Page 30 - ChemLife 07

Yapay Sinir Ağları ve Dokuma Teknolojisinde Kullanımı
KÖŞE YAZILARI
“Kumaş hatalarının denetimi “
Kumaş dokuma endüstrisinde mevcut durum; hataların görsel kontrolleri insanlar ile yapılmakta olup,
belli bir hızda kalite kontrol masasından geçmektedir. Gözden kaçan hata oranının müşteri gözü ile
değişen kabul oranları mevcuttur. Bunları azaltmak kalite ekibinin eğitimi, farkındalığın sağlanması ile
YAPAY SINIR AĞLARI VE DOKUMA
sağlansa da insana bağlı her şey % 100 çözülememektedir.

Bu yüzden dokuma endüstrisinde kumaş hatalarının kontrolü ve kumaşların sınıflandırılması kalite ve
TEKNOLOJISINDE KULLANIMI
maliyet açısından önemli olup, sayılan işlemlerin daha başarılı ve verimli gerçekleştirilebilmesi için
daha objektif ve hızlı bir metot olan yapay sinir ağları tekniğine ihtiyaç duyulmaktadır.
Yapay sinir ağlarının yapısı, yararları hakkında bilgi verilmekte olup, bu ağların kumaş hatalarının
belirlenmesinde örnekleriyle anlatılmaktadır.
“KUMAŞ HATALARININ DENETIMI “

Yapay sinir ağlarının yapısı; Yapay sinir ağlarındaki işleme elemanları biyolojik olarak insan
beynindeki nöronlara karşılık gelmektedir. Şekil 1’de gösterildiği gibi biyolojik nöron, çekirdek, gövde
ve iki uzantıdan oluşmaktadır.

Bunlardan kısa ve dallanmış olan dentrit giriş bilgilerini alır, uzun ve tek olan akson ise çıkış bilgilerini
Yapay Sinir Ağları ve Dokuma Teknolojisinde Kullanımı
diğer nöronlara taşır. Akson ve dentritin birleşim yerine sinaps denir. Her bir hücrenin bir eşik
Yazan : Gülşah Altuntaş Gözden kaçan hata oranının (threshold) gerekebilir.
Sinir hücreler Şekil 2 deki gibi
“Kumaş hatalarının denetimi “
müşteri gözü ile değişen ka- değeri vardır. Sinapslar nöronlardan aldığı sinyalleri değerlendirir ve eşik değeri üzerinde bir giriş
bilgisayarda simüle edilmekte
3. Yapay sinir ağları doğrusal
varsa bir sonraki hücreye iletirler. En genel anlamda sinir ağları, insan beynindeki nöronlara benzer
Kumaş dokuma endüstrisinde mevcut durum; hataların görsel kontrolleri insanlar ile yapılmakta olup, değildirler. Bu bütün sonuç-
ve duruma göre tepkileri kont-
bul oranları mevcuttur. Bunları olarak meydana getirilen yapay nöronların değişik bağlantı geometrileri ile birbirlerine bağlanmasıyla
belli bir hızda kalite kontrol masasından geçmektedir. Gözden kaçan hata oranının müşteri gözü ile
rol edilmektedir. Sinirler bilgi-
azaltmak kalite ekibinin eği- oluşan kompleks sistemlerdir
değişen kabul oranları mevcuttur. Bunları azaltmak kalite ekibinin eğitimi, farkındalığın sağlanması ile ların her bir girdi ile etkile-
Sinir hücreler Şekil 2 deki gibi bilgisayarda simüle edilmekte ve duruma göre tepkileri kontrol
sağlansa da insana bağlı her şey % 100 çözülememektedir. şim içinde olduğu anlamına
timi, farkındalığın sağlanması
sayar ortamında algoritmalarla
edilmektedir. Sinirler bilgisayar ortamında algoritmalarla simüle edilirler
ile sağlansa da insana bağlı her
simüle edilirler sınıflandırılması kalite ve
Bu yüzden dokuma endüstrisinde kumaş hatalarının kontrolü ve kumaşların gelir. Doğrusal bir sistemde
şey % 100 çözülememektedir.

maliyet açısından önemli olup, sayılan işlemlerin daha başarılı ve verimli gerçekleştirilebilmesi için biri değiştirildiğinde, çıktı bu
daha objektif ve hızlı bir metot olan yapay sinir ağları tekniğine ihtiyaç duyulmaktadır.
Yapay sinir ağlarının yapısı, yararları hakkında bilgi verilmekte olup, bu ağların kumaş hatalarının değişme oranıyla orantılı
Bu yüzden dokuma endüst-
belirlenmesinde örnekleriyle anlatılmaktadır. olarak değişir. Bu etki sadece
Yapay sinir ağlarının yapısı; Yapay sinir ağlarındaki işleme elemanları biyolojik olarak insan değiştirilen girdinin değeri ile
risinde
hatalarının
kumaş
Kumaş dokuma
www.chemlife.com.tr mevcut durum; Bunlardan kısa ve dallanmış olan dentrit giriş bilgilerini alır, uzun ve tek olan akson ise çıkış bilgilerini yan sistemlerde ise çıktılar
bağlantılıdır. Doğrusal olma-
kontrolü ve kumaşların sınıf-
beynindeki nöronlara karşılık gelmektedir. Şekil 1’de gösterildiği gibi biyolojik nöron, çekirdek, gövde
endüstrisinde
ve iki uzantıdan oluşmaktadır.
landırılması kalite ve maliyet
bütün girdilere bağlıdır ve bir
açısından önemli olup, sayılan
diğer nöronlara taşır. Akson ve dentritin birleşim yerine sinaps denir. Her bir hücrenin bir eşik
girdi değiştirildiğinde önemli
hataların görsel
(threshold)
işlemlerin daha başarılı ve ve-
değeri vardır. Sinapslar nöronlardan aldığı sinyalleri değerlendirir ve eşik değeri üzerinde bir giriş
bir değişikliğe neden olmaz;
rimli gerçekleştirilebilmesi için
kontrolleri insanlar
varsa bir sonraki hücreye iletirler. En genel anlamda sinir ağları, insan beynindeki nöronlara benzer
çünkü çıktı bütün girdilere
olarak meydana getirilen yapay nöronların değişik bağlantı geometrileri ile birbirlerine bağlanmasıyla
daha objektif ve hızlı bir metot

