TEKNOLOJĐK ARAŞTIRMALAR

Transkript

1 Tekstil Teknolojileri Elektronik Dergisi 007 (1) 9-1 TEKNOLOJĐK ARAŞTIRMALAR Dokuma Sırasında Oluşan Çözgü Gerilimi Değişiminin GEP Algoritması Đle Belirlenmesi Mehmet DAYIK Süleyman Demirel Üniversitesi Mühendislik Mimarlık Fakültesi Tekstil Mühendisliği, ISPARTA Özet Bu çalışma; Dokuma sırasında dokuma makinasının ana milinin bir devrinde (360 0 ) çözgü ipliği üzerinde oluşan gerilim fonksiyonunun belirlenmesini içermektedir. Yapılan deneylerden elde edilen sonuçların Genetic Expresion Programing (GEP) algoritması kullanılarak Automatic Problem Solver (APS) programında çözülerek dokuma işlemi sırasında dokuma makinasının ana milinin bir devrinde oluşan çözgü geriliminin fonksiyonu tespit edilmiştir. Giriş değişkeni olarak ana milin bir devri (360 0 ) çıkış değişkeni olarak da çözgü gerilimi alınmıştır. Elde edilen bu fonksiyonun kullanılması ile dokuma sırasında kontrol ünitesine ve sistemine direkt müdahale ederek oluşan çözgü geriliminin kontrolünün daha etkin olarak sağlanması ve böylece dokuma sırasında çözgü kopuşlarının sayısının azaltılması ile dokuma veriminin yükseltilmesi hedeflenmiştir. Kurulan GEP algoritması sonucu ile deneysel sonuçlar arasında %99 benzerlik elde edilirken aynı zamanda tefeleme işlemi sırasında meydana gelen maksimum çözgü ipliği gerginliği 50 cn dan 45 cn a inmiştir. Anahtar Kelimeler: Dokuma, Çözgü gerilimi, Genetik algoritma, Genetic Expresion Programing 1. Giriş Đmalat koşullarının global rekabet şartlarına uygunluğunu sağlamak için müşteri odaklı, hızlı ve çevik üretim stratejileri artık vazgeçilmez bir üretim felsefesi olmaktadır. Üretimde çevikliğin ve tepkiselliğin sağlanmasında üretim kademelerindeki ilişkilerin hızlı, doğru, güvenilir bir şekilde tespit edilmesi gerekir. Ancak üretimde tepkisellik ve çeviklikte tıkanıklıklar olmaya başladığı da bilinen bir başka gerçektir. Tepkisellik ve çevikliğin önündeki tıkanıklıkların aşılma sürecinde üretimin yapısal parametrelerinin tümünün elektronik ortamda denetlenmesi olarak tanımlanan elektronik üretim yöntemiyle sağlanabilecektir. Ancak bunun sağlanabilmesi için üretim sürecinde etkili olan parametrelerin elektronik ortama akıllı yöntemler kullanarak taşınabilmesine bağlıdır. Dokuma işletmesi açısından ele alındığında dokuma işlemi sırasında oluşan çözgü geriliminin anlık olarak bilinmesi ve bunun elektronik ortamda tespit edilerek kontrol ünitesine beslenmesi üretimde tepkiselliğin sağlanması ve çevikliğin kazanılmasında önemli rol oynar. Özellikle üretim hızlarının çok yüksek olduğu dokuma tezgahlarında verimliliğin arttırılması ve kaliteli üretim açısından büyük öneme sahiptir. Dokuma sırasında verimliliği ve kumaş kalitesini düşüren en önemli faktörlerden birisi çözgü ipliği kopuşlarıdır. Bundan dolayı çözgü geriliminin kontrolünün sağlanması için çözgü gerilimi üzerine etki eden temel hareketlerden kumaş çekme, çözgü salma ve tefeleme işlemlerinin pozitif kontrolü üzerine çalışmalar yoğunlaşmıştır. Bununla ilgili olarak Greenwood ve Cowhig [1, ] yayınladıkları üç seri makalenin ilkinde tefeleme sırasında çözgünün hem torbalanma yaptığı hem de yapmadığı durumlar için atkı atıldıktan sonra kumaş çizgisi pozisyonunun çekilme oranının matematiksel ifadesini açıklamışlardır.

