This study involved the sensory evaluation of knitted textiles which have gone through different domestic laundering treatments with respect to whether their sensory attributes or a combination of different measured sensory attributes can best predict the preference of consumers in the aspect of comfort . The textile consumer always has specific preferences which are related to textile properties at the time of purchasing textiles and also to the perception of how long lasting these properties will be. In the large competitive market of softeners, all softener producers claim the improvement of fabric hand as well as the mechanical properties of textiles. The main aim of this study is to find the important sensory parameters enhanced by the use of softener during washing and the impact of repeated washing on sensory attributes. The study is based on cationic softener (rinse cycle type). We also examined the change in the handle of fabric using the fabric life cycle. The change in the handle of fabric after washing is unavoidable because of strong mechanical action during washing, but it can be improved with the use of domestic softeners during the rinse cycle. In Part I, we established a panel for the sensory evaluation of knitted fabrics that have gone through the ageing of washing cycles with/without the use of fabric softener. The panel assessed the fabrics using criteria defined by the author. In part II, we will discuss the influence of ageing during the washing cycle and the use of fabric softener on sensory properties.
PL
Badano wpływ prania środkami domowymi na różnego rodzaju dzianiny. Badania prowadzono metodą sensoryczną, mając na uwadze stosowane w praniu domowe zmiękczacze, preferowaną jakość dzianin oraz wpływ wielokrotnego prania. Opracowano metodykę badań i kryteria oceny, a badania opisano w części drugiej.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The paper presents the results of an extensive investigation regarding the tensile behaviour of knitted fabrics with basic evolutions, made of two types of yarns: classic acrylic yarn (used for garments) and PES HT yarn (used for technical applications). Samples were produced according to an experimental matrix containing technological variables considered significant. The fabrics were tested for tensile strain in both the weft and warp directions, and the values were compared and discussed. Conclusions regarding the tensile behaviour of weft knitted fabrics are drawn based on the experimental data.
PL
Badano właściwości wytrzymałościowe dzianin rządkowych wykonanych z dwóch typów przędz - klasycznych: przędz akrylowych używanych do produkcji wyrobów odzieżowych oraz wysoko wytrzymałych przędz poliestrowych używanych do wyrobów technicznych. Próbki wykonano na podstawie opracowanej macierzy zawierającej zmienne wielkości procesu technologicznego. Badano wytrzymałość uzyskanych próbek zarówno w kierunku osnowy jak i wątku. Na podstawie porównania i analizy wyników opracowano wnioski dotyczące wytrzymałości dzianin.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Fuzz on the fabric surface is very important for appearance quality, since it can lead to pilling and an unpleasant handle and appearance. Thus, it is important to predict the fuzz value on the fabric surface before producing the fabric. The amount of fuzz on the fabric surface, as has been determined by image processing techniques, can be predicted by two different methods, the Artificial Neural Network (ANN) and Regression Analysis. During knitting, the yarn used is abraded to an uncertain degree, depending on the knitting conditions and yarn properties, and this situation can lead to poor prediction results. However, it has been demonstrated that the prediction results obtained by Artificial Neural Networks look more promising than that of Regression Analyses.
PL
Mechatość na powierzchni dzianiny jest bardzo ważną cechą jakościową, ponieważ może prowadzić do pilingu, niekorzystnego chwytu i wyglądu. Dlatego też ważnym jest móc przewidywać wartość mechatości na powierzchni dzianiny przed jej wyprodukowaniem. Jak stwierdzono techniką analizy obrazu, mechatość można przewidzieć za pomocą dwóch różnych metod, a mianowicie sztucznych sieci neuronowych i analizy regresyjnej. Podczas dziania, przędza jest ścierana w stopniu trudnym do określenia, zależnym od warunków dziania i właściwości przędzy i dlatego prawidłowe określenie mechatości jest bardzo wątpliwe. Jednak, jak to udowodniono w niniejszym artykule, przewidywanie za pomocą sztucznych sieci neuronowych może być bardziej obiecujące, niż to przeprowadzone za pomocą analizy regresyjnej.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.