Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Ji, Xiaofen" wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Prediction of Garment Production Cycle Time Based on a Neural Network
Przewidywanie czasu cyklu produkcji odzieży na podstawie sieci neuronowej
Autorzy:
Cao, Huaqing
Ji, Xiaofen
Powiązania:
https://bibliotekanauki.pl/articles/1419886.pdf
Data publikacji:
2021
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
garment production
big data
cycle time
neural network
prediction
produkcja odzieży
duży zbiór danych
czas cyklu
sieć neuronowa
predykcja
Opis:
The process of garment production has always been a black box. The production time of different clothing is different and has great changes, thus managers cannot make a production plan accurately. With the world entering the era of industry 4.0 and the accumulation of big data, machine learning can provide services for the garment manufacturing industry. The production cycle time is the key to control the production process. In order to predict the production cycle time more accurately and master the production process in the garment manufacturing process, a neural network model of production cycle time prediction is established in this paper. Using a trained neural network to predict the production cycle time, the overall error of 6 groups is within 5%, and that of 3 groups is between 5% and 10%. Therefore, this neural network can be used to predict the future production cycle time and predict the overall production time of clothing.
Czas produkcji różnych ubrań jest inny i podlega dużym zmianom, dlatego menedżerowie nie mogą dokładnie zaplanować produkcji. Wraz z wkroczeniem świata w erę przemysłu 4.0 i gromadzeniem dużych zbiorów danych dobrym rozwiązaniem dla przemysłu odzieżowego jest zastosowanie maszyn uczących się. Czas cyklu produkcyjnego jest kluczem do kontroli procesu produkcyjnego. W celu dokładniejszego przewidywania czasu cyklu produkcyjnego i opanowania procesu produkcyjnego w procesie produkcji odzieży, w artykule opracowano model sieci neuronowej do przewidywania czasu cyklu produkcyjnego. Do przewidywania czasu cyklu produkcyjnego użyto sieci neuronowej, ogólny błąd 6 grup mieścił się w granicach 5%, a 3 grup – między 5% a 10%. W związku z tym zaprezentowana sieć neuronowa może znaleźć zastosowanie w przewidywaniu czasu cyklu produkcyjnego i całkowitego czasu produkcji odzieży.
Źródło:
Fibres & Textiles in Eastern Europe; 2021, 1 (145); 8-12
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
SWOT Framework Based on Fuzzy Logic, AHP, and Fuzzy TOPSIS for Sustainable Retail Second-hand Clothing in Liberia
Autorzy:
Sumo, Peter Davis
Ji, Xiaofen
Cai, Liling
Powiązania:
https://bibliotekanauki.pl/articles/2200743.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
SWOT
second hand clothing
sustainability
fuzzy AHP
TOPSIS
Liberia
Opis:
The fast-fashion business model is marred by high resource consumption and enormous emission of greenhouse gases. It is based on inaccurate forecasts, resulting in excess supply than demand. Globally, 85% of two-week-old garments end up as unfashionable or worn-out items that must be discarded as waste, disposed of for recycling, or donated to charities. With this colossal increase in textile waste, resource efficiency is one of the biggest challenges facing the fashion industry, which now calls for a swift implementation of a new sustainable business and consumption model to extend product life cycles. This demand for sustainable consumption encourages consumers to reuse, recycle and resell. The resell campaign known as second-hand clothing is a growing market worldwide. Current global forecasts predict a 185% increase over the next ten years, compared to FF, which will expand by just 20%. Africa is a top destination, with more than 80% of its population wearing SHCs. We contribute to this literature by assessing the significance of SHC trade in Liberia. We extend this assessment by developing a hybrid MCDM tool incorporating AHP, fuzzy logic, Ensemble, and TOPSIS to build a SWOT framework to identify criteria and sub-criteria for prioritizing SHC retailing in Liberia and Africa. Data for this study were gathered from a survey involving 100 SHC retailers from the Red-Light, Waterside, Duala, and Omega markets in Monrovia, Liberia. We identified several important factors in implementing sustainable SHC and recommended strategic directions towards their successful implementation.
Źródło:
Fibres & Textiles in Eastern Europe; 2022, 6 (151); 27--44
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies