Standart dokuma kumaşların tasarımı için yapay zekâ tekniklerini uygulama ve karşılaştırma
Küçük Resim Yok
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Tekirdağ Namık Kemal Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bilim ve teknolojideki gelişmelerin endüstriye uyarlanması kapamında, yapay zekâ uygulamalarının tekstil sektöründe kullanımı da giderek artmaktadır. İşletmelerin geçmişteki verilerinin doğru değerlendirilip analiz edilmesi ile gelecekteki durumlarının tahmin edilmesinde istatistiki yöntemlerin eksik kaldığı durumlarda bu yöntemlerin kullanılması oldukça iyi sonuçlar verebilmektedir. Dokuma kumaşların yapısal ve performans özelliklerinin tahmini kumaş tasarımı açısından son derece önemlidir. Bu çalışmada, pamuklu dokuma kumaşlar ile poliester/ viskon karışımlı dokuma kumaşların ayrı ayrı yapısal özelliklerinden; kumaş eni, kumaş birim alan ağırlıkları, kumaş kıvrımları ile en önemli performans özelliklerinden olan kopma kuvveti, yırtılma mukavemeti ve dikiş açılma mukavemetinin tahmini için ampirik veriler ile çoklu doğrusal regresyon, yapay sinir ağları, rastgele orman algoritmaları ve mars tekniği kullanılarak modeller geliştirilmiştir. Modeller oluşturulurken Minitab İstatistik Programı, Weka ve R yazılımı kullanılmıştır. Bu çalışmada kumaş özellikleri ile değişkenler arasındaki ilişkiyi daha iyi ortaya koymak adına, tahmin edilmesi planlanan kumaş özelliklerine etkiyen açıklayıcı değişkenler araştırılmış, ilgili değişkenlerle çeşitli modeller denenmiş ve çıkan sonuçlar karşılaştırılmıştır. Dört farklı teknik ile oluşturulan modeller içerisinde kumaşların yapısal özellikleri için rastgele orman algoritmaları, performans özellikleri için ise regresyon modellerinin diğer modellere göre daha iyi tahmin sonucu görülmüştür. Anahtar Kelimeler: Dokuma Kumaş, Regresyon, Yapay Sinir Ağları, Rastgele Orman Algoritması, Mars Tekniği, Kumaş Tasarımı.
The utilization of artificial intelligence techniques in the textile and apparel sector has been increasing as the adaptation of recent developments in science and technology into industry continues. The use of such methods are particularly very useful when making predictions based on the past company data in the cases where statistical methods are likely to be insufficient. An accurate projection of both structural and performance properties of woven fabrics is extremely important in fabric design. In this study, several models based on multiple linear regression, artificial neural networks and random forest algorithms were developed to predict basic structural properties and performance qualities of woven fabrics. Industrial data from the two groups of woven fabrics, pure cotton and polyester/viscose blend, are used to predict raw and finished fabric width, fabric unit area weight, warp and weft crimps, togehter with breaking strength, tear strength and seam slippage strength, which are the most important performance characteristics. Minitab Statistics Program, Weka and R software were used for creating the relevant models. For the sake of revealing the best relationship between the properties and variables of fabric, various explanatory variables influencing the fabric properties were taken into consideration and several models were developed and the overall results are compared. Among all the models created by four different techniques, random forest algorithms appear to have better prediction ability for the structural properties of fabrics while regression models prove better values for the performance characteristics of fabrics. Keywords: Woven Fabric, Regression, Artificial Neural Networks, Random Forest Algorithm, Mars Technique, Fabric Design.
The utilization of artificial intelligence techniques in the textile and apparel sector has been increasing as the adaptation of recent developments in science and technology into industry continues. The use of such methods are particularly very useful when making predictions based on the past company data in the cases where statistical methods are likely to be insufficient. An accurate projection of both structural and performance properties of woven fabrics is extremely important in fabric design. In this study, several models based on multiple linear regression, artificial neural networks and random forest algorithms were developed to predict basic structural properties and performance qualities of woven fabrics. Industrial data from the two groups of woven fabrics, pure cotton and polyester/viscose blend, are used to predict raw and finished fabric width, fabric unit area weight, warp and weft crimps, togehter with breaking strength, tear strength and seam slippage strength, which are the most important performance characteristics. Minitab Statistics Program, Weka and R software were used for creating the relevant models. For the sake of revealing the best relationship between the properties and variables of fabric, various explanatory variables influencing the fabric properties were taken into consideration and several models were developed and the overall results are compared. Among all the models created by four different techniques, random forest algorithms appear to have better prediction ability for the structural properties of fabrics while regression models prove better values for the performance characteristics of fabrics. Keywords: Woven Fabric, Regression, Artificial Neural Networks, Random Forest Algorithm, Mars Technique, Fabric Design.
Açıklama
Fen Bilimleri Enstitüsü, Tekstil Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Tekstil ve Tekstil Mühendisliği, Textile and Textile Engineering
