Praxisbeispiel: Innovation Digitaler Nahtsensor hilft Textilbranche

Das Augsburger Unternehmen Erhardt+Leimer entwickelt einen digitalen Nahtsensor und rüstet die Textilbranche damit für die Herausforderungen der Zukunft.

Schon seit langer Zeit kommen bei der textilen Verarbeitung verschiedene Sensoren zum Einsatz, die auf die Bedingungen im Umgang mit Textilien spezialisiert sind. Diese Sensoren und die damit verknüpften Regelmechanismen stellen sicher, dass die geforderte Qualität an das Produkt, aber auch an den Prozess selbst, kontinuierlich abgebildet werden kann. Gerade in den Hochburgen der Textilindustrie sind oft schlechte Arbeitsbedingungen und die damit verbundenen Auswirkungen auf Qualität und Effizienz der Normalzustand. Damit kommt der Sensorik im Kontext der Produktionsoptimierung eine übergeordnete Bedeutung zu. Die Kombination von innovativer Mess- und Regeltechnik mit Künstliche Intelligenz (KI) bringt dabei neue Möglichkeiten in Bezug auf Transparenz, Qualität und Ergebnissteigerung.

Herausforderungen in der Textilproduktion

Die textile Oberfläche steht allerdings im genauen Gegensatz zu einer erfolgreichen Sensorleistung, was den sinnvollen Einsatz klassischer Machine-Vision-Algorithmen erschwert. Mit KI, und speziell den Convolutional Neural Networks (CNN), ist erstmals eine bildbasierende Technologie in der Lage, die gewünschten Merkmale sicher von den sonst störenden Texturen zu extrahieren.

Hierzu wird die Naht mittels einer Matrixkamera abgetastet. Ein LED-Ring im vorderen Bereich der Linse stellt eine ausreichende Belichtung und damit eine zuverlässige Schärfe sicher. Durch den Einsatz einer Kamera bleibt die Oberfläche der Ware unangetastet. Das ist insbesondere bei empfindlichen Qualitäten wie Samt, Teppich oder Frottierware unumgänglich, da sonst Markierungen auf der Oberfläche entstehen würden. Ebenfalls ein grosser Vorteil für den Anwender ist die Unempfindlichkeit des Sensors gegenüber unterschiedlichen Warenbreiten oder -dicken. Es entfällt somit ein ständiges Nachbessern oder Anpassen an die unterschiedlichen Gegebenheiten im Produktionsablauf. Es ist gerade diese hohe Varianz an verschiedenen Parametern, die immer wieder eine Herausforderung in der Textilindustrie darstellt.

Die eingebaute künstliche Intelligenz ist lernfähig und kann dadurch eine Naht besser von einem aufgedruckten Muster unterscheiden als das menschliche Auge. Hierzu wird das mobile Endgerät mit dem Sensor verbunden und die Daten an E+L übermittelt. Für die Datensicherheit muss dieser Schritt dabei aktiv vom Anwender eingeleitet werden. Damit eine gewisse Daten-Grundversorgung des Sensors bereits vor der Auslieferung gewährleistet wird, sind gängigen Materialien schon eingelernt.

Das Augsburger Unternehmen Erhardt+Leimer entwickelt einen digitalen Nahtsensor und rüstet die Textilbranche damit für die Herausforderungen der Zukunft.

Schon seit langer Zeit kommen bei der textilen Verarbeitung verschiedene Sensoren zum Einsatz, die auf die Bedingungen im Umgang mit Textilien spezialisiert sind. Diese Sensoren und die damit verknüpften Regelmechanismen stellen sicher, dass die geforderte Qualität an das Produkt, aber auch an den Prozess selbst, kontinuierlich abgebildet werden kann. Gerade in den Hochburgen der Textilindustrie sind oft schlechte Arbeitsbedingungen und die damit verbundenen Auswirkungen auf Qualität und Effizienz der Normalzustand. Damit kommt der Sensorik im Kontext der Produktionsoptimierung eine übergeordnete Bedeutung zu. Die Kombination von innovativer Mess- und Regeltechnik mit Künstliche Intelligenz (KI) bringt dabei neue Möglichkeiten in Bezug auf Transparenz, Qualität und Ergebnissteigerung.