ile yapılmakta olup,
oluşan kompleks sistemlerdir
paralel olarak işlenir.
olan yapay sinir ağları tekniğine Şekil 1. Tipik bir biyolojik nöron. ontrol

Şekil 2. Yapay sinir ağının
ihtiyaç duyulmaktadır.
Şekil 1. Tipik bir biyolojik nöron.
edilmektedir. Sinirler bilgisayar ortamında algoritmalarla simüle edilirler
yapısı
lemde başarılıdırlar. Birçok
kontrol masasından
Yapay sinir ağlarının yapısı, ya-
30 belli bir hızda kalite Sinir hücreler Şekil 2 deki gibi bilgisayarda simüle edilmekte ve duruma göre tepkileri k 4. Yapay sinir ağları paralel iş-

benzer ve birbirinden bağım-
rarları hakkında bilgi verilmekte
geçmektedir. olup, bu ağların kumaş hatala- sız işlemler aynı anda simüle
rının belirlenmesinde örnekle- edilerek işlenebilir.
riyle anlatılmaktadır.
Yapay sinir ağlarının dokuma
Yapay sinir ağlarının yapısı; teknolojisinde kullanımı
Yapay sinir ağlarındaki işle- Kumaş hatalarının saptanması
me elemanları biyolojik olarak Tekstil endüstrisi için üretim ve

insan beynindeki nöronlara yönetim aşamasında otomatik

Şekil 1. Tipik bir biyolojik nöron. Şekil 2. Yapay sinir ağının yapısı teknikler kullanmak her geçen
Şekil 2. Yapay sinir ağının
karşılık gelmektedir. Şekil 1’de
Kasım - 2017
yapısı
gösterildiği gibi biyolojik nöron, gün önemli bir hale gelmek-
çekirdek, gövde ve iki uzantı- Yapay sinir ağlarının yararları tedir. İnsan tarafından yapılan
dan oluşmaktadır. 1. Yapay sinir ağları kolayca kumaş denetimi denetleyicinin
adapte olabilirler, bilgi alabi- fiziksel ve zihinsel durumun-

Bunlardan kısa ve dallanmış lirler ve öğrenebilirler. Ken- dan etkilenmektedir. Yüksek
olan dentrit giriş bilgilerini alır, dileri için hazırlanan datalar- sayıda işlem yapma yeteneği
uzun ve tek olan akson ise çıkış dan çözümleri anlayabilirler. ve çabuk karar verme özelliği
bilgilerini diğer nöronlara taşır. Bilgiler arası ilişkilerin altını sayesinde yapay sinir ağları
Akson ve dentritin birleşim ye- çizerek (önemseyerek) ya- kumaş hatalarının dokuma es-
rine sinaps denir. Her bir hücre- ğılan uygulama geliştirme nasında belirlenmesinde kulla-
nin bir eşik (threshold) değeri zamanını kısaltırlar. nılırlar.
vardır. Sinapslar nöronlardan 2. Yapay sinir ağları genelle-
aldığı sinyalleri değerlendirir me yaparlar. Daha önceden IShou Tsaı ve arkadaşları ta-
ve eşik değeri üzerinde bir gi- sistemin eğitilmiş olduğu rafından yapılan çalışmada bir
riş varsa bir sonraki hücreye konularda, eksik bilgi verile- girdi tabaka, bir gizli tabaka ve
iletirler. En genel anlamda sinir rek sonuç istenirse, sistem bir çıktı tabakadan oluşan çok
ağları, insan beynindeki nöron- bunu geneller ve tanımlar. katlı yapay sinir ağı kullanılmış-
lara benzer olarak meydana Bu önemli bir özelliktir, çün- tır. Dokuma sırasında görülebi-
getirilen yapay nöronların deği- kü gerçek dünyada bilgiler lecek dört çeşit kumaş hatası
şik bağlantı geometrileri ile bir- eksiktir ve net değildir. So- yapay sinir ağına öğretilmiştir.
birlerine bağlanmasıyla oluşan nuçlara ulaşabilmemiz için Yapay sinir ağı hataları tam
kompleks sistemlerdir. bilgilerden yola çıkarak ge- olarak bulmakta ve sınıflandır-
nellemelerde bulunmamız maktadır.