| LEADER |
05490nam a22002417a 4500 |
| 001 |
2179134 |
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b مصر
|
| 100 |
|
|
|9 531559
|a العمري، أفنان عبدالله عوض
|e مؤلف
|g Al Amri, Afnan Abdullah Awad
|
| 245 |
|
|
|a التنبؤ بقابلية حياكة الأقمشة المقاومة للحرارة باستخدام إحدى تطبيقات الذكاء الاصطناعي
|
| 246 |
|
|
|a Predicting the Sewability of Heat-Resistant Fabrics as an AI Technique
|
| 260 |
|
|
|b المؤسسة العربية لإدارة المعرفة
|c 2023
|g أكتوبر
|
| 300 |
|
|
|a 157 - 190
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a يلعب التنبؤ دورا هاما في تحسين جودة الحياة وذلك من خلال توقع المخاطر والمشكلات قبل حدوثها وإيجاد حلول لها. ويستخدم التنبؤ في صناعة الملابس للتنبؤ بجودة الحياكات أو بقابلية الخامة للحياكة. ويهدف البحث إلى إيجاد نموذج للتنبؤ بقابلية حياكة الأقمشة المقاومة للحرارة باستخدام تعلم الآلة، والتحقق من كفاءة هذا النموذج ثم بناء برنامج للتنبؤ بقابلية الحياكة للأقمشة المقاومة للحرارة وتقييمه من قبل المتخصصين. تم إعداد 24 عينة من وزنين مختلفين لأقمشة الأراميد باستخدام رقم إبرة (80 و100) وكثافتي غرزة (10 و12 غرزة/ بوصة) ونمرة خيوط (27.8 و46.2 و70.8 تكس). وبعد إجراء عدد من الاختبارات المعملية للعينات تم تدريب الآلة على التنبؤ بقابلية الحياكة للأقمشة المقاومة للحرارة باستخدام هذه البيانات، وتم التحقق من كفاءة نموذج التنبؤ من خلال إعداد عشر عينات جديدة لم يسبق استخدامها في عملية التدريب وتم اختبارها معمليا وتم استخدام نتائج هذه الاختبارات وتحليلها إحصائيا باستخدام اختبار (T-Test) بين متوسطات المجموعتين المستقلة لكل من نتيجة الاختبارات المعلمية للعينات الجديدة ونتيجة التنبؤ باستخدام البرنامج المقترح. أثبتت الدراسة أنه لا توجد فروق بين متوسط درجات الاختبارات الفعلية للعينات ومتوسط درجات نموذج التنبؤ كما تم بناء برنامج للتنبؤ بقابلية الحياكة للأقمشة المقاومة للحرارة وتم تقييم هذا البرنامج من قبل متخصصين من أعضاء هيئة التدريس وأصحاب المصانع ووجد أن متوسط درجات التقييم للاستبيان مرتفعة ولا توجد فروق ذات دلالة إحصائية بين نتائج المقيمين المتخصصين.
|b Prediction plays an important role in improving quality of life by anticipating risks and problems before they occur and finding solutions to them. Prediction in the garment industry is used to predict the quality of sewability of the material. This research aims to create a model to predict the sewability of heat-resistant fabrics using machine learning and verify the efficiency of this model and then build a program to predict the sewability and evaluate it by specialists. 24 samples of aramid fabrics of two different weights were prepared, using a needle number (80 and 100), and stitch density (10 and 12 stitches/inch) and a thread denier (27.8, 46.2 and 70.8 tex). After several lab tests on the samples, the machine was trained to predict the sewability of heat-resistant fabrics using this data. The efficiency of the prediction model was verified by preparing ten new samples that had not been used in the machine training process. The samples were tested in the lab and the T-Test was then applied to compare the means of independent groups. The study found that there are no differences between the mean of actual test scores of the samples and the mean of prediction model scores. A program was also built to predict the sewability of heat resistant fabrics. it was assessed by specialist teaching staff and owners of factories. The mean evaluation scores of the questionnaire were found to be high and there were no statistically significant differences between the results reached by the specialized assessors.
|
| 653 |
|
|
|a الأقمشة المقاومة للحرارة
|a الذكاء الاصطناعي
|a ألياف الأراميد
|a صناعة الملابس
|
| 692 |
|
|
|a الأقمشة المقاومة للحرارة
|a الأراميد
|a التنبؤ
|a تعلم الآلة
|b Heat-Resistant Fabric
|b Aramid
|b Prediction
|b Machine Learning
|
| 700 |
|
|
|a دعبس، رانيا مصطفى كامل عبدالعال
|g Deabes, Rania Mostafa Kamel
|e م. مشارك
|9 531331
|
| 773 |
|
|
|4 فنون
|6 Art
|c 006
|e Arab International Journal of Digital Art and Design
|f Al-Maǧallaẗ Al-ʿarabiyyaẗ Al-Dawliyyaẗ Lil Fan wa Al-Taṣmīm Al-Raqamī
|l 004
|m مج2, ع4
|o 2378
|s المجلة العربية الدولية للفن والتصميم الرقمي
|v 002
|x 2812-5371
|
| 856 |
|
|
|u 2378-002-004-006.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a HumanIndex
|
| 999 |
|
|
|c 1432300
|d 1432300
|
