MERMER KESME İŞLEMİNDE KESİM SÜRESİNİN YAPAY SİNİR AĞI TABANLI MODELLENMESİ

Yıl 2011, Cilt: 3 Sayı: 2, 9 - 16, 01.06.2011

Uğur Güvenç Mustafa Dursun Hasan Çimen

Öz

Doğrusal olmayan bir yapıya sahip olan mermer kesim süresi testere devir sayısına, vagon ilerleme hızına ve zamana karşılık kesim miktarına bağlı olarak değişmektedir. Bu değişkenlere bağlı olarak daha önce laboratuar ortamında yapılmış olan deneylerden elde edilen verilerin matematiksel olarak modellenmesi oldukça zordur. Bu çalışmada, mermer kesme işleminin bitiş süresine yönelik yapay sinir ağ (YSA) tabanlı bir modelleme işlemi gerçekleştirilmiştir. Eğitim esnasında deney verilerinin %90’ı verilmiş olup %10’u test amaçlı kullanılmıştır. Elde edilen sonuçlara göre, gerçekleştirilen modellemenin uygulanabilir olduğu görülmüştür.

Anahtar Kelimeler

YSA, İlerleme Hızı, Testere Devir Sayısı

ARTİFİCAL NEURAL NETWORK BASED MODELİNG OF CUTTING TIME IN THE MARBLE CUTTING PROCESS

Öz

The marble cutting time which has a nonlinear structure changes depending on speed of circular saw rotation, forward speed and amount of cutting against time. Depending on this variables before mathematical modeling of the data optained from experiments made in laboratory environment are very difficult. In this study, intended to the completion time of marble cutting operation, based artificial neural network (ANN) modeling process were performed. 90% of the experimental data was given during training and 10% were used for testing purposes. According to the results obtained, performed the modelling was seen as applicable.

Anahtar Kelimeler

ANN, Forward Speed, Speed of Circular Saw Rotation

Kaynakça

• Bayram, F., Kulaksız, S. ve Özçelik, Y. (2003). Katraklarda Mermerlerin Fiziki-Mekanik
• Özelliklerinin ve Kesim Hızının Elmas Soketlerdeki Aşınmalara Etkisi. Türkiye IV. Mermer Sempozyumu (Mersem 2003) Bildiriler Kitabı, 18-19 Aralık, Ankara.
• Büyüksağış, I., S. (1998). Dairesel Testereli Blok Kesme Makinelerinde Mermerlerin
• Kesilebilirlik Analizleri. Osmangazi Üniversitesi Fen Bilimleri Enstitüsü, Doktora tezi, Eskişehir. Caner, M., ve Akarslan, E. (2009). Mermer kesme işleminde spesifik enerji faktörünün
• ANFIS ve YSA yöntemleri ile tahmini. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 15 (2) 233-239. Çınar, S., M. (2007). Mermer Kesme Makinelerinde Elektrik Enerjisi Tüketimi
• Optimizasyonu. AKÜ., Fen Bil.Ens. Yük.Lis.Tezi, Afyonkarahisar. Güvenç, U. (2007). Anahtarlamalı Relüktans Motor Manyetik Akısının Yapay Sinir Ağı
• Tabanlı Modellenmesi.Akademik Bilişim’07- IX. Akademik Bilişim Konferansı Bildirileri, Dumlupınar Üniversitesi, Kütahya. İnan, A. (1999). Yapay Sinir Ağlarının Güç Sistemlerinde Kullanım Alanları. Kaynak Elektrik, Sayı 119, 104-114,
• Kalogirou, S., A. (2001). Artificial neural networks in the renewable energy systems applications. A review, Renewable and Sustainable Energy Reviews, , vol. 5, pp. 373–401.
• Kurt, H., Atik, K., Özkaymak, M. And Binark, A. K. (2007). The artificial neural networks approach for evaluation of temperature and density profiles of salt gradient solar pond.
• Journal of the Energy Institute, , 80 (1), pp.46–51. Nasr, G., E. and Badr, C., J. (2003). Back-propagation neural networks for modeling gasoline consumption. Energy Conversion and Management, 44 (6), 893–905.
• Öztemel E. (1992). Integrating expert systems and neural networks for intelligent on-line statistical process control. School of Electrical, Electronic and Systems Engineering,
• University of Wales, PhD thesis. Cardiff, December p. 1–38. Saritas, İ. (2008). The Design of Magnetic Filter for Cleaning Industrial Liquids and Adaptive
• Control of Filter by Artificial Intelligence Methods. Selcuk University Institute of the Natural and Applied Sciences, Phd Thesis. Spiegel, R.J., Turner, M.W., McCormick, V.E. (2003). Fuzzy-logic-based Controllers for
• Efficiency Optimization of Evirici-fed Induction Motor Drivers. Elsevier, Fuzzy Sets and Systems 137, pp.387-401. Xu, X. P., Li, Y. Malkin, S. (2001). Forces and Energy in Circular Sawing and Grinding of
• Granite. Journal of Manufacturing Science and Engineering, Feb., Vol.123, pp.13-22. Yang, I. H., Yeo, M., S. and Kim, K., W. (2003). Application of artificial neural network to predict the optimal start time for heating system in building. Energy Conversion and Management, vol. 44(17), pp.2791-2809.
• U. Güvenç, S. Biroğul, ve Y. Sönmez., (2007). Yapay Sinir Ağları Eğitim Seti. The Proceedings of 7th International Educational Technology Conference, 3-5 May, Turkish
• Republic of Northern Cyprus.