SLEDOVÁNÍ JAKOSTI NA ŽINYLKOVÉ PŘÍZI S VYUŽITÍM OBRAZOVÉ ANALÝZY

SLEDOVÁNÍ JAKOSTI NA ŽINYLKOVÉ PŘÍZI S VYUŽITÍM OBRAZOVÉ ANALÝZY

Diplomová práce

Studijní program: N3108 – Průmyslový management Studijní obor: 3106T013 – Management jakosti

Autor práce: Bc. Jakub Kolář

Vedoucí práce: doc. Ing. Vladimír Bajzík, Ph.D.

Liberec 2014

Poděkování

Rád bych poděkoval vedoucímu mé diplomové práce doc. Ing. Vladimíru Bajzíkovi, Ph.D. za poskytnutí odborných rad, věcné připomínky, ochotu a vstřícný přístup během zpracování této práce. Zároveň bych rád poděkoval konzultantům, doc.

Ing. Maroši Tunákovi, Ph.D. a prof. RNDr. Janu Pickovi, CSc. za cenné rady.

Velké poděkování náleží celé mé rodině za podporu, trpělivost a povzbuzování po dobu mého studia. V neposlední řadě bych chtěl poděkovat také mé přítelkyni za trpělivost a za pomoc při psaní této práce.

Anotace

Tato práce se zabývá návrhem optimalizace sledování neshod na žinylkové přízi.

Žinylková příze pro tuto práci byla vyrobena a poskytnuta firmou Hoflana s. r. o..

V první části práce je popsána žinylková příze a druhy této příze. Také jsou v této části představeny programy, které byly v této práci používány, je popsán princip obrazové analýzy a největší díl teoretické části je věnován sledování neshod na přízích.

Popsány jsou možnosti, jak lze neshody sledovat, jsou nastíněny metody sledování některých druhů neshod a je zde i přehled neshod, které se na přízích vyskytují.

Ve druhé části práce je definována metoda snímání vzorků a byl také představen skript v programovém prostředí Matlab, s jehož pomocí byly počítány periody mezi jednotlivými vadami. Byla použita obrazová analýza k zaměření neshod na přízi. Byly testovány dva druhy příze, od každého druhu dva vzorky, jeden z období, kdy se začaly objevovat první neshody a druhý z doby, kdy byl již výskyt neshod častý. Oba vzorky dělí časově 24 hodin.

Třetí částí práce je návrh optimalizace sledování neshod na žinylkové přízi.

Je zde počítáno s naměřenými daty, byla ověřena shoda rozdělení dat s Poissonovým a exponenciálním rozdělením pravděpodobnosti. Je zde navržen způsob optimalizace sledování neshod na přízi tak, že není nutné kontrolovat celou vyráběnou přízi, ale vždy jen určitý úsek v určitém čase. Na základě této analýzy je buď výroba prodloužena, nebo je řezací nůž vyměněn.

Výsledné tabulky obsahují pravděpodobnosti, s jakými lze detekovat vadu, v závislosti na čase a délce úseku zkoumané příze. Byl uvažován fakt, že se intervaly mezi neshodami v čase budou zkracovat. V grafech a tabulkách je porovnán lineární a exponenciální trend změny parametru λ exponenciálního rozdělení.

Klíčová slova

 žinylková příze

 obrazová analýza

 neshody a vady na přízích

 testy rozdělení pravděpodobnosti

 exponenciální a Poissonovo rozdělení

Annotation

This thesis is concerned with the design of the optimization of monitoring the defects on the chenille yarn. The chenille yarn used in this thesis were produced by the company Hoflana s. r. o..

In the first section is being described the chenille yarn. There is also described the image analysis and the biggest part of this theoretical section is concerned to the monitoring of the defects on yarn. Here are described the options, how to monitor some kinds of defects and there is a list of the most common defects on yarn.

In the second section is defined the method of the scanning the samples and there were also the script for in Matlab, which counted the periods between defects. There were two tested types of yarn, and two samples of each type. One sample was from the beginning, when the defects started to occur and the second were from the end, where were a great number of the defects. The second sample is a twenty-four hours older than the first one.

The third section of this thesis is about the design of the optimization. Here are being counted with the measured data, there were tested the correspondence of the distribution of the data with the theoretical Poisson and exponential distribution of probability. Based on the analysis of results, there is an agreement made, if the cutting knives have to be changed or not.

The tables of results contain the values of the probabilities, depended to the length of the measured section on the yarn and on the time. There were thought one fact, that the intervals between the defects in time will be porter in later time. So there were two trends used, linear and exponential to chase the value of the exponential distribution parameter. On the graphs and in the tables are being these two options compared.

