Tornalanma işleminde kesme sıcaklıklarının makine öğrenmesi yolu ile tahmin edilmesi
Prediction of cutting temperatures in turning process by machine learning
- Tez No: 894044
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ OSMAN ER
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kırıkkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: 84
Özet
İşlenmesi zor malzemelerden parça üretilmesinde karşılaşılan olumsuzluklar, talaşlı imalat gibi geleneksel işleme yöntemlerinde yeni arayışlara gidilmesine sebep olmuştur. İşlenmesi zor malzemeleri işleyebilmek ve üretimde verimliliği artırmak için yeni teknolojilerle üretilmiş ileri kesici takımlarla çalışılması, minimum miktarda yağlama ve kriyojenik soğutma gibi yeni tekniklerin kullanıldığı soğutma-yağlama sistemlerinin ve ön ısıtmalı işleme gibi yöntemlerin kullanımı her geçen gün daha fazla tercih sebebi olmaktadır. Özellikle otonom sistemlerin, karanlık fabrikaların yer aldığı dijital imalat uygulamalarının giderek yaygınlaştığı görülmektedir. Önümüzdeki dönemlerde bu otomatik sistemlere entegre olarak çalışacak uygun işleme sıcaklığını tespit edecek, gerekirse ısıtma gerekirse soğutma-yağlama yapacak sistemler için veri alt yapısına ihtiyaç duyulacaktır. Bu çalışmada, malzemelerin talaşlı imalat yöntemleriyle işlenmesini kolaylaştırmak için kesme kuvvetini minimum yapan kesme bölgesindeki sıcaklıklar makine öğrenmesi ile tahmin edilmiştir. Makine öğrenmesi için gerekli veri seti 16MnCr5 çeliği kullanılarak yapılan kuru tornalama deneyleri esnasında, en düşük kesme kuvveti değerlerinin ölçüldüğü deney parametreleri ile sıcaklık değerlerinden oluşmaktadır. Çalışmanın sonucunda, veri seti baz alınarak istenilen değerlerde kesme hızı, ilerleme hızı, kesme derinliği, malzeme ve kesici takım parametreleri modele girilerek, kesme bölgesindeki sıcaklık tahmin edilmiştir. Tahmin edilen sıcaklık ile işleme öncesinde uygun ortam koşulları sağlanarak deneye başlanacağı için takım ve iş parçası aşınmasının, kesme kuvvetinin, yüzey pürüzlülüğünün, kesme sıvısı tüketiminin azaltılması sağlanarak enerjiden, maliyetten ve zamandan tasarruf edilmiş olacaktır.
Özet (Çeviri)
The negativities encountered in the production of parts from difficult-to-machine materials have led to new researches in traditional machining methods such as machining. In order to process difficult-to-machine materials and increase efficiency in production, working with advanced cutting tools produced with new technologies, the use of cooling-lubrication systems using new techniques such as minimum amount of lubrication and cryogenic cooling, and methods such as preheated processing are increasingly preferred. In particular, it is seen that digital manufacturing applications involving autonomous systems and dark factories are becoming more and more common. In the coming periods, a data infrastructure will be needed for systems that will work in integration with these automatic systems, determine the appropriate processing temperature, heat if necessary, cooling-lubrication if necessary. In this study, the temperatures in the cutting zone, which minimizes the cutting force, were estimated by machine learning in order to facilitate the machining of materials with machining methods. The data set required for machine learning consists of the experiment parameters and temperature values in which the lowest shear force values are measured during dry turning experiments using 16MnCr5 steel. As a result of the study, the temperature in the cutting zone was estimated by entering the cutting speed, feed rate, cutting depth, material and cutting tool parameters into the model at the desired values based on the data set. Since the experiment will be started by providing suitable ambient conditions before machining with the estimated temperature, energy, cost and time will be saved by reducing tool and workpiece wear, cutting force, surface roughness, and coolant consumption.
Benzer Tezler
- Dik ve eğik kesme işleminin termomekanik modellemesi ve torna işlemine uygulanması
Thermomechanical modeling of orthogonal and oblique cutting with turning validation
ESİN ÇAKIR
Doktora
Türkçe
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BAKKAL
- Frezeyle tornalama operasyonunun geometrik, kuvvet ve ısıl modellenmesi
Geometric, force and thermal modeling of turn-milling operations
UMUT KARAGÜZEL
Doktora
Türkçe
2016
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BAKKAL
PROF. DR. ERHAN BUDAK
- Thermal modeling and experimental verification of actively driven rotary turning process
Tahrikli döner tornalama işlemlerinin modellenmesi ve deneysel doğrulanması
CİHAN ÖZENER
Yüksek Lisans
İngilizce
2017
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN BUDAK
- Tornalama işleminde kesme parametrelerinin ve iş parçası uzunluğunun geometrik toleranslara etkilerinin incelenmesi
Investigation of the effect of cutting parameters and workpiece length on the geometric tolerances in turning operation
ALİ TURHAN
Yüksek Lisans
Türkçe
2008
Teknik EğitimMarmara ÜniversitesiMakine Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA AY
- Tornalama işleminde kesme kuvveti ölçümünde kullanılacak dinamometre tasarımı ve üretimi
The design and manufacture of a force dynamometer for turning operation
HÜSEYİN ÖZDEMİR
Yüksek Lisans
Türkçe
2006
Makine MühendisliğiSakarya ÜniversitesiMakine Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. SAKIP KÖKSAL