Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightTest sonuçlarının istatistiksel analizi, iplik içeriğine ve kumaş yapısına bağlı olarak geri dönüşümlü lif içeren ipliklerin kullanımının torbalanma özelliklerinde iyileşmelere yol açtığını ortaya koymuştur.
📌 3 Maddede Bu Makale
Özet
Bu çalışmanın temel amacı, geri dönüşümlü pamuk/geri dönüşümlü polyester, geri dönüşümlü pamuk/polyester, pamuk/polyester, geri dönüşümlü pamuk/akrilik ve pamuk/akrilik olmak üzere çeşitli elyaf karışımlarından üretilen örme kumaşların torbalanma davranışını incelenmek ve ev giyim uygulamaları için uygunluğunu değerlendirmektir. Çalışmanın diğer amacı bu kumaşları orijinal ipliklerden üretilen kumaşlarla karşılaştırmak ve yapay sinir ağları (YSA) kullanarak torbalanma özelliklerini modellemektir. Üç farklı kumaş yapısı (süprem, ribana ve interlok) kullanılarak hem geri dönüşümlü hem de orijinal iplikler kullanılarak toplam 15 adet örme kumaş üretilmiştir. Kumaşların torbalanma performansı, torbalanma gecikme yüzdesi, torbalanma yorulma yüzdesi, kalıcı torbalanma gecikme yüzdesi ve torbalanma direnci gibi temel parametreler aracılığıyla değerlendirilmiştir. Test sonuçlarının istatistiksel analizi, iplik içeriğine ve kumaş yapısına bağlı olarak geri dönüşümlü lif içeren ipliklerin kullanımının torbalanma özelliklerinde iyileşmelere yol açtığını ortaya koymuştur. Bu iyileşmeler tüm kumaş tiplerinde ve örgü yapılarında gözlemlenmiştir. Ayrıca, YSA tabanlı modelleme, geri dönüşümlü örme kumaşların torbalanma davranışını tahmin etmede yüksek doğruluk göstermiş ve böylece üretim öncesinde kumaş tasarımının optimize edilmesi için değerli bir araç sunmuştur.
Abstract
The primary objective of this study is to investigate the bagging behavior of knitted fabrics produced from various fiber blends—namely recycled cotton/recycled polyester, recycled cotton/polyester, cotton/polyester, recycled cotton/acrylic, and cotton/acrylic—and to evaluate their suitability for home wear applications. The study further aims to compare these fabrics with those produced from virgin yarns and to model their bagging properties using artificial neural networks (ANNs). A total of 15 knitted fabric samples were produced using both recycled and virgin yarns in three different fabric structures: single jersey, rib, and interlock. The bagging performance of the fabrics was assessed through key parameters, including bagging hysteresis percentage, bagging fatigue percentage, residual bagging hysteresis percentage, and bagging resistance. Statistical analysis of the test results revealed that, depending on the yarn composition and fabric structure, the incorporation of recycled fibers in yarns led to improvements in certain bagging properties. These improvements were observed across all fabric types and knitting structures. Additionally, the ANN-based modeling demonstrated high accuracy in predicting the bagging behavior of recycled knitted fabrics, thereby offering a valuable tool for optimizing fabric design before production.