紡織工業智能發展現狀與展望

鄭小虎, 劉正好, 陳 峰, 張 潔, 汪俊亮

(1. 東華大學 人工智能研究院, 上海 201620; 2. 上海工業大數據與智能系統工程技術研究中心, 上海 201620; 3. 東華大學 機械工程學院, 上海 201620; 4. 經緯紡織機械股份有限公司, 北京 100176)

現階段我國紡織強國目標基本實現,紡織產業的規模、完整性、制造水平均處國際領先水平,隨著中國紡織工業新一輪科技革命和產業變革的開始,紡織產業步入高質量發展新階段,紡織工業智能制造從概念普及全面進入實踐生根階段。

《紡織行業“十四五”發展綱要》給出了今后一段時期行業發展的重點方向,智能制造成為紡織行業五大重點發展工程之一[1]。在疫情、成本等多重因素的影響下,復雜的發展形勢對紡織智能制造也提出了新的要求[2]。當前產業發展的人口紅利逐漸下降,全行業正逐步邁向數字、網絡、智能紅利時代,協同全產業鏈、動態調整資源,建設高質量的紡織智能制造體系,自主掌握核心技術成為促進產業發展的主流方向。

本文基于國內外紡織工業智能發展現狀,就目前智能化發展領域的工業大數據、數字孿生、紡織工業機器人、機器視覺、智能排產調度等關鍵技術進行綜述,闡述了紡織領域全流程智能生產線、智能運維、智能檢測等典型應用案例,提出了發展自主智能紡織智能制造系統、打造全產業鏈融合智能生態的思考建議,為推動紡織行業技術轉型升級和高質量發展提供案例參考和技術指引。

1 紡織工業智能化發展現狀

從產業規模看,2021年我國紡織業占比已超全球50%,化纖產量占世界70%,貿易占全球三分之一[1];從產業完整性看,我國產業鏈最完整,產品品種最齊全;從制造水平看,我國纖維原料、紗線與織物、服裝與家紡用品的工藝制造和裝備水平大都已處在國際先進水平。“十三五”期間紡織工業智能制造就緒率達10.4%,近十年我國貢獻了全球智能紡機領域專利申請總量的80%以上[3]。

現階段我國紡織工業智能制造處于數字化、網絡化、智能化發展并存的關鍵時期,智能穿戴、高性能工業用紡織品技術快速興起,面向航空航天、國防軍工等領域的戰略新材料需求逐步增長。智能紡織品設計、控制,特種織物復雜構件自動成型、智能工廠等技術發展為紡織智能制造開辟了新的領域。紡織生產過程自動化程度不斷提升,企業信息管理系統集中部署,融合工業大數據、工業互聯網、新一代人工智能技術的紡織智能制造技術進一步落地應用,引領中國紡織工業新一輪科技革命和產業變革。圖1示出紡織工業智能化發展現狀。

圖1 紡織工業智能化發展現狀Fig. 1 Status quo of intelligent development of textile industry

1)數字化水平基礎扎實。國產紡織裝備生產過程基本實現自動化,關鍵工序實現數控化,大數據、數字孿生等先進技術逐步在紡織行業落地應用。2022年我國紡織行業裝備數字化率達55.6%,數字化生產設備聯網率達49%。服裝計算機輔助設計(CAD)、 企業資源計劃(ERP)等信息系統集中部署于紡織企業[4]。

2)網絡化技術迅速推廣。大量紡織企業構建了基于工業互聯網的數字化制造車間并建立了相應的管理模式。工業云平臺、工業電子商務賦能企業管理,實現數字化管理、網絡化協同、個性化定制[5]。工業互聯網標識解析二級服務節點和應用服務平臺快速建設,結合5G技術,通過“數據+裝備”賦能紡織智能生產線,實現外部供應鏈和內部生產系統的智能化對接。

3)智能化制造水平提升。紡織生產工序間的自動連接、生產車間與工廠的智能化、生產與服務的智能化是紡織工業智能化改造的主要方向。機器視覺技術與紡織品檢測、紡織生產自動化領域相結合,智能接頭、智能縫紉、柔性機器人等紡織工業機器人得到廣泛應用,數據驅動的紡織裝備智能運維技術快速發展。

