Derleme
BibTex RIS Kaynak Göster

Yapay Sinir Ağı Yöntemlerinin Tekstil Sektöründe Kullanım Uygulamaları

Yıl 2021, Cilt: 11 Sayı: 2, 14 - 20, 26.07.2021
https://doi.org/10.35354/tbed.884531

Öz

Günümüzde tekstil ürünlerine olan talebin artması ve müşteri beklentilerinin yükselmesi ile birlikte, tekstil sektöründe müşteriye sunulan süreç, ürün ve hizmet faktörlerinde gelişim zorunlu bir ihtiyaç haline gelmiştir. Bu gelişimi sağlayabilecek araştırma yöntemlerinden birisi de yapay sinir ağlarıdır (YSA). YSA, insan beyninin basitleştirilmesi sonucunda türetilen algoritmik yapıları temsil etmektedir. YSA yöntemi beyindeki nöronların matematiksel modellere dönüştürülmesini kapsar. Bu sayede, genelleme, tahmin yürütme ve problem çözümü işlemleri gerçekleştirilebilir. Bu çalışmada yapay sinir ağı yöntemlerinin tekstil sektöründe ki kullanımlarına yönelik literatür çalışmaları araştırılmıştır. Tekstil literatüründe yapay sinir ağlarının, iplik parametrelerinin tahmin edilmesinde, dokuma aşamasında, terbiye bölümünde, kumaş konfor parametrelerinin tahmin edilmesinde kullanıldığı çalışmalara rastlamak mümkündür. Tekstil sektöründe YSA yöntemlerinin başarıyla uygulanabildiği ve başarılı sonuçlar elde edildiği belirlenmiştir.

