TWI816062B - 紡織製程的參數控制方法 - Google Patents
紡織製程的參數控制方法 Download PDFInfo
- Publication number
- TWI816062B TWI816062B TW109137840A TW109137840A TWI816062B TW I816062 B TWI816062 B TW I816062B TW 109137840 A TW109137840 A TW 109137840A TW 109137840 A TW109137840 A TW 109137840A TW I816062 B TWI816062 B TW I816062B
- Authority
- TW
- Taiwan
- Prior art keywords
- textile
- quality
- information
- energy consumption
- fabric
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 245
- 239000004753 textile Substances 0.000 title claims abstract description 76
- 239000004744 fabric Substances 0.000 claims abstract description 121
- 238000005265 energy consumption Methods 0.000 claims abstract description 49
- 238000012549 training Methods 0.000 claims description 41
- 238000003908 quality control method Methods 0.000 claims description 24
- 238000007493 shaping process Methods 0.000 claims description 19
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000001035 drying Methods 0.000 claims description 2
- 239000003086 colorant Substances 0.000 claims 1
- 238000003860 storage Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 7
- 238000004043 dyeing Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007730 finishing process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- General Factory Administration (AREA)
- Spinning Or Twisting Of Yarns (AREA)
- Moulding By Coating Moulds (AREA)
- Coloring (AREA)
Abstract
一種紡織製程的參數控制方法，包括：對製程設備執行紡織定型製程的能耗與布料成品的品質進行預測；根據預測結果決定製程參數模型；根據所述製程參數模型決定對應於目標布料的製程參數；以及所述製程設備使用所述製程參數對所述目標布料執行所述紡織定型製程。
Description
本揭露是有關於一種製程控制技術，且特別是有關於一種紡織製程的參數控制方法。
定型為紡織染整工業中極為耗能之連續製程，多以傳統控制系統或少數結合半經驗公式，透過現場人員依賴經驗針對複雜且交互影響的大量參數手動調整以達到預期的產品品質。中小企業於成本考量下無法收集有效的感測數據，倚賴經驗控制則多以品質為主要考量，也無法從複雜的交互影響系統中自動歸納有效之調整手法，進而忽略其中節能的潛力，因此更無法從中萃取經驗模型達到智慧預測及回饋調整之系統全盤最佳化控制。
本揭露提供一種紡織製程的參數控制方法，可提升紡織製程的工作與節能效率。
本揭露的實施例提供一種紡織製程的參數控制方法，其包括：根據訓練資料集中的資訊來對製程設備在多種條件下執行紡織定型製程的能耗與布料成品的品質進行預測；根據預測結果決定製程參數模型；根據所述製程參數模型決定對應於目標布料的製程參數；以及所述製程設備使用所述製程參數對所述目標布料執行所述紡織定型製程。
基於上述，根據訓練資料集中的資訊來對製程設備在多種條件下執行紡織定型製程的能耗與布料成品品質進行預測後，可根據預測結果決定一或多個製程參數模型。根據所述製程參數模型，對應於目標布料的製程參數可被決定。爾後，製程設備可使用所述製程參數對目標布料執行紡織定型製程，從而提升紡織製程的工作與節能效率。