Key words

 chenille yarn

 digital image analysis

 defects on yarn

 testing the probability distributions

 exponential and Poisson distribution

8

Obsah

Seznam grafů ...10

Seznam obrázků ...11

Seznam tabulek ...11

Seznam použitých symbolů a zkratek ...13

Úvod ...15

Teoretická část ...16

1. Sledování neshod a vad na přízi ... 16

1.1. Definice pojmů neshoda a vada ...16

1.2. Sledování neshod na přízi ...16

1.3. Proč vznikají vady či neshody? ...16

1.4. Metody sledování neshod na přízích ...17

1.4.1. Uster, Uster Tester ... 17

1.4.2. CTT ... 18

1.5. Vlastnosti přízí a nití ...18

1.6. Vady přízí a nití ...19

1.7. Způsoby sledování vad na přízi ...20

1.7.1. Laboratorní testování ... 21

1.7.2. Online monitorování kvality ... 22

1.8. Sledování parametrů staplové příze ...22

1.8.1. Délka vláken ... 22

1.8.2. Pevnost vláken ... 23

1.8.3. Jemnost vláken ... 23

1.8.4. Optické vlastnosti ... 23

1.8.5. Chlupatost příze ... 24

1.8.6. Měření zákrutu na přízi ... 24

1.8.7. Souhrnné testování vláken ... 25

2. Žinylková příze... 26

2.1. Historie a popis ...26

2.2. Výroba žinylkové příze ...27

2.2.1. Skaná žinylková příze ... 27

2.2.2. Pletená žinylková příze ... 27

2.2.3. Tkaná žinylková příze ... 28

2.3. Vady na žinylkové přízi ...28

2.4. Program Centurion Statgraphics ...30

2.4.1. Popis ... 30

2.4.2. Historie ... 31

9

2.4.3. Použití v této práci ... 31

3. Obrazová analýza ... 32

3.1. Digitální obraz ...32

3.1.1. Definice ... 32

3.1.2. Pixel ... 32

3.1.3. DPI ... 33

3.1.4. BIT... 33

3.1.5. Práh, prahová hodnota ... 33

3.1.6. Typy digitálních obrazů podle způsobu vzniku... 34

3.1.7. Typy digitálních obrazů podle barev ... 35

Praktická část ...37

4. Návrh možnosti řízení jakosti na žinylkové přízi s využitím obrazové analýzy ... 37

4.1. Informace o přízi ...37

4.2. Obecný postup při výběru vhodných přízí a metodika skenování ...37

4.2.1. Příze D1017 - vzorky A a B ... 39

4.2.2. Příze D1028 - vzorky C a D ... 39

4.3. Popis vytvořeného skriptu a metodika detekce vad ...40

4.4. Zpracování počtu vad na jednotlivých úsecích příze ...41

4.4.1. Vzorek A ... 42

4.4.2. Vzorek B ... 42

4.4.3. Vzorek C... 43

4.4.4. Vzorek D ... 44

4.4.5. Shrnutí objevených vad ... 44

5. Optimalizace sledování neshod ... 45

5.1. Testování shody s Poissonovým rozdělením pravděpodobnosti ...45

5.1.1. Poissonovo rozdělení pravděpodobnosti ... 45

5.1.2. χ2 – Test dobré shody ... 46

5.1.3. Graf poměru frekvencí ... 47

5.1.4. Poissonův graf ... 48

5.1.5. Poměr rozptylů ... 48

5.2. Test dobré shody s Poissonovým rozdělením ...48

5.2.1. Parametr λ Poissonova rozdělení pravděpodobnosti ... 48

5.2.2. Vzorek C... 49

5.2.3. Vzorek D ... 49

5.3. Praktické provedení grafu poměrů frekvencí a Poissonova grafu ...51

5.3.1. Vzorek D ... 52

5.4. Poměr rozptylů ...53

5.5. Shrnutí výsledků testů ...53

10

5.6. Periody mezi vadami ...53

5.6.1. Výpočet period v Excelu ... 54

5.6.2. Periody vad u zkoumaných přízí ... 55

5.6.3. Kolmogorov-Smirnovův test ... 55

5.6.4. P-hodnota ... 56

5.6.5. Exponenciální rozdělení pravděpodobnosti ... 56

5.6.6. Parametr λ exponenciálního rozdělení pravděpodobnosti... 57

5.6.7. Vzorek A ... 57

5.6.7.1. Testy shody s exponenciálním rozdělením ... 58

5.6.8. Vzorek B ... 59

5.6.8.1. Testy shody s exponenciálním rozdělením ... 60

5.6.9. Vzorek C... 61

5.6.9.1. Testy shody s exponenciálním rozdělením ... 62

5.6.10. Vzorek D ... 62

5.6.10.1. Testy shody s exponenciálním rozdělením ... 64

5.6.11. Shrnutí výsledků ... 65

5.7. Samotný návrh optimalizace sledování neshod na přízi ...65

5.7.1. Výpočet parametru λ exponenciálního rozdělení s lineárním trendem ... 66

5.7.1.1. Metoda nejmenších čtverců a lineární regrese ... 66

5.7.1.2. Vzorek A a vzorek B ... 67

5.7.1.3. Vzorek C a vzorek D ... 68

5.7.2. Výpočet parametru λ exponenciálního rozdělení s exponenciálním trendem 69 5.7.2.1. Vzorky A a B ... 69

5.7.2.2. Vzorky C a D ... 70

5.8. Tabulky závěrečných výsledků ...70

5.8.1. Vzorky A a B ... 71

5.8.2. Vzorky C a D... 73

5.8.3. Shrnutí výsledků ... 75

Závěr ...76

Seznam použité literatury ...78

Seznam příloh ...80

Seznam grafů

Graf 2: Histogram četností, vzorek B ... 43

Graf 3: Histogram četností, vzorek C ... 43

Graf 4: Histogram četností, vzorek D ... 44

Graf 5: Graf poměru frekvencí, vzorek D ... 52

11

Graf 6: Poissonův graf, vzorek D ... 52

Graf 7: Histogram četností, vzorek A ... 58

Graf 8: Histogram četností, vzorek B ... 59

Graf 9: Histogram četností, vzorek C ... 61

Graf 10: Histogram četností, vzorek D ... 63

Graf 11: Srovnání lineárního a exponenciálního trendu ... 72

Graf 12: Srovnání lineárního a exponenciálního trendu ... 74

Seznam obrázků

Obrázek 2: Pletená žinylka . ... 27

Obrázek 3: Tkaná žinylka ... 28

Obrázek 4: Uzel . ... 29

Obrázek 5: Prázdné místo . ... 29

Obrázek 6: Řídká příze . ... 29

Obrázek 7: Odletky vláken . ... 29

Obrázek 8: Matice ... 32

Obrázek 9: Pixel ... 33

Obrázek 10: Vektorový obraz ... 35

Obrázek 11: Rastrový obraz ... 35

Obrázek 12: Původní barevný obraz ... 36

Obrázek 13: Monochromatický obraz ... 36

Obrázek 14: Binární obraz, práh 0,5 ... 36

Obrázek 15: Destička se vzorky ... 38

Obrázek 16: Metodika výpočtu periody ... 55

Seznam tabulek

Tabulka 2: Seznam dostupných vzorků ... 40

Tabulka 3: Výsledky snímání, vzorek A ... 42

Tabulka 4: Výsledky snímání, vzorek B ... 42

Tabulka 5: Výsledky snímání, vzorek C ... 43

Tabulka 6: Výsledky snímání, vzorek D ... 44

Tabulka 7: Poissonovo rozdělení ... 48

Tabulka 8: Průběh testu dobré shody pro vzorek C ... 49

Tabulka 9: Průběh testu dobré shody pro vzorek D ... 51

Tabulka 10: Test poměru rozptylů ... 53

Tabulka 11: Shrnutí výsledků testů Poissonovo rozdělení ... 53

Tabulka 12: Výchozí tabulka, vzorek A ... 57

Tabulka 13: Tabulka výsledků K-S testu, vzorek A ... 58

Tabulka 14: Výchozí tabulka, vzorek B ... 59

Tabulka 15: Test dobré shody, vzorek B ... 60

Tabulka 16: Tabulka výsledků K-S testu, vzorek B ... 60

12

Tabulka 17: Výchozí tabulka, vzorek C ... 61

Tabulka 18: Tabulka výsledků K-S testu, vzorek C... 62

Tabulka 19: Výchozí tabulka, vzorek D ... 63

Tabulka 20: Test dobré shody, vzorek D ... 64

Tabulka 21: Tabulka výsledků K-S testu, vzorek D ... 64

Tabulka 22: Shrnutí výsledků testů, exponenciální rozdělení ... 65

Tabulka 23: MNČ pro vzorky A a B ... 67

Tabulka 24: MNČ pro vzorky C a D ... 68

Tabulka 25: Výsledné pravděpodobnosti pro vzorky A a B, lineární trend ... 71

Tabulka 26: Výsledné pravděpodobnosti pro vzorky A a B, exponenciální trend ... 72

Tabulka 27: Výsledné pravděpodobnosti pro vzorky C a D, lineární trend ... 73

Tabulka 28: Výsledné pravděpodobnosti pro vzorky C a D, exponenciální trend ... 74

13

Seznam použitých symbolů a zkratek

bit binary digit

CV kvadratická hmotná nestejnoměrnost

° C stupně Celsia

čm číslo metrické

D (X) rozptyl

DPI dot per inch, bodů na palec E (X) střední hodnota

G testové kritérium testu dobré shody H₀, H₁ nulová a alternativní hypotéza

HVI high volume instrument

I index nestejnoměrnosti

K-S test Kolmogorov - Smirnovův test MNČ metoda nejmenších čtverců

n počet pokusů, pozorování

PAN polyakrylonitril

pixel picture element

PPI pixel per inch, pixelů na palec

p-value p-hodnota

R, G, B zkratky barev u digitálních obrazů (červená, zelená, modrá)

s² výběrový rozptyl

SV střed vady

t čas

TV tloušťka vady

U hmotná nestejnoměrnost

V testové kritérium pro metodu poměr rozptylů

α hladina významnosti

λ lambda, parametr Poissonova i exponenciálního rozdělení pravděpodobnosti

χ² chí kvadrát

14

“When you can measure what you are speaking about, and express it in numbers, you know something about it, when you cannot express it in numbers, your knowledge is of a meager and unsatisfactory kind;

it may be the beginning of knowledge, but you have scarely, in your thoughts advanced to the stage of science [18].”

William Thomson

„Pokud můžete změřit to, o čem mluvíte, a vysvětlit to v číslech, pak o tom něco víte. Pokud to nelze číselně vyjádřit, vaše znalost je nedostatečná a neuspokojivá; může to být začátek vědění, ale sotva to můžete ve svých myšlenkách posunout do úrovně vědy.“

William Thomson

15

Úvod

Sledování obecně je v dnešní době velmi důležitou součástí každého výrobního procesu. Na sledování vad navazuje jejich odstraňování a celkově zvyšování kvality výrobků, optimalizace procesů a systémů výroby a kontroly. Oddělení kvality v jednotlivých výrobních podnicích jsou stále důležitější, a proto je prioritní kvalitu sledovat a neustále zvyšovat.

