Alaşım elementlerinin mekanik özellikler üzerindeki etkisinin derin öğrenme metodu ile kestirimi
Prediction of eefects alloying elements on mechenical proporties by using deep learning method
- Tez No: 743570
- Danışmanlar: DR. ÖĞR. ÜYESİ YILDIZ ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Derin öğrenme, Kompozisyon, Malzeme bilimi, Mekanik özellikler, Yapay zeka, Deep learning, Composition, Material science, Mechanical properties, Artificial intelligence
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüz sanayisi ve gelişen teknoloji göz önüne alındığında ihtiyaçlar her geçen gün değişmekte, bu değişim, firmaları hep daha iyisini bulma arayışına yönlendirmektedir. Şirketler rekabet üstünlüğü elde edebilmek amacıyla kimi zaman tasarımda değişim ve iyileştirmeye giderken kimi zaman da alternatif malzeme kullanımı tercih etmektedir. Alternatif malzeme arayışı, mekanik değerleri iyileştirilmiş, modern üretim yöntemlerine uygun, kolay erişilebilir ve pahada ucuz olacak şekilde yapılmaktadır. Birçok malzeme, istenilen özellikleri sağlayamamakta, bu durumda, firmalar alaşımlandırma veya proses değişiklikleri ile istenilen malzeme özelliklerine ulaşmayı hedeflemektedirler. Konvansiyonel alaşımlandırma yöntemleri hem maliyet hem de zaman açısından, firmaların ciddi kayıplar yaşamasına sebep olmaktadır. Bu çalışmada, malzeme kompozisyonundaki elementlerin, mekanik özellikler üzerindeki etkisinden yola çıkılmış ve içerikte yapılan oransal değişikliklerin malzeme özelliklerine olan etkisi, farklı metotlar ile tahmin edilmiştir. Tahminleme, çekme mukavemeti, elastikiyet katsayısı, uzama, akma mukavemeti ve sertlik değerleri üzerinde yapılmış olup 4 farklı metot ile gerçekleştirilmiştir. Kullanılan yöntemlerden ilki olan rassal orman metodu ile %78, ikinci yöntem olan destek vektör regresyonu metodu ile %83, üçüncü yöntem olan tekli yapay sinir ağı metodu ile %83 ve sonuncu yöntem olan çoklu yapay sinir ağı metodu ile ortalama %91 oranında doğruluk elde edilmiştir. Çalışma neticesinde en başarılı sonuç çoklu yapay sinir ağı metodu ile elde edilmiş ve konvansiyonel yöntemlere göre %85 daha kısa sürede ve %80 daha az maliyetle istenilen sonuca ulaşılmıştır.
Özet (Çeviri)
Considering today's industry and developing technologies, the customer needs are changing day by day and this change leads companies to always seek to find the better. In order to gain a competitive advantage, companies sometimes prefer the use of alternative materials while changing and improving the design. The search for alternative materials is carried out in a way that has improved mechanical values, is suitable for modern production methods, is easily accessible and is inexpensive. Many bulk materials are insufficient to provide the desired properties, and in this case, companies aim to achieve the desired material properties by alloying or process changes. Conventional alloying methods cause serious losses in companies in terms of both cost and time. In this study, the effects of the elements in the material composition on the mechanical values selected as a starting point and the effect of the proportional changes in the content on the material properties was estimated by different methods. Estimation was made on tensile strength, elasticity coefficient, elongation, yield strength and hardness values and was carried out with 3 different methods. The accuracy was 78% with the random forest method, which is the first method, 83% with the support vector regression method, which is the second method, 83% with the single artificial neural network method, which is the third method, and 91% on average with the multiple artificial neural network method, which is the last method. As a result of the study, the most successful result was obtained with the artificial neural network method and the desired result was achieved in 85% shorter time and 80% less cost than conventional methods.
Benzer Tezler
- AISI 430 kalite paslanmaz çeliklerin mikroyapı ve mekanik özelliklerinin perçinleme prosesinde çatlak oluşumuna etkisinin incelenmesi
Investigation of the effect of the microstructure and mechanical properties of AISI 430 stainless steel on the crack formation during the riveting process
ASUDE BALAKAN
Yüksek Lisans
Türkçe
2020
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT BAYDOĞAN
- Kompakt grafitli dökme demirin delik delme işleminin incelenmesi ve sıcaklık modelinin oluşturulması
Investigation and thermal modelling of compacted graphite iron drilling
ALİ TANER KUZU
Doktora
Türkçe
2016
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BAKKAL
- Combustion synthesis and characterization of molybdenum and boron containing multicomponent composite materials
Molibden ve bor içeren çok bileşenli kompozit malzemelerin yanma sentezi ile üretimi ve karakterizasyonu
SEVINCH RAHIMI MOGHADDAM
Doktora
İngilizce
2019
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
DOÇ. CEVAT BORA DERİN
- Production and characterization of al-CoCrFeNi-M (M=Mo, Cu, Mn) high entropy alloys by combustion synthesis method
Al-CoCrFeNi-M (M=Mo, Cu, Mn) yüksek entropili alaşımlarının yanma sentezi yöntemiyle üretimi ve karakterizasyonu
FARUK KAYA
Doktora
İngilizce
2024
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT BORA DERİN
- AA206 alüminyum döküm alaşımında empürite demirin mekanik özelliklere etkilerinin incelenmesi
Effects of impurity iron on the mechanical properties of AA206 aluminium casting alloy
MELTEM AK
Yüksek Lisans
Türkçe
2012
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. M. KELAMİ ŞEŞEN