Yüzey pürüzlülüğünün yapay sinir ağı ve regresyon modelleri ile belirlenmesi ve karşılaştırılması

Yükleniyor...
Küçük Resim

Tarih

2011

Dergi Başlığı

Dergi ISSN

Cilt Başlığı

Yayıncı

Selçuk Üniversitesi Teknik Bilimler Meslek Yüksekokulu

Erişim Hakkı

info:eu-repo/semantics/openAccess

Özet

İmalat teknolojisinde, malzemenin kullanılabilirliğini ve maliyetleri etkileyen en önemli hususların başında ürün yüzey kalitesinin belirlenmesi gelmektedir. Bu nedenle imalat aşamasından önce en uygun yüzey pürüzlülüğü değerlerini belirlemek için değişik modeller geliştirmişlerdir. Bu çalışmada, endüstride önemli yer tutan tornalama işlemlerindeki uygun pürüzlülük değerlerinin tahmin edilmesi amaçlanmıştır. Bunun için Regression Modeli (RM) ve yapay zeka tekniği olan Yapay Sinir Ağı (YSA) ayrı ayrı kullanılmış ve karşılaştırılmıştır. Bu iki ayrı model için giriş parametreleri; uç radyüsü (r), yaklaşma açısı (?), talaş açısı (?) ve çıkış parametresi; yüzey pürüzlülüğü (Ra) olarak kullanılmıştır. Bu modellemeler ile yüzey pürüzlülük değerleri tahmin edilmiştir. Deneysel veriler ile geliştirilen YSA ve RM modellerinden elde edilen veriler istatistiksel olarak karşılaştırıldığında, tasarlanan modellerin başarılı sonuçlar verdiği görülmüştür (P>0.001). YSA ve RM ile elde edilen veriler deneysel veriler ile ayrı ayrı karşılaştırıldığında ise YSA ile elde edilen verilerin deneysel verilere RM ile elde edilen verilerden daha yakın olduğu ve yüzey pürüzlülük tahmini için kullanılabileceği görülmektedir.
In manufacturing technology, one of the most important factors affecting the usage and cost of materials is to determine the surface quality of products. Therefore, various models are developed in order to determine the most suitable roughness values before manufacturing stage. This study aims to predict the suitable surface roughness in turning, which is important in industry. For this, Regression Model (RM) and Artificial Neural Network (ANN), which is an artificial intelligence technique, are used separately and compared with each other. For these two models, input parameters are used as tool nose radius (r), approach angle (?), rake angle (?) and the output parameter is determined as surface roughness (Ra). With these models, Ra values are predicted. When experimental data are compared with developed RM and ANN statistically, the designed models are seen to be successful (P>0.001). When ANN and RM are compared separately, ANN values are seen to be closer to experimental data. These results show that these models can be used for estimating surface roughness.

Açıklama

url: http://sutod.selcuk.edu.tr/sutod/article/view/83

Anahtar Kelimeler

Yüzey pürüzlülük, Yapay sinir ağları, Regresyon analizi, Surface roughness, Artificial neural networks, Regression analysis

Kaynak

Selçuk-Teknik Dergisi

WoS Q Değeri

Scopus Q Değeri

Cilt

10

Sayı

Künye

Taşdemir, Ş. (2011). Yüzey pürüzlülüğünün yapay sinir ağı ve regresyon modelleri ile belirlenmesi ve karşılaştırılması. Selçuk-Teknik Dergisi, 10, (3), 215-226.