Reduksi Limbah Pinggiran Kain Jenis Benang Polyester DTY pada Mesin Rapier
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Proses tenun dapat dilakukan oleh beberapa jenis mesin salah satunya adalah Mesin tenun Rapier. Mesin tenun Rapier merupakan mesin tenun yang penyisipan benangnya menggunakan sebilah batang tipis yang rigid ataupun fleksibel yang digerakkan secara positif yang disebut dengan rapier. PT Unggulrejo Wasono adalah perusahaan yang bergerak di bidang industri tekstil dengan hasil akhir adalah kain grey. Penelitian berfokus pada mesin berjenis Sulzer R 6500 pada Divisi Weaving II Rapier. Berdasarkan pengamatan, terjadi kekurangan benang pakan jenis polyester DTY setiap kali menjalankan order. Padahal telah dilakukan perhitungan kebutuhan sebelum order berjalan. Berdasarkan analisis yang dilakukan, terdapat beberapa faktor penyebabnya yaitu jarak slide RHS dengan sisir lebih dari 6 mm, kayu opener gripper RHS aus, sisa sisir sebelah kanan lebih dari 3 cm, tensioner benang pakan kendor, cones benang cacat, serat benang putus. Solusi dari beberapa faktor tersebut diantaranya adalah dari faktor mesin dengan melakukan resetting pada slide gripper RHS, pemotongan sisa sisir dan penggantian part kayu opener yang aus. Dari faktor manusia adalah dengan membuatkan pengait benang pakan agar tidak ditarik selebar kain saat terjadi putus pakan, menempatkan benang sesuai lay out agar tidak terbentur dan kotor. Dari faktor metode adalah dengan penyediaan checklist panjang limbah pinggiran kain dan melakukan evaluasi terhadap hasil penimbangan limbah pinggiran kain. Setelah dilakukan perbaikan, prosentase jumlah limbah pinggiran kain berkurang 2,51% dan jumlah kasus penyebab besarnya jumlah limbah pinggiran kain berkurang 10 kasus.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle