Optimisation of Multi-Response Surface Parameters of the Roving Twist Factor and Spinning Back Zone Draft

• Autorzy: Hong Cui , Chen Shi

Identyfikatory

DOI

10.5604/01.3001.0013.2898

Warianty tytułu

PL

Zastosowanie metody wielokrotnej odpowiedzi do optymalizacji parametrów technologicznych procesu przędzenia

• Języki publikacji: EN

Abstrakty

EN

In order to obtain the optimal collocation of two important technological parameters in the spinning process, the multi-response surface method was used to optimise the experimental results. Through the orthogonal design of the two factors and four levels of factor encoding, 16 groups of orthogonal experiments were designed; the experimental results were fit using the curve fitting toolbox of Matlab; a regression equation of yarn quality indicators, and in addition to a three-dimensional surface chart, an optimal scheme of the roving twist factor and spinning drafting for a roving twist factor of 110 were established; a spinning back draft of 1.5 was obtained based on experimental results of the response surface analysis and variance regression analysis. Experiments on the optimal scheme were carried out to verify the practicability of the results obtained by this method. The results show that application of the multiple response surface method to the optimisation of process parameters is of practical significance. This method can be applied for the optimisation of other process parameters.

PL

Aby uzyskać optymalną kolokację dwóch ważnych parametrów technologicznych w procesie przędzenia, do optymalizacji wyników eksperymentalnych zastosowano metodę wielu odpowiedzi. Poprzez ortogonalne zaprojektowanie dwóch czynników i czterech poziomów kodowania czynnikowego zaprojektowano 16 grup eksperymentów ortogonalnych. Wyniki eksperymentalne dopasowano przy użyciu Matlab. Przeprowadzono eksperymenty na optymalnym schemacie w celu sprawdzenia wyników uzyskanych tą metodą. Wyniki pokazały, że zastosowanie metody powierzchni wielokrotnej odpowiedzi do optymalizacji parametrów procesu ma znaczenie praktyczne. Tę metodę można zastosować do optymalizacji innych parametrów procesu.

Słowa kluczowe

EN

twist factor; back zone draft; multi-response surface; orthogonal experiment; 3D surface graph

PL

współczynnik skrętu; zanurzenie strefy tylnej; powierzchnia wielokrotnej odpowiedzi; eksperyment ortogonalny; wykres powierzchniowy 3D

• Wydawca: Sieć Badawcza Łukasiewicz - Łódzki Instytut Technologiczny
• Czasopismo: Fibres & Textiles in Eastern Europe
• Rocznik: 2019
• Tom: Vol. 27, no. 5 (137)
• Strony: 28--33
• Opis fizyczny: Bibliogr. 16 poz., rys., tab.

Twórcy

autor

Hong Cui

• Yancheng Institute of Technology, College of Textiles and Clothing, Yancheng, Jiangsu, 224000, China

autor

Chen Shi

• Tianjin Polytechnic University, College of Extended Education, Tianjin, 450007, China

Bibliografia

• 1. Ren Shanhong. The relation between roving twist coefficient and yarn quality[J]. Chemical Fiber & Textile Technology 2016; 45(3): 19-22.
• 2. Wang Shengjie. Influence of back zone draft on yarn quality in spinning process[J]. Cotton Textile Technology 2008; 37(8): 41-43.
• 3. Zhou Xueen. Discussion on optimization of drafting mechanism of roving frame[J]. Heilongjiang Textiles 1994; (4): 28- 30.
• 4. He Jian, Wei Shuying. Precess optimization and spinning effect analysis of domestic on high speed roving frame[J]. Cotton Textile Technology 2005; 33(8): 493-495.
• 5. Shi Chen. The effect of roving twist coefficient and spinning back zone draft on yarn ununevenness by fuzzy decision[D].Tianjin Polytechnic University, 2012; 28-29.
• 6. Dong Kuiyong. Yarn virtual machining system based on artificial neural network and database technology[D] Donghua University, 2003; 67-68.
• 7. Yin Xianggang. Whole process virtual processing technology of worsted textiles based on intelligent prediction model[D]. Donghua University, 2006;127-130.
• 8. Cheng KPS, LAM HLI. Evaluating and Comparing the Physical Properties of Spliced Yarns by Regression and Neural Network Techniques[J]. Textile Research Journal 2003; 73(2): 161-164.
• 9. Lewandowski S, Drobina R. Prediction of Properties of Unknotted Spliced Ends of Yarns Using Multiple Regression and Artificial Neural Networks. Part I: Identification of Spliced Joints of Combed Wool Yarn by Artificial Neural Networks and Multiple Regression[J]. FIBRES & TEXTILES in Eastern Europe 2008; 16, 5(70): 33-39.
• 10. Karthik T, Murugan R. Optimization of drafting zone variables in ring spinning for the production of cotton/milkweed blended yarns [J]. Indian Journal of Fibre & Textile Research 2016; 41(2): 121-128.
• 11. Karthik T, Murugan R. Optimization of process variables in rotor spinning for the production of cotton/milkweed blended yarns[J]. Indian Journal of Fibre & Textile Research 2016; 41(3): 263-269.
• 12. Senthilkumar P, Kuthalam E Sankara. Optimization of spinning parameters influencing the tensile properties of polyester/cotton vortex yarn[J]. Indian Journal of Fibre & Textile Research 2015; 40(3): 256-266.
• 13. Kuthalam E Sankara, Senthilkumar P. Optimization of spinning parameters influencing the hairiness properties of polyester/cotton vortex yarn[J]. Journal of The Textile Institute 2017; 108(3): 449-459.
• 14. Feng Jie, Xu Bingang, Tao Xiaoming. Systematic investigation and optimization of fine cotton yarns produced in a modified ring spinning system using statistical methods[J]. Textile Research Journal 2013; 83(3): 238-248.
• 15. Rizvan Erol, Aysun Sağbaş. Multiple Response Optimization of the Staple-Yarn Production Process for Hairiness, Tenacity and Cost [J]. FIBRES & TEXTILES in Eastern Europe 2009; 17, 5(76): 40-42.
• 16. Farooq Ahmed Arain, Anwaruddin Tanwari, Tanveer Hussain1, Zulfiqar Ali Malik. Multiple Response Optimization of Rotor Yarn for Tenacity, Ununevenness, Hairiness and Imperfections[J]. Fibers and Polymers 2012; 13(1): 118-122.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).