目前,我國紡織工業在裝備數字化、網絡化和車間智能化方面取得突破,在提質增效和產業結構優化上取得了長足的進展,但面向紡織行業的智能制造系列標準體系尚待建立。以棉紡領域為例,全流程自動化生產仍然存在斷點,產品生產全過程質量追溯有待加強,數據處理等軟件大多選用信息技術研發商開發的通用軟件,難以滿足紡紗企業精準化的專業需求。紡織領域的核心裝備和工業軟件的技術支撐能力尚未形成,距離真正意義上的“智能化”尚有較大差距[6],全產業鏈協同的紡織智能生態亟需建立。

2 紡織工業智能化的關鍵技術

2.1 面向紡織生產全流程的大數據技術

隨著傳感器、數據采集裝置等具備感知能力的智能設備快速應用,紡織制造數據具備了體量大、實時性強、多樣性廣的大數據特點。數據融合處理、關聯分析、性能預測和優化決策等核心技術的不斷應用,使大數據在紡織行業的價值得以體現,有效提升了各類信息的綜合利用率,幫助紡織企業實現透明、精益、高效、智能化生產。

1)生產透明化。在物理層面對海量生產數據進行實時采集,結合大數據融合處理技術進行多級過濾清洗和分類建模;在信息層面借助大數據分析,實現對企業運行規律的透明化管控。2)生產精益化。全面監控和管理生產過程中產生的各類數據,針對其復雜耦合特性進行關聯分析,挖掘影響生產性能指標的關鍵參數,實現精益化生產管控。3)生產智能化。以紡織裝備信息化為基礎,通過性能預測方法分析生產動態特性與運行趨勢,挖掘預測制造參數與紡織車間性能的演化規律,實現紡織品制造過程中的生產性能精準預測[7]。4)生產高效化。在產品創新設計、工藝智能規劃、產品質量追溯、智能運維服務等場景,結合生產運行決策方法對關鍵制造性能進行動態調整,降低擾動條件的影響,實現智能優化決策[8]。

紡織大數據的典型應用模式如圖2所示。紡織裝備運行數據結合工藝互聯網基礎平臺,實現大數據分析、相關應用開發和工業數據分析決策。紡織全產業鏈數據結合數字主線、數據倉庫、分析算法、人工智能(AI)組件形成紡織工業大數據空間。大量數據經過組織,為智能排產、產品性能相關性分析(DoE)、 紡織品質量統計分析等提供支撐,實現全產業鏈協同化生產。

圖2 紡織大數據應用模式Fig. 2 Textile big data application mode

行業內涌現出了大量關注紡織行業大數據技術研究的團隊,張潔等提出了包括一個基礎、一個核心和三大集成的紡織智能制造平臺體系架構,闡述了橫向集成、縱向集成與端到端集成智能制造工作,并對應用場景進行了詳細闡述[9]。杭州阿里云、北京用友軟件、杭州優時等公司為紡織企業提供了企業云和大數據基礎設施建設、企業平臺體系和服務建設、企業智能系統和應用建設以及工藝、能源優化提升建設。作者所在團隊開發的環錠紡紗大數據平臺采用“邊緣層-數據層-應用層”架構,邊緣層實現紡紗車間數據采集,數據層實現全流程數據對齊與抽取,應用層實現大數據驅動的紡紗業務應用[10]。

由于大量紡織企業規模體量受限,目前普遍存在缺乏充分應用信息技術的問題,造成產業鏈數據無法互聯互通,形成數據孤島,大數據技術難以落地,因此認為,大數據技術的有效運用需要以全產業鏈協同的紡織智能生態為基礎,利用行業內海量信息支持解決企業共性問題。

2.2 紡織工業數字孿生技術

數字孿生技術作為推動數字化、智能化升級的重要方式,已廣泛應用于智慧城市、智能制造和智能駕駛等領域。在紡織領域,信息物理系統(CPS)、數字孿生技術在紡織智能工廠快速融合,賦能產品、裝備優化設計和工廠生產全流程。

