Bu çalışmada, özellikle sac metal şekillendiren firmaların, en önemli konularından biri olan sac metal yırtık tanımlama ve yakalama konusu araştırılmıştır. Sac yırtıklar seri imalatta frekansiyel olarak görülmesine karşın, araç ıskartalarına neden olduğu için etki derecesi ve maliyeti yüksektir. Bunu yapabilmek için, 0,6-3 mm kalınlık aralığında saclarda, sahada 490 adet farklı sac üzerinde yırtık denemeleri yapılarak, sac yırtık resim datası kütüphanesi oluşturulmuştur. Ayrıca 121 adet de yırtık olmayan “ok” parça da kütüphaneye dahil edilmiştir. Üstün özellik çıkarma yeteneği nedeniyle evrişimli sinir ağı (ESA), akıllı hata teşhisi alanında geniş çapta araştırılmış ve uygulanmış ve diğer geleneksel makine öğrenme yöntemlerine kıyasla üstün performans kazanmıştır. Daha sonra sac yırtık verisi ve yırtık olmayan parça verileri, eğitim ve test verisi olarak bölünerek ve farklı parametreler ile optimize edilerek, sistemin doğruluk değerleri test edilmiştir. Burada %98,5 doğruluk ve %90 doğrulama kesinliği gibi çok yüksek doğruluk oranlarına ulaşılmıştır. Bu durum, hem hatalara ait resim kütüphanemizin hem de modelimizin güvenilirliği hakkında bilgi vermektedir. Araştırma sonuçları, seri imalat uygulamalarında çok önemli olan, sac yırtık hatalarının tespiti ve yakalanması adına temel oluşturacağı için önemlidir.
Birincil Dil | Türkçe |
---|---|
Konular | Mimarlık |
Bölüm | Makaleler |
Yazarlar | |
Yayımlanma Tarihi | 21 Haziran 2022 |
Gönderilme Tarihi | 2 Şubat 2021 |
Kabul Tarihi | 26 Ocak 2022 |
Yayımlandığı Sayı | Yıl 2023 |