Das Krempelverfahren ist entscheidend für die Herstellung von Vliesstoffen aus endlichen Fasern. Die Qualität dieser Vliesstoffe wird durch eine Vielzahl von Rohmaterialeigenschaften, Produktionseinstellungen und Umgebungsbedingungen beeinflusst, wobei insbesondere die Krempeleinstellung eine große Rolle spielt. Ziel dieser Arbeit ist die Optimierung der Krempel mithilfe maschineller Lernverfahren unter technischen und wirtschaftlichen Aspekten. Hierzu werden die Einflüsse auf die Vliesqualität und Produktionskosten analysiert und ein Messsystem entwickelt, das alle relevanten Variablen während der Produktion erfasst. Die Auswirkungen dieser Einflussgrößen auf die Produktqualität und Produktionskosten werden modelliert. Basierend auf diesen Modellen wird eine Simulation erstellt, die die erwartete Produktqualität und den Energiebedarf bei unterschiedlichen Einstellungen vorhersagt. Für jede Einstellung werden die spezifischen Produktionskosten kalkuliert, und ein Optimierungsalgorithmus ermittelt die kosteneffizienteste Einstellung, die die Mindestqualität gewährleistet. Die Entwicklungen werden an zwei Produktionsanlagen validiert, und die Investition wird monetär mittels einer dynamischen Amortisationsdauerrechnung bewertet. Zudem wird das Messsystem verbessert, um mit kostengünstiger Kameratechnik die optische Gleichmäßigkeit eines Krempelflores mithilfe neuronaler Netze zu klassifizieren.
