Alüminyum döküm hatalarının derin öğrenme yaklaşımıyla tespiti ve sınıflandırılması
Detection and classification of aluminum casting defects by deep learning approach
- Tez No: 773471
- Danışmanlar: PROF. DR. ERDAL EMEL
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Alüminyum, Derin öğrenme, Döküm hataları, Kusur tespiti, Tahribatsız muayene, X ışını, Aluminum, Deep learning, Casting defects, Flaw detection, Nondestructive inspection, X ray
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Eşsiz özellikleri nedeniyle, yüksek basınçlı döküm tekniğiyle üretilen alüminyum döküm parçaları, özellikle otomotiv endüstrisinde yaygın olarak kullanılmaktadır. Bununla birlikte döküm parçalarının muayenesi, başka türlü görülemeyen iç kusurları incelemek için X-ışını gibi teknolojiler kullanılarak kritik bileşenlerin tahribatsız test edilmesini gerektiren bir süreçtir. Böylesine zaman alıcı bir görsel muayene, azami dikkatle iyi eğitilmiş uzmanlar gerektirir. Bu çalışmada, alüminyum döküm parçalarının iç kusurlarını uluslararası bir standarda uygun olarak tespit etmek, seviyelendirmek ve bu kusur bilgileriyle döküm süreci parametrelerini ilişkilendirmek amaçlanmıştır. Kullanılan veri seti (Al-Cast veri seti), X-ışını görüntülerinden oluşan özgün bir veri seti olup tüm görüntüler dikkatlice etiketlenmiştir ve tahribatsız muayene topluluğu için açık erişimli olarak paylaşılmıştır. Kusurların tespiti için derin öğrenme tabanlı bir nesne tespit yöntemi kullanılmış olup, tespitler gerçek-zamanlı ve yüksek doğrulukta (0.97'lik mAP değeri) gerçekleştirilmektedir. Tespitten elde edilen bilgilerle k-ortalamalar++ kümeleme algoritmasından faydalanılarak kusurlar, ASTM standartlarına göre kusur oranları belirlenerek seviyelendirilir. Ayrıca yedi farklı döküm süreci parametresi kullanılarak kusur oranı çıktısı üzerinden nispeten az sayıda yapılan deneylerle bu parametrelerin kusur oranına etkileri analiz edilmiştir. Sonuçlar özellikle ikinci faz piston hızı, üçüncü faz basıncı ve enjeksiyon dolu noktasının kusur oranı üzerinde anlamlı bir etkiye sahip olduğunu göstermektedir. Çalışma bütünsel olarak hem kalite kontrol hem de üretim aşamasında bir karar destek sistemi olarak kullanılmak üzere önemli bir potansiyele sahiptir.
Özet (Çeviri)
Due to their unique properties, aluminum casting parts produced by high pressure casting technique are widely used, especially in the automotive industry. However, inspection of castings is a process that requires non-destructive testing of critical components using technologies such as X-ray to examine internal defects that cannot be seen otherwise. Such a time-consuming visual inspection requires well-trained experts with the utmost care. In this study, it is aimed to detect and grade the internal defects of aluminum casting parts in accordance with an international standard and to correlate this defect information with the casting process parameters. The dataset used (Al-Cast dataset) is a unique dataset of X-ray images, all images are carefully labeled and shared open access for the nondestructive testing community. A deep learning-based object detection method is used for the detection of defects, and the detections are performed in real-time and with high accuracy (mAP value of 0.97). Using the k-means++ clustering algorithm with the information obtained from the detection, the defects are graded by determining the defect rates according to ASTM standards. In addition, the effects of these parameters on the defect rate were analyzed with a relatively small number of experiments on the defect rate output using seven different casting process parameters. The results show that especially the second phase piston speed, third phase pressure and injection fill level have a significant effect on the defect rate. The study has significant potential to be used as a whole decision support system both quality control and production phase.
Benzer Tezler
- Yüksek işlenebilirlik kabiliyetine sahip 2011 alüminyum alaşımı geliştirilmesi
Development of highly machinable 2011 aluminium alloy
İLYAS ARTUNÇ SARI
Yüksek Lisans
Türkçe
2022
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. ONURALP YÜCEL
- Kenar yolluk sisteminde bağlantı kesitinin belirlenmesinde proses parametrelerinin etkisi
Das Connoranschnittsystem die bestimmen fliesskanalhöhe wirken des fertigungs
CEMAL ÜLGER
Yüksek Lisans
Türkçe
1989
Metalurji MühendisliğiGazi ÜniversitesiMetalurji Eğitimi Ana Bilim Dalı
PROF.DR. Ö. ERTUĞRUL ATASOY
- Basınçlı döküm yöntemiyle üretimde ohtea tekniği uygulaması ile ürün ve proses optimizasyonu
Başlık çevirisi yok
MURAT ATEŞ
- Damage classification of cnt/cnc-reinforced pu foam-cored sandwich panels through acoustic emission testing
Akustik emisyon yöntemi ile knt/snk katkılı pu köpük dolgulu sandviç plakaların hasar mekanizmalarının incelenmesi
EYÜPHAN KÜÇÜKKALFA
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAAN YILDIZ
- Yüksek basınçlı döküm prosesi ile üretilen alüminyum otomotiv parçalarında kalıp tasarım değişikliklerinin parça döküm kalitesi üzerine etkilerinin araştırılması
Investigation of the effects of die design modifications on casting part quality in aluminum automotive parts produced by high pressure die casting process
ONUR KENAR
Yüksek Lisans
Türkçe
2019
Metalurji MühendisliğiSakarya ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EKREM ALTUNCU