WO2022194643A1 - Verfahren zur überwachung eines herstellungsprozesses eines synthetischen fadens - Google Patents

Verfahren zur überwachung eines herstellungsprozesses eines synthetischen fadens Download PDF

Info

Publication number
WO2022194643A1
WO2022194643A1 PCT/EP2022/056057 EP2022056057W WO2022194643A1 WO 2022194643 A1 WO2022194643 A1 WO 2022194643A1 EP 2022056057 W EP2022056057 W EP 2022056057W WO 2022194643 A1 WO2022194643 A1 WO 2022194643A1
Authority
WO
WIPO (PCT)
Prior art keywords
error
frequency
causes
thread
fault
Prior art date
Application number
PCT/EP2022/056057
Other languages
English (en)
French (fr)
Inventor
Jörg HUTHMACHER
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
Priority to CN202280020864.2A priority Critical patent/CN116981943A/zh
Publication of WO2022194643A1 publication Critical patent/WO2022194643A1/de

Links

Classifications

    • 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
    • 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
    • B65H63/06—Warning or safety devices, e.g. automatic fault detectors, stop-motions ; Quality control of the package responsive to presence of irregularities in running material, e.g. for severing the material at irregularities ; Control of the correct working of the yarn cleaner
    • B65H63/062—Electronic slub detector
    • 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