2.2.1 基于數字孿生技術的智能服裝設計

由圖3所示的基于數字孿生的服裝設計技術可以看出智能服裝設計技術快速發展。數字化服裝結構設計技術結合高精度三維人體模型,基于逆向設計技術融入服裝定制生產,實現可視化三維服裝造型與二維平面的互相轉化,改變了傳統的服裝設計方式[11]。智能服裝設計系統能夠自動生成虛擬三維服裝模型,再將服裝曲面展開得到二維紙樣;或先設計二維設計樣板,再對布片進行縫合得到樣衣,最后進行紙樣調整,同時針對服裝設計參數和三維造型建立關系模型,為服裝設計提供改進設計參考[12-13]。

圖3 基于數字孿生的服裝設計技術Fig. 3 Clothing design technology based on digital-twins

虛擬試衣實現了服裝的在線便捷試穿,基于三維可視化技術的立體試穿是目前發展的主要方向。針對此類問題,現有研究中:一是借助體感攝像設備,結合人體動態特征建立三維服裝骨骼點分層模型實現虛擬試穿[14];二是基于模塊化設計,通過對服裝平面設計樣板的轉化,實現二維平面向三維空間重構的虛擬試衣[15-16];三是將逆向技術與三維可視化技術相結合,基于高精度數據建模的人體模型,實現虛擬試衣[17]。

數字化服裝結構設計技術在極大程度上提升設計效率的同時,滿足了快速個性化定制的需求;虛擬試衣技術解決了傳統紡織品線上銷售無法試穿的困境,為紡織品銷售帶來了新的機遇,因此,推進輕量、高效的三維人體測量技術和裝備的研發與應用,加強服裝三維可視化及模擬技術的精準性和實用化,進一步降低技術成本是智能服裝設計技術未來的發展方向。

2.2.2 基于數字孿生技術的智能紡織工廠

基于CPS構建的智能裝備的數字孿生體,匯聚形成了在虛擬空間中在線運行的紡織工廠,有效提升企業信息化水平和工廠管理效率[18-19]。針對各類紡織品,全生命周期仿真預測是重點;針對紡織裝備,建立設備狀態監控、故障診斷和預防性維護模型是重點;針對紡織車間運維管理,集成數據采集與監視控制系統(Scada)、ERP、高級計劃與排程系統(APS)、制造執行系統(MES)等工業軟件實現制造過程監控、資源管理、計劃調度、節能降耗是重點[20]。

針對數字孿生技術在紡織領域的具體應用,作者所在團隊提出了基于數字孿生技術的紡紗智能工廠參考模型(見圖4)、裝備互聯互通信息模型、工藝流程信息模型及智能紡紗單元架構[21]。針對紗線紡制過程,武臣等提出將數字孿生技術與數控紗線技術相結合,對紡紗過程進行虛擬仿真,提出數據融合模式,實現柔性智能紡紗[22]。徐慧等構建了一種基于數字孿生的化纖長絲落卷作業優化系統,建立實時數據驅動的落卷作業數字孿生模型,實現車間三維可視化精準管控[23]。亞東(常州)科技有限公司在2021年建設了全國首家紡織行業數字孿生工廠,有效解決企業全生產流程因數據孤立造成的成本高、能耗高現象。

圖4 基于數字孿生技術的紡紗智能工廠參考模型Fig. 4 Spinning smart factory reference model based on digital-twin technology

數字孿生技術實現了紡織企業從智能化產品設計、生產到可視化運維的能效提升。但由于紡織細分領域種類龐雜,同時缺乏相關行業技術標準,絕大多數紡織企業仍處在應用通用工業軟件的階段,距離數字孿生與紡織生產全流程的融合仍有差距。作者認為在實現數字孿生與紡織智能工廠的深度融合進程中,針對應用場景中的每個環節建立高保真度的物理模型是難點,基于5G技術實現高實時性的數據交互是重點。

2.3 紡織工業機器人技術

結合紡織行業生產多工序、連續化、多機臺、專業化、協作化的特點,面向紡織產業的工業機器人快速落地。以紡紗領域為例:工業機器人實現全過程智能化自動流水作業,紡紗物料轉運機器人、全數控粗紗機提升前紡工序智能化水平;細紗自動落紗機器人取代傳統的人工拔管、插管工作,優化細紗集體落紗裝置;絡筒機智能投紗系統、筒紗自動包裝系統有效提高了生產線后道工序的自動化水平;紗線整理打包入庫機器人生產線實現整套產品流水線無人作業[24-25]。

