首届中国棉纺织科技大会6月13-14日无锡召开,截止目前,报名人数较多,房间紧张,已报名请安排行程,未报名点击上图提前报名预约!
引言:工业4.0概念包含物联网、自动化、和移动端应用解决方案,在纺织行业越来越受追捧。从市场上最新的设备可以看到,目前数字化技术在纺织生产上的关键纵向要素,即数据监控及生产规划,已涵盖整个生产流程,包括纺纱、针织、染色等。
如今,很多制造企业将数字化制造视为未来关键的收入增长动力。普华永道思略特《2018年全球数字化运营调研:数字化冠军》的数据显示,截至2030年,数字化和智能自动化预计将贡献14%的全球GDP增长,相当于今天15万亿美元的价值。
该研究对来自全球制造企业的1100多位高管进行了调研,了解他们对数字化运营和工业4.0的看法。调研按照数字化运营成熟度,对企业进行排名,并将企业分成四类:“数字化菜鸟”、“数字化追随者”、“数字化先锋”和“数字化冠军”。
调研发现,“数字化冠军”擅长管理并整合客户解决方案、运营和技术等关键体系。他们大规模采用新技术,实现整条价值链的互动与协作。他们采用了近三分之二的关键数字化技术,这些技术包括端到端集成供应链规划(87%的数字化冠军采用)、工业物联网(78%)、制造执行系统(75%)、协作与智能机器人(72%)以及预测性维护解决方案(70%)。
由此可见,“数字化冠军”取得成功的关键在于通观全局,携手战略合作伙伴在整个企业内部将关键技术相互连接,而不是单独实施各项技术。
建立智能工厂的关键要素:
数据监控和生产规划
在纺织领域,数字化时代亦来临。未来的情景是,纺织生产从供应链到分派,在完全网络化的工厂4.0中都是自主控制的。在此大环境下,数字化技术对纺织生产起了重大作用,从实时数据采集、数据监控到生产规划,包括处理订单、管理库存、排产等,其重要性不言而喻。
得益于物联网(IoT)的发展,增强了互联性,使数据收集与分析能力进一步复杂化,从而促成了向信息经济的转变。借助物联网,数据成为除物品外的全新价值源泉,并可通过互联构建更加智能化的制造工艺、供应链和生态系统,为企业创造了重大机遇。要有效地采集数据,装置监控系统是行之有效的方法之一。
监控系统一般是基于网络的解决方案,可以采集生产过程中关于产量、质量、能耗、加工精度和设备状态等数据,并与订单、工序、人员进行关联,以实现生产过程的全程追溯,从而能够更好地管理各个生产阶段,并且可以利用移动设备随时随地监控所有重要参数。
生产趋势可以在初始阶段被检测,故障和错误就能更快地得到处理。停机次数显著减少,设备设定进一步优化,使生产效率不断提高。管理层可以利用这些参数作为决策之用,而客户可利用这些功能,控制整体设备效率,提高员工效率。
同时,随着市场全球化、多样化发展,促使了纺织行业产品生命周期的短缩。目前的生产时间由过往的90天缩短至45至60天,厂商都期望在产品规划管理上可以有更大弹性。在这样的环境下,只有极力缩短产品企划、生产至销售的过程才能迅速响应消费者各种需求,实现持续性发展。
利用生产规划系统,客户能够控制、规划并优化其生产过程,可以快速查看所有工艺流程,把工艺过程透明化,因而可提高质量,减少浪费,同时缩短响应时间,确保按时交付。
通过采用创新的物联网技术,可以将企业的生产规划系统与的ERP、MES等重要系统连接,在价值链全阶段提供跟踪服务平台,确保高效率的生产。值得留意的是,这项集成是实现工业4.0的重点,也是难点。
