The Usage of Machine Learning in Performance Analysis of Towel Fabrics

Öz

Textile is an area where products are tested at almost every step from raw material to the final product. With the increasing world population, continuous research and analyses are conducted in the textile sector to produce new products. These analyses create a large data source. For this purpose, a dataset has been created using data from a towel company located in the Demirtaş Organized Industrial Zone. Test results such as tensile strength, hydrophilicity, and air permeability applied to towel fabrics were used in the dataset. Machine learning regression models, suitable for the created dataset have been presented. According to the estimation results, the SVM model performed best R2 score in tensile strength and air permeability results, while Random Forest performed best in hydrophilicity results. The findings suggest that tensile strength, hydrophilicity, and air permeability values can be predicted by machine learning models.

Anahtar Kelimeler

• machine learning
• regression models
• terry fabric
• artificial intelligence

HAVLU KUMAŞLARIN PERFORMANS ANALİZLERİNDE MAKİNE ÖĞRENMESİNİN KULLANIMI

Öz

Tekstil, hammaddeden başlayıp son ürün elde edilene kadar hemen hemen her adımda çıkan ürüne test yapılan bir alandır. Artan dünya nüfusu ile birlikte tekstil sektöründe yeni ürünler üretmek için sürekli araştırma ve analiler yapılmaktadır. Yapılan bu analizlerde büyük bir veri kaynağı oluşturmaktadır. Bu amaç doğrultusunda da Demirtaş Organize Sanayi Bölgesi’nde yer alan bir havlu firmasından alınan veriler kullanılarak bir veri seti oluşturulmuştur. Veri setinde havlu kumaşlara uygulanan testlerden olan kopma mukavemeti, hidrofilite ve hava geçirgenliği test sonuçları kullanılmıştır. Oluşturulan veri setine uygun makine öğrenmesi regresyon modelleri sunulmuştur. Elde edilen tahmin analiz sonuçlarına göre kopma mukavemeti ve hava geçirgenliği sonuçlarında SVM modeli, hidrofilite sonuçlarında Random Forest en iyi R2 skor performansı göstermiştir. Bulgular kopma mukavemeti, hidrofilite ve hava geçirgenliği değerlerinin makine öğrenmesi modelleri ile tahmin edilebileceğini sunmaktadır.

Anahtar Kelimeler

• Makine öğrenmesi
• regresyon modelleri
• havlu kumaş
• yapay zeka

Kaynakça

1. Acar, D. N. (2004) Havlu Ve Bornoz Konfeksiyon Süreci Üzerine Bir Araştırma, Yüksek Lisans Tezi, Pamukkale Üniversitesi Fen Bilimleri Enstitüsü, Denizli, 115s, (2004).
2. Akçan, A. (2001) Lycra® Lı Dokuma Kumaşların Üretimi Ve Lycralı Dokuma Kumaşlarda Boyut Değişimi. Afyon Kocatepe Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Afyon, Türkiye.
3. Alpaydin, E. (2016). Machine learning. MIT Press.
4. Aslan, S. R. (2022). Likralı Havlu Kumaş Tasarımı Ve Uygulama Alanlarının Araştırılması (Doctoral Dissertation, Bursa Uludag University (Turkey)).
5. Atalay, M., & Çelik, E. (2017). Büyük Veri Analizinde Yapay Zekâ Ve Makine Öğrenmesi Uygulamalari-Artificial İntelligence And Machine Learning Applications İn Big Data Analysis. Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(22), 155-172. https://doi.org/10.20875/makusobed.309727
6. Ayan, H. E., & Sabır, E. C. (2013). Eğirme Parametrelerinin İplik Kalitesine Etkisi. Çukurova Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 28(1), 111-118.
7. Azeem, M., Ahmad, Z., Wiener, J., Fraz, A., Siddique, H. F., & Havalka, A. (2018). Influence Of Weave Design And Yarn Types On Mechanical And Surface Properties Of Woven Fabric. Fibres & Textiles İn Eastern Europe, (1 (127)), 42-45. http://dx.doi.org/10.5604%2F01.3001.0010.7795
8. Boser, B.E.; Guyon, I.M.; Vapnik, V.N. (1992) A training algorithm for optimal margin classifier. Proceedings of the 5th ACM Workshop (Pennsylvania, USA). pp. 144–152. https://doi.org/10.1145/130385.130401