Definitions

  • the invention relates to a method for monitoring a manufacturing process of a synthetic thread according to the preamble of claim 1.
  • Another object of the invention is to minimize the amount of instruction required of an operator to control multiple processing locations.
  • an error graph is preferably to be understood as a measurement signal profile C, "snapshot") of the thread tension in which the measurement signal for the thread tension falls below or exceeds a predetermined limit value threshold and/or in which the measurement signal for the thread tension has a limits defined range (limit value violation). It has proven to be advantageous if an error graph is limited in time, for example at most 20 seconds, preferably at most 10 seconds. It has also proven to be advantageous if the time of the limit violation is temporal Seen roughly in the middle of an error graph.
  • the invention was also not obvious from DE 4329 136 A1 due to the known method for controlling a thread tension on a false-twisting device.
  • the frequency of abnormal thread tension thread states he summarizes. Although the frequency of a thread tension error can thus be registered, this does not contain any indication of a possible cause of the error. However, no error cause can be derived from an error frequency.
  • the invention has the particular advantage that a distinction can be made between the causes of errors in order to determine the influence of the respective source of interference on the manufacturing development process and to assess the quality of the thread.
  • the occurrence within a time window can be registered as an error frequency of the error cause.
  • the error frequency of the respective error cause can thus be used as a parameter to initiate a differentiated intervention to eliminate the error.
  • the variant of the method is particularly advantageous in which a permissible frequency limit value is assigned to the interference frequencies of each of the causes of errors. It is thus possible to take into account the occurrence of critical fault causes and the occurrence of less critical fault causes with different weightings when intervening in the manufacturing process. If the thread breaks, immediate intervention in the manufacturing process is certainly necessary. But not if a component is dirty or worn.
  • the frequency limit of the fault frequency of one of the error causes includes a number of error causes that are considered permissible in the manufacturing process.
  • the frequency limit can be determined from the number of occurrences alone, in order to enable targeted interventions in the manufacturing process.
  • the variant of the method in which the frequency limit value of the fault frequency of one of the error causes relates to a period of time and/or a processing point.
  • the frequency limit value of the fault frequency of one of the error causes relates to a period of time and/or a processing point.
  • the running time of the template coil could be selected as a time segment in order to evaluate the causes of errors occurring therein in terms of their frequency of interference.
  • the threads it is customary for the threads to be guided individually in parallel next to one another in a large number of processing points, see above that the separation of the cause of the error in the processing points is also an advantage.
  • a variant of the method in which a message is sent to a person when one of the frequency limit values for the frequency of malfunctions is exceeded. This ensures that the responsible person can intervene in the manufacturing process in a targeted manner.
  • the development of the invention is particularly advantageous in which the error frequencies of the error causes are analyzed using algorithms based on statistical methods and machine learning methods to identify common sequences of interference counts and/or an anomaly of interference counts.
  • This variant of the method has the particular advantage that conspicuous frequencies of error causes are automatically recognized by the system without having to define specified frequency limit values.
  • Such machine learning systems are based on the fact that continuous learning takes place.
  • the variant of the method is particularly advantageous in which the sequences of interference frequencies are reported to a person of a group of people and in which the sequences of interference frequencies are evaluated and evaluated by the person. This ensures both quick access to eliminate the cause of the error in the manufacturing process and feedback to the machine learning system.
  • the development of the invention is provided in which in the manufacturing process several threads are guided and monitored in parallel in several processing points and in which the frequency of malfunctions of the causes of errors in correlated to the processing points to be analyzed.
  • the quality of the individual processing points can also be derived from it.
  • a maintenance person is responsible for the maintenance of the machine.
  • a process staff oversees the adjustment of the machine.
  • the raw material for the manufacturing process is provided by the operating personnel.
  • a variant of the method is provided in which the causes of errors are assigned to one of several groups of people and in which, in the event of a limit value of the frequency of malfunctions being exceeded, the error cause in question or in the be notified in the event of the reporting of the sequences / anomaly in the frequency of disturbances. Since with can advantageously avoid time delays in eliminating causes of error.
  • the error causes are assigned one of several control commands, which are activated if the error frequency limit of the respective error cause is exceeded or if the sequence / anomaly of the error frequency is reported.
  • automated interventions in troubleshooting can be advantageously integrated into the manufacturing process.
  • the invention has the particular advantage that, from the large number of causes of error in a manufacturing process, it is possible to weight which of the causes of error affects the quality of the manufacturing process and the quality of the thread. In particular with the large number of data on error graphs, a targeted and rapid intervention to eliminate the causes of errors is thus advantageously possible.
  • the method according to the invention for monitoring the manufacturing process of a synthetic thread is explained in more detail below using an exemplary embodiment of a manufacturing process with reference to the accompanying figures.
  • Fig. 1 shows schematically an embodiment of a processing point of a textile machine for the production of a synthetic crimped thread
  • Fig. 2 shows schematically a flow chart for monitoring the manufacturing process according to the embodiment according to Fig. 1
  • Fig. 3 shows schematically several error graphs, each with a measurement signal curve of the thread tension of different causes of error
  • Fig 4 shows a schematic flow chart for monitoring the manufacturing process according to the exemplary embodiment according to FIG
  • FIG. 1 is shown schematically an embodiment of a processing point ei ner textile machine, in this case a texturing machine for producing a ge crimped synthetic thread.
  • a processing point ei ner textile machine in this case a texturing machine for producing a ge crimped synthetic thread.
  • Such texturing machines have a large number of such processing points which are constructed identically. In that regard, only one of the processing points of a textile machine will be described in more detail at this point.
  • the processing point 1 shows the processing point 1 and a winding point 2 of the textile machine.
  • the processing point 1 has a gate 4, in which a template bobbin 5 and a reserve bobbin 6 are held.
  • the template spool 5 supplies a thread 3, which leads to stretching and texturing in the processing station 1.
  • the feed coil 5 is also referred to as a so-called POY coil, since it was previously produced in a melt spinning process and was wound with a freshly spun POY thread.
  • a thread end of the template bobbin 5 is denagging with a Fa of the reserve bobbin 6 connected by a thread knot. This ensures that the thread 3 is continuously withdrawn after the feed bobbin 5 realized.
  • the end of the thread of the reserve spool 6 is then connected to the beginning of the thread of a new template spool 5 .
  • the deduction of the thread 3 from the supply coil 5 is done by a first delivery plant 7.1.
  • the delivery mechanism 7.1 is driven by a drive 8.1.
  • the delivery mechanism 7.1 is formed by a driven godet and a freely rotatable roller around which the thread is wrapped several times.
  • a heating device 9, a cooling device 10 and a texturing unit 11 are arranged downstream of the delivery mechanism 7.1.
  • the texturing unit 11 is preferably designed as a friction twist generator in order to create a false twist on the multifilament thread, which causes the individual filaments of the thread to curl.
  • a second delivery system 7.2 is arranged after the texturing unit 11, which is driven by the drive 8.2.
  • the delivery mechanism 7.2 is identical in construction to the first delivery mechanism 7.1, with the second delivery mechanism 7.2 being operated at a higher peripheral speed for stretching the thread. Inner half of the processing point 1, the synthetic thread 3 is thus textured and stretched at the same time.
  • the delivery mechanism 7.3 is driven by the drive 8.3.
  • the delivery mechanism 7.3 is designed as a so-called clamping delivery mechanism that has a driven shaft and a pressure roller.
  • the thread 3 is guided in a nip on the circumference of the shaft.
  • the winding unit 2 has a bobbin holder 13 which carries a bobbin 14 .
  • the bobbin holder 13 is pivotable and can be operated manually or automatically to replace the bobbins 14 .
  • the Spu lenhalter 13 is associated with a drive roller 15, which is driven by a roller drive 15.1.
  • the winding unit 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 oscillating 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 8.1, 8.2 and 8.3 of the delivery mechanisms 7.1, 7.2 and 7.3 and the texturing drive 11.1 of the texturing unit 11 of the processing point 1 are designed as individual drives and coupled to the machine control unit 16.
  • a thread tension on the thread 3 is continuously measured at a measuring point between the delivery mechanism 7.2 and 7.3.
  • the measuring point is shown in the position shown by way of example between the delivery mechanisms 7.2 and 7.3.
  • the yarn tension is preferably also measured in the yarn path in front of the delivery mechanism 7.2.
  • a sensor device 17 is provided, which has a thread tension sensor 17.1 and a measurement signal pick-up 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 reception systems using wired or wireless transmission technologies in order to transmit information and signals.
  • the data analysis unit 18 has a number of software modules in order to analyze the measurement signals from the sensor device 17 and the data obtained therefrom for monitoring the manufacturing process.
  • FIG. 2 shows a first scheme of the data analysis unit 18 in the form of a flowchart.
  • a thread tension analysis module 20 is assigned to the sensor device.
  • the thread tension analysis module 20 continuously records the measurement signals from the sensor device and generates so-called error graphs.
  • the error graphs define an abnormal measurement signal course of the thread tension. Error graphs of this kind are always generated using data technology when the thread tension measured online in the manufacturing process leaves the range defined by specified limit values. If the thread tension moves significantly outside of the defined range, this affects the quality of the thread and thus the quality of the manufactured product. A large number of error graphs are thus generated by the thread tension analysis module 20 . However, the error graphs are based on a specific cause that influences the manufacturing process of the thread as a disturbance variable.
  • a machine learning module 21 is provided in order to be able to assign the underlying error causes to the error graphs.
  • the machine learning module 21 has algorithms to identify the causes of errors for the error patterns on the basis of statistical methods and machine learning methods. Such machine learning modules are suitable for determining the error causes behind the error graphs due to an intensive learning phase that has been carried out beforehand. This analysis is carried out continuously so that the corresponding error causes are generated from the supplied error graphs. In this way, a plurality of different error causes can be determined, which are registered in the error cause module 22 .
  • the cause of the error is identified by the code letters FC in FIG. Through the continuous monitoring of the yarn tension and the continuously generated error graphs, the error causes are also continuously determined.
  • a fault frequency module 23 is provided, in which the fault frequencies of the error causes are continuously determined.
  • the error frequency here represents the sum of the error causes and is referred to as IFC.
  • a frequency limit value is assigned to each cause of error in order to assess which error cause and which error frequency of the error cause requires intervention to eliminate the error.
  • the frequency limit values determine the maximum permissible occurrence of the error cause within a period of time or within a processing point. These limit values, which are denoted by L, are stored in a comparison module 24 for each of the causes of the error. The frequency limit values of the fault frequencies are then compared with the fault frequencies recorded per time segment or per processing point.
  • the frequency of faults has not yet reached and exceeded the limit value, the occurrence of the fault cause in question continues to be registered. If the frequency limit is exceeded, a message is sent via an output module 25 direction, an alarm or a control signal is generated and transmitted via the transmitter 19 to a person in a group of people or to the control unit.
  • FIG. 3 shows some exemplary embodiments of typical error graphs and their error causes, the frequency of faults of which are characterized by predefined frequency limit values.
  • the individual error graphs are denoted by the capital letters A, B, C, D, E and are shown with the specific measurement signal curve of the yarn tension.
  • the error graph B shows a typical measurement signal curve in the event of a node overflow.
  • the connection between the supply spool and the reserve spool is established via a thread knot, which becomes visible when the thread tension is measured.
  • Such causes of error may occur once within a runtime of a template coil.
  • the running time of the template coil could be 60 minutes.
  • the error graph C signals as the cause of the error that the thread is guided outside the clamping gap between the pressure roller and the drive shaft in a clamping delivery system. This cause of error can have a very negative effect, especially when winding up the thread and when changing the bobbin.
  • the error graph signals your error in the starting material of the template coil.
  • titer fluctuations in the supply thread can have a negative impact on the measurement signal of the thread tension.
  • Such causes of error are to be evaluated with lower weighting.
  • the error graph E shows a measurement signal curve of the thread tension, which indicates a dirty guide surface of a cooling rail of the cooling device.
  • Such causes of error usually occur very sporadically at first, so that intervention is only required if they accumulate within a short period of time.
  • the frequency limit value relates to one of the processing points of the textile machine.
  • the periods of time used as a basis for the frequency limit values are purely exemplary and not decisive for the process. It is essential here that, given the large number of error graphs and error causes, the error causes are identified, which significantly influence the quality of product manufacture.
  • the method according to the invention can also be advantageously implemented in such a way that the occurrence of the fault frequencies of the error causes is analyzed directly, without observing frequency limit values.
  • FIG. 4 a flowchart of an alternative embodiment of the data analysis unit 18 is shown schematically in FIG. 4 .
  • the exemplary embodiment is essentially identical to the aforementioned exemplary embodiment according to FIG. 2, so that only the differences are explained at this point and otherwise reference is made to the aforementioned description.
  • another machine learning module 26 is assigned to the error cause module 22 .
  • the machine learning module 26 has algorithms which, on the basis of statistical methods and machine learning methods, carry out analyzes of the frequency of malfunctions in order to identify frequencies that are noticeably abnormal or sequences of frequency of malfunctions. Such sequences or anomalies in the frequency of malfunctions of a relevant cause of error are then used to display a person, preferably an operator, via the output module 25 so that he can evaluate and evaluate them.
  • the cause of the error can be eliminated to ensure optimal quality in the manufacturing process.
  • the experiences made by the operator are helpful in order to provide the machine learning module 26 with appropriate feedback.
  • Such machine learning modules thus reach a stage in which it is highly probable that targeted control commands from intervention in the process are possible. Automated production monitoring is therefore possible.

