Terbiye işlemlerinde kullanılan uzman sistemler

OPTIMIST ve WOOLY, tekstil endüstrisinde renklendirme konusunda ilk geliştirilen uzman sistemlerdendir. WOOLY SANDOZ tarafından geliştirilmiş olup yün ve yün/poliamid karışımı ürünler için boyama reçetelerinin belirlenmesinde kullanılmıştır. Teknisyenler program sayesinde örnek boyamalar veya renk kartelaları gibi verilere daha kolay erişebilir. WOOLY, kumaşın ve boya makinesinin türüne göre geniş bir standart test aralığı için haslık gereksinimlerini de hesaba katarak boyama metotları, uygun boyalar gibi ayrıntılar üzerine öneriler sunabilmektedir. WOOLY bir renk eşleme sistemi ile arayüz oluşturabilme özelliğine sahiptir. Yine SANDOZ terbiye işlemleri reçetelerinin oluşturulması için TEXPERTO uzman sistemini geliştirmiştir. BASF tarafından bobin boyama işlemini optimize etmek için OPTIMIST, pamuk ve pamuk/polyester karışımlarının küp ve dispers boyarmaddelerle boyama reçetelerinin oluşturulması için BAFAREX adlı uzman sistemler geliştirilmiştir. Datacolor International tarafından geliştirilen SMARTMATCH renk eşleme ve yün boyama reçetelerini belirlemek için kullanılmıştır. CIBA tarafından renk eşleme amaçlı tasarlanan CALOPOCA ardından laboratuvarda boyama tekrarlanabilirliklerinin optimize edilmesinde ve yine CIBA tarafından geliştirilen PRE-MATIC pamuklu kumaşların ağartılmasında kullanılmıştır (Goodarz ve ark. 2014, Kalav 2011).

Hussain ve ark. (2005/a) yaptıkları çalışmada pamuğun boyanması için bilgi tabanlı bir uzman sistem geliştirmişlerdir. Bu çalışma esnasında literatürdeki pamuğun boyanma özellikleri, yetiştirilmesi, toplanması ve çırçırlanması işlemleri, ipliğin yapısı ve sarım işlemleri, dokuma ve örme yapıları, ön terbiye işlemleri ve direkt, reaktif, küp, azo ve kükürt boyarmaddeleriyle çeşitli yöntemlerle boyama işlemleri ile ilgili çalışmaları incelemişlerdir.

43

Program içinde oluşturulan tanılama sistemi tanılama, proses kontrol, doğrulama ve tavsiye/öneri olmak üzere dört ana modülden oluşmaktadır. Tanılama modülü pamuklu materyallerin ön işlemleri, dokuma/örme pamuklu kumaşlar ve bobinlerin boyanması ile dokuma/örme kumaş hatalarının terimler sözlüğünden oluşmaktadır. Kullanıcı ara yüzü girdi olarak bulgular ya da hasarlar, ürün ve/veya proses geçmişini ve test datasını içerir. Çıktılar bulguların ya da hasarların olası sebebini, tanının açıklamasını ve düzeltici ve/ya da önleyici tedbirleri kapsamaktadır.

Tanılama, hata kategorisi, boyarmadde sınıfı, boyama prosesinin tipi ve bir kesinlik seviyesi seçildikten sonra “tanılama” seçeneğinin seçilmesiyle devam ettirilir. Bu aşamada sistem seçilen hasarların olası tüm sebeplerini işler. Kabul ya da red için olası sebepleri test etmek amacıyla sistem kullanıcılardan mevcut olan diğer bulgular, tekstil materyaline uygulanan işlemler ve/ya da bu işlemlerde kullanılan parametrelerle alakalı ek bilgi istemektedir. Sistem ayrıca kullanıcıya boyanmış materyal üzerinde bazı testler yapmasını ve test sonuçlarını sisteme girmesini istemektedir. Bu yeni girdiye dayanarak olası sebeplerin yenilenmiş listesini kullanıcıya çıktı olarak verir. ‘Proses kontrol’ modülü temel süreç parametrelerini, bu parametrelerin ne zaman, nerede ve nasıl kontrol edilmesi gerektiğini, bu parametreleri kontrol etmek amacıyla sürdürülmesi gereken standart, sıklık ve gereklilik faaliyetlerini düzenler. ‘Düzeltme modülü’ çeşitli boyarmaddelerle yapılan boyamalara yönelik uygun eşitleme/dengeleme ya da boyarmadde sökme metotlarını sağlar. ‘Kumaştaki hatalarla ilgili öneriler’ modülü, hasarların tanımını, kontrol metotlarını, Euratex (eski adıyla, Avrupa Giyim Birliği) tarafından verilen tavsiyelere göre toleranslar ve ticari sonuçları ortaya koyar.