在ITMA ASIA + CITME 2018展会上,Sedo Treepoint公司销售总监Manfred Mentges先生解释说:“你必须将生产车间的所有控制器集成在一起,但整合不同的机器是很困难的。许多工厂是新、旧机器混用,因此有必要进行整合不同系统的工作。因此,必须把客户引领到正确的道路上,以项目为基础替他们进行系统整合。” 简而言之,整合和集成就是解决企业内部信息孤岛的问题,工业4.0所要追求的就是在企业内部实现所有环节信息无缝链接,这是所有智能化的基础。
尽管对于工业4.0有不同的诠释,纺织行业领先供应商已将数字化视为积极创新的长远目标,为市场推出一系列适用于各个生产流程的数字化解决方案,包括纺纱、针织、染色等,以实现高效生产,助力纺织业升级转型。
纺纱流程
物联网在纺机行业同样有用武之地,纱线生产商对此也非常关注。总部位于瑞士的全球领先短纤纺纱系统供应商立达(Rieter)为提高纺纱的经济可行性,推出蛛网纱厂监控系统SPIDERweb。
SPIDERweb是能收集、显示并分析从纺纱准备至四种纺纱系统的所有相关数据的纱厂控制系统。凭借SPIDERweb蛛网纱厂控制系统,能确保纱厂运营的透明度和稳定的成纱质量,提高效率并最终降低纺纱厂成本。SPIDERweb涵盖了六个新模块,实现了基于互联网的纺纱厂控制系统。
SPIDERweb是能收集、显示并分析从纺纱准备至四种纺纱系统的所有相关数据的纱厂控制系统
立达还为此系统设计了Alert警报、Cockpit module掌控模块以及Client客户端模块。配备Cockpit module掌控模块的移动应用程序使纺纱厂员工能实时监测纺纱厂的重要数据,纺纱厂管理部门因此可以确定相关的临界值。一旦超过或低于临界值,用户将收到来自Alert警报模块的短消息,从而可以对警报做出分类分析,扩展或授权处理,从而使相关人员能采取相应的措施。Client module客户端模块则能让客户灵活地获取SPIDERweb数据。
去年10月,立达全新的Essential数字纺纱套装平台隆重登场。该平台将整个纺纱工序的提升潜力进行可视化转换,用户只需通过点击操作便可完成对纺纱厂的运营和控制。
Essential数字纺纱套装灵活性更高,功能更为精准,并可以兼容第三方应用。公司预计,在2019年年中,目前已有的数字化系统UPtime和SPIDERweb蛛网也将集成到Essential数字纺纱套装中。
特吕茨勒为T-DATA用户设计了My Production应用程序,让用户了解整个生产情况
此外,来自德国的领先纺织机械制造商特吕茨勒(Trützschler)公司也自行研发了在线数据监控系统T-DATA,时刻收集当前产量与质量信息,为管理层提供关于纺纱车间日常操作的确切数据。
T-Data是纺纱准备生产中的中央数据采集系统,同时能够保证每一米入筒棉条均经过监测。为了获取有意义的数据,首先要确定获取哪些信息,特吕茨勒为此开发了一系列传感器,如:光学传感器WASTECONTROL用于清花车间监测除杂机废棉质量,防止不必要的纤维损失;NEPCONTROL传感器用于计量梳理机梳理网上棉结数、杂质和棉籽壳屑;DISC MONITOR传感器通过光谱分析及时探测梳棉机、并条机和精梳机上出现的产品缺陷;耗电量由机器上专门的电表监测。T-DATA显示每台机器的偏差值,从而实现有目标的保养。
T-DATA能够简便地整合至现有的ERP系统或控制系统中,除了当前数据,还能够通过外部访问接口传输并对比过去的生产数据以及故障信息,能够简便地使用协同效应。
公司也为T-DATA用户设计了新型My Production应用程序,让用户可实时了解每台设备的当前状态,或整个生产情况的清晰汇总,并在必要的时候采取行动。应用程序的操作界面直观易懂,简单便捷。更重要的是,生产数据将被安全保存在云端,整个通信路径都经过端对端加密。
