SPECTRUM – APPLIED RESEARCH 72 / UdZ 02.22 stellt sich jedoch die Herausforderung, wie die durchaus abstrakten Qualitätsmerkmale (wie etwa das „Kräuseln“ des Stoffes an der Naht) technisch erfasst werden können. Dazu wurden Einflussgrößen während des Prozesses beleuchtet, die kausal mit dem Qualitätsmerkmal in Verbindung stehen. Zur technischen Erfassung des Merkmals können demnach verschiedene Optionen betrachtet werden: beispielsweise der Einfluss von Maschinenparametern (vor dem Prozess), indizierende Prozessparameter wie etwa ein relativer Verzug des Stoffes (während des Prozesses) oder das Erkennen des Fehlers am Resultat (nach dem Prozess). Die Umsetzbarkeit der technischen Lösungen wurde im Forschungsprojekt durch den Konsortialpartner Tinkerforge GmbH bewertet. Auf diesem Vorgehen basiert das technische Konzept von SewGuide. Die Maschine ist sensorisch mit einer Kamera ausgestattet, die die Nahtzugabe (Distanz von Naht zum Stoffrand) und damit die Nahtgenauigkeit misst. Als wichtiger Basiswert wird die Motorendrehzahl anhand eines Drehzahlmessers gemessen, welcher Auskunft über Irregularitäten und die individuelle Beherrschung der Maschine gibt. Auch eine Fehlerdetektion und -konfiguration durch Messung der Oberfadenspannung sind mittels eines kompakten Fadenspannungssensors integriert. Als Steuereinheit dient ein Raspberry Pi bzw. Kompaktrechner, der die Sensorik instrumentiert, Daten in der Rolle eines Edge-Device vorverarbeitet und mit der Cloud-Plattform der Lehranwendung vernetzt. Rückgespielt werden die function, which is based on a sophisticated concept for realtime data collection. Real-time data collection provides the basis for tailoring the teaching process to the individual trainee. In the present context, the data were to capture the product quality as an indicator of the quality of the craftsmanship. High quality is especially relevant for a product such as S-Gard®, which must comply with the standards and norms for protective clothing. In order to effectively teach and improve the trainee’s skills, clear quality characteristics were defined for the real-time data collection, which serve to evaluate both product quality and quality of the craftsmanship. Now, however, the challenge arose as to how the – quite abstract – quality characteristics (such as the “puckering” of the fabric at the seam) can be technically determined. To this end, influencing variables during the process that are causally related to the quality characteristic were identified. Accordingly, various options can be considered for the technical detection of the characteristic: for example, the influence of machine parameters (before the process), indicative process parameters such as a relative warpage of the fabric (during the process), or the detection of a defect in the resulting product (after the process). The feasibility of the technical solutions was evaluated by the consortium partner Tinkerforge GmbH. The technical concept of SewGuide is based on the approach outlined above. The machine is sensor-equipped, featuring © FIR Verpacken Ausstattung VorderteilBlende Vorderteil RT-Beleg (Rückenteil) Leistentasche VorderteilPasse Aufhänger Ärmeltasche Zick-ZackRiegel Verknüpfung Reflexstreifen Saum Endbügeln Rückenteil VorderteilPasse Füßchen wechseln Nadel wechseln Stichlänge wertschöpfend unterstützend hoher Schwierigkeitsgrad niedriger Schwierigkeitsgrad Endkontrolle Unterfadenspule einlegen Füßchen-Druck Einfädeln Oberfaden Fadenspannung unten Fadenspannung oben Schlitz Pattentasche Patten Pattentasche Manschetten Kragen Ärmel DoppelLeistentasche Kragen Ärmel value-adding supporting high difficulty low difficulty excerpt of project results Figure 2: With the help of the difficulty-value matrix, learning content is structured in order to correctly align it for further use according to teaching progress and expertise level
RkJQdWJsaXNoZXIy NzcyMw==