5711

Optimierung der Falschgarn-Texturierung

Unifi Manufacturing, Inc.

Seit 1971 ist Unifi Manufacturing Inc. einer der führenden Hersteller von texturierten Multifilament-Garnen aus Polyester und Nylon. In den Produktionsprozessen des Unternehmens werden Rohmaterialien und -fasern sowie Recyclingprodukte zu synthetischen Filamentgarnen verarbeitet, die das gleiche Verhalten wie Naturgarne, jedoch eine deutlich bessere Leistungsfähigkeit aufweisen. Die Garne von Unifi finden sich in zahlreichen Produkten führender Einzelhändler auf der ganzen Welt wieder – vom Bekleidungsbereich über industrielle Anwendungen bis hin zu Einrichtungsgegenständen. Die Kunden von Unifi können die von ihnen benötigten Garneigenschaften wie Einfärbbarkeit und Festigkeit angeben, und Unifi produziert das individuelle Garn, indem die Maschineneinstellungen für ein als Falschgarn-Texturierung bezeichnetes Verfahren angepasst werden. Im Bestreben, hochwertige Synthetikgarne zu produzieren, entschied sich Unifi für die Minitab Statistical Software, um das Verfahren für die Falschgarn-Texturierung zu optimieren und zu verbessern.

Die Herausforderung

Aufgrund von Richtlinien für die Qualitätsstandards bei der Produktion sowie für die Langzeitspeicherung von Daten hatte Unifi bereits eine große Datenmenge zum Falschgarn-Texturierungsprozess gesammelt und analysiert. Anhand dieser Daten erfolgte die Prozessoptimierung täglich mit Hilfe einer Vielzahl von statistischen Methoden. Diese Methoden, u. a. Versuchsplänen, bildeten die Grundlage für unterschiedliche Typen von kausalen Modellen, mit denen die Techniker die Garneigenschaften prognostizieren und Prozessparameter auswählen konnten. Die Entwicklung der Modelle war jedoch kompliziert, und sie stellten aufgrund der großen Anzahl von verwendeten Variablen und dem großen Zeitaufwand für die Unifi-Qualitätsexperten eine kostenaufwändige Lösung dar.


Unifi Manufacturing verlässt sich bei der Datenanalyse zur Verbesserung des Verfahrens für die Falschgarn-Texturierung, das bei der Herstellung von Synthetikgarnen eingesetzt wird, auf die Minitab Statistical Software.

Das Verfahren für die Falschgarn-Texturierung bei Unifi ist äußerst komplex und umfasst eine Reihe von variablen Faktoren, die stark korrelieren. Das Vorhandensein stark korrelierender Faktoren wird als Multikollinearität bezeichnet und führt häufig zu redundanten Messungen und verringerter statistischer Effizienz. Unifi begann damit, einen effizienteren und kostengünstigeren Ansatz für die Datenanalyse zu suchen, die für die Optimierung des Falschgarn-Texturierungsprozesses benötigt wurde. Das Unternehmen fand die Lösung in der Minitab Statistical Software.

Einsatz von Minitab

Die Qualitätsexperten bei Unifi grenzten mit der leistungsstarken Datenanalyse in Minitab den statistischen Ansatz auf die Analyse ein, die für den täglichen Einsatz in der Praxis am besten geeignet war. Sie nutzten die große Datenmenge, die dem Unternehmen bereits zur Verfügung stand, und evaluierten und verglichen mit Minitab Modelle aus drei unterschiedlichen Methoden: multiple lineare Regression, Hauptkomponentenanalyse und Regression der partiellen kleinsten Quadrate (PLS). So sollte ermittelt werden, welche Herangehensweise am besten für die Optimierung des Verfahrens für die Falschgarn-Texturierung geeignet war.


Durch die leistungsstarke Regression der partiellen kleinsten Quadrate (PLS) in Minitab können die Unifi-Experten sofort sehen, welche Auswirkungen Änderungen an den Variablenwerten auf die Garneigenschaften haben.

Die Analyse der im Unifi-Spinnwerk in Yadkinville, North Carolina, erhobenen Daten mit Minitab zeigte, dass die PLS-Analyse die schnellste und einfachste Methode zum Generieren von akkuraten Modellen darstellte und gleichzeitig die beste der drei Methoden für den Umgang mit der Multikollinearität war. Für die anderen Ansätze waren weitere Versuche erforderlich, was deutlich kosten- und zeitintensiver war – und daher für den täglichen Einsatz nicht infrage kam. Mit PLS konnten die Techniker von Unifi außerdem Ausreißer schneller ermitteln, als dies beim Einsatz der herkömmlichen linearen Regression der Fall war. Dies stellte eine Zeitersparnis dar und ermöglichte es den Technikern, mögliche Probleme beim Prozess deutlich schneller zu erkennen und zu beheben als vor der Verwendung von PLS.


Dank Minitab konnten die Unifi-Techniker nach Prozessanpassungen rasch neue Produktionsdaten erheben und die Änderungen grafisch in Diagrammen darstellen.

Dank Minitab konnten die Techniker nach Prozessanpassungen außerdem rasch neue Produktionsdaten erheben und die Änderungen grafisch in Diagrammen darstellen. Da sie sehen konnten, wie die Garneigenschaften durch unterschiedliche Variableneinstellungen beeinflusst wurden, konnten sie problemlos die von den Kunden geforderten Qualitätsmerkmale erreichen.

Ergebnisse

Der erfolgreiche PLS-Ansatz von Unifi zeigt, wie Prozessoptimierungstechniken zu echten Vorteilen für die Falschgarn-Texturierung führen können. Da der weitverbreitete Einsatz von Prozessverbesserungsverfahren und statistischer Software in der Garnindustrie noch relativ neu ist, zeigt der Erfolg von Unifi mit Minitab, dass diese Verfahren in Zukunft noch häufiger und umfassender eingesetzt werden können.

Die Verbesserungen beim Verfahren für die Falschgarn-Texturierung haben Unifi nicht nur dabei unterstützt, seinen Kunden individuell gefertigte Garne von höchster Qualität zu liefern, sondern haben auch zu Kosteneinsparungen geführt. Die Qualitätsexperten von Unifi wenden nun erheblich weniger Zeit für Versuche zur Prozessoptimierung auf. „Für unseren Prozess sind nun deutlich weniger oder gar keine experimentellen Versuche mehr erforderlich“, bestätigt Edmir Silva, technischer Leiter des Unifi-Werks in Yadkinville, North Carolina. „Minitab hat uns dabei unterstützt, unseren Prozess aufzuwerten – ohne zu hohen Kosten zu führen“, fasst er zusammen.

Originaltext: Minitab LLC., Minitab Case Studies: Minitab Helps Unifi Put the Shirt on Your Back