Herausforderungen in der Textilproduktion

Die textile Oberfläche steht allerdings im genauen Gegensatz zu einer erfolgreichen Sensorleistung, was den sinnvollen Einsatz klassischer Machine-Vision-Algorithmen erschwert. Mit KI, und speziell den Convolutional Neural Networks (CNN), ist erstmals eine bildbasierende Technologie in der Lage, die gewünschten Merkmale sicher von den sonst störenden Texturen zu extrahieren.

Hierzu wird die Naht mittels einer Matrixkamera abgetastet. Ein LED-Ring im vorderen Bereich der Linse stellt eine ausreichende Belichtung und damit eine zuverlässige Schärfe sicher. Durch den Einsatz einer Kamera bleibt die Oberfläche der Ware unangetastet. Das ist insbesondere bei empfindlichen Qualitäten wie Samt, Teppich oder Frottierware unumgänglich, da sonst Markierungen auf der Oberfläche entstehen würden. Ebenfalls ein grosser Vorteil für den Anwender ist die Unempfindlichkeit des Sensors gegenüber unterschiedlichen Warenbreiten oder -dicken. Es entfällt somit ein ständiges Nachbessern oder Anpassen an die unterschiedlichen Gegebenheiten im Produktionsablauf. Es ist gerade diese hohe Varianz an verschiedenen Parametern, die immer wieder eine Herausforderung in der Textilindustrie darstellt.

Die eingebaute künstliche Intelligenz ist lernfähig und kann dadurch eine Naht besser von einem aufgedruckten Muster unterscheiden als das menschliche Auge. Hierzu wird das mobile Endgerät mit dem Sensor verbunden und die Daten an E+L übermittelt. Für die Datensicherheit muss dieser Schritt dabei aktiv vom Anwender eingeleitet werden. Damit eine gewisse Daten-Grundversorgung des Sensors bereits vor der Auslieferung gewährleistet wird, sind gängigen Materialien schon eingelernt.

alle Praxisbeispiele

Um demografischen Veränderungen entgegenzuwirken setzt der Softwarehersteller im Bereich Research & Development u.a. auf "Pair Programming", auch Tandem-Programmierung genannt. Dabei arbeiten jeweils ein:e Junior sowie Senior Entwickler:in gleichberechtigt an einer Aufgabe. Durch Learning by Doing profitieren beide über neues Wissen und gezielte Wissensvermittlung. Außerdem wird durch diese Arbeitstechnik sichergestellt, dass jedes Teammitglied alle Teile des Projektes kennenlernt und Wissen schneller transferiert und langfristig im Unternehmen bleibt.

Mit der Einbindung in die E+L App ist diese neue Technologie allerdings lange noch nicht am Ende ihrer Leistungsfähigkeit angelangt. Der Einbau einer konkreten AI-Software ermöglicht Anwendungen, die in der Zukunft eine übergeordnete Rolle in der textilen Wertschöpfungskette haben dürften. Wie bereits eingangs erwähnt ist die Textilindustrie eine sehr arbeitsintensive Industrie. Aus diesem Grund finden sich die meisten Produktionsbetriebe für die textile Fläche in Ländern mit einem niedrigen Lohnniveau.

Für den Anwender ergibt sich dadurch die Möglichkeit, nicht nur Kalanderwalzen, Schermesser oder Druckköpfe vor Beschädigung zu bewahren, sondern auch Behandlungsschritte zu automatisieren. Durch diese Automatisierung wiederum wird die Qualität des Endprodukts gesteigert, die Kosten gesenkt und die Transparenz erhöht. Durch Präzision ist dieser Sensor dazu qualifiziert, genaue und zuverlässige Aussagen über die Position nicht nur der verschiedenen Nähte, sondern auch der unterschiedlichen Partien zu bekommen. Diese Vorzüge lassen sich ohne grosse bauliche Veränderungen und mit einem überschaubaren Mittelaufwand in die Produktion einpflegen. Der Sensor wird in einem genau definierten Abstand zur Ware befestigt und kann ohne Kalibrierung in Betrieb genommen werden.