Kaynakça

  • [1] Efe Ö.M., Kaynak, O. 2000. Yapay Sinir Ağları ve Uygulamaları. Boğaziçi Üniversitesi, Yayın No: 696 -148 s
  • [2] Zadeh, L. 1994. Soft Computing and Fuzzy Logic, IEEE Software, vol. 11, no.1-6, pp. 48-56.
  • [3] Keeler, J. 1992. Vision of Neural Networks and Fuzzy Logic for Prediction and Optimisation of Manufacturing Processes, In: Applications of Artificial Neural Networks III, vol. 1709, pp. 447-456
  • [4] Haykın, S. 1999. Neural Networks: A Comprehensive Foundation, New Jersey
  • [5] Fausett, L. 1994. Fundamentals of Neural Networks, Prentice Hall International, London
  • [6] Lippman, R.P. 1987. An İntroduction To Computing With Neural Nets. IEEE ASSP Magazine, pp. 4-22.
  • [7] Kargı, V.S. 2013. Yapay Sinir Ağ Modelleri Ve Bir Tekstil Firmasında Uygulama. Uludağ Üniversitesi Sosyal Bilimler Enstitüsü Ekonometri Anabilim Dalı Yöneylem Bilim Dalı, Bursa
  • [8] Elmas, Ç., 2004. Yapay Zekâ, Popüler Bilim, Sayı: 124.
  • [9] Vassiliadis,S., Rangoussi,M., Cay, A., Provatidis, C. 2010. Artificial Neural Networks and Their Applications in the Engineering of Fabrics, Woven Fabric Engineering, Polona Dobnik Dubrovski (Ed.), 111-134, ISBN: 978-953-307-194-7
  • [10] Özdemir H. 2013. Yapay Sinir Ağları ve Dokuma Teknolojisinde Kullanımı. Tekstil Teknolojileri Elektronik Dergisi, 7(1), 51-68
  • [11] Bhattacharjee D., Kothari V. K. 2007. A Neural Network System for Prediction of Thermal Resistance of Textile Fabrics. Textile Research Journal, 77, 4-12.
  • [12] She F.H., Kong L.X., Nahavandi S., Kouzani A.S. 2002. Intelligent Animal Fiber Classification with Artificial Neural Networks, Text. Res. J., 72(7), pp 594-600.
  • [13] Cheng L., Ghorashi H., Duckett K., Zapletalova T., Watson M. 1999. Color Grading of Cotton Part II: Color Grading with an Expert System and Neural Networks, Text. Res. J., 69(12), pp 893-903.
  • [14] Xu B., Su J., Dale D.S.. Watson M.D. 2000. Cotton Color Grading with a Neural Network, Text. Res. J., 70(5), pp 430-436.
  • [15] Kang T.J., Kim S.C. 2002. Objective Evaluation of the Trash and Color of Raw Cotton by Image Processing and Neural Network, Text. Res. J., 72(9), pp. 776-782.
  • [16] Mwasiagi J. I., Wang X. H., Huang X. B. 2009. The Use of K-means and Artificial Neural Network to Classify Cotton Lint, Fibers and Polymers, Vol.10, No.3, 379-383.
  • [17] Allan G., Yang R., Fotheringham A., Mather R. 2001. Neural modelling of polypropylene fibre processing: Predicting the structure and properties and identifying the control parameters for specified fibres, J. of Materials Science, 36 pp. 3113 – 3118
  • [18] Kuo C.F.J., Hsiao K.I., Wu Y.S. 2004. Using Neural Network Theory to Predict the Properties of Melt Spun Fibers, Text. Res. J., 74(9), 2004, pp 840-843.
  • [19] Tsai, I.S., Lin, C.H., Lin, J.J., 1995. Applying an Artificial Neural Network to Pattern Recognition in Fabric Defects, Textile Research Journal, 65(3), 123-130
  • [20] Tsai, I.S., Hu, M.C. 1996. Automatic Inspection of Fabric Defects Using an Artificial Neural Network Technique, Textile Research Journal, 66(7), 474-482
  • [21] Bahlmann, C., Heıdemann, G., Rıtter, H. 1999. ANN For Automated Quality Control Of Textile Seams, Pattern Recognition, 32,1049-1060.
  • [22] Zeng Y. C., Wang K. F. and Yu C. W. 2004. Predicting the Tensile Properties of Air-Jet Spun Yarns, Textile Research Journal, 74(8), 689-694.
  • [23] Doğmuş, O., Onat A., Yılmaz, Ş., Ergün, Ş. 2005. Tekstil Fabrikalarındaki Bağıl Nemin Yapay Sinir Ağları Yöntemi İle Kontrolü. KSÜ Fen ve Mühendislik Dergisi 8(1), 53-59
  • [24] Erol, V., Başlıgil, H. 2005. Analytic Hierarchy Process and Artificial Neural Networks Model for Management Information Systems Software Selection in Companies. Journal of Engineering and Natural Sciences, 4, 107-120.
  • [25] Güneşoğlu, S. 2005. Sportif Amaçlı Giysilerin Konfor Özelliklerinin Araştırılması. Doktora Tezi, Uludağ Üniversitesi, Bursa, Türkiye.
  • [26] Majumdar, A., Majumdar, P. K., Sarkar, B. 2005. Application of linear regression, artificial neural network and neuro-fuzzy algorithms to predict the breaking elongation of rotor-spun yarns, Indian Journal of Fibre & Textile Research, Vol. 30, 19-25.
  • [27] Nasiri, M., Shanbeh, M., Tavanai, H. 2006. “Comparison of Statistical Regression, Fuzzy Regression and Artificial Neural Network Modeling Methodologies in Polyester Dyeing”. International Conference on Computational Intelligence for Modelling, Control and Automation and International Conference on Intelligent Agents, Web Technologies and Internet Commerce.
  • [28] Yürük, N. 2006. %100 Pamuklu Dokuma Kumaşlara Uygulanan Buruşmazlık Bitim İşlemi Sonrası Kopma Mukavemeti, Aşınma Dayanımı ve Buruşma Açısı Özelliklerinin Yapay Sinir Ağı (ANN) Yöntemi ile Tahminlenmesi. Uludağ Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 76 s., Bursa.
  • [29] Hasani, H., Shanbeh, M. 2010. Application of multiple linear regression and artificial neural network algorithms to predict the total hand value of summer knitted T-shirts. Indian Journal of Fibre & Textile Research Vol. 35, 222-227.
  • [30] Ierace, S., Pinto, R., Troiano, L., Cavalieri, S. 2010. Neural network as an efficient diagnostics tool: A case study in a textile company. IFAC Proceedings Volumes, 43(3), 122-127.
  • [31] Sarıdereli, A. 2010. Boyahanelerde Laboratuvar İle İşletme Arasındaki Renk Değişimlerinden Kaynaklanan Hataların Azaltılması. Dokuz Eylül Üniversitesi Fen Bilimleri Enstitüsü, İzmir.
  • [32] Majumdar A. 2011. Modelling of Thermal Conductivity of Knitted Fabrics Made of Cotton-Bamboo Yarns Using Artificial Neural Network”. The Journal of The Textile Institute, 102(9), 752-762.
  • [33] Huang, M. L., Fu, C.C. 2018. Applying Image Processing to the Textile Grading of Fleece Based on Pilling Assessment, Fibers 2018, 6, 73
  • [34] Toprakçı, O. 2008. Ring İplikçiliğinde Lif Özelliklerinden Pamuk İpliği Özelliklerinin Tahminlenmesinin Araştırılması. Pamukkale Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi Tekstil Mühendisliği Anabilim Dalı. Denizli,syf 208.
  • [35] Öztemel E. , 2006. Yapay Sinir Ağları. Papatya Yayıncılık Eğitim, İstanbul, Türkiye.
Toplam 35 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler
Yazarlar

Mustafa Çörekcioğlu

Emel Ercan

Sultan Aras Elibüyük

Yayımlanma Tarihi 26 Temmuz 2021
Yayımlandığı Sayı Yıl 2021 Cilt: 11 Sayı: 2

Kaynak Göster

APA Çörekcioğlu, M., Ercan, E., & Aras Elibüyük, S. (2021). Yapay Sinir Ağı Yöntemlerinin Tekstil Sektöründe Kullanım Uygulamaları. Teknik Bilimler Dergisi, 11(2), 14-20. https://doi.org/10.35354/tbed.884531