JP2023509471A - 自動ボビン管理 - Google Patents

Abstract

本発明は、ボビンの品質管理のための方法に関する。

Description

本発明は、ボビン（bobbin）の品質管理のための方法に関する。

特にセルロース系のモノフィラメント（monofilament）およびマルチフィラメントヤーン（multifilament yarn）が大規模に製造され、繊維産業などの多くの分野で使用されているが、各技術分野でも使用されている。このようなモノフィラメントおよびマルチフィラメントの例は、溶媒中、通常は水とＮ－メチルモルフォリンＮ－オキシド（ＮＭＮＯ）の混合物中、セルロースの組成物からリヨセルプロセスによって生成されたフィラメントヤーンである。紡糸と種々の後処理の後、モノフィラメントおよびマルチフィラメントはどちらもスプール（spool）のボビン（bobbin）に巻き取られ、さらに使用される（梱包および顧客への出荷など）まで保管される。サンプルは通常、生産されたフィラメントまたはヤーンから採取され、種々のパラメータが評価される。しかしながら、スプールに巻き取られたフィラメントおよびヤーンの品質管理も必要である。

生産スピードが速いため、リヨセルプラントではそのようなボビンが１日あたり数千生産される可能性があり、その後、望まれる特性の後管理を受けなければならない。こうして、一方では、ボビンの品質特性が定量化され、当該品質特性はボビン（つまり、基本的にボビンに巻き取られたフィラメントヤーン）の特性決定に利用できる。加えて、フィラメントヤーンの目視可能な欠陥（defect）を生産部門に報告できるため、適時の評価により生産プロセスへのフィードバックも可能になり、必要に応じて生産プロセスに介入することができる。

現在、このようなボビン検査は主に手動で実施されており、つまり、特別に訓練された人員が個々のボビンの欠陥を目視で検査する。これは非常に特殊な作業である。多数の考え得る障害（fault）および欠陥（defect）に関して可能な限り短時間で表面を検査および評価しなければならないためである。これにはいくつか欠点がある。たとえば、良い訓練にもかかわらず、そのような検査の際評価には必ずばらつきがあり、エラー（error）および欠陥（defect）が見落とされる可能性が常にある。また、評価中の手動操作によってボビンにエラーまたは欠陥が生じる可能性もある。加えて、特に継続的に稼働させている生産ラインでは、多数のボビンを適時に評価できないことがよくある。こうして、生産と評価との間にタイムラグがあったり（このことは、たとえば、生産管理への適時の必要なフィードバックを不可能にする）、または、すべてのボビンが評価されなかったりする（特定の数のボビンのみが試験され、各生産プラントとの経験に応じて統計的に意味のあるデータを提供する）。このことは、特に購入者に関しても文書化の要件がますます高まっているため、もはや正当化されていない。現在は、完全な評価と評価結果の文書化が要求されている。これは、生産プラントそれ自身の客観的な欠陥記録の可能性に関しても有利である。

しかしながら、特定のタイプの欠陥に関しては、人間による検査を行わないという手法がすでに存在する。たとえば、DE 20 2006 002 317 U1には、フィラメントボビンを検査する方法が開示されている。このプロセスでは、レーザースキャナーを使用して、特にフィラメント破断（filament breaks）および他のフィラメント欠陥を検出する。この文献で開示されているのは、レーザースキャナーを単独で使用することである。そうしないと、検査装置のコストがあまりにも大きくなり、スペースを取りすぎるためである。DE 41 24 750 A1には、巻取り欠陥（winding defect）を検出するための装置が開示されている。この文献では糸切れ（yarn breaks）または似たようなフィラメント欠陥を検出することも目的としているが、ここでは、光ビームを使用してボビンの端面をスキャンし、ボビンの端面における糸送りの障害を検出する。DE 10 2005 001 223 A1には、例えば紡糸バッド（spinning buds）を目的の手法で分離することができるようにするために、当該紡糸バッドの方向を検出するための装置が開示されている。JP H06 72634 AおよびJP S63 272753 Aには光学カメラが開示されている。この先行技術がフィラメントボビンの検査に関する限りにおいて、それらはフィラメント破断および似たようなフィラメント欠陥に着眼しており、それぞれ単一のタイプの検査によって検出される。これに関連してDE 20 2006 002 317 U1には、１タイプの検査だけを使用することの利点が明確に言及されている。したがって、この現行技術がスプール（ボビン）に巻き取られたフィラメントの人間による検査に取って代わることはできない。これは特に、多数の欠陥タイプを検出することが出来ないためである。

したがって、先行技術のこれらの不利な点を克服することが本発明の根底にある課題である。

図１～図３は、本発明に係るシステムおよび方法によって検出することができる典型的な欠陥のタイプを示す。

図１は、欠陥タイプキャピラリー破断（defect type capillary breakage）を示す。 図２は、エラータイプ汚染（error type contamination）を示す。 図３は、エラータイプボビン損傷（error type bobbin damage）を示す。