Um demografischen Veränderungen entgegenzuwirken setzt der Softwarehersteller im Bereich Research & Development u.a. auf "Pair Programming", auch Tandem-Programmierung genannt. Dabei arbeiten jeweils ein:e Junior sowie Senior Entwickler:in gleichberechtigt an einer Aufgabe. Durch Learning by Doing profitieren beide über neues Wissen und gezielte Wissensvermittlung. Außerdem wird durch diese Arbeitstechnik sichergestellt, dass jedes Teammitglied alle Teile des Projektes kennenlernt und Wissen schneller transferiert und langfristig im Unternehmen bleibt.

Mit der Einbindung in die E+L App ist diese neue Technologie allerdings lange noch nicht am Ende ihrer Leistungsfähigkeit angelangt. Der Einbau einer konkreten AI-Software ermöglicht Anwendungen, die in der Zukunft eine übergeordnete Rolle in der textilen Wertschöpfungskette haben dürften. Wie bereits eingangs erwähnt ist die Textilindustrie eine sehr arbeitsintensive Industrie. Aus diesem Grund finden sich die meisten Produktionsbetriebe für die textile Fläche in Ländern mit einem niedrigen Lohnniveau.

Für den Anwender ergibt sich dadurch die Möglichkeit, nicht nur Kalanderwalzen, Schermesser oder Druckköpfe vor Beschädigung zu bewahren, sondern auch Behandlungsschritte zu automatisieren. Durch diese Automatisierung wiederum wird die Qualität des Endprodukts gesteigert, die Kosten gesenkt und die Transparenz erhöht. Durch Präzision ist dieser Sensor dazu qualifiziert, genaue und zuverlässige Aussagen über die Position nicht nur der verschiedenen Nähte, sondern auch der unterschiedlichen Partien zu bekommen. Diese Vorzüge lassen sich ohne grosse bauliche Veränderungen und mit einem überschaubaren Mittelaufwand in die Produktion einpflegen. Der Sensor wird in einem genau definierten Abstand zur Ware befestigt und kann ohne Kalibrierung in Betrieb genommen werden.

Weitere Infos

Praxisbeispiele Diese Unternehmen zeigen wie es geht

Praxisbeispiel: Innovation Augmented Reality-basierte Mitarbeiterqualifizierung

Im von der bayerischen Forschungsstiftung geförderten Vorhaben "Augmented Reality-basierte Mitarbeiterqualifizierung (AQUA)" wird ein intelligentes System entwickelt, das Lernende im Produktionsumfeld bedarfsgerecht und individuell unterstützt. ... mehr
Mehr lesen

Praxisbeispiel Technologietransfer TTZ Nördlingen & Valeo Schalter und Sensoren GmbH

Das Technologietransferzentrum (TTZ) Flexible Automation in Nördlingen entwickelt mit Partnern innovative Lösungen für die flexible Automation der Zukunft. ... mehr
Mehr lesen

Praxisbeispiel: Themenschwerpunkt Gemeinsam den Weg mit KI gestalten

Generative Künstliche Intelligenz (KI) ist eine Schlüsseltechnologie unserer Zeit, doch viele Organisationen stehen vor der Herausforderung, ihre Wertschöpfung neu zu definieren. Die bloße Entwicklung technischer Fähigkeiten reicht nicht aus – die Unternehmenskultur und Werte spielen eine entscheidende Rolle für den erfolgreichen Einsatz von KI, da letztlich die Menschen diese Technologie nutzen. ... mehr
Mehr lesen