Tekstylia

    Wychwytuj dziury, zgrubienia, wady splotu i plamy, zanim tkanina opuści belę.

    Automatyczna kontrola jakości dla produkcji tkanin i dzianin, barwienia oraz wykończania, działająca na odnowionym telefonie iPhone przy Twoim krośnie lub linii wykończalniczej.

    Tekstylia
    Sprzęt poniżej 1 000 €Robocza dokładność w dwa tygodnieNowe artykuły i tkaniny w jedną zmianęCiągła identyfikowalność każdego metra

    Pas wątkowy, który pełznie przez artykuł po zmianie wału osnowowego, linia igłowa na dzianinie cylindrycznej, której nikt nie wychwyci, dopóki operator krojowni nie ściągnie warstwy, smuga barwnika z zatkanej dyszy chowająca się na spodzie beli. Na linii tekstylnej dostarczającej markom odzieżowym i przetwórcom tekstyliów domowych każdy metr opuszczający tkalnię z ukrytą wadą kosztuje Cię dwa razy. Tkanina jedzie pod Twoim numerem artykułu. Potem kontrola wejściowa u klienta wychwytuje ją na stole krojczym, reklamacja kosztowa ląduje na Twoim koncie, a działanie korygujące odciąga zespół od prawdziwej pracy na tydzień. Ręczni kontrolerzy przy ramie czteropunktowej wychwytują oczywiste wady, ale powolny dryf napięcia, wykończenia albo barwienia, który kamera widzi przez tysiące metrów, to ten, który zmęczony człowiek przeoczy po trzeciej godzinie. Automatyczna kontrola jakości tekstyliów zamyka tę lukę, a do tego nie potrzebujesz ramy kontrolnej za sześciocyfrową kwotę.

    Czym jest automatyczna kontrola jakości tekstyliów?

    Wykrywanie wad przez AI w tekstyliach wykorzystuje kamerę i model AI, aby obserwować tkaninę schodzącą z krosna, z dziewiarki albo z linii wykończalniczej i oznaczać niezgodne metry, zanim bela trafi do magazynu. Zamiast polegać na kontrolerze przy ramie czteropunktowej albo na sztywnej wizji maszynowej opartej na regułach, model uczy się na zdjęciach zgodnej i niezgodnej tkaniny z Twojej linii oraz dostosowuje się, gdy zmieniasz przędzę, wał osnowowy i wykończenie.

    Na hali produkcyjnej mówi się na to kontrola tkaniny w linii, wykrywanie wad oparte na AI albo wizja AI dla tekstyliów. Rodzina technologii jest ta sama: nieruchoma kamera, kontrolowane oświetlenie, model AI wytrenowany na przykładach z Twojej linii oraz zapis identyfikowalności potwierdzający, że każdy metr został skontrolowany i albo przyjęty, albo oznaczony klasą wady, albo odrzucony według oceny czteropunktowej.

    Czego to nie robi: nie zastąpi Twojego mechanika krosien, technologa wykończalni ani audytu klienta. Co robi: pilnuje, żeby metry, które wysyłasz, odpowiadały metrom spełniającym specyfikację, na każdej zmianie i na każdym artykule, z zapisem, który pokażesz przetwórcy, gdy wróci reklamacja kosztowa.

    Wady, które wychwytujemy na liniach tekstylnych

    Dziury, zerwane nitki osnowy i brakujące przędze

    Niewielkie przebicie, zerwana nitka osnowy albo odcinek tkaniny, w którym brakuje jednej lub kilku przędz. Powodem bywa złamana igła, zaczepiona nitka osnowy, przy której krosno się nie zatrzymało, albo zerwanie przędzy, którego tkacz nie zauważył. Kamera z równomiernym podświetleniem wychwytuje pojedynczą brakującą nitkę w chwili, w której powstaje, zamiast czekać, aż krojownia znajdzie dziurę na stole rozkładającym.

    Zgrubienia, węzły i wady przędzy

    Zgrubienia, węzły, nopki i zanieczyszczenia wprzędzone w przędzę, które widać jako wypukłości w tkaninie lub w dzianinie. Powodem bywają wady przędzenia wcześniej w procesie, źle wykonane łączenie albo obce włókno w beli. Kamera wytrenowana na Twojej grubości przędzy i Twoim połysku oznacza zgrubienia powyżej Twojej tolerancji i pomija fakturę, która należy do tkaniny, podczas gdy system oparty na regułach albo oznaczałby ich zdecydowanie za dużo, albo by je przeoczył.

    Pasy wątkowe i smugi barre

    Poziome pasy w poprzek tkaniny, gdzie napięcie wątku, grubość przędzy wątkowej lub powinowactwo barwnika zmieniły się między nitkami. Powodem bywa zmiana wału osnowowego, zmiana nawoju przędzy albo dryf napięcia wątku. Kamera patrząca na ten sam artykuł na każdym metrze wychwytuje słabą smugę barre w świetle bocznym, zanim zobaczy ją człowiek w świetle lamp halowych, i ostrzega halę, zanim kolejny wał podwoi długość partii.

    Linie igłowe i spuszczone oczka

    Pionowe linie na dzianinie tam, gdzie jedna igła została wygięta, pominęła oczko albo spuściła pętelkę. Powodem bywa zużyta igła, niedosmarowany cylinder albo zerwanie przędzy, po którym języczek nie wrócił do pracy. Kamera przy odciąganiu w dziewiarce cylindrycznej wychwytuje linię w ciągu kilku metrów, zamiast pozwolić jej biec godzinami i zamienić dwadzieścia kilogramów przędzy w drugi gatunek.

