Добивки:
- Способност да се интерпретираат основните параметри како што се бројот на предивото, вртењето, цврстината, униформноста и тежината/густината на ткаенината и нивната застапеност во податоците за производството.
- Способност да се воспостави работен тек кој ги оптимизира производствените параметри и ги доловува оддалечените и недоследностите со вештачката интелигенција
- Способност да се потврдат препораките за вештачка интелигенција со Uster статистика, лабораториски тестови и процесна физика
Целата квалитетна приказна за текстил започнува со правилно читање на неколку основни параметри. Колку е фин, колку е извиткан, колку е цврст и мазен конецот? Колку е тешка ткаенината, колку е дебела, во каква мешавина на влакна се наоѓа? Овие бројки се и финалниот производ што го гледа клиентот и самиот производствен рецепт. Вештачката интелигенција прави две големи работи во ова море од бројки: ги чисти неуредните податоци за производство и ги прави интерпретабилни, и помага да се откријат скриените обрасци меѓу параметрите (кои поставувањата предизвикуваат кој дефект). Во оваа единица ќе ги опфатиме основните параметри, нивната застапеност во податоци и оптимизирачкиот работен тек со вештачка интелигенција, одржувајќи ја дисциплината на верификација на секој чекор.
Основни параметри и нивните значења
Број на предиво (финост). Ја изразува дебелината на конецот, но со две различни логики: во индиректните системи, како што се зголемува бројот, конецот станува потенок - ова е британскиот памучен број Ne и метричкиот број Nm. Во директните системи, колку е поголем бројот, толку е подебело предивото - таков е тексот (грам тежина од 1000 метри) и дениерот (грам тежина од 9000 метри). Збунувајќи ја оваа разлика го превртува „дебелото“ со „тенкото“; Токму ова е најчестата грешка во излезот со вештачка интелигенција.
Пресврт. Тоа е степенот до кој влакната што го формираат предивото се обвиткани заедно, обично дадена со вртења по метар (TPM) или коефициент на извртување (αe). Извртувањето ја зголемува цврстината, но по одреден момент го зацврстува предивото и ја намалува цврстината; Постои разлика помеѓу Z и S во насока (насока на намотување).
Јачина и издолжување. Силата е силата што може да ја носи конецот без да се скрши; Во текстилот, генерално се мери со cN/tex (издржливост). Обично 12-22 cN/tex за прстенест памук, повисок за полиестер. Издолжување при прекин е процентот на предивото што се протега пред да се скрши.
Униформност и дефекти. Колку е мазно предивото по должината го мериме со неговото CV% (коефициент на варијација); долниот CV е помазна предиво. Тенки места, дебели места и непс (мали јазли од влакна) се бројат на км. Влакнестата е количината на влакна што излегува од површината на предивото.
Параметри на ткаенината. Грамаж (g/m², англиски GSM) е тежината на ткаенината по единица површина. Густината е бројот на жици за искривување/ткаена (по инч или см) во ткаењето и густината на шевот при плетењето. Мешавината на влакна (на пр. 95% памук 5% еластин) ја одредува удобноста и однесувањето на процесот.
Совет: пред да се интерпретира некој параметар, кажете му на вештачката интелигенција експлицитно во која единица систем работите („броеви во што“). Несигурноста на единицата е најголемиот извор на грешка во излезот.
Чекор по чекор: Работен тек за оптимизација на параметри со вештачка интелигенција
- Собира и стандардизира податоци. Донесете извештаи од различни машини и смени во една табела; Претворете ги единиците во единствен систем. Вештачката интелигенција ја прави оваа конверзија брзо, но рачно потврдете ја секоја конверзија во еден пример.
- Се појавува описно резиме. Означи средна вредност, стандардна девијација, мин-макс и оддалеченост. „Зошто CV-то е двојно повисоко оваа промена? Ваквите прашања се појавуваат овде.
- Претпоставете ја шемата. Побарајте од вештачката интелигенција да претпостави можни врски помеѓу параметрите (на пр. „дали nep се зголеми кога се намали пресвртот?“). Ова се хипотези, а не докази.
- Контролирана верификација. Тестирајте ја хипотезата со знаење за процесот и, ако е можно, пробно (на пр. менување на поставките на машината и повторување на Uster).
- Одлука и регистрација. Додадете го одобреното подобрување во рецептот и запишете ја промената и нејзиното оправдување.
Три мини случаи: според бројките
Случај 1 - Фатен на погрешна смена. Во еден бизнис, вредноста на CV-то на чешланото предиво 30/1 Ne беше вообичаено 11-12%, но се зголеми на 16% за време на ноќна смена. Вештачката интелигенција сумираше 4000 линии на излез на Uster и го означи ова поместување како надворешно. За време на пребарувањето на основната причина, беше пронајдено поставување на притисок на рамката за извлекување; По корекција, CV повторно се намали на 11,5%. Вештачката интелигенција не ја пронајде грешката, но брзо посочи каде да ја најде.
Case 2 — Twist-strength balance. Еден тим го зголеми вртењето од αe 3,8 на 4,4 за да ја зголеми силата; Отпрвин, јачината се зголеми од 15,2 на 16,1 cN/tex, но кога ја зголемив на 4,8 во следниот обид, таа падна на 15,4 и предивото стана поцврсто, зголемувајќи го кршењето на иглата при плетењето. ВИ потсети на опсегот „оптимален коефициент на пресврт“ од литературата; Тимот се реши на αe 4.3 преку физичко тестирање. Одлуката е донесена со тестирање, а не со модел.
