Kumaş Kalite Kontrol Sistemleri ✅

Kumaş hataları giyim endüstrisindeki hataların % 85'ini oluşturur. Eğitimli bir kalite kontrol elemanı hataların % 70'ini belirleyebilir. Otomatik hata tespiti ve sınıflama sistemleri üretim kalitesini yükseltir; müşteri isteklerini daha üst düzeyde karşılarken verimliliği arttırır ve ikinci kaliteyle birlikte gelen maliyetleri azaltır. Kumaşı manuel olarak kontrol etmenin maliyeti emek yoğun bir işlem olduğundan oldukça yüksektir. Kumaş kontrolünde otomatik işlemlerdeki temel zorluk hata çeşitliliğinin çok olmasıdır. 

MANUEL KUMAŞ KALİTE KONTROL YÖNTEMİ 

Kumaş kalite kontrolü bu yöntemde operatörlerce manuel olarak yapılmaktadır. Operatör dakikada 8-20 metre arasındaki bir hızla hareket eden ışıklı bir pano üzerinde kumaşın kalite denetimini gerçekleştirmekte; herhangi bir hatayı yakaladığı anda kumaşı hareket ettiren motoru durdurarak, hatanın kumaş üzerindeki yerini işaretlemekte ve motoru tekrar çalıştırmaktadır. Kumaşın tamamını denetlediğinde, uzunlukça her bir metreye düşen hata sayısına göre kumaş sınıflandırılmaktadır. Denetim sırasında, operatör değişik türlerden normalden fazla sayıda veya aynı türden çok fazla sayıda hataya rastlarsa üretim bölümüne gereken uyarıyı yaparak, üretimdeki olası yanlışlığın giderilmesini sağlamaktadır. Geniş ve belirgin hatalarda denetim sonuçları güvenilir olabilmektedir. Ancak, çoğu küçük hata gözden kaçarken, bazen büyük hatalar bile denetim sırasında gözardı edilebilmektedir. Kumaşın genişliği genellikle 1.60- 2.00 metre arasındadır. Bu nedenle bir insan için bu genişlikte olan ve dakikada 10 m hızla hareket eden kumaştaki hataları tespit etmek oldukça zordur. 

OTOMATİK KUMAŞ KALİTE KONTROL YÖNTEMLERİ 

Kumaş kalite kontrol sistemleri üç işlem basamağından oluşabilir: 

- Özellik seçimi 

- Karşılaştırma 

- Karar 

Otomatik on-line kumaş kontrol sistemleri kumaş hatalarını belirlemede aşağıdaki yöntemlerden faydalanırlar: 

- İleri Görüntü Analizi 

- Sinir Ağları 

- Dalgacık Paket Modeli (Best Wavelet Packet Model) 

- Bulanık Mantık Metodu (Fuzzy Logic Method) 

Hataları tanımlamak için üç ana yaklaşım yapılmaktadır: 

1. Özellik ağacı 

2. Sayısal tanımlama 

3. Teknik yapı 

Özellik ağacı yaklaşımı hataların manuel kumaş kontrolündeki görünümlerini tarif eder. 

Sayısal tanımlama yaklaşımı hatanın uzunluğu ve genişliğini belirtir. Kontrol yöntemleri aktif ve pasif olmalarına göre kategorilere ayrılırlar. Aktif yöntemin sensörün aydınlatma kaynağına ihtiyacı vardır. Otomatik kumaş kalite kontrol metotları ışık yansıması, lazer ışığı veya video resim prosesine dayanır. Bu otomatik sistemler basit fotosel taramasını veya kumaşın yüzeyinde kapasitans ölçüm cihazını çalıştırır. Dokuma kumaşlarda yaygın olarak kullanılan Charge Coupled Device CCD kameraları 2.048 ve 4.096 piksel çözünürlüktedir. Böyle sistemler CCD kameradan, analog sinyali dijital sinyale dönüştürücü, görüntü (resim) depo ünitesi, monitöre giriş için dijitali analoga dönüştürücü, merkezi işlem ünitesi’nden (CPU) oluşur. Standart görüntü filtrelerinde sınıflandırılırlar (örneğin düşük-geçiş filtresi) ve Fourier Dönüşümleri kullanılarak örnekler karakterize edilir. Birçok algoritma işlem zamanına bağlıdır; bundan dolayı kumaş kontrolü için özel amaçlı güçlü hesaplama yapabilen donanıma ihtiyaç duyulur. 