    Plamy, ślady oleju i zanieczyszczenia

    Ślady oleju maszynowego, dotyku rąk albo obcego materiału, które nie zeszły w praniu na wykończalni. Powodem bywa cieknące łożysko, brudna prowadnica albo czynność serwisowa, która zostawiła osad na drodze przebiegu. Kamera z poprawną kalibracją koloru wychwytuje delikatny ślad oleju na jasnej tkaninie tam, gdzie ludzkie oko po prostu by go minęło, i wiąże metr z belą na potrzeby późniejszego sortowania.

    Nierównomierność barwienia i różnice odcienia

    Smugi, plamy albo powolny dryf odcienia wzdłuż beli barwionej w kawałku lub w aparacie strumieniowym. Mówi Ci to, że chemia kąpieli odjechała, profil temperatury się zmienił albo dysza obiegowa jest częściowo zatkana. Kamera na wyjściu z linii wykończalniczej wychwytuje dryf odcienia w tym metrze, w którym się zaczyna, wiele godzin przed tym, zanim laboratorium dostanie reprezentatywny wycinek.

    To jest lista wyjściowa. Podczas wdrożenia ustalamy, które z tych klas mają największe znaczenie na Twojej konkretnej linii, i odpowiednio dostrajamy model.

    Jak automatyczna kontrola wizualna działa na linii tekstylnej

    Gniazdo tekstylne, które prowadzi kontrolę wizualną na Enao, wygląda jak gniazdo obok, z jednym dodatkowym elementem. Odnowiony telefon iPhone jest zamocowany na statywie z widokiem z góry lub pod kątem na tkaninę schodzącą z odciągu krosna, z odciągu dziewiarki albo z linii wykończalniczej, albo stoi nad osobną ramą kontrolną między linią a magazynem. Prosta listwa LED daje kamerze to samo światło na każdym metrze.

    Gdy tkanina przesuwa się pod kamerą, iPhone robi zdjęcia w tempie linii, a model klasyfikuje każdą klatkę jako OK albo jako jedną z siedmiu rodzin wad powyżej, po czym zapisuje wynik w karcie beli. Jeśli odcinek daje Ci dwadzieścia oznaczonych metrów z rzędu, operator dostaje alert; jeśli linia wykończalnicza pokazuje powolny dryf odcienia w ciągu dnia, pulpit oznacza to wcześniej niż laboratorium.

    Model dotrenowuje się w nocy na etykietach z poprzedniego dnia, więc zmiana przędzy, zmiana wału osnowowego albo zmiana wykończenia zostaje wchłonięta w jedną zmianę zamiast w cały kwartał. Nowe artykuły idą tą samą drogą: operator opisuje pierwsze sto metrów, model przejmuje pracę od metra sto pierwszego, a technolog tekstylny przegląda etykiety na koniec zmiany.

    Wizja AI kontra kontrola ręczna na liniach tekstylnych

    Linie, które przechodzą z ręcznej oceny czteropunktowej albo z wizji maszynowej opartej na regułach na kontrolę prowadzoną przez AI, widzą te same skokowe zmiany niezależnie od rodzaju włókna i budowy artykułu.

    • Wykrywalność subtelnych wad — Tradycyjna wizja maszynowa (testextextile, brightpoint.ai, robrosystems, ai-innovate, Cognex, xis.ai) potrzebuje opisanych bibliotek zdjęć, zanim w ogóle ruszy, oraz sześciocyfrowej integracji. Enao osiąga 80% dokładności już pierwszego dnia bez opisanych danych, a potem przekracza 95%, gdy Twoi operatorzy oznaczą kilkaset przykładów na telefonie iPhone.

    • Czas na obsłużenie nowego artykułu lub tkaniny — Ręcznie: odprawa kontrolerów, wzorzec odniesienia, papierowa karta kontroli jakości. Dwa do czterech tygodni, zanim hala płynnie odczyta nowy artykuł. Enao: sto opisanych metrów i model już działa. Ta sama zmiana, bez papierowej karty do aktualizacji na każdej linii.

    • Identyfikowalność, gdy klient wraca z reklamacją — Ręcznie: odręczna karta czteropunktowa, częściowe pokrycie, brakujące zmiany. Odtworzenie zajmuje cały tydzień. Enao: każdy metr zapisany ze zdjęciem, klasyfikacją i pewnością modelu. Odtworzenie zajmuje dziesięć minut.

    • Koszt uruchomienia — Ręcznie: dokładasz kontrolera na zmianę na każdą linię, koszt miesięczny wraca co miesiąc na dodatek do szkolenia. Enao: sprzęt poniżej 1 000 € na gniazdo. Koszt pozostaje płaski, gdy tkalnia rośnie.

    • Zachowanie, gdy dryfuje wał osnowowy lub wykończenie — Ręcznie: braki rosną stopniowo, aż zgłosi je klient. Dni pracy nad przyczyną źródłową, żeby znaleźć ten jeden moment. Enao: pulpit pokazuje smugę barre albo dryf odcienia w tym metrze, w którym się zaczyna. Technolog tekstylny ma znacznik czasu i zdjęcie.

    Najczęstsze pytania

    Zacznij na swojej linii

    Wybierz linię, która dziś generuje Ci najwięcej reklamacji kosztowych. Zamontuj kamerę przy odciągu, opisz sto metrów i pozwól modelowi popracować przez jedną zmianę. Pierwsze liczby zwykle wystarczą, żeby zwymiarować wdrożenie na resztę tkalni.