Sıkı geçme operasyonu için ANFIS ve yapay sinir ağları modellemesinin matematiksel model ile karşılaştırılması
Comparison of ANFIS and ann modeling with mathematical model for press-fitting operation
- Tez No: 864654
- Danışmanlar: DOÇ. DR. ALİ FUAT ERGENÇ
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 125
Özet
Çağımızın en önemli olgularından birisi dijital dönüşümdür. Dijital dönüşüm teknolojileri sayesinde, evlerimizdeki klimalardan, sokaklardaki kameralara kadar her bir cihaz internete bağlanabilmekte ve bizlere kolaylıklar sağlamaktadır. Günümüzde, dijital olarak cihazlara erişimin oldukça kolaylaşması sayesinde, artık herkesin, her şeyin bir dijital varlığı oluşmuştur. Verilerin toplanması ve saklanmasının oldukça kolaylaşması sayesinde de attığımız her adım bizim hareketlerimizi şekillendirebilecek verilere dönüşmüştür. Doğal olarak; hayatın her alanında olduğu gibi, endüstriyel tesislerde de dijital dönüşüm oldukça hızlanmıştır. Endüstride dijital dönüşüm ile birlikte, sahadan veri toplamak daha da önemli bir hale gelmiştir. Sensör teknolojilerinin gelişmesi ve veri toplamanın yollarının gelişmesi ile birlikte sistemlerden artık çok detaylı veriler toplanabilmektedir. Bunun da yanında veri saklama sistemleri de çok yüksek miktarda verinin saklanabilmesine olanak tanımaktadır. Her ne kadar verinin kullanması ile gerçekleştirilebilecek geliştirmelerin çok büyük kapılar açabileceği uzun yıllardır akademik camia tarafından biliniyor olsa da; verilerin etkin bir şekilde kullanılabilmesi için bilgisayar teknolojilerinde gerçekleşecek gelişmelere ihtiyaç duyulmuştur. Bilgisayar teknolojilerinin gelişmesinden önce fiziksel sistemlerin matematiksel hesaplamalarının kullanıldığı yapılar çok daha fazla yer kaplamaktaydı. Bu matematiksel modeller gerçek sistemlerin bilinmezliklerini hesaba katamıyor olsalar da, büyük oranda hata tespiti gibi işlemler için çok büyük fayda sağlamaktaydılar. Verinin kullanılabilir hale gelmesi ile birlikte, bugüne kadar teorik olarak geliştirilmiş birçok hesaplama yöntemini üretim sahalarında da etkin bir şekilde görüyoruz. Görüntü işleme, hata tespiti, hat dengeleme gibi birçok sürecin geliştirilmesinde teorilerin yanında geçmiş verilerden beslenen hesaplama yöntemleri de yoğun bir şekilde kullanılmaya başlandı. Bu çalışmada da, bugüne kadar kural bazlı olarak çalışan bir rulman çakma operasyonundan toplanan veriler incelendi. Bu veriler, aynı üretim hattının kalite verileri ile karşılaştırılarak doğruluğu değerlendirildi. Matematiksel modelleme ile karşılaştırılıp gerçeğe ne kadar yakınsadığı incelendi. Ardından da, sistem bulanık mantık ve yapay sinir ağları algoritmaları ile yeniden modellenerek, bir kalite tahminleme sistemi geliştirildi. Son olarak da, tüm veriler k-means yöntemi ile sınıflandıralarak, tüm bu etiketlemelerin performansı değerlendirildi. Üretim sahalarında sıkı geçme operasyonları, ürün kalitesini etkileyen önemli bir operasyondur. Bu operasyonun doğru bir şekilde gerçekleştirilmesi, ürünlerin kalitesini artırırken hatalı ürünlerin sayısını azaltabilir. Bu nedenle, birçok farklı yöntemle matematiksel modeller geliştirilmiştir. Matematiksel formüllerde, birçok sabit bulunsa da, geliştirilen modellerde birçok değer ortam koşullarına bağlıdır. En basitinden, geliştirilen matematiksel modellerde tüm yüzeyler silindir olarak düşünülmüştür. Üretim tesislerinde ise tüm yapılar bu kadar keskin değildir. Bu nedenle, güncel modelleme yöntemleri kullanılarak bu bilinmeyen faktörler veriler üzerinden hesaba katılarak daha doğru sonuçlar elde edilebilir. Bu çalışmada, öncelikle bir üretim hattında çalışan sıkı geçme operasyonu değerlendirilmiştir. Bu operasyonun kaliteye etkisi, operasyonda yaşanabilecekler sorunlar incelenmiştir. Çalışanların tecrübelerine dayalı olarak, yaşanan problemlerin üretim süreçlerini nasıl etkilediği değerlendirilmiştir. Mevcutta bulunan kural tabanlı sistemin ne kadar doğru çalıştığı, ortam koşullarından etkilenip etkilenmediği değerlendirilmiştir. Ardından çalışan sistem matematiksel modeller ile karşılaştırılmıştır. Matematiksel modeller, tüm koşullar bilindiğindiği takdirde oldukça başarılı sonuçlar veriyor olsa da gerçek üretim koşullarında her şey bu kadar sabit tutulamamaktadır. Bu nedenle de üretilmiş olan veriler ile matematiksel modelleme her zaman doğru bir şekilde uyuşamamaktadır. Ek olarak, plastik deformasyon bölgesi adı verilen bölgenin belirsizliğinin yüksek olması da matematiksel modellemenin gerçek ile birebir uyuşamamasına sebep olmaktadır. Yapılan hesaplamalar sonucunda geleneksel matematiksel modelleme yöntemleriyle elde edilen sonuçların, yapay sinir ağları ve bulanık modelleme yöntemleriyle elde edilen sonuçlara göre gerçek çalışma koşullarında daha az doğruluk elde edebildiği görülmüştür. Bu durum, güncel modelleme yöntemlerinin, sıkı geçme operasyonlarında daha doğru modellemeler sağlayabileceğini ortaya koymaktadır. Bu da üretim sahalarında daha etkili kararlar