9. Breiman, L. (2001) Random forests. Mach. Learn. 45(1), 5–32 https://doi.org/10.1023/A:1010933404324
10. Can, Y., & Akaydın, M. (2012). Yıkama İşleminin Pamuklu Bezayağı Kumaşların Boncuklanma Özelliğine Etkileri. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 19(4), 170-173. doi: 10.5505/pajes.2013.63935
11. Deniz, A. C. (2019). Pamuklu Dokuma Havlu Kumaşlarda Boyama Öncesi Kullanılan Enzimlerin Kumaşın Fiziksel Özelliklerine Etkisinin İncelenmesi (Master's Thesis, Pamukkale Üniversitesi Fen Bilimleri Enstitüsü).
12. Eren, S.,Öztürk, M., & Türkçen, S. Pamuklu Dokuma Havlu Kumaşların Ozon Gazı İle Ağartılması. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 28(2), 631-644. https://doi.org/10.17482/uumfd.1314750
13. Ersöz, F., & ÇINAR, Y. (2021). Veri Madenciliği Ve Makine Öğrenimi Yaklaşımlarının Karşılaştırılması: Tekstil Sektöründe Bir Uygulama. Avrupa Bilim Ve Teknoloji Dergisi, (29), 397-414. https://doi.org/10.31590/ejosat.1035124
14. Frydrych, I., Dziworska, G., Matusiak, M., Filipowska,B. (2000) Aesthetic And Hygienic Properties Of Fabrics Made From Different Cellulose Raw Materials. Fibres&Textiles İn Eastern Europe, Vol: 8, No: 2 (29), Pp: 46-49
15. Hastie, T., Tibshirani, R., Friedman, J. H., & Friedman, J. H. (2009). The elements of statistical learning: data mining, inference, and prediction (Vol. 2, pp. 1-758). New York: springer.
16. Hasan, M. Z., Asif, A. A. H., Rahaman, M. T., & Akter, S. (2021). Effect Of Super White Washing Process Temperature And Optical Brightening Agent Concentration On Various Properties Of Stretch Denim Fabric. International Journal Of Systems Engineering, 5(1), 43- doi: 10.11648/j.ijse.20210501.16
17. Kakde, M. V., More, H., Magarwadia, B., & Kejkar, V. (2017). Effect Of Pile Density On Physical Properties Of Terry Towel Fabric. International Journal Of Textile Engineering And Progress, 3(1), 1-3. 50.
18. Kalaycı, E., Ala, D. M., Topçu, H., Tetsuya, S. A. T. O., & Yüksel, İ. K. İ. Z. (2023). The Effects Of Repeated Laundering And Structural Parameters On The Terry Fabric Preference Of Japanese Consumers And Comparison With Turkish Consumers. Çukurova Üniversitesi Mühendislik Fakültesi Dergisi, 38(3), 695-704. https://doi.org/10.21605/cukurovaumfd.1377727
19. Khan, N., & Ammar Taqvi, S. A. (2023). Machine Learning An İntelligent Approach İn Process İndustries: A Perspective And Overview. Chembioeng Reviews, 10(2), 195-221. https://doi.org/10.1002/cben.202200030
20. MAVRUZ, S., & OĞULATA, R. T. (2009). Biyoparlatma Uygulanmış Örme Kumaşlara Tekrarlı (Çoklu) Yıkamaların Etkisinin İncelenmesi. Journal Of Textile & Apparel/Tekstil Ve Konfeksiyon, 19(3).
21. Mahesh, B. (2020). Machine Learning Algorithms-A Review. International Journal Of Science And Research (IJSR).[Internet], 9(1), 381-386. https://doi.org/10.21275/ART20203995
