Alaşım elementlerinin mekanik özellikler üzerindeki etkisinin derin öğrenme metodu ile kestirimi
Prediction of eefects alloying elements on mechenical proporties by using deep learning method
- Tez No: 743570
- Danışmanlar: DR. ÖĞR. ÜYESİ YILDIZ ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Günümüz sanayisi ve gelişen teknoloji göz önüne alındığında ihtiyaçlar her geçen gün değişmekte, bu değişim, firmaları hep daha iyisini bulma arayışına yönlendirmektedir. Şirketler rekabet üstünlüğü elde edebilmek amacıyla kimi zaman tasarımda değişim ve iyileştirmeye giderken kimi zaman da alternatif malzeme kullanımı tercih etmektedir. Alternatif malzeme arayışı, mekanik değerleri iyileştirilmiş, modern üretim yöntemlerine uygun, kolay erişilebilir ve pahada ucuz olacak şekilde yapılmaktadır. Birçok malzeme, istenilen özellikleri sağlayamamakta, bu durumda, firmalar alaşımlandırma veya proses değişiklikleri ile istenilen malzeme özelliklerine ulaşmayı hedeflemektedirler. Konvansiyonel alaşımlandırma yöntemleri hem maliyet hem de zaman açısından, firmaların ciddi kayıplar yaşamasına sebep olmaktadır. Bu çalışmada, malzeme kompozisyonundaki elementlerin, mekanik özellikler üzerindeki etkisinden yola çıkılmış ve içerikte yapılan oransal değişikliklerin malzeme özelliklerine olan etkisi, farklı metotlar ile tahmin edilmiştir. Tahminleme, çekme mukavemeti, elastikiyet katsayısı, uzama, akma mukavemeti ve sertlik değerleri üzerinde yapılmış olup 4 farklı metot ile gerçekleştirilmiştir. Kullanılan yöntemlerden ilki olan rassal orman metodu ile %78, ikinci yöntem olan destek vektör regresyonu metodu ile %83, üçüncü yöntem olan tekli yapay sinir ağı metodu ile %83 ve sonuncu yöntem olan çoklu yapay sinir ağı metodu ile ortalama %91 oranında doğruluk elde edilmiştir. Çalışma neticesinde en başarılı sonuç çoklu yapay sinir ağı metodu ile elde edilmiş ve konvansiyonel yöntemlere göre %85 daha kısa sürede ve %80 daha az maliyetle istenilen sonuca ulaşılmıştır.
Özet (Çeviri)
Considering today's industry and developing technologies, the customer needs are changing day by day and this change leads companies to always seek to find the better. In order to gain a competitive advantage, companies sometimes prefer the use of alternative materials while changing and improving the design. The search for alternative materials is carried out in a way that has improved mechanical values, is suitable for modern production methods, is easily accessible and is inexpensive. Many bulk materials are insufficient to provide the desired properties, and in this case, companies aim to achieve the desired material properties by alloying or process changes. Conventional alloying methods cause serious losses in companies in terms of both cost and time. In this study, the effects of the elements in the material composition on the mechanical values selected as a starting point and the effect of the proportional changes in the content on the material properties was estimated by different methods. Estimation was made on tensile strength, elasticity coefficient, elongation, yield strength and hardness values and was carried out with 3 different methods. The accuracy was 78% with the random forest method, which is the first method, 83% with the support vector regression method, which is the second method, 83% with the single artificial neural network method, which is the third method, and 91% on average with the multiple artificial neural network method, which is the last method. As a result of the study, the most successful result was obtained with the artificial neural network method and the desired result was achieved in 85% shorter time and 80% less cost than conventional methods.
Benzer Tezler
- AISI 430 kalite paslanmaz çeliklerin mikroyapı ve mekanik özelliklerinin perçinleme prosesinde çatlak oluşumuna etkisinin incelenmesi
Investigation of the effect of the microstructure and mechanical properties of AISI 430 stainless steel on the crack formation during the riveting process
ASUDE BALAKAN
Yüksek Lisans
Türkçe
2020
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT BAYDOĞAN
- AA206 alüminyum döküm alaşımında empürite demirin mekanik özelliklere etkilerinin incelenmesi
Effects of impurity iron on the mechanical properties of AA206 aluminium casting alloy
MELTEM AK
Yüksek Lisans
Türkçe
2012
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. M. KELAMİ ŞEŞEN
- GG25 dökme demirde karbon eş değeri değişiminin mikroyapı ve mekanik özelliklere etkisi
The effect of CE (carbon equivalent) change in GG25 on microstructure and mechanical properties
CEVAT MEHMETALİ
Yüksek Lisans
Türkçe
2024
Metalurji MühendisliğiSelçuk ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN ARICI
- 3XXX alüminyum alaşımlarında magnezyum ve alternatif proseslerin etkisinin incelenmesi
Investigation of the effect of magnesium and alternative processes on 3XXX series aluminum alloys
ÇİSEM DOĞAN
Yüksek Lisans
Türkçe
2018
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. SEBAHATTİN GÜRMEN
- Düşük magnezyumlu 5XXX serisi alaşımlarda manganın termomekanik proseslere ve nihai ürüne etkisi
Effect of mangane on thermomechanical processes and final product in low magnesium 5XXX series alloys
EREN TORAMAN
Yüksek Lisans
Türkçe
2023
Metalurji MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA AKÇİL