Yapay zeka modelleri kullanarak süreç iyileştirmeye yönelik bir çalışma: Şönil kumaş örneği
A study on process improvement using artificial intelligence models: Example of Chenille fabric
- Tez No: 920559
- Danışmanlar: PROF. DR. SUAT ÇETİNER, PROF. DR. HALİL İBRAHİM ÇELİK
- Tez Türü: Doktora
- Konular: Tekstil ve Tekstil Mühendisliği, Textile and Textile Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Tekstil Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Tekstil Mühendisliği Bilim Dalı
- Sayfa Sayısı: 110
Özet
Bu tez çalışmasında, farklı şönil iplik ile şönil kumaş parametreleri ve şönil kumaş görüntü özellikleri kullanılarak kumaşların bazı performans özelliklerinin yapay zeka yöntemleri ile tahmin edilmesi amaçlanmıştır. Bu çalışma için hav uzunluğu, iplik numarası ve lif tipi parametreleriyle farklı şönil iplikler üretilmiştir. Üç farklı lif tipi kullanılmıştır: polyester, akrilik ve viskon. Her lif tipi için dört farklı iplik numarası ve her iplik numarası için dört farklı hav uzunluğu kullanılmıştır. Böylece 48 farklı iplikten 48 dokuma kumaş elde edilmiştir. Tahmin edilen performans özellikleri arasında atkı-çözgü yönünde kopma mukavemeti ve aşınma direnci yer almıştır; bu özellikler çıktı verilerini oluşturmuştur. Birinci durumda girdi verileri olarak hav uzunluğu, iplik numarası, lif tipi, atkı sıklığı, kumaş kalınlığı ve kumaş ağırlığı kullanılmıştır. İkinci durumda ise elde edilen kumaş görüntülerinden yüzey özellikleri çıkarılmış ve bunlar girdi verileri olarak kullanılmıştır. Yapay Sinir Ağı (YSA) modellerini geliştirmek için MATLAB'daki sinir ağı araç kutusu kullanılmıştır. Üç performans özelliğini tahmin etmek için farklı ağ yapıları kullanılmış, böylece daha doğru sonuçlar elde edilmesi amaçlanmıştır. Birinci durumda ve ikinci durumda elde edilen YSA modellerinin başarı oranları belirlenmiş ve karşılaştırma yapılmıştır. Deney ve tahmin sonuçları arasındaki R değerlerine bakıldığında; birinci yöntemde 0.98, 0.86, 0.93 iken ikinci yöntemde 0.78, 0.73, 0.68 olduğu görülmüştür. Birinci durumda kullanılan girdi verileri ile kurulan modellerde diğerine nazaran daha yüksek tahminleme başarıları elde edilmiştir. Ancak ikinci durumda sadece görüntülerden çıkarılan özellikler kullanılmasına rağmen tahminleme başarısının göz ardı edilemeyecek kadar iyi olduğu görülmüştür.
Özet (Çeviri)
In this thesis study, it is aimed to predict some performance properties of fabrics with artificial intelligence methods by using different chenille yarn and chenille fabric parameters and chenille fabric image features. For this study, different chenille yarns were produced with parameters of pile length, yarn count and fiber type. Three different fiber types were used: polyester, acrylic and viscose. Four different yarn counts were used for each fiber type and four different pile lengths were used for each yarn count. Thus, 48 woven fabrics were obtained from 48 different yarns. Predicted performance properties included breaking strength in weft-warp direction and abrasion resistance; these features formed output data. In the first case, pile length, yarn count, fiber type, weft density, fabric thickness and fabric weight were used as input data. In the second case, surface features were extracted from obtained fabric images and these were used as input data. The neural network toolbox in MATLAB was used to develop Artificial Neural Network (ANN) models. Different network structures were used to estimate three performance features, thus aiming to obtain more accurate results. The success rates of ANN models obtained in first case and second case were determined and compared. When looking R values between experimental and prediction results; while it was 0.98, 0.86, 0.93 in first method, it was 0.78, 0.73, 0.68 in second method. In first case, higher prediction successes were achieved in models built with input data used compared to the other. However, in second case, although only features extracted from images were used, prediction success was seen to be too good to be ignored.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Digitalization in construction claim management
İnşaat hak talebi yönetiminde dijitalleşme
NİL DENİZMEN
Yüksek Lisans
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ ARTAN
- Developing a process mining-based model for detecting patient safety errors in healthcare
Sağlık sektöründe, hasta güvenliğine yönelik hataların tespit edilmesinde süreç madenciliğine dayalı bir model geliştirilmesi
AHMET MURAT SÜMER
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMİL CEYLAN
- Üç boyutlu yazıcılar marifetiyle beton bina inşasında duvar topolojisinin yapay zekâ teknikleri ile optimizasyonu
Topology optimization of 3D printed concrete structural walls through artificial intelligence techniques
ABDULKADİR ÖZALP
Doktora
İngilizce
2025
İnşaat MühendisliğiHacettepe Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER ALDEMİR
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN