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: Belirtilmemiş.
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
- Restoring underwater images from turbidity and motion blur – a three-step framework
Bulanıklık ve hareketten etkilenmiş sualtı görüntülerinin iyileştirilmesi – üç adımlı bir yaklaşım
FATIMA IQBAL
Yüksek Lisans
İngilizce
2026
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
PROF. DR. SERHAT KÜÇÜKALİ
- Manisa yöresinde domateste anlaşmalı tarım ve karşılaşılan sorunlar
Başlık çevirisi yok
OSMAN MURAT KOÇTÜRK
Yüksek Lisans
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF. DR. METİN TALİM
- Bir pamuk iplikhanesinde fiili çalışma metodlarının incelenmesi ve mevcut işlemlerin standart sürelerinin saptanması
Başlık çevirisi yok
MÜRŞİDE KESEROĞLU
Yüksek Lisans
Türkçe
1985
İşletmeEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA NAZMİ ERCAN
- Barajların hacim-verim ilişkisi üzerine bir araştırma
Başlık çevirisi yok
MEHMET KILIÇARSLAN
Yüksek Lisans
Türkçe
1987
İnşaat MühendisliğiÇukurova Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TEFARUK HAKTANIR
- Çiğit ve ayçiçek yağlarının doğal antioksidan içerikleri ile bu yağların stabilitelerinin arttırılmaları üzerinde araştırmalar
Başlık çevirisi yok
ALİ KEMAL YALNIZ
Doktora
Türkçe
1985
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. MAHİR ÇOLAKO¦LU