Please use this identifier to cite or link to this item: http://hdl.handle.net/11452/30786
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorÇakır, Cemal-
dc.contributor.authorÖzdemir, Kadir-
dc.date.accessioned2023-02-02T05:57:40Z-
dc.date.available2023-02-02T05:57:40Z-
dc.date.issued2022-
dc.identifier.citationÖzdemir, K. (2022). Ortogonal talaş kaldırma işleminde makine öğrenmesi algoritmaları kullanılarak deneysel sonuçların ve sonlu elemanlar analiz sonuçlarının değerlendirilmesi. Yayınlanmamış doktora tezi. Bursa Uludağ Üniversitesi Fen Bilimleri Enstitüsü.tr_TR
dc.identifier.urihttp://hdl.handle.net/11452/30786-
dc.description.abstractBir çok endüstri kolunda olduğu gibi talaşla imalat endüstrisinde de üretimin verimliliğini etkileyecek verileri önceden tahmin etmek hem kesici takım maliyetlerinin hemde üretim maliyetlerinin düşürülmesi bakımından öndemlidir. Bu kapsamda yıllardır kullanılmakta olan sonlu elemanlar yönteminin yanında son yıllarda karşımıza bir çok alanda kullanılan makine öğrenmesi ve yapay zeka yöntemleri çıkmaktadır. Bu öğrenme yöntemleri deneysel ve sayısal çalışmalara yardımcı olarak kullanıldığı zaman hem deney süreleri hemde sayısal hesaplama süreleri önemli derecede kısalmaktadır. Böylece hem deney maliyetlerinin azaltılması hemde sayısal hesaplama sürelerinin kısalması sağlanabilmektedir. Bunun yanında bilinmeyen veya deneyi yapılmayan parametrelerin tahmini mümkün olabilmektedir. Bu çalışmada öncelikle ortogonal talaş kaldırma probleminin sayısal olarak modellenmesi üzerinde durulmuş ve modelleme sonuçları deneysel veriler ile karşılaştırılmıştır. Daha sonra deneysel veriler ve sonlu elamanlar verileri makine öğrenmesi algoritmalarına öğretilmiştir. Öğretme işleminden sonra bilinmeyen veriler olan kesme kuvvetinin ve maksimum talaş sıcaklığının sadece kesme parametreleri girilerek tahmini yapılmıştır. Deneyler ile sonlu elemanlar analizi sonuçlarından elde edilen verilere en doğru cevabı veren makine öğrenmesi algoritmaları Support Vector Machine, Linear Regression ve Gaussian Process Regression olarak belirlenmiştir. Bunlara ek olarak ortogonal kesme işleminde elde edilen sıcaklık, talaş şekli ve gerilmeler tartışılmıştır.tr_TR
dc.description.abstractAs in many industries, it is important to predict data that will affect the efficiency of production in the chip manufacturing industry in terms of reducing both cutting tool costs and production costs. In this context, besides the finite element method that has been used for years, machine learning and artificial intelligence methods used in many fields in recent years have emerged. When these learning methods are used as an aid to experimental and numerical studies, both experimental times and numerical calculation times are shortened significantly. Thus, it can be ensured that both the experimental costs and the numerical calculation times are shortened. In addition, it is possible to estimate unknown or untested parameters. In this study, primarily numerical modelling of the orthogonal machining problem was emphasized and the modelling results were compared with the experimental data. Then, experimental data and finite element data were taught to machine learning algorithms. After the teaching process, the cutting force and maximum chip temperature, which are unknown data, were estimated by entering only the cutting parameters. Support Vector Machine, Linear Regression and Gaussian Process Regression were determined as the machine learning algorithms that gave the most correct answer to the data obtained from the finite element analysis results with the experiments. In addition to these, the temperature, chip shape and stresses obtained in orthogonal cutting process are discussed.en_US
dc.format.extentX, 108 sayfatr_TR
dc.language.isotrtr_TR
dc.publisherBursa Uludağ Üniversitesitr_TR
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAtıf 4.0 Uluslararasıtr_TR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.subjectOrtogonal kesmetr_TR
dc.subjectJohnson Cooktr_TR
dc.subjectMakine öğrenmesitr_TR
dc.subjectKesme kuvvetleritr_TR
dc.subjectOrtogonal cuttingen_US
dc.subjectMachine learningen_US
dc.subjectCutting forcesen_US
dc.titleOrtogonal talaş kaldırma işleminde makine öğrenmesi algoritmaları kullanılarak deneysel sonuçların ve sonlu elemanlar analiz sonuçlarının değerlendirilmesitr_TR
dc.title.alternativeThe use of machine learning techniques to assess experimental and fine-element analysis findings on the ortogonal cutting processen_US
dc.typedoctoralThesisen_US
dc.relation.publicationcategoryTeztr_TR
dc.contributor.departmentBursa Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Makine Mühendisliği Anabilim Dalı.tr_TR
dc.contributor.orcid0000-0001-5119-7657tr_TR
Appears in Collections:Fen Bilimleri Doktora Tezleri / PhD Dissertations

Files in This Item:
File Description SizeFormat 
Kadir_Özdemir.pdf4.36 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons