3rd International Mediterranean SCIENCE AND ENGINEERING CONGRESS OCTOBER 24-26, 2018 ÇUKUROVA UNIVERSITY, CONGRESS CENTER, ADANA / TURKEY
3. Uluslararası Akdeniz
BİLİM VE MÜHENDİSLİK KONGRESİ 24-26 EKİM 2018
ÇUKUROVA ÜNİVERSİTESİ, KONGRE MERKEZİ, ADANA/TÜRKİYE
OCTOBER
24-26, 2018ADANA
TURKEY
Proceed ngs Book
Organ zer of the Congress
Çukurova Un vers ty
Conference Paper
Çukurova Un vers ty, Congress Center, October 24-26, 2018, Adana / TURKEY Pages: 1564-1567, Paper ID:581
1. GİRİŞ
Tekst lde renklend rme şlem ürüne katma değer kazandır-mak ve moda akımlarına uyum sağlaması ç n yapılan yega-ne şlemlerden b r d r. Boyama şlem , uygulama usuller ge-reğ de pahalı ve hata r sk yüksek b r prosest r. Bu nedenle,
şletmelerde boyama proses ne geçmeden önce renk çalış-ması laboratuvarda yapılır. Bu aşamada alınan renk onayına bağlı olarak n ha üret me geç l r. Bu nedenle laboratuvarda yapılan renk çalışmasının doğruluğu oldukça öneml d r. An-cak hemen hemen tüm şletmelerde, laboratuar le şletme arasındak doğal farklardan dolayı, şletmeye ışık tutacak la-boratuar- şletme uyumu elde ed lemem şt r.
Yapay s n r ağları, nsan beyn n n çalışma mekan zmasını takl t ederek gel şt r len ve b yoloj k olarak nsan beyn n n yaptığı temel şlemler bel rl b r yazılımla gerçekleşt rmey
amaçlayan mantıksal b r programlama tekn ğ d r. B lg sayar ortamında beyn n yaptığı şlemler yapab len, karar veren, sonuç çıkaran, yeters z ver durumunda var olan b lg den yola çıkarak sonuca ulaşan, sürekl ver g r ş n kabul eden, öğrenen, hatırlayan b r algor tmadır. YSA modeller , b r d z deneysel ver ye dayanarak bağımsız ve bağımlı değ şkenler arasındak doğrusal olmayan l şk y oluşturab l r [1-5]. Bu çalışmada, laboratuarda boyanan reng n (CIELab de-ğerler ), seç len elyaf- pl k-bob n-reçete-apre parametrele-r ne de bağlı olaparametrele-rak (g parametrele-rd leparametrele-r) şletmedek kaparametrele-rşılığını tahm n edecek YSA model n n kurulmasına çalışılmıştır. Bu çalışma ç n en opt mum model n yürütülmes ç n de b r çalışma yürütülmüştür.
2. MATERYAL VE METOT
İpl k Boyama Süreçler nde İşletme-Laboratuar Renk Farklılığını
Tahm nleyecek YSA Model n n Gel şt r lmes
Oğuz Karakaş
1, Melek Işık
2, Cenk Şah n
2, Onur Balcı
31Başyazıcıoğlu Tekstil Ar-Ge Merkezi, Kayseri, Türkiye
2Çukurova Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, Adana, Türkiye
3Kahramanmaraş Sütçü İmam Üniversitesi, Mühendislik-Mimarlık Fakültesi, Tekstil Müh. Bölümü, Kahramanmaraş, Türkiye
Özet
Boyanacak materyal n c ns fark etmeks z n, tekst l boyamacılığında temel prens p ve ş akışı, reng n lk olarak laboratuarda çalışılması, onaylanması ve sonrasında şletmede büyük üret me geçmes d r. Ancak bu aşamada hemen hemen tüm boyahanelerde yaşanan problem laboratuarda boyanan reng n, şletmede aynı reçete le çalışılmasına rağmen ortaya çıkan farklardır. İpl k boyamanın zorluğu göz önüne alındığında, bu farklılık daha kr t k b r sonuç olarak ortaya çıkmaktadır. Çalışma kapsamında laboratuarda elde ed len reng n, şletmedek karşılığını bulmak amacıyla yapay s n r ağı metodu (YSA), le b r tahm n model oluşturulmuştur. Sonuçlar ncelend ğ nde anal z ed len CIELab değerler ç n %90’ın üzerinde bir doğruluk ile tahmin yapılabildiği belirlenmiştir.
