Improving efficiency, productivity, and scalability in FFF 3D printing systems by using deep reinforcement learning
Derin pekiştirmeli öğrenme ile FFF 3D yazıcı sistemlerinde verimlilik, üretkenlik ve ölçeklenebilirliğin iyileştirilmesi
- Tez No: 1000420
- Danışmanlar: PROF. DR. FATİH VEHBİ ÇELEBİ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Geleneksel Eriyik Yığma Modelleme (FFF) takım yolu oluşturma süreçleri, genel yörünge verimliliğinden ziyade anlık yerel yakınlığa öncelik veren—en yakın komşu ve zikzak desenleri gibi—belirleyici“açgözlü”(greedy) sezgisel yöntemlere dayanır. Bu miyop kurallar, baskı katmanının genel topolojisini hesaba katamadığı için, sıklıkla“parçalanma”ile karakterize edilen, yani aşırı üretken olmayan seyahat (“Ekstrüzyon Olmayan Hareketler”) ve sık nozül kesintileri içeren yörüngeler üretir. Matematiksel olarak bu optimizasyon zorluğu, Kapsama Yolu Planlama (CPP) ve Gezgin Satıcı Probleminin (TSP) bir varyasyonudur ve ızgara çözünürlükleri arttıkça kesin çözücüler için hesaplama açısından içinden çıkılamaz hale gelir. Bu tez, katı ve kural tabanlı yürütmeden, Derin Pekiştirmeli Öğrenme (DRL) yoluyla otonom politika keşfine doğru bir paradigma değişimi önermektedir. Araştırma, otonom yol planlamasında doğal olarak bulunan kombinatoryal ve algısal darboğazları aşmak için tasarlanmış birleşik bir çerçeve sunar. İlk büyük katkı, seyrek ödüllü ortamlar için tasarlanmış değer tabanlı bir sistem olan Sayım Öncelikli Tekrar Oynatma Derin Q-Ağı'dır (CPR-DQN).“Şaşırtıcı”geçişlere (TD-hatası) odaklanan geleneksel önceliklendirme yöntemlerinin aksine, CPR mekanizması yeniliğe (örnekleme sıklığı) öncelik verir. Tekrar oynatmayı az örneklenen geçişlere yönlendiren CPR-DQN, durum uzayının ihmal edilen bölgelerinin kapsanmasını artırır ve test edilen sezgisel yöntemlere kıyasla verimli dizilerin keşfini iyileştirebilir. Yapısal algıyı geliştirmek amacıyla araştırma, ajana“geometrik bir ön bilgi”sağlamak için Radon Dönüşümünü entegre eden PrintBoardRadonEnv'yi tanıtmaktadır. İki boyutlu uzamsal verilerin bir sinogram uzayına izdüşürülmesiyle, hedeflerin doğrusal dizilimleri yüksek yoğunluklu tepeler olarak belirginleşir ve bu da ajanın küresel yığma hatlarını anında algılamasını sağlar. Deneysel sonuçlar, bu geometri-farkında algının, piksel tabanlı temel modele kıyasla tanımlanan uzmanlık kriterine (tez değerlendirme protokolü altında %100 başarı oranı ve pozitif puan) ulaşmada 1.44 kat daha hızlı olduğunu göstermektedir. Algoritmik ölçeklenebilirlik için tez, LayerSightEnv'yi ve alana özgü 19 boyutlu bir“Görüş”(Sight) vektörünü sunmaktadır. Bellek yoğunluklu, O(N2) karmaşıklığındaki piksel tabanlı gözlemlerin yerini yönsel hedef yoğunlukları ve Chebyshev mesafeleri gibi kompakt kinematik özelliklerin almasıyla; bu çerçeve, Yakınsal Politika Optimizasyonu (PPO) ajanlarının temsili yoğun ızgaralarda (20 × 20'ye kadar) %100 başarı oranıyla uzmanlaşmasını sağlar. Toplu olarak bu metodolojiler, geometrik parçalanmayı ve üretken olmayan seyahati en aza indirmek için gereken algoritmik temelleri oluşturur. Fiziksel uygulama termal kontrol sistemleri ile daha fazla entegrasyon gerektirse de, bu araştırma yeni nesil FFF sistemlerinde makine döngü sürelerini azaltmak için temel mantığı sağlamaktadır.
