Toolox 44 malzemenin tornalanmasında yüzey pürüzlülüğünün yapay sinir ağları yöntemi ile optimizasyonu
Optimization of surface roughness in the turning of Toolox 44 material using artificial neural networks
- Tez No: 880250
- Danışmanlar: DOÇ. DR. İBRAHİM SAVAŞ DALMIŞ, DR. ÖĞR. ÜYESİ HALİL NUSRET BULUŞ
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Tekirdağ Namık Kemal Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, Toolox 44 malzemesinin tornalanması sürecinde yüzey pürüzlülüğünün optimize edilmesi hedeflenmiştir. Yapay sinir ağları kullanılarak gerçekleştirilen modellemede, ince ve kaba işleme, ilerleme hızı, kesme hızı, kesme derinliği ve parça sırası gibi parametreler girdi olarak belirlenmiş ve yüzey pürüzlülüğü (Ra) çıktı olarak seçilmiştir. Levenberg-Marquardt algoritması ile eğitilen model, Logistic Sigmoid ve Pure Linear transfer fonksiyonları ile yapılandırılmıştır. 108 deneysel veri setinin %70'i modelin eğitimi, %15'i testi ve %15'i doğrulama için kullanılmıştır. Modelin performansı RMSE, MAPE ve R2 ölçütleri ile değerlendirilmiş, sonuçlar modelin yüzey pürüzlülüğünü yüksek doğrulukla tahmin edebildiğini göstermiştir. Elde edilen bulgular, modelin imalat süreçlerinde kalite kontrol ve optimizasyon amacıyla kullanılabileceğini ortaya koymuştur.
Özet (Çeviri)
This study aims to optimize the surface roughness in the turning process of Toolox 44 material. In the developed model using artificial neural networks, parameters such as fine and rough machining, cutting speed, feed rate, cutting depth, and part sequence were selected as inputs, while surface roughness (Ra) was chosen as the output. The model, trained with the Levenberg-Marquardt algorithm, was structured using Logistic Sigmoid and Pure Linear transfer functions. Of the 108 experimental data sets, 70% were used for model training, 15% for testing, and 15% for validation. The model's performance was evaluated using RMSE, MAPE, and R2 metrics, and the results demonstrated that the model could predict surface roughness with high accuracy. The findings indicate that the model can be used for quality control and optimization in manufacturing processes.
Benzer Tezler
- Toolox 44 malzemesinin tornalanmasında yüzey pürüzlülüğünün ve takım aşınmasının incelenmesi
Investigation of surface roughness and tool wear in turning toolox 44 material
NURAY ÜÇÜNCÜ
Yüksek Lisans
Türkçe
2025
Makine MühendisliğiGebze Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMEL KURAM
- Sulu deterjan fraksinasyon prosesinin hayvansal iç yağlarına uygulanması
The Application of aqueous detergent fractination process to tallow
DÖNE ŞENTÜRK
- The Design and implementation of an adaptive pre-processor and post-processor for finite element codes
Başlık çevirisi yok
SERDAR ULGER
Yüksek Lisans
İngilizce
1990
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi - 3um N-kuyu CMOS teknolojisi ile test kırmığı tasarımı ve tranzistor eşik gerilimi ayarı
Test chip design for 3 um N-well CMOS fabrication technology and threshold voltage adjustment
ZEYNEP D. TOROS
Yüksek Lisans
Türkçe
1991
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. DURAN LEBLEBİCİ
- Yapay sinir ağları ile seramik sır özelliklerinin tahmin edilmesi
Prediction of ceramic glaze properties by artificial neural networks
UĞUR KUT
Yüksek Lisans
Türkçe
2010
Seramik MühendisliğiDumlupınar ÜniversitesiSeramik Mühendisliği Ana Bilim Dalı
PROF. DR. İSKENDER IŞIK