Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightElde edilen bulgular, katrak makinesi kesim performansının, doğal taşların tek eksenli basınç ve dolaylı çekme dayanımları ve Schmidt çekici deformasyon katsayısının birlikte değerlendirilmesiyle güvenilir bir biçimde tahmin edilebileceğini ortaya koymaktadır.
📌 3 Maddede Bu Makale
Özet
Bu çalışmanın amacı, karbonat kökenli on adet farklı doğal taşın fiziksel ve mekanik özelliklerini kullanarak, katrak makinelerinde kesilebilirlik performansını tahmin etmeye yönelik yeni ampirik modeller geliştirmektir. Bu kapsamda, yoğunluk, porozite, tek eksenli basınç dayanımı, dolaylı çekme dayanımı, Schmidt çekici sertlik değerleri ve Cerchar aşındırıcılık indeksi ile katrak makinesi performans göstergesi olan alansal plaka üretim oranı arasındaki ilişkiler incelenmiştir. Öncelikle, bağımlı ve bağımsız değişkenler arasındaki doğrusal ve doğrusal olmayan korelasyonlar analiz edilmiştir. Ardından, elde edilen sonuçlara dayanarak çoklu doğrusal regresyon modelleri oluşturulmuştur. Elde edilen bulgular, katrak makinesi kesim performansının, doğal taşların tek eksenli basınç ve dolaylı çekme dayanımları ve Schmidt çekici deformasyon katsayısının birlikte değerlendirilmesiyle güvenilir bir biçimde tahmin edilebileceğini ortaya koymaktadır. Ayrıca, daha genel ve kapsamlı modellerin geliştirilebilmesi için farklı jeolojik kökenlere sahip doğal taşlar ve çeşitli katrak makinelerinden elde edilen verilerin analize dahil edilmesi önerilmektedir.
Abstract
This study seeks to establish original empirical models to predict the sawability performance of gangsaw machines by using the physical and mechanical properties of ten carbonate-origin natural stones. For this purpose, relationships between density, porosity, uniaxial compressive strength, indirect tensile strength, Schmidt hammer hardness values, Cerchar abrasivity index, and the gangsaw performance indicator (area slab production rate per active framework) are investigated. Initially, linear and non-linear correlation analyses are conducted to determine the best relationships between the dependent and independent variables. Subsequently, multiple linear regression analyses are performed to strengthen the proposed models. The results demonstrate that the performance of gangsaw machines can be reliably predicted by jointly considering the uniaxial compressive and indirect tensile strengths, and the Schmidt hammer deformation coefficient of the natural stones. Moreover, it is suggested that the inclusion of data from natural stones with different geological origins and from various gangsaw machines would facilitate the development of more comprehensive and robust prediction models.