Pengoptimuman Proses Pembengkakan Benang Plush untuk Pembuatan Permaidani

1. Pengenalan

Penyelidikan ini membincangkan pengoptimuman proses pembengkakan untuk benang plush yang digunakan dalam pembuatan permaidani berlapis dua. Kajian ini dijalankan di S.C. INCOV S.A. Alba Iulia, pengeluar permaidani terbesar di Romania sehingga 2014, menggunakan pemasangan pembengkakan dan penetapan terma berterusan SUPERBA TVP-2S. Objektif utama adalah untuk meningkatkan kualiti permaidani dengan mengoptimumkan parameter pembengkakan benang bagi mencapai darjah litupan yang lebih baik dengan bilangan jambul yang lebih sedikit per unit luas.

Penyelidikan ini memberi tumpuan kepada benang plush Nm 6.5/2 yang terdiri daripada 50% bulu tempatan gred 41 dan 50% poliester (PES). Proses pembengkakan dan penetapan terma meningkatkan kestabilan dimensi, afiniti pencelupan, keteraturan permukaan, ketahanan haus, dan keselesaan keseluruhan permaidani.

2. Bahan dan Kaedah

Persediaan eksperimen melibatkan pemasangan SUPERBA TVP-2S yang menjalankan rawatan haba menggunakan penyejat terma pada suhu di bawah paras penetapan terma dan tekanan atmosfera. Benang diletakkan secara bebas di atas tali sawat penghantar untuk pembengkakan dan pengecutan yang seragam.

2.1 Persediaan Eksperimen

Parameter boleh laras utama termasuk:

Halaju pergerakan lapisan benang bulu (v₁ = 0-750 m/min)
Halaju tali sawat penghantar di dalam pra-penyejat (v₂ = 5.5-8.6 m/min)
Suhu pra-penyejatan (t₁ = 90-99°C)
Suhu wap dalam terowong penetapan terma (99.1-150.24°C)

Berdasarkan penyelidikan awal, suhu pra-penyejatan (x₁) dan halaju tali sawat penghantar (x₂) dipilih sebagai pembolehubah tidak bersandar kerana pengaruhnya yang signifikan terhadap proses pembengkakan.

2.2 Pemodelan Matematik

Kajian ini menggunakan program faktorial komposit pusat boleh putar untuk pemodelan matematik. Pembolehubah bersandar ialah diameter benang plush (y, mm), manakala pembolehubah tidak bersandar ialah:

x₁: Suhu pra-penyejatan (°C)
x₂: Halaju tali sawat di dalam pra-penyejat (m/min)

Model matematik boleh diwakili sebagai: $y = f(x_1, x_2) + \epsilon$, di mana $\epsilon$ mewakili ralat eksperimen. Kaedah permukaan respons digunakan untuk mengenal pasti gabungan parameter optimum.

3. Keputusan dan Perbincangan

3.1 Pengenalpastian Parameter Optimum

Melalui pemodelan matematik dan pengesahan eksperimen, koordinat optimum telah ditentukan:

90°C Suhu Pra-Penyejatan Optimum (x₁ₒₚₜᵢₘ)

6.5 m/min Halaju Tali Sawat Optimum (x₂ₒₚₜᵢₘ)

Parameter ini menghasilkan diameter benang maksimum dan ciri pembengkakan optimum untuk komposisi benang yang ditentukan.

3.2 Analisis Diameter Benang

Proses yang dioptimumkan menghasilkan peningkatan diameter benang, yang menyumbang kepada:

Peningkatan darjah litupan permaidani
Pengurangan bilangan jambul per unit luas permukaan
Penampilan visual dan tekstur yang lebih baik
Ketahanan haus dan ketahanan yang lebih baik

Analisis permukaan respons menunjukkan hubungan yang jelas antara parameter proses dan diameter benang, dengan optimum yang dikenal pasti memberikan keseimbangan terbaik antara kecekapan pembengkakan dan integriti benang.