Tato diplomová práce se zabývá analýzou vad na žinylkové přízi. Cílem je obecně pojednat o sledování neshod na přízích, zjistit, jakým rozdělením se výskyt vad na žinylkové přízi řídí a navrhnout optimalizaci sledování neshod. Práce je rozdělená do třech částí.

V první části práce je uveden přehled vad, které se mohou při výrobě příze vyskytnout, metody měření a pozorování jednotlivých druhů vad a zjišťování parametrů, které mohou být zatíženy vadou. Dále jsou v první části krátce představeny programy a prostředí, které byly při tvorbě této práce využívány. Je zde popsáno také téma digitálního obrazu a žinylková příze, která byla používána v experimentálních částech tohoto výzkumu.

Druhá část je praktická a zabývá se způsobem výběru vhodných vzorků a jejich přípravou ke snímání. Jsou zde uvedeny také návrhy metodiky snímání a obrazová analýza zkoumané žinylkové příze, návrh skriptu, s jehož pomocí lze vady odhalovat a počítat vzdálenosti mezi nimi. Dále jsou v této části provedena první statistická zpracování výsledků, ověření prvních předpokladů o chování četnosti výskytu vad a ověření zvoleného Poissonova rozdělení. Všeobecně jsou zde vysvětleny i použité metody k ověření typu rozdělení a obecně popsáno zvolené rozdělení.

Třetí část práce, rovněž praktická, se zabývá optimalizací sledování neshod na přízi.

Byla navržena vhodná metoda tak, aby bylo možné i při vynechání určitých úseků příze zjistit pravděpodobnost, s jakou se na vybraném úseku vyskytne vada. To vše se děje v čase. Podstatou této části je vypočítat periody mezi vadami na všech čtyřech zkoumaných vzorcích a otestovat shody rozdělení naměřených dat s exponenciálním rozdělením. Pro tyto výpočty byly použity dvě různé metody - pro každý vzorek jiná.

Posledním krokem této části bylo sestavení tabulky hodnot, z níž lze poté pro praktické využití zvolit vhodnou délku zkoumaného úseku v závislosti na čase a typu příze.

16

Teoretická část

1. Sledování neshod a vad na přízi

1.1. Definice pojmů neshoda a vada

Rozdíl mezi těmito dvěma pojmy je vcelku podstatný, zejména vzhledem k odpovědnosti za produkt. Neshodu lze definovat jako nesplnění požadavku a vadu jako nesplnění požadavku k zamýšlenému nebo specifikovanému použití.

Tím je myšleno použití předpokládané zákazníkem, případně může být ovlivněno povahou informace, třeba návodem k údržbě nebo obsluze, kterou poskytl dodavatel.

Výrobek označený jako vadný lze ovšem použít na jiný účel, než na který byl původně zamýšlený. Proto tedy není vhodné tyto dva pojmy zaměňovat, je zde významný rozdíl z hlediska právního významu, hlavně v záležitostech týkajících se odpovědnosti za produkt. Proto se tedy doporučuje používat pojem vada s krajní opatrností [13].

Na přízi se může objevit velké množství druhů neshod. Některé z nich lze sledovat vizuálně, další jsou zjistitelné pouze pomocí vhodných měřicích přístrojů. Některé vady jsou opravitelné, jiné mohou naopak přízi znehodnotit a učinit jí nepoužitelnou.

1.2. Sledování neshod na přízi

Sledováním je míněna činnost nebo proces, jehož cílem je zjistit případnou neshodu nebo vadu. Ideálním stavem je sledování neshod na přízi v co nejčasnější fázi výrobního procesu, jelikož při včasném objevení neshody lze provést účinné opatření včas a tento stav poté nezpůsobí výraznější ztráty nebo škody. Je velice obtížné dosáhnout 100 % kvality při jakékoliv výrobě.

1.3. Proč vznikají vady či neshody?

Je mnoho faktorů, které mohou zapříčinit vznik neshody. Ačkoli se o přízi nedá mluvit jako o složitém produktu či výrobku, mohou se ale i v tomto zdánlivě jednoduchém procesu vyskytnout vady a chyby a je nutné s nimi počítat.

Příčin vzniku vady je velké množství. Níže je uveden pouze malý přehled důvodů, proč vada může vzniknout:

 odchylka, vada či nesrovnalost ve vstupní surovině,

 chybné seřízení výrobního stroje, chyby ve výrobním procesu, nedostatečně prováděná údržba výrobních zařízení,

 lidský faktor,

 chyba v měřicích přístrojích.

17 1.4. Metody sledování neshod na přízích

Metody je možné rozdělit na dvě hlavní oblasti, subjektivní metody a objektivní metody. První zmíněnou metodou je vizuální kontrola, která je založena na subjektivním hodnocení daného hodnotitele, s jejíž pomocí lze odhalovat neshody vzhledové či případně markantní výrobní neshody. Některé vlastnosti lze hodnotit dotekem, jako příklad dobře poslouží hodnocení vlastnosti omaku. Opět se jedná o subjektivní metodu. První z objektivních metod je použití obrazové analýzy k testování přízí. Následující metodou je měření pomocí měřicích přístrojů. Tato metoda je objektivní, naměřené hodnoty lze vyjádřit číselně. Zmíněny jsou zde dva měřicí přístroje, první od firmy Uster a druhý od amerického výrobce Lawsom-Hemphill Company.

1.4.1. Uster, Uster Tester

Měřením příze vhodným měřicím přístrojem se zabývají nejrůznější společnosti, mezi nejznámější a zároveň nejpoužívanější systémy pro sledování neshod na přízi patří měřicí přístroje firmy Uster Technologies. Jedná se o švýcarskou firmu, lídra v oblasti měření a zajišťování kvality v textilním průmyslu. Firma se tomuto odvětví věnuje již více než 60 let. Všeobecně se dá tvrdit, že firmy zabývající se textilním měřením a zkoušením, nabízejí přístroje pro sledování celého spektra vlastností.

Firma se zabývá několika hlavními oblastmi textilního průmyslu, jako jsou:

 čištění a určování třídy kvality bavlny – třídění a zjišťování parametrů surového vstupního materiálu,

 testování kvality vláken – sledování kvality vstupních vláken,

 testování kvality přízí – laboratorní měřicí přístroje pro sledování kvality přízí,

 čističe přízí – online kontrola kvality právě vyráběné příze,

 zajišťování kvality tkanin – jedná se o přístroje, které sledují kvalitu vstupních přízí, ze kterých je poté tkanina vyrobena.

Uster Tester je měřicí přístroj, vyvinutý švýcarskou firmou Uster, který se používá k testování stejnoměrnosti přízí. Existuje více generací tohoto přístroje, využívající kapacitní konverzní princip k převodu neelektrické změny sekce příze na elektrické signály, které reprezentují změnu v sekci. Testovací část je tvořena kondenzátory s dvěma rovnoběžnými kovovými deskami. Jakmile koeficient nevodivosti materiálu vlákna překročí koeficient nevodivosti vzduchu (vzorek příze vstupuje do kondenzátoru

18

s jistou rychlostí), kapacita polární desky vzroste a změna kapacity je spojena s aktuálním objemem příze mezi polárními deskami. Výstup se projevuje buď jako jednotlivé celkové výsledky, nebo jako graf či spektrogram.

Jednotlivé výsledky obsahují hodnoty lineární hmotné nestejnoměrnosti (U[%]), kvadratické hmotné nestejnoměrnosti (CV[%]), indexu nestejnoměrnosti (I) a počtu neshodných míst (slabá a silná místa a nopky). Všechny tyto výsledky jsou reprezentovány jednotlivými čísly, která lze snadno interpretovat a následně s nimi pracovat. Poskytují všeobecné informace a přehled o celkové nestejnoměrnosti příze.

