Verbesserte Webmaschineneinstellungen mittels Simulationsrechnungen

Wolters, Thomas; Wulfhorst, Burkhard

doi:685

Verbesserte Webmaschineneinstellungen mittels Simulationsrechnungen

Wolters, Thomas (Author)

2003

Verantwortlichkeitsangabevorgelegt von Thomas Wolters

ImpressumAachen : Publikationsserver der RWTH Aachen University 2003

UmfangIII, 170, A8 S. : graph. Darst.

Aachen, Techn. Hochsch., Diss., 2003

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Wulfhorst, Burkhard (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2003-04-11

Online
URN: urn:nbn:de:hbz:82-opus-6858
URL: https://publications.rwth-aachen.de/record/59121/files/Wolters_Thomas.pdf

Einrichtungen

Lehrstuhl für Textilmaschinenbau und Institut für Textiltechnik (419110)

Inhaltliche Beschreibung (Schlagwörter)
Webmaschine (Genormte SW) ; Kettfaden (Genormte SW) ; Zugkraft (Genormte SW) ; Prozesssimulation (Genormte SW) ; Neuronales Netz (Genormte SW) ; Einrichten (Genormte SW) ; Weben (Genormte SW) ; Prozessoptimierung (Genormte SW) ; Computerunterstütztes Verfahren (Genormte SW) ; Technische Chemie (frei) ; Weberei (frei) ; Webmaschineneinstellung (frei) ; Simulationsrechnungen (frei) ; Evolutionsprozess (frei) ; neuronale Netze (frei) ; artikelspezifisch (frei) ; maschinenspezifisch (frei) ; Kettfadenzugkraft (frei)

Thematische Einordnung (Klassifikation)
DDC: 660

Kurzfassung
Der Webprozess wird wesentlich durch die Kettfadenzugkraft beeinflusst. Um eine gute Warenqualität bei gutem Maschinenlauf zu erhalten, ist eine Optimierung der Kettfadenzugkraft erforderlich. Diese wird wiederum von einer Vielzahl von Einflussgrößen beeinflusst, vor allem von der Hinterfachgeometrie. Die rein analytische Bestimmung der optimalen Einstellung der Hinterfachgeometrie ist nicht möglich. Die experimentelle Bestimmung ist nur näherungsweise möglich und mit großem Zeitaufwand verbunden. Diese komplexe Aufgabe ergibt sich insbesondere bei neuen Artikeln, für die der Weber noch keine erprobten Maschineneinstellungen hat. Im Rahmen der vorliegenden Dissertation wird die Entwicklung eines technischen Systems gezeigt, das mittels spezieller mathematischer Verfahren und Simulationen auf Basis von Artikel- und Maschinendaten verbesserte Maschineneinstellungen hinsichtlich der Kettfadenzugkraft liefert. Basierend auf empirischen Daten aus Webereien wurden neuronale Netze zur Vorhersage des idealen artikel- und maschinenspezifischen Kettfadenzugkraftverlaufs für neue Artikel trainiert (Vergleichskraftverlauf). Hierfür wurde zunächst eine Prozess- und Maschinendatenerfassung ausgewählter Artikel an sehr gut eingestellten Webmaschinen durchgeführt und mittels spezieller mathematischer Verfahren aufbereitet. Da aus dem Kettfadenzugkraftverlauf jedoch keine Maschineneinstellung direkt abgeleitet werden kann, wurde der Optimierungsalgorithmus des am Institut für Textiltechnik der RWTH Aachen (ITA) entwickelten AUTO-WARP-Konzepts eingesetzt. Nach dem Prinzip der Evolutionsstrategie wird auf Basis der vorgegebenen bzw. bekannten Artikel- und Maschinenparameter, des Vergleichskraftverlaufs und unter Einsatz des Programms zur Kettfadenzugkraftsimulation des AUTO-WARP-Konzepts die gesuchte artikel- und maschinenspezifisch optimierte Maschineneinstellung berechnet. Zur Vereinfachung der Bedienung wurden die verschiedenen Programmbausteine dieses Konzeptes zusammengefasst und eine gemeinsame Nutzeroberfläche geschaffen, die eine webereigerechte Bedienung des Systems erlaubt. Das entwickelte System wurde für den Artikelbereich der Aramidgewebe industriell erprobt. Die Einstellhilfe war im Praxistest in der Lage, für Testartikel, die weit außerhalb des Trainingsspektrums lagen und für neue Maschinen, gute bis sehr gute Einstellempfehlungen zu geben. Mit den Einstellungen der Einstellhilfe konnte zum Teil eine deutliche Verbesserung der Kettfadenzugkraftverläufe, des Maschinenlaufs sowie der Produktqualität erreicht werden. Der Weber erhält mit der intelligenten Einstellhilfe ein Programm, das auch für neue Artikel eine gute und schnelle Einstellung der Hinterfachgeometrie ermöglicht und damit hilft, Material-, Maschinen- und Personalkosten zu sparen und die Produktqualität zu verbessern. Das Programm ist leicht bedienbar und auf herkömmlichen Rechnern lauffähig. Damit das System für andere Artikelbereiche eingesetzt werden kann, müssen die neuronalen Netze entsprechend trainiert werden. Abschließend werden verschiedene Strategien der Umsetzung und Vermarktung des Systems betrachtet. Der Webprozess wird wesentlich durch die Kettfadenzugkraft beeinflusst. Um eine gute Warenqualität bei gutem Maschinenlauf zu erhalten, ist eine Optimierung der Kettfadenzugkraft erforderlich. Diese wird wiederum von einer Vielzahl von Einflussgrößen beeinflusst, vor allem von der Hinterfachgeometrie. Die rein analytische Bestimmung der optimalen Einstellung der Hinterfachgeometrie ist nicht möglich. Die experimentelle Bestimmung ist nur näherungsweise möglich und mit großem Zeitaufwand verbunden. Diese komplexe Aufgabe ergibt sich insbesondere bei neuen Artikeln, für die der Weber noch keine erprobten Maschineneinstellungen hat. Im Rahmen der vorliegenden Dissertation wird die Entwicklung eines technischen Systems gezeigt, das mittels spezieller mathematischer Verfahren und Simulationen auf Basis von Artikel- und Maschinendaten verbesserte Maschineneinstellungen hinsichtlich der Kettfadenzugkraft liefert. Basierend auf empirischen Daten aus Webereien wurden neuronale Netze zur Vorhersage des idealen artikel- und maschinenspezifischen Kettfadenzugkraftverlaufs für neue Artikel trainiert (Vergleichskraftverlauf). Hierfür wurde zunächst eine Prozess- und Maschinendatenerfassung ausgewählter Artikel an sehr gut eingestellten Webmaschinen durchgeführt und mittels spezieller mathematischer Verfahren aufbereitet. Da aus dem Kettfadenzugkraftverlauf jedoch keine Maschineneinstellung direkt abgeleitet werden kann, wurde der Optimierungsalgorithmus des am Institut für Textiltechnik der RWTH Aachen (ITA) entwickelten AUTO-WARP-Konzepts eingesetzt. Nach dem Prinzip der Evolutionsstrategie wird auf Basis der vorgegebenen bzw. bekannten Artikel- und Maschinenparameter, des Vergleichskraftverlaufs und unter Einsatz des Programms zur Kettfadenzugkraftsimulation des AUTO-WARP-Konzepts die gesuchte artikel- und maschinenspezifisch optimierte Maschineneinstellung berechnet. Zur Vereinfachung der Bedienung wurden die verschiedenen Programmbausteine dieses Konzeptes zusammengefasst und eine gemeinsame Nutzeroberfläche geschaffen, die eine webereigerechte Bedienung des Systems erlaubt. Das entwickelte System wurde für den Artikelbereich der Aramidgewebe industriell erprobt. Die Einstellhilfe war im Praxistest in der Lage, für Testartikel, die weit außerhalb des Trainingsspektrums lagen und für neue Maschinen, gute bis sehr gute Einstellempfehlungen zu geben. Mit den Einstellungen der Einstellhilfe konnte zum Teil eine deutliche Verbesserung der Kettfadenzugkraftverläufe, des Maschinenlaufs sowie der Produktqualität erreicht werden. Der Weber erhält mit der intelligenten Einstellhilfe ein Programm, das auch für neue Artikel eine gute und schnelle Einstellung der Hinterfachgeometrie ermöglicht und damit hilft, Material-, Maschinen- und Personalkosten zu sparen und die Produktqualität zu verbessern. Das Programm ist leicht bedienbar und auf herkömmlichen Rechnern lauffähig. Damit das System für andere Artikelbereiche eingesetzt werden kann, müssen die neuronalen Netze entsprechend trainiert werden. Abschließend werden verschiedene Strategien der Umsetzung und Vermarktung des Systems betrachtet.

