Yapay sinir ağları yaklaşımı ile frezeleme operasyonları için yüksek performanslı kesici takım tasarımı
High-performance cutting tool design for milling operations using artificial neural networks approach
- Tez No: 1011278
- Danışmanlar: PROF. DR. MUSTAFA AY
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüz imalat sanayi küresel rekabete paralel olarak yakın zamanda gelişen sürdürülebilirlik ve yeşil dönüşüm gibi hedefler ile üretim süreçlerinin revizyonuna mecbur kalmıştır. Minimalist gözüken optimizasyon çalışmaları dahi verimlilikte ciddi kazanımların sağlanması aşamasında hayati rol oynamaktadır. Özellikle konu seri üretimi ilgilendiren en kritik unsurlardan biri olan kalıpçılık operasyonları olduğunda, karmaşık şekillerin işlenmesi son derece önem taşımaktadır. Bu süreçte en potansiyelli alan çok yönlü operasyonel yeteneğe ve esnekliğe sahip parmak freze ile işleme operasyonlarıdır. Bu operasyonlarda kullanılan kesici takımın malzemesi veya kaplamasına kıyasla geometrik tasarım parametrelerinin daha geniş sınırlarda değiştirilebilir yapısı bu alanı optimizasyona elverişli hale getirmektedir. Ancak bu süreç, doğrusal olmayan, yüksek düzeyde etkileşimli ve kompleks bir yapıya sahip olduğundan; geleneksel istatistiksel yöntemler bu karmaşıklığı modellemede yetersiz kalmaktadır. Bu tez araştırması, 1.2379 soğuk iş takım çeliğinin işlenmesine yönelik, referans bir kesici takım üzerinden geometrik parametrelerin iyileştirildiği özgün bir tasarım sunmaktadır. Süreçteki karmaşık ilişkileri modellemek ve optimize etmek amacıyla yapay sinir ağları, genetik algoritma ve sonlu elemanlar analizi yöntemi ve karşılaştırma yapmak amacıyla ise yanıt yüzey yöntemi kullanılmıştır. Araştırma sonuçları, geliştirilen optimizasyon yaklaşımıyla referans kesici takıma kıyasla daha yüksek performanslı geometrilerin elde edildiğini kanıtlamıştır. Ayrıca çalışma, sürece özel takım tasarlamanın gelişmiş yöntemlerle birleştiğinde; yüksek maliyet ve zaman kaybının aksine, verimliliği artırarak rekabet avantajı sağladığını göstermiştir.
Özet (Çeviri)
Today's manufacturing industry, driven by global competition and recently developed goals such as sustainability and green transformation, has been compelled to revise its production processes. Even seemingly minimalist optimization efforts play a vital role in achieving significant gains in efficiency. Especially in mold making operations, one of the most critical elements of mass production, the machining of complex shapes is extremely important. The most promising area in this process is end milling operations, which possess versatile operational capabilities and flexibility. The fact that geometric design parameters can be modified over a wider range compared to the material or coating of the cutting tool used in these operations makes this area suitable for optimization. However, since this process has a nonlinear, highly interactive, and complex structure, traditional statistical methods are insufficient for modeling this complexity. This thesis presents an original design for machining 1.2379 cold work tool steels, where geometric parameters are improved using a reference cutting tool. Artificial neural networks, genetic algorithms, and finite element analysis methods were used to model and optimize the complex relationships in the process, and response surface analysis was used for comparison. The research results have proven that higher-performance geometries are obtained compared to the reference cutting tool using the developed optimization approach. Furthermore, the study has shown that combining process-specific tool design with advanced methods provides a competitive advantage by increasing efficiency, rather than resulting in high costs and time loss.
Benzer Tezler
- Yapay sinir ağları tabanlı fonksiyonel yaklaşım ve mühendislik uygulamaları
Artificial neural network based functional approximation and engineering applications
MURAT KORKUT
Yüksek Lisans
Türkçe
2007
Mühendislik BilimleriGebze Yüksek Teknoloji EnstitüsüTasarım ve İmalat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET ALİ ARSLAN
- CNC torna ve freze tezgâhlarında titreşim analizi ve giderilmesi üzerine bir yaklaşım
A approach on vibration analysis and elimination in CNC lathes and milling machines
VELİ TOM
Yüksek Lisans
Türkçe
2021
Makine MühendisliğiNiğde Ömer Halisdemir ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MENDERES KALKAT
- Modelling longitudinal motion of an electric vehicle and wheel slip control through NN based uncertainty prediction
Elektrikli aracın boyuna hareketinin modellenmesi ve yapay sinir ağı tabanlı belirsizlik kestirimli tekerlek kayma kontrolü
DUYGU ÖZYILDIRIM
Yüksek Lisans
İngilizce
2021
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Çok hatlı çok araçlı raylı sistemlerde enerji tasarrufuna yönelik sürüş kontrolü
Energy efficient driving control in multi trains multi lines rail systems
SÜLEYMAN AÇIKBAŞ
Doktora
Türkçe
2008
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TURAN SÖYLEMEZ
PROF. DR. ADNAN KAYPMAZ
- Slip-slide control system for railway vehicles
Demiryolu araçları için kayma-kızaklama kontrol sistemi
ÖNCÜ ARARAT
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET TURAN SÖYLEMEZ