مواد تست پارچه جدید می تواند به تقویت زنجیره تامین داخلی برای منسوجات و پوشاک کمک کند

اگرچه بیش از نیمی از لباس ها و سایر منسوجات برای بازیافت مناسب هستند، اما بیشتر آنها تغییر کاربری داده نمی شوند. حجم بالای لباس‌های اهدایی و فرآیند آهسته و پر زحمت مرتب‌سازی دستی پارچه‌ها به این معنی است که آنها همیشه برای تولید محصولات جدید به زنجیره تامین داخلی معرفی نمی‌شوند.

برای افزایش سرعت و کارایی فرآیند مرتب سازی، صنعت نساجی به ابزارهای هوش مصنوعی (AI) روی آورده است. اما صنعت به استانداردهایی برای شناسایی بهتر الیاف در پوشاک و منسوجات نیاز دارد تا بتوان آنها را به طور دقیق مرتب کرد.

محققان موسسه ملی استاندارد و فناوری (NIST) مجموعه‌ای از مواد نساجی را توسعه داده‌اند که جامعه تحقیقاتی می‌توانند از آنها برای بهبود روش‌های شناسایی الیاف در منسوجات استفاده کنند. این مواد کمک می کند تا اطمینان حاصل شود که منسوجات به طور موثر دسته بندی می شوند، بازیافت و استفاده مجدد را افزایش می دهند و در عین حال هزینه های زباله و دفع را کاهش می دهند.

آماندا فورستر، مهندس تحقیقات مواد NIST، گفت: «این ماده نساجی به اعتبارسنجی روش‌های مرتب‌سازی کمک می‌کند و اندازه‌گیری‌های مرتب‌کننده نساجی را از یک مرکز به مرکز دیگر قابل مقایسه می‌کند. “این پایه را برای گسترش زنجیره تامین و افزایش بازیابی ارزش اقتصادی منسوجات و پوشاک در ایالات متحده ایجاد می کند.”

روشن کردن منسوجات

در اکثر مراکز بازیافت، کارگران از اسکنرهای دستی برای تابش نور به یک تکه لباس استفاده می کنند. این دستگاه‌ها با استفاده از روشی به نام طیف‌سنجی فروسرخ نزدیک (NIR)، میزان نور عبوری یا پراکنده شدن از پارچه را اندازه‌گیری می‌کنند تا اثر انگشت منحصربه‌فردی که فیبر موجود در لباس را شناسایی می‌کند، به دست آورند. سپس کارگران لباس ها را با دست در سطل های جداگانه دسته بندی می کنند.

NIR همچنین در مرتب‌سازی خودکار استفاده می‌شود، جایی که لباس‌ها با دوربین‌ها و حسگرها به تسمه نقاله وارد می‌شوند و الگوریتم‌ها پارچه‌ها را شناسایی و مرتب می‌کنند. هنگامی که منسوجات و لباس ها به درستی دسته بندی شدند، برای پردازش و تولید محصولات جدید به تولیدکنندگان بازیافت فرستاده می شوند.

اما NIR تنها فناوری مرتب‌سازی نیست. همچنین مرتب‌سازی بینایی رایانه‌ای نیز وجود دارد که پارچه‌ها را بر اساس رنگ و ظاهر مرتب می‌کند، و همچنین تصویربرداری فراطیفی که از ترکیبی از حسگرهای NIR و دوربین استفاده می‌کند.

مراکز بازیافت از نسخه های خود از یک یا هر دو فناوری استفاده می کنند. چگونه می توانند مطمئن شوند که روش هایشان به طور دقیق انواع مختلف فیبر در لباس را شناسایی می کند؟ اینجاست که مواد نساجی NIST وارد می شود.

مواد تست نساجی

معروف به مواد آزمون درجه تحقیق (RGTM) 10279، منسوجات برای شناسایی مواد اولیه، از مجموعه ای از پنج مربع پارچه ای به طول 4 اینچ (10.2 سانتی متر) در یک طرف تشکیل شده است که از الیاف مختلف رنگ شده و رنگ نشده ساخته شده است. RGTMها که در یک بازه زمانی کوتاه در مقایسه با مواد مرجع استاندارد NIST تولید می شوند، دسته نسبتا جدیدی از مواد هستند. NIST RGTM ها را تولید می کند و آنها را در آزمایشگاه هایی توزیع می کند که موافقت می کنند آنها را اندازه گیری کنند و نتایج آنها را به اشتراک بگذارند تا به تعیین اینکه آیا مواد برای هدف مورد نظر مناسب هستند یا خیر.

