غیر بنے ہوئے تانے بانے کی خرابی کا پتہ لگانے والی ٹیکنالوجی

غیر بنے ہوئے کپڑے ہمیشہ ڈسپوزایبل طبی استعمال کی اشیاء جیسے سرجیکل ماسک، نرس ٹوپیاں، اور سرجیکل کیپس کے لیے خام مال کے طور پر بڑے پیمانے پر استعمال ہوتے رہے ہیں۔ڈسپوزایبل طبی استعمال کی اشیاء کا معیار بنیادی طور پر غیر بنے ہوئے کپڑوں کے معیار پر منحصر ہے۔اس حقیقت کی وجہ سے کہ غیر بنے ہوئے کپڑوں کی پیداوار اور نقل و حمل کا عمل ماحول کی مکمل پاکیزگی کی ضمانت نہیں دے سکتا، اور خود ان میں الیکٹرو اسٹاٹک جذب کرنے کی مضبوط صلاحیت ہوتی ہے، وہ اکثر ہوا میں چھوٹی نجاست کو جذب کرتے ہیں۔لہذا، غیر بنے ہوئے کپڑے کے بہت کم علاقوں میں غیر ملکی اشیاء موجود ہوسکتی ہیں.اس مضمون میں زیر مطالعہ غیر بنے ہوئے کپڑے کے مواد کو براہ راست ماسک کی تیاری کے لیے استعمال کیا جاتا ہے، منتخب نقائص کے نمونوں کا تجزیہ کرنے کے بعد معلوم ہوا کہ غیر ملکی اشیاء کے نقائص، جیسے کیڑے اور بال، کا تناسب سب سے زیادہ ہے۔اس خرابی کی موجودگی براہ راست بعد میں آنے والی مصنوعات کے غیر معیاری معیار کا باعث بنتی ہے، اور خراب مصنوعات کو مارکیٹ میں آنے سے بھی سختی سے منع کیا جاتا ہے۔لہذا، مینوفیکچررز کو ان میں سے کچھ خرابیوں کو دور کرنے کی ضرورت ہے، ورنہ یہ بہت بڑا اقتصادی نقصان کا سبب بن جائے گا.

اس وقت صنعت کی زیادہ تر بڑی کمپنیاں نقائص کا پتہ لگانے کے لیے درآمد شدہ بصری معائنہ کا سامان استعمال کرتی ہیں۔اگرچہ نتائج اچھے ہیں، لیکن یہ سامان عام طور پر لاگت اور دیکھ بھال میں مہنگا ہوتا ہے، اور چھوٹے کاروباری اداروں اور ورکشاپس کے استعمال کے لیے موزوں نہیں ہوتا ہے۔چین میں زیادہ تر چھوٹی کمپنیاں اب بھی عیب کی جانچ کے لیے روایتی دستی بصری معائنہ کا استعمال کرتی ہیں۔یہ طریقہ نسبتاً آسان ہے، لیکن اس کے لیے کارکنوں کی طویل تربیت، کم پتہ لگانے کی کارکردگی اور درستگی کی ضرورت ہوتی ہے، اور بہت سارے انسانی وسائل ضائع ہوتے ہیں، جو کہ انٹرپرائز مینجمنٹ کے لیے ایک اہم خرچ ہے۔حالیہ برسوں میں، نقائص کا پتہ لگانے کے شعبے میں تیزی سے ترقی ہوئی ہے، اور کاروباری مالکان آہستہ آہستہ روایتی دستی بصری معائنہ کے طریقوں کو تبدیل کرنے کے لیے نئی ٹیکنالوجیز استعمال کر رہے ہیں۔