Nevýhodou ovšem je, že v případě špatných výsledků, ukazujících na nějakou vadu, nelze z nich jednoznačně poznat, čím je tato vada způsobena. Výsledný graf je pak jednoduchou křivkou hmoty. Příze je následně rozkouskována do sekcí, sekce jsou proměřeny a vznikne bodový graf, který ukazuje odchylky od střední hodnoty. Tyto grafy mohou odhalit místo problému a zároveň identifikují extrémně silná a slabá místa v přízi, pomalé změny v průměrné hodnotě hmoty, periodické rozptýlení hmoty a další fakta [19].

1.4.2. CTT

Dalším přístrojem, který měří nestejnoměrnost příze, je přístroj CTT od americké firmy Lawsom-Hemphill Company. Ten může měřit různé chování příze v dynamických podmínkách. Skládá se z lineární snímací kamery, iluminačního osvětlovacího systému, který zásobuje přístroj konstantním napětím a počítače, jenž získává a zpracovává data. Příze je snímána při rychlosti okolo 100 metrů za minutu. V počítači je poté generován vzhled nasnímané příze. Výhodou tohoto systému je, že není ovlivněn relativní vlhkostí, barvou příze ani stupněm směsi.

1.5. Vlastnosti přízí a nití

Vlastnosti přízí a nití lze hodnotit z několika pohledů. Nyní bude pozornost zaměřena hlavně na vlastnosti přízí, projevujícími se při zpracovávání. Příklady jsou uvedeny níže:

 vnější vady příze (slabá místa, silná místa, nopky),

 vysoká hmotná nestejnoměrnost (kolísání počtu vláken v průřezu příze),

 stabilita zkadeření u chemicky tvarovaných multifilů,

 kolísavá pevnost příze (netrhavost na tkacích a pletacích strojích),

 smyčkovitost (zejména u šicích nití).

19

Výše uvedené vlastnosti jsou definovány normami a jsou pro ně zavedeny povolené hodnoty, s jejichž pomocí se hodnotí dle zjišťovaných parametrů jakost příze. Podle jakosti se, jak je známo, určuje cena příze. Ovšem nejen vlastnosti se podílejí na zařazení příze do jakostní skupiny. Dalším faktorem je četnost výskytu neshod, která je také velmi důležitým kritériem pro stanovení ceny.

1.6. Vady přízí a nití

Vyrobená příze, určená na další zpracování v tkalcovně nebo pletárně, nesmí vykazovat vnější vady, mezi které patří silná a slabá místa v přízi a nopky. Tyto vady by snižovaly vizuální a estetickou hodnotu následného produktu, tedy textilie. Proto jsou téměř všechny příze v okamžiku přesoukávání z potáčů na dutinky jiného typu čištěny pomocí kapacitních (Zellweger Uster) nebo optických (Peyer) zařízení, nainstalovaných na soukacích automatech. Podle volitelného nastavení je soukání příze zastaveno v okamžiku, kdy se objeví vada. Poté je vadné místo vystřiženo a konce příze navázány.

Pro klasifikaci vad na přízích však neexistují žádné platné normy, které by vady definovaly. Vady jsou definovány až později jako vady tkanin. Následuje výčet vad, které se vyskytují na přízích a tkaninách, dle normy ČSN 80 0026:

 chlupatost (velké množství odstávajících vláken),

 nopek (shluk hustě propletených vláken v tvaru uzlíku, dělí se ještě na krupici a smotek, podle velikosti této neshody),

 případek (cizí vlákna nebo nitě ovinuté kolem základní nitě),

 tlusté či tenké místo (úsek nitě s výraznou změnou lineární hmotnosti, v případě opakujících se výskytů těchto neshod je tento jev pojmenován jako nestejnoměrnost),

 zdvojená nit (úsek nitě se zvětšenou hmotností, způsobené přikroucením jedné nebo několika nití),

 smyčkovitost (úseky nití zkroucené do tvaru smyčky),

 spirálovitost (spirálovitě vystupující oviny na povrch soukané nitě),

 chybějící nit (úsek nitě, ve kterém chybí jedna nebo více složek),

 chybný uzel (nesprávně svázané konce dvou nití),

 zašpinění (znečištěné nebo zaolejované místo),

 plísňovitost (úsek nitě napadený plísní),

20

 promísení (nedokonalé promísení vláken, vyskytuje se u vícekomponentní příze),

 neprobarvení (neprobarvená místa po barvení na cívkách),

 barevná nestejnoměrnost (nehomogenní vybarvení příze),

 chybějící lesk (část nitě s odlišným leskem),

 odstínovitost (chyba nebarvené nitě v podobě úseku nitě s odlišnou bělostí),

 neopředené místo (úsek jádrové nitě s neopředeným jádrem),

 nečistoty (cizorodé příměsi, cizí vlákna nebo mrtvý vlas v přízi),

 skrčkovistost (zesílené části nitě tvořené vlákny nitě spirálovitě ovinutými okolo středových vláken),

 vlnitost (zvlněný, nerovnoměrný povrch družné nitě),

 zádrh (přetrhnutá a shrnutá jedna nebo více složek ve skané přízi),

 zplstění (navzájem zaklíněná vlákna, hlavně u vlnařských přízí),

 stažený obal (obnažená jádrová příze),

 odřené místo (narušená povrchová struktura nitě).

Většina výše popsaných defektů přízí se vyskytuje v dnešní době již jen velmi zřídka, jelikož výrobní proces je plný nejrůznějších kontrolních systémů a přístrojů, které problematické místo detekují a případně okamžitě vystřihnou nebo na něj upozorní obsluhu stroje [5].

1.7. Způsoby sledování vad na přízi

Sledování vad na přízi lze charakterizovat jako činnost, u které je již před jejím započetím dáno nějaké tvrzení, jímž se je nutné zabývat a nějakým způsobem s ním pracovat. Pomocí testování pak dostaneme určité výsledky, s jejichž pomocí lze toto tvrzení přijmout nebo naopak vyvrátit. Sledování je prováděno z důvodu zachování kvality výrobku, v tomto případě příze, a také z proto, aby výrobní proces probíhal plynule a případné nesrovnalosti či náznaky změn v procesu byly odhaleny co nejdříve. Výhodou je, že ihned poté může být zjednána náprava a mohou být přijata okamžitá opatření, z důvodu zamezení vzniku finančních ztrát. Sledování vad na přízi se dá rozdělit do dvou hlavních kategorií:

 laboratorní testování, neboli off-line testování,

 procesní testování, neboli on-line monitorování kvality.

21 1.7.1. Laboratorní testování

Principem tohoto testování je odebrání vzorků z již hotového produktu, přesunutí vzorků do laboratoře a podstoupení těchto vzorků testům. Testů, které se takto provádějí, je celá řada. Všechny testy musí být prováděny na klimatizovaných vzorcích, jelikož jinak mohou být vlastnosti vzorků, a tedy zároveň zkoumané příze, ovlivněné vlivem vlhkosti. Běžně jsou podmínky v laboratoři následující:

 teplota 21 ± 1° C,

 65 ± 2% relativní vlhkosti,

 24 hodin denně, celý rok stejné podmínky.

Vzorky, které jsou přineseny do laboratoře, musí být klimatizovány po dostatečně dlouhý čas, po jehož uplynutí mají stejnou relativní vlhkost, jako je v laboratoři. Tato doba se velmi liší. Může to být jen několik minut nebo na druhou stranu i několik dní, které jsou nutné k dosažení požadované rovnováhy. Většinou jsou tyto testy v dnešní době automatizovány.

Staplovými vlákny nebo staplovou přízí je míněn druh vláken nebo příze, která obsahuje vlákna různých délek, nejčastěji se tedy jedná o přírodní vlákna, protože u nich nelze žádným způsobem zaručit stejnou délku jednotlivých vláken.

U chemických neboli nekonečných vláken si lze určit, na jakou délku je požadované je nařezat.

