Kum kalıba döküm süreçlerinde kalite iyileştirmesi: Makine öğrenmesi ve metasezgisel optimizasyon tabanlı hibrit yaklaşım
Quality improvement in sand casting processes: A hybrid approach incorporating machine learning and metasezgisel optimization
- Tez No: 978227
- Danışmanlar: DOÇ. DR. FEYZA GÜRBÜZ
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Kalite iyileştirme, Makine öğrenmesi, Optimizasyon, Kum kalıba döküm, Meta-sezgisel algoritmalar, Quality improvement, Machine learning, Optimization, Sand casting, Metaheuristic algorithms
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, üretim sistemlerinde kalite kusurlarını azaltmak için makine öğrenmesi (machine learning, ML) ile meta-sezgisel algoritmaları (metaheuristic algorithms, MA) birleştiren hibrit bir süreç optimizasyonu yaklaşımı sunmaktadır. Kusurlu ürünlerin azaltılması genellikle karmaşık süreç parametrelerinin etkin biçimde optimize edilmesini gerektirir. Kalite süreçlerinde kullanımı yaygınlaşan ML modelleri, hata öngörüsünde başarılı olmakla birlikte, sınırlı açıklanabilirlikleri nedeniyle en uygun girdi ayarlarının belirlenmesinde yetersiz kalmaktadır. Bu sorunu aşmak için, ek deneysel maliyet olmadan rutin üretim verilerinden öğrenen yeni bir ML-MA entegrasyon çerçevesi geliştirilmiştir. Önerilen yapıda ML modelleri üretim hatalarını tahmin ederken, MA teknikleri bu tahminleri minimize edecek optimum süreç koşullarını belirlemektedir. Özellik düzeyindeki çıkarımlara odaklanan önceki çalışmalardan farklı olarak, çerçeve doğrudan uygulanabilir parametre önerileri üretmekte ve süreçlerin iyileştirilmesine katkı sağlamaktadır. Dinamik ve çift yönlü yapısı sayesinde geleneksel ML-MA entegrasyonlarının ötesine geçerek alana yenilikçi bir yaklaşım sunmaktadır. Yöntem, dökme demir endüstrisinin önemli bir alanı olan kum kalıba döküm sürecinde sinter hatalarını azaltmak amacıyla uygulanmıştır. Kusur tahmini için beş farklı ML algoritması değerlendirilmiş, en başarılı modelin çıktısını iyileştirmek üzere üç farklı MA yöntemi uygulanmıştır. Bu çalışmadaki deneysel doğrulama, operasyonel kısıtlamalar nedeniyle on üretim denemesiyle sınırlı kalmıştır; ancak çerçeve sinter kusurlarını %78,9 oranında azaltarak pratik uygulanabilirliğini doğrulamıştır.
Özet (Çeviri)
This thesis presents a hybrid process optimization approach that integrates machine learning (ML) with metaheuristic algorithms (MA) to reduce quality defects in manufacturing systems. Minimizing defective products often requires the effective optimization of complex process parameters. Although ML models, increasingly adopted in quality management, are effective in defect prediction, their limited interpretability restricts the identification of optimal input settings. To address this limitation, a novel ML-MA integration framework was developed, learning from routine production data without additional experimental costs. In this framework, ML models predict defect rates, while MA techniques identify the optimal process conditions that minimize these predictions. Unlike previous studies focusing primarily on feature-level insights, the proposed framework directly generates actionable parameter recommendations, contributing to tangible process improvements. Its dynamic and bidirectional architecture extends beyond conventional ML-MA integrations, offering an innovative approach to the field. The methodology was applied to the sand casting process in the foundry industry, targeting the reduction of sintering defects. Five ML algorithms were evaluated for defect prediction, and three MA methods were employed to optimize the most accurate model's output. Experimental validation in this study was limited to ten production trials due to operational constraints; however, the framework reduced sinter defects by 78.9%, confirming its practical viability.
Benzer Tezler
- Büyük kesitli dökme çelik malzemelerin mekanik özelliklerinin bileşim ve işlem süreçleri ile ilişkisi
The relationship between the mechanical properties of heavy section cast steel materials and their composition and processes
ERSEL AYDIN
Doktora
Türkçe
2019
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA KELAMİ ŞEŞEN
DR. ÖĞR. ÜYESİ CEVAT FAHİR ARISOY
- Alüminyum alaşımlarının dökümünde uygulanan dinamik uyarımların yapay yaşlanmaya etkileri
Effects of dynamic stimulations applied in casting aluminum alloys on artificial aging
YUSUF TALHA DÖNMEZ
Yüksek Lisans
Türkçe
2024
Metalurji MühendisliğiYıldız Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM ALTUĞ GÜLER
- HK tip aısı östenitik paslanmaz çeliğin kum kalıba dökümünde, soğutucu kullanımının yüzey hatalarına ve mikroyapıya etkisinin incelenmesi
Investigation of the effect of using in-mold coolers on surface defects and microstructure formation in sand casting of HK type aisi austenitic stainless steel
AYKUT UÇAR
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriSakarya Uygulamalı Bilimler ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR ÖZSARAÇ
- Kokil ve kum kalıba döküm yöntemleriyle üretilen yüksek kromlu beyaz dökme demirlerin x-ışınları ve taramalı elektron mikroskobu çalışmalarıyla karakterize edilmesi
Characterization of high chromium white cast irons which were produced by permanent mold casting and sand casting methods by x-rays and scanning electron microscope
AKIN ODABAŞI
Yüksek Lisans
Türkçe
2004
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF.DR. NİYAZİ ERUSLU
- Dökme demirlerin kum kalıba döküm tekniğinde yolluk sistemlerinin dizaynı ve simülasyon sonuçlarının incelenmesi
Gating system design in sand casting of cast iron and investigating the simulation results
ATAHAN ERBUL
Yüksek Lisans
Türkçe
2017
Makine MühendisliğiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN SÖNMEZ
DR. ALİ SERDAR VANLI