2 Teknolojik Araştırmalar : TTED 007 (1) 9-1 Dokuma Sırasında Oluşan Çözgü Gerilimi Değişiminin GEP Algoritması Đkinci makalede Greenwood ve Cowhig [1] dokuma sırasında bozucu durumların analizi için matematiksel çalışmayı genişleterek deneysel çalışmalarda Tefeleme kuvveti ve kumaş çizgisi pozisyonunun ölçülmesinden sonra önceden geliştirilmiş teoriler ışığında deneysel bulguları tartışmışlardır. Eren [3, 4] kumaş çekme, çözgü salma ve atkı atma sistemlerini birleştiren bir kontrol sistemi geliştirmiştir. Kumaş çekme ve çözgü salma sistemleri birbirleriyle uyumlu şekilde pozitif bir kontrol sistemi söz konusudur. Tefeleme kuvvetinin pozitif kontrolü ile başlama yeri probleminin ortadan kaldırılması ve kumaş görünümünün iyileştirilmesine çalışmıştır. Egbers ve arkadaşları [5] dokuma dairelerinde iplik kopuşlarından dolayı ortaya çıkan masrafların bütün çalışma kademelerindeki toplam kopuşların meydana getirdiği masrafların %70 i ile en büyük kısmı oluşturduğunu, iplik kopuşlarını azaltma tedbirleri yönünden ipliğin dokumada zorlanmasının azaltılmasının gerektiğini belirtmişlerdir. Hüttl [6] çözgü ipliği kopuşlarının dokuma tezgahının üç ayrı bölgesinde meydana geldiğini bunların tüm duruşlara oranını şu şekilde vermiştir. 1-Lameller tefe vuruş noktası arası (tüm çözgü duruşlarının %65 i kadar) -Arka köprü Lamel arası (tüm çözgü duruşlarının %5 i kadar) 3-Kenar iplikteki kopuşlar (tüm çözgü duruşlarının %10 u kadar) Sternheim and Grosberg [7] dokuma anında çözgü geriliminin kontrolü çözgü kopuşlarının azaltılması için tefe hareketinin öneminin büyük olduğunu belirtmiştir. Traynard [8] atkının tefelenmesi ile oluşan kuvvetlerin ağızlık geometrisine bağlı olduğunu, çözgü ipliği kopuş sayısının önemli şekilde ağızlığın optimum şekilde ayarlanarak azaltılabileceğini belirtmiştir. Kohlhaas [9, 10] çözgü ipliklerinin kopuşunun minimum olması için aşağıdaki önerileri sıralamıştır Mümkün olduğunca büyük bir (arka ağızlık uzunluğu/ön ağızlık uzunluğu) oranında düşük çözgü ipliği uzaması ile çalışmak. Dokuma makinesinin ağızlık uzunluğu, ön ağızlık uzunluğunun azaltılması ile azaltılabilir. Ağızlık açısı mümkün olduğu kadar büyük olmalıdır. 90 lı yıllarla beraber bir çok alanda üretim ve kontrol sistemlerinde yapay zeka yöntemlerinin kullanılması yaygın hale gelmiştir. Tong, ve arkadaşları [11] tarafından lineer olamayan sistemlerin Fuzzy Logic kontrolü gerçekleştirilmiştir. Makkonen, Koivo, [1], Wai ve arkadaşları [13] servomotor kontrolünü Fuzzy Logic ve Neurol Fuzzy logic yöntemlerle kontrol etmişlerdir. Aynı zamanda Küçükdemiral ve Cansever [14] PID kontrol ile Fuzzy logic kontrolü karşılaştırmışlardır. Yapay zeka uygulamaları Tekstil sektöründe de kullanılmaya 90 lı yılların sonlarında başlamıştır. Wu ve Chang [15] tekstil materyallerinin boyanması sırasında hatalı boyamaların azaltılması ve optimizasyonu için Genetik Algoritma kullanmıştır. Seliger ve Stephan [16], Konfeksiyon, ev tekstili ve teknik tekstillerde çok önemli olan dikişin kontrolü ve dikiş kalitesinin sağlanması için yapay sinir ağları ve bulanık mantık kullanmıştır. Kim ve Cho [17] yapay zeka yöntemlerini kullanarak kişilerin zevklerine göre moda geliştirmeye çalışmışlardır. Bu çalışmada, dokuma makinası çalışır durumda iken ağızlık açma ve tefeleme sırasında ana milin bir devrinde (360 0 ) oluşan çözgü gerilimi SDL Y6A model tenso metre ile ölçülerek tüm veriler kaydedilmiştir. Elde edilen bu gerilim değişim verileri kullanılarak Genetic Expresion Programming ile bir bünye denklemi elde edilmeye çalışılmıştır.. Çözgü Đpliği Gerilimine Etki Eden Temel Faktörler Literatürde de görüldüğü gibi dokuma makinasında çözgü ipliği gerilimine etki eden temel faktörleri çözgü salma, kumaş çekme, tefeleme ve ağızlık açma hareketi olarak sıralanabilir. Dokuma kalitesi 10

