ارزیابی مهندسی نخ پنبه ای با استفاده از مدلهای رگرسیون آماری و فازی

پیشگویی و مدل سازی خواص مهم نخ از خواص الیاف و همچنین پیشگویی خواص الیاف مورد نیاز جهت تولید نخ مشخص، یکی از زمینه های مهم تحقیقاتی در مهندسی نساجی است. هدف اصلی این تحقیق، مدل سازی خواص نخ از خواص الیاف(مدل مستقیم) و خواص الیاف از خواص نخ(مدل معکوس) می باشد. همچنین با توجه به اینکه ممکن است متغیرهای اندازه گیری شده و یا ارتباط بین متغیرهای مستقل و وابسته غیر دقیق (فازی) باشند، بنابراین پیشگویی خواص نخ از خواص الیاف با استفاده از رگرسیون فازی (روش کمترین مربعات) نیز بررسی شده است. نکته قابل توجه، بدست آوردن مدلهای پیش بینی با کمترین خطا و بیشترین دقت ممکن و مقادیر واقعی خواص الیاف در داخل نخ می باشد. همچنین از دید مهندسی نخ، نتایج فیزیکی معنی دارو قابل اطمینان حاصل شده است. از مدلهای بدست آمده، می توان بطور فراگیر درکارخانجات مختلف ریسندگی پنبه استفاده نمود. برای اندازه گیری خواص الیاف، از نیمچه نخهاییکه تاب آنها بدقت باز شده اند، استفاده شده است. همچنین برای اندازه گیری خواص فیزیکی و مکانیکی از دستگاههای سنجش نایکنواختی وhvi پریمیر استفاده شده است. تعداد 108 نمونه مختلف (ماسوره نخ) درپنج محدوده نمره نخ انگلیسی (16،20،24،28،32) تولید شد. جهت افزایش کارایی ظرافت و طول الیاف و همچنین با توجه به دیاگرام تاب/ استحکام، از فاکتور تاب بهینه استفاده شده است. لازم به ذکر است، علاوه بر خواص مهم نخ (استحکام، ازدیادطول، نایکنواختی جرمی و پرزدهی نخ) از عیوب نخ بعنوان یک متغیر وابسته در تجزیه و تحلیل نتایج، استفاده گردیده است. ابتدا، با استفاده از آزمونهای چند متغیره متغیرهای مستقل موثر انتخاب شده است. سپس معادلات بهینه برای هریک از خصوصیات مهم نخ، با رگرسیون چند متغیره چندگانه، بدست آمده است. با استفاده از معادلات خطی بدست آمده، مدلهای معکوس پیش بینی، حاصل شده است. همچنین با تقسیم بندی متغیرهای مستقل به دو گروه، فاکتور ماشین و فاکتور مواد اولیه، اهمیت هرکدام از این فاکتورها با استفاده از مجموع مربعات اضافی نیز محاسبه شده است در مرحله بعد،. با استفاده از رگرسیون استوار مدلهای پایدار و با ثبات حاصل گردیده و معادلات بهینه با استفاده از معیارهای برازش cp وr2 بدست آمده است. همچنین با استفاده از مجموع مربعات اضافی، اهمیت نسبی هریک از متغیرهای مستقل نیز محاسبه گردیده است. در مرحله نهایی، با انتخاب متغیرهای مستقل موثر، برازش مدل با استفاده از رگرسیون فازی(روش کمترین مربعات) انجام شده است.معادلات بهینه بدست آمده، با استفاده از یک معیار نیکویی برازش مناسب، مورد ارزیابی قرار گرفته است. نتایج نشان داد که اغلب ضرایب متغیرهای معادلات بدست آمده، فازی و معادلات دارای قدرت پیش بینی خوبی هستند.