The weaving process is substantially influenced by the warp thread tension. In order to obtain good fabric quality at a smooth run of the loom, the optimisation of the warp thread tension is necessary. The tension is influenced by a multitude of parameters, especially the back shedding geometry. The pure analytical determination of the best back shedding geometry is not possible. The experimental determination of the best loom setting takes up a great deal of time and is only an approximation. This complex task occurs particularly with new products, for which the user has not established machine settings yet. Within the framework of the presented thesis the development of a technical system is presented that provides optimised machine settings based on machine and fabric specific data and with help of mathematic methods and simulations. Neural networks have been trained and tested for the prediction of ideal article and machine specific warp thread tension sequences (comparison tension sequences) based on empiric data of weaving mills. For that the necessary product, machine and operational data was collected on very well adjusted weaving machines with satisfactory processing performance and fabric quality over a long time period. This data has been analysed by special mathematic methods. The determination of the machine setting from the tension sequence is not possible directly. Because of that the optimisation algorithm of the AUTO-WARP-concept, that has been developed at the Institut für Textiltechnik der RWTH Aachen (ITA), is used. According to the principle of evolution strategy and based on fabric and machine data, the comparison tension sequence and by the help of a special simulation program of the ITA for warp thread tension sequences the fabric and machine specific optimised machine setting is calculated. For an easy operation the various described components have been put together to one program and a common user interface was created to achieve a simple data input according to the demand of a weaving mill. The developed system was tested in practise for the product family of aramid yarns. In the practise test the developed adjustment device was able to determine good and very good machine settings for new products and machines, although the test fabric was far out of the training product spectrum. With the recommended loom setting the warp thread tension sequence, the run of the loom and the fabric quality were improved clearly. The adjustment device is a tool for the weaver that makes a good and quick fabric specific adjustment of the back shedding possible even for new fabrics. By this it enable the weaver to reduce material, machine and personal costs and to improve the fabric quality. The program is simple to operate and runs on usual personal computers. In order to use the system for new product families the neural networks have to be trained with corresponding data. This further conversion and marketing strategies are viewed finally.

Fulltext:
PDF
(additional files)