Selbstoptimierung des Webprozesses

  Kettfadenzugkraftsensor Urheberrecht: Quelle: PICANOL

Weben ist eines der ältesten Verfahren zur Herstellung textiler Flächen. Das Verfahren ist durch das rechtwinklige Verkreuzen von Kett- und Schussfäden gekennzeichnet. Um das Verkreuzen zu ermöglichen, müssen die Kettfäden das sogenannte Fach bilden, welches durch das Heben oder Senken von Kettfäden erzeugt wird. Auf Webstühlen wird nach Bildung des Faches der Schussfaden eingetragen. Die ersten Webstühle werden auf ca. 3000 v. Chr. datiert. Bei diesen Webstühlen wurden Steine an den Kettfäden als Gewicht genutzt, um die für den Webprozess notwendige Spannung zu erreichen. Im Zuge der Industrialisierung wurden erste mechanisch angetriebene Webstühle entwickelt. Die weitere Entwicklung der Webmaschine im 20. Jahrhundert ist geprägt durch eine zunehmende Automatisierung von Abläufen des Webprozesses mit dem Ziel der Leistungssteigerung. Die zunehmende Computerisierung des Webprozesses führte dazu, dass das Weben heute das produktivste textile Flächenherstellungsverfahren ist. Auf modernen Webmaschinen können unterschiedlichste Werkstoffe verarbeitet und somit verschiedene Artikel produziert werden. Beispiele hierfür sind Bekleidungsstücke wie Jeans oder andere Anzüge aus Baum- oder Kaschmirwolle sowie technische Artikel wie Fallschirme aus Polyamid oder Leichtbauteile aus Carbonfasern.

 

Praxisproblem

Gewebtes 3D-Carbonprofil Urheberrecht: Institut für Textiltechnik der RWTH Aachen (ITA) Gewebtes 3D-Carbonprofil

Allerdings bedarf die Anpassung der Webmaschine an die verschiedensten Materialien komplexer Einstellvorgänge. So müssen Fadenleitorgane, Schusseintragsysteme oder Prozesseinstellungen dem jeweiligen Material angepasst werden. Eine wichtige Kenngröße zur Beurteilung des Webprozesses ist die Kettfadenzugkraft. Ist die Kettfadenzugkraft zu hoch, reißen die Fäden und der Webprozess muss unterbrochen werden. Ist die Kettfadenzugkraft zu niedrig, behindern die Kettfäden den Schusseintrag und es können keine Gewebe gebildet werden. Die Einstellung der Kettfadenzugkraft erfolgt nach Erfahrungswerten des Webers. Zudem findet die Qualitätsüberwachung der Gewebe nicht direkt an der Webmaschine statt. Die Qualität eines Gewebes wird in der sogenannten Warenschau durch geschulte Mitarbeiter an speziellen Schautischen durchgeführt, weit nach dem Webprozess. Dadurch ist es nicht möglich auf Fehler, die im Webprozess entstehen, einzuwirken.

 

Lösungsidee

System der Selbstoptimierung Urheberrecht: Institut für Textiltechnik der RWTH Aachen (ITA)

Ziel des Projektes ist es, den Einrichtprozess der Webmaschine so zu gestalten, dass für eine gewünschte Produktqualität die notwendigen Einstellparameter durch die Webmaschine selbst bestimmt werden. Dazu wird ein Metamodell erstellt und dieses in die Webmaschine integriert. So kann für einen hochwertigen Kammgarnstoff die Verkürzung der Rüstzeiten (30 min) bereits eine Kostenreduktion von 61,10 € auf 60,50 € pro 100 Laufmeter ergeben. Hinzu kommen die Einsparungen bei den häufig sehr teuren Materialien. Dazu soll zunächst eine Modellierung des Prozesses hinsichtlich der Kettfadenzugkraft erfolgen. Des Weiteren wird eine Selbstoptimierungsroutine realisiert, welche die Einstellungen der Webmaschine optimiert. Weiterhin sollen geeignete Sensoren zur Überwachung der Produktqualität mittels der ITA „9-Step-Tool“ Methode ausgewählt und in den Webprozess integriert werden.

 

Technische Herausforderung

Optimierung Urheberrecht: Institut für Textiltechnik der RWTH Aachen (ITA)

Mit Hilfe des „9-Step-Tool“ wurde ein Röntgensensor der BST ProControl GmbH, Freudenberg zur Überwachung des Flächengewichts ausgewählt. Nach Integration des Sensors in den Webprozess konnte mit Hilfe eines Smith-Prädikators ein Regelkreis zur Kontrolle des Flächengewichts realisiert werden. Zur weiteren Überwachung der Gewebequalität wurde ein Kamerasystem entwickelt und in die Webmaschine integriert. Durch einen Fadensensor, der ebenso in die Webmaschine integriert wurde, kann die Kettfadenzugkraft online gemessen werden. Die gewonnen Daten wurden zur Modellierung mittels quadratischer Regression genutzt. Mit Hilfe des Satzes von Gauss-Markov und von Gütekriterien können optimierte Einstellungen berechnet werden. Auf diese Weise ist eine Selbstoptimierungsroutine erstellt worden, welche mit Hilfe von Produkten (Soft SPS) der Firma iba AG, Fürth in eine Webmaschine integriert wurde. Versuche im Technikum des ITA zeigten, dass durch Nutzung der Routine die Kettfadenzugkraft um bis zu 13 % reduziert werden kann. Die Optimierungsroutine wurde zudem bei der Weberei Weyermann Technical Textiles GmbH & Co. KG, Wegberg in einem Feldtest untersucht. Eine Luftdüsenwebmaschine der Firma Picanol nv, Ieper, Belgien wurde an die Routine angeschlossen. Nach Durchlauf der Optimierung lief die Webmaschine dank der neuen Einstellungen 100 U/min schneller. Die Webmaschine lief zudem in zwei Schichten ohne prozessbedingte Stillstände und die Gewebequalität, welche zusätzlich in der Warenschau kontrolliert wurde, entsprach den Anforderungen. Laufende Arbeiten zielen darauf, weitere Parameter des Webprozesses wie z. B. den Energieverbrauch oder die Positionierung von Webmaschinenenelemente in die Optimierung mit einzubinden. Dazu werden sowohl geeignete Sensoren benötigt, als auch zusätzliche Aktuatoren
in die Webmaschine integriert. Eine Möglichkeit, den Luftverbrauch zu überwachen, ergibt sich durch die Installation eines Durchflusssensors in die Schlauchleitung der Druckluftversorgung der Webmaschine. Heutige Messtechnik ermöglicht dabei bereits eine drahtlose Übertragung der Messwerte in ausreichender Geschwindigkeit in das Messsystem. Durch Integration von Schrittmotoren lässt sich z. B. die Position des Kettwächters automatisiert verstellen. Die Position des Kettwächters hat einen direkten Einfluss auf die Kettfadenbelastung. Offen bleibt dabei weiterhin die Frage, ob ein Regressionsmodell für die beschriebenen zusätzlichen Eingangs- und Ausgangsparameter die optimalsten Resultate liefert. Daher sollen alternative Modelle untersucht werden. Von
Interesse ist ebenso die Steuerung der Selbstoptimierung über sogenannte Smart Devices, wie Tablets oder Handys.