عنوان :

مقاله به دست آوردن معادله بهینه بین خواص کیفی نخ با عیوب آن

تعداد صفحات :۲۹

نوع فایل : ورد و قابل ویرایش

چکیده

هدف اصلی در این مقاله به دست اوردن معادله بهینه بین خواص مهم کیفی نخ با عیوب نخ و خواص الیاف در نخ کارد شده پنبه ای می باشد برای این کار از تجزیه و تحلیل کامل رگرسیونی و استفاده از رگرسیون نیرومند و رگرسیون متعامد و نمودارهای باقیمانده جزئی و تعیین انتخاب متغیر به روش همه رگرسیون های ممکن و آماره Cp  مالوس همراه با نرم افزار SAS استفاده گردیده است. برای انجام این کار از ۸۷ نمونه به دست آمده از نتایج آزمایشی مرکز بین المللی نساجی آمریکا در تگزاس استفاده گردیده است. برای همه نخ ها از فاکتور تاب یکسان   استفاده شده و نمره نخل های ۱۵ تا۳۱ انگلیسی تولید گردیده است، معادلات با تعداد متغیرهای مناسب و محدود و همچنین ترتیب اهمیت آنها، همراه با ضریب همبستگی بسیار خو به دست آمده است.
برای بررسی دقیقتر و اهمیت هر کدام از پارامترها معادلات استاندارد شده را به ترتیب اهمیت برای چهار خصوصیات مهم کیفی نخ بصورت ذیل می باشد:
(استحکام نخ)
(ازدیاد طول نخ)
(CV % جرمی نخ)
(پرزنخ)
در مورد استحکام نخ دوپارامتر بسیار مهم و تأثیرگذار، عیوب نخ و استحکام الیاف می باشند که نقش زیادی در استحکام نخ ایفا می کنند یعنی برای افزایش استحکام نخ باید از الیاف قوی و تا حد امکان عیوب نخ کم باشد.
در مورد ازدیاد طول نخ سه پارامتر بسیار مهم هستند پارامترهای تعداد الیاف در سطح مقطع نخ و عیوب نخ و یکنواختی طولی نقش قابل توجهی در ازدیاد طول نخ دارند یعنی با افزایش تعداد الیاف، عیوب نخ و یکنواختی طولی، ازدیاد طول نخ افزایش می یابد همچنین نقش تعداد الیاف در سطح مقطع نخ از بقیه پارامترها بسیار بیشتر می باشد.
در مورد CV % جرمی نخ ، تعداد عیوب نخ از نقش بسیار زیادی برخوردار است یعنی با افزایش تعداد عیوب نخ ،‌CV % جرمی نخ بطور قابل توجهی افزایش می یابد.
در مورد پرزدهی نخ سه پارامتر مهم تعداد الیاف، عیوب نخ و ظرافت الیاف میباشند که تعداد الیاف در سطح مقطع نخ از اهمیت بسیار زیادی برخوردار میباشد یعنی با افزایش تعداد الیاف در سطح مقطع نخ پرز نخ نیز افزایش می یابد.
با توجه به معادلات فوق مشخص میگردد که عیوب نخ در چهار خصوصیت مهم نخ از نقش مهمی برخوردار است (برای استحکام و CV % جرمی نخ نقش اول و برای ازدیاد طول نخ و پرز نخ نقش دوم را ایفا می کند ) همچنین تعداد الیاف در سطح مقطع نخ برای ازدیاد طول نخ و پرز نخ نیز نقش اول را دارد.

واژه های کلیدی: نخ، عیوب نخ، الیاف، استحکام نخ

فهرست مطالب

۱- مقدمه    ۲
۲- مروری بر مطالعات قبلی    ۳
۳- تئوری [۱۳]    ۵
ضرایب رگرسیونی استاندارد شده    ۶
نمودارهای باقیمانده ها    ۷
نمودارهای باقیمانده های جزیی    ۸
باقیمانده های Press    ۸
نقاط دورافتاده    ۹
هم خطی چندگانه    ۹
برآوردگرM    ۱۲
۴- مواد و روش ها    ۱۳
۵- آنالیز آماری    ۱۵
آنالیز آماری- استحکام نخ    ۱۵
آنالیز آماری – ازدیاد طول نخ    ۱۸
آنالیز آماری پرزدهی نخ    ۲۱
۶- بحث و نتیجه گیری    ۲۳
منابع  :    ۲۵