جامعه بازیافت و مرتب‌سازی از این RGTM برای بررسی اینکه آیا برای ارزیابی دقت روش‌های مرتب‌سازی مناسب است و کمک به اعتبارسنجی الگوریتم‌هایی که الیاف در منسوجات و لباس‌ها را شناسایی می‌کنند، استفاده خواهد کرد.

امکانات مرتب سازی نساجی می تواند بررسی کند که چگونه RGTM می تواند برای کنترل کیفیت تولید مفید باشد، به خصوص که بسیاری از انواع جدید منسوجات ترکیبی از الیاف مختلف هستند که شناسایی آنها دشوار است. فورستر گفت: «این ماده همچنین راهی برای تشخیص مواردی که روی برچسب گزارش نشده‌اند، که برای بازیافت مهم است، فراهم می‌کند.

آزمایشگاه‌ها همچنین می‌توانند از استاندارد فیزیکی به عنوان معیاری برای مقایسه روش‌های خود با یا توسعه فناوری‌های مرتب‌سازی جدید استفاده کنند.

علاوه بر این، بسیاری از تحقیقات فعلی در این زمینه بر روی لباس های مستعمل یا پوشیده شده متمرکز شده است، اما این RGTM می تواند قبل از طراحی یک لباس نیز مفید باشد.

کاتارینا گودج، محقق مهمان NIST، گفت: «به عنوان مثال، اگر یک برند پارچه‌ای 100 درصد پنبه می‌خرد، اما در نهایت ترکیبی از پنبه و پلی‌استر است، آن‌ها دوست دارند این تفاوت را بدانند. RGTM می تواند به تأیید ترکیب این پارچه ها کمک کند و اطمینان حاصل کند که برندها دقیقاً موادی را که برای آنها هزینه کرده اند دریافت می کنند.

حتی می‌توان از آن برای بررسی جعلی بودن کالاهای لوکس استفاده کرد، فرآیندی که به عنوان احراز هویت مد شناخته می‌شود. با این حال، این چیزی نیست که محققان NIST در حال حاضر روی آن کار می کنند.

علاوه بر این، فناوری هوش مصنوعی نوید شناسایی سریع الیاف در منسوجات را می دهد، اما دقت آن به طور کامل آزمایش نشده است. میشل سیتز، محقق NIST گفت: “ما یک چالش اندازه گیری در سطح صنعت را شناسایی کرده ایم.” استانداردهایی مانند این RGTM به بهبود شناسایی و مرتب‌سازی منسوجات کمک می‌کند، که از پیشرفت‌ها در مرتب‌سازی منسوجات مبتنی بر هوش مصنوعی و تولید و صنعت ایالات متحده پشتیبانی می‌کند.

به مطالعه بپیوندید

برای دانشمندان NIST، مراحل بعدی شامل تعیین اینکه آیا RGTM می تواند توسط صنعت در تنظیمات دنیای واقعی استفاده شود یا خیر. برای انجام این کار، RGTM که ترکیب فیبر آن فاش نشده است، بخشی از مطالعه ای است که در آن آزمایشگاه ها، تولیدکنندگان و سایر سازمان ها از روش های شناسایی فیبر خود استفاده می کنند تا ببینند آیا می توانند به طور دقیق الیاف موجود در مواد را تجزیه و تحلیل کنند یا خیر.

سپس محققان از بازخورد استفاده می‌کنند که ناشناس باقی می‌ماند، و آن نتایج را در توسعه یک ماده مرجع با تحلیل بهتری که نیازهای صنعت را برآورده می‌کند، ترکیب می‌کنند.

RGTM رایگان در دسترس است فروشگاه NIST تا 30 ژوئیه 2026، در ازای بازخورد و شرکت در مطالعه، که در 30 سپتامبر 2026 به پایان می رسد. هر کسی که علاقه مند به شرکت است می تواند تماس بگیرد. فیبریل ها (در) nist.gov (فیبریل (در)نیست(نقطه)گوار).