تا کنون در رابطه با خواص مکانیکی و دینامیکی نخ فرش پلی پروپیلن، پلی استر، نایلون، اکریلیک و پشم تحقیقاتی صورت گرفته است. در ایران به دلیل استفاده بالا از نخ اکریلیک به عنوان نخ خاب در فرش ماشینی و تولید این نخ به دو روش نیمه فاستونی با کاردینگ و نیمه فاستونی با تو به تاپس و نبود اطلاعات کافی در مورد خصوصیات این دو نخ، در این پروژه برآن شدیم تا خواص دینامکی و مکانیکی این دو نخ را مورد بررسی قرار دهیم. در ضمن بدلیل اینکه لیف پلی استر یک لیف نو ظهور در عرصه فرش بافی است، در انتهای پروژه مقایسه ای بین نخ پلی استر و نخ اکریلیک تولیدی به روش نیمه فاستونی با کاردینگ صورت گرفته است. در این راستا با اندازه گیری برخی از خصوصیات این دو گروه نخ، خواص فیزیکی و مکانیکی آن ها با یگدیگر مقایسه می شود. سپس اثر این دو گروه نخ تولیدی بر روی عملکرد خاب فرش ماشینی در برابر نیروهای استاتیکی و دینامیکی بررسی، مقایسه و تجزیه و تحلیل می گردد که امکان مطالعه و پیش بینی برخی از خصوصیات عملکرد فرش از قبیل جهندگی(برگشت پذیری) نخ های خاب فراهم می شود. نتایج حاصل از این پروژه نشان می دهد که نخ اکریلیک تولیدی به روش نیمه فاستونی با کاردینگ به دلیل داشتن ازدیاد طول تا حد پارگی و انرژی تا حد پارگی بالاتر نسبت به نخ اکریلیک تولیدی به روش نیمه فاستونی با تو به تاپس بهتر است، ولی نخ پلی استر در مقایسه با این دو نخ به دلیل داشتن نیرو تا حد پارگی و استحکام بالاتر ارجحیت دارد. در مورد مقایسه بین فرش های تولید شده با نخ خاب تولیدی به هر دو روش می توان گفت، فرش با خاب اکریلیک تولید شده به روش کاردینگ از لحاظ بارگذاری دینامیکی و استاتیکی و نیروی بیرون کشیدن پرز نسبت به نمونه دیگر عملکرد بهتری را نشان داده است ولی از لحاظ مقاومت سایشی فرش اکریلیک تولید شده به روش تو به تاپس عملکرد بهتری داشته است. اساسا تمام تفاوت های این دو نمونه نخ و فرش های تولیدی از آنها ناشی از نحوه قرارگیری الیاف در ساختمان نخ می باشد. الیاف به دلیل ویژگی خط تولید نیمه فاستونی با تو به تاپس اساسا منظم تر از روش نیمه فاستونی با کاردینگ، در ساختمان نخ قرار می گیرد. فرش پلی استر در مقایسه با فرش اکریلیک به دلیل داشتن مقاومت سایشی بسیار بالا برای مناطق با ترافیک بسیار بالا مناسب می باشد، ولی از لحاظ بارگذاری دینامیکی فرش با خاب اکریلیک تولید شده به روش کاردینگ از همه بهتر است.

