Geri Dön

Yapay sinir ağları ile seramik sır özelliklerinin tahmin edilmesi

Prediction of ceramic glaze properties by artificial neural networks

  1. Tez No: 37369
  2. Yazar: UĞUR KUT
  3. Danışmanlar: PROF. DR. İSKENDER IŞIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Seramik Mühendisliği, Ceramic Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: Dumlupınar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Seramik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 132

Özet

Türk seramik sektörünün bugünkü durumu incelendiğinde sürekli teknolojiye yatırım yaptıkları ve en son yeniliklere uyumlu bir yapı sergiledikleri görülür. Bu kapsamda seramik üretim sektöründe mevcut sırın iyileştirilmesi veya yeni bir sır tasarımında çok sayıda prototipin hazırlanması gerekmektedir. Bu araştırma-geliştirme süreçlerinde işçilik kaybı, zaman kaybı ve bunlara bağıntılı olarak maliyetin artması, dolayısıyla da ürün maliyetlerine bir yansıması olmaktadır. Yaşanan bu olumsuzlukları azaltmak düşüncesiyle, üretim prosesinden alınan bazı veriler kullanılarak sırdaki parlaklık ve uygun sır bileşenlerinin tahmin edilmesi hedeflenmiştir.Bu çalışmada yıkanmış Uşak kaolini, sülyen ve kuvars üçlü diyagramı kullanılarak reçeteler hazırlanmış ve iki farklı sıcaklıkta (950 0C ve 1150 0C) numuneler pişirilmiştir. Sıcaklık, yüzey gerilim ve genleşme katsayı verileri yapay sinir ağları (YSA) giriş değişkenleri olarak kullanılmıştır. YSA'nın çıkış değişkenleri olarak da sırın bileşen değerleri ve camlaşma değeri alınmıştır. Yapay sinir ağları modeli MatLab 2009 paket programının Toolbox'ı kullanılarak oluşturulmuştur.Eğitim sonuçları ve test sonuçları gerçek değerlerle karşılaştırılarak ağ performansına bakılmıştır. Eğitim sonucunda camlaşma için regresyon R2=0,7856 % hata 7,02, sır bileşenleri için R2=0,8588 ile R2=0,9894, % hata 8,63x10-3 ile 0,63 arasında yüksek bir performans göstermiştir. Test sonucunda camlaşma için regresyon R2=0,8167 % hata 7,02, sır bileşenleri için R2=0,9996 ile 0,9986, % hata 8,63x10-3 ile 0,63 arasındaki değerleriyle eğitimde olduğu gibi ağ performansının yüksek olduğu ortaya konulmuştur.Sonuç olarak, geliştirilen yapay sinir ağları modelinin, seramik sektöründe sır ile bünye uyumunun sağlanmasında başarılı bir şekilde kullanılabileceği saptanmıştır. Aynı zamanda Ar-Ge çalışmalarında maliyeti düşürerek sonuca hızlı bir şekilde ulaşılabileceğini göstermiştir.

Özet (Çeviri)

Analyzing the current state of Turkish ceramic sector, it is seen that there is a continuous investment in technology and modern innovations are adopted. In this context, a great number of prototypes are to be developed in ceramic production sector either to improve the current glaze or to design a new glaze. In this research and development process, labour loss, time loss and therefore an increase in cost are reflected to the product cost. In order to minimize these shortcomings, it is aimed to estimate glaze luminosity and appropriate glaze components using data from production processes.In this study, recipes were prepared using washed kaolinite from Uşak province, lead tetroxide and quartz triple diagram and the samples were fired at two different temperatures (950 0C and 1150 0C). The input variables of artificial neural networks (ANN) were temperature, surface tension and expansion coefficient data. The output variables of ANN were component values of the glaze and vitrification value. The ANN model was designed using Toolbox of MatLab 2009 package program.The training results and test results were compared to the real values in order to check the network performance. As a result of training, high performance was observed for vitrification at regression value R2=0,7856, fault value 7,02%; for glaze components between values R2=0,8588 and R2=0,9894, fault values 8,63x10-3 and 0,63%. As a result of the test, as in training, high performance was observed in the network for vitrification at regression value R2=0,8167, fault value 7,02%; for glaze components between values R2=0,9996 and 0,9986, fault values 8,63x10-3 and 0,63%.Consequently, it was determined that the artificial neural network model could be used successfully in ceramic sector in achieving harmony between the glaze and the structure. At the same time, it was shown that it could lead a faster result by decreasing cost in Research & Development activities.

Benzer Tezler

  1. Termal bariyer kaplanmış motorun yapay sinir ağları ile matematiksel modellenmesi

    Thermal barrier coating engine mathematical modeling with artificial neural network

    HAKAN GÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Makine MühendisliğiFırat Üniversitesi

    Makine Eğitimi Ana Bilim Dalı

    DOÇ. DR. HANBEY HAZAR

  2. Atmosferik plazma sprey yöntemiyle üretilmiş %6 – 8 YSZ termal bariyer kaplamaların porozitesinin yapay sinir ağları ile modellenmesi

    Artificial neural networks modeling of porosity of 6 - 8% YSZ thermal barrier coatings produced with atmospheric plasma spray method

    UTKU ORÇUN GEZİCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL YILMAZ TAPTIK

  3. Piston ve supapları cr2o3 kaplanmış ve farklı yakıt katkıları kullanılan bir dizel motorda performans ve emisyon değerlerinin yapay sinir ağları ile belirlenmesi

    Determination of diesel engine performance and emission values using pistons and valves cr2o3 coated and different fuel additives using artificial neural networks

    HÜSEYİN SEVİNÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Mühendislik BilimleriFırat Üniversitesi

    Otomotiv Mühendisliği Ana Bilim Dalı

    PROF. DR. HANBEY HAZAR

  4. Bazı endüstriyel ve madensel atıkların gaz beton üretiminde kullanım olanaklarının belirlenmesi

    Determination of usage possibilities of some industrial and mineral wastes in autoclaved aerated concrete production

    NİLGÜN KIZILKAYA

    Doktora

    Türkçe

    Türkçe

    2021

    Maden Mühendisliği ve Madencilikİnönü Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DİDEM EREN SARICI

  5. İçten yanmalı motorların sürtünmeli yüzeyleri için elektrodepolama metoduyla Ni-B/TiC nanokompozit kaplamaların üretimi ve karakterizasyonu

    Production and characterization of Ni-B/TiC nanocomposite coatings by electrodeposition method for friction surfaces of internal combustion engines

    ERSİN ÜNAL

    Doktora

    Türkçe

    Türkçe

    2022

    Otomotiv MühendisliğiÇukurova Üniversitesi

    Otomotiv Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDULKADİR YAŞAR