Landscapes

  • Engineering & Computer Science (AREA)
  • Textile Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Food Science & Technology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Filamentary Materials, Packages, And Safety Devices Therefor (AREA)
  • Spinning Or Twisting Of Yarns (AREA)

Abstract

Verfahren zur Überwachung eines Herstellungsprozesses eines synthetischen Fadens, bei welchem eine Fadenspannung des Fadens kontinuierlich gemessen wird. Die Messwerte der Fadenspannung werden analysiert und zu einer Vielzahl von Fehlergraphen generiert, wobei den Fehlergraphen jeweils eine Fehlerursache im Herstellungsprozess zugeordnet wird. Um bei der Vielzahl von Fehlerursachen eine Gewichtung hinsichtlich der Fehlerbeseitigung vornehmen zu können, werden erfindungsgemäß die Fehlerursachen separat erfasst und deren Auftreten innerhalb eines Zeitfensters als Störhäufigkeit registriert.

Description

Verfahren zur Überwachung eines Herstellungsprozesses eines synthetischen
Fadens
Die Erfindung betrifft ein Verfahren zur Überwachung eines Herstellungsprozesses eines synthetischen Fadens gemäß dem Oberbegriff des Anspruchs 1.
Ein gattungsgemäßes Verfahren zur Überwachung eines Herstellungsprozesses eines synthetischen Fadens geht aus der WO 2019/137835 A1 hervor.
Bei der Herstellung und Behandlung von synthetischen Fäden ist es üblich, Pro dukt- und / oder Prozessparameter kontinuierlich zu überwachen, um so eine mög lichststabile Prozessführung und insbesondere möglichst eine stabile Produktqualität an dem Faden zu erhalten. Insbesondere bei der Herstellung von texturierten Fäden hat sich die Überwachung einer Fadenspannung an dem laufenden Faden bewährt, um Prozessstörungen und / oder Produktschwankungen zu erkennen. Bei dem be kannten Verfahren zur Überwachung des Herstellungsprozesses wird an dem laufen den Faden kontinuierlich eine Fadenspannung gemessen. Die dabei erzeugten Mess signale der Fadenspannung werden mit einem Schwellwert einer zulässigen Faden spannung verglichen, um sogenannte Fehlergraphen zu identifizieren und für weitere Analysen nutzen zu können. Mit Hilfe maschineller Lernprogramme werden aus den Fehlergraphen die jeweiligen Fehlerursachen im Herstellungsprozess erkannt, um diese beispielsweise durch einen Operator zu beseitigen, um letztendlich die Qualität des Fadens auf ein gleichmäßiges Niveau zu halten.
In der Praxis wurde nun festgestellt, dass in einem Herstellungsprozess eine Viel zahl von Fehlergraphen und somit eine Vielzahl von Fehlerursachen auftreten, die den Herstellungsprozess mehr oder weniger stark beeinflussen. So sind Fehlerursachen im Herstellungsprozess bekannt, die einen sofortigen Eingriff, wie beispielsweise bei ei nem Fadenbruch, erfordern.
Es ist nun Aufgabe der Erfindung, das gattungsgemäße Verfahren zur Überwa chung eines Herstellungsprozesses eines synthetischen Fadens derart weiterzubilden. dass eine effektive Bedienbarkeit des Herstellungsprozesses zur Gewährleistung einer gleichmäßigen Fadenqualität möglich ist.
Ein weiteres Ziel der Erfindung liegt darin, die zur Steuerung einer Vielzahl von Be arbeitungsstellen auftretenden Anweisungen an eine Bedienperson zu minimieren.
Diese Aufgabe wird erfindungsgemäß dadurch gelöst, dass die Fehlerursachen separat erfasst werden und dass deren Auftreten innerhalb eines Zeitfensters jeweils alseine Störhäufigkeit registriert werden. Unter einem Fehlergraphen ist im Rahmen der vorliegenden Anmeldung vorzugsweise ein solcher Messsignalverlauf C,Snap- shot") der Fadenspannung zu verstehen, in dem das Messignal der Fadenspannung eine vorgegebene Grenzwertschwelle unterschreitet oder überschreitet, und/oder in dem das Messignal der Fadenspannung einen durch vorgegebene Grenzwerte defi nierten Bereich verlässt (Grenzwertverletzung). Es hat sich als vorteilhaft herausge stellt, wenn ein Fehlergraph zeitlich begrenzt ist, beispielsweise höchstens 20 Sekun den, bevorzugt höchstens 10 Sekunden beträgt. Es hat sich weiterhin als vorteilhaft herausgestellt, wenn der Zeitpunkt der Grenzwertverletzung zeitlich gesehen etwa mittig in einem Fehlergraph liegt. Der Zeitpunkt der Grenzwertverletzung kann zeitlich gesehen am Rand des Fehlergraphen liegen.
Vorteilhafte Weiterbildungen der Erfindungen sind durch die Merkmale und Merkmalskombinationen der Unteransprüche definiert.
Die Erfindung war auch nicht durch das bekannte Verfahren zum Regeln einer Fa denspannung an einer Falschdrahtvorrichtung der DE 4329 136 A1 naheliegend. Hierbei werden die Häufigkeit von anormalen Fadenspannungsfadenzuständen er fasst. Damit lässt sich zwar die Häufigkeit eines Fadenspannungsfehlers registrieren, die jedoch keinen Hinweis auf einer möglichen Fehlerursache beinhalten. Aus einer Fehlerhäufigkeit lässt sich jedoch noch keine Fehlerursache ableiten.
Die Erfindung besitzt den besonderen Vorteil, dass zwischen Fehlerursachen un terschieden werden kann, um den Einfluss der jeweiligen Störquelle auf den Herstel- lungsprozess und auf die Qualität des Fadens zu beurteilen. Somit lässt sich das Auf treten innerhalb eines Zeitfensters als eine Störhäufigkeit der Fehlerursache registrie ren. Die Störhäufigkeit der jeweiligen Fehlerursache kann somit als ein Parameter ge nutzt werden, um einen differenzierten Eingriff zur Fehlerbeseitigung einzuleiten.
Da in einem Herstellungsprozess für einen synthetischen Faden eine Vielzahl von Fehlerursachen unterschiedlichster Art auftreten können, die beispielsweise im Rohr material, in der Maschine oder in der Einstellung usw. begründet liegen, sind deren Auswirkungen auf den Prozess und auf die Qualität des Fadens sehr unterschiedlich. Um derartige Unterschiede in den Fehlerursachen berücksichtigen zu können, ist die Verfahrensvariante besonders vorteilhaft, bei welcher den Störhäufigkeiten jeder der Fehlerursachen jeweils ein zulässiger Häufigkeitsgrenzwert zugeordnet wird. So be steht die Möglichkeit, das Auftreten kritischer Fehlerursachen und das Auftreten weni ger kritischer Fehlerursachen mit unterschiedlicher Gewichtung beim Eingriff in den Herstellungsprozess zu berücksichtigen. Bei einem Fadenriss ist sicherlich ein soforti ger Eingriff in den Herstellungsprozess nötig. Bei einer Verschmutzung odereinem Verschleiß eines Bauteils jedoch nicht.