فهرست منابع

۱- Hunter, L. “Prediction of Cotton Processing Performance and Yarn Properties from HVI test Results” , Melliand Textilber. 69, E123-124 (1988).
۲- Ramey, H.H.,Jr., Lawson, R., and Worley, S., Ir., “Relationship of Cotton fiber Properties to Yarn Tenacity, Textile Res. J. 47, 685 (1977).
۳- Frydrych , I., “A New Approach for Predictiry strength Properties of Yarns”, Textile Res. J. 62, 340-348 (1992).
۴- Sasser, P., Shofner, C.K., Chu, Y.T., Shofner, F.M., and Townes, M.G., “Interpretations of Single Fiber, Bundle, and Yarn Tenacity Data”, Textile Res. J. 61, 681 (1991).
۵- Hearle, J.W.S., “Structural Mechanics of Yarns and Fabrics”, Vol.1, Wiley-Interscience, New York, 1969.
۶- Hunter , L., “Predicting Cotton Yarn Properties from fiber Properties in Practice” , Presented at “۲۷th International Cotton Conference” Bremen, March 24-27 (2004).
۷- Aggarwal, S.K., “A Model to Estimate the Breaking Elongation of High Twist Ring Spun Cotton Yarns” Part I: Derivation of the Model for yarns from Single cotton varieties, Part II: Applicability to Yarns from Mixtures of cottons. Textile Res.J.,59, 691-695, 717-720 (1988).
۸- Zurek, W., Frydrych, I., and Zakrzewski, S., “A Method of Predicting the Strength and Breaking Strain of Cotton Yarn”, Textile Res.J., 57, 439-444 (1987).
۹- Majumdar, P.K., and Majumdar A., Predicting the Breaking Elongation of Ring Spun Cotton Yarns using Mathematical, Statistical , and Artificial Neural Network Models, Textilee Res.J., 74, 652-655 (2004).
۱۰- Ethridge, M. D., and Zhu, R., “Prediction of Rotor spun Cotton Yarn Quality: A Comparison of Neural Network and Regression Algorithms”, in “Procceding of the Beltwide Cotton conference’, Vol.2 : 1314 –۱۳۱۷ (۱۹۹۶)
۱۱- Kilic, M., and Okur, A., “Relationships Between Yarn Diameter/ Variation and Strergth “ Fibers & Textiles in Eastern Europe, Vol. 14, No. 5 (59), (2006).
۱۲- Ureyen, M.E., and kadoglu, H., “Regressional Estimation of Ring Cotton Yarn Properties from HVI fiber Properties” , Textil Res. J. 76, 360-366, (2006).
۱۳- Montgomery, D. and Peck, E. “Introduction to linear Regression Analysis “ ۲nd . ed. John Wiley & sons, (1992).
۱۴- Holland, P. and Welsch, R., “Robust Regression using Interactively Reweighted Least – squares”, Commun.
Statist. Thero. Meth., 6, 813-827, (1977)

– مقدمه

خواص فیزیکی و مکانیکی الیاف ومشخصه های مختلف کیفی نخ در رفتار فرآیندی، راندمان تولید و بالاخره نخ و پارچه تأثیر عمده ای دارد. همچنین تغییرات مشخصه های مهم نخ شامل نمره تاب، استحکام، ازدیاد طول و عیوب نخ مخصوص برای نخ های بریده شده (Stuple) غیرقابل اجتناب است این تغییرات در خصوصیات نخ در طول فرآیند تولید و هم بعد از تولید، باعث مشکلات زیادی می شود. بنابراین ارتباط بین این مشخصات برای جلوگیری از مشکلات مختلف باید به طور واضح مشخص گردد. همچنین پیشگویی مشخصه های مهم کیفی نخ (خواص کششی، پرز وCV% جرمی نخ) از خصوصیات مواد خام، هدف اصلی بسیاری از محققین در دو دهه گذشته بوده است به طور کلی دو روش اصلی، روش های آماری و روش های تحلیلی و تئوریکی در مطالعات گذشته مورد استفاده قرار گرفته است. یکی از روش های مهم استفاده از روش رگرسیون چندمتغیره بوده است و در این مقاله سعی گردیده است این ارتباط را به مشخصه های دیگر نخ از جمله عیوب نخ و تعداد الیاف در سطح مقطع نخ نیز گسترش داده و سپس با بررسی کامل رگرسیون و استفاده از روش های آماری دیگر به نتایج دقیق تر و کاربردی تر به دست آید.