Anahtar Kelimeler: CIELab, renk, laboratuar, YSA, tahmin
Abstract
Regardless of the type of mater al to be dyed, the bas c pr nc ple and process n text le dye ng s that the color s f rstly worked and approved n the laboratory and then, product on s done n the product on l nes. However, the problem exper enced n almost all the dye houses n th s stage s the d ff erence n the color that s pa nted n the laboratory, desp te that the same prescr pt on s used n the product on l ne. Cons der ng the d ff culty of yarn dye ng, th s d ff erence s a more cr t cal result. W th n the scope of the study, a pred ct on model s bu lt w th the art f c al neural network method (ANN) to f nd the equ valent of the color obta ned n the laboratory. When the results are analyzed, t s determ ned that the CIELab values can be pred cted w th an accuracy of 90%.
Keywords: CIELab, Color, Laboratory, ANN, Forecast
*Corresponding author Email: @
3rd International Mediterranean Science and Engineering Congress (IMSEC 2018)
October 24-26, 2018, Adana / TURKEY, http://www.imsec.info .
2.1 Materyal
Çalışma kapsamında, 3 farklı harman ile (EGE, AMERİKAN, URFA), 3 farklı pl k numarasında (Ne 20-30-40), %100 pa-muklu pl k üret m gerçekleşt r lm şt r. Bu pl kler yumuşak sarım yapılarak bob nlenm şt r. İpl kler n h drof lleşt rme işlemlerinde ıslatıcı ve iyon tutucu kullanılmıştır (Tablo 1). Ağartma şlemler nde h drojen peroks t (H2O2), peroks t ağartmasında l er n ş şmes n sağlamak amacıyla sodyum h droks t, h drojen peroks d n parçalanmasını kontrol al-tında tutab lmek ç n organ k stab l zatör, l er n homojen b r şek lde ıslanmasını sağlamak ç n ıslatıcı kullanılmıştır. Çalışmada pl kler reakt f boyarmadde kullanılmıştır. Kumaş üzer nde kalan h drojen peroks t n parçalanması ç n ant -per enz m ve pH’ı ayarlamak ç n as t kullanılmıştır.
2.2 Metot
Çalışmada, 3 farklı harman le (EGE, USA, URFA), 3 fark-lı pl k numarasında (Ne 20-30-40), %100 pamuklu 9 adet
pl k üret lm şt r. Bu 9 bob n, ön terbiyeli ve kasarlı olarak 12 reçete ile boyanarak, toplamda 216 renkl bob n üret l-m şt r. Çalışl-mada ön terbiye işlel-mleri Şekil 2’dek şartlarda gerçekleşt r lm şt r. Gerek şletme gerekse de laboatuardak boyamaların zem nler şletme şartlarında aynı anda yürü-tülmüştür. Bu 208 boyama hem laboratuar t p bob n boya-ma boya-mak nes nde, hem de şletmede bob n boyaboya-ma boya-mak ne-ler nde, aynı proses şartlarında boyanmıştır. Apre şlemne-ler de aynı mak nede yürütülmüştür. Çalışmada numunelerin renk ölçümleri X-RITE marka spektrometrede gerçekleş-t r lm şgerçekleş-t r. Laboragerçekleş-tuarda boyama yapılan mak ne Şek l 1’de göster lm şt r.
Şek l 1: Numune t p boyama mak nes
Şekil 2: Ön terbiye işlemleri (a. Ağartma işlemi, b. H drof lleşt rme işlemi)
Tablo 1. Ağartma ve h drof lleşt rme reçeteler Ağartma Reçetes H drof lleşt rme Reçetes Islatıcı 1 gr/lt Islatıcı 2 gr/lt İyon tutucu 0,5 gr/lt İyon tutucu 1 gr/lt Stab l zatör 0,5 gr/lt
Kost k 2 gr/lt Peroks t 3 gr/lt As t 0,5 gr/lt Katalaz Enz m 0,3 gr/lt
2.3 Tahm n modeller n n oluşturulması
Çalışma kapsamında tahm n modeller YSA tekn ğ kulla-nılarak hazırlanmıştır. Çalışma kapsamında bel rlenen el-yaf- pl k-ön terb ye-boyama-b t m-laboratuar ortamında yapılan boyamaların CIELab parametreler nden yola çıka-rak, şletmede boyanmış materyal n reng n (CIELab de-ğerler ) tahm n etmek üzer ne b r tahm n model n n eldes planlanmıştır.
Ağ kurulurken Levenberg-Marquardt algor tması kul-lanılmıştır. Tek ve ç ft g zl katman ve 10-20-30 nöron kullanılmıştır, böylece en y ağın eldes ç n de 6 farklı ağ yapısı ile b r çalışma yürütülmüştür. Akt vasyon fonks yonu olarak s gmo d fonks yonu terc h ed lm şt r. Çalışılan bu 6 ağdan Levenberg-Marquardt, tek g zl katman ve 10 nöron yapısındak topoloj le en y sonuçlar elde ed lm şt r. Çalış-ma kapsamında bu ağa a t sonuçlar ver lm şt r.