Rozdíly jsou také v testování staplových a nekonečných vláken.

Mezi testované veličiny staplových vláken patří:

 kolísání délkové hmotnosti,

 úrovně vad,

 vlastnosti jednotlivých vláken,

 zákrut příze,

 pevnost příze.

Pro testování nekonečných vláken jsou typické zkoumané vlastnosti:

 objemovost,

 pevnost vlákna,

 protažení,

 barvitelnost.

22

Poslední je skupina testů, které se používají pro oba typy příze. Základní myšlenkou je vzhledová stálost.

Mezi tyto testy patří:

 vady příze,

 spřažitelnost barviva,

 změny v lineární hmotnosti příze,

 pevnost [14].

1.7.2. Online monitorování kvality

Při online sledování jakosti příze jsou senzory pro detekování vad umístěny přímo na výrobním stroji. Díky tomu je generován signál, jehož prostřednictvím jsou získávány informace o průběhu a fungovaní procesu a o materiálu. Tyto údaje jsou zpracovávány počítačem. Senzory by měly být co nejvíce odolné vůči působení okolních vlivů a změnám v prostředí, případně by měly být schopné provádět korekce, aby bylo možné považovat výsledky za reprezentativní. Výsledkem je tedy informace, se kterou lze dále pracovat. Online nelze ovšem sledovat všechny vlastnosti, některé nejsou technicky proveditelné a jiné zase příliš nákladné. Pokud je nalezena nějaká nesrovnalost či vada, bývá tento nález doprovázen zvukovým nebo světelným signálem, že dané kritérium je mimo regulační meze [14].

1.8. Sledování parametrů staplové příze 1.8.1. Délka vláken

Je nezbytné sledovat efektivní délku jednotlivých vláken v přízi, kvůli rozdílu mezi efektivní a výchozí délkou vláken. Je důležité sledovat nejen rozdělení délek vláken, ale i to, jak je ovlivněna geometrie vláken probíhajícím procesem. Délka je zjišťována dvěma způsoby. Prvním z nich je postupné vyčesávání vláken ze vzorku a jejich srovnání. Tato procedura je nejen časově náročná a také je zde potřebná dostatečná manuální zručnost. Druhým způsobem je použití přístroje, který vytvoří fibrogram.

Před použitím přístroje je nutné vzorek připravit tak, že jsou odstraněna volná krátká vlákna. Jako výsledek tohoto měření se uvádí index rovnoměrnosti − jedná se o poměr mezi hodnotou z rozdělení vláken. Jako poměrové hodnoty jsou brány délky vláken odpovídající hodnotám kvantilů 0,025 a 0,5. Výsledky mohou být ovlivněny podmínkami okolí a přípravou vzorku [14].

23 1.8.2. Pevnost vláken

Přístroj na měření pevnosti vláken se jmenuje zkušební deformační zařízení, neboli trhačka. Pevnost vláken se měří na smotku vláken, kdy se dvě svorky pohybují směrem od sebe tak, aby došlo k protažení vláken. Poté senzor, který je připojen k pevné svorce, měří zatížení nutné k přetržení příze. Pokud je počet vláken v průřezu smotku známý, pak lze spočítat mez pevnosti. V případě, že je známa i hustota testovaných vláken, může být spočteno také napětí potřebné k přetržení vzorku. Měření stejných vzorků pomáhá zpřesnit výsledek měření. Opět lze tvrdit, že zahnutá vlákna snižují indikované napětí vláken. Zároveň toto napětí může být sníženo nedostatečným rozčesáním příze, protože poté mohou být vlákna špatně orientovaná a výsledek bývá nepřesný [14].

1.8.3. Jemnost vláken

Jemnost vláken se měří následujícím způsobem: množství vláken je vloženo do měřicí nádoby a poté je měřena propustnost vzduchu při procházení proudu vzduchu skrz vlákna. Výsledkem tohoto měření je po přepočtu micronaire index. Pokud je vlákno volně vloženo do standardní trubky a vzduch o standardní teplotě a vlhkosti proudí skrz, pak může být zjištěn pokles tlaku. Vlákna v balíku musí být rovnoměrně rozmístěná, jinak hrozí výskyt chyby a tím pádem i znehodnocení celého testu.

U přírodních vláken může jemnost značně kolísat. Nicméně právě jemnost je jedním z parametrů, který je vhodné kontrolovat a měřit. Základním měřicím přístrojem pro měření jemnosti vláken je obyčejný přístroj k měření propustnosti vzduchu s malým testovacím válcem, do kterého je vkládán testovaný materiál. Změny tvaru v průřezu vláken mohou ovlivnit výsledek testu, což je bráno jako nevýhoda. Test má ale výhodu v tom, že je velmi snadné jej provádět [14].

1.8.4. Optické vlastnosti

Mezi vlastnosti příze měřené optickým systémem patří barevnost (žlutost) a odrazivost. Testy na přítomnost nečistot v balíku vláken vycházejí z předpokladu, že odpadní zbytky jsou tmavší než bavlna. Procentuálně je viditelná plocha testovaného materiálu rozdělena na světlou a tmavou, přičemž tmavá plocha je brána k měření nečistot ve vzorku.

Všechny výše uvedené vlastnosti jako délka vláken, pevnost, jemnost, barva a obsah nečistot mohou být měřeny na jednom automatickém přístroji zvaném HVI (high volume instrument). Tento přístroj nahrazuje manuál pro škálování neboli třídění bavlny, zároveň se také začíná rozšiřovat do celého světa [14].

24 1.8.5. Chlupatost příze

Vlákno odstávající od povrchu příze se nazývá chlup. Chlupatost je popsána jako poměr počtu vlasů příze na délku jednotky v daném okruhu, nebo na délku jednotlivých vlasů. Chlupatost je závislá na průměru příze a má přibližně lineární vztah s délkou vláken a zákrutem na přiměřeném intervalu. K měření chlupatosti se používá mnoho měřicích přístrojů a zároveň jsou k dispozici i online měřicí systémy ke zjišťování chlupatosti příze. Někdy je velmi obtížné přesně určit, co je jen povrch vlákna a zároveň definovat onen odstávající chlup. I přes náročnost a obtížnost měření chlupatosti příze je výhodné tento druh měření provádět. Existuje mnoho technik pro měření chlupatosti příze, které jsou v rozpětí od mikroskopického měření chlupatosti až po online sledování této vlastnosti.

Délka odstávajících chlupů příze může zkreslit tělo příze. Pro zlepšení citlivosti měření, se často přidává maska šířky W, s jejíž pomocí jsou měřeny jen variace mimo stínované oblasti. Pokud je šířka menší než průměr příze, jsou signály z průměru příze zobrazeny jako černý obdélník. To také tvoří chybu. Jestliže je přidané W příliš velké, pak nastává možnost zatížení měření chybou. Vzhledem k tomu, že je průměr příze kolísavý, je díky přidávání nejrůznějších masek také zvyšována citlivost měření. Tato zvýšená citlivost může snižovat i další možné chyby, proto se vyplatí tyto masky používat.

Spektrogramy chlupatosti začínají být stejně často používány jako spektrogramy jemnosti vláken. O variabilitě jemnosti se používá mnoho teorií a faktů a vztahují se zároveň na variabilitu chlupatosti [14].

1.8.6. Měření zákrutu na přízi

Zákrut je definován jako počet otáček vložených zakružovacím strojem na 1 metr příze. Vlivem udílení zákrutu se příze zkracuje. Toto zkrácení se nazývá seskání.