3 Dayık, M. Teknolojik Araştırmalar : TTED 007 (1) 9-1 açısından bakıldığında, yukarıda bahsedilen parametrelerin birbirleri arasındaki ilişki oranı dokumaya başlangıç anı ile bitiş anı arasındaki süreçte minimum düzeyde değişmeli yada değişmemeli..1 Çözgü Salma ve Kumaş Çekme Hareketleri Dokuma makinelerinin fonksiyonel ünitelerinden birini oluşturan çözgü salma mekanizmaları, dokuma işleminin sürekliliği ve sabit atkı sıklığının belirlenmesi bakımından büyük öneme sahiptir. Dokuma esnasında, çözgü gerginliği değişimini en aza indirmek ve levent çaplarındaki değişmeye rağmen gerginlik değerini kabul edilebilir aralıkta sabit tutarak çözgü ipliklerinin dokuma bölgesine beslenmesi tamamen çözgü salma mekanizmasının performansına bağlıdır. Yeni teknolojilerin dokuma makinelerinde de kullanılmasıyla birlikte çözgü salma mekanizmaları da kumaş kalitesine ve üretim hızına doğrudan etkileri nedeniyle tasarım ve performansları bu gelişmeleri takip etmiştir. Dokuma makinelerinin ilk üretilmesinden günümüze kadar dokuma makinelerinde kullanılan çözgü salma mekanizmaları; Negatif Çözgü Salma Mekanizmaları, Pozitif Çözgü Salma Mekanizmaları, Yarı-Pozitif Çözgü Salma Mekanizmaları olmak üzere üç kısımda incelenir. Negatif ve pozitif çözgü salma mekanizmaları çok özel durumlar haricinde günümüzde artık kullanılmamaktadır. Yarı-pozitif çözgü salma mekanizmaları ise, çözgü gerginliğinde oluşabilecek sapmaları çözgü besleme hızını sürekli olarak düzenleyerek düzeltme potansiyeline sahiptir. Önceleri mekanik olarak üretilen yarı-pozitif çözgü salma mekanizmaları günümüzde yerini çözgü levendi tahrikinin bağımsız bir motorla yapıldığı elektronik sistemlere bırakmıştır. Elektronik çözgü salma mekanizması, gerginlik kontrol sisteminin performansını iyileştirdiği gibi mikroişlemci kontrolü sayesinde duruş izlerinin önlenmesini sağlayacak bazı metotların uygulanmasını da mümkün kılmıştır. Ayrıca yüksek performans ve esnekliklerinin yanında, mekanik sistemlere göre daha az bakıma ihtiyaç göstermeleri sebebiyle günümüzde üretilen dokuma makinelerinin standart bir ünitesi durumundadır [18]. Dokuma makinelerinde dokuma işlemi sırasında oluşan çözgü ipliği gerilimi her zaman, çözgü ipliklerinin sarkmalarına ve ağızlık değiştirme esnasında birbirine karışmalarına engel olacak seviyede olmalıdır. Gevşek kumaşları dokumak için çözgüye düşük gerginlik uygulamak gerekir. Fakat çok düşük gerginlik düşük kumaş mukavemeti yanında düzensiz atkı sıklığı ile sonuçlanır. Çok yüksek gerginlik ise daha dar kumaş ve daha yüksek iplik kopuş oranı ile sonuçlanır. Bu yüzden dokuma devri esnasında optimum gerginlik devam ettirilmek zorundadır. Her atkı atışında ağızlık açma ve tefe vuruşu gibi tezgah hareketleri çözgü gerginliğinde dalgalanmalara sebep olurlar. Bu dalgalanmaların en aza indirilmesi çözgü gerginliğinin istenen aralıkta tutulması çözgü salma mekanizmasının doğru ve etken çalışmasına bağlıdır [4]. Şekil Gerginlik kontrol sistemine göre çalışan çözgü salma mekanizmasından elde edilen çözgü gerginliği çözgü besleme hızı ilişkisi [4]. 11

4 Teknolojik Araştırmalar : TTED 007 (1) 9-1 Dokuma Sırasında Oluşan Çözgü Gerilimi Değişiminin GEP Algoritması.3 Tefelemenin Çözgü Gerilimine Etkisi Tefelemenin çözgü gerilimi üzerindeki etkisini incelemek için önce tefenin aldığı yol incelenmelidir. Kamlı tefe mekanizmasının ana milin dönüşüne bağlı hareketini iniş ve çıkış periyotlarında sinüzoidal eğri olduğu kabul edilmesi durumunda tefenin aldığı yol formülü aşağıdaki gibi ifade edilir [7]. S ϕ = πϕ hsin hϕ β β π (1) H5 H4 H3 H H1 H0 Şekil 4a Şekil 4b Şekil 4c S(ϕ) ψ F (+s) A A1 S(ϕ) h F (-s) Şekil 4d Şekil 4 Tefe vuruşu ve kumaş çizgisi. 1

