Lợi nhuận:
- Khả năng diễn giải các thông số cơ bản như chi số sợi, độ săn, độ bền, độ đồng đều và trọng lượng/mật độ vải cũng như sự thể hiện của chúng trong dữ liệu sản xuất.
- Khả năng thiết lập quy trình làm việc nhằm tối ưu hóa các tham số sản xuất và nắm bắt các điểm ngoại lệ cũng như sự không nhất quán với AI
- Khả năng xác thực các đề xuất AI bằng số liệu thống kê của Uster, thử nghiệm trong phòng thí nghiệm và quy trình vật lý
Toàn bộ câu chuyện về chất lượng của hàng dệt bắt đầu bằng việc đọc chính xác một số thông số cơ bản. Một sợi dây mỏng manh ra sao, xoắn ra sao, bền chắc ra sao và mịn màng ra sao? Vải nặng bao nhiêu, dày bao nhiêu, pha từ sợi gì? Những con số này vừa là sản phẩm cuối cùng mà khách hàng nhìn thấy vừa là công thức sản xuất. AI thực hiện hai công việc lớn trong biển số này: nó dọn dẹp dữ liệu sản xuất lộn xộn và làm cho dữ liệu đó có thể hiểu được, đồng thời giúp phát hiện ra các mẫu ẩn giữa các tham số (cài đặt nào gây ra lỗi nào). Trong phần này, chúng ta sẽ đề cập đến các tham số cơ bản, cách biểu diễn chúng trong dữ liệu và quy trình tối ưu hóa bằng AI, duy trì nguyên tắc xác minh ở mọi bước.
Các thông số cơ bản và ý nghĩa của chúng
Số lượng sợi (độ mịn). Nó biểu thị độ dày của sợi, nhưng với hai logic khác nhau: trong các hệ thống gián tiếp, khi số lượng tăng lên, sợi trở nên mỏng hơn - đây là số bông Anh Ne và số mét Nm. Trong các hệ thống trực tiếp, số càng lớn thì sợi càng dày - chẳng hạn như tex (trọng lượng gram 1000 mét) và denier (trọng lượng gram 9000 mét). Việc nhầm lẫn sự phân biệt này sẽ đảo ngược “dày” thành “mỏng”; Đây chính xác là lỗi phổ biến nhất trong đầu ra AI.
Xoắn. Đó là mức độ mà các sợi tạo thành sợi được quấn lại với nhau, thường được tính bằng số vòng trên mét (TPM) hoặc hệ số săn (αe). Việc xoắn làm tăng độ bền, nhưng sau một thời điểm nhất định, sợi sẽ cứng lại và giảm độ bền; Có sự phân biệt giữa Z và S về hướng (hướng cuộn dây).
Sức mạnh và độ giãn dài. Sức bền là lực mà sợi chỉ có thể chịu đựng mà không bị đứt; Trong ngành dệt may, nó thường được đo bằng cN/tex (độ bền). Thông thường là 12-22 cN/tex đối với bông vòng, cao hơn đối với polyester. Độ giãn dài khi đứt là phần trăm sợi giãn ra trước khi đứt.
Tính đồng nhất và khuyết tật. Chúng tôi đo độ mịn của sợi dọc theo chiều dài của sợi bằng CV% (hệ số biến thiên); CV thấp hơn thì sợi mượt hơn. Chỗ mỏng, chỗ dày và điểm kết (nút sợi nhỏ) được tính trên km. Độ xù lông là lượng xơ nổi lên trên bề mặt sợi.
Thông số vải. Grammage (g/m2, tiếng Anh GSM) là trọng lượng của vải trên một đơn vị diện tích. Mật độ là số lượng sợi dọc/sợi ngang (trên mỗi inch hoặc cm) khi dệt và mật độ mũi khâu khi đan. Hỗn hợp sợi (ví dụ: 95% cotton 5% elastane) quyết định cả sự thoải mái và khả năng xử lý.
Mẹo: Trước khi diễn giải một tham số, hãy cho AI biết rõ ràng bạn đang làm việc trong hệ thống đơn vị nào ("các số trong Cái gì"). Độ không chắc chắn của đơn vị là nguồn lỗi lớn nhất ở đầu ra.
Từng bước: Quy trình tối ưu hóa tham số với AI
- Thu thập và chuẩn hóa dữ liệu. Đưa báo cáo từ các máy khác nhau và chuyển vào một bảng duy nhất; Chuyển đổi các đơn vị thành một hệ thống duy nhất. AI thực hiện chuyển đổi này một cách nhanh chóng nhưng xác minh thủ công từng chuyển đổi trong một phiên bản.