对于欧瑞康(Oerlikon)化学纤维事业板块,生产聚酯、尼龙和聚丙烯的工业4.0解决方案是基于数字化的生产背景。
欧瑞康通过其用于工艺监控的工厂操作中心(POC),已在市场上成功建立新的IT基础,能够对位于中心位置的现有生产数据进行核对并使这些数据可用。基于服务功能的HMI,例如通过在线应用程序进行工艺监控,或基于混合现实眼镜(微软HoloLens全息眼镜)的辅助系统。该系统支持预测性维护概念,并能够实现对纺丝系统进行360度的虚拟旅程。
POC是工作流程全能管理系统,该系统旨在识别生产阶段内的各个流程步骤并对其进行优化,例如纺丝或假捻变形或者整个生产线上的全部工艺流程——从原材料到最终产品。
欧瑞康巴马格的加弹机拥有数字化网络,可以确保优质纱线的顺利生产
在2018年11月位于德国柏林举行的OpenStack峰会上,欧瑞康化学纤维事业板块首次介绍了公司一种高性能、灵活、安全的IT基础设施——“盒子数据中心”。紧凑的数据中心基于开放的操作系统OpenStack工作,该系统允许在安全的私有云环境中进行虚拟计算。一方面,虚拟操作降低了成本,简化了现在和以后IT基础设施的配置、适配和扩展。另一方面,由于私有云远离万维网,所有维护安全、数据连接的高度加密,因此实现了对数据保护要求的愿望。
针织流程
为了提升整个针织价值链的效率,领先的横机制造商斯托尔公司(STOLL)推出了knitelligence智能编织解决方案。
从设计理念到开发和制造,knitelligence为每个组件提供量身定制的解决方案,它包括各种软件和系统,如M1plus图案软件、APM自动生产工具、GKS分级软件、PPS生产规划系统、EKC扩展编织控制系统和autocreate图案创建框架。它们之间彼此交联,使工艺过程自动化,并将各个生产工序连接到网络中。此方案中的一个核心平台是STOLL生产规划系统(PPS)。通过PPS将生产订单自动发送并加载到配备有自动生产模式(APM)的机器之后,生产过程便开始,无需任何人为干预。
生产完成后,将自动装裁下一个订单,并自动启动。客户可选配自动打印具有实际生产信息和操作人员反馈信息的传递名单功能,其内容更可以单独设置。完成的订单由PPS收取,以便ERP可以跟踪完成的订单,也可以使用数据库请求来监察生产状态。
另一个能够提供各种技能,优化和提升整个生产进程的系统是扩展编织控制系统(Enhanced Knit Control,EKC)。EKC和PPS的无缝集成可实现非常高的生产率。利用订单导向和任务相关的用户界面,用户可以在经过短时间的培训后生产复杂的针织产品。
为了快速响应市场快速交付的趋势,缩短生产时间,岛精机(Shima Seiki)公司把横编针织服装由计划到生产之连串工序系列可视化,改善生产效率。公司推出了三种与横编针织机专用的产品寿命周期管理系统(Shima KnitPLM)关连的产品。
经由云端服务,岛精机的用户可以实时确认工厂的运转率
第一个是生产计划系统(Shima Production Planning,SPP),该系统是通过与客户的企业资源计划(ERP)管理的生产订单(MO)数据共享,对每个被编配生产的机器进行日程管理的软件。
第二个是传送数据系统(Shima Production Control,SPC)会依据由SPP所生成的生产计划,自动地将这些生产所需数据,传送到各台编织机上。因此,既可缩减管理员的作业,并且减低使用错误数据的机会。
第三个系统,即生产管理系统(Shima Production Report 3,SPR3)经过了升级改进。经由SPP制定的生产计划会自动载入SPR3系统,按照其日程安排,可用作生产进度的管理。除改良了横编机方面的软件,更在数据库基本设计上大幅度的修改,使得能够与ERP系统相连。另外,经由云端服务,用户可以随时随地确认工厂的运转率以及每个订单的编织生产进度状况。