5 Dayık, M. Teknolojik Araştırmalar : TTED 007 (1) 9-1 Şekil 4 de görüldüğü gibi tefe arka ölü konumdan başlayıp son atılan 4 numaralı atkı ipliğine kadar gelir. Son atılan atkı ipliği ile karşılaşan tefe atkı ipliğini ön ölü konuma kadar beraberinde sürükleyerek atkıyı kumaşa dahil eder. Bu sırada; Şekil 4a da görüldüğü gibi son atılmış atkı (4) ile ondan bir önce atılmış olan (5 ) atkı ipliği arasındaki boşluğu çapraz çözgülerin (, 3) doldurmaya başladığı sırada tarağın hareketine karşı belirgin bir direnç hissedilmeye başlar. Şekil 4b de sonuncu atkı (4) bir önceki atkıya (5), H 6 mesafesine kadar itilince tefe vurma kuvveti hızla büyür. Çünkü bu sırada son iki atkı (4) ve (5) arasındaki boşluk çözgüler tarafından hemen hemen doldurulmuştur. Tarak hareketine devem ederken kumaş tefe hareket yönünde hareket eder ve çözgü ipliğinin gerilimi artar. Şekil 4c de tefe ön ölü konumdayken tefe kuvveti maksimuma ulaşır. Aynı zamanda çözgü gerilimi de maksimuma ulaşır. Şekil 4d de tarak geri dönme hareketini yaparken, kendisine etkileyen basınç hızla azalır. Tefe bölgesi olarak adlandırılan h mesafesinden çıktıktan sonra tamamıyla ortadan kalkar. Kumaş çizgisi tefeye doğru yaklaştıkça tefeleme etkinliği artar. Bu değişim ise kumaş çekme ve çözgü salmanın yeniden denge pozisyonu sağlamasıyla gerçekleştirilir. Çözgüdeki bu uzama tefeleme anında çözgü gerginliğinin artmasına neden olurken, kumaştaki bu kısalma ise kumaş geriliminin düşmesine sebep olur. Bu gerilim farkları kumaşın ve çözgünün elastik modüllerine ve boyut değişim oranına bağlıdır. Tefeleme esnasında çözgüdeki ve atkıdaki bu gerilim farkı tefeleme kuvvetini verir..4 Ağızlık Açmanın Çözgü Gerilimine Etkisi Dokuma işleminde ağızlığın açılması sırasında (h yüksekliğinde) çözgü ipliği üzerine gelen kuvvetler Şekil 6 da gösterilmiştir. P P 1 P C L 1 h L A Q 1 Q a E b L B Şekil 6 Ağızlığın Açılması Sırasında Çözgü Đpliği Üzerine Gelen Kuvvetler Yukarıda ki şekilde ağızlık açma işlemi sırasında çözgü ipliklerine etkiyen kaldırma kuvveti P ile gösterilmiştir. P kuvvetinin bileşenleri ise P 1 ve P ile gösterilmiştir. P * θ = P θ () 1 cos 1 cos 3 h 1 P= * E * Tex * (3) h + a * b * a * b Çözgü ipliğinde meydana gelen uzama ise aşağıdaki gibi elde edilir. L =( L 1+ L ) L olarak elde edilir. 13

6 Teknolojik Araştırmalar : TTED 007 (1) 9-1 Dokuma Sırasında Oluşan Çözgü Gerilimi Değişiminin GEP Algoritması Bulunan formüller gerilim formülü denkleminde yerine yazılırsa çözgü ipliği gerilimini veren bağıntı bulunur. σ = E * ε (4) σ = E * h L * a * b (5) Formülden de anlaşılabileceği gibi çözgü ipliğinde oluşan gerilim ipliğin elestisite modülü, yüksekliğin karesi ve toplam ağızlık uzunluğu ile doğru orantılı, ön ve arka ağızlık uzunluklarının çarpımı ile ters orantılıdır. Şekil 13 de dokuma makinesinden elektronik iplik gerilim ölçme cihazı (SDL Electronic Yarn Tension Meter) ile ölçülen çözgü ipliği gerilimi ana milin bir devri için ağızlık açma ve tefeleme sırasında meydana gelen gerilim-zaman grafiği görülmektedir. Şekil 7 Ana Milin Bir Devrinde Çözgü Đpliğinde Meydana Gelen Gerilim Grafiği 3. GEP (Genetic Expression Programming) Algoritması GEP Programlama Algoritması, GA (Genetic Algorithm) ve GP (Genetic Programming) algoritmaları gibi bir veya daha çok genetik operatör kullanarak rasgele üretilen fonksiyonlardan elde edilen uygunluk değerlerine yakın popülasyonlar oluşturulur. Elde edilen bu yeni popülasyonlar non-lineer değişkenlerden en uygun fonksiyonu elde eden algoritmadır [19]. GEP Algoritması, GA ve GP algoritmalarının bir bileşkesi olarak geniş bir fonksiyon taraması yapar. Yapısal olarak bu üç algoritmanın arasındaki farklar şu şekilde sıralanabilir: Genetik Algoritmalarının karakteristiği, sabit uzunluktaki kromozomlardan oluşan lineer dizidir. Bunlar genetik operatörlerle kolayca maniple edilmesine rağmen karmaşık, non-lineer