Hussain ve ark. (2005/b) geliştirdikleri sistemi 3 farklı uzmanla karşılaştırma yaparak test etmiştir. Buna göre sistem dokunmuş kumaştaki 14 hatadan 12’sini tespit ederek bu alanda en iyi uzmanla aynı başarıyı göstermiştir. Örgü kumaşta ise 13 hatanın tamamını tespit ederek en iyi sonucu vermiştir. İplikle ilgili hataların da tamamını tespit ederek toplamda %94 başarıyla en iyi başarı oranını yakalamıştır. Sisteme en yakın başarıyı sağlayan uzmanın başarı oranı ise sadece %80’dir. Aynı şekilde örnek olay çalışmalarında hata tanılamaları kıyaslandığında uzman sistem %70 doğru tanılama yaparken en iyi uzman %50 doğru tanılama yapmıştır. Uzman sistem bu alanda da uzman kişilerden daha iyi sonuç vermiştir.

Kalav (2012) doktora çalışmasında, pamuklu kumaşların ink jet baskısında karşılaşılan hataların belirlenmesi ve çözülmesine yönelik uzman sistem geliştirmeyi amaçlamıştır. Ink jet

44

baskıda sık karşılaşılan kafa sürtmesi, renksiz bölge vb. on üç hata belirlenmiştir. Ardından hem literatür taraması yapılmış hem de uzman kişilerle görüşülmüştür. Çalışmalar sonunda bu on üç hatanın nedenlerinden olabilecek altmış bir adet sebep belirlenmiştir. Hatalarla sebepler arasındaki ilişkiyi tespit etmek için yapılan ve on beş uzmanın katıldığı anket değerlendirmeleri sonucunda, uzmanların ortak bir noktada buluşamadığı ortaya çıkmıştır. Dolayısıyla bu konuda bir uzman sistemin geliştirilmesinin hatalara objektif bir çözüm sunabilmek açısından önemli olduğu vurgulanmıştır.

Goodarz ve ark. (2014) pamuklu ve polyester/pamuklu tekstiller alanında bir boyama tanılama uzman sistemi olan DDES’yi geliştirmişlerdir. Sonuçlar geliştirilen sistemin akıllı bir tanı yöntemiyle denetleyicilere ve diğer kullanıcılara boyama konusunda yardımcı olabileceğini ortaya koymuştur. Sistem birden çok uzmanın görüşlerini entegre etmek veya uzmanların yanıtlarını sıralamak için etkili bir yaklaşım önermekte ve uzmanların kullanımı için en uygun seçeneği bulmaktadır. DDES kural tabanlı bir uzman sistemdir. Kurallar, IF-THEN yapısından yararlanır ve hem geriye zincirleme hem de ileriye zincirleme yöntemlerinin kombinasyonundan faydalanmaktadır. DDES, hata kategorilerinden gelen belirtileri tanımlamak için geriye zincirlemeyi kullanırken daha sonra muhtemel nedenlere ve ilgili çözümlere ulaşmak için ileri zincirlemeyi kullanmaktadır. DDES’nin çıkarım mekanizması hiyerarşik bir ağaç benzeri format izlemekte ve her bir seviyede arama yaparak aşama aşama ağacın üstünden altına doğru ilerlemektedir. Her adımda evet veya hayır sorularına verilen kullanıcı yanıtları ile bir sonuç alınarak ağaç yapısında yapılan arama tamamlanmaktadır. Bu ağaç dallanmasında birçok faktör (belirti sınıfı, proses tipi, boya tipi, makine tipi, vb.) dikkate alınmıştır. Sistemde görsel bozukluklar zayıf renk tekrarlanabilirliği, düzgünsüzlük, düşük renk haslığı ve uygun olmayan bir görünüm şeklinde dört gruba ve ardından her grup ilgili alt gruplara ayrılmıştır. Daha sonra her kusur için boyaya hazırlıktan boyama işlemine kadar nedenlerin ve ilgili sebeplerin kronolojisi ele alınmıştır. Uzman kişiler DDES’nin kusur kategorilerini kapsamlı, kusurların tanımlarını açık ve anlaşılır, mantıksal olarak en uygun soruları takip eden bir sistem olarak tanımlamıştır. Uzmanlar ayrıca soruları açık ve öz, önerileri mantıklı, doğru ve kolay anlaşılır, olası senaryolar için sorular ve cevaplar içeren bir sistem olarak değerlendirmiştir.