Za pomoci speciálního kroužku lze přízi rozkroutit až do stavu, kdy jsou vlákna paralelně orientovaná, tzv. nulový zákrut, a tento stav může být popsán se značnou mírou přesnosti. U vláken lze podmínky nulového zákrutu ověřit tak, že je položena tenká čepel mezi vlákna a poté je posunována po celé délce vzorku. Pokud lze tuto čepel posunovat bez odporu od jednoho konce k druhému, pak lze konstatovat, že příze splňuje podmínku nulového zákrutu. Nicméně použití této techniky je poměrně náročné pro staplové příze. Je žádoucí, aby byly testované příze pod určitým napětím, jinak

25

hrozí poškození příze. Není vhodné se používat toto napětí u příze s nulovým nebo skoro nulovým zákrutem, jelikož slabší příze se mohou snadno přetrhnout.

Aparatura pro testování se skládá ze dvou svorek a z prostředku, který vytváří potřebné a kontrolované napětí mezi svorkami. Jedna ze svorek rotuje a rozmotává přízi a druhá je pevně přidělána k přístroji. Tento druh testu je poměrně náročný na práci a obvykle je vykonáván v laboratoři. Zákrut je měřen jako počet otoček za jednotku délky příze. Pokud se změní zákrut, změní se také délka příze. Změna délky příze při stavu nulového zákrutu ke stavu předepsaného zákrutu se nazývá zkrácení příze a toto číslo může být použito při měření zákrutu příze. Měřicí přístroj na měření zákrutu se nazývá zákrutoměr, lze s ním měřit počet zákrutů na přízi a seskání příze [14].

1.8.7. Souhrnné testování vláken

Jelikož počet testů, které jsou potřebné k řízení míchání přírodních vláken, je velké množství, pozornost se obrátila na rozložení výrobních linek, které nyní připomíná automobilový průmysl. To platí zejména pro testování bavlny. HVI měřicí systém se skládá z velkého množství přístrojů, které jsou situovány okolo řídicího systému.

Na každé pracovní stanici je zjišťován jeden či více parametrů vlákna nebo příze, které už nejsou zjišťovány nikde jinde. Data z každého snímače jsou ukládána a následně zpracovávána počítačem. To znamená, že testování vzorku probíhá virtuálně prakticky ve stejném čase, za stejných klimatických podmínek a jednotlivé podvzorky jsou odebírány z jednoho velkého vzorku. Je tedy zaručena reprezentativnost výsledků. Toto uspořádání urychluje tok práce a snižuje pravděpodobnost a možnost výskytu chyby v měření. Současné HVI přístroje měří:

 obsah nečistot,

 koncentraci krátkých vláken,

 jemnost vláken (micronaire index),

 délku vláken,

 pevnost vláken,

 prodloužení vláken,

 barvu vláken,

 odrazivost vláken.

26

V důsledku neustálého vývoje v této oblasti se předpokládá, že oblasti a parametry měření budou nadále rozšiřovány, stejně tak se předpokládá vývoj dokonalejší měřicí techniky [14].

2. Žinylková příze

2.1. Historie a popis

Žinylková příze se řadí mezi vlasové efektní příze. Skládá se ze dvou druhů přízí.

První z nich se nazývá základní (jádrová, nosná) o „nekonečné“ délce a druhé, kolmo k základní přízi kladené vlasové (efektní) příze. Základní příze je zároveň zakrucována, aby držela kolmo vložené vlasové příze. Poté jsou smyčky efektní říze rozřezány pomocí řezacích nožů a tak se získá vlas. Řezací nože jsou umístěny na každé straně příze a rozřezávají efektní nit, jejíž konce poté vytvoří efekt, o kterém je psáno výše.

Základní příze poskytuje celkové přízi pevnost, zatímco vlasová příze dodává přízi příjemný omak, objemnost a utváří celkový vzhled žinylkové příze. Vyznačuje se velmi měkkým, hebkým omakem a lesklým vzhledem. Název pochází z francouzského slova chenille, což v překladu znamená housenka. Žinylková příze může být vyrobena z více různých materiálů, například z bavlny, viskózy a polypropylenu [12, 17].

Efektní niť má po celé délce povrchu výrazná místa nestejného vzhledu, která vytvářejí na tkanině nebo pletenině ozdobné efekty. Důležitými parametry jsou stejnoměrná výška vlasu po celé délce příze, protože silně ovlivňuje její vzhled.

Ozdobného efektu lze dosáhnout předením, skaním, barvením, potiskováním nebo jejich vzájemnou kombinací [12].

Historie vývoje žinylkové příze je velmi zajímavá. Mezi léty 1754 a 1895 se objevily 3 odděleně vyvinuté žinylkové produkty, přišly z následujících zemí:

z Francie, Skotska a Spojených států Amerických. Prvním produktem byla jakási výšivka – tkanina určená jako nášivka. Druhým produktem byl hromadně vyráběný šátek, který podnítil vznik techniky masové strojové výroby. Třetím výrobkem přehoz na postel, ručně vyšívaný technikou vyšívání pro bavlnu. Tento výrobek se prosadil do průmyslové výroby v továrně [10].

27 2.2. Výroba žinylkové příze

Žinylkové příze se podle způsobu výroby dělí na:

 skané

 pletené

 tkané

Rozdíl mezi jednotlivými druhy žinylkových přízí spočívá v technologii výroby, jež je dána použitým typem stroje.

2.2.1. Skaná žinylková příze

Tento typ žinylkové příze se vyrábí na speciálním žinylkovacím stroji, kde se mezi dvě základní (jádrové) nitě přivádějí nekonečná vlákna, která jsou před stočením nosných nití rozřezána. U každé jemnosti příze záleží na druhu použitého materiálu, aby při používání konečného výrobku z této příze krátká vlákna nevypadávala. Dnes je tato skaná žinylková příze hojně používána na výrobu čalouněných tkanin. Přiložený obrázek č. 1 ukazuje skanou žinylkovou přízi [17].

Obrázek 1: Skaná žinylka [17]

2.2.2. Pletená žinylková příze

Na obrázku č. 2 je možné vidět pletenou žinylkovou přízi. Žinylkové příze lze také vyrábět pletařskou technologií na osnovních pletařských strojích, kde základní niť plete řetízek a vlasová niť se provazuje střídavě mezi jednotlivými řetízky. Po upletení se vlasová niť rozřeže [17].

Obrázek 2: Pletená žinylka [17]

28 2.2.3. Tkaná žinylková příze

Třetím způsobem výroby žinylkové příze je tkaní. Původní žinylka je v podstatě proužek tkaniny s vlasovým povrchem vytvořeným rozřezanými útky. Tato žinylka se vytváří složitějším způsobem, než je předení. Předdílo – jedná se o tkaninu, která je tkána v plátnové nebo perlinkové vazbě a po zatkání se útky rozřezávají na pásy.

Nosnými elementy žinylkové příze je poté 4 - 6 osnovních nití. Ilustrace je na obrázku č. 3 [17].

Obrázek 3: Tkaná žinylka [17]

2.3. Vady na žinylkové přízi

Při výrobě žinylkové příze se vyskytují defekty, které výrazně ovlivňují vzhled příze. Tyto vady mohou být zapříčiněny buď špatnou technologií výroby na skacím stroji, nebo poškozením řezacího nože, který způsobuje vady na vlasových přízích.

Nyní zde bude uveden přehled nejčastějších vad, které se na žinylkové přízi vyskytují:

 uzel, silné místo – vada způsobená povolením základní příze a následným spojením konců příze k sobě nebo nahromaděním vlasových přízí do jednoho místa;

 prázdné místo – část příze, kde nejsou vložena nařezaná vlákna, nebo z důvodu nedostatečného zákrutu vlasové příze ze základní vypadávají, také může být důsledkem přetrhu příze pro výrobu vlasu; prázdné místo v přízi je výsledek nepřítomnosti vlasových přízí v určité oblasti žinylkové příze;

 řídká příze – rovnoměrnost vlasové příze je narušena, v krátkých úsecích příze chybí část vlasových přízí;

 odletky vláken – v určitých místech příze odstupují delší vlákna.

29

Výše popsané vady jsou názorně ukázány na následujících obrázcích č. 4, 5, 6 a 7.