problemlerde fonksiyonel değildirler. Genetik Algoritma genellikle fonksiyonların genel optimizasyonlarında kullanılır. Genetik algoritma aynı zamanda genetik programlama ve genetik tabanlı makine eğitiminde de kullanılabilir. Genetik Programing Algoritmaları farklı boyut ve şekillerdeki non-liner değişkenler arsındaki ilişkileri ifade etmek için oluşturdukları parse tree ile uygun çözüme ulaşmaya çalışırlar. GEP Algoritmasında ise GA ve GP Algoritmalarının avantajları birleştirilmiştir. Karakteristik olarak farklı boyut ve şekilde ki non-liner değişkenlerin ilişkileri sabit boyut ve lineer dizinlere dönüştürülerek genetik operatörler kullanılarak uygun fonksiyon türetilir. GEP Algoritması 14

7 Dayık, M. Teknolojik Araştırmalar : TTED 007 (1) 9-1 makine öğrenme gibi kompleks yapıda non-lineer ifadelerin ilişkilerin kurulması ve ifade edilmesinde de kullanılabilir. GEP Algoritmasında yer alan genlerde bulunan kromozomların içinde operatörler, sabitler, fonksiyonlar, ve değişkenlerin bir listesi yer alır. Örneğin bir kromozom listesinde {+, -, *, /, sqrt, 1, a, b, c, d, sin, cos} gibi tipik GEP değişkenleri olabilir. Burada; sqrt.*.+.*.a.*.sqrt.a.b.c./.1.-.c.d Şeklinde bir gen oluşturulduğunda; bu gende; nokta. kromozomları ayrıştırma ve kolay okumak için kullanılmıştır. Ayrıca sqrt karekök operasyonunu, 1 sabit bir sayıyı, +,-,* cebirsel ifadeleri, A,B,C,D değişkenlere verilen isimleri ifade eder. Değişkenler arasındaki ilişkiler GEP algoritmasını geliştiren Candida Fereire tarafından Karva notasyonları şeklinde ifade edilir. Karva notasyonları matematiksel ilişki (Expression Tree) şeklinde ifade edilir. Yukarıda verilen örnek GEP genine ait Karva notasyonu ile oluşturulmuş ET şekil 8 de gösterilmiştir. Şekil 8 Matematiksel Açıklama Ağacına (Expression Tree) bir örnek. Şekil 8 de ifade edilen ET nin matematiksek olarak ifadesi; ( A+ B C) 1 * * A (6) C D şeklindedir. GEP algoritması içinde yer alan non-lineer değişkenlerden öncelikle istenilen operatörlere bağlı kalınarak rastgele popülasyonlarla a, b, c, d lerden oluşan Karva Notasyonları ve programlar türetilir. Üretilen programlar kendi aralarında fonksiyona uygun yaklaşımı sağlayana kadar genetik operatörler ve döngüler çalışır. Đşlemler sonucunda, eğer belirlenen kriterlere ulaşılırsa (belirlenen uygunluk(fitness) değerine ulaşılırsa) algoritma durdurulur ve bilgisayar programlarından en yüksek uygunluk(fitness) değeri olan son sonuç olarak kabul edilir. GEP in çalışma algoritması aşağıdaki gibidir. N tane bilgisayar programının popülasyonunu rasgele oluşturur Bu popülasyondan en uygun program seçilir Yeni popülasyona seçilen program yerleştirilir Yeni bilgisayar programı oluşturulana kadar istatistiksel olarak genetik operasyon seçilerek bilgisayar programı popülasyonu yerleştirerek devam ettirir. 15

8 Teknolojik Araştırmalar : TTED 007 (1) 9-1 Dokuma Sırasında Oluşan Çözgü Gerilimi Değişiminin GEP Algoritması GEP için genetik operatörler genetik algoritma operatörleridir: reproduction, crossover, mutation. Reproduction: çok değişik şekilde kullanılabilme olanağı vardır. Bunlar aşağıdaki gibi sıralanabilir. Fitness-proportonate reproduction(rulet tekerlek metodu kullanılır): Fitness değeri uygun olan olası bilgisayar programı seçilir. Rank selection Sınıflandırma seçimi: Benzer sınıflardaki fitness değerlere sahip fakat sayısal fitness değeri en yüksek olan yerine konur. Tournament selection: Đki bilgisayar programı rasgele ve en yüksek fitness değere sahip olanlarından seçilir. Cross over işlemi fitness değerlerine göre iki program ve program için rasgele belirlenen crossover noktası (bölümü) kullanılır. Şekil 9 da açıklama ağaçları (Expression Tree-ET) halinde verilen ifadenin matematiksel denkleminde uygulanacak olunursa çaprazlama olarak birinci