Otomotiv sektöründe kullanılan direnç nokta kaynağı uygulamalarındaki kaynak argümanlarının ideal norm aralığında olup olmadığının makine öğrenimi ile tahmini
Prediction of whether it is in the ideal norm range of welding arguments that used in applications of resistance spot welding in automotive industry by applying machine learning
- Tez No: 824362
- Danışmanlar: DR. ÖĞR. ÜYESİ SOYDAN SERTTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir çeşit direnç kaynağı olan punta kaynağı, metal sac birleştirme işleminde kullanılan ve üretim alanında yaygın olarak bulunan bir kaynak uygulamasıdır. Punta kaynak prosesi otomotiv endüstrisi başta olmak üzere, radyatör ve tel örgü üretimi gibi birçok üretim alanında yaygın olarak kullanılır. Araç üretim bantlarında direnç punta kaynağı genellikle robotik uygulamalarla gerçekleştirilmektedir. Endüstri 4.0 ve dijital dönüşüm trendleri benzeri görülmemiş bir veri büyümesine yol açmıştır. Günümüz imalat sektöründe kalite, bakım ve üretim süreçlerinin izlenmesi, tahmini ve optimizasyonu konularında makine öğrenimi ve veri bilimi algoritmalarının gücünden yararlanılmaktadır. Bu çalışma, gerçek üretim sahasında robotik kollarla uygulanan punta kaynağının izlenerek, kaynak argümanlarının ideal kaynak normları içerisinde olup olmadığının tespitini amaçlamaktadır. İdeal parametre normları değerlendirilirken makine öğrenimi algoritmaları kullanılmıştır. Çalışma, üretimdeki gerçek verileri kullanabilmek için TOFAŞ fabrikasında yapılmış ve pilot hat olarak gövde üretim montaj hattı seçilmiştir. Araştırmada 2023 yılı güncel kaynak parametrelerinden oluşan bir veri kümesi kullanılmıştır. Veri kümesi üzerinde çeşitli makine öğrenimi algoritmaları çalıştırılarak her bir algoritmanın başarım değerlendirilmesine bakılmış ve en uygun tahminleme yöntemi belirlenmiştir. Yapılan deneylerde ROC eğrisi altında kalan alan (AUC) skorları göz önüne alındığında %99 başarı ile XGBoost, LightGBM ve CatBoost modellerinin en yüksek performansı sergilediği görülmüştür.
Özet (Çeviri)
Spot welding, a type of resistance welding, is a welding application widely used in the production area and it is a common method for joining metal sheets. The spot-welding process is widely used in many production areas, especially in the automotive industry, radiator, and wire mesh production. Spot welding in car production lines is mainly performed by robotic applications. Industry 4.0 and digital transformation trends have led to unprecedented data growth. Nowadays, the manufacturing industry benefits from the power of machine learning and data science algorithms to monitor production processes and make predictions for quality, maintenance, and production optimization. Applying machine learning algorithms reduces the duration and cost of experiments. This study aims to confirm whether spot welding, applied by robotic arms, is within the ideal spot-welding norms, in real production areas. The study was conducted at the TOFAŞ factory to utilize real production data, specifically focusing on the body production assembly line as a pilot line. The research utilized a dataset consisting of current welding parameters in 2023. The experiments were conducted on a dataset, and the performance of various machine learning algorithms was evaluated to determine the most suitable prediction method. Considering the scores of the Area Under the ROC Curve (AUC), XGBoost, LightGBM, and CatBoost models exhibited the highest performance with a success rate of 99%.
Benzer Tezler
- Alaşımsız dual fazlı çeliklerin mekanik ve nokta kaynağı özellikleri
Başlık çevirisi yok
A.İRFAN YÜKLER
- Üretim işletmelerinde spesifikasyon ve tolerans analizi -bir otomotiv işletmesinde uygulama-
Başlık çevirisi yok
A.SERMET ANAGÜN
Yüksek Lisans
Türkçe
1985
Endüstri ve Endüstri MühendisliğiAnadolu ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MUSA ŞENEL
- Effect of ethanol and gasoline blends on exhaust gas emissions in S.I. engines
Başlık çevirisi yok
FAROOQ AHMED
- Dört zamanlı buji ile ateşlemeli bir motor performansının bilgisayar yardımı ile simulasyonu
Computer aided simulation of a four-stroke spark ignition engine performance
SELİM ÇETİNKAYA
Doktora
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Eğitimi Ana Bilim Dalı
PROF. DR. BİLGE ERDİLLER