4. Analisis Teknikal & Huraian Mendalam

Huraian Mendalam Teras

Penyelidikan ini menunjukkan pendekatan klasik tetapi berkesan untuk pengoptimuman proses tekstil: menerapkan metodologi Reka Bentuk Eksperimen (DoE) kepada proses industri yang matang. Penulis berjaya mengenal pasti bahawa suhu pra-penyejatan dan kelajuan tali sawat adalah tuas utama untuk mengawal diameter benang plush dalam sistem SUPERBA. Apa yang amat perlu diberi perhatian ialah tumpuan mereka untuk mencapai litupan yang lebih baik dengan jambul yang lebih sedikit – objektif yang berlawanan dengan intuisi tetapi cemerlang dari segi ekonomi yang mengurangkan kos bahan sambil meningkatkan kualiti yang dirasakan.

Aliran Logik

Kajian ini mengikuti perkembangan penyelidikan industri yang kukuh: definisi masalah (meningkatkan nisbah kualiti/kos permaidani) → penyaringan parameter (mengenal pasti x₁ dan x₂ sebagai pembolehubah kritikal) → reka bentuk eksperimen (komposit pusat boleh putar) → pengoptimuman (mencari x₁=90°C, x₂=6.5 m/min) → pengesahan. Ini mencerminkan metodologi yang dilihat dalam penyelidikan pembuatan termaju, seperti pendekatan pengoptimuman parameter dalam fabrikasi semikonduktor yang diterangkan oleh Montgomery (2017) dalam karya pentingnya mengenai DoE.

Kekuatan & Kelemahan

Kekuatan: Penggunaan kaedah permukaan respons adalah sesuai dan dilaksanakan dengan baik. Penyelidikan ini mempunyai kebolehgunaan industri segera, seperti yang ditunjukkan oleh pelaksanaannya di pengeluar permaidani terbesar Romania. Tumpuan pada campuran bulu-poliester menangani kekangan bahan dunia sebenar.

Kelemahan: Skop kajian ini agak sempit. Ia mengoptimumkan untuk satu pembolehubah respons (diameter benang) tanpa mempertimbangkan kemungkinan pertukaran dengan metrik kualiti lain seperti kekuatan benang atau ketahanan warna. Tiada perbincangan mengenai penggunaan tenaga – faktor kritikal dalam landskap pembuatan hari ini. Berbanding dengan pendekatan moden seperti dalam Journal of Manufacturing Systems yang menggabungkan pengoptimuman pelbagai objektif dan metrik kelestarian, kerja ini agak ketinggalan zaman.

Huraian Mendalam Boleh Tindak

Untuk pengeluar permaidani: Segera uji parameter 90°C/6.5 m/min jika menggunakan campuran bulu-PES yang serupa. Untuk penyelidik: Kerja ini menyediakan asas untuk kajian yang lebih komprehensif. Langkah logik seterusnya harus termasuk: 1) Mengembangkan kepada pengoptimuman pelbagai respons dengan mempertimbangkan kekuatan tegangan dan penggunaan tenaga, 2) Menerapkan teknik pembelajaran mesin untuk pemodelan ramalan seperti yang dilihat dalam penyelidikan tekstil terkini (contohnya, rangkaian neural tiruan untuk ramalan proses), 3) Menyiasat campuran gentian alternatif dan parameter pembengkakan optimumnya. Metodologi di sini adalah kukuh, tetapi aplikasinya perlu diperluaskan untuk memenuhi cabaran pembuatan kontemporari.

Butiran Teknikal dan Kerangka Matematik

Reka bentuk komposit pusat boleh putar (CCD) yang digunakan dalam kajian ini adalah reka bentuk eksperimen tertib kedua yang amat berguna untuk kaedah permukaan respons. Bentuk umum model tertib kedua ialah:

$y = \beta_0 + \sum_{i=1}^{k}\beta_i x_i + \sum_{i=1}^{k}\beta_{ii} x_i^2 + \sum_{i

Di mana $y$ mewakili diameter benang, $x_i$ adalah pembolehubah tidak bersandar terkod, pekali $\beta$ mewakili kesan pembolehubah dan interaksinya, dan $\epsilon$ ialah ralat rawak. Sifat "boleh putar" memastikan varians ramalan malar pada semua titik yang sama jarak dari pusat reka bentuk.