programdan, ikinci programdan 3 nokta seçilir. Daha sonra crossover yöntemi ile yeni kromozomlar oluşturulur. / * / / + * X * + * X * - X Y X Y X X Y Y Y - X X Y ((x-y)+x)/(x*y) ((x)/(x*y) (x+y)/(y*y) (x)/((x-y)*x) a-1.program ET b-.program ET c-cross-over ET d-elde edilen ET Şekil 9 GEP programı içindeki fonksiyon popülasyonlardan crosover yöntemi ile yeni popülasyonların oluşturulması ve ET ler ile gösterimi 4. Çözgü Gerilimi Değişimi Denkleminin GEP Programlama Đle Belirlenmesi Çözgü ipliği dokuma işlemi boyunca her devirde tekrar eden bir gerilime maruz kalır. Bu gerilim değişiminin büyüklüğü çözgü ipliğinin mekanik olarak yorulmasına ve kopuşların artmasına neden olmaktadır. Dokuma sırasında çözgü ipliği kopuşlarının azaltılması ve dokuma veriminin arttırılması çözgü ipliğinde oluşan değişiminin büyüklüğü ve değişim aralığının genişliğinin kontrollü olarak küçültülmesiyle mümkün olacaktır. Gerilim değişiminin minimum düzeyde denetim altında tutulabilmesi, gerilim değişiminin matematiksel ifade olarak elde edilebilmesi ve bu ifade de etkili olan parametrelerin dokuma sürecinde değiştirilebiliyor olmasından dolayı mümkündür. Çözgü gerilimi Dokuma işlemi sırasında dokuma makinasından eşzamanlı olarak SDL tenso metre ile bilgisayara kaydedildi. Dokuma makinasından tensometre ile ölçüm düzeneği şekil 10 da verilmiştir. Ölçümler 350 Dev/dak devirle çalışan dokuma makinesi üzerinden üç değişik çözgü ipliğinden üç değişik ayrı ölçüm alınmıştır. Aynı iplikten üç değişik zamanda alınan gerilim değerlerinin ortalaması alınarak deney verisi olarak belirlenmiştir. Elde edilen deneysel veriler Cross-Validation yöntemi kullanılarak Öğrenme ve Test olmak üzere iki grupta toplandı. Cross-Validation yöntemi özellikle deneysel verilerin yetersiz olması durumunda akıllı sistemler için veri gruplama yöntemi olarak kullanılır. Cross-Validation eğitme ve test setlerinin iki benzer örneği içinden rasgele bir örneğini kullanarak basit bir plan oluşturur. Aynı zamanda bu yöntem eğitim örneği modeli için veya tahmini parametreler içinde kullanılabilir. Deneysel verilerden elde edilen toplam 360 değer ağın öğrenme ve test setleri GEP programına girdi düzeninde hazırlanılarak sistemin eğitilmesinde kullanılmıştır. Bu verilerin %80 ni öğrenme seti ve %0 side test seti olarak kullanılmıştır. Cros-validation yöntemi kullanılarak gruplandırılan veriler kullanılarak X Y 16

9 Dayık, M. Teknolojik Araştırmalar : TTED 007 (1) 9-1 oluşturulan GEP başarılı olabilmesi için R-kare değerlerinin %80 ve üzerinde olması bu zamana kadar ki araştırmacıların ortak kanaatleridir. Şekil 10. Dokuma Makinasında Çözgü Gerilimi Ölçüm Düzeneği Deney sonucu elde edilen veriler kullanılarak GEP tabanlı APS programı kullanılarak çok sayıda model kurulmuştur. Bu modellerin her birinde genetik operatörlere ve genetik fonksiyonlara etki eden parametreler değiştirilmiştir. Bu modellerden aşağıdaki tabloda seçilen fonksiyon tür ve sayıları, genetik işlemlerle alakalı parametreler tablo 1 de verilmiştir. Bu parametrelerle eğitilen modelin R değeri %96 elde edilmiştir. Tablo 1 Çözgü gerilimi Fonksiyonu için GEP Algoritmasında Kullanılan Operatörler GEP Operatör Đsmi Sayısı GEP Fonksiyon Đsmi Sayısı Giriş Değişkenleri(Ana milin bir devri (360 0 ) 1 Toplama 4 Çıkış Değişken sayısı (Çözgü Gerilimi (cn) 1 Çıkarma 4 Öğrenme Data Seti 88 Çarpma 4 Test Data Seti 7 Bölme 4 Toplam Generasyon Sayısı Güç 4 Kromozom Boyutu 50 Karakök 4 3 Üstel 4 Head 5 Ln 1 Mutasyon Oranı 0,044 Log 1 Cos 4 Sin 4 Tan 4 Deneysel ölçümlerden elde edilen veriler ve çözüm olarak kabul edilen modelden elde edilen gerilim değerleri ve arasıdaki farklar Tablo de verilmiştir. 17