10:紡織製程系統
11:製程設備
12:控制裝置
101102:目標布料
102:布料成品
21:儲存電路
22:處理器
23:輸入/輸出介面
201:訓練資料集
202:製程參數模型
31:品質管制模組
32:資料聚合模組
33:整合預測模組
34:參數最佳化模組
35:製程參數控制模組
331:電能預測模組
332:熱能預測模組
333:品質預測模組
S401~S404,S501~S504,S601~S606:步驟
圖1是根據本揭露的一實施例所繪示的紡織製程系統的示意圖。
圖2是根據本揭露的一實施例所繪示的控制裝置的示意圖。
圖3是根據本揭露的一實施例所繪示的處理器的示意圖。
圖4是根據本揭露的一實施例所繪示的紡織製程的參數控制方法的流程圖。
圖5是根據本揭露的一實施例所繪示的紡織製程的參數控制
方法的流程圖。
圖6是根據本揭露的一實施例所繪示的紡織製程的參數控制方法的流程圖。
圖1是根據本揭露的一實施例所繪示的紡織製程系統的示意圖。請參照圖1，紡織製程系統10包括製程設備11與控制裝置12。製程設備11適於對目標布料101執行紡織定型製程並產生布料成品102。目標布料101可為胚布。所述紡織定型製程屬於目標布料101的染整加工製程的其中一個工作環節。
在紡織定型製程中，製程設備11可對目標布料101加熱以執行目標布料101的定型(亦稱為預熱定型)。一般來說，紡織定型製程會在對目標布料101進行染色之前執行，或者包含於目標布料101的染色程序中，以提高目標布料101的尺寸安定性(Dimensional stability)、均染性(Even shade)及/或染料堅牢度(Dye fastness)。此外，本揭露不對製程設備11的具體結構進行限定，只要可至少執行前述紡織定型製程即可。
控制裝置12耦接至製程設備11。控制裝置12可以是桌上型電腦、筆記型電腦、平板電腦、工業用電腦、伺服器或其他類型的控制主機，本揭露不加以限制。控制裝置12適於控制製程設備11。例如，控制裝置12可動態決定製程設備11在所述紡織定型製程中使用的至少部分製程參數。例如，所述製程參數可包
括製程設備11中至少一個零組件的控制參數，例如布料輸送速度、風扇的轉速、烘箱溫度、燃料流率及/或汽閥門的閥門開度等等，且可控制的製程參數的類型不限於此。
須注意的是，所決定的製程參數的好壞可能會影響所產生的布料成品102的品質及/或製程設備11在所述紡織定型製程中的能耗狀況。例如，若製程設備11使用不合適的製程參數來處理目標布料101，可能會導致製程設備11在所述紡織定型製程的執行過程中消耗過多電能、消耗過多的熱、及/或所產生的布料成品102可能無法達到所需的成品品質。但是，若製程設備11使用合適的製程參數來處理目標布料101，則可有效降低製程設備11在所述紡織定型製程的執行過程中消耗的電能、所消耗的熱，且可同時使布料成品102的品質符合要求。
在一實施例中，當欲處理目標布料101時，控制裝置12可自動篩選出對應於當前目標布料101較合適的製程參數供製程設備11使用。藉此，可在滿足布料成品102的品質要求的前提下，盡可能降低製程設備11在紡織定型製程中的能耗。
圖2是根據本揭露的一實施例所繪示的控制裝置的示意圖。請參照圖2，控制裝置12包括儲存電路21、處理器22及輸入/輸出(Input/Output,I/O)介面23。儲存電路21適於儲存資料。例如，儲存電路21可包括揮發性儲存電路與非揮發性儲存電路。揮發性儲存電路適於揮發性地儲存資料。例如，揮發性儲存電路可包括隨機存取記憶體(Random Access Memory,RAM)或類似的
揮發性儲存媒體。非揮發性儲存電路適於非揮發性地儲存資料。例如，非揮發性儲存電路可包括唯讀記憶體(Read Only Memory,ROM)、固態硬碟(solid state disk,SSD)及/或傳統硬碟(Hard disk drive,HDD)或類似的非揮發性儲存媒體。
處理器22耦接至儲存電路21與輸入/輸出介面23。處理器22負責控制裝置12的整體或部分操作。例如，處理器22可包括中央處理單元(Central Processing Unit,CPU)、或是其他可程式化之一般用途或特殊用途的微處理器、數位訊號處理器(Digital Signal Processor,DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuits,ASIC)、可程式化邏輯裝置(Programmable Logic Device,PLD)或其他類似裝置或這些裝置的組合。
輸入/輸出介面23適於連接控制裝置12與製程設備11。例如，處理器22可經由輸入/輸出介面23中的有線或無線通訊介面與製程設備11通訊。此外，輸入/輸出介面23還可包括滑鼠、鍵盤、螢幕及/或觸控面板等各式輸入/輸出裝置。
