätsalgorithmus
200 zweite Qualitätsstufe
OG, UG Schwellwert
T Fadenspannung

Claims

Patentansprüche:
1 . Verfahren zum Ermitteln der Spulenqualität einer Sammelspule (14) mit synthetischen Faden (30), wobei bei der Herstellung der Sammelspule (14) ein Gesamtfehler (61) gesammelt wird, wobei der Gesamtfehler (61) in einen qualitätsrelevanten Fehler (63) oder in einen qualitätsirrelevanten Fehler (62) bewertet wird, wobei der qualitätsrelevante Fehler (63) zum Ermitteln einer Qualitätsstufe (200) der Sammelspule (14) verwendet wird.
2. Verfahren zum Ermitteln der Spulenqualität einer Sammelspule (14) nach Anspruch 1 dadurch gekennzeichnet, dass der Gesamtfehler (61) aus den ermittelten Daten einer Sensorvorrichtung (17), insbesondere einer Fadenspannungssensorvorrichtung (17.1), ermittelt wird.
3. Verfahren zum Ermitteln der Spulenqualität einer Sammelspule (14) nach wenigstens einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die ermittelten Daten der Sensorvorrichtung (17) in einem Graphen (351) erfasst werden, der einen Toleranzbereich (352) definiert, wobei mittels eines ersten Maschineniemprogramms (35) zum Ermitteln von Gesamtfehlem der Graph (352) analysiert wird, um den Gesamtfehler (61) zu erkennen.
4. Verfahren zum Ermitteln der Spulenqualität einer Sammelspule (14) nach wenigstens einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass mittels des Gesamtfehlers (61) und dem ersten Maschineniemprogramm (35) eine erste Qualitätsstufe (40) ermittelt wird, die der Sammelspule (14) zugeordnet wird.
5. Verfahren zum Ermitteln der Spulenqualität einer Sammelspule (14) nach wenigstens einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Bewertung des Gesamtfehlers (61) in einen qualitätsrelevanten Fehler (63) oder in einen qualitätsirrelevanten Fehler (62) mittels eines zweiten Maschineniemprogramms (36) zum Beurteilen von Fehlerqualitäten durchgeführt wird.
6. Verfahren zum Ermitteln der Spulenqualität einer Sammelspule (14) nach wenigstens einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass die Festlegung des Toleranzbereichs (352) für die Fehlererkennung mittels eines dritten Maschineniemprogramms (37) zum Definieren von Toleranzbereichen ermittelt wird.
7. Verfahren zum Ermiteln der Spulenqualität einer Sammelspule (14) nach wenigstens einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das erste Maschineniemprogramm (35) zum Erkennen von Gesamtfehlem, das zweite Maschineniemprogramm
(36) zum Beurteilen von Fehlerqualitäten und/ oder das drite Maschineniemprogramm
(37) zum Definieren von Toleranzbereichen einen Einiemvorgang (64) von einem Operator aufweist, wobei der Einiemvorgang (64) von dem ersten, zweiten und/oder driten Maschineniemprogramm bei dem Operator angefragt wird.
8. Verfahren zum Ermiteln der Spulenqualität einer Sammelspule (14) nach wenigstens einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das Ergebnis des ersten Maschineniemprogramms (35), des zweiten Maschineniemprogramms (36) und/oder des driten Maschineniemprogramms (37) von einem Qualitätsalgorithmus (101) zum Festlegen einer zweiten Qualitätsstufe (200) der Sammelspule (14) ausgewertet wird und in einer Datenbank (66) gespeichert wird
9. Verfahren zum Ermiteln der Spulenqualität einer Sammelspule (14) nach wenigstens einem der vorstehenden Ansprüche, dadurch gekennzeichnet, dass das zweite Maschineniemprogramm (37) einen Fehlererkennungsalgorithmus (60) aufweist, der den qualitätsrelevanten Fehler (63) und/oder den qualitätsirrelevanten Fehler (62) an den Qualitätsalgorithmus (101) meldet.
10. Verfahren zum Ermiteln der Spulenqualität einer Sammelspule (14) nach wenigstens einem der vorstehenden Ansprüche, gekennzeichnet durch
- Bereitstellen eines unbearbeiteten Fadens (3) von einer Vorlagenspule (5),
- Bearbeiten des unbearbeiteten Fadens (3) zu einem texturierten Faden (30),
- Sammeln von Gesamtfehlem (61), die bei der Bearbeitung des unbearbeiteten
Fadens (3) erfasst werden,
- Bestimmen der ersten Qualitätsstufe (40) basierend auf den Gesamtfehlern,
- Sammeln des texturierten Faden (30) auf einer Sammelspule (14)
- Zuordnen der Qualitätsstufe (40) der zugehörigen Sammelspule (14) mit dem texturierten Faden (30),
- Bewerten und Markieren der Gesamtfehler (61) in Fehlerqualitäten, die qualitätsrelevante Fehler (63) und qualitätsirrelevante Fehler (62) aufweisen,
- Abziehen der qualitätsirrelevanten Fehler (62) von den Gesamtfehlern (61) zum
Erhalt von bereinigten Fehlern, - Bestimmen einer zweiten Qualitätsstufe (200) basierend auf den bereinigten
Fehlern, und
- Zuordnen und Speichern der zweiten Qualitätsstufe (200) von der zugehörigen
Sammelspule (14).
11. Vorrichtung zum Ermitteln der Spulenqualität einer Sammelspule (14) mit synthetischen Faden (30) für das Verfahren nach den vorstehenden Ansprüchen, aufweisend eine Sensorvorrichtung (19) zum Erfassen von Daten des synthetischen Fadens (30), eine Datenanalyseeinheit (18) mit einer Fehlererkennungseinheit und Fehlerbewertungseinheit (60), die mit einer Steuerung (16) einer Betriebsstelle (1) zum Herstellen des synthetischen Fadens (30) zusammenwirkt, wobei die Fehlerbewertungseinheit (60) mit eine Qualitätsbestimmungseinheit (100) zusammenwirkt zum Bestimmen einer Qualitätsstufe (200), und einer Datenbank (66) zum Speichern der Qualitätsstufe (200) der zugehörigen Sammelspule (14).
12. Vorrichtung zum Ermitteln der Spulenqualität einer Sammelspule (14) mit synthetischen Faden (30) nach Anspruch 11, dadurch gekennzeichnet, dass der Qualitätsbestimmungseinheit (200) eine Toleranzbereichermittlungseinheit (70) zugeordnet ist, die aktualisierte Schwellwerte (OG, UG) des Toleranzbereichs an die Qualitätsbestimmungseinheit übermittelt.
PCT/EP2023/085285 2022-12-22 2023-12-12 Verfahren zum ermitteln der spulenqualität einer sammelspule WO2024132673A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102022004857.4 2022-12-22
DE102022004857.4A DE102022004857A1 (de) 2022-12-22 2022-12-22 Verfahren zum Ermitteln der Spulenqualität einer Sammelspule