Modeller kurulurken 216 ver n n, 169 tanes eğ tme ve 47 tanes se model test amacıyla kullanılmıştır.
3. DEĞERLENDİRME
Çalışma kapsamında tahm n ed lmeye çalışılan çıktı CIE-Lab değerler nden olan L*, a* ve b* değerler d r. Klas k b r tahm n model değerlend rmes nde 2 öneml hesaplanan çıktı ön plana çıkmaktadır. Bunlardan lk mutlak ortalama yüzde sapma (MAPE), d ğer se mutlak ortalama sapmadır (MAE). Bu çalışmadak çıktı olan CIELab değerler uluslara-rası standartlarda bel rl toleranslara sah p sapma değerler
le değerlend r lmekted r. Bel rlenen bu tolerans l m tler dışındak sapmalar, kal te değerlend rmes nde RED olarak n -telend r lmekte ve 2 reng n b rb r nden farklı olduğuna da r sonucu doğurmaktadır. Bu nedenle çalışma kapsamında, 3 çıktı ç n de uluslararası kal te toleransları göz önünde bu-lundurularak, değerlend rme kal f kasyonu yapılmıştır. Aşa-ğıdak değerler gerçek değer le, tahm n ed len değer n mut-lak farkının sını andırılmasını göstermekted r. Buna göre; L* çıktısı için; 0-0,1 – Mükemmel - 1 0,1-0,5 – İyi - 2 0,5-1 – Orta - 3 >1 – Kötü - 4 a* ve b* çıktıları ç n; 0-0,1 – Mükemmel - 1 0,1-0,3 – İyi - 2
0,3-0,6 – Orta - 3 >0,6 – Kötü - 4
Her 3 çıktı ç n de “1-2-3” kal te sını arına g reb len farklar KABUL l m tler çer s nded r. “4” se RED sınıfında değer-lend r lmekted r [6].
Yapılan tahm nleme sonrası gerçek şletme CIELab değerler le tahm n model nden elde ed len tahm n CIELab değerler b rl kte değerlend r lm şt r. Bu değerlend rme lk olarak ku-rulan 6 model ç n yapılmıştır.
Şekil 3’de kurulan YSA modeller n n tahm n başarısı, test ve-r leve-r n n sını andıve-rılma kve-r teve-rleve-r ne göve-re 3 çıktı ç n de gös-ter lm şt r. Şek l 3’den de görüldüğü g b 3 çıktı ç nde sap-malar 1-2-3 kal te toleranslarında gerçekleşm şt r. Model n tahm n başarısının oldukça yüksek olduğu söyleneb lmekte-d r. L* lmekte-değer ç n test elmekte-d len ver lerlmekte-den salmekte-dece %13’ünün, a* değer ç n %11’ n n, b* ç n se %7’s n n tolerans dışı olarak kayded ld ğ görülmekted r. MODEL çıktı bazında değ ş k-l k göstermekk-le b rk-l kte, ortak-lama %90 başarısı k-le test ver setler le de oldukça başarılı çalışmıştır. Tolerans 1-2-3 ün kend ç nde dağılımına bakıldığında, dağılımın ağırlıklı ola-rak Tolerans 1 ve 2’de olduğu görülmekted r. Bu da model n tahm n başarısını gösteren b r durumdur.
Şekil 3.İşletme-Lab uyumu YSA Model ç n sını andırma test sonuçları Şekil 4’de L* değer ç n seç lm ş test ver ler le ç z lm ş ger-çek değer-tahm n değer graf ğ ver lm şt r.
Şekil 4. L* değer ç n gerçek değer-tahm n değer graf ğ Şekil 5’de se L* çıktısının 47 test ver s ç n ç z lm ş deney numarası-artık değer (hata) saçılım graf ğ göster lm şt r.
Şekil 5. L* çıktısı ç n Deney Numarası-Artık Değer Graf ğ
Şekil 4 ve Şek l 5 ncelend ğ nde L* çıktısı ç n de tahm n sonuçlarının başarılı olduğu ve hata dağılımının RED değe-r olan 1’ n altında daha yaygın oladeğe-rak bulunduğu ve sade-ce 6 örneklem n hatalı tahm n ed ld ğ tesp t ed lm şt r. Bu sonuçlara göre oluşturulan YSA model L* değer n %87.23 oranında doğru tahm n edeb lm şt r.
Şekil 6’de a* değer ç n seç lm ş test ver ler le ç z lm ş ger-çek değer-tahm n değer graf ğ ver lm şt r.
Şekil 6: a* değer ç n gerçek değer-tahm n değer graf ğ
Şekil 7’de se a* çıktısının 47 test ver s ç n ç z lm ş deney numarası-artık değer (hata) saçılım graf ğ göster lm şt r.