在一實施例中，儲存電路21中儲存有訓練資料集201與製程參數模型202。在訓練階段中，處理器22可根據訓練資料集201產生製程參數模型202。在一實施例中，產生製程參數模型202的操作亦稱為建立製程參數模型202。
在一實施例中，訓練資料集201中的資訊包括多種目標布料的進料資訊、製程資訊及品管資訊。在一實施例中，目標布
料的進料資訊包括一或多種目標布料各別的布料種類、碼重、幅寬、布色及加工工序等與目標布料本身的狀態有關的資訊。在一實施例中，製程資訊包括製程設備11中與至少一個零組件的運轉有關的資訊，例如布料輸送速度、風扇的轉速、烘箱溫度、燃料流率及/或汽閥門的閥門開度等。在一實施例中，製程資訊還可包括由製程設備11中的至少一個感測器於一或多個感測點所即時測得的環境濕度、環境溫度、燃料流率、汽閥門的閥門開度、烘室內的空氣濕度與溫度、轉動設備(例如主機速度、入口輪、喂布輪、出布上輪及/或出布下輪)的轉速、循環風扇及/或排氣風扇處的空氣濕度與溫度等感測資訊。在一實施例中，品管資訊包括與各類型的目標布料所各自對應的布料成品品管條件有關的資訊，例如布料成品的含水率、縮率及布溫等。
在一實施例中，處理器22可根據訓練資料集201中的資訊來對製程設備11在多種條件下執行紡織定型製程的能耗與布料成品品質進行預測。例如，處理器22可整合訓練資料集201中的各式目標布料的進料資訊、製程資訊及/或品管資訊並根據整合結果對製程設備11在不同條件下執行所述紡織定型製程的能耗與布料成品品質進行預測。
在一實施例中，處理器22所進行能耗的預測包括電能消耗預測與熱能消耗預測至少其中之一。在電能消耗預測中，處理器22可預測製程設備11在訓練資料集201界定的特定條件下執行紡織定型製程的電能消耗狀態。此特定條件可包括特定類型的
目標布料的進料資訊、特定的製程資訊及特定的品管資訊的組合。換言之，所預測的電能消耗狀態可反映製程設備11在此特定條件下執行紡織定型製程所預計消耗的電能。在熱能消耗預測中，處理器22可預測製程設備11同樣在此特定條件下執行紡織定型製程的熱能消耗狀態。類似於所預測的電能消耗狀態，所預測的熱能消耗狀態可反映製程設備11在此特定條件下執行紡織定型製程所預計消耗的熱能。
在一實施例中，在處理器22所進行布料成品品質的預測中，處理器22可預測製程設備11在訓練資料集201界定的特定條件下執行紡織定型製程所生產的布料成品的品質狀態。例如，此品質狀態可以布料成品的含水率、縮率及/或布溫等品質參數來表示。
在一實施例中，處理器22可整合訓練資料集201中的各式資訊並將整合後的資訊輸入至深度學習(Deep learning)網路並可搭配機器學習演算法來建立製程參數模型202。例如，處理器22可對訓練資料集201中的資料執行正規化與標準化。處理後的資料可被輸入至深度學習網路進行訓練。藉由調整深度學習網路的網路結構以及更新權重，不同的電能消耗預測結果及/或熱能消耗預測結果可被輸出。處理器22可根據預測結果調整最佳訓練停止點。在一實施例中，此深度學習網路可具有三層的隱藏層(hidden layer neurons)與64個節點，且所使用的優化器可為Adam Optimizer(Adaptive Moment Estimation)。另一方面，針對布料成
品品質預測，處理器22可使用決策樹、隨機森林、Xgboost等機器學習演算法來建立機器學習模型。處理器22可將訓練資料集201中整合後的資訊輸入至所建立的機器學習模型來預測對應的布料成品品質。
在一實施例中，處理器22可根據所述能耗預測與布料成品品質預測的預測結果來建立製程參數模型202。所建立的製程參數模型202適於尋找製程設備11在滿足訓練資料集201界定的多種條件下執行紡織定型製程具有最低能耗所對應的製程參數。例如，假設訓練資料集201所界定的某一種條件包含了特定目標布料的進料資訊(例如目標布料的種類為棉布)、特定的製程資訊(例如環境濕度為60度)及特定的品管資訊(例如布料成品的含水率須大於特定值)，則所建立的製程參數模型202可用以尋找在滿足此條件的前提下，製程設備11使用特定的製程參數(或製程參數組合)來執行紡織定型製程，可具有最低的能耗(包含最低的電能消耗及/或最低的熱能消耗)。
在一實施例中，在完成製程參數模型202的建立後，在線上階段，處理器22可根據所建立的製程參數模型202即時指示製程設備11使用特定的製程參數來對目標布料101執行紡織定型製程。
在一實施例中，當欲處理目標布料101時，處理器22可獲得目標布料101的進料資訊。例如，目標布料101的進料資訊可包括目標布料101的種類、碼重、幅寬、布色及加工工序等與
目標布料101本身的狀態有關的資訊。處理器22可將目標布料101的進料資訊與製程參數模型202進行比對。然後，處理器22可根據比對結果決定對應於目標布料101的製程參數供製程設備11使用。
