Geri Dön

Development of models for the prediction of quality performance of cotton/elastane core yarn

Pamuk/elastan karışımlı özlü ipliğin kalite performansını tahmin edebilen modeller geliştirme

  1. Tez No: 545330
  2. Yazar: ENVER CAN DORAN
  3. Danışmanlar: DOÇ. DR. CENK ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 148

Özet

Özlü iplikler filaman çevresine farklı bir elyaf sarılmasıyla oluşturulan katma değerli ipliklerdir. Bu iplikler, tekstil endüstrisinde giderek artan bir öneme sahiptir. Bu yüzden hatasız üretim ve ürün kalite özelliklerini elyaf kalite ve eğirme parametrelerini kullanarak tahmin eden modellerin geliştirilmesine duyulan ihtiyaç da giderek artmaktadır. Çok değişkenli veri boyutu doğru tahmin olasılığını düşürdüğü için veri matrisinin boyutlarını küçültme yolları incelenmiştir. Temel Bileşenler Analizi (TBA) ve Varyans Analizi (VA) kullanılarak girdi matrisinin boyutu azaltılmıştır. Pamuk/elastin karışımlı özlü ipliklerin kalite özelliklerini tahmin etme problem lineer olmadığı için. özlü iplik kalite özelliklerinin tahmini için Yapay Sinir Ağları (YSA) ve Destek Vektör Makinaları'nın (DVM) kullanılması önerilmiştir. Boyut küçültme yöntemlerinin etkilerini daha rahat görebilmek amacıyla bütün TBA, VA ve boyutları küçültülmemiş girdi matrisleri ayrı ayrı modellenip sonuçları karşılaştırılmıştır. Tahmin eden modeler bir tekstil fabrikasından alınan veriler kullanılarak geliştirilmiştir. Ortalama Hataların Karesi, Mutlak Ortalama Hata Yüzdesi ve R2 değerleri sistemin performans ölçütleri olarak belirlenmiştir. TBA girdilerini kullanan YSA en iyi Ortalama Hataların Karesi ve Mutlak Ortalama Hata Yüzdesi değerlerini vermiştir. Modellerin en iyisinin, özlü iplik kalite özelliklerinin birçoğunu, Mutlak Ortalama Hata Yüzdesi'ne göre yüzde 90 üzerinde bir başarıyla tahmin ettiği gösterilmiştir.

Özet (Çeviri)

Core yarn is a type of yarn that has a filament fiber in the center with a different fiber wrapped around it. They have a raising importance in the textile industry. That's why error free production for cotton/elastane core yarns and the design of models that can correctly predict the product quality parameters from fiber quality and spinning parameters are needed more and more. Since the multivariate data size reduces the successful prediction chance, the ways to decrease the dimension of data matrix was investigated. Principal Component Analysis (PCA) and Analysis of Variance (ANOVA) were both used to reduce the dimension of input matrix. Since cotton/elastane yarn quality performance prediction problem is non linear, Artificial Neural Networks (ANN) and Support Vector Machines (SVM) were proposed to predict the quality control parameters of core yarns. Both inputs from PCA, ANOVA and the unreduced input matrix were used to compare the power of each size reduction. The predicting models were designed using the data from a textile plant. Mean Square Error (MSE), Mean Absolute Percentage Error (MAPE) and R squared values were used as performance indicators. Neural Networks with PCA reduced input matrix was shown to have the best MSE and MAPE values. The best model has shown to have over 90% success rate in MAPE for most of the yarn quality characteristics.

Benzer Tezler

  1. Software defect prediction with a personalization focus and challenges during deployment

    Kişiselleştirme odaklı yazılım hata tahmini ve entegrasyon zorlukları

    BEYZA EKEN

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN

  2. Development of a decision-support tool for managing drinking water reservoir by using machine learning and deep learning methods

    Makine öğrenmesi ve derin öğrenme yöntemlerini kullanarak içme suyu reservuarının yönetimi için bir karar destek aracının geliştirilmesi

    SERKAN ÖZDEMİR

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. SEVGİ ÖZKAN YILDIRIM

    DR. MUHAMMAD YAQUB

  3. İnşaat süresini etkileyen faktörler ve inşaat süresi tahmin modelleri

    Factors affecting and models to estimate construction time

    E.DİDEM KARSLI

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. AHMET MURAT ÇIRACI

  4. Hızlı gıda analizlerine yönelik yakın kızılötesi spektroskopisi (NIR) sistemi geliştirilmesi

    Development of near infrared spectroscopy (NIR) system for rapid food analysis

    HÜSEYİN EFE GENİŞ

    Doktora

    Türkçe

    Türkçe

    2018

    Gıda MühendisliğiHacettepe Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL HAKKI BOYACI

  5. Basınçlı su reaktörleri U borulu buhar üreteçlerinin termo-hidrolik modellenmesi

    Thermal-hydraulic analysis of U-tube steam generators for gressurized water reactors

    SÜLEYMAN ÖZKAYNAK

    Doktora

    Türkçe

    Türkçe

    1991

    Nükleer Mühendislikİstanbul Teknik Üniversitesi

    PROF.DR. HASBİ YAVUZ