Şekil 7. a* çıktısı ç n Deney Numarası-Artık Değer Graf ğ Şekil 6 ve Şek l 7 ncelend ğ nde a* çıktısı ç n de tahm n so-nuçlarının başarılı olduğu ve hata dağılımının RED değer olan 0.6 altında daha yaygın olarak bulunduğu ve sadece 5 örneklem n hatalı tahm n ed ld ğ tesp t ed lm şt r. Bu so-nuçlara göre oluşturulan YSA model a* değer n %89.36 oranında doğru tahm n edeb lm şt r.
Şekil 8. b* değer ç n gerçek değer-tahm n değer graf ğ Şekil 8’de b* değer ç n seç lm ş test ver ler le ç z lm ş ger-çek değer-tahm n değer graf ğ ver lm şt r.
3rd International Mediterranean Science and Engineering Congress (IMSEC 2018)
October 24-26, 2018, Adana / TURKEY, http://www.imsec.info .
Şekil 9. b* çıktısı ç n Deney Numarası-Artık Değer Graf ğ Şekil 8 ve Şek l 9 ncelend ğ nde b* çıktısı ç n de tahm n so-nuçlarının başarılı olduğu ve hata dağılımının RED değer olan 0.6 altında daha yaygın olarak bulunduğu tesp t ed l-m şt r. 47 ver den sadece 3 ver n n tolerans dışı olarak tah-m n ed ld ğ tesp t ed ltah-m şt r. Bu sonuçlara göre oluşturulan YSA model b* değer n %93.61 oranında doğru tahm n ede-b lm şt r.
4. SONUÇ
Laboratuar ve şletmedek boyama uygulamalarının uyumu, laboratuvarda elde ed len reçeten n şletmedek sonucunun benzerl ğ n n olması oldukça öneml b r konudur. Bu deney-sel çalışmada, reng etk lemes muhtemel tüm parametreler g rd olarak kullanılarak laboratuar reng n n, şletmedek karşılığını boyama yapmadan tahm n etmek ç n b r YSA model kurulması hede enm şt r. Yapılan modellemelerde, çıktı olarak tahm n ed lmeye çalışılan CIELab değerler n n ortalama olarak %90 başarı le tahm n ed leb ld ğ , yapılan tahm nler n %90’ının renk b l m ne göre kabul l m tler çer -s nde kaldığı bel rlenm şt r.
5. TEŞEKKÜR
Bu çalışmanın ver ler , BAŞYAZICIOĞLU TEKSTİL AR-GE MERKEZİ (Kayser ) tarafından yürütülen 3150699 kod-lu ve “İpl k Boyama Sürec nde, Elyaf Özell kler ve Boyama Parametreler ne Bağlı Olarak Tahm n Tabanlı Renk Yöne-t m ” s ml TÜBİTAK TEYDEB 1501 projes le elde ed l-m şt r. Bu projeye verd ğ l-madd destekten dolayı TÜBİTAK TEYDEB’e teşekkürü borç b l r z.
REFERANSLAR
[1] Doğmuş O., Onat A., Yılmaz Ş., Ergün Ş. (2005), Tekst l Fabr kaların-dak Bağıl Nem n Yapay S n r Ağları Yöntem le Kontrolü, KSÜ Fen ve Mühend sl k Derg s , 8(1)
[2] Moghadam, M., B., Montazer, M., Nazar , A., Roshan , G., Atae , M. (2016), Compar son of RSM and ANN Opt m zat on Methods n Determ n ng Ant bacter al Propert es of Cotton aga nst E. col , Jour-nal Of Pure And Applıed Mıcrobıology, Vol. 10(2), p. 1027-1032 [3] Jawahar, M., Kannana, C., B., N., Manobha , M., K., (2015), Art fic al
Neural Networks For Colour Pred ct on İn Leather Dye ng On e Bas s Of A Tr st mulus System, Colorat on Technology, 131, 48 –57 [4] Utkun, E., (2014), G y m Konforunun Tahm nlenmes nde Yapay S
-n r Ağları S stemler -n -n Kulla-nımı-na Yö-nel k B r L teratür Araştırması, Pamukkale Ün vers tes Mühend sl k B l m Derg s , 20(7), 272-280 [5] Özdem r, H., (2013), Yapay S n r Ağları ve Dokuma Teknoloj s nde
Kullanımı, Tekst l Teknoloj ler Elektron k Derg s , C lt: 7, No: 1, 51-68 [6] Gökenç, İ., Karakaş, O., Şah n, C., Balcı, O., Kuvvetl , Y., Paksoy, Y.,
(2017), Bob n Boyama İşlem Sonrası İpl k Reng n n Üret m Para-metreler ne Bağlı Olarak Yapay S n r Ağı Tekn ğ İle Tahm n Ed lmes , 2nd Internat onal Med terranean Sc ence and Eng neer ng Congress (IMSEC 2017), syf.2066-2072, Adana.