Случај 3 - Грамажско несовпаѓање. Додека купувачот сакаше единечна маичка од 180 g/m², производството беше 168 g/m². AI ја оцени густината на плетењето, бројот на предиво и поставувањето на машината заедно и даде хипотеза дека „зголемувањето на бројот на предиво од 30/1 на 28/1 (малку дебело) приближно ќе ја зголеми тежината до целта“. Промената беше одобрена кога плетениот лабораториски примерок покажа 179 g/m².
Слаба навестување / Силен навестување
Слаба навестување:
Каков е квалитетот на конецот, подобрете го.
Моќен потсетник:
Вашата улога: инженер за производство на предиво. Подолу е резимето на 30/1 Ne исчешлано памучно предиво (броеви Ne, издржливост cN/tex, CV %). Задача:1) Споредете го секој параметар со типичен опсег на чешлан памук, означете ги отстапувањата. 2) Ако постои надворешно, наведете ги можните причини за процесот како ХИПОТЕЗА. 3) во податоците; Ако не сте сигурни, кажете „податоците не се доволни“. Податоци: [Устер резиме]
Силниот промпт обврзува да се спореди со типичниот опсег, да се означат причините како хипотези и да се поттикне тест патеката на секоја хипотеза.
Шаблони за копирање
1) Стандардизација на единицата:
Во податоците за предивото подолу, бројките се во мешани системи (Ne, Nm, tex). Претворете ги сите во Текс, прикажете ја и формулата за конверзија. Одделно означете ја линијата за која не сте сигурни. Податоци:[табела]
2) Скенирање надворешно:
Во оваа производна табела, за секој параметар, наведете ја средната вредност, отстапувањето std и редовите што отстапуваат ±2 std од средната вредност. Само давајте нумерички докази, не додавајте коментари. Податоци: [табела]
3) Хипотеза за однос параметар-дефект:
Табелата подолу содржи поставки за процесот и број на дефекти. Создадете ХИПОТЕЗИ за тоа кои промени на прилагодувањето одат заедно со кој дефект. Корелацијата не е причинско-последична врска; Наведете ја секоја хипотеза со предложен тест. Податоци: [табела]
4) Резиме за промена на рецептот:
Сумирајте ја следната одобрена промена на параметарот што треба да се обработи во производниот рецепт: стара вредност, нова вредност, очекуван ефект, потврден тест, датум на одлука. Промена: [опис]
Референтна табела за параметри (типични опсези)
Параметар
единица
Типичен опсег (пример)
забелешка
броење на конец од памук
што
10-60
Поголем број = фин конец
Коефициент на пресврт (αe)
-
3,5-4,5 (плетено)
Премногу ја намалува силата
Јачина на предиво (прстен памук)
cN/tex
12-22
повисоки во синтетички
Униформност (CV)
%
10-16
Долна = помазна
Грамаж на еден дрес
g/m²
120-220
Класа на маици
Фреквенција на ткаење (пример)
жица/инч
40-200
По тип на ткаенина
Внимание: Опсезите во табелата се поучни примери; Вашиот сопствен производ, влакна и спецификација на клиентите се од суштинско значење. Никогаш не ја заменувајте „типичната вредност“ што ја испорачува вештачката интелигенција за толеранција на клиентите.
Вообичаени грешки
- Indirect/direct number confusion. Мислењето дека ne и tex се во иста насока ги менува толкувањата.
- Погрешна корелација за каузалност. „Променети заедно“ е различно од „едното го предизвикало другото“; разделени со експеримент.
- Се смета дека силата секогаш се зголемува како што се зголемува извртувањето. Постои оптимална; Прекумерното извртување е штетно.
- Избришете го оддалеченото. Оддалеченоста често е највредниот поим; Истражете ја причината пред да ја избришете.
- Одлука со единствен примерок. Мерењето не е тренд; Потребно е повторување и статистика.
Сумирано
Квалитетот на предивото и ткаенината е сумиран со неколку основни параметри како што се броење, извртување, цврстина, униформност и грамажа/густина. Вештачката интелигенција е моќна во стандардизирање на овие параметри, означување на оддалечените и генерирање хипотези за односи; Но, не секоја хипотеза треба да се претвори во подобрување без да биде тестирана со процесна физика и физичко тестирање. Јасност на единицата и принципот на „корелација ≠ каузалност“ се двете златни правила на оваа единица.
Задача за апликација
Земете ја вашата (или примерок) графикон за производство на предиво; Имајте најмалку 20 линии и 4 параметри. Вежбајте ги шаблоните „надворешно скрининг“ и „хипотеза за однос параметар-дефект“ од оваа единица по редослед. Рачно проверете барем еден надворешен знак дека вештачката интелигенција ја означил и објаснете зошто со вашето сопствено знаење за процесот. Изберете хипотеза за врска основана од ВИ и напишете го во еден пасус експериментот што ќе го дизајнирате за да го потврдите.
листа за проверка
- [ ] Ги донесов сите параметри во систем со една единица и ја потврдив конверзијата во примерот.
- [ ] Ги истражив причините без да ги избришам оддалечените.
- [ ] Ги означив врските дадени од ВИ како хипотези, не тврдев каузалност.
- [ ] Не паднав во еднонасочната логика на „зголемување“ во оптималните параметри како што е пресврт.
- [ ] Ја поддржав секоја одлука за подобрување со физичко тестирање/повторно мерење.