Datengetriebene Ressourceneffizienz an Rundstrickmaschinen

Unter Ressourceneffizienz verstehen wir den optimalen Einsatz von Energie und Betriebsmitteln zur Herstellung eines termingetreuen, qualitativ hochwertigen Produktes. Ressourceneffizienz an Großrundstrickmaschinen ist ein vielschichtiges und komplexes Thema, welches technologische und betriebswirtschaftliche Aspekte in textilen Produktionsbetrieben vereint.

In dem durch die AiF geförderten Forschungsprojekt liegt der Fokus auf dem optimalen Betriebsmittelverbrauch der Maschinen, in diesem Fall dem Verbrauch an Schmierstoff und Energie. Die Untersuchungen werden im Technikum des Technologiezentrums Maschentechnik durchgeführt.

Großrundstrickmaschinen werden im Überfluss geschmiert. Dies liegt an hohen Belastungen von Material und Maschinenteilen durch steigende Produktionsgeschwindigkeiten sowie den hohen Qualitätsstandards von technischen und nichttechnischen Gestricken. Der Schmierstoff hat bei Strickmaschinen neben der Schmier- auch eine Reinigungsfunktion. Der für die Qualität der Ware sensible Schlossbereich wird durch den Schmierstoff von Faserflug und Avivagen gereinigt. Durch die Überflussschmierung ist der Ölverbrauch hoch und die Maschine wird nicht ressourceneffizient betrieben.

Die Zusammenhänge zwischen den Betriebsmittelverbrauch werden an den DITF untersucht, indem kontinuierlich Daten aus dem laufenden Produktionsprozess analysiert und ausgewertet werden. Dazu wurde an den DITF eine Großrundstrickmaschine mit umfassender Messtechnik ausgestattet, um alle relevanten Betriebsparameter erfassen zu können. Dies ist notwendig, um aus den gewonnenen Daten Rückschlüsse auf den Maschinenzustand ziehen zu können. Im Projekt werden Kulierkräfte, Maschinenvibrationen, Temperaturen in den Strickschlössern und Fadenspannungen mit dem Öl- und Energieverbrauch der Maschine korreliert. Das Messsystem speichert die Prozessdaten als Zeitreihe und macht diese für die Visualisierung und die Verarbeitung mit Machine-Learning Algorithmen verfügbar. Das Zentrum für Management Research hat umfassende Erfahrungen in der Modellbildung im Big Data Umfeld und ist für die Verarbeitung der Daten im Projekt zuständig.

Da im Technikum die Laufzeiten der Industrie nicht realisiert werden können, werden dort zunächst charakteristische Szenarien untersucht bevor das Messsystem in der Industrie unter Realbedingungen eingesetzt wird. Im Produktionsumfeld sollen dann die nötigen Datenmengen für datenbasierte Modelle generiert werden. Über die weitreichende und tiefgreifende Informations- und Wissensgewinnung aus Daten lassen sich zukünftig Ressourcen effizienter nutzen. Big Data Analytik im Sinne von Industrie 4.0 ermöglicht dabei eine individuelle, wissensbasierte, automatisierte und ressourceneffiziente Produktion in kleinen und mittelständischen Unternehmen.

Das Bewusstsein für den ökologischen Fußabdruck steigt und der Verbrauch von Energie und Betriebsmitteln ist heute kosten- und imagerelevant. Deshalb ist die Kenntnis der Zusammenhänge zwischen Charakteristika der Eingangsmaterialien, Maschinenzustand, Verschleiß, Ressourcenverbrauch und Charakteristika der Ausgangsmaterialien auch an Strickmaschinen Voraussetzung für moderne, ressourceneffiziente Produktionsprozesse. Mögliche Anwendungsmöglichkeiten ergeben sich im Bereich Predictive Maintainance und Predictive Quality.

Im Zuge des Projektes "Datengetriebene Ressourceneffizienz" wurde ein Demonstrator in Form eines Jupyter Notebooks entwickelt, das mit jedem Browser geöffnet werden kann. Im Demonstrator wird anhand eines Testdatensatzes der Workflow der Anwendung von Machine-Learning Algorithmen sehr detailliert aufgezeigt. Das komplette Programm und der Testdatensatz werden bei Interesse gerne zur Verfügung gestellt.

Link: Jupyter Notebook mit Beispiel-Anwendung von Machine-Learning Algorithmen