11.07.2024
Projektabschluss: Auswertung von Messdaten für einen Textilscanner
Mit Hilfe KI-gestützter Datenanalyse Produktionsprozesse optimieren
Die Mittelstand-Digital Zentren Klima.Neutral.Digital und Smarte Kreisläufe haben in den vergangenen Wochen an einem Tandem-Projekt zusammengearbeitet. Dabei sollten die KI-Trainer von den Projektpartnern Hahn-Schickard sowie den Deutschen Instituten für Textil- und Faserforschung Denkendorf (DITF) für das Unternehmen Brückner Textile Technologies GmbH & Co. KG analysieren, welche Eigenschaften von Textilien mit den mittels NIR-Spektroskopie* und Impedanzspektroskopie** ermittelten Daten bestimmt werden können. Das Unternehmen möchte die Ergebnisse nutzen, um einen Textilscanner zu entwickeln. Die Projektpartner haben sich auf eine KI-gestützte Datenanalyse verständigt, um eine erste Einschätzung zu erhalten, wie geeignet NIR- und Impedanzspektroskopie sind, um textile Eigenschaften zu erkennen.
Die KI-Trainer von Hahn-Schickard und DITF haben dazu unterschiedliche Ansätze der KI-gestützten Datenanalyse zum Einsatz gebracht und ihre Aussagekraft speziell im Hinblick auf die Rahmenbedingungen in der Textiltechnik vergleichend bewertet.
Zur Analyse der Daten an den DITF und bei Hahn-Schickard kamen zum einen das Modell Entscheidungsbaum (Baum mit drei Ebenen) und zum anderen das Modell Lineare Support Vector Machine (SVM) zum Einsatz. Hierbei zeigte sich ein bekanntes Phänomen bei KI-Projekten: Die Vorbereitung und Qualitätssicherung der Daten sowie die Auswahl der geeigneten KI-Methode dauerte ein Vielfaches länger als das eigentliche Training, denn insgesamt dauerte das Training der KI-Modelle nur wenige Minuten. Diese KI-Modelle wurden so gewählt, dass sie auf handelsüblichen PCs oder Raspberry Pis ausgeführt werden können.
Die Rückschlüsse aus dem Tandem-Digitalisierungsprojekt stellen eine wertvolle und notwendige Unterstützung für weitere Arbeiten der Projektpartner mit dem Unternehmen dar. Aus parallel geführten Gesprächen mit anderen Projekten, die an ähnlichen Themen arbeiten, wurde bekräftigt, dass die NIR-Spektroskopie eine gute Wahl beim Erkennen von Textilmaterialien ist. Dies hat sich durch die eigenen Tests bestätigt. Die Analyse der verfügbaren Daten ließ allerdings keine Rückschlüsse zu, ob die Impedanzspektroskopie in irgendeiner Weise auf andere erfasste Textildaten (Druckverlust, Bindungsstruktur, Gewebedicke, …) schließen lässt. Damit bleibt offen, ob die Impedanzspektroskopie als Sensorgröße einen Mehrwert für den Textilscanner liefert oder nicht.
Nach Abschluss des Projektes wird das Unternehmen sein Entwicklungsprojekt fortführen. Mithilfe des Projekts konnte aufgezeigt werden, dass die bisher erhobenen Daten nicht ausreichen, um die Textilien anhand der Vielzahl an möglichen Parametern eindeutig zu beschreiben. Neben der Ausweitung der Versuche zur Erzeugung neuer Datensätze wird die Kombination von verschiedenen Messverfahren zur Identifikation einzelner Parameter vorgeschlagen.
Haben Sie Ihr erstes KI-Projekt schon im Blick? Unsere KI-Trainer unterstützen Sie gern. Schreiben Sie uns!
Wissenswertes zum Schwerpunkt KI im Mittelstand finden Sie hier.
* NIR-Spektroskopie ist eine Methode, bei der Licht im nahen Infrarotbereich verwendet wird, um Materialien zu untersuchen. Das Licht trifft auf das Material und wird teilweise von ihm absorbiert und teilweise reflektiert. Die Art und Weise, wie das Licht absorbiert oder reflektiert wird, hängt von der Zusammensetzung des Materials ab. Durch die Analyse dieses Lichts kann man Informationen über das Material herausfinden, wie zum Beispiel seine chemische Zusammensetzung oder physikalische Eigenschaften. NIR-Spektroskopie wird oft in der Industrie und Forschung verwendet, um Materialien schnell und ohne Zerstörung zu analysieren.
**Impedanzspektroskopie ist eine Methode, um elektrische Eigenschaften von Materialien zu untersuchen. Dabei wird ein kleiner Wechselstrom durch das Material geleitet und gemessen, wie stark das Material den Strom behindert (diese Behinderung nennt man Impedanz). Indem man die Impedanz, d.h. Betrag und Phase bei verschiedenen Frequenzen des Wechselstroms misst, kann man Rückschlüsse auf die Struktur und Zusammensetzung des Materials ziehen. Diese Methode wird oft verwendet, um die Eigenschaften von Batterien, Halbleitern oder biologischen Geweben zu analysieren.