したがって本発明は、請求項１に記載の方法を提供する。好ましい実施形態については従属請求項および以下の説明において示される。

本発明は、ボビン（すなわち、チューブに巻き取られたモノフィラメント、またはマルチフィラメント、いわゆるフィラメントヤーン）の品質管理のための方法を提供し、ボビンの表面は光学システムで検出され、こうして得られたデータは特定のパラメータ限界と自動的に比較され、ボビンの品質がこうして決定される。本発明の趣旨において、表面はボビンの前面（face）および底面（foot surface）の両方、ならびにシェル表面（shell surface）である。前面と底面の検査は、特にボビンコアの欠陥を確実に検出するのに役立つ。

検査される各ボビンが検出中にその長手方向軸の周りを回転するような方法で表面の検出が行われると好ましい。このようにして、静的光学システムによってコイル（coil）の表面全体を簡単かつ確実に検出できる。コイルのそうした回転運動を可能にするシステムは既知である。加えて、そうしたシステムへのコイルの直接挿入、または、タレット（turret）／カルーセル（carousel）／連続輸送システムなどの上流のローディングシステムへのコイルの直接挿入も自動で行われると好ましい。これにより、多数のボビンのテストが簡素化され、手動操作によるエラーも回避される。さらに、このようなプロセス管理により、非接触評価自体が可能になるだけでなく、ボビンがシステムに挿入されるときとシステムから取り外されるときのボビンの全ての接触が標準化される。

ボビン表面の光学的検出および規定された標準値との比較により、ボビン品質の迅速かつ一貫した定性的評価が可能になる。ここで意外なことに、（上記で説明したように現行のプロセスフローでは特別に訓練された人員を要する）複雑な作業にもかかわらず、自動管理および適切なデータ評価システムによる特定のパラメータとの比較により、迅速かつ確実に評価することが可能になる。

本発明によれば、満足のいく評価を可能にするために、２つの異なるタイプの光学システムの組み合わせが必要であることが示されている。一方、大きな（coarse）欠陥を検出するのに適した多次元レーザースキャナーに基づく光学システムが必要である。これらは、特にボビンが通常の構成から外れることで明らかになる。これらには、特に、ボビン表面（シェル表面）のへこみなどの大きな損傷、サドル形成（saddle formation）または横方向リング形成（lateral ring formation）などの望まれるボビン形状からの逸脱、ならびにコア欠陥、すなわちボビンの全体構造に悪影響を与える巻取りコアの欠陥が含まれる（前面と底面を検出し評価することで上手く行うことができる）。この目的に特に適しているのは、ボビンの表面をスキャンし、ボビンの回転によりボビン形状のプロファイルの生成を可能にするシステムである。たとえば、レーザースキャンシステムがこの目的に適している。得られたプロファイル形状は、コイルの望ましい標準形状と簡単に比較でき、それに応じてずれを評価できる。

一方、特にシェル表面の画像を捉え、汚染、指紋、繊維破断またはキャピラリー破断などの欠陥に関する評価を可能とする画像記録光学システム（カメラ）が必要である。このようなシステムを光源と一緒に使用すると、感度をさらに高めることができ、ボビンの色調などの追加のパラメータが検出できる。特定の波長（または特定の波長範囲）、および／または、パルス照明（pulsating illumination）、波長の変化、光強度の変化、および照明の高周波変化（high-frequency change）などの光パターンの光を放出する光源が適している。このようにして、上述のように、一方では評価の感度（ひいては精度）を向上させることができ、他方では他のパラメータを確認することができる（たとえば、標準の色パターンまたは色相と比べることによって）。こうして、表面の画像が得られ、これらが（２次元画像として）望まれる標準状態と再度比較される。このようにして、評価対象のフィラメントヤーンとより強く関連する、より細かいが関連性の高い欠陥（defect）および不具合（flaw）を検出および定量化することができる。これらには、特に指紋、ほこり、髪の毛、昆虫などによる汚染、ならびに毛羽立ち、破断、スナッグ、さらにはコアの欠陥などの欠陥が含まれる。この目的のために、すでに上述したようにカメラなどの画像生成システムを使用することができる。

したがって、原理上、２つの光学システムを使用するだけで大幅に自動化されたボビンの品質管理を行うことが可能である。この目的のために、上記のように、ボビンが最初にボビン管理システムに好ましくは自動的にロードされ、続いて光学システムにより非接触で検出される。得られたデータによりボビンの品質（欠陥のタイプと数）を評価できるが、これは、適切な人員が測定データを視覚化した後に手動で行うか、特定の標準値と自動的に比較して行われる。このようなシステムは、自己学習型の評価ユニットを使用することにより、動作中のボビンの評価の精度を継続的に向上させることができる。これにより、適応アルゴリズムを使用すると、自動的に機能する分類器（classifier）が得られる。

勿論、２つのみならずより多くの光学システムを使用してボビン表面を検出することもできる。これにより評価の精度を高めることができる。たとえば、異なるカメラシステムは異なるタイプの欠陥および不具合に対して異なる感度を有するためである。光学的検出中にボビンを照らす／照らす（illuminate/illuminate）ために異なる光源を使用することにより、例えば、色調のばらつきまたは変化を検出することができる。異なるタイプのカメラを使用してボビン表面の異なるタイプの画像を取得できるので、本プロセスを異なるタイプの欠陥に対してより良好に適合させることができる。

