Döner fırınlarda çinko geri kazanımının makine öğrenmesi kullanılarak sınıflandırılması ve regresyon analizi
Classification and regression analysis of zinc recovery in rotary kilns using machine learning
- Tez No: 868827
- Danışmanlar: DOÇ. DR. MEHMET ÇELİK, DR. ÖĞR. ÜYESİ KÜRŞAT MUSTAFA KARAOĞLAN
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Demir ve çelik endüstrisi dünya çapında önemli bir sektördür ve Elektrik Ark Fırınları (EAF), bu endüstride en yaygın kullanılan yöntemlerden biridir. Bu fırınlardan elde edilen tozdan çinko geri kazanımı, yaygın bir uygulamadır. Bu çalışmada, Waelz prosesi ile çinko geri kazanımı sağlanmış ve cüruftaki çinkonun kalitesi çeşitli denetimli makine öğrenimi teknikleri kullanılarak sınıflandırılmıştır. Ayrıca, bu tez çalışması kapsamında ayrıntılı analizler gerçekleştirilmesine olanak sağlamak için çıktılar üzerinde regresyon analizleri yapılmıştır. Sınıflandırıcı ve regresyon modellerinin eğitiminde kullanılan veriler, Waelz prosesi hammaddelerinin ve cüruf örneklerinin kimyasal analizleri yoluyla elde edilmiştir. Elde edilen veriler, cüruftaki çinko içeriğine göre uzmanlar tarafından etiketlenmiştir. Cürufta çinko geri kazanım kalitesini sınıflandırmak için yapılan deneysel çalışmalarda, Destek Vektör Makinesi, Karar Ağacı, Naive Bayes ve Rastgele Orman gibi makine öğrenmesi teknikleri kullanılmıştır. Modellerin güvenilirliğini sağlamak için çapraz doğrulama tekniklerinden, k-kat çapraz doğrulama, kullanılmıştır. Deneysel çalışmaların sonuçlarına göre, Karar Ağacı modeli kullanılarak geliştirilen yaklaşımda %99'dan daha yüksek sınıflandırma performansı elde edilmiştir. Ayrıca, diğer sınıflandırma yaklaşımları da yüksek ve rekabetçi sonuçlar üretmiştir. Regresyon analizi açısından, kullanılan hammadde miktarı, EAF'daki demir oranı ve üretilen cüruf miktarı arasında anlamlı bir ilişki gözlenmiştir. Cüruf miktarı üzerinde en etkili maddelerin EAF tozu miktarı, EAF tozundaki demir oranı, kömür ve kireç olduğu belirlenmiştir. Bu çalışmanın bulguları, demir çelik endüstrisinde çevre dostu ve ekonomik olarak uygulanabilir çözümlerin geliştirilmesi için yol gösterici olacaktır. Sonuç olarak, endüstriyel atıkların geri dönüştürülmesi ve çevresel etkilerinin azaltılmasıyla sürdürülebilir bir endüstriyel üretim süreci oluşturulacaktır.
Özet (Çeviri)
The iron and steel industry is an important sector worldwide, and Electric Arc Furnaces (EAFs) are one of the most widely used methods in this industry. Zinc recovery from the dust obtained from these furnaces is a common practice. In this study, zinc recovery was achieved with the Waelz process and the quality of zinc in the slag was classified using various supervised machine learning techniques. In addition, regression analyses were performed on the outputs to enable detailed analyses within this thesis's scope. The data used in training of the classifier and regression models were obtained through chemical analyses of Waelz process feedstocks and slag samples. Experts labelled the datang to the zinc content in the slag. Machine learning techniques such as Support Vector Machine, Decision Tree, Naive Bayes and Random Forest were used in the experimental studies to classify the zinc recovery quality. To ensure the reliability of the models, k-fold cross-validation technique has been employed. According to the results of the experimental studies, the classification performance of the approach using the Decision Tree model is higher than 99%. Moreover, other classification approaches also produced high and competitive results. In regression analysis, a significant relationship was observed between the amount of raw material used, the iron content in the EAF, and the amount of slag produced. It was determined that the most effective substances in the amount of slag were the amount of EAF powder, iron content in EAF powder, coal, and lime. This study's findings will guide the development of environmentally friendly and economically viable solutions in the iron and steel industry. As a result, a sustainable industrial production process will be created by recycling industrial waste and reducing their environmental impact.
Benzer Tezler
- Endüstriyel baca tozlarından metalik değerlerin kazanımı
Evaluation metalic values from industrial flue dusts
MEHMET HAKAN MORCALI
Yüksek Lisans
Türkçe
2007
KimyaMarmara ÜniversitesiÇevre Bilimleri Ana Bilim Dalı
PROF. DR. ADNAN AYDIN
PROF. DR. ONURALP YÜCEL
- Demir yüksek fırını baca çamuru tozlarından iyonik sıvılarla çinko metalinin uzaklaştırılması
Removal of ionic liquids and zinc ores from the dust of the mud of iron blast furnace pipe
MEHMET DOĞAN
Yüksek Lisans
Türkçe
2019
Maden Mühendisliği ve MadencilikSivas Cumhuriyet ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. NEVZAT ASLAN
- Hematit karakterli demir cevherinden ve yüksek fırın baca tozundan sünger demir üretilebilirliğinin araştırılması
Investigation of hematite iron ores and blast furnace dusts's availability in the sponge iron production
GÖKHAN DOĞANTEPE
Yüksek Lisans
Türkçe
2013
Metalurji MühendisliğiKarabük ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAYRETTİN AHLATCI
- Zenginleştirilmiş çinko cevherinden çinko oksit üretimi için yeni bir metodun tasarımı
The design of a new method for zinc oxide production from enriched zinc ore
SİBEL GÜRSES AKÇALI
Yüksek Lisans
Türkçe
1999
Kimya MühendisliğiYıldız Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF.DR. SELAHATTİN GÜLTEKİN
- Microstructural characterization of corroded MgO-based refractory materials
Korozyona uğramış MgO-esaslı refrakter malzemelerin mikroyapısal karakterizasyonu
YENER MERCANKÖŞK
Yüksek Lisans
İngilizce
2002
Metalurji Mühendisliğiİzmir Yüksek Teknoloji EnstitüsüMetalurji Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEDAT AKKURT
PROF. DR. MUHSİN ÇİFTÇİOĞLU