10 Teknolojik Araştırmalar : TTED 007 (1) 9-1 Dokuma Sırasında Oluşan Çözgü Gerilimi Değişiminin GEP Algoritması Tablo Deney ve GEP Programlama Sonucunda Elde Edilen Gerilim Değerleri Ana Milin Açısı ( 0 ) Deney Sonucu Gep Sonucu Fark 1 15,14 15,1751 0, ,17 15,0046 0, , 15, , ,35 15, , ,6 18,4436 0, ,8 18, , , 18, , ,55 19,1416 0, ,9 19,3868 0, ,9 36,4814-0, ,8 37, , ,8 38, , ,5418-1, , 4, , ,5 4, , ,7 41, , ,9 41,8539-0, ,95 37, , ,1 37,0797-0, ,46 36, , ,63 36,6848-0, ,41 18, , ,07 18, , ,73 17, , ,39 17, , ,05 17, , ,15 15,1046-0, ,14 15,1455 0, ,1078 0,1078 Kurulan her model için elde edilen sonuçları grafikler, karva notasyonu ve C++ program subrotini olarak elde edilmesi mümkündür. Şekil 11 de en verimli modelin sonuçları grafik çıktısı olarak verilmiştir. Grafikten de açıkça anlaşılabileceği gibi deneysel sonuçlardan elde edilen gerilim değişimi değerlerinin birbirlerine çok benzer olduğu gözlenmiştir. Sadece tefeleme bölgesindeki ani gerilim değişim bölgesinde farklılıklar vardır. Buda aslında dokumada istenilen fakat bir türlü elde edilemeyen sonuçtur. Bu çalışmada dokuma için elde edilen C++ program subrotini (fonksiyonu) kullanılarak dokuma makinasının hareketli kısımlarına bağlanacak motorlar kontrol edilebilir. Buda dokuma işlemi sırasındaki çözgü kopuşlarına neden olan ani gerilim değişimlerini minimum olmasını sağlayacaktır Deney Sonucu GEP Sonucu Çözgü Gerilimi (cn) Ana Milin Açısı (Derece) Şekil 11 GEP Programlama Sonucunda Elde Edilen Gerilim Grafiği 18

11 Dayık, M. Teknolojik Araştırmalar : TTED 007 (1) 9-1 GEP algoritmasıyla elde edilen modelin C++ fonksiyonunda ana milin açısına bağlı olarak elde edilen gerilim değerleri ana mil motorunun denetlenmesinde girdi olarak verilmesi sonucu daha somut bir çözgü gerilim değişiminin kontrolü yapılabilmektedir. Kurulan model sonucu elde edilen C++ fonksiyonu aşağıdaki gibidir. { { double dbltemp = 0; dbltemp += sin((((cos(d[0])-d[0])/sqrt(d[0]))-fabs(sqrt(d[0])))); dbltemp+=sin((((1/(d[0])!=d[0]?1/(d[0]):d[0])!=(d[0]==d[0]?d[0]:d[0])?(1/(d[0])!=d[0]?1/(d[0]): d[0]):(d[0]==d[0]?d[0]:d[0]))-cos(log10(d[0])))); dbltemp += ((((d[0]+d[0])*(d[0]+d[0]))/exp(d[0]))-ceil((d[0]+d[0]))); dbltemp += tan(sin((sin(log10((d[0]*d[0])))*fabs(sqrt(d[0]))))); dbltemp += 1/(pow(10,tan((sin(log(d[0]))+(log10(d[0])/d[0]))))); dbltemp += (sin(sin(sqrt(d[0])))*(log10((d[0]*d[0]))*log10(d[0]))); dbltemp += (exp(exp((d[0]/d[0])))+(log10((d[0]*d[0]))*(d[0]/d[0]))); dbltemp += (d[0]-sqrt((((d[0]*d[0])*(d[0]+d[0]))/exp(d[0])))); dbltemp += sin(pow(10,fabs((sin(log(d[0]))*cos(log10(d[0])))))); dbltemp += (d[0]-pow(10,(((d[0]/d[0])-sin(d[0]))/d[0]))); return dbltemp; Elde edilen C++ programı, çözgü gerilimi kontrolünde kullanılması ile gerilim kontrolü daha etkin ve hızlı bir şekilde yapılabilecektir. GEP algoritmasından elde edilen sonuçlar ile deneysel sonuçların karşılaştırılmasından elde edilen gerilim değişimi hata grafiği Şekil 1 de verilmiştir. Şekil 1 GEP algoritması ile Deneysel sonuçların karşılaştırılması sonucu elde edilen 3 boyutlu hata grafiği 19

12 Teknolojik Araştırmalar : TTED 007 (1) 9-1 Dokuma Sırasında Oluşan Çözgü Gerilimi Değişiminin GEP Algoritması 5. Sonuç Bu çalışmada deneysel verilerin cros-validation yöntemi kullanılarak gruplandırılması ile GEP algoritmasında çözülerek gerçek değerlere yakın sonuçlar elde edilebilecek bir fonksiyon türetilmiştir. Elde edilen bu fonksiyonun dokuma işlemi sırasında kontrol ünitesine giriş değişkeni olarak girilmesi ile çözgü ipliği üzerinde oluşan geriliminin daha etkin ve kolay bir şekilde kontrolünün gerçekleştirilmesi sağlanabilecektir. Böylece çözgünün üzerinde oluşan gerilimin büyüklüğü ve değişim aralığı azaltılarak çözgü kopuşlarının sayısı azaltılabilecektir. Bunun sonucu olarak dokuma veriminin yükseltilmesi ve kumaş kalitesinin de iyileştirilmesi sağlanabilecektir. Sonuç olarak, dokuma sırasında oluşan çözgü geriliminin