22. Özbahar, S. (2021). Farklı Lif Çeşitlerinden Üretilen Havluların Fiziksel Özelliklerinin İncelenmesi (Master's Thesis, Pamukkale Üniversitesi Fen Bilimleri Enstitüsü).
23. Özdemir, G., & Kahyeoğlu, T. (2022). Ev Tekstili Ürününe Yönelik Fonksiyonel Tasarımlar: Bornoz Ve Havlu Tasarımı. Elektronik Sosyal Bilimler Dergisi, 21(83), 1293-1304. https://doi.org/10.17755/esosder.1027557
24. Özgür, S. B. (2021). Algoritmalar, Yapay Zeka, Makine Öğrenmesi, Derin Öğrenme Ve Uygulamaları: Beşeri Fayda Üretiminin Yazılımlar Tarafından Karşılanması. Ekonomi Ve Yönetim Araştırmaları Dergisi, 10(1), 1-29.
25. Pereira, F., Carvalho, V., Vasconcelos, R., & Soares, F. (2022). A Review İn The Use Of Artificial İntelligence İn Textile İndustry. In Innovations İn Mechatronics Engineering (Pp. 377-392). Springer International Publishing. https://doi.org/10.1007/978-3-030-79168-1
26. Petrulyte, S., & Baltakyte, R. (2008). Investigation İnto The Wetting Phenomenon Of Terry Fabrics. Fibres & Textiles İn Eastern Europe, 16(4), 62-66.
27. Pınarlı, A. (2001) Örme kumaşların Terbiyesi işletme Ve Laboratuar ortamında gerçekleştirilen Terbiye işlemlerinin kumaş yapısına Etkileri (Master's thesis, Marmara Universitesi (Turkey)).
28. Ram, S. K., & Singh, J. P. (2021). Tensile Behaviour Of Woven Velour Printed Terry Fabrics. Indian Journal Of Fibre & Textile Research (IJFTR), 46(1), 29-33. https://doi.org/ 10.56042/ijftr.v46i1.31638
29. Senem, P. A. K., ATILGAN, T., & Kanat, S. (2020). Denizli Ev Tekstili Sektörünün Mevcut Durumunun Analiz. Tekstil Ve Mühendis, 27(117), 31-40. DOI: 10.7216/1300759920202711704
30. ŞEKERDEN, F., & Celik, N. (2010). Weft Elastane Weaving And Fabric Characteristics. Textile And Apparel, 20(2), 120-129.
31. Tan, F., (1989) Dokuma Kumaşların Üretiminde Optimizasyon İçin Bir Bilgisayar Denkleminin Hazırlanması. Uludağ Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Bursa, Türkiye.
32. Tekkılıç, E. İ., Soysaldı, A., & Kılıç, Ö. (2016). Geleneksel Türk Motiflerinin Ev Tekstili Tasarımındaki Uygulama Alanları. Akademik Sanat, 1(1), 12-19.
33. Yildirim, P., Birant, D., & Alpyildiz, T. (2018). Data Mining And Machine Learning İn Textile İndustry. Wiley Interdisciplinary Reviews: Data Mining And Knowledge Discovery, 8(1), E1228. https://doi.org/10.1002/widm.1228
34. Yılmaz, N. D., Powell, N., Durur, G. (2005). The Technology Of Terry Towel Production. Journal Of Textile And Apparel, Technology And Management, 4(4), 115-160.
35. Zou, Hui, and Trevor Hastie.(2005) Regularization and variable selection via the elastic net.Journal of the Royal Statistical Society Series B: Statistical Methodology 67.2 301-320. https://doi.org/10.1111/j.1467-9868.2005.00527.x
36. https://ticaret.gov.tr/data/5b87000813b8761450e18d7b/Ev%20Tekstili%20Raporu-2022.pdf Erişim Tarihi: 15.04.2024, Konu:İhracat Verileri
37. https://www.btso.org.tr/documents/sectoralreport/176.pdf Erişim Tarihi: 15.04.2024 Konu: Havlu kumaşların pay oranı