Çelik üretimi ile sıcak haddeleme süreçlerinde enerji, hammadde ve kalite optimizasyonu için istatistiksel ve yapay zekâ yaklaşımları
Statistical and artificial intelligence approaches for energy, raw material, and quality optimization in steel production and hot rolling processes
- Tez No: 983738
- Danışmanlar: PROF. DR. SELÇUK MISTIKOĞLU, YRD. DOÇ. DR. MEHMET ALİ GÜVENÇ
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Betonarme çelik, Demir çelik sektörü, Optimizasyon, Sıcak haddeleme, Reinforced concrete steel, Iron steel sector, Optimization, Hot rolling
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çelik endüstrisi, yüksek sıcaklıkta gerçekleşen işlemler ve büyük üretim hacmi nedeniyle, sanayide en yüksek enerji ve hammadde tüketimine sahip sektörlerden biridir. Bu nedenle, üretim süreçlerinin verimliliğinin artırılması hem ekonomik fayda sağlamak hem de çevresel sürdürülebilirliği desteklemek açısından kritik öneme sahiptir. Bu tez çalışmasında hurda bazlı inşaat demiri üretim süreçlerine yönelik dört farklı deneysel araştırma gerçekleştirilmiştir. İlk olarak, sıcak haddelme kaba grupta Taguchi–Gri İlişki Analizi yöntemi kullanılarak altı geçişli haddeleme parametreleri optimize edilmiş, bu optimizasyon sonucunda %7,3 oranında enerji tasarrufu sağlanmış ve boyutsal tutarlılık arttırılmıştır. Bu çalışma, proses parametrelerinin sistematik olarak belirlenmesiyle hem enerji verimliliğine hem de boyutsal ürün kalitesine katkı sağlamıştır. Devamında, haddeleme kuvveti ve yayılma tahmini için Çoklu Doğrusal Regresyon (MLR) ve Yapay Sinir Ağı (ANN) modelleri geliştirilmiş ve karşılaştırılmıştır. FEM analizlerinden elde edilen verilerle oluşturulan bu modellerin doğruluk oranları test edilmiştir. Yapay Sinir Ağı modeli, haddeleme kuvveti ve yayılma tahminlerinde MLR modeline kıyasla biraz daha yüksek doğruluk elde etmiş olsa da, aradaki fark sınırlı kalmıştır. Bu nedenle, işlem kolaylığı ve yorumlanabilirlik açısından MLR modeli de uygulanabilir bir seçenek olarak değerlendirilebilir. Ayrıca her iki model, bir sonraki aşamadaki optimizasyon çalışmaları için sağlam bir altyapı sunmuştur. Üçüncü araştırmada, MLR ile hesaplanan haddeleme kuvveti değerleri, meta-sezgisel bir optimizasyon algoritması olan Yapay Arı Kolonisi (ABC) yöntemiyle optimize edilmiştir. ABC algoritması sayesinde enerji tüketiminde %10,4 oranında azalma elde edilmiş ve birim ağırlık farklılıklarında anlamlı bir düşüş sağlanmıştır. Son olarak, üretim hattından alınan 39 000'i aşkın veriyle eğitilen Derin Sinir Ağı (DNN) modeli, sıvı çelik bileşimi ve proses parametrelerine bağlı olarak mekanik özelliklerin yüksek doğrulukla öngörülmesini sağlamıştır. Bu model sayesinde %12 oranında mangan kullanımında azalma sağlanmış, böylece yılda yaklaşık 24 000 ton CO₂ emisyonu engellenerek çevresel sürdürülebilirliğe önemli katkılar sunulmuştur. Bu bütünleşik yaklaşım, entegre çelik üretiminde dijitalleşme, kalite kontrol, hammadde optimizasyonu ve çevresel etkiyi azaltma açısından önemli katkılar sunmakta ve gelecek çalışmalar için temel teşkil etmektedir.