- Một bản tóm tắt mô tả xuất hiện. Đánh dấu giá trị trung bình, độ lệch chuẩn, giá trị tối thiểu và giá trị ngoại lệ. “Tại sao CV lại cao gấp đôi trong ca này?” Những câu hỏi như thế này nảy sinh ở đây.
- Giả sử mô hình. Yêu cầu AI đưa ra giả thuyết về mối quan hệ có thể có giữa các thông số (ví dụ: “nep có tăng khi độ xoắn giảm không?”). Đây là những giả thuyết, không phải bằng chứng.
- Kiểm soát xác minh. Kiểm tra giả thuyết bằng kiến thức về quy trình và, nếu có thể, bằng thử nghiệm (ví dụ: thay đổi cài đặt trên máy và lặp lại Uster).
- Quyết định và đăng ký. Thêm cải tiến đã được phê duyệt vào đơn thuốc và ghi lại sự thay đổi cũng như lý do biện minh cho nó.
Ba trường hợp nhỏ: Bằng những con số
Trường hợp 1 - Bị nhầm ca. Trong một doanh nghiệp, giá trị CV của sợi chải kỹ 30/1 Ne thường là 11-12%, nhưng nó đã tăng lên 16% trong một ca đêm. AI đã tóm tắt 4000 dòng đầu ra của Uster và gắn cờ sự thay đổi này là một ngoại lệ. Trong quá trình tìm kiếm nguyên nhân gốc rễ, người ta đã tìm thấy cài đặt áp suất trên máy ghép; Sau khi điều chỉnh, CV lại giảm xuống còn 11,5%. AI không tìm ra lỗi nhưng nhanh chóng chỉ ra nơi tìm ra.
Trường hợp 2 - Cân bằng độ bền xoắn. Một đội tăng độ xoắn từ αe 3,8 lên 4,4 để tăng sức bền; Lúc đầu, độ bền tăng từ 15,2 lên 16,1 cN/tex, nhưng khi tôi tăng lên 4,8 ở lần thử tiếp theo, nó giảm xuống 15,4 và sợi trở nên cứng hơn, làm tăng khả năng gãy kim khi đan. AI nhớ lại phạm vi "hệ số xoắn tối ưu" trong tài liệu; Nhóm đã xác định được αe 4.3 thông qua thử nghiệm vật lý. Quyết định được đưa ra bằng thử nghiệm chứ không phải bằng mô hình.
Trường hợp 3 - Sự khác biệt về ngữ pháp. Trong khi khách hàng muốn áo jersey đơn có định lượng 180 g/m2 thì sản lượng lại là 168 g/m2. AI đã đánh giá mật độ dệt kim, chi số sợi và cách thiết lập máy cùng nhau và đưa ra giả thuyết rằng "tăng chi số sợi từ 30/1 lên 28/1 (dày một chút) sẽ tăng trọng lượng xấp xỉ mục tiêu." Sự thay đổi đã được phê duyệt khi mẫu dệt kim trong phòng thử nghiệm cho thấy 179 g/m2.
Nhắc yếu / Nhắc mạnh
Dấu nhắc yếu:
Chất lượng thread thế nào, cải thiện nhé.
Lời nhắc mạnh mẽ:
Vai trò của bạn: Kỹ sư sản xuất sợi. Dưới đây là bản tóm tắt về sợi bông chải kỹ 30/1 Ne (số Ne, độ bền cN/tex, CV %). Nhiệm vụ:1) So sánh từng thông số với phạm vi bông chải kỹ điển hình, đánh dấu các sai lệch.2) Nếu có ngoại lệ, hãy liệt kê các nguyên nhân có thể xảy ra của quy trình làm GIẢ THUYẾT.3) Viết ra thử nghiệm/thử nghiệm nào là cần thiết để xác minh từng giả thuyết. Giá trị phù hợp không có trong dữ liệu; Nếu bạn không chắc chắn, hãy nói "không đủ dữ liệu". Dữ liệu: [Tóm tắt của người dùng]
Dấu nhắc mạnh bắt buộc phải so sánh với phạm vi điển hình, đánh dấu các nguyên nhân là giả thuyết và gợi ý đường dẫn thử nghiệm của từng giả thuyết.
