Textilien
Erkenne Löcher, Knoten, Webfehler und Flecken, bevor der Stoff von der Rolle geht.
Automatisierte Qualitätskontrolle für Weberei, Strickerei, Färberei und Ausrüstung, läuft auf einem refurbished iPhone direkt am Webstuhl oder an der Ausrüstungslinie.
Was ist automatisierte Qualitätskontrolle für Textilien?
Automatisierte Qualitätskontrolle für Textilien nutzt eine Kamera und ein KI-Modell, um Stoff zu beobachten, sobald er vom Webstuhl, von der Strickmaschine oder von der Ausrüstungsanlage läuft, und Nicht-OK-Meter zu melden, bevor die Rolle ins Lager kommt. Statt sich auf eine Prüferin am Vier-Punkte-Rahmen oder auf starre regelbasierte Bildverarbeitung zu verlassen, lernt das Modell aus Bildern von OK- und NOK-Stoff aus deiner Linie und passt sich an, wenn sich Garn, Kettbaum und Ausrüstung ändern.
In der Halle heißt das Inline-Stoffprüfung, KI-basierte Defekterkennung oder KI-Vision für die Textilbranche. Die Technologiefamilie ist immer dieselbe: eine fest montierte Kamera, eine kontrollierte Beleuchtung, ein KI-Modell, das auf Beispielen aus deiner Linie trainiert ist, und ein Rückverfolgbarkeitsprotokoll, das festhält, dass jeder Meter geprüft und entweder akzeptiert, mit einer Defektklasse gemeldet oder gegen die Vier-Punkte-Bewertung ausgeschleust wurde.
Was es nicht ersetzt: deinen Webmeister, deinen Ausrüstungschemiker oder dein Kundenaudit. Was es leistet: es sorgt dafür, dass die Meter, die du lieferst, mit den Metern übereinstimmen, die der Spec entsprechen, und das in jeder Schicht, an jedem Artikel, mit einer Aufzeichnung, die du dem Konfektionär zeigen kannst, wenn eine Belastung zurückkommt.
Defekte, die wir an Textillinien erkennen
Löcher, Fadenbrüche und fehlende Garne
Eine kleine Durchlöcherung, ein gerissener Kettfaden oder ein Stück Stoff, in dem ein oder mehrere Fäden fehlen. Ursache ist eine gebrochene Nadel, ein verfangener Kettfaden, an dem die Maschine nicht abgestellt hat, oder ein Garnbruch, den die Weberin nicht erwischt hat. Eine Kamera mit gleichmäßiger Durchlichtbeleuchtung erkennt einen einzelnen fehlenden Faden in dem Moment, in dem er entsteht, statt zu warten, bis die Zuschneidelinie das Loch auf dem Spreader findet.
Knoten, Noppen und Garnfehler
Dickstellen, Knoten, Noppen und Verunreinigungen, die ins Garn gesponnen wurden und sich als sichtbare Erhebungen in der Bindung oder im Maschenstoff zeigen. Ursache sind Spinnfehler stromaufwärts, ein schlecht gespleißter Splice oder Fremdfaser im Ballen. Eine Kamera, die auf deine spezifische Garnnummer und Lüstrigkeit trainiert ist, meldet Noppen oberhalb deiner Toleranz und ignoriert die Textur, die zum Stoff gehört, während ein regelbasiertes System entweder zu viel meldet oder die Defekte verfehlt.
Schussstreifen und Querstreifen
Horizontale Bänder über den Stoff, an denen Schussspannung, Schussgarnnummer oder Schussfärbeaffinität zwischen Schüssen abgewichen sind. Ursache ist ein Kettbaumwechsel, ein Garnpaket-Wechsel oder eine Schussspannungsdrift. Eine Kamera, die an jedem Meter denselben Artikel anschaut, erkennt eine schwache Querstreife unter Streiflicht, bevor ein Mensch sie unter Hallenlicht sieht, und meldet es der Halle, bevor der nächste Kettbaum die Lauflänge verdoppelt.
Nadelspuren und Maschenfehler
Vertikale Linien an einer Maschenware, an denen eine Nadel gebogen ist, eine Masche ausgelassen oder eine Schlaufe verloren hat. Ursache ist eine verschlissene Nadel, ein ölmangelnder Zylinder oder ein Garnbruch, den die Lasche nicht aufgefangen hat. Eine Kamera am Abzug einer Rundstrickmaschine erkennt die Linie nach wenigen Metern, statt sie stundenlang laufen zu lassen und zwanzig Kilogramm Garn zu Zweite-Wahl-Ware zu machen.