須注意的是，在一實施例中，製程參數模型202是綜合考慮了製程設備11在不同條件下的能耗表現與布料成品品質所建立的。因此，若製程設備11使用根據製程參數模型202而動態決定的製程參數來對目標布料101執行紡織定型製程，將有很高的機率可在布料成品102的品質滿足預設的品質條件的前提下，最大幅度的降低製程設備11的能耗。此外，根據不同類型的目標布料101，所決定的製程參數(或製程參數組)也可能有所不同，以滿足當下的操作條件。
在一實施例中，在線上階段，處理器22還可評估製程設備11使用當前動態決定的製程參數對目標布料101執行紡織定型製程而產生的布料成品102的品質參數。此品質參數可反映布料成品102在至少一方面的品質(例如布料成品102的含水率、縮率及/或布溫)。處理器22可根據此品質參數更新製程參數模型202。也就是說，在一實施例中，在訓練階段中使用訓練資料集201來建立製程參數模型202後，所建立的製程參數模型202還可在線上階段中根據實際的操作狀態來進行更新與調整，從而對製程參數模型202進行持續性的優化。
圖3是根據本揭露的一實施例所繪示的處理器的示意
圖。請參照圖3，在一實施例中，處理器22可運行多個模組31~35，以執行前述實施例中提及的各項功能。模組31為品質管制模組，適於提供製程資訊與品管資訊至圖2的訓練資料集201。模組32為資料聚合模組，適於接收並整合訓練資料集201中的進料資訊、製程資訊及品管資訊。
模組33為整合預測模組，適於根據訓練資料集201中資訊來對圖1的製程設備11在多種條件下執行紡織定型製程的能耗與布料成品品質進行預測。在一實施例中，模組33可包含子模組331~333。子模組331為電能預測模組，適於執行所述電能消耗預測。子模組332為熱能預測模組，適於執行所述熱能消耗預測。子模組333為品質預測模組，適於執行所述布料成品品質預測。
模組34為參數最佳化模組，適於執行製程參數的最佳化。例如，模組34可根據前述能耗預測與布料成品品質的預測結果決定圖2的製程參數模型202。所決定的製程參數模型202適於尋找製程設備11在滿足訓練資料集201界定的不同條件下執行紡織定型製程具有最低能耗所對應的製程參數。
模組35為製程參數控制模組，適於根據製程參數模型202決定對應於目標布料101的(最佳)製程參數。接著，製程設備11即可使用此(最佳)製程參數對目標布料101執行紡織定型製程以產生布料成品102，從而在維持布料成品品質的條件下，以最為節能的方式來生產。
須注意的是，圖3中的模組31~35可分別以程式碼的形
式或硬體電路的形式來實作，本揭露不加以限制。在一實施例中，圖3中的模組31~35也可實作為電腦程式產品，視實務需求而定。
圖4是根據本揭露的一實施例所繪示的紡織製程的參數控制方法的流程圖。請參照圖4，在步驟S401中，根據訓練資料集中的資訊來對製程設備在多種條件下執行紡織定型製程的能耗與布料成品品質進行預測。在步驟S402中，根據預測結果決定製程參數模型。在步驟S403中，根據所述製程參數模型決定對應於目標布料的製程參數。在步驟S404中，製程設備使用所述製程參數對目標布料執行紡織定型製程。
圖5是根據本揭露的一實施例所繪示的紡織製程的參數控制方法的流程圖。請參照圖5，在步驟S501中，整合訓練資料集中的進料資訊、製程資訊及品管資訊。在步驟S502中，根據整合結果對能耗與布料成品品質進行預測。在步驟S503中，判斷預測結果是否滿足訓練資料集中界定的品管條件且符合最低能耗。若布料成品品質預測不滿足訓練資料集中界定的品管條件或者布料成品品質預測滿足訓練資料集中界定的品管條件但能耗預測不符合最低能耗，則回到步驟S502持續對不同條件下的能耗與布料成品品質進行預測。若布料成品品質預測滿足訓練資料集中界定的品管條件且能耗預測符合最低能耗，則進入至步驟S504。在步驟S504中，根據預測結果決定製程參數模型。須注意的是，在一實施例中，圖5的步驟S501~S504可於製程參數模型的訓練階段中執行，以建立完整的製程參數模型。在一實施例中，圖4的步
驟S401更包含上述圖5的步驟S501~S503。
圖6是根據本揭露的一實施例所繪示的紡織製程的參數控制方法的流程圖。請參照圖6，在步驟S601中，獲得目標布料的進料資訊。在步驟S602中，將目標布料的進料資訊與製程參數模型進行比對。在步驟S603中，根據比對結果決定對應於目標布料的製程參數。在步驟S604中，製程設備使用所述製程參數對目標布料執行紡織定型製程。在步驟S605中，評估製程設備使用製程參數對目標布料執行紡織定型製程而生產的布料成品的品質參數。在步驟S606中，根據所述品質參數更新製程參數模型。須注意的是，在一實施例中，圖6的步驟S601~S606可於線上階段中執行，以動態根據所建立的製程參數模型來調用合適的製程參數以即時對目標布料進行處理。在一實施例中，圖4的步驟S403更包含上述圖6的步驟S601~S603。
