Search

Bir çok endüstri kolunda olduğu gibi talaşla imalat endüstrisinde de üretimin verimliliğini etkileyecek verileri önceden tahmin etmek hem kesici takım maliyetlerinin hemde üretim maliyetlerinin düşürülmesi bakımından öndemlidir. Bu kapsamda yıllardır kullanılmakta olan sonlu elemanlar yönteminin yanında son yıllarda karşımıza bir çok alanda kullanılan makine öğrenmesi ve yapay zeka yöntemleri çıkmaktadır. Bu öğrenme yöntemleri deneysel ve sayısal çalışmalara yardımcı olarak kullanıldığı zaman hem deney süreleri hemde sayısal hesaplama süreleri önemli derecede kısalmaktadır. Böylece hem deney maliyetlerinin azaltılması hemde sayısal hesaplama sürelerinin kısalması sağlanabilmektedir. Bunun yanında bilinmeyen veya deneyi yapılmayan parametrelerin tahmini mümkün olabilmektedir. Bu çalışmada öncelikle ortogonal talaş kaldırma probleminin sayısal olarak modellenmesi üzerinde durulmuş ve modelleme sonuçları deneysel veriler ile karşılaştırılmıştır. Daha sonra deneysel veriler ve sonlu elamanlar verileri makine öğrenmesi algoritmalarına öğretilmiştir. Öğretme işleminden sonra bilinmeyen veriler olan kesme kuvvetinin ve maksimum talaş sıcaklığının sadece kesme parametreleri girilerek tahmini yapılmıştır. Deneyler ile sonlu elemanlar analizi sonuçlarından elde edilen verilere en doğru cevabı veren makine öğrenmesi algoritmaları Support Vector Machine, Linear Regression ve Gaussian Process Regression olarak belirlenmiştir. Bunlara ek olarak ortogonal kesme işleminde elde edilen sıcaklık, talaş şekli ve gerilmeler tartışılmıştır. As in many industries, it is important to predict data that will affect the efficiency of production in the chip manufacturing industry in terms of reducing both cutting tool costs and production costs. In this context, besides the finite element method that has been used for years, machine learning and artificial intelligence methods used in many fields in recent years have emerged. When these learning methods are used as an aid to experimental and numerical studies, both experimental times and numerical calculation times are shortened significantly. Thus, it can be ensured that both the experimental costs and the numerical calculation times are shortened. In addition, it is possible to estimate unknown or untested parameters. In this study, primarily numerical modelling of the orthogonal machining problem was emphasized and the modelling results were compared with the experimental data. Then, experimental data and finite element data were taught to machine learning algorithms. After the teaching process, the cutting force and maximum chip temperature, which are unknown data, were estimated by entering only the cutting parameters. Support Vector Machine, Linear Regression and Gaussian Process Regression were determined as the machine learning algorithms that gave the most correct answer to the data obtained from the finite element analysis results with the experiments. In addition to these, the temperature, chip shape and stresses obtained in orthogonal cutting process are discussed.

Mikro tornalama işlemi, mikro silindirik parçaların imalatında kullanılan bir mikro şekillendirme yöntemidir. Talaş derinliği ve ilerleme değeri çok küçük olması nedeniyle, iş parçasının tane boyutuna yakın değerlerinde kesme işlemleri yapılabilmektedir. Bu durumda, kesme kuvvetleri sadece iş parçasının türüne değil, aynı zamanda tane boyutuna, yüzeydeki artık gerilmelere ve tane yönlenmesine göre değişkenlik gösterir. Bu çalışmada mikro tornalama işleminde kesme kuvvetlerinin mekanistik modellemesi gerçekleştirilmiştir. Kesme deneyleri ortogonal şartlarda gerçekleştirilmiş ve 0,4 mm et kalınlığına sahip 304 paslanmaz çelik malzeme kullanılmıştır. Çalışmada farklı ilerleme değerleri kullanılarak kesme kuvveti katsayıları elde edilmiştir. Ayrıca farklı kesme hızları için de deneyler yapılarak, mekanistik modele kesme hızının etkisi de dahil edilmiştir. Oluşturulan mekanistik modelin doğrulanması amacıyla farklı kesme hızı ve ilerleme değerlerinde kesme testleri gerçekleştirilmiştir. Micro turning is a micro machining method used in the manufacture of micro cylindrical parts. Because of the depth of cut and the feed rate is very small, cutting operations can be made at the values close to the grain size of the workpiece. In this case, the cutting forces vary not only according to the type of workpiece, but also according to grain size, residual stresses on the surface and grain orientation. In this study, mechanistic modelling of cutting forces in micro turning operation is performed. Cutting tests were carried out under orthogonal conditions and 304 stainless steel material with wall thickness of 0.4 mm was used. Cutting force coefficients were obtained by using different feed values. Experiments were also made for different cutting speeds and the effect of cutting speed was included in the mechanistic model. In order to verify the mechanistic model, cutting tests were performed at different cutting speeds and feed rates.

06.03.2018 tarihli ve 30352 sayılı Resmi Gazetede yayımlanan “Yükseköğretim Kanunu İle Bazı Kanun Ve Kanun Hükmünde Kararnamelerde Değişiklik Yapılması Hakkında Kanun” ile 18.06.2018 tarihli “Lisansüstü Tezlerin Elektronik Ortamda Toplanması, Düzenlenmesi ve Erişime Açılmasına İlişkin Yönerge” gereğince tam metin erişime açılmıştır. Bu çalışmada, farklı mikro geometrik özelliklere sahip HSS kesici takımların kesmekuvvetine ve takım ? talaş ara yüzeyi sıcaklığına etkisi incelenmiştir. Esas kesicikenara verilen ve boyutları 30 ile 150 mikron arasında değişen pahlı ve yayşeklindeki mikro geometrik özelliğin yukarıdaki parametrelere olan etkisi sivri uçlukesici kenara kıyasla incelenmiştir.Kesme deneyleri pirinç malzeme üzerinde, dik (ortogonal) tornalama yapılarakgerçekleştirilmiştir. Kesme deneylerinde soğutma sıvı kullanılmamıştır. Kesmeişlemini simule eden bir FEM modeli geliştirilerek, elde edilen deney sonuçlarıylakıyaslanmıştır. Deneysel sonuçlarda yarıçaplı ve pahlı uç kenar geometrileri artıkçakesme kuvvetleri arttığı gözlenmektedir. In this study, the effect of cutting edge micro geometry on cutting forces and cuttingtemperatures has been investigated during orthogonal turning of CuZn37 brass as thetest material. These types of micro gemetry were used namely, chamfered, round andsharp edges with various sizes between 30 and 150 microns.The micro geometry can considerably affect the tools performance and some otherproperties such as cutting force, temperature, tool wear and surface finish. Theresults showed that cutting forces and temperatures produced by round andchamfered micro geometry increased with increasing edge dimensions. A FEMmodel has been developed for predicting cutting forces and the results werecompared with that of the test results.