Publications (1)

Publication Number Publication Date
WO2024132673A1 true WO2024132673A1 (de) 2024-06-27

Family

ID=89222831

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2023/085285 WO2024132673A1 (de) 2022-12-22 2023-12-12 Verfahren zum ermitteln der spulenqualität einer sammelspule

Country Status (2)

Country Link
DE (1) DE102022004857A1 (de)
WO (1) WO2024132673A1 (de)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4325921A1 (de) * 1993-08-02 1995-02-09 Schlafhorst & Co W Kreuzspulenqualitätsprüfung
JP2005232624A (ja) * 2004-02-19 2005-09-02 Murata Mach Ltd 繊維機械の糸データの解析装置
WO2019137835A1 (de) 2018-01-09 2019-07-18 Oerlikon Textile Gmbh & Co. Kg Verfahren und vorrichtung zur überwachung eines texturierprozesses

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0877108B1 (de) 1997-04-23 2003-07-16 Uster Technologies AG Verfahren und Vorrichtung zum Reinigen von Garnen
DE19911704A1 (de) 1998-04-01 1999-10-07 Barmag Barmer Maschf Verfahren zur Herstellung eines synthetischen Fadens
DE10044904A1 (de) 1999-09-16 2001-04-12 Barmag Barmer Maschf Verfahren und Vorrichtung zur Überwachung der Qualität und/oder der Herstellung eines aus wenigstens zwei Einzelfäden zusammengefachten Verbundfadens
DE102005017606A1 (de) 2005-04-16 2006-10-19 Saurer Gmbh & Co. Kg Verfahren und Vorrichtung zur Qualitätsüberwachung eines laufenden Fadens
CN110997537B (zh) 2017-08-23 2022-06-28 欧瑞康纺织有限及两合公司 使合成纱线变形的方法和装置
DE102021002646A1 (de) 2021-05-20 2022-11-24 Oerlikon Textile Gmbh & Co. Kg Verfahren zur Überwachung einer Vielzahl von Bearbeitungsstellen für synthetische Fäden