Özet (Çeviri)
Traditional Fused Filament Fabrication (FFF) toolpath generation relies on deterministic“greedy”heuristics—such as nearest-neighbor and zigzag patterns—which prioritize immediate local adjacency over global trajectory efficiency. Because these myopic rules fail to account for the global topology of the print layer, they frequently generate trajectories characterized by“fragmentation”—excessive non-productive travel (“Non-Extrusion Moves”) and frequent nozzle discontinuities. Mathematically, this optimization challenge is a variation of the Coverage Path Planning (CPP) and Traveling Salesman Problem (TSP), which becomes computationally intractable for exact solvers as grid resolutions increase. This dissertation proposes a paradigm shift from rigid, rule-based execution to autonomous policy discovery via Deep Reinforcement Learning (DRL). The research introduces a unified framework designed to overcome the combinatorial and perceptual bottlenecks inherent in autonomous path planning. The first major contribution is the Count-Prioritized Replay Deep Q-Network (CPR-DQN), a value-based system engineered for sparse-reward environments. Unlike traditional prioritization methods that focus on“surprising”transitions (TD-error), the CPR mechanism prioritizes novelty (sampling frequency). By biasing replay toward under-sampled transitions, CPR-DQN increases coverage of neglected regions of the state space and can improve discovery of efficient sequences relative to the tested heuristics. To enhance structural perception, the research introduces the PrintBoardRadonEnv, which integrates the Radon Transform to provide the agent with a“geometric prior”. By projecting 2D spatial data into a sinogram space, linear arrangements of targets become salient as high-intensity peaks, allowing the agent to perceive global deposition lines immediately. Empirical results demonstrate that this geometric-aware perception yields a 1.44× faster to reach the defined mastery criterion (100% success rate and positive score under the thesis evaluation protocol) compared to the pixel-based baseline. For algorithmic scalability, the dissertation presents the LayerSightEnv and a domain-specific 19-dimensional“Sight”vector. By replacing memory-intensive, O(N2) pixel-based observations with compact kinematic features—such as directional target densities and Chebyshev distances—the framework enables Proximal Policy Optimization (PPO) agents to master representative dense grids (up to 20×20) with a 100% success rate. Collectively, these methodologies establish the algorithmic primitives required to minimize geometric fragmentation and non-productive travel. While physical implementation requires further integration with thermal control systems, this research provides the foundational logic for reducing machine cycle times in next-generation FFF systems.
Benzer Tezler
- Improving scalability and efficiency of ILP-based and graph-based concept discovery systems
Tümevaran mantık programlama tabanlı ve çizge tabanlı kavram keşif sistemlerinin ölçeklendirilebilirlik ve veriminin artırılması
ALEV MUTLU
Doktora
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR KARAGÖZ
- Metal-organik çerçeve (MOÇ) katkılı ince film nanokompozit (İFN) membran geliştirilmesi ve gübre tahrikli ileri osmoz (GTİO) uygulaması
Development of metal–organic framework (MOF)-enhanced thin-film nanocomposite (TFN) membranes and their application in fertilizer-drawn forward osmosis (FDFO)
DUYGU OSMAN
Yüksek Lisans
Türkçe
2025
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL KOYUNCU
DR. ÖĞR. ÜYESİ MEHMET EMİN PAŞAOĞLU
- Lityum iyon piller için yazdırılabilir NMC katot mürekkeplerinin sentezi
Synthesis of printable NMC cathodes for lithium ion batteries
FATMA SENA TUNCA
Yüksek Lisans
Türkçe
2024
EnerjiSakarya ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MAHMUD TOKUR
- Improving the efficiency of microwave power amplifiers without linearity degradation using load and bias tuning in a new configuration
Mikrodalga güç yükselteçler için yeni bir konfigürasyonda yük ve besleme ayarı ile doğrusallığı düşürmeden verimlilik artırılması
AMİN RONAGHZADEH
Doktora
İngilizce
2013
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞİMŞEK DEMİR
- Özel hastanelerde etkinliğin ve verimliliğin arttırılmasında faaliyet denetiminin rolü ve uygulanabilirliği
The role and the practicability of operational auditing in improving effectiveness and efficiency in private hospitals
ESİN NESRİN CAN