Realisierung eines selbstlernenden Expertensystems für die Schlichterei mit neuronalen Netzen und evolutionären Algorithmen

Im Herstellungsprozess von Geweben werden Schlichtemittel benötigt um die Kettgarne webfähig zu machen. Die zentraleGröße dabei ist der Beschlichtungsgrad, der angibt wie viel Schlichtemittel auf das Kettgarn aufgebracht wird. Der optimale Beschlichtungsgrad hängt von sehr vielen Einflussgrößen des Garns, der verwendeten Schlichtemittel, der eingesetzten Maschinen und des zu produzierenden Gewebes ab. Er war bisher in den Textilbetrieben nur mit aufwendigen und teuren Vorversuchen zu ermitteln.

Hinzu kommt, dass eine Überbeschlichtung das Laufverhalten der Kettgarne in der Weberei nur geringfügig verschlechtert, während eine vergleichbare Unterbeschlichtung meist eine deutliche Verschlechterung des Nutzeffektes in der Weberei nachsich zieht.

Um die Webfähigkeit der Kettgarne in jedem Fall zu gewährleisten, wird daher meist mit deutlich erhöhten Beschlichtungsgraden gearbeitet. Dies hat aber andererseits die Folge, dass die Kosten des Schlichtens und die Abwasserbelastung mit Schlichtemittel unnötig hoch ist.

Ziel des Expertensystems ist deshalb die Bestimmung des optimalen Beschlichtungsgrades und der optimalen Maschineneinstellungen sowie die Auswahl der besten Schlichtemittel, so dass die Kosten des Schlichtens und dieCSB-Belastung textiler Abwässer minimiert und die Entschlichtbarkeit des Rohgewebes maximiert sind.

Zur Umsetzung wurde zunächst das verfügbare Wissen über die Schlichterei. Es existiert bereits sehr viel Wissen über dieSchlichterei, zum Teil wurde diese im Rahmen der Forschungsarbeit an Instituten erarbeitet, zum Teil liegt es in Form vonErfahrungs- und Richtwerten in der Industrie vor. Nach der Sammlung wurde es sortiert, systematisiert und in einee inheitliche Form gebracht. Dabei stellte sich heraus, dass aus dem gesammelten Wissen bereits ein kompletter Algorithmus erstellt werden kann, der alle relevanten Werte der Schlichterei, wie Beschlichtungsgrad, Flottenparameter und Einstellungender Schlichtmaschine, berechnet. Darüber hinaus werden die Abwasserbelastung durch CSB und BSB, die Kosten des Schlichtens und die Entschlichtbarkeit des Rohgewebes berechnet.

Dieser Algorithmus wurde programmiert und in einem für die Textilbetriebe bedienbaren Expertensystem implementiert. ImRahmen von Testläufen in den Textilbetrieben zeigte sich, dass die Berechnungen des Programms sehr gut mit optimiertenBeschlichtungen übereinstimmen. Der Algorithmus liefert bei einem Rotorgarn aus Baumwolle und Polyester der Feinheit Ne10, das nach Einsatz der Vornetztechnik mit einem Schlichtemittel aus CMC und PVA geschlichtet und auf einer Projektilwebmaschine zu einem köperbindigen Gewebe verarbeitet werden soll einen Beschlichtungsgrad von 3,3 % berechnet. Der beschriebene Artikel wurde bei einem Textilbetrieb produziert, und zwar mit gutem Laufverhalten in der Weberei. Messungen des Beschlichtungsgrades an dem entsprechenden Kettgarn haben Beschlichtungsgrade zwischen 2,3 % und 3,6% geliefert.

Ein weiteres Ziel bei der Entwicklung des Expertensystems war die Anpassungsfähigkeit des Systems an neue Garne, Schlichtemittel, Verfahren und Maschinen. Dazu wurde der gesamte Schlichtprozess mit Hilfe eines neuronalen Netzesabgebildet. Eingabewerte des Netzes sind Parameter des Garnes, der Schlichtemittel und des Schlichtverfahrens und der Ausgabewert ist die Webfähigkeit des Kettgarns in Form der Zahl der kettbedingten Stillstände der Webmaschine. Zur Optimierung dieses Abbilds des Schlichtprozesses wurde ein evolutionärer Algorithmus eingesetzt. Dieser kann komplexe Optimierungsprobleme mit vielen Einflussgrößen, wie es bei der Schlichterei der Fall ist, lösen.

Der selbstlernende Algorithmus auf Basis des neuronalen Netzes und des evolutionären Algorithmus kann den Beschlichtungsgrad, das Schlichterezept, die Flottenparameter und die Maschineneinstellungen sowie die Zahl derkettbedingten Stillstände der Webmaschine, die Abwasserbelastung durch CSB und BSB, die Kosten des Schlichtens und die Entschlich