در چند دهه ی اخیر ابتلا به بیماری های پوستی به ویژه سرطان پوست ناشی از قرار گرفتن در معرض پرتوی فرابنفش از نوع طبیعی آن یعنی نور خورشید یا نوع مصنوعی آن رشد سریعی داشته است. به منظور حفاظت در برابر نور خورشید به ویژه پرتوی فرابنفش وجلوگیری از ابتلا به بیماری سرطان پوست، استفاده از منسوجات توصیه شده و در ارتقای درجه حفاظت آن تحقیقات بسیاری صورت گرفته است. در این راستا اثر متغیرهای تراکم تاری، تراکم پودی و جنس نمونه پارچه های تولید شده در سیستم بافندگی تاری - پودی و طول موج پرتوی فرابنفش ، برمیزان انعکاس پرتوی فرابنفش از سطح پارچه، مورد مطالعه قرار گرفته است. در دو طرح بافت تافته و سرژه 1/3 صعودی، تراکم تاری در سه مقدار 36، 40و 45 تار در سانتی متر و تراکم پودی در سه مقدار 22، 24 و 26 پود در سانتی متر تعیین شده و جنس پارچه ها با تغییر در نوع پود مصرفی از قبیل نخ پنبه ی صد در صد با ظرافت 24 و 30 انگلیسی، نخ مخلوط پلی استر و ویسکوز با ظرافت 30 انگلیسی و نخ مخلوط پلی استر پنبه با ظرافت 17 انگلیسی، تغییر یافته است. تجزیه و تحلیل آماری داده ها با استفاده از نرم افزار spss انجام شده است. در این تحقیق منطق فازی به منظور پیش گویی کردن میزان انعکاس پرتو ی فرابنفش از سطح پارچه، به کار گرفته شده است که با استفاده از نرم افزار متلب (matlab) مدل منطق فازی طراحی و توسعه داده شده است. میزان انعکاس پرتوی فرابنفش، با استفاده از منطق فازی پیش گویی شده و مقایسه ی نتایج حاصل از آزمایشات تجربی و نتایج پیش گویی شده ضریب همبستگی 965/0 را نشان می دهد. میزان قدر مطلق خطای حاصل از مقایسه ی نتایج عملی و پیش گویی شده بسیار کم می باشد.

متوازن سازی خط تولید یکی از اهداف مهم در تمامی صنایع برای دستیابی به بازدهی بیشتر خطوط تولید و کاهش زمان های بیکاری می باشد. متوازن سازی خط تولید در کارخانجات پوشاک به دلیل تعداد زیاد مراحل کاری و در نتیجه وجود تعداد زیادی کارگر با مهارت های مختلف بسیار مهم و ضروری می باشد. هدف از این تحقیق ارائه مدلی برای متوازن سازی خط دوزندگی پیراهن مردانه ، به عنوان مهمترین قسمت در کارخانجات پوشاک، توسط الگوریتم ژنتیک بر مبنای میزان مهارت هر کارگر و ارائه بهترین چیدمان کارگری بر مبنای پیش بینی زمان استاندارد هر وظیفه توسط شبکه عصبی مصنوعی می باشد. برای توازن خط دوزندگی ابتدا زمان استاندارد مجاز برای هر وظیفه اندازه گیری و محاسبه شد. سپس میزان مهارت هر کارگر عددی تصادفی بین 0 و 1.5 در نظر گرفته شد. با تقسیم زمان استاندارد مجاز برای هر وظیفه بر میزان مهارت هر کارگر، زمان صرف شده برای انجام هر وظیفه توسط هر کارگر بدست آمد. با استفاده از الگوریتم ژنتیک تلاش گردید بهترین چیدمان کارگری برای هر وظیفه بر اساس کمترین زمان صرف شده برای اتمام مراحل دوخت بدست آید. سپس این چیدمان با زمان های بدست آمده از شبکه عصبی نیز محاسبه شده و اختلاف این دو زمان محاسبه می شود. برای پیش بینی زمان انجام هر وظیفه توسط شبکه عصبی از سه پارامتر طول دوخت، ماکزیمم سرعت چرخ خیاطی و پارامتر سومی که بر اساس مشخصات هر مرحله دوخت مشخص می شود، استفاده گردید. شبکه عصبی مصنوعی طراحی شده، feedforward، دارای یک لایه پنهان با 5 نرون می باشد و از الگوریتم آموزش پس انتشار استفاده شده است. نتایج نشان می دهد که شبکه عصبی مصنوعی می تواند ابزاری مفید برای پیش بینی زمان انجام هر مرحله عملیات دوزندگی باشد. نتایج بیانگر ضریب همبستگی 0.98 بین مقادیر واقعی و آموزش و 0.97 بین مقادیر واقعی و آزمون می باشد. نتایج متوازن سازی خط تولید با استفاده از الگوریتم ژنتیک بیانگر زمان 656.68 ثانیه برای اتمام یک محصول با استفاده از زمان های اندازه گیری شده و زمان 626.93 ثانیه با استفاده از نتایج حاصل از شبکه عصبی برای بهترین چیدمان کارگری می باشد. بنابراین شبکه عصبی مصنوعی می تواند ابزاری قدرتمند برای پیش بینی زمان استاندارد انجام وظایف و بنابراین پیش بینی میزان زمان لازم برای تولید و همچنین توازن خط تولید باشد.

