1. 緒論
本研究旨在優化用於雙面絨地毯製造之絨毛紗的蓬鬆化製程。此研究於2014年前羅馬尼亞最大的地毯製造商 S.C. INCOV S.A. Alba Iulia 進行，使用 SUPERBA TVP-2S 連續蓬鬆化與熱定型設備。主要目標是透過優化紗線蓬鬆化參數來提升地毯品質，以達到在單位面積內使用更少的絨簇，卻能獲得更好的覆蓋度。
研究聚焦於由 50% 本地 41 級羊毛與 50% 聚酯纖維（PES）混紡而成的 Nm 6.5/2 絨毛紗。蓬鬆化與熱定型製程能改善地毯的尺寸穩定性、染色親和性、表面均勻度、耐磨性及整體舒適度。
2. 材料與方法
實驗設置涉及一台 SUPERBA TVP-2S 設備，該設備使用熱汽蒸器在低於熱定型溫度及常壓下進行熱處理。紗線自由鋪放在輸送帶上，以實現均勻的蓬鬆與收縮。
2.1 實驗設置
關鍵可調參數包括：
- 羊毛紗線層移動速度（v₁ = 0-750 公尺/分鐘）
- 預汽蒸器內輸送帶速度（v₂ = 5.5-8.6 公尺/分鐘）
- 預汽蒸溫度（t₁ = 90-99°C）
- 熱定型隧道內的蒸汽溫度（99.1-150.24°C）
根據初步研究，預汽蒸溫度（x₁）與輸送帶速度（x₂）因其對蓬鬆化製程有顯著影響，被選為獨立變數。
2.2 數學建模
本研究採用可旋轉中心複合因子設計進行數學建模。應變數為絨毛紗直徑（y，公釐），而自變數為：
- x₁：預汽蒸溫度（°C）
- x₂：預汽蒸器內輸送帶速度（公尺/分鐘）
數學模型可表示為：$y = f(x_1, x_2) + \epsilon$，其中 $\epsilon$ 代表實驗誤差。使用反應曲面法來識別最佳參數組合。
3. 結果與討論
3.1 最佳參數識別
透過數學建模與實驗驗證，確定了最佳座標：
這些參數為指定的紗線成分產生了最大的紗線直徑與最佳的蓬鬆特性。
3.2 紗線直徑分析
優化後的製程使紗線直徑增加，從而帶來：
- 改善地毯覆蓋度
- 減少單位表面積的絨簇數量
- 提升視覺外觀與質感
- 更好的耐磨性與耐用性
反應曲面分析顯示了製程參數與紗線直徑之間的明確關係，所識別的最佳點在蓬鬆效率與紗線完整性之間提供了最佳平衡。
4. 技術分析與洞見
核心洞見
這項研究展示了一種經典而有效的紡織製程優化方法：將實驗設計（DoE）方法論應用於成熟的工業製程。作者成功識別出預汽蒸溫度與輸送帶速度是控制 SUPERBA 系統中絨毛紗直徑的主要槓桿。特別值得注意的是，他們專注於實現以更少的絨簇達到更好的覆蓋度——這是一個違反直覺但在經濟上極具巧思的目標，能在降低材料成本的同時提升感知品質。
邏輯流程
本研究遵循穩固的工業研究進程：問題定義（改善地毯品質/成本比）→ 參數篩選（識別 x₁ 和 x₂ 為關鍵變數）→ 實驗設計（可旋轉中心複合設計）→ 優化（找到 x₁=90°C，x₂=6.5 公尺/分鐘）→ 驗證。這與先進製造研究中看到的方法論相呼應，例如 Montgomery（2017）在其關於 DoE 的開創性著作中描述的半導體製造參數優化方法。
優點與缺點
優點： 使用反應曲面法是恰當且執行良好的。這項研究具有直接的工業適用性，這點由其於羅馬尼亞最大地毯製造商的實施所證明。對羊毛-聚酯混紡的關注解決了現實世界的材料限制。
缺點： 研究範圍明顯狹窄。它僅針對單一應變數（紗線直徑）進行優化，未考慮與其他品質指標（如紗線強度或色牢度）的潛在權衡。沒有討論能源消耗——這是當今製造環境中的關鍵因素。相較於《製造系統期刊》中那些納入多目標優化與永續性指標的現代方法，這項工作感覺有些過時。
可執行洞見
對於地毯製造商：若使用類似的羊毛-PES 混紡紗，應立即測試 90°C / 6.5 公尺/分鐘 的參數。對於研究人員：這項工作為更全面的研究提供了基礎。接下來的邏輯步驟應包括：1) 擴展至考慮拉伸強度與能源使用的多反應變數優化，2) 應用機器學習技術進行預測建模，如同近期紡織研究所示（例如，用於製程預測的人工神經網路），3) 研究替代纖維混紡及其最佳蓬鬆化參數。此處的方法論是健全的，但其應用需要擴展以應對當代的製造挑戰。
技術細節與數學框架
本研究中使用的可旋轉中心複合設計（CCD）是一種二階實驗設計，對於反應曲面法特別有用。二階模型的一般形式為：
$y = \beta_0 + \sum_{i=1}^{k}\beta_i x_i + \sum_{i=1}^{k}\beta_{ii} x_i^2 + \sum_{i 其中 $y$ 代表紗線直徑，$x_i$ 是編碼後的自變數，$\beta$ 係數代表變數及其交互作用的效應，$\epsilon$ 是隨機誤差。「可旋轉」的特性確保了在與設計中心等距的所有點上，預測變異數保持恆定。 案例研究：參數優化框架 雖然原始研究不涉及程式碼，但我們可以概念化其分析框架： 這個框架雖然簡單，但有效地展示了結構化實驗如何能在工業環境中取代試誤法。分析框架範例
5. 未來應用與方向
本研究所展示的優化方法論具有多個有前景的未來應用：
- 智慧製造整合： 實施即時監控與適應性控制系統，根據紗線輸入特性調整蓬鬆化參數，類似於其他製造領域的工業 4.0 方法。
- 永續材料優化： 將研究延伸至優化回收纖維與生物基材料的製程，以應對紡織產業日益增長的永續性需求。
- 多目標優化： 超越紗線直徑，使用合意性函數或帕雷托優化等技術，同時針對能源效率、用水量及機械性能進行優化。
- 數位孿生開發： 建立蓬鬆化製程的虛擬模型，可預測不同材料混紡與製程設定的結果，減少實體實驗。
- 跨產業應用： 將此方法論調整應用於其他紡織製程（織物整理、染色），甚至是非紡織領域，如聚合物加工或食品製造，其中熱處理會影響產品膨脹。
未來研究應特別聚焦於整合人工智慧與機器學習進行預測建模，如同近期紡織研究出版物所示，其中神經網路成功地從製程參數預測織物特性。
6. 參考文獻
- 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.