然而，圖4至圖6中各步驟已詳細說明如上，在此便不再贅述。值得注意的是，圖4至圖6中各步驟可以實作為多個程式碼或是電路，本揭露不加以限制。此外，圖4至圖6的方法可以搭配以上範例實施例使用，也可以單獨使用，本揭露不加以限制。
綜上所述，根據訓練資料集中的資訊來對製程設備在多種條件下執行紡織定型製程的能耗與布料成品品質進行預測後，可根據預測結果決定一或多個製程參數模型。根據所述製程參數模型，對應於目標布料的製程參數可被決定。爾後，製程設備可
使用所述製程參數對目標布料執行紡織定型製程，從而提升紡織製程的工作與節能效率。
雖然本揭露已以實施例揭露如上，然其並非用以限定本揭露，任何所屬技術領域中具有通常知識者，在不脫離本揭露的精神和範圍內，當可作些許的更動與潤飾，故本揭露的保護範圍當視後附的申請專利範圍所界定者為準。
S401~S404:步驟
Claims (12)
- 一種紡織製程的參數控制方法，包括：經由深度學習網路根據訓練資料集中的資訊來對一製程設備在多種條件下執行紡織定型製程的能耗與布料成品的品質進行預測，其中該訓練資料集中的該資訊包括布料的進料資訊、製程資訊及品管資訊，且該多種條件是由該進料資訊、該製程資訊及該品管資訊所界定；根據預測結果決定製程參數模型；根據該製程參數模型決定對應於一目標布料的製程參數；以及該製程設備使用該製程參數對該目標布料執行該紡織定型製程。
- 如請求項1所述的紡織製程的參數控制方法，其中該進料資訊包括一或多種該布料各別的布料種類、碼重、幅寬、布色及加工工序至少其中之一。
- 如請求項1所述的紡織製程的參數控制方法，其中該製程資訊包括在該製程設備中與至少一個零組件的運轉有關的資訊。
- 如請求項1所述的紡織製程的參數控制方法，其中該製程資訊包括在該製程設備中的至少一個感測器於一或多個感測點所即時測得的環境濕度、環境溫度、燃料流率、汽閥門的閥門開度、烘室內的空氣濕度與溫度、轉動設備的轉速至少其中之一。
- 如請求項1所述的紡織製程的參數控制方法，其中該品管資訊包括與該布料對應的該布料成品的品管有關的資訊。
- 如請求項1所述的紡織製程的參數控制方法，其中該能耗的預測包括電能消耗預測與熱能消耗預測至少其中之一。
- 如請求項6所述的紡織製程的參數控制方法，其中該電能消耗預測包括預測該製程設備在該訓練資料集界定的該多種條件下執行該紡織定型製程的電能消耗狀態，並且該熱能消耗預測包括預測該製程設備在該訓練資料集界定的該多種條件下執行該紡織定型製程的熱能消耗狀態。
- 如請求項1所述的紡織製程的參數控制方法，其中該布料成品的該品質的預測包括預測該製程設備在該訓練資料集界定的該多種條件下執行該紡織定型製程所生產的該布料成品的品質狀態。
- 如請求項1所述的紡織製程的參數控制方法，其中該製程參數模型用以尋找該製程設備在滿足該訓練資料集界定的該多種條件下執行具有最低能耗的該紡織定型製程所對應的該製程參數。
- 如請求項1所述的紡織製程的參數控制方法，其中根據該製程參數模型決定對應於該目標布料的該製程參數之步驟更包括：獲得該目標布料的該進料資訊；將該目標布料的該進料資訊與該製程參數模型進行比對；以 及根據一比對結果決定對應於該目標布料的該製程參數。
- 如請求項1所述的紡織製程的參數控制方法，更包括：評估該製程設備使用該製程參數對該目標布料執行該紡織定型製程而生產的該布料成品的品質參數；以及根據該品質參數更新該製程參數模型。
- 如請求項1所述的紡織製程的參數控制方法，其中經由該深度學習網路根據該訓練資料集中的該資訊來對該製程設備在該多種條件下執行該紡織定型製程的該能耗與該布料成品的該品質進行預測之步驟更包括：整合該訓練資料集中的該進料資訊、該製程資訊及該品管資訊；經由該深度學習網路根據整合結果對該能耗與該布料成品的該品質進行預測；以及判斷該預測結果是否滿足該訓練資料集中由該品管資訊所界定的品管條件且符合最低能耗；其中，當所預測的該布料成品的該品質不滿足該品管條件或者所預測的該布料成品的該品質滿足該品管條件但所預測的該能耗不符合該最低能耗，則回到經由深度學習網路根據該整合結果對該能耗與該布料成品的該品質進行預測之步驟。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109137840A TWI816062B (zh) | 2020-10-30 | 2020-10-30 | 紡織製程的參數控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW109137840A TWI816062B (zh) | 2020-10-30 | 2020-10-30 | 紡織製程的參數控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202217488A TW202217488A (zh) | 2022-05-01 |
