Die Analyse der FiberGuard-Spannungsdaten ist komplex und zeitaufwendig und erfordert oft fundiertes Fachwissen. Dies verlangsamt die Reaktion auf Qualitätsabweichungen und erschwert den internen Wissenstransfer.
Zudem verzögert das begrenzte Echtzeit-Feedback zu Qualitätsproblemen Korrekturmaßnahmen und erhöht das Risiko von Qualitätsabwertungen bei den Spulen.
„Artificial Intelligence in Manufacturing for DTY“ (AIM4DTY) ist eine KI-basierte Lösung, die das Zugkraftverhalten des Garns kontinuierlich überwacht und Abweichungen von den erwarteten Qualitätsgrenzwerten erkennt.
FiberGuard-Sensoren erfassen die Zugspannungskennlinien und erstellen Fehlerdiagramme, sobald Abweichungen auftreten. Ein KI-Modell analysiert diese Muster in den Fehlerdiagrammen und ermittelt mit hoher Genauigkeit die wahrscheinlichste Ursache für Qualitätsminderungen bei den Spulen.
Die Anwendung visualisiert Muster, Abweichungen und Erkenntnisse zur Grundursache auf klare und intuitive Weise und ermöglicht so ein schnelleres Verständnis und eine schnellere Entscheidungsfindung direkt in der Fertigung.