Havlu kumaşların performans analizlerinde “makine öğrenmesinin” kullanımı

Abstract

Tekstil, hammaddeden başlayıp son ürün elde edilene kadar hemen hemen her adımda çıkan ürüne test yapılan bir alandır. Artan dünya nüfusu ile birlikte tekstil sektöründe yeni ürünler üretmek için sürekli araştırma ve analiler yapılmaktadır. Yapılan bu analizlerde büyük bir veri kaynağı oluşturmaktadır. Bu amaç doğrultusunda da Demirtaş Organize Sanayi Bölgesi’nde yer alan bir havlu firmasından alınan veriler kullanılarak bir veri seti oluşturulmuştur. Veri setinde havlu kumaşlara uygulanan testlerden olan kopma mukavemeti, hidrofilite ve hava geçirgenliği test sonuçları kullanılmıştır. Oluşturulan veri setine uygun makine öğrenmesi regresyon modelleri sunulmuştur. Elde edilen tahmin analiz sonuçlarına göre kopma mukavemeti ve hava geçirgenliği sonuçlarında SVM modeli, hidrofilite sonuçlarında Random Forest en iyi R2 skor performansı göstermiştir. Bulgular kopma mukavemeti, hidrofilite ve hava geçirgenliği değerlerinin makine öğrenmesi modelleri ile tahmin edilebileceğini sunmaktadır

Textile is an area where products are tested at almost every step from raw material to the final product. With the increasing world population, continuous research and analyses are conducted in the textile sector to produce new products. These analyses create a large data source. For this purpose, a dataset has been created using data from a towel company located in the Demirtaş Organized Industrial Zone. Test results such as tensile strength, hydrophilicity, and air permeability applied to towel fabrics were used in the dataset. Machine learning regression models, suitable for the created dataset have been presented. According to the estimation results, the SVM model performed best R2 score in tensile strength and air permeability results, while Random Forest performed best in hydrophilicity results. The findings suggest that tensile strength, hydrophilicity, and air permeability values can be predicted by machine learning models.