Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu çalışma, tekstil kurutma sistemlerinde enerji verimliliğini artırmak ve çevresel etkileri azaltmak için doğrulanmış bir karar destek yaklaşımı sunmaktadır.
📌 3 Maddede Bu Makale
Özet
Germe makineleri, kumaşları kurutmak için sıcak hava kullanarak tekstil endüstrisinde hayati bir rol oynamaktadır. Bu sıcak havanın önemli bir kısmı atık olarak dışarı atılmakta ve önemli enerji kaybına neden olmaktadır. Bu çalışma, bulanık mantık tabanlı bir performans modeliyle desteklenen, germe makinesine entegre edilmiş bir ısı geri kazanım (HR) sisteminin etkisini araştırmaktadır. Gerçek zamanlı proses verileri, HR sistemi uygulanmadan önce ve sonra bir tekstil tesisinden toplanmıştır. Bu ölçümler kullanılarak, değişen hava akışı ve geri dönüş hava oranları altında yakıt tüketimini ve çıkış nem içeriğini tahmin etmek için Mamdani tipi bir bulanık çıkarım modeli geliştirilmiştir. Model, %1,86'lık ortalama mutlak hata ile yüksek tahmin doğruluğu göstermiştir. HR uygulamasından sonra %18'e varan yakıt tasarrufu sağlanmıştır. Literatürde ilk kez, bu araştırma, tekstil ısı geri kazanımı uygulamasında deneysel ölçümleri bulanık mantık modellemesiyle birleştirmektedir. Sonuçlar, bulanık mantık sistemlerinin endüstriyel enerji optimizasyon süreçlerinde belirsizliği ve doğrusal olmayanlığı etkili bir şekilde yönetebileceğini vurgulamaktadır. Bu çalışma, tekstil kurutma sistemlerinde enerji verimliliğini artırmak ve çevresel etkileri azaltmak için doğrulanmış bir karar destek yaklaşımı sunmaktadır.
Abstract
Stenter machines play a vital role in the textile industry by using hot air to dry fabrics. A substantial amount of this hot air is exhausted as waste, resulting in significant energy loss. This study investigates the impact of a heat recovery (HR) system integrated into a stenter machine, supported by a fuzzy logic-based performance model. Real-time process data were collected from a textile plant both before and after the HR system was implemented. Using these measurements, a Mamdani-type fuzzy inference model was developed to predict fuel consumption and outlet moisture content under varying airflow and return air ratios. The model demonstrated high prediction accuracy with a mean absolute error of 1.86%. After HR implementation, up to 18% fuel savings were achieved. For the first time in the literature, this research combines experimental measurements with fuzzy logic modeling in a textile heat recovery application. The results highlight that fuzzy logic systems can effectively manage uncertainty and nonlinearity in industrial energy optimization processes. This study provides a validated decision-support approach for improving energy efficiency and reducing environmental impacts in textile drying systems.