صنعت کی ترقی کے رجحانات کے نقطہ نظر سے، خود کار طریقے سے پتہ لگانے والے آلے کو ڈیزائن کرنا جو خود بخود غیر بنے ہوئے کپڑوں کی پیداوار کے عمل میں نقائص کی تصاویر حاصل کر سکتا ہے اور اس کا تجزیہ کر سکتا ہے، پیداوار کی ترقی کو فروغ دینے، مصنوعات کے معیار کو یقینی بنانے، اور مزدوری کے اخراجات کو کم کرنے کا ایک ضروری ذریعہ ہے۔1980 کی دہائی سے، بہت سے انجینئروں نے کمپیوٹر وژن کے متعلقہ علم کو غیر بنے ہوئے کپڑوں کی خرابی کا پتہ لگانے کے لیے استعمال کرنے کی کوشش کی ہے۔کچھ مطالعات میں نقائص کی نشاندہی کرنے اور عیب کا پتہ لگانے کے لیے ساخت کے تجزیہ کے طریقوں کا استعمال کیا گیا ہے، جب کہ دوسروں نے عیب کا پتہ لگانے کے لیے پہلے کنارے کا پتہ لگانے والے آپریٹرز کا استعمال کیا ہے اور عیب کا پتہ لگانے کے لیے خاکے کی سطح کے اعدادوشمار کی معلومات کی بنیاد پر معقول حدیں مقرر کی ہیں، ایسے مطالعات بھی ہیں جو اسپیکٹرل کا استعمال کرتے ہیں۔ تانے بانے کی اعلی ساخت کی مدت کی بنیاد پر نقائص کا پتہ لگانے کے تجزیہ کے طریقے۔

مندرجہ بالا طریقوں نے عیب کا پتہ لگانے کے مسائل میں کچھ اطلاق کے نتائج حاصل کیے ہیں، لیکن ابھی بھی کچھ حدود ہیں: سب سے پہلے، اصل پیداواری ماحول میں نقائص کی شکل اور سائز مختلف ہوتے ہیں۔مشین لرننگ اور شماریاتی معلومات پر مبنی نقائص کا پتہ لگانے والے الگورتھم کے لیے پیشگی معلومات کی بنیاد پر حدیں طے کرنے کی ضرورت ہوتی ہے، جو تمام نقائص کے لیے موثر نہیں ہو سکتی، جس کے نتیجے میں اس طریقہ کار کی ناکافی مضبوطی ہوتی ہے۔دوم، روایتی کمپیوٹر ویژن کے طریقے عام طور پر عملدرآمد میں سست ہوتے ہیں اور پیداوار کی اصل وقتی ضروریات کو مؤثر طریقے سے پورا نہیں کر سکتے۔1980 کی دہائی سے، مشین لرننگ ریسرچ کے شعبے نے تیزی سے ترقی کی ہے، اور متعلقہ علم کے اطلاق نے بہت سی صنعتوں کی ترقی کو آگے بڑھایا ہے۔بہت سے تحقیقی موضوعات سے پتہ چلتا ہے کہ مشین لرننگ الگورتھم جیسے کہ BP نیورل نیٹ ورک اور SVM کا فیبرک ڈیفیکٹ ڈیٹیکشن میں اطلاق موثر ہے۔یہ طریقے پتہ لگانے کی اعلیٰ درستگی اور ایک خاص حد تک مضبوطی کو یقینی بناتے ہیں، اور مشین لرننگ کے تربیتی عمل کے محتاط تجزیے کے ذریعے دریافت کرنا مشکل نہیں ہے، اس قسم کے الگورتھم کی کارکردگی بنیادی طور پر نقائص دستی خصوصیات کے انتخاب پر منحصر ہے۔اگر دستی خصوصیات مکمل نہیں ہیں یا کافی امتیازی نہیں ہیں، تو ماڈل کی کارکردگی بھی خراب ہوگی۔

کمپیوٹر کمپیوٹنگ کی طاقت میں مسلسل بہتری اور حالیہ برسوں میں گہری سیکھنے کے نظریہ کی گرم ترقی کے ساتھ، زیادہ سے زیادہ لوگوں نے تانے بانے کی خرابی کا پتہ لگانے کے لیے گہری سیکھنے کو لاگو کرنا شروع کر دیا ہے۔گہرائی سے سیکھنے سے مؤثر طریقے سے دستی طور پر ڈیزائن کی گئی خصوصیات کے نامکمل ہونے سے بچا جا سکتا ہے اور اس کا پتہ لگانے کی اعلی درستگی ہے۔اس غور و فکر کی بنیاد پر، یہ مضمون کمپیوٹر ویژن اور گہرے سیکھنے سے متعلق علم کا استعمال کرتا ہے تاکہ ایک غیر بنے ہوئے تانے بانے کی خرابی کا خودکار پتہ لگانے کے نظام کو ڈیزائن کیا جا سکے، جو نقائص کا پتہ لگانے کی درستگی کو مؤثر طریقے سے بہتر بناتا ہے اور اچھی مضبوطی رکھتا ہے۔