Hierbei hat sich besonders bewährt, dass der Häufigkeitsgrenzwert der Störhäu figkeit eines der Fehlerursachen eine Anzahl der Fehlerursache beinhaltet, die im Her stellungsprozess für zulässig gilt. So lässt sich zu jeder Fehlerursache im Prozess allein aus der Anzahl ihres Auftretens der Häufigkeitsgrenzwert bestimmen, um gezielte Ein griffe in den Herstellungsprozess zu ermöglichen.
Zur weiteren Differenzierung ist die Verfahrensvariante vorgesehen, bei welcher der Häufigkeitsgrenzwert der Störhäufigkeit eines der Fehlerursachen sich auf einen Zeitabschnitt und / odereine Bearbeitungsstelle bezieht. So ist beispielsweise bei der Herstellung eines gekräuselten Fadens es üblich, den Faden von einer Vorlagespule abzuziehen und zu kräuseln. So könnte beispielsweise die Laufzeit der Vorlagespule als ein Zeitabschnitt gewählt werden, um die darin auftretenden Fehlerursachen in ihrer Störhäufigkeit zu bewerten. Zudem ist es dabei üblich, dass die Fäden parallel nebeneinander einzeln in einer Vielzahl von Bearbeitungsstellen geführt werden, so dass die Trennung bei der Fehlerursache in den Bearbeitungsstellen ebenfalls von Vorteil ist.
Um die im Herstellungsprozess aufgetretene Fehlerursache zu beseitigen, ist die Verfahrensvariante vorgesehen, bei welcher bei einer Überschreitung eines der Häu figkeitsgrenzwerte der Störhäufigkeiten einer Person eine Meldung übermittelt wird. Damit ist ein gezielter Eingriff in den Herstellungsprozess durch die verantwortliche Person gewährleistet.
Da bei der Vielzahl von Fehlerursachen das Auftreten in unterschiedlichen Formen stattfinden kann, die die Zuordnung eines Häufigkeitsgrenzwertes erschweren, ist die Weiterbildung der Erfindung besonders vorteilhaft, bei welcher die Störhäufigkeiten der Fehlerursachen mit Hilfe von Algorithmen auf Basis statistischer Verfahren sowie Methoden des maschinellen Lernens analysiert werden, um häufige Sequenzen von Störhäufigkeiten und / oder eine Anomalie von Störhäufigkeiten zu identifizieren. Diese Verfahrensvariante hat den besonderen Vorteil, dass auffällige Häufigkeiten der Fehlerursachen selbstständig von dem System erkannt werden, ohne dass vorgege bene Häufigkeitsgrenzwerte definiert werden müssen.
Derartige Maschinenlernsysteme basieren darauf, dass ein kontinuierliches Ler nen stattfindet. Hierzu ist die Verfahrensvariante besonders vorteilhaft, bei welchem die Sequenzen von Störhäufigkeiten gegenüber einer Person einer Personengruppe gemeldet werden und bei welchem die Sequenzen von Störhäufigkeiten von der Per son aus- und bewertet werden. Damit ist sowohl ein schneller Zugriff zur Abstellung der Fehlerursache im Herstellungsprozess als auch die Rückmeldung an das Maschi nenlernsystem gewährleistet.
Um mögliche Qualitätsunterschiede bei der Herstellung einer Vielzahl von Fäden in einer Vielzahl von Bearbeitungsstellen aufdecken zu können, ist die Weiterbildung der Erfindung vorgesehen, bei welcher in dem Herstellungsprozess mehrere Fäden in mehreren Bearbeitungsstellen parallel geführt und überwacht werden und bei wel chem die Störhäufigkeiten der Fehlerursachen in den Bearbeitungsstellen korreliert analysiert werden. Neben der Qualität des Fadens lässt sich auch die Qualität der ein zelnen Bearbeitungsstellen daraus ableiten.
Abhängig von dem Fehlergraph und der daraus folgenden Fehlerursache können unterschiedliche Handlungen erforderlich werden, die durch unterschiedliche Perso nengruppen wahrgenommen werden. So ist ein Wartungspersonal für die Wartung der Maschine zuständig. Ein Prozesspersonal betreut dagegen die Einstellung der Ma schine. Das Rohmaterial für den Herstellungsprozess wird dagegen durch das Bedie nungspersonal bereitgestellt. Um bei der Beseitigung von Fehlerursachen im Herstel lungsprozess möglichst schnell und gezielte Eingriffe zu ermöglichen, ist daher die Verfahrensvariante vorgesehen, bei welcher den Fehlerursachen jeweils ein von meh reren Personengruppen zugeordnet sind und bei welcher im Fall einer Grenzwert überschreitung der Störhäufigkeit der betreffenden Fehlerursache oder im Fall der Meldung der Sequenzen / Anomalie der Störhäufigkeiten benachrichtigt werden. Da mit lassen sich vorteilhaft Zeitverzögerungen bei der Beseitigung von Fehlerursachen vermeiden.
Zur Automatisierung des Herstellungsprozesses ist die Verfahrensvariante vorge sehen, bei weicher den Fehlerursachen jeweils einer von mehreren Steuerbefehlen zugeordnet sind, die im Fall einer Grenzwertüberschreitung der Störhäufigkeit der be treffenden Fehlerursache oder im Fall der Meldung der Sequenz / Anomalie der Stör häufigkeiten aktiviert werden. So können automatisierte Eingriffe bei der Fehlerbesei tigung im Herstellungsprozess vorteilhaft integriert werden.
Die Erfindung besitzt den besonderen Vorteil, dass aus der Vielzahl von Fehlerur sachen in einem Herstellungsprozess eine Gewichtung erfolgen kann, welche der Fehlerursachen sich wie auf die Qualität des Herstellungsprozesses und die Qualität des Fadens auswirkt. Insbesondere bei der Vielzahl der Daten an Fehlergraphen ist somit ein gezielter und schneller Eingriff zur Beseitigung von Fehlerursachen vorteil haft möglich. Das erfindungsgemäße Verfahren zur Überwachung des Herstellungsprozesses eines synthetischen Fadens wird nachfolgend anhand eines Ausführungsbeispiels eines Herstellungsprozesses unter Bezug auf die beigefügten Figuren näher erläutert.
Es stellen dar:
Fig. 1 schematisch ein Ausführungsbeispiel einer Bearbeitungsstelle einer Textilma schine zur Herstellung eines synthetischen gekräuselten Fadens Fig. 2 schematisch ein Ablaufdiagramm zur Überwachung des Herstellungsprozes ses gemäß dem Ausführungsbeispiel nach Fig. 1 Fig. 3 schematisch mehrere Fehlergraphen mit jeweils einem Messsignalverlauf der Fadenspannung verschiedener Fehlerursachen Fig. 4 schematisch ein Ablaufdiagramm zur Überwachung des Herstellungsprozes ses gemäß dem Ausführungsbeispiel nach Fig. 1
In der Fig. 1 ist schematisch ein Ausführungsbeispiel einer Bearbeitungsstelle ei ner Textilmaschine, in diesem Fall eine Texturiermaschine zur Herstellung eines ge kräuselten synthetischen Fadens gezeigt. Derartige Texturiermaschinen weisen eine Vielzahl von solchen Bearbeitungsstellen auf, die identisch aufgebaut sind. Insoweit wird an dieser Stelle nur eine der Bearbeitungsstellen einer Textilmaschine näher be schrieben.
In der 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 über führt wird. Die Vorlagespule 5 wird auch als sogenannte POY-Spule bezeichnet, da sie zuvor in einem Schmelzspinnverfahren erzeugt wurde und mit einem frisch gespon nen POY-Faden gewickelt wurde. Ein Fadenende der Vorlagespule 5 ist mit einem Fa denanfang der Reservespule 6 durch einen Fadenknoten miteinander verbunden. So wird ein kontinuierlicher Abzug des Fadens 3 nach Beendigung 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 Liefer werk 7.1. Das Lieferwerk 7.1 wird übereinen Antrieb 8.1 angetrieben. Das Lieferwerk 7.1 ist in diesem Ausführungsbeispiel durch eine angetriebene Galetten und eine frei drehbare Rolle gebildet, die mehrfach vom Faden umschlungen sind. Im weiteren Ver lauf ist dem Lieferwerk 7.1 eine Heizeinrichtung 9, eine Kühleinrichtung 10 und ein Texturieraggregat 11 nachgeordnet. Das Texturieraggregat 11 ist vorzugsweise als ein Friktionsdrallgeber ausgeführt, um an dem multifilen Faden einen Falschdrall zu er zeugen, der sich in eine Kräuselung der einzelnen Filamente des Fadens auswirkt. Zum Verstrecken des Fadens ist dem Texturieraggregat 11 ein zweites Lieferwerk 7.2 nach geordnet, das durch den Antrieb 8.2 angetrieben wird. Das Lieferwerk 7.2 ist im Auf bau identisch zu dem ersten Lieferwerk 7.1, wobei das zweite Lieferwerk 7.2 mit einer höheren Umfangsgeschwindigkeit zum Verstrecken des Fadens betrieben wird. Inner halb der Bearbeitungsstelle 1 wird der 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 8.3 angetrieben. Das Lieferwerk 7.3 ist als sogenanntes Klemmlieferwerk ausgebildet, dass eine ange triebene 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, wel cher eine Spule 14 trägt. Der Spulenhalter 13 ist schwenkbar ausgebildet und lässt sich zum Auswechseln der Spulen 14 manuell oder automatisiert bedienen. Dem Spu lenhalter 13 ist eine Treibwalze 15 zugeordnet, die durch einen Walzenantrieb 15.1 angetrieben wird. Zum Verlegen des Fadens am Umfang der Spule 15 ist der Spulstelle 2 eine Changiereinrichtung 12 zugeordnet, die einen antreibbaren Changierfadenfüh rer aufweist. Der Changierfadenführer wird hierzu über den Changierantrieb 12.1 oszil lierend angetrieben. Der Changierantrieb 12.1 und der Walzenantrieb 15.1 der Spul stelle 2 sind als Einzelantriebe ausgebildet und mit einer Maschinensteuereinheit 16 verbunden. Ebenso sind die Antriebe 8.1, 8.2 und 8.3 der Lieferwerke 7.1, 7.2 und 7.3 sowie derTexturierantrieb 11.1 des Texturieraggregates 11 der Bearbeitungsstelle 1 als Einzelantriebe ausgeführt und mit der Maschinensteuereinheit 16 gekoppelt.
Zur Überwachung des Herstellungsprozesses in der Bearbeitungsstelle 1 wird ei ne Fadenspannung an dem Faden 3 in einer Messstelle zwischen dem Lieferwerk 7.2 und 7.3 kontinuierlich gemessen. Die Messstelle ist in der dargestellten Position bei spielhaft zwischen den Lieferwerken 7.2 und 7.3 gezeigt. Vorzugsweise wird die Fa denspannung auch im Fadenlauf vor dem Lieferwerk 7.2 gemessen. Hierzu ist eine Sensorvorrichtung 17 vorgesehen, die einen Fadenspannungssensor 17.1 und einen Messsignalaufnehmer 17.2 aufweist. Die Sensorvorrichtung 17 ist mit einer Datenana lyseeinheit 18 verbunden. Die Datenanalyseeinheit 18 ist mit einem Transmitter 19 gekoppelt, der unter Verwendung kabelgebundener oder kabelloser Übertragungs technologien mit geeigneten Empfangssystemen verbunden ist, um Informationen und Signale zu übertragen. Die Datenanalyseeinheit 18 weist mehrere Softwaremodu- le auf, um die Messsignale der Sensorvorrichtung 17 und die daraus gewonnenen Da ten zur Überwachung des Herstellungsprozesses zu analysieren.
In der Fig. 2 ist hierzu ein erstes Schema von der Datenanalyseeinheit 18 in Form von einem Ablaufdiagramm gezeigt.
Wie aus der Darstellung in Fig. 2 hervorgeht, ist der Sensoreinrichtung ein Faden spannungsanalysemodul 20 zugeordnet. Das Fadenspannungsanalysemodul 20 nimmt die Messsignale der Sensoreinrichtung kontinuierlich auf und erzeugt soge nannte Fehlergraphen. Die Fehlergraphen definieren einen anormalen Messsignalver lauf der Fadenspannung. Solche Fehlergraphen werden immer dann datentechnisch erzeugt, wenn sich die online gemessene Fadenspannung im Herstellungsprozess, den durch vorgegebene Grenzwerte definierten Bereich verlässt. Bewegt sich die Fa denspannung des Fadens deutlich außerhalb des definierten Bereiches, hat das Aus wirkung auf die Qualität des Fadens und somit auf die Qualität des hergestellten Pro duktes. So werden durch das Fadenspannungsanalysemodul 20 eine Vielzahl von Fehlergraphen generiert. Hierbei liegt den Fehlergraphen jedoch eine bestimmte Ur sache zugrunde, die als Störgröße den Herstellungsprozess des Fadens beeinflusst. Um den Fehlergraphen die zugrundeliegenden Fehlerursachen zuordnen zu können, ist ein Maschinenlernmodul 21 vorgesehen. Das Maschinenlernmodul 21 verfügt über Algorithmen, um auf Basis statistischer Verfahren sowie Methoden des maschinellen Lernens die Fehlerursachen zu den Fehlerbildern zu identifizieren. Derartige Maschi- nenlernmodule sind aufgrund einer zuvor durchlaufenden intensiven Lernphase ge eignet, um die hinter den Fehlergraphen steckenden Fehlerursachen zu ermitteln. Die se Analyse erfolgt kontinuierlich, so dass aus den zugeführten Fehlergraphen entspre chende Fehlerursachen generiert werden. So lassen sich eine Mehrzahl von unter schiedlichen Fehlerursachen ermitteln, die in dem Fehlerursachenmodul 22 registriert werden. Die Fehlerursache ist durch die Kennbuchstaben FC in Fig. 2 bezeichnet. Durch die kontinuierliche Überwachung der Fadenspannung und die dabei kontinu ierlich generierten Fehlergraphen werden somit auch kontinuierlich die Fehlerursa chen ermittelt. Da nicht jede Fehlerursache einen direkten Eingriff in den Herstel lungsprozess verlangt, wird die Häufigkeit ihres Auftretens innerhalb eines Zeitfensters oder innerhalb einer Bearbeitungsstelle erfasst. Hierzu ist ein Störhäufigkeitsmodul 23 vorgesehen, in welchem die Störhäufigkeiten der Fehlerursachen fortlaufend ermittelt werden. Die Störhäufigkeit stellt hier die Summe der Fehlerursachen dar und ist als IFC bezeichnet.
Zur Beurteilung, welche Fehlerursache und welche Störhäufigkeit der Fehlerursa che einen Eingriff zur Fehlerbeseitigung erfordert, ist jeder Fehlerursache ein Häufig keitsgrenzwert zugeordnet. Die Häufigkeitsgrenzwerte bestimmen dabei das maximal zulässige Auftreten der Fehlerursache innerhalb eines Zeitabschnittes oder innerhalb einer Bearbeitungsstelle. Diese Grenzwerte, die mit L bezeichnet sind, sind in einem Vergleichsmodul 24 für jede de Fehlerursachen hinterlegt. Die Häufigkeitsgrenzwerte der Störhäufigkeiten werden dann mit den pro Zeitabschnitt oder pro Bearbeitungs stelle erfassten Störhäufigkeit verglichen.
Für den Fall, dass die Störhäufigkeit den Grenzwert noch nicht erreicht und über schritten hat, wird das Auftreten der betreffenden Fehlerursache weiter registriert. Bei einer Überschreitung der Grenzhäufigkeit wird über ein Ausgabemodul 25 eine Nach- rieht, ein Alarm oderein Steuersignal generiert und überden Transmitter 19 an eine Person einer Personengruppe oder der Steuereinheit übermittelt.
Hierbei besteht auch die Möglichkeit, dass in Abhängigkeit von der betreffenden Fehlerursache und deren Störhäufigkeit, eine bestimmte Person zum direkten Handeln aufgefordert wird. So ist es üblich, dass für Wartungen an Maschinenteilen das War tungspersonal verantwortlich ist. Demgegenüber erfolgt die Einstellung der Maschine durch das Prozesspersonal. So lässt sich durch die Datenanalyseeinheit 18 die Infor mation in die dafür zuständige Personengruppe übermitteln.
In dem Herstellungsprozess gemäß dem Ausführungsbeispiel nach Fig. 1 treten eine Vielzahl von Fehlergraphen auf, deren Fehlerursachen unterschiedliche Eingriffe in den Herstellungsprozess erfordern. In der Fig. 3 sind einige Ausführungsbeispiele von typischen Fehlergraphen und deren Fehlerursachen gezeigt, deren Störhäufigkeit durch vorgegebene Häufigkeitsgrenzwerte charakterisiert sind.
In Fig. 3 sind die einzelnen Fehlergraph mit Großbuchstaben A, B, C, D, E bezeich net und mit dem spezifischen Messsignalverlauf der Fadenspannung dargestellt. Das Fehlergraph A stellt einen typischen Fadenbruch dar, der in der Bearbeitungsstelle auftreten kann. Diese Fehlerursache führt zum Abbruch des Herstellungsprozess in der Bearbeitungsstelle und hat in diesem Ausführungsbeispiel den Häufigkeitsgrenzwert der Störhäufigkeit L = 1 erhalten. Bereits das ersten Auftreten einer derartigen Fehler ursache führt zu einer Fehlermeldung an das Prozesspersonal, um den Fadenbruch zu beheben.
Das Fehlergraph B zeigt einen typischen Messsignalverlauf bei einem Knoten überlauf. So wird die Verbindung zwischen der Vorlagespule und der Reservespule übereinen Fadenknoten hergestellt, der bei der Fadenspannungsmessung sichtbar wird. Derartige Fehlerursachen dürfen innerhalb einer Laufzeit einer Vorlagespule einmal auftreten. Somit ist hier als Häufigkeitsgrenzwert der Störhäufigkeit L = 2 ge wählt, wobei der Häufigkeitsgrenzwert Lsich auf einen Zeitabschnitt von 60 Minuten bezieht. So könnte beispielsweise die Laufzeit der Vorlagespule 60 Minuten betragen. Das Fehlergraph C signalisiert als Fehlerursache, dass der Faden bei einem Klemmlieferwerk außerhalb des Klemmspaltes zwischen Andrückrolle und Antriebs welle geführt wird. Diese Fehlerursache kann sich insbesondere beim Aufwickeln des Fadens und bei einem Spulenwechsel sehr negativ auswirken. Insoweit ist als Häufig keitsgrenzwert der Störhäufigkeit L= 4 innerhalb zwei Minuten angegeben. Es wird somit ein sehr kurzer Zeitabschnitt genutzt, um die Störhäufigkeit mit einem Häufig keitsgrenzwert abzugleichen.
Demgegenüber signalisiert das Fehlergraph Deinen Fehler im Ausgangsmaterial der Vorlagespule. So können beispielsweise Titerschwankungen in dem Vorlagefaden sich negativ in dem Messsignal der Fadenspannung bemerkbar machen. Derartige Fehlerursachen sind mit geringerer Gewichtung zu bewerten. Hierzu ist der Häufig keitsgrenzwert der Steuerhäufigkeit mit L = 10 innerhalb eines Zeitabschnittes von 5 Minuten definiert.
Das Fehlergraph E zeigt einen Messsignalverlauf der Fadenspannung, weicherauf eine verschmutzte Führungsfläche einer Kühlschiene der Kühleinrichtung hinweist. Diese Fehlerursache könnte beispielsweise dann zu einem Eingriff in den Prozess füh ren, wenn der Häufigkeitsgrenzwert der Störhäufigkeit L = 3 innerhalb eines Zeitab schnittes von 30 Minuten überschritten wird. Derartige Fehlerursachen treten meist zunächst sehr sporadisch auf, so dass erst eine Anhäufung innerhalb einer kurzen Zeit einen Eingriff erfordert.
Bei den in Fig. 3 dargestellten Ausführungsbeispiel bezieht sich der Häufigkeits grenzwert auf jeweils eine der Bearbeitungsstellen der Textilmaschine. Die hierbei für die Häufigkeitsgrenzwerte zugrunde gelegten Zeitabschnitte sind reine Ausführungs beispiele und nicht maßgeblich für den Prozess. Wesentlich hierbei ist, dass bei der Vielzahl von Fehlergraphen und Fehlerursachen die Fehlerursachen erkannt werden, die maßgeblich die Qualität der Produktherstellung beeinflusst. Das erfindungsgemäße Verfahren lässt sich jedoch auch vorteilhaft derart ausfüh ren, dass das Auftreten der Störhäufigkeiten der Fehlerursachen direkt analysiert, wer den ohne Häufigkeitsgrenzwerte zu beachten. Hierzu ist in Fig. 4 ein Ablaufdiagramm einer alternativen Ausführung der Datenanalyseeinheit 18 schematisch dargestellt. Das Ausführungsbeispiel ist im Wesentlichen identisch zu dem vorgenannten Ausfüh rungsbeispiel nach Fig. 2, so dass an dieser Stelle nur die Unterschiede erläutert wer den und ansonsten Bezug der vorgenannten Beschreibung genommen wird.
Bei dem in Fig. 4 dargestellten Ablaufschema ist dem Fehlerursachenmodul 22 ein weiterer Maschinenlernmodul 26 zugeordnet. Das Maschinenlernmodul 26 verfügt über Algorithmen, die auf Basis statistischer Verfahren sowie Methoden des maschinel len Lernens Analysen der Störhäufigkeit vornehmen, um auffällig anormale Störhäu figkeiten oder Sequenzen von Störhäufigkeiten zu identifizieren. Derartige Sequenzen oder Anomalien der Störhäufigkeiten einer betreffenden Fehlerursache wird dann da- zu genutzt, um über das Ausgabemodul 25 einer Person vorzugsweise einem Operator anzuzeigen, so dass dieser diese auswerten und bewerten kann. So kann einerseits die Fehlerursache zur Gewährleistung einer optimalen Qualität im Herstellungsprozess beseitigt werden. Andererseits sind die von dem Operator gemachten Erfahrungen hilfreich, um dem Maschinenlernmodul 26 entsprechende Rückmeldung zukommen zu lassen. Derartige Maschinenlernmodule erlangen somit ein Stadium, in dem mit hoher Wahrscheinlichkeit gezielte Steuerbefehle vom Eingriff in den Prozess möglich sind. Eine automatisierte Herstellungsüberwachung ist somit möglich.