Özet (Çeviri)
The steel industry, due to its high-temperature processes and large production volume, is one of the sectors with the highest energy and raw material consumption in the manufacturing industry. Therefore, improving the efficiency of production processes is critically important for achieving both economic benefits and environmental sustainability. In this doctoral study, four different experimental investigations were conducted focusing on scrap-based rebar production processes. First, in the roughing stage of hot rolling, a six-pass rolling parameter optimization was performed using the Taguchi–Grey Relational Analysis method. As a result of this optimization, a 7.3% reduction in energy consumption was achieved, and dimensional consistency was improved. This study contributed to both energy efficiency and dimensional product quality through the systematic determination of process parameters. Subsequently, Multiple Linear Regression (MLR) and Artificial Neural Network (ANN) models were developed and compared for predicting rolling force and material spread. These models were trained using data obtained from FEM analyses, and their prediction accuracies were evaluated. Although the ANN model demonstrated slightly higher accuracy than the MLR model in predicting rolling force and spread, the difference between the two was limited. Therefore, considering its simplicity and ease of interpretation, the MLR model can also be regarded as a viable alternative. Moreover, both models provided a solid foundation for the optimization studies conducted in the next phase. In the third investigation, rolling force values calculated via MLR were optimized using the Artificial Bee Colony (ABC) algorithm, a metaheuristic optimization technique. This approach resulted in a 10.4% reduction in energy consumption and a significant decrease in unit weight variation. Finally, a Deep Neural Network (DNN) model was trained using over 39,000 data points from the production line to predict mechanical properties based on liquid steel composition and process parameters with high accuracy. Through this model, manganese usage was reduced by 12%, preventing approximately 24,000 tons of CO₂ emissions annually and contributing significantly to environmental sustainability. This integrated approach offers valuable contributions to digitalization, quality control, raw material optimization, and reduction of environmental impact in integrated steel production, while also establishing a strong foundation for future studies.
Benzer Tezler
- Asimetrik kesitli profilin sıcak haddeleme üretim süreçlerinin simülasyon destekli tasarımı ve soğuma şartlarının ürün özelliklerine etkisi
Simulation-aided design of hot rolling production processes of asymmetric sectioned profile and effect of cooling conditions on product properties
MEHMET AKKAŞ
Yüksek Lisans
Türkçe
2019
Metalurji MühendisliğiManisa Celal Bayar ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. OSMAN ÇULHA
- Yassı çelik haddelemede kullanılan sıcak şerit haddehane hadde merdanelerinin aşınma parametrelerinin optimizasyonu ile servis ömürlerinin uzatılması
Optimizing the parameters of wearing of hot strip mill work rolls and increasing roll service life that used in the flat steel manufacturing
CANER TOPTAŞ
Yüksek Lisans
Türkçe
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Demir çelik sektörü ve demir çelik sektöründe sermaye maliyeti
Iron and steel sector and cost of capital in iron and steel sector
ALİ DİKMEN
Yüksek Lisans
Türkçe
2002
İşletmeMarmara ÜniversitesiSermaye Piyasası ve Borsa Ana Bilim Dalı
YRD. DOÇ. DR. MAHMUT HAYATİ ERİŞ
- Sıcak iş takım çeliklerinde kompozisyon modifikasyonunun mekanik özelliklere etkisi
Effect of composition modification on the mechanical properties in hot-working tool steels
EMRE BARUTCU
Yüksek Lisans
Türkçe
2024
Metalurji MühendisliğiBursa Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. DENİZ UZUNSOY
- Alaşımsız düşük karbonlu yassı mamüllerin elektrokimyasal olarak borlanması ve borlama işleminin mekanik özelliklere etkisi
Evaluation of mechanical behavior of borided low carbon full hard steel sheet
ASLI SU BORA
Yüksek Lisans
Türkçe
2017
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. SERVET İBRAHİM TİMUR