TEL ELEKTRO EROZYON İŞLEME İLE KESİLEN ALÜMİNYUM ALAŞIMLARININ YÜZEY PÜRÜZLÜLÜK DEĞERLERİNİN MAKİNE ÖĞRENMESİ YÖNTEMLERİ İLE TAHMİN EDİLMESİ

Abstract

Teknolojinin yoğun kullanımı ile birlikte her gün hızla artmakta olan büyük bir veri yığını oluşmaktadır. Büyük dijital verilerin toplanması, depolanması ve işlenmesinin sonucunda birçok alanda iş gücü ve zaman konusunda kâr sağlanmaktadır. İşlenmediği sürece anlamsız ve karmaşık halde bulunduklarından ötürü sadece gereksiz depolama alanı tüketen veriler, veri madenciliği veya makine öğrenmesi yöntemleri ile işlendiklerinde anlamlı veriler haline dönüştürülebilmektedir. Veri yığınları anlamlı hale geldiğinde kurum, kuruluş veya bireyler için zamandan tasarruf etmeyi mümkün kılacaktır. Veri madenciliği, makine öğrenmesi veya derin öğrenme gibi günümüzün önem arz eden öğrenme yöntemleri ile geliştirilecek akıllı sistemler sayesinde hata, zaman faktörleri en aza indirgenmektedir. Bu çalışmada, veri madenciliği ve makine öğrenmesi ile gerçekleştirilen akıllı sistemlerin önemi göz önünde bulundurularak kavramlar incelenmiştir. Havacılık, uzay ve otomotiv sektörleri başta olmak üzere sanayi alanında önemli yeri olan alüminyum alaşımlarından biri olan Al7075 alaşımı, tel elektro erozyon işleme (WEDM) yöntemi ile farklı parametrelerde işlenmiş ve oluşan yüzey pürüzlülükleri veri madenciliği yöntemleri ile tahmin edilmiştir. Yapılan bu çalışmada giriş parametresi olarak, voltaj, darbe süresi, basınç ve tel besleme esas alınmıştır. WEDM sonucunda girdi ve çıktı parametreleriyle birlikte veri seti elde edilmiş, ELM, W-ELM, SVR ve Q-SVR yöntemleri ile yüzey pürüzlülük değerleri tahmin edilmiş ve sonuçlar değerlendirilmiştir. Sonuç olarak, kullanılan yöntemler arasında en yüksek performansa sahip olan W-ELM, 0.9720 R^2değeri ile yüzey pürüzlülüğünü tahmin etmiştir. Gerçekleştirilen çalışma ile birlikte imalat endüstrisinde büyük bir potansiyele sahip olan alüminyum alaşımının iş gücü, zaman ve maliyet konusunda yüksek kazanımlar elde edileceği öngörülmektedir.

Intensively using the technology, a large data pile was formed, which was increasing rapidly every day. This profits labor and time in many areas as the collection, storage, and processing of large digital data. Since data is meaningless and complex unless processed, they only consume unnecessary storage space and can be turned into meaningful data when processed by data mining or machine learning methods. These stacks are made meaningful and save time for institutions, organizations or individuals. Errors and time factors are minimized by using intelligent systems that will be developed with today's important learning methods such as data mining, machine learning or deep learning. In this study, the concepts are examined considering the importance of smart systems realized with data mining and machine learning. Al7075 alloy, which is one of the aluminum alloys that have an important place in the industry, especially in the aerospace and automotive sectors, has been processed in different parameters by wire electro-erosion processing (WEDM) method and the resulting surface roughness has been predicted by data mining methods. In this research, voltage, pulse duration, pressure, and wire feeding are taken as input parameters. After the WEDM process, obtained a data set with input and output parameters, and surface roughness values were predicted with ELM, W-ELM, SVR, and Q-SVR methods and the results were evaluated. As a result, W-ELM, which has the highest performance among the methods used, predicted the surface roughness with an R^2 value of 0.9720. As a consequence of the work carried out, predicted that the aluminum alloy has great potential in the manufacturing industry, will achieve high gains in labor, time, and cost.