Obrázek 4: Uzel [1]

Obrázek 5: Prázdné místo [1]

Obrázek 6: Řídká příze [1]

Obrázek 7: Odletky vláken [1]

Vedle těchto uvedených vad se můžeme setkat se špatným navázáním, s nestejnoměrným barevným odstínem atd.

Nevýhodou žinylkové příze je její nízká odolnost v oděru, proto pro detekci vad nemohou být použity klasické měřicí přístroje, jelikož během měření je příze namáhána v oděru a příze, která tvoří vlas, je při tomto měření deformována. Měření stejnoměrnosti výšky vlasu tak není možné. Jako vhodné se tedy jeví použití obrazové analýzy a pro sledování stejnoměrnosti výšky vlasu použití regulačních diagramů [1, 2, 11, 12].

Jedná se o nejčastěji se vyskytující vady na přízi. Důvody vzniku těchto typů vad lze hledat v surovém materiálu nebo v nesprávném procesu přípravy.

Následující hodnoty v procentech lze použít jako vodítko při pojmenovávání a hledání těchto vad:

 slabé místo: -50%,

 silné místo: +50%,

 nopek: +200%.

30

Silná a slabá místa v přízi poměrně výrazně ovlivňují vzhled tkanin nebo pletenin.

Navíc zvýšení počtu silných a slabých míst v přízi ukazuje na fakt, že vstupní surovina nebo způsob zpracování jsou špatně nastaveny. Na druhou stranu nelze dojít k závěru, že vzrůstající množství silných a slabých míst v přízi musí indikovat zvýšení počtu výpadků tkacích nebo pletacích strojů. Slabá místa obyčejně ukazují na vyšší zákrut příze, protože z důvodu menšího počtu vláken v průřezu příze vyúsťují v menší odolnosti proti kroucení nebo napětí. Napětí příze neklesá úměrně snižujícímu se počtu vláken v průřezu příze.

U silných míst v přízi je situace opačná. Více vláken v průřezu příze zvyšuje odolnost příze proti kroucení. Silná místa mají v mnoha případech menší zákrut příze než je průměrný. Napětí v přízi je pouze ve velmi málo případech proporcionálně úměrné počtu vláken v průřezu příze.

Nopky mohou ovlivnit vzhled tkanin nebo pletenin poměrně výrazně. Přítomnost nopků jisté velikosti může vést až k obtížnostem při zpracování, zejména u pletacích strojů. Z tohoto důvodu je vyvarování se nopků při výrobě předených přízí základním textilním technologickým problémem.

Nopky můžeme rozdělit do dvou kategorií:

 nopky ze surového materiálu,

 nopky z výrobního procesu.

Nopky ze surového materiálu v bavlněné přízi jsou primárně výsledkem rostlinné hmoty (zbytků rostlin, trávy apod.) a nepřírodních vláken v materiálu. Vliv surového materiálu ve výrobě vlny a syntetických není pro výskyt nopků významný. Nopky z výrobního procesu jsou totiž způsobeny čističem při výrobě mykané bavlněné, vlněné a česané příze. Jejich výroba je ovlivněna typem oblečení, pracovníky a rychlostí produkce [14].

2.4. Program Centurion Statgraphics

2.4.1. Popis

Program Centurion Statgraphics je navržen pro každého, kdo chce provádět statistické analýzy dat a nechce se týdny učit pracovat s jinými složitými statistickými programy. Obsahuje více než 180 různých statistických funkcí a procedur, které pokrývají oblast od popisné statistiky až po návrh experimentů. Není nutné být statistikem, aby bylo možné používat tento program. Veškeré dostupné funkce

31

je možné vybírat v menu, intuitivně, jednoduše a uživatelsky přívětivě. Implementovány jsou i nástroje jako StatWizard a StatAdvisor, které pomohou používat program efektivněji.

Program je založen na principu tabulkového editoru. Do jednotlivých buněk lze vkládat hodnoty nebo údaje a poté s nimi lze dále pracovat. Program nabízí velké množství funkcí a metod. Každá funkce ještě nabízí další a další možnosti nastavení a různých přístupů, jakými lze počítat. Pak již stačí jen zvolit tu nejvhodnější. Volitelné jsou rovněž grafické metody vyhodnocení nebo zobrazení dat.

2.4.2. Historie

Historie tohoto programu sahá až do roku 1980, kdy se začalo s vývojem toho programu. O dva roky později byla uvedena na trh první verze Statgraphicsu, tehdy ještě na počítače s operačním systémem MS DOS. V současné době je k dispozici již 16. verze tohoto statistického programu. Zároveň je k dispozici i verze pro mobilní telefony a také online verze fungující v rozhraní webového prohlížeče. Zákazníků, kteří Statgraphics využívají, je mnoho. Jsou mezi nimi i velké firmy a státní instituce Spojených států amerických. Společnost se zabývá hlavně vývojem softwaru, další činností je také pořádání školicích seminářů pro využívání jejích programů.

2.4.3. Použití v této práci

V této práci byl Statgraphics použit zejména při počítání pravděpodobnosti a při provádění popisné statistiky. Také byl využit při ověřování výsledků testování shody s rozděleními a celkově velmi usnadnil zpracování dat, protože ihned byly k dispozici výsledky a mohlo být rozhodnuto, zda je tento nápad či myšlenka vhodná či nikoliv. Při zpracování dat byl použit mnohokrát a práci velmi ulehčil, protože nebylo nutné vše složitě počítat, stačilo zadat data, zvolit správnou metodu a odečíst výsledek.

32

3. Obrazová analýza

V této části bude zjednodušeně popsána problematika zpracování obrazu, vysvětleny základní pojmy, popsán program, ve kterém byla analýza prováděna a také je zde představen skript, s jehož pomocí byly vady detekovány.

3.1. Digitální obraz

3.1.1. Definice

Obraz může být modelován matematicky pomocí spojité skalární funkce f dvou nebo tří proměnných a je nazýván jako obrazová funkce. V jednoduchém případě je statický obraz popsán obrazovou funkcí dvou souřadnic f (x; y) v rovině (obecněji v ploše, například na přibližně kulové ploše sítnice). Obrazová funkce tří proměnných se použije, buď když se plošné obrazy mění v čase t, tj. f (x; y; t) nebo v případě objemových obrazů f (x; y; z). Rozměr matice je zároveň velikost obrazu [8].

3.1.2. Pixel

Pixel, z angličtiny zkratka slov picture element, je nejmenší, dále nedělitelný prvek, který tvoří digitální obraz. Neexistuje žádná standardní velikost pixelu. Množina pixelů je přesně uspořádána. Každý pixel je nositelem informace o barvě a jasu a má danou polohu. Barvám jednotlivých pixelů jsou přiřazena čísla. Tato čísla uspořádaná podle poloh jednotlivých pixelů pak vytvářejí datový soubor, který je vlastně elektronickým vyjádřením obrazu.

Na obrázku č. 8 lze vidět zobrazení obrazu jako matice nul a jedniček. Výchozí matice vypadá následovně:

0 0 0 0 1 0 0 0 0

Obrázek 8: Matice

Použitím příkazu imshow v prostředí Matlabu. lze takovouto matici zobrazit jako binární obraz, což je znázorněno na obrázku č. 9. Bílý čtverec uprostřed představuje číslo 1 z výše uvedené matice, černé čtverce vyjadřují čísla 0 ze stejné matice [8].

33

Obrázek 9: Pixel

3.1.3. DPI

DPI je zkratka, která se udává při pořizování skenů či digitálních fotografii. Pochází z angličtiny a jedná se o počáteční písmena spojení dot per inch. V překladu to znamená

„bodů na palec“ (jeden palec je při převodu do metrické soustavy roven 2,54 cm) a jedná se o údaj charakterizující kvalitu digitálního obrazu. Někdy se používá také zkratky PPI (pixel per inch), což v překladu znamená „pixelů na palec. Jako vysoce kvalitní a pro tisk vhodné fotografie jsou považovány ty, které mají 300 a více DPI.

