Yapay sinir ağları ile seramik sır özelliklerinin tahmin edilmesi
Prediction of ceramic glaze properties by artificial neural networks
- Tez No: 37369
- Danışmanlar: PROF. DR. İSKENDER IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Seramik Mühendisliği, Ceramic Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Dumlupınar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Seramik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Türk seramik sektörünün bugünkü durumu incelendiğinde sürekli teknolojiye yatırım yaptıkları ve en son yeniliklere uyumlu bir yapı sergiledikleri görülür. Bu kapsamda seramik üretim sektöründe mevcut sırın iyileştirilmesi veya yeni bir sır tasarımında çok sayıda prototipin hazırlanması gerekmektedir. Bu araştırma-geliştirme süreçlerinde işçilik kaybı, zaman kaybı ve bunlara bağıntılı olarak maliyetin artması, dolayısıyla da ürün maliyetlerine bir yansıması olmaktadır. Yaşanan bu olumsuzlukları azaltmak düşüncesiyle, üretim prosesinden alınan bazı veriler kullanılarak sırdaki parlaklık ve uygun sır bileşenlerinin tahmin edilmesi hedeflenmiştir.Bu çalışmada yıkanmış Uşak kaolini, sülyen ve kuvars üçlü diyagramı kullanılarak reçeteler hazırlanmış ve iki farklı sıcaklıkta (950 0C ve 1150 0C) numuneler pişirilmiştir. Sıcaklık, yüzey gerilim ve genleşme katsayı verileri yapay sinir ağları (YSA) giriş değişkenleri olarak kullanılmıştır. YSA'nın çıkış değişkenleri olarak da sırın bileşen değerleri ve camlaşma değeri alınmıştır. Yapay sinir ağları modeli MatLab 2009 paket programının Toolbox'ı kullanılarak oluşturulmuştur.Eğitim sonuçları ve test sonuçları gerçek değerlerle karşılaştırılarak ağ performansına bakılmıştır. Eğitim sonucunda camlaşma için regresyon R2=0,7856 % hata 7,02, sır bileşenleri için R2=0,8588 ile R2=0,9894, % hata 8,63x10-3 ile 0,63 arasında yüksek bir performans göstermiştir. Test sonucunda camlaşma için regresyon R2=0,8167 % hata 7,02, sır bileşenleri için R2=0,9996 ile 0,9986, % hata 8,63x10-3 ile 0,63 arasındaki değerleriyle eğitimde olduğu gibi ağ performansının yüksek olduğu ortaya konulmuştur.Sonuç olarak, geliştirilen yapay sinir ağları modelinin, seramik sektöründe sır ile bünye uyumunun sağlanmasında başarılı bir şekilde kullanılabileceği saptanmıştır. Aynı zamanda Ar-Ge çalışmalarında maliyeti düşürerek sonuca hızlı bir şekilde ulaşılabileceğini göstermiştir.
Özet (Çeviri)
Analyzing the current state of Turkish ceramic sector, it is seen that there is a continuous investment in technology and modern innovations are adopted. In this context, a great number of prototypes are to be developed in ceramic production sector either to improve the current glaze or to design a new glaze. In this research and development process, labour loss, time loss and therefore an increase in cost are reflected to the product cost. In order to minimize these shortcomings, it is aimed to estimate glaze luminosity and appropriate glaze components using data from production processes.In this study, recipes were prepared using washed kaolinite from Uşak province, lead tetroxide and quartz triple diagram and the samples were fired at two different temperatures (950 0C and 1150 0C). The input variables of artificial neural networks (ANN) were temperature, surface tension and expansion coefficient data. The output variables of ANN were component values of the glaze and vitrification value. The ANN model was designed using Toolbox of MatLab 2009 package program.The training results and test results were compared to the real values in order to check the network performance. As a result of training, high performance was observed for vitrification at regression value R2=0,7856, fault value 7,02%; for glaze components between values R2=0,8588 and R2=0,9894, fault values 8,63x10-3 and 0,63%. As a result of the test, as in training, high performance was observed in the network for vitrification at regression value R2=0,8167, fault value 7,02%; for glaze components between values R2=0,9996 and 0,9986, fault values 8,63x10-3 and 0,63%.Consequently, it was determined that the artificial neural network model could be used successfully in ceramic sector in achieving harmony between the glaze and the structure. At the same time, it was shown that it could lead a faster result by decreasing cost in Research & Development activities.
Benzer Tezler
- Scheduling with artifical neural networks
Yapay sinir ağları ile çizelgeleme
BURÇKAN GÜRGÜN
Yüksek Lisans
İngilizce
1993
Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İHSAN SABUNCUOĞLU
- Well test model identification by artifical neural networks
Yapay sinir ağları ile kuyu testleri değerlendirme modelinin tanımlanması
ERKAN KARAKAYA
Yüksek Lisans
İngilizce
1993
Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik ÜniversitesiPetrol Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA VERSAN KÖK
- Yapay sinir ağları ile Türkçe konuşma tanımı
Turkish speech recognition using artifical neural networks
BARIŞ AKÇAY
Yüksek Lisans
Türkçe
1994
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. H. SELÇUK GEÇİM
- Yapay sinir ağları ile doku sınıflandırma
Tissue classification using artificial neural networks
AYSU SEVEN
Yüksek Lisans
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERTUĞRUL YAZGAN
- Identifying probability distributions using neural networks
Yapay sinir ağları ile istatistiki dağılımların belirlenmesi
ANIL YILMAZ