Researchers used machine learning to predict fabric shrinkage and sanfor machine parameters to minimize trial and error.
The study aimed to overcome the difficulty of achieving precise fabric shrinkage values in a single run by using machine learning techniques. To achieve this, researchers measured the weight, bursting strength, and shrinkage values of sample fabrics before and after the sanfor process. These data were used to create models that can predict fabric shrinkage and sanfor machine parameters based on the desired target shrinkage value.
Abstract
Sanfor işlemi mekaniği tekstil terbiyesinin en önemli ve selüloz esaslı kumaşlara uygulanan son bitim işlemidir. Bu işlem ile kumaşlara en-boy çekmezliği sağlanır, tuşa kazandırılır, buruşuklukları açılır ve aynı zamanda kumaş metrekare gramajı da bu aşamada başlatılır. İstenilen kumaş çekmezlik değerlerinin tek seferde zaman kaybından ve arızasız bir şekilde elde edilebilmesi, sanfor işlem değişkenleri ve öncesindeki proseslerden kaynaklanan kumaş özelliklerinde meydana gelen olumsuz değişimlerden dolayı güçtür.
Çalışma kapsamında, bu güçlüğü aşmak ve tek seferde hassas bir şekilde istenilen çekmezlik değerlerinin çalıştırılması, makine kontrolünün en aza indirilmesi amacıyla yapay öğrenme teknikleri kullanılarak çekmezlik ve sanfor çalışma parametrelerinin istenilen hedef çekmezliğe göre tahmin edilmesi.
Bu amaçlanan sanfor işlemi öncesi numune kumaşların gramajı, patlama dayanımı ve çekmezlik değerleri ölçülmüştür. Bu veriler modellerin oluşturulmasında kullanıldı. Bunun yanı sıra son işlem sonrasında da hedeflenen gramaj, patlama dayanımı ve çekmezlik değerleri de girilen şekilde kullanıldı. Sanfor makinesinin çalışma izni ise çıkmış olarak kabul edilmiştir.
References
- 1.Khan, M. D., Rahman, M., Ahmed, M., Shuvo, K., & Ahmed, R. (2020). Optimization of Residual Shrinkage Control of 100% Cotton Woven Fabric Through Sanforization. Journal Of Textile Science & Fashion Technology.
- 2.Parlakyiğit, P. (2022). Tekstilde İstatistiksel Proses Kontrol Uygulaması Örneği-Terbiye İşletmesi. Çukurova Üniversitesi Mühendislik Fakültesi Dergisi, 37(4), 911-924.
- 3.Yıldırım, P., Birant, D., & Alpyıldız, T. (2018). Data mining and machine learning in textile industry. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 8(1), e1228.
- 4.Kalkancı, M., Sinecen, M., & Kurumer, G. (2018). Prediction of dimensional change in finished fabric through artificial neural networks. Textile and Apparel, 28(1), 43-51.
- 5.Anupreet, K., & Roy, K. (2016). Prediction of shrinkage and fabric weight (g/m2) of cotton single jersey knitted fabric using artificial neural network and comparison with general linear model. Int J Inf Res Rev, 3, 2541-2544.
- 6.Kumar, T. S., & Sampath, V. R. (2013). Prediction of dimensional properties of weft knitted cardigan fabric by artificial neural network system. Journal of Industrial Textiles, 42(4), 446-458.
- 7.https://scikit-learn.org/stableLink