۲- مروری بر مطالعات قبلی

تا کنون مدل های ریاضی و تحلیلی زیادی برای تخمین استحکام نخ تکی از مشخصه مختلف الیاف و نخ به دست آمده است [۱و۲و۳و۴]. هول [۵] انواع مطالعات تجربی و ریاضی در ارتباط با استحکام نخ را در بین سال های ۱۹۲۶ تا ۱۹۶۵ انجام داده است هانتر [۶] بیشتر از ۲۰۰ مقاله در مورد پیشگویی پارامترهای کیفی نخ بخصوص خواص کششی تا سال ۲۰۰۴ منتشر کرده است.

مشخصه مهم دیگر نخ ازدیاد طول تا حد پارگی است که این مشخصه نیز روی کارایی نخ‌ها، در دومین پیچی و بافندگی تأثیر می گذارد. ازدیاد طول نخ نیز به خواص الیاف، تاب نخ و نمره نخ بستگی دارد.

اگرچه تعداد مقالات در این زمینه کمتر است ولی مدل های ریاضی توسط اگروال [۷]، فردریچ [۳] و زرک [۸] پیشنهاد شده است. همچنین مدل های آماری توسط هانتر [۱] و مدل ANN توسط ماجمدر [۹] ارائه شده است.

نایکنواختی نیز فاکتور مهمی در مورد کیفیت نخ و پارچه می باشد، تغییرات تعداد الیاف در سطح مقطع نخ، دلیل اصلی نایکنواختی است. علاوه بر این پارامترهای ماشین، روش ریسندگی، نمره نخ و بعضی مشخصه های الیاف اثر مستقیمی روی نایکنواختی نخ دارند هانتر [۱] و اتریج و همکاران [۱۰] چند مدل را برای مشخص کردن نایکنواختی از مشخصه‌های الیاف ارائه نموده اند.

– پرزدهی، یک مشخصه قابل اندازه گیری دیگری از نخ است که عموماً یک خصوصیت نامطلوب است که مقالات کمتری در مورد برآورد پرزدهی نخ با استفاده از مشخصه های الیاف تاکنون ارائه گردیده است.

اخیرا کلیک [۱۱] نیز مدل های مختلف رگرسیون چند متغیره خطی را برای تخمین استحکام نخ از مشخصه های دیگر نخ شامل قطر نخ، تغییرات قطر، تاب و تغییرات تاب، نایکنواختی جرمی و نایکنواختی نوری را با ضرایب همبستگی نسبتاً خوب به دست آورده است.

و بالاخره ارن و کادوگلا [۱۲] مدل های آماری برای برآورد خواص کششی، نایکنواخت و پرزدهی نخ از خواص مختلف الیاف (اندازه گیری شده با دستگاهHVI) و خواص نیمچه نخ با استفاده از مدل های رگرسیون و چند متغیره ارائه نموده است.

با توجه به اینکه معادلات مختلفی در مورد خصوصیات نخ ارائه شده است که گاهی نتایج حتی متضاد هم نیز می باشند و همچنین اهمیت هر کدام از آنها نیز در این مقالات متفاوت می باشد. در این مقاله سعی شده است تجزیه و تحلیل کامل آماری همراه با بررسی فرضیات مورد نظر و استفاده از روش های آماری مناسب و نرم افزار پیشرفته SAS، نتایج دقیق تر و کاربردی تر (معادلات بهینه) حاصل گردد. همچنین از مشخصه های دیگر نخ یعنیعیوب نخ (نقاط نازک- کلف و نپ) و تعداد الیاف در سطح مقطع نیز جهت پیشگویی خصوصیات نخ استفاده گردیده است.

۳- تئوری [۱۳]

مدل رگرسیونی شامل بیش از یک متغیر مستقل را چندگانه می گویند. شکل ماتریسی آن به صورت ذیل می باشد:

و با فرض اینکه جملات خطا یا باقیمانده دارای خواص زیر باشند.

۱-

۲- (ثابت)

۳-  یعنی مستقل باشند.

و برآورد ضرایب با استفاده از روش کمترین مربعات به صورت ذیل خواهد بود.

همچنین باید، رابطه تقریبی خطی بین متغیرهای مستقل و متغیر وابسته وجود داشته باشد، در صورتی که یک رابطه خطی وجود نداشته باشد معمولاً از تبدیل متغیرها استفاده می گردد تا به یک رابطه خطی تبدیل گردند.