Görüntü Analizi Yöntemi 

Kumaş hata kontrolünde esas amaç, bir görüntünün içerdiği çok ve detaylı bilgilerden sadece araştırıcının ilgi alanına giren bilgilerin ayıklanmasını gerçekleştirmek ve bilgileri değerlendirmektir. Hızlı ve etkin bir yöntem olarak görüntü analiz sistemleri çok değişik tekstil ürünleri üzerinde çeşitli ölçüm ve kontrol amaçlarıyla uygulanabilmektedir. Görüntü analizi, görüntüler üzerinde belli bir amaca yönelik yapılan işlemlerin tanımlanmasında kullanılan bir terimdir. Bu amaçlar örneğin; bir görüntüyü daha rahat taşınabileceği forma sokmak ya da bir bilgisayar belleğinde yerleştirmek olabileceği gibi, bir izleyicinin sadece ilgi duyduğu bilgileri ayıklamakta olabilir. Yaygın kullanılan görüntü işleme operasyonları; filtreleme, örnekleme, sınıflama, kodlama, özellik ayıklama, desen tanıma ve hareket tahmini işlemlerinden oluşur. Eğer bir kumaşın dijital taranması sırasında elde edilen veriler hatasız bir kumaşın aynı koşullarda yapılan taramasıyla karşılaştırıldığında farklılık gösterirse bir hatanın varolduğu açıkça belirlenecektir. Ancak kumaş üzerindeki çok çeşitli desenler, örgü yapıları, renkler ve değişik hata tipleri bu işlemi güçleştirecektir. Bu nedenle tüm işlem aşama aşama yapılarak basitleştirilmelidir. Öncelikle kumaş üzerindeki renkli yapı, gri skala görüntüsüyle tek renge indirgenmeli sonra bu görüntü üzerinde diğer işlem adımları uygulanmalıdır. 

Görüntü analiziyle hata tespitinin iki temel aşaması vardır. Öğrenme aşaması da diyebileceğimiz ilk aşamada söz konusu kumaşın ilgili parametrelerinin pratik sınırları, hiç hatası olmayan bir kumaş esas alınarak hesaplanır ve her özellik için bir sınıflama yapılır. Denetleme aşaması olan ikinci aşamada ise ilgili özelliklerin bir önceki aşamada verilen sınırlar içinde olup olmadığı karşılaştırılarak kontrol edilir. Herhangi bir hatanın büyüklüğü, daha önceden belirlenen sınırlardan sapma oranıyla belirlenir. 

Tipik bir görüntü işleme sistemi genel olarak üç temel bölümden oluşur. Bunlar; 

1-) Görüntü elde etme ünitesi: Bu ünite bir TV kamera, A/D ve D/A dönüştürücüler ve bir dijital bellekten oluşur. Bir dijital belleğin 8 bitlik (256 basamaklı) gri skalası ve 1024-1024 piksellik kapasitesi vardır. 

2-) Görüntü işleme ünitesi: Bu ünite esas olarak bir mikrobilgisayar sisteminden oluşur ve bu sisteme disk sürücüsü, yazıcı ve monitörle birlikte görüntü deposundaki arabirim (interface) devresi bağlanmıştır. Sürecin esas bölümü bu ünitede gerçekleşir. Yapılan işlem basit olarak üç bölümden oluşur: 

- Görüntü iyileştirme, 

- Görüntü analizi, 

- Görüntü kodlama (digitizing) 

3-) Monitör (Gösterici Ünite)