評価が特に好ましくは自己学習型のデータ評価システムによって実行されるため、検査されたボビンの統計的評価およびエラーの記録を極めて正確に実行および保存することができる。これによりデータライブラリの自動構築が可能になり、これはボビンのフィラメントヤーンをさらに使用する場合にも役立つ。加えて、ボビンの評価が各フィラメントヤーンの生産に対して適時に実行されれば、そのようなシステムは自動生産管理にも貢献することができる。こうして、ボビン上またはボビンで検出された欠陥のタイプに応じて、対応するエラーメッセージを各生産設備に送信することができ、そうしたエラーメッセージに対して迅速に対応することができる。こうして、本発明に係るシステムは、ボビンの品質管理の改善に貢献するだけでなく、生産プロセス全体の品質管理にも貢献する。

本発明の方法を使用することにより、モノフィラメントを備えたボビンおよびマルチフィラメントを備えたボビンを評価することができる。また、現行の手動検査では単純にボビンの寸法および重量により問題がある非常に大きなボビンを含め、異なるサイズのボビンを本方法を使用して評価することができる。

本発明に係るプロセスによって実現される利点は、以下のように提示できる：
１．）管理システムにボビンを自動的に供給したり取り外したりできるため、大量のボビンを取り扱うことができる。
２．）評価されるボビンがその長手方向軸（ワインダーコア）の周りを回転することを可能とする装置を使用することにより、評価に使用する光学システムをしっかりと取り付けることが出来るので、評価の際に一定の状態を維持することができる。
３．）回転するボビンの測定データを取得することにより、ボビンの２次元プロファイルをそのまま生成できるため、たとえば巻取りコアの欠陥により引き起こされる粗い巻取りエラーまたはボビン欠陥を簡単に検出できる。
４．）上記のように２つの光学システムを組み合わせ、所望により光源とも組み合わせることにより、評価される関連する障害および欠陥を十分な確実性と再現性で検出できるため、「人的」要因および必然的に付随するエラーの根源（障害の非検出）および検出された障害の評価のばらつきを取り除くことができる。
５．）システムにより多数のボビンを全自動で評価できるので、生産プロセスに比して評価に大きな時間遅延がなく、個々のボビンの評価を省く必要もない。
６．）このようにして、障害警告を実質的にリアルタイムで生産プラント管理に送信できる。
７．）欠陥の検出および評価は定性的および定量的に客体化できるので、長い生産期間にわたり一貫したデータを得ることができる。
８．）測定データの評価および分類に自己学習システムを使用することにより、ボビンの評価は発達し続けることができ、システムの信頼性と堅牢性を継続的に高めることができる。得られたデータは、データの電子ライブラリを提供するのに適しているので、特にボビンのさらなる使用について、最適化された選択肢が利用可能となる。たとえば、システムは、品質の点で（たとえば、巻取り欠陥に関して）非常に類似したボビンを簡単に自動的に見つけ出すことができる（続いて、たとえばそれらをグループ化してさらに一般的に使用することができる）。
９．）評価に使用する光学システムの数を増やすことで、欠陥検出および欠陥評価をさらに区別できる－異なるタイプの欠陥をより適切に検出および定量化でき、製品のバリエーションに関してより多くのデータを取得できる。

Claims (9)

1. ボビンが少なくとも２つの光学システムで評価され、１つのシステムは前記ボビンのプロファイルを生成するためにデータを取得するためのレーザースキャナーを含み、少なくとも１つの他のシステムは前記ボビン表面の２次元画像を生成するためにデータを取得するための光学カメラを含む、ボビンの品質管理のための方法。
2. 前記光学システムによって測定されたとき、前記ボビンがその長手方向軸の周りを回転している、請求項１に記載の方法。
3. 前記得られた測定データが、データ評価システムによって、ボビンの品質を評価するための標準値と比較される、請求項１または請求項２に記載の方法。
4. 前記ボビンが、データ取得中に、具体的に調整可能な波長および異なる調整可能な光パターンの光で照射される、請求項１～請求項３のいずれか一項に記載の方法。
5. 前記ボビンが、前記品質管理のためのシステムに自動的に挿入され、測定の完了時に前記システムから自動的に運び出される、請求項１～請求項４のいずれか一項に記載の方法。
6. 前記評価によって得られた品質評価が、特定の限界条件を超えた場合、警告メッセージを生産管理に自動的に送信する、請求項１～請求項５のいずれか一項に記載の方法。
7. 前記ボビンが、フィラメントボビンまたはヤーンボビンである、請求項１～請求項６のいずれか一項に記載の方法。
8. ２つ超の光学システムが使用される、請求項１～請求項７のいずれか一項に記載の方法。
9. 収集された測定データを評価するために使用される前記システムが、自己学習システムである、請求項１～請求項８のいずれか一項に記載の方法。

Images