AI Summary & Key Takeaways
AI InsightResults are estimated with the ratio of 95,89 % at the GEP environment using only four arithmetical operation variables with the help of these parameters
📌 3 Key Takeaways
Abstract
It is emphasized that, earing problem which is one of the material origin problems that occurs during deep drawing of cold rolled AA1100 aluminium sheets and effects of the heat treating parameters to take away or minimize the earing problem were investigated. In recent years, artificial intelligence methods are widely used to estimate the results. In this study, Gene Expressive Programming (GEP) is used to estimate the height of earings. Annealing temperature and annealing time are approved as input parameters; earing height is approved as output parameter. Results are estimated with the ratio of 95,89 % at the GEP environment using only four arithmetical operation variables with the help of these parameters
Özet
Soğuk hadde ile üretilmiş AA1100 alüminyum levhaların derin çekilmesinde karşılaşılan malzeme kökenli problemlerden kulaklanma üzerinde durularak, bu problemin ortadan kaldırılması veya minimuma indirilmesinde tav parametrelerinin etkisi incelenmiştir. Yapılan deneylerden elde edilen sonuçlar doğrultusunda tavlama sıcaklığı ve tavlama süresinin kulaklanma yüksekliğine en etken parametreler olduğu tespit edilmiştir. Son yıllarda yapay zeka yöntemleri sonuçların tahminlenmesinde yaygın olarak kullanılmaktadır. Bu çalışmada, kulaklanma yüksekliğinin tahminlenmesinde Gen İfadeli Programlama (GİP) kullanılmıştır. Giriş parametreleri olarak tavlama sıcaklığı ve tavlama süresi, çıkış parametresi olarak kulaklanma yüksekliği kabul edilmiştir. Bu parametreler yardımıyla GİP ortamında sadece dört işlem değişkenleri kullanılarak sonuçlar %95,89 oranında tahminlenmiştir.