Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Fibres & Textiles in Eastern Europe

1 2009

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: yarn production

Sortuj według:

Ogranicz wyniki do:

Multiple Response Optimization of the Staple-Yarn Production Process for Hairiness, Strength and Cost

Erol R., Sagbas A.

Fibres & Textiles in Eastern Europe

2009

Vol. 17, no. 5 (76)

40--42

It is generally desirable to reduce yarn hairiness as much as possible since it causes serious problems in both yarn production and use of yarn in subsequent textile operations. On the other hand, the cost of yarn production should be minimised while satisfying yarn hairiness and yarn strength specifications. In this study, a multiple response optimisation model based on empirical regression models is developed to determine the best processing conditions for spindle speed, yarn twist, and the number of travelers with yarn hairiness, yarn strength and production cost being multiple response variables. Experimental levels for process variables are selected according to a Central Composite Design (CCD) due to its good statistical properties, such as orthogonality and rotatability. Regression analysis of experimental results indicates that the second-order regression model adequately represents yarn hairiness in terms of process variables. Finally, the yarn production cost model and regression models for yarn hairiness and yarn strength are combined into a multiple response optimisation model to determine optimum processing conditions for different yarn quality levels.

Jest ogólnie pożądane możliwe największe zmniejszenie włochowatości przędz, ponieważ włochatość stwarza poważne problemy podczas dalszej ich przeróbki. Z drugiej strony koszt produkcji przędzy powinien być utrzymany na odpowiednim poziomie przy zadawalającym zmniejszeniu włochatości i odpowiedniej wytrzymałości przędzy. W przedstawionej pracy opisano model wieloparametrowej optymalizacji opartej na empirycznych modelach regresji dla określenia najlepszych warunków produkcji, biorąc pod uwagę szybkość obrotową wrzecion, skręt przędzy oraz rodzaj biegaczy a jednocześnie odpowiednią włochatość przędzy, wytrzymałość oraz koszt produkcji. Wybrano eksperymentalne poziomy parametrów procesowych w celu uzyskania dobrych zależności statystycznych. (ortogonalne i rotacyjne). Analiza regresyjna uzyskanych wyników eksperymentalnych wykazała, że model regresji drugiego rzędu najbardziej odpowiada zależności włochatości od parametrów zmiennych procesorów. W efekcie model kosztów produkcyjnych oraz model regresji dla włochatości włókna i jego wytrzymałości stanowią wieloparametrowy, skomplikowany model optymalizacyjny pozwalający na określenie najlepszych warunków produkcyjnych dla uzyskania przędz odpowiedniej jakości.