alınmasına yardımcı olabilir ve ürün kalitesini artırabilir. Ayrıca, bu çalışma sadece matematiksel modellerin performansını değil, aynı zamanda mevcut kural tabanlı sistemin performansını da değerlendirmiştir. Bu, endüstride yaygın olarak kullanılan bir sistem olmasına rağmen, güncel modelleme yöntemlerinin daha doğru sonuçlar sağladığını göstermektedir. Bu da işletmelerin mevcut sistemlerini gözden geçirmelerini ve güncel modelleme yöntemlerine geçiş yapmalarını teşvik edebilir. Ayrıca, yapılan bu çalışma şu anda halen veri üretmekte olan sisteme entegre edilmiştir ve sonuçlar incelenmiştir. Sonuç olarak, üretim sahalarında sıkı geçme operasyonlarının doğru bir şekilde modellemesi, ürün kalitesinin artırılması ve hatalı ürünlerin azaltılması açısından büyük öneme sahiptir. Belirsizlikleri ortadan kaldırabilecek modelleme yöntemlerini, keskin matematiksel modellerin yerine kullanmanın daha etkili sonuçlar verebileceği üzerine bir çalışma gerçekleştirilmiştir.
Özet (Çeviri)
One of the most important phenomena of our age is digital transformation. Thanks to digital transformation technologies, every device, from the air conditioners in our homes to the cameras on the streets, can connect to the internet and provide us with convenience. Nowadays, thanks to easier access to digital devices, everyone and everything has a digital existence. Thanks to the ease of collecting and storing data, every step has turned into data that can shape our actions. Naturally; as in all areas of life, digital transformation has accelerated in industrial facilities. With digital transformation in the industry, collecting data from the field has become even more important. With the development of sensor technologies and data collection methods, very detailed data can now be collected from systems. In addition, data storage systems allow storing huge amounts of data. While the academic community has long recognized the immense potential of utilizing data for significant improvements, it is important to note that effective data utilization requires advancements in computer technologies. In the past, physical systems heavily relied on mathematical calculations, which occupied significant space. Although these mathematical models were unable to account for the unknown variables in real systems, they played a vital role in processes such as error detection. As data availability continues to increase, we are witnessing the practical application of many theoretically developed calculation methods in production areas. Alongside these theories, calculation methods driven by historical data are being extensively utilized in the development of various processes, including image processing, error detection, and line balancing. The focus of this study is the examination of data collected from a bearing interference fit operation, which has traditionally operated based on predefined rules. To evaluate the accuracy of this data, it was compared with quality data from the same production line. Mathematical modeling was employed to assess its proximity to reality. Additionally, a quality estimation system was developed by remodeling the existing system using fuzzy logic and artificial neural network algorithms. In the realm of production areas, interference fit operations play a crucial role in ensuring high product quality. Accurate execution of these operations can significantly reduce the number of defective products and enhance overall quality. To achieve this, mathematical models have been developed using various methods. However, it is important to note that while mathematical formulas may contain numerous constants, many values in the developed models are dependent on environmental conditions. The simplest form of these mathematical models considers all surfaces as cylinders. However, it is crucial to account for the fact that not all structures in production facilities adhere to this shape. Therefore, incorporating these unknown factors into data using current modeling methods can yield more precise and realistic results. The initial phase of this study involves evaluating the interference fit operation on a production line. The impact of this operation on quality and potential issues during the process are thoroughly examined. By leveraging the experiences of the employees, the study assesses how these problems affect production processes. Furthermore, the accuracy and susceptibility of the existing rule-based system to environmental conditions are rigorously evaluated. Subsequently, the working system is compared with mathematical models. While mathematical models can provide highly accurate results when all the conditions are known, it is important to acknowledge that real production conditions are not always constant. As a result, there may be discrepancies between the collected data and the outcomes of mathematical modeling. Moreover, the high level of uncertainty in the plastic