V této práci jsou použity naskenované obrazy, které jsou v ještě vyšší kvalitě, konkrétně se jedná o 600 DPI. Ovšem se vzrůstající kvalitou roste zároveň velikost daných souborů a jejich náročnost při zpracovávání, proto nelze vždy jednoznačně říci:

„čím více, tím lépe“ [8].

3.1.4. BIT

BIT je složenina anglických slov binary digit a znamená to dvojkové číslo. Může nabývat vždy pouze dvou hodnot, 0 a 1. Většina systémů pro digitální zpracování obrazu používá kvantování do k stejných intervalů. Jestliže je pro reprezentaci informace o obrazovém elementu použito b bitů, je počet úrovní jasu k = 2^b. Obvykle se používá 8 bitů na obrazový element, někdy 6, jindy postačí 4 bity. Binární obrazy reprezentují informaci o obrazovém bodu jediným bitem [8].

3.1.5. Práh, prahová hodnota

Práh je definován jako hraniční hodnota, jejíž pomocí je vytvořen binární obraz konverzí obrazu monochromatického. Práh je udáván v intervalu (0,1). Pokud

34

je překročena hodnota prahu, pak je daný obrazový bod znázorněn bílou barvou. Jestliže není prahová hodnota překročena, je obrazový bod vyjádřen černou barvou. Hodnota pro jednotlivé obrazové body je vypočtena jako podíl hodnoty obrazového bodu a hodnoty 256, což je součet všech hodnot, jichž může obrazový bod nabýt. Tento výsledek je následně porovnán s hodnotou prahu a pixel je zobrazen buď bíle, to v případě, že je hodnota prahu nižší než hodnota pixelu, nebo černě v případě nepřekročení prahové hodnoty.

3.1.6. Typy digitálních obrazů podle způsobu vzniku

Rozlišujeme dva základní typy digitálních obrazů. Rozdíl je ve způsobu, jak se tyto obrazy vytváří.

Vektorový obraz

Prvním typem je obraz vektorový, který je založen na matematických výpočtech a zobrazuje se pomocí základních geometrických útvarů, jako jsou body, přímky, křivky a mnohoúhelníky. Jedná se poměrně nový typ obrazu, vznikl s rozvojem počítačové grafiky. Jednotlivým útvarům nastavujeme vlastnosti a sestavujeme je do podoby výsledného obrazu (princip skládačky). Způsob práce se tedy odlišuje od práce s rastrovou (bitmapovou) grafikou. Vektorový obraz se skládá z následujících druhů prvků:

 dvourozměrné objekty (obdélníky, elipsy, mnohoúhelníky),

 čáry (úsečky, různé druhy křivek),

 text,

 rastrové objekty (např. fotografie).

Vektorové editory umožňují vložit do kresby i rastrový obrázek a omezeně s ním pracovat. Není to však vektorový prvek. Typické vlastnosti, se kterými u objektů pracujeme, jsou:

 tvar,

 rozměry,

 síla, barva a styl čáry,

 barva nebo struktura výplně [9].

Rastrový obraz

Druhým typem je obraz rastrový. Rastrový obraz neboli bitová mapa je složena z diskrétních obrazových bodů, tzv. pixelů, které se ovšem na první pohled jeví jako

35

spojité. Po přiblížení je patrné, že tomu tak není. Každý pixel nabývá určité číselné hodnoty, která reprezentuje barvu a její odstín a také má pevně danou polohu. Bývá uspořádán do mřížky, čím hustější je tato mřížka, tím ostřejší je výsledný obraz.

Na následujících obrázcích č. 10 a 11 lze porovnat vektorový a rastrový obraz [9].

Obrázek 10: Vektorový obraz [9] Obrázek 11: Rastrový obraz [9]

3.1.7. Typy digitálních obrazů podle barev Binární

Obraz skládající se pouze z 0 a 1, kde 0 vyjadřuje černou barvu a 1 barvu bílou, jedná se o nejjednodušší typ obrazu. Binární obrazy reprezentují informaci o obrazovém bodu jediným bitem, proto tedy jen 2 barvy, černá a bílá.

Monochromatický

Česky šedotónový, jedná se o obraz, který má barevnou škálu od 0 do 255, kde 0 značí absolutní černou a 255 absolutní bílou, tedy celkem může mít až 256 různých barevných odstínů. Informace o monochromatickém obrazovém bodu jsou reprezentovány 8 bity, z toho vyplývá 2⁸ = 256 odstínů barev. Tento obraz lze získat například naskenováním, focením v černobílém módu, či upravením v grafickém editoru.

Barevný

Používá se též zkratka RGB obraz, kde R znamená červená (red), G značí zelenou (green) a B vyjadřuje barvu modrou (blue). Tento obraz je barevný, jak známe například z digitálního fotoaparátu, skládá se z 3 matic. Každá z výše uvedených barev má svou vlastní matici, pixely v každé z těchto matic nabývají opět hodnot od 0 do 255, kde tato čísla udávají sytost jednotlivých odstínů. „Smícháním“ všech těchto 3 bodů vznikne jeden výsledný bod, který je na závěr zobrazován. Celkem lze tedy rozlišovat 2⁸ * 2⁸ * 2⁸ = 16 777 216 barev. K tomu počtu vede úvaha, že každá ze tří základních

36

barev může nabývat 2⁸ odstínů a můžeme všechny tyto 3 různé barvy libovolně kombinovat.

Následující obrázky č. 12, 13 a 14 ilustrují stejný obrázek ve všech třech typech barevnosti obrazu.

Obrázek 12: Původní barevný obraz

Obrázek 13: Monochromatický obraz

Obrázek 14: Binární obraz, práh 0,5

37

Praktická část

4. Návrh možnosti řízení jakosti na žinylkové přízi s využitím obrazové analýzy

4.1. Informace o přízi

Testovaná příze je žinylková. Měření přízí byla prováděna po dobu pěti dní, vzorky byly odebrány při výrobě příze na prstencovém skacím stroji, kdy se každé tři hodiny smekaly jednotlivé potáče s navinutou přízí. Byly použity dva druhy příze s jemnostmi čm 1,8 a 4,0. Oba dva druhy příze jsou vyrobeny ze 100% PAN (polyakrylonitril).

Výrobcem těchto přízí je firma Hoflana s. r. o. Dva druhy byly k analýze vybrány z důvodu větší reprezentativnosti výsledků a ověření hypotéz, že navržená optimalizace sledování neshod funguje [12].

4.2. Obecný postup při výběru vhodných přízí a metodika skenování

U výběru vhodných vzorků k obrazové analýze bylo postupováno tak, jak bude popsáno níže. Základní myšlenkou bylo postupovat při výběru „odzadu“, jelikož dle předpokladu, na nejpozději vyrobených přízích, mělo být zároveň největší množství vad, což se potvrdilo. Dále pak bylo nutné vybrat jednu další přízi, na které se vady začaly objevovat. Zde bylo postupováno experimentálním vizuálním zkoumáním několika metrů příze (délka zkoumaných úseků byla vždy u každého druhu příze mezi 10 až 20 metry). Pokud na tomto úseku nebyla objevena vada, pak byla pozornost soustředěna na další dostupnou přízi, která byla vyrobena po té, naposledy zkoumané.

Pro zjednodušení, jelikož v této práci jsou jednotlivé vzorky zmiňovány mnohokrát, byly zavedeny zkratky. Vysvětlení zkratek a základní parametry příze jsou v následující tabulce:

Tabulka 1: Obecné informace o zkoumaných přízích [12]

Označení příze

D1017, 13. 10., 8:50

D1017, 14. 10., 8:25

D1028, 13. 10., 6:45

D1028, 14. 10., 6:30

Zkratka A B C D

Počet úseků 200 200 200 200

Celková jemnost příze

4 [čm]

250 tex

1,8 [čm]

555 tex

Zákrut / m 875 575