برای آزمون معنی داری هر یک از ضرایب رگرسیونی از توزیعt استفاده می شود. باید توجه کرد که در حقیقت این یک آزمون جزئی یا حاشیه ای است زیرا ضرایب رگرسیونی  به کلیه متغیرهای رگرسیونی دیگر  که در مدل حضور دارند بستگی دارد.

بنابراین آزمونt، سهم تأثیر گذاری X_j به مدل، به شرط موجود بودن دیگر متغیرها در مدل می باشد. اگر ستون های ماتریسX بر هم عمود باشند یعنی ستون های متعامد درX وجود داشته باشد در این صورت می توان سهم تأثیر متغیرهای رگرسیونی را نسبت به مدل بدون هیچ شرطی (موجود بودن متغیرهای دیگر در مدل) اندازه گیری نمود.

ضرایب رگرسیونی استاندارد شده

مقایسه مستقیم ضرایب رگرسیونی با واحدهای مختلف معمولاً مشکل است زیرا بزرگی  واحد اندازه گیری متغیر رگرسیونیX_j را نمایان و مشخص می کند. در حالت کلی واحدهای ضریب رگرسیونی  عبارتند از واحدهایy تقسیم بر واحدهای X_j است بدین علت گاهی کار کردن با متغیرهای رگرسیونی و متغیرهای پاسخ مقیاس سازی شده که ضرایب بدون بعد را تولید می کنند کمک کننده است. در روش مقیاس سازی معمول که یکی از روش های مرسوم تر روش مقیاس سازی طول واحد به شرح ذیل است.

در این مقیاس سازی هر متغیر جدید رگرسیونی W_j دارای میانگین صفر و طول یک می‌باشد.

ضرایب مدل جدید که به صورت بدون عرض از مبدأ است را ضرایب رگرسیونی استاندارد شده می گویند و گاهی به نام ضرایب بتا نیز گفته می شود.

شاخص های رگرسیونی و معیارهای مناسب مدل

ضریب تعیین چند متغیرهR²  به صورت ذیل تعریف می گردد.

در موارد کاربردی از R² تعدیل شده که به صورت ذیل استفاده می گردد.

نمودارهای باقیمانده ها

این نمودارها نقش مهمی در قضاوت در مورد مناسب مدل سازی ایفا می کنند.

نمودارهای باقیمانده مفید در رگرسیون چندگانه به شرح ذیل است:

الف- نمودار باقیمانده ها روی کاغذ احتمال نرمال

ب- نمودار باقیمانده ها در مقابل مقدار برازش شده

ج- نمودار باقیمانده ها در مقابل هر یک از متغیرهای رگرسیونیx_j

این نمودارها برای آشکارساز انحرافات از نرمال، نقاط دور افتاده، عدم تساوی واریانس و تخصیص تابعی غلط برای یک متغیر رگرسیونی مورد استفاده قرار می گیرند.

نمودارهای باقیمانده های جزیی

این نمودارها برای هر چه دقیق تر آشکار کردن ارتباط بین باقیمانده ها و متغیرهای رگرسیونx­_I طراحی می شوند و به صورت ذیل تعریف می گردد.

نمودار e^*_ij در مقابلX_ij یک نمودار باقیمانده جزیی نامیده می شود و به دلیل اینکه ارتباط بینy و متغیر رگرسیونیX_j را پس از رفع تأثیر دیگر متغیرهای رگرسیونی  را نشان می دهد. با وضوح بیشتر اثر x_j­ را روی پاسخy در حضور دیگر متغیرهای رگرسیونی نشان می دهد. بنابراین این نمودارها جانشینی برای نمودارهایy در مقابلx_j در رگرسیون چندگانه خواهد بود.

باقیمانده های Press

جهت دریافت و خرید متن کامل مقاله و تحقیق و پایان نامه مربوطه بر روی گزینه خرید انتهای هر تحقیق و پروژه کلیک نمائید و پس از وارد نمودن مشخصات خود به درگاه بانک متصل شده که از طریق کلیه کارت های عضو شتاب قادر به پرداخت می باشید و بلافاصله بعد از پرداخت آنلاین به صورت خودکار  لینک دنلود مقاله و پایان نامه مربوطه فعال گردیده که قادر به دنلود فایل کامل آن می باشد .