| TWI816062B true TWI816062B (zh) | 2023-09-21 |
Family
ID=82558776
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW109137840A TWI816062B (zh) | 2020-10-30 | 2020-10-30 | 紡織製程的參數控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI816062B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4827627A (en) * | 1988-02-22 | 1989-05-09 | American Dryer Corporation | Apparatus and method for controlling a drying cycle of a clothes dryer |
| TW203132B (zh) * | 1991-04-27 | 1993-04-01 | Barmag Barmer Maschf | |
| US5321621A (en) * | 1991-07-16 | 1994-06-14 | Tsudakoma Kogyo Kabushiki Kaisha | Method of optimizing the control of looms for improving the economic efficiency of a weaving mill |
| US5846265A (en) * | 1996-07-26 | 1998-12-08 | North Carolina State University | Closed-loop textile dyeing process utilizing real-time metered dosing of dyes and chemicals |
| TW380177B (en) * | 1998-05-21 | 2000-01-21 | Taiwan Textile Federation | A kind of manufacturing method for high water-evacuation cloth |
| CN100465837C (zh) * | 2006-04-30 | 2009-03-04 | 山东理工大学 | 卷取或开卷的数控方法及其所用装置 |
| CN201307084Y (zh) * | 2008-11-06 | 2009-09-09 | 湖南文理学院 | 新型纺织纤维水分测试烘箱 |
| CN104562607A (zh) * | 2015-01-21 | 2015-04-29 | 东华大学 | 一种用于干衣机内织物烘干技术研究的动态反馈测控平台 |
| CN205688082U (zh) * | 2016-04-26 | 2016-11-16 | 苏州精卫智能科技有限公司 | 纱线质量预报装置 |
| TW201821669A (zh) * | 2016-12-13 | 2018-06-16 | 財團法人紡織產業綜合研究所 | 紡織設備與其熱能調控方法 |
-
2020
- 2020-10-30 TW TW109137840A patent/TWI816062B/zh active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4827627A (en) * | 1988-02-22 | 1989-05-09 | American Dryer Corporation | Apparatus and method for controlling a drying cycle of a clothes dryer |
| TW203132B (zh) * | 1991-04-27 | 1993-04-01 | Barmag Barmer Maschf | |
| US5321621A (en) * | 1991-07-16 | 1994-06-14 | Tsudakoma Kogyo Kabushiki Kaisha | Method of optimizing the control of looms for improving the economic efficiency of a weaving mill |
| US5846265A (en) * | 1996-07-26 | 1998-12-08 | North Carolina State University | Closed-loop textile dyeing process utilizing real-time metered dosing of dyes and chemicals |