在印染、化纖、針織、服裝等領域,智能印花機器人實現印花網版選擇、色漿舀取、刮印、余料回收等一系列作業流程智能控制;化纖飄絲智能巡檢機器人結合5G技術,實現實時精準檢測;智能自動縫紉機器人、三維全成形無縫編織機器人已運用于衣物和鞋類的縫紉生產。美國SoftWear公司研發的Sewbot自動縫紉機器人基于高校準精度的機器視覺和實時分析技術驅動機器人調整織物位置,引導布料精準穿過縫紉機,精準度達到亞毫米等級,完成裁縫移動和處理織物操作。

適配紡織柔性體制造的工業機器人相關技術成為研究熱點,以柔性夾具、治具為核心的軟體機器人解決了紡織品在自動化上下料過程中面臨的易損、抓取困難的問題[26-27];SRT軟體機器人的末端執行器采用硅膠材質,柔性夾爪使用氣動驅動[28];面料取放機器人利用多軸機器人和柔性夾爪裝置,實現從橢圓印花機臺板取布至烘箱鏈床自動化生產,應用于棉紡、化纖等生產的自動化上下料[29]。

行業內眾多企業以工業物聯網為基礎,集成面向紡織行業的工業機器人,打造擁有全套數字化智能化紡織裝備的智能工廠[30-31]。以浙江新鳳鳴集團股份有限公司、武漢裕大華集團股份有限公司、山東康平納集團有限公司、中國恒天集團有限公司為代表的紡織企業突破了多機器人協同控制、生產線集成管控等多項關鍵技術,在紡紗、印染、服裝、化纖工業領域建成了一大批具有自主知識產權的紡織服裝機器人與智能裝備系統,帶動數字制造發展[32-35]。

紡織工業機器人作為替代人工完成典型紡織加工的自動化裝備,成為智能生產的重要環節。現階段下,應用于工序間的物料搬運環節的運輸機器人占紡織生產相當數量,針對環錠紡棉條接頭、細紗接頭等特定工序的關鍵技術仍待進一步發展,應用成本仍需下降。作者認為實現紡織機器人機械結構模塊化配置,發展多傳感器融合的紡織工藝機器人系統,進一步提升紡織機器人自主能力和生產效率成為發展趨勢。

2.4 基于深度學習的機器視覺技術

隨著新一代人工智能技術在視覺領域的應用發展,基于深度學習算法的機器視覺技術在紡織設備智能化控制、紡織品質量智能檢測場景發揮作用(見圖5)[36]。機器視覺技術運用于棉花異纖清除機,高速采集棉花圖像,結合相關異纖識別模塊提升識別、清除率;以絡筒機智能投紗系統為例,機器人視覺定位方法實現管紗入庫后自動識別并整理大小頭、自動找頭、識別多品種[24]。筒紗自動打包機器人在裝袋工序對筒紗進行自動識別定位,避免紗線損傷。

圖5 機器視覺技術在紡織領域的應用Fig. 5 Application of machine vision in textile sector

紡織品質量檢測方面,國內外基于深度神經網絡技術的紡織品缺陷檢測、纖維種類鑒別、纖維含量分析等技術快速發展,并運用于織物疵點檢測、染色色差檢測、化纖飄絲檢測、筒紗絲餅外觀檢測等實際生產環節[37]。

國內外企業和學者針對機器視覺技術與紡織工業的融合進行了大量的研究。瑞士烏斯特公司研發了包括織物質量監控、保證系統、織物色差優化系統在內的一系列機下驗布技術[38];ZHAO等提出了一種基于多尺度卷積神經網絡的實時織物疵點檢測方法[39];JING等提出基于改進的多分辨率馬爾可夫隨機場(MRMRF)分割算法實現對紗線毛羽的精確分割[40];晏琳等采用Faster RCNN目標檢測與Res-Net101卷積神經網絡相結合的方法,實現坯布生產過程中的疵點檢測[41];張緩緩等提出了一種基于改進的加權中值濾波與K-means聚類算法相結合的方法,實現對方格、點型等紋理織物的疵點快速檢測[42]。

未來機器視覺技術將成為賦能裝備自主決策運行的重要手段。在紡織品檢測領域,現有的線下檢測技術實現了質量數據的反饋和質量追溯,而在設備生產過程中完成實時檢測并實時反饋的機上智能檢測技術有較大發展空間。