Claims

Patentansprüche
1. Verfahren zur Überwachung eines Herstellungsprozesses eines synthetischen Fadens, bei welchem eine Fadenspannung des Fadens kontinuierlich gemessen wird, bei welchem die Messwerte der Fadenspannung analysiert und zu einer Vielzahl von Fehlergraph generiert werden und bei welchem den Fehlergraphen der Fadenspannung jeweils eine Fehlerursache im Herstellungsprozess zugeord net wird, dadurch gekennzeichnet, dass die Fehlerursachen separat erfasst werden und dass deren Auftreten innerhalb ei nes Zeitfensterns jeweils als eine Störhäufigkeit registriert werden.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass den Störhäufigkeiten jeder der Fehlerursachen jeweils ein zulässiger Häufigkeits grenzwert zugeordnet wird.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Häufigkeitsgrenzwert der Störhäufigkeit eines der Fehlerursachen eine Anzahl des Auftretens der Fehlerursache ist, die im Herstellungsprozess für zulässig gilt.
4. Verfahren nach Anspruch 2 oder 3, dadurch gekennzeichnet, dass der Häufigkeitsgrenzwert der Störhäufigkeit eines der Fehlerursachen sich auf ei nen Zeitabschnitt und/odereine Bearbeitungsstelle bezieht.
5. Verfahren nach einem der Ansprüche 2 bis 4, dadurch gekennzeichnet, dass bei einer Überschreitung eines der Häufigkeitsgrenzwerte der Störhäufigkeiten ei- ner Person einer Personengruppe eine Meldung übermittelt wird.
6. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Störhäufigkeiten der Fehlerursachen mit Hilfe von Algorithmen auf Basis statis tischer Verfahren sowie Methoden des maschinellen Lernens zur Identifizierung von häufigen Sequenzen von Störhäufigkeiten und/oder eine Anomalie von Stör häufigkeiten analysiert werden.
7. Verfahren nach Anspruch 5, dadurch gekennzeichnet, dass die Sequenzen von Störhäufigkeiten gegenüber einer Person einer der Personen gruppen gemeldet werden und von der Person aus- und bewertet werden.
8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass den Fehlerursachen jeweils einer von mehreren Personengruppen zugeordnet sind, die im Fall einer Grenzwertüberschreitung der Störhäufigkeit der betreffen den Fehlerursache oder im Fall der Meldung der Sequenz /Anomalie der Störhäu figkeiten benachrichtig werden.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass in dem Herstellungsprozess mehrere Fäden in mehreren Bearbeitungsstellen pa rallel geführt und überwacht werden und dass die Störhäufigkeiten der Fehlerur sachen in den Bearbeitungsstellen korreliert analysiert werden.
10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass den Fehlerursachen jeweils einer von mehreren Steuerbefehlen zugeordnet sind, die im Fall einer Grenzwertüberschreitung der Störhäufigkeit der betreffenden Fehlerursache oder im Fall der Meldung der Sequenz /Anomalie der Störhäufigkei- ten aktiviert werden.
PCT/EP2022/056057 2021-03-13 2022-03-09 Verfahren zur überwachung eines herstellungsprozesses eines synthetischen fadens WO2022194643A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202280020864.2A CN116981943A (zh) 2021-03-13 2022-03-09 用于监控合成纱线的制造过程的方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102021001348.4A DE102021001348A1 (de) 2021-03-13 2021-03-13 Verfahren zur Überwachung eines Herstellungsprozesses eines synthetischen Fadens
DE102021001348.4 2021-03-13