| TW380177B (en) * | 1998-05-21 | 2000-01-21 | Taiwan Textile Federation | A kind of manufacturing method for high water-evacuation cloth |
| CN100465837C (zh) * | 2006-04-30 | 2009-03-04 | 山东理工大学 | 卷取或开卷的数控方法及其所用装置 |
| CN201307084Y (zh) * | 2008-11-06 | 2009-09-09 | 湖南文理学院 | 新型纺织纤维水分测试烘箱 |
| CN104562607A (zh) * | 2015-01-21 | 2015-04-29 | 东华大学 | 一种用于干衣机内织物烘干技术研究的动态反馈测控平台 |
| CN205688082U (zh) * | 2016-04-26 | 2016-11-16 | 苏州精卫智能科技有限公司 | 纱线质量预报装置 |
| TW201821669A (zh) * | 2016-12-13 | 2018-06-16 | 財團法人紡織產業綜合研究所 | 紡織設備與其熱能調控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202217488A (zh) | 2022-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wan et al. | Joint cooling and server control in data centers: A cross-layer framework for holistic energy minimization | |
| CN104833038B (zh) | 多联机空调集中控制方法及集中控制器 | |
| CN104019526A (zh) | 改进pso算法模糊自适应pid温湿度控制系统及方法 | |
| CN111649457B (zh) | 一种动态预测性机器学习型空调节能控制方法 | |
| CN111811111B (zh) | 一种基于改进粒子群算法的中央空调能耗控制方法 | |
| CN104182016B (zh) | 一种温度调节方法及电子设备 | |
| CN104317654A (zh) | 基于动态温度预测模型的数据中心任务调度方法 | |
| CN108825543A (zh) | 一种服务器风扇调控方法及系统 | |
| TWI816062B (zh) | 紡織製程的參數控制方法 | |
| WO2024113835A1 (zh) | 一种风扇模型的生成方法和装置 | |
| CN109902826A (zh) | 基于遗传算法的家电节能模型构建方法、控制方法、家电 | |
| CN104142850B (zh) | 数据中心的节能调度方法 | |
| CN114438692B (zh) | 纺织工艺的参数控制方法 | |
| CN110094838A (zh) | 一种基于空调系统的可变参数无模型自适应控制方法 | |
| CN108870672B (zh) | 一种调节新风机房的温度的系统和方法 | |
| Yan et al. | Static pressure set-point reset smoothing scheme based-on improved iterative learning control and variable trajectory for air-conditioning system | |
| CN111197840B (zh) | 组合式风柜的控制方法、装置、计算机设备和存储介质 | |
| Yu et al. | Variable recycled air controls of HVAC systems for energy savings in high-tech industries | |
| CN105759608A (zh) | 一种节能方法及系统 | |
| CN109757057A (zh) | 一种数据中心机柜的温度控制方法及对应装置 | |
| CN107894076A (zh) | 多联机空调系统及其节能控制方法、装置及存储介质 | |
| CN115264904A (zh) | 空调器的出风控制方法、装置和可读存储介质以及空调器 | |
| WO2024078041A1 (zh) | 空调器的控制方法、空调器以及计算机可读存储介质 | |
| CN110580394A (zh) | 一种平行多层蒙特卡罗双馈异步风机参数优化方法 | |
| CN106197000A (zh) | 一种农作物太阳能空气能复合烘干机智能恒温控制系统 |