Mẫu có thể sao chép
1) Tiêu chuẩn hóa đơn vị:
Trong dữ liệu sợi bên dưới, các số nằm trong hệ thống hỗn hợp (Ne, Nm, tex). Chuyển đổi tất cả sang tex, đồng thời hiển thị công thức chuyển đổi. Đánh dấu riêng dòng bạn không chắc chắn. Dữ liệu: [bảng]
2) Quét ngoại lệ:
Trong bảng sản xuất này, đối với mỗi tham số, hãy liệt kê giá trị trung bình, độ lệch tiêu chuẩn và các hàng lệch ±2 tiêu chuẩn so với giá trị trung bình. Chỉ đưa ra bằng chứng bằng số, không thêm ý kiến. Dữ liệu: [bảng]
3) Giả thuyết về mối quan hệ tham số-khiếm khuyết:
Bảng bên dưới chứa các cài đặt quy trình và số lượng lỗi. Tạo GIẢ THUYẾT về những thay đổi điều chỉnh nào đi cùng với lỗi nào. Tương quan không phải là nhân quả; Đưa ra mỗi giả thuyết kèm theo một bài kiểm tra được đề xuất. Dữ liệu: [table]
4) Tóm tắt thay đổi công thức:
Tóm tắt thay đổi thông số đã được phê duyệt sau đây để xử lý vào công thức sản xuất: giá trị cũ, giá trị mới, hiệu quả mong đợi, xác nhận kiểm tra, ngày quyết định. Thay đổi: [mô tả]
Bảng tham chiếu tham số (Phạm vi điển hình)
tham số
đơn vị
Phạm vi điển hình (ví dụ)
ghi chú
số lượng sợi bông
cái gì
10-60
Số lớn hơn = sợi mảnh
Hệ số xoắn (αe)
—
3,5-4,5 (dệt kim)
Quá nhiều làm giảm sức mạnh
Độ bền sợi (bông vòng)
cN/tex
22-12
cao hơn trong tổng hợp
Tính đồng nhất (CV)
%
16-10
Thấp hơn = mượt mà hơn
Ngữ pháp áo đấu đơn
g/m2
120-220
Lớp áo phông
Tần số dệt (ví dụ)
dây/inch
40-200
Theo loại vải
Lưu ý: Các phạm vi trong bảng là ví dụ mang tính hướng dẫn; Sản phẩm, chất xơ và đặc điểm kỹ thuật của khách hàng là điều cần thiết. Không bao giờ thay thế “giá trị điển hình” mà AI mang lại cho khách hàng.
Những lỗi thường gặp
- Nhầm lẫn số gián tiếp/trực tiếp. Nghĩ rằng ne và tex cùng hướng sẽ đảo ngược cách hiểu.
- Nhầm lẫn mối tương quan với quan hệ nhân quả. “Cùng thay đổi” khác với “cái này gây ra cái kia”; tách ra bằng thí nghiệm.
- Người ta cho rằng độ bền luôn tăng khi độ xoắn tăng. Có sự tối ưu; Xoắn quá mức có hại.
- Xóa ngoại lệ. Giá trị ngoại lệ thường là đầu mối có giá trị nhất; Điều tra lý do trước khi xóa.
- Quyết định với một mẫu duy nhất. Phép đo không phải là một xu hướng; Sự lặp lại và thống kê là cần thiết.
Tóm lại
Chất lượng của sợi và vải được tóm tắt bằng một số thông số cơ bản như số lượng, độ xoắn, độ bền, độ đồng đều và định lượng/mật độ. AI có khả năng mạnh mẽ trong việc tiêu chuẩn hóa các tham số này, gắn cờ các giá trị ngoại lệ và tạo ra các giả thuyết về mối quan hệ; Nhưng không phải mọi giả thuyết đều trở thành một cải tiến nếu không được kiểm tra bằng vật lý quá trình và thử nghiệm vật lý. Sự rõ ràng của đơn vị và nguyên tắc “tương quan ≠ nhân quả” là hai nguyên tắc vàng của đơn vị này.
Nhiệm vụ ứng dụng
Lấy biểu đồ sản xuất sợi của bạn (hoặc mẫu); Có ít nhất 20 dòng và 4 tham số. Thực hành các mẫu "sàng lọc ngoại lệ" và "giả thuyết mối quan hệ khuyết tật tham số" từ đơn vị này theo thứ tự. Kiểm tra thủ công ít nhất một ngoại lệ mà AI đã gắn cờ và giải thích lý do bằng kiến thức quy trình của riêng bạn. Chọn một giả thuyết về mối quan hệ do AI thiết lập và viết vào một đoạn văn thí nghiệm bạn sẽ thiết kế để xác minh nó.
danh sách kiểm tra
- [ ] Tôi đã đưa tất cả các tham số vào một hệ thống đơn vị duy nhất và xác minh việc chuyển đổi trong ví dụ.
- [ ] Tôi đã điều tra lý do mà không xóa các ngoại lệ.
- [ ] Tôi đánh dấu các mối quan hệ do AI đưa ra là giả thuyết, tôi không khẳng định mối quan hệ nhân quả.
- [ ] Tôi không rơi vào logic “tăng” một chiều trong các thông số tối ưu như độ xoắn.
- [ ] Tôi ủng hộ mỗi quyết định cải tiến bằng việc kiểm tra/đo lường lại về mặt vật lý.