modellendiği bu çalışmada deneysel verilerden oluşturulan GEP algoritması ile elde edilen çözgü gerilimi fonksiyonu deneysel değerlere %99 oranında yaklaşan başarılı sonuçlar elde edilerek çözgü gerilimi üzerinde oluşan maksimum gerilim değeri 45 cn a düşürülmüş aynı zamanda tefeleme ve ağızlık hareketi sırasında meydana gelen gerilim değişimi azaltılarak çözgü ipliği üzerine gelen gerilim değişimi minimize edilmiştir. Çalışmada kullanılan simgeler. S ϕ : Tefenin aldığı yol ϕ: Ana milin dönüş açısı (radyan) h: Tefenin hareket stroku β: Tefenin arka ölü konumda beklemeye başladığı andaki ana milin dönüş açısı. Q 1 =Ön ağızlık açısı Q =Arka ağızlık açısı h =ağızlık yüksekliği L 1=Ön ağızlık yüksekliği L = Arka ağızlık yüksekliği L =çözgü ipliğinde gerilimden dolayı meydana gelen uzama E= Elastisite Modülü σ = Gerilim ε = % Uzama a= Ön ağızlık uzunluğu b= Arka ağızlık uzunluğu Kaynaklar 1. Greenwood, K., Covhig, W., T., The Opsition of The Cloth Feel in Power Looms Part I.Journal of Textile Đnstitute, 47, T55.. Greenwood, K., Covhig, W., T., The Opsition of The Cloth Feel in Power Looms Part II. Journal of Textile Đnstitute, 47, T Eren. R., An Integrated Electronik Control of Take-up and Let-off Motions in A Weaving Machine. Ph.D. Thesis, The Victoria University of Manchester. 4. Eren, R., Dokuma Makinalarında Çözgü Salma Mekanizmalarının Gelişimi ve Atkı Sıklığının Kontrolü. Tekstil Maraton Dergisi, Sayı 5, s Egbers, G., Azarschab, M., Murrweib, H., Weindörfer, H., Wolfrum, J., Measures to Đmprov Effectivity in Weaving, Meliand, 8, Hüttl, E., Possibilities for Automation in The Weaving Mil, Melliand, 9, Kohlhass, O., An Investigation of The Factors Influencing Strains on Warp Ends. I.T.B. Weaving 1,

13 Dayık, M. Teknolojik Araştırmalar : TTED 007 (1) Sternheim, A., and Grosberg, P., Effect of Sley Motion on The Beat-up Force. Journal of Textile Institute, 8 No.3, pp , Traynart, O., Optimum Adjustment of warp sheding. Fabric Forming, 1, Kohlhass, O., An Investigation of The Factors Influencing Strains on Warp Ends. I.T.B. Weaving 1, Kohlhass, O., 198. Eine Mabmethode zur Ermittlung der Kettefadenkrafte im Vorderfach der Webmaschine. Textile Praxis, February, Tong, S., C., Li, Q., Chai, T., Fuzzy Adaptive Control For A Clas Off Nonlineer Systems, fuzzy Sets and Systems, vol. 101, pp , Makkonen, A., and Koivo, H., N., Fuzzy Control of Nonlineer Sevomotor Model 3 rd International Workshop on Advenced Motion Control, Berkeley, CA, USA, March, 0-1, pp , Wai, R., J., Lin, C., H., Lin, F., J., Adaptive Fuzzy Neurol Network Control For Motor- Toggle Servomechanism Mechatronics Journal 11, pp , Küçükdemiral, Đ.B., Cansever, G., 001. On Methods For Improving the Performance of PD - Type Fuzzy Logic Controller For Position Control.IMS'001: Visions for the Future, 3rd International Symposium On Intelligent Manufacturing Systems, Sakarya, Turkey, August 30-31, Wu, C., C., ve Chang, N., B., 003. Global Strategy for Optimizing Textile Dyeing Manufacturing Process Via GA Based Gray Nonlinear Integer Programming. Computer and Chemical Engineering, 00 pp. 1-, Seliger, G., and Stephan, J., Flaxible Garment Handling with Adaptive Control Strategies. The 9 th International Symposium on Robotics, 7 th April 1 st May, N.E.C., Birmingham, pp , Kim, H., S., Sung-Bae Cho, S., B., 000. Aplication of Interactive Genetic Algorihm to Fashion Design. Engineering Applications of Artificial Intelligence, 13, pp , Özkan, G., Dokuma Makinelerinde Elektronik Çözgü Salma Mekanizmalarının Matemetiksel Analizi. Yüksek Lisans Tezi, Uludağ Üniversitesi Fen Bilimleri Enstitüsü Tekstil Mühendisliği Anabilim Dalı, Bursa. 19. Ferreira, C., (001). Gene expression programming: A new adaptive algorithm for solving problems. Complex Sy-tems, 13 ():