Added value by linking product and process data using the example of a textile process chain
Increasing the efficiency of textile production processes through holistic data analysis
German version below.
by Ruben Kins and Thomas Gries
Summary
Textiles are produced in fragmented process chains. Disturbance variables influence the properties of products that are processed as intermediate products in downstream processes. The downstream process is influenced by the fluctuating properties of the primary products as well as additional disturbance variables. Machine downtimes and rejects are the result. A lack of data transparency along the process chain as well as within a company prevents a quick identification and elimination of the causes.
At the Institute of Textile Technology at RWTH Aachen University, a method was developed to track products along the process chain and to combine product and process data. The methodology enables holistic data analysis in which quality defects are traced back to causes along the process chain or within the company itself. The developed methodology was applied to a process chain for nonwovens production on a laboratory scale, whose Industrie 4.0 expansion stage has been incrementally increased.
The economic viability of investments in Industrie 4.0 infrastructure was demonstrated. It was also shown that, in addition to physical products, data sets about products also have value. This value is generated by enabling optimizations to the process, which can be the basis of cooperative, data-based business models.
This is a preview of the Springer book “Monetization of Technical Data — Innovations from Industry and Research” by senseering, WZL of RWTH Aachen University and Fraunhofer FIT, which will be published by SpringerVieweg from the end of 2021.
Zusammenfassung
Die Produktion von Textilien erfolgt in fragmentierten Prozessketten. Störgrößen beeinflussen die Eigenschaften von Produkten, die als Vorprodukte in Folgeprozessen verarbeitet werden. Der Folgeprozess wird durch die schwankenden Eigenschaften der Vorprodukte sowie zusätzliche Störgrößen beeinflusst. Maschinenstillstände und Ausschuss sind die Folge. Eine mangelhafte Datentransparenz entlang der Prozesskette sowie innerhalb eines Unternehmens verhindert eine schnelle Identifikation und Behebung der Ursachen.
Am Institut für Textiltechnik der RWTH Aachen University wurde eine Methode entwickelt, Produkte entlang der Prozesskette nachzuverfolgen sowie Produkt- und Prozessdaten zusammenzuführen. Die Methodik ermöglicht die ganzheitliche Datenanalyse, bei der Qualitätsfehler auf Ursachen entlang der Prozesskette oder im eigenen Unternehmen zurückgeführt werden. Die entwickelte Methodik wurde auf eine Prozesskette zur Vliesstoffherstellung im Labormaßstab angewendet, deren Industrie 4.0-Ausbaustufe inkrementell erhöht worden ist.
Die Wirtschaftlichkeit von Investitionen in Industrie 4.0-Infrastruktur konnte aufgezeigt werden. Außerdem wurde gezeigt, dass neben physischen Produkten auch Datensätze über Produkte einen Wert besitzen. Dieser Wert wird generiert, indem Optimierungen am Prozess ermöglicht werden, was die Grundlage kooperativer, datenbasierter Geschäftsmodelle sein kann.
Dies ist eine Vorschau auf das Springer-Buch “Monetarisierung von technischen Daten — Innovationen aus Industrie und Forschung” von senseering, WZL der RWTH Aachen University und Fraunhofer FIT, das ab Ende 2021 bei SpringerVieweg erscheint.
About senseering
The senseering GmbH is a company founded in September 2018 that was awarded the RWTH Aachen University Spin-Off-Award. The core competence of senseering GmbH is the development and implementation of systems for the digitalization and networking of industrial and production facilities. Likewise, senseering GmbH advises on strategic corporate issues, in particular digital transformation, distributed-leger technologies, edge vs. cloud computing architectures for AI-based real-time control of industrial processes, digital business model innovation and the introduction of digital business processes such as home office, Azure or Microsoft365. Senseering is one of the winners of the first and largest AI innovation competition of the BMWi with the project www.spaicer.de.
Daniel Trauth (CEO) | www.senseering.de | E-Mail: mail@senseering.de