2.5 基于機器學習的智能排產調度技術

紡織品生產具有工藝流程長、裝備數量眾多、車間布局復雜、混線生產的特點。以織造車間為例,調度規模普遍在300臺織機、1 000個織軸以上;高端環錠紡紗工藝則需要同時考慮加工設備資源與自動引導運輸車(AGV)的協同調度問題,數據規模繁雜,求解空間極大,傳統的數學優化方法已然不再適用[43]。基于機器學習的智能排產調度技術將有效提升紡織企業的生產效率。

紡紗領域,周亞勤等針對針織面料生產智能管控需求,建立了生產計劃與調度通用數據模型[44];作者所在團隊基于模擬退火算法,提出了紡紗車間協同調度模型及調度方案[45];織造領域,蔡飛飛采用改進遺傳算法,提出了經編車間生產調度方法[46];沈春婭等基于改進型NSGAⅡ 算法,提出了織造車間多目標大規模動態調度方案[47];杜利珍等基于改進模擬退火算法,提出了針織生產線的協同調度方案[48];印染領域,胡小榮等面向全自動筒子紗印染線天軌機器人調度問題,基于蟻群算法提出了調度優化策略[49];賀俊杰等基于多智能體強化學習,提出了一種紡織面料染色車間動態調度方法[50]。

隨著紡織行業數字化、智能化程度的不斷發展,作者認為基于數字孿生技術實現車間全生產要素的全息建模,結合射頻識別技術(RFID),驅動實時化、可視化的智能調度,賦能APS系統高效運轉是未來的發展方向。

3 紡織工業智能化應用典型案例

3.1 數據驅動的高速卷繞機智能運維系統

面向化纖裝備智能運維領域的相關需求,作者所在團隊開發的高速卷繞機智能運維系統借助云邊端技術,完成卷繞機運行數據的自動采集和存儲分析,實現基于數據的設備智能故障診斷和剩余壽命預測,有效提高了企業連續生產的能力。在云端部署的診斷和壽命預測模型通過設備實時運行數據,分析當前設備故障情況以及剩余壽命,并將結果存儲到數據庫中。通過調用數據庫中存儲的數據,在系統的前端顯示界面顯示車間運行狀態,其中包括各臺設備的當前轉速、剩余加工時間、故障情況、剩余壽命預測結果和維修信息[51-52]。

3.2 “邊緣-云”協同面料疵點檢測系統

作者所在團隊開發的基于機器視覺的面料疵點檢測系統(見圖6),針對動態環境下的檢測模型的自適應要求,設計缺陷檢測模型遷移學習方法,通過“邊緣-云”協同模型優化復雜產品疵點檢測效率與準確性,面料疵點檢測APP上云部署,實現對素色坯布、規律格紋面料、復雜背景面料破洞、缺經、污漬等缺陷的檢測識別[53-54]。

圖6 基于機器視覺的面料疵點檢測系統Fig. 6 Fabric defect detection system based on machine vision

3.3 新鳳鳴集團生產線5G智能化升級

在紡織智能工廠建設方面,以新鳳鳴集團聯合中國移動建設的滌綸長絲生產車間5G智能化升級為例(見圖7),基于5G、產品標識解析技術實現生產全鏈條的智能化。基于5G網絡實現數據實時上傳,經過大數據分析,為企業實現生產管理數據化、智能診斷等功能;基于5G網絡控制的IGV(智能導引運輸車)小車結合自動駕駛實現了超低延遲、靈活調度的智能作業;同時提升了聯網工業機器人數量,實現5G+8K高清實時場地巡檢監控;5G智能巡檢機器人采用激光SLAM算法、輔助視覺分析算法,自主規劃路線,高清攝像頭快速采集數據,后臺智能分析算法定位絲線飄絲、飄雜問題引起的產品缺陷,提升優品率。

