Modellazione, Ottimizzazione e Controllo Qualità per Processi di Finissaggio nell'Industria Tessile

This thesis is focused on the study of advanced control and anomaly detection techniques to be applied to three machines belonging to the finishing manufacturing branch, which represents the phase when the final fabric properties are developed. To design advanced control systems for the considered textile processes, Computer-Aided Control Systems Design (CACSD) software tools, that leverage process models for the first assessment of different control strategies, have been extensively used. To this aim, the considered processes have been modelled by employing both a First-Principle Data-Driven (FPDD) approach, and also a Data-Driven approach, thanks to the availability of a laboratory machine that we equipped with a proper data acquisition system. These models have been then integrated in ad-hoc Matlab-based environments, defining a hierarchical control structure characterized by: - a high level layer, with supervision functionalities, that monitors the operative conditions of the overall textile processes; - a middle level layer, with optimization techniques, that determines the set-points for local controllers at a low level; - the low level layer, that maintains the set-points provided by the high-level layer with the use of local standard controllers. This dissertation is focused on the first two tasks, being therefore divided in two parts. The first part deals with the problem of the efficient management of textile processes, that has been formulated as implicit optimization problems and solved through real-time optimization schemes that rely on system output measurements only. The choice of exploiting model-free control strategies is justified by the fact that in practice often only a limited knowledge of textile processes and systems is available and the development and the calibration of effective control-oriented models (which should be as simple as possible but accurate enough) is a non-trivial task. For this reason, the method chosen for the solution if this task resides in the Extremum Seeking Control (ESC) strategy, which exploits the information on the gradient of a cost or quality index (that is calculated from the measured process outputs) to drive the input set points towards the optimal (e.g., ensuring the maximum efficiency) process operating point while taking into account different system operating conditions or configurations. Specifically, this first part describes three different ESC variants, solving both in simulation and partially also in a laboratory environment three optimization problems defined for each of the considered finishing machine. The second part of this thesis, residing in the high level layer, deals with quality control and anomaly detection of the produced fabrics. Specifically, a unified approach, that identifies possible anomalies both from time-series and also from 2D images, has been proposed. The time-series data have been collected from sensors installed in a finishing machine exploiting a data acquisition system whereas the fabric images have been obtained both from the web and also exploiting an off-line camera-based data acquisition system. The proposed approach relies on the application of Elastic Shape Analysis (ESA) techniques, that work with functional and shape data and apply a collection of statistical techniques for their study. In particular, aim of this work is to analyse the curves, coming from the time-series data and from the contours extracted from the fabric images with segmentation techniques, according to their shapes, which is a fundamental geometric property of objects. In the considered context, characterized by the unavailability of labelled data, the quality control task has been solved with a semi-supervised approach exploiting the ESA tools to define a proper distance metric to be used in a binary classifier, that successfully divides the curves that may indicate the presence of anomalies to the regular ones.

Questa tesi è incentrata sullo studio di tecniche avanzate di controllo e di rilevamento anomalie da applicare a tre macchinari appartenenti al ramo del finissaggio tessile, che rappresenta la fase in cui vengono sviluppate le proprietà finali del tessuto. Per progettare sistemi di controllo avanzati, sono stati utilizzati strumenti di progettazione assistita da calcolatore, che sfruttano i modelli di processo per effettuare una prima valutazione di diverse strategie di controllo. A tal fine, i tre macchinari considerati sono stati modellati utilizzando sia un approccio ai principi primi guidato dai dati, che un approccio esclusivamente basato sui dati, grazie alla disponibilità di un macchinario da laboratorio, dotato di un adeguato sistema di acquisizione dati. Tali modelli sono stati poi integrati in ambienti di simulazione creati ad-hoc in Matlab, definendo una struttura di controllo gerarchica caratterizzata da: - una classe di controlli ad alto livello, con il compito di monitorare le condizioni operative dei processi tessili; - una classe di controlli a livello intermedio, che determina i valori di set-point per i controllori locali a basso livello tramite tecniche di ottimizzazione; - una classe di controlli a basso livello, che si occupa di portare e mantenere i set-point identificati dal livello superiore tramite dei controllori locali standard. Questa tesi è incentrata sui primi due compiti ed è quindi divisa in due parti. La prima parte affronta il tema della gestione efficiente dei processi tessili, formulandolo come un problema di ottimizzazione implicita e risolvendolo attraverso schemi di ottimizzazione in tempo reale, che si basano solo sulle misure di output del sistema. La scelta di sfruttare strategie di controllo libere dal modello è giustificata dal fatto che spesso si ha una conoscenza limitata dei processi tessili, rendendo non banale il compito di sviluppare e calibrare modelli efficaci orientati al controllo (che devono combinare precisione e semplicità). Per questo motivo, si è deciso di indagare l'algoritmo Extremum Seeking Control (ESC), che sfrutta le informazioni sul gradiente di un indice di costo o di qualità (che viene calcolato dagli output di processo misurati) per guidare il set-point di input verso il punto operativo ottimale per il processo (ad esempio garantendo la massima efficienza), tenendo conto delle diverse condizioni o configurazioni operative del sistema. Nello specifico, questa prima parte descrive tre diverse varianti di ESC, risolvendo in simulazione e parzialmente anche in un contesto di laboratorio tre problemi di ottimizzazione, uno per ciascuno dei processi considerati. La seconda parte di questa tesi si occupa del controllo qualità e del rilevamento anomalie dei tessuti prodotti. I dati a disposizione sono composti da serie temporali provenienti da sensori installati su un macchinario di finissaggio e da immagini di tessuti, trovate sia online che raccolte tramite un sistema di visione da banco. A causa dell'eterogeneità dei dati a disposizione, si vuole studiare un approccio unificato, che possa identificare possibili anomalie sia da oggetti monodimensionali (serie temporali storiche) che da oggetti bidimensionali (immagini dei tessuti). L'approccio prescelto si basa sull'applicazione di tecniche di Elastic Shape Analysis (ESA), che utilizzano dati funzionali e li studiano tramite tecniche statistiche. In particolare, si vogliono sfruttare le proprietà geometriche dei dati acquisiti analizzando le forme delle curve formate dalle serie temporali e dai contorni estratti dalle immagini del tessuto con tecniche di segmentazione. A causa della mancanza di dati etichettati, il problema di rilevamento anomalie nel contesto tessile viene affrontato con un approccio semi-supervisionato, sfruttando l'ESA per definire una metrica di distanza da utilizzare in un classificatore binario, che divide le curve normali da quelle anomale.