Metalik malzemelerin sürtünme ve aşınma özelliklerinin makine öğrenmesi yöntemleri ile tahmin edilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Makine Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: ŞENAY ER
Danışman: Halim Kovacı
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu çalışmada, metalik malzemelerin sürtünme ve aşınma davranışlarının değişken deney şartları (kayma ortamı, süre, hız ve yük) altında Yapay Zekâ uygulamalarından olan Makine Öğrenmesi teknikleri ile tahmin edilmesi amaçlanmıştır. Elde edilen sonuçların özellikle mühendislik uygulamalarında malzeme seçimi, tasarım optimizasyonu, deney sayısının azaltılması ve bakım stratejileri gibi konularda daha hassas ve etkili kararlar alınmasına olanak sağlayabileceği düşünülmektedir. Bu çalışmada, özellikle otomotiv sanayi başta olmak üzere farklı birçok sektörde sıklıkla kullanılan AISI 4140 düşük alaşımlı çeliğinden hazırlanan numuneler, malzemenin sürtünme ve aşınma özelliklerini etkileyen parametreler değiştirilerek farklı deney şartları altında aşınma deneylerine tabii tutulmuştur. Deneyler, farklı kayma ortamları (kuru, tuzlu su ve yağ), süreler (30, 60 ve 120 dk.), hızlar (8, 16 ve 32 mm/sn.) ve yükler (1,3 ve 5 N) altında gerçekleştirilmiştir. Veri seti, değişken deney şartlarından elde edilen verilerin %70'i eğitim, %30'u test olacak şekilde ayrılmış ve bu veriler makine öğrenmesi modellerinin eğitiminde ve test edilmesinde kullanılmıştır. Sürtünme katsayısı ve aşınma oranı tahmini için altı farklı denetimli makine öğrenmesi regresyon modeli kullanılmıştır. Aynı zamanda veri seti üzerinde, k-fold cross-validation yöntemi kullanılarak her bir modelin hata metrikleri dikkate alınarak performansları değerlendirilmiştir. Elde edilen sonuçlar, modellerin performans ölçütleri kıyaslayarak en iyi sonucun hangi modelde olduğu tespit edilmiştir. Yapılan analizler sonucunda, sürtünme katsayısı tahminleri için en yüksek R2 değeri 0.80 ile Destek Vektör Regresyon (SVR) modelinde elde edilmiştir. Bu sonuç, SVR modelinin sürtünme katsayısı tahminlerinde diğer modellere göre daha iyi bir uyum gösterdiğini göstermektedir. Ayrıca, aşınma oranı tahminleri için en yüksek R2 değeri 0.95 ile Lineer Regresyon modelinde elde edilmiştir. Bu sonuç, Lineer Regresyon modelinin aşınma oranı tahminlerinde diğer modellere göre daha yüksek bir başarı gösterdiğini göstermektedir. Bu durum, farklı modellerin farklı tahminlerde daha iyi performans gösterebileceğini ve kullanılan veri seti ve değişkenlere bağlı olarak farklı sonuçlar elde edilebileceğini göstermektedir. Bu çalışmada uygulanan modellerden elde edilen istatistiksel performans ölçütleri, geliştirilen makine öğrenimi modellerinin AISI 4140 çeliğinin sürtünme katsayısı (CoF) ve aşınma oranının malzeme ve tribolojik değişkenler dikkate alındığında tatmin edici bir düzeyde tahmin edebileceğini göstermektedir. Çalışmanın sonuçlarının, mühendislik uygulamalarında daha fazla eğitim veri seti kullanılarak, farklı yük, hız ve ortam koşullarında sürtünme ve aşınma davranışları ile ilgili tribolojik uygulamalara katkı sağlayabileceği düşünülmektedir.