染色流程
致力于为纺织品整理行业开发和提供集成系统的Sedo Treepoint公司推出了新型模块式SedoMaster系统,专业用于管理整个染色车间及纺织印染工厂。
SedoMaster从上至下为操作人员到主管人员每个人提供一个组合式方案,允许他们管理配方、工艺过程及报告。SedoMaster支持所有其它染色相关系统的连接,例如自动分料系统、配方管理系统以及ERP系统,并且能够优化整合所有机械设备,如水洗机、烘干机等,降低能耗成本。
公司的另一个创新解决方案SedoExpert是一个全自动纺织印染工业生产流程管理平台,在完全集成的自动化环境中运行。此平台可以处理生产订单、排产等,还可以与产品线其他MES系统如SedoMaster、PrintMaster和EnergyMaster进行集成连接,其可用数据将完全覆盖机台层面,可全面优化生产过程。
同时,SedoExpert可以与生产企业现有的ERP系统进行整合,可以避免冗余的人工操作及对现有生产流程进行大规模重新规划设置。
为了提升整体运营管理效率,为端到端数字化转型创造一个数字化生态系统,德国智达(SETEX)公司于去年8月宣布与ERP供应商Halo公司建立战略联盟。Halo是涉及从纤维到产品的定制解决方案专业公司。
通过建立战略联盟,SETEX和Halo公司团队可以通过整合Inteos和OrgaTEX组件为纺织品加工和整理实施全面解决方案。新产品OrgaTEX-inteos是公司迈向工业4.0的下一步。
智达公司与Halo公司建立战略联盟,推出创新系统OrgaTEX-inteos
新型OrgaTEX-inteos软件是一款创新制造运营管理系统,为纺织品公司提供数字智能技术,从而在从纤维到产品,从设计到交付的纺织品价值链中获取更多利润。
从采用工业物联网技术的生产车间开始,SETEX控制器充分发挥各种纺织生产设备的潜力,提供无缝解决方案,从而可方便、可持续地集成到OrgaTEX-inteos系统环境中。新的MES系统为提供工业4.0解决方案提供了基础,总体上增加了许多功能,可以连接到监控软件,可持续性和高校方法因此得以实现。
中国纺企需加速数字化进程
大数据与物联网时代已经大幅改变时下的纺织产业业者,尖端科技的紧密连结程度,已让业者研发出更有效率的生产模式。
在中国,加强科技建设仍将是行业重要工作。根据工信部发布的国家《智能制造发展规划(2016—2020年)》,到2020年,传统制造业重点领域将基本实现数字化制造,智能制造发展基础和支撑能力将明显增强。
由此可见,向数字化迈进已是中国纺织企业升级转型的必经之路。各大纺企应摒弃传统工业思维,加速自身的数字化进程,深化研究创新。除了做好收集数据的“基本功”,更要将关键数据和技术在整个企业内部互通互联,并通过技术的实施来显著削减成本、提升产品质量,同时提高整体效率。
资料来源:春江轻纺
广告
近期热门文章精选
万锭用工将低于10人,人到中年,却被机器取代
【技术】细纱工序产生短粗节的原因及解决方法(三)【技术】细纱工序产生短粗节的原因及解决方法(二)【技术】细纱工序产生短粗节的原因及解决方法(一)【技术】纺纱过程中降低棉结和短绒的方法【突发】中美贸易战开打,纺织行业将受多大冲击?
【技术】络筒机故障排除方法气流纺降低断头的措施并条机不下条子、堵喇叭口的原因及处理方法
影响纱线毛羽的因素和控制措施
棉纺织技术新传媒(微信号:mfzjsxcm)
素材来源于互联网 如有侵权请联系删除 转载请务必注明来源
留言与评论(共有 0 条评论) |