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: 66
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
- Tornalamada toolox 44 malzemesinin işlenebilirliğinin makine öğrenmesi aracılığıyla incelenmesi
An investigation the machinability of toolox 44 material in turning using machine learning
ERSİN ORHAN
Yüksek Lisans
Türkçe
2025
Makine MühendisliğiSelçuk ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. RÜSTEM BİNALİ
- Basınçlı döküm kalıp imalatında yeni malzeme başarısızlık analizi
New materials failure analysis in die casting mold manufacturing
SEYEDEH MARYAM HOSSEINI
Yüksek Lisans
Türkçe
2015
Mühendislik Bilimleriİstanbul Aydın ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEPANTA NAİMİ
- Bazı kantaron ekstraktlarının enkapsülasyon tekniği ile ayran üretiminde kullanılması
Usage of several hypericum extracts with encapsulation technique in the production of drinkable yoghurt
FADİME SEYREKOĞLU
Doktora
Türkçe
2020
Gıda MühendisliğiOndokuz Mayıs ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN TEMİZ
- Sıcak iş takım çeliğinin (TOOLOX 44) işlenebilirliğinin incelenmesi
An investigation into the machinability of hot work tool steel (TOOLOX 44)
RÜSTEM BİNALİ
Yüksek Lisans
Türkçe
2017
Makine MühendisliğiKarabük Üniversitesiİmalat Mühendisliği Ana Bilim Dalı
PROF. DR. HALİL DEMİR