Publications (1)

Publication Number Publication Date
WO2022194643A1 true WO2022194643A1 (de) 2022-09-22

Family

ID=80928558

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2022/056057 WO2022194643A1 (de) 2021-03-13 2022-03-09 Verfahren zur überwachung eines herstellungsprozesses eines synthetischen fadens

Country Status (3)

Country Link
CN (1) CN116981943A (de)
DE (1) DE102021001348A1 (de)
WO (1) WO2022194643A1 (de)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4329136A1 (de) 1992-08-31 1994-03-03 Murata Machinery Ltd Falschdrahtvorrichtung und Verfahren zur Steuerung derselben
US5834639A (en) * 1994-06-02 1998-11-10 Zellweger Luwa Ag Method and apparatus for determining causes of faults in yarns, rovings and slivers
DE10026389A1 (de) * 1999-09-20 2001-03-22 Schlafhorst & Co W Vorrichtung zur Überwachung von Garnparametern eines laufenden Fadens
WO2019037919A1 (de) * 2017-08-23 2019-02-28 Oerlikon Textile Gmbh & Co. Kg Verfahren und vorrichtung zum texturieren eines synthetischen fadens
WO2019137835A1 (de) 2018-01-09 2019-07-18 Oerlikon Textile Gmbh & Co. Kg Verfahren und vorrichtung zur überwachung eines texturierprozesses

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4414517B4 (de) 1993-04-29 2004-10-28 Saurer Gmbh & Co. Kg Verfahren zur Ermittlung der Prozeßqualität bei der Herstellung und Aufspulung eines laufenden Fadens
DE10160861A1 (de) 2001-12-12 2003-06-26 Rieter Ag Maschf Verfahren und System zum Beheben von Störungen an Spinnmaschinen

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4329136A1 (de) 1992-08-31 1994-03-03 Murata Machinery Ltd Falschdrahtvorrichtung und Verfahren zur Steuerung derselben
US5834639A (en) * 1994-06-02 1998-11-10 Zellweger Luwa Ag Method and apparatus for determining causes of faults in yarns, rovings and slivers
DE10026389A1 (de) * 1999-09-20 2001-03-22 Schlafhorst & Co W Vorrichtung zur Überwachung von Garnparametern eines laufenden Fadens
WO2019037919A1 (de) * 2017-08-23 2019-02-28 Oerlikon Textile Gmbh & Co. Kg Verfahren und vorrichtung zum texturieren eines synthetischen fadens
WO2019137835A1 (de) 2018-01-09 2019-07-18 Oerlikon Textile Gmbh & Co. Kg Verfahren und vorrichtung zur überwachung eines texturierprozesses

Also Published As

Publication number Publication date
DE102021001348A1 (de) 2022-09-15
CN116981943A (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
EP0207471B1 (de) Verfahren zur Überwachung der Fadenqualität des laufenden Fadens
DE3906508C2 (de) Verfahren zur Qualitätssicherung in einer Spinnerei
EP3802927B1 (de) Ringspinnanlage und verfahren zu ihrem betrieb
EP3737943A1 (de) Verfahren und vorrichtung zur überwachung eines texturierprozesses
EP3672895B1 (de) Verfahren und vorrichtung zum texturieren eines synthetischen fadens
EP0644282B1 (de) Verfahren zur Qualitätssteuerung bei der Herstellung einer Vielzahl von Fäden
EP3052416B1 (de) Garnreiniger sowie damit ausgerüstete spinnstelle einer spinnmaschine sowie verfahren zum betrieb einer spinnstelle
WO2008116759A2 (de) Verfahren und vorrichtung zum schmelzspinnen, behandeln und aufwickeln eines synthetischen fadens
DE102004052669A1 (de) Verfahren zur Überwachung einer Spinnanlage zur Herstellung synthetischer Fäden
EP3634896B1 (de) Verfahren und vorrichtung zur überwachung einer fadenspannung an einem laufenden faden
WO2007020022A1 (de) Verfahren und vorrichtung zum aufwickeln einer vielzahl synthetischer fäden
DE4492654B4 (de) Verfahren zur Fehlerdiagnose in einem Herstellungsprozess eines synthetischen Fadens
WO2019101717A1 (de) Verfahren zur überwachung einer aufwickeleinrichtung und aufwickeleinrichtung
WO2020053030A1 (de) Verfahren zur überwachung und bedienung einer textilmaschine sowie eine bedienungseinrichtung einer textilmaschine
WO2022194643A1 (de) Verfahren zur überwachung eines herstellungsprozesses eines synthetischen fadens
DE3510521A1 (de) Verfahren zum einstellen der betriebsparameter einer spinnmaschine
DE4413549A1 (de) Verfahren zur Herstellung oder Bearbeitung eines laufenden Fadens
DE2546436C3 (de) Entlang wenigstens einer Spinnmaschine verfahrbare Wartungsvorrichtung
EP1709222B1 (de) Verfahren zum herstellen eines effektgarnes
WO2014090617A1 (de) Verfahren und einrichtung zur steuerung einer faserproduktionsmaschine
WO2022243127A1 (de) Verfahren zur überwachung einer vielzahl von bearbeitungsstellen für synthetische fäden
WO2019243125A1 (de) Verfahren zur herstellung und weiterverarbeitung von synthetischen fäden
EP4115009B1 (de) Verfahren und vorrichtung zur überwachung einer maschinenanlage zur herstellung oder behandlung von synthetischen fasern
DE102021002970A1 (de) Verfahren zur Überwachung einer Aufspulvorrichtung
DE4444150A1 (de) Verfahren zur Prozeßüberwachung eines Spinnverfahrens und Steuerung des Präparationsauftrages

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22711967

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 202280020864.2

Country of ref document: CN

WWE Wipo information: entry into national phase

Ref document number: 2023/011389

Country of ref document: TR

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22711967

Country of ref document: EP

Kind code of ref document: A1