Geri Dön

Ortogonal talaş kaldırma işleminde makine öğrenmesi algoritmaları kullanılarak deneysel sonuçların ve sonlu elemanlar analiz sonuçlarının değerlendirilmesi

The use of machine learning techniques to assess experimental and fine-element analysis findings on the ortogonal cutting process

  1. Tez No: 763145
  2. Yazar: KADİR ÖZDEMİR
  3. Danışmanlar: PROF. DR. MUSTAFA CEMAL ÇAKIR
  4. Tez Türü: Doktora
  5. Konular: Makine Mühendisliği, Mechanical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Bursa Uludağ Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 119

Özet

Bir çok endüstri kolunda olduğu gibi talaşla imalat endüstrisinde de üretimin verimliliğini etkileyecek verileri önceden tahmin etmek hem kesici takım maliyetlerinin hemde üretim maliyetlerinin düşürülmesi bakımından öndemlidir. Bu kapsamda yıllardır kullanılmakta olan sonlu elemanlar yönteminin yanında son yıllarda karşımıza bir çok alanda kullanılan makine öğrenmesi ve yapay zeka yöntemleri çıkmaktadır. Bu öğrenme yöntemleri deneysel ve sayısal çalışmalara yardımcı olarak kullanıldığı zaman hem deney süreleri hemde sayısal hesaplama süreleri önemli derecede kısalmaktadır. Böylece hem deney maliyetlerinin azaltılması hemde sayısal hesaplama sürelerinin kısalması sağlanabilmektedir. Bunun yanında bilinmeyen veya deneyi yapılmayan parametrelerin tahmini mümkün olabilmektedir. Bu çalışmada öncelikle ortogonal talaş kaldırma probleminin sayısal olarak modellenmesi üzerinde durulmuş ve modelleme sonuçları deneysel veriler ile karşılaştırılmıştır. Daha sonra deneysel veriler ve sonlu elamanlar verileri makine öğrenmesi algoritmalarına öğretilmiştir. Öğretme işleminden sonra bilinmeyen veriler olan kesme kuvvetinin ve maksimum talaş sıcaklığının sadece kesme parametreleri girilerek tahmini yapılmıştır. Deneyler ile sonlu elemanlar analizi sonuçlarından elde edilen verilere en doğru cevabı veren makine öğrenmesi algoritmaları Support Vector Machine, Linear Regression ve Gaussian Process Regression olarak belirlenmiştir. Bunlara ek olarak ortogonal kesme işleminde elde edilen sıcaklık, talaş şekli ve gerilmeler tartışılmıştır.

Özet (Çeviri)

As in many industries, it is important to predict data that will affect the efficiency of production in the chip manufacturing industry in terms of reducing both cutting tool costs and production costs. In this context, besides the finite element method that has been used for years, machine learning and artificial intelligence methods used in many fields in recent years have emerged. When these learning methods are used as an aid to experimental and numerical studies, both experimental times and numerical calculation times are shortened significantly. Thus, it can be ensured that both the experimental costs and the numerical calculation times are shortened. In addition, it is possible to estimate unknown or untested parameters. In this study, primarily numerical modelling of the orthogonal machining problem was emphasized and the modelling results were compared with the experimental data. Then, experimental data and finite element data were taught to machine learning algorithms. After the teaching process, the cutting force and maximum chip temperature, which are unknown data, were estimated by entering only the cutting parameters. Support Vector Machine, Linear Regression and Gaussian Process Regression were determined as the machine learning algorithms that gave the most correct answer to the data obtained from the finite element analysis results with the experiments. In addition to these, the temperature, chip shape and stresses obtained in orthogonal cutting process are discussed.

Benzer Tezler

  1. Cam takviyeli plastik kompozit malzemelerin ortogonal tornalanması esnasında talaş kaldırma parametrelerinin işlem performansına etkilerinin incelenmesi

    Başlık çevirisi yok

    BİRHAN IŞIK

    Doktora

    Türkçe

    Türkçe

    2005

    Makine MühendisliğiMarmara Üniversitesi

    Makine Eğitimi Ana Bilim Dalı

    PROF.DR. ERHAN ALTAN

    PROF.DR. MUHİTTİN ŞİMŞEK

  2. Investigating the effect of cp titanium microstructure on the mechanics of microscale machining

    Saf titanyum mikroyapısının talaş kaldırma mekaniğine mikro ölçekte etkisinin araştırılması

    ALP AKSIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Makine Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YİĞİT KARPAT

  3. Kesici takımlarda dahili soğutma yönteminin geliştirilmesi ve kesme işlemine etkisinin incelenmesi

    Developing internal cooling system in cutting tools and investigation of its effect on machining process

    EMRAH ARDA

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Makine MühendisliğiSakarya Üniversitesi

    Makine Eğitimi Ana Bilim Dalı

    DOÇ. DR. SAKIP KÖKSAL

  4. Inconel 625 tornalama işleminde kesme kuvvetleri, kesici takım aşınması ve yüzey pürüzlülüğüne etkiyen parametrelerin deneysel araştırılması ve matematiksel modellenmesi

    Experimental research and mathematical modelling of parameters affecting cutting force, cutting tool wear and surface roughness in turning process of Inconel 625

    FITIM ZEQIRI

    Doktora

    Türkçe

    Türkçe

    2018

    Makine MühendisliğiNiğde Ömer Halisdemir Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. MAHMUT ALKAN

  5. Kalıp çeliklerinin ortagonal tornalanması işlemlerinde kesme kuvvetlerinin modellenmesi ve kesici uç kaplama malzemelerinin etkilerinin incelenmesi

    Theoretical and experimental study about machining 1050 quality steel with coated and uncoated carbides

    TAYFUN SIĞIRTMAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. CEMAL ÇAKIR