روش های هوش محاسباتی، فرآیند تعیین یک مدل مناسب برای سیستم بر اساس داده ها و پارامترهای اندازه گیری شده می باشد. این روش ها از قابلیت انعطاف در تعریف و ارزیابی مدل نسبت به روش های معمول (مدل های تحلیلی) برخوردار است. انعطاف پذیری در فرآیندهای پیچیده بدلیل مشخص نبودن رفتار سیستم بطور دقیق، بسیار مهم می باشد. لذا بهره گیری از این روش ها در شناخت رفتار منسوج از طریق مطالعات مهندسی و با استفاده از قوانین مکانیکی و فیزیکی و ارتباط آنها با عوامل موثر در رسیدن به اهداف خاص دارای اهمیت ویژه ای است. در این پایان نامه ابتدا به مدل سازی شبکه عصبی مصنوعی پیشخور تک لایه مخفی بر اساس الگوریتم انتشار به عقب با چهار گره ورودی و یک گره خروجی پیشگویی مدول اولیه کششی پارچه پرداخته شده است. سپس با استفاده از شبکه عصبی و تعریف شاخصی موثر، مدول اولیه ساختارهای بافت (تافته، مشتقات تافته، سرژه، ساتین) پیشگویی شده که نهایتا با توجه به نوع ورودی ها نتایج حاصل بهبود یافت. در این تحقیق مقادیر بردارهای ورودی از ترکیب های عبارتی پارامترهای هندسی نخ و پارچه بر اساس مدل ریاضی لیف (leaf)[13] استخراج شده است. مجموعه داده ها به مجموعه داده های آموزشی، اعتبارسنجی و آزمون تقسیم شده اند. در مرحله بعد، مدل سازی منطق فازی برای پیش بینی رفتار اولیه کششی پارچه ساختار تافته قابل استفاده بود . متغیرهای ورودی شامل سختی خمشی نخ های تار و پود، فاصله بین نخ های تار و پود، طول نخ های تار و پود در یک تقاطع بافت و متغیر خروجی شامل مدول یانگ اولیه پارچه در چهت تار و پود فازی ساز شده و توابع عضویت مثلثی برای زیر مجموعه های فازی بکار گرفته شده است. بوسیله کاربرد قوانین فازی به شکل اگر-آنگاه، متغیرهای ورودی به متغیرهای خروجی نگاشت گردید و از روش غیر فازی ساز مرکز ثقل برای استنتاج فازی استفاده گردید. در مرحله آخر از ترکیب دو روش فوق برای پیشگویی مدول کششی پارچه در جهت تار و پود بهره گرفته شده است. ضمنا از روش مدل رگرسیون خطی (روش آماری) جهت مقایسه استفاده گردید. با استفاده از روش های هوش مصنوعی دستیابی به تخمین مدول یانگ اولیه در جهت تار و پود امکان پذیر گردید. محدده خطای پیشگویی شبکه های آموزش داده شده بین 6-15 ? است. کارایی سیستم های استنتاج تطبیقی عصبی –فازی (محدوده خطای پیشگویی بین 8-13?) برای پارچه های ساختار تافته نسبت به مدل های فازی (محدوده خطای پیشگویی بین 10-17?) بهتر می باشد. نتیجه آنکه، روش شبکه عصبی مدول کششی پارچه را نسبت به بقیه روشها با خطایی کمتر پیشگویی نموده و بهترین کارآیی را داشته است.