Sawatwarakul ve ark. (2015) yaptıkları çalışmada protein elyaflarının boyanmasına yönelik bir teşhis uzman sisteminin tasarımı ve geliştirilmesi hakkında bilgi vermektedirler. Sistem sorunların kök nedenlerini belirlemeye yardımcı olmak için tasarlanmıştır. Sistemin

45

performansı, uzmanlar tarafından test edilip değerlendirilmiş ve son derece tatmin edici olduğu düşünülmektedir. Üretilen bilgi tabanı, Protein Elyafları İçin Boya Uzman Sistemi (DEXPERT- Proteinler) başlıklıdır ve belirli konularda uzman düzeyinde bilgiler içerir. Birkaç boyama uzmanından alınan geri bildirimleri ve literatürden elde edilen bilgileri kullanarak, 16 ana sorun tanımlanmıştır. Bunlar boyamada tekrarlanabilirlik, genel düzensizlikler, tonda farklılıklar, izlerin varlığı, zayıf renk verimi, donuk tonlar, yetersiz haslık, benekler, kirler veya lekelerin varlığı, çözgü ve kuyruklanma izlerinin varlığı, mukavemetin azalması, görünümde olumsuz değişiklikler, bölgesel hasar, durma, halat veya basınç işaretleri, olumsuz konfor özellikleri, büzülme ve sararmadır. Bu 16 sorunu ortaya çıkaran 110 adet hata nedeni tespit edilmiştir. Sararma örneğinde, uzman sisteminin doğru cevabı üretmek için bilgi tabanında yeterli bilgiye sahip olmadığı görülmüştür. Diğer tüm vakalarda doğru yanıt, o belirti için muhtemel neden(ler) listesinde verilmiştir. Bu sonuç, hataların gerçek nedeni çok yaygın olmamasına rağmen sistemin gerçek nedenlerini doğru olarak tespit edebildiğini göstermektedir. Kullanıcılar, tasarlanan uzman sistem tarafından verilen önerilerden yararlanabilir ve gerçek problemlerin nasıl çözüleceği konusunda daha geniş bir bakış açısı kazanabilir.

Convert ve ark. (2000) bir uzmanın boyama mantığının modellenmesi ile ilgili yayımladıkları makalede tekstil materyalinin laboratuvarda yapılan numune boyanması sırasındaki işlem adımlarından bahsetmektedirler. Bu çalışmaya dayanarak, interaktif multimedya ve hiper ortam eğitim araçlarının geliştirilmesi önerilmekte ve boyamada bir uzmanın mantığının modellenmesinin mümkün olduğu vurgulanmaktadır.

Boonkanit ve Charoenkid (2016) tekstil endüstrisinde ağartma, boyama ve bitim işlemlerinde üretim planlama ve kalite kontrol için uzman sistem yazılımı gerçekleştirmişlerdir. Bu uzman sistemle birlikte kumaş kontrolü için harcanan zaman % 55.55 azalmıştır.