Contoh Kerangka Analisis

Kajian Kes: Kerangka Pengoptimuman Parameter

Walaupun kajian asal tidak melibatkan kod pengaturcaraan, kita boleh konseptualkan kerangka analisis:

Definisi Masalah: Memaksimumkan diameter benang (y) tertakluk kepada kekangan proses
Reka Bentuk Eksperimen: CCD boleh putar dengan 2 faktor, 5 aras setiap satu
Pengumpulan Data: Ukur diameter benang pada 13 larian eksperimen (4 titik faktorial, 4 titik paksi, 5 titik pusat)
Pemasangan Model: Pasang polinomial tertib kedua: $\hat{y} = b_0 + b_1x_1 + b_2x_2 + b_{11}x_1^2 + b_{22}x_2^2 + b_{12}x_1x_2$
Pengoptimuman: Selesaikan $\frac{\partial\hat{y}}{\partial x_1} = 0$ dan $\frac{\partial\hat{y}}{\partial x_2} = 0$ untuk mencari titik pegun
Pengesahan: Jalankan larian pengesahan pada optimum yang diramalkan

Kerangka ini, walaupun mudah, berkesan menunjukkan bagaimana eksperimen berstruktur boleh menggantikan cuba-jaya dalam persekitaran industri.

5. Aplikasi dan Hala Tuju Masa Depan

Metodologi pengoptimuman yang ditunjukkan dalam penyelidikan ini mempunyai beberapa aplikasi masa depan yang berpotensi:

Integrasi Pembuatan Pintar: Melaksanakan sistem kawalan pantas masa nyata dan adaptif yang melaraskan parameter pembengkakan berdasarkan ciri input benang, serupa dengan pendekatan Industri 4.0 dalam sektor pembuatan lain.
Pengoptimuman Bahan Lestari: Memperluaskan penyelidikan untuk mengoptimumkan proses untuk gentian kitar semula dan bahan berasaskan bio, menangani permintaan kelestarian yang semakin meningkat dalam industri tekstil.
Pengoptimuman Pelbagai Objektif: Memperluas melangkaui diameter benang untuk mengoptimumkan kecekapan tenaga, penggunaan air, dan sifat mekanikal secara serentak menggunakan teknik seperti fungsi keinginan atau pengoptimuman Pareto.
Pembangunan Imejan Digital: Mencipta model maya proses pembengkakan yang boleh meramalkan hasil untuk campuran bahan dan tetapan proses yang berbeza, mengurangkan eksperimen fizikal.
Aplikasi Rentas Industri: Menyesuaikan metodologi kepada proses tekstil lain (penyudahan fabrik, pencelupan) dan juga bidang bukan tekstil seperti pemprosesan polimer atau pembuatan makanan di mana rawatan haba mempengaruhi pengembangan produk.

Penyelidikan masa depan harus memberi tumpuan khusus kepada integrasi kecerdasan buatan dan pembelajaran mesin untuk pemodelan ramalan, seperti yang ditunjukkan dalam penerbitan penyelidikan tekstil terkini di mana rangkaian neural berjaya meramalkan sifat fabrik daripada parameter proses.

6. Rujukan

Vinereanu, A., Potop, G.-L., Leon, A.-L., & Vinereanu, E. (n.d.). The Optimization of Plush Yarns Bulking Process. Annals of the University of Oradea, Fascicle of Textiles, Leatherwork, 121, 121-122.
Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). John Wiley & Sons.
Myers, R. H., Montgomery, D. C., & Anderson-Cook, C. M. (2016). Response Surface Methodology: Process and Product Optimization Using Designed Experiments (4th ed.). John Wiley & Sons.
Majumdar, A., Das, A., & Alagirusamy, R. (2011). Process Control in Textile Manufacturing. Woodhead Publishing.
Gurumurthy, B. M., & Patel, R. (2020). Optimization of textile processes using artificial neural networks and genetic algorithms: A review. Journal of Engineered Fibers and Fabrics, 15.
International Textile Manufacturers Federation. (2022). Sustainability in Textile Manufacturing: Best Practices and Future Directions. ITMF Publications.