مدیریت انتخاب و دسته بندی منسوجات رنگی در صنایع پوشاک

انتخاب شید تقسیم کردن جمعیتی از نمونه های رنگی مشابه (که همه آن ها ممکن است از لحاظ تجاری با توجه به یک نمونه شاهد قابل قبول باشند) به گروه های کوچکتر و هماهنگ تر از لحاظ رنگی بوده که اعضای آن ها بتوانند با هم برش خورده و به هم دوخته شوند بدون اینکه لازم باشد نگران اختلاف رنگ مشهودی بین قطعات مجاور بود. در چنین مواردی بحث ارزیابی کردن اختلاف رنگ بین نمونه های هماننده شده و نمونه شاهد و تنظیم حدرواداری رنگی متناسب با قابلیت پذیرش کالا توسط مشتری و به طور کلی کنترل و مدیریت رنگ و دسته بندی شید اهمیت پیدا می کند. از آنجایی که در سطح کشور هنوز حدرواداری استاندارد ومشخص جهت پذیرش یک رنگ همانندی قابل قبول وجود ندارد، در این پروژه تحقیقی بر روی روش های کنترل و مدیریت رنگ در برخی کارخانجات نساجی و میزان حدرواداری قابل قبول در هر یک از آنان، همچنین روش های انتخاب شید در برخی واحدهای تولیدپوشاک سطح کشور و میزان حدرواداری قابل قبول در هر واحد جهت کنار هم قرار دادن قطعات مختلف لباس، انجام شده است. در این تحقیق غلاوه بر استفاده از روش های دسته بندی کلاسیک و بویژه روش خوشه بندی کلمسون clemson color clustering روش خوشه بندی فازی fuzzy c-means clustering به عنوان روشی جدید برای انتخاب شید استفاده گردیده است. در نهایت به منظور بررسی عملکرد این روش جدید با روش های متداولی قبلی، مقایسه ار بین این روش و روش ccc با استفاده از چندین پارامتر انجام شده است. با توجه به اینکه fcm تعداد خوشه های تک نمونه ای و میانگین فواصل از مرکز خوشه کمتری نسبت به ccc، و حد اکثر اختلاف رنگ تقریبا مشابهی با ccc ایجاد می کند، می تواند به عنوان روشی مناسبی برای انتخاب شید باشد. از طرفی از آنجایی که مقداردهی های اولیه متفاوت منجر به برآوردها و نتایج خروجی متفاوت از الگوریتم fcm می شود و عملکرد الگوریتم وابسته به مراکز اولیه خوشه ها، در این تحقیق از روشی استفاده شده است که علاوه بر پایدار نمودن خروجی الگوریتم و جلوگیری از ایجاد نتایج تصادفی، نتایج خروجی بهینه نیز حاصل می کند. همچنین با بررسی و مقایسه عملکرد دو روش خوشه بندی fcm و ccc، این ایده که با توجه به نقاط قوت و عملکرد منطقی تر الگوریتم fcm در بیشتر زمینه ها، نحوه عملکرد روش ccc بهبود و تقویت گردد، با دادن نتایج خروجی الگوریتم ccc به عنوان ورودی و مقدار اولیه به الگوریتم fcm ، مورد تحقیق و بررسی قرار گرفت. نتایج حاصل شده نشان می دهد، عملکرد الگوریتم ccc تقویت شده و نتایج خروجی آن بهینه گردیده است.