圖7 新鳳鳴集團5G智能化生產方案Fig. 7 Xin Fengming group 5G intelligent monitoring robot

3.4 武漢裕大華10萬錠智能紡紗生產線

武漢裕大華10萬錠全流程智能紡紗生產示范線是國內第1條實現清梳聯到粗細絡聯全流程自動化的紡紗生產線,解決了環錠紡紗部分工序間不連續問題,自動化率達95%以上。首次實際應用國產化最新成套智能紡紗裝備、配棉排包機器人、精梳機自動喂棉卷機器人、AGV/軌道式物流輸送系統、智能回花/回絲收付系統,升級了數字化生產運營管控系統,建成了集智能物流、智能回花收付、倉儲管理以及企業資源管理系統于一體的智能紡紗生產運營管控系統,實現信息系統與工藝裝備、物聯網系統的緊密集成。圖8示出 裕大華集團智能紡紗管理系統。

圖8 裕大華集團智能紡紗管理系統Fig. 8 Yu Dahua Group intelligent spinning management system

裕大華智能紡紗管理系統以設備生產運行狀態為基礎實現智能化分析,通過圖形化方式實時顯示機臺運行狀態、紗線狀態及報警信息,全面掌握工廠運行情況。系統以物流、調度、質量追溯為基礎實現協同化生產,基于ERP管理系統進行數據采集和分析,對物資采購、訂單需求、企業能耗進行監控,實現自動排產及邊緣計算[55]。

4 紡織工業智能化展望

我國《新一代人工智能發展規劃》指出到2030年人工智能理論、技術應用達到世界領先水平[56]。目前,我國部分紡織智能制造關鍵技術仍未掌握,核心裝備和核心工業軟件仍待攻關,紡織智能制造人才培養和公共研發平臺需要進一步加強,擺脫對國外技術的依賴。

4.1 發展新一代紡織智能制造系統

建設自主智能紡織制造系統、走獨立自主的智能紡織道路是今后的發展趨勢。圖9示出對紡織工業智能化發展方向的構想。

圖9 紡織工業智能化發展展望Fig. 9 Prospects for intelligent development of textile industry

1)以突破紡織智能工藝為基礎,發展紡織行業個性化定制技術及解決方案,加快中小企業的智能升級;開展紡織智能制造共性技術研發,發展適配紡織柔性體制造的工業機器人技術;建立紡織生產人機協同智能工藝軟件和綠色工藝系統。

2)以紡織智能裝備為發展重點,發展紡織設備預防性維護技術,優化生產線周期維護策略;發展紡織裝備運行自主決策和智能優化技術,驅動紡織工藝參數在原料、溫濕度環境、裝備性能等參數動態變化下的自主調控。

3)以實現裝備智能協同為核心,發展紡織智能裝備、AGV系統等多智能體間的協同,實現多工序間的群體智能優化;形成充分考慮各設備協同的自主綜合調度模式,解決紡織制造中所面臨的多產品混線生產問題。

4.2 打造全產業鏈協同的紡織智能生態

美日等發達國家探索建立了以美國制造業拓展伙伴計劃(MEP)為代表的全國產業鏈協同模式,在紡織領域,我國亟需打造全產業鏈融合的智能生態。

1)建設紡織智能工廠示范生產模式,形成智能工廠從智能設備、互聯互通、信息融合、制造執行到運營分析的縱向集成和全生命周期橫向集成,提升智能化水平。

2)發展紡織工業互聯網關鍵技術,以行業龍頭企業為核心,構建全產業鏈數據空間,發展定制化協同設計、資源協同配置、生產協同管理的協同制造系統,帶動中小企業智能化改造,將智能工廠內涵外延并逐步發展為智慧產業集聚區。

3)構建基于區塊鏈的網絡化協同快速響應服務體系,以計劃訂單信息為基礎,構建貫穿紡織上下游供應鏈體系,實現集聚區企業間的協同制造,實現設計-產-供-銷一體化,提高快速響應服務能力,實現紡織行業多集群協同發展。

5 結束語

隨著社會經濟領域對紡織品需求的增加,紡織行業快速發展,生產規模逐步擴大,智能制造產業升級是紡織行業可持續性發展的必然要求。紡織制造關鍵技術突破傳統限制,典型實例不斷涌現,數字化、網絡化、智能化水平快速提升。未來,在紡織行業“十四五”發展過程中,要重點建設智能運維和傳感相集成的紡織工業制造系統,打造全產業鏈協同的紡織智能生態,推動高質量紡織制造體系建設邁上新臺階。