30/06/2021
Door Ad Spijkers
Zeker als geen goede wetenschappelijke verbanden bekend zijn, kan kunstmatige intelligentie de prestaties van machines verbeteren en het afval verminderen.
West-Europa is op de wereldmarkten een belangrijke speler in onder meer non-wovens en in machines voor de productie hiervan. Kunstmatige intelligentie (AI) kan helpen om de capaciteiten en kennis in deze sector te behouden. Maar AI kan zijn sterke punten pas volledig ontwikkelen door praktische toepassing in de industrie. De textielindustrie, werktuigbouwkunde en kunststofindustrie laten zien hoe dit werkt met de inbreng van toegepast onderzoek.
Lerende machine
Het Institut für Textiltechnik Augsburg (ITA) heeft de basis gelegd in een project waar nu op kan worden voortgebouwd. Het idee is dat de machine voor de productie van non-wovens tijdens het gebruik autonoom de parameters aanpast volgens de vereisten. Eventuele fouten worden automatisch door de machine gediagnosticeerd en de snelheden worden daarop aangepast.
In het EasyVlies-project heeft het ITA laten zien hoe het gebruik van algoritmen voor de productie van non-wovens materiaal- en energiekosten kan besparen. Samen met partners uit de industrie heeft het instituut er voor gezorgd dat de centrale parameters worden voorspeld door het ontwikkelde AI-model. Daarbij gaat het om snelheden en afstanden, waarvan de juiste combinatie nodig is om de gewenste productkwaliteit te bereiken.
Praktijktest
De wetenschappelijke relaties en interacties tussen de snelheden en de kwaliteitsparameters van de productie van non-wovens zijn niet duidelijk bekend. Juist daarom kan AI hier zijn voordelen laten zien, omdat het ook diffuse relaties kan modelleren en simuleren. In de bedrijfspraktijk leren de algoritmen nu verder.
In een volgende stap werken de ITA-onderzoekers aan het integreren van meettechnologie zoals camerasystemen en meetsystemen voor de vlakheid van het vlies in de machines. Het doel is fouten te voorspellen zodat ze worden voorkomen. De hoeveelheid afgekeurde non-wovens moet met 30% tot 50% worden verminderd. Het afval komt overeen met 10% van de omzet van de industrie.
Meer recycling
Industrie 4.0 zal in de toekomst ook in de kunststofindustrie nodig zijn om de doelstelling van hogere recyclingpercentages te halen. Want een minder uniforme grondstofbasis maakt leermachines nog waardevoller. Door het gebruik van AI worden materiaalstromen automatisch geclassificeerd zodat ze optimaal kunnen worden benut. In de toekomst moeten de machines onafhankelijk herkennen in welke toepassingen geproduceerde materialen van een bepaald type kunnen gaan.
Eén factor is de vloeibaarheid van de kunststof. Hoe korter de polymeerketens, des te beter het vloeigedrag. Anderzijds speelt het drukniveau in de machine een rol bij deze viscositeit. Dankzij kunstmatige intelligentie kunnen materiaaleigenschappen en zelflerende machinebesturingen heel goed op elkaar inwerken. De basis voor het toegepaste onderzoek zijn procesgegevens van de machines, die de materiaalkwaliteit kunnen beschrijven, en gegevens over de levenscyclus van het materiaal en product.
Foto: Institut für Textiltechnik Augsburg