Prediction of surface rougness of additively manufactured and machined parts via machine learning
Eklemeli imalat ve talaşlı imalat ile üretilen parçaların yüzey pürüzlülüğünün makine öğrenmesi ile tahmin edilmesi
- Tez No: 974539
- Danışmanlar: PROF. DR. ULAŞ YAMAN, DOÇ. DR. ELİF SÜRER
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, Katmanlı İmalatın (AM) Ergiyik Filament İmalatı (FFF) ve hibrit AM–CNC işleme yöntemleriyle üretilen Polilaktik Asit (PLA) parçalarının farklı eğim açılarında yüzey pürüzlülüğü (Ra) değerlerinin denetimli regresyon tabanlı makine öğrenmesi ile tahmin edilmesine yönelik önemli bir araştırma boşluğunu ele almaktadır. Önceki çalışmalar eğim açısı veya CNC son işlemini nadiren dikkate almışken, bu çalışmada Taguchi L54 DOE yöntemiyle tasarlanan 54 parça üzerinden 10°–80° aralığı incelenmiştir. On farklı Makine Öğrenmesi (ML) algoritması değerlendirilmiş, Açıklanabilir Artırma Makinesi (EBM) en yüksek tahmin doğruluğunu sağlamıştır (R2 = 0,983 AM, R2 = 0,616 hibrit). AM için en etkili faktörler Eğim Açısı, Katman Yüksekliği, Nozul Çapı ve Baskı Sıcaklığı olmuştur. En iyi yüzey kalitesi 0,10 mm katman yüksekliği, 0,25 mm nozul ve 210 °C ekstrüzyon sıcaklığı ile elde edilmiştir. Hibrit işlemede ise AM parametreleri, talaş derinliği ve doluluk oranı ile birlikte Ra üzerinde etkili olmuş; Ra değerleri %85–91 oranında azalmış ve 0,20 mm talaş derinliği tüm açılar için ortalama 1,8 μm sonuç vermiştir. Parçaların çoğu 1–3,5 μm aralığında yer almıştır. Doğrulama testleri, EBM'nin AM Ra'yı ±2 μm doğrulukla (MAPE %6,62) ve hibrit işlemede ±1 μm doğrulukla (MAPE %9,17) tahmin edebildiğini göstermiştir. Ön deneme kapsamında yapılan soğutma sıvısı destekli işleme, kesme sıcaklıklarını PLA'nın camsı geçiş sıcaklığının altında tutarak ve talaş tahliyesini iyileştirerek Ra'da %15–21 iyileşme sağlamıştır. Bu sonuçlar, daha az deneme-yanılma ile hedef yüzey kalitesine ulaşmayı, maliyetleri azaltmayı ve yüzey bütünlüğünü geliştirmeyi sağlayan öngörülebilir bir çerçeve sunmakta; PLA tabanlı AM ve hibrit imalat süreçlerinin endüstriyel olarak benimsenmesini desteklemektedir.
Özet (Çeviri)
This study addresses a key research gap in predicting surface roughness (Ra) for Polylactic Acid (PLA) components produced via Fused Filament Fabrication (FFF) and hybrid AM–CNC machining at varying inclination angles using supervised regression-based machine learning. Few prior works considered inclination angle or CNC post-processing; this study employs a comprehensive design of 54 parts via Taguchi L54 DOE, covering 10°–80° inclinations. Ten Machine Learning (ML) algorithms were evaluated, with the Explainable Boosting Machine (EBM) achieving the highest predictive accuracy (R2 = 0.983 for AM, R2 = 0.616 for hybrid). For AM, the most influential factors were Inclination Angle, Layer Height, Nozzle Diameter, and Printing Temperature. Optimal surface quality was achieved with 0.10 mm layer height, 0.25 mm nozzle, and 210 °C extrusion temperature. In hybrid machining, AM parameters coupled with depth of cut and infill density further influenced Ra as values decreased by 85–91%; a 0.20 mm depth of cut yielded 1.8 μm averaged across inclinations. Most parts ranged between 1–3.5 μm. Verification tests showed EBM predicted AM Ra within ±2 μm (MAPE 6.62%) and hybrid machining within ±1 μm (MAPE 9.17%). A preliminary coolant-assisted machining study indicated 15–21\% Ra improvement by keeping cutting temperatures below PLA's glass transition and enhancing chip evacuation. These results provide a predictive framework for achieving target surface finishes with reduced trial-and-error, lower costs, and improved surface integrity, supporting the industrial adoption of PLA-based AM and hybrid processes.
Benzer Tezler
- A data driven framework for surface roughness prediction in additive manufacturing
Eklemeli imalatta yüzey pürüzlülüğü tahmini için veri tabanlı bir çerçeve
ENGİN DENİZ ERKAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiVeri Bilimi Ana Bilim Dalı
DOÇ. DR. ELİF SÜRER
PROF. DR. ULAŞ YAMAN
- Data driven optimization of structural and dynamical properties of parts manufactured via selective laser melting process using machine learning and finite element analysis methods
Seçici lazer ergitme prosesi ile üretilen parçaların yapısal ve dinamik özelliklerinin makine öğrenmesi ve sonlu elemanlar analizi yöntemleri kullanılarak veri odaklı optimizasyonu
CAN BARIŞ TOPRAK
Doktora
İngilizce
2024
Makine MühendisliğiHacettepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CAN ULAŞ DOĞRUER
- Eklemeli imalat yöntemlerinde üretim parametrelerinin ve parça geometrisinin son ürün özellikleri üzerindeki etkilerinin incelenmesi
Investigation of the effects of production parameters and part geometry on the final product properties in additive manufacturing methods
AYSU HANDE YÜCEL
Yüksek Lisans
Türkçe
2021
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA BAKKAL
- Eklemeli imalat ile imal edilmiş Ti-6Al-4V malzemesinin yüzey kalitesinin iyileştirilmesinde lazer parlatma parametrelerinin etkisinin incelenmesi
Investigation of the effects of laser polishing parameters on the surface quality improvement of additively manufactured Ti-6Al-4V material
TOLGAHAN ERMERGEN
Doktora
Türkçe
2023
Makine MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH TAYLAN
- Constitutive modelling and micro-machinability evaluation of wrought and additively manufactured Ti6Al4V alloys: Experimental characterization and numerical simulation
Dövme ve eklemeli imalat yöntemi ile üretilen Ti6Al4V alaşımlarının yapısal modellemesi ve mikro işlenebilirlilik değerlendirmesi: Deneysel karakterizasyon ve nümerik simülasyon
NECATİ UÇAK
Doktora
İngilizce
2023
Makine MühendisliğiAnkara Yıldırım Beyazıt ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM ÇİÇEK
PROF. DR. KUBİLAY ASLANTAŞ