KaydedilenlerDerginizi ekleyin

Dergiler / Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi / 2020 / Cilt: 7 - Sayı: 100. Yıl Özel Sayı

AISI 1040 çeliğinin tornalanması sonucu oluşan yüzey pürüzlülük değerlerinin RSM ve YSA ile araştırılması

Harun AKKUŞ
Sayfa
186–197
Yayın Tarihi
2020-03-23
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu kıyaslama sonucu RSM modelinin yaklaşık %90 doğrulukla test sonucunu tahmin ettiği belirlenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Öz Bu çalışmada, Design Expert programında yüzey yanıt metodu (RSM) Box-Behnken tasarımına göre deney listesi oluşturulmuştur.
📊
Temel Bulgular & Veri:Oluşturulan deney listesine uygun olarak AISI 1040 çeliğinin tornalaması sonucu yüzey pürüzlülük değerleri elde edilmiştir.
💡
Sonuç & Katkı:Bu kıyaslama sonucu RSM modelinin yaklaşık %90 doğrulukla test sonucunu tahmin ettiği belirlenmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Anahtar Kelimeler Tornalama · Yüzey pürüzlülüğü · RSM

Özet

Öz Bu çalışmada, Design Expert programında yüzey yanıt metodu (RSM) Box-Behnken tasarımına göre deney listesi oluşturulmuştur. Oluşturulan deney listesine uygun olarak AISI 1040 çeliğinin tornalaması sonucu yüzey pürüzlülük değerleri elde edilmiştir. Elde edilen yüzey pürüzlülük değerleri ile RSM modeli ve yapay sinir ağı (YSA) modeli oluşturulmuştur. RSM modeli ile ikinci dereceden regresyon denklemi, varyans analizi (ANOVA) parametre etkileşimlerinin yüzey pürüzlülüğüne etkisi iki boyutlu kontur grafiği ve üç boyutlu yanıt grafiği, optimum kesme parametreleri incelenmiştir. Matlab R2013a programı ile YSA modeli oluşturulmuştur. RSM ve YSA modellerinin tahmin sonuçlarının doğruluğunu araştırmak için üç tane test deneyi belirlenmiştir. Test deneyleri gerçekleştirilmiştir. Daha sonra deneysel Ra, RSM tahmini Ra ve YSA tahmini Ra değerleri kıyaslanmıştır. Bu kıyaslama sonucu RSM modelinin yaklaşık %90 doğrulukla test sonucunu tahmin ettiği belirlenmiştir.

🔖

Bu Makaleye Atıf Yap

AKKUŞ, H. (2020). AISI 1040 çeliğinin tornalanması sonucu oluşan yüzey pürüzlülük değerlerinin RSM ve YSA ile araştırılması. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, Cilt: 7 - Sayı: 100. Yıl Özel Sayı, 186–197. https://ajindex.com/articles/251491

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Agrawal, A., Goel, S., Rashid, W. B., & Price, M. (2015). Prediction of surface roughness during hard turning of AISI 4340 steel (69 HRC). Applied Soft Computing, 30, 279-286
  2. Zhang, P., Liu, Z. (2016). Modeling and prediction for 3D surface topography in finish turning with conventional and wiper inserts. Measurement, 94, 37-45
  3. Khorasani, A., Yazdi, M. R. S. (2017). Development of a dynamic surface roughness monitoring system based on artificial neural networks (ANN) in milling operation. The International Journal of Advanced Manufacturing Technology, 93(1-4), 141-151
  4. Butola, R., Ali, P., Khanna, V. (2017). Effecton Surface Properties of mild steel during dry turning & wet turning on lathe. Materials Today: Proceedings, 4(8), 7892-7902
  5. Debnath, S., Reddy, M. M., Yi, Q. S. (2016). Influence of cutting fluid conditions and cutting parameters on surface roughness and tool wear in turning process using Taguchi method. Measurement, 78, 111-119
  6. Thamizhmanii, S., Saparudin, S., Hasan, S. (2007). Analyses of surface roughness by turning process using Taguchi method. Journal of Achievements in Materials and Manufacturing Engineering, 20(1-2), 503-506
  7. Meddour, I., Yallese, M. A., Bensouilah, H., Khellaf, A., & Elbah, M. (2018). Prediction of surface roughness and cutting forces using RSM, ANN, and NSGA-II in finish turning of AISI 4140 hardened steel with mixed ceramic tool. The International Journal of Advanced Manufacturing Technology, 1-19
  8. Selvaraj, D. P. (2018). Optimization of surface roughness of duplex staınless steel in dry turning operation using Taguchi technique. Materials Physics and Mechanics, 40, 63-70
  9. Moganapriya, C., Rajasekar, R., Ponappa, K., Venkatesh, R., Jerome, S. (2018). Influence of coating material and cutting parameters on surface roughness and material removal rate in turning process using Taguchi method. Materials Today: Proceedings, 5(2), 8532-8538
  10. Koç, B., Kaymak-Ertekin, F. (2010). Response surface methodology and food processing applications. GIDA-Journal of Food, 35(1), 63-70
  11. Lin, W. S., Lee, B. Y., Wu, C. L. (2001). Modeling the surface roughness and cutting force for turning. Journal of Materials Processing Technology, 108(3), 286-293
  12. Li, X. (2002). A brief review: acoustic emission method for tool wear monitoring during turning. International Journal of Machine Tools and Manufacture, 42(2), 157-165
  13. Labidi, A., Tebassi, H., Belhadi, S., Khettabi, R., & Yallese, M. A. (2018). Cu