Vliesstoff-Produktion Wie Algorithmen die Textilproduktion verbessern können

Redakteur: Alina Hailer

Zwei verschiedene Projekte zeigen: Der Einsatz von Künstlicher Intelligenz in der industriellen Textilproduktion können sowohl die Effizienz als auch die Qualität verbessern.

Firmen zum Thema

Vliesstoff-Kompaktanlagen zur Herstellung von Nadel-Vliesen aus Sonderfasern könnten zukünftig mit KI-Modellen optimiert werden.
Vliesstoff-Kompaktanlagen zur Herstellung von Nadel-Vliesen aus Sonderfasern könnten zukünftig mit KI-Modellen optimiert werden.
(Bild: Institut für Textiltechnik Augsburg)

Vliesstoffe sind in der Corona-Pandemie weit über die Fachwelt hinaus bekannt geworden. Sie bilden das Ausgangsmaterial der Schutzmasken. Einerseits hat sich gezeigt, dass Deutschland stark von Lieferungen aus dem Ausland abhängig ist, andererseits ist das Land in anderen Vliesstoff-Segmenten und bei Maschinen für deren Hersteller eine wichtige Komponente am Weltmarkt. Um diese Position zu sichern und zu stärken, braucht es Innovationen. Ein zentraler Baustein davon ist die Nutzung von Künstlicher Intelligenz (KI).

Autonome Anpassung von Produktionsparamentern

Das Institut Augsburg hat dafür in einem Projekt die Grundlage gelegt. Das war das Ziel: Die Maschinen zur Vliesstoffproduktion soll die Parameter im laufenden Betrieb entsprechend den Anforderungen autonom anpassen. Mögliche Fehler sollen von der Maschine selbstständig diagnostiziert und die Drehzahlen entsprechend angepasst werden.

Im Projekt „Easy-Vlies“ hat dann sich gezeigt, dass mit der Nutzung von Algorithmen für die Vliesstoffproduktion Material- und Energiekosten sinken. Durch ein entwickeltes KI-Modell konnten zentrale Parameter wie Drehzahlen und Abstände, die maßgeblich für die Produktqualität sind, vorhergesagt werden.

Die naturwissenschaftlichen Zusammenhänge und Wechselwirkungen zwischen den Drehzahlen und den Qualitätsparametern der Vliesstoffproduktion sind nicht eindeutig bekannt. Gerade deshalb kann KI hier seine Vorteile ausspielen: Sie kann auch diffuse Zusammenhänge modellieren und simulieren.Die Algorithmen dafür hat Maschinenbauingenieur Dr. Frederik Cloppenburg aus dem Aachener ITA-Stammhaus entwickelt, 280 Versuche wurden im Zusammenspiel mit der KI-Entwicklung durchgeführt.

Effiziente Stoffnutzung durch KI

In der unternehmerischen Praxis lernen die neuen Algorithmen nun hinzu. Das zeigt bei einem Vliesstoffbetrieb der Fahrzeugbranche bereits erste Erfolge in der betrieblichen Praxis. Im nächsten Schritt wird nun daran gearbeitet, Messtechnik wie Kamerasysteme und strahlungsbasierte Messsysteme für die Gleichmäßigkeit des Vliesstoffs in die Maschinen zu integrieren.

Das Ziel: Fehler so prognostizieren, dass sie gar nicht erst auftreten. Das Aufkommen an Vliesstoff-Ausschuss soll so um 30 bis 50 Prozent sinken. In Deutschland fällt jährlich Ausschussware im Wert von 150 Millionen Euro an, das entspricht etwa 10 Prozent des gesamten Branchenumsatzes. Die Facharbeiter sollen in diesem Prozess die lernende Maschine beaufsichtigen.

Lernende Maschinen für mehr Recycling

KI wird in der Kunststoffbranche künftig auch benötigt, um das Ziel höherer Recyclingquoten zu erreichen. Denn eine weniger einheitliche Rohstoffbasis macht lernende Maschinen noch wertvoller. Das ist auch Ausgangspunkt des vom Bundesforschungsministerium geförderten Verbundprojekts „Cyclops“ des Kunststoff-Zentrums (SKZ) und Partnern aus Wissenschaft und Wirtschaft.

Durch den Einsatz von KI sollen Materialströme automatisiert klassifiziert werden, damit sie sich optimal verwenden lassen. Die Maschinen sollen dann künftig eigenständig erkennen, in welche Anwendungen produzierte Materialien eines bestimmten Typs gehen könnten.

Ein entscheidender Faktor: Die Fließfähigkeit des Kunststoffs. Je kürzer die Polymerketten des Materials, desto größer, vereinfacht gesagt, ihre Fließfähigkeit. Für diese Fließfähigkeit spielt andererseits auch das Druckniveau in der Maschine eine Rolle. Hier kommt wieder die KI ins Spiel: Durch KI könnten Materialeigenschaften und selbst lernende Maschinensteuerungen sehr gut ineinanderwirken.

Grundlage für die angewandte Forschung im Projekt Cyclops sind sowohl Prozessdaten aus den Maschinen, welche die Materialqualität beschreiben können, als auch Daten entlang des Lebenswegs von Material und Produkt. Im Rahmen des Projektes werden damit die Transparenz und die Informationsdichte erhöht, welche nach wie vor einige der größten Hemmnisse der Kreislaufwirtschaft sind.

Neue Expertisefelder wie „Erklärbare KI“ erschlossen

Das SKZ baut mit dem Projekt auf KI-Expertise auf, die über abgeschlossene und noch laufende Projekte erarbeitet wurde. In der Vergangenheit lag der Schwerpunkt in der Entwicklung sogenannter Softsensoren aus Prozessdaten zur Berechnung komplexer Qualitätskennwerte wie zum Beispiel Viskosität oder Vernetzungsgrad des Kunststoffs. Durch die Weiterentwicklung der Technologie werden neue Expertisefelder erschlossen, wie beispielsweise die Optimierung der Prozessmodellierung durch KI, Prognose von Materialverhalten unter Last oder auch erklärbare KI. Erklärbare KI beschreibt den Weg, auf dem Algorithmen zu ihren Ergebnissen gelangen.

In den letzten Jahren wurde am SKZ außerdem an dem Einsatz von digitalen Technologien und KI im Kontext der Kreislaufwirtschaft geforscht. Dies erfolgte in den Projekten Di-Plast und Di-Link.

(ID:47472680)