Modelling of Cement Raw Material Site using Fuzzy Neural Network

Yıl 2017, Cilt: 32 Sayı: 4, 21 - 30, 26.12.2017

Faruk Şahin Ahmet Dağ Bayram Ali Mert

https://doi.org/10.21605/cukurovaummfd.371031

Öz

The chemical composition of raw materials is an important factor that affects the production process and
the quality of cement. Lime Saturation Factor (KDF) is one of the critical used in the cement industry
between chemical modules. Prediction of this value using chemical components is gaining importance in
pre clinker production. In this study, it is investigated that usage of soft computing techniques which have
been popular particularly in engineering works. For this purpose, the prediction of lime saturation factor
distributions of Adana Cement raw material site by means of fuzzy-neural network techniques has been
conducted. As a consequence, the studies showed that the predictions are successful for the raw materials
site and it could be accepted that soft computing techniques are convenient tools for obtaining robust and
flexible model structures.

Anahtar Kelimeler

ANFIS, Soft computing, Lime saturation factor

Çimento Hammadde Sahasının Bulanık Sinir Ağı ile Modellenmesi

Öz

Çimento üretiminde hammaddenin kimyasal kompozisyonu üretim iĢlemlerini ve çimentonun kalitesini
etkileyen önemli bir faktördür. Kireç Doygunluk Faktörü (KDF) çimento sanayinde kullanılan kimyasal
modüller arasında kritik olanıdır. Kimyasal bileĢenler kullanılarak bu değerin kestirilmesi klinker üretimi
öncesi önem kazanmaktadır. Bu çalıĢmada, özellikle mühendislik çalıĢmalarında önem kazanan esnek
hesaplama tekniklerinin çimento sektöründe kullanılabilirliği araĢtırılmıĢtır. Bu amaçla Adana Çimento
hammadde sahası için kireç doygunluk faktörü dağılımının tahmini bulanık sinir ağları yöntemi ile
gerçekleĢtirilmiĢtir. Sonuç olarak, yapılan çalıĢmalar baĢarılı tahminlerin yapıldığını göstermiĢ ve
çimento endüstrisinde esnek hesaplama teknikleri güçlü ve esnek model yapılarının sağlanmasında uygun
araçlar olarak değerlendirilebilir. 

Anahtar Kelimeler

ANFIS, Esnek hesaplama, Kireç doygunluk faktörü

Kaynakça

• 1. Şahin, F., 2009. Çimento Hammadde ve Üretim Sürecinde Esnek Hesaplama Yöntemlerinin Kullanımı. Yüksek Lisans Tezi, Çukurova Üniv. Fen Bilimleri Enstitüsü, Adana, 52.
• 2. Yalnız, H., 2006. Çimento Sanayii Hammadde Ocağı Üretim Planlaması. Doktora Tezi, Dokuz Eylül Üniv. Fenbilimleri Enstitüsü, İzmir, 182.
• 3. Pahm, T.D., 1997. Grade Estimation using Fuzzy-Set Algorithrns. Mathematical Geology, 29, 291-304.
• 4. Bardossy, G., Fodor, J., 2004. Evaluation of Uncertainties and Risks in Geology. Springer, 221.
• 5. Tütmez, B., Dag, A., 2007. Use of Fuzzy Logic in Lignite Inventory Estimation. Energy Sources Part B, 2, 93-103.
• 6. Tutmez, B. 2015. A Data-driven Study for Evaluating Fineness of Cement by Various Predictors, Int. J. Mach. Learn. & Cyber., 6, 501-510.
• 7. Tutmez, B., Dag, A., 2012. Regression-based Algorithms for Exploring the Relationships in a Cement Raw Material Quarry, Computers and Concrete, 10, 5, 457-467.
• 8. Özdemir, A.C., Dağ, A., 2017. Çimento Sektöründe Basınç Dayanımının Esnek Hesaplama Yöntemleri ile Modellenmesi, 2nd International Mediterranean Science and Engineering Congress, Adana, 1-6.
• 9. Karay, F.O., De Silva, C., 2004. Soft Computing and Intelligent Systems Design: Theory, Tools and Applications, Pearson Addison Wesley, England.
• 10.Buckley, J.J., Hayashi, Y., 1995. Neural Networks for Fuzzy Systems, Fuzzy Sets and Systems, 71, 265-276.
• 11. Takagi, H., Sugeno, M., 1983. Derivation of Fuzzy Control Rules from Human Operator’s Control Actions, Proceedings of IFAC Symposium on Fuzzy Information, Knowledge Representation and Decision Analysis, 55-60.
• 12. Takagi, T., Sugeno, M., 1985. Fuzzy Identification of Systems and its Applications to Modelling and Control. IEEE Transactions on Systems, Man, and Cybernetics, 15, 116-132.
• 13. Tütmez, B., Hatipoğlu, Z., Kaymak, U., 2006. Modeling Electrical Conductivity of Groundwater using an Adaptive Neuro-Fuzzy Inference System. Computer&Geosciences 32 (4), 421-433.
• 14.Jang, J., 1993. ANFIS: Adaptive NetworkBased Fuzzy Inference System. IEEE Transaction on Systems, Man and Cybernetics 23, 665-685.
• 15. Vahidi, E.K., Malekabadi, M.M., Rezaei, A., Roshani, M.M. 2017. Modelling of Mechanical Properties of Roller Compacted Concrete Containing RHA using ANFIS. Computers and Concrete 19(4), 435-442