Flecken, Ölspuren und Verunreinigungen
Spuren von Maschinenöl, Handkontakt oder Fremdmaterial, die in der Ausrüstung nicht ausgewaschen wurden. Ursache ist ein leckendes Lager, eine verschmutzte Führung oder ein Wartungsschritt, der Rückstände auf der Bahn hinterlassen hat. Eine Kamera mit der richtigen Farbkalibrierung erkennt eine feine Ölspur auf hellem Stoff, an der ein Auge vorbeigeht, und knüpft den Meter an die Rolle für die nachgelagerte Sortierung.
Färbeunregelmäßigkeiten und Tonabweichung
Streifen, Flecken oder eine langsame Tonverschiebung über die Länge einer stückgefärbten oder düsengefärbten Rolle. Sie zeigen, dass die Badchemie verschoben ist, das Temperaturprofil abgewandert ist oder eine Zirkulationsdüse teilweise verstopft ist. Eine Kamera am Auslauf der Ausrüstungsanlage erkennt eine Tondrift in dem Meter, in dem sie beginnt, Stunden bevor das Labor einen repräsentativen Schnitt bekommt.
Das ist die Liste, die wir für jede Linie individuell anpassen. Bei der Inbetriebnahme legen wir gemeinsam fest, welche Defektklassen auf deiner Linie zuerst greifen.
So läuft automatisierte Sichtprüfung an einer Textillinie
Eine Textilzelle, die Sichtprüfung mit Enao laufen lässt, sieht aus wie die Zelle nebenan, mit einer zusätzlichen Komponente. Ein refurbished iPhone hängt an einem Stativ mit Blick von oben oder schräg auf den Stoff, sobald er vom Aufnehmer des Webstuhls, vom Abzug der Strickmaschine oder vom Auslauf der Ausrüstungsanlage läuft, oder es sitzt über einem eigenen Inspektionsrahmen zwischen Linie und Lager. Eine einfache LED-Leiste gibt der Kamera bei jedem Meter dasselbe Licht.
Sobald der Stoff unter der Kamera läuft, nimmt das iPhone Bilder mit Liniengeschwindigkeit auf, und das Modell klassifiziert jeden Frame als OK oder als eine der sieben Defektfamilien oben und schreibt das Ergebnis in dein Rollenprotokoll. Wenn ein Abschnitt zwanzig gemeldete Meter am Stück liefert, bekommt der Bediener eine Meldung; wenn eine Ausrüstungsanlage über den Tag hinweg eine langsame Tondrift zeigt, meldet das Dashboard das, bevor das Labor es tut.
Das Modell trainiert über Nacht auf den Labels des Vortags nach, sodass ein Garnwechsel, ein Kettbaumwechsel oder ein Ausrüstungswechsel in einer Schicht statt in einem Quartal aufgenommen wird. Neue Artikel laufen denselben Weg: der Bediener labelt die ersten hundert Meter, das Modell übernimmt ab Meter einhunderteins, und der Textilingenieur prüft die Labels am Ende der Schicht.
KI-Vision gegen manuelle Kontrolle an Textillinien
Linien, die von manueller Vier-Punkte-Bewertung oder regelbasierter Bildverarbeitung auf KI-gestützte Prüfung wechseln, sehen unabhängig von Faserart und Artikelaufbau dieselben Sprünge.
Erkennungsrate bei subtilen Defekten — Manuell: Müdes-Auge-Drift ab der dritten Stunde. Schwache Querstreifen und langsame Tondrift rutschen durch. Enao: In Stunde acht dieselbe Erkennung wie in Stunde eins. Erkennt subtile Web- und Färbedefekte Meter für Meter.
Anlaufzeit für einen neuen Artikel oder Stoff — Manuell: Briefing der Prüferin, Goldenes Muster, Papier-QM-Bogen. Zwei bis vier Wochen, bis die Halle den neuen Artikel flüssig liest. Enao: Hundert gelabelte Meter und das Modell läuft. Selbe Schicht, kein Papierbogen, der an jeder Linie aktualisiert werden muss.
Rückverfolgbarkeit, wenn ein Kunde reklamiert — Manuell: Handgeschriebener Vier-Punkte-Bogen, lückenhafte Abdeckung, fehlende Schichten. Rekonstruktion dauert eine Woche. Enao: Jeder Meter mit Bild, Klassifikation und Konfidenz protokolliert. Rekonstruktion dauert zehn Minuten.
Anlaufkosten — Manuell: Eine Prüferin pro Schicht und Linie, monatliche Folgekosten zusätzlich zur Einarbeitung. Enao: Hardware unter 1.000 € pro Zelle. Die Kosten bleiben flach, während der Betrieb skaliert.
Verhalten, wenn der Kettbaum oder die Ausrüstung driftet — Manuell: Schleichende Reklamationen steigen an, bis der Kunde meldet. Tage Ursachenanalyse, um den Moment zu finden. Enao: Das Dashboard zeigt die Querstreifen- oder Tondrift in dem Meter, in dem sie beginnt. Der Textilingenieur hat den Zeitstempel und das Bild.
