Odun Yüzey Pürüzlülüğü Tahmininde Bir Yapay Sinir Ağı Modelinin Kullanılması

Utilizing an Artificial Neural Network Model in Wood Surface Roughness Prediction

Özet

Ağaç malzemelerin yüzey pürüzlülüğü, nihai ürünlerin kalitesinin değerlendirilmesi açısından çok önemlidir. Bu nedenle bu çalışmada, odun türü, bıçak sayısı, besleme hızı ve kesme derinliğinin planyalama işleminde yüzey pürüzlülüğü üzerindeki etkisini modellemek için bir yapay sinir ağı (YSA) modeli geliştirilmiştir. Farklı YSA modelleri oluşturulmuş ve bunların performansı ortalama mutlak yüzde hata (MAPE), ortalama karesel hatanın karekökü (RMSE) ve determinasyon katsayısı (R2) kullanılarak değerlendirilmiştir. Önerilen modelin test safhasındaki MAPE, RMSE ve R2 değerleri sırasıyla %7,27, 0,57 ve 0,903 olmuştur. Sonuç olarak YSA, planyalanan odunun yüzey pürüzlülüğünü tahmin etmede etkili bir araçtır ve maliyetli ve zaman alıcı araştırmalar yerine oldukça yararlıdır.

Abstract

The surface roughness of wood materials is very important in terms of assessing the quality of final products. Therefore, in this study, an artificial neural network (ANN) model was developed to model the effect of wood species, number of knives, feed rate, and cutting depth on surface roughness in the planing process. Different ANN models were created and the performance of them was evaluated using the mean absolute percentage error (MAPE), the root mean square error (RMSE), and the coefficient of determination (R²). The MAPE, RMSE, and R2 values in the testing phase of the proposed model were 7.27%, 0.57, and 0.903, respectively. Consequently, ANN is an effective tool in predicting the surface roughness of planed wood and quite useful instead of costly and time-consuming investigations.

Anahtar kelimeler: Yapay sinir ağı, Yüzey pürüzlülüğü, Bıçak sayısı, Besleme hızı, Kesme derinliği