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4325921A1 (de) * 1993-08-02 1995-02-09 Schlafhorst & Co W Kreuzspulenqualitätsprüfung
JP2005232624A (ja) * 2004-02-19 2005-09-02 Murata Mach Ltd 繊維機械の糸データの解析装置
WO2019137835A1 (de) 2018-01-09 2019-07-18 Oerlikon Textile Gmbh & Co. Kg Verfahren und vorrichtung zur überwachung eines texturierprozesses
EP3737943A1 (de) 2018-01-09 2020-11-18 Oerlikon Textile GmbH & Co. KG Verfahren und vorrichtung zur überwachung eines texturierprozesses

Also Published As

Publication number Publication date
DE102022004857A1 (de) 2024-06-27

Similar Documents

Publication Publication Date Title
EP0207471B1 (de) Verfahren zur Überwachung der Fadenqualität des laufenden Fadens
EP3802927B1 (de) Ringspinnanlage und verfahren zu ihrem betrieb
EP1144295B1 (de) Verfahren zum kontinuierlichen abziehen eines fadens
EP3672895B1 (de) Verfahren und vorrichtung zum texturieren eines synthetischen fadens
EP3737943A1 (de) Verfahren und vorrichtung zur überwachung eines texturierprozesses
DE69408563T2 (de) Verfahren zur überwachung eines laufenden fadens
DE102004052669A1 (de) Verfahren zur Überwachung einer Spinnanlage zur Herstellung synthetischer Fäden
EP1006225B1 (de) Verfahren und Vorrichtung zur Auswertung der Wirkung von Garneigenschaften auf das Aussehen textiler Flächengebilde
WO2018224398A1 (de) Verfahren und vorrichtung zur überwachung einer fadenspannung an einem laufenden faden
DE69205691T2 (de) Verfahren und Vorrichtung zum Überwachen der Qualität eines falschdralltexturierten Garns.
DE4329136C2 (de) Verfahren und Vorrichtung zum Regeln der Fadenspannung an Falschdrahtvorrichtungen
DE4492654B4 (de) Verfahren zur Fehlerdiagnose in einem Herstellungsprozess eines synthetischen Fadens
WO2020053030A1 (de) Verfahren zur überwachung und bedienung einer textilmaschine sowie eine bedienungseinrichtung einer textilmaschine
WO2022243127A1 (de) Verfahren zur überwachung einer vielzahl von bearbeitungsstellen für synthetische fäden
WO2024132673A1 (de) Verfahren zum ermitteln der spulenqualität einer sammelspule
EP1689918B1 (de) Verfahren und vorrichtung zur auftragssteuerung eines herstellungsprozesses für ein faserprodukt
DE10026389A1 (de) Vorrichtung zur Überwachung von Garnparametern eines laufenden Fadens
EP3802389B1 (de) Automatische ringspinnanlage und verfahren zu ihrem automatischen betrieb
DE102021001348A1 (de) Verfahren zur Überwachung eines Herstellungsprozesses eines synthetischen Fadens
EP1709222B1 (de) Verfahren zum herstellen eines effektgarnes
DE69104508T2 (de) Verfahren und Vorrichtung zum Überwachen einer Fadenspannung.
EP4115009B1 (de) Verfahren und vorrichtung zur überwachung einer maschinenanlage zur herstellung oder behandlung von synthetischen fasern
WO2014090617A1 (de) Verfahren und einrichtung zur steuerung einer faserproduktionsmaschine
DE4440206A1 (de) Verfahren zum Beurteilen der Faserbandqualität in einer Textilmaschine
LU503150B1 (de) Verfahren zur computergestützten Anpassung einer Konfiguration für unterschiedliche textile Produktionen