deformation zone further hinders the complete alignment of mathematical modeling with reality. Through calculations and analysis, it has been revealed that traditional mathematical modeling methods tend to yield less accurate results in real working conditions compared to artificial neural networks and fuzzy modeling methods. This finding indicates that current modeling methods offer more precise modeling in interference-fit operations. Consequently, these improved modeling methods can facilitate more effective decision-making in production environments, ultimately leading to enhanced product quality. Moreover, this study goes beyond evaluating the performance of mathematical models and also investigates the effectiveness of the existing rule-based system. Despite being widely used in the industry, the results demonstrate that current modeling methods provide more accurate outcomes. This finding may encourage businesses to reevaluate their existing systems and consider transitioning to updated modeling methods. Additionally, this study integrates seamlessly into the system that is currently generating data and meticulously examines the results. In conclusion, accurate modeling of interference-fit operations in production areas significantly contributes to enhancing product quality and reducing defective products. This study sheds light on the importance of utilizing modeling methods that can account for uncertainties, rather than relying solely on precise mathematical models. By embracing these improved modeling approaches, we can achieve more effective and reliable results in various production environments. To further extend the study, future research can explore the integration of machine learning algorithms and predictive analytics into production environments. By leveraging the power of artificial intelligence, we can analyze large volumes of data in real time and make proactive decisions to optimize production processes. Additionally, the study can investigate the impact of data utilization on other aspects of the production line, such as maintenance scheduling, supply chain management, and energy efficiency. Understanding how data-driven approaches can improve overall operational efficiency and reduce costs in these areas will be valuable for businesses in the industry. Furthermore, the study can expand its scope to evaluate the performance of different modeling methods in various production environments, such as assembly lines, machining operations, quality control processes, and inventory management. By comparing the accuracy and effectiveness of different modeling approaches, we can identify the most suitable methods for specific production scenarios. Additionally, the study can explore the potential of combining multiple modeling methods to achieve even higher accuracy and reliability in data utilization. In summary, by continuously advancing our understanding and utilization of data in production environments, we can unlock new opportunities for improving product quality, reducing defects, optimizing operational efficiency, and minimizing waste. This extended study provides valuable insights into the importance of data utilization, the limitations of traditional modeling methods, and the potential of advanced techniques such as artificial neural networks and fuzzy modeling. By embracing these advancements, businesses can make more informed decisions, achieve higher levels of quality, and gain a competitive edge in the industry.
Benzer Tezler
- İntrakranial anevrizma tedavisinde kullanılan platin koile karşı beyin dokusundaki hücresel reaksiyonun değerlendirilmesi
Evaluation of cellular reaction in brain tissue against platinum coil usage in the treatment of intracranial aneurysm
YASİN TAŞKIN
Tıpta Uzmanlık
Türkçe
2021
NöroşirürjiTokat Gaziosmanpaşa ÜniversitesiBeyin-Sinir ve Omurilik Cerrahisi Ana Bilim Dalı
PROF. DR. FATİH ERSAY DENİZ
- Multi-layer intensifier design and analysis of design parameters
Çok katlı basınç yükseltici tasarımı ve tasarım parametrelerinin analizi
TARKAN TUNÇ
Yüksek Lisans
İngilizce
2000
Makine MühendisliğiÇukurova ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. NECDET GEREN
- Risk assessment and marine accident analysis in ice-covered waters
Buzlu sularda risk değerlendirmesi ve deniz kaza analizi
BEKİR ŞAHİN
Doktora
İngilizce
2015
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR KUM
- Sıkı geçme durumunda oluşan gerilmelerin incelenmesi
Investigation of the stresses of the state of press-fit
HARUN KARAKAYA
Yüksek Lisans
Türkçe
1998
Makine MühendisliğiPamukkale ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUZAFFER TOPÇU
- Sıkı geçme bağlantılarında çentik etkisinin sayısal olarak incelenmesi
Numerical investigation of the notch effect in interference fit connections
NAZLI AŞKIN ARIKAN
Yüksek Lisans
Türkçe
2023
Makine MühendisliğiAkdeniz ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN KOVAN